Chi tiêu cho AI chững lại khi cuộc chiến giá cả và hiệu quả vận hành kìm hãm tăng trưởng doanh thu

Theo dữ liệu mới từ nền tảng vận hành tài chính Ramp, mức sử dụng AI trong doanh nghiệp đang đạt kỷ lục về khối lượng, nhưng tổng chi tiêu lại chững lại. Sự phân kỳ này cho thấy cạnh tranh giá khốc liệt và hiệu quả sử dụng được cải thiện đang kìm hãm tăng trưởng doanh thu của các nhà cung cấp mô hình lớn như OpenAI và Anthropic, ngay khi họ chuẩn bị ra mắt thị trường công chúng.

Điều gì đã xảy ra

Phân tích của Ramp chỉ ra rằng chi tiêu cho token chỉ tăng 1,5% trong tháng 8 và tháng 9 năm 2026, một sự giảm tốc mạnh mẽ so với mức tăng trưởng theo tháng 42% ghi nhận vào tháng 7. Mặc dù tháng 10 chứng kiến sự tái tăng tốc nhẹ ở mức 8,9%, xu hướng chung cho thấy kỷ nguyên tăng trưởng siêu nhanh có thể đang tạm dừng. Ara Kharazian, kinh tế gia trưởng của Ramp, lưu ý rằng nhóm 1% các công ty sử dụng AI chuyên sâu nhất, thường được gọi là những đơn vị “ngấm AI” (AI-pilled), đã chứng kiến chi tiêu trên mỗi nhân viên giảm nhẹ xuống dưới mức đỉnh 10.000 USD/tháng đạt được vào mùa hè. Vì nhóm nhỏ này đóng góp một phần không cân xứng vào tổng doanh thu, chỉ cần một sự chững lại nhỏ trong mức tiêu thụ của họ cũng đủ làm phẳng tăng trưởng của toàn bộ thị trường.

Sự chậm lại này không phải do thiếu nhu cầu. Khối lượng token tiếp tục tăng, cho thấy các công ty đang sử dụng AI thường xuyên hơn. Tuy nhiên, chi phí cho mỗi đơn vị công việc đã giảm đáng kể. Các công ty trung vị hiện chi từ 12 đến 15 USD mỗi nhân viên mỗi tháng, trong khi top 10% chi từ 600 đến 1.000 USD. Kharazian lập luận rằng chưa rõ liệu các ngành rộng lớn hơn, chẳng hạn như chăm sóc sức khỏe hoặc bán lẻ ô tô, có bao giờ đạt được mức chi tiêu cao như trong lĩnh vực phần mềm và tài chính hay không. Nếu không có các trường hợp sử dụng mới, đắt đỏ xuất hiện để thay thế cho giai đoạn bình ổn hiện tại, quỹ đạo doanh thu của các nhà cung cấp mô hình sẽ đối mặt với những lực cản đáng kể.

Cơ chế hoạt động

Động lực chính dẫn đến sự chững lại trong chi tiêu là cuộc chiến giá khốc liệt giữa các nhà cung cấp AI hàng đầu. Vào tháng 9, OpenAI đã cắt giảm giá API xuống một nửa cho các mô hình GPT-6 Sol và GPT-6 Luna. Anthropic đáp trả bằng cách giảm đáng kể giá cho Fable 5.1 và Opus 5.5, một động thái mà công ty thừa nhận đã làm giảm khoảng 600 triệu USD trong dự báo tăng trưởng doanh thu. Những đợt cắt giảm này, kết hợp với các chiết khấu dành cho doanh nghiệp nhằm giữ chân khách hàng, đã biến thị trường thành một sân chơi nghiêng về phía người mua. Khác với các độc quyền công nghệ trước đây, nơi giá khởi điểm thấp cuối cùng dẫn đến chi phí cao hơn, lĩnh vực AI vẫn duy trì tính cạnh tranh cao với sự tham gia của Meta, Nvidia và nhiều nhà cung cấp mã nguồn mở khác, liên tục tạo áp lực lên giá cả.

Ngoài các đợt cắt giảm giá bên ngoài, các doanh nghiệp ngày càng tinh vi hơn trong việc quản lý ngân sách AI. Các công ty đang áp dụng các mặc định nghiêm ngặt để ngăn chặn việc sử dụng các mô hình đắt tiền cho các tác vụ chạy dài hạn và đặt giới hạn ngân sách cứng nhắc cho nhân viên. Họ cũng sử dụng các bộ định tuyến (routers) để chuyển các truy vấn đơn giản từ các mô hình chuẩn sang các giải pháp thay thế nhẹ nhàng và rẻ hơn. Ví dụ, các công cụ như Jev cho phép các công ty xử lý các đầu ra có/không đơn giản với chi phí chỉ bằng một phần nhỏ so với các mô hình đa năng. Như Akshay Kothari, đồng sáng lập Notion, đã tóm tắt: "token tăng vùn vụt, chi phí giảm thê thảm", nhấn mạnh rằng việc tăng cường sử dụng không còn dịch chuyển tuyến tính sang tăng chi tiêu.

