a16z phân tích sức mạnh AI: doanh thu tăng gấp đôi, giá cổ phiếu chịu áp lực, chi tiêu vốn đáng kinh ngạc

Tiêu đề gốc: Biểu đồ của Tuần: Đầu Trong Đám Mây Mới

Tác giả gốc: Moses Sternstein, a16z

Chú thích của biên tập viên: Trong bối cảnh AI sinh ra thúc đẩy một vòng đầu tư vào sức mạnh tính toán mới, cuộc thảo luận trên thị trường về cơ sở hạ tầng AI đang chuyển từ "Có đủ GPU không?" sang "Ai có thể cung cấp sức mạnh tính toán một cách bền vững?". Khi nhu cầu đào tạo mô hình, suy diễn và mở rộng trung tâm dữ liệu đã trở thành sự đồng thuận, một vấn đề cơ bản hơn bắt đầu nổi lên: Sự tăng trưởng nhanh chóng của nhu cầu sức mạnh tính toán có thể thực sự chuyển hóa thành lợi nhuận và dòng tiền ổn định hay không?

Trong bài viết "Biểu đồ của Tuần" được phát hành bởi a16z New Media, tác giả Moses Sternstein đã tiếp cận từ các công ty đám mây mới như CoreWeave, Nebius và Applied Digital để thảo luận về sự tăng trưởng, định giá và mâu thuẫn lợi nhuận của thị trường sức mạnh tính toán AI, và mở rộng thêm đến SaaS ngang, định tuyến mô hình và cạnh tranh nhân tài trong các phòng thí nghiệm tiên tiến.

Trong bài viết này, tác giả không đơn giản đánh giá xem nhu cầu AI có mạnh mẽ hay không, mà phân tích giao dịch AI hiện tại thành một tập hợp các vấn đề cấu trúc cơ bản hơn: Cơ sở hạ tầng hiện có được định giá lại như thế nào, tại sao sự tăng trưởng doanh thu không cải thiện đồng bộ với kỳ vọng thị trường, và tại sao trọng tâm cạnh tranh trong ngành công nghiệp AI đang chuyển từ mở rộng đơn thuần sang hiệu quả và lợi tức.

Thứ nhất, là sự phát hiện lại giá trị của cơ sở hạ tầng. Trong quá khứ, đất đai dọc theo đường sắt, đường ống khí đốt và mạng cáp truyền hình đã phục vụ cho các ngành công nghiệp cụ thể, sau đó được chuyển đổi thành cơ sở hạ tầng viễn thông và internet. Ngày nay, sự định giá lại tài sản tương tự lại xảy ra. Một số công ty đám mây mới ban đầu phục vụ cho khai thác tiền điện tử, đã có kinh nghiệm vận hành điện, phòng máy, hệ thống làm mát và tính toán mật độ cao; sau khi nhu cầu AI bùng nổ, những khả năng này nhanh chóng chuyển hóa thành nguồn cung sức mạnh tính toán khan hiếm. Điều này có nghĩa là, cạnh tranh cơ sở hạ tầng AI không hoàn toàn bắt đầu từ con số không, lợi thế ban đầu thường đến từ việc tái cấu trúc tài sản cũ, nguồn năng lượng và khả năng kỹ thuật.

Thứ hai, là sự đồng tồn tại của tăng trưởng doanh thu cao và sự không chắc chắn về lợi nhuận. Tốc độ tăng trưởng doanh thu ban đầu của các công ty đám mây mới như CoreWeave đã từng vượt qua giai đoạn khởi đầu của các ông lớn đám mây như AWS, nhưng thị trường vốn không công nhận ở mức độ tương đương. Nguyên nhân là do, các đám mây mới không phải là doanh nghiệp phần mềm tài sản nhẹ điển hình. Việc mua GPU, tiếp cận điện, xây dựng trung tâm dữ liệu, khấu hao chip và lãi suất nợ sẽ tăng lên đồng bộ với quy mô, thậm chí nhanh hơn sự tăng trưởng doanh thu. Điều này có nghĩa là, sự mở rộng doanh thu chỉ có thể chứng minh nhu cầu sức mạnh tính toán AI mạnh mẽ, nhưng không tự động chứng minh mô hình kinh doanh có tỷ suất lợi nhuận vốn đủ cao. Thị trường thực sự đang chờ đợi, là liệu những doanh nghiệp này có thể chuyển đổi đơn hàng và doanh thu thành dòng tiền tự do bền vững hay không.

