Chứng khoán Mỹ một đêm bốc hơi 2.8 triệu tỷ! VC hàng đầu Silicon Valley tiết lộ: 90% chi tiêu cho mô hình mã nguồn mở chảy vào Trung Quốc

Nguồn: Báo cáo của Tân Trí Nguyên

Sáng nay, thị trường chứng khoán Mỹ đã bị tàn phá.

Chỉ số Nasdaq giảm mạnh 5.52%, ghi nhận mức giảm lớn nhất trong một ngày kể từ tháng 4 năm 2025, chính thức rơi vào vùng điều chỉnh kỹ thuật. Chỉ số bán dẫn Philadelphia giảm 12.3%, đây là ngày tồi tệ nhất kể từ khi đại dịch bùng phát vào tháng 3 năm 2020.

NVIDIA giảm 9.26%, mất gần 450 tỷ USD giá trị thị trường chỉ trong một ngày; AMD giảm 17%, SanDisk giảm 22%, Broadcom giảm 10%.

Từ chip, máy chủ, mô-đun quang đến nhà cung cấp điện cho trung tâm dữ liệu, toàn bộ chuỗi cung ứng hạ tầng AI gần như không có góc nào thoát khỏi.

Các phương tiện truyền thông ước tính, thị trường chứng khoán Mỹ đã mất khoảng 2.8 nghìn tỷ USD chỉ trong một ngày!

Bỏ qua ảnh hưởng của cuộc bầu cử, một lý do sâu xa hơn là thị trường nghi ngờ về việc liệu khoản chi tiêu khổng lồ cho AI có thể thu hồi vốn hay không, cuối cùng đã bùng nổ.

Nhưng chỉ hai ngày trước, vào ngày 3 tháng 11, quỹ đầu tư mạo hiểm lâu đời Menlo Ventures ở Silicon Valley - nhà đầu tư sớm của Anthropic, đã phát hành "Báo cáo tình trạng AI doanh nghiệp năm 2026", trong đó các con số đi theo hướng hoàn toàn ngược lại với thị trường chứng khoán:

Chi tiêu cho triển khai AI doanh nghiệp năm 2026 đã tăng từ 33 tỷ USD lên 177 tỷ USD, tăng vọt 5.4 lần trong một năm. Ba năm trước, con số này chỉ là 1.7 tỷ, tăng 100 lần trong ba năm.

Một bên là 2.8 nghìn tỷ USD tan biến, một bên là 177 tỷ USD thật sự được đổ vào.

Sự tương phản thật đáng kinh ngạc. Phố Wall đang nghi ngờ liệu chi tiêu vốn từ phía cung có thể thu hồi vốn hay không, trong khi các CTO từ phía cầu đang gia tăng đơn hàng đến mức ngân sách mất kiểm soát.

Báo cáo này còn chứa hai manh mối thú vị hơn:

Mô hình Trung Quốc chiếm 89% chi tiêu cho mô hình mã nguồn mở doanh nghiệp, trong đó Kimi chiếm 61%; đồng thời, tiền của doanh nghiệp đang nhanh chóng chảy vào các mô hình flagship đắt tiền hơn, tỷ lệ chi tiêu cho các mô hình tiên tiến đã tăng từ 35% lên 63%.

Hai điều này kết hợp lại mới thực sự là một vở kịch hay.

Mô hình Trung Quốc đang "thống trị" sổ sách của các doanh nghiệp Mỹ

Trong chi tiêu cho mô hình mã nguồn mở doanh nghiệp, quân đoàn Trung Quốc chiếm ưu thế áp đảo ở bốn vị trí hàng đầu: Kimi 61%, DeepSeek 15%, GLM 11%, Qwen 3%, tổng cộng 89%. Mô hình Llama của Meta, ứng viên mã nguồn mở nổi bật nhất của thế giới phương Tây, chỉ chiếm 7%.

Nói cách khác, trong môi trường sản xuất, khi các doanh nghiệp Mỹ chạy mô hình mã nguồn mở, có đến 9 trong 10 lần, nền tảng đến từ Trung Quốc.

Nhưng điều thú vị hơn là mô hình Trung Quốc không chỉ là "sản phẩm thay thế rẻ tiền" nữa - nó đã bắt đầu "đi vào" sản phẩm của người khác.

Chỉ hôm qua, vào ngày 5 tháng 11, Thinking Machines Lab đã phát hành mô hình mới Inkling 2 Small. Công ty này không cần giới thiệu nhiều: Mira Murati, cựu CTO của OpenAI, đã rời đi để thành lập, đã huy động được 2 tỷ USD trong vòng gọi vốn hạt giống, và vòng gần đây nhất có định giá là 40 tỷ USD, một trong những phòng thí nghiệm ngôi sao có giá trị nhất ở Silicon Valley.

