DeepSeek đã mang đến mùa xuân cho các nhà khởi nghiệp ứng dụng AI

Tiêu đề gốc: "DeepSeek mang mùa xuân đến cho các nhà sáng lập ứng dụng AI"
Tác giả gốc: Động Sát Beating

Ngày 31 tháng 7, API phiên bản chính thức DeepSeek V4-Flash chính thức lên sóng thử nghiệm công khai.

Mỗi triệu token đầu vào, 1 đồng; mỗi triệu token đầu ra, 2 đồng. Sau khi cache trúng, mỗi triệu token đầu vào chỉ mất 2 xu. Nó hỗ trợ ngữ cảnh 1 triệu, chế độ suy luận, gọi công cụ và API Responses, giới hạn kết nối đồng thời mỗi tài khoản lên tới 2500.

DeepSeek tiếp theo còn áp dụng định giá theo đỉnh - thung lũng, giá trong giờ cao điểm tăng gấp đôi. Dù vậy, giá vẫn rẻ đến mức hơi "vô đạo đức võ thuật".

Theo quy đổi thô mà DeepSeek chính thức đưa ra, 1 ký tự tiếng Trung tiêu tốn khoảng 0,6 token. Một triệu token có thể đọc vào khoảng 1,67 triệu ký tự tiếng Trung. Chỉ tính riêng chi phí đầu vào, đọc vào khoảng 1,67 triệu ký tự tiếng Trung, giá sổ sách chỉ 1 đồng.

Năm qua, ngành mô hình lớn đã quen với ngữ cảnh dài hơn, suy luận phức tạp hơn, và các Agent ngày càng năng lực hơn. Mỗi lần cập nhật mô hình, cuộc thảo luận luôn rơi vào ai vượt ai, benchmark tiến thêm bao nhiêu, còn bao lâu nữa đến AGI.

Với các nhà sáng lập ứng dụng AI, còn một câu hỏi thực tế hơn:

Một tác vụ cuối cùng tốn bao nhiêu tiền.

Năng lực mô hình quyết định sản phẩm về lý thuyết có thể làm gì, giá gọi API quyết định đội ngũ dám đưa bao nhiêu năng lực thực sự vào sản phẩm.

Chiều nay, tôi đã tranh luận rất lâu với ChatGPT qua giọng nói. Tôi nói, mô hình kinh doanh mà các ứng dụng AI hiện tại chạy được, nói thẳng ra chính là buôn bán token.

Nó vài lần muốn giúp tôi tìm một cách nói lịch sự hơn, như "bán lẻ năng lực suy luận" hoặc "đóng gói dịch vụ thông minh". Tôi nói đừng tìm từ ngữ cho cái nghề này, buôn bán thì là buôn bán, nghe khó chịu không có nghĩa là sai.

Ứng dụng AI trông có vẻ là hướng khởi nghiệp mới nhất trong vài năm qua, nhưng tầng đáy làm lại là một nghề rất cũ:

Nhập hàng, gia công, định giá, rồi bán hàng ra ngoài.

Và nhiều thay đổi trong ngành, sớm nhất thường bắt đầu từ việc giá nhập hàng đột ngột rơi xuống.

Ứng dụng AI, chính là một nghề buôn bán token

Trước đây, mọi người thường dùng khung tư duy về sản phẩm internet hoặc SaaS để hiểu về các ứng dụng AI.

Sau khi phần mềm được phát triển hoàn thiện, nó có thể được phân phối cho một nghìn người, cũng có thể cho một triệu người. Một người dùng mới tất nhiên sẽ tạo ra chi phí băng thông, lưu trữ và dịch vụ, nhưng những chi phí này thường sẽ được pha loãng dần khi quy mô mở rộng.

Ứng dụng AI thì không hoàn toàn giống vậy. Mỗi khi người dùng tạo một hình ảnh, viết một báo cáo, hoàn thành một đoạn mã, hoặc để Agent thực hiện thêm một bước, công ty ứng dụng đều phải gọi lại mô hình. Mỗi lần người dùng nhấn nút, phía thượng nguồn lại thu phí một lần.

