Kiểm chứng thực tế về AI: Thị trường chuyển dịch từ câu chuyện sang những con số

Giai đoạn kỳ vọng đã tỏ ra hữu ích bởi khi ChatGPT mới ra mắt vào đầu năm 2023, thị trường chưa có dữ liệu lịch sử về tiềm năng của công nghệ này, do đó việc định giá phải dựa trên tiềm năng. Tuy nhiên, đến cuối năm 2024, đã có hơn 200 mô hình ngôn ngữ lớn được ra mắt chỉ riêng tại Trung Quốc; thời gian duy trì đà tăng của giá cổ phiếu sau các thông báo về AI đã rút ngắn từ vài tuần xuống còn vài ngày.

Các câu hỏi từ phía nhà đầu tư đã trở nên rất cụ thể, như: bạn kiếm được bao nhiêu tiền? Bạn mất bao nhiêu khách hàng? Và sau khi chi trả chi phí GPU, bạn còn lại bao nhiêu tiền (biên lợi nhuận gộp)?

Sự chuyển đổi này được đo lường dựa trên bốn khía cạnh.

Để triển khai hiệu quả, doanh thu từ AI cần phải được phân tách rõ ràng và có thể xác nhận được. Tính đến thời điểm hiện tại, các chuyên gia phân tích đầu tư đang yêu cầu các công ty phải tách riêng doanh thu AI trong các báo cáo hàng quý. Ví dụ, trong quý 4 năm 2024 của Microsoft (MSFT), Azure AI đã đóng góp hơn 10 điểm phần trăm vào mức tăng trưởng doanh thu điện toán đám mây — một chuẩn mực đối với các đơn vị khác. Ngược lại, một số công ty cố gắng phân loại các dự án tích hợp hệ thống truyền thống thành "các hợp đồng liên quan đến AI" đã nhanh chóng bị phát hiện.

Để việc thực thi mang tính thực chất, doanh thu tạo ra từ các lệnh gọi API mô hình, đăng ký thuê bao AI SaaS và triển khai riêng tư phải được báo cáo minh bạch cùng với mức tăng trưởng hàng tháng của từng mảng.

Quá trình suy luận (inference) luôn đi kèm với chi phí, bởi mọi lệnh gọi AI tạo sinh đều phụ thuộc vào hệ thống GPU đắt đỏ và việc tiếp tục mở rộng quy mô AI có thể bào mòn biên lợi nhuận. Hiện nay, rõ ràng là thị trường không còn ưu ái chiến lược "tăng trưởng bằng mọi giá". Thay vào đó, thị trường sẽ dành sự ủng hộ cho những đội ngũ có thể quyết liệt cắt giảm chi phí liên quan đến suy luận thông qua các phương pháp như chưng cất mô hình, lượng tử hóa, định tuyến hỗn hợp chuyên gia (mixture of experts routing) và xử lý theo lô.

Những đội ngũ thực thi kế hoạch thành công nhất đã đạt được mục tiêu cắt giảm 80% chi phí trên mỗi lệnh gọi trong vòng sáu tháng. Đây chính là cách mà năng lực thực thi được định nghĩa.

Trước đây, chỉ cần có các biên bản ghi nhớ đã ký kết với khách hàng là tất cả những gì cần thiết để thực hiện một vòng gọi vốn tiếp theo.

Điều này không còn đúng nữa — hiện nay, các nhà đầu tư tập trung vào một loạt các thước đo, bao gồm tỷ lệ chuyển đổi từ thử nghiệm sang hợp đồng, doanh thu định kỳ hàng năm từ các khách hàng lớn và tỷ lệ duy trì doanh thu thuần. Nếu sản phẩm AI SaaS của bạn có tỷ lệ duy trì doanh thu thuần trên 120%, bạn đang hoạt động tốt. Nếu tỷ lệ này thấp hơn 100%, khách hàng của bạn đang rời đi!

Các công ty thành công thường sở hữu danh sách khách hàng bao gồm những "gã khổng lồ" trong các ngành công nghiệp truyền thống đã ký kết các cam kết thời hạn 3 năm.

Giai đoạn xây dựng câu chuyện đã bỏ qua chi phí thu hút khách hàng, cho thấy thị trường là vô hạn. Tuy nhiên, quá trình thực thi sẽ đưa ra những con số cụ thể. Nếu tỷ lệ giá trị vòng đời khách hàng (LTV) trên chi phí thu hút khách hàng (CAC) nhỏ hơn 1, điều đó có nghĩa là công ty của bạn đã trở thành một "hố đen ngốn tiền".

Việc thực thi hiệu quả giúp đạt được tỷ lệ LTV/CAC trên 3 thông qua chiến lược tăng trưởng lấy sản phẩm làm trung tâm để giảm chi phí thu hút khách hàng và tích hợp sâu vào quy trình làm việc nhằm tăng cường sự gắn kết của người dùng.

