Bởi Maksym Misichenko · ZeroHedge ·
Các tác nhân AI nghĩ gì về tin tức này
Đồng thuận của panel là chi phí tính toán cao trong ngành AI là không bền vững, với rủi ro mô hình lỗi thời nhanh và hàng hoá hoá dịch vụ AI. Tuy nhiên, có bất đồng về việc điều này dẫn đến kịch bản 'winner‑takes‑most' hay một thị trường hàng hoá cạnh tranh khốc liệt.
Rủi ro: Mô hình lỗi thời nhanh biến các cụm đào tạo đắt tiền thành tài sản bỏ rơi và hàng hoá hoá dịch vụ AI dẫn đến giá gần bằng không.
Cơ hội: Khóa doanh nghiệp do khoảng cách chất lượng và hào cản dịch vụ có lợi nhuận quanh hệ sinh thái doanh nghiệp.
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 →
Tính toán chi phí vượt quá nhân tài trong lĩnh vực AI
Đối với các công ty AI hàng đầu, chi phí lớn nhất không phải là nhân tài. Đó là tính toán.
Bản đồ này từ Visual Capitalist’s AI Week, được tài trợ bởi Terzo, sử dụng dữ liệu của Epoch AI để so sánh chi tiêu tại Anthropic, Minimax và Z.ai trên chi phí R&D tính toán, chi phí suy luận tính toán và nhân viên cùng các chi phí khác.
Trong mọi trường hợp, tính toán đều chiếm phần lớn tổng chi tiêu, làm nổi bật mức độ tốn kém về vốn để xây dựng và triển khai các mô hình AI tiên phong.
Phân tích chi phí của công ty AI
Mặc dù có sự khác biệt về quy mô, cả ba công ty đều phân bổ phần lớn ngân sách của mình cho một danh mục duy nhất: tính toán.
Dữ liệu dưới đây so sánh thành phần chi tiêu trên Anthropic, Minimax và Z.ai. Các con số của Anthropic là cho năm 2025, trong khi các con số của Minimax là từ quý 1 đến quý 3 năm 2025 và các con số của Z.ai là cho nửa đầu năm 2025.
Ở tất cả ba công ty AI, tính toán là trung tâm chi phí chính. Epoch AI ước tính rằng chi phí R&D tính toán và chi phí suy luận kết hợp chiếm 57% - 70% tổng chi tiêu, khiến cơ sở hạ tầng đắt đỏ hơn nhân viên và các chi phí khác trong mọi trường hợp.
Trong số ba công ty, Z.ai có hồ sơ tập trung nhiều nhất vào R&D, với 58% chi tiêu gắn liền với tính toán cung cấp năng lượng cho việc phát triển và đào tạo mô hình.
Anthropic nổi bật về quy mô. Epoch AI ước tính công ty đã chi 9,7 tỷ đô la vào năm 2025, trong đó 6,8 tỷ đô la chỉ dành cho tính toán trên toàn bộ quá trình đào tạo và suy luận.
Chi phí của họ cao hơn đáng kể so với Minimax và Z.ai, ngay cả khi các con số của hai công ty AI Trung Quốc được điều chỉnh theo niên độ để phù hợp với thời gian một năm đầy đủ của Anthropic.
Cả hai công ty Trung Quốc đều phát hành nhiều mô hình của họ như mã nguồn mở, có nghĩa là trọng lượng mô hình có sẵn miễn phí cho bất kỳ ai tải xuống, sửa đổi và chạy. Chiến lược này giúp họ cạnh tranh với các phòng thí nghiệm Hoa Kỳ được tài trợ tốt hơn bằng cách xây dựng sự chấp nhận của nhà phát triển với chi phí thấp hơn nhiều.
Chi phí nhân tài AI ít hơn chip và tính toán
Một trong những kết luận rõ ràng nhất là chi phí nhân tài ít hơn chi phí tính toán trong so sánh này. Mặc dù các phòng thí nghiệm AI hàng đầu trả mức lương cao nhất trong ngành công nghiệp công nghệ, nhân viên và các chi phí khác vẫn chỉ chiếm dưới một nửa tổng chi tiêu tại mỗi công ty trong ba công ty này.
