Ai sẽ định giá trí tuệ?

• Khi AI biến trí tuệ (intelligence) thành một nguồn lực có thể định giá, mọi tầng lớp trên thị trường đều đang cạnh tranh để giành quyền kiểm soát việc ai sẽ quyết định mức giá đó
• Các AI lab muốn lượng sử dụng phải chảy qua mình, ứng dụng thì cố chứng minh rằng họ có thể phân bổ trí tuệ tốt hơn các lab, còn các quốc gia muốn trí tuệ trở nên đủ rẻ để thành hạ tầng quốc gia
• Chi phí của trí tuệ không còn là một biến đầu vào của phần mềm nữa, mà đang vận hành như một trục (axis) tái định hình doanh nghiệp, thị trường và địa chính trị
• Lý do đầu tư AI khác với đầu tư phần mềm là vì có nhiều biến số hơn, các biến số liên kết (coupled) với nhau không đồng đều, và mỗi biến lại phân rã thành các biến phụ vận động theo đường cong riêng
• Đây là việc phân tích một hệ thống mà chính phương trình của nó được viết lại mỗi giờ, và chỉ cần một biến dịch chuyển đủ mạnh thì ý nghĩa của các biến khác cũng thay đổi theo, tạo ra một chuỗi tái cấu trúc liên tục

---

Vì sao đầu tư AI khác với đầu tư phần mềm

• Trong phần mềm, việc đối chiếu mẫu tuy khó nhưng vẫn hiệu quả; chi phí phân phối (distribution cost) quyết định hiệu suất thu hút khách hàng, còn chi phí chuyển đổi (switching cost) quyết định khả năng giữ chân và mở rộng
  • CAC payback, NDR, magic number, Rule of 40 đều là các hệ quả cấp dưới của hai lực này
• AI phá vỡ điều đó vì ba lý do
  • Hệ thống có nhiều biến số hơn
  • Các biến số liên kết với nhau không đồng đều
  • Mỗi biến lại phân rã thành các biến phụ vận động theo đường cong riêng
• Chỉ cần một trong các yếu tố capability, cost, latency, deployment, regulation, talent dịch chuyển thì ý nghĩa của các yếu tố còn lại cũng thay đổi; khi một ràng buộc được gỡ bỏ thì ràng buộc quan trọng tiếp theo cũng đổi khác

Mỗi biến số thay đổi điều gì

• Các biến quen thuộc đã được bàn nhiều là capability, cost, latency
• Những biến khó hơn là các unlocks xuất hiện từ nghiên cứu và sản phẩm, vốn rất khó mô hình hóa trước về tính chất và độ sâu, trong khi tốc độ xuất hiện lại tiếp tục tăng nhanh
• Những ràng buộc mà phần mềm từng xem như hằng số thì trong AI lại trở thành lựa chọn chiến lược: geopolitics, deployment, talent

• Capability

  • Nó phân rã thành reasoning, context, multimodality, tool use, planning, memory, controllability, và từng yếu tố đều đang biến động mạnh trên đường cong riêng
    • context đã mở rộng từ 4.000 token lên hơn 1 triệu token chỉ trong 3 năm
    • reasoning đã phát triển từ mẹo prompting thành một lớp mô hình độc lập
  • Nó đã hấp thụ các hạ tầng như retrieval pipelines, output parsers, prompt scaffolds; đây vốn là các bộ phận trợ lực (prosthetics) để bù đắp điểm yếu của mô hình
  • Một mô hình chỉ chứa được prompt và một mô hình chứa được codebase hay lịch sử khách hàng là hai sản phẩm khác nhau; cải thiện hiệu năng không nâng đồng đều mọi ứng dụng mà chỉ dịch chuyển nút thắt cổ chai (bottleneck)