Vì vậy, mô hình kinh doanh cơ bản mà hầu hết các ứng dụng AI thuần phần mềm hiện đang vận hành thực ra rất đơn giản:

Mua token từ các công ty mô hình, đóng gói khả năng mô hình phổ quát thành các sản phẩm viết lách, lập trình, thiết kế, chăm sóc khách hàng, video hoặc Agent, rồi bán cho người dùng thông qua hội viên, điểm tích lũy và tính phí theo lượt.

Lấy Poe làm ví dụ, khi ra mắt API, họ trực tiếp tuyên bố rằng mục tiêu định giá cho điểm bổ sung chính là tính phí theo mức giá mà nhà cung cấp mô hình nền tảng thu từ họ.

Thượng nguồn thu tiền theo mô hình và Token, Poe quy đổi chúng thành điểm trong nền tảng, rồi cùng với cổng truy cập thống nhất, thanh toán, chuyển đổi mô hình và giao diện phát triển bán cho người dùng.

Một số công ty sẽ nói rằng họ không bán token, mà bán kết quả. Công ty phần mềm chăm sóc khách hàng Intercom định giá cho trợ lý AI Fin là 0,99 USD cho mỗi kết quả hoàn thành. Người dùng xác nhận vấn đề đã được giải quyết, không tiếp tục yêu cầu hỗ trợ từ con người, hoặc Fin hoàn thành thành công một quy trình công việc, đều có thể tính là một kết quả.

Điều này chỉ là đổi một tấm thẻ giá, tính phí theo chỗ ngồi, tính phí theo nhiệm vụ, tính phí theo vấn đề được giải quyết thành công, thay đổi là đơn vị tính mà người dùng nhìn thấy. Phía sau, công ty ứng dụng vẫn phải gọi mô hình, vẫn phải tính toán xem cần tiêu tốn bao nhiêu token để hoàn thành một lần giao hàng.

Họa sĩ thời Nam Tống Lý Tung từng vẽ một bức tranh tên là "Thị đảm anh hý đồ" (Bức tranh gánh hàng rong bán đồ chơi trẻ em). Người bán hàng rong gánh một gánh hàng đi khắp làng xóm, nồi chén, kim chỉ, đồ ăn vặt, đồ chơi đều treo trên gánh. Một gánh hàng chính là một cửa hàng tạp hóa di động, người bán hàng kiếm tiền từ việc chọn hàng, phối hàng và giao hàng.

Việc các công ty ứng dụng AI làm cũng tương tự. Các nhà sản xuất mô hình tạo ra trí thông minh, các công ty ứng dụng mang trí thông minh đó vào các bối cảnh cụ thể. Ở tầng dưới mua vào là token, cuối cùng bán ra nên là một bản báo cáo, một bản thiết kế, một đoạn video.

Công ty mô hình bán trí thông minh, công ty ứng dụng bán sự hoàn thành.

Lợi nhuận của ngành kinh doanh này chủ yếu phụ thuộc vào ba khoản chênh lệch.

Khoản đầu tiên là chênh lệch mua vào.

Cùng một mô hình, chi phí thực tế mà các đội ngũ khác nhau nhận được chưa chắc đã giống nhau. Các công ty có khối lượng gọi API lớn có thể đàm phán chiết khấu, đội ngũ có năng lực kỹ thuật mạnh có thể tận dụng bộ nhớ đệm, xử lý bất đồng bộ, gọi API theo đỉnh - đáy và định tuyến mô hình để tiếp tục hạ thấp chi phí trung bình. Người khác bỏ một đồng để làm xong việc, bạn chỉ cần năm hào là xong, năm hào còn lại chính là lợi nhuận.

Nói đơn giản, cùng là nhập hàng, có người lấy giá sỉ, có người lấy giá du lịch.

Khoản thứ hai là chênh lệch sử dụng.

