a16z Phân tích chuyên sâu về khả năng tính toán của trí tuệ nhân tạo: Doanh thu tăng gấp đôi, giá cổ phiếu chịu áp lực và chi phí đầu tư khổng lồ.

Tác giả gốc: Moses Sternstein, a16z

Ghi chú của biên tập viên: Trong bối cảnh vòng đầu tư năng lực tính toán mới được thúc đẩy bởi trí tuệ nhân tạo tạo sinh (generative AI), các cuộc thảo luận trên thị trường về cơ sở hạ tầng AI đang chuyển từ câu hỏi "liệu có đủ GPU hay không" sang "ai có thể cung cấp năng lực tính toán một cách bền vững". Khi nhu cầu về đào tạo mô hình, suy luận và mở rộng trung tâm dữ liệu trở thành sự đồng thuận, một câu hỏi cơ bản hơn bắt đầu nổi lên: liệu sự tăng trưởng nhanh chóng về nhu cầu năng lực tính toán có thực sự chuyển thành lợi nhuận và dòng tiền ổn định hay không?

Trong "Biểu đồ của tuần" do a16z New Media xuất bản, tác giả Moses Sternstein bắt đầu với các công ty điện toán đám mây mới nổi như CoreWeave, Nebius và Applied Digital để thảo luận về những mâu thuẫn trong tăng trưởng, định giá và lợi nhuận trên thị trường điện toán AI, và tiếp tục mở rộng sang các mô hình SaaS theo chiều ngang, định tuyến mô hình và cạnh tranh nhân tài trong các phòng thí nghiệm tiên tiến.

Trong bài viết này, tác giả không chỉ đơn thuần đánh giá liệu nhu cầu về AI có mạnh mẽ hay không, mà còn phân tích tình hình AI hiện tại thành một loạt các câu hỏi cấu trúc cơ bản hơn: cơ sở hạ tầng hiện có đang được định giá lại như thế nào, tại sao tăng trưởng doanh thu không theo kịp với kỳ vọng ngày càng cao của thị trường, và tại sao trọng tâm cạnh tranh trong ngành AI đang chuyển từ việc mở rộng đơn thuần sang hiệu quả và lợi nhuận.

Đầu tiên, đó là sự tái khám phá giá trị của cơ sở hạ tầng. Trong quá khứ, đất đai dọc theo các tuyến đường sắt, đường ống dẫn khí đốt tự nhiên và mạng lưới truyền hình cáp phục vụ các ngành công nghiệp cụ thể trước khi được chuyển đổi thành cơ sở hạ tầng viễn thông và internet. Ngày nay, một sự định giá lại tài sản tương tự đang diễn ra. Một số công ty điện toán đám mây mới, ban đầu phục vụ khai thác tiền điện tử, đã có kinh nghiệm vận hành trong lĩnh vực điện năng, trung tâm dữ liệu, hệ thống làm mát và điện toán mật độ cao; với sự bùng nổ nhu cầu về trí tuệ nhân tạo (AI), những khả năng này nhanh chóng chuyển thành nguồn năng lực tính toán khan hiếm. Ý nghĩa nằm ở chỗ cuộc cạnh tranh giành cơ sở hạ tầng AI không bắt đầu hoàn toàn từ con số không; lợi thế ban đầu thường xuất phát từ sự kết hợp lại các tài sản hiện có, nguồn năng lượng và khả năng kỹ thuật.

