Bởi Maksym Misichenko · CNBC ·
Các tác nhân AI nghĩ gì về tin tức này
Bảng thảo luận phần lớn đồng ý rằng sự hàng hóa hóa của LLM đang tăng tốc, gây ra mối đe dọa đáng kể cho định giá cao của OpenAI và Anthropic. Tuy nhiên, có sự bất đồng về thời gian và mức độ ảnh hưởng này, với một số thành viên cho rằng chi phí chuyển đổi của doanh nghiệp và hiệu ứng nền tảng của OpenAI có thể giảm nhẹ tác động trong ngắn hạn.
Rủi ro: Sự xói mòn nhanh chóng của sức mạnh định giá và chi phí chuyển đổi, có khả năng vượt quá khả năng đa dạng hóa doanh thu của OpenAI trước khi thời hạn khóa IPO hết hạn.
Cơ hội: Khả năng các phòng thí nghiệm tiên phong khai thác các mối quan tâm về quy định và chủ quyền dữ liệu, tạo ra một thị trường phân chia với các quy trình làm việc doanh nghiệp quan trọng, được quản lý như một lợi thế được bảo vệ, biên lợi nhuận cao.
Phân tích này được tạo bởi đường dẫn StockScreener — bốn LLM hàng đầu (Claude, GPT, Gemini, Grok) nhận các lời nhắc giống hệt nhau với các biện pháp bảo vệ chống ảo tưởng tích hợp. Đọc phương pháp →
Mùa báo cáo thu nhập này, chi phí AI bắt đầu thể hiện trong các con số. Meta, Shopify, Spotify và Pinterest đều cho biết chi phí AI và suy luận ngày càng tăng là yếu tố kéo giảm biên lợi nhuận. Shopify cho biết quy mô kinh tế "bị bù đắp một phần bởi chi phí LLM tăng".
Đây là hóa đơn phải thanh toán cho mô hình định giá làm nền tảng cho định giá IPO dự kiến của OpenAI và Anthropic, cả hai đều được dự báo đạt hơn 800 tỷ USD. Những con số đó giả định OpenAI và Anthropic sẽ giữ vững thị phần và sức mạnh định giá — rằng các đối thủ cạnh tranh không thể dễ dàng bắt kịp, và rằng khách hàng doanh nghiệp sẽ tiếp tục trả giá cao vì không có giải pháp thay thế thực sự.
Nhưng ngày càng có nhiều dữ liệu chỉ ra điều ngược lại. AI tiên tiến đang trở nên dồi dào và rẻ. Các phòng thí nghiệm của Trung Quốc đang tính phí một phần nhỏ so với các phòng thí nghiệm của Mỹ cho công việc tương đương, trong khi một làn sóng các đối thủ phương Tây — Nvidia, Cohere, Reflection, Mistral — đang xây dựng các giải pháp thay thế rẻ hơn, nhỏ hơn, hiệu quả hơn cho các doanh nghiệp sẽ không sử dụng mô hình của Trung Quốc. Đến lúc OpenAI và Anthropic nộp bản cáo bạch, với việc OpenAI nộp hồ sơ bảo mật sớm nhất là tuần này, tiền đề trung tâm của định giá của họ có thể đã không còn.
Khoảng cách chi phí rất lớn và ngày càng mở rộng. Ngân sách AI của doanh nghiệp đã tăng vọt. Khoảng 45% các công ty được khảo sát bởi công ty chi phí đám mây CloudZero cho biết họ đã chi hơn 100.000 USD mỗi tháng cho AI vào năm 2025, tăng từ 20% vào năm trước. Số tiền đó đi về đâu ngày càng quan trọng. Công ty đánh giá AI Artificial Analysis chạy mọi mô hình chính thông qua cùng 10 bài đánh giá và theo dõi tổng chi phí. Đối với mỗi mô hình có khả năng nhất của phòng thí nghiệm: Claude của Anthropic có giá 4.811 USD. ChatGPT của OpenAI: 3.357 USD. DeepSeek: 1.071 USD. Kimi: 948 USD. GLM của Zhipu: 544 USD. Claude đắt gần gấp chín lần so với giải pháp thay thế rẻ nhất của Trung Quốc cho cùng một khối lượng công việc.