• Cost

  • Việc chi phí giảm không chỉ cải thiện biên lợi nhuận mà còn thay đổi ai có thể cạnh tranh
    • Những workflow từng cần frontier API nay chuyển sang mô hình open-weight rẻ hơn, mô hình chuyên biệt được fine-tune hoặc stack có routing, khiến sản phẩm cao cấp rơi xuống thành commodity feature
  • DeepSeek cho thấy rõ ràng hơn rằng khi kỳ vọng chi phí ở tầng mô hình thay đổi, nó có thể định tuyến lại toàn bộ vùng biên lợi nhuận phía trên

• Latency

  • Đây trở thành biến số khi AI chuyển từ prompting bất đồng bộ sang workflow thời gian thực
    • Mô hình chậm có thể ổn để viết ghi chú, nhưng sẽ sụp đổ trong sales call, support conversation, tutoring session hay security response
  • Khi phía bên kia là con người đang chờ đợi, latency không còn là chi tiết hiệu năng mà quyết định liệu thị trường đó có tồn tại được hay không
    • voice vượt qua lằn ranh đó khi chất lượng, khả năng xử lý ngắt lời và mức giá tính bằng cent mỗi phút cùng xuất hiện
  • Việc latency giảm không chỉ làm cùng một sản phẩm nhanh hơn mà còn mở ra bề mặt sử dụng (surface) hoàn toàn mới

• Những đường cong mới

  • Có những yếu tố 2 năm trước còn chưa thể đưa vào danh sách: inference-time compute, task horizon và AI như đầu vào cho chính việc tạo ra AI

  • Inference-time compute

    • Cái núm cho phép dùng nhiều compute hơn 10 lần để có câu trả lời tốt hơn là một yếu tố thực sự mới, chưa từng có trong phần mềm trước đây, và biến chi phí trên mỗi kết quả thành một vấn đề lựa chọn
      • Một truy vấn 10 giây và một truy vấn 10 phút của cùng một mô hình là hai sản phẩm khác nhau với hai mức giá khác nhau; biên lợi nhuận phụ thuộc không phải vào giá mô hình mà vào phán đoán của hệ thống
    • Đây là đòn phản công của tầng ứng dụng đối với các lab: khi frontier model hấp thụ logic sản phẩm, mỗi công ty buộc phải khẳng định rằng mình phân bổ token của khách hàng tốt hơn
    • lab có động lực mở rộng lượng sử dụng, còn ứng dụng có động lực chỉ chi tiêu vào những nơi tạo ra giá trị kết quả

  • Task horizon

    • Nếu inference-time compute là núm chỉnh độ sâu, thì task horizon là núm chỉnh độ dài: AI có thể tự hoạt động trong bao lâu trước khi cần con người can thiệp
      • Đơn vị chuyển từ call sang workflow
      • Agent có thể hoạt động hàng giờ, tạo ra các sub-agent và tiêu tốn hàng triệu token cho mỗi đường ra quyết định, khiến mức sử dụng không còn tỷ lệ với số seat nữa
    • Nhân độ dài với độ sâu sẽ ra chính hóa đơn token mà mọi CFO trong Fortune 500 đang hỏi tới

  • AI như đầu vào cho chính việc tạo ra AI

    • AI đang được dùng để tạo synthetic data, viết code, tạo evals và nén ngắn chu kỳ thí nghiệm
      • Mỗi thế hệ lại rút ngắn thời gian xây dựng thế hệ tiếp theo, khiến tốc độ thay đổi trở nên nội sinh (endogenous)
    • Tính đệ quy này khiến chu kỳ thay đổi ngắn hơn chu kỳ gọi vốn, và thời gian bán rã của bất kỳ thesis nào cũng đang bị rút ngắn

