Về nhu cầu kích thích, sa thải, và chi phí thực sự của AI mà chúng ta chưa biết cách sử dụng
Nếu bạn từng dành chút thời gian trên Twitter về giao thông công cộng, bạn đã thấy meme đó.
"Thêm mỗi một làn nữa thôi ông anh."
Một kỹ sư đường cao tốc vẽ bằng bút sáp đứng cạnh xa lộ, chỉ vào những làn đường mới anh ta muốn thêm vì tắc đường quá nặng. Mặt anh ta rất chân thành. Lần này anh ta sẽ sửa được. Thêm một làn nữa và tắc nghẽn sẽ biến mất.
Nó hiếm khi biến mất được lâu.
Làn đường mới tạo ra chuyến đi mới. Công suất mới tạo ra nhu cầu mới. Các nhà kinh tế gọi đó là nhu cầu cảm ứng (induced demand). Xa lộ Katy ở Texas được mở rộng thành một trong những xa lộ rộng nhất thế giới. Tuyến 405 ở Los Angeles được mở rộng với chi phí hàng tỷ đô. Mẫu hình quen thuộc qua nhiều thập kỷ mở rộng đường cao tốc: công suất tăng, mức sử dụng phình ra lấp đầy, và tắc nghẽn quay lại.
Kỹ sư trong meme vẫn tiếp tục đòi thêm một làn nữa.
Giờ đây chúng ta đang ở đúng khoảnh khắc đó với các trung tâm dữ liệu AI.
Bài chào hàng cho hạ tầng “đúng”
Mỗi quý lại xuất hiện một thông báo mới từ các hyperscaler. Thêm một dự án xây dựng hàng chục con số. Thêm một khu campus. Thêm một trạm biến áp. Thêm một thỏa thuận điện. Thêm một trận chiến về nước. Thêm một hạt nông thôn được bảo rằng đây là cái giá của tiến bộ.
Lý lẽ biện minh thì luôn giống nhau.
Nhu cầu AI đang bùng nổ. Chúng ta cần thêm compute. Nếu không xây, Hoa Kỳ sẽ tụt lại sau Trung Quốc. Doanh nghiệp sẽ không có đủ công suất họ cần. Lập trình viên sẽ bị bó buộc. Đổi mới sẽ chậm lại.
Thêm mỗi một trung tâm dữ liệu.
Thêm mỗi một khu campus công suất một gigawatt.
Thêm mỗi một khu đất 2.700 mẫu Anh.
Thêm mỗi một lần nâng cấp lưới điện.
Rồi chúng ta sẽ có đủ.
Vẫn là ông kỹ sư đó, chỉ khác bản vẽ.
Đây là một canh bạc hạ tầng tầm thế hệ, và một phần đáng kể trong đó đã được ký kết sẵn.
Đây không phải lập luận rằng AI không cần hạ tầng. Một phần công suất mới là cần thiết.
Câu hỏi là liệu chúng ta có nên tiếp tục cam kết thêm công suất với tốc độ này, trước khi buộc bên mua phải chứng minh họ đang sử dụng công suất hiện có một cách thông minh hay không.
Hiện tại, một phần trong cái gọi là nhu cầu bùng nổ đó đúng là năng suất mới thực sự. Một phần khác là mức tiêu thụ có thể tránh được, được tạo ra bởi các thiết lập mặc định tệ, vòng lặp retry mất kiểm soát, credential hết hạn nhưng vẫn hoạt động, mô hình quá mạnh so với nhu cầu, và những workload chưa từng bị buộc phải chứng minh chi phí của mình là đáng.
Nhu cầu cảm ứng
Compute không có một đường cong nhu cầu cố định. Nó uốn theo bất cứ nguồn cung nào sẵn có.
Cho lập trình viên quyền truy cập rẻ vào mô hình frontier và nhiều workload sẽ mặc định dùng mô hình frontier. Cho agent ngân sách lớn và nhiều agent sẽ xài cho hết. Cho đội ngũ chìa khóa API không giới hạn và hóa đơn sẽ phình ra cho đến khi ai đó nhận ra.
Đến lúc đó thì workload đã được triển khai.
Một founder chạy một mô hình đắt tiền ở mọi bước của pipeline hỗ trợ khách hàng vì đó là mặc định khi kỹ sư triển khai nhanh. Pipeline hoạt động. Hóa đơn trở nên đau đớn. Sau đó ai đó phát hiện phần lớn workload có thể chạy trên mô hình rẻ hơn với rất ít hoặc không có suy giảm chất lượng đo được.
Đó không phải là một ngoại lệ kỳ quặc. Đó là cách phát triển AI tốc độ cao thường vận hành.
Các mặc định là sai. Lãng phí là vô hình. Hóa đơn đến muộn.