Thứ hai, tồn tại sự cùng tồn tại của tốc độ tăng trưởng doanh thu cao và sự không chắc chắn về lợi nhuận. Tốc độ tăng trưởng doanh thu ban đầu của các công ty điện toán đám mây mới như CoreWeave từng vượt qua cả những gã khổng lồ điện toán đám mây như AWS trong giai đoạn đầu, nhưng thị trường vốn lại không dành cho họ sự công nhận tương xứng. Điều này là do các công ty điện toán đám mây mới không phải là các doanh nghiệp phần mềm có cấu trúc tài sản nhẹ điển hình. Việc mua sắm GPU, tiếp cận điện năng, xây dựng trung tâm dữ liệu, khấu hao chip và lãi suất nợ sẽ tăng song song với quy mô, thậm chí còn nhanh hơn cả tốc độ tăng trưởng doanh thu. Điều này có nghĩa là việc mở rộng doanh thu chỉ có thể chứng minh nhu cầu mạnh mẽ về sức mạnh tính toán AI, nhưng không thể tự động chứng minh rằng mô hình kinh doanh có tỷ suất lợi nhuận trên vốn đủ cao. Điều mà thị trường thực sự đang chờ đợi là liệu các công ty này có thể chuyển đổi các đơn đặt hàng và doanh thu thành dòng tiền tự do bền vững hay không.

Thứ ba, giá trị phần mềm đang được tái định vị dựa trên tác động của AI. Trước đây, thị trường lo ngại rằng AI tạo sinh sẽ làm suy yếu lợi thế cạnh tranh của các công ty SaaS, nhưng hiệu quả hoạt động của Atlassian cho thấy AI cũng có thể là một công cụ để tăng chi tiêu của khách hàng và sự gắn bó với sản phẩm. Trong khi đó, phần mềm an ninh mạng và giám sát tiếp tục nhận được mức định giá cao hơn vì AI khuếch đại các rủi ro tiềm tàng và tăng sự phụ thuộc của doanh nghiệp vào các giải pháp đã hoàn thiện. Điều này có nghĩa là cái gọi là "ngày tận thế của SaaS" sẽ không xảy ra một cách đồng đều. Việc AI thay thế sản phẩm, giảm giá hay mở rộng nhu cầu đang trở thành tiêu chuẩn mới để phân biệt định giá phần mềm.

Thứ tư, các ứng dụng AI đang chuyển từ việc chỉ đơn giản là "ghép nối các token" sang tối ưu hóa chúng. Trước đây, các công ty thường thích sử dụng trực tiếp các mô hình mạnh nhất của họ hoặc phân bổ ngân sách cho các nhóm kỹ thuật để thử nghiệm độc lập. Giờ đây, các công ty như Databricks đang sử dụng định tuyến thông minh để ghép nối các mô hình có mức giá và hiệu suất khác nhau dựa trên độ khó của nhiệm vụ, giảm chi phí trong khi vẫn duy trì hiệu quả. Việc giảm giá token không nhất thiết có nghĩa là tổng chi tiêu cho AI sẽ giảm: khi chi phí đơn vị giảm và các kịch bản ứng dụng tăng lên, tổng lượng tiêu thụ token và quy mô thị trường tổng thể vẫn có thể tiếp tục tăng. Hiệu quả và nhu cầu không loại trừ lẫn nhau mà có thể tạo thành một chu kỳ củng cố lẫn nhau.

Nếu tóm gọn bài viết này thành một nhận định duy nhất, đó sẽ là: Cơ sở hạ tầng AI đã chứng minh khả năng tạo ra sự tăng trưởng nhanh chóng, nhưng giai đoạn thành công tiếp theo sẽ phụ thuộc vào việc các công ty có thể chuyển đổi sự tăng trưởng đó thành hiệu quả sử dụng vốn cao hơn hay không. Theo nghĩa này, bài viết này không chỉ đơn thuần là về việc liệu các công ty như CoreWeave có thể trở thành thế hệ tiếp theo của những gã khổng lồ điện toán đám mây hay không, mà là liệu toàn bộ ngành công nghiệp AI có thể chuyển từ việc mở rộng sức mạnh tính toán sang đạt được lợi nhuận kinh doanh bền vững hay không.

Sau đây là văn bản gốc:

"Những đám mây mới" trên bầu trời

Vào đầu thế kỷ 20, Công ty Đường sắt Southern Pacific sở hữu một lượng lớn đất đai chưa được khai phá trên các vùng đất đã được giải phóng, kết nối các thành phố và thị trấn trên khắp Hoa Kỳ. Quyền sử dụng đường sắt trải rộng ra xa hơn cả đường ray, để lại nhiều hành lang dọc theo tuyến đường mở cho việc phát triển.