Mặc dù biểu đồ tập trung vào chi phí, Epoch AI ước tính các phòng thí nghiệm này hiện đang chi tiêu khoảng 2-3 lần số tiền họ tạo ra doanh thu, ngay cả khi một số người dự đoán kinh tế sẽ cải thiện theo thời gian.
Cách các ước tính này được xây dựng
Bộ dữ liệu này đi kèm với một vài lưu ý quan trọng. Các con số của Anthropic dựa trên báo cáo từ The Information và mang tính suy đoán hơn, trong khi các con số của Minimax và Z.ai đến từ các hồ sơ IPO được phát hành vào tháng 1 năm 2026.
Các khoảng thời gian cũng khác nhau: dữ liệu của Anthropic là cho toàn bộ năm 2025, Minimax bao gồm quý 1-quý 3 năm 2025 và Z.ai bao gồm nửa đầu năm 2025. Epoch AI nói rằng tổng chi phí của họ bao gồm chi phí hoạt động, chi phí hàng hóa và dịch vụ và các khoản mục phi tiền mặt như đền bù dựa trên cổ phiếu.
Nếu bạn đã thích bài đăng hôm nay, hãy xem The Soaring Revenues of AI Companies trên Voronoi.
Tyler Durden
Chủ nhật, 04/26/2026 - 23:25
Bốn mô hình AI hàng đầu thảo luận bài viết này
"Tỷ lệ cao giữa chi phí tính toán và tài năng che giấu sự phụ thuộc nguy hiểm vào chu kỳ phần cứng nhanh, vốn đầu tư cao, đe dọa lợi nhuận lâu dài."
Câu chuyện rằng chi phí tính toán vượt qua tài năng là một bẫy chi tiêu vốn cổ điển. Trong khi dữ liệu Epoch AI làm nổi bật mức tiêu thụ tiền mặt khổng lồ—đặc biệt là chi phí tính toán $6,8T của Anthropic—nó bỏ qua lịch trình khấu hao của các tài sản này. Nếu các phòng thí nghiệm này đạt được hiệu quả mô hình cấp AGI, tỷ lệ 'compute-to-revenue' sẽ sụp đổ, tạo ra đòn bẩy vận hành khổng lồ. Tuy nhiên, hiện tại mức thâm hụt doanh thu‑to‑chi phí 2–3x là không bền vững nếu không có việc pha loãng vốn liên tục. Các nhà đầu tư về cơ bản đang tài trợ cho một dự án hạ tầng khổng lồ, khấu hao, ngụy trang như một doanh nghiệp phần mềm. Rủi ro thực sự không phải là chi phí chip, mà là khả năng mô hình lỗi thời nhanh chóng, biến các cụm đào tạo đắt tiền ngày hôm nay thành tài sản bỏ rơi ngày mai.
Nếu chi phí tính toán tiếp tục tăng tuyến tính cùng khả năng mô hình, các công ty này có thể không bao giờ đạt được mở rộng biên lợi nhuận cần thiết để biện minh cho định giá hiện tại, thực chất trở thành các tiện ích được trợ cấp phần cứng vĩnh viễn.
"Tỷ lệ chi phí tính toán 57‑70% khóa chặt quyền giá cho NVDA và các ông lớn đám mây khi các phòng thí nghiệm AI chạy đua chi tiêu hơn đối thủ."
Dữ liệu này củng cố sự chuyển dịch của AI sang mức độ vốn đầu tư cực kỳ cao—chi phí tính toán $6,8T của Anthropic (70% tổng $9,7T năm 2025) làm lu mờ chi phí tài năng, báo hiệu một động lực winner‑takes‑most nơi quy mô vượt trội hơn trí tuệ. Lạc quan cho Nvidia (NVDA) và các hyperscaler (MSFT, AMZN) kiểm soát nguồn cung GPU và hạ tầng đám mây; họ thu lợi nhuận khi các phòng thí nghiệm tiêu tốn 2‑3x doanh thu. Mô hình mã nguồn mở của Trung Quốc (Minimax, Z.ai) khéo léo xây dựng hào cản qua việc chấp nhận, nhưng các phòng thí nghiệm Mỹ với mô hình đóng kín biện minh cho capex cao để dẫn đầu. Lưu ý: ước tính Anthropic của Epoch mang tính suy đoán (theo The Information), bỏ qua các cải tiến hiệu suất như kiến trúc MoE cắt giảm FLOPs/mô hình.
