Tiêu đề gốc: Charts of the Week: Head In The Neoclouds
Tác giả gốc: Moses Sternstein, a16z

Lời tòa soạn: Trong bối cảnh AI tạo sinh thúc đẩy làn sóng đầu tư tính toán mới, các cuộc thảo luận về hạ tầng AI trên thị trường đang chuyển từ "có đủ GPU hay không" sang "ai có thể cung cấp sức mạnh tính toán một cách bền vững". Khi nhu cầu huấn luyện mô hình, suy luận và mở rộng trung tâm dữ liệu đã trở thành điểm đồng thuận, một câu hỏi cốt lõi hơn bắt đầu hiện lên: liệu tốc độ tăng trưởng cao của nhu cầu tính toán có thực sự chuyển hóa thành lợi nhuận và dòng tiền ổn định hay không?

Trong ấn phẩm "Charts of the Week" do a16z New Media phát hành, tác giả Moses Sternstein tiếp cận từ các công ty cloud mới như CoreWeave, Nebius và Applied Digital, thảo luận về sự tăng trưởng, định giá và mâu thuẫn lợi nhuận của thị trường sức mạnh tính toán AI, đồng thời mở rộng sang SaaS ngang, định tuyến mô hình và cuộc cạnh tranh nhân tài tại các phòng thí nghiệm tiên phong.

Trong bài viết này, tác giả không chỉ đơn giản đánh giá nhu cầu AI có mạnh hay không, mà còn phân tách giao dịch AI hiện tại thành một nhóm vấn đề cấu trúc sâu hơn: hạ tầng hiện có được định giá lại như thế nào, vì sao tăng trưởng doanh thu không đồng bộ cải thiện kỳ vọng thị trường, và vì sao trọng tâm cạnh tranh của ngành AI đang chuyển từ mở rộng đơn thuần sang hiệu quả và lợi nhuận.

Thứ nhất, là sự tái khám phá giá trị của hạ tầng. Trước đây, đất dọc theo đường sắt, đường ống dẫn khí tự nhiên và mạng cáp truyền hình từng phục vụ cho các ngành cụ thể, sau đó được cải tạo thành hạ tầng viễn thông và internet. Ngày nay, sự định giá lại tài sản tương tự đang diễn ra. Một số công ty cloud mới vốn phục vụ khai thác tiền mã hóa, đã có sẵn kinh nghiệm vận hành về điện, phòng máy, hệ thống làm mát và tính toán mật độ cao; khi nhu cầu AI bùng nổ, những năng lực này nhanh chóng chuyển hóa thành nguồn cung sức mạnh tính toán khan hiếm. Ý nghĩa nằm ở chỗ, cuộc cạnh tranh hạ tầng AI không hoàn toàn bắt đầu từ con số không, lợi thế ban đầu thường đến từ việc tái tổ hợp tài sản cũ, tài nguyên năng lượng và năng lực kỹ thuật.

Thứ hai, là sự song hành giữa tăng trưởng doanh thu cao và bất định lợi nhuận. Tốc độ tăng trưởng doanh thu giai đoạn đầu của các công ty cloud mới như CoreWeave từng vượt qua giai đoạn khởi đầu của các gã khổng lồ cloud như AWS, nhưng thị trường vốn không dành cho họ mức công nhận tương đương. Nguyên nhân nằm ở chỗ, cloud mới không phải là mô hình kinh doanh phần mềm thâm dụng tài sản nhẹ điển hình. Chi phí mua GPU, kết nối điện, xây dựng trung tâm dữ liệu, khấu hao chip và lãi vay sẽ tăng song song với quy mô, thậm chí nhanh hơn tăng trưởng doanh thu. Điều này có nghĩa là, mở rộng doanh thu chỉ chứng minh nhu cầu sức mạnh tính toán AI mạnh mẽ, nhưng không tự động chứng minh mô hình kinh doanh có tỷ suất lợi nhuận trên vốn đủ cao. Điều thị trường thực sự chờ đợi là liệu các doanh nghiệp này có thể chuyển hóa đơn hàng và doanh thu thành dòng tiền tự do bền vững hay không.

