OpenAI đang mở rộng việc ứng dụng các mô hình AI vào thiết kế chip, khoa học sự sống và tài chính, với lập luận rằng chi phí thực tế nên được đo bằng giá của một nhiệm vụ hoàn thành thay vì đơn giá token.
Giám đốc tài chính Sarah Friar cho rằng mô hình có giá cao hơn vẫn có thể tiết kiệm hơn nếu giảm số lần thử lại, kiểm tra và sự can thiệp của con người. Cách định giá này đặt trọng tâm vào hiệu quả đầu ra thay vì mức giá sử dụng ban đầu.
- OpenAI nhấn mạnh chi phí cho nhiệm vụ hoàn thành thay vì giá token.
- Chip Jalapeño được OpenAI dùng làm ví dụ về việc AI rút ngắn quy trình thiết kế chip.
- Các tuyên bố về hiệu suất Jalapeño vẫn chủ yếu dựa trên số liệu do OpenAI công bố.
OpenAI chuyển trọng tâm sang chi phí của kết quả
OpenAI cho rằng doanh nghiệp nên so sánh AI bằng chi phí để hoàn thành một nhiệm vụ, thay vì chỉ nhìn vào mức giá token thấp nhất. Lập luận này được Sarah Friar đưa ra tại hội nghị Communacopia + Technology của Goldman Sachs ở San Francisco ngày 7/9.
Một mô hình giá rẻ có thể phát sinh chi phí lớn hơn nếu phải thực hiện nhiều lần, cần kiểm tra thêm hoặc phụ thuộc vào con người để sửa kết quả. Ngược lại, mô hình đắt hơn có thể hiệu quả hơn nếu cho ra câu trả lời dùng được trong ít lượt xử lý.
Quan điểm này cũng xuất hiện trong bài viết của Sarah Friar ngày 17/7, nơi OpenAI đề cập khái niệm “Useful Intelligence per Dollar”, tức lượng năng lực hữu ích trên mỗi USD chi tiêu.
AI hỗ trợ thiết kế chip, không thay thế phần mềm EDA
OpenAI cho biết các mô hình của họ được dùng để hỗ trợ kỹ sư phân tích vấn đề, đánh giá phương án và tăng tốc một số công đoạn thiết kế chip. Công nghệ này không nhằm thay thế các hệ thống tự động hóa thiết kế điện tử, hay EDA, đang được ngành bán dẫn sử dụng.
Nhu cầu về AI chuyên biệt cho từng loại công việc đang tăng lên. OpenAI cũng thử nghiệm mô hình định giá dựa trên mức độ hiệu quả mà AI tạo ra cho doanh nghiệp, thay vì chỉ tính theo lượng sử dụng.
Jalapeño là ví dụ nội bộ của OpenAI
Jalapeño là chip suy luận tùy chỉnh đầu tiên của OpenAI, được công ty xem là minh chứng cho khả năng ứng dụng AI trong quy trình phát triển phần cứng. OpenAI cho biết chip đã đi từ giai đoạn ý tưởng đến tapeout trong chín tháng.
Trong công bố ngày 25/8 về Jalapeño, OpenAI cho biết AI đã rút ngắn các vòng lặp thiết kế, đo lường và xác minh. Công ty cũng sử dụng AI để tối ưu hiệu suất của các mạch số học và lập trình chip sau khi hoàn thiện.
| Chỉ tiêu | Dữ liệu được nêu |
|---|---|
| Thời gian từ ý tưởng đến tapeout của Jalapeño | 9 tháng |
| Hiệu suất AI trên mỗi watt của Jalapeño | Cao hơn 1,5-1,9 lần so với thiết bị Nvidia GB200 và GB300 tương đương trong các phép tính được nêu |
| Các mô hình được dùng trong phép so sánh | GPT-OSS 120B, DeepSeek R1 và Kimi K2.5 |
Các số liệu về hiệu suất Jalapeño do OpenAI công bố. SemiAnalysis đã quan sát các lần chạy InferenceX nhưng không tái lập độc lập toàn bộ bộ thử nghiệm. Jalapeño được thiết kế cho nhu cầu nội bộ của OpenAI, không nhằm bán ra thị trường.
