Cuối cùng thì các công ty cũng bắt đầu sử dụng AI, nhưng lại phát hiện ra rằng mảng kinh doanh của họ đã bị các công ty mô hình lớn giành mất.

Tiêu đề gốc: 《Cuối cùng cũng dùng AI, công ty phát hiện bị các công ty mô hình lớn cướp mất mảng kinh doanh》
Tác giả gốc: Vũ Hàng Viên, Tĩnh Vũ, Geek Park

Không chỉ muốn tiền của bạn, mà còn muốn cả mảng kinh doanh của bạn. Ngày 1 tháng 7, CEO của Palantir, Alex Karp, bước vào trường quay CNBC và thả 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 Mỹ "livid" (phẫn nộ) với OpenAI và Anthropic, ông nói các doanh nghiệp đang làm một việc vô lý—vừa điên cuồng trả phí cho token, vừa dâng dữ liệu vận hành cốt lõi nhất của mình cho các nhà cung cấp mô hình. Còn giá trị kinh doanh đổi lại, gần như không thể đo lường được.

Người dẫn chương trình hỏi ông, đây có phải là "đổ lỗi" không. Karp đáp lại: "Không, tôi chỉ đang nói sự thật."

Cổ phiếu Palantir tăng 9% trong ngày hôm đó. Con số này tự nó là một cuộc bỏ phiếu—thị trường cho rằng, ông ấy đã nói ra điều nhiều người muốn nói nhưng chưa dám nói.

Đây không phải là sự xả cảm xúc của một cá nhân. Khi người đứng đầu một công ty có vốn hóa hơn nghìn tỷ đô la, trên sóng truyền hình quốc gia, nổ súng vào toàn bộ ngành mô hình lớn, và thị trường phản hồi tích cực bằng tiền thật, điều đó có nghĩa là một cảm xúc tập thể đã đến điểm giới hạn.

Hai năm qua, ai cũng nói về cách ôm lấy mô hình lớn. Nhưng giờ đây, một vấn đề mới đang nổi lên—công ty quá gần với mô hình lớn, liệu có bị nó xé nát không?

01 Từ "phấn khích" đến "không ngây thơ"

Nhớ lại đầu năm 2024, thái độ của doanh nghiệp đối với mô hình lớn có thể tóm gọn trong bốn chữ—"dùng trước đã".

Mặc kệ ROI hay không ROI, mặc kệ dữ liệu chảy đi đâu, miễn là không bị tụt lại. Lúc đó, câu chuyện chính là "cuộc cách mạng AI đến rồi, không ôm lấy sẽ bị đào thải". Các CIO và CTO của mọi ngành nghề chịu áp lực khổng lồ, nhồi nhét AI vào mọi khâu kinh doanh có thể. Đây là một quyết định điển hình do hoảng loạn công nghệ thúc đẩy.

Đến năm 2025, "triển khai toàn diện" trở thành từ khóa. Doanh nghiệp bắt đầu nghiêm túc nhúng mô hình lớn vào quy trình kinh doanh cốt lõi, không chỉ làm demo hay tổ chức hackathon nội bộ. Từ dịch vụ khách hàng đến tạo mã, từ phân tích thị trường đến thiết kế sản phẩm, độ sâu và phạm vi thâm nhập của AI đang mở rộng theo cấp số nhân.

Nhưng bước sang năm 2026, một sự thay đổi tinh tế trong tâm lý đang diễn ra.

Dữ liệu khảo sát từ Salesforce cho thấy chỉ một nửa số nhà lãnh đạo IT tin tưởng vào cơ sở hạ tầng dữ liệu của công ty mình để hỗ trợ AI thành công. Báo cáo nghiên cứu của NTT DATA công bố vào tháng 5 năm nay đã trực tiếp dùng từ "đụng tường" – AI doanh nghiệp đang gặp phải nút thắt kiến trúc do các yêu cầu về quyền riêng tư dữ liệu và chủ quyền. Gartner dự đoán đến năm 2027, 35% quốc gia sẽ phụ thuộc vào các nền tảng AI khu vực hóa, trong khi con số này hiện tại chỉ là 5%.

