DeepSeek kết hợp với Unitree: Khi trí tuệ trở nên rẻ đến mức có thể bị lãng phí

Tiêu đề gốc: "DeepSeek bắt tay với Unitree: Khi trí tuệ rẻ đến mức có thể bị lãng phí"
Tác giả gốc: Động Sát Beating

Công nghệ thực sự bắt đầu thay đổi thế giới, thường xảy ra khi nó rẻ đến mức có thể bị lãng phí.

Gần đây, ngay cả truyền thông nước ngoài cũng bắt đầu học được một từ rất đặc trưng của internet Trung Quốc: "đường giới hạn sát thương" (斩杀线).

Ngày 31 tháng 7, DeepSeek V4 Flash được cập nhật. Trong biểu đồ tọa độ của Artificial Analysis so sánh đồng thời mức độ thông minh và chi phí sử dụng của các mô hình, trục tung càng lên cao, mô hình càng thông minh; trục hoành càng sang phải, chi phí gọi càng cao. Chỉ số thông minh của V4 Flash đạt 50 điểm, đã sát với nhóm dẫn đầu toàn cầu, nhưng chi phí trung bình cho một vòng kiểm tra chỉ là 3 xu Mỹ. Điểm đó gần như bị đẩy đến góc trên bên trái của hệ tọa độ. Các mô hình rẻ hơn nó, phần lớn khả năng kém hơn; các mô hình thông minh hơn nó, lại thường đắt hơn một khoảng lớn.

Giờ đây, nếu một mô hình không mạnh hơn DeepSeek đủ nhiều, thì càng ngày càng khó giải thích vì sao mình lại đắt gấp vài chục lần. Internet Trung Quốc gọi ranh giới này là "đường giới hạn sát thương". Vài ngày sau, Bloomberg thảo luận về áp lực giá mà các mô hình Trung Quốc gây ra cho các công ty AI Mỹ, tiêu đề cũng trực tiếp dùng từ "Death Zone".

Từ V2 năm 2024, DeepSeek liên tục hạ thấp chi phí để máy "suy nghĩ một lần". Các nhiệm vụ mà mô hình có thể hoàn thành ngày càng phức tạp, nhưng giá cả vẫn không tăng vọt theo khả năng. Trong hai năm qua, ngành công nghiệp mô hình lớn quen với việc kể câu chuyện tiến bộ qua tham số lớn hơn, ngữ cảnh dài hơn và Benchmark cao hơn, còn DeepSeek vẫn theo đuổi một tiêu chuẩn khác: cùng một mức trí tuệ, liệu có thể tốn ít tiền hơn không.

Ở phía bên kia Hàng Châu, Vương Hưng Hưng đã làm một việc tương tự suốt hơn mười năm.

Khi học thạc sĩ, anh làm XDog, ngay từ đầu không có nhiều tiền để đốt. Hệ thống thủy lực đắt tiền không dùng nổi, thì nghiên cứu động cơ chi phí thấp; giải pháp hoàn chỉnh mua không nổi, thì tự vẽ bo mạch điều khiển, tự viết chương trình, tự dựng hệ thống điều khiển. Nhiều lựa chọn kỹ thuật ngày nay đã trở thành tiêu chuẩn của sản phẩm Unitree, ban đầu đều mang một thói quen kỹ thuật rất mộc mạc: đừng hỏi ngành thường làm thế nào, trước tiên hãy xem có cách nào rẻ hơn không.

Vương Hưng Hưng sau này hồi tưởng, năm 2010 khi làm robot hai chân, phần cơ khí cộng lại chỉ tốn hai trăm tệ. Nhiều năm sau, có người hỏi Unitree còn có thể tiếp tục giảm chi phí không, anh trả lời: "Đừng so với chúng tôi về giảm chi phí, chúng tôi có thể tiếp tục giảm rất nhiều."

Một công ty đang hạ giá của việc suy nghĩ, một công ty đang hạ giá của việc hành động. Trong một thời gian dài, dù cả hai đều ở Hàng Châu, họ vẫn đi trên những con đường riêng.

Cho đến ngày 6 tháng 8.

Công ty Công nghệ Unitree công bố kết quả phân phối chiến lược IPO trên sàn STAR Market, DeepSeek chi 140,8 triệu NDT để mua cổ phiếu mới của Unitree. Thỏa thuận hợp tác mà hai bên công bố cũng khá trực tiếp: khi Unitree cần dịch vụ đào tạo mô hình và giải pháp kỹ thuật, họ sẽ ưu tiên xem xét DeepSeek; khi DeepSeek cần robot và khám phá ứng dụng trí tuệ nhúng, họ sẽ ưu tiên xem xét Unitree.

