Trong tuần cuối tháng 8 đầu tháng 9, một loạt phòng thí nghiệm AI lần lượt ra mắt mô hình mới: Anthropic cập nhật Claude Fable 5.1 và Mythos 5.1, Meta phát hành Muse Spark 1.3, Google đưa Gemini 3.8 Flash lên mạng, OpenAI ra mắt GPT-6 Astra, còn Nvidia tung ra Nemotron 3.5 Lightning. Trong bài viết ngày 6/9, CNBC đặt tên cho phản ứng của giới doanh nghiệp trong tuần này: mệt mỏi vì mô hình.
Sự mệt mỏi này không đến từ năng lực của mô hình. Theo bài báo, thứ mà lãnh đạo doanh nghiệp và người phụ trách IT phải liên tục so sánh không chỉ là điểm benchmark, mà còn là giá, tốc độ, độ tin cậy, và liệu đưa vào tình huống nghiệp vụ thực tế có thực sự tiết kiệm được nhân lực hay không. Mỗi khi có một loạt mô hình mới, toàn bộ việc so sánh này lại phải làm lại từ đầu. Một lãnh đạo doanh nghiệp được phỏng vấn nói rằng trong mười mô hình mới, ông chỉ kịp đánh giá thực sự được năm.
Chi tiêu vẫn đang tăng
Gartner dự báo chi tiêu cho AI toàn cầu năm nay đạt 2,59 nghìn tỷ USD, cao hơn 47% so với năm 2025. Hơn một nửa số tiền này chảy vào hạ tầng; phần còn lại — dịch vụ, phần mềm, an ninh mạng, mô hình và các công cụ liên quan — cộng lại vượt 1 nghìn tỷ USD.
Tách khoản 1 nghìn tỷ USD đó ra, phí gọi mô hình chỉ là một ô nhỏ. Phần mà việc chọn mô hình ngốn vào là những thứ không xuất hiện trên báo giá: môi trường đánh giá, bộ benchmark nội bộ, công sức chuyển đổi và kiểm thử hồi quy. Nếu một công ty quy mô vừa đánh giá lại mô hình chủ lực theo quý, một năm đã là bốn vòng; mỗi vòng kéo theo việc viết lại prompt, chạy lại bộ đánh giá và kiểm thử liên thông giữa các hệ thống — tính theo giờ công, phần này thường nặng hơn cả hóa đơn gọi API. Đây là ước tính thô dựa trên bảng giá công khai và quy trình kỹ thuật thông thường, chưa công ty nào công bố chi phí chọn mô hình thực tế của mình.
Vì sao phía cung không dừng lại được
Nhìn từ phía các hãng mô hình, việc ra mắt dồn dập là cuộc đua giành thị phần trong ví khách hàng. Ahmed Abbasi thuộc Trường Kinh doanh Mendoza, Đại học Notre Dame, gọi đó là "share of wallet": các phòng thí nghiệm không chỉ phải theo kịp nhịp độ của nhau, mà còn phải liên tục chứng minh với giới lập trình viên rằng mình chưa tụt lại. Cả Anthropic lẫn OpenAI đều đang tiến về phía thị trường đại chúng, mức định giá ở thị trường tư nhân của cả hai đều gần 1 nghìn tỷ USD, và nhịp độ ra mắt gắn liền với câu chuyện gọi vốn.
Đầu dây bên kia là sự chú ý của bên mua. Mô hình càng đổi nhanh, doanh nghiệp càng dễ trì hoãn việc chọn lựa, hoặc đơn giản là chốt luôn một hãng rồi dùng tiếp — cả hai phản ứng đều làm giảm hiệu quả của việc ra mắt mô hình mới. Bài báo của CNBC không kèm khảo sát định lượng, các nhận định đến từ cảm nhận của người được phỏng vấn.
Những gì có thể đối chiếu lại nằm ở phía sau. Con số 2,59 nghìn tỷ USD là dự báo cả năm của một tổ chức nghiên cứu, kết quả thực tế phải đến năm sau mới có; còn việc doanh nghiệp đang đẩy nhanh hay trì hoãn việc đổi mô hình cũng phải chờ cơ cấu doanh thu dịch vụ AI trong báo cáo tài chính theo quý của các hãng điện toán đám mây mới thấy rõ. Điều duy nhất có thể khẳng định lúc này là nhịp độ ra mắt.
Nguồn tham khảo: CNBC, CocoLoop, số liệu dự báo của Gartner, Digital Today; dự báo chi tiêu 2,59 nghìn tỷ USD và mức tăng 47%, tỷ trọng hạ tầng cùng ngưỡng 1 nghìn tỷ USD dịch vụ - phần mềm, và danh sách năm mô hình ra mắt trong tuần đã được đối chiếu từng mục.