Có người mua gói thành viên rồi ngày nào cũng ép AI làm việc như trâu như ngựa, cũng có người lúc nạp tiền thì hùng tâm tráng trí, nửa tháng sau thì thậm chí không dùng sản phẩm nữa. Chỉ cần mức tiêu thụ trung bình của toàn bộ nhóm người dùng thấp hơn mức dự kiến khi thiết kế gói, phần hạn mức chưa dùng hết sẽ tạo thành khoảng lợi nhuận.

Điều này tương tự với logic của thẻ năm phòng gym hay gói cước dữ liệu di động.

Nhưng có một vấn đề cần lưu ý ở đây. Nếu mua vào từ thượng nguồn đủ linh hoạt, người dùng dùng ít mới tăng lợi nhuận. Nếu công ty đã ký chết một hợp đồng khung theo năm, số token còn lại vẫn nằm trong tài khoản, đó không phải lợi nhuận, mà chỉ là một kho hàng hàng tồn không bán được.

Người dùng dùng không hết gọi là lắng đọng, công ty bán không được gọi là tồn kho.

Khoản thứ ba là chênh lệch sản phẩm.

Cùng tiêu thụ mười nghìn token, có sản phẩm chỉ nhả ra một đoạn văn bản mà người dùng cần tiếp tục chỉnh sửa rất lâu; có sản phẩm đã hoàn thành việc tổng hợp tài liệu, tạo nội dung, kiểm tra thực tế, chỉnh sửa định dạng và xuất cuối cùng. Chi phí nền có thể tương đương, nhưng mức giá người dùng sẵn sàng trả hoàn toàn khác nhau.

Giá trị thực sự của một ứng dụng AI nằm ở đây. Mua vào quyết định ngành kinh doanh này có thể tồn tại hay không, sản phẩm quyết định ngành kinh doanh này đáng giá bao nhiêu.

Token buôn bán chỉ là nền tảng, sản phẩm mới là lý do của chênh lệch.

Quản lý sản phẩm, trước tiên trở thành kế toán

Rắc rối nằm ở chỗ, ứng dụng AI cần liên tục nhập hàng, vì vậy vấn đề sản phẩm dễ dàng biến thành vấn đề chi phí.

Trong hướng dẫn sử dụng chính thức của Manus, có thể thấy cách chi phí này phản ngược lại định hình sản phẩm. Manus trừ điểm tích lũy hàng tháng dựa trên mức độ phức tạp của nhiệm vụ và tài nguyên cần tiêu thụ. Cũng là đặt câu hỏi cho AI, hướng dẫn chính thức khuyến nghị các câu hỏi đơn giản nên dùng chế độ Chat, không cần khởi động toàn bộ Agent tự động; còn nhiệm vụ phức tạp thì tốt nhất nên kiểm tra kết quả trung gian trước, tránh để Agent tiếp tục thực hiện theo hướng sai, lãng phí thêm nhiều điểm tích lũy.

Những đề xuất này tất nhiên là hợp lý. Nhưng nó cũng phơi bày mặt phiền toái nhất của sản phẩm Agent: mô hình càng chủ động, công ty sản phẩm càng khó dự đoán chi phí.

Chatbot trả lời một lần rồi dừng lại, chi phí còn dễ tính toán. Agent sẽ tự phân chia nhiệm vụ, tìm kiếm lặp đi lặp lại, mở trang web, gọi công cụ, rồi dựa vào kết quả trung gian để quyết định bước tiếp theo. Người dùng chỉ đưa ra một lệnh, nhưng đằng sau có thể đã diễn ra hàng chục lần gọi mô hình.

Vì vậy, sản phẩm bắt đầu dạy người dùng cách để Agent làm việc ít hơn. Điều đáng lo là khi tính toán lâu ngày, người giữ sổ sách bắt đầu tiếp quản sản phẩm. Một tính năng có nên ra mắt hay không, đội ngũ không còn ưu tiên câu hỏi người dùng có cần hay không, mà là mỗi lần thực hiện sẽ đắt thêm vài xu. Mô hình đã có năng lực mạnh hơn, nhưng ứng dụng lại không dám trao trọn những năng lực đó cho người dùng.

