a16z: Số lượng việc làm lập trình viên phần mềm tăng 14,6% sau khi ra mắt Claude Code, AI tăng cường giá trị con người

Tác giả: a16z

Biên dịch: Deep潮 TechFlow

Dẫn nhập của Shenchao: Khi toàn ngành công nghệ cắt giảm 7% nhân sự, các vị trí phát triển phần mềm lại tăng 14,6% – nguyên nhân là các công cụ AI giúp người mới cũng có thể viết được mã sản xuất. Đây không phải là câu chuyện “AI cướp việc”, mà là bằng chứng cho thấy công cụ giúp con người trở nên quý giá hơn. Từ việc các vị trí thực tập tăng mạnh đến thanh thiếu niên có tốc độ tăng lương dẫn đầu, tín hiệu từ thị trường lao động rất rõ ràng: những người biết sử dụng AI đang trở thành nguồn nhân lực được săn đón.

Đồ thị: Số lượng bài đăng tuyển dụng vị trí phát triển phần mềm đã phục hồi lên 114,6 kể từ khi Claude Code ra mắt, trong khi toàn bộ thị trường giảm xuống 93. Nguồn: a16z

Khó khăn của các công ty phần mềm giao dịch công khai vẫn tiếp diễn, nhưng như chúng tôi đã nêu trước đây, tình hình hiện tại không phải là một "cuộc thảm sát" không phân biệt.

Việc bán tháo cổ phiếu phần mềm không phản ánh thành tích hiện tại hay trong tương lai gần, mà là sự nghi ngờ chung của thị trường về khả năng duy trì hiệu suất lâu dài của các công ty này:

Bội số định giá dòng tiền tự do cho kỳ hợp đồng tương lai tháng 12 tới đang ở mức bằng hoặc thấp hơn mức năm 2014. Nói cách khác, mức phí mà nhà đầu tư trả cho khả năng tạo tiền mặt của các công ty phần mềm là thấp nhất trong hơn một thập kỷ qua.

Trọng tâm là, ngay cả khi bằng chứng cho rằng “SaaS đã chết” hiện vẫn còn yếu, trách nhiệm của các nhà đầu tư là có quan điểm về tương lai, và tương lai trong mắt họ có phần u ám.

Tuy nhiên, không phải tất cả các công ty phần mềm đều có triển vọng mờ nhạt. Sự khác biệt và khả năng phân biệt đang ngày càng trở thành quy tắc chơi. Bạn có thể thấy điều này từ nhiều góc độ khác nhau.

Trước tiên, hãy xem sự khác biệt trong hiệu suất của trung vị, tứ phân vị trên và tứ phân vị dưới trong chỉ số IGV:

Trong 30 phiên giao dịch qua, các cổ phiếu ở tứ phân vị trên và trung vị của IGV đều vượt trội so với ETF tổng thể — do tứ phân vị dưới (bao gồm một số công ty lớn nhất) đã làm giảm hiệu suất tổng thể.

So sánh với năm trước, tình hình hoàn toàn khác biệt:

Trong năm qua, trung vị đã theo sát hiệu suất tổng thể của các quỹ ETF—cho đến đầu năm, các phân vị hiệu suất mới bắt đầu phân hóa (hiện tại có khoảng 50 điểm phần trăm chênh lệch giữa nhóm đầu và nhóm cuối).

Quay lại chế độ xem 30 ngày, rõ ràng các yếu tố cơ bản không phải là yếu tố thúc đẩy nghiêm ngặt cho diễn biến giá cổ phiếu gần đây:

Từ góc độ tăng trưởng doanh thu, sự tăng trưởng gần đây hầu như không có mối tương quan nào (mặc dù công bằng mà nói, nhiều điều có thể được giải thích bằng sự thay đổi trong tăng trưởng hơn là mức độ tăng trưởng). Khi chia theo tứ phân vị hiệu suất, mô hình tương tự xuất hiện: có rất nhiều công ty phần mềm tập trung trong khoảng tăng trưởng doanh thu 10-20%, nhưng hiệu suất gần như phân bố theo chiều dọc, với một số công ty có tốc độ tăng trưởng doanh thu nhanh nhất (cũng là những công ty lớn nhất trong ETF) nằm ở tứ phân vị dưới cùng về hiệu suất.

