Nửa năm bùng nổ của AI: Các nhà đầu tư đang lo ngại điều gì?

Thời gian gần đây, lĩnh vực AI trên thị trường thứ cấp đang trải qua những biến động mạnh — chip, bộ nhớ và các kết nối quang học lần lượt trở thành tâm điểm chú ý. Meta vừa tiếp tục nâng dự báo chi phí đầu tư (capex) năm 2026, một lần nữa đẩy câu hỏi về việc chi tiêu cho hạ tầng AI sẽ kéo dài và tăng tốc đến bao giờ trở thành tâm điểm của sự quan tâm.

Dòng tiền vẫn liên tục đổ vào lĩnh vực tính toán, lưu trữ và trung tâm dữ liệu, khiến thị trường bắt đầu đặt câu hỏi: Liệu hạ tầng AI đã chạm đỉnh tạm thời? Cơn sốt này còn kéo dài được bao lâu? Đồng thời, các xu hướng như trí tuệ hiện thân (embodied intelligence), mô hình thế giới (world models), các Agent, Token và sự dịch chuyển phần cứng từ đám mây (cloud) sang biên (edge) và thiết bị đầu cuối đang diễn ra đồng thời.

Khi năm 2026 đã đi qua hơn một nửa, các nhà đầu tư công nghệ tại FreeS Fund là Pengqi Liu và Qianhang Yan đã cùng ngồi lại để nhìn lại sáu tháng vừa qua: Tại sao định giá dự án lại thay đổi theo từng tuần? Điều gì còn đọng lại sau khi cơn sốt OpenClaw hạ nhiệt? Tại sao các mô hình thế giới lại bùng nổ cùng một lúc? Cuộc đua về năng lực tính toán với tín hiệu "đầu vào là điện năng, đầu ra là Token" báo hiệu điều gì? Và nếu bong bóng cuối cùng cũng vỡ, những công ty nào sẽ vẫn trụ lại được?

Chúng tôi đã biên tập các đoạn trích từ cuộc trò chuyện của họ dưới đây. Để nghe toàn bộ nội dung, hãy tìm kiếm "Gao Neng Liang" trên ứng dụng Xiaoyuzhou hoặc Apple Podcasts.

Chúng tôi vẫn tiếp tục theo dõi các bước tiến công nghệ trong lĩnh vực Agent. Nếu bạn là nhà sáng lập hoặc người đang hoạt động trong lĩnh vực này, đừng ngần ngại liên hệ với Pengqi Liu ([email protected]) hoặc Qianhang Yan ([email protected]).

Pengqi Liu: Nhìn lại từ giữa năm 2026, sự tiến hóa của AI không hề chậm lại chút nào. Từ OpenClaw và các mô hình thế giới đến lưu trữ và kết nối quang học, cho đến việc vốn hóa thị trường của Zhipu AI vượt mốc một nghìn tỷ đô la Hồng Kông — các chủ đề nóng xuất hiện theo từng đợt, tất cả đều nén lại trong cùng một khoảng thời gian sáu tháng. Hôm nay chúng ta sẽ cùng điểm lại theo thứ tự để xem điều gì thực sự đang diễn ra phía sau hậu trường.

Câu hỏi đầu tiên dành cho anh, Tiến sĩ Yan — anh đã xem xét khoảng bao nhiêu dự án trong nửa đầu năm nay?

Qianhang Yan: Khoảng 200 đến 300 dự án, trong đó các dự án liên quan đến AI chiếm khoảng 150 đến 200.

Pengqi Liu: Cảm nhận của tôi cũng tương tự. Nếu phải mô tả nửa đầu năm bằng một vài từ khóa, anh sẽ chọn từ gì?

Qianhang Yan: Đầu tiên là FOMO (nỗi sợ bị bỏ lỡ). Các lĩnh vực nóng đột nhiên xuất hiện hàng loạt người và dự án mà bạn chưa từng thấy trước đây, với mức định giá tăng chóng mặt. Nhiều người tự ép mình phải xem xét từng dự án một: Hôm nay chúng ta đã đầu tư chưa? Bao nhiêu? Chúng ta có nên rót thêm vốn không?