Mô hình này cũng không kém cạnh: 5940 tỷ tham số tổng cộng, 170 tỷ MoE được kích hoạt, chỉ số thông minh Artificial Analysis đạt 31 điểm.

Nhưng những điều này không phải là điểm chính. Điểm chính nằm ở một góc khuất trong blog kỹ thuật------

Khi quá trình tiền huấn luyện đi vào giai đoạn sau, dữ liệu được cung cấp cho mô hình phần lớn không phải là lấy từ internet, mà là cho một số mô hình trước đó chạy một lượt để tạo ra. Mô hình đầu tiên được chỉ định là Kimi K3 của Mặt Trăng Tối.

Đây gọi là gì? Đây gọi là Kimi đã trở thành giáo viên cho các phòng thí nghiệm ngôi sao ở Silicon Valley.

Điều kiện để trở thành giáo viên là: câu trả lời bạn viết ra, người khác sẵn sàng sao chép. Một năm trước, vai trò này chủ yếu thuộc về GPT và Claude.

Trở thành giáo viên chỉ là một cách sử dụng. Kimi K3 còn đang làm nền tảng cho các công ty Mỹ.

Vào tháng 8 năm nay, unicorn AI pháp lý Harvey - định giá trên 10 tỷ USD, OpenAI vẫn là cổ đông của nó, đã phát hành mô hình đầu tiên của mình Tenet.

Nền tảng là ai? Không phải GPT của cổ đông OpenAI, mà là Kimi K3.

Harvey chỉ sử dụng khoảng 150 chiếc NVIDIA B300, mất hai tháng để thực hiện nhiệm vụ pháp lý trên Kimi K3.

Kết quả, Tenet hoàn thành số lượng nhiệm vụ gần như gấp đôi trên tiêu chuẩn Agent pháp lý của mình, trong nhiều nhiệm vụ pháp lý phức tạp, đã có những màn đối đầu với các mô hình flagship của Anthropic, OpenAI, Google.

Thinking Machines, công ty tạo ra mô hình, coi nó là giáo viên, còn Harvey, công ty ứng dụng, coi nó là nền tảng. Từ phòng thí nghiệm đến tầng ứng dụng, Kimi đã chen chân vào.

Đối với những công ty này, việc mở quyền trọng số có nghĩa là họ có được một con dao có thể tự mài, chứ không chỉ là một con dao rẻ tiền.

Mô hình Trung Quốc do đó đã bước vào chuỗi sản xuất ứng dụng hàng đầu ở nước ngoài - từ việc được gọi đến, đến việc được coi là giáo viên, nền tảng.

Hơn nữa, xu hướng này còn đang gia tăng.

Mô hình Kimi K3.1 Pro vừa được phát hành vào ngày 23 tháng 10, Mặt Trăng Tối tự báo cáo điểm số Terminal-Bench 4.0 đạt 65.7%; ngay sau đó vào ngày 5 tháng 11, nó đã lên nền tảng Foundry của Microsoft------

Đây là mô hình mã nguồn mở đầu tiên áp dụng mô hình "chia sẻ doanh thu" trên đám mây của Microsoft. Nói đơn giản là: mỗi lần doanh nghiệp gọi Kimi trên Microsoft Azure, Mặt Trăng Tối đều nhận được phần chia.

Trước Microsoft, Kimi đã lên Amazon AWS. Microsoft và Amazon, hai đám mây lớn nhất thế giới, đã lần lượt cấp "giấy phép vào cửa" cho mô hình mã nguồn mở Trung Quốc.

Một cuốn sổ khác: Sử dụng gấp đôi, nhưng tiền không tăng theo

Mô hình mã nguồn mở Trung Quốc mạnh mẽ như vậy, liệu mô hình đóng có nên lo lắng không?

Câu chuyện không đơn giản như vậy.

Nếu chỉ nhìn vào lượng sử dụng, xu hướng mã nguồn mở thực sự mạnh mẽ: tỷ lệ token từ 11% tăng lên 19%, khối lượng xử lý hàng tháng tăng vọt 22.5 lần, đạt khoảng 29 triệu tỷ.

Nhưng tiền đâu? Tỷ lệ chi tiêu lại giảm từ 6% xuống 4%.

Lý do thật đau lòng: trong năm qua, phần lớn các chiến tuyến mã nguồn mở đều đang cạnh tranh cùng một vấn đề - tạo ra các mô hình "flash" nhỏ hơn, nhanh hơn và rẻ hơn, cố gắng chiến đấu giá cả.

