“72% token bị đốt nhưng chỉ chiếm 27% chi phí”--Chủ đề then chốt trong cuộc tranh luận AI bullish và bearish

Dữ liệu nhu cầu AI đang tạo ra một sự chia rẽ thị trường hiếm thấy: cùng một tập số liệu, cả phe mua và phe bán đều khai thác theo ý mình, mỗi bên đều tuyên bố chiến thắng. Tranh luận xoay quanh một mâu thuẫn cấu trúc đáng ngại – lượng tiêu thụ Token tăng bùng nổ, nhưng phần lớn sự gia tăng này lại tập trung vào các mô hình có mức phí thấp nhất, trong khi chi phí GPU phục vụ Token này lại tăng đồng thời.

Theo báo cáo mới nhất của Bobby Molavi từ Goldman Sachs, dữ liệu trên OpenRouter cho thấy các mô hình trọng số mã nguồn mở (open-weight models) xử lý 72% lưu lượng Token trong tuần thứ hai của tháng 9, nhưng chỉ nhận được 27% tổng chi tiêu của nền tảng; trong khi đó, các mô hình đóng nguồn mặc dù tỷ lệ thị phần giảm từ 89% vào đầu tháng 1 xuống còn 73%, vẫn nắm giữ phần lớn lợi nhuận từ việc kiếm tiền.

Đáng chú ý hơn, khoảng 69% Token trên OpenRouter vào giữa tháng 9 đến từ các phòng thí nghiệm AI Trung Quốc. Molavi đánh giá thị trường hiện tại là “khó vận dụng” (unplayable) và chỉ ra rằng lợi ích về năng suất do AI mang lại vẫn chưa để lại dấu vết có thể đo lường ngoài ngành công nghệ.

Mâu thuẫn cấu trúc này đang định hình lại kỳ vọng về lợi suất đầu tư AI trên thị trường. Giá thuê GPU tiếp tục tăng, giá bán Token tiếp tục giảm, cả hai đầu đều chịu áp lực, điều đó đồng nghĩa với việc các nhà cung cấp năng lực điện toán hưởng lợi từ tiền thuê GPU, trong khi doanh nghiệp khách hàng và cổ đông cuối cùng lại đối mặt với khó khăn trong việc nhận được ROI thực tế. Gần đây, Meta kêu gọi cổ đông huy động tối đa 950 tỷ đô la để đầu tư cho chi tiêu vốn AI, nhà cung cấp chip cũng cùng tham gia, đánh dấu việc “tài trợ cho nhà cung cấp” chuyển từ hình thức nợ sang hình thức cổ phần, vấn đề về tính bền vững của vòng lặp vốn ngày càng cấp thiết.

Nhu cầu Token bùng nổ: Bức tranh thực tế phía sau sự tăng trưởng 250 lần

Không thể phủ nhận sự tăng trưởng của nhu cầu. Molavi dẫn số liệu từ OpenRouter cho thấy nhu cầu Token kể từ tháng 11 năm ngoái đã tăng 27 lần, các mô hình trọng số mã nguồn mở hiện chiếm 72% thị phần Token. Nhìn dài hạn, lượng Token xử lý hàng tuần trên nền tảng OpenRouter từ giữa tháng 1 năm 2025 là 0,5 nghìn tỷ, đã tăng vọt lên 128,4 nghìn tỷ vào tuần ngày 14 tháng 9, tăng khoảng 250 lần trong 20 tháng.

Giá GPU cũng chứng minh tính xác thực của nhu cầu. Giá thuê H200 tăng 160% trong năm, B200 tăng 120%, H100 tăng 35%. Thuyết phục hơn nữa, chip A100 sản xuất từ năm 2020 hiện có giá thuê cao hơn đầu năm, điều này trực tiếp phủ định giả định cốt lõi về chu kỳ khấu hao GPU trước đây – nếu một chip vẫn tạo ra lợi nhuận cao hơn sau 6 năm, dự báo khấu hao bi quan dựa vào cơ sở 3 năm sẽ không còn hợp lý, tiềm năng lợi nhuận lâu dài của các nhà cung cấp cloud hyperscaler cũng cần đánh giá lại.

