Cuộc chiến tại thung lũng Silicon về tài nguyên và chi phí

Thung lũng Silicon là miền đất hứa nhưng đầy cạnh tranh

Những dòng vốn tỉ đô và các thương vụ định giá "trên trời" dễ khiến người ngoài cuộc lầm tưởng đây là miền đất hứa rải đầy hoa hồng. Thế nhưng, phía sau những bản thuyết trình hào nhoáng và những cái bắt tay triệu đô là một thực tế tàn khốc hơn nhiều. Các nhà sáng lập startup AI không chỉ đang chạy đua với công nghệ, mà họ đang bị cuốn vào một cuộc chiến sinh tồn nơi dòng tiền bị đốt cháy với tốc độ chóng mặt. Không giống như kỷ nguyên phần mềm dịch vụ (SaaS) trước đây, nơi một chiếc máy tính xách tay và vài máy chủ đám mây giá rẻ có thể tạo nên kỳ tích, kỷ nguyên AI đòi hỏi một cái giá nhập cuộc đắt đỏ đến mức nghẹt thở.

Thách thức lớn nhất đối với các startup AI là chi phí gia nhập thị trường cực kỳ cao và cuộc đua không ngừng nghỉ để giành giật các tài nguyên cốt lõi. Đây không còn đơn thuần là câu chuyện về ý tưởng hay mô hình kinh doanh, mà là cuộc đấu sức về độ dày của ví tiền và khả năng tiếp cận những tài nguyên khan hiếm nhất hành tinh.

Nếu ví làn sóng khởi nghiệp này như một cuộc đổ bộ lên mặt trăng, thì nhiên liệu để phóng tên lửa, bao gồm nhân tài và sức mạnh tính toán đang trở nên đắt đỏ và khan hiếm đến mức có thể bóp nghẹt bất kỳ doanh nghiệp non trẻ nào ngay từ khi chưa kịp rời bệ phóng. Hai gọng kìm chính đang siết chặt lấy các startup AI chính là cuộc khủng hoảng thiếu hụt nhân sự cấp cao và cơn khát năng lực tính toán chưa từng có trong lịch sử công nghệ.

Cuộc đua giành giật nhân tài cao cấp

Cũng như bất kỳ lĩnh vực công nghệ nào, nhân tài là yếu tố quan trọng nhất, nhưng trong AI, sự cạnh tranh đạt đến mức độ khốc liệt chưa từng thấy, biến thị trường tuyển dụng thành một chiến trường không khoan nhượng. Khác với lập trình web hay phát triển ứng dụng di động nơi nguồn cung kỹ sư tương đối dồi dào, lĩnh vực AI, đặc biệt là AI tạo sinh (Generative AI) và các mô hình ngôn ngữ lớn (LLMs)... đòi hỏi một nhóm nhân sự tinh hoa cực kỳ hẹp.

Nhu cầu về các nhà nghiên cứu AI, kỹ sư học máy (Machine Learning Engineers) và đặc biệt là những người có bằng cấp cao (PhD) hoặc kinh nghiệm chuyên sâu về mô hình nền tảng (Foundation Models) đang vượt xa nguồn cung gấp nhiều lần.

Sự khan hiếm này xuất phát từ bản chất phức tạp của công nghệ. Để xây dựng và tinh chỉnh các mô hình AI tiên tiến, không chỉ cần kỹ năng viết mã (coding) mà còn cần sự am hiểu sâu sắc về toán học, thống kê, khoa học dữ liệu và trực giác về cách các mạng nơ-ron vận hành. Những chuyên gia sở hữu trọn vẹn bộ kỹ năng này thường đã dành hàng chục năm nghiên cứu trong các phòng thí nghiệm hàn lâm hoặc đang nắm giữ những vị trí chủ chốt tại các tập đoàn công nghệ lớn.

Việc "săn" được một kiến trúc sư trưởng cho hệ thống AI hay một nhà nghiên cứu có khả năng tối ưu hóa các thuật toán huấn luyện trở thành nhiệm vụ bất khả thi đối với nhiều startup, khi họ phải cạnh tranh trực tiếp với những "gã khổng lồ" không có gì ngoài tiền và danh tiếng.