Thứ ba, giá trị phần mềm đang được phân hóa lại theo tác động của AI. Trước đây, thị trường lo ngại rằng AI tạo sinh sẽ làm suy yếu hào phòng thủ của các công ty SaaS một cách phổ biến, nhưng màn trình diễn của Atlassian cho thấy AI cũng có thể trở thành công cụ giúp tăng chi tiêu của khách hàng và độ gắn kết với sản phẩm. Trong khi đó, phần mềm an ninh mạng và quan sát hệ thống tiếp tục nhận được mức định giá cao hơn, vì AI mở rộng rủi ro tiềm ẩn, đồng thời gia tăng sự phụ thuộc của doanh nghiệp vào các giải pháp trưởng thành. Điều này có nghĩa là cái gọi "ngày tận thế SaaS" sẽ không xảy ra đồng đều. Việc AI thay thế sản phẩm, hạ giá thành, hay mở rộng nhu cầu, đang trở thành tiêu chuẩn mới cho sự phân hóa định giá phần mềm.

Thứ tư, ứng dụng AI đang chuyển từ "chất đống Token" sang tối ưu hóa Token. Trước đây, doanh nghiệp thường có xu hướng gọi trực tiếp các mô hình mạnh nhất, hoặc cấp ngân sách cho đội kỹ thuật tự thử nghiệm; hiện nay, các công ty như Databricks bắt đầu sử dụng định tuyến thông minh, khớp các mô hình có mức giá và hiệu suất khác nhau dựa trên độ khó của nhiệm vụ, nhằm duy trì hiệu quả đồng thời giảm chi phí. Giá đơn vị Token giảm không nhất thiết đồng nghĩa với việc tổng chi tiêu AI co lại: khi chi phí đơn vị giảm và số lượng tình huống ứng dụng tăng lên, tổng lượng tiêu thụ Token và quy mô thị trường tổng thể vẫn có thể tiếp tục tăng. Hiệu quả và nhu cầu không loại trừ lẫn nhau, mà có thể hình thành một vòng lặp củng cố lẫn nhau.

Nếu nén bài viết này thành một nhận định, đó là: hạ tầng AI đã chứng minh khả năng tạo ra tăng trưởng nhanh chóng, nhưng thắng thua ở giai đoạn tiếp theo sẽ phụ thuộc vào việc doanh nghiệp có thể chuyển hóa tăng trưởng thành hiệu quả sử dụng vốn cao hơn hay không. Theo nghĩa này, đối tượng thảo luận của bài viết không chỉ là liệu CoreWeave và các công ty tương tự có thể trở thành thế hệ ông lớn đám mây tiếp theo hay không, mà còn là liệu toàn bộ ngành AI có thể đi từ mở rộng sức mạnh tính toán đến lợi nhuận thương mại bền vững hay không.

Dưới đây là nội dung gốc:

Đội "Đám mây mới"

Vào đầu thế kỷ 20, Công ty Đường sắt Nam Thái Bình Dương sở hữu một lượng lớn quyền xây dựng bỏ trống trên các khu đất đã được dọn dẹp nối liền các thành phố và thị trấn trên khắp nước Mỹ. Phạm vi quyền sử dụng đất của đường sắt rộng hơn nhiều so với bản thân đường ray, do đó dọc theo tuyến đường vẫn còn nhiều hành lang có thể khai thác.

Vì vậy, công ty đường sắt này đã triển khai một mạng lưới truyền thông dọc theo tuyến đường sắt và đặt tên là "Hệ thống Điện thoại Mạng nội bộ Đường sắt Nam Thái Bình Dương" (Southern Pacific Railroad Internal Networking Telephony). Đến những năm 1970, công ty bắt đầu thương mại hóa mạng lưới này, mở rộng cho nhiều người dùng hơn.

