Biên tập viên: Khi AI bắt đầu viết mã, xử lý vé hỗ trợ và xem xét các tài liệu pháp lý, một vấn đề cơ bản hơn đang nổi lên: Doanh nghiệp thực sự mua gì—token, giờ GPU, hay công việc đã được hoàn thành?

Bài viết này đề xuất một khung đáng chú ý: Việc thương mại hóa AI không nên chỉ được hiểu là «thị trường năng lực tính toán» hay «thị trường gọi mô hình», mà đang tiến tới một «thị trường lao động máy móc» mới. Trong thị trường này, token chỉ là đơn vị đo lường, GPU là đầu vào, mô hình là công cụ sản xuất, và đối tượng thực sự được định giá và giao dịch là lao động kinh tế do phần mềm thực hiện trực tiếp.

Phán斷 cốt lõi của bài viết là cơ chế định giá AI sẽ trải qua quá trình phát triển từ token nguyên thủy, khả năng mô hình chuẩn hóa, đến lao động chuyên ngành, và cuối cùng là thị trường kết quả có thể lập trình. Nói cách khác, trong tương lai, các doanh nghiệp có thể không còn quan tâm đến việc một nhiệm vụ cụ thể được thực hiện bởi mô hình nào hay GPU nào, mà sẽ tập trung vào việc liệu kết quả có được giao đúng trong phạm vi độ trễ, độ chính xác, độ tin cậy và chi phí quy định hay không.

Điều này cũng có nghĩa là ảnh hưởng của AI đối với thị trường lao động con người không nhất thiết chỉ đơn thuần là thay thế. Khi máy móc đảm nhận ngày càng nhiều công việc có thể tiêu chuẩn hóa và xác minh, vai trò của con người có thể chuyển sang việc kiểm tra lại, chịu trách nhiệm, quản lý ngữ cảnh và đưa ra phán quyết cuối cùng. Trong một số tình huống, 1% phán quyết cuối cùng của con người lại trở nên có giá trị hơn, bởi vì nó có thể giải phóng 99% tự động hóa quy mô lớn.

Từ góc độ này, giai đoạn cạnh tranh tiếp theo của thị trường AI có lẽ sẽ không còn chỉ là cuộc đua về năng lực mô hình hay cuộc chiến giá cả về sức tính toán, mà là ai có thể率先 chuẩn hóa, xác minh và định giá được «công việc», cuối cùng biến lực lượng lao động máy móc thành một yếu tố sản xuất mới có thể mua sắm, thanh toán và giao dịch.

The following is the original text:

Sóng năng suất trước đây luôn xuất phát từ việc tạo ra công cụ và phần mềm cho con người để tối ưu hóa cách thức hoàn thành công việc. Bảng tính giúp kế toán và phân tích viên, dây chuyền truyền tải tăng năng suất, búa khuếch đại lực của con người. Nhưng lao động thực sự luôn đến từ con người.

Hiện tại, AI đang tạo ra kết quả công việc toàn diện, trực tiếp thực hiện lao động. Nó có thể viết mã, xử lý vé hỗ trợ khách hàng, xem xét các tài liệu pháp lý. Phần cuối của toàn bộ hạ tầng kỹ thuật đang bị nén lại: hạ tầng kỹ thuật cũ hỗ trợ lao động, trong khi hạ tầng kỹ thuật mới bắt đầu sản xuất lao động.

Nếu bạn gần đây đã nghe về các cuộc thảo luận về tài chính hóa AI, rất có thể bạn đã nghe Jensen và những người khác nói rằng các token LLM và/hoặc giờ GPU đang trở thành hàng hóa mới. Trực giác này dễ hiểu vì token có thể đo lường, có thể tính phí và dễ dàng biểu diễn dưới dạng biểu đồ; đồng thời cũng có hàng tỷ đô la đầu tư vào giờ GPU. Nhưng token vẫn chỉ là đồng hồ đo, giờ GPU chỉ là đầu vào, không ai mua chúng vì chính bản thân chúng. Điều mọi người thực sự muốn là hoàn thành công việc. AI đang biến chính cơ sở hạ tầng kỹ thuật thành nguồn lao động.

Machine labor: Work performed by software, with economic utility, and sold into the production process.

Thị trường đã đang di chuyển theo hướng này. Sarah Tavel của Benchmark nghiêng về việc hiểu cơ hội này thông qua thị trường lao động được thuê ngoài, thay vì qua danh mục phần mềm. Nếu một nhiệm vụ lặp lại thường được thực hiện bởi các đội ngũ ở nước ngoài hoặc công ty dịch vụ chuyên môn, thì nó thường cũng là công việc phù hợp để AI thực hiện. Alex Rampell của a16z gọi đây là “phần mềm nuốt lấy lao động”: màn tiếp theo của phần mềm là tự mình thực hiện công việc. Julien Bek từ Sequoia lại mô tả sự thay đổi tương tự từ một góc độ khác: các dịch vụ đang trở thành phần mềm, copilot bán công cụ, còn autopilot bán công việc.