Điều quan trọng hơn cả sự tăng trưởng là cảm nhận về độ bền lâu dài. Dưới đây là biểu đồ tương tự được phân loại theo ngành:

Mặc dù rất khó để phân loại rõ ràng cho từng công ty, nhưng những công ty dẫn đầu và ở phân vị thứ hai thường do (1) an ninh mạng/khả năng quan sát; và (2) SaaS theo ngành chi phối. Ngược lại, hai phân vị dưới cùng là sự kết hợp của các danh mục SaaS ngang, điện toán đám mây/cơ sở hạ tầng và "khác", bao gồm các nền tảng thị trường, công nghệ quảng cáo và các giải pháp điểm (cùng với các công ty khó phân loại như MicroStrategy).

Mục tiêu rất rõ ràng. Dù đúng hay sai, thị trường đã nhận ra sự khác biệt rõ rệt giữa các công ty phần mềm—những công ty dường như có khả năng phòng thủ AI và/hoặc được hưởng lợi từ xu hướng (và những công ty không có).

Đối với an ninh mạng và khả năng quan sát, AI dự kiến sẽ tăng tính cấp bách của người mua (và các nhà cung cấp hiện có có lợi thế niềm tin khó bị đe dọa bởi các startup AI).

Đối với SaaS theo chiều dọc, thông tin chuyên môn xung quanh quy trình làm việc, dữ liệu và mối quan hệ khách hàng được coi là rào cản gia nhập cho các đối thủ AI (điều này không thể nói với các nền tảng theo chiều ngang).

But for everyone else, the message is clear: the software itself is not a moat.

ARR dính chặt và tích lũy trong nhiều năm, danh mục tính năng khổng lồ và sự áp dụng rộng rãi chỉ là tin tức ngày hôm qua. Có lẽ sự tăng trưởng ổn định và/hoặc cải thiện trong vài quý tới sẽ đảo ngược tình thế, nhưng hiện tại thị trường không mua và không tin tưởng.

Bạn có thể đã nghe về sự thay đổi nhận thức từ token-maxxing sang token-optimizing, và đây là một điều lớn.

Mặc dù chi phí huấn luyện các mô hình tiên tiến ngày càng tăng, nhưng lợi ích biên từ những cải tiến tiên tiến này có thể không đủ để thuyết phục khách hàng gánh thêm chi phí. Khách hàng có thể không tối đa hóa việc sử dụng các token mới nhất và mạnh nhất, mà thay vào đó sẽ hạ cấp xuống các mô hình rẻ hơn và yếu hơn về chức năng (bao gồm cả các mô hình có trọng số mở).

Đối với một số người, họ cho rằng sự chuyển đổi này đặt câu hỏi về tính bền vững của việc phát triển các mô hình tiên tiến—nếu khách hàng không hỗ trợ chi phí cho các mô hình mới nhất và mạnh nhất, thì các phòng thí nghiệm sẽ làm gì? Hợp lý, dù sự phản đối này hơi mỉa mai, vì sự lỗi thời nhanh chóng của các mô hình không tiên tiến vốn cũng được cho là đe dọa tính bền vững của việc phát triển mô hình tiên tiến... giờ đây khi các mô hình không tiên tiến ngày càng ít lỗi thời, rõ ràng đây vẫn là điều xấu. Được rồi.

Không đi sâu vào việc tranh luận cuộc tranh luận đó đúng hay sai, chúng ta chỉ quan sát thấy chi phí thông minh đang giảm nhanh chóng, điều này dường như có tác động tích cực đến nhu cầu AI. Nói cách khác, động lực kiểu Jevons vẫn tiếp tục đúng: AI càng rẻ, con người/công ty càng muốn sử dụng nó (để làm nhiều việc hơn).

