Chiến lược 'Nhà máy AI': Cách Anthropic tối ưu hóa lợi nhuận từ suy luận để tái đầu tư huấn luyện

Một công ty mô hình AI mua điện sỉ theo đơn vị megawatt và bán lại dưới dạng công việc nhận thức.

“Chi phí cơ bản cho điện toán thường rơi vào khoảng 10, 13 hoặc 15 triệu đô la mỗi megawatt. Trong trường hợp của Anthropic, doanh thu đã đạt mức cao tới 50 triệu đô la mỗi megawatt. Điều này cho phép họ làm được điều sau: nếu tôi chi 10 đô la cho năng lực suy luận (inference capacity), tôi thực tế tạo ra 50 đô la doanh thu. Sau đó, tôi có thể quay vòng và dần dần chi toàn bộ lợi nhuận đó cho việc huấn luyện.”

— Dylan Patel, SemiAnalysis, trên Dwarkesh Podcast1

Lợi nhuận gộp được đo lường như một hàm số của điện năng cho thấy các công ty mô hình có thể đạt lợi nhuận trên cơ sở đóng góp.

Biên lợi nhuận gộp của Anthropic là −94% vào năm 2024: cứ mỗi 1 đô la doanh thu thì tốn 1,94 đô la chi phí điện toán.2

Đến năm 2025, tình thế đã xoay chuyển, và Anthropic đã thay đổi từ mức −94% sang biên lợi nhuận gộp 40-50%.

Năm 2026, doanh thu đã vượt chi phí: 50 triệu đô la mỗi megawatt so với chi phí 10-15 triệu đô la. Anthropic đã ghi nhận quý có lãi đầu tiên, với 10,9 tỷ đô la doanh thu và 559 triệu đô la lợi nhuận hoạt động.

Biên lợi nhuận hoạt động 5% đó thấp hơn nhiều so với biên lợi nhuận gộp 70 đến 80% mà phép tính theo megawatt gợi ý. Các đợt huấn luyện và chi phí nhân sự đã tiêu tốn phần chênh lệch đó.

Lợi nhuận gộp trên mỗi megawatt không chỉ nói về trí tuệ, mà còn về hiệu suất. Một mô hình cung cấp cùng mức độ trí tuệ với ít điện toán hơn sẽ tạo ra nhiều lợi nhuận hơn trên mỗi megawatt, ngay cả khi có mức giá thấp hơn.

GLM-5.3-Flash đạt 57 điểm trên Artificial Analysis Intelligence Index: tương đương với Claude Opus 4.8.3 Nhưng nó thực hiện điều đó trên 18 tỷ tham số hoạt động, với mức giảm chi phí từ 90 đến 97%. Ít tham số hoạt động hơn và ít điện toán chú ý (attention compute) hơn đồng nghĩa với việc có nhiều token hơn trên mỗi megawatt.

Bản thân ranh giới công nghệ (frontier) liên tục leo thang theo từng đợt. Ba bước nhảy từ 3 điểm trở lên đóng góp một nửa vào mức tăng 25 điểm, từ 37 lên 63. Các mô hình hiệu quả đang đuổi theo một mục tiêu liên tục được thiết lập lại mỗi quý.

Đó chính là điều mà lợi nhuận trên mỗi megawatt mang lại. Mệnh đề cuối cùng của Patel là điểm mấu chốt: “quay vòng và dần dần chi toàn bộ lợi nhuận đó cho việc huấn luyện”. Biên lợi nhuận chính là nguồn vốn nuôi dưỡng nhà máy.

Nvidia đã chi 6 tỷ đô la để mua lại Poolside và đầu tư thêm 1 tỷ đô la nữa dựa trên tiền đề đó. Việc xây dựng mô hình trở thành một quy trình công nghiệp: hàng ngàn thử nghiệm trên một không gian tìm kiếm, thay vì tinh chỉnh thủ công theo kiểu nghệ nhân.

“Mô hình chính là sản phẩm đầu ra. Khả năng tiếp tục xây dựng các mô hình tốt hơn, nhanh hơn và hiệu quả hơn mỗi lần mới là sự đổi mới thực sự. Model Factory (Nhà máy mô hình) chính là tài sản tích lũy.”

— Jason Warner, Poolside4

Laguna S 2.1 đã đi từ giai đoạn khởi động đến phát hành chỉ trong 52 ngày.

Biên lợi nhuận từ suy luận (inference) nuôi dưỡng nhà máy giúp việc tạo ra mô hình tiếp theo trở nên rẻ hơn và vận hành hiệu quả hơn.

Dylan Patel trên Dwarkesh Podcast, “Anthropic & OpenAI sẽ nắm giữ phần lớn điện toán của thế giới vào năm 2028” (Tháng 8/2026). Apple Podcasts ↩︎

The Information, “Biên lợi nhuận gộp của Anthropic báo hiệu những câu hỏi về lợi nhuận AI dài hạn.” The Information ↩︎

Artificial Analysis Intelligence Index. Artificial Analysis ↩︎

Jason Warner, Poolside. X ↩︎