Nửa năm 2026 đã trôi qua, nhà đầu tư của Fengrui Capital tổng kết lại ngành AI trong sáu tháng đầu năm. Định giá dự án thay đổi vài lần trong một tuần, các nhà đầu tư đối mặt với nỗi lo FOMO, trong khi nhiệt độ thị trường và sự phân hóa cùng tồn tại. Lĩnh vực Agent đã trải qua sự chuyển đổi từ OpenClaw sang Harness Engineering, mô hình hướng tới thực thi nhiệm vụ, và vòng lặp dữ liệu trở thành rào cản cho các công ty khởi nghiệp. Các mô hình thế giới bùng nổ tập trung, nhưng tiếng nói trong nước về sinh video lại lớn hơn. Khoảng cách giữa các mô hình Trung-Mỹ thu hẹp xuống vài tháng, cơ sở hạ tầng tính toán chuyển sang cạnh tranh hệ thống “điện vào, token ra”. Về việc bong bóng vỡ, các nhà đầu tư cho rằng các công ty do nghiên cứu dẫn dắt cần liên tục giao các mốc quan trọng, còn các doanh nghiệp ứng dụng cần xác minh tính ổn định của mô hình kinh doanh. Biến số cốt lõi trong nửa cuối năm nằm ở vòng lặp dữ liệu thực tế.

Tác giả bài viết, nguồn: Fengrui Capital

Nếu ngành AI bắt đầu “xả bong bóng”, những công ty nào sẽ được định giá lại đầu tiên?

Trong thời gian gần đây, lĩnh vực AI trên thị trường thứ cấp đã trải qua những biến động mạnh mẽ, với các ngành chip, lưu trữ và quang kết nối luân phiên dao động. Meta lại nâng dự báo chi tiêu vốn năm 2026, đưa câu hỏi về việc cơ sở hạ tầng AI sẽ còn đầu tư trong bao lâu và với tốc độ bao nhiêu trở lại trung tâm của các cuộc thảo luận.

Tiền vẫn tiếp tục đổ vào năng lực tính toán, lưu trữ và trung tâm dữ liệu, thị trường đã bắt đầu đặt câu hỏi: Cơ sở hạ tầng AI đã đạt đỉnh giai đoạn chưa? Làn sóng này sẽ kéo dài bao lâu? Đồng thời, các biến đổi về trí tuệ nhúng, mô hình thế giới, Agent, Token, cùng với những thay đổi phần cứng từ đám mây đến cạnh và thiết bị đầu cuối cũng đang diễn ra song song.

Nửa năm 2026 đã trôi qua, nhà đầu tư công nghệ của Foresight Ventures, Lưu Bằng Kỳ và Nhan Thiên Hàng, đã cùng nhau tổng kết sáu tháng qua: Tại sao định giá dự án lại thay đổi mỗi tuần? Sau khi làn sóng sôi động của OpenClaw lắng xuống, còn lại những gì? Vì sao các mô hình thế giới lại bùng nổ tập trung? “Điện vào, Token ra” lại ám chỉ cuộc cạnh tranh về năng lực tính toán như thế nào? Nếu bong bóng cuối cùng sẽ vỡ, thì những công ty nào sẽ vẫn còn ngồi trên bàn chơi?

Chúng tôi đã tổng hợp một phần nội dung cuộc trò chuyện, mời bạn ghé qua ứng dụng Tiểu Vũ Châu và Apple Podcast để tìm kiếm "Cao Năng Lượng" và nghe tập chương trình này.

Định giá thay đổi mỗi tuần, nhà đầu tư không chỉ sợ bỏ lỡ

Liu Pengqi: Nhìn lại giữa năm 2026, sự phát triển của AI chưa từng chậm lại chút nào. Từ OpenClaw, mô hình thế giới, đến lưu trữ, kết nối quang, rồi đến giá trị thị trường của Zhipu vượt ngưỡng một nghìn tỷ đô la Hồng Kông, các điểm nóng nối tiếp nhau xuất hiện. Tất cả những điều này đều dồn nén trong cùng một nửa năm, hôm nay chúng ta hãy cùng điểm qua từng sự kiện để xem đằng sau chúng thực sự đã xảy ra những gì.

Trước tiên, hãy hỏi Nhan Bác: Trong nửa đầu năm, bạn đã trao đổi khoảng bao nhiêu dự án?

Yan Qianhang: Khoảng 200 đến 300 dự án, trong đó các dự án liên quan đến AI gần 150 đến 200 dự án.

Liu Pengqi: Cảm nhận của tôi cũng tương tự. Nếu phải dùng vài từ khóa để mô tả cảm nhận về việc xem các dự án trong nửa đầu năm, bạn sẽ chọn những từ nào?

Nhan Hiền Hàng: Đầu tiên là FOMO (nỗi sợ bỏ lỡ). Các lĩnh vực nóng bỗng nhiên xuất hiện một lượng lớn người và dự án mới chưa từng thấy trước đây, định giá cũng tăng nhanh. Nhiều người buộc mình phải xem hết tất cả các dự án: Chúng ta đã đầu tư hôm nay chưa? Đã đầu tư bao nhiêu? Có nên đầu tư thêm không?

Thứ hai là sự phân hóa cấu trúc. Một số ít ngành hot có hoạt động huy động vốn sôi nổi, trong khi phần lớn các ngành còn lại vẫn đang yên lặng. Thị trường thứ cấp cũng tương tự: cổ phiếu công nghệ tăng mạnh, nhưng những cổ phiếu không nằm trong nhóm热点 có thể chỉ đi ngang hoặc thậm chí giảm giá.

Thứ ba là định giá trước. Trước đây, khi đầu tư giai đoạn đầu, mọi người có một tiêu chuẩn tương đối rõ ràng về việc mỗi mốc phát triển (Milestone) tương ứng với mức định giá nào. Sau khi công ty đạt được sự đồng thuận và hoàn thành các mục tiêu giai đoạn, định giá mới được điều chỉnh tăng lên. Hiện nay, sự nóng bỏng và FOMO đã phá vỡ nhiều kinh nghiệm truyền thống, mức định giá 1 tỷ USD có thể xuất hiện như tên lửa chỉ trong vài tháng.