Điều tương tự xảy ra ở khắp nơi.
Một hệ thống truy hồi nhúng trùng lặp. Một agent hỗ trợ lặp đi lặp lại retry. Một coding agent đốt mô hình đắt nhất cho những chỉnh sửa vặt. Key của nhà thầu vẫn sống sau khi hợp đồng kết thúc. Key của cựu nhân viên vẫn sống sau khi offboard. Một key production nằm trên laptop của ai đó.
Họ không nhất thiết là ác ý. Hệ thống đơn giản là không được quản lý.
Khi ngành AI nói nhu cầu đang bùng nổ, một phần nhu cầu đó là năng suất thực. Một phần khác là mặc định xấu, credential cũ, thiếu ngân sách ràng buộc, và công việc máy móc không được quản trị.
Thêm compute không sửa được chuyện đó. Nó nuôi nó. Ngay cả các công ty như Amazon cũng đang báo cáo rằng tình trạng này đang diễn ra.
Đó là nhu cầu cảm ứng. Đó là xa lộ.
Tư duy “cắt người, thêm AI”
Khi số lượng nhân sự giảm còn ngân sách AI tăng, hai thứ đó thường được nối với nhau một cách khá trực diện. Microsoft đã nói thẳng rằng các đợt cắt giảm của họ không đơn giản là thay người bằng AI. Sam Altman thừa nhận một phần gán nguyên nhân là cái ông gọi là AI washing: viện dẫn AI cho những đợt cắt giảm mà công ty vốn dĩ cũng sẽ làm. Khảo sát các CEO đang chia sẻ rằng họ buộc phải lên kế hoạch thay đổi dựa trên AI.
Dữ liệu cho thấy rất rõ một sự tái phân bổ ưu tiên. Challenger mô tả các công ty công nghệ đang tái cấu trúc quanh AI, tự động hóa một số vai trò, và chuyển ngân sách sang năng lực mới. Không cần phải ghép từng người lao động cụ thể với từng GPU cụ thể để sự dịch chuyển vốn trở nên thật.
Điều đó khiến câu hỏi khó chịu trở nên sắc bén hơn, không phải mềm đi.
Nếu sự đánh đổi không phải là con người để lấy năng suất AI, và cũng không hoàn toàn là con người đổi lấy hư không, vậy chính xác phía “máy móc” trong bảng cân đối là cái gì? Không ai đưa ra được câu trả lời chắc chắn, bởi chi tiêu cho AI đang trở thành bảng lương nhưng không được quản lý với kỷ luật gì gần giống bảng lương.
Nhân viên con người có quản lý, ngân sách, quyền hạn, thẻ công ty, thẻ ra vào, quy trình offboard, đánh giá hiệu suất, và dấu vết kiểm toán.
Công nhân máy móc thường chỉ có một API key.
Chúng ta đang chuyển ngân sách từ bảng lương con người sang bảng lương máy móc, rồi quản lý bảng lương máy móc như một đống mật khẩu. Không chủ sở hữu. Không quản lý. Không hết hạn. Không chính sách chi tiêu. Không biên lai. Không chi phí cho mỗi kết quả hữu ích. Không bằng chứng rằng công việc máy móc xứng với chi phí máy móc.
API key là thẻ công ty mới
Một công ty sẽ không bao giờ nói: "một cựu nhân viên vẫn giữ thẻ công ty, không ai biết nó đang bị quẹt cái gì, và chúng tôi phát hiện ra sau đó vài tháng." Điều đó sẽ bị coi là thất bại vận hành hiển nhiên. Nhưng phiên bản API của chuyện này thì xảy ra liên tục.
Key của nhà cung cấp mô hình có thể tạo chi tiêu. Key cloud có thể tạo hạ tầng. Key Stripe có thể di chuyển tiền. Key GitHub có thể ship code. Key của nhà cung cấp dữ liệu có thể truy cập dataset trả phí. Key nền tảng quảng cáo có thể đốt ngân sách chiến dịch. Key sàn giao dịch có thể mua bán tài sản.
Đây không chỉ là “secrets”. Đây là quyền lực kinh tế.
Quá nhiều API key vẫn đang được đối xử như mật khẩu. Chúng cần được đối xử như thẻ công ty dành cho máy móc.
Nhà thầu, shop dev, agency marketing, kiểm toán viên, đội ngũ fractional, nhân viên, và agent đều cần quyền truy cập tài nguyên để tăng giảm theo dự án. Hôm nay, các công ty hoặc cấp quyền quá rộng, hoặc làm chậm mọi thứ lại. Dự án kết thúc, quyền vẫn còn, và chi tiêu vẫn tiếp tục.
Đó không chỉ là vấn đề bảo mật. Đó là vấn đề kế toán. Là vấn đề quản trị và vấn đề hạ tầng.
