GitHub Copilot đổi phí, tiết lộ "lời nói dối lớn nhất" của ngành AI

Bản gốc tiêu đề: Kinh tế của AI Không Hợp lý

Tác giả bản gốc: Ed Zitron, Where's Your Ed At
Dịch bản gốc: Deep潮 TechFlow

Deep潮 giới thiệu: Microsoft cuối cùng cũng không chịu nổi nữa, GitHub Copilot từ chế độ tính phí theo tháng chuyển sang tính theo token. Đây không phải là nâng cấp sản phẩm, mà là sự phá sản tập thể của toàn bộ ngành AI vì chiết khấu trợ cấp—OpenAI, Anthropic dùng phí tháng để che giấu chi phí thực, khiến người dùng tiêu 1 đô la thì đốt cháy 8-13 đô la công suất tính toán, huấn luyện ra một thế hệ thói quen sử dụng hoàn toàn không thể duy trì. Khi giá trở về thực tế, bạn sẽ nhận ra những "công cụ AI mang tính cách mạng" đó có thể chỉ là đồ chơi đắt tiền.

Tôi vừa viết một bài về cách OpenAI hạ bệ Oracle, hôm nay bài này dùng một số tài liệu trong đó.

Đây là một trong những bài viết hay nhất tôi từng viết, tôi rất tự hào.

Bản trả phí đăng ký vừa đáng giá, vừa giúp tôi có thể hàng tuần viết ra những bài nghiên cứu sâu sắc, miễn phí này.

Hôm qua sáng, người dùng GitHub Copilot đã nhận được xác nhận thông báo tôi đã đưa tin cách đây một tuần—tất cả các kế hoạch của GitHub Copilot sẽ chuyển sang tính theo sử dụng từ ngày 1 tháng 6 năm 2026.

Microsoft không còn cung cấp cho người dùng số lượng "lần yêu cầu" cố định nữa, mà dựa vào chi phí mô hình thực tế mà người dùng sử dụng, Microsoft gọi đó là "……bước quan trọng hướng tới một dịch vụ Copilot bền vững, đáng tin cậy và trải nghiệm cho tất cả người dùng." Giờ đây, người dùng có thể dùng bao nhiêu tùy thuộc vào số token họ có thể mua trong gói đăng ký (ví dụ, gói 19 đô la mỗi tháng có thể dùng token trị giá 19 đô la).

Dịch: Chúng ta không thể tiếp tục trợ cấp cho người dùng GitHub Copilot nữa, nếu không Amy Hood (Giám đốc tài chính Microsoft) sẽ bắt đầu dùng gậy bóng chày đánh người.

Thông báo này tự nó đã là một phần giới thiệu thú vị, thể hiện cách những thay đổi về giá này sẽ được đóng gói:

Copilot đã không còn là sản phẩm của một năm trước nữa. Nó đã tiến hóa từ một trợ lý trong trình chỉnh sửa thành một nền tảng trí tuệ nhân tạo có thể chạy các phiên mã dài hạn, nhiều bước, sử dụng mô hình mới nhất, lặp lại trong toàn bộ kho mã. Việc sử dụng trí tuệ nhân tạo đang trở thành chế độ mặc định, điều này kéo theo nhu cầu tính toán và suy luận cao hơn rõ rệt.

Bây giờ, một câu hỏi trò chuyện nhanh và một phiên mã tự chủ kéo dài vài giờ, người dùng có thể trả tiền như nhau. GitHub đã liên tục gánh chịu chi phí suy luận ngày càng tăng đằng sau việc sử dụng này, nhưng hiện tại các chế độ cao cấp dựa trên số lần yêu cầu đã không còn khả thi nữa. Tính phí theo sử dụng giúp giải quyết vấn đề này. Nó tốt hơn trong việc căn chỉnh giá cả với thực tế sử dụng, giúp duy trì độ tin cậy dịch vụ lâu dài và giảm bớt hạn chế đối với người dùng nặng.

Bạn thấy đấy, không phải Microsoft trợ cấp cho gần hai triệu người dùng về sức mạnh tính toán, mà là AI trở nên quá mạnh mẽ, phức tạp, gần như đã trở thành một sản phẩm khác!

Dù Copilot có thể "không còn là sản phẩm của một năm trước", nhưng sự lệch lạc về kinh tế nền vẫn gần như không đổi: Microsoft đã cho phép người dùng tiêu quá mức token mỗi tháng trong ba năm qua. Theo báo cáo của Wall Street Journal tháng 10 năm 2023:

Người dùng cá nhân trả 10 đô la mỗi tháng để dùng trợ lý AI này. Theo một nguồn tin thân cận, trong vài tháng đầu năm, trung bình mỗi người dùng thua lỗ hơn 20 đô la mỗi tháng, có người tiêu tới 80 đô la mỗi tháng.

Tất nhiên, người dùng GitHub Copilot hiện đã phản kháng, nói sản phẩm "chết rồi", "hoàn toàn hỏng rồi".