Thị trường bị thiếu phía sau định giá kết quả

Phí vị trí được tính dựa trên quyền truy cập, phí token được tính dựa trên lượng sử dụng. Phí kết quả được tính khi công việc hoàn thành. Phí kết quả đã đưa chúng ta tiến một bước xa hơn, nhưng nó vẫn chưa trả lời được một câu hỏi: Ai sẽ quyết định giá?

Nếu lao động máy móc có thể được mua trực tiếp, giá cả nên đến từ sự cạnh tranh giữa các nhà cung cấp. Những nhà cung cấp này phải có khả năng đáp ứng cùng một tiêu chuẩn nhiệm vụ hoặc công việc, điều này đòi hỏi việc thiết lập tiêu chuẩn hóa trong các ngành công nghiệp và nhiệm vụ khác nhau.

Hiện tại, cách làm là sử dụng token LLM, nhưng token gốc chỉ là đơn vị cơ sở. Mỗi thùng dầu chỉ là một đơn vị đo lường; thực chất, những gì được giao dịch là những thùng dầu cụ thể với chất lượng rõ ràng, điều khoản giao hàng và giá thị trường xác định. Một thùng dầu Brent và một thùng dầu nặng hàm lượng lưu huỳnh cao không phải là cùng một loại hàng hóa. Token LLM cũng vậy: token chỉ là đơn vị đo lường, điều quan trọng thực sự là trí tuệ đằng sau nó: chất lượng mô hình, ngưỡng kiểm tra chuẩn, độ trễ, cửa sổ ngữ cảnh, độ tin cậy và đảm bảo giao hàng. Một triệu token từ mô hình mã hóa tiên tiến không giống với một triệu token từ mô hình phổ thông giá rẻ. Thị trường cần các cấp độ suy luận chuẩn hóa, giống như thị trường năng lượng cần các cấp độ dầu mỏ chuẩn hóa.

Anjali Shriva đã trực tiếp chỉ ra rằng: token không phải là một đơn vị chi phí cố định. Tính kinh tế của nó sẽ thay đổi tùy theo độ dài ngữ cảnh, cấu trúc nhiệm vụ, tỷ lệ đầu vào/đầu ra, số lần thử lại, gọi công cụ và luồng làm việc của Agent. Một token trong lời nhắc ngắn không phải là cùng một đối tượng kinh tế với một token bị chôn vùi trong chu trình Agent dài.

Chúng ta đã làm như vậy từ lâu trên thị trường lao động con người. Không ai thuê bác sĩ chẩn đoán hình ảnh như một đơn vị “giờ con người” chung chung. Người ta sẽ xem xét nền tảng đào tạo, chứng chỉ hành nghề, chuyên môn, kinh nghiệm làm việc, khả năng sẵn sàng, danh tiếng, trách nhiệm, v.v. Các hợp đồng con người khác nhau đi kèm với các tiêu chuẩn tối thiểu và kỳ vọng cấp bậc khác nhau.

Thị trường lao động con người vốn vận hành dựa trên những tiêu chuẩn này, dù những tiêu chuẩn thường hỗn hợp, định tính và đầy rẫy các chỉ số đại diện. Lao động máy móc sẽ làm cho những tiêu chuẩn này trở nên rõ ràng và dễ đo lường hơn.

Đối với LLM hoặc Agent, các chỉ số như kỹ năng, kinh nghiệm, tốc độ và độ tin cậy đều có thể được ghi trực tiếp vào hợp đồng: điểm kiểm tra hiệu năng, độ trễ, thông lượng, cửa sổ ngữ cảnh, độ dài đầu ra tối đa, độ chính xác khi sử dụng công cụ, thời gian hoạt động, tỷ lệ lỗi. Chúng ta có thể mua lao động dựa trên các kỳ vọng và kết quả có thể định lượng.

Các thông số hợp đồng của TheGrid.ai về bản chất là một bộ lọc资格, kèm theo cạnh tranh giá cho đầu ra của LLM. Các nhà cung cấp chỉ cần đáp ứng các thông số này là có thể tham gia cạnh tranh:

Kiểm tra hiệu năng thông minh ≥ ngưỡng dưới

Trễ ≤ giới hạn

Throughput ≥ Lower limit

Thời gian hoạt động ≥ giới hạn dưới

Tỷ lệ lỗi ≤ giới hạn

Khi tất cả các nhà cung cấp đều đạt đến mức tối thiểu giống nhau, họ bắt đầu cạnh tranh về giá. Người mua sẽ hỏi: Nhà cung cấp nào có thể cung cấp lao động cần thiết với giá tốt nhất?