Vì vậy, công ty đường sắt đã xây dựng một mạng lưới thông tin liên lạc dọc theo tuyến đường sắt và đặt tên là "Mạng lưới điện thoại nội bộ đường sắt Southern Pacific". Đến những năm 1970, công ty bắt đầu thương mại hóa mạng lưới này và mở rộng phạm vi sử dụng cho nhiều người dùng hơn.

Sau đó, hai sự kiện xảy ra đồng thời: thứ nhất, thế độc quyền trong thị trường điện thoại đường dài chấm dứt; thứ hai, cáp quang bắt đầu chứng minh được tính khả thi về mặt thương mại. Các hành lang thông tin liên lạc hiện có được chuyển đổi thành đường truyền cáp quang, và mạng lưới này sau đó được biết đến với tên viết tắt là "Sprint". Những tài sản từng phục vụ cho đường sắt do đó trở thành xương sống của cơ sở hạ tầng cho cuộc cách mạng viễn thông.

Các công ty đường sắt không phải là những đơn vị duy nhất chuyển đổi các mạng lưới vật lý hiện có thành cơ sở hạ tầng công nghệ thương mại quy mô lớn hơn.

Vào những năm 1980, Công ty Williams đã chuyển đổi các đường ống dẫn khí đốt tự nhiên không sử dụng thành các kênh cáp quang, hình thành nên WilTel. Công ty này sau đó được bán lại và cuối cùng đổi tên thành WorldCom. Vào những năm 1990, các cáp đồng trục một chiều được lắp đặt cho dịch vụ truyền hình cáp đã trải qua một quá trình nâng cấp lớn và tốn kém, cuối cùng trở thành cơ sở hạ tầng để Comcast và Charter cung cấp dịch vụ internet băng rộng cho người tiêu dùng.

Điều này dẫn đến sự xuất hiện của một loại hình công ty khác: những công ty cũng có sẵn cơ sở hạ tầng đang được tái sử dụng và định giá lại đáng kể để đáp ứng nhu cầu của một công nghệ mới nổi - đó là những công ty như "neocloud".

Tóm lại, hầu hết các công ty điện toán đám mây mới ban đầu đều tham gia vào hoạt động khai thác tiền điện tử tiêu tốn nhiều năng lượng và sức mạnh tính toán, sau đó làn sóng trí tuệ nhân tạo (AI) ập đến. Đột nhiên, bất cứ ai có quyền sử dụng điện, cơ sở hạ tầng và kinh nghiệm trong việc xây dựng và quản lý các tải tính toán cường độ cao—trong trường hợp của CoreWeave, còn bao gồm cả một số lượng lớn GPU—đều trở thành một trong những lĩnh vực nóng nhất hiện nay.

Tất nhiên, đây không phải là một sự so sánh hoàn toàn tương đồng. Tuy nhiên, nếu nhìn vào ba công ty điện toán đám mây lớn nhất được niêm yết trên sàn chứng khoán, tốc độ tăng trưởng doanh thu của họ thực sự rất đáng chú ý.

Chúng ta chỉ có thể ước tính doanh thu kinh doanh điện toán đám mây của các nhà cung cấp dịch vụ điện toán đám mây siêu quy mô trong giai đoạn đầu, nhưng xu hướng chung đã rõ ràng: các công ty điện toán đám mây mới đang phát triển với tốc độ cực kỳ nhanh, nhanh hơn đáng kể so với tốc độ tăng trưởng của ba nhà cung cấp dịch vụ điện toán đám mây lớn trong giai đoạn đầu.

Cần lưu ý rằng, trên thị trường bán năng lực tính toán tổng thể, NewCloud hiện chỉ là một người chơi tương đối nhỏ.

Họ vẫn còn một chặng đường dài phía trước để đạt được quy mô của các nhà cung cấp dịch vụ điện toán đám mây siêu lớn.

Các nhà cung cấp dịch vụ điện toán đám mây siêu quy mô tạo ra doanh thu mỗi quý lớn hơn nhiều lần so với các công ty điện toán đám mây mới thành lập. Trong khi đó, CoreWeave đã đạt được trong khoảng 25 quý những gì mà AWS phải mất đến 40 quý mới đạt được: 2,6 tỷ đô la doanh thu. Tóm lại: các công ty này đang tăng trưởng với tốc độ cực kỳ nhanh chóng.

Với tốc độ tăng trưởng cao như vậy và tận dụng làn sóng của ngành công nghiệp trí tuệ nhân tạo, về lý thuyết, các nhà đầu tư nên rất hào hứng. Ở một mức độ nào đó, điều đó đúng, nhưng thực tế phức tạp hơn nhiều.

Mặc dù nhìn chung các công ty này đều báo cáo kết quả kinh doanh tốt trong báo cáo thu nhập gần đây nhất, giá cổ phiếu của CoreWeave vẫn giảm khoảng 16% trong năm qua; chỉ có Nebius là tương đối gần với mức đỉnh trước đó.

Do đó, nhìn chung câu chuyện vẫn hay, nhưng rõ ràng là kém hấp dẫn hơn đối với các công ty điện toán đám mây mới lớn nhất.

Thị trường gần đây tương đối ổn định, một phần là do nhiều kỳ vọng tăng trưởng có thể đã được phản ánh vào định giá.

Đối với các công ty cần nhiều vốn như NewCloud, tỷ lệ giá trên doanh thu không phải là chỉ số định giá phù hợp nhất, nhưng nó vẫn khá trực quan để minh họa các vấn đề. Các công ty nhỏ hơn, tăng trưởng nhanh hơn như Nebius và Applied Digital có mức định giá cao hơn đáng kể so với CoreWeave, một công ty lớn hơn nhiều. Doanh thu của CoreWeave vẫn đang tăng gấp đôi, nhưng đã tụt hậu so với tốc độ tăng trưởng từ 400% đến 450% của các công ty hàng đầu.

Nếu có bất kỳ vấn đề thực sự nào với công ty điện toán đám mây mới, thì đó không phải là tốc độ tăng trưởng, mà là lợi nhuận dài hạn. Công ty điện toán đám mây mới cần đầu tư liên tục vào chip, điện năng và cơ sở hạ tầng vật lý để mở rộng quy mô, và những chi phí này không hề thấp.

Ví dụ, CoreWeave đã chứng kiến sự tăng trưởng doanh thu ấn tượng, nhưng chi phí đầu tư của họ thậm chí còn lớn hơn nhiều. Các chi phí khổng lồ khác bao gồm khấu hao chip—vốn đã chiếm hơn một nửa doanh thu—và chi phí lãi suất ngày càng tăng do vay vốn để xây dựng cơ sở hạ tầng đắt đỏ trước thời hạn.

Bài viết này không nhằm mục đích đánh giá liệu NewCloud cuối cùng có thành công hay không, hoặc liệu giá cổ phiếu hiện tại của nó có hợp lý hay không. Vượt lên trên sự phổ biến của chủ đề này, điều mà bài viết này thực sự muốn minh họa là NewCloud thể hiện hoàn hảo cuộc giằng co giữa phe mua và phe bán trong toàn bộ lĩnh vực giao dịch bằng trí tuệ nhân tạo.

Một mặt, họ đang hoạt động trong một thị trường theo chiều dọc lớn hơn nhiều so với dự đoán trước đây và vẫn đang tiếp tục mở rộng – thị trường năng lực tính toán – và đã đạt được tốc độ tăng trưởng chưa từng có. Mặt khác, chi phí xây dựng các doanh nghiệp như vậy cũng đang ở mức cao kỷ lục, đòi hỏi những khoản đầu tư khổng lồ vào cơ sở hạ tầng cố định đang ngày càng giảm giá trị.

Liệu mô hình SaaS theo chiều ngang có đang quay trở lại?

Dưới đây là bản cập nhật ngắn gọn về bối cảnh thị trường luôn biến động của "ngày tận thế SaaS". Một trong những công ty bị ảnh hưởng nặng nề nhất bởi đợt bán tháo cổ phiếu phần mềm trước đó đã hoạt động khá tốt trong tháng vừa qua.

