Muse của Meta thổi bùng đợt định giá lại giá trị AI
TREE NEWS đưa tin: Meta Platforms đã tăng hơn 11% vào ngày 21 tháng 9 — mức tăng một ngày lớn nhất kể từ tháng 4 năm ngoái — bổ sung hơn 190 tỷ USD vốn hóa thị trường. Chất xúc tác là Muse, tác nhân AI cá nhân mới ra mắt của Meta. Dữ liệu từ Sensor Tower cho thấy Muse đã đạt hơn 902.000 lượt tải xuống trên iOS tại Mỹ trong vòng sáu ngày kể từ khi ra mắt, vượt xa thế hệ sản phẩm trước đó của Meta. Đến thứ Hai, Muse đứng đầu cả bảng xếp hạng ứng dụng miễn phí trên iOS Mỹ và Google Play, soán ngôi ChatGPT.
Sự hào hứng của thị trường phản ánh sự thay đổi sâu sắc hơn trong cách các nhà đầu tư định giá trí tuệ nhân tạo. Nhà phân tích công nghệ Ben Thompson đã nắm bắt khoảnh khắc này trong bài luận “Frontier Overhangs”, lập luận rằng Muse Spark 1.3 không phải là mô hình tiên tiến nhất hiện có — và chính điều này là tín hiệu cảnh báo. Một mô hình không ở biên giới tiên phong đã đủ để hỗ trợ một sản phẩm tác nhân cá nhân có độ gắn kết cao.
Ngưỡng ‘đủ tốt’ và sự trỗi dậy của harness
Khái niệm cốt lõi của Thompson là “frontier overhang”: khi năng lực của các mô hình tiên phong không ngừng cải thiện, các sản phẩm thực tế và kịch bản người dùng không thể hấp thụ những tiến bộ đó đủ nhanh. Kết quả là dư thừa năng lực mô hình. Ông dẫn chứng công ty game tự sự AI Fable, nơi thế hệ mô hình mới nhận được phản ứng thị trường dè dặt — không phải vì chất lượng kém, mà vì các mô hình hiện có đã đủ cho trường hợp sử dụng đó. Một mô hình mạnh hơn không mang lại cải thiện đáng nhận thấy trong trải nghiệm người dùng, và do đó không làm tăng mức sẵn lòng chi trả.
Điều này định hình lại bối cảnh cạnh tranh. Khi hiệu suất vẫn chưa đủ, ai gắn chặt mô hình với tầng ứng dụng sẽ thắng. Một khi vượt qua ranh giới “đủ tốt”, khách hàng bắt đầu quan tâm đến tốc độ ra thị trường, sự tiện lợi, khả năng tùy chỉnh và xử lý dữ liệu — và tính mô-đun giành lợi thế. Mô hình là động cơ; harness là hộp số. Không có cái sau, ngay cả động cơ mạnh nhất cũng không thể tạo ra đầu ra hữu ích.
Muse của Meta là một canh bạc tầng ứng dụng đúng chuẩn sách giáo khoa. Điểm bán của nó không phải số lượng tham số hay điểm chuẩn, mà là liệu tác nhân có thực sự hoàn thành công việc — lập kế hoạch, thực thi các bước, theo dõi tiến độ. Muse tích hợp môi trường thực thi độc lập, bảo vệ thông tin xác thực và cổng phê duyệt cho các hành động quan trọng để thiết lập ranh giới ủy quyền rõ ràng, cùng với bộ nhớ dài hạn và thực thi nền. Một khi tác nhân cá nhân được nhúng sâu vào quy trình làm việc hàng ngày của người dùng, nó tích lũy dữ liệu cá nhân, sở thích và thói quen tạo ra chi phí chuyển đổi bền vững. Độ gắn kết đó — không phải bất kỳ phiên bản mô hình cụ thể nào — mới là hào bảo vệ thực sự.
Về phía doanh nghiệp, WorkBuddy của Tencent theo logic tương tự. Thay vì cung cấp giao diện trò chuyện chung, nó kết nối các hệ thống và quy trình nội bộ, thực thi các tác vụ đa nền tảng và nhúng AI vào hoạt động hàng ngày. Cổ phiếu niêm yết tại Hồng Kông của Tencent đã tăng hơn 6% trong phiên giao dịch sớm ngày 22 tháng 9, đạt 463,40 HKD trong ngày.
Định giá lại mô hình kinh doanh AI: Từ token đến kết quả
Khi năng lực mô hình trở nên phổ biến hóa, việc kiếm tiền từ AI đang thay đổi căn bản. Công ty đầu tư mạo hiểm a16z đã khuyên các công ty ứng dụng AI ngừng định giá theo token và chuyển sang định giá dựa trên kết quả, lập luận rằng giá trị thực đến từ dữ liệu tích hợp, công cụ, quy trình làm việc và kết quả có thể định lượng — không phải từ việc gọi mô hình nào hay tiêu thụ bao nhiêu token. Trong số 50 người mua công nghệ AI doanh nghiệp được khảo sát, 27 người ưa thích tín dụng gắn với khối lượng công việc có thể nhận diện, trong khi 14 người ưa thích định giá dựa trên token.
Gartner cảnh báo rằng tới 234 tỷ USD chi tiêu phần mềm doanh nghiệp — khoảng 20% chi tiêu SaaS ứng dụng doanh nghiệp — đối mặt với rủi ro “agent arbitrage” vào năm 2030. George Brocklehurst, đối tác điều hành của Gartner, cho biết AI tác nhân thay đổi kinh tế học của phần mềm: các tác nhân cung cấp kết quả trực tiếp, bỏ qua các ứng dụng nặng về giao diện và khiến phần mềm trở nên vô hình. Mối liên hệ truyền thống giữa số lượng ghế và tăng trưởng doanh thu phần mềm có thể suy yếu.
Khảo sát của ICONIQ với hơn 300 công ty phần mềm AI cho thấy gần hai phần ba đang xây dựng các ứng dụng AI ngang hoặc dọc, với việc sử dụng đa mô hình nay đã là tiêu chuẩn. Biên lợi nhuận gộp của sản phẩm AI được dự báo tăng từ 45% năm 2025 lên 53% năm 2026.
Điểm chính cho nhà đầu tư
- Vị thế dẫn đầu về mô hình là cần thiết nhưng không còn đủ. Con đường chuyển dịch từ năng lực tiên phong sang giá trị thương mại đang trở nên dài hơn và phức tạp hơn.
- Độ sâu tầng ứng dụng — tích hợp quy trình làm việc, độ gắn kết điểm vào của người dùng và ROI có thể kiểm chứng — có thể là chỉ số định giá có tính dự báo cao hơn số lượng tham số hay xếp hạng chuẩn.
- Các nhà cung cấp SaaS truyền thống phụ thuộc vào bảng điều khiển, mô-đun tính năng và cấp phép theo ghế đối mặt áp lực cấu trúc, mặc dù những đơn vị sở hữu dữ liệu ngành, quan hệ khách hàng và kết nối hệ thống có thể tái định vị thành tầng thực thi tác nhân.
- Theo dõi quỹ đạo biên lợi nhuận gộp và việc áp dụng định giá dựa trên kết quả như những chỉ báo then chốt phân biệt câu chuyện ứng dụng AI với doanh nghiệp ứng dụng AI.