Việc mở rộng phạm vi nhu cầu chính là điều bạn muốn thấy.

Hãy bắt đầu từ một tiền lệ đổi mới khác, vốn cũng bắt đầu từ việc tập trung và đắt đỏ, sau đó trở nên phân tán và rẻ hơn: máy tính. So với cuộc bứt phá công nghệ trước đây do PC thúc đẩy, trong lĩnh vực AI, chi phí trí tuệ đang giảm nhanh hơn nhiều:

PC đã mất gần hai mươi năm để đạt được mức tăng khả năng chi trả mà AI đã đạt được trong vòng ba năm.

Đây là một hành trình phi thường; giống như máy tính, chi phí giảm dường như đang giúp thúc đẩy nhu cầu AI di chuyển về phía trên bên phải (vẫn còn rất nhiều không gian để phát triển).

Ở phía người tiêu dùng, theo dữ liệu của ngân hàng PNC, tỷ lệ thâm nhập trả phí vẫn còn nhỏ nhưng đang tăng lên:

Phần gia đình của AI trả phí và chi tiêu trung bình hàng tháng của họ đều tiếp tục tăng—chi tiêu hàng tháng tăng mạnh hơn, tăng khoảng 25% kể từ đầu năm.

Chúng rõ ràng không phải là sự so sánh hoàn hảo, nhưng như một góc nhìn, năm 1997 chỉ khoảng 45% người lớn từ 35 đến 54 tuổi báo cáo sở hữu máy tính cá nhân (sau nhiều thập kỷ máy tính được thương mại hóa, chủ yếu ở doanh nghiệp). Hiện nay, tỷ lệ hộ gia đình sở hữu máy tính khoảng 90%, và nếu bao gồm điện thoại thông minh thì gần 97%—điểm nhấn là việc áp dụng đại chúng cần một khoảng thời gian, và nó mở rộng theo mức độ hữu ích và chi phí.

Cũng có các dữ liệu khác cho thấy nhu cầu về AI tăng lên cùng với hiệu quả chi phí.

Theo phân tích của YipitData về dữ liệu OpenRouter (chỉ đo lường một phần nhỏ tổng lượng token tiêu thụ), lượng token tiên tiến tiếp tục tăng trưởng, trong khi token mở trọng số tiếp tục nhanh chóng chiếm lĩnh thị phần:

Tỷ lệ của "nhà cung cấp châu Á" trong tổng số token (đại diện cho các lựa chọn thay thế trọng số mở) đã tăng lên khoảng 60%, gấp ba lần so với đầu năm. Mẫu của OpenRouter có thể ít nhất ở một mức độ nào đó thiên về người dùng trọng số mở, nhưng điều này thực sự phù hợp với câu chuyện về sự khác biệt giá cả và cũng phù hợp với câu chuyện kiểu Jevons.

Tương tự, theo OpenRouter, mặc dù số token mỗi người dùng và chi tiêu mỗi người dùng đều tăng trưởng nhanh chóng, nhưng từ đầu năm đến nay, tốc độ tăng trưởng của前者 nhanh hơn nhiều so với后者:

Nhắc lại một lần nữa, OpenRouter chỉ có thể thấy những gì nó có thể thấy, mô hình này rất nhất quán với Jevons (nhu cầu tăng cùng với lợi ích chi phí hiệu quả nhanh chóng của AI).

Ít nhất hiện tại, rõ ràng là khi trí tuệ trở nên rẻ hơn, nó sẽ đẩy đường cầu thêm về phía trên và bên phải. Các token rẻ hơn từ các mô hình次前沿 thực sự đã giành được thị phần, nhưng hiệu ứng ròng là thúc đẩy tổng chi tiêu tăng theo cấp số nhân. Điều này khó có thể được coi là một câu chuyện bi quan.