Sau đó, hai điều xảy ra đồng thời: một mặt, sự độc quyền của thị trường điện thoại đường dài đi đến hồi kết; mặt khác, cáp quang bắt đầu có tính khả thi về mặt thương mại. Các hành lang truyền thông cũ được cải tạo thành đường cáp quang, và mạng lưới này sau đó được biết đến với tên viết tắt tiếng Anh "Sprint". Tài sản từng phục vụ đường sắt, từ đó trở thành xương sống hạ tầng của cuộc cách mạng viễn thông.

Không chỉ có các công ty đường sắt mới chuyển đổi mạng lưới vật lý hiện có thành cơ sở hạ tầng công nghệ thương mại quy mô lớn hơn.

Vào những năm 1980, Công ty Williams đã chuyển đổi các đường ống dẫn khí đốt bỏ trống thành kênh cáp quang, thành lập WilTel. Công ty này sau đó được bán và cuối cùng đổi tên thành WorldCom. Đến những năm 1990, hệ thống cáp đồng trục một chiều được lắp đặt cho dịch vụ truyền hình cáp cũng trải qua một đợt nâng cấp quy mô lớn, tốn kém, và cuối cùng trở thành cơ sở hạ tầng để Comcast và Charter cung cấp dịch vụ internet băng thông rộng cho người tiêu dùng.

Điều này dẫn đến một loại doanh nghiệp khác: họ cũng sở hữu cơ sở hạ tầng sẵn có, và những tài sản này hiện đang được cải tạo mạnh mẽ, định giá lại để đáp ứng nhu cầu của một công nghệ mới nổi — đó chính là các công ty "đám mây mới" (neocloud).

Tóm tắt đơn giản, các công ty đám mây mới ban đầu chủ yếu hoạt động trong lĩnh vực khai thác tiền mã hóa với cường độ năng lượng và tính toán cao, sau đó làn sóng AI ập đến. Đột nhiên, ai sở hữu quyền sử dụng điện, cơ sở hạ tầng, và kinh nghiệm xây dựng cũng như quản lý khối lượng tính toán cường độ cao — trong trường hợp của CoreWeave, còn bao gồm một lượng lớn GPU — người đó đứng trên một trong những đường đua nóng bỏng nhất hiện nay.

Tất nhiên, đây không phải là sự so sánh hoàn toàn tương đương. Nhưng nếu nhìn vào ba công ty đám mây mới niêm yết lớn nhất, tốc độ tăng trưởng doanh thu của họ quả thực rất ấn tượng.

Chúng ta chỉ có thể ước tính doanh thu dịch vụ đám mây trong giai đoạn đầu của các nhà cung cấp dịch vụ đám mây siêu quy mô, nhưng xu hướng chung đã rất rõ ràng: các công ty đám mây mới tăng trưởng cực kỳ nhanh, và rõ ràng nhanh hơn tốc độ tăng trưởng của ba nhà cung cấp đám mây lớn trong giai đoạn khởi đầu.

Cần lưu ý rằng, trong toàn bộ thị trường bán năng lực tính toán, các công ty đám mây mới hiện vẫn chỉ là những người tham gia tương đối nhỏ.

Họ vẫn còn một chặng đường dài để đạt đến quy mô của các nhà cung cấp dịch vụ đám mây siêu quy mô.

Các nhà cung cấp dịch vụ đám mây siêu quy mô tạo ra doanh thu mỗi quý cao hơn các công ty đám mây mới vài bậc độ lớn. Nhưng đồng thời, CoreWeave chỉ mất khoảng 25 quý để đạt được mức doanh thu 2,6 tỷ USD mà AWS phải đến quý thứ 40 sau khi ra mắt mới đạt được. Một lần nữa nhấn mạnh: tốc độ tăng trưởng của những doanh nghiệp này thực sự rất nhanh.