Hai năm trước, tôi đã dự đoán ngày này trong bài "Khủng hoảng AI dưới dạng trái phiếu":

Ngày đó cuối cùng cũng đã đến, vì mỗi dịch vụ AI bạn dùng đều đang trợ cấp cho sức mạnh tính toán, mỗi dịch vụ đều lỗ:

Khi bạn trả tiền cho dịch vụ của các công ty khởi nghiệp AI—tất nhiên bao gồm OpenAI và Anthropic—bạn đang trả phí tháng, ví dụ như Claude của Anthropic 20, 100 hoặc 200 đô la mỗi tháng, Perplexity 20 hoặc 200 đô la, hoặc đăng ký của OpenAI 8, 20 hoặc 200 đô la mỗi tháng.

Trong một số tình huống doanh nghiệp, bạn sẽ có "hạn mức" cho một số công việc, ví dụ Lovable trong gói 25 đô la mỗi tháng cung cấp cho người dùng "hạn mức 100 tháng", cộng thêm 25 đô la cho dịch vụ đám mây (đến cuối quý I năm 2026), hạn mức này có thể tích lũy qua các tháng.

Khi bạn sử dụng các dịch vụ này, các công ty liên quan sẽ trả phí cho phòng thí nghiệm AI dựa trên mỗi triệu token, hoặc (đối với Anthropic và OpenAI) trả phí thuê GPU để chạy mô hình qua nhà cung cấp đám mây. Một token cơ bản tương đương khoảng 3/4 từ.

Là người dùng, bạn không cảm nhận được lượng token tiêu thụ, chỉ thấy quá trình nhập và xuất dữ liệu. Các phòng thí nghiệm AI dùng "tokens", "tin nhắn" hoặc giới hạn tốc độ theo phần trăm trong 5 giờ để che giấu chi phí dịch vụ, còn bạn thì không thực sự biết chi phí này là bao nhiêu.

Phía sau, các công ty khởi nghiệp AI đang đốt tiền điên cuồng, đến mức Anthropic còn cho phép bạn tiêu tới 8 đô la công suất tính toán cho mỗi đô la phí đăng ký. OpenAI cũng cho phép làm vậy, dù rất khó đo lường chính xác.

Các công ty khởi nghiệp AI và các ông lớn đám mây nghĩ rằng họ có thể dùng trợ cấp, lỗ để thu hút đủ người, khiến người dùng nghiện đến mức khi doanh nghiệp nâng giá cũng không đổi. Tôi nghĩ họ còn tin rằng chi phí token sẽ giảm theo thời gian, nhưng thực tế lại là—dù một số mô hình giá đã giảm, các mô hình "suy luận" mới tiêu tốn nhiều token hơn, nghĩa là chi phí suy luận dường như không giảm theo thời gian.

Cả hai giả định đều sai, vì chế độ đăng ký tháng không phù hợp với bất kỳ dịch vụ nào kết nối mô hình ngôn ngữ lớn.

Kinh tế cốt lõi của AI dạng tạo sinh đã sụp đổ

Hãy nghĩ xem. Khi Uber (không, điều này hoàn toàn khác Uber) bắt đầu tăng giá đi chăng nữa, thì logic nền tảng không đổi, và cách nó hiển thị cho hành khách và tài xế cũng không đổi—người dùng trả tiền cho một chuyến đi, tài xế nhận phí cho một chuyến.

Tài xế vẫn phải trả tiền xăng, bảo hiểm xe, giấy phép theo yêu cầu của chính quyền địa phương, và các khoản vay mua xe, những chi phí này không do Uber trợ cấp. Lỗ lớn của Uber đến từ trợ cấp, chi phí marketing không ngừng, và các nỗ lực phát triển xe tự lái không thành công.

Chế độ đăng ký AI dạng tạo sinh hoàn toàn khác Uber

Để minh họa quy mô sai lệch trong định giá AI, tôi muốn bạn tưởng tượng một lịch sử song song của Uber với mô hình kinh doanh hoàn toàn khác biệt.

Chế độ đăng ký AI dạng tạo sinh giống như nếu Uber mỗi tháng thu 20 đô la cho phép bạn đi 100 chuyến xe dưới 100 dặm, xăng 150 đô la một gallon, và Uber trả tiền xăng, vì có người tin rằng dầu sẽ một ngày nào đó rẻ đến mức không đáng tính.

Uber cuối cùng sẽ quyết định bắt đầu thu phí hàng tháng để có quyền đi xe, rồi tính phí dựa trên lượng xăng tiêu thụ của người dùng. Đột nhiên, người dùng từ trả 20 đô la mỗi tháng để đi 100 chuyến, chuyển sang trả 20 đô la để có quyền đi xe cộng thêm 26 đô la tiền xăng cho chuyến đi 10 dặm.

Nghe có vẻ phóng đại, nhưng thực tế chính là ẩn dụ khá chính xác về những gì ngành AI dạng tạo sinh đang diễn ra, đặc biệt là với GitHub Copilot.

