Sau GPT-6, câu chuyện về sức mạnh tính toán tăng vọt có còn hợp lý?

Sau khi GPT-6 Astra ra mắt vào ngày 3 tháng 9, cổ phiếu bán dẫn và bộ nhớ đã phục hồi trước tiên. Vào ngày 4 tháng 9, SOXX tăng 3,5% trong một ngày, Micron tăng 6,1% và SanDisk tăng vọt 11,9%; vào ngày 7 tháng 9, KOSPI của Hàn Quốc tăng 4,61%, Samsung Electronics tăng 5,7% và SK hynix tăng khoảng 8%.
Trước đó, những lo ngại về chi tiêu vốn AI quá nóng và nhu cầu sức mạnh tính toán đạt đỉnh đã khiến các lĩnh vực liên quan biến động trong một thời gian khá dài. MarketWatch thậm chí còn mô tả đợt tăng này là Astra "thổi bùng lại giao dịch chip nhớ".

Tae Kim, tác giả cuốn "The Nvidia Way" và cựu phóng viên công nghệ của Barron's, đưa ra lời giải thích triệt để hơn: AI có thể đang bước vào vòng tăng trưởng nhu cầu sức mạnh tính toán theo cấp số nhân lần thứ tư trong bốn năm qua.

Ba vòng đầu tiên đến từ Chatbot, Reasoning và Coding Agent, trong khi vòng thứ tư có thể là Computer Use, tính năng mà Astra tập trung trình diễn lần này. Logic của Kim là Chatbot cho phép hàng trăm triệu người bắt đầu tiêu thụ sức mạnh suy luận, Reasoning đòi hỏi nhiều tính toán hơn cho mỗi câu trả lời, và Coding Agent biến mô hình từ "trả lời một lần" thành làm việc liên tục trong hàng chục phút hoặc thậm chí hàng giờ. Giờ đây, Computer Use mở rộng các tác nhân chạy liên tục từ lập trình viên sang nhân viên tri thức thông thường sử dụng Excel, Blender, CAD, Power BI và trình duyệt.

Kim từ lâu đã tập trung vào đầu tư Nvidia và bán dẫn, và bản tin Key Context của ông xoay quanh các đánh giá đầu tư công nghệ, với các bài viết gần đây nghiêng về hạ tầng AI một cách tích cực.

Do đó, "vòng tăng trưởng theo cấp số nhân lần thứ tư" chủ yếu là một giả thuyết đầu tư do phe lạc quan về sức mạnh tính toán AI đề xuất, chưa phải là một quy luật ngành đã được xác thực. Tuy nhiên, thời điểm của nó khá tinh tế.

Trước khi Astra ra mắt, hệ hình tác nhân vừa trải qua một đợt hoài nghi về "năng lực chạm trần": các tác vụ ngắn ngày càng mạnh, nhưng khi bước vào môi trường phần mềm thực tế dài hạn, nhiều bước, độ tin cậy giảm rõ rệt, điều này cũng dẫn đến những nghi ngờ nói trên về nhu cầu sức mạnh tính toán đạt đỉnh. Nếu trần năng lực của tác nhân không thể bị phá vỡ, câu chuyện về tăng trưởng sức mạnh tính toán tiếp tục trở nên không thể đứng vững.

Liệu Astra có thực sự phá vỡ trần này?

Mỗi 1 ngày công của con người tương ứng với 3,1 ngày công của Agent

Ba vòng "tăng trưởng theo cấp số nhân" đầu tiên của sức mạnh tính toán AI đề cập đến sự gia tăng đáng kể lượng tính toán mà một người dùng có thể tiêu thụ mỗi khi mô hình sử dụng thay đổi trong vài năm qua.

ChatGPT lần đầu tiên đưa suy luận vào thị trường chính thống; các mô hình Reasoning bắt đầu sẵn sàng thực hiện các phép tính nội bộ dài hơn cho một câu hỏi; đến thời Coding Agent, một lệnh đơn giản có thể kích hoạt vòng lặp liên tục đọc mã, sửa đổi, kiểm tra, phát hiện lỗi và sửa lại.

Đồng thời, các tác nhân đã bắt đầu phá vỡ giới hạn vật lý "một người chỉ có thể làm việc 8 giờ một ngày".

Vào ngày 6 tháng 9, OpenAI vừa công bố một bộ dữ liệu nội bộ. Đến giữa tháng 8 năm nay, trong số các nhà nghiên cứu của công ty, những người ở phân vị thứ 50 đang sử dụng Coding Agents để tiêu thụ lượng suy luận tương đương hơn 600 đô la mỗi ngày dựa trên giá API công khai; các nhà nghiên cứu ở phân vị thứ 90 vượt quá 7000 đô la mỗi ngày. Theo tổng hợp dữ liệu OpenAI của Business Insider, giá trị trung vị vào tháng 7 chỉ khoảng 162 đô la, tăng gần 3,7 lần chỉ trong hơn một tháng. Hình: Đến giữa tháng 8, mỗi 1 ngày công của con người trong bộ phận nghiên cứu của OpenAI tương ứng với 3,1 ngày công của Agent; lượng suy luận trung vị mà các nhà nghiên cứu sử dụng mỗi ngày là hơn 600 đô la dựa trên giá API.