Sở hữu tốc độ tăng trưởng cao như vậy, lại đi cùng làn sóng thuận lợi của ngành AI, lẽ ra các nhà đầu tư nên khá phấn khích. Ở một mức độ nào đó thì đúng vậy, nhưng tình hình thực tế phức tạp hơn một chút.

Mặc dù kết quả kinh doanh trong quý gần nhất của các công ty này nhìn chung khá tốt, nhưng trong năm qua, giá cổ phiếu của CoreWeave vẫn giảm tổng cộng khoảng 16%; chỉ có Nebius là khá gần với mức đỉnh trước đó.

Vì vậy, câu chuyện này nhìn chung vẫn tích cực, nhưng đối với công ty đám mây mới lớn nhất trong số đó, sức hấp dẫn rõ ràng đã yếu đi phần nào.

Diễn biến thị trường gần đây tương đối ảm đạm, một phần nguyên nhân là nhiều kỳ vọng tăng trưởng có thể đã được phản ánh vào định giá.

Đối với các doanh nghiệp thâm dụng vốn như đám mây mới, chỉ số giá trên doanh thu không phải là thước đo định giá phù hợp nhất, nhưng vẫn rất trực quan để minh họa vấn đề. Nebius và Applied Digital, với quy mô nhỏ hơn và tốc độ tăng trưởng nhanh hơn, có mức định giá cao hơn nhiều so với CoreWeave có quy mô lớn hơn nhiều. Doanh thu của CoreWeave vẫn đang tăng gấp đôi, nhưng đã không còn theo kịp tốc độ tăng trưởng từ 400% đến 450% của các công ty dẫn đầu.

Nếu nói rằng các công ty đám mây mới thực sự có vấn đề gì, thì đó không phải là tăng trưởng, mà là khả năng sinh lời dài hạn. Các công ty đám mây mới cần liên tục đầu tư vào chip, điện năng và cơ sở hạ tầng vật lý để mở rộng quy mô, và những chi phí này đều không hề rẻ:

Lấy CoreWeave làm ví dụ, tăng trưởng doanh thu của họ quả thực rất ấn tượng, nhưng chi tiêu vốn còn đáng kinh ngạc hơn. Các chi phí khổng lồ khác bao gồm khấu hao chip — với mức khấu hao đã vượt quá một nửa doanh thu — cũng như chi phí lãi vay vẫn đang tăng do phải vay nợ để xây dựng cơ sở hạ tầng đắt đỏ trước thời hạn.

Bài viết này không có ý định đưa ra phán quyết về việc liệu các công ty đám mây mới cuối cùng có thành công hay không, hoặc liệu giá cổ phiếu hiện tại của họ có hợp lý hay không. Ngoài sức nóng của chủ đề này, điều thực sự muốn nói ở đây là các công ty đám mây mới chính xác là một hình ảnh thu nhỏ của cuộc giằng co giữa phe mua và phe bán trong toàn bộ giao dịch AI.

Một mặt, họ đang hoạt động trong một thị trường dọc — thị trường sức mạnh tính toán — có quy mô vượt xa mọi dự đoán trước đây và vẫn đang tiếp tục mở rộng, đồng thời tạo ra tốc độ tăng trưởng hiếm thấy trong lịch sử; mặt khác, chi phí xây dựng các doanh nghiệp này cũng đang ở mức cao nhất trong lịch sử, đòi hỏi phải đầu tư vào cơ sở hạ tầng cố định khổng lồ và liên tục khấu hao.

Sự trở lại của SaaS ngang?

Dưới đây là cập nhật ngắn gọn về bức tranh thị trường đang thay đổi của "ngày tận thế SaaS". Một công ty bị ảnh hưởng nặng nề nhất trong đợt bán tháo cổ phiếu phần mềm trước đây đã có mức hoạt động khá tốt trong tháng gần đây.

Trong 30 phiên giao dịch vừa qua, các công ty phần mềm ngang đứng ở vị trí hàng đầu trong số các cổ phiếu thành phần của ETF phần mềm IGV — mặc dù kể từ thời điểm thu thập dữ liệu này, họ đã thoái lui một phần mức tăng.

