Cuối cùng các công ty cũng phát hiện hoạt động kinh doanh của mình bị các công ty mô hình ngôn ngữ lớn giành mất vì giờ AI đã được dùng đến

Tác giả: 宇航猿; Nguồn: 极客公园

Ngày 1 tháng 7, CEO Palantir Alex Karp bước vào trường quay CNBC, với một giọng điệu gần như mất kiểm soát rồi ném ra một “quả bom”.

Ông nói ngành AI “effing insane” (điên rồ), ông nói các CEO doanh nghiệp Mỹ đang “livid” (phẫn nộ) với OpenAI và Anthropic, ông nói doanh nghiệp đang làm một việc hoang đường—một mặt điên cuồng trả phí cho token, mặt khác lại dâng hiến dữ liệu vận hành cốt lõi của chính mình cho các nhà cung cấp mô hình. Còn giá trị thương mại thu về, gần như không thể đo đếm được.

Người dẫn chương trình hỏi liệu đây có phải đang “đổ lỗi” không. Karp trả lời một câu: “Không, tôi chỉ đang nêu ra sự thật.”

Cổ phiếu Palantir trong ngày đó tăng 9%. Con số ấy tự nó đã là một hình thức “bỏ phiếu”—thị trường cho rằng ông đã nói ra điều mà nhiều người muốn nói nhưng chưa dám nói.

Đây không phải là sự xả cảm xúc của một cá nhân. Khi người đứng đầu một công ty có vốn hóa hơn nghìn tỷ USD, ngay trên sóng truyền hình toàn quốc, bắn phá cả ngành đại mô hình, và thị trường phản hồi tích cực bằng tiền thật, điều đó có nghĩa là một trạng thái cảm xúc tập thể đã chạm tới ngưỡng.

Trong hai năm qua, mọi người đều bàn về cách “ôm lấy” đại mô hình. Nhưng giờ đây, một câu hỏi mới đang dần lộ ra—khi công ty ở quá gần đại mô hình, liệu nó có bị xé nát không?

**01 **Từ “hưng phấn” đến “không ngây thơ”

Hãy nhớ lại đầu năm 2024, thái độ của doanh nghiệp với đại mô hình có thể tóm gọn bằng bốn chữ—“cứ dùng trước đã”.

Mặc ROI hay không ROI, mặc dữ liệu đi về đâu—tóm lại là không được tụt lại phía sau. Khi đó, câu chuyện chủ đạo là “cách mạng AI đã tới, không ôm lấy thì sẽ bị đào thải”. Các CIO và CTO khắp nơi chịu áp lực khổng lồ, nhét AI vào mọi khâu kinh doanh có thể nhét được. Đó là một kiểu quyết định điển hình bị dẫn dắt bởi nỗi hoảng sợ công nghệ.

Sang năm 2025, “triển khai toàn diện” trở thành từ khóa. Doanh nghiệp bắt đầu nghiêm túc nhúng đại mô hình vào quy trình kinh doanh cốt lõi, không còn chỉ làm demo hay tổ chức hackathon nội bộ. Từ chăm sóc khách hàng đến tạo sinh mã, từ phân tích thị trường đến thiết kế sản phẩm—mức độ thâm nhập và độ rộng phạm vi của AI đang mở rộng theo cấp số nhân.

Nhưng bước sang năm 2026, một sự chuyển biến cảm xúc tinh tế đang diễn ra.

Dữ liệu khảo sát của Salesforce cho thấy chỉ một nửa lãnh đạo CNTT tin rằng cơ sở hạ tầng dữ liệu của công ty họ có thể chống đỡ thành công cho việc triển khai AI. Báo cáo nghiên cứu mà NTT DATA công bố hồi tháng 5 năm nay thẳng thừng dùng chữ “đâm tường”—AI doanh nghiệp đang gặp “điểm nghẽn” mang tính cấu trúc do yêu cầu về quyền riêng tư dữ liệu và chủ quyền. Gartner dự đoán đến năm 2027 sẽ có 35% quốc gia phụ thuộc vào các nền tảng AI theo dạng khu vực hóa, trong khi con số đó hiện nay chỉ là 5%.

