1/3 token AI thuộc mô hình mã nguồn mở, nhu cầu điện toán có thể tăng

Chi phí sử dụng ngày càng rẻ của các mô hình trí tuệ nhân tạo (AI) trọng số mở đang giúp doanh nghiệp mở rộng phạm vi ứng dụng AI. Giới phân tích cho rằng AI giá rẻ khó thay thế hoàn toàn các mô hình đóng cao cấp, mà nhiều khả năng sẽ kéo tổng lượng sử dụng và nhu cầu điện toán đi lên.

Trong tập podcast "Thoughts on the Market" phát hành ngày 7 tháng 7, Morgan Stanley (MS) chỉ ra xu hướng doanh nghiệp phân chia mô hình đóng hiệu năng cao và mô hình trọng số mở chi phí thấp theo từng mục đích sử dụng. Stephen Byrd (Stephen Byrd), Trưởng bộ phận Nghiên cứu Chủ đề toàn cầu và Phát triển bền vững của Morgan Stanley, nói rằng "cả mô hình tiên phong lẫn mô hình mã nguồn mở đều có vai trò riêng". Theo ông, các tác vụ đơn giản hoặc lặp lại có thể dùng mô hình giá rẻ, nhưng với lập trình - nơi chi phí sửa lỗi rất lớn - và các nghiệp vụ doanh nghiệp phức tạp, mô hình hiệu năng cao vẫn hợp lý hơn.

Cơ sở cho lập luận rằng nhu cầu không giảm dù chi phí sử dụng AI thấp đi là "nghịch lý Jevons" - khái niệm cho rằng khi hiệu quả công nghệ tăng và chi phí trên mỗi đơn vị giảm, tổng mức tiêu thụ lại có thể tăng lên. Byrd nhận định khi hiệu năng mô hình được cải thiện song song với chi phí token và điện toán giảm, nhu cầu điện toán AI nhiều khả năng sẽ vượt nguồn cung.

Cuộc đua mô hình trọng số mở đang lan ra ngoài Trung Quốc, phủ khắp ngành AI toàn cầu. Moonshot AI giới thiệu Kimi K3 trên kho lưu trữ GitHub chính thức, mô tả đây là mô hình AI đa phương thức dạng tác tử (agent) dựa trên trọng số mở. Theo công bố của Moonshot AI, Kimi K3 có tổng cộng 2,8 nghìn tỷ tham số, 104 tỷ tham số kích hoạt, cửa sổ ngữ cảnh 1 triệu token, và toàn bộ trọng số mô hình được công khai. Qwen của Alibaba (BABA), Llama của Meta (META) và dòng gpt-oss của OpenAI cũng đang tham gia cuộc đua này.

OpenRouter công bố trong phân tích sử dụng năm 2025 rằng các mô hình trọng số mở đã chiếm khoảng 1/3 tổng lượng token được sử dụng tính đến cuối năm. Tuy vậy, Morgan Stanley cho rằng trong chi tiêu của doanh nghiệp, tỷ trọng các mô hình đóng cao cấp vẫn còn lớn. Cách đọc được đưa ra là thay vì chuyển toàn bộ tác vụ sang mô hình giá rẻ, xu hướng phân chia mô hình theo độ khó và mức rủi ro đang mở rộng.

Chi phí sử dụng AI giảm không đồng nghĩa tổng nhu cầu điện toán và điện năng sẽ giảm theo, thậm chí có thể tăng lên. Hồi tháng 3, Jensen Huang (Jensen Huang), Tổng giám đốc điều hành (CEO) Nvidia (NVDA), từng nói trong một cuộc trò chuyện với Morgan Stanley rằng AI dạng tác tử có thể tiêu tốn lượng token lớn hơn nhiều so với các prompt tạo sinh thông thường. Logic đưa ra là khi số lượt gọi AI của doanh nghiệp tăng, nhu cầu về GPU, bộ nhớ, điện năng và trung tâm dữ liệu cũng sẽ tăng theo.

Đánh giá về mô hình trọng số mở hiện vẫn trái chiều. Bức thư ngỏ "Open Weights and American AI Leadership" do Microsoft (MSFT) đăng tải đã có hơn 270 doanh nghiệp và tổ chức ký tên tính đến ngày 3 tháng 8. Bức thư lập luận rằng mô hình trọng số mở giúp các startup, trường đại học và cơ quan công quyền dễ tiếp cận AI hơn, đồng thời thúc đẩy cạnh tranh. Ngược lại, bức thư cũng thừa nhận rủi ro an toàn: trọng số đã công khai thì khó thu hồi sau khi phát hành, và việc theo dõi các phiên bản biến thể cũng không dễ dàng.

Thị trường tiền mã hóa có một điểm giao thoa giới hạn với xu hướng này, thông qua hạ tầng điện năng. Trong cuộc trò chuyện với Morgan Stanley, cấp phép trung tâm dữ liệu và khả năng tiếp cận nguồn điện được nhắc tới như nút thắt cổ chai của hạ tầng AI. Byrd cho biết các doanh nghiệp khai thác Bitcoin (BTC) đang sở hữu quyền tiếp cận lưới điện theo dõi sát nhu cầu này. Dữ liệu trung tâm AI và cơ sở khai thác tiền mã hóa có thể chia sẻ nguồn điện, mặt bằng và hệ thống làm mát, nhưng chưa có căn cứ nào cho thấy điều này sẽ tác động trực tiếp đến giá một token cụ thể hay kết quả kinh doanh của các công ty khai thác.