Điều này chuyển đổi mức sử dụng nội bộ thành giá API, gần hơn với "cường độ suy luận của một người dùng".

Trước tháng 6, tổng thời gian chạy của tất cả các tác nhân trong bộ phận nghiên cứu của OpenAI chưa vượt quá giờ làm việc của chính các nhà nghiên cứu; đến giữa tháng 8, mỗi 1 ngày công của con người tương ứng với 3,1 ngày công của Agent. Ngày càng nhiều nhà nghiên cứu cũng chạy nhiều tác nhân đồng thời.

Điều này có nghĩa là sau hệ hình tác nhân, nhiều "tiến trình kỹ thuật số" có khả năng làm việc song song bắt đầu xuất hiện phía sau một người dùng, không còn bị giới hạn bởi giới hạn vật lý "tốc độ nhập liệu của con người". Giờ đây, một người có thể giữ cho ba hoặc bốn tác nhân làm việc liên tục, thậm chí cho phép các tác nhân tạo ra các tác nhân phụ.

Đơn vị đo lường nhu cầu sức mạnh tính toán do đó có thể thay đổi thành: có bao nhiêu tác nhân đang chạy đồng thời phía sau một người dùng, và các tác nhân này làm việc bao nhiêu giờ mỗi ngày.

Computer Use mở rộng không gian làm việc

Mặc dù Coding Agent đang phát triển nhanh chóng, nó vẫn có ranh giới rõ ràng; hầu hết những người chạy nhiều tác vụ tác nhân vẫn là lập trình viên, chỉ là một phần nhỏ trong dân số nhân viên tri thức toàn cầu.

Computer Use mở rộng không gian hơn nữa. Sau khi Astra ra mắt, Kim đã tự mình thử nghiệm. Trước đây ông không biết cách sử dụng Blender, vì vậy ông đã yêu cầu Astra nghiên cứu tàu con thoi, mở Blender và hoàn thành mô hình 3D trên Mac. Khoảng 10 phút sau, một mô hình có thể xoay đã được tạo ra.

Đối thoại thông thường đại khái theo "nhập --- suy luận --- xuất"; Coding Agent trở thành "đọc mã --- suy luận --- sửa đổi --- kiểm tra --- suy luận lại"; Computer Use tiến hóa thêm thành "nhìn màn hình --- hiểu giao diện --- quyết định hành động --- thực thi --- chờ kết quả --- quan sát lại --- xác thực --- sửa lỗi".

Một nhiệm vụ mà con người mất mười phút có thể liên quan đến hàng chục vòng hiểu thị giác, suy luận và gọi công cụ phía sau AI.

Một khi khả năng này đi vào Excel, Salesforce, SAP, Power BI, Photoshop, CAD và các hệ thống nội bộ khác nhau của doanh nghiệp, cơ sở người dùng tiềm năng mở rộng đến gần như tất cả nhân viên tri thức ngồi trước máy tính.

Đây là cốt lõi của cái mà Kim gọi là "vòng nhu cầu thứ tư":

Coding Agent muốn tiêu thụ thời gian máy tính của lập trình viên, trong khi Computer Use nhằm tiêu thụ thời gian máy tính của tất cả nhân viên văn phòng.

Nhưng cho đến nay, điều này vẫn chỉ là một khả năng.

OpenAI chưa công bố khối lượng nhiệm vụ Computer Use sau khi Astra ra mắt, cũng chưa công bố đường cong hàng ngày cho việc sử dụng token của một người dùng, mức sử dụng GPU hoặc thông lượng suy luận. Do đó, không thể chứng minh chắc chắn rằng "Astra đã mang lại vòng tăng trưởng sức mạnh tính toán thứ tư".

Sức mạnh tính toán có thực sự bắt đầu thắt chặt?

Sau khi Astra ra mắt, Tencent Technology nhận thấy một số cộng đồng nhà phát triển báo cáo một phản hồi khó định lượng nhưng đáng chú ý: trải nghiệm người dùng dường như bắt đầu khác biệt giữa các khu vực và tài khoản.

Một số nhà phát triển ở khu vực Châu Á - Thái Bình Dương báo cáo rằng gần đây phản hồi của ChatGPT và Codex chậm lại, và độ ổn định của các nhiệm vụ phức tạp không tốt bằng tài khoản Hoa Kỳ. Cộng đồng gọi trải nghiệm này là "ngu hóa".

