The Storm Riders✔
Writer
Nghiên cứu từ tổ chức Epoch AI cho thấy chi phí để vận hành các mô hình trí tuệ nhân tạo đạt chuẩn hiệu năng nhất định đang giảm với tốc độ chưa từng có, thậm chí vượt xa những bước nhảy vọt từng thấy ở phần cứng máy tính, pin lithium-ion hay giải mã chuỗi DNA.
Chi phí sử dụng các mô hình trí tuệ nhân tạo đang giảm nhanh đến mức có thể tái định hình toàn bộ thị trường phần mềm cao cấp. Theo báo cáo từ công ty nghiên cứu Epoch AI, mức chi phí cần thiết để đạt được một ngưỡng năng lực AI nhất định đã giảm gần 50% sau mỗi quý, tương đương mức giảm khoảng 13 lần mỗi năm. Tốc độ này vượt trội so với quỹ đạo giảm giá trong lịch sử của pin lithium-ion, công nghệ giải trình tự DNA và phần cứng máy tính.
Sự biến động này mở ra cơ hội tiếp cận các mô hình tân tiến với mức giá phổ thông cho các doanh nghiệp xây dựng hoặc mua hệ thống AI. Đồng thời, nó cũng làm suy giảm quyền định giá của các nhà phát triển mô hình. Báo cáo của Epoch AI tập trung đo lường chi phí vận hành các hệ sinh thái đạt chuẩn hiệu năng trên các bài kiểm tra đánh giá độ khó cao, thay vì tính giá trung bình của mọi sản phẩm hay tác vụ AI trên thị trường.
Thước đo chính được sử dụng là GPQA Diamond, bộ câu hỏi trắc nghiệm trình độ sau đại học thuộc nhiều lĩnh vực khoa học. Tổ chức này theo dõi chi phí của các mô hình đạt điểm số từ 81,25% trở lên. Phương pháp này phản ánh chất lượng câu trả lời tương ứng với chi phí thực tế. Một mô hình đời mới có thể vừa chính xác hơn, vừa tiêu tốn ít năng lượng tính toán hoặc lượng token thấp hơn để hoàn thành công việc.
Minh chứng rõ rệt nhất nằm ở sự khác biệt giữa các thế hệ mô hình của OpenAI. GPT o3 ra mắt vào tháng 1 năm 2025 đạt 75% trên bài kiểm tra GPQA Diamond với mức phí 0,30 USD cho mỗi câu hỏi. Khoảng một năm rưỡi sau, mô hình GPT-5.6 Luna được ghi nhận đạt cùng mức điểm đó nhưng chi phí chỉ còn 0,0004 USD mỗi câu. Sự cách biệt này cho thấy bài toán kinh tế đang trở thành yếu tố sống còn bên cạnh năng lực xử lý thuần túy.
Theo ước tính của Epoch AI, chi phí năng lực AI đang giảm nhanh gấp khoảng 4 lần so với công nghệ giải mã DNA và gấp 18 lần so với pin lithium-ion.
Dù vậy, các so sánh này vẫn cần được nhìn nhận thận trọng do giới hạn dữ liệu. Bộ số liệu về AI mới chỉ bắt đầu từ năm 2023, các mốc thời gian trước đó chủ yếu dựa trên ước tính nghiên cứu và ngoại suy xu hướng. Trong khi đó, dữ liệu về năng lực tính toán dùng để đối chiếu dừng lại ở năm 2001, còn dữ liệu ngành điện kết thúc từ năm 1973. Do đó, nghiên cứu chưa phản ánh toàn bộ các bước nhảy vọt của ngành điện toán và năng lượng trong hơn hai thập kỷ qua.
Tốc độ hạ giá cũng đang có dấu hiệu chững lại. Qua năm bài đánh giá chuẩn được theo dõi, chi phí ban đầu từng giảm tới 66% mỗi quý, nhưng sau hai năm, mức giảm đã chậm lại còn 32% mỗi quý. Con số 32% vẫn là bước tiến rất nhanh, song nó phản ánh trở ngại ngày một lớn trong việc hạ chi phí suy luận khi giá năng lượng, hạ tầng trung tâm dữ liệu và phần cứng AI ngày càng đắt đỏ. Việc vận hành các mô hình tiên phong luôn đòi hỏi tài nguyên tính toán khổng lồ và các nhà cung cấp không thể né tránh các giới hạn vật lý này.