Người địa phương hiểu rất rõ
Phản ứng dữ dội của công chúng với trung tâm dữ liệu không chỉ là “đừng xây sau nhà tôi”. Người ta cảm nhận được mâu thuẫn. Một khảo sát Gallup gần đây cho thấy bảy trên mười người Mỹ sẽ phản đối việc xây trung tâm dữ liệu AI ở thành phố của họ.
Trung tâm dữ liệu tiêu tốn lượng điện khổng lồ. Tùy theo thiết kế làm mát và vị trí, chúng có thể tiêu tốn rất nhiều nước và đất nữa. Chúng tạo ra nhiệt, tiếng ồn, tranh cãi về đường dây tải điện, và sức ép chính trị địa phương rất thật. Lợi ích thường có vẻ xa xôi, riêng tư, hoặc mang tính đầu cơ. Chi phí thì ở ngay tại chỗ.
Gánh nặng hạ tầng được dồn vào các hạt nông thôn. Lợi ích kinh tế thì bị pha loãng và thường bị nắm bắt ở nơi khác. Lợi ích được hứa hẹn về sau. Chi phí đến ngay bây giờ.
Điều đó bất ổn về mặt chính trị. Năm 2026 nó đã thôi không còn là dự đoán.
Ngành này không nên ngạc nhiên khi trung tâm dữ liệu trở thành cuộc chiến chính trị toàn quốc. Nếu hạ tầng AI yêu cầu cộng đồng cung cấp đất đai, điện, nước, và sự kiên nhẫn, thì ngành phải có khả năng chứng minh compute đang được dùng một cách tốt.
Hiện tại, nhiều bên mua không làm được.
Thương vụ “người đổi lấy máy không đo đếm” là sai
Gom các lớp lại với nhau.
Một CFO đọc luận điểm đầu tư AI, phê duyệt xây dựng, cắt giảm nhân sự để tài trợ, và nói với hội đồng rằng phép tính là hợp lý. Compute được cấp. Workload được triển khai. Mặc định là sai. Key không được quản lý. Mô hình đắt bị dùng quá đà. Agent retry quá nhiều. Credential cũ vẫn chạy. Hóa đơn phình ra nhanh hơn dự báo.
Hội đồng hỏi vì sao. Câu trả lời quay lại: nhu cầu AI đang bùng nổ. Chúng ta cần thêm công suất. Thế là CFO ký hợp đồng tiếp theo. Chu kỳ lặp lại.
Trong khi đó, nhân viên bị thay thế chứng kiến công ty chi tiêu mạnh tay cho các hệ thống AI mà có thể có, có thể không thực sự tạo ra năng suất như hứa hẹn. Ủy viên hạt nhận những cuộc gọi giận dữ về điện, nước, đất, và tiếng ồn. Điều hành lưới điện cố gắng làm cho con số khớp. Người dân địa phương được bảo rằng đây là tương lai.
Quá thường xuyên, thương vụ không phải là người đổi lấy năng suất. Đó là người đổi lấy công việc máy móc không được đo đếm.
Người đổi lấy mặc định tệ. Người đổi lấy sự luộm thuộm. Và khi sự luộm thuộm trở nên đắt đỏ, câu trả lời của ngành không phải là kỷ luật. Mà là thêm một
trung tâm dữ liệu nữa. Thêm mỗi một cái nữa thôi, bro.
Câu trả lời thực sự
Câu trả lời thực sự không chỉ là xây thêm trung tâm dữ liệu.
Câu trả lời thực sự là dùng thông minh những trung tâm dữ liệu chúng ta đã có.
Đó là điều khó chịu để ngành phải nói, vì các động lực không hoàn toàn thẳng hàng. Nhà cung cấp thường được trả tiền khi tiêu thụ tăng. Bên mua thắng khi kết quả hữu ích tăng. Hai đường cong đó không giống nhau.
Lợi ích của bên mua là rất cụ thể.
Bên mua muốn mô hình nhỏ nhất làm được việc. Ít call nhất giải được bài toán. Key hết hạn khi dự án kết thúc. Credential chỉ hoạt động từ đúng thiết bị. Agent bị cắt khi đi lệch chính sách. Ngoại lệ chỉ được duyệt khi bài toán kinh doanh là thật.
Không điều nào trong đó đòi hỏi một trung tâm dữ liệu mới. Nó đòi hỏi cấp phát thông minh phần compute mà chúng ta đã có.