Khi một công ty AI chuyển đổi từ bản demo có kiểm soát sang ứng dụng thực tế, đây là thời điểm nguy hiểm nhất trong quy trình. Một bản demo trên sân khấu hoàn hảo (viết mã chính xác 100%, tóm tắt chính xác 100%) nhưng ngay sau đó khi khách hàng đầu tiên thử nghiệm, họ nhập một từ viết tắt hoặc nói bằng giọng địa phương, hệ thống sẽ gặp hiện tượng "ảo giác" hoặc độ trễ tăng vọt. Hệ thống yêu cầu GPU 12GB trong khi máy chủ chỉ cung cấp 4GB. Để vượt qua hố sâu ngăn cách này, có bốn nhiệm vụ cần được thực hiện:

• Từ mô hình tổng quát đến tinh chỉnh tập trung để nhận diện tức thì:Chọn từ 3 đến 5 nhiệm vụ có giá trị cao trong thực tế và tinh chỉnh mô hình bằng dữ liệu thực tế. Bạn có thể tạo ra giá trị kinh doanh bằng cách cung cấp chiều sâu đáng tin cậy cho một nhiệm vụ rất hẹp.
• Từ API đến giải pháp trọn gói (end-to-end):Khách hàng mua kết quả, không mua API. Hãy cung cấp các trình kết nối SaaS/tích hợp/low-code theo dạng "chìa khóa trao tay", có thể là dưới dạng thiết bị phần cứng hoặc giải pháp phần mềm (SaaS).
• Từ độ chính xác trong phòng thí nghiệm đến khả năng vận hành ổn định và kiểm soát chi phí:Đầu vào thực tế rất lộn xộn. Để xử lý đầu vào thực tế đòi hỏi phải thiết kế cho khả năng suy giảm chức năng có kiểm soát (graceful degradation) và tiết kiệm chi phí bằng cách sử dụng lượng tử hóa (quantization), xử lý theo lô (batching) và định tuyến thông minh.
• Từ bản demo tĩnh đến bánh đà dữ liệu (data flywheel):Mỗi khi người dùng thực hiện hiệu chỉnh cho mô hình, hãy tạo một vòng lặp phản hồi cho chu kỳ tinh chỉnh tiếp theo. Nếu không có vòng lặp dữ liệu, sản phẩm sẽ không thể cải thiện.

Phe lạc quan lập luận rằng sự giám sát chặt chẽ về khả năng thực thi hiện nay là lành mạnh và sẽ giúp nhận diện các bên tham gia thị trường hoạt động thực chất so với những bên chỉ đưa ra tuyên bố suông nhưng không có nguồn lực tài chính.

Phe thận trọng cảnh báo rằng nếu và khi lĩnh vực AI trải qua bất kỳ thay đổi đáng kể nào do cuộc tái thiết lập lớn trong cách các công ty tự định giá dựa trên lợi nhuận dự kiến năm 2027, họ tin rằng tất cả các công ty liên quan đến AI đều có thể bị sụt giảm giá trị đáng kể.

Một kịch bản trung dung là các doanh nghiệp hạ tầng truyền thống — mảng bán dẫn (NVIDIA, Advanced Micro Devices (AMD)) và thiết bị mạng — tiếp tục duy trì kết quả kinh doanh tốt trong 12-18 tháng tới; trong khi đó, nhiều công ty ở cấp độ ứng dụng sẽ có sự phân hóa rất lớn về kết quả tài chính, với một hoặc hai tên tuổi lớn và một số lượng lớn các bên chơi nhỏ hơn không tạo ra được lợi nhuận.

Đầu tiên, hãy đảm bảo rằng bạn yêu cầu bằng chứng về lợi nhuận hàng quý. Nếu một doanh nghiệp không cung cấp được số liệu xác thực về lợi nhuận hoặc không chứng minh được cách họ sẽ khắc phục các sai lầm trước đó trong vòng hai quý, hãy ngừng hợp tác với họ.

Thứ hai, hãy theo dõi xu hướng biên lợi nhuận gộp thay vì chỉ chú trọng vào tỷ lệ tăng trưởng doanh thu. Ví dụ, nếu một công ty ghi nhận doanh thu tăng 50% nhưng biên lợi nhuận gộp lại giảm từ 70% xuống 50%, đó là một vấn đề về năng lực thực thi.

Thứ ba, hãy tìm kiếm các doanh nghiệp có tỷ lệ duy trì doanh thu thuần (net dollar retention) trên 120% — đây là một trong những dấu hiệu khả quan nhất cho thấy khách hàng đã trở nên phụ thuộc vào sản phẩm hoặc dịch vụ được cung cấp.

Thứ tư, hãy chú ý đến quy trình thương mại hóa sản phẩm. Những công ty quản lý quy trình thương mại hóa một cách ổn định (ví dụ: chi phí trên mỗi cuộc gọi có thể dự đoán được; hiệu suất mạnh mẽ trong các trường hợp biên; vòng xoay dữ liệu tốc độ cao) có khả năng tồn tại lâu dài hơn so với những công ty không làm được điều đó (ví dụ: chỉ dựa trên dữ liệu điểm chuẩn).

Ngành công nghiệp AI hiện đã vượt qua giai đoạn phát triển thử nghiệm để tiến vào môi trường kinh doanh thực tế, nơi doanh nghiệp tập trung thực thi một cách hiệu quả về chi phí với cách tiếp cận hướng đến khách hàng. Những câu chuyện kể về AI không còn phù hợp nữa. Điều duy nhất có ý nghĩa lúc này là báo cáo tài chính của doanh nghiệp vào cuối quý.

Nội dung này được dịch bằng trí tuệ nhân tạo và đã được hiệu đính cho dễ hiểu hơn. Chỉ mang tính chất tham khảo.