Ngay cả Google cũng đang đưa ra lập luận này. Tại hội nghị nhà phát triển I/O tuần này, CEO Sundar Pichai cho biết "nhiều công ty đang cạn kiệt ngân sách token hàng năm của họ, và mới chỉ là tháng 5", và giới thiệu mô hình Flash rẻ hơn của công ty như một giải pháp. Nếu các khách hàng lớn nhất của Google Cloud chuyển 80% khối lượng công việc của họ từ các mô hình tiên tiến sang Gemini 3.5 Flash, Pichai nói, họ sẽ tiết kiệm hơn 1 tỷ USD mỗi năm. Công ty đang thừa nhận rằng các doanh nghiệp cần các lựa chọn rẻ hơn.
Và các giải pháp thay thế rẻ tiền không còn là bước đi sau. DeepSeek, phòng thí nghiệm AI của Trung Quốc có mô hình gây ra đợt bán tháo công nghệ của Mỹ vào năm ngoái, đã phát hành bản xem trước mô hình thế hệ tiếp theo của mình vào tháng trước, ngang bằng hoặc gần bằng các mô hình mới nhất từ OpenAI, Anthropic và Google về các chỉ số đánh giá về mã hóa, tác nhân và kiến thức. Các mô hình từ các phòng thí nghiệm khác của Trung Quốc, bao gồm Moonshot, Xiaomi và Zhipu, đã được xuất xưởng với các cấp độ khả năng tương tự trong bốn tháng qua.
CEO của Databricks, Ali Ghodsi, có cái nhìn thời gian thực về sự thay đổi này. Cổng AI của công ty nằm giữa hàng nghìn khách hàng doanh nghiệp và các mô hình họ đang sử dụng, và Ghodsi cho biết doanh thu từ sản phẩm đó đang tăng mạnh.
Ông cho biết kỹ thuật mà các doanh nghiệp đang triển khai được gọi là "mô hình cố vấn". Một mô hình mã nguồn mở giá rẻ xử lý phần lớn công việc theo mặc định. Khi gặp một tác vụ mà nó không thể giải quyết, nó sẽ được cung cấp một công cụ cho phép nó gọi đến một mô hình tiên tiến từ OpenAI hoặc Anthropic để được trợ giúp.
Ghodsi nói: "Bạn có thể kiểm soát chi phí rất tốt theo cách này."
Tốc độ thay đổi thật đáng kinh ngạc. Trên OpenRouter, một thị trường cho phép các nhà phát triển truy cập hàng trăm mô hình AI thông qua một giao diện duy nhất, các mô hình của Trung Quốc đã tăng từ khoảng 1% lượng sử dụng vào năm 2024 lên hơn 60% vào tháng 5.
Và các nhà cung cấp đang bắt đầu bán giảm chi phí như một sản phẩm. CEO của Figma, Dylan Field, cho biết các công ty đang trải qua ba giai đoạn áp dụng AI: đầu tiên, không ai sử dụng nó; thứ hai, mọi người đều phải sử dụng, với một số người "thực sự tổ chức các cuộc thi xem ai có thể chi tiêu nhiều nhất bằng token". Và thứ ba là nhận ra rằng "mọi người đang chi tiêu quá nhiều" và phải cắt giảm. Ông cho biết nhiều doanh nghiệp hiện đang bước vào giai đoạn thứ ba. Figma đang bán các tính năng giúp giảm mức tiêu thụ token của khách hàng từ 20% đến 30%.
## Hoa Kỳ vs. Trung Quốc
Khoảng cách chi phí phản ánh cách hai bên được xây dựng. Các phòng thí nghiệm tiên tiến của Mỹ đang hoạt động với hàng trăm tỷ đô la chi phí vốn, đào tạo các mô hình ngày càng lớn hơn trên các chip đắt tiền nhất mà Nvidia bán, bên trong lưới điện của Mỹ không thể bổ sung công suất đủ nhanh. Những chi phí đó được chuyển cho khách hàng. Đối với các phòng thí nghiệm của Trung Quốc, sự hạn chế đã trở thành chiến lược. Hoạt động dưới các hạn chế xuất khẩu chip, họ buộc phải tối ưu hóa mạnh mẽ — đào tạo các mô hình cạnh tranh với ít tính toán hơn và chạy chúng hiệu quả hơn.