Karp nói về sự thay đổi này một cách thẳng thắn hơn. Ông cho biết các doanh nghiệp đang chuyển từ việc tiêu thụ token một cách vô thức ("tokenmaxxing") sang thực sự đặt câu hỏi về tỷ suất hoàn vốn. "Quan điểm cơ bản là, đừng lãng phí thời gian vào token nữa."

Điều này không phải phủ nhận các mô hình lớn, mà là toàn bộ ngành công nghiệp đang chuyển từ "phấn khích" sang "không còn ngây thơ". Sau giai đoạn cuồng nhiệt, các doanh nghiệp bắt đầu nhìn nhận một vấn đề cốt lõi với con mắt tỉnh táo hơn – thứ tôi giao ra và thứ tôi nhận lại, liệu có cân đối được không?

02 Khi đối tác trở thành đối thủ cạnh tranh

Lời chỉ trích của Karp vẫn chỉ dừng lại ở cấp độ mô hình kinh doanh. Nhưng thứ thực sự khiến người ta lạnh sống lưng là một mối đe dọa trực tiếp hơn – nhà cung cấp AI của bạn có thể đang dùng dữ liệu và hiểu biết về bối cảnh mà bạn đóng góp để tạo ra sản phẩm thay thế bạn.

Sự kiện xảy ra vào tháng 4 năm 2026 đã biến nỗi lo này từ lý thuyết thành hiện thực.

Vào tháng 2 năm nay, Figma và Anthropic còn hợp tác phát triển một tính năng có tên "Code to Canvas", tích hợp mã do Claude tạo ra một cách liền mạch vào quy trình thiết kế của Figma. Hai công ty trông có vẻ là đối tác thân thiết.

Ngày 14 tháng 4, Mike Krieger, Giám đốc Sản phẩm của Anthropic, lặng lẽ từ chức khỏi hội đồng quản trị của Figma.

Ba ngày sau, Anthropic ra mắt Claude Design – một công cụ thiết kế AI có thể tạo trực tiếp các nguyên mẫu tương tác, bài thuyết trình và tài liệu tiếp thị bằng ngôn ngữ tự nhiên, nhắm chính xác vào mảng kinh doanh cốt lõi của Figma.

Cổ phiếu của Figma đã giảm gần 8% trong ngày hôm đó.

Trong báo cáo sau đó của Fast Company có một chi tiết rất đáng suy ngẫm — Figma, Adobe, Canva và các công ty khác đều có quan hệ hợp tác nhiều năm với Anthropic, nhưng trước khi Claude Design ra mắt, không ai được thông báo. Tất cả đều bất ngờ nhận ra rằng, đối tác AI của chính mình, ngay trước mắt đã biến thành đối thủ cạnh tranh.

Câu chuyện này đáng để suy ngẫm vì nó phơi bày một vấn đề cấu trúc nguy hiểm hơn bao giờ hết trong kỷ nguyên mô hình lớn — khi bạn hợp tác sâu với các công ty AI, bạn không chỉ giao nộp cửa ngõ thị trường, mà còn giao nộp cả hiểu biết cốt lõi về bối cảnh sử dụng và dữ liệu nhu cầu người dùng của mình.

Anthropic có thể tạo ra Claude Design phần lớn là nhờ trong quá trình hợp tác với các công ty công cụ thiết kế, họ đã hiểu sâu sắc quy trình làm việc và điểm đau của các nhà thiết kế.

Nhưng nếu nhìn xa hơn, đây không phải là kịch bản mới trong lịch sử công nghệ.

Amazon từ nền tảng thương mại điện tử làm thương hiệu riêng, dùng dữ liệu nền tảng để xác định chính xác các danh mục sinh lời nhất, rồi tung ra sản phẩm riêng để nuốt chửng người bán bên thứ ba. Microsoft xuất phát từ hệ điều hành, lần lượt thu phục trình duyệt, phần mềm văn phòng, công cụ giao tiếp — Netscape bị tiêu diệt, Slack buộc phải bán mình. Google mở rộng từ công cụ tìm kiếm, dùng trang kết quả tìm kiếm để trả lời trực tiếp câu hỏi người dùng, khiến Yelp và hàng loạt nhà cung cấp dịch vụ thông tin chuyên ngành bị gạt ra ngoài lề.