Trong một năm, giá trung bình của token mã nguồn mở đã giảm 3.3 lần, hiện mỗi triệu token chỉ còn 0.13 USD; trong khi mô hình đóng trung bình 0.70 USD, đắt gấp năm lần.

Kết quả của cuộc chiến giá cả là: công việc đã tăng gấp đôi, nhưng tiền thu lại lại giảm - toàn bộ tăng trưởng đã bị giảm giá nuốt chửng.

Các mô hình Flash mã nguồn mở đã thắng trong việc quảng cáo, nhưng các mô hình flagship đã thắng trong việc thu hút tiền.

Ngân sách của doanh nghiệp không phân biệt mã nguồn mở hay đóng, chỉ phân biệt ai có thể làm việc. Chỉ có điều trong chiến tuyến mã nguồn mở, những ứng viên đủ tiêu chuẩn flagship chỉ đếm trên đầu ngón tay.

Đây là phát hiện trái ngược nhất trong toàn bộ báo cáo: tỷ lệ chi tiêu cho các mô hình flagship tiên tiến đã tăng từ 35% lên 63%, tỷ lệ token từ 18% đã tăng gấp đôi lên 42%.

Lựa chọn chủ đạo của doanh nghiệp năm ngoái là Claude Sonnet 4.5 (3 USD cho mỗi triệu token đầu vào) và GPT-5 (1.25 USD); năm nay đã chuyển sang Claude Opus 5.5 (4 USD) và GPT-6 Astra (10 USD). Giá đã tăng gấp nhiều lần, người dùng không chỉ không bỏ đi, mà còn đổ xô đến.

Tiền đã chảy vào tay ai? Anthropic từ 40% tăng lên 55%, OpenAI từ 27% tăng lên 31%, hai công ty này đã chiếm 86% chi tiêu API LLM doanh nghiệp. Google từ 21% giảm xuống 9%, đã tụt lại phía sau.

Trong khi đó, Kimi K3, DeepSeek V4, GLM-5.3, những ứng viên đã gần đạt tiêu chuẩn flagship, tổng cộng chưa đến 5%. Năng lực đã có, nhưng doanh nghiệp vẫn chưa dám giao phó những thứ quan trọng.

Tồi tệ nhất là lớp ở giữa: các mô hình đóng nhỏ đã giảm giá hơn 80%, nhưng tỷ lệ token vẫn giảm từ 29% xuống 13%. Phía trên bị các flagship lấy đi các nhiệm vụ phức tạp, phía dưới bị mã nguồn mở lấy đi các công việc đơn giản, bị ép giữa hai đầu, không ai đứng về phía mình.

Vậy tại sao doanh nghiệp lại sẵn sàng chi nhiều tiền hơn?

Bạn hãy tưởng tượng: để AI sửa một sự cố trực tuyến, đọc mã, kiểm tra nhật ký, xác định vấn đề, sửa tệp, chạy thử nghiệm. Mô hình rẻ tiền mỗi khi đi được vài bước lại lệch hướng, bạn phải giải thích, kiểm tra, làm lại nhiều lần, cuối cùng vẫn phải tự làm. Hóa đơn token có thể tiết kiệm, nhưng cả buổi chiều của kỹ sư đã bị tiêu tốn.

Vì vậy, cuốn sổ tính toán trong lòng doanh nghiệp không phải là mỗi triệu token tốn bao nhiêu tiền, mà là tổng cộng tốn bao nhiêu để hoàn thành công việc từ đầu đến cuối. Chi phí gọi mô hình chỉ là một phần nhỏ, người phải theo dõi, chờ đợi, sửa chữa mới là nơi thực sự tiêu tốn tiền.

Rẻ thì tốt, nhưng phải có một điều kiện - công việc thực sự có thể hoàn thành.

Nhưng nói đi cũng phải nói lại, mã nguồn mở không thể làm những công việc lớn?

Vẫn lấy Kimi K3.1 Pro làm ví dụ, kiến trúc MoE với 2.8 nghìn tỷ tham số, hỗ trợ ngữ cảnh 1 triệu token, Terminal-Bench 4.0 đạt 65.7%, vượt qua GPT-6 Astra.

Trên tiêu chuẩn nghiên cứu tài chính OfficeQA Pro v2 đạt 64.4 điểm, đứng đầu thế giới. Tỷ lệ lỗi ảo giác đã giảm từ 23.4% của thế hệ trước xuống còn 6.85%.

Đây không còn là mức "có thể sử dụng tạm thời", mà là mức có thể cạnh tranh với các flagship đóng.

Điểm yếu của mã nguồn mở không bao giờ là trí thông minh, mà là mức độ tin tưởng của doanh nghiệp đối với nó - tuân thủ, dịch vụ hậu mãi, lộ trình dài hạn, những "điểm số ngoài phòng thi" này mới là rào cản cuối cùng.