Thứ hai là sự phân hóa cấu trúc. Một số ít các lĩnh vực nóng đang thu hút vốn rất tích cực, trong khi hầu hết các ngành khác vẫn khá lạnh nhạt. Thị trường thứ cấp cũng vậy — cổ phiếu công nghệ đang hoạt động tốt, nhưng các cổ phiếu nằm ngoài tâm điểm có thể khá ảm đạm hoặc thậm chí đang sụt giảm.

Thứ ba là việc định giá chạy trước (valuation front-running). Trong đầu tư giai đoạn đầu, trước đây thường có một cảm quan khá rõ ràng về cột mốc nào tương ứng với mức định giá nào. Công ty sẽ xây dựng sự đồng thuận, đạt được một giai đoạn phát triển, rồi định giá mới tăng lên. Giờ đây, sức nóng và FOMO đã phá vỡ phần lớn kinh nghiệm đó — một mức định giá 1 tỷ USD có thể xuất hiện nhanh như tên lửa chỉ trong vài tháng.

Pengqi Liu: Một số dự án chứng kiến định giá thay đổi chỉ trong một tuần, thậm chí xảy ra tình trạng ba vòng gọi vốn diễn ra cùng lúc — một vòng vừa chốt, một vòng đang thảo luận điều khoản (term sheet), một vòng khác đã ấn định xong các điều kiện. Đối mặt với một thị trường như thế này, anh có cảm thấy lo lắng với tư cách là một nhà đầu tư không?

Qianhang Yan: Nếu nói không thì thật không thực tế. Nhưng điều khiến tôi lo lắng hơn không phải là bỏ lỡ một dự án cụ thể nào đó — mà là tốc độ thay đổi của chính AI. Mỗi ngày đều có một mô hình mới, một từ khóa mới, một ý tưởng mới. Bạn chỉ cần chậm vài ngày không cập nhật tin tức là đã tự hỏi: Liệu mình đã bị bỏ lại phía sau chưa?

Pengqi Liu: Một số khoản đầu tư dựa trên giá trị, một số dựa trên cơ hội — bạn vẫn phải phân tích kỹ lưỡng và không để tâm lý thị trường quyết định thay mình. Tạm gác lại chuyện định giá và FOMO, điều gì thực sự đã phát triển thành một thứ mới mẻ trong nửa đầu năm nay?

Qianhang Yan: Hãy bắt đầu với tinh thần khởi nghiệp dựa trên nghiên cứu. Có một khái niệm gần đây được thảo luận rất nhiều tại Hoa Kỳ gọi là NeoLab — sử dụng cấu trúc công ty thương mại để giải quyết các vấn đề nghiên cứu dài hạn. Một số công ty như vậy đã xuất hiện trong nửa đầu năm. Mọi người không còn chỉ hỏi "Đây có phải là giáo sư khởi nghiệp không?" mà thay vào đó là, khi giáo sư khởi nghiệp, liệu nghiên cứu đó có thể chạy nhanh hơn so với mô hình tổ chức cũ hay không?

Nhìn vào các ứng dụng AI và phần cứng AI, mọi người cũng đang quay trở lại với chính sản phẩm. Sau khi Manus xuất hiện, thị trường đã trải qua một đợt FOMO về Agent; sau đó Insta360 đã khơi dậy sự chú ý trở lại đối với phần cứng AI. Sau khi chạy theo hàng loạt chủ đề nóng, cuối cùng ai cũng phải quay lại và tìm những người thực sự có khả năng định nghĩa sản phẩm.

AI Coding cũng đã mở rộng tinh thần khởi nghiệp ra ngoài phạm vi các nhà nghiên cứu thuật toán và kỹ sư. Luật sư, nhà thiết kế, quản lý sản phẩm, thậm chí cả những người nội trợ — bất kỳ ai cũng có thể sử dụng các công cụ lập trình để xây dựng sản phẩm.

Pengqi Liu: Người ta từng nói các nhà sáng lập kỹ thuật giống như "những người cầm búa đi tìm đinh". Giờ đây, có vẻ như chính những chiếc đinh đang bắt đầu khởi nghiệp, còn chiếc búa đã trở thành một công cụ phổ quát.