Số tiền này trong ngành AI ngày nay không phải là quá ấn tượng. Điều thực sự thú vị là hai người, trong hơn mười năm qua luôn muốn biến công nghệ đắt đỏ thành giá rẻ như bèo, lần đầu tiên nối các đường cong chi phí của mình lại với nhau. Và thế là một câu hỏi đáng suy ngẫm hơn cả "mô hình lớn cuối cùng đã kết nối cơ thể cho robot" được đặt ra:

Nếu chi phí của suy nghĩ máy móc và chi phí của hành động máy móc cùng tiếp tục giảm, AI cuối cùng sẽ trở thành gì?

Câu trả lời có thể không chỉ là "nhiều người dùng được hơn".

Thay đổi lớn hơn là chúng ta bắt đầu không còn phải trân trọng nó quá mức.

Hai kẻ "đồ tể" giá cả

Điểm giống nhau nhất giữa Lương Văn Phong và Vương Hưng Hưng là họ đều không tin vào sự rẻ tiền đến từ trợ cấp. Bảng giá tất nhiên có thể thay đổi chỉ sau một đêm, nhưng "lông cừu mọc trên lưng cừu", kiểu giá thấp này thường không kéo dài được lâu. Nếu muốn bán rẻ lâu dài, cuối cùng vẫn phải quay lại với kỹ thuật, từng lớp một tháo gỡ những chi phí vốn dĩ được coi là đương nhiên.

DeepSeek-V2 là ví dụ điển hình nhất. Sau khi mô hình được phát hành vào năm 2024, ngành mô hình lớn trong nước nhanh chóng bị kéo vào cuộc chiến giá cả. Điều dễ thấy nhất từ bên ngoài là báo giá API, nhưng thứ thực sự hỗ trợ cho việc giảm giá nằm sâu trong cấu trúc mô hình. V2 có tổng tham số 236 tỷ, nhưng mỗi khi xử lý một Token, chỉ kích hoạt 21 tỷ trong số đó; so với thế hệ trước, chi phí đào tạo giảm 42,5%, KV Cache giảm 93,3%, và thông lượng tạo sinh tối đa tăng lên 5,76 lần.

Đến V3, tư duy này tiếp tục được đẩy xa hơn. Mô hình trở nên lớn hơn, quá trình đào tạo chính thức sử dụng 2,788 triệu giờ GPU H800, và DeepSeek tiếp tục tối ưu hiệu quả thông qua hỗn hợp chuyên gia, đào tạo độ chính xác thấp và tối ưu hóa truyền thông.

Quan điểm chi phí này sau đó thậm chí bắt đầu định nghĩa lại sản phẩm.

Vào tháng 5 năm nay, DeepSeek trực tiếp chuyển đổi mức giảm giá khuyến mãi 75% ban đầu của V4-Pro thành giá vĩnh viễn, và cũng tiếp tục hạ phân khúc cao cấp nhất. Lương Văn Phong trước đây đã giải thích nguyên tắc định giá của họ: định giá dựa trên chi phí thực tế, không bù lỗ lâu dài, cũng không theo đuổi lợi nhuận khổng lồ.

Wang Xingxing hiểu về robot gần như giống hệt vậy.

Năm 2025, khi phỏng vấn với tờ "Wan Dian" (Điểm Muộn), anh được hỏi rằng H1 ban đầu bán với giá 90.000 USD, sau đó phiên bản G1 linh hoạt hơn với cấu hình thấp chỉ còn khởi điểm 99.000 Nhân dân tệ, như vậy có còn kiếm được lợi nhuận không.

Wang Xingxing trả lời: "Hành vi thương mại chắc chắn phải có lợi nhuận hợp lý. Chi phí luôn là KPI cho mọi thứ chúng tôi làm, cốt lõi là phải kiếm được tiền."

Sau đó, anh ít khi nhắc đến câu nói quen thuộc nhất là "khi quy mô lớn lên, nhà cung cấp tự nhiên sẽ giảm giá". Điều thực sự quyết định mức giá sàn của robot là cách chọn động cơ, cách làm bộ giảm tốc, một khớp cần bao nhiêu linh kiện, toàn bộ máy có thể nhẹ hơn nữa không, và những bộ phận nào phải tự nắm giữ trong tay.