Liu Pengqi: Một số dự án chỉ trong một tuần đã thay đổi định giá, thậm chí cực đoan khi có ba vòng huy động vốn đang diễn ra đồng thời: một vòng đang hoàn tất giao dịch, một vòng đang đàm phán thỏa thuận, và một vòng đã sắp hoàn tất phương án. Trước thị trường như vậy, liệu các nhà đầu tư có cảm thấy lo lắng không?

Yan Qianhang: Nói là không lo lắng thì không thực tế. Nhưng điều khiến tôi lo lắng hơn cả là việc AI phát triển quá nhanh. Mỗi ngày đều có những mô hình mới, các từ khóa mới và những ý tưởng mới. Khi bạn nhìn thấy một tin tức chậm vài ngày, bạn không khỏi tự hỏi: Liệu mình đã bị bỏ lại phía sau chưa?

Liu Pengqi: Đầu tư có thể thiên về giá trị hoặc thiên về cơ hội, cần phải phân tích riêng biệt, không để cảm xúc thị trường thay bạn đưa ra quyết định. Trước tiên hãy gác lại định giá và FOMO, nửa đầu năm nay đã xuất hiện những điều mới gì thực sự?

Yan Qianhang: Tôi sẽ nói trước về doanh nghiệp nghiên cứu. Gần đây, Mỹ đã xuất hiện một khái niệm được bàn luận rất nhiều gọi là NeoLab, sử dụng mô hình doanh nghiệp thương mại để giải quyết các vấn đề nghiên cứu dài hạn. Trong nửa đầu năm, đã xuất hiện không ít công ty như vậy. Mọi người không còn chỉ hỏi “có phải là giáo sư khởi nghiệp không?”, mà còn xem sau khi giáo sư ra ngoài thành lập công ty, nghiên cứu có thể chạy nhanh hơn so với cách tổ chức trước đây hay không.

Xem xét các ứng dụng AI và phần cứng AI, mọi người bắt đầu quay trở lại với chính sản phẩm. Sau khi Manus ra đời, thị trường từng sốt sắng với các Agent; sau đó Insta360 lại thúc đẩy làn sóng quan tâm đến phần cứng AI. Sau khi theo đuổi một làn sóng热点, mọi người vẫn phải quay lại tìm những người thực sự có khả năng định nghĩa sản phẩm.

AI Coding cũng giúp các doanh nhân không còn bị giới hạn trong nhóm nghiên cứu viên thuật toán và kỹ sư. Luật sư, nhà thiết kế, sản phẩm manager, thậm chí nội trợ, đều có thể sử dụng các công cụ Coding để tạo ra sản phẩm.

Liu Pengqi: Trước đây thường nói rằng các doanh nhân công nghệ là “đang cầm búa đi tìm đinh”. Bây giờ thì hơi giống như chính những cái đinh tự đứng ra khởi nghiệp, còn búa đã trở thành công cụ phổ biến.

Làm sạch bọt của Agent, phía dưới là loại bia đậm đà

Liu Pengqi: OpenClaw chắc chắn là một trong những sự kiện được quan tâm nhất trong nửa đầu năm. Từ hiện tượng “nuôi tôm hùm” khắp nơi, tranh nhau mua Mac mini, đến các nhà phát triển mô hình và nền tảng IM đồng loạt ra mắt Agent của riêng mình, nhiệt độ đã dần hạ nhiệt. Việc mở nguồn đã giúp nó nhanh chóng tiếp cận đại chúng, nhưng đồng thời cũng phơi bày những vấn đề về bảo mật và trải nghiệm. Sau cơn sốt, nó để lại gì?

Yan Qianhang: OpenClaw giúp nhiều người bình thường lần đầu tiên tự triển khai Agent, tải về Skills, rồi điều chỉnh dần dần thông qua hội thoại tự nhiên để tạo ra phiên bản đúng như mong muốn. Nó giống như một hệ điều hành Agent (Agent OS), chứ không chỉ là công cụ thực hiện một nhiệm vụ cụ thể.

Ví dụ, một người bạn của tôi làm自媒体 về làm đẹp muốn bước vào lĩnh vực công nghệ. Cô ấy đã xây dựng vài bộ Workflow bằng OpenClaw để thu thập có mục tiêu các thông tin công nghệ, sau đó tạo thành một Pipeline sản xuất nội dung. Các nhiệm vụ liên quan đến lập trình, PPT, thương mại điện tử và quy trình nội bộ doanh nghiệp cũng đã có không ít người sử dụng ổn định. Sau một làn sóng bùng nổ, dù có bong bóng, biến động và tiếng ồn, nhưng khi thổi bay lớp bọt trên bia, phía dưới là thứ bia đậm đà.

Liu Pengqi: Gần đây, mọi người lại bắt đầu nhấn mạnh vào Harness Engineering (kỹ thuật môi trường chạy tác nhân). Khi các mô hình lớn chuyển từ công cụ trò chuyện thành người thực hiện nhiệm vụ, những yếu tố nào trở nên quan trọng hơn?

Yan Qianhang: Agent cần phải đưa ra quyết định và thực hiện nhiệm vụ trong một môi trường, sau đó điều chỉnh dựa trên kết quả, toàn bộ quy trình phải vận hành trơn tru. Mô hình chỉ là “bộ não” bên trong. Harness Engineering tạo ra môi trường xung quanh và các kênh phản hồi, để mô hình tự chạy trong Workflow, thay vì con người phải viết sẵn từng bước từ trước.

Liu Pengqi: Điều này cũng liên quan đến vòng lặp dữ liệu. Trải nghiệm cá nhân hóa trên internet truyền thống đến từ việc tích lũy dữ liệu người dùng, liệu Agent có trở thành phương tiện tạo nên vòng lặp dữ liệu và trải nghiệm cá nhân hóa không?