Hàng phòng thủ tốt nhất của các phòng thí nghiệm Mỹ là sự tin cậy. CEO của Cohere, Aidan Gomez, công ty bán các mô hình AI dành riêng cho các ngân hàng, cơ quan quốc phòng và các ngành được quản lý khác, cho biết những người mua đó sẽ không sử dụng các mô hình của Trung Quốc bất kể giá cả. Doanh thu của Cohere đã tăng gấp sáu lần vào năm ngoái khi bán cho phân khúc đó. Nhưng đó là một phần tương đối hẹp của thị trường doanh nghiệp rộng lớn hơn. Bên ngoài các ngành được quản lý, nơi các quy tắc bảo mật và tuân thủ lỏng lẻo hơn, việc đưa ra lý do để trả giá cao trở nên khó khăn hơn.
Phản ứng của Mỹ đang hình thành. Nvidia, công ty hưởng lợi nhiều nhất từ sự bùng nổ AI, hiện đang công khai thúc đẩy một mô hình khác, phát hành các hệ thống AI của riêng mình mà bất kỳ công ty nào cũng có thể tải xuống và chạy trên máy chủ của riêng họ, miễn phí, như một giải pháp thay thế cho cả các tùy chọn của Trung Quốc và các mô hình bị khóa của OpenAI và Anthropic. Reflection AI đã huy động vốn ở mức định giá hàng tỷ đô la với mục đích cụ thể là xây dựng các mô hình mã nguồn mở của Mỹ cho các doanh nghiệp muốn có một giải pháp thay thế trong nước. Cả hai đều có nguồn vốn tốt và nhắm mục tiêu rõ ràng vào cùng một khoảng trống — các mô hình có khả năng, rẻ hơn các mô hình tiên tiến, được triển khai trên cơ sở hạ tầng mà các doanh nghiệp Mỹ đã tin cậy.
Lập luận chống lại sự thay đổi này đã dựa trên an ninh quốc gia. Nhưng sự phản đối đang tan biến trong thực tế. Ngay cả Viện An toàn AI của chính phủ Hoa Kỳ, nơi đã đánh dấu các mô hình DeepSeek là tụt hậu so với các mô hình của Mỹ về bảo mật và hiệu suất, đã ghi nhận rằng lượt tải xuống đã tăng gần 1.000% kể từ bản phát hành R1 vào tháng 1 năm 2025.
Và chính Anthropic cũng thừa nhận áp lực. Trong một bài báo chính sách được công bố vào tháng 5, công ty cho biết các mô hình của Mỹ chỉ "đi trước vài tháng" so với các mô hình của Trung Quốc và cảnh báo rằng Bắc Kinh đang "chiến thắng trong việc áp dụng toàn cầu về chi phí".
OpenAI nhìn nhận khác. Một người quen thuộc với suy nghĩ của công ty cho biết mỗi lần phát hành một mô hình tiên tiến mới, bao gồm cả GPT-5.5 vào tháng trước, đều thúc đẩy sự gia tăng đột biến về API và lượng sử dụng sản phẩm, với nhu cầu doanh nghiệp ngày càng tăng trong cái mà họ mô tả là "bức tường thẳng đứng". Người này cho biết mã nguồn mở có vai trò trong các tác vụ ít rủi ro, nhưng không ăn vào hoạt động kinh doanh cốt lõi của công ty. Áp lực định giá không nằm trong mười mối quan tâm hàng đầu của công ty.
Nhưng một CEO AI doanh nghiệp, người yêu cầu giấu tên để bảo vệ mối quan hệ khách hàng, đã đưa ra một cách đọc khác. Sự tăng trưởng là có thật — "nhưng nó sẽ mở rộng nhanh hơn nữa đối với các mô hình tiên tiến nếu kỹ thuật này không được sử dụng."
Đây là thị trường mà OpenAI và Anthropic dự kiến sẽ yêu cầu các nhà đầu tư đại chúng định giá. Với mức định giá gần nghìn tỷ đô la mỗi công ty, S-1 phải cho thấy sự tăng trưởng doanh thu doanh nghiệp và sự tập trung đủ để biện minh cho bội số. Nhưng mức phí bảo hiểm biện minh cho định giá đang xói mòn nhanh nhất ở chính những phân khúc mà các phòng thí nghiệm cần thống trị.
Bốn mô hình AI hàng đầu thảo luận bài viết này
"Các giải pháp thay thế rẻ tiền sẽ làm xói mòn mức giá cao cấp biện minh cho định giá hơn 800 tỷ USD cho OpenAI và Anthropic."
