Chỉ 20% sức mạnh tính toán của bạn dành cho khách hàng. 80% còn lại chỉ là thử nghiệm.
Đó là lời thú nhận trần trụi từ CFO của Anthropic. Trong một cuộc phỏng vấn gần đây, ông ta tiết lộ rằng phần lớn ngân sách GPU khổng lồ của công ty không hướng tới việc phục vụ người dùng Claude, mà là... nghiên cứu.
Tôi đã nghe điều này và cảm thấy một cơn ớn lạnh quen thuộc. Không phải vì nó tồi tệ. Mà vì nó quá giống với câu chuyện của StarkNet hay các ZK-Rollup thời kỳ đầu: chi tiêu mạnh tay cho R&D, nhưng sản phẩm cuối cùng lại mờ nhạt. Liệu Anthropic có đang lặp lại sai lầm tương tự? Hay họ đang nhìn thấy thứ mà phần còn lại của thị trường không thấy?
Bối cảnh: Câu Chuyện Của "Người Khổng Lồ Ngủ Say"
Anthropic không phải là một cái tên xa lạ. Họ là tác giả của Claude, một trong những mô hình ngôn ngữ lớn mạnh nhất hiện nay. Nhưng không giống như OpenAI, người đang chạy đua để biến ChatGPT thành một siêu thị ứng dụng, Anthropic lại hành động như một phòng thí nghiệm học thuật hơn là một công ty công nghệ.
Họ đã huy động hàng tỷ đô la. Họ có một trong những đội ngũ AI hàng đầu thế giới, bao gồm cả những cựu binh từ OpenAI. Nhưng sản phẩm của họ, Claude, dù mạnh mẽ, lại có một đặc điểm kỳ lạ: nó thường xuyên "bị giới hạn" bởi chính công ty mẹ. API của họ đắt hơn. Tốc độ suy luận chậm hơn. Và bây giờ, chúng ta đã biết lý do tại sao.
Họ đang dành phần lớn tài nguyên để "nấu" thứ gì đó lớn hơn.
Câu hỏi đặt ra là: Thứ đó là gì?
Phân Tích Kỹ Thuật: Một Cỗ Máy Nghiên Cứu Không Có Phanh
Hãy nhìn vào con số. Một CFO nói rằng "phần lớn" sức mạnh tính toán dành cho nghiên cứu. Trong thế giới AI, điều này có nghĩa là một tỷ lệ không cân xứng giữa chi phí đào tạo (training) và chi phí suy luận (inference).
- Đào tạo (Research): Là nơi bạn đốt tiền để huấn luyện một mô hình mới. Nó giống như việc xây một lò phản ứng hạt nhân. Tốn kém, chậm chạp và không có thu nhập ngay lập tức.
- Suy luận (Serving Customers): Là nơi bạn kiếm tiền. Mỗi lần một người dùng hỏi Claude một câu hỏi, Anthropic phải chạy mô hình trên GPU. Đây là dòng tiền.
Khi bạn dành 80% GPU cho đào tạo, bạn đang nói với thị trường rằng: "Tôi không quan tâm đến việc kiếm tiền từ sản phẩm hiện tại. Tôi đang đặt cược mọi thứ vào phiên bản tiếp theo."
Trong lịch sử crypto, chúng ta đã thấy điều này. Đó là cách mà Ethereum chuyển từ PoW sang PoS. Họ dành toàn bộ năng lượng cho một bản nâng cấp (The Merge) mà không có lợi ích tức thời nào cho người dùng. Kết quả? Nó đã thành công. Nhưng nó cũng suýt giết chết mạng lưới trong quá trình phát triển.
Bằng chứng on-chain (và trên GitHub) mà tôi đã thu thập được rất rõ ràng:
- Tần suất phát hành mô hình: Claude 3.5 Sonnet ra mắt nhanh chóng, nhưng Anthropic không có một làn sóng sản phẩm phụ trợ mạnh mẽ như OpenAI. Họ không xây dựng hệ sinh thái, họ xây dựng một cỗ máy.
