Tiêu đề gốc: Thị trường cho Lao động Máy móc

Tác giả gốc: @__sishir

Biên dịch: Peggy

Lời biên tập: Khi AI bắt đầu viết code, xử lý ticket hỗ trợ khách hàng, xem xét tài liệu pháp lý, một câu hỏi cốt lõi hơn đang nổi lên: Doanh nghiệp thực sự mua gì – token, giờ GPU, hay công việc đã hoàn thành?

Bài viết này đề xuất một khuôn khổ đáng chú ý: Thương mại hóa AI không chỉ nên được hiểu là "thị trường sức mạnh tính toán" hay "thị trường gọi mô hình", mà đang tiến tới một "thị trường lao động máy móc" mới. Trong thị trường này, token chỉ là đơn vị đo lường, GPU là đầu vào, mô hình là công cụ sản xuất, và đối tượng thực sự được định giá và giao dịch là lao động kinh tế do phần mềm trực tiếp hoàn thành.

Nhận định cốt lõi của bài viết là cơ chế định giá AI sẽ trải qua quá trình tiến hóa từ token thô, khả năng mô hình chuẩn hóa, đến lao động theo ngành, và cuối cùng là thị trường kết quả có thể lập trình. Nói cách khác, trong tương lai, doanh nghiệp có thể không còn quan tâm một nhiệm vụ cụ thể được hoàn thành bởi mô hình nào hay GPU nào, mà chỉ quan tâm liệu nó có giao kết quả đạt tiêu chuẩn trong phạm vi độ trễ, độ chính xác, độ tin cậy và chi phí quy định hay không.

Điều này cũng có nghĩa là tác động của AI lên thị trường lao động con người không chỉ đơn thuần là thay thế. Khi máy móc đảm nhận nhiều công việc có thể chuẩn hóa và xác minh hơn, vai trò của con người có thể chuyển sang kiểm tra lại, chịu trách nhiệm, quản lý ngữ cảnh và đưa ra phán quyết cuối cùng. Trong một số tình huống, 1% phán quyết cuối cùng của con người thậm chí có thể trở nên có giá trị hơn, vì nó có thể giải phóng 99% tự động hóa quy mô lớn.

Từ góc nhìn này, giai đoạn cạnh tranh tiếp theo của thị trường AI có thể không còn là cuộc chiến về khả năng mô hình hay cuộc chiến giá sức mạnh tính toán đơn thuần, mà là ai có thể tiên phong chuẩn hóa, xác minh và định giá "công việc", và cuối cùng biến lao động máy móc thành một yếu tố sản xuất mới có thể được mua sắm, thanh toán và giao dịch.

Dưới đây là nội dung gốc:

Các làn sóng năng suất trong quá khứ luôn đến từ việc tạo ra công cụ và phần mềm cho con người, nhằm tối ưu hóa cách công việc được hoàn thành. Bảng tính giúp kế toán và nhà phân tích, băng chuyền tăng thông lượng, búa khuếch đại đòn bẩy của con người. Nhưng lao động thực sự luôn đến từ con người.

Giờ đây, AI đang tạo ra kết quả công việc từ đầu đến cuối, trực tiếp thực hiện lao động. Nó có thể viết code, xử lý ticket hỗ trợ khách hàng, xem xét tài liệu pháp lý. Một sự nén đang diễn ra ở cuối toàn bộ ngăn xếp công nghệ: ngăn xếp cũ hỗ trợ lao động, ngăn xếp mới bắt đầu sản xuất lao động.

Nếu gần đây bạn có nghe về các cuộc thảo luận liên quan đến tài chính hóa AI, chắc hẳn bạn sẽ nghe Jensen và những người khác nói rằng token LLM và/hoặc giờ GPU đang trở thành hàng hóa mới. Trực giác này có thể hiểu được, vì token có thể đo lường, tính phí và dễ dàng vẽ thành biểu đồ; giờ GPU cũng có hàng tỷ đô la đổ vào. Nhưng token vẫn chỉ là đồng hồ đo, giờ GPU chỉ là đầu vào, không ai mua chúng vì muốn sở hữu chúng. Điều mọi người thực sự muốn là hoàn thành công việc. AI đang biến bản thân ngăn xếp công nghệ thành nguồn lao động.