Pengqi Liu: OpenClaw có lẽ là một trong những sự kiện được theo dõi nhiều nhất trong nửa đầu năm. Từ việc mọi người "nuôi tôm hùm" và tranh giành Mac mini, cho đến các nhà cung cấp mô hình và nền tảng nhắn tin (IM) tung ra các Agent riêng, sức nóng đã dần hạ nhiệt kể từ đó. Mã nguồn mở đã đưa nó đến với đại chúng chỉ sau một đêm, nhưng các vấn đề về bảo mật và trải nghiệm cũng xuất hiện ngay sau đó. Sau những ồn ào, điều gì thực sự còn đọng lại?

Qianhang Yan: OpenClaw cho phép nhiều người bình thường lần đầu tiên tự triển khai một Agent, tải xuống các Kỹ năng (Skills) và dần dần tinh chỉnh nó thông qua hội thoại tự nhiên thành thứ họ muốn. Nó giống một hệ điều hành Agent (Agent OS) hơn — không chỉ là một công cụ để hoàn thành một tác vụ đơn lẻ.

Tôi có một người bạn làm sáng tạo nội dung làm đẹp muốn chuyển hướng sang nội dung công nghệ. Cô ấy đã sử dụng OpenClaw để xây dựng một vài quy trình làm việc, thu thập thông tin công nghệ theo định hướng và hình thành một quy trình sản xuất nội dung. Lập trình, làm PPT, thương mại điện tử và các quy trình nội bộ doanh nghiệp — rất nhiều người đã và đang sử dụng nó một cách ổn định. Sau làn sóng cường điệu, có bọt, có biến động và có ồn ào, nhưng hãy thổi bay lớp bọt bia đi, thứ còn lại bên dưới mới là hương vị thực sự.

Pengqi Liu: Gần đây mọi người bắt đầu nhấn mạnh lại vào Harness Engineering (Kỹ thuật khai thác/kết nối). Khi các mô hình lớn chuyển từ công cụ trò chuyện sang thực thi tác vụ, điều gì trở nên quan trọng hơn?

Qianhang Yan: Một Agent phải đưa ra quyết định trong một môi trường, thực thi tác vụ và điều chỉnh dựa trên kết quả — toàn bộ vòng lặp phải thực sự vận hành được. Mô hình chỉ là "bộ não" bên trong. Harness Engineering xây dựng môi trường xung quanh và các lộ trình phản hồi để mô hình tự chạy qua các quy trình làm việc, thay vì để con người viết kịch bản cho từng bước một.

Pengqi Liu: Điều này cũng liên quan đến các vòng lặp dữ liệu (data flywheels). Cá nhân hóa trên internet truyền thống đến từ dữ liệu người dùng tích lũy — liệu các Agent có thể trở thành phương tiện để hình thành các vòng lặp dữ liệu và trải nghiệm cá nhân hóa hay không?

Qianhang Yan: Những gì Chatbot để lại chủ yếu là ngữ cảnh ngôn ngữ. Những gì Agent để lại là quỹ đạo tác vụ (task trajectories): cách nó đánh giá, cách nó thực thi, nó đã gọi những công cụ nào, liệu nó có thực sự hoàn thành công việc hay không. Những quỹ đạo này có thể được sử dụng cho Agent RL (học tăng cường). Dữ liệu kịch bản theo chiều dọc có thể không chảy ngược về các công ty mô hình nền tảng, và đó là nơi các startup về Agent có thể xây dựng những "con hào" thực sự.

Pengqi Liu: Nhìn theo cách này, ai nắm bắt được quỹ đạo tác vụ của người dùng thì người đó có nhiều thế chủ động hơn. Hiện tại có khoảng ba loại người chơi trên thị trường: nhà cung cấp mô hình, nền tảng nhắn tin và nơi làm việc, và phần cứng cục bộ. Anh ưu tiên bên nào?

Qianhang Yan: Họ đang làm những việc khác nhau. Các nhà cung cấp mô hình phù hợp với các tác vụ chung như tìm kiếm, nghiên cứu chuyên sâu và lập trình; các nền tảng nơi làm việc có sẵn tệp tin, tài liệu và quy trình kinh doanh; phần cứng cục bộ kết nối nhiều hơn với quyền riêng tư. Nhưng liệu "máy tôm hùm" có phải là một con đường sản phẩm khả thi hay không vẫn là một dấu hỏi. Mac mini là thứ mà mọi người tranh giành quyết liệt nhất lúc đầu, và sau khi sức nóng hạ nhiệt, nó cũng là thứ được bán lại nhiều nhất trên Xianyu.

