Stratechery phủ định lời trào phúng về bong bóng trí tuệ nhân tạo, chúng ta nên sử dụng trí tuệ nhân tạo để làm gì?
原文標題：Agent Over Bubbles
原文作者：Ben Thompson，Stratechery
翻譯：Peggy，BlockBeats
編者按：在 AI 投資與產業敘事持續升溫的背景下，「是否存在泡沫」已成為市場反覆討論的核心問題。一方面，極端風險敘事不斷強化人們對技術失控的擔憂；另一方面，快速擴張的資本支出與估值水準，也讓「泡沫論」始終揮之不去。在這種分歧之下，市場判斷呈現出明顯的不確定性。
本文作者 Ben Thompson 是科技分析平台 Stratechery 的創始人，長期關注科技產業結構與商業模式演進。在英偉達 GTC 2026 召開之際，他修正了此前對「AI 是否處於泡沫之中」的判斷：不再將當前視為泡沫，而是將其理解為一輪由技術範式變化驅動的結構性增長。
這一判斷，建立在對 LLM 三次關鍵躍遷的觀察之上。自 2022 年 ChatGPT 首次向市場展示大語言模型能力以來，LLM 已從「可用但不可靠」，發展到「具備推理能力」，再到「能夠獨立執行任務」。尤其在 2025 年底，隨著 Anthropic Opus 4.5 與 OpenAI GPT-5.2-Codex 的發布，agentic 工作負載開始從概念走向現實。
其中，關鍵不在模型本身，而在「agent harness」的出現。Agent 將使用者與模型解耦，負責調度模型、調用工具並驗證結果，使 AI 從需要人為持續干預的工具，轉變為可以託付任務的執行系統。這一變化不僅提升了可靠性，也拓展了 AI 的應用邊界。
基於這一範式轉變，作者進一步指出，AI 需求的擴張不再取決於使用者規模，而更多取決於單位使用者的調度能力；同時，agentic 工作負載具備「贏家通吃」的特徵，將持續推高對高性能算力的需求，並為晶片廠商與雲服務提供商帶來結構性機會。
在這一框架下，當前的大規模資本支出不再只是對未來的投機性押注，而更可能是對真實需求的前置反映。隨著 AI 從「輔助工具」走向「執行基礎設施」，其經濟影響，或許才剛剛開始顯現。
Dưới đây là văn bản gốc:
Trước đây, tôi đã ưa thích sự sau cùng hơn, thậm chí tin rằng, vào một số giai đoạn, bong bóng có thể không hẳn là điều tồi tệ.
Nhưng vào thời điểm này, đứng đây vào tháng 3 năm 2026, dịp khai mạc GTC của NVIDIA, quan điểm của tôi đã thay đổi: điều này có thể không phải là một bong bóng. (Và điều trớ trêu là, quan điểm này chính có thể là dấu hiệu của một bong bóng.)
Ba Bước Chuyển Paradigm của LLM
Trong vài tuần vừa qua, khi tôi đã thảo luận về báo cáo tài chính của NVIDIA và Oracle, tôi đã nhiều lần nhấn mạnh rằng LLM đã trải qua ba bước chuyển quan trọng.
Bước Đầu Tiên: ChatGPT
Bước điểm mốc đầu tiên là việc phát hành ChatGPT vào tháng 11 năm 2022, mà gần như không cần phải mô tả. Mặc dù các mô hình ngôn ngữ lớn dựa trên Transformer đã xuất hiện từ năm 2017, và khả năng của chúng đã ngày càng được nâng cao, nhưng chúng đã bị đánh giá thấp trong thời gian dài. Thậm chí vào tháng 10 năm 2022, tôi đã thậm chí trong một cuộc phỏng vấn trên Stratechery còn cho rằng, mặc dù công nghệ này ấn tượng, nó thiếu sự sản phẩm hóa và động lực khởi nghiệp.
Nhưng vài tuần sau, mọi thứ đã thay đổi hoàn toàn. ChatGPT đã khiến thế giới lần đầu tiên thực sự nhận ra khả năng của LLM.
Tuy nhiên, các phiên bản sớm cũng để lại hai ấn tượng sâu sắc, đặc biệt được nhắc đến lần lượt bởi các "người theo trường phái bong bóng":
Một, mô hình thường xuyên mắc lỗi, thậm chí có thể "tưởng tượng" ra câu trả lời khi không biết. Điều này khiến nó trở nên giống như một "công cụ trình diễn", gây ấn tượng nhưng không đáng tin cậy.