Ngoài ra, Epoch AI cũng chỉ ra rủi ro từ hiện tượng "benchmaxxing", tức các nhà phát triển chủ ý tối ưu hóa mô hình để đạt điểm số cao trên các bài đánh giá mà không đem lại cải tiến thực chất ngoài đời thực. Dù đơn vị nghiên cứu đã thêm các yếu tố ngẫu nhiên để hạn chế, các bài kiểm tra không có lớp bảo vệ này vẫn cho thấy mức giảm chi phí dốc hơn, cho thấy việc tối ưu hóa cục bộ theo đề thi có thể đã góp phần tạo nên các con số ấn tượng.
Dù vậy, giá thành không phải là yếu tố duy nhất quyết định việc chọn nhà cung cấp AI. Khả năng tương thích hệ thống sẵn có, chính sách bảo mật, thói quen người dùng và mức độ tin cậy đều là những rào cản lớn. Việc đổi sang mô hình khác đòi hỏi quy trình thử nghiệm phức tạp, tinh chỉnh phần mềm cũng như đánh giá lại tính an toàn dữ liệu.
Các kết luận từ Epoch AI cho thấy một bức tranh toàn cảnh nơi năng lực AI có thể trở nên rẻ hơn với tốc độ vượt quá khả năng điều chỉnh kế hoạch của khách hàng. Bài toán đặt ra cho các nhà phát triển là phải tìm cách xây dựng những sản phẩm duy trì được giá trị sử dụng và giữ vững biên lợi nhuận ngay cả khi nền tảng mô hình bên dưới liên tục mất giá.
Chi phí sử dụng các mô hình trí tuệ nhân tạo đang giảm nhanh đến mức có thể tái định hình toàn bộ thị trường phần mềm cao cấp. Theo báo cáo từ công ty nghiên cứu Epoch AI, mức chi phí cần thiết để đạt được một ngưỡng năng lực AI nhất định đã giảm gần 50% sau mỗi quý, tương đương mức giảm khoảng 13 lần mỗi năm. Tốc độ này vượt trội so với quỹ đạo giảm giá trong lịch sử của pin lithium-ion, công nghệ giải trình tự DNA và phần cứng máy tính.
Sự biến động này mở ra cơ hội tiếp cận các mô hình tân tiến với mức giá phổ thông cho các doanh nghiệp xây dựng hoặc mua hệ thống AI. Đồng thời, nó cũng làm suy giảm quyền định giá của các nhà phát triển mô hình. Báo cáo của Epoch AI tập trung đo lường chi phí vận hành các hệ sinh thái đạt chuẩn hiệu năng trên các bài kiểm tra đánh giá độ khó cao, thay vì tính giá trung bình của mọi sản phẩm hay tác vụ AI trên thị trường.
Thước đo chính được sử dụng là GPQA Diamond, bộ câu hỏi trắc nghiệm trình độ sau đại học thuộc nhiều lĩnh vực khoa học. Tổ chức này theo dõi chi phí của các mô hình đạt điểm số từ 81,25% trở lên. Phương pháp này phản ánh chất lượng câu trả lời tương ứng với chi phí thực tế. Một mô hình đời mới có thể vừa chính xác hơn, vừa tiêu tốn ít năng lượng tính toán hoặc lượng token thấp hơn để hoàn thành công việc.
Minh chứng rõ rệt nhất nằm ở sự khác biệt giữa các thế hệ mô hình của OpenAI. GPT o3 ra mắt vào tháng 1 năm 2025 đạt 75% trên bài kiểm tra GPQA Diamond với mức phí 0,30 USD cho mỗi câu hỏi. Khoảng một năm rưỡi sau, mô hình GPT-5.6 Luna được ghi nhận đạt cùng mức điểm đó nhưng chi phí chỉ còn 0,0004 USD mỗi câu. Sự cách biệt này cho thấy bài toán kinh tế đang trở thành yếu tố sống còn bên cạnh năng lực xử lý thuần túy.
Tốc độ vượt trội so với các công nghệ lịch sử
Epoch AI đã đặt xu hướng giảm chi phí gần đây của AI lên bàn cân cùng các bước tiến công nghệ quen thuộc. Giá pin lithium-ion đã giảm khoảng 100 lần trong giai đoạn từ năm 1991 đến 2024. Chi phí điện toán đã giảm hàng trăm tỷ lần trong khoảng 60 năm kể từ năm 1940. Lĩnh vực giải mã chuỗi DNA cũng ghi nhận mức giảm giá khổng lồ, dù cần hơn hai thập kỷ để hình thành đường cong chi phí rõ rệt.Theo ước tính của Epoch AI, chi phí năng lực AI đang giảm nhanh gấp khoảng 4 lần so với công nghệ giải mã DNA và gấp 18 lần so với pin lithium-ion.