Việc tuyển dụng bác sĩ chẩn đoán hình ảnh đã trở thành một vấn đề có thể đo lường trong bối cảnh LLM: những LLM nào có thể đọc phim X-quang với độ thành thạo cao và hoàn thành nhiệm vụ trong các khoảng thời gian trễ, cửa sổ ngữ cảnh và các thông số hợp đồng dựa trên kết quả rõ ràng.

Kết quả là cách người mua đo lường thành công; lao động là hoạt động kinh tế được cung cấp; token là nhiên liệu mà máy móc tiêu thụ trong quá trình hoàn thành công việc.

Grid chính là thị trường lao động máy móc.

From token to machine labor market

Thị trường có thể định giá cho các khoản đầu tư vào cơ sở hạ tầng kỹ thuật, nhưng để định giá cho đầu ra, cần có một thị trường lao động máy móc. Người mua không quan tâm đến giờ GPU. Các điểm cuối mô hình cũng không ổn định: chúng có thể bị đổi tên, ngừng hỗ trợ, đóng gói, hoặc bị ngừng hoạt động trực tiếp.

Người dùng và thanh khoản đều không thích những thay đổi thường xuyên. GPU và mô hình sẽ liên tục phát triển, nhưng đơn vị ổn định là chính công việc.

Tôi cho rằng thị trường sẽ phát triển theo con đường sau. Càng lên cao một bậc, những thứ được mua càng trở nên trừu tượng và có giá trị hơn, nhưng cũng càng khó xác minh. The Grid nên từng bước leo lên chiếc thang này:

Token gốc → Thị trường hóa khả năng LLM → Thị trường hóa thị trường lao động → Thị trường kết quả có thể lập trình

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5, v.v.

Hôm nay, người mua mua đầu ra mô hình gốc từ nhà cung cấp suy luận. Họ gửi các lời nhắc của riêng mình, nhận kết quả suy luận và trả phí theo mức độ sử dụng. Điều này dễ dàng để xác minh, nhưng nó vẫn chỉ là nguyên liệu thô. Điều người mua thực sự muốn không phải là token, mà là trí tuệ hữu ích với giá tốt nhất.

Ví dụ: text/usd, code/usd, agent/usd, v.v.

Người mua không còn chọn một mô hình cụ thể nào, mà chọn loại trí tuệ phù hợp với nhu cầu của mình. Người mua vẫn kiểm soát luồng công việc, từ khóa hướng dẫn, dữ liệu và logic ứng dụng. The Grid chỉ định tuyến mỗi yêu cầu đến mô hình đủ điều kiện có giá thấp nhất và đáp ứng đúng thông số hợp đồng.

Lưu ý: Đây là lớp trừu tượng đầu tiên cao hơn token gốc, và cũng là vị trí hiện tại của TheGrid.ai.

Ví dụ: accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd, v.v.

Khi các mô hình trở nên chuyên môn hóa hơn, thị trường năng lực có thể tiếp tục phát triển thành các thị trường chuyên biệt theo ngành. Điều này tương tự như sự phân công lao động chuyên môn của con người trong các thị trường lao động khác nhau.

Ở cấp độ này, chúng tôi cung cấp khả năng suy luận được thiết kế cho các quy trình làm việc trong các lĩnh vực lao động cụ thể. Khi các mô hình chuyên ngành trở nên phổ biến hơn, thị trường này sẽ mở rộng nhanh chóng. Các ví dụ liên quan bao gồm Composer của Cursor, Harvey dành cho công việc pháp lý và EvidenceOpen dành cho lĩnh vực chăm sóc sức khỏe.

Ví dụ: support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd, v.v.

Lớp cuối cùng là nơi The Grid chuyển từ thị trường suy luận sang thị trường lao động máy móc.

Lớp này cần các cơ chế như RFQ (yêu cầu báo giá), tài khoản ký quỹ, thanh toán trễ, xác nhận của bên mua, danh tiếng nhà cung cấp và cơ chế hoàn trả, giải quyết tranh chấp. Nó rất có thể sẽ bắt đầu bằng RFQ thay vì sử dụng sổ lệnh trực tiếp. Bên mua xác định công việc, điều kiện ràng buộc, tiêu chuẩn nghiệm thu và điều khoản thanh toán, trong khi Agent cạnh tranh để thực hiện nhiệm vụ. The Grid hỗ trợ định tuyến, định giá, xác minh và thanh toán các công việc này.

Đây là lớp có giá trị nhất, nhưng cũng là lớp khó xác minh nhất, vì kết quả có thể bị trì hoãn, mang tính chủ quan và dễ bị thao túng. Một yêu cầu hỗ trợ khách hàng có thể được mở lại; một PR có thể đã vượt qua kiểm thử nhưng vẫn gây ra kiến trúc kém.