Cách giảm chi phí này mang một cảm giác công nghiệp rất mạnh mẽ, tách một đồng ra làm hai nửa để tiêu.

Một bo mạch ngắn đi vài centimet, một khớp bớt đi hai linh kiện, một bó dây đổi cách đi dây, mỗi thứ tách riêng ra đều không phải là đột phá vĩ đại gì, nhưng khi hàng chục thay đổi như vậy chồng chất lại, cuối cùng sẽ ảnh hưởng trực tiếp đến giá bán.

Sự thay đổi giá của Unitree trong vài năm qua chính là như vậy. Năm 2023, thế hệ đầu tiên của robot hình người kích thước đầy đủ H1 ra mắt, năm đó chỉ bán được 5 chiếc, giá trung bình 593.400 Nhân dân tệ; năm 2024, G1 nhỏ hơn gia nhập thị trường, doanh số tăng lên 410 chiếc, giá trung bình giảm xuống 260.700 Nhân dân tệ; đến chín tháng đầu năm 2025, doanh số robot hình người đạt 3.551 chiếc, giá trung bình lại giảm xuống còn 167.600 Nhân dân tệ.

Mỗi khi giá giảm xuống một nấc, người mua robot cũng sẽ có thêm một nhóm mới. Thiết bị giá 500.000-600.000 Nhân dân tệ cần phòng thí nghiệm lập dự án, viết ngân sách, giải thích mua về rốt cuộc định nghiên cứu cái gì; giá hơn mười vạn đã có thể vào được nhiều trường đại học, đội ngũ phát triển và doanh nghiệp hơn.

Nhiều công nghệ thực sự vượt qua ngưỡng phổ biến hóa chính là trong những thay đổi như vậy. Từ ngân sách chuyên môn trở thành ngân sách bộ phận, rồi từ ngân sách bộ phận trở thành mua sắm thông thường, cuối cùng một ngày nào đó, người ta lười không muốn tính toán cho từng lần sử dụng nữa.

Công nghệ đắt tiền tự nhiên chỉ dành để giải quyết những vấn đề đắt tiền, khi giá giảm xuống, những việc nhỏ nhặt mà trước đây công nghệ không đáng để xuất hiện mới bắt đầu bước vào thế giới của nó.

Hai đường cong chi phí cuối cùng đã giao nhau

Unitree tự mình đã đang làm mô hình thế giới và VLA, nên giá trị của DeepSeek không chỉ là "gắn một bộ não" cho robot. Điều thực sự có thể khớp nối hai công ty lại với nhau chính là vòng lặp huấn luyện đắt đỏ nhất hiện nay của trí tuệ hình thể (embodied intelligence).

Một nửa vòng lặp này diễn ra trong thế giới thực. Robot thực sự vươn tay, bước đi, cầm nắm đồ vật; con người hoặc các hệ thống khác liên tục làm mẫu cho nó, tạo ra những quỹ đạo thành công và thất bại.

Nửa còn lại diễn ra trong tính toán, nơi dữ liệu được làm sạch, gán nhãn, đưa vào mô hình để huấn luyện các chiến lược mới, sau đó qua suy luận và xác minh để triển khai lại lên robot. Robot ra ngoài tiếp tục thử nghiệm, mang về dữ liệu mới, mô hình lại học thêm một lượt. Vòng lặp này quay càng nhanh, robot càng tiếp xúc với nhiều thế giới hơn.

Vấn đề là, cả hai đầu đều đắt đỏ. Robot thật đắt, đội ngũ khó có thể để hàng trăm robot ngày này qua ngày khác ngã vật trong phòng thí nghiệm; huấn luyện và suy luận đắt, những dữ liệu thu thập về mà khó nhìn ra giá trị ngay, cũng khó được huấn luyện và xác minh lặp đi lặp lại.

Vì vậy, trước đây việc làm thí nghiệm robot luôn rất quý giá. Chỉ có vài con robot, hôm nay thu thập dữ liệu gì phải nghĩ trước cho rõ; tài nguyên tính toán chỉ có hạn, một loạt quỹ đạo có đáng chạy lại lần nữa hay không, cũng phải tính toán kỹ lưỡng. Tài nguyên càng đắt, các nhà nghiên cứu càng có xu hướng chọn những vấn đề trông có vẻ giá trị nhất, xác suất thành công cao nhất.

Nhưng thế giới thực lại không như vậy.

