Một xu hướng khác của thị trường AI: OpenAI cũng phải giảm giá

Tóm tắt ngắn gọn

· Các quản lý cấp cao của Uber trực tiếp nói rằng, mối liên hệ giữa tiêu thụ Token và việc cải thiện sản phẩm thực tế « vẫn chưa tồn tại »; OpenAI cũng thừa nhận chi phí AI doanh nghiệp đang trở thành một vấn đề ngày càng thực tế.

· Nhu cầu AI không biến mất, nhưng các doanh nghiệp bắt đầu chuyển từ thử nghiệm sang kiểm toán ROI, các nhà cung cấp mô hình bắt đầu thảo luận giảm giá, tăng trưởng của đám mây, GPU và trung tâm dữ liệu cần được xác nhận lại khả năng mở rộng.

· Các mục liên quan: NVDA, MSFT, AMZN, GOOG, MU, AVGO, AMD, TSM, ARM, ORCL.

Chứng khoán Mỹ về AI tăng hai tháng liên tiếp, gần đây bắt đầu yếu đi và điều chỉnh, thị trường cũng bắt đầu tìm nguyên nhân rõ ràng hơn.

Lãi suất, định giá quá cao, các báo cáo tài chính gây nhiễu đều có thể giải thích cho đợt điều chỉnh này, nhưng thị trường đang kiểm tra một giả thuyết nền tảng hơn: doanh nghiệp tiêu thụ nhiều Token hơn, liệu nhất định sẽ mang lại nhiều doanh thu, hiệu quả và lợi nhuận hơn không.

Trong hai năm qua, chuỗi giao dịch AI rất suôn sẻ. Các doanh nghiệp sử dụng AI nhiều, tiêu thụ Token (đơn vị đo lường xử lý văn bản của mô hình) tăng lên, doanh thu của các nhà cung cấp mô hình tăng, các nhà cung cấp đám mây bán nhiều công suất tính toán hơn, GPU, HBM (bộ nhớ băng thông cao), máy chủ, trung tâm dữ liệu và nhu cầu điện tiếp tục mở rộng. Miễn là lượng Token tiếp tục tăng, thị trường có thể hiểu đó là sự gia tăng tốc độ áp dụng AI, và định giá cao hơn cho phần cứng và chi tiêu vốn phía trên.

Nhưng gần đây xuất hiện một thay đổi là, ngay cả các nhà cung cấp mô hình cũng bắt đầu bàn về chi phí.

Theo báo cáo của Wall Street Journal, OpenAI đang nghiên cứu giảm giá gọi mô hình để đối phó với áp lực ngân sách của doanh nghiệp và cạnh tranh từ các đối thủ như Anthropic. Đồng thời, CEO của OpenAI, Sam Altman, gần đây công khai nói rằng ngày càng nhiều doanh nghiệp bắt đầu coi chi phí AI là một vấn đề quan trọng, một số khách hàng thậm chí đã tiêu hết ngân sách AI dự kiến cho cả năm trong quý đầu tiên.

Chính vấn đề này có thể chưa đủ để thay đổi cục diện ngành, nhưng nó phát đi một tín hiệu đáng chú ý: Thị trường bắt đầu bàn luận không chỉ về khả năng của mô hình, mà còn về chi phí, định giá và tỷ lệ hoàn vốn đầu tư.

Hiện tại, không phải là « doanh nghiệp còn dùng AI hay không », mà là « doanh nghiệp có sẵn sàng tiếp tục trả tiền vô điều kiện cho Token giá cao hay không ».

Andrew Macdonald, Chủ tịch kiêm Giám đốc vận hành của Uber, nói trong podcast rằng, mối liên hệ giữa tăng tiêu thụ Token và « các chức năng hữu ích cho người tiêu dùng » « vẫn chưa tồn tại ». Câu nói này đến từ phía bên mua, chứ không phải phía bán, ngân hàng đầu tư hay các công ty khởi nghiệp mô hình.

Nếu trước đây thị trường tin rằng « sử dụng nhiều là thành công », thì giờ bước sang giai đoạn thứ hai: Liệu cuối cùng Token có thể biến thành tăng trưởng doanh thu, giảm chi phí nhân công hoặc cải thiện tỷ suất lợi nhuận không. Một khi câu hỏi này được bộ phận tài chính hệ thống hóa đặt ra, ngôn ngữ định giá chuỗi ngành AI sẽ chuyển từ « nhu cầu vô hạn » sang « xác nhận lợi nhuận ».