So sánh chi phí Luna cần đặt cạnh chất lượng mô hình
GPT-5.6 Luna có chi phí khoảng 0,18 USD cho một nhiệm vụ tiêu chuẩn, thấp hơn mức 2,01 USD của GLM-5.3 trong so sánh của Artificial Analysis. Tuy vậy, mức giá thấp không đồng nghĩa Luna có năng lực cao hơn ở mọi tiêu chí.
Sarah Friar cho biết việc giảm giá sản phẩm cấp thấp Luna đã góp phần đưa mức sử dụng tăng gần 10 lần, đồng thời số người dùng Codex đạt 25 triệu.
So sánh của Artificial Analysis giữa GPT-5.6 Luna và GLM-5.3 cho Luna điểm 38 trên Intelligence Index, trong khi GLM-5.3 đạt 45 điểm. Vì vậy, kết quả chỉ cho thấy Luna có lợi thế về chi phí cho nhiệm vụ tiêu chuẩn trong phép đo này, không khẳng định đây là mô hình mạnh nhất.
| Mô hình | Chi phí nhiệm vụ tiêu chuẩn | Điểm Intelligence Index |
|---|---|---|
| GPT-5.6 Luna | Khoảng 0,18 USD | 38 |
| Z.ai GLM-5.3 | Khoảng 2,01 USD | 45 |
Thị trường thiết kế chip bằng AI đã có nhiều đối thủ
Thiết kế chip có hỗ trợ AI không phải lĩnh vực mới, khi Synopsys, Cadence và Google đã triển khai công nghệ liên quan. Khác biệt mà OpenAI muốn nhấn mạnh là chi phí để đạt được một kết quả thành công bằng mô hình độc quyền của hãng.
Synopsys cho biết trợ lý AI tạo sinh của hãng có thể giảm 40% thời gian tìm kiếm thông tin và rút ngắn thời gian tìm lời giải từ 10 đến 20 lần.
Cadence công bố ngày 1/6 rằng kỹ sư AI ChipStack tự động có thể rút ngắn một số chu kỳ xác thực RTL từ năm tuần xuống dưới một ngày. Google cũng đã sử dụng AlphaChip trên các chip tiên tiến trong hệ sinh thái Alphabet.
Chi tiêu hạ tầng AI tiếp tục tăng
Chi tiêu vốn toàn cầu cho hạ tầng AI có thể đạt 31,6 nghìn tỷ USD đến năm 2050, theo dự báo của PwC. Việc nâng cấp lặp lại đối với chip và máy chủ được kỳ vọng là một động lực chính của xu hướng này.
PwC công bố ngày 2/9 rằng chi tiêu hằng năm cho hạ tầng AI có thể tăng từ khoảng 800 tỷ USD vào năm 2026 lên 1,8 nghìn tỷ USD vào năm 2050.
| Mốc thời gian | Chi tiêu hạ tầng AI hằng năm dự kiến |
|---|---|
| Năm 2026 | Khoảng 800 tỷ USD |
| Năm 2050 | Khoảng 1,8 nghìn tỷ USD |
| Tổng chi tiêu giai đoạn đến năm 2050 | 31,6 nghìn tỷ USD |
Báo cáo thị trường AI của OECD ngày 10/7 cho biết giá mô hình AI đã điều chỉnh theo chất lượng giảm gần 80% từ tháng 1/2024 đến tháng 4/2026. Tuy nhiên, năng lực tính toán, chip và các đầu vào quan trọng khác vẫn tập trung vào một số ít doanh nghiệp.
Tổng kết
OpenAI đặt cược rằng việc kết hợp chặt chẽ giữa mô hình AI, phần mềm và chip có thể giảm chi phí cho mỗi nhiệm vụ hoàn thành. Hiệu quả thực tế của hướng đi này sẽ phụ thuộc vào khả năng kiểm chứng các tuyên bố về hiệu suất, chất lượng mô hình và mức độ cạnh tranh trong ngành thiết kế chip bằng AI.
