Cuối cùng có công ty ứng dụng AI phát hiện hoạt động kinh doanh của mình đã bị các công ty mô hình ngôn ngữ giành mất

Tác giả: Vũ Trụ Khỉ Bay; Nguồn: GeekPark

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

Ông nói ngành AI “effing insane” (điên rồ), ông nói các CEO doanh nghiệp của Mỹ đang “livid” (phẫn nộ) vì OpenAI và Anthropic, ông nói doanh nghiệp đang làm một việc hết sức vô lý — vừa điên cuồng trả tiền cho token, vừa dâng nộp dữ liệu vận hành cốt lõi nhất cho nhà cung cấp mô hình. Đổi lại là giá trị thương mại gần như không thể cân đo.

Người dẫn chương trình hỏi liệu đây có phải là đang “đổ lỗi”. Karp đáp: “Không, tôi chỉ đang nêu sự thật.”

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

Không phải chỉ là sự bộc phát cảm xúc của một người. Khi người đứng đầu một công ty có giá trị vốn hóa vượt ngưỡng nghìn tỷ USD, bắn phá toàn ngành mô hình lớn ngay trên sóng truyền hình toàn quốc, và thị trường phản hồi tích cực bằng tiền thật, điều đó cho thấy một trạng thái tâm lý tập thể đã chạm ngưỡng.

Trong hai năm qua, ai cũng đang bàn về cách “ôm lấy” mô hình lớn. Nhưng giờ đây, một vấn đề mới đang nổi lên — doanh nghiệp tiến quá gần với mô hình lớn liệu có bị nó xé nát?

**01 **Từ “điên rồ” đến “không ngây thơ”

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

Mặc ROI hay không ROI, mặc dữ liệu chảy về đâu, miễn là đừng bị tụt lại. Khi đó, câu chuyện chủ đạo là “Cách mạng AI đến rồi, không ôm lấy thì sẽ bị đào thải”. Các CIO và CTO khắp nơi, chịu áp lực khổng lồ, nhét AI vào mọi mắt xích kinh doanh có thể nhét vào. Đây là một kiểu ra quyết định điển hình do “nỗi hoảng công nghệ” dẫn dắt.

Đến năm 2025, “triển khai toàn diện” trở thành từ khóa. Doanh nghiệp bắt đầu nghiêm túc nhúng mô hình lớn vào quy trình cốt lõi, không còn chỉ làm demo, 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 và phạm vi thâm nhập của AI đang mở rộng theo cấp số nhân.

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

Dữ liệu khảo sát của Salesforce cho thấy chỉ có một nửa lãnh đạo IT tin rằng hạ tầng dữ liệu của công ty mình có thể chống đỡ thành công khi triển khai AI. Báo cáo nghiên cứu do NTT DATA công bố hồi tháng 5 năm nay đã dùng thẳng từ “đụng tường” — AI doanh nghiệp đang vướng “nút thắt” mang tính cấu trúc do yêu cầu về quyền riêng tư dữ liệu và chủ quyền dữ liệu. Gartner dự đoán đến năm 2027, 35% quốc gia sẽ phụ thuộc vào các nền tảng AI theo hướng “khu vực hóa”, trong khi con số này hiện chỉ là 5%.

Karp nói sự thay đổi này theo cách thẳng thắn hơn. Ông cho rằng doanh nghiệp đang rời khỏi “tokenmaxxing” — ngấu nghiến tiêu hao token một cách vô thức — để chuyển sang truy hỏi thật sự về tỷ suất đầu tư. “Quan điểm cơ bản là đừng phí thời gian vào token nữa.”

Không phải phủ định mô hình lớn, mà là cả ngành đang chuyển từ “hưng phấn mù quáng” sang “không ngây thơ”. Sau thời kỳ cuồng nhiệt, doanh nghiệp bắt đầu nhìn thẳng vào một vấn đề nền tảng với con mắt lạnh hơn — thứ tôi đưa đi và thứ tôi nhận về, liệu có tính toán được lời lỗ hay không?

**02 **Khi đối tác biến thành đối thủ

Lời chỉ trích của Karp ban đầu vẫn dừng ở tầng mô hình kinh doanh. Nhưng điều khiến người ta lạnh gáy thật sự lại là một mối đe dọa trực tiếp hơn — nhà cung cấp dịch vụ AI của bạn có thể đang dùng chính dữ liệu và cách hiểu ngữ cảnh do bạn đóng góp để xây dựng sản phẩm thay thế cho bạn.

Chuyện xảy ra vào tháng 4 năm 2026 đã biến nỗi lo này từ giả thuyết 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 vào quy trình thiết kế của Figma. Hai công ty trông có vẻ là đối tác thân thiết.