Karp nói thẳng hơn về sự chuyển biến này. Ông cho rằng doanh nghiệp đang rời bỏ “tokenmaxxing”—việc ngấu nghiến token một cách mù quáng—để chuyển sang thực sự truy vấn tỉ suất lợi nhuận đầu tư. “Quan điểm cơ bản là, đừng tiếp tục lãng phí thời gian trên token nữa.”

Đây không phải là phủ nhận đại mô hình, mà là cả ngành đang đi từ “hưng phấn” sang “không ngây thơ”. Qua giai đoạn cuồng nhiệt, doanh nghiệp bắt đầu soi xét một vấn đề nền tảng với con mắt bình tĩnh hơn—thứ tôi đem đi trao, và thứ tôi nhận lại, rốt cuộc khoản này có tính đúng không?

**02 **Khi đối tác biến thành đối thủ

Lời chỉ trích của Karp mới dừng ở lớp mô hình kinh doanh. Nhưng điều khiến người ta lạnh sống lưng thật sự, là một mối đe dọa trực tiếp hơn—nhà cung cấp dịch vụ AI của bạn có thể đang dùng dữ liệu và bối cảnh do bạn đóng góp để xây dựng sản phẩm thay thế chính bạn.

Một việc xảy ra vào tháng 4 năm 2026 khiến mối lo ngại này từ lý thuyết trở thành hiện thực.

Tháng 2 năm nay, Figma và Anthropic vẫn hợp tác phát triển một tính năng tên là “Code to Canvas”, tích hợp liền mạch mã do Claude tạo ra vào quy trình thiết kế của Figma. Hai công ty nhìn như những đối tác thân thiết.

Ngày 14 tháng 4, Giám đốc sản phẩm của Anthropic Mike Krieger lặng lẽ từ nhiệm ghế thành viên hội đồng quản trị của Figma.

Ba ngày sau, Anthropic công bố Claude Design—một công cụ thiết kế AI có thể dùng ngôn ngữ tự nhiên để tạo trực tiếp mẫu tương tác, PPT và tài liệu marketing, nhắm trúng đúng mảng cốt lõi của Figma.

Cổ phiếu Figma trong ngày đó giảm gần 8%.

Bài báo sau đó của Fast Company có một chi tiết đáng suy ngẫm—Figma và Adobe, Canva… đều có quan hệ hợp tác nhiều năm với Anthropic, nhưng trước khi Claude Design được phát hành, không ai được thông báo. Mọi người bỗng nhận ra trong thế bị động rằng, đối tác AI của mình, ngay dưới mắt mình, lại biến thành đối thủ cạnh tranh.

Câu chuyện này đáng để suy nghĩ sâu vì nó lộ ra một vấn đề cấu trúc trong thời đại đại mô hình—nguy hiểm hơn bất cứ lúc nào trước đây—khi bạn hợp tác sâu với công ty AI, bạn không chỉ trao cổng vào thị trường, mà còn trao sự hiểu biết trọng tâm về bối cảnh của chính mình và dữ liệu nhu cầu người dùng.

Anthropic có thể làm được Claude Design phần lớn là nhờ việc họ hiểu sâu quy trình công việc và các điểm đau của nhà thiết kế trong hợp tác với công ty công cụ thiết kế.

Nhưng nếu nhìn rộng ra, đây không phải kịch bản mới trong lịch sử công nghệ.

Amazon đi từ nền tảng thương mại điện tử để làm thương hiệu riêng: dùng dữ liệu nền tảng để nhận diện chính xác các nhóm hàng kiếm tiền nhất, rồi tung sản phẩm của mình để ăn dần các nhà bán bên thứ ba. Microsoft xuất phát từ hệ điều hành, lần lượt “thu nạp” trình duyệt, phần mềm văn phòng, công cụ liên lạc—Netscape bị giết chết, Slack bị buộc phải bán mình. Google mở rộng từ công cụ tìm kiếm, dùng chính trang kết quả tìm kiếm để trả lời câu hỏi của người dùng, khiến Yelp và nhiều dịch vụ thông tin theo chiều dọc bị gạt ra rìa.