Đối với phe mua, đây là bằng chứng mạnh mẽ nhất: nhu cầu là thật, tài sản điện toán có vòng đời kinh tế dài hơn dự đoán của phe bán.

Giá Token rơi tự do: mức giảm nhanh nhất lịch sử

Tuy nhiên, mặt trái của nhu cầu bùng nổ là giá Token sụp đổ với tốc độ chưa từng có. Theo báo cáo nghiên cứu của Epoch AI ngày 22/9, “Giá trị suy nghĩ sụt giảm” (The Plunging Price of Thought), chi phí để đạt được cùng mức hiệu suất AI giảm khoảng 47% mỗi quý kể từ năm 2023, tương đương giảm 13 lần mỗi năm; trong lĩnh vực mô hình tiên tiến, tốc độ này cao hơn, trung bình giảm 66% mỗi quý, tức giảm 75 lần mỗi năm.

Epoch AI đưa ra minh họa rõ ràng nhất:

Tháng 1 năm 2025, mô hình o3 của OpenAI đạt 75% điểm trên bộ đề GPQA Diamond trình độ tiến sĩ khoa học, chi phí mỗi câu khoảng 0,30 USD; hiện tại GPT-5.6 Luna đạt cùng điểm số, chi phí chỉ còn 0,0004 USD mỗi câu, giá giảm 725 lần trong 18 tháng – tương đương một chiếc xe lúc đầu giá 50.000 USD nay chỉ còn 69 USD.

So sánh theo lịch sử, tốc độ giảm giá suy luận của mô hình ngôn ngữ lớn nhanh gấp 4 lần chuỗi DNA, gấp 6 lần tốc độ cải thiện năng lực máy tính từ 1940 đến 2001, gấp 18 lần pin lithium-ion, gấp 54 lần điện năng.

Tuy nhiên, giá thực tế mà khách hàng trả giảm chậm hơn nhiều so với giá niêm yết. Dữ liệu từ YipitData theo dõi gần 20 triệu tỷ (quadrillion) Token tính theo năm cho thấy, giá Token hiệu quả của dịch vụ API giảm 39% trong nửa cuối năm 2025 (trên OpenRouter là 44%), nhưng tính từ đầu năm đến tháng 5 năm 2026 chỉ giảm 6%.

Nguyên nhân là: Các nhà phát triển tiếp tục hướng tới mô hình rẻ hơn, trong khi doanh nghiệp lại tăng tỷ trọng dùng mô hình cao cấp, phòng thí nghiệm tiên phong tạm thời vẫn giữ được thu nhập nhờ năng lực định giá cao của mô hình mới – nhưng dữ liệu của Epoch cho thấy, chu kỳ nửa đời của mức giá này chỉ tính bằng quý, vì các bản clone mở rất nhanh sẽ hoàn thành cùng nhiệm vụ với chi phí cực thấp.

Trọng tâm chia rẽ: Ai kiếm tiền, ai trả tiền

Đây chính là trọng tâm "cùng một dữ liệu, hai cách lý giải" mà Molavi mô tả.

Luận điểm của phe mua: Nhu cầu mở rộng liên tục, thị trường có thể tiếp cận (TAM) vẫn tăng trưởng, lượng tiêu thụ Token bùng nổ chứng tỏ AI đang được áp dụng rộng rãi.

Luận điểm của phe bán: Chi phí mỗi Token tăng lên, doanh thu mỗi Token giảm xuống, trong khi lưu lượng chính vẫn thuộc về các mô hình mã nguồn mở có mức phí thấp nhất. Dữ liệu OpenRouter cho thấy rõ bức tranh này: mô hình trọng số mã nguồn mở xử lý 72% Token nhưng chỉ nhận được 27% chi tiêu; phòng thí nghiệm AI Trung Quốc đóng góp gần 70% lưu lượng Token trên nền tảng. Rổ động lực Goldman (Goldman momo basket) đạt đỉnh vào cuối tháng 6, đúng thời điểm mô hình trọng số mã nguồn mở Trung Quốc đổ bộ thị trường AI quy mô lớn.

Molavi tóm lược mâu thuẫn này: Giá thuê GPU tăng và giá Token giảm, đều là kết quả của cùng một áp lực từ hai phía. Cho chủ sở hữu GPU là lợi nhuận; cho doanh nghiệp chi trả thuê GPU, lại là cảnh tượng khác.