Những người bi quan có thể vẫn tuyên bố rằng các mô hình trọng số mở đang ăn mòn các mô hình tiên tiến, nhưng các kịch bản thay thế trong đó lợi ích về hiệu suất không có tác động rõ rệt đến nhu cầu và/hoặc đang thúc đẩy tổng chi tiêu giảm thực sự sẽ gần với kịch bản tận thế hơn. Ngược lại, Jevons chính là điều những người lạc quan mong đợi.

Nói về nhu cầu AI, mặc dù AI được cho là không đủ hữu ích để tạo ra ROI có ý nghĩa, nhưng lại hữu ích đến mức có thể xóa bỏ tất cả công việc, chúng tôi vui mừng báo cáo rằng hiện tại gần như không có bằng chứng nào cho thấy AI thực sự đang gây ra hiệu ứng tiêu diệt công việc.

Thực tế, ngay cả một điểm yếu trong thị trường lao động (tức là tuyển dụng cấp nhập môn) gần đây cũng đã có了一些 động lực, và nếu có gì khác biệt thì AI dường như đang hỗ trợ, chứ không gây hại.

Theo dữ liệu từ Revelio, việc theo dõi các vị trí thực tập mùa hè năm 2026 cao hơn đáng kể so với các năm trước:

Thực tập không bằng công việc, nhưng ít nhất chúng là tín hiệu về nhu cầu nào đó đối với giới trẻ, chu kỳ 2026 vượt xa các năm '25 và '24 (dù chưa bằng '23).

Tốt hơn nữa, mức tăng lương của thanh thiếu niên và người trẻ tuổi dường như cũng đang gia tăng:

Theo dữ liệu của ADP, mức tăng lương của người lao động trẻ (16-24 tuổi) đã phục hồi từ mức thấp của năm 2025. Mức tăng lương gần như chắc chắn là tín hiệu về nhu cầu; nếu lương đang tăng, có thể hợp lý suy ra triển vọng việc làm ở cấp độ nhập môn cũng đang cải thiện.

Về ảnh hưởng của AI (nếu có), tình hình thậm chí còn tốt hơn. AI dường như đang tăng tốc đáng kể việc tuyển dụng cấp nhập môn:

Dựa trên phân tích dữ liệu việc làm của Revelio và dữ liệu chi tiêu của Ramp, việc áp dụng AI "cường độ cao" tương ứng với việc tăng khoảng 6 phần trăm số lượng nhân viên cấp nhập môn sau hai năm áp dụng. Ngược lại, việc áp dụng AI "cường độ thấp" tương ứng với sự giảm khoảng 0,5 phần trăm.

Đồ thị: Tỷ lệ nhân viên cấp nhập môn tại các công ty áp dụng AI cường độ cao tăng trung bình 1,15 điểm phần trăm sau hai năm, trong khi các công ty áp dụng AI cường độ thấp lại giảm 0,52 điểm phần trăm, cho thấy AI đang "tạo ra" chứ không phải "cướp đi" các vị trí cấp nhập môn. Nguồn: a16z

Có một vài cách diễn giải: từ "AI đang tạo ra các vị trí tuyển dụng cấp nhập môn", đến "người sử dụng AI là các công ty tăng trưởng, do đó tất nhiên là họ đang tuyển người", đến "dữ liệu của Ramp có thể không đại diện cho toàn bộ nền kinh tế, vì vậy rất khó đưa ra bất kỳ kết luận nào". Những cách này đều hợp lý, nhưng gần như chắc chắn không đúng là "AI đang tiêu diệt các công việc cấp nhập môn".

Có thể một ngày nào đó sẽ (dù có đầy đủ lý do để cho rằng sẽ không), nhưng không phải hôm nay.