Nhìn chung, nền tảng cơ bản của các công ty này vẫn vững chắc. Đặc biệt là Atlassian, công ty này không hề suy thoái dưới tác động của AI như thị trường từng dự đoán trước đó.

Công ty phần mềm năng suất này đã đạt được "vượt kỳ vọng kép" cả về doanh thu lẫn định hướng: doanh thu mảng cloud tăng 31% so với cùng kỳ năm trước, tốc độ tăng trưởng của lượng đơn hàng tồn đọng thậm chí còn cao hơn. Nhưng tín hiệu quan trọng hơn có lẽ nằm ở chỗ, AI đang trở thành động lực thúc đẩy tăng trưởng kinh doanh, thay vì là rào cản. Atlassian cho biết trợ lý AI Rovo của họ đã được áp dụng rộng rãi; đồng thời, tốc độ chi tiêu của các khách hàng sử dụng Rovo gần như gấp đôi so với những khách hàng không dùng Rovo.

Đây là tin tốt cho Atlassian, tin tốt cho Rovo, và cũng là tin tốt cho SaaS ngang (horizontal SaaS).

Tuy nhiên, định giá tổng thể của mảng SaaS ngang vẫn thấp hơn một chút so với các phân khúc phần mềm khác.

Ngoại trừ một số trường hợp hiếm hoi, các công ty SaaS ngang bao gồm cả Atlassian đều có hệ số giá trên doanh thu kỳ vọng (P/S) thấp hơn mức tương ứng với đường xu hướng "tăng trưởng - bội số định giá".

Một lần nữa nhấn mạnh, SaaS ngang chỉ vừa trải qua một "tháng" tương đối khả quan. Chỉ dựa vào kết quả một tháng thì vẫn chưa đủ để khiến thị trường tin rằng "ngày tận thế của SaaS" đã bị hủy bỏ.

Tất nhiên, nếu mảng kinh doanh phần mềm của bạn thuộc lĩnh vực an ninh mạng hoặc khả năng quan sát (observability), thì đó lại là một câu chuyện khác — đối với những công ty này, cái gọi là "ngày tận thế của SaaS" chưa bao giờ xảy ra.

Phân khúc an ninh mạng tiếp tục vượt trội so với các nhóm khác trong quỹ ETF phần mềm IGV. Trong lĩnh vực này, AI lại trở thành yếu tố thuận lợi: thị trường nhìn chung cho rằng AI đã nâng cao nhận thức rủi ro về các mối đe dọa an ninh mạng, và không một khách hàng doanh nghiệp nào lại tự dựng một giải pháp bảo mật riêng một cách tạm bợ bằng "lập trình theo cảm hứng" (vibe coding).

Liệu logic này cuối cùng có đứng vững hay không, tất nhiên vẫn cần thời gian để kiểm chứng. Nhưng ít nhất ở thời điểm hiện tại, tình cảnh của các công ty phần mềm truyền thống không hề đồng nhất.

Nhà đầu tư đặc biệt quan tâm đến việc AI cuối cùng sẽ mang lại lợi ích hay gây xói mòn cho từng công ty, và liên tục điều chỉnh nhận định ban đầu theo từng đợt dữ liệu mới — điều này cũng hoàn toàn hợp lý.

Tiến tới biên giới hiệu quả trong chi tiêu Token

Bối cảnh thị trường xoay quanh việc sử dụng mô hình, tiêu thụ Token và quản lý chi phí Token vẫn đang tiếp tục phát triển theo nhiều cách thú vị khác nhau.

Lấy Databricks làm ví dụ.