Cốc đặt cách mép bàn 3 cm và 5 cm thì khác gì nhau, khăn ướt một nửa thì nên cầm từ đâu, ngăn kéo kẹt thì nên tiếp tục dùng lực hay lùi lại một chút trước, túi nilon đựng một quả táo và ba quả táo thì cánh tay phải điều chỉnh thế nào. Những việc này tách riêng ra, không một việc nào đáng để mở một buổi họp báo, thậm chí khó đáng để một phòng thí nghiệm lập đề án riêng. Nhưng một khi robot bước vào gia đình, nhà hàng, kho hàng, văn phòng, thế giới nó đối mặt mỗi ngày chính xác được tạo nên từ những vấn đề vụn vặt đến mức phiền phức này.

Lúc này nhìn lại sự hợp tác giữa DeepSeek và Unitree, logic sẽ rõ ràng hơn nhiều.

Unitree kéo chi phí nửa đầu xuống, để nhiều robot thật hơn vào phòng thí nghiệm, đội ngũ phát triển và các bối cảnh thực tế; DeepSeek giải quyết vấn đề nửa sau trong dài hạn, làm cho việc huấn luyện mô hình, suy luận và xác minh ngày càng rẻ hơn.

Hầu hết các quỹ đạo cuối cùng sẽ không đi vào sản phẩm, hầu hết các thí nghiệm cũng không tạo ra tin tức, có những con robot sẽ cầm sai cốc liên tục một trăm lần, một loạt dữ liệu đắt đỏ chạy xong, cũng có thể chỉ chứng minh rằng ý tưởng ban đầu hoàn toàn không đứng vững.

Khi tài nguyên đắt, những thứ này gọi là đổ tiền xuống sông; khi chi phí đủ thấp, chúng mới có tư cách được gọi là kinh nghiệm.

Điện thoại rẻ hơn một chút, nghĩa là nhiều người có thể mua; robot rẻ hơn một chút, còn nghĩa là chính nó có thể có nhiều thời gian không tạo ra sản phẩm hơn, luyện tập cả buổi chiều trong phòng thí nghiệm, làm những động tác cuối cùng chẳng dùng đến, bước vào nhiều môi trường kỳ lạ hơn, gặp nhiều tình huống mà kỹ sư chưa từng nghĩ tới trước đó.

Khi cơ thể và trí thông minh cùng trở nên rẻ hơn, điều đầu tiên mà trí thông minh nhúng (embodied intelligence) nhận được chính là quyền được phạm lỗi nhiều hơn.

Con người đã học cách lãng phí công nghệ như thế nào

Điều này đã từng xảy ra nhiều lần trong lịch sử công nghệ của nhân loại.

Năm 1865, nhà kinh tế học người Anh William Stanley Jevons khi nghiên cứu về động cơ hơi nước và than đá đã phát hiện ra một điều trái ngược với trực giác. Động cơ hơi nước ngày càng hiệu quả hơn, lượng than cần đốt cho mỗi công việc ngày càng ít đi, nhưng lượng than tiêu thụ của nước Anh lại không giảm theo, mà còn tăng lên. Bởi vì một khi năng lượng hơi nước trở nên rẻ hơn, những việc trước đây không nỡ dùng nó để làm thì giờ cũng bắt đầu sử dụng, lượng than tiết kiệm được nhờ hiệu quả nhanh chóng bị những nhu cầu mới nhiều hơn nuốt chửng.

Sau này người ta gọi hiện tượng này là "Nghịch lý Jevons".

Những người dùng AI trong hai năm qua thực ra đã phần nào trải nghiệm giai đoạn ngược lại. Khi mô hình còn đắt, chúng ta học được cách tiết kiệm trí thông minh. Các đội khởi nghiệp ngoài miệng bàn về trải nghiệm người dùng, nhưng trong lòng quản lý sản phẩm vẫn phải ghi nhớ một bảng giá Token, một tính năng về mặt kỹ thuật có thể làm được, nhưng cuối cùng cũng có thể bị cắt bỏ vì "mỗi người dùng chạy mô hình năm lần thì quá đắt".

Nhưng công nghệ thực sự đi vào cuộc sống thường phải vượt qua một rào cản khác, đó là khi nó rẻ đến mức chúng ta bắt đầu dùng nó cho những việc không mấy quan trọng.

Ngày nay không ai trước khi bật đèn phòng khách lại tính toán xem một giờ chiếu sáng này tạo ra bao nhiêu giá trị kinh tế, cũng không ai vì điện thoại gửi thêm vài yêu cầu mạng ở nền mà cảm thấy mình đang phung phí cơ sở hạ tầng internet vĩ đại.

