Khoa học - Công nghệ

Trong bối cảnh làn sóng trí tuệ nhân tạo (AI) bùng nổ, một thực tế kinh tế mới đang dần lộ diện: chi phí để duy trì các mô hình ngôn ngữ lớn (LLM) và hệ thống điện toán đang bắt đầu vượt qua cả quỹ lương của những kỹ sư trình độ cao nhất. Đây không còn là dự báo mà đã trở thành hiện thực tại các tập đoàn công nghệ hàng đầu thế giới như Nvidia và Uber.

Sự trỗi dậy của chi phí token trong bài toán tài chính

Từ lâu, tính khả thi về mặt kinh tế của AI vẫn là chủ đề gây tranh cãi. Tuy nhiên, các báo cáo gần đây từ những giám đốc điều hành cấp cao đã đưa ra cái nhìn cụ thể hơn về dòng tiền trong ngành. Chi phí vận hành, đặc biệt là chi phí token, đang có xu hướng vượt xa giá trị sức lao động của con người. Điều này tạo nên một nghịch lý khi nhiều doanh nghiệp thực hiện sa thải hàng loạt để ưu tiên ngân sách cho các tác nhân AI (AI agents).

Bryan Catanzaro, Phó chủ tịch phụ trách học sâu ứng dụng của Nvidia, mới đây đã chia sẻ với Axios một thông tin đáng chú ý: "Đối với nhóm của chúng tôi, chi phí tính toán vượt xa chi phí của nhân viên". Tuyên bố này đặc biệt có sức nặng khi nó đến từ chính công ty đang cung cấp nền tảng phần cứng chủ chốt cho toàn bộ cuộc đua AI toàn cầu.

Hóa đơn AI đắt đỏ và sự thay đổi trong ưu tiên ngân sách

Không chỉ Nvidia, các công ty ứng dụng AI cũng đang đối mặt với những hóa đơn khổng lồ. Praveen Naga, CTO của Uber, tiết lộ rằng ông đã phải tái cấu trúc lại kế hoạch vì ngân sách cạn kiệt chỉ sau một thời gian ngắn triển khai. Tương tự, Amos Bar-Joseph từ Swan AI từng chia sẻ về việc nhận hóa đơn lên tới 113.000 USD mỗi tháng từ Anthropic cho một nhóm chỉ vỏn vẹn bốn người.

Phép tính đơn giản cho thấy mỗi nhân viên trong nhóm này tiêu tốn khoảng 28.000 USD tiền token hàng tháng, một con số thường cao hơn mức lương cơ bản của một kỹ sư phần mềm. Hiện nay, các dịch vụ AI tiêu chuẩn như Claude Code hay GitHub Copilot thường yêu cầu dòng tiền ổn định và liên tục do bản chất của các tác nhân tự động hóa phải hoạt động theo lịch trình dày đặc.

Tầm nhìn của Jensen Huang và chiến lược tự động hóa dài hạn

Dù chi phí cao, nhiều CEO vẫn coi đây là một tín hiệu tích cực. Theo quan điểm của Jensen Huang, CEO Nvidia, năng suất của kỹ sư trong tương lai nên được đo lường bằng số lượng token AI mà họ tiêu thụ. Ông kỳ vọng một kỹ sư có mức lương 500.000 USD sẽ sử dụng ít nhất 250.000 USD giá trị token mỗi năm để tối ưu hóa hiệu quả công việc.

Tại Uber, CTO Praveen Naga cho biết khoảng 11% các bản cập nhật mã nguồn trực tiếp hiện được thực hiện bởi các tác nhân AI. Tầm nhìn của hãng là chuyển dịch từ mô hình kỹ thuật phần mềm truyền thống sang kỹ thuật phần mềm dựa trên tác nhân AI (AI Agent Engineering). Các doanh nghiệp chấp nhận chi thêm hàng triệu USD vào token với hy vọng sẽ tự động hóa vĩnh viễn các quy trình, từ đó cắt giảm chi phí nhân sự khi hệ thống đạt đến sự ổn định lâu dài.

Thách thức về hiệu quả thực tế và rủi ro đầu tư

Tuy nhiên, con đường tiến tới tự động hóa hoàn toàn không hề bằng phẳng. Một nghiên cứu năm 2024 từ MIT chỉ ra rằng trong 77% thời gian, việc sử dụng con người vẫn mang lại hiệu quả tốt hơn so với AI về mặt chi phí và chất lượng. Việc vội vàng triển khai AI mà thiếu cấu trúc kinh doanh hoặc công cụ phù hợp có thể dẫn đến những khoản lỗ lớn.

Thực tế cho thấy, xây dựng một sản phẩm phần mềm dựa trên các thông số kỹ thuật cố định là điều khả thi, nhưng trong môi trường kinh doanh biến động, AI vẫn cần sự dẫn dắt sát sao từ con người. Việc chi tiêu mạnh tay cho token hiện nay có thể là một chi phí song song tạm thời trong giai đoạn AI "học việc", hoặc sẽ trở thành một chi phí cố định mới nếu AI trở thành yếu tố nhân rộng năng suất thiết yếu.

Nhìn chung, dù AI mang lại tiềm năng đột phá, bài toán chi phí vận hành vẫn là thách thức lớn. Các doanh nghiệp sẽ cần cân nhắc kỹ lưỡng giữa việc đầu tư vào công nghệ và duy trì đội ngũ nhân sự để đảm bảo sự phát triển bền vững trong kỷ nguyên công nghệ mới.

Bảo Long