Trước các câu hỏi như "Chúng ta nên sử dụng mô hình nào" hay "Mô hình nào tốt nhất", Databricks không áp dụng cách tiếp cận thắng-thua tuyệt đối, cũng không chỉ đơn giản cấp ngân sách cho kỹ sư để họ tự quyết định chi tiêu. Họ đặt ra một câu hỏi khác: "Nếu chúng ta phát triển một giải pháp tự động phân bổ nhiệm vụ phù hợp cho mô hình phù hợp thì sao?"

Tất nhiên, Databricks không phải công ty duy nhất làm điều này, nhưng họ đã phát triển một "Bộ định tuyến thông minh" (Smart Router) và kết quả thực tế khiến họ khá hài lòng.

Theo công bố, bộ định tuyến của Databricks có thể gọi các mô hình mạnh hơn, đắt hơn khi cần thiết, và sử dụng các mô hình yếu hơn, rẻ hơn khi điều kiện cho phép, từ đó "liên tục giảm chi phí trung bình mỗi tác vụ hơn 30%".

Nhìn chung, theo đuổi "biên giới hiệu quả" trong chi tiêu Token khó có thể là điều không tốt. Điều này có nghĩa là nhu cầu vẫn tiếp tục tăng trưởng, các trường hợp ứng dụng không chỉ tiến hóa ở biên giới hiệu suất cao nhất mà còn lan rộng sang các mô hình có năng lực kém hơn. Trong câu chuyện bi quan ban đầu, những mô hình kém tối ưu này được cho là sẽ nhanh chóng bị loại bỏ.

Như chúng tôi đã đề cập trước đó, việc nâng cao hiệu quả sẽ mở rộng phạm vi nhu cầu, đây chính là động lực tương tự nghịch lý Jevons mà thị trường mong muốn thấy.

Chỉ số cường độ giá Token của Silicon Data cho thấy cường độ giá tổng thể đang giảm, đặc biệt khi các mô hình mở có giá thấp hơn chiếm thị phần cao hơn trong thị trường đang mở rộng liên tục.

Ở đây cần làm rõ lại một khái niệm thường bị hiểu sai: các chỉ số này đo lường cường độ chi phí của chi tiêu Token, chứ không phải số tiền tuyệt đối bằng đô la. Nó phụ thuộc đồng thời vào số lượng Token tiêu thụ và chi phí tổng hợp của Token. Điều này có nghĩa là ngay cả khi giá mỗi Token giảm, tổng lượng Token tiêu thụ và tổng số tiền chi tiêu vẫn có thể tiếp tục tăng.

Điều thực sự quan trọng là nhu cầu tổng thể vẫn đang tăng trưởng, và việc định giá cùng lựa chọn mô hình dần tiến về biên giới hiệu quả chỉ càng thúc đẩy sự tăng trưởng này. Đặc biệt đáng chú ý là "nhu cầu AI" hay "việc áp dụng AI" không phải là một khái niệm đơn nhất, đồng nhất. Vẫn tồn tại khoảng cách lớn giữa người dùng nặng và các nhóm người dùng khác. Điều này cho thấy rõ ràng rằng "luôn sử dụng mô hình tốt nhất" có thể phù hợp với một số doanh nghiệp, nhưng chắc chắn không phù hợp với tất cả.

Ngày nay, thị trường đang nhanh chóng hình thành nhiều lựa chọn thay thế hơn. Nhìn chung, đây là một điều tốt.

Theo dữ liệu từ Ramp, nền tảng quản lý chi tiêu doanh nghiệp, tất cả các doanh nghiệp đều đang tăng chi tiêu cho AI, nhưng khoảng cách giữa mức chi tiêu trung vị và nhóm 10% doanh nghiệp hàng đầu, cũng như giữa nhóm 10% và nhóm 1% hàng đầu, đều vô cùng chênh lệch.

Dữ liệu của Ramp thường thiên về các công ty công nghệ, cần lưu ý điều này khi diễn giải. Nhưng dữ liệu cho thấy, nhóm doanh nghiệp nằm trong top 10% chi tiêu có mức chi tiêu AI bình quân đầu người gấp khoảng 50 lần so với doanh nghiệp ở mức trung vị.