Trước đây, giá của GitHub Copilot cho phép 300 yêu cầu cao cấp mỗi tháng, và sử dụng mô hình GPT-5 mini cho các "yêu cầu trò chuyện không giới hạn".

Mỗi yêu cầu (theo Microsoft) là "……bất kỳ tương tác nào yêu cầu Copilot làm gì đó cho bạn", trong các hệ thống dựa trên yêu cầu, các mô hình đắt hơn sẽ chiếm dụng nhiều yêu cầu hơn, ví dụ Claude Opus 4.6 chiếm 3 lần yêu cầu cao cấp. Khi bạn dùng hết yêu cầu cao cấp, Copilot sẽ cho phép bạn tự do dùng các mô hình rẻ hơn trong phần còn lại của tháng.

Tình hình cũng không luôn như vậy. Đến tháng 5 năm 2025, Microsoft vẫn cung cấp cho người dùng quyền sử dụng không giới hạn mô hình, dù vậy người dùng vẫn tức giận vì có giới hạn.

Microsoft—giống như mọi công ty AI khác—đã lừa khách hàng bằng cách bán dịch vụ không bền vững, vì dịch vụ dựa trên thuê bao hàng tháng cho các LLM chưa bao giờ là khả thi.

Nếu bạn muốn biết dịch vụ tính phí theo token có thể tiêu tốn bao nhiêu tiền, một người dùng trong phần phụ của GitHub Copilot phát hiện rằng, trung bình, một yêu cầu cao cấp tiêu tốn khoảng 11 đô la token, vì một "yêu cầu" liên quan đến việc sử dụng 60.000 token trong cửa sổ ngữ cảnh, một số công cụ, và hàng loạt "vòng" nội bộ (những gì mô hình đang làm) để tạo ra đầu ra.

Còn về độ không đáng tin cậy của các mô hình ngôn ngữ lớn dễ gây ảo giác. Dù một yêu cầu cao cấp bị rơi vào vòng lặp vô hạn và sinh ra mã nửa chừng, có thể gây thất vọng, nhưng khi bạn trả tiền, cùng lỗi đó lại dễ gây bực mình hơn.

Người dùng cũng đã được huấn luyện sử dụng sản phẩm theo cách hoàn toàn khác so với tính phí theo token, tôi nghĩ nhiều người thậm chí còn không nhận thức rõ họ đã tiêu bao nhiêu "tokens", hoặc một nhiệm vụ cụ thể cần bao nhiêu, điều này còn tùy thuộc vào mô hình bạn dùng.

Điều này hoàn toàn khác Uber, bất kỳ ai nói ngược lại đều đang cố biện hộ cho hành vi xấu. Uber có thể tăng giá, nhưng không cần phải thay đổi logic nền tảng của nền tảng, và người dùng cũng không cần thay đổi cách họ dùng sản phẩm, vì Uber đột nhiên bắt đầu tính theo mỗi gallon.

Chế độ đăng ký hàng tháng của AI là một phần của trò lừa trợ cấp AI, là cố ý tách biệt AI dạng tạo sinh khỏi chi phí thực tế của nó

Chưa từng—và sẽ không bao giờ có—một cách kinh tế khả thi để cung cấp dịch vụ dựa trên LLM, trừ khi tính phí dựa trên lượng token thực tế của từng người dùng, và trong quá trình lừa dối này, các công ty đã tạo ra những sản phẩm mang lợi ích ảo và khả năng sinh lời đáng ngờ.

Điều này đã rõ ràng từ lâu.

Xét về kinh tế học, chỉ khi chi phí tương đối ổn định thì mới hợp lý với mô hình đăng ký hàng tháng. Các phòng tập có thể bán thẻ thành viên vì họ biết rõ hao mòn thiết bị, chi phí vận hành lớp học, điện, nhân viên và nước trong một khoảng thời gian nhất định.

Khách hàng của Google Workspace—ít nhất trước AI—chỉ trả phí truy cập hoặc lưu trữ tài liệu, cùng chi phí duy trì các dịch vụ như Google Docs. Chi phí lưu trữ số thấp hơn nhiều (và khác với LLM, Google Workspace không đòi hỏi nhiều về tính toán), nghĩa là người dùng Google Drive nặng không làm giảm lợi nhuận của gói đăng ký hàng tháng của họ.

Tuy nhiên, các dịch vụ này cố tình che giấu số token hoặc chi phí của một hoạt động cụ thể, khiến người dùng không thực sự biết tốc độ giới hạn nghĩa là gì, và mỗi thay đổi đột ngột về tốc độ này khiến khách hàng cố gắng hiểu rõ họ có thể làm được bao nhiêu công việc thực tế.

Đây là một cách kinh doanh độc hại, thao túng và lừa đảo, chỉ nhằm mục đích giúp Anthropic, OpenAI và các công ty AI khác mở rộng quy mô người dùng, vì phần lớn người dùng AI chỉ nhìn nhận lợi ích thực hoặc tưởng tượng của họ qua lăng kính tiêu 1 đô la phí đăng ký mà đốt cháy 8-13,5 đô la token.