Thứ ba, là giá trị phần mềm đang phân hóa lại theo ảnh hưởng của AI. Trong quá khứ, thị trường lo ngại rằng AI sinh ra sẽ làm suy yếu hàng rào bảo vệ của các công ty SaaS, nhưng hiệu suất của Atlassian cho thấy, AI cũng có thể trở thành công cụ tăng cường chi tiêu của khách hàng và độ gắn bó với sản phẩm. Trong khi đó, phần mềm an ninh mạng và khả năng quan sát tiếp tục nhận được mức định giá cao hơn, vì AI đã mở rộng rủi ro tiềm ẩn và cũng làm tăng sự phụ thuộc của doanh nghiệp vào các giải pháp trưởng thành. Điều này có nghĩa là, cái gọi là "Ngày tận thế của SaaS" sẽ không xảy ra đồng đều. AI thực sự là sản phẩm thay thế, hạ giá, hay mở rộng nhu cầu, đang trở thành tiêu chuẩn mới cho sự phân hóa định giá phần mềm.

Thứ tư, là ứng dụng AI đang chuyển từ "Chồng Token" sang tối ưu hóa Token. Trong quá khứ, các doanh nghiệp thường có xu hướng gọi trực tiếp đến mô hình mạnh nhất, hoặc cấp cho đội ngũ kỹ thuật một ngân sách để tự thử nghiệm; ngày nay, các công ty như Databricks bắt đầu sử dụng định tuyến thông minh, phù hợp mô hình với giá cả và hiệu suất khác nhau dựa trên độ khó của nhiệm vụ, giảm chi phí trong khi vẫn duy trì hiệu quả. Sự giảm giá của Token không nhất thiết có nghĩa là tổng chi tiêu AI sẽ giảm: Khi chi phí đơn vị giảm, và các tình huống ứng dụng tăng lên, tổng tiêu thụ Token và quy mô thị trường tổng thể vẫn có thể tiếp tục tăng. Hiệu quả và nhu cầu không phải là loại trừ lẫn nhau, mà có thể tạo thành một vòng lặp củng cố lẫn nhau.

Nếu tóm tắt bài viết này thành một phán đoán, đó là: Cơ sở hạ tầng AI đã chứng minh rằng nó có thể tạo ra sự tăng trưởng nhanh chóng, nhưng giai đoạn tiếp theo của thắng bại sẽ phụ thuộc vào khả năng của doanh nghiệp trong việc chuyển đổi tăng trưởng thành hiệu quả vốn cao hơn. Theo nghĩa này, đối tượng thảo luận trong bài viết này không chỉ là liệu CoreWeave có thể trở thành ông lớn đám mây thế hệ tiếp theo hay không, mà là liệu toàn bộ ngành công nghiệp AI có thể chuyển từ mở rộng sức mạnh tính toán sang lợi nhuận thương mại bền vững hay không.

Dưới đây là nội dung gốc:

Đỉnh đầu "Đám Mây Mới"

Vào đầu thế kỷ 20, Công ty Đường sắt Nam Thái Bình Dương sở hữu một lượng lớn quyền xây dựng không sử dụng trên các đất đai đã được dọn dẹp kết nối các thành phố và thị trấn ở Mỹ. Phạm vi quyền đường sắt rộng hơn nhiều so với đường ray, vì vậy còn nhiều hành lang có thể phát triển dọc theo tuyến đường.