Quy luật sắt đá của ngành công nghệ chưa bao giờ thay đổi — một khi nền tảng có đủ dữ liệu và hiểu biết về người dùng, nó sẽ xâm lấn ngược lên thượng nguồn.

Trong kỷ nguyên mô hình lớn, quy luật sắt đá này càng trở nên dữ dội hơn, bởi vì sự xâm lấn nền tảng truyền thống cần thời gian để tích lũy hiểu biết, còn mô hình lớn vốn dĩ là một "công cụ tăng tốc hiểu biết". Mỗi lần gọi API của bạn, mỗi dữ liệu kinh doanh bạn nhập vào, đều giúp nhà cung cấp mô hình hiểu lãnh địa của bạn nhanh hơn và sâu hơn.

03 "Giới hạn Roche" trong kỷ nguyên AI

Trong thiên văn học có một khái niệm gọi là "Giới hạn Roche" — khi một thiên thể quá gần một ngôi sao có khối lượng lớn, lực thủy triều sẽ vượt quá lực hấp dẫn của chính nó, và thiên thể sẽ bị xé nát.

Phép ẩn dụ này dùng để mô tả mối quan hệ giữa doanh nghiệp và mô hình lớn ngày nay, chính xác đến mức đáng lo ngại.

Mô hình lớn chính là ngôi sao có khối lượng lớn đó. Mỗi doanh nghiệp đều muốn mượn lực hấp dẫn của nó để tăng tốc — nâng cao hiệu suất, giảm chi phí, đổi mới sáng tạo. Nhưng vấn đề là, khi bạn đến quá gần, "vật chất" của bạn sẽ bắt đầu bị tách rời. Dữ liệu, bí quyết, hiểu biết về nhu cầu người dùng của bạn, tất cả sẽ chảy về trung tâm lực hấp dẫn trong quá trình hợp tác.

Vậy làm thế nào để doanh nghiệp có thể "khiêu vũ cùng AI" mà không bị nuốt chửng? Ranh giới cuối cùng nằm ở đâu?

Câu hỏi này đã được đặt lên bàn ở Mỹ. Nhưng nếu bạn nghĩ nó còn xa vời với các doanh nghiệp Trung Quốc, thì đó có thể là một ảo tưởng.

Có sự khác biệt về nhịp độ ứng dụng AI giữa doanh nghiệp Mỹ và Trung Quốc. Doanh nghiệp Mỹ đã bước vào giai đoạn triển khai AI quy mô lớn, chuyên sâu vào nghiệp vụ, trong khi doanh nghiệp Trung Quốc nói chung vẫn đang trong quá trình chuyển từ thử nghiệm sang mở rộng quy mô. Khảo sát do Lenovo phối hợp với IDC công bố vào tháng 3 năm nay cho thấy, 72% doanh nghiệp trong nước đã hoàn thành thử nghiệm AI Agent và đưa vào sử dụng chính thức, triển khai AI trung bình ở 3,5 tình huống. Tuy nhiên, trọng tâm thách thức cũng đã chuyển từ "thiếu sức mạnh tính toán, thiếu dữ liệu" sang "hiệu quả ứng dụng không đạt kỳ vọng" và "ROI không rõ ràng".

Nói cách khác, các doanh nghiệp Trung Quốc đang bước vào "giai đoạn tỉnh táo về AI" tương tự như doanh nghiệp Mỹ.

Geekspark gần đây đã trao đổi với nhiều nhà sáng lập startup và doanh nghiệp có nghiệp vụ truyền thống, và phát hiện ra một hiện tượng thú vị – suy nghĩ của mọi người về những vấn đề này, phần lớn không đến từ cảm giác khủng hoảng trực tiếp kiểu "lo sợ công ty mô hình cướp mất việc kinh doanh của mình", mà là sau khi thực sự nhồi nhét AI vào nghiệp vụ, họ tự nhiên bắt đầu định nghĩa lại "trong kỷ nguyên AI, giá trị cốt lõi của tôi thực sự là gì".