• Geopolitics

  • Đây là nơi cuộc chiến hiện ra rõ ràng nhất, và China về mặt cấu trúc đang bị đẩy về phía hiệu quả và công khai open-weight
    • Khả năng tiếp cận chip bị hạn chế và việc bị loại khỏi một số phần của frontier stack khiến chiến lược đó trở nên hợp lý
  • U.S. vẫn có thể cạnh tranh bằng frontier model open-weight, nhưng chưa đưa ra được cùng một câu trả lời mang tính cấu trúc
  • Phần mềm không cần huấn luyện ở quy mô hàng tỷ đô, nhưng frontier open weights thì cần compute financing, patient capital, release governance, serving infrastructure và cả công cụ để cạnh tranh nhân tài
    • Một số nhóm ở Mỹ sẽ phải hợp lý hóa chi phí huấn luyện đó thông qua federation hoặc financial engineering
  • Các frontier lab tin rằng công nghệ này nguy hiểm nên ủng hộ quy định dựa trên capability; họ hưởng lợi khi quyền truy cập frontier được kiểm soát, kiểm toán, đo lường và nằm phía sau API
  • DeepSeek không chỉ là việc phát hành một mô hình, mà là một phát súng trong cuộc chiến ai sẽ định giá trí tuệ

• Deployment

  • Vì giá trị không hoàn toàn thuộc về cloud nên mọi thứ vẫn còn biến động
    • Inference sẽ dịch chuyển đến nơi rẻ nhất miễn là không làm hỏng sản phẩm: frontier reasoning ở cloud, latency ở edge, quyền riêng tư và cá nhân hóa ở on-device, còn workflow cần cả ba sẽ là hybrid
  • Do mô hình không chỉ lưu dữ liệu mà còn suy luận trên context, memory, documents, voice, code, behavior và enterprise permissions của người dùng, quyền riêng tư còn quan trọng hơn trong SaaS
  • Nơi inference diễn ra sẽ quyết định ai lấy biên lợi nhuận, ai sở hữu context và khách hàng sẽ tin ai

• Talent

  • Trong SaaS, nhân tài là biến số thực thi; đội ngũ tốt hơn thì xây nhanh hơn, bán tốt hơn và vận hành kỷ luật hơn
  • Trong AI, nhân tài là nguyên liệu đầu vào thô (raw input) của sản xuất; chỉ một số ít nhà nghiên cứu cũng có thể thay đổi architecture, data mixture, eval regime và chính đường cong cost-capability
    • Đội ngũ không chỉ thực thi theo thị trường mà còn có thể thay đổi hình dạng của thị trường
  • Không chỉ chất lượng vận hành mà cả research taste cũng trở thành một phần của tài sản

Mối đe dọa giờ đây không còn chỉ là đối thủ cạnh tranh

• Trong SaaS, bạn thường bị đánh bại bởi một công ty khác: đối thủ có nhiều vốn hơn, đội ngũ nhanh hơn hoặc một ông lớn mở rộng sang lĩnh vực của bạn
  • Một ngoại lệ là những công ty xây trên nền tảng của bên thứ ba rồi bị xóa sổ mà không cần đối thủ cạnh tranh nào, chỉ vì nền tảng đó đổi giá hoặc đổi điều khoản
  • AI biến ngoại lệ này thành mặc định (default)
• Mối đe dọa trong AI là dịch chuyển tầng (layer migration): chỉ cần một trong các biến capability, cost, latency, deployment, regulation, trust thay đổi đủ mạnh thì công việc sẽ dịch chuyển
  • Nó có thể chuyển sang mô hình, sang lựa chọn open-weight, sang nền tảng dữ liệu của khách hàng, sang agent runtime hoặc sang chính thiết bị
• Một biến khác là demand: người mua di chuyển chậm nhưng không ngây thơ; họ hiểu chi phí lock-in nên khoảng chênh lệch kiếm lời trong độ trễ đó đang dần khép lại

Cách xây dựng công ty cũng đang bị đảo ngược

• Những giả định cũ và lời khuyên VC truyền thống đang biến mất
  • Nếu SaaS bán năng suất và cảm giác dễ chịu, thì AI ngày càng là một lĩnh vực kém hào phóng hơn, bán outcomes và services; kết quả phải hoạt động thì sản phẩm mới tốt, và kết quả đó phải được tạo ra đủ hiệu quả thì công ty mới vận hành được