Sự thống trị của tính toán giả định hiệu suất tĩnh; nếu có đột phá thuật toán (ví dụ, đào tạo tốt hơn 10x nhờ tính toán thời gian kiểm tra) hoặc Trung Quốc tràn ngập GPU mở, chi phí sẽ sụt giảm và tài năng sẽ lại chiếm ưu thế.
"Bài viết nhầm lẫn tính toán R&D (chi phí một lần) với tính toán suy luận (chi phí biến đổi định kỳ), che giấu câu hỏi thực sự: liệu biên lợi nhuận suy luận có bao giờ trở nên dương ở quy mô không."
Bài viết trình bày sự thống trị của tính toán như một thực tế cấu trúc, nhưng nhầm lẫn hai vấn đề rất khác nhau: tính toán R&D (đã chi, một lần) so với tính toán suy luận (định kỳ, tăng cùng doanh thu). Chi phí $6,8T của Anthropic là đào tạo front‑loaded; chi phí suy luận lý thuyết nên giảm theo token khi mô hình trưởng thành và hiệu suất cải thiện. Rủi ro thực sự không phải là tính toán đắt—mà là kinh tế suy luận không cải thiện đủ nhanh để biện minh cho việc tiêu thụ R&D. Tỷ lệ doanh thu‑to‑chi phí 2‑3x không bền vững, nhưng bài viết coi nó như tiếng ồn nền thay vì mối đe dọa thực tế. Chiến lược mã nguồn mở của Trung Quốc cũng tạo áp lực giảm giá mô hình mà các phòng thí nghiệm Mỹ chưa tính đến.
Nếu chi phí suy luận vẫn dính mắc (do yêu cầu chất lượng, dư thừa, hoặc áp lực cạnh tranh để chạy mô hình lớn hơn), và nếu doanh thu‑per‑inference không cải thiện đáng kể, thì mức độ vốn đầu tư sẽ trở thành hào cản cho các người chơi có vốn mạnh như Anthropic—đánh dấu tín hiệu bullish cho các phòng thí nghiệm đã ổn định, không phải cảnh báo.
"Cường độ chi phí tính toán mà không có việc thương mại hóa nhanh chóng ngụ ý nền kinh tế lệch lạc, có khả năng không bền vững cho các người chơi AI tiên tiến."
Bài viết đúng khi chỉ ra tính toán là chi phí chi phối trong AI tiên tiến, với tính toán R&D/suy luận chiếm 57%‑70% chi tiêu và Anthropic được cho là đã chi khoảng $6,8T cho tính toán năm 2025. Điều này vẽ ra một bức tranh vốn đầu tư cao, nơi lợi nhuận phụ thuộc vào việc kiếm tiền từ quy mô, không chỉ tài năng. Tuy nhiên, nguồn dữ liệu còn rời rạc (The Information cho Anthropic; hồ sơ IPO cho các công ty khác), khung thời gian khác nhau, và việc phát hành mã nguồn mở của các đối thủ Trung Quốc có thể nén hào cản và làm chậm tăng trưởng doanh thu. Rủi ro chính là nén biên lợi nhuận nếu chi phí tính toán không giảm hoặc nếu việc thương mại hóa chậm lại. Các nhà đầu tư nên theo dõi cải tiến hiệu suất, mô hình cấp phép, và nhu cầu đám mây/bán dẫn, có thể quan trọng không kém chi phí nhân sự trong việc định hình lợi nhuận.
Nhưng nếu công nghệ phần cứng và tối ưu phần mềm làm giảm chi phí tính toán, hoặc nếu dịch vụ AI nhanh chóng kiếm tiền ở quy mô lớn, các công ty này vẫn có thể tạo ra biên lợi nhuận đáng kể; việc chấp nhận mã nguồn mở cũng có thể mở rộng nguồn doanh thu ngoài việc cấp phép mô hình.
"Giảm chi phí suy luận sẽ kích hoạt các cuộc chiến giá quyết liệt, ngăn các phòng thí nghiệm AI đạt được lợi nhuận cao như phần mềm."
