Anthropic cho rằng cuộc đua AI không nhất thiết thuộc về bên “đốt tiền” nhiều nhất, mà có thể được quyết định bởi hiệu quả: thuật toán tốt hơn, dữ liệu tốt hơn và chi phí vận hành thấp hơn.
Trong khi nhiều hãng công nghệ đặt cược vào mở rộng quy mô bằng hạ tầng và chip, lãnh đạo Anthropic nhấn mạnh chiến lược “làm nhiều hơn với ít hơn”, đồng thời thừa nhận nhu cầu compute vẫn sẽ tăng nếu muốn bám sát nhóm dẫn đầu.
- Anthropic theo đuổi chiến lược tối ưu chi phí và thuật toán thay vì chạy đua quy mô bằng mọi giá.
- Luật mở rộng (scaling laws) đang chi phối kinh tế ngành AI, nhưng các “cam kết compute” giữa các công ty không dễ so sánh trực tiếp.
- Câu hỏi lớn cho giai đoạn tới là điều gì xảy ra nếu quỹ đạo tăng trưởng theo hàm mũ chậm lại, trong khi nhu cầu compute tiếp tục leo thang.
Anthropic đặt cược vào “làm nhiều hơn với ít hơn” thay vì chỉ mở rộng quy mô
Anthropic tin rằng có thể cạnh tranh bằng chi tiêu thận trọng, thuật toán tốt hơn và cách triển khai thông minh, thay vì cố gắng chi nhiều hơn tất cả đối thủ.
Chủ tịch Daniela Amodei xem “do more with less” là nguyên tắc định hình cách công ty vận hành. Tư duy này đi ngược niềm tin phổ biến ở Thung lũng Silicon rằng “ai xây hệ thống lớn nhất sẽ thắng”, thể hiện qua việc gom vốn quy mô lớn, đặt mua chip sớm nhiều năm và xây cụm trung tâm dữ liệu khổng lồ.
Anthropic lập luận rằng giai đoạn cạnh tranh tiếp theo không chỉ được quyết định bởi ai có thể tài trợ cho các lần huấn luyện ban đầu lớn nhất. Kế hoạch của họ tập trung vào: dữ liệu huấn luyện chất lượng hơn, các kỹ thuật sau huấn luyện để cải thiện khả năng suy luận của mô hình, và quyết định sản phẩm giúp giảm chi phí vận hành khi triển khai diện rộng.
Trọng tâm “chi phí vận hành” đặc biệt quan trọng vì hóa đơn compute không dừng lại sau huấn luyện. Khi mô hình được đưa vào sử dụng, chi phí suy luận và phục vụ người dùng tăng theo mức độ áp dụng thực tế, buộc các công ty phải tối ưu hiệu suất trên mỗi đơn vị compute thay vì chỉ mở rộng thô.
OpenAI thể hiện rõ xu hướng “càng to càng thắng” với cam kết hạ tầng cực lớn
Một số đối thủ theo đuổi chiến lược mở rộng tối đa, trong đó OpenAI được nêu như ví dụ điển hình với các cam kết hạ tầng và compute rất lớn.
OpenAI được mô tả đã đưa ra các cam kết khoảng 1,4 nghìn tỷ USD cho năng lực tính toán và hạ tầng liên quan, cùng các đối tác triển khai các cơ sở trung tâm dữ liệu quy mô lớn và tiếp cận chip tiên tiến nhanh hơn so với tiền lệ của ngành.
Sự đối lập chiến lược này phản ánh hai “trường phái” trong AI: một bên coi quy mô (compute, dữ liệu, kích thước mô hình) là động cơ chính của tiến bộ; bên còn lại tìm cách “bẻ” bài toán chi phí bằng tối ưu thuật toán, pipeline và sản phẩm. Trong thực tế, nhiều công ty sẽ phải pha trộn cả hai, nhưng tỷ trọng ưu tiên có thể quyết định lợi thế dài hạn.
Luật mở rộng (scaling laws) đang chi phối kinh tế ngành AI
Scaling laws tạo nền tảng cho niềm tin rằng tăng compute, dữ liệu và kích thước mô hình thường cải thiện chất lượng theo cách có thể dự đoán, từ đó dẫn dắt dòng vốn và định giá trong ngành.
Cách tiếp cận dựa trên scaling laws hiện nâng đỡ cấu trúc tài chính của cuộc cạnh tranh AI: lý giải vì sao các hãng cloud chi tiêu lớn, vì sao nhà sản xuất chip có định giá cổ phiếu cao, và vì sao nhà đầu tư tư nhân định giá mạnh các công ty dù còn lỗ khi đang tăng trưởng.
Điểm đáng chú ý là Anthropic có liên hệ lịch sử với chính triết lý mở rộng này. Dario Amodei, CEO Anthropic, từng làm tại Baidu và Google và tham gia nhóm nghiên cứu góp phần phổ biến cách tiếp cận scaling. Vì vậy, lựa chọn hiện tại của Anthropic không phải phủ nhận hoàn toàn scaling, mà là tìm biên tối ưu giữa “mở rộng” và “hiệu quả”.
Anthropic vẫn có cam kết compute lớn, nhưng cho rằng các con số trong ngành không “so sánh ngang”
Anthropic không đứng ngoài cuộc đua compute, nhưng nhấn mạnh cần đọc kỹ cấu trúc các thỏa thuận vì nhiều con số công bố trong ngành không thể so sánh trực tiếp.
Công ty cho biết có khoảng 100 tỷ USD cam kết compute và kỳ vọng nhu cầu này sẽ còn tăng nếu muốn duy trì vị thế ở nhóm dẫn đầu. Một báo cáo cũng nêu việc Amazon vận hành mô hình Claude trên hạ tầng AI Rainier, với hơn một triệu chip Trainium2.