Yan Qianhang: Chatbot để lại chủ yếu là ngữ cảnh ngôn ngữ, trong khi Agent để lại là quỹ đạo nhiệm vụ: nó đã phán đoán như thế nào, thực thi ra sao, gọi những công cụ nào, và cuối cùng có hoàn thành nhiệm vụ hay không. Những quỹ đạo này có thể được sử dụng để thực hiện RL cho Agent (học tăng cường cho tác nhân). Dữ liệu trong các lĩnh vực chuyên biệt có thể không quay trở lại tay các công ty mô hình cơ sở, và chính điều này mới có thể trở thành rào cản cạnh tranh của các công ty khởi nghiệp về Agent.

Liu Pengqi: Như vậy, ai nắm được hành trình nhiệm vụ của người dùng, người đó sẽ có lợi thế chủ động hơn. Hiện tại trên sân chơi có ba nhóm người chơi chính: các nhà sản xuất mô hình, nền tảng IM và văn phòng, và phần cứng tại chỗ. Bạn ủng hộ nhóm nào hơn?

Yan Qianhang: Chúng thực hiện những việc khác nhau. Các nhà cung cấp mô hình phù hợp với các nhiệm vụ chung như tìm kiếm, nghiên cứu sâu và lập trình; các nền tảng văn phòng có sẵn các tệp, tài liệu và quy trình kinh doanh; phần cứng cục bộ liên quan nhiều hơn đến quyền riêng tư. Nhưng liệu “máy tôm hùm” có phải là một hướng sản phẩm hợp lệ hay không vẫn còn là một dấu hỏi. Ban đầu, Mac mini là thiết bị được săn lùng nhiều nhất, và sau khi làn sóng nhiệt huyết giảm xuống, Mac mini cũng là thiết bị được bán nhiều nhất trên Xianyu.

Một vấn đề khác với phần cứng cục bộ là: dữ liệu thuộc về ai? Ví dụ, một kiến trúc sư cốt lõi của một công ty sử dụng Agent, anh ấy chắc chắn muốn dùng mô hình tốt nhất, nhưng nếu thiết kế kiến trúc và hành trình nhiệm vụ bị công ty mô hình lấy đi để huấn luyện, thì rủi ro đối với anh ấy là rất lớn. Nhiều người dùng đang đối mặt với xung đột này: họ muốn dùng mô hình tốt nhất, nhưng không chấp nhận giao dữ liệu cho nó. Bạn nghĩ sao về sự đánh đổi giữa quyền riêng tư và khả năng của mô hình?

Liu Pengqi: Theo kinh nghiệm trước đây, đa số người dùng cuối C sẽ ưu tiên hiệu suất và trải nghiệm. Tuy nhiên, Pro C và B khác nhau ở chỗ: tài liệu kỹ thuật, thiết kế sản phẩm và dữ liệu kinh doanh đều là tài sản cốt lõi của doanh nghiệp. Cơ hội có thể nằm ở đây: giúp doanh nghiệp sử dụng các mô hình tốt nhất, đồng thời kiểm soát dữ liệu cục bộ, quyền truy cập và bảo mật.

Yan Qianhang: Tôi và Pengqi đều đã từng tìm hiểu về SaaS và Fintech hồi đầu, nên đều có cảm giác vừa yêu vừa ghét với các khách hàng doanh nghiệp lớn: ngân sách thì nhiều, nhưng nhu cầu lại phức tạp, việc hỗ trợ cũng rất nặng nề. Bây giờ lại thêm FDE (Frontline Deployment Engineer), cần có những người hiểu cả mô hình lẫn nghiệp vụ đến trực tiếp hỗ trợ khách hàng triển khai. Dịch vụ AI cho các doanh nghiệp lớn sẽ khác gì so với SaaS và Fintech trước đây?

Liu Pengqi: Khách hàng lớn có ngân sách lớn và yêu cầu cao, những vấn đề cũ như tăng lượng nhưng không tăng giá, chi phí tùy chỉnh cao vẫn còn tồn tại. Khách hàng vẫn sẽ hỏi: Nếu đã có mô hình mã nguồn mở, tại sao phải trả thêm tiền cho dịch vụ AI? Khi AI thực sự thâm nhập vào hạ tầng doanh nghiệp, cần xử lý các vấn đề về an toàn dữ liệu, quyền riêng tư và tích hợp hệ thống. Ngoài ra còn có hiện tượng ảo giác; nếu AI được sử dụng trong các业务 cốt lõi như kiểm soát rủi ro, và xảy ra lỗi gây tổn thất, thì trách nhiệm thuộc về nhà cung cấp mô hình, doanh nghiệp hay nhân viên? Giới hạn này hiện vẫn chưa được làm rõ. Ai giải quyết được những vấn đề này, người đó mới có cơ hội.

Điện vào, token ra, hạ tầng AI bước vào cuộc cạnh tranh hệ thống

Liu Pengqi: Trong sáu tháng qua, tốc độ tiến bộ của các mô hình lớn đang gia tăng hay chậm lại?

Yan Qianhang: Nếu nhìn vào những đột phá như kiến trúc suy luận o1, thật sự đã một thời gian dài chưa thấy nữa. Nhưng khả năng của các mô hình trong việc thực hiện các nhiệm vụ thực tế vẫn đang tiến bộ. Trước đây, chúng ta xem các bài kiểm tra toán học và bảng xếp hạng kiến thức như việc cho mô hình thi cử; bây giờ, với SWE-bench (bộ kiểm tra kỹ thuật phần mềm), Computer Use (thao tác máy tính) và Agent Benchmark (bộ kiểm tra tác nhân), chúng ta đang đánh giá xem nó có thể sửa lỗi, điều chỉnh công cụ và hoàn thành một nhiệm vụ dài hay không. Các mô hình đã rời khỏi phòng thi và bước vào hiện trường làm việc.

Liu Pengqi: Giống như một sinh viên tốt nghiệp trường học và bước vào xã hội. Kiến thức có thể đã cơ bản được hình thành, nhưng bài kiểm tra thực sự là anh ta có thể phát huy được bao nhiêu năng lực trong công việc. Trong đợt này, bạn sẽ chọn công ty nào nổi bật nhất?