Vì vậy, công ty đường sắt này đã lắp đặt một mạng lưới truyền thông dọc theo đường sắt và đặt tên cho nó là "Hệ thống Điện thoại Mạng Nội bộ Đường sắt Nam Thái Bình Dương" (Southern Pacific Railroad Internal Networking Telephony). Đến những năm 1970, công ty bắt đầu thương mại hóa mạng này, mở cửa cho người dùng rộng rãi hơn.

Sau đó, hai điều đã xảy ra đồng thời: một mặt, cấu trúc độc quyền của thị trường điện thoại đường dài đã đi đến hồi kết; mặt khác, cáp quang bắt đầu có tính khả thi thương mại. Các hành lang truyền thông ban đầu đã được chuyển đổi thành các tuyến cáp quang, và mạng này sau đó được biết đến với tên viết tắt tiếng Anh "Sprint". Tài sản từng phục vụ cho đường sắt, từ đó trở thành xương sống của cơ sở hạ tầng cách mạng viễn thông.

Không chỉ có công ty đường sắt thực hiện việc chuyển đổi mạng lưới vật lý hiện có thành cơ sở hạ tầng công nghệ thương mại quy mô lớn hơn.

Vào những năm 1980, Công ty Williams đã chuyển đổi các đường ống khí đốt không sử dụng thành các kênh cáp quang, thành lập WilTel. Công ty này sau đó đã được bán và cuối cùng đổi tên thành WorldCom. Đến những năm 1990, cáp đồng trục một chiều được lắp đặt cho dịch vụ truyền hình cáp cũng đã trải qua một đợt nâng cấp quy mô lớn và tốn kém, cuối cùng trở thành cơ sở hạ tầng cung cấp dịch vụ internet băng thông rộng cho người tiêu dùng của Comcast và Charter.

Điều này đã dẫn đến một loại hình doanh nghiệp khác: chúng cũng sở hữu cơ sở hạ tầng sẵn có, và những tài sản này hiện đang được cải tạo và định giá lại mạnh mẽ để đáp ứng nhu cầu của một công nghệ mới nổi - đó chính là các công ty "đám mây mới" (neocloud).

Tóm tắt lại, các công ty đám mây mới chủ yếu ban đầu hoạt động trong lĩnh vực khai thác tiền điện tử tiêu tốn năng lượng và sức mạnh tính toán, sau đó là sự bùng nổ của AI. Đột nhiên, ai sở hữu quyền sử dụng điện, cơ sở hạ tầng, và kinh nghiệm xây dựng và quản lý tải tính toán cường độ cao - trong trường hợp của CoreWeave, còn bao gồm cả một lượng lớn GPU - thì người đó đã đứng trên một trong những lĩnh vực nóng nhất hiện nay.

Tất nhiên, đây không phải là so sánh đồng nhất theo nghĩa nghiêm ngặt. Nhưng nếu quan sát ba công ty đám mây mới niêm yết lớn nhất, tốc độ tăng trưởng doanh thu của chúng thực sự đáng chú ý.

Chúng ta chỉ có thể ước tính doanh thu từ hoạt động kinh doanh đám mây của các nhà cung cấp dịch vụ đám mây quy mô siêu lớn trong giai đoạn khởi đầu, nhưng xu hướng tổng thể đã rất rõ ràng: tốc độ tăng trưởng của các công ty đám mây mới rất nhanh, và rõ ràng nhanh hơn tốc độ tăng trưởng trong giai đoạn khởi đầu của ba nhà cung cấp dịch vụ đám mây lớn.

Cần lưu ý rằng, trong toàn bộ thị trường bán sức mạnh tính toán, các công ty đám mây mới hiện vẫn chỉ là những người tham gia tương đối nhỏ.

Chúng còn một chặng đường dài để đi đến quy mô của các nhà cung cấp dịch vụ đám mây siêu lớn.