Phần cứng cục bộ cũng có một vấn đề: ai sở hữu dữ liệu? Giả sử kiến trúc sư cốt lõi của một công ty sử dụng một Agent — tất nhiên họ muốn mô hình tốt nhất, nhưng nếu các thiết kế kiến trúc và quỹ đạo tác vụ của họ bị công ty mô hình lấy đi để huấn luyện, đó là một rủi ro lớn. Rất nhiều người dùng đối mặt với mâu thuẫn này: Tôi muốn sử dụng mô hình tốt nhất, nhưng tôi không chấp nhận cung cấp dữ liệu của mình cho nó. Anh nhìn nhận sự đánh đổi giữa quyền riêng tư và năng lực mô hình như thế nào?

Liu Pengqi: Dựa trên kinh nghiệm quá khứ, hầu hết người dùng cá nhân ưu tiên hiệu quả và trải nghiệm trước. Nhưng với nhóm Pro C (người dùng chuyên nghiệp) và B2B thì khác — tài liệu kỹ thuật, thiết kế sản phẩm và dữ liệu kinh doanh là tài sản cốt lõi của doanh nghiệp. Cơ hội có thể nằm ngay tại đây: cho phép doanh nghiệp sử dụng các mô hình tốt nhất trong khi vẫn kiểm soát được dữ liệu cục bộ, quyền truy cập và bảo mật.

Qianhang Yan: Pengqi và tôi đều đã xem xét các dự án SaaS và fintech nhiều năm trước, và chúng tôi có một mối quan hệ "yêu-ghét" với các khách hàng doanh nghiệp lớn: ngân sách lớn, nhưng yêu cầu phức tạp và chi phí dịch vụ nặng nề. Hiện nay còn có thêm FDE (Frontier Deployment Engineer - Kỹ sư triển khai tiên phong) — bạn cần những người hiểu cả mô hình lẫn kinh doanh để đến tận nơi giúp khách hàng triển khai. Việc AI phục vụ các doanh nghiệp lớn sẽ khác gì so với SaaS và fintech trước đây?

Liu Pengqi: Khách hàng doanh nghiệp lớn có ngân sách lớn và kỳ vọng cao. Những vấn đề cũ vẫn tồn tại: yêu cầu nhiều hơn mà không trả thêm tiền, chi phí tùy chỉnh cao. Khách hàng cũng sẽ hỏi: nếu đã có mô hình mã nguồn mở, tại sao phải trả thêm tiền cho dịch vụ AI? Một khi AI thực sự thâm nhập vào hạ tầng doanh nghiệp, bảo mật dữ liệu, quyền riêng tư và tích hợp hệ thống đều cần được giải quyết. Sau đó là vấn đề ảo giác (hallucination) — nếu AI được sử dụng trong các hoạt động kinh doanh cốt lõi như kiểm soát rủi ro, và sai sót gây ra tổn thất, ai sẽ chịu trách nhiệm: nhà cung cấp mô hình, doanh nghiệp hay nhân viên? Ranh giới đó vẫn chưa được vạch rõ. Ai giải quyết được những vấn đề này, người đó sẽ có cơ hội.

Liu Pengqi: Trong sáu tháng qua, tốc độ cải thiện năng lực của các mô hình lớn đang tăng tốc hay chậm lại?

Qianhang Yan: Nếu bạn nhìn vào những đổi mới mang tính bước ngoặt như kiến trúc suy luận o1, thì đã một thời gian rồi chưa có thêm cái nào. Nhưng khả năng thực hiện các tác vụ thực tế của các mô hình vẫn không ngừng cải thiện. Trước đây chúng ta nhìn vào các bài kiểm tra toán và bảng xếp hạng kiến thức — giống như bắt các mô hình đi thi. Bây giờ chúng ta nhìn vào SWE-bench (điểm chuẩn kỹ thuật phần mềm), Computer Use và Agent Benchmark — kiểm tra xem nó có thể sửa lỗi, điều phối công cụ và hoàn thành các tác vụ dài hơi hay không. Các mô hình đã chuyển từ phòng thi sang nơi làm việc thực tế.