Nói chung, mặc dù sự giảm sút của các vị trí có "mức độ phơi nhiễm AI" trong thời kỳ sau lãi suất bằng không đã được thảo luận rộng rãi, nhưng việc các vị trí có "mức độ phơi nhiễm AI" gần đây đang dẫn đầu phục hồi lại ít được nhắc đến hơn:

Theo dữ liệu từ Indeed Hiring Lab, kể từ tháng 5 năm 2025, mức độ tiếp xúc với AI càng cao thì mức độ phục hồi về số lượng vị trí tuyển dụng càng lớn. Điều này đặc biệt rõ ràng đối với các kỹ sư phần mềm, với số lượng bài đăng tuyển dụng tăng khoảng 15%, trong khi tổng thể giảm khoảng 7% (tính từ thời điểm ra mắt Claude Code).

Ở cấp độ lớn hơn, hiện tại vẫn còn quá sớm để đưa ra kết luận, nhưng đối với những người có xu hướng tuyên bố rằng "AI đang khiến con người trở nên lỗi thời", dữ liệu hoàn toàn không hỗ trợ quan điểm này. Nếu có điều gì đó, thì tình hình ngược lại—mức độ tiếp xúc với AI dường như có mối tương quan tích cực với tăng trưởng việc làm.

Hình: Các vị trí công việc có mức độ tiếp xúc với AI cao hơn đã phục hồi mạnh mẽ kể từ tháng 5 năm 2025, với mức tăng gần 15% đối với các vị trí phát triển phần mềm, dẫn đầu thị trường tổng thể. Nguồn: a16z

Một cách công bằng, hiện tại vẫn chưa rõ ràng liệu danh mục "AI tiếp xúc" có ý nghĩa bao nhiêu, vì chưa có sự đồng thuận nào về việc cái gì hoặc ai bị tiếp xúc với AI (và mức độ tiếp xúc ra sao):

Chứng minh rằng, mức độ "tiếp xúc với AI" trung bình của bất kỳ nghề nghiệp nào càng cao, thì sự khác biệt về mức độ tiếp xúc càng lớn.

Hình: Càng có điểm phơi nhiễm AI trung bình nghề nghiệp cao, thì sự khác biệt trong mức độ phơi nhiễm trong giới học thuật càng lớn, cho thấy khái niệm này vẫn chưa có sự đồng thuận. Nguồn: a16z

As expected, rational people may have different opinions when predicting the future impact of new technologies.

Tất nhiên cũng có một số ngoại lệ. Mọi người dường như đều đồng ý rằng các biên tập viên, nhân viên định phí bảo hiểm, nhà thống kê, và thú vị thay, các nhà kinh tế học, đều rất dễ bị ảnh hưởng bởi AI. Nếu AI cuối cùng thay thế các nhà kinh tế học con người, nó sẽ thừa nhận tội lỗi này, hay sẽ không còn nhà kinh tế học nào còn lại để kể lại câu chuyện này?

Vào đầu tuần này, Thống đốc New York Hochul đã công bố lệnh tạm dừng một năm đối với việc phát triển trung tâm dữ liệu. Ngoài các vấn đề khác, mục tiêu được nêu ra của lệnh tạm dừng là "bảo vệ người dùng điện lực... do nguy cơ phát triển trung tâm dữ liệu làm tăng chi phí điện và nước". Không có ý định hạ thấp bà, Thống đốc đã cung cấp thêm lời giải thích về lý do của mình trên podcast Odd Lots, bạn có thể lắng nghe.

Despite this, it is still a confusing statement.

Mặc dù các trung tâm dữ liệu thực sự đang làm tăng nhu cầu điện năng, nhưng bằng chứng cho thấy các trung tâm dữ liệu thực sự đang giúp giảm chi phí cho người dùng:

Dựa trên nghiên cứu của Phòng thí nghiệm Quốc gia Berkeley và The Brattle Group, ở cấp tiểu bang, giá điện tăng có mối tương quan âm với nhu cầu tăng. Tiêu thụ nhiều hơn, trả ít hơn—điều kỳ lạ nhưng thật sự xảy ra.