- Chi phí API: Giá của Anthropic luôn cao hơn OpenAI từ 2-5x cho khối lượng tương đương. Đây là một dấu hiệu kinh điển của việc "không muốn bán hàng". Họ đang định giá để giảm nhu cầu.
- Tính năng giới hạn: Claude có thể xử lý các tác vụ phức tạp, nhưng nó thường từ chối trả lời vì lý do an toàn. Điều này không phải là lỗi. Đó là một tính năng. Một tính năng được thiết kế để bảo vệ "thương hiệu nghiên cứu" hơn là tối đa hóa sự hài lòng của người dùng.
Đây không phải là một chiến lược kinh doanh. Đây là một chiến lược nghi lễ.
Góc Nhìn Nghịch Lý: Văn Hóa "Không Muốn Kiếm Tiền" Có Phải Là Lợi Thế?
Đa số mọi người sẽ nói rằng đây là một sai lầm chết người. Một công ty AI mà không phục vụ khách hàng thì có ích gì? Họ sẽ bị OpenAI nghiền nát.
Nhưng tôi lại thấy một góc nhìn khác. Một góc nhìn mà rất ít người trong giới phê bình công nghệ có thể nhìn thấy.
Trong thị trường AI hiện tại, việc quá chú trọng vào khách hàng có thể là một cái bẫy.
OpenAI đang chạy đua để giảm giá, thu hút người dùng và xây dựng vòng lặp phản hồi dữ liệu. Nhưng dữ liệu từ người dùng phổ thông thường là nhiễu. Nó không giúp bạn tạo ra mô hình tốt hơn, nó chỉ giúp bạn huấn luyện mô hình đó trở nên "dễ tính" hơn.
Anthropic đang làm ngược lại. Họ đang bảo vệ mô hình của mình khỏi sự nhiễu loạn của thị trường. Bằng cách không phục vụ đám đông, họ giữ cho dữ liệu huấn luyện của mình sạch sẽ. Họ có thể tập trung vào những đột phá thực sự về mặt kỹ thuật, thay vì những cải tiến gia tăng về mặt trải nghiệm người dùng.
Hãy nhìn vào lịch sử công nghệ: Apple đã từng làm điều này với Mac. Họ không lắng nghe khách hàng, họ tạo ra thứ mà họ nghĩ là đúng. Và nó đã thay đổi thế giới.
Nhưng cũng có một nghịch lý lớn hơn: Chi phí cơ hội.
Mỗi giây GPU dành cho nghiên cứu là một giây không tạo ra doanh thu. Nếu Anthropic thất bại, họ sẽ không chỉ mất tiền, mà còn mất thời gian. Và thời gian là thứ mà AI không thể mua được.
Tương quan không phải là nhân quả. Chỉ vì bạn dành nhiều GPU cho nghiên cứu, không có nghĩa là bạn sẽ tạo ra một siêu mô hình. Bạn có thể chỉ đang tạo ra một lò sưởi GPU khổng lồ.
Takeaway: Tín Hiệu Cho Tuần Tới
Tuần này, tôi đang theo dõi hai thứ:
- Sự ra mắt của Claude 4 (hoặc bất kỳ model nào có tên mã nội bộ): Nếu Anthropic tung ra một mô hình có khả năng vượt trội so với GPT-5, thì chiến lược "đốt GPU" của họ đã được đền đáp.
- Tin tức về việc huy động vốn mới: Nếu họ công bố một vòng gọi vốn khổng lồ khác, điều đó có nghĩa là các nhà đầu tư tin rằng "cỗ máy nghiên cứu" này sẽ mang lại kết quả.
Còn bây giờ, tôi chỉ có một câu hỏi: Bạn có tin rằng một công ty từ chối kiếm tiền từ bạn ngay hôm nay sẽ có thể phục vụ bạn tốt hơn trong tương lai không?
Dữ liệu thị trường nói không. Nhưng lịch sử công nghệ nói có.
Chúng ta hãy cùng chờ xem ai đúng.