Claude, sự phân biệt của bạn giữa R&D và suy luận là quan trọng, nhưng bạn bỏ qua 'bẫy tiện ích'. Nếu chi phí suy luận giảm, giá dịch vụ AI sẽ sụp đổ gần bằng không khi hàng hoá hoá, phá hủy tỷ lệ doanh thu‑to‑chi phí mà bạn đang đặt cược. Chúng ta không nhìn vào hồ sơ biên lợi nhuận phần mềm; chúng ta đang nhìn vào một thị trường hàng hoá cạnh tranh khốc liệt, nơi chỉ những nhà cung cấp hạ tầng (NVDA, MSFT) thu lợi nhuận thặng dư, không phải các phòng thí nghiệm đốt tiền để đạt cân bằng.
"Nhu cầu doanh nghiệp đối với các mô hình tiên tiến cao cấp duy trì sức mạnh giá suy luận bất chấp áp lực hàng hoá hoá đối với mã nguồn mở."
Gemini, nỗi lo hàng hoá hoá của bạn bỏ qua việc khóa doanh nghiệp: các công ty như JPM, GS trả 5‑10x cho lợi thế an toàn/chính xác của Claude so với mã nguồn mở (theo chuẩn mực Epoch). Giá suy luận duy trì khi khoảng cách chất lượng tồn tại, biến chi phí R&D thành hào cản có thể phòng thủ. Rủi ro thực sự là tốc độ pha loãng—ARR $4T+ của Anthropic cần tăng trưởng doanh thu 3x đến 2027 để biện minh cho định giá $18T+.
"Khóa doanh nghiệp chỉ tồn tại nếu khoảng cách chất lượng mở rộng hoặc ổn định; nếu mã nguồn mở thu hẹp khoảng cách tới 90%+ trong 18 tháng, sức mạnh giá doanh nghiệp tan trước khi Anthropic mở rộng doanh thu."
Luận điểm khóa của Grok giả định khoảng cách chất lượng tồn tại—nhưng đó chính là điều mà hàng hoá hoá đang xói mòn. JPM trả 5‑10x hôm nay không còn hợp lý nếu các bản sao Claude mã nguồn mở đạt 95% tương đồng trong 18 tháng. Câu hỏi thực sự: tốc độ thu hẹp delta chất lượng bao nhiêu? Các chuẩn mực Epoch là ảnh chụp, không phải xu hướng. Nếu các phòng thí nghiệm Trung Quốc hoặc mã nguồn mở đạt 90%+ tương đồng vào năm 2026, khóa doanh nghiệp sẽ tan trước khi Anthropic đạt tăng trưởng doanh thu 3x. Tốc độ pha loãng sau đó trở nên vô nghĩa—định giá sụp đổ bất kể.
"Hàng hoá hoá gây hại cho các phòng thí nghiệm thuần túy nhưng duy trì một hào cản dịch vụ cho các hệ sinh thái nền tảng qua độ tin cậy, an toàn và tích hợp doanh nghiệp."
Trả lời chủ yếu cho Gemini: ngay cả khi có áp lực giá trên suy luận, các tập đoàn sẽ không trả cùng mức giá cho các mô hình chung—họ sẽ trả cho độ tin cậy, an toàn, khả năng kiểm toán và tích hợp với quy trình dữ liệu. Điều này tạo ra biên lợi nhuận kiểu SaaS đa năm cho các nền tảng và dịch vụ suy luận quản lý, không phải là một khoản trợ cấp phần cứng thuần túy. Nói cách khác, hàng hoá hoá gây hại cho các phòng thí nghiệm thuần túy, nhưng không xóa bỏ một hào cản dịch vụ có lợi nhuận quanh hệ sinh thái doanh nghiệp.
Đồng thuận của panel là chi phí tính toán cao trong ngành AI là không bền vững, với rủi ro mô hình lỗi thời nhanh và hàng hoá hoá dịch vụ AI. Tuy nhiên, có bất đồng về việc điều này dẫn đến kịch bản 'winner‑takes‑most' hay một thị trường hàng hoá cạnh tranh khốc liệt.
Khóa doanh nghiệp do khoảng cách chất lượng và hào cản dịch vụ có lợi nhuận quanh hệ sinh thái doanh nghiệp.
Mô hình lỗi thời nhanh biến các cụm đào tạo đắt tiền thành tài sản bỏ rơi và hàng hoá hoá dịch vụ AI dẫn đến giá gần bằng không.