Daniela Amodei lưu ý các con số “khủng” được nhắc tới trong toàn ngành thường không phải “táo với táo” vì khác nhau về cấu trúc thỏa thuận. Bà mô tả áp lực khiến các công ty phải cam kết sớm để có phần cứng sau nhiều năm, khiến việc đối chiếu giữa các nhà cung cấp và các gói hợp đồng dễ gây hiểu nhầm cho thị trường.
“Nhu cầu compute cho tương lai là rất lớn. Vì vậy, kỳ vọng của chúng tôi là: đúng, chúng tôi sẽ cần nhiều compute hơn để có thể tiếp tục ở nhóm dẫn đầu khi chúng tôi mở rộng.”
– Daniela Amodei, Chủ tịch Anthropic, CNBC
Tiến bộ công nghệ AI có thể chưa chậm lại, nhưng tốc độ ứng dụng mới quyết định doanh thu
Anthropic tách bạch xu hướng công nghệ và xu hướng kinh tế: mô hình có thể tiếp tục tiến bộ, nhưng khả năng chuyển hóa thành giá trị kinh doanh phụ thuộc vào tốc độ áp dụng trong thực tế.
Daniela Amodei cho rằng, xét riêng công nghệ, Anthropic chưa thấy tín hiệu tiến bộ chậm lại dựa trên quan sát của họ. Tuy nhiên, dù công nghệ tốt đến đâu, vẫn cần thời gian để được triển khai trong bối cảnh doanh nghiệp và đời sống cá nhân.
Theo bà, câu hỏi cốt lõi là doanh nghiệp (và cả cá nhân) có thể tận dụng công nghệ nhanh đến mức nào. Điều này ảnh hưởng trực tiếp đến hiệu quả kinh tế của cuộc đua AI: doanh thu, biên lợi nhuận, và khả năng trả “hóa đơn compute” trong giai đoạn triển khai rộng.
Kịch bản “tăng trưởng hàm mũ dừng lại” có thể làm đổi luật chơi giai đoạn 2026
Nếu quỹ đạo tăng trưởng theo hàm mũ của AI suy yếu, cuộc đua có thể chuyển từ “đua quy mô” sang “đua hiệu quả” nhanh hơn, đặc biệt khi chi phí compute tiếp tục tăng.
Daniela Amodei thừa nhận ngay cả những người tiên phong của niềm tin vào scaling laws cũng bất ngờ vì hiệu năng và kết quả kinh doanh đã tăng đều qua các năm. Bà nhắc lại quan điểm “hàm mũ tiếp tục cho đến khi nó không còn tiếp tục”, và nêu câu hỏi cho năm 2026: điều gì xảy ra với cuộc đua AI và các công ty xây nó nếu mô hình tăng trưởng ưa thích của ngành ngừng hiệu lực.
Bài toán càng căng khi ngành đối mặt nhu cầu AI compute tăng nhanh hơn định luật Moore khoảng 2 lần, với ước tính cần 500 tỷ USD mỗi năm cho đến 2030. Trong bối cảnh đó, đặt cược của Anthropic vào hiệu quả thay vì chỉ mở rộng quy mô có thể tỏ ra đúng thời điểm, hoặc cũng có thể gặp giới hạn nếu “sức mạnh compute áp đảo” vẫn là lợi thế không thể thay thế.
Những câu hỏi thường gặp
Anthropic đang theo chiến lược gì trong cuộc đua AI?
Anthropic nhấn mạnh chiến lược “làm nhiều hơn với ít hơn”: chi tiêu thận trọng, cải tiến thuật toán, dùng dữ liệu chất lượng hơn, áp dụng kỹ thuật sau huấn luyện và tối ưu sản phẩm để giảm chi phí vận hành khi triển khai mô hình ở quy mô lớn.
Scaling laws là gì và vì sao chúng ảnh hưởng đến kinh tế ngành AI?
Scaling laws là niềm tin rằng tăng compute, dữ liệu và kích thước mô hình thường cải thiện chất lượng theo cách có thể dự đoán. Điều này thúc đẩy chi tiêu hạ tầng, định giá cao cho nhà sản xuất chip và khiến dòng vốn đổ mạnh vào các công ty AI dù còn lỗ khi tăng trưởng.
Anthropic có “thiếu compute” so với đối thủ không?
Anthropic cho biết có khoảng 100 tỷ USD cam kết compute và kỳ vọng còn tăng. Công ty không phủ nhận nhu cầu compute rất lớn, nhưng nhấn mạnh các con số cam kết trong ngành thường khó so sánh trực tiếp do khác biệt cấu trúc thỏa thuận.
Vì sao tốc độ ứng dụng AI quan trọng không kém tiến bộ công nghệ?
Dù công nghệ tiếp tục tốt lên, doanh thu và hiệu quả kinh tế phụ thuộc vào việc doanh nghiệp và cá nhân tích hợp AI nhanh đến mức nào. Chi phí compute khi vận hành mô hình là liên tục, nên khả năng chuyển hóa công nghệ thành giá trị thực tế quyết định sức bền tài chính.
Điều gì xảy ra nếu tăng trưởng AI theo “hàm mũ” chậm lại?
Nếu quỹ đạo tăng trưởng hàm mũ dừng lại, lợi thế có thể chuyển dịch sang tối ưu chi phí, hiệu quả triển khai và kinh tế sản phẩm. Đây là câu hỏi được nêu cho giai đoạn 2026, trong bối cảnh nhu cầu compute tăng mạnh và vốn đầu tư hạ tầng rất lớn.