Hai, mặc dù vậy, nó vẫn hữu ích rất nhiều, nhưng với điều kiện là bạn phải biết cách sử dụng và cần liên tục kiểm tra đầu ra, sửa lỗi.
Bước Thứ Hai: o1
Bước điểm mốc thứ hai là việc OpenAI phát hành mô hình o1 vào tháng 9 năm 2024. Lúc đó, LLM đã tiến bộ đáng kể nhờ vào mô hình cơ sở mạnh mẽ hơn và kỹ thuật huấn luyện sau. Đầu ra của chúng chính xác hơn, ít ảo hóa hơn.
Nhưng bước đột phá quan trọng của o1 là: nó sẽ trước tiên "suy nghĩ", sau đó mới trả lời.
LLM truyền thống là dựa trên quy trình phụ thuộc vào đường đi, một khi đi sai trong quá trình suy luận, nó sẽ đi sai suốt chặng đường. Đây là điểm yếu cơ bản của "mô hình tự hồi quy". Trong khi đó, mô hình suy luận sẽ tự đánh giá câu trả lời, nó sẽ tạo ra câu trả lời trước, sau đó đánh giá xem đúng hay sai, cần thiết sẽ thử các đường đi khác.
Dễ hiểu rằng, mô hình bắt đầu tự quản lý lỗi, giảm bớt gánh nặng can thiệp của người dùng. Kết quả cũng rất đáng kể. Nếu nói rằng bước đột phá của ChatGPT nằm ở "việc làm cho LLM có thể sử dụng", thì bước đột phá của o1 nằm ở "việc làm cho LLM đáng tin cậy".
第三阶段：Agent（Opus 4.5 / Codex）
2025 年底，第三次跃迁出现。
2025 年 11 月，Anthropic 发布 Opus 4.5，起初反响平平。但到了 12 月，搭载该模型的 Claude Code 突然展现出前所未有的能力；几乎同时，OpenAI 发布 GPT-5.2-Codex，也表现出类似水平。
人们此前一直在谈「Agent」，但在这一刻，它们终于开始真正完成任务，甚至是需要数小时的复杂任务，而且是正确完成。
关键不在模型本身，而在控制层（harness），也就是调度模型、调用工具、执行流程的软件层。换句话说，用户不再直接操作模型，而是下达目标，由 Agent 调度模型、调用工具、执行流程并验证结果。
以编程为例：
·第一阶段：模型生成代码
·第二阶段：模型在生成过程中进行推理
·第三阶段：Agent 生成代码 → 执行测试 → 自动运行测试 → 错了就重来，用户无需持续介入。
这意味着，ChatGPT 时代的核心缺陷正在被系统性解决，更高的正确率、更强的推理能力、自动验证机制。
唯一剩下的问题是：到底该用它做什么？
「主动性」的门槛在下降
我之所以反复强调这三个拐点，是为了说明为什么整个行业正在严重缺算力，以及为什么超大规模资本开支是合理的。
三种范式，对算力需求完全不同：
·第一阶段：训练耗算力，但推理成本较低
·第二阶段：推理成本暴涨（更多 token + 更高使用频率）
·第三阶段（Agent）：多次调用推理模型、Agent 本身也消耗算力（甚至偏向 CPU）、使用频率进一步爆炸
但更重要的是第三点：需求结构的变化被严重低估。
目前，使用聊天机器人的人远多于使用 Agent 的人，而且很多人其实并没有充分使用 AI。原因在于使用 AI 需要「主动性」。LLM 是工具，它没有目标、没有意志，只能被主动调用。
Nhưng Agent đã thay đổi điều này, giảm bớt yêu cầu về tính chủ động của con người. Trong tương lai, một người có thể điều khiển nhiều Agent cùng một lúc.
Điều này có nghĩa là, ngay cả khi chỉ có một số ít người sở hữu "tính chủ động", đó đã đủ để thúc đẩy nhu cầu tính toán lớn và sản xuất kinh tế.
Trí tuệ nhân tạo vẫn cần "người điều khiển", nhưng không còn cần "rất nhiều người".