Luật sắt của ngành công nghệ chưa bao giờ thay đổi—khi nền tảng có đủ dữ liệu và sự hiểu biết người dùng, nó sẽ xâm lấn ngược về phía thượng nguồn.

Trong thời đại đại mô hình, luật này còn trở nên hung hãn hơn, vì xâm lấn từ nền tảng truyền thống cần thời gian để tích lũy sự hiểu biết, còn đại mô hình vốn dĩ là một “bộ tăng tốc cho sự hiểu biết”. Mỗi lần bạn gọi API, mỗi lần dữ liệu nghiệp vụ của bạn được đưa vào, đều giúp nhà cung cấp mô hình hiểu rõ và sâu hơn vùng lãnh thổ của bạn nhanh hơn.

**03 **“Giới hạn Roche” của thời đại AI

Trong thiên văn học có một khái niệm gọi là “Giới hạn Roche”—khi một thiên thể ở quá gần một thiên thể có khối lượng lớn, lực thủy triều sẽ vượt qua lực hấp dẫn của chính nó, và thiên thể sẽ bị xé rách.

Ẩn dụ này dùng để mô tả mối quan hệ giữa doanh nghiệp với đại mô hình ngày nay, chuẩn đến mức đáng lo.

Đại mô hình chính là thiên thể có khối lượng lớn. Mỗi doanh nghiệp đều muốn mượn lực hấp dẫn của nó để tăng tốc—nâng cao hiệu suất, giảm chi phí, đổi mới. Nhưng vấn đề là, khi bạn tiến đủ gần, “vật chất” của bạn bắt đầu bị tách rời. Dữ liệu của bạn, know-how của bạn, sự hiểu biết về nhu cầu người dùng của bạn—tất cả sẽ chảy về trung tâm lực hấp dẫn trong quá trình hợp tác.

Vậy ranh giới ở đâu để công ty có thể “cùng vũ khúc với AI” mà không bị cuối cùng nuốt chửng?

Câu hỏi này ở Mỹ đã được đưa ra bàn thảo. Nhưng nếu bạn cho rằng nó còn rất xa với doanh nghiệp Trung Quốc, thì đó có thể là một ảo giác.

Doanh nghiệp hai nước Mỹ và Trung Quốc có khác biệt về nhịp độ triển khai AI ứng dụng. Doanh nghiệp Mỹ đã bước vào giai đoạn triển khai quy mô lớn, đi sâu vào quy trình nghiệp vụ, còn doanh nghiệp Trung Quốc nhìn chung vẫn đang trong quá trình đi từ thí điểm sang mở rộng. Cuộc khảo sát do Lenovo kết hợp IDC công bố hồi tháng 3 năm nay cho thấy 72% doanh nghiệp trong nước đã hoàn tất thí điểm mô hình tác nhân (agent) và đưa vào sử dụng chính thức, trung bình triển khai AI trong 3,5 bối cảnh. Nhưng trọng tâm thách thức cũng đã chuyển từ “thiếu năng lực tính toán, thiếu dữ liệu” sang “hiệu quả ứng dụng không đạt kỳ vọng” và “ROI không rõ ràng”.

Nói cách khác, doanh nghiệp Trung Quốc đang bước vào giai đoạn tỉnh táo với AI tương tự như doanh nghiệp Mỹ.

Geeker Park gần đây trò chuyện với nhiều người sáng lập và doanh nghiệp có hoạt động kinh doanh truyền thống, và phát hiện ra một hiện tượng thú vị—nhận thức về các vấn đề này, rất nhiều khi không xuất phát từ cảm giác khủng hoảng trực tiếp kiểu “sợ công ty làm mô hình cướp mất việc của mình”, mà nảy sinh sau khi AI thật sự được nhét vào nghiệp vụ: tự nhiên họ bắt đầu định nghĩa lại “Trong thời đại AI, giá trị cốt lõi của tôi rốt cuộc là gì”.

