Nếu bạn bỏ lỡ những bài viết hay nhất gần đây:
“When a measure becomes a target, it ceases to be a good measure.”
- Goodhart’s Law
Có những cuộc cách mạng công nghệ bắt đầu bằng một lời hứa rất đơn giản: thứ từng đắt đỏ sẽ trở nên rẻ hơn.
Internet làm chi phí phân phối thông tin gần như về 0.
Cloud làm chi phí thuê compute linh hoạt hơn rất nhiều so với việc tự xây server.
SaaS biến phần mềm từ một khoản đầu tư lớn thành subscription hàng tháng.
Và bây giờ, AI đang hứa một điều còn lớn hơn: biến trí tuệ, hoặc ít nhất là phần trí tuệ có thể đo bằng token, thành một thứ có thể thuê, tính giá và tiêu thụ theo từng đơn vị nhỏ.
Nhưng chính ở đây, câu chuyện bắt đầu trở nên nguy hiểm hơn headline.
Vì một khi trí tuệ được đo bằng token, token không còn chỉ là khái niệm kỹ thuật. Nó trở thành giá. Trở thành KPI. Trở thành hóa đơn. Trở thành mục tiêu để doanh nghiệp tối ưu. Và khi một thước đo trở thành mục tiêu, hành vi con người sẽ bắt đầu xoay quanh nó.
Đó là lúc Goodhart’s Law gặp AI.
Một token không xuất hiện từ hư không. Đằng sau mỗi câu trả lời của ChatGPT, Claude, Gemini hay DeepSeek là một chuỗi vật lý rất dài: GPU, HBM memory, data center, điện, nước làm mát, transformer, đồng, bê tông, đất, zoning, transmission line và hàng tỷ USD debt để tài trợ cho toàn bộ lớp hạ tầng đó.
Nói cách khác, thế giới đang cố biến trí tuệ thành một commodity kỹ thuật số. Nhưng để tạo ra commodity đó, nó lại cần một nền móng công nghiệp cực kỳ vật lý.
Đây là nghịch lý đầu tiên.
Giá token đang giảm rất nhanh. Claude Opus 4 xử lý một triệu token đầu ra với giá khoảng $25. DeepSeek V4 Pro làm điều tương tự với chưa tới $1. Khoảng cách giữa frontier models Mỹ và efficiency models Trung Quốc không còn là 10–20%. Nó là 10 lần, 20 lần, thậm chí hơn thế. Trong lúc đó, OpenAI và Anthropic đang bước vào giai đoạn trước IPO, đúng thời điểm cả hai cần chứng minh rằng AI labs không chỉ là phòng thí nghiệm đốt tiền, mà là doanh nghiệp có unit economics bền vững.
Đây là nghịch lý thứ hai.
Trong khi giá token giảm, hành vi tiêu thụ token trong doanh nghiệp lại tăng theo những cách rất kỳ lạ. Ở Amazon, nhân viên dùng AI agents để chạy những task gần như vô nghĩa chỉ để leo bảng xếp hạng tiêu thụ token nội bộ. Meta, Uber, Walmart và nhiều doanh nghiệp lớn gặp phiên bản riêng của cùng một vấn đề. Token consumption được xem như bằng chứng của AI adoption. Nhưng một khi token trở thành mục tiêu, nó không còn đo đúng productivity nữa. Nó bắt đầu đo khả năng game hệ thống.
Đây là nghịch lý thứ ba.
Để phục vụ lượng token đó, thế giới cần ngày càng nhiều điện, chip, đồng, transformer và data center. Microsoft có backlog Azure khổng lồ chưa thể deliver vì thiếu power. Grid interconnection queue ở Mỹ kéo dài nhiều năm. Transformer lead time tăng từ vài tháng lên vài năm. Carbon futures đang phản ánh một kỳ vọng rất rõ: khi AI data centers thật sự online, thị trường điện sẽ không còn dư địa dễ chịu như trước.
Vì vậy, câu chuyện AI năm 2026 không còn đơn giản là:
“AI có thay đổi thế giới không?”
Câu trả lời gần như chắc chắn là có.
Câu hỏi đúng hơn là:
Ai trả bill cho quá trình đó, trả trong bao lâu, và liệu dòng tiền từ productivity có xuất hiện kịp trước khi chi phí vật lý, chi phí vốn và khấu hao công nghệ bắt đầu ép ngược lại toàn bộ hệ sinh thái?
Trong bài viết ngày hôm nay của Viethustler, mình sẽ đi qua năm phần:
Phần I - Token Economy: giá trí tuệ đang sụp đổ, và vì sao cuộc chiến giá OpenAI–Anthropic có thể làm xấu đi economics của toàn ngành.
Phần II - Tokenmaxxing: khi doanh nghiệp đo sai AI adoption, nhân viên học cách game hệ thống, và revenue hiện tại của AI labs có thể chứa một lớp demand không bền vững.
Phần III - AI Renting & ROI thật sự: vì sao mô hình pay-per-token làm đảo lộn SaaS economics, và tại sao phần lớn doanh nghiệp vẫn chưa đi tới giai đoạn productivity thật.
Phần IV - Bottleneck nguyên vật liệu: AI là software ở bề mặt, nhưng là industrial infrastructure ở tầng sâu.
Phần V - Hội tụ: khi giá token rẻ hơn, chi phí hạ tầng đắt hơn, demand bị bóp méo hơn - ai là người cuối cùng phải cầm hóa đơn?