Doanh thu mà các nhà cung cấp dịch vụ đám mây siêu lớn tạo ra mỗi quý cao hơn nhiều so với các công ty đám mây mới. Nhưng đồng thời, CoreWeave chỉ mất khoảng 25 quý để đạt được doanh thu 2,6 tỷ USD mà AWS phải mất đến quý thứ 40 kể từ khi ra mắt. Một lần nữa nhấn mạnh: tốc độ tăng trưởng của những doanh nghiệp này thực sự rất nhanh.

Với tốc độ tăng trưởng cao như vậy, lại được hưởng lợi từ ngành công nghiệp AI, lẽ ra nhà đầu tư nên rất phấn khích. Một phần nào đó thì đúng như vậy, nhưng thực tế phức tạp hơn một chút.

Mặc dù hiệu suất của các công ty này trong đợt báo cáo tài chính gần đây đều khá tốt, nhưng trong năm qua, giá cổ phiếu của CoreWeave vẫn giảm khoảng 16%; chỉ có Nebius gần đạt đến mức cao trước đó.

Vì vậy, câu chuyện này nhìn chung vẫn tốt, nhưng đối với công ty đám mây mới lớn nhất trong số đó, sức hấp dẫn rõ ràng đã yếu hơn một chút.

Thị trường gần đây có phần bình lặng, một phần nguyên nhân là do nhiều kỳ vọng tăng trưởng có thể đã được phản ánh trong định giá.

Đối với các doanh nghiệp như đám mây mới, tỷ lệ giá trên doanh thu không phải là chỉ số định giá phù hợp nhất, nhưng vẫn rất trực quan để minh họa vấn đề. Nebius và Applied Digital có quy mô nhỏ hơn và tốc độ tăng trưởng nhanh hơn, nhưng mức định giá cao hơn nhiều so với CoreWeave có quy mô lớn hơn nhiều. Doanh thu của CoreWeave vẫn đang tăng gấp đôi, nhưng không còn đạt được tốc độ tăng trưởng 400% đến 450% của các doanh nghiệp đứng đầu.

Nếu nói rằng các công ty đám mây mới thực sự gặp vấn đề gì, thì không phải là tăng trưởng, mà là khả năng sinh lời lâu dài. Các công ty đám mây mới cần liên tục đầu tư vào chip, điện và cơ sở hạ tầng vật lý để mở rộng quy mô, và những chi phí này không hề thấp:

Lấy CoreWeave làm ví dụ, sự tăng trưởng doanh thu của họ thực sự rất ấn tượng, nhưng chi tiêu vốn thì còn ấn tượng hơn. Các chi phí lớn khác bao gồm khấu hao chip - số tiền khấu hao đã vượt quá một nửa doanh thu - và chi phí lãi suất phát sinh từ việc vay nợ để xây dựng cơ sở hạ tầng đắt đỏ trước thời hạn, và vẫn đang gia tăng.

Bài viết này không có ý định đưa ra phán đoán về việc liệu các công ty đám mây mới có thể thành công hay không, hoặc liệu giá cổ phiếu hiện tại của chúng có hợp lý hay không. Ngoài sự nóng hổi của chủ đề này, điều thực sự muốn chỉ ra là các công ty đám mây mới chính là một hình mẫu cho sự kéo giãn giữa bên mua và bên bán trong toàn bộ giao dịch AI.

Một mặt, chúng đang ở trong một thị trường dọc có quy mô vượt xa mọi kỳ vọng trước đó và vẫn đang tiếp tục mở rộng - thị trường sức mạnh tính toán - và tạo ra tốc độ tăng trưởng hiếm thấy trong lịch sử; mặt khác, chi phí để xây dựng những doanh nghiệp này cũng đang ở mức cao lịch sử, cần đầu tư vào cơ sở hạ tầng cố định lớn và liên tục khấu hao.

SaaS ngang trở lại?