Sự định nghĩa lại này cuối cùng sẽ rơi vào hai năng lực then chốt.

**04 **Ai nắm quyền trên “nền móng AI”?

Năng lực đầu tiên, cũng là thực tế nhất, trùng khớp cao với lời của Karp—dữ liệu và logic nghiệp vụ của bạn rốt cuộc đang chạy trên “nền” của ai?

Luận điểm cốt lõi mà Karp nhấn mạnh trên CNBC lặp đi lặp lại là như vậy. Dữ liệu vận hành nhạy cảm nhất của doanh nghiệp không nên chảy vào “hộp đen” của bên cung cấp mô hình thứ ba. Ông định vị Palantir là cung cấp lớp ứng dụng cho “AI có chủ quyền”—mô hình có thể dùng của người khác, nhưng dữ liệu phải nằm trong hàng rào của chính mình, việc triển khai phải diễn ra trên hạ tầng mà mình kiểm soát được.

Nội dung này không phải cố chấp. Trải nghiệm thực tế của doanh nghiệp trong Trung Quốc cũng hoàn toàn tương đồng. Người phụ trách R&D của WPS 365 thuộc Kingsoft là Huang Weijie, gần đây có nói một câu rất đúng—“Thứ doanh nghiệp thiếu hôm nay không phải là phần cứng hay mô hình, mà là một lớp ứng dụng AI an toàn.”

Dữ liệu của IDC cũng củng cố xu hướng này: trong triển khai năng lực tính toán AI doanh nghiệp, tỷ trọng đám mây công cộng đang giảm, tổng tỷ trọng đám mây riêng và triển khai tại chỗ từ 54% tăng lên 69%. “Dữ liệu không ra khỏi miền” đang chuyển từ một khẩu hiệu tuân thủ sang điều kiện lọc đầu tiên khi CTO lựa chọn công nghệ.

Karp gọi điều này là “commodity cognition” (nhận thức bị hàng hóa hóa). Nhận định của ông là, chất lượng của chính mô hình đang tiến tới hội tụ; giá trị khác biệt thực sự không nằm ở tầng mô hình, mà nằm ở tầng ứng dụng gắn năng lực mô hình với bối cảnh đặc thù của doanh nghiệp. “Bộ máy chủ quyền AI” mà Palantir hợp tác với NVIDIA ra mắt chính là cách logic này được “sản phẩm hóa”—dùng mô hình mã nguồn mở cộng với tầng bản thể luận (ontology) và khung quản trị của riêng Palantir, để doanh nghiệp chạy AI trong môi trường hoàn toàn kiểm soát, không gửi đi một byte dữ liệu nào. Doanh thu quý 1 năm 2026 của Palantir đạt 1,63 tỷ USD, tăng 85% so với cùng kỳ; theo một cách nào đó, đó cũng là “phiếu bầu” của thị trường cho lộ trình này.

Trong đó có một tín hiệu đáng chú ý—trong tương lai, những công ty và giải pháp giúp doanh nghiệp chạy AI trên “nền tảng của chính mình” sẽ càng được ưa chuộng. Ở trong nước, “AI tư nhân hóa bộ não” đã trở thành một đường đua thực sự, nhiều startup đang làm sản phẩm xoay quanh hướng này. Đây không phải chứng “dị ứng với kỹ thuật” (sạch sẽ cực đoan), mà là lựa chọn lý trí sau khi doanh nghiệp đã nghĩ thông.

**05 **Đừng biến tổ chức thành một cỗ “máy lặp lại”

Năng lực thứ hai thì khó định lượng hơn, nhưng Geeker Park cảm nhận càng lúc càng rõ khi trao đổi với doanh nghiệp—khi AI có thể thay thế ngày càng nhiều khâu thực thi, tổ chức rốt cuộc còn cần kiểu “con người” nào?

Đã có một số doanh nghiệp chạy khá nhanh bước vào cái bẫy này.