Uber và việc tiêu thụ cao thể hiện áp lực ngân sách

Trường hợp của Uber đáng để xem xét, không phải vì họ không hiểu AI, hay vì họ không muốn dùng AI. Ngược lại, tỷ lệ sử dụng các công cụ mã hóa AI trong nội bộ Uber rất cao. Theo nhiều báo cáo, trong khoảng 5000 kỹ sư của công ty, tỷ lệ sử dụng hàng tháng từng đạt tới 84% đến 95%, và hóa đơn trung bình của một kỹ sư hàng tháng dao động từ vài trăm đến 2000 đô la.

Vấn đề chính nằm ở đây. Khi tỷ lệ sử dụng đủ cao, hóa đơn không còn là chi phí thử nghiệm nhỏ của bộ phận sáng tạo nữa, mà trở thành chi phí thực sự cần được vận hành giải thích. Theo tiết lộ của CTO công ty, ngân sách Claude Code của Uber trong năm đã hết trong vòng 4 tháng. Macdonald mô tả, đây là một thời điểm khiến người ta « phát điên ».

Trong nội bộ doanh nghiệp, các công cụ AI ban đầu thường được đưa vào ngân sách với lý do « nâng cao hiệu quả ». Kỹ sư tạo mã nhanh hơn, dịch vụ khách hàng trả lời nhanh hơn, nhóm vận hành viết báo cáo nhanh hơn, tất cả đều là những thay đổi dễ nhận biết.

Nhưng khi quy mô sử dụng mở rộng, bộ phận tài chính sẽ nhìn thấy những câu hỏi cứng hơn: Có mang lại nhiều doanh thu hơn không? Có giảm chi phí nhân lực thực tế không? Có cải thiện tỷ suất lợi nhuận không?

Hiện tượng « tokenmaxxing » mà Macdonald đề cập cũng cho thấy, việc tiêu thụ nhiều có thể không còn gắn liền với giá trị cao. Tokenmaxxing, nghĩa là nhóm hoặc cá nhân cố gắng tối đa hóa việc sử dụng AI bằng cách tiêu thụ Token hàng loạt. Dữ liệu sử dụng trông rất tốt, nhưng chưa chắc đã đi kèm kết quả sản phẩm tốt hơn. Đối với nhà cung cấp dịch vụ AI, đó là doanh thu; còn đối với doanh nghiệp, có thể chỉ là một hóa đơn đám mây mất kiểm soát khác.

Tín hiệu của Uber còn đáng chú ý hơn cả câu chuyện « AI quá đắt ».

Nó không nói rằng AI vô dụng, mà là khi AI từ ngân sách thử nghiệm chuyển sang ngân sách vận hành, doanh nghiệp cần chứng minh mỗi đô la chi tiêu cho Token đều mang lại kết quả kinh doanh có thể đo lường được. Tỷ lệ sử dụng cao không còn tự động đồng nghĩa thành công, mà sẽ sớm bộc lộ rõ cấu trúc chi phí.

Áp lực chi phí bắt đầu truyền dẫn trong chuỗi ngành

Các doanh nghiệp mua hàng bắt đầu tính toán, các nền tảng cũng đang thay đổi cách tính phí.

GitHub đã công bố, từ ngày 1/6/2026, mô hình tính phí dựa trên lượng sử dụng của Copilot sẽ chính thức áp dụng, đồng thời giới thiệu AI Credits hàng tháng (giới hạn sử dụng AI). Đối với người dùng nhẹ, có thể chỉ là thay đổi cấu trúc hóa đơn; còn đối với nhà phát triển thường xuyên dùng các chức năng AI, một số phản hồi cho biết, chi phí cho mỗi lần hội thoại có thể lên tới vài chục đô la, khiến cộng đồng thảo luận sôi động hơn.

Ý nghĩa của điều này là, nền tảng không còn muốn gói trọn chi phí vô hạn của Token trong phí đăng ký cố định nữa.

Trước đây, người dùng trả một khoản phí hàng tháng, nền tảng chịu chi phí gọi mô hình phía sau. Giờ đây, khi số lần gọi AI, độ dài ngữ cảnh và các nhiệm vụ nhiều hơn, chi phí bắt đầu rõ ràng hơn. Dùng nhiều hơn, trả nhiều hơn, đây là một chỉnh sửa cho câu chuyện « AI vô hạn ».

Điều đáng chú ý hơn nữa là, áp lực này đã truyền từ tầng ứng dụng xuống tầng mô hình.

Trong hai năm qua, câu chuyện chính của ngành mô hình lớn luôn là giảm chi phí, tăng hiệu quả và mở rộng quy mô. Nhưng khi bộ phận mua hàng của doanh nghiệp bắt đầu kiểm toán ROI, các nhà cung cấp mô hình cũng đối mặt với vấn đề mới: Nếu khách hàng không muốn tiếp tục trả cao cho Token, thì tăng trưởng dựa vào đâu?

Thông điệp từ OpenAI gần đây rất điển hình. Một mặt là Sam Altman thừa nhận ngân sách doanh nghiệp đang chịu áp lực, mặt khác là thị trường truyền tin OpenAI đang nghiên cứu giảm giá sâu hơn. Điều này có nghĩa là, từ chỗ tập trung vào « khả năng mô hình có dẫn đầu » sang « chi phí đơn vị trí tuệ có đủ thấp » đã bắt đầu chuyển sang giai đoạn cạnh tranh về giá.

Với khách hàng doanh nghiệp, câu hỏi quan trọng nhất không còn là mô hình nào mạnh nhất, mà là mô hình nào có thể tạo ra nhiều kết quả kinh doanh hơn trong cùng ngân sách.

Microsoft cũng cắt giảm cấp phép Claude Code nội bộ, theo các báo cáo của The Verge, Axios, TechRadar, bộ phận Experiences & Devices của Microsoft đã hủy phần lớn giấy phép Claude nội bộ và chuyển sang dùng công cụ Copilot tự phát triển. Quy mô và lý do vẫn còn cần thêm thông tin, chưa thể khẳng định Microsoft đã xác nhận cắt giảm mua ngoài do chi phí.

Nhưng hành động này ít nhất cho thấy, các tập đoàn công nghệ lớn cũng đang phân bổ lại chi phí gọi mô hình bên ngoài.

Ảnh hưởng đến chuỗi ngành AI không phải chỉ là doanh thu của một công cụ giảm đi, mà là việc bắt buộc các bên mua hàng bắt đầu kiểm soát tốt hơn. Doanh nghiệp có thể giới hạn hạn mức, chọn mô hình rẻ hơn, chuyển một số nhiệm vụ sang mã nguồn mở hoặc tự xây dựng, hoặc yêu cầu nhà cung cấp giảm giá. Các nhà cung cấp mô hình và các công ty ứng dụng vẫn còn nhu cầu, nhưng quyền định giá không còn chỉ dựa vào « mô hình mạnh hơn », mà còn phải dựa vào « khách hàng có thể tính toán được chi phí ».

Các nhà cung cấp đám mây cũng sẽ bị ảnh hưởng. Trước đây, doanh thu đám mây liên quan nhiều đến AI: huấn luyện mô hình, suy luận, ứng dụng doanh nghiệp đều cần tính toán, càng nhiều Token tiêu thụ, nhu cầu đám mây càng rõ ràng. Nhưng nếu doanh nghiệp bắt đầu giảm chi phí cho mỗi Token, hoặc chuyển các nhiệm vụ tần suất cao, giá trị thấp sang các đường suy luận rẻ hơn, thì khả năng mở rộng doanh thu của các nhà cung cấp đám mây sẽ thấp hơn dự kiến trước đó.

Cần chứng minh giá trị cao qua lượng tiêu thụ Token

Doanh nghiệp bắt đầu kiểm toán vào thời điểm này, một lý do là vì AI đã bước vào giai đoạn mẫu lớn đủ để không còn dễ bỏ qua phần kém hiệu quả.

Entelligence.AI công bố nghiên cứu vào tháng 5 năm 2026, phân tích 2444 tổ chức, hơn 1 triệu Pull Request. Theo tính toán của họ, trong mỗi 1 đô la chi cho Token AI, chỉ có 0.18 đô la tạo ra giá trị thực sự tiếp cận người dùng, 0.44 đô la dùng để sửa lỗi do AI gây ra, 0.27 đô la để làm lại, và 0.11 đô la tiêu tốn trong quá trình kiểm tra, đánh giá.

Dữ liệu này không thể kết luận toàn ngành. Nó dựa trên dữ liệu của nhà cung cấp, chủ yếu phản ánh trong lĩnh vực phát triển phần mềm, không phải kiểm toán độc lập hay bài nghiên cứu học thuật. Nhưng đủ để thấy rõ một vấn đề: các doanh nghiệp đang chịu áp lực kiểm toán ROI, đặc biệt trong các trường hợp nội dung do AI tạo ra cần người kiểm tra, chỉnh sửa và tích hợp.

