Stratechery lật ngược lý thuyết bong bóng AI, chúng ta nên làm gì với AI?

Tiêu đề gốc: Agent Over Bubbles
Tác giả gốc: Ben Thompson, Stratechery
Người biên dịch: Peggy, BlockBeats

Lưu ý của biên tập viên: Trong bối cảnh đầu tư AI và các câu chuyện trong ngành tiếp tục nóng lên, "liệu có bong bóng" đã trở thành vấn đề cốt lõi được thảo luận nhiều lần trên thị trường hay không. Một mặt, những câu chuyện về rủi ro cực độ tiếp tục củng cố mối lo ngại của mọi người về việc công nghệ nằm ngoài tầm kiểm soát; mặt khác, việc mở rộng nhanh chóng chi phí vốn và mức định giá cũng khiến “lý thuyết bong bóng” kéo dài. Dưới những khác biệt như vậy, phán đoán của thị trường cho thấy sự không chắc chắn rõ ràng.

Tác giả bài viết này, Ben Thompson, là người sáng lập nền tảng phân tích công nghệ Stratechery. Ông từ lâu đã quan tâm đến sự phát triển của cơ cấu ngành công nghệ và mô hình kinh doanh. Nhân dịp NVIDIA GTC 2026, ông đã sửa lại nhận định trước đây của mình về "liệu AI có ở trong bong bóng" hay không: ông không còn coi tình hình hiện tại là bong bóng nữa mà hiểu đó là một vòng tăng trưởng cơ cấu được thúc đẩy bởi những thay đổi trong mô hình công nghệ.

Đặc biệt là vào cuối năm 2025, với việc phát hành Anthropic Opus 4.5 và OpenAI GPT-5.2-Codex, khối lượng công việc tác nhân bắt đầu chuyển từ ý tưởng sang thực tế.

Điều quan trọng không phải là bản thân mẫu mã mà là sự xuất hiện của "bộ phận khai thác tác nhân". Tác nhân tách người dùng khỏi các mô hình và chịu trách nhiệm lập kế hoạch cho các mô hình, gọi công cụ và xác minh kết quả, chuyển đổi AI từ một công cụ cần sự can thiệp liên tục của con người thành một hệ thống thực thi có thể ủy thác nhiệm vụ. Thay đổi này không chỉ cải thiện độ tin cậy mà còn mở rộng ranh giới ứng dụng của AI.

Dựa trên sự thay đổi mô hình này, tác giả chỉ ra thêm rằng việc mở rộng nhu cầu AI không còn phụ thuộc vào quy mô người dùng mà phụ thuộc nhiều hơn vào khả năng lập kế hoạch của người dùng đơn vị; đồng thời, khối lượng công việc tác nhân có đặc điểm “kẻ thắng có tất cả” và sẽ tiếp tục thúc đẩy nhu cầu về sức mạnh tính toán hiệu suất cao, đồng thời mang lại cơ hội mang tính cấu trúc cho các nhà sản xuất chip và nhà cung cấp dịch vụ đám mây.

Trong khuôn khổ này, chi tiêu vốn quy mô lớn hiện nay không còn chỉ là sự đặt cược đầu cơ vào tương lai mà nhiều khả năng là sự phản ánh trước nhu cầu thực tế. Khi AI chuyển từ “công cụ phụ trợ” sang “cơ sở hạ tầng thực thi”, tác động kinh tế của nó có thể mới bắt đầu xuất hiện.

Sau đây là văn bản gốc:

Trước đây, tôi nghiêng về vế sau nhiều hơn và thậm chí còn tin rằng bong bóng có thể không phải là điều xấu ở một số giai đoạn nhất định.

Nhưng bây giờ, khi đứng tại buổi khai trương Nvidia GTC vào tháng 3 năm 2026, nhận định của tôi đã thay đổi: đây có thể không phải là bong bóng. (Trớ trêu thay, bản thân nhận định này có thể chính xác là tín hiệu của bong bóng.)

Ba sự thay đổi mô hình của LLM

Trong vài tuần qua, khi thảo luận về báo cáo tài chính của Nvidia và Oracle, tôi đã nhiều lần đề cập rằng LLM đã trải qua ba bước nhảy vọt quan trọng.

Giai đoạn một: ChatGPT

Điểm bước ngoặt đầu tiên là việc phát hành ChatGPT vào tháng 11 năm 2022, hầu như không cần phải chuẩn bị kỹ lưỡng. Mặc dù các mô hình ngôn ngữ lớn dựa trên Transformer đã xuất hiện từ đầu năm 2017 và khả năng của chúng tiếp tục được cải thiện nhưng chúng vẫn bị đánh giá thấp trong một thời gian dài. Ngay cả trong cuộc phỏng vấn của tôi với Stratechery vào tháng 10 năm 2022, tôi đã tin rằng công nghệ này, tuy tuyệt vời nhưng lại thiếu khả năng sản xuất và động lực kinh doanh.