Yan Qianhang: Tôi sẽ chọn Anthropic. Họ đã sớm tập trung vào lĩnh vực Coding, và giờ nhìn lại, quyết định này rất quan trọng. Họ nhận ra sớm hơn những người khác rằng mô hình không chỉ cần so sánh điểm số thi cử, mà còn phải xem xét khả năng thực hiện nhiệm vụ. Sau khi Claude 3.5 ra mắt, trải nghiệm của các công cụ Coding AI đã tiến bộ rõ rệt, các sản phẩm như Cursor cũng ngày càng dễ sử dụng hơn; công cụ tốt lên, người dùng tăng lên, phản hồi lại được đưa trở lại mô hình, từ từ tạo thành vòng lặp tích cực.

Một lý do khác là do doanh thu của nó tăng trưởng nhanh chóng. Anthropic đã công khai nhiều lần trong năm nay rằng doanh thu hàng năm của họ đang tăng nhanh, và mọi người bắt đầu thảo luận: Nếu Anthropic niêm yết, nó sẽ là một công ty quy mô bao nhiêu? Sự cải thiện trong chi phí suy luận và khả năng sinh lời cũng khiến nhiều người đánh giá lại nó.

Liu Pengqi: Nghe có vẻ nó đã chọn một thị trường trông có vẻ dốc đứng và thực sự đủ lớn, trước tiên tập trung thâm nhập sâu vào nhóm người dùng này. Còn hơn là trải rộng quá nhiều mà không có hướng nào đủ dẫn đầu.

Yan Qianhang: Tôi không quá coi Coding là một lĩnh vực chuyên sâu. Trong Coding vốn đã chứa đựng logic, suy luận và quyết định của con người, để biến một thuật toán thành một ứng dụng thực sự chạy được. Khi mô hình đi sâu vào Coding, khả năng suy luận, tư duy liên kết và quyết định chuỗi sẽ tự nhiên được rèn luyện. Vì vậy, khi mọi người sử dụng Claude, họ mới cảm thấy nó nghiêm túc và thông minh.

Một số mô hình có nhiều ý tưởng nhưng chưa đủ đáng tin cậy. Anthropic bắt đầu từ Coding và Agent, và các nhiệm vụ thực tế cũng đang ngược lại rèn luyện mô hình. Giống như “tri hành hợp nhất”: nó sớm hơn những người khác trong việc đưa “tri” và “hành” vào cùng một vòng lặp.

Năm nay, Anthropic đã ra mắt Fable 5 và Mythos 5. Fable 5 được mở rộng cho người dùng phổ thông, trong khi quyền truy cập vào Mythos 5 bị hạn chế hơn; cả hai mô hình từng tạm ngừng truy cập, sau đó đã được khôi phục. Bạn nghĩ sao về những cuộc thảo luận xung quanh các hạn chế này?

Liu Pengqi: Đã có khá nhiều đánh giá về các mô hình này trên mạng, nhưng những người thực sự sử dụng sâu có lẽ vẫn chưa nhiều. Tôi đã xem qua một chút, và trải nghiệm của chúng thực sự rất mạnh mẽ về độ dài ngữ cảnh, tư duy lặp lại thích ứng, cũng như khả năng tích hợp với Agent. Về vấn đề “cấm”, tôi cho rằng có thể cũng có yếu tố gây nhiễu và tiếp thị khan hiếm. Liệu chúng có thực sự mạnh đến mức trở thành công cụ cạnh tranh giữa các quốc gia vẫn cần phải quan sát thêm.

Yan Qianhang: Nhìn lại các mô hình trong nước, theo bạn thay đổi lớn nhất trong sáu tháng qua là gì?

Liu Pengqi: Zhipu là một ví dụ rất điển hình. Họ cũng đang đẩy mạnh hướng phát triển Coding, thực hiện những nỗ lực riêng trong kiến trúc và huấn luyện nhiệm vụ dài hạn. Chúng tôi cũng nghe nói rằng đội ngũ đã tích hợp các phương pháp như phần thưởng quá trình để nâng cao khả năng mô hình. Các đội ngũ trong nước vẫn không ngừng thử nghiệm, kiến trúc, thuật toán và khả năng mô hình đều không ngừng tiến bộ.

Phần dữ liệu hiện cũng đang được bổ sung. Chỉ làm tinh luyện, thì ngưỡng trần sẽ sớm xuất hiện. Sau khi các công ty mô hình nhận được nhiều tiền hơn, ngoài việc mua sức tính toán và tuyển người, họ也开始 sẵn sàng chi tiêu cho dữ liệu chất lượng cao.

DeepSeek cũng đáng để theo dõi. Sau khi phát hành mô hình, nó đã im lặng một thời gian, nhưng liên tục tích lũy nội lực. Một thay đổi rõ rệt trong năm nay là thái độ của nó đối với việc huy động vốn và hợp tác với năng lực tính toán trong nước đã cởi mở hơn trước đây.

Tôi hiểu rằng nó cần thông qua định giá và chương trình cổ phiếu khuyến khích để giữ chân nhân tài, đồng thời cũng mong muốn xây dựng mối quan hệ hợp tác sâu sắc hơn với các nhà cung cấp tính toán trong nước. Việc này không chỉ giúp nâng cao mô hình của chính mình, mà còn thúc đẩy toàn bộ hệ sinh thái ngành.

Yan Qianhang: Khi DeepSeek vừa ra mắt, quy mô vốn của vài công ty mô hình trong nước chủ yếu vẫn ở mức vài chục tỷ nhân dân tệ. Ở quy mô này, một phòng thí nghiệm nghiên cứu được hỗ trợ bởi quỹ định lượng vẫn có thể cạnh tranh với các đối thủ khác. Từ năm ngoái đến nay, các tập đoàn lớn bắt đầu đầu tư mạnh tay, Alibaba và Xiaomi đều đang chi tiền, MiniMax và Zhipu sau khi niêm yết cũng không còn là những công ty có vốn ở mức vài chục tỷ nhân dân tệ. Nếu DeepSeek tiếp tục duy trì cách vận hành cũ, tương đương với việc tự mình tăng thêm độ khó.