Ít nhất một phần của điều này không hoàn toàn chủ quan.

Vào ngày 4 tháng 9, trang trạng thái chính thức của OpenAI đã báo cáo sự suy giảm hiệu suất dịch vụ ở khu vực Châu Á - Thái Bình Dương, ảnh hưởng đến nhiều sản phẩm bao gồm ChatGPT, Work và Codex Cloud. Bốn ngày sau, OpenAI công bố thỏa thuận nhiều năm với nhà điều hành trung tâm dữ liệu được Nvidia hỗ trợ Firmus để có được sức mạnh tính toán chuyên dụng từ hai trung tâm dữ liệu ở Malaysia.

Tương tự, hiện không có bằng chứng nào cho thấy OpenAI đã giảm ngân sách suy luận mô hình cho người dùng Châu Á - Thái Bình Dương hoặc chuyển sang các mô hình yếu hơn do tải tăng từ Astra.

Cái gọi là "ngu hóa" ở khu vực Châu Á - Thái Bình Dương ít nhất có thể pha trộn ba yếu tố khác nhau: vấn đề cơ sở hạ tầng và định tuyến khu vực, kiểm soát rủi ro cấp tài khoản và giới hạn tốc độ, và lập lịch tài nguyên động trong giờ cao điểm. Những điều này có thể biểu hiện phía người dùng là hiệu suất chậm hơn, tỷ lệ thất bại cao hơn, gián đoạn gọi công cụ và thậm chí câu trả lời cuối cùng tệ hơn cho các nhiệm vụ phức tạp.

Tuy nhiên, phản hồi này vẫn cung cấp một cách khác để quan sát áp lực lên sức mạnh tính toán AI.

Khi các mô hình ngày càng có khả năng tiêu thụ tính toán liên tục, sự thắt chặt nguồn cung có thể biểu hiện trước tiên là biến động về độ trễ, tỷ lệ thất bại và chất lượng dịch vụ giữa các khu vực và tài khoản khác nhau.

Vấn đề là đánh giá này hiện thiếu một bộ dữ liệu quan trọng nhất:

Liệu có sự khác biệt ổn định về độ trễ token đầu tiên, tổng thời gian suy luận, tỷ lệ thành công của công cụ và tỷ lệ hoàn thành nhiệm vụ cuối cùng cho cùng một mô hình, cùng một gói và cùng một nhiệm vụ ở các khu vực khác nhau hay không.

Cho đến khi có được dữ liệu này, "ngu hóa" chỉ có thể là manh mối, không phải bằng chứng về sự thắt chặt sức mạnh tính toán.

Hình: Vào ngày 8 tháng 9, một người dùng đã chia sẻ lời nhắc từ GPT-6 Astra cho biết "công suất đầy", nói rằng cả bốn tài khoản của họ đều không thể hoạt động bình thường và hệ thống đề xuất chuyển sang các mô hình khác. Tibo đã nói đùa trong một tweet lại, nói rằng "chúng ta đã trở lại", coi "mô hình đầy tải" là tín hiệu nhu cầu AI mới.

Thị trường vốn đã bắt đầu đặt cược lại

Mặc dù đường cong sử dụng sức mạnh tính toán thực tế sau khi Astra ra mắt chưa được công khai, thị trường vốn đã giao dịch dựa trên câu chuyện "nhu cầu AI chưa đạt đỉnh".

MarketWatch đưa tin rằng sau khi Astra ra mắt, iShares Semiconductor ETF tăng khoảng 3,5%, với các công ty liên quan đến bộ nhớ như Samsung, SK hynix và Kioxia thậm chí còn mạnh hơn. Truyền thông nước ngoài thậm chí còn mô tả trực tiếp đợt hoạt động thị trường này là Astra "thổi bùng lại giao dịch chip nhớ".

Đáng chú ý, khía cạnh nổi bật nhất của đợt tăng này không phải là Nvidia, mà là bộ nhớ.

Nếu Computer Use thực sự trở thành khối lượng công việc bền vững để chạy các tác nhân, mức tăng cần thiết sẽ không chỉ là tính toán GPU. Ngữ cảnh dài hơn, KV Cache, tác nhân đồng thời, máy ảo, trình duyệt và môi trường phần mềm có thể tiếp tục đẩy nhu cầu về HBM, DRAM, CPU, mạng và lưu trữ lên cao.

Do đó, giao dịch gần đây trên thị trường vốn không hoàn toàn là về "GPT-6 mạnh hơn"; logic chính vẫn là: liệu một mô hình thông minh hơn có khiến người dùng sẵn sàng mua nhiều tính toán hơn không?