但几周之后，一切彻底反转。 ChatGPT lần đầu tiên đã khiến thế giới thực sự nhận thức được khả năng của LLM.

Tuy nhiên, phiên bản đầu tiên cũng để lại hai ấn tượng sâu sắc được các “nhà lý thuyết bong bóng” nhắc đến nhiều lần:

Thứ nhất, mô hình thường mắc sai lầm, thậm chí còn bịa ra “ảo giác” khi không biết đáp án. Điều này làm cho nó giống một "công cụ trình diễn" hơn, đẹp mắt nhưng không đáng tin cậy.

Thứ hai, dù vậy nó vẫn rất hữu ích nhưng chỉ khi bạn biết cách sử dụng và cần liên tục xác minh đầu ra và sửa lỗi.

Giai đoạn thứ hai: o1

Điểm uốn thứ hai là mô hình o1 do OpenAI phát hành vào tháng 9 năm 2024. Vào thời điểm đó, LLM đã được cải thiện đáng kể với các mô hình cơ sở mạnh hơn và kỹ thuật sau đào tạo, dẫn đến kết quả đầu ra chính xác hơn và ít tạo tác hơn.

Nhưng điểm đột phá quan trọng của o1 là: nó sẽ "suy nghĩ" trước rồi mới trả lời.

Traditional LLM is path-dependent. Một khi bạn mắc sai lầm trong quá trình suy luận thì bạn sẽ sai đến tận cùng.这是 「自回归模型」的根本弱点。 Mô hình suy luận sẽ tự đánh giá câu trả lời. Đầu tiên nó sẽ tạo ra câu trả lời, sau đó xác định xem nó có đúng không và thử các đường dẫn khác nếu cần.

Điều này có nghĩa là mô hình bắt đầu chủ động quản lý lỗi và giảm bớt gánh nặng can thiệp của người dùng. Kết quả cũng rất đáng kể. Nếu đột phá của ChatGPT nằm ở việc “làm cho LLM có sẵn”, thì đột phá của o1 nằm ở việc “làm cho LLM trở nên đáng tin cậy”.

Giai đoạn thứ ba: Đặc vụ (Opus 4.5 / Codex)

Cuối năm 2025, bước nhảy thứ ba sẽ diễn ra.

Vào tháng 11 năm 2025, Anthropic phát hành Opus 4.5, ban đầu nhận được phản hồi ở mức trung bình. Nhưng vào tháng 12, Claude Code trang bị mẫu xe này bất ngờ bộc lộ khả năng chưa từng có; gần như cùng lúc đó, OpenAI phát hành GPT-5.2-Codex, cũng cho thấy mức độ tương tự.

Mọi người trước đây đã nói về "Đặc vụ", nhưng tại thời điểm này, cuối cùng họ cũng bắt đầu thực sự hoàn thành các nhiệm vụ, ngay cả những nhiệm vụ phức tạp mất hàng giờ và thực hiện chúng một cách chính xác.

Chìa khóa không phải là bản thân mô hình mà là lớp điều khiển (khai thác), là lớp phần mềm lên lịch cho mô hình, gọi công cụ và thực thi quy trình. Nói cách khác, người dùng không còn trực tiếp vận hành mô hình mà thay vào đó chỉ định các mục tiêu và Tác nhân lên lịch cho mô hình, gọi các công cụ, thực thi quy trình và xác minh kết quả.

Lấy lập trình làm ví dụ:

·Giai đoạn 1: Mô hình tạo mã

·Giai đoạn 2: Mô hình thực hiện suy luận trong quá trình tạo

·Giai đoạn 3: Tác nhân tạo mã → thực hiện kiểm thử → tự động chạy thử nghiệm → khởi động lại nếu bạn mắc lỗi và người dùng không cần tiếp tục can thiệp.

Điều này có nghĩa là các lỗ hổng cốt lõi của kỷ nguyên ChatGPT đang được giải quyết một cách có hệ thống, với độ chính xác cao hơn, khả năng suy luận mạnh mẽ hơn và cơ chế xác minh tự động.

Câu hỏi duy nhất còn lại là: chính xác thì tôi nên làm gì với nó?

Ngưỡng "sáng kiến" đang giảm

Lý do tôi liên tục nhấn mạnh ba bước ngoặt này là để giải thích tại sao toàn bộ ngành đang thiếu hụt nghiêm trọng sức mạnh tính toán và tại sao chi tiêu vốn cực lớn lại hợp lý.

Ba mô hình có những yêu cầu hoàn toàn khác nhau về sức mạnh tính toán:

·Giai đoạn đầu tiên: đào tạo tiêu thụ sức mạnh tính toán, nhưng chi phí suy luận thấp

·Giai đoạn thứ hai: chi phí suy luận tăng vọt (nhiều token hơn + tần suất sử dụng cao hơn)

·Giai đoạn thứ ba (Tác nhân): gọi mô hình suy luận nhiều lần, bản thân Tác nhân cũng tiêu thụ sức mạnh tính toán (thậm chí cả CPU thiên vị), tần suất sử dụng đã bùng nổ hơn nữa

Nhưng quan trọng hơn là điểm thứ ba: những thay đổi trong cơ cấu nhu cầu đã bị đánh giá thấp một cách nghiêm trọng.