Dưới đây là cập nhật ngắn gọn về bức tranh thị trường đang thay đổi của "Ngày tận thế SaaS". Một công ty bị ảnh hưởng nặng nề trong đợt bán tháo cổ phiếu phần mềm trước đó, trong tháng qua đã có hiệu suất khá tốt.

Trong 30 ngày giao dịch qua, các công ty phần mềm ngang hàng nằm trong danh mục IGV Software ETF có hiệu suất đứng đầu------mặc dù từ thời điểm dữ liệu này được thu thập, họ đã trả lại một phần mức tăng.

Nhìn chung, nền tảng cơ bản của các công ty này vẫn vững chắc. Đặc biệt là Atlassian, công ty này không suy giảm như thị trường đã dự đoán trước đó dưới tác động của AI.

Công ty phần mềm năng suất này đã đạt được "cả doanh thu và hướng dẫn đều vượt kỳ vọng": doanh thu từ dịch vụ đám mây tăng 31% so với năm trước, tốc độ tăng trưởng đơn hàng doanh thu thậm chí còn cao hơn. Nhưng tín hiệu quan trọng hơn có thể là, AI đang trở thành động lực tăng trưởng kinh doanh, chứ không phải là trở ngại. Atlassian cho biết, trợ lý AI Rovo của họ đã được áp dụng rộng rãi; đồng thời, khách hàng sử dụng Rovo có tốc độ chi tiêu gần gấp đôi so với người dùng không sử dụng Rovo.

Đây là tin tốt cho Atlassian, tin tốt cho Rovo, và cũng là tin tốt cho SaaS ngang hàng.

Tuy nhiên, định giá tổng thể của SaaS ngang hàng vẫn thấp hơn một chút so với các loại phần mềm khác.

Ngoại trừ một số trường hợp ngoại lệ, các công ty SaaS ngang hàng, bao gồm cả Atlassian, có tỷ lệ giá trị thị trường kỳ vọng thường thấp hơn mức tương ứng với đường xu hướng "tăng trưởng - tỷ lệ định giá".

Một lần nữa nhấn mạnh, SaaS ngang hàng chỉ vừa trải qua một "tháng" tương đối tốt. Để thị trường tin rằng "Ngày tận thế SaaS" đã bị hủy bỏ, chỉ với một tháng hiệu suất là không đủ.

Tất nhiên, nếu doanh nghiệp phần mềm của bạn thuộc lĩnh vực an ninh mạng hoặc khả năng quan sát, thì đó lại là một câu chuyện khác------đối với những công ty này, cái gọi là "Ngày tận thế SaaS" chưa bao giờ xảy ra.

Lĩnh vực an ninh mạng tiếp tục vượt trội hơn hẳn so với các loại hình khác trong IGV Software ETF. Trong lĩnh vực này, AI lại trở thành yếu tố thuận lợi: thị trường cho rằng, AI đã nâng cao nhận thức về rủi ro của các mối đe dọa an ninh mạng, và không có khách hàng doanh nghiệp nào lại dựa vào "lập trình theo cảm hứng" để tự tạo ra một giải pháp an ninh cho riêng mình.

Liệu logic này có thể thành hiện thực hay không, tất nhiên vẫn cần thời gian để kiểm chứng. Nhưng ít nhất hiện tại, tình hình của các công ty phần mềm truyền thống không hề đồng nhất.

Các nhà đầu tư rất quan tâm đến việc AI sẽ mang lại lợi ích cho mỗi công ty hay gây ra sự xói mòn, và họ liên tục điều chỉnh đánh giá của mình với mỗi lô dữ liệu mới------điều này là hoàn toàn hợp lý.

Hướng tới hiệu suất đầu tư Token

Cấu trúc thị trường xung quanh việc sử dụng mô hình, tiêu thụ Token và quản lý chi tiêu Token vẫn đang phát triển theo nhiều cách thú vị.

Lấy Databricks làm ví dụ.