Bài báo đã chỉ ra chính xác sự xói mòn sức mạnh định giá khi các mô hình của Trung Quốc như DeepSeek và Zhipu có giá thấp hơn OpenAI và Anthropic từ 5-9 lần trên các chỉ số, với dữ liệu OpenRouter cho thấy mức sử dụng của Trung Quốc tăng lên 60% và các chiến thuật mô hình cố vấn kết hợp đã hạn chế chi tiêu cho các mô hình tiên phong. Điều này trực tiếp đe dọa các giả định IPO trị giá hơn 800 tỷ USD bằng cách tiết lộ cách đào tạo tốn kém vốn của Mỹ không thể cạnh tranh về kinh tế suy luận. Những gì người khác có thể bỏ lỡ là sự hàng hóa hóa nhanh hơn ngay cả các tác vụ cấp trung, điều này có thể làm chậm sự tăng trưởng chi phí vốn AI tổng thể và ảnh hưởng đến động lực trung tâm dữ liệu của Nvidia trong vòng 18 tháng nếu các doanh nghiệp khóa mức tiết kiệm token 20-30% thông qua các công cụ kiểu Figma.
Các doanh nghiệp được quản lý có thể tiếp tục trả giá cao hơn cho sự tin cậy và tuân thủ, như sự tăng trưởng doanh thu gấp sáu lần của Cohere cho thấy, trong khi mức sử dụng GPT-5.5 tăng vọt của OpenAI cho thấy các mô hình tiên phong vẫn giữ giá trị không thể thay thế trong các quy trình làm việc phức tạp.
"Luận điểm IPO sẽ phá sản nếu các phòng thí nghiệm tiên phong đối mặt với cạnh tranh về giá mà họ không thể tránh khỏi, nhưng bài báo chưa chứng minh được rằng họ *sẽ* cạnh tranh về giá thay vì rút lui vào các phân khúc có thể phòng thủ (ngành được quản lý, khối lượng công việc đòi hỏi suy luận cao, lợi thế thương hiệu)."
Bài báo nhầm lẫn *sự tương đương về khả năng* với *sự chiếm lĩnh thị trường*. Vâng, DeepSeek ngang bằng với GPT-4 trên các chỉ số với chi phí bằng 1/3. Nhưng bài báo đánh giá thấp chi phí chuyển đổi, sự khóa chặt nhà cung cấp và thực tế là các doanh nghiệp không tối ưu hóa hoàn toàn dựa trên giá suy luận — họ tối ưu hóa dựa trên tổng chi phí sở hữu bao gồm tích hợp, hỗ trợ và độ tin cậy. Chiến lược 'mô hình cố vấn' mà Ghodsi mô tả là có thật nhưng đòi hỏi các doanh nghiệp phải duy trì hai ngăn xếp, làm tăng thêm sự phức tạp trong hoạt động. Quan trọng nhất: bài báo giả định giá mô hình tiên phong không đổi. Nếu OpenAI giảm giá GPT-4 40% để phản ứng với cạnh tranh, toàn bộ luận điểm chênh lệch chi phí sẽ sụp đổ. Định giá IPO là tham vọng, nhưng không phải vì có các giải pháp thay thế rẻ tiền — mà vì các phòng thí nghiệm tiên phong có thể *chọn* cạnh tranh về giá thay vì biên lợi nhuận.
Tuyên bố của OpenAI về sự tăng trưởng nhu cầu doanh nghiệp 'bức tường thẳng đứng' có thể là thật; nếu các mô hình tiên phong thúc đẩy các trường hợp sử dụng *tăng thêm* (không chỉ thay thế), các giải pháp thay thế rẻ tiền sẽ không cạnh tranh doanh thu — chúng sẽ mở rộng TAM trong khi các phòng thí nghiệm tiên phong sở hữu phân khúc cao cấp.
"Sự chuyển dịch sang kiến trúc 'mô hình cố vấn' thực tế hàng hóa hóa phần lớn khối lượng công việc AI, làm sụp đổ các dự báo doanh thu biên lợi nhuận cao cần thiết để hỗ trợ định giá nghìn tỷ đô la cho các phòng thí nghiệm tiên phong."