Ngày 14 tháng 4, Giám đốc Sản phẩm của Anthropic, Mike Krieger, lặng lẽ từ nhiệm vị trí trong ban giám đốc của Figma.

Ba ngày sau, Anthropic công bố Claude Design — một công cụ thiết kế AI có thể tạo trực tiếp nguyên mẫu tương tác, PPT và tư liệu marketing bằng ngôn ngữ tự nhiên, nhắm đúng vào nghiệp vụ cốt lõi của Figma.

Cổ phiếu Figma ngày hôm đó giảm gần 8%.

Trong bài đưa tin sau này của Fast Company có một chi tiết đáng để suy ngẫm — Figma và các công ty như Adobe, Canva đã hợp tác với Anthropic nhiều năm, nhưng trước khi Claude Design được phát hành, không ai được thông báo. Mọi người chỉ kịp bàng hoàng nhận ra rằng đối tác AI của mình, ngay dưới mắt mình, đã trở thành đối thủ cạnh tranh.

Câu chuyện này đáng suy ngẫm vì nó phơi bày một vấn đề mang tính cấu trúc nguy hiểm hơn bất cứ thời điểm nào trong kỷ nguyên mô hình lớn — khi bạn hợp tác sâu với công ty AI, bạn không chỉ giao nộp “cổng vào” thị trường, mà còn giao nộp hiểu biết cốt lõi về ngữ cảnh và dữ liệu nhu cầu người dùng.

Anthropic có thể tạo ra Claude Design phần lớn là nhờ họ hiểu sâu quy trình làm việc và “điểm đau” của nhà thiết kế thông qua hợp tác với các công ty công cụ thiết kế.

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

Amazon từ sàn thương mại điện tử đã làm thương hiệu riêng, dùng dữ liệu nền tảng để nhận diện chính xác các nhóm sản phẩm sinh lời nhất, rồi tung sản phẩm của mình để bào mòn người bán bên thứ ba. Microsoft xuất phát từ hệ điều hành, thu nạp từng cái một — trình duyệt, bộ ứng dụng văn phòng, công cụ liên lạc — giết Netscape, buộc Slack phải bán mình. Google mở rộng từ công cụ tìm kiếm, dùng chính trang kết quả 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 từng thay đổi — một khi nền tảng có đủ dữ liệu và hiểu người dùng, họ sẽ bành trướng lên thượng nguồn.

Trong thời đại mô hình lớn, “luật sắt” này lại càng trở nên dữ dội hơn, vì sự xâm lấn của nền tảng truyền thống cần thời gian để tích lũy hiểu biết, còn mô hình lớn vốn dĩ là một “bộ khuếch đại hiểu biết”. Mỗi lần bạn gọi API, mỗi lần dữ liệu nghiệp vụ được đưa vào, đều giúp nhà cung cấp mô hình hiểu lãnh địa của bạn nhanh hơn và sâu 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 tiến quá gần một thiên thể có khối lượng lớn, lực thủy triều sẽ vượt quá lực hấp dẫn bản thân của nó, khiến thiên thể bị xé vụn.

Ẩn dụ này dùng để mô tả quan hệ giữa doanh nghiệp và mô hình lớn ngày nay, đến mức chính xác đến đáng bất an.

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

Vậy ranh giới nằm ở đâu để doanh nghiệp có thể “vui đùa cùng AI” mà không bị nuốt chửng cuối cùng?

Vấn đề này đã được đặt lên bàn tại Mỹ. Nhưng nếu bạn nghĩ rằng nó vẫn còn rất xa với doanh nghiệp Trung Quốc, có thể đó chỉ là ảo giác.

Doanh nghiệp Trung Quốc và Mỹ có khác biệt về nhịp độ ứng dụng AI. Doanh nghiệp Mỹ đã bước vào giai đoạn triển khai AI quy mô lớn và thâm nhập sâu vào nghiệp vụ, trong khi nhìn chung doanh nghiệp Trung Quốc còn đang chuyển từ thử điểm sang mở rộng quy mô. Một cuộc khảo sát do Lenovo hợp tác với IDC công bố hồi tháng 3 năm nay cho thấy 72% doanh nghiệp trong nước đã hoàn tất thử nghiệm triển khai tác nhân và đưa vào sử dụng chính thức, trung bình AI được triển khai trong 3,5 ngữ cảnh. Nhưng trọng tâm thách thức 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 doanh nghiệp Mỹ.