Trong các câu hỏi như "Chúng ta nên sử dụng mô hình nào" và "Mô hình nào là tốt nhất", Databricks không áp dụng tư duy "người thắng tất cả", cũng không chỉ đơn giản là cung cấp cho kỹ sư một ngân sách và để họ tự quyết định cách chi tiêu. Họ đã đặt ra một câu hỏi khác: "Nếu chúng ta phát triển một giải pháp tự động phân bổ nhiệm vụ phù hợp cho các mô hình phù hợp, thì sẽ như thế nào?"

Databricks chắc chắn không phải là công ty duy nhất làm như vậy, nhưng họ đã phát triển một "bộ định tuyến thông minh" (Smart Router), và hiệu quả thực tế khiến họ khá hài lòng.

Theo thông tin, bộ định tuyến của Databricks có khả năng gọi các mô hình mạnh hơn, đắt hơn khi cần thiết, và sử dụng các mô hình yếu hơn, rẻ hơn khi điều kiện cho phép, từ đó "liên tục giảm chi phí trung bình cho nhiệm vụ xuống hơn 30%".

Nhìn chung, việc theo đuổi "đầu tư Token hiệu quả" rất khó không phải là một điều tốt. Điều này có nghĩa là nhu cầu vẫn tiếp tục tăng, các trường hợp ứng dụng không chỉ tiếp tục tiến hóa ở ranh giới hiệu suất mà còn lan rộng sang các mô hình không quá xuất sắc. Trong câu chuyện bi quan ban đầu, những mô hình kém hơn này được cho là sẽ nhanh chóng bị loại bỏ.

Như chúng tôi đã đề cập trước đó, việc nâng cao hiệu suất sẽ mở rộng phạm vi nhu cầu, đây chính là động lực mà thị trường mong muốn thấy, tương tự như nghịch lý Jevons.

Chỉ số sức mạnh giá Token của Silicon Data cho thấy, sức mạnh giá tổng thể đang giảm, đặc biệt là khi các mô hình mở với giá thấp hơn đang chiếm lĩnh thị trường đang mở rộng.

Cần làm rõ một khái niệm thường bị hiểu nhầm: các chỉ số này đo lường cường độ chi phí của chi tiêu Token, chứ không phải là số tiền tuyệt đối bằng đô la. Nó cũng phụ thuộc vào số lượng Token tiêu thụ và tổng chi phí của Token. Điều này có nghĩa là, ngay cả khi giá mỗi Token giảm, tổng lượng tiêu thụ Token và tổng số tiền chi tiêu vẫn có thể tiếp tục tăng.

Điều quan trọng là, nhu cầu tổng thể vẫn đang tăng, và việc định giá và lựa chọn mô hình dần dần tiến tới ranh giới hiệu quả chỉ càng thúc đẩy sự tăng trưởng này. Đặc biệt đáng lưu ý là, "Nhu cầu AI" hay "Sự áp dụng AI" không phải là một khái niệm đơn nhất, đồng nhất. Vẫn còn một khoảng cách lớn giữa người dùng nặng và những người dùng khác. Điều này rõ ràng cho thấy, "luôn sử dụng mô hình tốt nhất" có thể phù hợp với một số doanh nghiệp, nhưng chắc chắn không phù hợp với tất cả doanh nghiệp.

Hiện nay, thị trường đang nhanh chóng hình thành nhiều lựa chọn thay thế hơn. Nhìn chung, đây là một điều tốt.

Theo dữ liệu từ nền tảng quản lý chi tiêu doanh nghiệp Ramp, tất cả các doanh nghiệp đều đang tăng chi tiêu cho AI, nhưng khoảng cách giữa chi tiêu trung vị và 10% doanh nghiệp hàng đầu, cũng như giữa 10% và 1% doanh nghiệp hàng đầu là rất lớn.

Dữ liệu của Ramp thường nghiêng về các công ty công nghệ, cần xem xét điều này khi giải thích. Nhưng dữ liệu cho thấy, các doanh nghiệp đứng trong top 10% về chi tiêu, chi tiêu cho AI bình quân đầu người khoảng 50 lần so với doanh nghiệp trung vị.