Động lực thanh toán cho Doanh nghiệp
Sự sẵn lòng thanh toán của người tiêu dùng cho trí tuệ nhân tạo đang dần giảm, điều này đã dần trở nên rõ ràng. Người thật sự sẵn lòng chi tiền cho năng suất là doanh nghiệp.
Điều khiến doanh nghiệp hào hứng không chỉ là việc trí tuệ nhân tạo nâng cao hiệu quả, mà là việc trí tuệ nhân tạo có thể thay thế sự lao động con người và còn hiệu quả hơn.
Hiện tại, trong các tập đoàn lớn, những người thực sự thúc đẩy doanh nghiệp phát triển thường là một số ít; nhưng tổ chức lại rất lớn, đem lại nhiều chi phí phối hợp. Vai trò của Agent là tăng cường sức ảnh hưởng của "người tạo ra giá trị" và đồng thời giảm thiểu sự ma sát tổ chức.
Kết quả là "ít người hơn → sản xuất cao hơn → chi phí thấp hơn". Đó cũng là lý do tại sao, việc cắt giảm nhân sự trong tương lai, rất có thể không chỉ là "điều chỉnh chu kỳ", mà là thay đổi cấu trúc.
Các công ty sẽ suy nghĩ lại, không chỉ suy nghĩ về việc "trong thời gian đại dịch đã tuyển quá nhiều người", mà còn sẽ suy nghĩ rằng trong thời đại trí tuệ nhân tạo, chúng ta có thật sự không cần nhiều người như vậy không?
Tại sao đây không phải là bong bóng?
Từ cái nhìn này, lý do "không phải là bong bóng" trở nên rõ ràng hơn:
1. Lỗ hổng cốt lõi của LLM đang được giải quyết liên tục bằng sức mạnh tính toán và kiến trúc
2. Ngưỡng người dùng thúc đẩy nhu cầu đang giảm
3. Lợi ích mà Agent mang lại không chỉ là giảm chi phí, mà còn là tăng doanh thu
Do đó, không khó hiểu vì sao tất cả các nhà cung cấp đám mây đều nói rằng, cung cấp sức mạnh tính toán không đủ, và tiếp tục tăng đầu tư vốn lớn.
Agent và Tái cấu trúc Chuỗi giá trị
Vấn đề quan trọng khác là, nếu mô hình cuối cùng được hàng hoá hóa, OpenAI và Anthropic có thể vẫn kiếm tiền không?
Quan điểm truyền thống nghĩ rằng sẽ không, nhưng Agent đã thay đổi điều này. Điều quan trọng nằm ở việc, giá trị thực sự không nằm trong mô hình chính nó, mà nằm trong sự tích hợp "mô hình + hệ thống điều khiển".
Lợi nhuận thường chảy vào "tầng tích hợp", chứ không phải là các mô-đun có thể thay thế. Giống như Apple, lý do sản phẩm phần cứng của họ không được hàng hoá hóa, là vì tích hợp sâu với phần mềm. Tương tự, Agent cần sự cộng tác sâu rộng giữa mô hình và hệ thống điều khiển, điều này khiến cho OpenAI và Anthropic trở thành những người tích hợp chính trong chuỗi giá trị, chứ không phải là một phần có thể thay thế.
Sự biến đổi của Microsoft chỉ là một dấu hiệu, ban đầu họ nhấn mạnh vào việc "mô hình có thể thay thế," nhưng sau khi ra mắt sản phẩm Agent thực sự, họ đã phải từ bỏ điều này.
Điều này có nghĩa là mô hình không nhất thiết phải được thương mại hóa hoàn toàn, vì Agent cần có khả năng tích hợp.
Phản lý hết cuộc
Tôi phải quay trở lại với cái phản lý ở đầu.
Tôi luôn nghĩ rằng, miễn là mọi người vẫn lo lắng về bong bóng, thì đó chưa phải là bong bóng; bong bóng thực sự, là khi không ai còn nghi ngờ nó nữa.
Và bây giờ, kết luận của tôi là: Điều này không phải là bong bóng.
Nhưng nếu việc "Tôi nói đó không phải là bong bóng" chính làm cho nó trở thành bong bóng, thì cũng chỉ thế thôi.
Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:
Nhóm Telegram đăng ký: https://t.me/theblockbeats
Nhóm Telegram thảo luận: https://t.me/BlockBeats_App
Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia
