Chamath Palihapitiya cho rằng dòng tiền trong thị trường AI sẽ đến trước từ đất đai, nguồn điện và hạ tầng trung tâm dữ liệu.
Ông đồng thời nhận định biên lợi nhuận bền vững hơn có thể thuộc về các “harness” và những ứng dụng được xây dựng trên nền tảng này.
- LPS gồm đất đai, nguồn điện và phần vỏ hạ tầng của trung tâm dữ liệu.
- Harness kiểm soát cách mô hình AI tiếp nhận dữ liệu, gọi công cụ và dừng tác vụ.
- Palihapitiya cho rằng dữ liệu, quy trình và ứng dụng doanh nghiệp có thể giữ lại biên lợi nhuận khi mô hình AI trở nên phổ biến hơn.
Bản đồ dòng tiền AI của Chamath Palihapitiya
Chamath Palihapitiya phân chia thị trường AI thành nhiều lớp và cho rằng tiền sẽ chảy nhanh nhất vào đất đai, nguồn điện và hạ tầng trung tâm dữ liệu trước khi đi lên các lớp phần mềm.
Trong bài đăng trên X được gọi là “hướng dẫn đầu tư AI” tính đến tháng 8/2026, nhà sáng lập Social Capital tập trung vào hai nhóm chính: hạ tầng vật chất ở phía dưới và harness cùng ứng dụng ở phía trên.
LPS là lớp hạ tầng nhận dòng tiền sớm
LPS là viết tắt của land, power và shell, tương ứng với đất đai, nguồn điện và phần vỏ trung tâm dữ liệu trước khi chip được đưa vào.
Palihapitiya mô tả LPS là con đường rõ ràng và nhanh nhất để tạo ra lợi nhuận trên tiền mặt. Theo lập luận của ông, giá trị ở lớp này có thể được tập hợp và giao dịch nhanh, trong khi đất đã có điện có thể tăng giá khi các trung tâm dữ liệu gặp thêm phản đối.
Palihapitiya cho biết ông và đối tác Anita Verma-Lallian đã chốt gần 6 GW công suất điện vận hành đến năm 2029. Trước đó, ông cũng từng nói rằng đất đã được phê duyệt quy hoạch và khả năng tiếp cận silicon tạo ra lợi thế đàm phán cho các chủ sở hữu đối với những bên ở phía sau chuỗi giá trị.
| Dữ kiện | Giá trị |
|---|---|
| Công suất điện Palihapitiya cho biết đã chốt | Gần 6 GW |
| Thời hạn vận hành được nêu | Đến năm 2029 |
| Chi phí cho 1 triệu token AI tiên tiến được đề cập | 0,50 USD |
| Mức chi phí trước đây cho cùng khối lượng token | 56 USD |
Harness và ứng dụng có thể giữ lại biên lợi nhuận
Harness là lớp phần mềm bao quanh mô hình AI, quyết định mô hình được nhìn thấy gì, có thể gọi công cụ nào và khi nào dừng lại.
Định nghĩa này được mô tả trong bảng thuật ngữ của Hugging Face xuất bản ngày 25/5. Claude Code của Anthropic, Codex của OpenAI và Antigravity của Google được nêu như những ví dụ về harness; tài liệu của Claude Code gọi sản phẩm này là lớp harness tác vụ tự động quanh Claude.
Palihapitiya cho rằng một harness hiện đại kết hợp với mô hình mở có thể giảm mạnh lượng token tiêu thụ nhưng vẫn duy trì hiệu suất. Ông cũng nhận định harness giúp doanh nghiệp kiểm soát ngữ cảnh độc quyền, bao gồm dữ liệu, quy trình và quy tắc kinh doanh.
Trong luận điểm của Palihapitiya, ứng dụng là lớp hưởng lợi dài hạn tiếp theo. Với harness phù hợp, mỗi doanh nghiệp có thể đưa lợi thế riêng của mình vào phần mềm vận hành hoạt động kinh doanh.
Những quan điểm ủng hộ vai trò của harness
Một số nhân vật trong ngành AI đồng tình với nhận định rằng harness sẽ quan trọng hơn khi các mô hình trở nên phổ biến và dễ thay thế hơn.
Xiaoyin Qu, nhà sáng lập Tycoon AI, ủng hộ vai trò của harness và cho rằng lớp phần mềm này vẫn có thể tạo ra biên lợi nhuận ngay cả khi mô hình bị hàng hóa hóa. Theo Qu, harness phù hợp có thể mở khóa các tác vụ lớn, kéo dài và có giá trị cao hơn một đầu ra đơn lẻ của mô hình.
Aaron Levie, CEO của Box, nhận định trong một phản hồi trên X rằng harness sẽ trở thành biến số quan trọng nhất trong ngăn xếp AI, bên cạnh năng lực nguyên bản của mô hình.
Chi phí mô hình giảm đặt trọng tâm vào dữ liệu và quy trình
Chi phí sử dụng mô hình AI tiên tiến được Palihapitiya nêu đã giảm từ 56 USD xuống 0,50 USD cho mỗi triệu token, làm dấy lên câu hỏi về nơi các công ty có thể tiếp tục thu được giá trị.
Palihapitiya từng đặt vấn đề liệu mức chi tiêu hiện tại cho AI có tạo ra lợi ích cho nhiều bên ngoài một nhóm nhỏ doanh nghiệp đang thu tiền hay không. Chênh lệch chi phí token được ông dùng để minh họa cho áp lực giảm giá đối với lớp mô hình.
Trong cách giải thích của Palihapitiya, khi các mô hình trở nên rẻ hơn và dễ thay thế hơn, lợi thế có thể chuyển sang bên kiểm soát dữ liệu, quy trình công việc và các ứng dụng được xây dựng phía trên.
Những câu hỏi thường gặp
Phần giải đáp dưới đây tóm lược các khái niệm và luận điểm chính liên quan đến bản đồ đầu tư AI của Chamath Palihapitiya.
LPS trong thị trường AI là gì?
LPS là viết tắt của land, power và shell, gồm đất đai, nguồn điện và phần vỏ hạ tầng của trung tâm dữ liệu trước khi lắp chip.
Harness AI hoạt động như thế nào?
Harness là phần mềm bao quanh mô hình AI, quyết định dữ liệu mô hình tiếp nhận, công cụ được gọi và thời điểm kết thúc tác vụ.
Vì sao ứng dụng có thể giữ lại giá trị khi mô hình AI giảm giá?
Theo luận điểm được nêu, ứng dụng có thể tích hợp dữ liệu, quy trình và quy tắc kinh doanh riêng của doanh nghiệp, qua đó tạo khác biệt bên trên lớp mô hình.
Tổng kết
Palihapitiya đặt hạ tầng đất, điện và trung tâm dữ liệu ở vị trí nhận dòng tiền sớm, còn harness và ứng dụng ở vị trí có khả năng giữ lại biên lợi nhuận dài hạn khi chi phí mô hình AI tiếp tục giảm.