Khi AI ở một số khâu có hiệu suất rõ ràng vượt người, ý nghĩ tự nhiên là “cắt người đi”. Nhưng sau khi tổ chức trở nên mỏng đi, một vấn đề âm thầm lộ diện—thứ AI đang chạy, về bản chất, là các “best practice” đã được những con người đó kết tinh trong môi trường cũ. Khi môi trường thay đổi, thị trường thay đổi, người dùng thay đổi, AI vẫn trung thành thực thi bộ logic cũ đó, trong khi tổ chức đã không còn đủ người để cảm nhận các thay đổi đó và thúc đẩy nghiệp vụ tiến hóa.

Nói thẳng ra, một tổ chức bị AI lấp đầy nhưng bị con người rút cạn, rất có thể chỉ đang lặp lại một cách hiệu quả những thứ của quá khứ.

Điều này không có nghĩa là không nên dùng AI để thay thế thực thi. Vấn đề là, khi AI tiếp quản ngày càng nhiều tầng thực thi, doanh nghiệp lại càng cần một kiểu người khác—không phải những người theo nghĩa truyền thống chỉ làm các nhiệm vụ cụ thể, mà là người có thể “chỉ huy” AI. Vai trò này cần hiểu tổng thể nghiệp vụ, có thể đánh giá liệu thứ AI tạo ra còn phù hợp với thực tế đang biến đổi hay không, và có thể nhìn ra những khả năng mới ngoài “lời giải tối ưu” mà AI đưa ra.

Một số doanh nghiệp đi trước đã bắt đầu nghiêm túc suy nghĩ về vấn đề này. Họ phát hiện rằng, sau khi có AI, năng lực cạnh tranh thực sự không phải “bạn thay thế được bao nhiêu người bằng AI”, mà là “con người của bạn có thể điều khiển AI để làm ra những điều trước đây không làm được không”. Nếu chỉ để AI tự động hóa liên tục dựa trên dữ liệu lịch sử rồi tiếp tục lặp vòng, thì về bản chất bạn đang bị khóa chặt trong một khoảnh khắc đã đóng băng của quá khứ.

Tính quan trọng của sự đảo ngược nhận thức này có thể không kém gì chủ quyền dữ liệu. Khi AI san bằng rào cản kỹ thuật, “năng lực phán đoán của con người” và “năng lực tiến hóa của tổ chức” lại trở thành thứ khó bị sao chép nhất. Có công ty đã nhận ra điều này, có công ty thì chưa. Nhưng ranh giới này rất có thể sẽ trở nên vô cùng rõ ràng trong một vài năm tới.

**06 **Ngành cần “các công ty AI mới”

Trong hai năm qua, một giả định ngầm đã chi phối toàn ngành—giá trị thời đại AI cuối cùng sẽ tập trung trong tay các công ty làm mô hình. Người nào càng gần mô hình thì giá trị càng cao.

Giả định này đang lung lay.

Karp trên CNBC thực chất đã vạch ra một điều—bản thân mô hình đang dần trở thành “nhận thức được hàng hóa hóa”. Khi khoảng cách năng lực giữa các mô hình ngày càng thu hẹp, sự khác biệt thực sự không còn nằm ở tầng mô hình nữa. Một cấu trúc ngành chỉ có mô hình thuộc về một nhóm công ty độc chiếm, không chỉ không tốt cho doanh nghiệp mà còn kìm tốc độ phát triển của cả ngành AI.

Thứ doanh nghiệp cần không bao giờ là một mô hình mạnh hơn. Họ cần cả một hệ sinh thái—giải tỏa nỗi lo về chủ quyền dữ liệu, bảo vệ rào cản cạnh tranh không bị “hút” đi, và đảm bảo AI được nhúng vào nghiệp vụ một cách thật sự nhưng không bị mất kiểm soát. Nhu cầu này đang thúc đẩy một thị trường phức tạp hơn nhiều so với việc “bán token”.

Có những tín hiệu rõ ràng ở một vài hướng.