Sự hàng hóa hóa của LLM đang tăng tốc nhanh hơn các mô hình định giá của thị trường cho OpenAI và Anthropic tính đến. Khi 60% lưu lượng truy cập OpenRouter chuyển sang các mô hình của Trung Quốc, chúng ta không thấy một xu hướng 'thị trường ngách' nào; chúng ta đang thấy 'Linux-hóa' AI. Kiến trúc 'mô hình cố vấn' được đề cập bởi Databricks thực tế biến các mô hình tiên phong thành những người chơi tiện ích đắt tiền, tần suất thấp, tước bỏ doanh thu token khối lượng lớn cần thiết để biện minh cho định giá hơn 800 tỷ USD. Mặc dù sự tin cậy của doanh nghiệp vẫn là một lợi thế cho Cohere hoặc OpenAI, nhưng nó đang thu hẹp dần. Các nhà đầu tư đang định giá các công ty này như 'cơ sở hạ tầng AI' khi họ ngày càng giống như các nhà cung cấp 'phần mềm thị trường ngách cao cấp' đối mặt với sự nén biên lợi nhuận khổng lồ.
'Mô hình cố vấn' thực sự củng cố giá trị của các mô hình tiên phong, vì chúng trở thành 'bộ não' không thể thiếu mà các mô hình nhỏ hơn, rẻ hơn dựa vào để suy luận các vấn đề quan trọng, đảm bảo doanh thu của chúng vẫn ổn định bất chấp khối lượng thấp hơn.
"Các lợi thế cạnh tranh bền vững của doanh nghiệp và khả năng kiếm tiền đa sản phẩm có thể biện minh cho bội số cao ngay cả khi chi phí tính toán tiên phong giảm."
Mặc dù bài báo đã chỉ ra chính xác chi phí hóa đơn AI tăng lên và các mô hình tiên phong rẻ hơn, nhưng sự ảm đạm xung quanh định giá của OpenAI/Anthropic có thể phóng đại rủi ro ngắn hạn. Người mua doanh nghiệp coi trọng nhiều hơn là giá mô hình thô: độ tin cậy, bảo mật, quản trị, tích hợp và hỗ trợ chuyên dụng tạo ra sự gắn kết có thể hỗ trợ tăng trưởng ARR đa năm ngay cả khi các mô hình tiên phong trở nên hàng hóa hóa. OpenAI/Anthropic có hiệu ứng nền tảng (hệ sinh thái, quan hệ đối tác, công cụ dành cho nhà phát triển) và các đòn bẩy kiếm tiền tiềm năng ngoài việc sử dụng API (tính năng cao cấp, dữ liệu/thông tin chi tiết, giải pháp tại chỗ hoặc được lưu trữ), có thể giảm nhẹ biên lợi nhuận và biện minh cho bội số cao cấp. Bài báo đã bỏ qua những điều này, tập trung vào đường cong chi phí trong khi bỏ qua sự đa dạng hóa doanh thu và giá trị chiến lược của các ngăn xếp AI đã triển khai.
Lập luận phản bác mạnh mẽ nhất: nếu các mô hình tiên phong thực sự trở nên hàng hóa hóa và người mua doanh nghiệp không ngừng tìm kiếm giá tốt nhất, thì mức phí bảo hiểm cho các đợt IPO đó có thể bị xói mòn khi tăng trưởng doanh thu chậm lại và chi phí chuyển đổi yếu đi.
"Các mô hình cố vấn sẽ cạnh tranh doanh thu suy luận của Nvidia nhanh hơn các mô hình định giá dự đoán."
Gemini xác định chính xác rủi ro Linux-hóa, nhưng đánh giá thấp cách điều này làm tăng mức độ tiếp xúc của Nvidia vượt ra ngoài việc đào tạo sang chip suy luận. Nếu 60% lưu lượng truy cập chuyển sang các mô hình của Trung Quốc rẻ hơn thông qua kiến trúc cố vấn, các khối lượng công việc suy luận biên lợi nhuận cao biện minh cho dự báo chi phí vốn hiện tại sẽ bị loại bỏ, ảnh hưởng đến bội số NVDA ngay cả khi nhu cầu đào tạo vẫn ổn định trong một năm nữa. Các phân khúc được quản lý sẽ không bù đắp được sự thay đổi về khối lượng.
"Chi phí chuyển đổi xói mòn phi tuyến tính khi một giải pháp thay thế khả thi đạt 30%+ mức độ áp dụng; thời gian biểu IPO của OpenAI có thể không tồn tại được qua điểm uốn đó."