Công ty tất nhiên cần kiểm soát chi phí. Không có startup nào có thể để người dùng dùng thoải mái mô hình đắt nhất như nước máy.

Một số sản phẩm còn nhét các mô hình hiệu quả hơn vào gói giá cao, còn người dùng thông thường nhận được một phiên bản đã bị giới hạn qua nhiều lớp. Năng lực mô hình không biến mất, chỉ là sau khi tính toán xong, nó được chia cho những người khác nhau.

Lâu dần, ngành xuất hiện một sự đảo ngược rất khó chịu.

Người dùng mua ứng dụng AI, mong mô hình hiểu nhiều hơn, suy nghĩ thêm một bước, hoàn thành nhiều công việc hơn. Công ty ứng dụng để giữ chi phí, lại phải khiến mô hình đọc ít hơn, nghĩ ít hơn, làm ít hơn.

Sản phẩm bán là trí tuệ, nhưng thao tác thuần thục nhất của đội ngũ lại là cắt giảm trí tuệ.

Và khi thượng nguồn tăng giá, công ty ứng dụng phải giảm hạn mức; đối thủ có chi phí thấp hơn, phí thành viên trên thị trường ngay lập tức bị kéo xuống; mô hình rẻ mới xuất hiện, định tuyến và gói cước cũ lại phải tính toán lại từ đầu. Công ty ứng dụng trông có vẻ nắm sản phẩm, nhưng biến số quan trọng nhất lại luôn nằm trong tay thượng nguồn.

Hai năm qua, các nhà sáng lập ứng dụng AI không thiếu ý tưởng. Họ thiếu hơn một loại trí tuệ đủ mạnh, đủ rẻ, có thể yên tâm nhét vào sản phẩm.

DeepSeek đã hạ "phí qua đường trí tuệ" xuống

Giá trị của DeepSeek trước hết nằm ở chỗ nó không phải là một mô hình cắt giảm chỉ để hạ giá. Nó có ngữ cảnh 1 triệu token, hỗ trợ chế độ suy nghĩ và gọi công cụ.

Khi phát hành bản xem trước vào tháng 4, DeepSeek cho biết khả năng suy luận của nó gần với V4-Pro, và hiệu suất trên các tác vụ Agent đơn giản là tương đương. Bản chính thức cập nhật ngày 31 tháng 7 không thay đổi cấu trúc và quy mô mô hình, chủ yếu đào tạo lại sau đó, và nhiều chỉ số Agent đã vượt qua bản xem trước V4-Pro.

Điều này rất quan trọng.

Mô hình giá rẻ trước đây cũng từng có. Vấn đề là, hàng nhập rẻ, nhưng hàng không thể lúc nào cũng là phế phẩm. Điều mà ứng dụng AI thực sự cần, là trí thông minh ổn định nhất có thể dưới một mức giá đơn vị.

Ít nhất từ các tiêu chuẩn Agent và mã nguồn mà DeepSeek công bố, V4-Flash đã vượt qua ngưỡng "đủ dùng" của một loạt tác vụ tần suất cao, mà giá lại thấp đến mức các đội ngũ dám gọi API liên tục.

Đối với đa số người dùng phổ thông, mô hình lớn rất có thể đã đi qua một điểm giới hạn.

Người bình thường không quan tâm đến benchmark. Họ hiếm khi để ý xem một mô hình dẫn trước ba hay năm điểm trong bài kiểm tra nào đó, chỉ quan tâm đến việc công việc của mình có hoàn thành tốt hay không. Khi mô hình đã có thể đọc tài liệu, suy luận, điều phối công cụ và giao kết quả, việc tiếp tục nâng cao khả năng tất nhiên vẫn có giá trị. Nhưng phần giá trị đó còn có thể chống đỡ cho mức giá đắt gấp nhiều lần hay không, cần phải tính toán lại.

Trước đây, các công ty mô hình nói rằng mình mạnh hơn, giá đắt hơn dường như là điều hiển nhiên. Nhưng giờ đây lý do này không còn vững chắc nữa. Đắt ở đâu, khả năng vượt trội giải quyết vấn đề gì, và có bao nhiêu người dùng thực sự cần, tất cả đều phải đưa lên bàn cân để bàn bạc rõ ràng.