Mục tiêu duy nhất của hành vi lừa đảo này là đảm bảo phần lớn mọi người sẽ không bao giờ tiếp xúc với chi phí thực của AI dạng tạo sinh.

Khi tạp chí The Atlantic viết bài về Claude của Anthropic như là "Khoảnh khắc ChatGPT" của họ, dựa trên phí đăng ký 20 đô la mỗi tháng chứ không phải dựa trên lượng token thực tế tiêu thụ, điều này khiến tác giả dễ dàng bỏ qua những "lỗi nhỏ" của mô hình, hoặc khi nó "bị kẹt trong các nhiệm vụ lập trình phức tạp hơn".

Nếu tác giả phải trả tiền cho lượng token thực của mình, và mỗi lần bị kẹt gây tốn 15 đô la token, tôi nghĩ cô ấy sẽ không dễ dàng tha thứ lỗi lầm như vậy.

Nhưng tất cả đều là một phần của trò lừa này.

Rất, rất quan trọng, các phương tiện truyền thông chính thống viết về AI thực ra không hiểu rõ chi phí của các dịch vụ này là bao nhiêu, và bất kỳ bài viết nào về ChatGPT hay Claude Code đều do những người gần như không biết mỗi nhiệm vụ riêng lẻ có thể khiến người dùng tiêu bao nhiêu tiền viết ra.

Nhớ rằng: hầu hết các dịch vụ AI dạng tạo sinh đều là sản phẩm thử nghiệm, chức năng không giống bất kỳ phần mềm hoặc phần cứng hiện đại nào khác. Người ta không thể chỉ đơn giản đi đến ChatGPT hay Claude và yêu cầu nó làm việc.

Ý tôi là, bạn có thể, nhưng nếu bạn đưa ra prompt sai, không hiểu cách nó hoạt động, hoặc mắc lỗi trong dữ liệu bạn cung cấp, hoặc nếu nó chính là nguyên nhân gây lỗi, thì nó sẽ sinh ra thứ bạn không thích, và điều này lại có nghĩa là bạn phải nhắc lại nó. Mô hình ngôn ngữ lớn về bản chất là không thể dự đoán trước.

Bạn không thể đảm bảo LLM sẽ thực hiện một hành động cụ thể, hoặc nó sẽ đưa ra kết quả dựa trên thực tế. Bạn không thể chắc chắn một nhiệm vụ cụ thể—dù là bạn đã làm nhiều lần trước đó—có thể tiêu tốn bao nhiêu tiền, hoặc mô hình có thể phát điên xóa thứ gì đó, hoặc thậm chí không làm gì mà lại tuyên bố đã làm.

Nếu người dùng phải trả phí theo thực tế, tôi nghĩ nhiều người sẽ bỏ cuộc ngay lập tức, vì nếu bạn thử nghiệm lung tung để xem LLM có thể làm gì, rất dễ tiêu tốn 5 đô la token.

Chú thích: Thực tế, bạn có thể tiêu tốn rất nhiều tiền mà chưa bao giờ nhận được kết quả như mong muốn, vì LLM hoàn toàn không phải là trí tuệ nhân tạo thực sự! Không ai hiểu rõ giới hạn của nó mà có thể dễ dàng tiêu 30, 50 hoặc 100 đô la, cố gắng bắt nó làm những việc nó khẳng định có thể.

Có một thuật ngữ mô tả điều này. Nịnh nọt. LLM thường được thiết kế để xác nhận người dùng, ngay cả khi họ đang nói những điều điên rồ, điều này có thể mở rộng thành "Bạn có muốn làm những điều hoàn toàn không khả thi về mặt kỹ thuật hoặc kinh tế không?" Tất nhiên rồi! Đó là lý do ngành công nghiệp này cố gắng che giấu các chi phí đó—đây chính là trò lừa bịp!

Tôi nghĩ rằng phần lớn các dịch vụ đăng ký AI chuyển sang tính phí theo token là điều không thể tránh khỏi, đặc biệt là khi Anthropic và OpenAI đã làm như vậy với khách hàng doanh nghiệp.

Các công ty bình thường có thể chịu nổi chuyển sang tính phí theo token không? Anthropic ước tính người dùng mỗi ngày tiêu khoảng 13-30 đô la cho Claude Code (hơn 7.000 đô la mỗi năm), các tổ chức lớn tiêu hàng trăm nghìn hoặc hàng triệu đô la mỗi năm

Như tôi đã thảo luận tuần trước, CTO của Uber nói trong một cuộc họp rằng họ đã tiêu hết toàn bộ ngân sách AI năm 2026 trong vài tháng, Goldman Sachs khuyên các công ty có thể chi tới 10% lương nhân viên cho token AI, và có khả năng trong vài quý tới sẽ tăng lên 100%.

Điều này là kết quả trực tiếp của việc huấn luyện để mỗi AI càng nhiều người dùng càng tốt, đồng thời che giấu chi phí thực của nó. Mỗi công ty lớn yêu cầu mọi nhân viên "dùng AI càng nhiều càng tốt" đều làm như vậy mà gần như bỏ qua hoặc hoàn toàn không tính đến lượng token thực tiêu thụ, và khi công ty bắt đầu phải trả chi phí thực, tôi không rõ làm thế nào bạn có thể chứng minh đầu tư vào công nghệ này là hợp lý về mặt kinh tế.

Dĩ nhiên, bạn sẽ nói rằng các kỹ sư "giao mã nhanh hơn" hoặc những thứ tương tự, tôi hiểu. Nhưng nhanh đến mức nào? Bạn đã tiết kiệm được bao nhiêu tiền? Nếu bỏ ra 10% chi phí nhân lực để mua token AI, khoản chi này có bù đắp được từ lợi ích mang lại không?

Tôi không chắc. Tôi không chắc bất kỳ doanh nghiệp nào đầu tư lớn vào token AI đều thấy được lợi nhuận, và đó là lý do tại sao các nghiên cứu về ROI của AI đều không có nhiều bằng chứng rõ ràng.

Trong hầu hết các trường hợp, những người ca ngợi khả năng của AI dạng tạo sinh đều đang trải nghiệm nó mà không phải trả chi phí thực, hoặc ít nhất là không rõ ràng.

Mỗi kẻ điên trên Twitter không ngừng viết về việc cả nhóm kỹ thuật của họ dùng Claude Code như điên, toàn bộ đều dùng gói Teams 125 đô la mỗi tháng, giới hạn sử dụng và gói 100 đô la của Anthropic dành cho người tiêu dùng gần như tương tự. Mỗi kẻ khoe trên LinkedIn rằng họ dùng Perplexity "vài phút hoàn thành hàng giờ công việc" cũng chỉ tốn tối đa 200 đô la mỗi tháng cho gói Max của Perplexity.

Thực tế, gói Teams 10 người, 1250 đô la mỗi tháng, có thể tiêu tốn từ 5000 đến 10000 đô la mỗi tháng cho API, thậm chí hơn thế nữa.

Giám đốc tăng trưởng của Anthropic, Amol Avasare, tuần trước nói rằng gói Max của họ dành cho dùng chat nặng, không phải cho những việc như dùng Claude Code hay Cowork, và rõ ràng đang xem xét "các lựa chọn khác để duy trì trải nghiệm chất lượng", nghĩa là "chúng tôi sẽ điều chỉnh giá vào một lúc nào đó".

Tôi không chắc mọi người có nhận thức được token đắt thế nào, đặc biệt là với các dự án mã lớn, thường xuyên gọi API để lập trình và vận hành hạ tầng. Một người dùng trả 200 đô la mỗi tháng có thể chịu nổi 350, 400 hoặc 500 đô la không? Họ có thể chấp nhận chi tiêu vượt quá mức đó trong tháng không? Nếu vượt ngân sách, phải làm sao? Hoặc họ thực sự không đủ khả năng chi trả để hoàn thành công việc?

Cho bạn một ví dụ thực tế hơn, đến đầu tháng 4, tài liệu phát triển của Claude Code của Anthropic (bản lưu trữ) còn ghi rằng "[Chi phí trung bình của người dùng Claude Code] là 6 đô la mỗi ngày cho mỗi nhà phát triển, 90% người dùng có chi phí dưới 12 đô la mỗi ngày." Đến tuần này, tài liệu đã viết:

Claude Code tính phí dựa trên token API. Các gói đăng ký (Pro, Max, Team, Enterprise) xem tại claude.com/pricing. Chi phí của mỗi nhà phát triển khác nhau nhiều tùy theo mô hình chọn, kích thước mã nguồn, cách sử dụng (chạy nhiều phiên hoặc tự động hóa). Trong doanh nghiệp, trung bình mỗi nhà phát triển tiêu khoảng 13 đô la mỗi ngày hoạt động, khoảng 150-250 đô la mỗi tháng, 90% người dùng chi dưới 30 đô la mỗi ngày hoạt động.

Để ước lượng chi phí cho nhóm của bạn, bắt đầu từ một nhóm thử nghiệm nhỏ, dùng công cụ theo dõi này để thiết lập chuẩn, rồi mở rộng dần.

Giả sử trung bình 21 ngày làm việc mỗi tháng, chi phí trung bình của người dùng Claude Code khoảng 273 đô la mỗi tháng, hoặc 3276 đô la mỗi năm. Nếu tính theo ngày làm việc, 30 đô la/ngày, thì mỗi tháng là 630 đô la, mỗi năm 7560 đô la.

Những con số này thật đáng kinh ngạc, và còn đáng sợ hơn khi bạn dùng các mô hình mới của Anthropic, bạn không thể chỉ tiêu 30 đô la mỗi tháng. Chi phí của Claude Opus 4.7 là 5 đô la mỗi triệu token đầu vào, 25 đô la mỗi triệu token đầu ra. Một triệu token tương đương khoảng 50.000 dòng mã, và nếu bạn dùng mô hình "tiên tiến" nhất, chắc chắn sẽ chạy hết một triệu token, còn nếu không rõ mô hình nào phù hợp cho nhiệm vụ cụ thể, con số này sẽ tăng vọt.

Chúng ta thử chơi với con số 30 đô la này xem sao.

Với nhóm 10 nhà phát triển, một năm sẽ là 75.600 đô la, chỉ tính ngày làm việc.

Nếu trong 3 tháng, trung bình mỗi ngày tiêu 50 đô la, thì tổng là 88.200 đô la.

Nếu thêm một tháng nữa tiêu hơn 100 đô la mỗi ngày, thì một năm sẽ là 102.900 đô la.

Nếu mỗi ngày tiêu 300 đô la, 10 người sẽ tốn 756.000 đô la một năm.

Dù trong các startup có nguồn vốn dồi dào hoặc các công ty như Meta có dự phòng, thì bất kỳ doanh nghiệp nào thực sự quan tâm đến chi phí đều khó có thể chứng minh việc chi hàng chục hoặc hàng trăm nghìn đô la cho dịch vụ "tăng năng suất" là hợp lý, trong khi lợi ích của nó dường như không thể đo lường.

Hiện tại, tôi nghĩ các công ty lớn chia thành ba loại:

Các tổ chức lớn như Spotify hoặc Uber, có các CEO mê AI, cho phép ngân sách không giới hạn. Tôi cũng nghĩ các startup lớn có nguồn vốn dồi dào cũng nằm trong nhóm này.

Các công ty nhỏ dùng gói "Teams" trợ cấp.

Các người dùng cá nhân trả phí hàng tháng để truy cập Claude hoặc các dịch vụ AI khác.

Các tổ chức lớn vẫn có thể nói rằng họ đang tiêu hàng triệu đô la AI token cho các kỹ sư, với lý do "những kỹ sư xuất sắc nhất" không viết mã gì cả—một lợi ích đáng ngờ.

Chỉ cần một cuộc họp báo tài chính tồi tệ là có thể thay đổi câu chuyện này. Một ngày nào đó, các nhà đầu tư—ngay cả những kẻ luôn phô trương bong bóng AI—sẽ bắt đầu đặt câu hỏi về chi phí R&D ngày càng tăng (thường ẩn trong chi phí token AI), khi doanh thu không theo kịp.

Điều này có thể dẫn đến nhiều đợt sa thải để kiểm soát chi phí, như Meta, rồi cuối cùng, khi ai đó hỏi "Những thứ này có giúp chúng ta làm việc nhanh hơn, tốt hơn không?" thì sẽ co cụm lại.

Tôi cũng nghĩ trong vòng sáu tháng, các startup tiêu hơn 10% chi phí nhân lực cho token AI sẽ khó thuyết phục nhà đầu tư rằng đó là điều cần thiết.

Khi tất cả chuyển sang tính phí theo token, tôi không chắc còn nhiều lời đồn về khả năng của AI dạng tạo sinh nữa.

Kinh tế của trung tâm dữ liệu AI và sức mạnh tính toán là phi lý

Cách mọi người nói về trung tâm dữ liệu AI hoàn toàn xa thực tế, tôi nghĩ họ không nhận thức được mức độ điên rồ của thời đại này.

Chi phí xây dựng và vận hành trung tâm dữ liệu AI cao, doanh thu thực tế lại rất thấp

Theo Jerome Darling của TD Cowen, chi phí IT chính (GPU và phần cứng liên quan) khoảng 30 triệu đô la, chi phí mỗi MW trung tâm dữ liệu là 14 triệu đô la. Trung tâm dữ liệu có vẻ cần từ một đến ba năm để xây dựng, kể cả có điện.

Trong số 114GW trung tâm dự kiến xây đến cuối 2028, chỉ có 15,2GW đang thi công dưới mọi hình thức. "Thi công" có thể chỉ là đào móng. Điều đó không có nghĩa là—hoặc không nên nghĩa là—các công trình này sẽ sớm hoạt động.

Hãy bắt đầu đơn giản: cứ nghĩ "100MW" là 44 tỷ đô la, phần lớn dành cho GPU của NVIDIA.

Vì vậy, mỗi trung tâm dữ liệu AI ban đầu lỗ hàng triệu đô la, dù khấu hao theo 6 năm, cũng mất nhiều năm để hoàn vốn… và với chu kỳ nâng cấp hàng năm của NVIDIA, sau hợp đồng đầu tiên, những GPU này khó mà sinh lời.

Chưa rõ khách hàng của sức mạnh tính toán AI có nằm ngoài OpenAI và Anthropic không, hai công ty này chiếm khoảng 50% nhu cầu xây trung tâm dữ liệu AI, nếu họ không đủ tiền thanh toán, sẽ gây ra điểm yếu hệ thống lớn.