Nhưng phong cách của DeepSeek vẫn không thay đổi nhiều; mọi lựa chọn vẫn xoay quanh một điều: tạo ra các mô hình lớn tốt hơn, thay vì ưu tiên thương mại hóa ngắn hạn.

Liu Pengqi: Sau khi nói về vài công ty mô hình trong nước, hãy xem xét khoảng cách giữa Trung Quốc và Mỹ. Theo bạn, khoảng cách này đang lớn hơn hay nhỏ hơn?

Yan Qianhang: Trên các mô hình phiên bản cực nhanh và phiên bản tiêu chuẩn phổ dụng, khoảng cách giữa Trung Quốc và Mỹ thực sự đang thu hẹp. Năm 2022, mọi người cho rằng rất khó theo kịp; năm 2023 và 2024 vẫn nói còn cách một đến hai năm, nhưng đến năm nay, cảm nhận có thể chỉ còn cách vài tháng. Gần đây, đồng sáng lập Zhipu, Tang Jie, đã có một đoạn hội thoại trên X với Musk. Musk nói rằng mô hình lớn của Trung Quốc có thể phải đến quý I năm 2027 mới theo kịp mức tiên tiến; Tang Jie đáp lại: “Sẽ không lâu như vậy.”

Khoảng cách khó khắc phục trong ngắn hạn vẫn là cơ sở hạ tầng và sức mạnh tính toán. Hoa Kỳ có các cụm sức mạnh tính toán lớn hơn, có thể chạy nhiều thí nghiệm đồng thời; Trung Quốc lại giỏi trong việc dùng ít tiền để làm việc lớn, nhanh chóng bắt kịp thông qua thuật toán và hiệu quả kỹ thuật.

Liu Pengqi: Đúng vậy. Nhiều máy hơn có thể chạy đồng thời nhiều thí nghiệm hơn, đồng thời mở rộng không gian khám phá kiến trúc mô hình. Hiện nay, năng lực bổ sung dữ liệu trong nước đã mạnh hơn trước đây, và đóng góp của dữ liệu đối với sự tiến bộ của mô hình cũng đang gia tăng. Nhìn vào phiên bản cực nhanh và mô hình nhẹ, chúng ta thực sự có lợi thế về hiệu suất và chi phí.

Yan Qianhang: Các mô hình Trung Quốc cũng bắt đầu được nhiều người chú ý hơn. Mô hình của MiniMax đã được OpenClaw hỗ trợ; trong lịch trình và các bài thuyết trình liên quan tại GTC của NVIDIA tháng 3, cả Kimi và MiniMax đều được nhắc đến. Chúng tôi đang nhanh chóng theo kịp các phiên bản Siêu tốc, Tiêu chuẩn và Phổ dụng.

Việc tạo video trở nên thú vị hơn, và tiếng nói trong nước lại lớn hơn. Sau khi Seedance ra mắt, thị trường từng đồn thổi rằng ARR của nó đã đạt 2 tỷ USD, tuy nhiên sau đó Vòm Lửa Engine đã khẳng định rằng các con số doanh thu được lan truyền ngoài đời thường cao hơn thực tế. Ở nước ngoài, ngoài Google Veo 3.0 vẫn duy trì được sự chú ý, thì sức nóng thị trường của Sora so với lúc mới ra mắt đã giảm đáng kể. Về mô hình video, dường như trong nước lại mạnh hơn.

Liu Pengqi: Vì việc tạo video tiêu tốn rất nhiều Token, chi phí và hiệu suất trên mỗi Token sẽ được khuếch đại gấp nhiều lần. Các nhà sản xuất trong nước có thể giảm chi phí xuống mức người dùng có thể chấp nhận thông qua thiết kế kiến trúc và sử dụng hiệu quả hơn nguồn lực tính toán.

Dưới đây, không thể tránh khỏi cơ sở hạ tầng AI. Các nhà phát triển mô hình liên tục tăng chi tiêu vốn, lượng token tiêu thụ cũng đang tăng, chi phí tính toán sớm muộn sẽ trở thành điểm nghẽn. Bạn đã thấy những thay đổi nào trong cơ sở hạ tầng?

Yan Qianhang: Hiện nay, mọi người không còn chỉ hỏi “công suất tính toán có đủ không?”, mà còn quan tâm liệu cả hệ thống này có vận hành trơn tru không. Ngoài “tính toán”, còn phải xem xét “lưu trữ” và “truyền tải”. Giả sử có mười nghìn nút tính toán, nhưng dữ liệu không thể truyền kịp đến nút tiếp theo, các nút khác sẽ phải chờ. Giống như thuê mười nghìn công nhân trên dây chuyền sản xuất, nhưng nguyên vật liệu được chuyển đến quá chậm, luôn có người phải ngồi chờ.

Vì vậy, quang liên kết, HBM (bộ nhớ băng thông cao), DRAM (bộ nhớ truy cập ngẫu nhiên động) và SSD (ổ cứng trạng thái rắn) ngày càng trở nên quan trọng. Nếu tóm tắt toàn bộ hệ thống, thực chất chỉ có một việc: “Điện vào, Token ra.” Làm thế nào để đổi lấy nhiều Token hơn từ điện năng và chi phí vận hành, thì chip, bộ nhớ, truyền thông, làm mát bằng chất lỏng và phần mềm đều cần được tối ưu hóa cùng nhau.

Liu Pengqi: Khi xem xét hạ tầng, không chỉ nên tập trung vào đám mây. Thiết bị đầu cuối bao gồm các thiết bị xung quanh bạn như điện thoại, đồng hồ thông minh, tai nghe; cạnh có thể là NAS (lưu trữ gắn mạng), thiết bị tích hợp hoặc thiết bị nội bộ doanh nghiệp; đám mây cung cấp sức mạnh tính toán quy mô lớn. Các tác vụ đơn giản được thực hiện ở đầu cuối, dữ liệu riêng tư của cá nhân và doanh nghiệp được lưu giữ ở cạnh, trong khi các tác vụ lập trình phức tạp và suy luận dài hạn được giao cho đám mây.