GeekPark gần đây trao đổi với nhiều nhà sáng lập và doanh nghiệp có hoạt động truyền thống, và phát hiện một hiện tượng thú vị — suy nghĩ của mọi người về những vấn đề này nhiều khi không xuất phát từ nỗi khủng hoảng trực tiếp kiểu “lo công ty mô hình cướp mất việc làm của mình”, mà là sau khi AI thật sự được nhét vào trong nghiệp vụ, họ tự nhiên 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 kiểm soát “nền móng AI”?

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

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

Điều này không phải chỉ là sự cố chấp. Cảm nhận ở doanh nghiệp trong nước Trung Quốc hoàn toàn tương tự. Người phụ trách R&D mảng sản phẩm của WPS 365 thuộc Kingsoft, Hoàng Vĩ Kiệt, gần đây đã nói một câu rất đúng — “Thứ doanh nghiệp thiếu không phải phần cứng và mô hình, mà là một lớp ứng dụng AI an toàn.”

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

Karp gọi điều đó là “commodity cognition được thương mại hóa”. Nhận định của ông là chất lượng bản thân mô hình đang dần hội tụ, giá trị khác biệt thật sự không nằm ở tầng mô hình, mà ở lớp ứng dụng gắn năng lực mô hình với bối cảnh đặc thù của doanh nghiệp. “Nền tảng AI chủ quyền” mà Palantir hợp tác với NVIDIA ra mắt chính là cách tiếp cận được thương mại hóa theo logic đó — dùng mô hình mã nguồn mở cộng thêm lớp bản thể học và khung quản trị của riêng Palantir, để doanh nghiệp chạy AI trong môi trường hoàn toàn kiểm soát, không rời đi dù chỉ 1 byte dữ liệu. Doanh thu quý 1 năm 2026 của Palantir đạt 1,63 tỷ USD, tăng 85% so với cùng kỳ năm ngoái; ở một mức độ nào đó, điều đó chính 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 móng của chính họ” sẽ càng được ưu ái. Tại Trung Quốc, “bộ não tư nhân hóa AI” đã trở thành một lĩnh vực thật sự, và nhiều công ty khởi nghiệp đang làm sản phẩm xoay quanh hướng này. Đây không phải là bệnh cầu toàn kỹ thuật, mà là lựa chọn lý trí sau khi doanh nghiệp đã nghĩ kỹ.

**05 **Đừng biến tổ chức thành một cái “máy đọc lại”

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

Đã có một số doanh nghiệp đi khá nhanh mắc phải cái bẫy này.

Khi AI ở một số khâu cho thấy hiệu suất vượt trội rõ rệt so với con người, ý nghĩ tự nhiên chính là “cắt bỏ người”. Nhưng sau khi tổ chức bị làm mỏng đi, một vấn đề ẩn bắt đầu lộ diện — những thứ mà AI chạy, về bản chất là các “best practice” được đúc kết bởi chính con người trong môi trường cũ trước đây. Khi môi trường đổi thay, thị trường đổi thay, người dùng đổi thay, AI vẫn trung thành thực thi bộ logic cũ đó, còn trong tổ chức đã không còn đủ người để nhận biết các thay đổi và thúc đẩy nghiệp vụ tiến hóa.

Nói thẳng ra, một tổ chức bị AI lấp đầy nhưng bị con người rút cạn có thể chỉ đang lặp lại một cách hiệu quả những gì đã từng xảy ra trong 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 loại con người khác — không phải những người theo nghĩa truyền thống là làm các nhiệm vụ cụ thể, mà là người có thể “điều khiển” AI. Vai trò này cần hiểu toàn cục về nghiệp vụ, có thể đánh giá liệu thứ AI tạo ra còn phù hợp với thực tế đang thay đổi hay không, và có thể nhìn thấy những khả năng mới bên cạnh “phương án tối ưu” mà AI đưa ra.

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

Mức độ quan trọng của sự đảo chiều nhận thức này có thể không kém so với chủ quyền dữ liệu. Khi AI san bằng các rào cản kỹ thuật, “năng lực phán đoán của con người” và “khả năng tiến hóa của tổ chức” lại trở thành thứ khó bị sao chép nhất. Một số công ty đã nhận ra điều này, một số thì chưa. Ranh giới này rất có thể sẽ trở nên vô cùng rõ ràng trong 1–2 năm tới.

**06 **Ngành cần “những công ty AI mới”

Trong hai năm qua, một giả định ngầm đã chi phối cả ngành — giá trị của thời đại AI rốt cuộc sẽ tập trung vào tay các công ty mô hình. Người càng đứng gần với mô hình thì giá trị càng cao.

Giả định này đang bị rung chuyển.