DeepSeek không làm cho tất cả mô hình trở nên rẻ hơn, mà nó biến mô hình giá cao thành một thứ cần phải giải thích cho người dùng.

Thời kỳ đầu, điều mà Pinduoduo thực sự phá vỡ không chỉ là giá hàng hóa. Nó khiến người tiêu dùng lần đầu tiên thấy rằng, rất nhiều đồ dùng hàng ngày hóa ra có thể bán rẻ đến vậy. Những khoản phí bảo chứng thương hiệu, chi phí kênh phân phối và khâu trung gian từng được coi là đương nhiên, bỗng nhiên phải tự tìm lý do tồn tại cho mình.

Pinduoduo phá vỡ tâm lý giá cả của hàng hóa.

DeepSeek phá vỡ tâm lý giá cả của trí thông minh.

Nhà sáng lập cuối cùng cũng có thể cúi đầu làm sản phẩm

Đối với ngành ứng dụng AI, điều quan trọng nhất tiếp theo là các nhà sáng lập cuối cùng có thể rời mắt khỏi thượng nguồn.

Trước đây, mô hình lớn cập nhật quá nhanh, các công ty ứng dụng rất dễ bị nó dắt mũi. Hôm nay tích hợp ngữ cảnh dài hơn, ngày mai thay mô hình suy luận mới, ngày kia lại treo khả năng Agent lên trang chủ. Sản phẩm trông có vẻ liên tục nâng cấp, nhưng lộ trình lại không phải do mình định ra. Nhà sản xuất mô hình phát hành gì, công ty ứng dụng trưng bày cái đó.

Điển hình là thượng nguồn thịnh vượng, hạ nguồn mất tập trung.

Giờ đây, mô hình nền tảng có cơ hội trở thành một loại tư liệu sản xuất tương đối ổn định. Các đội ngũ không cần phải xoay vòng quanh bảng xếp hạng mô hình mỗi ngày, cũng không cần coi "tích hợp mô hình mới nhất" là tiến triển sản phẩm quan trọng nhất.

Sau khi mô hình ổn định, sản phẩm cuối cùng cũng không còn lý do bào chữa.

Mô hình hoàn thành được một nhiệm vụ chỉ là điểm khởi đầu. Điều sản phẩm cần làm là đưa nhiệm vụ đó vào quy trình thực tế, xử lý quyền hạn, dữ liệu, cộng tác, kiểm duyệt và thất bại, để người dùng không phải dạy lại AI cách làm việc mỗi lần. Những điều này không hấp dẫn như tham số mô hình, cũng khó lên bảng xếp hạng benchmark. Nhưng việc người dùng có tiếp tục trả tiền vào tháng thứ hai hay không thường phụ thuộc vào những chi tiết này.

Giá trị của ứng dụng AI không nằm ở việc đặt mô hình trước mặt người dùng, mà nằm ở việc khiến mô hình biến mất trong công việc.

Khi người dùng không còn cần chọn mô hình, không cần nghiên cứu prompt, cũng không cần quan tâm nhiệm vụ này đã gọi bao nhiêu vòng suy luận, lúc đó ứng dụng mới thực sự hoàn thành công việc của mình.

Đến giai đoạn này, các công ty ứng dụng không còn cạnh tranh xem ai lấy được mô hình trước, mà so xem ai hiểu một công việc hơn, ai có thể biến những quy tắc không được viết trong tài liệu hướng dẫn của ngành thành một phần của sản phẩm.

Mô hình có thể mạnh lên chỉ sau một đêm, nhưng sự hiểu biết về ngành thì không. API có thể được mọi người tích hợp, nhưng một cách làm việc thực sự được người dùng chấp nhận thì rất khó sao chép.

Điều này cũng khiến nhiều mô hình kinh doanh trước đây trông có vẻ không đủ lớn lao, giờ đây có cơ hội trở nên khả thi.