Yan Qianhang: Bên đám mây đã hấp thụ một lượng lớn tài nguyên trong ngắn hạn, trong khi bên đầu cuối lại phải phát triển các chức năng với ít tài nguyên tính toán hơn và chi phí thấp hơn. Đối với các công ty khởi nghiệp, những ràng buộc này cũng ẩn chứa cơ hội.

World Model, không phải một mô hình ngôn ngữ lớn khác

Liu Pengqi: Nửa đầu năm 2026, mô hình thế giới đột nhiên trở thành một từ khóa nóng. Trí tuệ thể chất, sinh thành video, trò chơi, mô phỏng vật lý đều đang nói về nó. Theo hiểu biết của tôi, mô hình thế giới không nhất thiết chỉ định một mô hình cụ thể nào, mà giống như: đưa một can thiệp bên ngoài vào thế giới, sau đó dự đoán điều gì sẽ xảy ra ở thời điểm tiếp theo.

Theo định nghĩa này, định luật Newton có thể được hiểu là một mô hình thế giới sao? Nhan Bác, anh hiểu thế nào về mô hình thế giới? Nó có mối quan hệ gì với VLA (mô hình thị giác - ngôn ngữ - hành động), mô hình sinh video và mô hình ngôn ngữ lớn?

Yan Qianhang: Mô hình thế giới thực ra không phải là khái niệm mới, nó đã tồn tại trong học tăng cường từ lâu. Hiện nay có thể thấy vài hướng tiếp cận: mô hình video tạo ra khung hình tiếp theo, mô hình thế giới 3D xây dựng không gian tương tác được, JEPA (Kiến trúc dự đoán nhúng liên kết) trừu tượng hóa thế giới thành biểu diễn không gian ẩn, trong khi WAM (Mô hình hành động thế giới) kết nối mô hình thế giới với chính sách hành động (Action Policy).

Liu Pengqi: Ngôn ngữ là thông tin mang tính trừu tượng cao, nhưng thế giới thực còn có thị giác, xúc giác và mối quan hệ không gian. Tôi cho rằng mô hình thế giới giống như năng lực bẩm sinh của con người, trong khi mô hình ngôn ngữ giống như thứ được học sau này. Hai loại này có cách phát triển khác nhau, nhưng cùng tạo nên trí thông minh của con người. Bạn có đồng ý với nhận định này không? Mô hình thế giới trong tương lai sẽ có mối quan hệ như thế nào với LLM (mô hình ngôn ngữ lớn)?

Yan Qianhang: Tôi cũng nghiêng về việc cả hai bổ sung cho nhau. Ngôn ngữ và năm giác quan — bao gồm thị giác, thính giác, xúc giác, khứu giác — đều là cách con người tương tác với thế giới. Mô hình ngôn ngữ lớn đã giải quyết vấn đề trí tuệ ở cấp độ ngôn ngữ, và tự nhiên chúng ta sẽ tiếp tục khám phá khả năng của AI trong việc hiểu và dự đoán thế giới vật lý.

Liu Pengqi: Tại sao mô hình thế giới lại bùng nổ vào nửa đầu năm nay?

Yan Qianhang: Trước tiên, các mô hình video đã trở nên chín muồi, kết quả tạo ra ngày càng giống thật. Công nghệ biểu diễn 3D cũng tiến bộ, từ Mesh (lưới), điểm đám mây đến NeRF (trường bức xạ thần kinh), 3D Gaussian Splatting (phun gaussian 3D), các đội ngũ khởi nghiệp đều đã có nền tảng kỹ thuật để tạo và thao tác thế giới 3D.再加上开源视频模型，很多想法可以很快拿来验证。

Liu Pengqi: Nhưng cả mô hình thế giới và trí tuệ thể chất đều thiếu dữ liệu chứa thông tin vật lý. Ngành thường nói đến kim tự tháp dữ liệu, đáy là video internet và dữ liệu tổng hợp, trung tâm là dữ liệu góc nhìn thứ nhất có thông tin đa mô态, đỉnh là dữ liệu điều khiển từ xa bằng thiết bị thực. Làm thế nào để giải quyết điểm nghẽn này?

Yan Qianhang: Chúng ta không thiếu dữ liệu video thông thường, mà thiếu dữ liệu chứa trạng thái và quy luật vật lý. Loại thứ nhất là dữ liệu thu thập từ cảm biến thực tế; loại thứ hai là mô phỏng vật lý và song sinh số; loại thứ ba là suy ngược trạng thái tiếp xúc và lực tác động từ video. Dữ liệu thực tế là tốt nhất nhưng chi phí cao nhất, cuối cùng cần kết hợp ba loại dữ liệu này thành một hệ thống phân cấp.

Hãy nói chuyện nhẹ nhàng một chút. Nếu các mô hình thế giới bắt đầu có những tiến bộ thương mại rõ ràng, bạn nghĩ người tiêu dùng sẽ cảm nhận được đầu tiên ở những ngữ cảnh nào? Là trò chơi, tiêu dùng nội dung, hay là trí tuệ nhúng đang được nhắc đến gần đây?

Liu Pengqi: Tôi đoán là game và tiêu thụ nội dung. Những bối cảnh này không đòi hỏi độ chính xác tuyệt đối, chỉ cần lừa được mắt người là được. Trí tuệ nhúng cần hoạt động trong thế giới thực, do đó yêu cầu cao hơn về dữ liệu, tỷ lệ thành công và tính an toàn.

Yan Qianhang: Nếu mô hình thế giới thực sự có thể được áp dụng vào trò chơi, tôi rất mong chờ việc không còn thấy các lỗi xuyên mô và lỗi kỳ lạ nữa.

Liu Pengqi: Từ tiêu thụ nội dung chuyển sang trí tuệ nhúng, mô hình thế giới đã mang lại những thay đổi gì cho ngành này? Hiện nay có người cho rằng VLA sẽ bị mô hình thế giới thay thế, liệu có thật vậy không?

Yan Qianhang: Tôi cho rằng không phải vậy. Khi người chơi quần vợt đối mặt với động tác mới, họ có thể đầu tiên tưởng tượng cách trả bóng; nhưng khi bóng đến với tốc độ cao, các vận động viên chuyên nghiệp dựa vào bản năng cơ thể để phản công trực tiếp. Mô hình thế giới giống như “suy nghĩ trước rồi mới hành động”, trong khi VLA giống như trực tiếp đầu ra hành động dựa trên đầu vào thị giác — cả hai có thể bổ sung cho nhau.