Con đường tới giải pháp thì nhàm chán
Chọn size workload phù hợp với mô hình. Batch những gì có thể batch. Cache những gì có thể cache. Giới hạn những gì cần phải bị giới hạn. Cấp quyền cho thứ cần vượt ngưỡng. Từ chối thứ đang chạy trên sai loại tài nguyên. credential, từ thiết bị sai, bởi người giữ sai, cho công việc sai. Đo chi phí trên mỗi kết quả hữu ích. Tự động hết hạn quyền truy cập. Dừng các vòng lặp mất kiểm soát. Chuyển hướng công việc rủi ro thấp sang các mô hình chi phí thấp. Chỉ leo thang khi chất lượng đòi hỏi. Tạo biên lai.
Thị trường đã bắt đầu để ý. Mùa hè năm nay, các CFO và hội đồng quản trị bắt đầu siết chặt các hóa đơn AI vượt ngân sách. Việc định tuyến mô hình đã chuyển từ bài báo nghiên cứu thành từ vựng phòng họp, khi các nhóm tìm cách gửi công việc thường lệ tới các mô hình rẻ hơn mà không phải hy sinh chất lượng. Bản thân các nhà cung cấp mô hình cũng bắt đầu tung ra giới hạn chi tiêu quản trị vì khách hàng yêu cầu một cách để kiềm chế hóa đơn.
Tốt. Làn sóng đó là thật và đã quá hạn. Các nhà cung cấp hiện đưa ra các mức trần chi tiêu cứng có thể thực sự chặn yêu cầu khi chạm ngưỡng, giới hạn theo từng người dùng, và các luồng phê duyệt.
Nhưng hãy để ý ranh giới của làn sóng hiện tại. Những kiểm soát đó quản lý mức tiêu thụ bên trong một nhà cung cấp, một dự án, hoặc một ứng dụng. Định tuyến chọn một mô hình rẻ hơn. Mức trần dừng một hóa đơn vượt kiểm soát. Cả hai đều không trả lời câu hỏi rộng hơn về thẩm quyền: máy nào đang hành động, từ runtime nào, thay mặt cho ai, với mục đích gì, truy cập tài nguyên bên ngoài nào, và tồn tại bằng chứng di động nào sau đó. Kiểm soát chi phí không giống với thẩm quyền có thể lập trình và có thể kiểm chứng.
AI cần toàn bộ kỷ luật đó, không chỉ nửa phần về chi phí. Không phải vì AI xấu. Mà vì AI đang trở thành lao động. Và lao động thì cần được quản lý.
Lớp mà các tác nhân AI đang thiếu
Đây là lớp mà chúng tôi nghĩ AI đang thiếu, và nó được cố ý thiết kế hẹp hơn toàn bộ ngăn xếp FinOps.
Thẩm quyền kinh tế nên được điều chỉnh trước khi thực thi: ai và cái gì có thể chi tiêu, từ thiết bị và runtime nào, cho khối lượng công việc nào và trong những giới hạn nào. Tất cả đều kèm theo một biên lai ở cuối mà một con người thực có thể kiểm tra.
Một phần của việc xây dựng trung tâm dữ liệu là cần thiết. AI là thật, và những thứ thật thì cần hạ tầng. Nhưng nhu cầu không được quản lý khiến việc xây dựng cần thiết trở nên lớn hơn, nhanh hơn, và khó biện minh hơn mức cần thiết. Con đường đúng đắn không phải là một bảng điều khiển đẹp hơn sau khi hóa đơn đến. Giải pháp là lớp kiểm soát tại credential, trước khi chi tiêu diễn ra.
Lái xe đúng hướng
Chỉ thêm một trung tâm dữ liệu nữa thôi, anh bạn.
Chúng tôi hứa lần này sẽ hiệu quả. Năng lực tính toán sắp được đưa vào hoạt động. Tỷ lệ lãng phí sắp giảm. Biên lợi nhuận sắp xuất hiện. Khối lượng công việc sắp trở nên hiệu quả. Người dân địa phương sắp chấp nhận. Lưới điện sắp chịu được. Một nghìn tỷ đô la tiền thuê đã ký sắp trông có vẻ thận trọng. Hội đồng quản trị sắp nhìn thấy mức tăng năng suất.
Chỉ thêm một cái nữa.
Có thể một phần năng lực đó là cần thiết. Nhưng trước khi ngành công nghiệp xin các cộng đồng thêm đất, thêm nước, thêm điện, và thêm kiên nhẫn, bên mua nên có thể trả lời một câu hỏi đơn giản hơn.
Chúng ta có đang sử dụng tốt năng lực tính toán mà mình đã có không? Không phải trên slide hay trong bản ghi nhớ chính sách.
Mà trong các biên lai. Mô hình nào đã được dùng. Khối lượng công việc nào cần nó. Khóa nào đã ủy quyền. Đó là cuộc chiến hạ tầng AI tiếp theo. Không phải là có compute hay không có compute. Mà là compute được quản trị hay lãng phí.
Xây dựng ít mù quáng hơn. Dùng những gì chúng ta có.