Công cụ AI dễ thể hiện nhất là tốc độ tạo ra, nhưng doanh nghiệp thực sự trả tiền là cho kết quả có thể giao hàng. Nếu AI tạo ra mã nhiều lỗi hơn, cần nhiều kiểm tra, sửa chữa và thử nghiệm hơn, thì thời gian tiết kiệm ban đầu sẽ bị đẩy trở lại phía sau. Đối với người dùng cá nhân, có thể chỉ là vấn đề trải nghiệm; còn đối với các doanh nghiệp lớn, đó là vấn đề tài chính và quản lý tổ chức.

Điều này cũng giải thích tại sao việc tăng lượng Token không thể đơn thuần coi là thành công của AI.

Token là đơn vị tính doanh thu, cũng là đơn vị đo chi phí. Đối với nhà cung cấp mô hình, nhiều Token hơn đồng nghĩa với nhiều doanh thu hơn; còn đối với doanh nghiệp, nhiều Token chỉ đáng giá khi mang lại nhiều doanh thu hơn, chi phí thấp hơn hoặc tỷ suất lợi nhuận cao hơn, để duy trì ngân sách.

Nếu trước đây thị trường xem tăng trưởng Token như một chỉ số dẫn đầu về nhu cầu phần cứng, thì giờ cần bổ sung một phần khác: tỷ lệ chuyển đổi giá trị của Token. Chỉ khi tiêu thụ Token có thể ổn định chuyển đổi thành kết quả kinh doanh, doanh thu từ AI của các nhà cung cấp đám mây, đơn hàng GPU, mở rộng HBM và xây dựng trung tâm dữ liệu mới mới có nền tảng vững chắc hơn.

Ý chí chi trả sẽ truyền dẫn trong chuỗi ngành

Nhà chiến lược vĩ mô Andreas Steno Larsen gần đây nhấn mạnh rằng, chỉ số Chi tiêu Token của các mô hình lớn (LLM Token Expenditure Index) liên quan đến Silicon Data là một trong những biểu đồ đáng theo dõi nhất của thị trường hiện tại. Các báo cáo cho thấy, chỉ số này theo dõi chi phí hoặc giá mà các doanh nghiệp trả cho mỗi triệu Token, sau khi tăng rõ rệt vào đầu năm 2026, đã có dấu hiệu giảm nhẹ vào cuối tháng 5.

Cần giữ một giới hạn nhất định. Trang công khai của Silicon Data chủ yếu là giới thiệu sản phẩm, phương pháp tính chỉ số và dữ liệu lịch sử chưa được công khai đầy đủ. Nó không thể coi là kết luận cứng, nhưng có thể xem như một tín hiệu để quan sát xu hướng thay đổi trong ý chí chi trả của doanh nghiệp.

Việc chỉ số chi tiêu Token giảm không đồng nghĩa với lượng AI sử dụng giảm.

Thực tế, thị trường hiện tại giống như đang chứng kiến sự chuyển đổi từ « cạnh tranh về khả năng tính toán » sang « cạnh tranh về chi phí đơn vị trí tuệ ». Các doanh nghiệp vẫn cần AI, nhưng có thể không muốn tiếp tục mua theo mức giá cũ nữa.

Nếu OpenAI cuối cùng bắt đầu điều chỉnh giá mới, thì áp lực ngân sách của doanh nghiệp sẽ giảm, đồng thời ngành mô hình sẽ bước vào giai đoạn cạnh tranh về giá chính thức. Lúc đó, thị trường cần phải đánh giá lại: tăng trưởng trong tương lai đến từ nhu cầu mới hay từ việc giảm giá để mở rộng sử dụng.

Nhu cầu AI vẫn có thể tăng, nhưng giá trị của tăng trưởng và khả năng truyền dẫn lên trên sẽ thay đổi.

Ảnh hưởng đến các phần khác nhau sẽ không giống nhau. Ở tầng ứng dụng và mô hình, trước tiên sẽ đối mặt với áp lực giá: doanh nghiệp sẽ yêu cầu ROI rõ ràng hơn, giảm các lần gọi không giá trị, hoặc chuyển đổi chi phí giữa các mô hình khác nhau.