Liu Pengqi: Việc triển khai trí tuệ hình thể vẫn còn một “tam giác bất khả thi”: nhiệm vụ phức tạp dài hạn, tỷ lệ thành công cao và khái quát hóa xuyên cảnh, hiện nay rất khó đáp ứng đồng thời. Cảm giác xúc giác cũng rất quan trọng. Nếu robot chỉ dựa vào cảm biến xúc giác trên tay có thể tái tạo hình dạng ba chiều大致 của vật thể, điều đó cho thấy năng lực đã đạt đến mức khá cao.

Yan Qianhang: Chúng tôi đã xem một ví dụ rất trực quan. Một kẹp hai ngón chỉ có giá vài trăm nhân dân tệ, khi kết hợp với cảm biến xúc giác để tạo thành vòng điều khiển lực, có thể kẹp đậu hũ mà không làm nát nó. Tuy nhiên, việc tích hợp xúc giác với mô hình hiện vẫn đang ở giai đoạn rất sơ khai.

Sau khi bong bóng vỡ, tiền sẽ chảy vào những công ty nào?

Liu Pengqi: Ngoài những lĩnh vực nóng nhất như Agent, mô hình thế giới và trí tuệ hình thể, bạn nghĩ còn những hướng nào khác mà các doanh nhân nên đặc biệt chú ý?

Yan Qianhang: Hướng tôi quan tâm nhất gần đây là AI for Science (trí tuệ nhân tạo thúc đẩy khoa học học) ở phạm vi rộng hơn. Tách rời quy trình nghiên cứu khoa học thành các bước: đặt câu hỏi, tìm tài liệu, thí nghiệm, phân tích, xác minh, và xem xét những khâu nào có thể giao cho AI, liệu tốc độ nghiên cứu có thể được tăng lên không. Nó tiến xa hơn một bước so với AlphaFold – mô hình mà mọi người đã quen biết vài năm trước.

Liu Pengqi: Giống như việc biến chính nghiên cứu khoa học thành một Pipeline có thể được tổ chức lại.

Yan Qianhang: Đúng vậy. Năm nay đã có thể thấy nhiều công việc về Auto Research (nghiên cứu tự động), nhưng phần lớn vẫn còn giới hạn trong một số lĩnh vực nhất định. Điều đáng quan tâm hơn tiếp theo là liệu nó có thể mở rộng sang nhiều ngành khoa học hơn, từ đó đẩy nhanh đáng kể sự đổi mới trong nghiên cứu. Một ví dụ khác liên quan đến mô hình thế giới vừa đề cập. Các mô phỏng vật lý truyền thống thường dựa vào việc giải các phương trình vi phân riêng phần. Trước đây, một vấn đề rất khó chịu trong mô phỏng là: muốn tính chính xác thì sẽ rất chậm; muốn tính nhanh thì lại dễ bị sai lệch. Hiện nay, mọi người bắt đầu sử dụng AI và toán tử thần kinh để thay thế một phần việc giải PDE (phương trình vi phân riêng phần). Nếu thực sự có thể đạt được cả tốc độ và độ chính xác cao, đó sẽ là một bước tiến thực sự.

Gần đây, điều tôi thấy đặc biệt thú vị là các khoa học xã hội. Trước đây, nghiên cứu khoa học xã hội thiếu các cơ chế thực nghiệm và suy diễn hiệu quả: либо lấy xã hội thực tế làm môi trường thí nghiệm để tiến hành khảo sát quy mô lớn, либо lấy mẫu nhỏ để thực hiện Sampling (lấy mẫu). Giờ đây, AI có thể cung cấp các phương pháp suy diễn mới cho khoa học xã hội, can thiệp vào một số khâu trong đó để đẩy nhanh nghiên cứu? Điều này ngay lập tức mở ra tư duy AI for Science, không còn chỉ là AI for vật liệu, AI for công nghệ sinh học.

Một hướng khác là phần cứng AI. Trong nước có chuỗi cung ứng phần cứng trưởng thành, cùng một nhóm nhà sáng lập và sản phẩm trẻ tuổi rất thông minh, cộng với cơ sở hạ tầng AI ngày càng tốt hơn, họ có thể nhanh chóng biến ý tưởng thành sản phẩm. Tôi mong đợi hơn cả là liệu trên mảnh đất này có thể ngẫu nhiên mọc lên những điều mà chúng ta chưa từng dự đoán.

Liu Pengqi: Phần cứng AI không chỉ đơn thuần cung cấp một tính năng cho người dùng, mà còn gắn kết chặt chẽ với mô hình thế giới. Mặc dù trên mạng đã tích lũy được một lượng lớn dữ liệu số hóa, nhưng dữ liệu về cách con người tương tác với thế giới vật lý—bao gồm dữ liệu hành vi, dữ liệu sinh lý và dữ liệu điện não—vẫn còn rất thiếu. Trong tương lai, những thiết bị phần cứng này có thể mang theo sức mạnh tính toán, phần mềm AI và nhiều cảm biến khác, dần dần hiểu chúng ta trong quá trình sử dụng, sau đó phản hồi lại bằng cách cung cấp dịch vụ.

Các công ty khởi nghiệp cần suy nghĩ kỹ: Bạn đang xây dựng một công cụ thu thập dữ liệu, hay một Data Hub (trung tâm dữ liệu)? Nếu nó có thể kết nối được thông tin của người dùng từ các bối cảnh khác, thì khả năng ứng dụng sẽ tăng lên rất nhiều.

Liu Pengqi: Cuối cùng, hãy nói về thị trường vốn. Năm nay, Yushu đã nhận được văn bản phê duyệt đăng ký IPO trên Khoảng科创板 và bước vào giai đoạn phát hành; Zhipu và MiniMax sau khi niêm yết đầu năm, giá cổ phiếu đã trải qua biến động và bắt đầu phân hóa. Kimi, DeepSeek và Jieyue Xingchen lần lượt hoàn thành các đợt huy động vốn lớn. Anh nhìn nhận thế nào về làn sóng niêm yết các công ty AI này? Nó sẽ ảnh hưởng như thế nào đến thị trường cấp một?