Phần thưởng năng suất vắng mặt: Sự im lặng của S&P 493

Logic cuối cùng của chi tiêu vốn AI là nâng cao năng suất để đem lại lợi ích xã hội. Nhưng tới nay, logic này vẫn chưa được xác thực bằng dữ liệu ngoài ngành công nghệ.

Molavi dẫn một báo cáo chiến lược, chỉ ra rằng AI “chưa thể hiện bất kỳ sự cải thiện năng suất có thể đo lường nào trên các dữ liệu trọng yếu ngoài vũ trụ công nghệ”: Mag 7 (bảy gã khổng lồ công nghệ) đều tăng doanh thu/người và tỷ suất lợi nhuận, nhưng chỉ số tương ứng của S&P 493 (493 công ty còn lại trong S&P 500) gần như không đổi.

Thực tế này đang thay đổi logic quyết định AI của doanh nghiệp. Molavi quan sát thấy, hàng loạt doanh nghiệp chuyển từ “chi tiêu Token liên quan đến tăng trưởng và năng suất” sang khung xem xét “chi tiêu Token liên quan đến chi phí và tác động tỷ suất lợi nhuận”. Các CFO đã xác định khoản ngân sách cho AI, họ muốn biết số tiền bỏ ra nhận lại được gì.

“Vòng lặp phồn vinh” và câu hỏi về tính bền vững của vốn

Chống lưng cho cơn sốt chi tiêu vốn AI hiện nay là “vòng lặp phồn vinh” Molavi mô tả: chi tiêu vốn của các hyperscaler càng nhiều, doanh thu đổ vào hệ sinh thái AI càng lớn, kéo thêm vốn mạo hiểm và vốn cổ phần tăng trưởng tràn vào, tạo ra dòng tiền hai chiều – mà tất cả điểm neo lại là chi tiêu vốn AI ban đầu.

Nhược điểm chí mạng của vòng lặp này là tính bền vững: một khi chi tiêu vốn giảm, liệu toàn bộ hệ sinh thái có thể duy trì tự sinh ra doanh thu?

Thị trường tư nhân cũng không miễn dịch. Molavi chỉ ra, các thương vụ thoái vốn hiện nay “số lượng khá nhưng cực kỳ tập trung” (SpaceX, Cerebras, Cursor, Hugging Face), định giá lại của một số dự án “ngoài một bản ý tưởng đầu tư không có chất xúc tác nào”, toàn bộ logic giao dịch của thị trường tư nhân “dường như tin rằng thời đại Token sẽ không bao giờ kết thúc, mọi thứ đều bị lật đổ.”

Ở phía tài trợ, khi cửa sổ nợ thu hẹp, Meta mới công bố huy động tối đa 950 tỷ đô la từ cổ đông để đầu tư AI, nhà cung cấp chip cùng tham gia cổ phần. Tài trợ nhà cung cấp chuyển từ hình thức nợ sang hình thức cổ phần, ranh giới giữa người cung cấp và người sử dụng ngày càng mờ về doanh thu và tài trợ.

Molavi quy toàn bộ cuộc tranh luận về bốn câu hỏi: chi phí xây dựng thế nào, ai chịu trả, có đáng chịu đau không, và phải chờ bao lâu mới nhận được lợi nhuận.

Bức tranh dữ liệu hiện tại là: Nhu cầu Token tăng 250 lần nhưng phần lợi nhuận tăng chuyển về các mô hình rẻ nhất; giá thuê GPU tăng nhưng hóa đơn cuối cùng lại đổ về cổ đông; phần thưởng năng suất vẫn chưa thấy ngoài ngành công nghệ.

Molavi kết luận, tính xác thực của nhu cầu là không thể phủ nhận, nhưng “nhu cầu tăng 250 lần, tiền lại đổ vào mô hình rẻ nhất, tiền thuê đổ cho chủ GPU, hóa đơn chuyển cho cổ đông”, hoàn toàn không phải câu chuyện ROI mà việc đầu tư vốn ban đầu đã hứa hẹn. Trong cuộc kéo co giữa hai phe, có lẽ phe bán đang nắm đoạn dây mạnh hơn.