Trong 30 ngày giao dịch vừa qua, các công ty phần mềm đa ngành nằm trong số những công ty có hiệu suất tốt nhất trên quỹ IGV Software ETF — mặc dù họ đã giảm bớt một số khoản lợi nhuận kể từ khi bắt đầu thu thập dữ liệu.

Nhìn chung, nền tảng cơ bản của các công ty này vẫn vững chắc. Đặc biệt, Atlassian không hề suy giảm dưới tác động của trí tuệ nhân tạo như thị trường đã dự đoán trước đó.

Công ty phần mềm năng suất này đã vượt cả kỳ vọng về lợi nhuận và dự báo: doanh thu từ điện toán đám mây tăng 31% so với cùng kỳ năm trước, với doanh thu từ các đơn đặt hàng tồn đọng tăng trưởng thậm chí còn nhanh hơn. Nhưng có lẽ tín hiệu quan trọng hơn là trí tuệ nhân tạo (AI) đang trở thành động lực thúc đẩy tăng trưởng kinh doanh, chứ không phải là trở ngại. Atlassian tuyên bố rằng trợ lý AI của họ, Rovo, đã được sử dụng rộng rãi; trong khi đó, người dùng Rovo đang chi tiêu với tốc độ gần gấp đôi so với người dùng không sử dụng Rovo.

Đây là tin tốt cho Atlassian, tin tốt cho Rovo và tin tốt cho các phần mềm SaaS đa ngành.

Tuy nhiên, định giá tổng thể của phần mềm SaaS theo chiều ngang vẫn thấp hơn một chút so với các loại phần mềm khác.

Với một vài ngoại lệ, các công ty SaaS đa ngành, bao gồm cả Atlassian, nhìn chung có tỷ lệ giá trên doanh thu dự kiến thấp hơn mức tương ứng với đường xu hướng "tỷ lệ tăng trưởng - bội số định giá".

Nhắc lại, mô hình SaaS ngang hàng chỉ mới có một "tháng" tương đối tốt. Hiệu suất của một tháng là chưa đủ để thuyết phục thị trường rằng "ngày tận thế của SaaS" đã được tránh khỏi.

Dĩ nhiên, nếu doanh nghiệp phần mềm của bạn hoạt động trong lĩnh vực an ninh mạng hoặc giám sát hệ thống, thì đó lại là một câu chuyện khác — đối với những công ty đó, cái gọi là "ngày tận thế của SaaS" chưa bao giờ xảy ra.

Lĩnh vực an ninh mạng tiếp tục vượt trội đáng kể so với các lĩnh vực khác trong quỹ IGV Software ETF. Trong lĩnh vực này, trí tuệ nhân tạo (AI) đã trở thành động lực thúc đẩy: thị trường nói chung tin rằng AI nâng cao nhận thức rủi ro của con người đối với các mối đe dọa an ninh mạng, và không một khách hàng doanh nghiệp nào sẽ tự ý sử dụng phương pháp "lập trình dựa trên cảm tính" để tự tạo ra các giải pháp bảo mật của riêng mình.

Liệu logic này cuối cùng có đúng hay không vẫn còn phải chờ xem. Nhưng ít nhất là hiện tại, tình hình của các công ty phần mềm truyền thống vẫn chưa đồng đều.

Các nhà đầu tư đang theo dõi sát sao xem trí tuệ nhân tạo sẽ mang lại lợi ích hay gây hại cho mọi công ty, và họ đang điều chỉnh lại đánh giá của mình với mỗi đợt dữ liệu mới — điều này là dễ hiểu.

Hướng tới giới hạn hiệu quả của đầu tư token

Bối cảnh thị trường xoay quanh việc sử dụng mô hình, tiêu thụ token và quản lý chi tiêu token tiếp tục phát triển theo nhiều hướng thú vị.

Lấy Databricks làm ví dụ.