Yan Qianhang: Từ góc độ của nhà đầu tư cấp một, việc mọi người kiếm được tiền tất nhiên là điều tốt. Đối với các công ty mô hình cơ sở, việc niêm yết cũng là một lần chuyển hóa vốn: vị trí trong hệ sinh thái đã có bằng chứng giai đoạn, tiếp theo vẫn còn phải chiến đấu lâu hơn và cần thêm nhiều đạn dược.

Những công ty này có giá trị dài hạn, nhưng trong ngắn hạn lại cần liên tục chi tiền để đầu tư vào nghiên cứu, và thị trường vốn đã tạo điều kiện cho họ tiếp tục đầu tư. OpenAI, Anthropic cũng tương tự. Khi đánh giá chúng, không thể hoàn toàn dùng khung định giá PE của công ty truyền thống; mọi người quan tâm hơn đến vị trí sinh thái cuối cùng mà chúng có thể chiếm giữ. Khi các công ty internet niêm yết sớm, họ cũng không chỉ nhìn vào việc có kiếm được tiền ngay lúc đó hay không.

Liu Pengqi: Nhưng trong đợt AI này, mọi người cũng thừa nhận rằng có bong bóng. Sau khi nhiều công ty lớn hơn niêm yết, bong bóng có sẽ vỡ không?

Yan Qianhang: Dự đoán chính xác thời điểm bong bóng vỡ là rất khó. Ai cũng có thể nói bong bóng cuối cùng sẽ vỡ, nhưng đó là một câu nói đúng nhưng vô nghĩa. Về ngắn hạn, việc niêm yết có thể tạo thêm làn sóng FOMO cho thị trường cấp một; nhưng thị trường cấp hai phản ứng nhanh, nếu hoạt động kinh doanh không tốt hoặc tiến bộ nghiên cứu không đủ để đáp ứng kỳ vọng, giá cổ phiếu sẽ nhanh chóng phản ánh điều đó. Nếu các công ty hàng đầu hoạt động tốt, thị trường cấp một vẫn còn không gian; nhưng nếu chúng không chịu nổi, giá trị thị trường cấp một sẽ bị kéo xuống. Khi đó, mọi người sẽ tính lại: nếu giá trị thị trường cấp hai còn không vững, vậy mà thị trường cấp một vẫn đắt như vậy, thậm chí còn đảo ngược so với cấp hai, liệu có nên bình tĩnh lại một chút? Những mức định giá tăng nhanh trong nửa đầu năm nay cũng có thể bước vào giai đoạn điều chỉnh.

Liu Pengqi: Không thể đoán chính xác ngày nào bong bóng sẽ vỡ. Vậy hãy đặt câu hỏi khác: Giả sử bong bóng bắt đầu vỡ, điều gì sẽ xảy ra? Những công ty nào có khả năng cao hơn để sống sót, thậm chí trở thành những công ty thực sự tốt?

Yan Qianhang: Tâm lý trong bong bóng rất giống với đầu tư chứng khoán, mọi người đều cho rằng cổ phiếu họ mua sẽ tiếp tục tăng trần vào ngày mai. Khi thị trường nguội đi, tiền sẽ chảy về những tài sản tốt hơn. Những hướng nghiên cứu do động lực thúc đẩy như mô hình thế giới, mô hình trí tuệ nhúng, các công ty phải liên tục đưa ra các cột mốc quan trọng và duy trì vị thế trong ngành. Chỉ dựa vào Demo hay kể chuyện mà không có đầu ra thành quả, sau này sẽ rất khó huy động thêm vốn.

Công ty thực sự làm ra sản phẩm, cuối cùng vẫn要看 mô hình kinh doanh có ổn định không, đơn hàng có thật không. Khả năng chịu đựng khi gặp cú sốc sẽ quyết định liệu nó có thể sống sót hay không.

Liu Pengqi: Tôi lại cho rằng, bong bóng vỡ không hẳn là điều xấu. Dù là phần mềm, mô hình lớn hay trí tuệ nhúng, chi phí về năng lực tính toán và hạ tầng phía trên đều có thể giảm xuống. Hiện nay, nhiều dự án không thể triển khai được là do chi tiêu vốn và chi phí. Khi người dùng có thể sử dụng được, việc triển khai sẽ nhanh hơn.

Yan Qianhang: Đúng vậy, và đối với thị trường sơ cấp, việc niêm yết không phải là điểm kết thúc. Khi thực sự có thể thoát vị trí, giá cổ phiếu vẫn sẽ quay trở lại mức giá hợp lý, và phản ứng của thị trường thứ cấp rất nhanh.

Liu Pengqi: Cuối cùng, nếu phải đặt cược vào một biến số trong nửa cuối năm, bạn sẽ chọn gì?

Yan Qianhang: Tôi sẽ xem xét vòng lặp dữ liệu thực tế. Dù là trí tuệ nhúng hay Agent, miễn là có thể khiến dữ liệu và phản hồi sử dụng liên tục luân chuyển, hoặc giúp người khác xây dựng cơ chế này, đều có cơ hội — thậm chí làm “người bán cuốc” cũng được.

Liu Pengqi: Tôi cũng có cùng nhận định. Trong nửa cuối năm, chúng ta sẽ chứng kiến nhiều dự án hơn có thể triển khai thực tế và tạo ra doanh thu. Việc bong bóng vỡ vào thời điểm nào rất khó dự đoán, nhưng công nghệ không thể bỏ qua chu kỳ để trực tiếp tiến tới AGI (trí tuệ nhân tạo tổng quát); giữa chừng chắc chắn sẽ có những biến động. Khả năng triển khai thực tế, tạo ra doanh thu, huy động vốn hoặc thu thập dữ liệu trong các giai đoạn biến động sẽ quyết định liệu công ty có thể xây dựng lợi thế giai đoạn và có cơ hội tham gia vào vòng cạnh tranh tiếp theo hay không.