• Sự phân nhánh giữa Consumer và Enterprise

  • Ở consumer, chỉ cần breadth là đủ: nhanh, rẻ, hữu dụng trên diện rộng và có thể được tha thứ khi thất bại
  • Ở enterprise, tiêu chuẩn khác hẳn: nó phải hoạt động bên trong một workflow cụ thể, đồng thời nhúng context, permissions, data và risk tolerance của khách hàng
    • Vì vậy frontier model đơn lẻ không phải là sản phẩm enterprise; giá trị nằm ở tầng application, orchestration, services và proprietary data giúp mô hình trở nên hữu ích trong doanh nghiệp

• Distribution và Talent

  • Mô hình của ngày hôm qua có thể khiến một sản phẩm mới trở nên khả thi, nghĩa là công ty có thể đổi vị thế ngay trong tuần
    • Một số công ty đã thay đổi hồ sơ tuyển dụng sales sang kiểu người có thể bán một mục tiêu luôn di chuyển
    • Cách tiếp cận top-down ngay từ đầu đang hiệu quả ở một số công ty

• Cấu trúc kinh tế

  • services-as-software đang thay đổi cách định giá, còn các quan hệ đối tác với systems integrator xuất hiện sớm hơn nhiều năm so với playbook cũ
  • Thị trường đang phân hóa: một số nhà đầu tư nhìn vào danh mục nơi sản phẩm liên tục bị tái xây dựng và kết luận sản phẩm gần như không quan trọng, services mới là doanh nghiệp thật; số khác thì khó chịu với bất cứ thứ gì trông giống tư vấn
  • Sự thật khó chịu hơn là trong AI, product, services, deployment và distribution đang được tái tổ hợp theo cách khác nhau ở từng công ty

• Đổi mới của nhà sáng lập

  • ICP hẹp, một wedge duy nhất, xây chậm, tuyển dụng có thể dự đoán, giữ chân theo product-led: không điều nào còn đủ trong một thị trường mà biến số không đứng yên và khách hàng không muốn point solution
  • Những yếu tố có vẻ đang chiến thắng là vòng phản hồi nhanh, đội ngũ nhỏ nhưng có quyền quyết định, và sự thoải mái khi tái tổ chức theo thay đổi thay vì bám vào kế hoạch từ 6 tháng trước

Giờ là bài toán của nhà sáng lập và quốc gia

• Trong AI, giá trị không được nắm bắt một lần rồi phòng thủ mãi, mà liên tục bị định giá lại và tái phân bổ; các biến số là công cụ để đọc hướng đi và tốc độ của sự tái phân bổ đó
  • Mọi công ty AI đều đang ngồi trên một chồng giả định, và công ty vững chắc là công ty biết mình đang long giả định nào và short giả định nào
• Đầu tư và xây dựng trong AI giống vận hành một trading book hơn là thẩm định mua lại một công ty phần mềm
  • Bạn long ở vài đường cong, short ở vài đường cong khác, và bị phơi bày trước những tương quan có thể đổ vỡ đúng vào thời điểm quan trọng nhất
• Bạn phải chọn biến nào để đặt cược, biết biến nào có thể giết mình và xây công ty sao cho phục hồi nhanh hơn trước khi những cược sai bị cộng dồn theo lãi kép

• Chiều kích chính trị

  • Chính phủ U.S. sẽ tốt hơn nếu xử lý được đồng thời hai biến: kiểm soát frontier nguy hiểm, nhưng không để trí tuệ trở nên đắt đỏ tới mức chỉ các lab đóng và các quốc gia đối thủ mới có thể định nghĩa tương lai
  • Quốc gia chiến thắng sẽ không phải là nơi quy định nhiều nhất hay công khai nhiều nhất, mà là nơi tìm ra cách làm cho trí tuệ đủ an toàn để được tin cậy, đồng thời đủ rẻ để được phổ biến