Lao động máy móc: Công việc được thực thi bởi phần mềm, có mục đích kinh tế và được bán vào quy trình sản xuất.

Thị trường đã bắt đầu di chuyển theo hướng này. Sarah Tavel của Benchmark có xu hướng hiểu cơ hội này qua thị trường lao động gia công, thay vì các danh mục phần mềm. Nếu một nhiệm vụ lặp đi lặp lại nào đó vốn đã được thực hiện bởi các đội ngũ ở nước ngoài chuyên biệt hoặc các công ty dịch vụ chuyên nghiệp, thì đó thường cũng là công việc phù hợp để AI thực hiện. Alex Rampell của a16z gọi đây là "phần mềm nuốt chửng lao động": màn tiếp theo của phần mềm là tự mình hoàn thành công việc. Julien Bek của Sequoia mô tả cùng một sự thay đổi từ một góc nhìn khác: dịch vụ đang trở thành phần mềm, copilot bán công cụ, còn autopilot bán công việc.

Bài viết liên quan: https://sequoiacap.com/article/services-the-new-software/

Thị trường thiếu hụt đằng sau định giá kết quả

Định giá theo chỗ ngồi tính phí dựa trên quyền truy cập, định giá token tính phí dựa trên mức sử dụng. Định giá kết quả tính phí khi công việc hoàn thành. Định giá kết quả giúp chúng ta tiến thêm một bước, nhưng nó vẫn chưa trả lời một câu hỏi: Ai quyết định giá cả?

Nếu lao động máy móc có thể được mua trực tiếp, giá cả nên đến từ sự cạnh tranh giữa các nhà cung cấp. Các nhà cung cấp này phải có khả năng đáp ứng cùng một loại nhiệm vụ hoặc tiêu chuẩn hoàn thành công việc, và điều này đòi hỏi sự chuẩn hóa trong các ngành và nhiệm vụ khác nhau.

Hiện tại, cách làm là sử dụng token LLM, nhưng token thô chỉ là lớp cơ bản nhất. Mỗi thùng dầu chỉ là một đơn vị đo lường, thứ thực sự được giao dịch là một thùng dầu thuộc một cấp độ cụ thể, với chất lượng, điều khoản giao hàng và giá thị trường rõ ràng. Một thùng dầu Brent và một thùng dầu thô nặng có hàm lượng lưu huỳnh cao không phải là cùng một loại hàng hóa. Token LLM cũng vậy. Token chỉ là đơn vị đo lường, điều thực sự quan trọng là trí thông minh đằng sau nó: chất lượng mô hình, ngưỡng benchmark, độ trễ, cửa sổ ngữ cảnh, độ tin cậy và đảm bảo giao hàng. 1 triệu token từ mô hình mã nguồn tiên tiến và 1 triệu token từ mô hình tổng quát giá rẻ không phải là cùng một loại hàng hóa. Thị trường cần các cấp độ suy luận chuẩn hóa, giống như thị trường năng lượng cần các cấp độ dầu chuẩn hóa.

Anjali Shriva đã chỉ ra thẳng điều này: token không phải là một đơn vị chi phí cố định. Tính kinh tế của nó thay đổi theo độ dài ngữ cảnh, cấu trúc nhiệm vụ, tỷ lệ đầu vào/đầu ra, số lần thử lại, lệnh gọi công cụ và quy trình làm việc của Agent. Một token trong prompt ngắn và một token bị chôn vùi trong vòng lặp Agent dài không phải là cùng một đối tượng kinh tế.

Chúng ta đã làm điều này từ lâu trong thị trường lao động con người. Không ai thuê bác sĩ X-quang như một dạng "giờ lao động con người" chung chung. Người ta xem xét nền tảng đào tạo, chứng chỉ hành nghề, chuyên môn, số năm kinh nghiệm, khả năng sẵn sàng, danh tiếng, trách nhiệm pháp lý, v.v. Các thông số kỹ thuật hợp đồng lao động khác nhau tương ứng với các tiêu chuẩn tối thiểu và kỳ vọng cấp độ khác nhau.

Thị trường lao động con người vốn dĩ vận hành dựa trên các thông số này, chỉ là chúng thường hỗn tạp, mang tính định tính và đầy rẫy các chỉ số đại diện. Lao động máy móc sẽ làm cho các thông số này trở nên rõ ràng hơn và dễ định lượng hơn.

Đối với LLM hoặc Agent, các chỉ số như kỹ năng, kinh nghiệm, tốc độ và độ tin cậy đều có thể được viết trực tiếp vào hợp đồng: điểm benchmark, độ trễ, thông lượng, cửa sổ ngữ cảnh, độ dài đầu ra tối đa, độ chính xác khi sử dụng công cụ, thời gian hoạt động, tỷ lệ lỗi. Chúng ta có thể mua sắm lao động dựa trên các kỳ vọng và kết quả có thể định lượng.

Thông số kỹ thuật hợp đồng của TheGrid.ai, về bản chất, là một bộ lọc đủ điều kiện, kết hợp với cạnh tranh giá cả dựa trên đầu ra của LLM. Nhà cung cấp chỉ cần đáp ứng thông số kỹ thuật là có thể tham gia cạnh tranh:

Điểm benchmark thông minh ≥ Ngưỡng dưới

Độ trễ ≤ Ngưỡng trên

Thông lượng ≥ Ngưỡng dưới

Thời gian hoạt động ≥ Ngưỡng dưới

Tỷ lệ lỗi ≤ Ngưỡng trên

Một khi các nhà cung cấp đều đạt cùng một ngưỡng tối thiểu, họ bắt đầu cạnh tranh về giá. Câu hỏi mà bên mua đặt ra là: nhà cung cấp nào có thể cung cấp lao động cần thiết với mức giá tốt nhất?

Việc tuyển dụng bác sĩ X-quang, trong bối cảnh LLM, trở thành vấn đề có thể đo lường: LLM nào có thể đọc phim X-quang với độ thành thạo cao, đồng thời hoàn thành nhiệm vụ trong các thông số hợp đồng rõ ràng về độ trễ, cửa sổ ngữ cảnh và các kết quả khác.

Kết quả là cách bên mua đo lường thành công; lao động là hoạt động kinh tế được cung cấp; token là nhiên liệu mà máy móc tiêu thụ trong quá trình hoàn thành công việc.

The Grid chính là thị trường lao động máy móc.

Từ token đến thị trường lao động máy móc

Thị trường có thể định giá đầu vào của ngăn xếp công nghệ, nhưng nếu muốn định giá đầu ra, cần có một thị trường lao động máy móc. Người mua không quan tâm đến giờ GPU. Bản thân các điểm cuối mô hình cũng không ổn định: chúng có thể bị đổi tên, ngừng hoạt động, đóng gói lại hoặc trực tiếp bị loại bỏ.

Người dùng và thanh khoản đều ghét sự thay đổi thường xuyên. GPU và mô hình sẽ liên tục phát triển, nhưng đơn vị ổn định chính là công việc.

Tôi cho rằng thị trường sẽ phát triển theo con đường sau. Mỗi bước lên cao hơn, thứ được mua càng trừu tượng và có giá trị hơn, nhưng cũng khó xác thực hơn. The Grid nên từng bước leo lên bậc thang này:

Token thô → Thị trường năng lực LLM hàng hóa → Thị trường lao động hàng hóa → Thị trường kết quả có thể lập trình

Giai đoạn 1: Token thô

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5, v.v.

Ngày nay, người mua mua đầu ra mô hình thô từ các nhà cung cấp suy luận. Họ gửi prompt của mình, nhận kết quả suy luận và thanh toán theo mức sử dụng. Điều này dễ xác thực, nhưng nó vẫn chỉ là nguyên liệu thô. Điều người mua thực sự muốn không phải là token, mà là trí thông minh hữu ích với mức giá tốt nhất.

Giai đoạn 2: Thị trường năng lực LLM hàng hóa

Ví dụ: text/usd, code/usd, agent/usd, v.v.

Người mua không còn chọn một mô hình cụ thể nữa, mà chọn loại trí thông minh họ cần. Người mua vẫn nắm quyền kiểm soát quy trình làm việc, prompt, dữ liệu và logic ứng dụng. The Grid chỉ định tuyến mỗi yêu cầu đến mô hình đủ điều kiện đáp ứng thông số kỹ thuật hợp đồng và có giá thấp nhất.

Lưu ý: Đây là lớp trừu tượng thực sự đầu tiên trên token thô, và cũng là vị trí hiện tại của TheGrid.ai.

Giai đoạn 3: Thị trường lao động hàng hóa

Ví dụ: accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd, v.v.

Khi các mô hình trở nên chuyên biệt hơn, thị trường năng lực có thể phát triển thành thị trường theo ngành cụ thể. Điều này tương tự như sự phân công chuyên môn hóa của con người trong các thị trường lao động khác nhau.

Ở tầng này, chúng tôi bán khả năng suy luận phù hợp với quy trình làm việc trong các lĩnh vực lao động cụ thể. Khi các mô hình chuyên ngành ngày càng phổ biến, thị trường này sẽ mở rộng nhanh chóng. Các ví dụ liên quan bao gồm Composer của Cursor, Harvey dành cho công việc pháp lý và EvidenceOpen dành cho y tế sức khỏe.

Giai đoạn thứ tư: Thị trường RFQ có thể lập trình và thị trường kết quả dành cho Agent

Ví dụ: support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd, v.v.

Tầng cuối cùng là nơi The Grid chuyển từ thị trường suy luận sang thị trường lao động máy móc.

Tầng này yêu cầu các cơ chế như RFQ (Yêu cầu báo giá), tài khoản ký quỹ, thanh toán chậm, xác nhận của người mua, uy tín của nhà cung cấp, cơ chế khấu trừ, giải quyết tranh chấp, v.v. Nó có khả năng sẽ bắt đầu với RFQ thay vì sử dụng sổ lệnh trực tiếp. Người mua xác định nội dung công việc, ràng buộc, tiêu chí nghiệm thu và điều khoản thanh toán, các Agent đấu thầu để hoàn thành nhiệm vụ. The Grid giúp định tuyến, định giá, xác minh và thanh toán các công việc này.

Đây là tầng có giá trị nhất, nhưng cũng khó xác minh nhất, vì kết quả có thể bị trễ, mang tính chủ quan và dễ bị thao túng. Một ticket hỗ trợ khách hàng có thể được mở lại; một PR có thể vượt qua bài kiểm tra nhưng vẫn tạo ra kiến trúc tồi.

Tổng giá = Chi phí hoàn thành công việc + Chi phí chịu rủi ro

Một quy trình làm việc sẽ không tự động trở thành thị trường chỉ vì trí thông minh có thị trường hoặc trở nên rẻ hơn. Một số công việc phụ thuộc nhiều vào ngữ cảnh riêng tư, như lịch sử khách hàng hoặc chính sách nội bộ. Công việc càng phụ thuộc vào ngữ cảnh, càng khó được thanh toán sạch sẽ trong thị trường mở. [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

Thị trường cần tiết lộ loại lao động nào sẽ mở rộng và loại nào sẽ thu hẹp.

「Lao động máy móc vs Lao động con người」, hay 「Lao động máy móc & Lao động con người」

Anjali Shriva trong bản thảo thiết kế cơ chế của mình chỉ ra rằng, câu chuyện về AI thường được mô tả như sự thay thế. Nhưng thực tế, nó giống một vấn đề phối hợp hơn: khi cả con người và máy móc đều tham gia sản xuất, công việc, quy gán, động lực và giá trị sẽ được tổ chức lại như thế nào.

