Khi suy luận trở thành tài nguyên khan hiếm, giá trị sẽ được ai nắm bắt

• tác giả: Frank Fu, IOSG *

Năm 2023, David Cahn đã đưa ra cái hố chưa từng được lấp đầy ở phía đào tạo. Nó đã được lấp đầy ở phía suy luận, và thị trường chỉ mới bắt đầu tính đến điều này trong vài tuần qua. Khi Nvidia tái cấu trúc báo cáo tài chính xung quanh "token dịch vụ", Cerebras niêm yết với mức đặt hàng vượt quá 20 lần, cuộc chiến về điểm nghẽn đã kết thúc, vấn đề thực sự trở thành câu hỏi tiếp theo: Khi suy luận trở thành tài nguyên khan hiếm, giá trị sẽ lắng đọng ở đâu trong chuỗi sức mạnh tính toán.

Một, Đi theo GPU: từ vấn đề 200 tỷ đô la đến vấn đề 600 tỷ đô la

Năm 2023, David Cahn của Sequoia đã đặt ra câu hỏi treo lơ lửng trên toàn bộ xây dựng AI, đó là "vấn đề 200 tỷ đô la". Mỗi khi chi 1 đô la để mua GPU, bạn còn phải chi thêm khoảng 1 đô la để cung cấp điện cho nó trong trung tâm dữ liệu, vì vậy mỗi năm chi phí CapEx cho GPU có nghĩa là những con chip này cuối cùng phải tạo ra khoảng 200 tỷ đô la doanh thu để thu hồi vốn. Ngay cả khi đưa ra giả định rất hào phóng về doanh thu AI, ông vẫn phát hiện ra rằng có một cái hố lớn hơn 125 tỷ đô la giữa "đầu tư" và "khách hàng thực sự trả tiền". Mối lo ngại rất rõ ràng: GPU đang bị xây dựng quá mức so với nhu cầu thực tế.

Một năm sau, khoảng cách không những không thu hẹp mà còn mở rộng. Trong phần tiếp theo vào năm 2024, Cahn đã định nghĩa lại nó thành "vấn đề 600 tỷ đô la" khi chi phí CapEx của các nhà cung cấp quy mô lớn gia tăng. Logic bi quan đã hội tụ thành một hình dạng quen thuộc: xây dựng quá mức dẫn đến cung vượt cầu, và sự dư thừa sẽ thiêu hủy vốn.

Hai bài viết thực sự đang đặt ra cùng một câu hỏi: Ai sẽ lấp đầy cái hố này? Câu trả lời chưa bao giờ xuất hiện trong sổ sách ở phía "đào tạo". Nó xuất hiện ở phía suy luận, và thị trường chỉ mới bắt đầu tính đến điều này trong vài tuần qua.

Hai, IPO của Cerebras và sự ép buộc suy luận

Cerebras đã niêm yết vào thứ Năm. Lần IPO này đã nhận được đặt hàng vượt quá 20 lần, với mức giá gần gấp đôi so với mức giá cuối cùng vào thứ Tư. Nhu cầu không đến từ việc đặt cược vào "kẻ giết Nvidia tiếp theo", mà đến từ một điều đơn giản hơn: thị trường bắt đầu nhận ra rằng điểm nghẽn thực sự trong AI là suy luận, chứ không phải đào tạo.

Điểm mạnh của Cerebras là một kiến trúc chip cho phép suy luận cực nhanh. Không phải đào tạo, mà là suy luận. Đây chính là điều khiến Phố Wall phấn khích. Thị trường suy luận là thường xuyên, nó mở rộng theo mức sử dụng. Mỗi lần Claude trả lời câu hỏi, mỗi lần agent thực hiện nhiệm vụ, đều tiêu tốn sức mạnh tính toán. Đào tạo chỉ xảy ra một lần, suy luận thì không bao giờ dừng lại.

J.P. Morgan ước tính quy mô thị trường suy luận gấp 10 đến 50 lần so với đào tạo. Khi máy bắt đầu thực hiện các nhiệm vụ do máy khác giao, tức là sự mở rộng theo kiểu agentic, nhu cầu suy luận không còn mở rộng theo số lượng người dùng mà mở rộng theo chính sức mạnh tính toán.