“Hạ tầng AI có chủ quyền” đang trở thành một đường đua thật sự và thu hút được tiền lớn. Đây không chỉ là khái niệm. Chỉ riêng nửa đầu năm 2026, châu Âu đã có 3 công ty làm hạ tầng AI có chủ quyền (Nebius, nScale, AtlasEsge) huy động tổng cộng hơn 1180 triệu USD. Chỉ vài ngày trước, Valarian ở London vừa nhận được 50 triệu USD vòng A, làm một việc rất cụ thể—thêm một lớp “kiểm soát chủ quyền” giữa hệ thống AI và dữ liệu nhạy cảm, quyết định AI nào được chạm vào dữ liệu nào và trong điều kiện gì. Thứ này hai năm trước cơ bản không có nhu cầu, giờ chính phủ và các tập đoàn lớn xếp hàng đòi.

“Cổng AI” và lớp trung gian điều phối (orchestration) đang trở thành một phần không thể thiếu trong kiến trúc AI doanh nghiệp. Khi một doanh nghiệp đồng thời dùng OpenAI, Anthropic, mô hình mã nguồn mở, và cả các mô hình chuyên dụng tự tinh chỉnh, ai sẽ phụ trách định tuyến thống nhất, kiểm soát chi phí, quản trị quyền hạn và kiểm toán? Vị trí này trong thời đại phần mềm truyền thống gọi là middleware, còn trong thời đại AI gọi là cổng hoặc lớp điều phối. Nó không “hút” trên phương diện marketing, nhưng nó là hạ tầng then chốt để doanh nghiệp chuyển từ “dùng AI” sang “quản tốt AI”. Về bản chất, Palantir đang làm đúng lớp này—chỉ là họ làm phiên bản nặng nhất. Với các phương án nhẹ hơn, phù hợp cho doanh nghiệp quy mô khác nhau, dư địa là rất lớn.

Ở tầng ứng dụng, giải pháp AI cho từng ngành dọc cũng đang chuyển từ “bọc vỏ” sang “đi sâu”. Trước đây, nhiều cái gọi là ứng dụng AI thực chất chỉ là bọc một lớp GPT. Nhưng giờ, thứ đứng vững được mới là những sản phẩm hiểu sâu know-how của ngành cụ thể, và gắn chặt năng lực AI với logic của ngành. Giá trị của nhóm công ty này không neo ở mô hình, mà neo ở nhận thức ngành—một thứ mà công ty làm mô hình rất khó có được thông qua huấn luyện.

Thậm chí ở tầng “con người”, cũng đang xuất hiện thị trường dịch vụ mới. Khi ngày càng nhiều doanh nghiệp nhận ra thứ họ cần không phải là thêm nhiều công cụ AI, mà là những người có thể “chỉ huy AI” và bộ phương pháp luận tổ chức đi kèm, thì nhu cầu về tư vấn chuyển đổi tổ chức trong thời đại AI, đào tạo nhân tài, và thiết kế lại quy trình cũng đang trỗi dậy nhanh chóng.

Nói cho cùng, một ngành chỉ có “tầng mô hình” là mong manh. Thứ thật sự giúp ngành AI chạy nhanh hơn và khỏe hơn là một hệ sinh thái đa tầng. Trong hệ sinh thái ấy có người làm mô hình, người làm hạ tầng chủ quyền, người làm cổng và quản trị, người làm ứng dụng sâu cho ngành dọc, và người giúp doanh nghiệp tái định hình năng lực tổ chức. Mỗi tầng đều đáp ứng nhu cầu thực tế của doanh nghiệp trong quá trình chuyển từ “ôm lấy” sang “điều khiển” AI.

Trong suốt năm qua, những nhu cầu này từ chỗ mơ hồ đã trở nên ngày càng rõ ràng. Bước tiếp theo, các giải pháp, nhà cung cấp dịch vụ và sản phẩm thế hệ mới sinh ra xoay quanh các nhu cầu đó có thể sẽ bước vào một giai đoạn bùng nổ rõ ràng.

Quay lại ẩn dụ về giới hạn Roche. Việc tìm ra quỹ đạo an toàn chưa bao giờ là việc của một mình doanh nghiệp. Khi cả hệ sinh thái bắt đầu mọc ra những “lực lượng” ngoài mô hình, doanh nghiệp mới thật sự có đủ nền tảng để không bị xé nát.