Sự phân bố này rất có thể không phải ngẫu nhiên. Các doanh nghiệp có thể khai thác nhiều giá trị hơn từ chi tiêu AI có lẽ cũng chính là những doanh nghiệp đầu tư nhiều nhất — dù không phải mọi công ty đều như vậy, nhưng ít nhất một bộ phận đáng kể tuân theo quy luật này.

Phân tích của Boston Consulting Group trên 107 công ty niêm yết cho thấy, các công ty thuộc hai nhóm ngũ phân vị hàng đầu về mức sử dụng Token có tốc độ tăng trưởng doanh thu nhanh hơn rõ rệt so với các doanh nghiệp khác.

Điểm cốt lõi muốn truyền đạt ở đây là, nhu cầu Token và hiệu quả sử dụng đang củng cố lẫn nhau: doanh nghiệp càng thu được nhiều giá trị thì càng tiêu thụ nhiều Token.

Tất nhiên, quá trình này luôn tồn tại sự đánh đổi qua lại giữa đầu tư và lợi nhuận, và nghiên cứu phát triển cũng luôn bao gồm một số chi phí ban đầu. Nhưng đối với đại đa số doanh nghiệp, việc "chất đống Token" một cách không kiểm soát chưa bao giờ là một chiến lược hiệu quả.

Do đó, việc doanh nghiệp trong tương lai ngày càng không cần phải áp dụng cách làm này rõ ràng là một điều tốt.

Cuộc chiến giành nhân tài tại các phòng thí nghiệm tiên phong

New Media gần đây vừa có hai thành viên xuất sắc trong đội ngũ gia nhập OpenAI, vì vậy cuối cùng chúng ta hãy xem một vài biểu đồ thú vị về tình hình tuyển dụng nhân tài tại các phòng thí nghiệm AI tiên phong.

Dario Amodei gần đây bày tỏ lo ngại rằng nhân viên đang đặt tiền bạc lên trên sứ mệnh. Nhìn từ dữ liệu của Levels.fyi, mối lo ngại này có lẽ không phải là không có cơ sở.

Nếu hiểu hoàn toàn theo bề mặt dữ liệu, Anthropic trả lương cho kỹ sư rất cao, và cao hơn nhiều so với các kỹ sư có thâm niên tương đương tại Google, Tesla và các công ty khác.

Có vẻ như, trở thành thành viên của đội ngũ kỹ thuật quả thực là một điều tuyệt vời.

Ngoài ra, còn có một nhóm dữ liệu cũng rất thú vị.

Theo dữ liệu từ Live Data Technologies — do Truist Securities tổng hợp và trình bày — nguồn nhân tài của các phòng thí nghiệm vừa có nhiều điểm trùng lặp, vừa có sự khác biệt rõ rệt:

Cả hai công ty đều tuyển dụng khá nhiều nhân tài từ các công ty công nghệ vốn hóa siêu lớn, nhưng chỉ có OpenAI từng tuyển người từ Nvidia và Tesla, và đều xảy ra trong năm 2026.

Databricks, Snowflake (gần đây), Palantir và DeepMind cũng là nguồn nhân tài chung của cả hai công ty.

Cả hai phòng thí nghiệm cũng tuyển dụng một số lượng đáng kể nhân viên từ Salesforce và Stripe.

Nhưng sự trùng lặp giữa hai bên dường như chỉ dừng lại ở đó. Anthropic tuyển dụng khá nhiều nhân tài từ các công ty SaaS, trong khi OpenAI gần như không có; ngược lại, OpenAI tuyển dụng nhiều từ các công ty internet tiêu dùng, nền tảng thị trường và công nghệ quảng cáo, trong khi Anthropic tuyển dụng tương đối ít ở các lĩnh vực này, ngoại trừ Airbnb, Netflix và Uber.

Còn những khác biệt này có ý nghĩa gì, xin để lại cho mỗi người tự diễn giải.

[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