Ngày nay, nhiều ứng dụng AI trong doanh nghiệp vẫn bị kìm hãm vì nhân viên sử dụng AI một cách riêng lẻ, quy trình làm việc vẫn bị khóa chặt trong từng cá nhân, doanh nghiệp không thể định giá những cải thiện năng suất này, cũng như không thể mở rộng quy mô các lợi ích đó.

Hầu hết các công việc có thể tự động hóa có thể sẽ được chuyển giao cho máy móc. Một phần công việc sẽ trở thành việc con người kiểm tra lại, chịu trách nhiệm, đào tạo và quản lý ngữ cảnh. Trong một số trường hợp, 1% phán đoán cuối cùng của con người sẽ trở nên có giá trị hơn, vì nó có thể mở khóa 99% công việc tự động hóa ở quy mô lớn.

Trong "Brave New World of AI Markets" của Rachel Su Park, chỉ ra rằng TAM của AI không nên được mô hình hóa đơn giản như một sự thay thế cho chi tiêu lao động hiện tại của con người, vì nó đồng thời thay đổi cả giá cả và số lượng. Khi chi phí công việc giảm, giá mỗi đơn vị có thể giảm, nhưng số lượng tiêu thụ có thể mở rộng, vì các công việc hiện tại sẽ được tiêu thụ thường xuyên hơn, và những công việc hoàn toàn mới trước đây không khả thi về mặt kinh tế cũng sẽ trở nên khả thi. Bài viết tóm tắt điều này như sau:

P × Q: Quy mô thị trường = Giá mỗi đơn vị công việc × Số lượng công việc được tiêu thụ

Nếu AI làm cho các tương tác dịch vụ khách hàng trở nên rẻ hơn, các công ty có thể cung cấp khả năng phục vụ 24/7. Thị trường này sẽ không chỉ là một phiên bản rẻ hơn của thị trường lao động dịch vụ khách hàng cũ, mà có thể trở thành một thị trường tương tác khách hàng lớn hơn nhiều.

AI là một thị trường mở rộng, vì khi chi phí công việc giảm, nhu cầu không giữ nguyên.

Tầng lao động

Thị trường lao động máy móc nên bắt đầu từ những công việc có thể được định nghĩa rõ ràng về thông số kỹ thuật. Giờ GPU chứa quá nhiều thông tin đầu vào, chỉ cho bạn biết điều gì hỗ trợ công việc; trong khi định giá cho kết quả hoàn chỉnh lại quá phức tạp và phụ thuộc quá nhiều vào ngữ cảnh. Khi việc xác thực, danh tiếng và định giá rủi ro/bảo hiểm dần được máy móc đảm nhận, thị trường mới tiếp tục tiến tới tầng kết quả thuần túy.

Lao động máy móc có thể trở nên có thể giao dịch, vì người mua sẽ ngày càng ít quan tâm đến mô hình nào hoặc GPU nào tạo ra công việc, mà quan tâm hơn đến việc bản thân công việc đó có đáp ứng các tiêu chuẩn tối thiểu và cấp độ trong thông số kỹ thuật hợp đồng với mức giá chính xác hay không. Các Agent thậm chí còn ít quan tâm hơn đến các nguồn gốc cơ bản này.

Máy móc hiện nay đã có thể trực tiếp thực hiện các công việc có mục đích kinh tế, và những công việc này có thể được định nghĩa, đo lường, định giá, mua sắm, và cuối cùng là được giao dịch. Điện năng, sức mạnh tính toán, mô hình và token tất nhiên vẫn quan trọng, nhưng chúng vẫn nằm ở thượng nguồn.

Hạ nguồn mới là nơi công việc thực sự được hoàn thành, và thị trường đang tiến tới một đối tượng đơn giản hơn: lao động máy móc.

[Liên kết gốc]

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