Đây cũng là điểm khác biệt lớn nhất giữa câu chuyện hạ tầng AI vòng này và phần mềm truyền thống.

Phần mềm truyền thống càng được tối ưu hóa, một người dùng có thể cần ít tài nguyên máy chủ hơn.

Ngược lại, AI tạo sinh có thể thể hiện "Nghịch lý Jevons" ngược lại: mô hình càng hiệu quả và tỷ lệ thành công nhiệm vụ càng cao, mọi người càng sẵn sàng giao nhiều công việc hơn, dài hơn và phức tạp hơn cho AI, cuối cùng dẫn đến tăng tổng mức tiêu thụ sức mạnh tính toán.

Tuy nhiên, cần thận trọng, vì thị trường vốn cũng có "điểm mù" của riêng nó.

Hạ tầng AI đã trải qua một vòng tăng trưởng và điều chỉnh đáng kể trước đó, và cổ phiếu bán dẫn cũng đã chứng kiến sự thoái lui rõ rệt trong năm nay do chi tiêu vốn quá nóng và dòng tiền tự do giảm từ các nhà cung cấp đám mây. Do đó, vài ngày phục hồi do Astra mang lại chỉ có thể chỉ ra rằng các nhà đầu tư đang bắt đầu đặt cược lại, nhưng chưa đủ để chứng minh rằng vòng nhu cầu sức mạnh tính toán thứ tư đã thực sự xuất hiện.

Một phép tính kinh tế

Đánh giá của Kim cuối cùng phụ thuộc vào ba câu hỏi thực tế hơn.

Đầu tiên vẫn là độ tin cậy.

Hoạt động kinh doanh thực tế không phải là bản demo một lần. Liệu một Agent có thể vận hành ERP, mô hình tài chính hoặc phần mềm kỹ thuật liên tục trong vài giờ và vẫn duy trì tính chính xác khi cửa sổ bật lên, thay đổi quyền và cập nhật dữ liệu xảy ra là một câu hỏi hoàn toàn khác.

Thứ hai là chi phí.

Trong tương lai, thực sự sẽ tốn bao nhiêu để hoàn thành công việc tương đương với một giờ sử dụng máy tính của con người trước khi Computer Use?

Nếu AI có thể hoàn thành một nhiệm vụ 50 đô la cho nhân viên với giá 10 đô la, nhu cầu có thể dễ dàng bùng nổ; nếu tốn 100 đô la, tiềm năng thị trường hoàn toàn khác.

Con số 600 đô la/ngày từ OpenAI chỉ ra rằng mặc dù Agents có thể tạo ra nhu cầu khổng lồ, nó cũng gợi ý rằng phương thức làm việc này có thể vẫn rất đắt đỏ ngày nay.

Câu hỏi thứ ba: Liệu Computer Use cuối cùng có loại bỏ một phần nhu cầu của chính nó?

Hiện tại, các mô hình cần nhìn vào màn hình và tìm nút vì phần mềm hiện có được thiết kế cho con người. Một khi Salesforce, Microsoft, Adobe hoặc các hệ thống nội bộ của doanh nghiệp bắt đầu mở trực tiếp API, MCP và giao diện Agent, nhiều nhiệm vụ sẽ không cần mô phỏng hành động chuột và bàn phím nữa.

Kết quả có khả năng hơn là sự hợp nhất giữa Computer Use và Tool Use: nơi có giao diện có cấu trúc, chúng sẽ được gọi trực tiếp; đối với các hệ thống cũ không có giao diện hoặc khó sửa đổi, thao tác trực quan sẽ tiếp tục.

Do đó, thị trường thực sự được Computer Use mở ra có thể không phải là "làm cho AI nhấp chuột vào máy tính như con người mãi mãi", mà là thông qua cách tiếp cận "chủ nhân con người của tôi đã ủy quyền cho tôi nhấp vào phần mềm của bạn, vì vậy bạn không thể kiểm soát tôi", cho phép Agents phá vỡ hệ sinh thái ứng dụng hiện có. Agents cuối cùng có thể bước vào những môi trường làm việc lớn cuối cùng mà tự động hóa trước đây không thể bao phủ.

Đây cũng là phần mà Kim gọi là "vòng tăng trưởng theo cấp số nhân lần thứ tư" thực sự đáng để xác minh: "Computer Use là bước đệm, hay thực sự là một sự thay đổi mô hình khác?"

Sau GPT-6, câu chuyện sức mạnh tính toán ngày càng khó diễn đạt do Agents chạm trần có còn mạch lạc không?

Thị trường vốn đã bắt đầu đặt cược lại.

Sau sự bùng nổ của AI tạo sinh, thị trường tiếp tục tát vào mặt phe bi quan về "tăng trưởng sức mạnh tính toán". Lần này có khác không?