[TL;DR Daily Highlights] Tôi không quan tâm GPU đắt bao nhiêu, mà là liệu nó có thể hoạt động như một nhà máy tác nhân thông minh, liên tục sản xuất ra những “trí tuệ” có thể tính phí hay không. Con số 38 USD/giờ GPU mà DeepSeek công bố giống như việc hé mở một góc sổ sách nhạy cảm nhất của ngành AI: vấn đề không còn đơn thuần là đã tiêu bao nhiêu tiền, mà là mỗi con chip có thể tự kiếm lại chi phí của mình hay không. 📌 Trước hết, hãy xem dữ liệu nổi bật nhất: • DeepSeek tiết lộ: Một cụm máy có thể xử lý 155 nghìn tỷ Token mỗi ngày. • Tính theo giá API công khai vào giờ thấp điểm, mỗi giờ GPU tương đương khoảng 38 USD doanh thu lý thuyết. • Nếu extrapolate thô sơ theo năm, một GPU có thể tạo ra hơn 330.000 USD doanh thu tính phí. Đây không phải “lợi nhuận”, cũng không phải con số “ăn không ngồi rồi” — mà chỉ là khả năng tính phí lý thuyết. Nhưng nó cực kỳ quan trọng — bởi nó cho thấy nếu tối ưu suy luận đủ sâu, GPU không nhất thiết phải là hố đen chi phí, mà có thể trở thành máy tạo dòng tiền. 📌 38 USD được “ép” ra như thế nào: • DeepSeek V4.1 Flash có tổng tham số 552 tỷ, sử dụng kiến trúc MoE. • Khi xử lý đầu vào, khoảng 8 tỷ tham số được kích hoạt; khi tạo đầu ra, khoảng 16 tỷ tham số được kích hoạt. • Tổng dung lượng KV Cache giảm xuống còn khoảng 1/4 so với thế hệ trước, cache dài hạn giảm xuống khoảng 1/8. • Mỗi Token tiêu tốn khoảng 890 byte KV Cache toàn cục, hỗ trợ tối đa 1 triệu Token ngữ cảnh. Nói cách khác, nó không kiếm tiền bằng cách dùng “card đắt hơn”, mà bằng kỹ thuật hệ thống cực kỳ khắt khe: song song chuyên gia, suy luận phỏng đoán, lập lịch bất đồng bộ, tách biệt Prefill/Decode, và giữ KV Cache lâu nhất có thể. Nói đơn giản: cùng một đàn GPU, ai giảm được tính toán trùng lặp, người đó càng gần với máy in tiền. 📌 Nhưng đừng vội coi 38 USD là mức trung bình ngành: • DeepInfer chưa mở nguồn đầy đủ tất cả thành phần môi trường sản xuất. • Các khâu then chốt như hệ thống KV Cache, biên dịch dịch vụ, cân bằng tải giữa các bản sao vẫn cần bổ sung từ bên ngoài. • Hiện tại nó chỉ tối ưu cho DeepSeek-V4.1 Flash; các mô hình khác khó sao chép trực tiếp. Vì vậy, tải về khung công cụ ≠ sao chép doanh thu. 38 USD giống như một “mẫu phòng trưng bày” ở trạng thái kỹ thuật đỉnh cao — không phải ai có vài con GPU là có thể tái tạo ngay được mật mã giàu có. 📌 Vì sao suy luận ngày càng mạnh, nhiều công ty mô hình vẫn lỗ: • Stanford HAI / Epoch AI ước tính: Chi phí tính toán của OpenAI năm 2025 khoảng 16,3 tỷ USD, trong đó nghiên cứu 8,3 tỷ, suy luận 8 tỷ. • So với năm 2024, chi phí suy luận của OpenAI tăng từ 1,8 tỷ lên 8 tỷ USD — tăng khoảng 3,4 lần. • Anthropic năm 2025 chi khoảng 6,8 tỷ USD cho tính toán, trong đó nghiên cứu 4,1 tỷ, suy luận 2,7 tỷ. Đây mới là sự thật: đào tạo và suy luận là hai cuốn sổ khác nhau. Bạn có thể bán Token, nhưng điều đó không có nghĩa bạn không cần tiếp tục chi tiền để phát triển mô hình thế hệ tiếp theo; và càng nhiều người dùng, hóa đơn suy luận càng phình to. Chi phí đơn vị giảm không đồng nghĩa tổng chi phí giảm. Ngành AI giống như xây cao tốc — xe càng nhiều, thu phí càng nhiều, nhưng chi phí bảo trì, mở rộng và lãi vay cũng đồng thời tăng theo. 