Caldera (ERA) giảm sâu

Cách tiếp cận "kịch ba màn" truyền thống cho khởi nghiệp phần mềm doanh nghiệp đang trở nên lỗi thời trong thời đại AI. Trước đây, các công ty thường bắt đầu với một tính năng đơn lẻ (màn 1), mở rộng thành bộ sản phẩm (màn 2), và cuối cùng mới trở thành nền tảng (màn 3), một quá trình kéo dài nhiều năm. Tuy nhiên, chi phí phát triển phần mềm giờ đây đã giảm mạnh, cho phép các công ty như Cursor, Clay, Harvey đạt gần hoặc vượt 100 triệu USD ARR trong thời gian ngắn kỷ lục. Tốc độ cạnh tranh đã được định hình lại. Bài viết lập luận rằng, trong một thị trường thay đổi nhanh chóng, việc tìm kiếm một "điểm cắt" an toàn có thể trở nên bảo thủ. Thay vào đó, các công ty phần mềm thế hệ mới cần có tham vọng tái cấu trúc toàn bộ quy trình làm việc hoặc thay thế các nền tảng hiện có ngay từ đầu. Cái chết của "kịch ba màn" về bản chất đánh dấu sự chuyển dịch từ mở rộng dần dần sang việc đặt cược toàn bộ vào một tầm nhìn lớn ngay lập tức.

Trong ba năm qua, chatbot từng được xem là "vùng đất mới" đầy hứa hẹn của thời đại AI, nhưng hiện tại mô hình kinh doanh của nó đang đối mặt với nhiều thách thức. OpenAI, với ChatGPT có hơn 900 triệu người dùng hoạt động hàng tuần, vẫn đang thua lỗ. Trong khi đó, Anthropic, tập trung vào khách hàng doanh nghiệp, đã đạt doanh thu hàng năm vượt 300 tỷ USD. Bài viết chỉ ra ba vấn đề chính của mô hình chatbot thuần túy: Kinh tế học đảo ngược (chi phí biên tăng theo người dùng), rào cản thấp (người dùng dễ dàng chuyển đổi, tỷ lệ trả phí thấp, đặc biệt ở thị trường Trung Quốc), và sự thất bại của mô hình kinh tế chú ý (quảng cáo khó triển khai do thiếu ý định mua hàng, định dạng câu trả lời đơn lẻ và vấn đề niềm tin). Dữ liệu cho thấy tốc độ tăng trưởng người dùng chatbot đang chậm lại. Tương tác chủ yếu vẫn là hỏi-đáp, trong khi nhu cầu thực sự là AI có thể "thực thi" công việc như một trợ lý. Xu hướng tương lai có thể không phải là một ứng dụng chatbot độc lập, mà là AI được tích hợp sâu vào các ứng dụng hiện có (như mạng xã hội, công cụ làm việc), hệ điều hành hoặc phần cứng. Bài học rút ra là: không thể dùng "tấm bản đồ cũ" của thời đại internet (tư duy cổng vào siêu cấp, kinh tế lưu lượng) để tìm "vùng đất mới" của thời đại AI. Giá trị thực sự nằm ở việc cung cấp khả năng AI như một lớp nền tảng, thâm nhập vào mọi sản phẩm và hoàn thành công việc cụ thể cho người dùng.

Tại bài phát biểu GTC Taipei 2026, CEO NVIDIA Jensen Huang tuyên bố thời đại của AI Agent (trợ lý AI) đã chính thức bắt đầu. Ông nhấn mạnh Token giờ đây không chỉ là chỉ số kỹ thuật mà đã trở thành đơn vị tạo ra doanh thu và lợi nhuận. NVIDIA công bố hàng loạt nền tảng và sản phẩm mới để dẫn đầu xu hướng này. Trọng tâm là hệ thống Vera Rubin, được thiết kế đặc biệt để chạy AI Agent, không chỉ là GPU mà là một hệ thống cơ sở hạ tầng hoàn chỉnh, an toàn và hiệu suất cao. NVIDIA cũng giới thiệu Vera CPU, bộ xử lý đầu tiên trên thế giới được xây dựng cho AI Agent với độ trễ cực thấp và băng thông khổng lồ, đáp ứng tính "thiếu kiên nhẫn" của các Agent. Huang mô tả mô hình tính toán tương lai: Agent = Mô hình ngôn ngữ lớn + Khung Agent (framework) + Công cụ/Kỹ năng + Thời gian chạy (runtime). Mô hình này sẽ phổ biến khắp nơi, từ đám mây, doanh nghiệp, PC cá nhân cho đến robot và thiết bị biên. Ông cũng công bố Bộ công cụ AI Agent doanh nghiệp của NVIDIA, giúp mọi công ty xây dựng và vận hành Agent của riêng họ một cách an toàn. Hợp tác với Microsoft, NVIDIA ra mắt dòng PC Windows mới (máy để bàn, máy tính xách tay, trạm làm việc) với chip N1X, được tối ưu hóa để chạy đầy đủ hệ sinh thái NVIDIA và các AI Agent cục bộ. Về AI vật lý, NVIDIA giới thiệu Cosmos 3 - mô hình nền tảng cho robot và thế giới vật lý, cùng Alpamayo 2 cho xe tự hành và nền tảng tham chiếu robot hình người Isaac GR00T. Huang kết luận NVIDIA đã chuyển đổi từ công ty GPU thành công ty hệ thống và giờ là công ty cơ sở hạ tầng, với sứ mệnh giúp khách hàng xây dựng các "nhà máy AI" tạo ra doanh thu tối đa trong kỷ nguyên mới, nơi "tính toán chính là doanh thu".