Hệ quả tất yếu của sự khan hiếm này là chi phí lương bổng bị đẩy lên mức khổng lồ, tạo ra gánh nặng tài chính đè nặng lên vai các nhà sáng lập. Các startup buộc phải trả mức lương cạnh tranh sòng phẳng với các ông lớn công nghệ như Google, Meta, và OpenAI để có thể lôi kéo nhân tài về phía mình. Tại Thung lũng Silicon hiện nay, không hiếm gặp những gói thu nhập (bao gồm lương cứng, thưởng và cổ phiếu) lên tới hàng triệu đô la mỗi năm cho một kỹ sư AI cao cấp. Đối với một nhà nghiên cứu hàng đầu, con số này thậm chí còn cao hơn, ngang ngửa với mức lương của các CEO tại nhiều công ty đại chúng.

Mức lương cao ngất ngưởng này nhanh chóng làm cạn kiệt ngân sách vòng gọi vốn hạt giống (Seed funding) và Serie A của các startup. Trong mô hình khởi nghiệp truyền thống, khoản vốn vài triệu đô la từ vòng hạt giống có thể giúp công ty vận hành trong 18 đến 24 tháng, đủ để tìm ra thị trường phù hợp và phát triển sản phẩm.

Tuy nhiên, với một startup AI, số tiền đó có thể "bốc hơi" chỉ trong vòng chưa đầy một năm chỉ để trả lương cho một đội ngũ kỹ thuật nòng cốt gồm 3 đến 5 người. Áp lực này đặt các nhà sáng lập vào thế tiến thoái lưỡng nan: nếu không tuyển người giỏi nhất, sản phẩm sẽ thất bại về mặt công nghệ; nhưng nếu tuyển họ, công ty sẽ đối mặt với nguy cơ cạn vốn trước khi kịp tạo ra doanh thu.

Hơn nữa, sự cạnh tranh không chỉ dừng lại ở tiền bạc. Các ông lớn như Google hay Meta còn nắm giữ một vũ khí bí mật khác để giữ chân nhân tài: quyền truy cập vào nguồn dữ liệu khổng lồ và hệ thống hạ tầng tính toán nội bộ mạnh mẽ... những thứ mà tiền của startup cũng chưa chắc mua được. Do đó, để thuyết phục một nhân tài rời bỏ "tháp ngà" an toàn, các startup thường phải đánh đổi một lượng lớn cổ phần (equity), làm loãng quyền sở hữu của nhà sáng lập và các nhà đầu tư sớm. Cuộc chiến nhân tài vì thế không chỉ bào mòn tài chính hiện tại mà còn ảnh hưởng đến cấu trúc sở hữu tương lai của doanh nghiệp.

Chi phí tính toán và hạ tầng

Nếu nhân tài là bộ não, thì năng lực tính toán (Compute) chính là oxy để duy trì sự sống cho các dự án AI. Tuy nhiên, bầu không khí này đang ngày càng trở nên loãng và đắt đỏ. AI, đặc biệt là các mô hình ngôn ngữ lớn (LLMs), không chỉ tiêu tốn tiền bạc mà còn tiêu tốn năng lực tính toán với cường độ chưa từng có trong lịch sử ngành công nghiệp máy tính.

Không giống như phần mềm truyền thống vốn có biên lợi nhuận gộp rất cao nhờ chi phí sao chép và vận hành thấp, AI là một ngành thâm dụng vốn (capital-intensive) tương tự như sản xuất công nghiệp nặng. Mỗi câu trả lời mà ChatGPT hay Claude đưa ra đều là kết quả của hàng tỷ phép tính ma trận phức tạp chạy trên những phần cứng chuyên dụng ngốn đầy điện năng.

Thách thức đầu tiên và rõ ràng nhất là sự phụ thuộc tuyệt đối vào GPU (Graphics Processing Unit - Vi xử lý đồ họa). Việc đào tạo các mô hình tiên tiến yêu cầu các cụm GPU đắt đỏ, trong đó dòng chip H100 của Nvidia hiện được ví như "vàng đen" của kỷ nguyên số. Đây không phải là những con chip thông thường có thể mua ở cửa hàng điện tử; chúng là những siêu linh kiện có giá hàng chục nghìn USD mỗi chiếc, và để huấn luyện một mô hình AI có khả năng cạnh tranh, một startup cần hàng nghìn, thậm chí hàng chục nghìn con chip như vậy kết nối với nhau. Chi phí thuê hoặc sở hữu các cụm GPU này có thể lên đến hàng triệu, thậm chí hàng chục triệu USD, tạo ra một rào cản tài chính lớn đến mức phi lý đối với những người mới gia nhập.