Sự định nghĩa lại này cuối cùng sẽ tập trung vào hai năng lực then chốt.

04 Ai kiểm soát "nền móng AI"?

Đầu tiên, và thực tế nhất, hoàn toàn phù hợp với những gì Karp đã nói – dữ liệu và logic nghiệp vụ của bạn, thực sự đang chạy trên nền móng của ai?

Luận điểm cốt lõi mà Karp liên tục nhấn mạnh trên CNBC chính là điều này. Dữ liệu vận hành nhạy cảm nhất của doanh nghiệp không nên chảy vào hộp đen của các nhà cung cấp mô hình bên thứ ba. Ông định vị Palantir là một tầng ứng dụng cung cấp "AI có chủ quyền" – có thể dùng mô hình của người khác, nhưng dữ liệu phải ở lại trong bức tường của chính mình, và việc triển khai phải nằm trên cơ sở hạ tầng mà mình kiểm soát.

Đây không phải là sự cố chấp, cảm nhận của các doanh nghiệp Trung Quốc hoàn toàn giống nhau. Huang Weijie, người phụ trách sản phẩm và nghiên cứu của WPS 365 thuộc Kingsoft Office, gần đây đã nói một câu rất đúng – "Thứ doanh nghiệp thiếu hôm nay không phải là phần cứng và mô hình, mà là một tầng ứng dụng AI an toàn."

Dữ liệu từ IDC cũng xác nhận xu hướng này, trong triển khai sức mạnh tính toán AI của doanh nghiệp, tỷ trọng của đám mây công cộng đang giảm, trong khi tổng tỷ trọng của đám mây riêng và triển khai tại chỗ đã tăng từ 54% lên 69%. "Dữ liệu không ra khỏi phạm vi" đang từ một khẩu hiệu tuân thủ trở thành tiêu chí sàng lọc đầu tiên của các CTO khi lựa chọn giải pháp.

Karp gọi đây là "commodity cognition" (nhận thức hàng hóa). Nhận định của ông là, chất lượng của các mô hình đang dần hội tụ, giá trị khác biệt thực sự không nằm ở tầng mô hình, mà nằm ở tầng ứng dụng kết nối khả năng của mô hình với các bối cảnh doanh nghiệp cụ thể. "Công cụ AI có chủ quyền" do Palantir hợp tác với NVIDIA ra mắt chính là sản phẩm hóa của logic này – sử dụng mô hình mã nguồn mở kết hợp với tầng bản thể luận và khung quản trị riêng của Palantir, cho phép doanh nghiệp vận hành AI trong môi trường hoàn toàn kiểm soát được, không một byte dữ liệu nào bị rò rỉ ra ngoài. Doanh thu quý 1 năm 2026 của Palantir đạt 1,63 tỷ USD, tăng 85% so với cùng kỳ, ở một mức độ nào đó, đây chính là lá phiếu mà thị trường dành cho con đường này.

Đây là một tín hiệu đáng chú ý – trong tương lai, các công ty và giải pháp giúp doanh nghiệp vận hành AI trên "nền tảng riêng của họ" sẽ càng được ưa chuộng hơn. Tại Trung Quốc, "bộ não AI tư nhân hóa" đã trở thành một đường đua thực sự, nhiều công ty khởi nghiệp đang xây dựng sản phẩm xoay quanh hướng đi này. Đây không phải là sự cầu toàn về công nghệ, mà là lựa chọn hợp lý sau khi doanh nghiệp đã suy nghĩ thấu đáo.

05 Đừng biến tổ chức thành một "cỗ máy lặp lại"

Khả năng thứ hai, khó định lượng hơn, nhưng Geek Park ngày càng cảm nhận rõ qua các cuộc trao đổi với doanh nghiệp – khi AI có thể thay thế ngày càng nhiều khâu thực thi, tổ chức thực sự cần loại "con người" nào?