Điện và mạng đều có chi phí, chỉ là chi phí này đã thấp đến mức không đáng để đưa ra quyết định cho mỗi lần sử dụng. Con người từ lâu đã trở nên phung phí trong những việc này mà không hề cảm thấy tội lỗi.

Nếu một ngày nào đó trí thông minh đến được mức này, mối quan hệ giữa chúng ta và AI cũng sẽ thay đổi theo. Cuộc họp kết thúc tiện tay để mô hình tổng hợp lại, bài viết viết xong để vài mô hình lần lượt tìm lỗi, một Agent không làm được thì đổi vài đường khác thử tiếp, có hay không cứ thử vài lần đã. Robot dọn bàn, lần đầu làm đổ cốc, lần thứ hai đưa tay lệch, lần thứ ba động tác quá chậm, thì cứ để lần thứ tư.

Một công nghệ thực sự phổ biến sau đó, con người sẽ không ngày càng tính toán kỹ lưỡng hiệu quả sử dụng của nó, thậm chí còn quên mất rằng mình đang sử dụng nó.

Khi chúng ta không còn tính toán khoản chi phí này

Năm 1911, nhà toán học và triết học người Anh Whitehead đã viết trong cuốn "Nhập môn Toán học" một câu:

"Sự tiến bộ của văn minh nằm ở việc không ngừng mở rộng những thao tác quan trọng mà chúng ta có thể hoàn thành mà không cần suy nghĩ."

AI ngày nay rõ ràng vẫn chưa đạt đến mức đó. Chúng ta vẫn đang tranh luận xem nhiệm vụ nào đáng dùng mô hình đắt tiền nhất, nhà phát triển vẫn đổi nhà cung cấp chỉ vì chênh lệch vài đồng cho mỗi triệu Token; các công ty robot vẫn phải tìm kiếm kịch bản dễ tính toán lợi nhuận nhất giữa phòng trưng bày, phòng thí nghiệm và nhà máy. Ngành này vẫn mang một cảm giác cơm áo gạo tiền rất nặng nề.

Và khoản đầu tư 140,8 triệu NDT này thực sự kết nối lại với nhau, là một hóa đơn hiếm khi xuất hiện trong các cuộc thảo luận của ngành. Một lần robot phạm lỗi, rốt cuộc tốn bao nhiêu tiền?

Ngày nay, câu trả lời này vẫn chưa đủ rẻ, vì vậy mỗi dữ liệu thực tế đều phải thu thập một cách nghiêm túc, mỗi vòng huấn luyện đều phải chọn lọc kỹ càng, và mỗi robot tốt nhất nên sớm tìm được một công việc có thể tính ra sản lượng.

Cho đến ngày trí tuệ thực sự phổ biến, có thể sẽ không có một buổi ra mắt nào tuyên bố sự khởi đầu của kỷ nguyên mới. Chúng ta chỉ dần dần nhận ra rằng, một robot trong góc nhà kho luyện tập bắt hộp cả buổi chiều, thất bại ba trăm lần, không còn ai đặc biệt hỏi han; một Agent tự mình thử hàng chục con đường để tìm câu trả lời, cũng không ai nhìn hóa đơn Token mà xót xa; trong phòng thí nghiệm đặt thêm vài robot, không cần phải viết lý do mua sắm cho từng con.

Vì vậy, cái giá thực sự quan trọng của tương lai AI, có thể không phải là một triệu Token giá bao nhiêu, cũng không phải một robot hình người giá bao nhiêu, mà là khi nào chúng ta cuối cùng lười đến mức không muốn tính toán những con số này nữa.

Khi máy móc suy nghĩ thêm vài lần, đi thêm vài bước, phạm lỗi thêm vài lần, mà đều không còn đáng để con người phải xót xa, thì lúc đó trí tuệ mới thực sự chuyển từ một khả năng đắt đỏ thành cơ sở hạ tầng.

Công nghệ thực sự bắt đầu thay đổi thế giới, thường xảy ra khi nó rẻ đến mức có thể bị lãng phí.

DeepSeek đang đưa tư duy đến gần mức giá đó, Unitree đang đưa cơ thể đến gần mức giá đó. Việc còn lại, là để máy móc có một cuộc đời đủ rẻ.

Rẻ đến mức có thể thử đi thử lại, rẻ đến mức có thể phạm lỗi liên tục, rẻ đến mức những thất bại hôm nay trông vô nghĩa, cuối cùng đủ nhiều để tạo nên trí tuệ.

Liên kết bài viết 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