Từ 'Cuộc đua mô hình' đến 'Chốt sổ': Cạnh tranh trong ngành AI giờ đây là gì – Câu trả lời từ WAIC 2026
Anthropic
Moonshot AI
Tại WAIC 2026, các chuyên gia ghi nhận một sự chuyển dịch mô hình: ngành công nghiệp AI đang chuyển từ việc trình diễn khả năng của mô hình sang hạch toán tài chính nghiêm ngặt ('chốt sổ'). Ba hạng mục chi phí chính được thảo luận – cơ sở hạ tầng (tổng đầu tư vượt 700 tỷ đô la với chỉ 50 tỷ đô la doanh thu), suy luận (chi phí mỗi token giảm 8–10 lần nhưng tổng chi tiêu tăng), và vốn (các nhà đầu tư yêu cầu tính kinh tế thực sự). Mô hình vẫn quan trọng, nhưng trọng tâm đang chuyển sang sản phẩm, khả năng của tác nhân, cơ sở hạ tầng và dữ liệu đáng tin cậy.
Tại hội nghị WAIC 2026, các chuyên gia từ nhiều lĩnh vực khác nhau - bao gồm công nghiệp, vốn, công nghệ và hạ tầng - đã thảo luận về sự chuyển dịch của ngành AI từ cuộc đua về tham số mô hình sang một giai đoạn 'kiểm kê' thực tế hơn. Những thay đổi chính trong năm 2026 bao gồm: sự xuất hiện của Claude Fable5, gây hoang mang trong lĩnh vực an ninh mạng; chi phí tăng vọt của các bộ tăng tốc (giá thuê và mua đã tăng gấp nhiều lần); sự phức tạp của các ứng dụng doanh nghiệp (B2B); sự mất cân bằng gấp ba lần giữa đầu tư (hơn 700 tỷ đô la) và doanh thu (50 tỷ đô la) trong hạ tầng; giá mỗi token giảm 8-10 lần cùng với sự gia tăng tổng lượng token tiêu thụ; và sự chuyển hướng chú ý của nhà đầu tư từ 'những câu chuyện lớn' sang lợi nhuận kinh tế thực tế. Các tham dự viên lưu ý rằng mô hình vẫn quan trọng, nhưng vai trò của chúng đang thay đổi: các công ty lớn phải đầu tư vào mô hình, trong khi các công ty khởi nghiệp nên tập trung vào ý tưởng sản phẩm. Công nghệ tác tử (Agent + Harness) đã cho phép các mô hình xác suất giải quyết các tác vụ tất định, đặc biệt trong lập trình, nơi lượng token tiêu thụ tăng vọt. Các lĩnh vực ưu tiên trong năm tới bao gồm: hạ tầng AI, AI đáng tin cậy (độ tin cậy và bảo mật), mô hình thế giới (dữ liệu vật lý), dữ liệu đáng tin cậy trong các lĩnh vực hẹp (y tế, công nghiệp), và tốc độ suy luận mô hình (lên đến 15.000 token mỗi giây trên các mô hình 8 tỷ tham số). Các chuyên gia đồng ý rằng các điểm chuẩn (benchmark) vẫn hữu ích, nhưng các bài kiểm tra kín (closed tests) đáng tin cậy hơn các bài kiểm tra mở (open tests).
Nguồn: InfoQ 中国 —
bản gốc