Chi tiết quan trọng

• Tăng trưởng chi tiêu cho token chậm lại còn 1,5% trong tháng 8 và tháng 9 năm 2026, giảm từ 42% vào tháng 7.
• OpenAI đã giảm một nửa giá API cho GPT-6 Sol và GPT-6 Luna vào tháng 9, thúc đẩy các đợt cắt giảm tương tự từ Anthropic.
• Việc giảm giá của Anthropic đã làm giảm khoảng 600 triệu USD trong dự báo tăng trưởng doanh thu của công ty.
• Top 1% các công ty chi tiêu nhiều nhất cho AI đang chứng kiến chi phí trên mỗi nhân viên giảm xuống dưới mức đỉnh 10.000 USD/tháng.
• Các công ty trung vị chi 12-15 USD mỗi nhân viên mỗi tháng, trong khi top 10% chi 600-1.000 USD.
• Định giá IPO tiềm năng của Anthropic đã giảm từ 2 nghìn tỷ USD xuống ước tính 1,2–1,3 nghìn tỷ USD.

Tại sao điều này quan trọng

Đối với các lãnh đạo phần mềm và nhà sáng lập kỹ thuật, sự chuyển dịch này báo hiệu quá trình chuyển đổi từ áp dụng thử nghiệm sang hiệu quả vận hành. Giả định rằng ngân sách AI sẽ tăng vô hạn cùng với mức độ sử dụng đang sụp đổ. Thay vào đó, các tổ chức tập trung vào kinh tế học đơn vị (unit economics), tìm cách duy trì hoặc tăng sản lượng trong khi giảm chi phí trên mỗi token. Môi trường này ưu tiên các đội ngũ có khả năng triển khai các chiến lược định tuyến vững chắc, giám sát chặt chẽ mức sử dụng và chọn lựa mô hình hiệu quả nhất về chi phí cho từng tác vụ cụ thể, thay vì mặc định chọn phương án mạnh nhất hoặc đắt nhất.

Các nhà đầu tư và lãnh đạo cũng nên điều chỉnh lại kỳ vọng về doanh thu của các nhà cung cấp AI. Con đường tiến tới lợi nhuận cho các nhà cung cấp mô hình trở nên dốc đứng hơn khi họ cạnh tranh về giá trong một thị trường đông đúc. Trong khi các sản phẩm mới như trợ lý cá nhân được quảng bá là động cơ tăng trưởng tiếp theo, các chuyên gia vẫn hoài nghi rằng chúng sẽ sánh kịp với năng suất kinh tế của các trợ lý lập trình (coding agents). Do đó, các doanh nghiệp có thể thấy mình ở vị thế đàm phán mạnh hơn, có thể tận dụng sự cạnh tranh giữa OpenAI, Anthropic và các giải pháp mã nguồn mở để đảm bảo các điều khoản tốt hơn và chi phí thấp hơn.

Bạn có thể làm gì

• Kiểm toán chi tiêu AI hiện tại của bạn để xác định các tác vụ đang sử dụng mô hình đắt tiền nhưng có thể được xử lý bởi các giải pháp thay thế nhẹ nhàng và rẻ hơn.
• Triển khai bộ định tuyến mô hình (model routers) để tự động chuyển hướng các truy vấn đơn giản, chẳng hạn như phân loại hoặc câu hỏi có/không, đến các endpoint chi phí thấp.
• Đặt giới hạn ngân sách nghiêm ngặt và hạn chế mô hình mặc định cho quyền truy cập của nhân viên để ngăn chặn việc sử dụng không kiểm soát các gói cao cấp.
• Đàm phán chiết khấu doanh nghiệp với nhiều nhà cung cấp, tận dụng cuộc chiến giá cả hiện tại để đảm bảo mức giá dài hạn tốt hơn.
• Giám sát xu hướng khối lượng token so với chi phí nội bộ để đảm bảo mức độ cải thiện hiệu quả của bạn khớp hoặc vượt trung bình thị trường.
• Đánh giá các công cụ mã nguồn mở hoặc chuyên biệt như Jev cho các trường hợp sử dụng hẹp, cụ thể, nơi các mô hình đa năng là quá dư thừa.