Thật vậy, trong 6 năm qua, một số bang có mức tăng tải lớn nhất (phát triển trung tâm dữ liệu nhiều nhất), như Texas và Virginia, gần như không ghi nhận sự gia tăng giá cả. Mặt khác, các bang có mức tăng giá cao nhất (ít trung tâm dữ liệu mới), như California và New York, đã ghi nhận sự giảm tốc trong tăng tải—nhu cầu điện ở California giảm khoảng 5%, trong khi giá cả tăng cao hơn bất kỳ nơi nào trên cả nước, cao hơn khoảng 33% so với bang đứng thứ hai.

Hình: Tăng trưởng tải điện theo tiểu bang tại Hoa Kỳ từ năm 2019 đến 2025 có mối tương quan âm với biến động giá điện, với nhu cầu giảm tại California và New York nhưng lại ghi nhận mức tăng giá điện cao nhất. Nguồn: a16z

Không chỉ vậy, mối quan hệ nghịch đảo giữa nhu cầu năng lượng và giá năng lượng dường như cũng đúng tại châu Âu:

Theo dữ liệu của EIA, quốc gia EU có mức tăng giá lớn nhất, ngoại trừ Ireland, cũng là quốc gia có mức giảm nhu cầu điện lớn nhất.

Hình: Nhu cầu điện ở các nền kinh tế chính của Mỹ và châu Âu từ năm 2019 đến 2024 và biến động giá điện có mối tương quan âm tương tự, trong khi nhu cầu ở Texas và Virginia tăng nhưng giá vẫn ổn định. Nguồn: a16z

Tương tự, tiêu thụ nhiều hơn, trả ít hơn. Điều này trái với trực giác, phải không?

Chúng ta đều biết rằng, trong các điều kiện khác như nhau, nhu cầu cao hơn nên đẩy giá tăng lên, chứ không phải ngược lại (như Thống đốc Hochul đã tuyên bố). Nhưng đối với lưới điện, tình hình lại ngược lại. Lý do nhu cầu và chi phí có mối quan hệ nghịch đảo là vì lưới điện thường được hưởng lợi từ kinh tế quy mô: nhu cầu điện càng cao, chi phí cơ sở hạ tầng cố định càng được phân bổ rộng rãi hơn, dẫn đến giá tổng thể cho người dùng giảm xuống.

Nói cách khác, lệnh tạm dừng hoạt động của trung tâm dữ liệu do Hochul ban hành có thể không chỉ không "bảo vệ người dùng điện" mà còn tạo ra hiệu ứng ngược lại: giá điện có thể tăng cao hơn nhiều so với trường hợp có sự hỗ trợ của các trung tâm dữ liệu trong việc chia sẻ chi phí cố định của lưới điện. Có thể mối quan hệ này sẽ không tiếp tục duy trì, nhưng đây chính là tình hình cho đến nay.

Bỏ qua chi phí năng lượng, còn có những tác động kinh tế rộng lớn hơn cần xem xét. Thực tế là, nếu không có đầu tư vào cơ sở hạ tầng liên quan đến AI, gần như không có sự tăng trưởng đầu tư nào:

Đầu tư liên quan đến công nghệ là danh mục đầu tư duy nhất tăng trưởng, do đó lệnh tạm dừng đã đúng vào điểm yếu nhất.

Hình: Kể từ năm 2022, các khoản đầu tư liên quan đến công nghệ (phần mềm, nghiên cứu và phát triển, thiết bị CNTT và trung tâm dữ liệu) là yếu tố đóng góp tích cực duy nhất vào sự tăng trưởng của đầu tư cố định tư nhân. Nguồn: a16z

Thống đốc chắc chắn có lý do của mình, nhưng một chính sách có thể vừa (a) làm tăng giá điện (như một phần trong nỗ lực "bảo vệ người tiêu dùng điện") vừa (b) tước bỏ lợi thế đầu tư quan trọng nhất của tiểu bang New York thật sự khó hiểu.