Tổng chi phí = Chi phí hoàn thành công việc + Chi phí chịu rủi ro

Một quy trình làm việc không tự động trở thành một thị trường chỉ vì trí thông minh đã có thị trường hoặc trí thông minh trở nên rẻ hơn. Một số công việc phụ thuộc rất nhiều vào ngữ cảnh riêng, chẳng hạn như lịch sử khách hàng hoặc chính sách nội bộ. Công việc càng phụ thuộc vào ngữ cảnh, thì càng khó để thanh lý một cách sạch sẽ trên thị trường mở. [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

Thị trường cần làm rõ những nhóm lao động nào sẽ mở rộng và những nhóm nào sẽ thu hẹp.

Lao động máy móc vs Lao động con người, hay Lao động máy móc & Lao động con người

Anjali Shriva trong bản nháp thiết kế cơ chế của cô chỉ ra rằng các câu chuyện về AI thường được mô tả như sự thay thế. Nhưng thực tế, nó giống như một vấn đề phối hợp: khi cả con người và máy móc đều tham gia vào sản xuất, công việc, sự gán nhãn, động lực và giá trị sẽ được tổ chức lại như thế nào.

Hôm nay, nhiều việc sử dụng AI trong doanh nghiệp vẫn bị kẹt lại vì nhân viên sử dụng AI riêng tư, các quy trình làm việc vẫn bị giới hạn ở cá nhân, doanh nghiệp không thể định giá những cải thiện năng suất này hay mở rộng lợi ích chúng mang lại.

Hầu hết các công việc có thể tự động hóa đều có thể được chuyển giao cho máy móc. Một phần công việc sẽ trở thành việc con người kiểm tra lại, chịu trách nhiệm, đào tạo và quản lý ngữ cảnh. Trong một số trường hợp, 1% phán quyết cuối cùng của con người sẽ trở nên có giá trị hơn, vì nó có thể mở khóa quy mô lớn 99% công việc tự động hóa.

Rachel Su Park trong cuốn “Brave New World of AI Markets” chỉ ra rằng TAM của AI không nên được mô hình hóa đơn giản như một sự thay thế cho chi tiêu hiện tại của con người, vì nó đồng thời thay đổi cả giá cả và số lượng. Khi chi phí công việc giảm, giá mỗi đơn vị có thể giảm, nhưng số lượng tiêu dùng có thể mở rộng, vì các công việc hiện tại sẽ được tiêu dùng thường xuyên hơn, đồng thời các công việc hoàn toàn mới trước đây không khả thi về mặt kinh tế cũng trở nên khả thi. Bài viết tóm tắt điều này như sau:

P × Q: Quy mô thị trường = Giá mỗi đơn vị công việc × Số lượng công việc được tiêu thụ

Nếu AI giúp giảm chi phí tương tác với dịch vụ khách hàng, các công ty có thể cung cấp khả năng phục vụ 24/7. Thị trường này sẽ không chỉ là phiên bản giá rẻ của thị trường lao động dịch vụ khách hàng truyền thống, mà có thể trở thành một thị trường tương tác khách hàng lớn hơn nhiều.

AI là một thị trường mở rộng, vì khi chi phí lao động giảm, nhu cầu không giữ nguyên.

Lớp lao động

Thị trường lao động máy móc nên bắt đầu từ những công việc có thông số kỹ thuật được xác định rõ ràng. Giờ GPU chứa quá nhiều thông tin đầu vào, chỉ cho bạn biết điều gì hỗ trợ công việc; trong khi định giá cho kết quả hoàn chỉnh lại quá phức tạp và phụ thuộc quá nhiều vào ngữ cảnh. Khi việc xác minh, danh tiếng và định giá rủi ro/bảo hiểm dần được máy móc tiếp nhận, thị trường mới tiếp tục tiến tới lớp kết quả thuần túy.

Lao động máy móc có thể trở thành hàng hóa có thể giao dịch, vì người mua ngày càng ít quan tâm đến việc mô hình nào hoặc GPU nào đã tạo ra công việc, mà quan tâm hơn đến việc công việc đó có đạt được tiêu chuẩn và cấp độ tối thiểu theo hợp đồng với giá đúng hay không. Agent thậm chí còn ít quan tâm hơn đến các nguồn gốc cơ sở này.

Máy móc hiện đã có thể trực tiếp thực hiện các công việc có mục đích kinh tế, những công việc này có thể được định nghĩa, đo lường, định giá, mua sắm và cuối cùng là giao dịch. Điện năng, sức tính toán, mô hình và token tất nhiên vẫn quan trọng, nhưng tất cả đều đang ở giai đoạn đầu chuỗi cung ứng.

Điểm cuối mới là nơi công việc thực sự được hoàn thành, và thị trường đang hướng tới một đối tượng đơn giản hơn: lực lượng lao động máy móc.