Hiện tại, nhiều người sử dụng chatbot hơn nhiều so với đại lý và nhiều người thực sự không tận dụng tối đa AI.原因在于使用 AI 需要 「主动性」。 LLM là một công cụ. Nó không có mục tiêu hay ý chí và chỉ có thể được gọi một cách chủ động.

Nhưng Tác nhân thay đổi điều này, giảm bớt yêu cầu về sự chủ động của con người. Trong tương lai, một người có thể chỉ huy nhiều Đặc vụ cùng một lúc.

Điều này có nghĩa là ngay cả khi chỉ một số ít người có "sáng kiến" cũng đủ để thúc đẩy nhu cầu sức mạnh tính toán khổng lồ và sản lượng kinh tế.

AI vẫn cần "người lái xe" nhưng không cần "nhiều người" nữa.

Các yếu tố thúc đẩy thanh toán của doanh nghiệp

Rõ ràng là mức sẵn lòng trả tiền cho AI của người tiêu dùng còn hạn chế.真正愿意为生产力买单的,是企业。

Điều các công ty hào hứng nhất không chỉ là AI có thể cải thiện hiệu quả mà còn là AI có thể thay thế lao động của con người và hoạt động hiệu quả hơn.

Thực tế hiện nay là ở các công ty lớn, thường chỉ có một số ít người thực sự thúc đẩy doanh nghiệp phát triển; nhưng tổ chức rất lớn nên tốn nhiều chi phí điều phối. Vai trò của Người đại diện là khuếch đại ảnh hưởng của "những người thúc đẩy giá trị" đồng thời giảm bớt xung đột trong tổ chức.

Kết quả là "ít người hơn → sản lượng cao hơn → chi phí thấp hơn".这也是为什么，未来的裁员，很可能不只是 「周期调整」，而是结构变化。

Công ty sẽ suy nghĩ lại, không chỉ liệu “nó đã thuê quá nhiều người trong thời kỳ dịch bệnh”, mà còn liệu chúng ta có cần nhiều người như vậy trong thời đại AI hay không?

这为什么不是泡沫？

Từ góc độ này, logic "không phải bong bóng" tương đối rõ ràng:

1. Các lỗ hổng cốt lõi của LLM đang liên tục được giải quyết bằng sức mạnh tính toán và kiến ​​trúc

2. Ngưỡng con người thúc đẩy nhu cầu đang giảm

3.Tác nhân Lợi ích mà nó mang lại không chỉ là giảm chi phí mà còn tăng doanh thu

Do đó, không khó hiểu tại sao tất cả các nhà cung cấp đám mây đều nói rằng nguồn cung sức mạnh tính toán vượt quá nhu cầu và tiếp tục làm tăng đáng kể chi phí vốn.

Tái thiết chuỗi giá trị và tác nhân

Một câu hỏi quan trọng khác là, nếu mô hình này cuối cùng được thương mại hóa, liệu OpenAI và Anthropic có còn kiếm được tiền không?

Sự hiểu biết thông thường nói không, nhưng Tác nhân đã thay đổi điều đó. Điều quan trọng là giá trị thực không nằm ở bản thân mô hình mà nằm ở sự tích hợp của "mô hình + hệ thống điều khiển".

Lợi nhuận có xu hướng chảy vào "lớp tích hợp" hơn là vào các mô-đun có thể thay thế được. Cũng giống như Apple, lý do phần cứng của họ không được thương mại hóa là vì nó được tích hợp sâu với phần mềm. Theo cách tương tự, Tác nhân yêu cầu sự cộng tác sâu sắc giữa các mô hình và bộ khai thác, điều này làm cho các nhà tích hợp khóa OpenAI và Anthropic trong chuỗi giá trị chứ không phải là một liên kết có thể thay thế được.

Sự thay đổi của Microsoft là một tín hiệu. Ban đầu nó nhấn mạnh đến "khả năng thay thế mẫu mã", nhưng đã phải từ bỏ quan điểm này sau khi tung ra sản phẩm Đại lý thực sự.

Điều này có nghĩa là mô hình có thể không được thương mại hóa hoàn toàn vì Tác nhân cần có khả năng tích hợp.

Nghịch lý cuối cùng

Tôi phải quay lại nghịch lý lúc đầu.

Tôi luôn tin rằng chừng nào mọi người vẫn còn lo lắng về bong bóng thì đó không phải là bong bóng; bong bóng thực sự là khi không còn ai thắc mắc về nó nữa.

Bây giờ, kết luận của tôi là: đây không phải là bong bóng.

Nhưng nếu bản thân "Tôi đã nói đây không phải là bong bóng" chứng tỏ đó là bong bóng thì chỉ có thể như vậy.

[Liên kết gốc]