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

Khi hiệu suất của AI ở một số khâu vượt trội hơn hẳn con người, một suy nghĩ tự nhiên là "cắt giảm nhân sự". Nhưng sau khi tổ chức trở nên mỏng hơn, một vấn đề tiềm ẩn bắt đầu lộ diện – những gì AI chạy, về bản chất, là "thực tiễn tốt nhất" mà những con người trước đây đã kết tinh trong môi trường cũ. Khi môi trường thay đổi, thị trường thay đổi, người dùng thay đổi, AI vẫn trung thành thực thi logic cũ đó, trong khi tổ chức không còn đủ người để cảm nhận những thay đổi này và thúc đẩy doanh nghiệp tiến hóa.

Nói thẳng ra, một tổ chức bị AI lấp đầy nhưng bị con người rút rỗng, rất có thể chỉ đang lặp lại quá khứ một cách hiệu quả.

Điều này không có nghĩa là không nên dùng AI để thay thế thực thi. Mà là, khi AI đảm nhận ngày càng nhiều tầng thực thi, doanh nghiệp lại càng cần một loại người khác – không phải những người thực thi nhiệm vụ cụ thể theo nghĩa truyền thống, mà là những người có thể "chỉ huy" AI. Vai trò này cần hiểu toàn cảnh kinh doanh, có thể đánh giá liệu đầu ra của AI có còn phù hợp với thực tế đang thay đổi hay không, và có thể nhìn thấy những khả năng mới ngoài "giải pháp tối ưu" mà AI đưa ra.

Một số doanh nghiệp đi đầu đã bắt đầu suy nghĩ nghiêm túc về vấn đề này. Họ nhận ra rằng, sau khi có AI, năng lực cạnh tranh thực sự không phải là "dùng AI thay thế bao nhiêu người", mà là "con người của bạn có thể điều khiển AI để làm ra những điều trước đây không thể làm được". Nếu chỉ để AI tự động hóa và lặp lại liên tục trong dữ liệu lịch sử, thì về bản chất, bạn đang bị khóa chặt trong một bức ảnh chụp nhanh nào đó của quá khứ.

Tầm quan trọng của sự đảo ngược nhận thức này có thể không thua kém gì chủ quyền dữ liệu. Khi AI san bằng các rào cản kỹ thuật, "khả năng phán đoán của con người" và "năng lực tiến hóa của tổ chức" lại trở thành thứ khó sao chép nhất. Một số công ty đã nhận ra điều này, một số thì chưa. Nhưng ranh giới này rất có thể sẽ trở nên rất rõ ràng trong một hoặc hai năm tới.

06 Ngành công nghiệp cần "Công ty AI mới"

Hai năm qua, một giả định ngầm đã chi phối toàn bộ ngành công nghiệp — giá trị của kỷ nguyên AI cuối cùng sẽ tập trung vào tay các công ty mô hình. Những người càng gần mô hình, giá trị càng cao.

Giả định này đang bị lung lay.

Karp trên CNBC thực ra đã vạch trần một điều — bản thân mô hình đang trở thành một loại hàng hóa nhận thức. Khi khoảng cách năng lực giữa các mô hình lớn ngày càng thu hẹp, sự khác biệt thực sự không còn nằm ở tầng mô hình nữa. Một cấu trúc ngành công nghiệp chỉ có các công ty mô hình độc tôn, không chỉ không lành mạnh cho doanh nghiệp, mà còn là một sự kìm hãm đối với tốc độ phát triển của toàn bộ ngành AI.

Doanh nghiệp chưa bao giờ cần một mô hình mạnh hơn. Họ cần một hệ sinh thái hoàn chỉnh — có thể đáp ứng nỗi lo về chủ quyền dữ liệu, có thể bảo vệ các rào cản cạnh tranh khỏi bị "hút cạn", và có thể để AI thực sự thâm nhập vào hoạt động kinh doanh mà không mất kiểm soát. Nhu cầu này đang tạo ra một thị trường phức tạp hơn nhiều so với việc "bán token".

Một số hướng đi đã có tín hiệu rõ ràng.