Ba, Nvidia vẽ lại bản đồ: Suy luận trở thành tiêu đề

Nếu Cerebras là sự thức tỉnh của thị trường, thì báo cáo tài chính quý mới nhất của Nvidia chính là sự xác nhận từ đỉnh chuỗi ngành. Trong cuộc gọi báo cáo tài chính mới nhất, Jensen Huang đã chỉ ra một câu nói ngầm hiểu: Nhu cầu AI đang tăng trưởng theo hình parabol. Lý do rất đơn giản: AI agentic đã đến. AI chính thống đã chuyển từ suy luận một lần sang suy luận logic, rồi vào giai đoạn agent có thể tự gọi công cụ, sắp xếp nhiệm vụ. Huang nói, "Tokens bây giờ là có lợi nhuận." Trong thời đại AI, sức mạnh tính toán chính là doanh thu và lợi nhuận.

Điều này đã tái cấu trúc toàn bộ ngành. Đào tạo là chi phí một lần để xây dựng một mô hình, trong khi suy luận là chi phí thường xuyên để vận hành nó, và giờ đây điểm nghẽn nằm ở suy luận, không phải đào tạo.

Nvidia đã đưa nhận định này vào báo cáo tài chính của mình. Hiện tại, họ công bố theo hai nền tảng thay vì một: Trung tâm Dữ liệu và Điện toán Biên. Trung tâm Dữ liệu (khoảng 75 tỷ đô la trong quý này, tăng 92% so với năm trước) được chia thành Hyperscale (khoảng 38 tỷ đô la, tăng 12% so với quý trước) và ACIE, tức là AI Cloud, Công nghiệp và Doanh nghiệp (khoảng 37 tỷ đô la, tăng 31% so với quý trước). Một dòng mới là Điện toán Biên: 6,4 tỷ đô la, tăng 29% so với năm trước, bao gồm AI agentic và AI vật lý thực sự hoạt động trên các thiết bị đầu cuối như PC, trạm làm việc, trạm gốc AI-RAN, robot và ô tô.

Điện toán biên hiện vẫn chiếm chưa đến 8% tổng doanh thu, nhưng Nvidia đã nâng nó lên ngang hàng với trung tâm dữ liệu thành "nền tảng thứ hai". Tín hiệu này là: suy luận đang phân chia thành hai mặt trận, suy luận đám mây trong trung tâm dữ liệu và suy luận điểm cuối ở phía biên, AI cần nhìn thấy, di chuyển và hành động trong thế giới vật lý. Lộ trình tuân theo cùng một logic: Vera Rubin, bắt đầu giao hàng từ quý ba, có thể đạt được thông lượng suy luận cao nhất gấp 35 lần Blackwell; Huang cũng đã đưa ra một TAM mới trị giá 200 tỷ đô la cho Vera CPU được thiết kế cho tải agentic. Mỗi công ty mô hình tiên tiến dự kiến sẽ chuyển hoàn toàn sang nó ngay trong ngày đầu tiên.

Khi công ty có giá trị vốn hóa thị trường cao nhất trên thế giới tái cấu trúc báo cáo tài chính xung quanh "token dịch vụ", cuộc chiến về điểm nghẽn đã được giải quyết. Phần còn lại của bài viết này sẽ thảo luận về việc khi suy luận (chứ không phải đào tạo) trở thành tài nguyên khan hiếm, giá trị sẽ được ai nắm giữ.

Trước tiên, hãy làm rõ phạm vi. Trong hai mặt trận này, bài viết này thảo luận về suy luận đám mây, tức là cung cấp dịch vụ API token cho GPU trung tâm dữ liệu thuê. Suy luận điểm cuối chạy trên các chip nội bộ của thiết bị (Jetson, RTX, Drive, AI-RAN của Nvidia), hoàn toàn không qua chuỗi thuê và tổng hợp GPU bên dưới. Ở đây, hãy coi nó như một làn gió thuận lợi để mở rộng toàn bộ nền kinh tế suy luận, chứng minh luận điểm về điểm nghẽn, chứ không phải là thị trường mà Hyperbolic và Venice đang ở, hai công ty này hoàn toàn nằm trên đường đám mây.

Bốn, Sự ép buộc đã đến

Anthropic là chim hoàng yến trong mỏ than. Mức sử dụng vượt xa công suất đã được cấu hình trước, những phàn nàn về việc Claude bị "cắt não" đã tràn ngập mạng, bao gồm cả phản hồi bị giới hạn, suy luận chậm lại, và cửa sổ ngữ cảnh bị nén lại. Giải pháp là sức mạnh tính toán trần trụi: vào tháng 5 năm 2026, Anthropic đã tiếp quản toàn bộ trung tâm dữ liệu Colossus 1 từ SpaceX, với hơn 220.000 GPU Nvidia, hơn 300 megawatt, và sẽ được sử dụng đặc biệt cho suy luận, chứ không phải đào tạo.

Phần công suất này đã mở khóa một loạt thay đổi giới hạn, mỗi lần đều là một tín hiệu. Vào ngày 6 tháng 5, Anthropic đã gấp đôi giới hạn năm giờ của Claude Code, hủy bỏ giới hạn vào giờ cao điểm, và tăng đáng kể giới hạn tốc độ API của Opus. Vào ngày 13 tháng 5, họ lại tăng giới hạn hàng tuần của Claude Code thêm 50% (đến ngày 13 tháng 7). Sau đó, từ ngày 15 tháng 6, họ đã thực hiện điều ngược lại với "hào phóng": tách sử dụng agentic và lập trình (Agent SDK, chế độ không đầu claude -p, quy trình CI) ra khỏi đăng ký phẳng, đưa vào một hồ tín dụng được đo lường độc lập (20 đến 200 đô la mỗi tháng, tính theo giá API). Bước cuối cùng này đã cô đọng toàn bộ luận điểm trong một hành động: agent tiêu thụ suy luận với tốc độ vượt xa khả năng chịu đựng của thiết kế đăng ký phẳng, do đó phải định giá theo "chi phí thường xuyên" thực sự của nó.

Đào tạo là chi phí vốn một lần. Suy luận là chi phí vận hành thường xuyên, tích lũy theo mỗi người dùng mới, mỗi agent mới.

Năm, Chuỗi này: Sáu lớp, một điểm nghẽn

Mỗi ứng dụng AI đều nằm trên một chuỗi cung ứng bắt đầu từ nhà máy bán dẫn TSMC và kết thúc tại điểm cuối API:

Hầu hết các công ty chỉ sở hữu một trong các lớp đó. Nvidia sở hữu silicon, CoreWeave sở hữu phần cứng thô, Together AI sở hữu tối ưu hóa suy luận, OpenRouter sở hữu định tuyến API mô hình.

Chỉ có một công ty ngoại lệ.

Sáu, Hyperbolic: Công ty duy nhất trải dài qua ba lớp

Hyperbolic đã ra mắt thị trường GPU theo yêu cầu vào tháng 6 năm 2025. Trong vài tháng đầu tiên, số lượng nhà phát triển của nó đã vượt qua 200.000+, bao gồm các phòng thí nghiệm AI tiên tiến, tìm kiếm, và các nền tảng tiêu dùng lớn.

Điều thú vị là kiến trúc của nó.

Hyperbolic không sở hữu bất kỳ GPU nào. Mỗi card đều đến từ neocloud và các trung tâm dữ liệu, bao gồm CoreWeave, Lambda Labs, Nebius, và các nhà điều hành nhỏ hơn nắm giữ công suất dư thừa. Điều này nghe có vẻ như một điểm yếu, nhưng thực tế lại là một lợi thế cạnh tranh.

Bằng cách ngồi giữa bên cung cấp GPU và bên tiêu thụ, Hyperbolic có thể thấy dữ liệu thời gian thực mà người khác không thấy. Nó biết ai đang mua GPU nào, với giá bao nhiêu, vào thời điểm nào. Nó đã thấy sự dư thừa cung trước khi nó được công khai, và đã thấy nhu cầu tăng vọt trước khi nó ảnh hưởng đến thị trường.

Hiện nay, lợi thế cạnh tranh chính là sự tổng hợp đa đám mây này. Hyperbolic đã kết hợp công suất phân mảnh từ hàng chục đám mây và trung tâm dữ liệu thành một hồ chuẩn hóa thống nhất, cho phép các nhà phát triển thuê GPU rẻ nhất có sẵn ở bất kỳ đâu mà không cần phải thương lượng với từng nhà điều hành hay quản lý một đống tài khoản. Số lượng đám mây mà nó kết nối càng nhiều, tính thanh khoản càng sâu, dữ liệu định giá càng phong phú. Tiếp theo, nhóm đang khám phá cách sử dụng dữ liệu này để mô hình hóa đường cong giá GPU, và cuối cùng đầu tư vốn tự có để làm mượt cung cầu, đóng vai trò là nhà tạo lập thị trường cho sức mạnh tính toán vật lý; nhưng mục tiêu này vẫn đang ở giai đoạn đầu, điều thực sự đang tạo ra lãi suất hiện tại là lớp tổng hợp.

Đây là vòng quay:

1. Kết nối nhiều đám mây hơn → Nguồn cung được tổng hợp nhiều hơn

2. Nguồn cung nhiều hơn → Thị trường sâu hơn và dữ liệu định giá thời gian thực

3. Dữ liệu tốt hơn → Định tuyến thông minh hơn hiện tại, lâu dài là mô hình định giá

4. Tính thanh khoản và giá tốt hơn → Nhiều nhà phát triển hơn → Nhiều đám mây muốn kết nối

Không có công ty nào khác đang cố gắng làm điều này. Hyperbolic là công ty duy nhất trải dài qua các lớp cho thuê GPU, triển khai và lớp API mô hình.

Bảy, Venice - chiếc gương này

Venice là sự thể hiện rõ ràng nhất của nền kinh tế suy luận ở cấp ứng dụng, và cũng là một sự đối chiếu hữu ích với vị trí của Hyperbolic. Đây là một ứng dụng suy luận ưu tiên quyền riêng tư: một bộ API tương thích với OpenAI, cộng với đăng ký hướng tới người tiêu dùng (Free / Pro / Pro+ / Max), định tuyến yêu cầu đến khoảng 75 mô hình, trong đó khoảng hai phần ba là mô hình mã nguồn mở hoặc tự lưu trữ (Llama, Mistral, Qwen, DeepSeek), phần còn lại là truyền tải ẩn danh các mô hình tiên tiến đóng. Điểm quan trọng là, Venice không sở hữu sức mạnh tính toán có ý nghĩa. Nó thuê từ các đối tác GPU không công khai và nhà cung cấp tính toán bí mật (NEAR AI Cloud, Phala), và trả tiền cho các phòng thí nghiệm tiên tiến để thực hiện truyền tải, vì vậy chi phí doanh thu thực sự của nó là sức mạnh tính toán suy luận, chứ không phải là dịch vụ SaaS lưu trữ.

Venice thực sự bán quyền riêng tư. Ở đây, "quyền riêng tư" không phải là biến sức mạnh tính toán công cộng thành tài sản riêng, mà là bao bọc suy luận hàng hóa bằng một lớp đảm bảo: không lưu trữ dữ liệu, không sử dụng để đào tạo, yêu cầu ẩn danh, một phần tải còn chạy trong TEE, khiến nhà điều hành cũng không thể thấy văn bản rõ ràng. Sức mạnh tính toán cơ bản là hàng hóa thông thường, nhưng giá bán cao hơn chính là lớp bao bọc quyền riêng tư này. Hơn nữa, lớp đảm bảo này là phân tầng, không đồng nhất: đối với các mô hình mã nguồn mở chạy trên GPU mà mình kiểm soát hoặc TEE, có thể đạt được tính toán bí mật gần như đầu cuối; nhưng đối với việc truyền tải ẩn danh các mô hình đóng như Claude, GPT, quyền riêng tư chỉ là tách biệt danh tính, phía phòng thí nghiệm tiên tiến vẫn đang xử lý prompt gốc của bạn. Vì vậy, quyền riêng tư mạnh nhất chỉ bao phủ phần mã nguồn mở, phần mô hình tiên tiến là "ẩn danh" chứ không phải "bí mật thực sự". Lợi nhuận gộp của Venice = giá đăng ký - chi phí suy luận trả cho hạ nguồn, và phần mà nó có thể thu thêm so với giá API trần, gần như hoàn toàn dựa vào lớp quyền riêng tư này, đây cũng là lý do khiến nó có lợi nhuận thấp và bị ảnh hưởng bởi giá truyền tải của các mô hình tiên tiến.