Karp trên CNBC thực chất đã vạch ra một điều — bản thân mô hình đang trở thành “nhận thức được thương mại hóa”. Khi khoảng cách năng lực giữa các đại mô hình ngày càng thu hẹp, khác biệt thật sự không còn nằm ở tầng mô hình nữa. Một cấu trúc ngành mà mô hình chỉ có một bên “độc quyền” không chỉ không lành mạnh đối với doanh nghiệp, mà còn là ràng buộc tốc độ phát triển của cả ngành AI.

Doanh nghiệp cần gì? Không phải một mô hình mạnh hơn. Thứ họ cần là cả một hệ sinh thái — có thể đáp trả nỗi lo về chủ quyền dữ liệu, có thể bảo vệ rào cản cạnh tranh không bị “hút cạn”, và có thể nhúng AI vào nghiệp vụ mà không mất kiểm soát. Nhu cầu này đang tạo ra một thị trường phức tạp hơn rất nhiều so với việc “bán token”.

Một vài hướng đã có tín hiệu rõ ràng.

“Hạ tầng AI chủ quyền” đang trở thành một mạch điện thật sự, có cơ hội gom được tiền lớn. Đây không phải khái niệm. Chỉ riêng trong nửa đầu năm 2026, ở châu Âu đã có 3 công ty làm hạ tầng AI chủ quyền (Nebius, nScale, AtlasEsge) tổng cộng huy động hơn 11.8 tỷ USD. Chỉ vài ngày trước, Valarian tại London vừa nhận được 50 triệu USD vòng A; họ 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 tới dữ liệu nào và trong điều kiện nào. Hai năm trước, thứ này hầu như chưa có nhu cầu; giờ đây chính phủ và các tập đoàn lớn xếp hàng đòi.

“Cổng AI” và lớp trung gian biên phối (orchestration) đang trở thành mắt xích 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 mô hình chuyên dụng được tinh chỉnh riêng, thì ai sẽ lo việc định tuyến thống nhất, kiểm soát chi phí, quản trị quyền truy cập và kiểm toán? Vị trí này trong thời đại phần mềm truyền thống được gọi là middleware, còn trong thời đại AI thì gọi là gateway hoặc lớp biên phối. Nó không “hào nhoáng”, nhưng lại là hạ tầng then chốt để doanh nghiệp chuyển từ “dùng AI” sang “quản tốt AI”. Palantir về bản chất làm đúng lớp này, chỉ là họ làm phiên bản nặng nhất. Các giải pháp nhẹ hơn, nhắm tới doanh nghiệp với quy mô khác nhau, còn không gian rất lớn.

Ở tầng ứng dụng, các giải pháp AI theo ngành dọc cũng đang dịch chuyển từ “bọc vỏ” sang “đi sâu”. Trước đây, nhiều ứng dụng AI thực chất chỉ là bọc thêm một lớp GPT. Nhưng bây giờ, thứ có thể đứng vững được lại là những sản phẩm hiểu sâu know-how của một ngành cụ thể, và gắn chặt năng lực AI với logic nghiệp vụ của ngành đó. Điểm neo giá trị của nhóm công ty này không nằm ở mô hình, mà nằm ở nhận thức về ngành — đúng là thứ mà các công ty mô hình lớn rất khó thu được thông qua huấn luyện.

Thậm chí ở tầng “con người”, cũng đang xuất hiện một thị trường dịch vụ mới. Khi ngày càng nhiều doanh nghiệp nhận ra thứ họ cần không phải nhiều công cụ AI hơn, mà là người có thể “điều khiển AI” và hệ phương pháp tổ chức đi kèm, 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 nổi lên nhanh chóng.

Rốt cuộc, một ngành chỉ có “tầng mô hình” là mong manh. Thứ giúp ngành AI chạy nhanh hơn và khỏe mạnh hơn thật sự là một hệ sinh thái ba chiều hơn. Trong hệ sinh thái đó, có người làm mô hình, có người làm hạ tầng AI chủ quyền, có người làm gateway và quản trị, có người làm các ứng dụng sâu theo ngành dọc, có người giúp doanh nghiệp tái định hình năng lực tổ chức. Mỗi tầng đều đang đáp ứng nhu cầu thật của doanh nghiệp trong quá trình chuyển từ “ôm lấy” sang “cầm lái”.

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

Quay lại ẩn dụ Giới hạn Roche. Việc tìm ra quỹ đạo an toàn chưa bao giờ là việc của riêng một doanh nghiệp. Khi cả hệ sinh thái bắt đầu mọc lên những “lực lượng” ngoài mô hình, doanh nghiệp mới thực sự có đủ lá chắn để không bị xé vụn.