Năm 2026, chi phí đầu tư cho suy luận AI của các nhà cung cấp điện toán đám mây quy mô lớn lần đầu tiên vượt quá chi phí cho huấn luyện, đánh dấu bước chuyển từ "luyện mô hình lớn" sang "sử dụng mô hình lớn". Trong thời đại suy luận, điểm nghẽn chính chuyển sang "tường bộ nhớ" (memory wall), nơi chi phí và độ trễ di chuyển dữ liệu giữa GPU và DRAM (như HBM) vượt xa bản thân tính toán. Cerebras Systems, với kiến trúc động cơ quy mô wafer (WSE), đề xuất một giải pháp triệt để: thay vì cắt một tấm wafer thành nhiều chip nhỏ, họ sử dụng gần như toàn bộ wafer làm một chip khổng lồ duy nhất. Chip WSE-3 mới nhất cung cấp băng thông bộ nhớ trên chip cực cao nhờ 44GB SRAM, lên tới 21 PB/s, cao hơn 2625 lần so với GPU B200 của NVIDIA, giúp giảm đáng kể độ trễ trong suy luận mô hình lớn. Trong kiến trúc của Cerebras, trọng số mô hình được lưu trữ bên ngoài trên MemoryX và được truyền theo từng lớp đến chip khi cần, cho phép thông lượng token nhanh hơn từ 1.5 đến 5 lần so với B200 trong các mô hình khác nhau. Nó cũng có lợi thế lớn về hiệu suất năng lượng cho kết nối trên chip. Tuy nhiên, Cerebras phải đối mặt với những thách thức: lợi thế SRAM có thể chạm trần vật lý do giới hạn thu nhỏ theo tiến trình bán dẫn, yêu cầu hệ thống làm mát chuyên dụng, băng thông I/O ra bên ngoài thấp gây khó khăn cho mở rộng quy mô lớn, và hệ sinh thái phần mềm độc quyền. Các gã khổng lồ công nghệ đang theo đuổi nhiều con đường khác để giải quyết điểm nghẽn suy luận, bao gồm tự phát triển ASIC (như TPU, Maia), tận dụng công nghệ đóng gói tiên tiến phổ biến (như SoW của TSMC), và khám phá kết nối/quang học. Áp lực thương mại cũng rất lớn, khi Cerebras phải chuyển đổi thành nhà cung cấp dịch vụ đám mây và triển khai năng lực trung tâm dữ liệu khổng lồ theo các hợp đồng. Tóm lại, cuộc đua kiến trúc suy luận AI là về sự đánh đổi: Cerebras tối ưu hóa cực độ cho độ trễ thấp trên một wafer, trong khi NVIDIA duy trì tính linh hoạt và thông lượng cao thông qua kiến trúc cụm GPU. Tương lai của cả hai hướng đi vẫn chưa được định đoạt, phụ thuộc vào sự phát triển của tải công việc và công nghệ.

Một nhà nghiên cứu đã sử dụng Claude Opus 4.8 để tìm ra lỗ hổng nghiêm trọng trong giao thức Orchard của Zcash, cho phép tạo token không giới hạn, làm bay hơi 45 tỷ USD vốn hóa thị trường chỉ sau thông báo chính thức. Sự việc cho thấy AI đang hạ thấp đáng kể ngưỡng phát hiện lỗ hổng, biến nó từ công việc của chuyên gia thành khả năng phổ cập. Điều đáng lo ngại không phải là mô hình mạnh nhất (như Claude Mythos), mà là những mô hình đủ mạnh, rẻ và phổ biến như Opus. Chúng cho phép cả người bảo vệ lẫn kẻ tấn công nhanh chóng hiểu hệ thống, dẫn đến hai hệ quả: một là tràn ngập báo cáo lỗi chất lượng thấp do AI tạo ra, làm kiệt quệ đội ngũ bảo trì mã nguồn mở; hai là các lỗ hổng ẩn sâu trước đây bị phát hiện với tốc độ chóng mặt. An ninh mạng vốn dựa vào một chuỗi hợp tác con người dài và mong manh để duy trì trải nghiệm "bình thường" cho người dùng. Tuy nhiên, khi AI làm gia tăng theo cấp số nhân cả lỗ hổng lẫn báo cáo, lực lượng phòng thủ vốn đã thiếu hụt nhân lực trầm trọng (khắp toàn cầu thiếu khoảng 4.8 triệu người) lại càng thêm quá tải. Chi phí phát hiện lỗi giảm, nhưng chi phí sửa chữa, phán đoán và phối hợp vẫn cao như cũ. Kỷ nguyên AI không phá hủy internet, mà giống như bật đèn sáng, cho chúng ta thấy sự thật: sự an toàn kỹ thuật số mà chúng ta hưởng thụ là thành quả của việc liên tục đè nén rủi ro bởi con người. Thứ đắt đỏ và khan hiếm thực sự bây giờ không phải là tìm ra lỗi, mà là có còn đủ người sẵn sàng sửa chữa chúng hay không.