"Cơ sở hạ tầng AI có chủ quyền" đang trở thành một lĩnh vực thực tế, nhận được nguồn vốn lớn. Đây không phải là khái niệm. Chỉ riêng nửa đầu năm 2026, ba công ty cơ sở hạ tầng AI có chủ quyền ở châu Âu (Nebius, nScale, AtlasEsge) đã huy động tổng cộng hơn 11,8 tỷ USD. Chỉ vài ngày trước, Valarian ở London vừa nhận được 50 triệu USD trong vòng Series A, công việc rất cụ thể — thêm một "lớp kiểm soát chủ quyền" giữa hệ thống AI và dữ liệu nhạy cảm, quyết định AI nào có thể chạm vào dữ liệu nào, trong điều kiện nào. Những thứ này hai năm trước không hề có nhu cầu, giờ đây chính phủ và các doanh nghiệp lớn xếp hàng chờ đợi.

「Cổng AI」 và lớp điều phối trung gian đang trở thành một phần không thể thiếu trong kiến trúc AI của doanh nghiệp. Khi một doanh nghiệp sử dụng đồng thời OpenAI, Anthropic, các mô hình mã nguồn mở, cùng các mô hình chuyên biệt do chính họ tinh chỉnh, ai sẽ đảm nhận việc định tuyến thống nhất, kiểm soát chi phí, quản lý quyền hạn và kiểm toán? Vị trí này trong thời đại phần mềm truyền thống được gọi là middleware, còn trong thời đại AI, nó được gọi là cổng hoặc lớp điều phối. Nó không hào nhoáng, nhưng là hạ tầng quan trọng để doanh nghiệp chuyển từ "dùng AI" sang "quản lý AI". Về bản chất, Palantir làm chính lớp này, chỉ có điều nó đã xây dựng phiên bản nặng nhất. Các giải pháp nhẹ hơn, phù hợp với doanh nghiệp ở nhiều quy mô khác nhau, có tiềm năng rất lớn.

Ở lớp ứng dụng, các giải pháp AI theo ngành dọc cũng đang chuyển từ "khoác vỏ" sang "đi sâu". Trước đây, nhiều ứng dụng AI được gọi là AI chỉ đơn giản là khoác một lớp vỏ GPT. Nhưng giờ đây, những sản phẩm thực sự có chỗ đứng là những sản phẩm hiểu sâu về know-how của ngành cụ thể, gắn kết chặt chẽ năng lực AI với logic ngành. Điểm neo giá trị của các công ty này không nằm ở mô hình, mà nằm ở nhận thức ngành – điều mà các công ty mô hình lớn khó có thể đạt được thông qua huấn luyện.

Ngay cả ở cấp độ "con người", cũng đang xuất hiện một thị trường dịch vụ mới. Khi ngày càng nhiều doanh nghiệp nhận ra rằng họ không cần thêm nhiều công cụ AI, mà cần những người có thể "chỉ huy AI" và phương pháp tổ chức đi kèm, nhu cầu về tư vấn thay đổi tổ chức trong kỷ nguyên AI, đào tạo nhân tài, và tái thiết kế quy trình cũng đang gia tăng nhanh chóng.

Nói tóm lại, một ngành công nghiệp chỉ có "lớp mô hình" là mong manh. Điều thực sự giúp ngành AI phát triển nhanh hơn và lành mạnh hơn là một hệ sinh thái đa chiều. Trong hệ sinh thái này, có người làm mô hình, người làm hạ tầng chủ quyền, người làm cổng và quản trị, người làm ứng dụng chuyên sâu theo ngành dọc, và người giúp doanh nghiệp tái cấu trúc năng lực tổ chức. Mỗi lớp đều đáp ứng nhu cầu thực tế của doanh nghiệp khi chuyển từ "đón nhận" sang "làm chủ".

Những nhu cầu này trong năm qua đã trở nên rõ ràng hơn từ sự mơ hồ. Tiếp theo, các giải pháp, nhà cung cấp dịch vụ và sản phẩm thế hệ mới ra đời xoay quanh những nhu cầu này có thể sẽ đón nhận một làn sóng bùng nổ rõ rệt.

Quay lại ẩn dụ về Giới hạn Roche. Việc tìm ra quỹ đạo an toàn chưa bao giờ là việc của riêng một doanh nghiệp. Khi toàn bộ hệ sinh thái bắt đầu phát triển các sức mạnh ngoài mô hình, doanh nghiệp mới thực sự có nền tảng để không bị xé tan.

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