Sự phân bố này rất có thể không phải là ngẫu nhiên. Những doanh nghiệp có thể khai thác nhiều giá trị hơn từ chi tiêu AI, có lẽ cũng chính là những doanh nghiệp đầu tư nhiều nhất------dù không phải công ty nào cũng như vậy, ít nhất một phần đáng kể các công ty phù hợp với quy luật này.

Phân tích của Boston Consulting Group về 107 công ty niêm yết cho thấy, các công ty đứng trong hai nhóm năm phần trăm hàng đầu về sử dụng Token có tốc độ tăng trưởng doanh thu rõ rệt nhanh hơn so với các doanh nghiệp khác.

Điều muốn truyền đạt ở đây là, nhu cầu Token và hiệu quả sử dụng đang củng cố lẫn nhau: giá trị mà doanh nghiệp nhận được càng nhiều, thì Token tiêu thụ cũng càng nhiều.

Quá trình này tất nhiên có sự cân nhắc giữa đầu tư và lợi nhuận, và nghiên cứu phát triển luôn bao gồm một số chi phí ban đầu. Nhưng đối với hầu hết các doanh nghiệp, việc "chất đống Token" một cách không kiểm soát chưa bao giờ là một chiến lược hiệu quả.

Do đó, việc các doanh nghiệp trong tương lai ngày càng ít phải áp dụng cách làm này rõ ràng là một điều tốt.

Cuộc chiến giành nhân tài trong các phòng thí nghiệm tiên tiến

New Media gần đây vừa có hai thành viên xuất sắc gia nhập OpenAI, vì vậy cuối cùng chúng ta sẽ xem một vài biểu đồ thú vị về tình hình tuyển dụng nhân tài trong các phòng thí nghiệm AI tiên tiến.

Dario Amodei gần đây cho biết, ông lo ngại rằng nhân viên đang đặt tiền bạc lên trên sứ mệnh. Dựa trên dữ liệu từ Levels.fyi, mối lo ngại này có thể không phải là không có cơ sở.

Nếu hoàn toàn hiểu theo bề ngoài của dữ liệu, Anthropic trả lương cho kỹ sư rất cao, và cao hơn nhiều so với các kỹ sư có kinh nghiệm tương đương tại Google, Tesla và các công ty khác.

Có vẻ như, việc trở thành thành viên của đội ngũ kỹ thuật thực sự là một điều tốt.

Ngoài ra, còn có một tập hợp dữ liệu khác cũng rất thú vị.

Theo dữ liệu từ Live Data Technologies------do Truist Securities tổng hợp------các nguồn nhân tài của các phòng thí nghiệm đều có sự chồng chéo lớn, nhưng cũng có sự khác biệt rõ rệt:

Cả hai công ty đều đã tuyển dụng nhiều nhân tài từ các công ty công nghệ có giá trị thị trường lớn, nhưng chỉ có OpenAI đã tuyển dụng từ NVIDIA và Tesla, và tất cả đều xảy ra vào năm 2026.

Databricks, Snowflake (gần đây), Palantir và DeepMind cũng là những nguồn nhân tài chung của hai công ty.

Cả hai phòng thí nghiệm cũng đã tuyển dụng một số lượng đáng kể nhân viên từ Salesforce và Stripe.

Nhưng sự chồng chéo giữa hai bên dường như chỉ dừng lại ở đây. Anthropic đã tuyển dụng nhiều nhân tài từ các công ty SaaS, trong khi OpenAI gần như không có; OpenAI lại tuyển dụng rất nhiều từ các công ty internet tiêu dùng, thị trường nền tảng và công nghệ quảng cáo, trong khi Anthropic có sự tuyển dụng tương đối ít trong các lĩnh vực này, ngoại trừ Airbnb, Netflix và Uber.

Còn những khác biệt này có ý nghĩa gì, thì để các bạn tự giải thích.