Các công ty AI không kiếm được lợi nhuận thì nên học hỏi kinh nghiệm từ Đường sắt đô thị Hồng Kông

作者: Michael Wenye Li

Biên dịch: 深潮 TechFlow

深潮导读: AI thử nghiệm đã đốt vài nghìn tỷ đô la, nhưng chẳng ai nói rõ khi nào số tiền đó sẽ được thu về. Giá API giảm với tốc độ gấp 10 lần mỗi năm, phần mềm mã nguồn mở đuổi theo chạy kịp phần mềm đóng mã, còn chi phí huấn luyện thì càng chồng càng cao. Bài viết này vượt khỏi góc nhìn của ngành công nghệ và đưa ra một câu trả lời cực kỳ gợi mở bằng mô hình kinh doanh của tuyến đường sắt đô thị MTR tại Hồng Kông trong 45 năm: đừng nghĩ kiếm tiền từ vé, hãy sở hữu bất động sản phía trên các nhà ga.

Chúng không kiếm được tiền — và ngay chính câu hỏi cũng đang sai

Có một kiểu làm ăn như thế này: giai đoạn đầu đổ ra hàng chục tỷ vốn, không thu được một đồng doanh thu. Định giá dịch vụ cốt lõi tiệm cận chi phí biên. Tạo ra giá trị khổng lồ cho người dùng, nhưng người xây dựng gần như không giữ được lấy một xu. Lại còn phải liên tục đầu tư cho cơ sở hạ tầng thế hệ tiếp theo.

Nói không phải về phòng thí nghiệm AI, mà là về một hệ thống đường sắt quy mô lớn.

Nhiều người lấy đường sắt để ví với ngành AI, và đa số kết luận rằng: công nghệ phổ dụng có tính chất hàng hóa công cộng, tính khả thi về mặt thương mại phụ thuộc vào trợ cấp của chính phủ.

Tôi muốn thách thức kết luận đó. Bởi vì MTR (Hong Kong Mass Transit Railway) thực ra đã giải quyết đúng bài toán này. Đây là một trong số rất ít hệ thống tàu điện ngầm trên thế giới có thể tự duy trì về mặt thương mại, là công ty niêm yết, chia cổ tức, không dựa vào trợ cấp vận hành của chính phủ.

Cấu trúc tài chính giống hệt nhau

Hoạt động đường sắt cốt lõi của MTR chưa bao giờ có thể tự nuôi sống sự mở rộng của chính nó. Năm 2018 — thời điểm tốt nhất trước đại dịch — EBIT của mảng vận tải đạt 2 tỷ HKD. Trong khi giai đoạn 2024-2026, dự báo chi tiêu vốn là 87,9 tỷ HKD, gần như toàn bộ dành cho đường sắt. Lợi nhuận đường sắt cao điểm trong 3 năm chỉ đủ trang trải 8% chi tiêu vốn. Doanh thu từ giá vé không bao giờ đủ để xây thêm một tuyến đường mới, và điều đó vốn không phải ý định thiết kế ban đầu.

Giá vé của MTR được giữ ở mức có thể chi trả thông qua cơ chế điều chỉnh giá vé của chính phủ. Bạn không thể định giá vé đến mức thu hồi được chi phí xây dựng, vì khi đó sẽ không ai đủ khả năng để đi lại, đồng thời cũng đi ngược lại bản chất của giao thông công cộng. Mỗi tuyến có thể trang trải chi phí vận hành của riêng mình, nhưng doanh thu giá vé không bao giờ đủ để xây tuyến tiếp theo.

Phiên bản phản chiếu của bài toán đó trong AI là gì? Việc chưng cất mô hình và các mô hình mã nguồn mở thay thế khiến giá API giảm với tốc độ khoảng 10 lần mỗi năm. Bất kỳ phòng thí nghiệm nào định giá cao hơn chi phí biên đều sẽ mất lượng dùng về tay đối thủ. Mỗi mô hình ở tầng suy luận có thể đạt lợi nhuận vận hành, nhưng biên lợi nhuận vĩnh viễn không đủ để gánh chi phí cho vòng huấn luyện tiếp theo.

Cách giải phổ biến trên toàn cầu là trợ cấp. Tàu điện London dựa vào khoản cấp của TfL, đường sắt cao tốc Trung Quốc gánh khoản nợ hàng nghìn tỷ đô la, và 94% các tuyến không có lãi. AI đang đi trên cùng một con đường: Đạo luật CHIPS, dự án Stargate, quỹ đầu tư tài sản quốc gia, các hợp đồng của Lầu Năm Góc. Kết cục mặc định là cơ sở hạ tầng “công kiểu” phụ thuộc trợ cấp.

MTR tìm được một con đường khác.

Đường sắt + bất động sản

Ngay từ khi xây dựng năm 1979, người thiết kế đã hiểu rằng giá vé vĩnh viễn không thể thu hồi chi phí xây dựng. Vì thế, họ kiến tạo doanh nghiệp dựa trên một tiền đề hoàn toàn khác: đường sắt sẽ làm đất đai xung quanh tăng giá, nên phải giữ đất trong tay.

MTR phát triển các tòa nhà dân cư, văn phòng và trung tâm mua sắm trên phía trên nhà ga và khu vực xung quanh, thu về phần tăng giá do giá trị mà cơ sở hạ tầng của chính họ tạo ra. Lợi nhuận bất động sản sẽ bù cho hoạt động vận hành đường sắt, tài trợ cho tuyến tiếp theo. Ngày nay, MTR sở hữu 13 trung tâm mua sắm, quản lý 47 dự án bất động sản phía trên nhà ga (railway stations overbuild). Trong đó, bất động sản đóng góp phần lớn lợi nhuận thực tế.

Logic rất rõ ràng: đừng nghĩ đến việc “chộp” giá trị từ chính dịch vụ đường sắt; hãy sở hữu những tài sản tăng giá nhờ đường sắt.

Đối ứng với AI

“Phòng thí nghiệm AI khi nào có thể kiếm tiền?” và “Đường sắt khi nào có thể tự nuôi bằng giá vé?” là các bài toán đồng dạng. Câu trả lời giống nhau: không được, và chính câu hỏi cũng đang sai.

Một startup công nghệ sinh học dùng mô hình tiên tiến để sàng lọc các hợp chất thuốc, rút ngắn 2 năm thời gian thử nghiệm lâm sàng. Một công ty logistics dùng nó để tối ưu lộ trình, tiết kiệm 40 triệu đô la chi phí nhiên liệu. Một nhà phát triển độc lập dùng một cuối tuần để giao một dự án mà trước đó đội 5 người phải mất 3 tháng mới hoàn thành. Trong từng trường hợp, bên cung cấp mô hình chỉ lấy được phần giá trị tương ứng với vài phần trăm phần trăm từ phí API. Bên cung cấp không thể tăng giá vì vẫn có bốn phòng thí nghiệm khác và hàng chục mô hình mã nguồn mở thay thế cung cấp năng lực tương đương. Phần giá trị còn lại chảy về phía người dùng và nền kinh tế rộng hơn.

Công nghệ phổ dụng vốn vận hành như vậy. Động cơ hơi nước, điện năng, TCP/IP… chưa bao giờ đóng góp bất kỳ khoản thu nhập nào cho chính những người tạo ra chúng.

Bài học từ MTR: đừng cố để giá vé bao phủ chi phí xây dựng, hãy tìm “bất động sản” của bạn.

Bốn phương án ứng viên, sắp theo mức độ phòng thủ

Phương án đầu tiên là quyền triển khai do chính phủ trao. Chính phủ ủy quyền cho một phòng thí nghiệm độc quyền kết nối vào hồ sơ y tế, hệ thống thuế hoặc hậu cần quốc phòng của quốc gia. Dữ liệu theo lĩnh vực mà phòng thí nghiệm tích lũy, mức độ tích hợp hệ thống và tư cách tuân thủ, phải mất nhiều năm mới có thể sao chép lại. Đây chính là cơ chế của MTR: quốc gia dựa vào đặc tính độc quyền tự nhiên để cấp quyền phát triển.

Phương án thứ hai là dữ liệu phần thưởng trong học tăng cường (reinforcement learning) được tích lũy qua thời gian. Hàng tỷ lần tín hiệu tương tác được dùng để huấn luyện thế hệ mô hình kế tiếp. Khác với trọng số mô hình (trọng số có thể bị “rẻ” đi do chưng cất), dữ liệu RL gần như không thể bị sao chép và tích lũy theo lãi kép qua các thế hệ. Nó không thể chuyển hóa thành tiền mặt trực tiếp, nhưng đó là một mảnh đất — được tăng giá, chưa khai thác.

Phương án thứ ba là tích hợp theo hướng triển khai trước (pre-deployment). Thay vì bán giao diện mô hình cho một công ty tư vấn để họ lấy đi phần thặng dư năng suất, hãy tự nắm trọn lớp cung cấp dịch vụ đầu-cuối. Giống như Palantir nhúng các kỹ sư vào các cơ quan chính phủ thay vì bán giấy phép phần mềm. Phòng thí nghiệm không thu phí API từ các hãng luật; phòng thí nghiệm trở thành chính dịch vụ nghiên cứu pháp lý, định giá theo kết quả giao hàng thay vì theo mức tiêu thụ token. Chi phí chuyển đổi sẽ tiếp tục tăng lên nhờ tích lũy dữ liệu theo lĩnh vực và tri thức tổ chức. Đây chính là “trung tâm mua sắm” của MTR: biến hiện dòng khách mà đường sắt tạo ra, thay vì tăng giá vé cho hành khách.

Phương án thứ tư là lưu trữ dữ liệu của các bộ dữ liệu quốc gia. Chính phủ các nước nắm trong tay nhiều bộ dữ liệu chưa được khai thác đầy đủ (hồ sơ bệnh nhân, tờ khai thuế). Một phòng thí nghiệm tiên phong được chỉ định làm bên lưu trữ sẽ nhận quyền truy cập độc quyền, huấn luyện mô hình và xây dựng sản phẩm dựa trên các dữ liệu này. Nhưng cách này sẽ tạo ra một độc quyền dữ liệu công-tư, vì thế cần một kiến trúc quản trị thật chặt: xác định rõ phạm vi sử dụng, lợi ích chảy ngược về công chúng, giám sát độc lập và cơ chế trách nhiệm giải trình thực sự có tính ràng buộc.

Định nghĩa lại vấn đề

Những phòng thí nghiệm sống sót không phải là những nơi làm cho API trở nên có lợi nhuận, mà là những nơi hiện tại đã tìm được “bất động sản trên nhà ga” cho mình và bắt đầu xây dựng. API là đường ray — nó vĩnh viễn sẽ không đủ tiền. Tiền nằm ở các tài sản xung quanh đường ray, nơi chúng tăng giá.

Vấn đề ở tầng chính sách cũng xuất hiện tương ứng: thay vì trợ cấp cho hoạt động huấn luyện vận hành, chính phủ nên thiết kế các cơ chế thể chế (khung quyền triển khai, cấu trúc lưu trữ dữ liệu, chuẩn đo lường năng suất) để phòng thí nghiệm có thể nắm bắt phần thặng dư giá trị mà cơ sở hạ tầng của họ tạo ra.

Cuối cùng có một sự châm biếm. Tranh luận về chính sách AI đang bị chi phối bởi khung Mỹ-Trung: phòng thí nghiệm thị trường tự do của Mỹ đối đầu với các “quán quân” doanh nghiệp được nhà nước Trung Quốc hậu thuẫn. Mô hình thể chế có giá trị tham chiếu cao nhất có thể không thuộc về cả hai. Nó có lẽ là mô hình của Hồng Kông: một thực thể công-tư pha trộn có lịch sử 45 năm, vận hành theo hướng thương mại, tự tài trợ thông qua thiết kế thể chế chứ không phải thông qua hệ tư tưởng.