Thiết kế token đã bao bọc nhu cầu suy luận này. Venice hoạt động trên hai token: VVV (đặt cọc và quyền truy cập nền tảng) và DIEM, cái sau là một loại tín dụng suy luận, mỗi DIEM tương đương với khoảng 1 đô la sức mạnh tính toán mỗi ngày. Đăng ký trả phí sẽ kích hoạt việc mua lại và tiêu hủy VVV theo chương trình (Pro / Pro+ / Max lần lượt khoảng 2 / 5 / 10 đô la), phát thải sẽ giảm theo một lịch trình cố định: mỗi tháng 6 triệu → 5 triệu → 4 triệu VVV, và vào ngày 1 tháng 7 sẽ điều chỉnh xuống 3 triệu. Việc mua lại là có thật, nhưng thuộc về quyền quyết định và vẫn không lớn: vào tháng 4 và tháng 5, mỗi tháng tiêu hủy khoảng 103.000 đô la, tháng 6 đang từ từ leo lên khoảng 110.000 đô la, thấp hơn nhiều so với mức 200.000 đô la mỗi tháng.

Cơ bản hơn so với tiêu đề. Con số "70 triệu đô la ARR" được lan truyền công khai gần như chắc chắn là kết quả của việc nhầm lẫn giữa gia hạn đăng ký với khách hàng mới; khoảng quan sát có thể biện hộ gần hơn với 6 triệu đến 15 triệu đô la ARR. Dưới con số này, sự thu hút là có thật: khoảng 136.000 địa chỉ nắm giữ token, khoảng 9,9 triệu lượt truy cập trang web mỗi tháng (khoảng 330.000 lượt mỗi ngày), số lượng đăng ký Pro mới dao động quanh mức khoảng 1.400 mỗi ngày. Đây là một doanh nghiệp thực sự, nhưng là một doanh nghiệp có lợi nhuận thấp, tính kinh tế của nó bị ảnh hưởng bởi sức mạnh tính toán mà nó mua.

Đây chính là lý do tại sao Hyperbolic lại ở trên nó một tầng. Nếu Venice là trạm xăng, thì Hyperbolic là nhà máy lọc dầu. Venice mua sức mạnh tính toán từ cùng một nguồn cung hạn chế mà mọi người đều phụ thuộc; Hyperbolic thì tổng hợp và chuẩn hóa phần cung phân mảnh đó, rồi bán cho Venice và tất cả những người chơi giống như nó. Khi nhu cầu suy luận tăng lên, giá trị không chỉ tích lũy vào ứng dụng sức mạnh tính toán tiêu dùng, mà còn tích lũy vào việc tổng hợp và định tuyến sức mạnh tính toán, và nắm giữ chi phí doanh thu mà những ứng dụng này phải trả.

Tám, Tại sao điều này quan trọng vào lúc này

Nvidia đã tái cấu trúc tài chính xung quanh "token dịch vụ". IPO của Cerebras chứng minh rằng thị trường đã hiểu rằng suy luận là điểm nghẽn. Anthropic đang chạy đôn chạy đáo để tìm công suất, chứng minh rằng đây là một vấn đề thực sự. AI agentic và vật lý sẽ khuếch đại nhu cầu lên vài bậc, trải dài qua cả đám mây và phía điểm cuối.

Và nó cũng khép lại vòng tròn của "vấn đề 600 tỷ đô la" từ một phía. Logic bi quan của Cahn, tức là xây dựng quá mức, rồi dư thừa, cuối cùng rất có thể sẽ được xác nhận. Nhưng sự dư thừa chính là tình huống tối ưu của bên tổng hợp tài sản nhẹ: khi giá GPU giảm, cung cấp phân mảnh trải rộng trên hàng chục đám mây, thì người chơi không sở hữu bất kỳ phần cứng nào, mà định tuyến mọi tải công việc đến card rẻ nhất có sẵn sẽ kiếm được chênh lệch giá, trong khi các nhà điều hành sở hữu GPU đang giảm giá sẽ chịu thiệt hại. Hyperbolic đang đầu tư vào sự dư thừa, chứ không phải bán khống nó.

Công ty chiến thắng cuối cùng sẽ không phải là công ty sở hữu nhiều GPU nhất, mà là công ty có thể cho bạn biết GPU nào có sẵn ở đâu, với giá bao nhiêu, và định tuyến mọi tải công việc đến nơi có thể chạy với chi phí thấp nhất.

Hyperbolic đang xây dựng một công ty như vậy. Không sở hữu GPU, hoàn toàn là phần mềm, trải dài ba lớp, nhưng lại trở thành lớp tổng hợp sức mạnh tính toán suy luận cuối cùng.