Đối với những câu hỏi như "Chúng ta nên sử dụng mô hình nào?" và "Mô hình nào là tốt nhất?", Databricks không áp dụng phương pháp "kẻ thắng cuộc sẽ giành tất cả", cũng không chỉ đơn giản là cấp ngân sách cho các kỹ sư và để họ tự quyết định cách chi tiêu. Họ đặt ra một câu hỏi khác: "Điều gì sẽ xảy ra nếu chúng ta phát triển một giải pháp tự động phân công đúng nhiệm vụ cho đúng mô hình?"

Databricks chắc chắn không phải là công ty duy nhất làm điều này, nhưng họ đã phát triển một "Bộ định tuyến thông minh" và khá hài lòng với hiệu suất của nó.

Các bộ định tuyến của Databricks được cho là có khả năng gọi lên các mô hình mạnh mẽ và đắt tiền hơn khi cần thiết, và sử dụng các mô hình yếu hơn và rẻ hơn khi điều kiện cho phép, nhờ đó "liên tục giảm chi phí trung bình của một tác vụ hơn 30%".

Nhìn chung, việc theo đuổi "giới hạn hiệu quả" của việc chi tiêu token không phải là điều xấu. Điều đó có nghĩa là nhu cầu tiếp tục tăng trưởng, và các kịch bản ứng dụng không chỉ phát triển ở mức hiệu suất cao nhất mà còn lan rộng sang các mô hình kém tiên tiến hơn. Trong kịch bản bi quan ban đầu, người ta cho rằng các mô hình chưa tối ưu này sẽ nhanh chóng trở nên lỗi thời.

Như chúng ta đã đề cập trước đó, việc cải thiện hiệu quả sẽ mở rộng phạm vi nhu cầu, đây chính là loại động lực mà thị trường muốn thấy, tương tự như nghịch lý của Jevons.

Chỉ số sức mạnh giá token của Silicon Data cho thấy sức mạnh giá tổng thể đang giảm, đặc biệt là khi các mô hình mở có giá thấp hơn đang chiếm thị phần lớn hơn trong thị trường đang mở rộng.

Cần làm rõ một khái niệm thường bị hiểu sai ở đây: các chỉ số này đo lường cường độ chi phí của việc sử dụng token, chứ không phải số tiền tuyệt đối bằng đô la. Nó phụ thuộc vào cả số lượng token được tiêu thụ và tổng chi phí của token. Điều này có nghĩa là ngay cả khi giá mỗi token giảm, tổng số token được tiêu thụ và tổng số tiền đã chi tiêu vẫn có thể tiếp tục tăng.

Điều thực sự quan trọng là nhu cầu tổng thể tiếp tục tăng trưởng, và việc định giá cũng như lựa chọn mô hình hướng tới hiệu quả tối ưu sẽ càng thúc đẩy sự tăng trưởng này hơn nữa. Đặc biệt đáng chú ý là "nhu cầu AI" hay "việc áp dụng AI" không phải là một khái niệm duy nhất, đồng nhất. Vẫn còn một khoảng cách đáng kể giữa người dùng sử dụng nhiều AI và người dùng khác. Điều này chứng tỏ rõ ràng rằng "luôn sử dụng mô hình tốt nhất" có thể hiệu quả với một số doanh nghiệp, nhưng chắc chắn không hiệu quả với tất cả.

Thị trường hiện đang nhanh chóng phát triển thêm nhiều lựa chọn thay thế. Nhìn chung, đây là một điều tốt.

Theo dữ liệu từ Ramp, một nền tảng quản lý chi tiêu doanh nghiệp, tất cả các công ty đều đang tăng chi tiêu cho AI, nhưng khoảng cách giữa mức chi tiêu trung bình và 10% công ty hàng đầu, cũng như giữa 10% công ty hàng đầu và 1% công ty hàng đầu, là cực kỳ lớn.

Dữ liệu của Ramp thường có xu hướng thiên về các công ty công nghệ, và điều này cần được xem xét khi phân tích. Tuy nhiên, dữ liệu cho thấy 10% công ty hàng đầu về chi tiêu có mức chi cho AI trên mỗi nhân viên cao gấp khoảng 50 lần so với công ty trung bình.