Câu chuyện không chỉ dừng lại ở giá thành, mà còn là sự khan hiếm nguồn cung. Nhu cầu bùng nổ toàn cầu khiến ngay cả những công ty có tiền cũng phải xếp hàng chờ đợi nhiều tháng trời để được tiếp cận phần cứng. Tại Thung lũng Silicon, đã hình thành sự phân chia giai cấp rõ rệt giữa "GPU-rich" (những kẻ giàu GPU, thường là các tập đoàn lớn) và "GPU-poor" (những kẻ nghèo GPU, phần lớn các startup). Các startup thường phải chạy vạy khắp nơi, tận dụng mọi mối quan hệ để thuê lại năng lực tính toán thừa từ các đối tác, hoặc chấp nhận trả giá cắt cổ trên thị trường thứ cấp để đảm bảo tiến độ huấn luyện mô hình.

Bên cạnh đó, sự phụ thuộc vào đám mây (Cloud Dependence) là một cái bẫy ngọt ngào nhưng đầy rủi ro. Do chi phí đầu tư hạ tầng phần cứng ban đầu quá lớn (CAPEX), hầu hết các startup AI buộc phải lựa chọn giải pháp thuê ngoài, phụ thuộc vào các nền tảng đám mây lớn như AWS (Amazon), Azure (Microsoft) hay Google Cloud để thuê sức mạnh tính toán. Mặc dù điều này giúp họ tránh được việc bỏ ra hàng trăm triệu USD ngay lập tức, nhưng nó lại làm tăng chi phí hoạt động liên tục (OPEX) một cách khủng khiếp.

Hóa đơn điện toán đám mây trở thành khoản chi lớn thứ hai chỉ sau lương nhân sự, và nó tăng tịnh tiến theo mức độ sử dụng của người dùng. Điều này tạo ra một nghịch lý: startup càng thành công, càng nhiều người dùng, thì chi phí vận hành càng phình to, ăn mòn lợi nhuận và đôi khi dẫn đến lỗ lũy kế ngay cả khi doanh thu tăng trưởng.

Nguy hiểm hơn cả là rủi ro nền tảng (platform risk). Khi các startup thuê hạ tầng từ Google, Microsoft hay Amazon, họ đang đặt sinh mệnh của mình vào tay những kẻ khổng lồ vốn cũng đang phát triển các mô hình AI cạnh tranh trực tiếp. Các công ty đám mây này vừa là nhà cung cấp, vừa là đối thủ tiềm năng. Họ có quyền thay đổi chính sách giá, ưu tiên năng lực tính toán cho các dự án nội bộ của họ, hoặc thậm chí tung ra các dịch vụ AI tích hợp sẵn (như cách Microsoft tích hợp OpenAI vào Azure) khiến sản phẩm của startup trở nên dư thừa. Sự phụ thuộc này khiến các startup luôn sống trong cảm giác bất an, như những người thuê nhà trên mảnh đất mà chủ nhà có thể lấy lại bất cứ lúc nào để xây dựng biệt thự của riêng họ.

Tóm lại, trong kỳ đầu tiên này, bức tranh về khởi nghiệp AI hiện lên với những gam màu khắc nghiệt của thực tế tài chính. Việc xoay sở để trả lương cho những bộ óc thiên tài và thanh toán hóa đơn cho những cỗ máy tính toán khổng lồ đang bào mòn sức lực của các nhà sáng lập mỗi ngày. Tuy nhiên, giả sử một startup có đủ tiềm lực tài chính để vượt qua được "hố đen" về chi phí này, liệu họ có thể kê cao gối ngủ yên? Câu trả lời là không. Bởi vì ngay cả khi đã có người và có máy, họ vẫn phải đối mặt với một bức tường thành kiên cố khác, nơi mà các ông lớn công nghệ đã dành hàng thập kỷ để xây dựng và bảo vệ: đó là dữ liệu và khả năng phòng thủ trước sự sao chép.

Bùi Tú