Dù sao, cũng chưa rõ các trung tâm này tính phí duy trì thế nào. Trong khi giá chợ có thể khoảng 4,50 đô la mỗi giờ cho GPU B200, giá hợp đồng dài hạn thường thấp hơn nhiều, một người sáng lập (theo The Information) nói rằng họ trả khoảng 3,70 đô la mỗi giờ cho mỗi GPU theo hợp đồng một năm.

Phải rõ ràng rằng, chúng ta cần phân biệt chi phí chợ—chi phí chạy GPU trên máy chủ của người khác—và chi phí thuê công suất hợp đồng, phần lớn chi phí vốn của trung tâm dữ liệu. Hầu hết các trung tâm xây dựng để có một hoặc hai khách lớn, có thể đàm phán giá rẻ hơn.

Vì vậy, nhiều trung tâm tính phí thấp hơn nhiều so với 3,70 đô la mỗi giờ, dựa trên giá theo MW hoặc kW.

Đây là nơi kinh tế bắt đầu sụp đổ.

Kinh tế sụp đổ của trung tâm dữ liệu 100MW—2,55 đô la mỗi giờ, lợi nhuận gộp 16% ở tỷ lệ lấp đầy 100%, do nợ nần không có lãi

Đây là chi phí ban đầu của trung tâm 100MW. Một trung tâm 100MW có thể chỉ có 85MW công suất tính phí thực tế, dựa trên các nguồn tin quen thuộc, họ ước tính doanh thu khoảng 12,5 triệu đô la mỗi MW mỗi năm, tổng doanh thu khoảng 1,063 tỷ đô la mỗi năm.

Giờ tôi cần rõ rằng, hầu hết các công ty trung tâm dữ liệu không tự xây, mà thuê các công ty như Applied Digital, còn gọi là "đối tác quản lý". Ví dụ, CoreWeave trả phí cho Applied Digital để dùng trung tâm của họ ở North Dakota. CoreWeave chịu trách nhiệm toàn bộ GPU và công nghệ trong trung tâm.

Để minh họa sự không phù hợp về kinh tế, tôi sẽ dùng một ví dụ giả thuyết: trung tâm dữ liệu cho thuê cho các công ty AI giả định.

GPU của trung tâm này có thể là chip Blackwell của NVIDIA. Có khả năng là trung tâm dùng các "pod" 8 GPU B200, giá bán lẻ khoảng 45 nghìn đô la mỗi cái, hoặc 56.250 đô la mỗi GPU. Với tải trọng IT chính 85MW, tổng vốn đầu tư cho mỗi MW khoảng 36,78 triệu đô la, tổng vốn IT khoảng 3,126 tỷ đô la, hoặc khoảng 2,67 tỷ đô la cho GPU.

Giả sử trung tâm này ở Ellendale, North Dakota, giá điện công nghiệp khoảng 6,31 cent mỗi kWh, tiền điện hàng năm khoảng 55,4 triệu đô la. Theo các nguồn tin, chi phí duy trì, nhân viên, thay thế nguồn điện, v.v… khoảng 12% doanh thu, tức khoảng 128 triệu đô la mỗi năm, đưa tổng chi phí lên khoảng 183,4 triệu đô la.

Chờ đã, xin lỗi. Bạn còn phải trả phí thuê dựa trên IT chính, theo Brightlio, khoảng 180-200 đô la mỗi kW mỗi tháng, tùy quy mô và vị trí, dù tôi từng đọc thấp hơn, khoảng 130 đô la, tôi lấy con số này, tức khoảng 133 triệu đô la mỗi năm. Tổng cộng là 316 triệu đô la.

Ừ, con số này vẫn thấp hơn 1,06 tỷ đô la, vậy là ổn chứ?

Sai rồi! Bạn có 3,126 tỷ đô la tài sản IT cần khấu hao, khấu hao 6 năm mỗi năm khoảng 521 triệu đô la. Đó là 837 triệu đô la mỗi năm, để lại lợi nhuận khoảng 168 triệu đô la mỗi năm, tỷ lệ lợi nhuận gộp khoảng 16,7%...

……nếu bạn duy trì 100% tỷ lệ lấp đầy! Bạn thấy đấy, trung tâm dữ liệu có thể mất một hoặc hai tháng để lắp đặt GPU và đưa khách vào, trong thời gian đó doanh thu bằng không, còn chi phí vẫn cứ tiếp tục, dù tỷ lệ phí thấp hơn nhiều (tôi mô hình hóa với 10% điện và 15% phí quản lý/vận hành), nghĩa là mỗi ngày bạn mất khoảng 3,27 triệu đô la.

Để ví dụ này, giả sử bạn cần thêm một tháng nữa để vận hành, nghĩa là bạn đã trả khoảng 102 triệu đô la, không lấy lại được, đưa tổng chi phí hàng năm (kể cả khấu hao) lên 939 triệu đô la, tỷ lệ lợi nhuận gộp khoảng 6,6%.