Sự phân bố này khó có thể là ngẫu nhiên. Các công ty có thể khai thác được nhiều giá trị hơn từ chi tiêu cho AI có lẽ là những công ty đầu tư nhiều nhất — ngay cả khi không phải mọi công ty đều như vậy, ít nhất một số lượng đáng kể các công ty đang tuân theo mô hình này.

Một phân tích của Boston Consulting Group về 107 công ty niêm yết công khai cho thấy rằng các công ty nằm trong hai nhóm phần trăm hàng đầu về mức độ sử dụng token có tốc độ tăng trưởng doanh thu nhanh hơn đáng kể so với các công ty khác.

Điểm mấu chốt ở đây là nhu cầu và hiệu quả sử dụng token có mối quan hệ tương hỗ: công ty càng thu được nhiều giá trị, thì càng tiêu thụ nhiều token.

Quá trình này đương nhiên bao gồm những sự đánh đổi lặp đi lặp lại giữa đầu vào và lợi nhuận, và nghiên cứu và phát triển luôn bao gồm một số chi phí ban đầu. Tuy nhiên, đối với đại đa số các công ty, việc "tích lũy token" một cách bừa bãi không bao giờ là một chiến lược hiệu quả.

Do đó, rõ ràng việc các công ty không còn cần phải áp dụng phương pháp này trong tương lai là một điều tốt.

Cuộc chiến giành nhân tài tại các phòng thí nghiệm tiên tiến.

Mới đây, New Media đã chào đón hai thành viên xuất sắc gia nhập OpenAI, vì vậy chúng tôi sẽ kết thúc bằng một vài biểu đồ thú vị để minh họa tình hình tuyển dụng nhân tài tại phòng thí nghiệm AI tiên tiến này.

Dario Amodei gần đây bày tỏ lo ngại rằng nhân viên đang ưu tiên tiền bạc hơn sứ mệnh. Dữ liệu từ Levels.fyi cho thấy mối lo ngại này có thể không phải là không có cơ sở.

Nếu chúng ta hiểu dữ liệu theo nghĩa đen, Anthropic trả lương rất cao cho các kỹ sư của mình, vượt xa mức lương của các kỹ sư có trình độ tương đương tại các công ty như Google và Tesla.

Có vẻ như việc trở thành thành viên của đội ngũ kỹ thuật thực sự là một điều tốt.

Ngoài ra, còn có một bộ dữ liệu khác cũng rất thú vị.

Theo dữ liệu từ Live Data Technologies—được Truist Securities tổng hợp và trình bày—các nguồn nhân lực của nhiều phòng thí nghiệm vừa có sự trùng lặp đáng kể, vừa có sự khác biệt rõ rệt:

Cả hai công ty đều đã tuyển dụng một lượng lớn nhân tài từ các công ty công nghệ vốn hóa lớn, nhưng chỉ có OpenAI tuyển dụng từ Nvidia và Tesla, và cả hai đợt tuyển dụng đó đều diễn ra vào năm 2026.

Databricks, Snowflake (gần đây), Palantir và DeepMind đều là những nguồn cung cấp nhân tài cho cả hai công ty.

Cả hai phòng thí nghiệm cũng đã tuyển dụng một số lượng lớn nhân viên từ Salesforce và Stripe.

Nhưng sự trùng lặp giữa hai công ty dường như chỉ dừng lại ở đó. Anthropic đã tuyển dụng rất nhiều nhân tài từ các công ty SaaS, trong khi OpenAI hầu như không có; mặt khác, OpenAI đã tuyển dụng rất nhiều nhân tài từ các công ty internet tiêu dùng, nền tảng thương mại điện tử và công nghệ quảng cáo, trong khi Anthropic lại tuyển dụng tương đối ít ở những lĩnh vực này, ngoại trừ Airbnb, Netflix và Uber.

Còn về ý nghĩa của những khác biệt này, tôi sẽ để bạn tự suy luận.