Dù vậy, các so sánh này vẫn cần được nhìn nhận thận trọng do giới hạn dữ liệu. Bộ số liệu về AI mới chỉ bắt đầu từ năm 2023, các mốc thời gian trước đó chủ yếu dựa trên ước tính nghiên cứu và ngoại suy xu hướng. Trong khi đó, dữ liệu về năng lực tính toán dùng để đối chiếu dừng lại ở năm 2001, còn dữ liệu ngành điện kết thúc từ năm 1973. Do đó, nghiên cứu chưa phản ánh toàn bộ các bước nhảy vọt của ngành điện toán và năng lượng trong hơn hai thập kỷ qua.
Mức giảm không đồng đều và rào cản vật lý
Đà giảm chi phí không diễn ra đồng nhất trên mọi dạng tác vụ. Khi quan sát các bài kiểm tra về toán học và giải đố cờ vua, Epoch AI nhận thấy kết quả có sự phân hóa lớn. Một số tác vụ ghi nhận chi phí giảm đều đặn, nhưng một số lĩnh vực khác lại dậm chân tại chỗ suốt thời gian dài rồi mới bất ngờ lao dốc. Tiêu biểu như điểm chuẩn Frontier Math hầu như không đổi trong suốt giai đoạn 2025 đến đầu năm 2026, trước khi sụt giảm mạnh vào giữa năm 2026. Điều này chứng minh không có một biểu đồ chi phí chung nào áp dụng được cho mọi năng lực suy luận.Tốc độ hạ giá cũng đang có dấu hiệu chững lại. Qua năm bài đánh giá chuẩn được theo dõi, chi phí ban đầu từng giảm tới 66% mỗi quý, nhưng sau hai năm, mức giảm đã chậm lại còn 32% mỗi quý. Con số 32% vẫn là bước tiến rất nhanh, song nó phản ánh trở ngại ngày một lớn trong việc hạ chi phí suy luận khi giá năng lượng, hạ tầng trung tâm dữ liệu và phần cứng AI ngày càng đắt đỏ. Việc vận hành các mô hình tiên phong luôn đòi hỏi tài nguyên tính toán khổng lồ và các nhà cung cấp không thể né tránh các giới hạn vật lý này.
Ngoài ra, Epoch AI cũng chỉ ra rủi ro từ hiện tượng "benchmaxxing", tức các nhà phát triển chủ ý tối ưu hóa mô hình để đạt điểm số cao trên các bài đánh giá mà không đem lại cải tiến thực chất ngoài đời thực. Dù đơn vị nghiên cứu đã thêm các yếu tố ngẫu nhiên để hạn chế, các bài kiểm tra không có lớp bảo vệ này vẫn cho thấy mức giảm chi phí dốc hơn, cho thấy việc tối ưu hóa cục bộ theo đề thi có thể đã góp phần tạo nên các con số ấn tượng.
Thách thức với các nhà phát triển mô hình
Đối với người dùng và doanh nghiệp, chi phí hạ nhiệt mang lại nhiều sự lựa chọn hơn. Doanh nghiệp không nhất thiết phải chi tiền cho các mô hình mới nhất và đắt nhất nếu như một giải pháp thứ cấp, giá rẻ đã đủ đáp ứng khối lượng công việc. Tình trạng này tạo áp lực trực tiếp lên các đơn vị tiêu tốn lượng vốn khổng lồ để phát triển hệ thống hàng đầu.Dù vậy, giá thành không phải là yếu tố duy nhất quyết định việc chọn nhà cung cấp AI. Khả năng tương thích hệ thống sẵn có, chính sách bảo mật, thói quen người dùng và mức độ tin cậy đều là những rào cản lớn. Việc đổi sang mô hình khác đòi hỏi quy trình thử nghiệm phức tạp, tinh chỉnh phần mềm cũng như đánh giá lại tính an toàn dữ liệu.
Các kết luận từ Epoch AI cho thấy một bức tranh toàn cảnh nơi năng lực AI có thể trở nên rẻ hơn với tốc độ vượt quá khả năng điều chỉnh kế hoạch của khách hàng. Bài toán đặt ra cho các nhà phát triển là phải tìm cách xây dựng những sản phẩm duy trì được giá trị sử dụng và giữ vững biên lợi nhuận ngay cả khi nền tảng mô hình bên dưới liên tục mất giá.