Chờ đã, bạn không vay nợ mua GPU chứ? Bạn có vay? Tệ thế nào? Ôi trời—bạn đã vay một khoản vay tài sản 6 năm, tỷ lệ vay là 80%, nghĩa là vay 2,8 tỷ đô la với lãi suất 6%.

Ngân hàng của bạn, trong sự rộng lượng vĩnh cửu, đã cho bạn vay—với kỳ hạn 12 tháng, chỉ trả lãi… khoảng 168 triệu đô la, khiến tổng chi phí năm đầu (không tính tháng trễ) là khoảng 1,005 tỷ đô la… doanh thu 1,06 tỷ đô la.

Lợi nhuận gộp là 5,19%, và bạn còn chưa bắt đầu trả gốc. Khi đến lúc đó, mỗi tháng bạn phải trả 54,1 triệu đô la vay nợ, trong năm tiếp theo khoảng 649 triệu đô la, tổng cộng 1,48 tỷ đô la, tỷ lệ lợi nhuận gộp khoảng âm 40%.

Tôi phải rõ ràng, điều này chỉ đúng nếu bạn có 100% công suất sử dụng, và khách thuê luôn thanh toán đúng hạn.

Stargate Abilene là thảm họa—mỗi GPU mỗi giờ chỉ 2,94 đô la, doanh thu 100 tỷ đô la mỗi năm, tiến độ chậm vài năm, chỉ có một khách thuê lỗ hàng chục tỷ mỗi năm

Nói về dự án có thể khả thi nhất trong lịch sử trung tâm dữ liệu—một khu lớn do Oracle xây cho công ty AI lớn nhất thế giới, Oracle là một tập đoàn gần siêu lớn, có lịch sử bán phần mềm quản lý doanh nghiệp và cơ sở dữ liệu đắt tiền cho doanh nghiệp và chính phủ.

Haha, tôi đùa đấy, nơi này đúng là cơn ác mộng.

Stargate Abilene, gồm tám tòa nhà, trung tâm dữ liệu 1,2GW, khoảng 824MW IT chính, lần đầu công bố vào tháng 7 năm 2024. Đến ngày 27 tháng 4 năm 2026, mới chỉ có hai tòa hoạt động và tạo doanh thu, tòa thứ ba gần như chưa có thiết bị IT nào. Tôi ước tính tổng chi phí của Stargate Abilene khoảng 52,8 tỷ đô la.

Dựa trên các bài báo của tôi, Oracle dự kiến sẽ thu về khoảng 10 tỷ đô la doanh thu hàng năm từ Stargate Abilene, tôi ước tính từ dung lượng trung tâm 7,1GW dành cho một khách hàng, OpenAI, sẽ thu về khoảng 75 tỷ đô la tổng cộng: như tôi đã viết, Oracle ước tính năm 2024, Abilene sẽ phải trả ít nhất 2,14 tỷ đô la tiền thuê và điện, trả cho Crusoe, nhà phát triển đất đai.

Tôi cũng nên bổ sung rằng, có vẻ Oracle đang trả toàn bộ chi phí xây dựng của Abilene.

Dựa trên tính toán và các bài báo của tôi, tôi ước tính, khi Abilene vận hành đầy đủ, tỷ suất lợi nhuận gộp khoảng 37,47%:

Tôi phải rõ ràng, tỷ suất lợi nhuận gộp 37,47% có thể còn cao hơn, vì tôi không biết chính xác chi phí bảo hiểm hay nhân sự của Oracle, chỉ dựa trên các tài liệu tôi xem được.

Tôi cũng phải rõ rằng, Oracle đang đặt cược toàn bộ tương lai của mình vào các dự án như Stargate Abilene, phải tiêu hàng chục tỷ đô la trước khi có thể sinh lời, ngay cả khi OpenAI thanh toán đúng hạn mọi khoản.

Thật tiếc, tôi không rõ Abilene có bao nhiêu phần dựa vào vay nợ. Tôi chỉ biết Oracle đã huy động khoảng 18 tỷ đô la qua các trái phiếu trong quý 3 năm 2025, kỳ hạn từ 7 đến 40 năm, và trong báo cáo tài chính gần nhất, có dòng tiền âm 24,7 tỷ đô la.

Điều tôi rõ là Oracle đã ký hợp đồng thuê 15 năm với Crusoe, và tương lai của Oracle phụ thuộc vào khả năng OpenAI thanh toán liên tục, điều này lại phụ thuộc vào việc Oracle có thể hoàn thành dự án Stargate Abilene hay không.

Tôi cũng phải rõ rằng, lợi nhuận 3,85 tỷ đô la mỗi năm chỉ có thể đạt được nếu OpenAI thanh toán đúng hạn, vào đúng thời điểm, và mọi thứ diễn ra theo kế hoạch.

Nếu OpenAI không thể đạt doanh thu, huy động vốn và vay nợ 852 tỷ đô la trong 4 năm tới, dự án trung tâm Stargate sẽ kéo Oracle xuống

**Thật tiếc, điều ngược lại đã xảy