Các nhà cung cấp đám mây sẽ đối mặt với vấn đề độ co giãn doanh thu: cùng một lượng sử dụng, nếu giá đơn vị giảm, tăng bộ đệm và xử lý theo lô, hoặc chuyển sang tự xây dựng, thì tốc độ tăng trưởng doanh thu đám mây có thể không tốt bằng lượng Token tiêu thụ.

Phía trên, GPU, HBM, đóng gói tiên tiến, máy chủ và xây dựng trung tâm dữ liệu sẽ là các khoản đầu tư vốn trong tương lai. Nếu doanh nghiệp bắt đầu thắt chặt quy định thanh toán, các nhà cung cấp mô hình và đám mây sẽ thận trọng hơn trong dự báo doanh thu. Các đơn hàng phần cứng và tiến trình xây dựng trung tâm dữ liệu sẽ được đánh giá lại.

Cảnh báo của Larsen không phải là nói rằng nhu cầu phần cứng sẽ biến mất ngay lập tức, mà là nếu giá Token tiếp tục yếu đi, thị trường sẽ bắt đầu nghi ngờ tốc độ chu kỳ đầu tư hạ tầng AI này.

Giá cổ phiếu AI điều chỉnh và kiểm toán hóa đơn Token không phải là mối quan hệ nhân quả đơn giản. Không thể nói rằng cổ phiếu chip giảm là do Uber đã tiêu hết ngân sách, nhưng chúng nằm trong cùng một chuỗi: khi định giá đã phản ánh tăng trưởng dài hạn cao, bất kỳ tín hiệu nào về ý chí thanh toán cuối cùng và ROI đều sẽ bị nhân rộng thành các đánh giá lại về chi tiêu vốn phía trên.

Chờ đợi các báo cáo tài chính về độ co giãn doanh thu và nhịp đặt hàng

Hiện tại, các bằng chứng chưa đủ để khẳng định « bong bóng AI đã vỡ ». Các doanh nghiệp vẫn chưa ngừng sử dụng AI, các nhà phát triển cũng không trở lại trạng thái không có Copilot, Claude hay các công cụ trí tuệ nhân tạo khác. Phán đoán hợp lý hơn là, việc áp dụng AI đang chuyển từ giai đoạn nhiệt huyết ban đầu sang giai đoạn kỷ luật ngân sách, thị trường bắt đầu phân biệt rõ các trường hợp có thể chứng minh lợi nhuận và các trường hợp chỉ tạo ra hóa đơn.

Tiếp theo, điều cần xác nhận quan trọng không phải là một công ty nữa nói rằng AI quá đắt, mà là xem các báo cáo tài chính của các nhà cung cấp đám mây và phần mềm có thay đổi hay không. Tốc độ tăng trưởng doanh thu AI của Microsoft, Amazon, Google có thể duy trì cao không; các công cụ doanh nghiệp như Copilot, Claude Code sau khi tính phí theo lượng sử dụng, tỷ lệ gia hạn, hạ cấp và phản hồi của khách hàng sẽ ra sao; tất cả những điều này sẽ còn rõ hơn so với biến động giá cổ phiếu hàng ngày để xác định xem ý chí của người mua có thực sự đang tăng cường hay không.

Về phần phần cứng, cần theo dõi xem có dấu hiệu giảm đơn hàng GPU, HBM, trung tâm dữ liệu không. Miễn là chi tiêu vốn của đám mây tiếp tục tăng, các đơn hàng chip cao cấp vẫn còn căng thẳng, thì ý chí chi trả Token giảm sẽ còn là một điều chỉnh lành mạnh. Nếu doanh thu đám mây giảm khả năng mở rộng, đồng thời các đơn hàng phần cứng và tiến trình xây dựng trung tâm dữ liệu bắt đầu chậm lại, thị trường mới định giá đó là một chu kỳ sâu hơn.

Giao dịch AI chưa kết thúc, nhưng cách định giá của nó đang thay đổi. Trước đây, thị trường hỏi « đã dùng bao nhiêu Token », giờ đây phải hỏi « cuối cùng những Token này đã tạo ra bao nhiêu lợi nhuận ». Khoảng cách này sẽ quyết định hướng phân hóa định giá chuỗi ngành AI trong thời gian tới.

Nhấn vào để tìm hiểu về các vị trí tuyển dụng của律动BlockBeats

Chào mừng gia nhập cộng đồng chính thức của律动BlockBeats：

Nhóm Telegram theo dõi: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản chính thức Twitter: https://twitter.com/BlockBeatsAsia