Khởi nghiệp AI không nhất thiết phải bắt đầu từ "cổng vào thế hệ tiếp theo", cũng không nhất thiết mỗi công ty phải tạo ra một siêu Agent phục vụ toàn nhân loại. Nó có thể chỉ giải quyết một rắc rối trong khâu hỏi hàng ngoại thương, chỉ phục vụ một quy trình của chuỗi cửa hàng, chỉ giúp một nhóm chuyên gia nào đó tiết kiệm một đoạn công việc lặp lại.

Thị trường không cần lớn đến mức chứa được tất cả mọi người. Chỉ cần vấn đề đủ cụ thể, giao hàng đủ ổn định, giá trị người dùng nhận được cao hơn mức giá họ trả, thì mô hình kinh doanh đó có thể sống trước đã.

Trước đây, khi mô hình còn quá đắt, thị trường nhỏ khó có thể hỗ trợ một sản phẩm hoàn chỉnh. Đội ngũ phải theo đuổi quy mô người dùng lớn hơn, giá trị đơn hàng cao hơn và tốc độ gọi vốn nhanh hơn, mới có thể bù đắp chi phí suy luận liên tục phát sinh. Nhiều dự án khởi nghiệp chưa tìm được người dùng thực sự đã buộc phải kể một câu chuyện quá lớn lao.

Giờ đây, câu chuyện có thể nhỏ lại rồi.

Đội ngũ nhỏ có thể phục vụ một nhóm người nhỏ trước, làm thấu đáo một việc, rồi từ từ mở rộng ra ngoài.

Điều này rất giống hình ảnh của nhiều "cửa hàng lâu đời" ngày nay. Khi mở cửa, họ không nghĩ đến việc thống trị cả một con phố, chỉ đơn giản là phục vụ tốt vài bàn khách trước cửa. Món ăn ngon, giá cả hợp lý, khách lần sau quay lại, việc kinh doanh tự nhiên phát triển.

Ngành mô hình lớn thích nói về quy mô, tham số và kết cục cuối cùng. Nhưng khởi nghiệp ứng dụng cuối cùng vẫn phải quay về logic giản dị này.

Bạn phục vụ ai, bạn giải quyết vấn đề gì cho họ, tại sao đổi sang đơn vị khác lại không được – ba câu hỏi này, DeepSeek sẽ không trả lời thay cho nhà sáng lập.

Nó chỉ giúp các đội ngũ không còn phải dành phần lớn thời gian để mặc cả với bên thượng nguồn, đồng thời mang lại cho những đội ngũ nhỏ không có khả năng tự huấn luyện mô hình lớn, không đủ tư cách nhận mức giá đặc biệt, một tấm vé tham gia tương đối công bằng.

Trước đây, bản thân mô hình chính là rào cản. Giờ đây, mô hình ai cũng có thể mua, khác biệt nằm ở cách dùng. Thứ thực sự khan hiếm sẽ dần chuyển sang người dùng, dữ liệu, quy trình và niềm tin. Ai gần với công việc thực tế hơn, người đó có nhiều cơ hội hơn.

Sau khi DeepSeek hạ thấp ngưỡng tiếp cận trí tuệ nhân tạo, ứng dụng AI cuối cùng đã từ một cuộc đua mô hình trở lại thành một ngành kinh doanh sản phẩm.

Triều Thác, thời Tây Hán, từng viết trong bài "Luận quý túc sơ": "Quý ngũ cốc mà tiện kim ngọc."

Những năm qua, mô hình lớn giống như kim ngọc. Tham số ngày càng lớn, bảng xếp hạng ngày càng cao, được đặt dưới ánh đèn của buổi ra mắt, ai cũng thấy sự quý giá của nó, nhưng ít người thực sự đưa nó vào công việc hằng ngày.

Việc của tầng ứng dụng là biến kim ngọc thành ngũ cốc.

DeepSeek không nấu cơm thay cho nhà sáng lập, nó chỉ hạ giá gạo xuống.

Còn ai có thể mở được quán cơm hay không, tùy vào tay nghề của mỗi người.

-HẾT-

Liên kết bài 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