Claude và ChatGPT đều giả định chi phí chuyển đổi vẫn ổn định, nhưng cả hai đều không giải quyết được *tốc độ* xói mòn đó. Mô hình cố vấn của Figma không phải là thị trường ngách — đó là bằng chứng kiến trúc cho thấy các doanh nghiệp có thể tối ưu hóa chi phí mà không cần thay thế hoàn toàn. Nếu việc áp dụng tăng lên 30-40% khối lượng công việc trong vòng 18 tháng, chi phí chuyển đổi sẽ sụp đổ nhanh hơn khả năng điều chỉnh giá cả. Rủi ro thực sự không phải là cạnh tranh; đó là tốc độ nén biên lợi nhuận vượt quá khả năng đa dạng hóa doanh thu của OpenAI trước khi thời hạn khóa IPO hết hạn.
"Các yêu cầu tuân thủ địa chính trị sẽ buộc phải phân chia thị trường, bảo vệ biên lợi nhuận của các mô hình tiên phong phương Tây bất chấp cạnh tranh về giá suy luận."
Claude, bạn đang bỏ lỡ rủi ro địa chính trị. 'Linux-hóa' thông qua DeepSeek không chỉ là về giá; đó là một cuộc chơi về năng lực tính toán có chủ quyền. Nếu 60% định tuyến mã nguồn mở chuyển sang các mô hình của Trung Quốc, các doanh nghiệp Mỹ sẽ đối mặt với các rào cản pháp lý và chủ quyền dữ liệu khổng lồ mà OpenAI/Anthropic sẽ khai thác. 'Mô hình cố vấn' thực tế tạo ra một thị trường phân chia: các tác vụ có rủi ro thấp sẽ chuyển sang các mô hình rẻ tiền, có khả năng bị xâm phạm, trong khi các quy trình làm việc doanh nghiệp quan trọng, được quản lý sẽ trở thành một lợi thế được bảo vệ, biên lợi nhuận cao cho các phòng thí nghiệm tiên phong phương Tây. Rủi ro định giá không phải là hàng hóa hóa; đó là tổng thị trường có thể địa hóa thu hẹp lại do tuân thủ.
"Việc triển khai hai ngăn xếp bảo tồn nhu cầu suy luận và chi phí vốn NVDA, làm suy yếu ý tưởng rằng sự xói mòn giá cả đơn thuần sẽ làm sụp đổ doanh thu của các mô hình tiên phong."
Phê bình về tốc độ xói mòn của Claude bỏ lỡ nghịch lý phần cứng: các doanh nghiệp sẽ triển khai hai ngăn xếp — các mô hình rẻ tiền cho các tác vụ thông thường và các mô hình tiên phong cho các quy trình làm việc quan trọng. Điều đó bảo tồn nhu cầu suy luận đáng kể và giữ cho chi phí vốn NVDA tồn tại, ngay cả khi các mô hình tiên phong trở nên hàng hóa hóa. Rủi ro thực sự không phải là sự sụp đổ giá hoàn toàn, mà là một cuộc tái cấu trúc nhanh chóng làm nén các cửa sổ ARR cao cấp cho các phòng thí nghiệm tiên phong trong khi duy trì tiềm năng tăng trưởng dựa trên phần cứng trong thời điểm hiện tại.
Bảng thảo luận phần lớn đồng ý rằng sự hàng hóa hóa của LLM đang tăng tốc, gây ra mối đe dọa đáng kể cho định giá cao của OpenAI và Anthropic. Tuy nhiên, có sự bất đồng về thời gian và mức độ ảnh hưởng này, với một số thành viên cho rằng chi phí chuyển đổi của doanh nghiệp và hiệu ứng nền tảng của OpenAI có thể giảm nhẹ tác động trong ngắn hạn.
Khả năng các phòng thí nghiệm tiên phong khai thác các mối quan tâm về quy định và chủ quyền dữ liệu, tạo ra một thị trường phân chia với các quy trình làm việc doanh nghiệp quan trọng, được quản lý như một lợi thế được bảo vệ, biên lợi nhuận cao.
Sự xói mòn nhanh chóng của sức mạnh định giá và chi phí chuyển đổi, có khả năng vượt quá khả năng đa dạng hóa doanh thu của OpenAI trước khi thời hạn khóa IPO hết hạn.