📌 Chỉ bán Token, có thể tạo ra kinh doanh không? Câu trả lời: Có thể, nhưng không dễ dàng. Bài viết đưa ra một phép tính nhạy cảm rất trực tiếp: • Nếu chi phí hoàn toàn chịu đựng là 10 USD/giờ GPU; • Doanh thu tính phí lý thuyết ở tải tối đa là 38 USD/giờ GPU; • Vậy chỉ cần đạt khoảng 26,3% doanh thu tính phí hiệu quả là đã có thể bù đắp chi phí. • Nếu đạt 50% doanh thu tính phí hiệu quả, thu nhập mỗi giờ khoảng 19 USD, sau khi trừ 10 USD chi phí thì còn lại 9 USD. Mô hình này rất hấp dẫn, nhưng thực tế thì chẳng lãng mạn chút nào. Thông lượng, đồng thời, độ trễ, cấu trúc khách hàng, lưu lượng đỉnh và thời gian rảnh rỗi đều sẽ ăn mòn lợi nhuận tưởng tượng. Chưa kể khi chiến tranh giá nổ ra, một phần lợi ích từ hiệu suất cải thiện thường sẽ chuyển sang cho khách hàng. 📌 CoreWeave cũng diễn rất thật mặt còn lại: • Doanh thu quý II/2026: 2,575 tỷ USD, tăng trưởng khoảng 112% so với cùng kỳ. • EBITDA điều chỉnh: 1,51 tỷ USD, biên lợi nhuận 59%. • Nhưng theo GAAP vẫn lỗ ròng 626 triệu USD. • Khấu hao và phân bổ trong quý: 1,393 tỷ USD; chi phí lãi vay ròng: 640 triệu USD. Thấy chưa? Kinh doanh năng lực tính toán không phải “có doanh thu = có lợi nhuận”. GPU sẽ hao mòn, mở rộng phụ thuộc vào vốn vay, lãi vay như cái bóng theo bạn. Kiếm được lợi nhuận gộp không đồng nghĩa giữ được lợi nhuận ròng. 📌 Lớp ứng dụng còn khó hơn: nhu cầu tăng nhưng lợi nhuận chưa theo kịp: • Cursor đến quý I/2026 từng có biên lợi nhuận gộp âm -23%; nếu tính toàn bộ chi phí suy luận cho người dùng miễn phí vào chi phí thì khoảng -31%. • https://t.co/RxWvQzBAAu nộp đơn xin bảo hộ phá sản vẫn có khoảng 12 triệu người dùng hoạt động hàng tháng; doanh thu tháng 8/2026 là 5,3 triệu USD nhưng vẫn lỗ hàng tháng từ 8-9 triệu USD. • Chỉ trong 8 tháng đầu năm 2026, https://t.co/RxWvQzBAAu chi 56,1 triệu USD cho năng lực tính toán — chiếm khoảng 45% chi phí vận hành. • Trong khi đó, Midjourney năm 2023 đạt doanh thu vượt rõ rệt 2 tỷ USD và vẫn duy trì lợi nhuận. Cùng là AI Native, số phận khác nhau rất nhiều. Lý do cũng chẳng bí mật: không phải “dùng AI” là tự động tạo ra mô hình kinh doanh — then chốt là giá trị nhiệm vụ có đủ bù đắp chi phí suy luận và vận hành hay không. 📌 Cơ hội lớn hơn có lẽ nằm ở Agent: • Menlo Ventures ước tính: Chi tiêu AI tiêu dùng toàn cầu năm 2026 đã đạt 40 tỷ USD — tăng hơn ba lần so với 12 tỷ USD năm 2025. • Nhưng tỷ lệ người trưởng thành Mỹ sử dụng AI chỉ tăng từ 61% lên 64%. Nói cách khác: người dùng mới không bùng nổ — điều bùng nổ thực sự là người dùng cũ dùng sâu hơn và trả tiền nhiều hơn. Thị trường đang đặt cược không chỉ vào số lần trò chuyện, mà vào việc AI có thể thay bạn hoàn thành bao nhiêu nhiệm vụ mỗi ngày: email, mua sắm, lập lịch trình, thao tác phần mềm, phối hợp xuyên dịch vụ — đây mới là nơi Agent thực sự có thể khuếch đại tiêu thụ Token. Tuy nhiên, tôi vẫn phải tạt một gáo nước lạnh: nhiều Token hơn không đồng nghĩa với kinh doanh tốt hơn. Nếu một sản phẩm Agent thu 20 USD/tháng nhưng chi 30 USD cho mô hình và công cụ — thì nó chỉ đang nuôi sống GPU cho nhà cung cấp cấp trên chứ chưa nuôi sống chính mình. Phán đoán của tôi rất đơn giản: 1. Con số 38 USD/giờ GPU cho thấy kinh doanh suy luận AI “có thể tồn tại”, và giá trị của tối ưu kỹ thuật bị đánh giá quá thấp. 2. Nhưng từ “có thể tính phí” đến “có thể sinh lời” còn cách trở bởi bốn bức tường: mức sử dụng, quyền định giá, chi phí vốn và giá trị sản phẩm. 3. Người thực sự vượt qua chu kỳ không nhất thiết là người đốt GPU giỏi nhất — mà là người biết biến Token thành kết quả nhiệm vụ thực sự nhất.Nếu trong tương lai, mỗi Agent đều thay con người làm việc, mua sắm, đàm phán và thực hiện quy trình, thì vấn đề sẽ không còn là “Token bán được bao nhiêu”, mà là—giá trị mà trí thông minh tôi tạo ra đã mang lại cho bạn bao nhiêu? Đây mới là khoản kế toán tôi quan tâm nhất.