Nói tóm lại, sự sụt giảm mạnh của thị trường chứng khoán Mỹ hôm nay và dữ liệu trong báo cáo này đang nói về hai mặt của cùng một vấn đề.

Phố Wall đang chú ý đến phía cung: chi tiêu vốn khổng lồ, phê duyệt trung tâm dữ liệu, chi phí điện, tất cả đều là những thanh kiếm treo lơ lửng trên đầu.

Trong khi đó, báo cáo của Menlo Ventures lại chú ý đến phía cầu: mỗi 1 USD chi cho việc huấn luyện mô hình, doanh nghiệp lại chi 1.70 USD để sử dụng nó - nhu cầu từ phía hạ nguồn đang bảo đảm cho đầu tư từ phía thượng nguồn.

Phố Wall đầu năm đã từng hoảng sợ về việc "AI ăn thịt SaaS". Kết quả báo cáo cho thấy: 55% chi tiêu mới cho AI đến từ ngân sách hoàn toàn mới, chỉ có 9% được chuyển từ ngân sách phần mềm truyền thống sang các nhà cung cấp gốc AI.

AI đang làm lớn chiếc bánh, không phải đang cướp bánh.

Người viết báo cáo này là Menlo Ventures, đối tác của họ Tim Tully đã nói một câu thật thà:

Phố Wall hàng ngày hỏi liệu AI có thể thu hồi vốn hay không, nhưng những gì chúng tôi thấy là, các doanh nghiệp không ai rút tay lại, mà ngược lại đang tìm cách để AI làm nhiều việc hơn.

"Chúng ta có thể vẫn đang đánh giá thấp thị trường này."

Giá cổ phiếu sẽ giảm, hóa đơn sẽ không nói dối

Cuối cùng nhìn lại ba nhóm tương phản được ẩn chứa trong báo cáo này:

Flagship vs Mã nguồn mở. Mô hình flagship chiếm 69% chi tiêu triển khai, lợi thế tiên phong của các phòng thí nghiệm tiên tiến đã được khuếch đại trong thời đại Agent.

Nhưng báo cáo cũng nói một câu có ý nghĩa sâu sắc------ "Sự khan hiếm của khả năng sẽ không kéo dài quá lâu".

Mỗi khi mã nguồn mở theo kịp flagship trong một loại nhiệm vụ nào đó, mức giá cao trước đây sẽ phải được kiểm tra lại.

Flagship đóng kín không có quyền mức giá vĩnh viễn.

Khối lượng vs Doanh thu. Mã nguồn mở của Trung Quốc đã chứng minh khả năng của mình với 89% thị phần, nhưng giữa 19% khối lượng token và 4% chi tiêu, có một bài kiểm tra thương mại.

Có thể được gọi sử dụng nhiều là một vấn đề, có thể ổn định đảm nhận nhiệm vụ phức tạp, khiến khách hàng tiếp tục trả tiền, là một vấn đề tiếp theo.

Các trường hợp của Harvey và Thinking Machines đưa ra một con đường------ không dựa vào giá rẻ, mà dựa vào việc trở thành thầy của người khác, nền tảng của người khác; mô hình chia sẻ của Microsoft và AWS đưa ra một con đường khác------ hợp tác với các ông lớn đám mây, gọi một lần, chia sẻ một lần.

Giá cổ phiếu vs Hóa đơn. Sự tương phản giữa Phố Wall và doanh nghiệp, thực ra không mâu thuẫn đến vậy.

Giá cổ phiếu tính toán dự đoán, hóa đơn ghi lại thực tế. Một ngày bốc hơi 28 nghìn tỷ là dự đoán đang điều chỉnh, một năm tăng 5.4 lần là thực tế đang tăng tốc. Cả hai đều có thể đồng thời đúng.

Nhưng nhìn xa hơn, báo cáo này có thể không chỉ tiết lộ một chu kỳ kinh tế------ mà là một sự phân phối lại quyền lực trong ngành.

Ba năm trước, AI chỉ là đồ chơi trong phòng thí nghiệm; ba năm sau, doanh nghiệp chi 177 tỷ USD mỗi năm để làm việc với AI, số tiền này đã tương đương với một phần ba doanh thu toàn bộ đám mây công cộng.

Lực lượng làm việc cũng đã thay đổi, 80% token là do Agent tự tiêu thụ.

Mô hình của ai có thể hoạt động, ai sẽ huấn luyện mô hình, ai sẽ giúp bạn chạy mô hình, toàn bộ chuỗi phân công đang được sức mạnh mã nguồn mở của Trung Quốc viết lại.