Kinh tế sản phẩm AI: chi phí suy luận, biên đóng góp và dự phòng

Đăng ngày 23/10/2026

Tóm tắt

Giá một triệu token không phải giá hoàn thành một công việc. Khách hàng trả cho kết quả sử dụng được, còn startup có thể phải trả thêm cho truy hồi, gọi công cụ, thử lại, kiểm tra và hỗ trợ con người. Khi một tác tử làm nhiều bước, khoảng cách giữa hai đơn vị này càng cần được đo rõ. Một ứng dụng tăng người dùng nhanh vẫn có thể thiếu tiền nếu lượng sử dụng và công sức phục vụ tăng nhanh hơn doanh thu.

Bài đề xuất lập sổ chi phí theo tác vụ hoàn tất, tách giá mua dịch vụ với chi phí thực của doanh nghiệp, rồi kiểm các phương án định tuyến và dự phòng. Các phép tính bằng đồng Việt Nam trong bài là giả định để minh họa, không phải báo giá hay kết quả của startup thật. Mục tiêu là biết phần nào đang ăn vào giá trị tạo ra, trước khi chọn mô hình, mua máy hoặc hứa một gói sử dụng rộng.

• Tính mọi lần gọi để hoàn thành tác vụ.
• Đặt chất lượng tối thiểu trước mục tiêu giảm phí.
• Phân biệt biên phục vụ với lợi nhuận toàn công ty.
• Thử chuyển nhà cung cấp trước lúc cần khẩn cấp.

Giá giảm là cơ hội, không phải kế hoạch dòng tiền

Stanford nêu trong AI Index 2025 rằng giá suy luận thấp đi trên 280 lần với mức năng lực ngang GPT-3.5, xét khoảng tháng 11 năm 2022 – tháng 10 năm 2024. Phạm vi so sánh là một mức năng lực trong giai đoạn đã qua, không phải cam kết giảm tương tự cho mọi tác vụ hay mọi mô hình trong tương lai. Startup cần giữ mốc thời gian ấy thay vì biến kết quả lịch sử thành tỷ lệ giảm tự động trong dự toán. [1]

Epoch AI, trong phân tích công bố ngày 12/03/2025, cũng đo giá thấp nhất để đạt các ngưỡng điểm trên sáu bộ đánh giá. Tốc độ giảm khác nhau rất lớn giữa những ngưỡng; nhóm lưu ý các xu hướng giảm nhanh nhất còn mới và chưa chắc tiếp tục. Các giới hạn về điểm chuẩn và tốc độ đầu ra được nêu rõ. Điều đó củng cố yêu cầu so đúng công việc của khách hàng, thay vì dùng một đường giá chung cho toàn sản phẩm. [2]

Đội có thể hưởng lợi từ một mô hình rẻ hơn, nhưng chuyển sang đó vẫn cần công sức kiểm tra. Khi khách hàng đòi thêm độ dài, độ tin cậy hoặc khả năng xử lý hồ sơ phức tạp, mức sử dụng cũng đổi. Vì vậy nên lưu hai đường riêng: giá cho một cấu hình không đổi và tổng chi phí phục vụ một khách hàng. Chỉ đường thứ hai mới phản ánh khoản tiền doanh nghiệp phải trả khi sản phẩm và nhu cầu cùng phát triển.

Mở sổ chi phí bằng một công việc có điểm kết thúc

Đơn vị tác vụ nên có đầu vào, điều kiện hoàn thành và cách ghi nhận thất bại. Ví dụ một dịch vụ giả định giúp cửa hàng soạn mô tả sản phẩm chỉ tính hoàn tất khi nhân viên chấp nhận bản để xuất bản. Một lượt sinh bị bỏ, một lượt sửa và bước kiểm nội dung đều thuộc quá trình phục vụ. Nếu chỉ lấy phí của lượt trả lời cuối cùng, đội sẽ bỏ sót phần thử sai mà hệ thống đã thực sự tiêu thụ.

Chi phí mô hình của một lượt có thể viết gọn: số token đầu vào nhân đơn giá đầu vào, cộng số token đầu ra nhân đơn giá đầu ra, theo cùng đơn vị niêm yết. Nếu có giá khác cho phần ngữ cảnh được lưu đệm, phải tách phần ấy đúng điều kiện dịch vụ. Sau đó cộng mọi lượt trong tác vụ. Công thức là cách ghi sổ đề xuất; không giả định một từ tiếng Việt tương đương một token hay mọi nhà cung cấp đều tính giống nhau.

Ngoài mô hình còn có nhận dạng tài liệu, tìm kiếm, lưu trữ, máy chạy công cụ và nhân công kiểm kết quả. Có khoản thay đổi theo từng lượt, có khoản là năng lực phải duy trì sẵn. Đội cần thống nhất cách phân bổ khi so các gói bán. Nếu bảng tính của kỹ thuật không có thời gian hỗ trợ mà bảng của vận hành lại gánh toàn bộ, hai bên có thể báo biên rất khác nhau cho cùng một khách hàng.

Biên lợi nhuận phải đi cùng phạm vi chi phí

Casado và Bornstein tại a16z từng lập luận năm 2020 rằng hạ tầng đám mây và hỗ trợ con người có thể khiến một số doanh nghiệp AI mang đặc điểm giống dịch vụ hơn phần mềm truyền thống. Đây là nhận xét từ nhà đầu tư, dựa trên quan sát của họ trong thời kỳ đó. Bài dùng nó để nhắc rà đủ cấu trúc chi phí, không lấy các tỷ lệ biên trong bài viết cũ làm mức trung bình của ứng dụng AI năm 2026. [3]

Trong báo cáo quản trị, đội nên ghi rõ doanh thu nào được dùng và những khoản phục vụ nào đã trừ. Biên lợi nhuận gộp theo báo cáo kế toán phụ thuộc cách xác định giá vốn phù hợp; không đồng nhất nó với mọi phép trừ trong bảng thử sản phẩm. Biên đóng góp lại lấy doanh thu trừ chi phí biến đổi liên quan. Khi dùng để xét điểm hòa vốn, những khoản cố định chưa trừ phải xuất hiện riêng, tránh đếm hai lần hoặc bỏ quên.

Một gói có biên dương cũng chưa chứng minh công ty có lãi. Đội vẫn phải trang trải phát triển, quản lý và các khoản cố định khác. Ngược lại, một khách hàng thử nghiệm tốn công ban đầu có thể đáng phục vụ để học, nhưng phần đầu tư học ấy cần được ghi tên và giới hạn. Không nên biến hỗ trợ thủ công không được tính tiền thành bằng chứng rằng hệ thống đã tự động hóa hoặc có biên phần mềm tốt.

Ví dụ giả định về biên đóng góp

Giả sử một gói tự dựng thu 100.000 đồng mỗi khách hàng trong tháng, với 100 tác vụ được chấp nhận. Chi phí biến đổi giả định cho mỗi tác vụ gồm 120 đồng AI, 30 đồng hạ tầng phụ trợ và 150 đồng kiểm, sửa bởi con người. Tổng là 300 đồng, tức 30.000 đồng cho lượng sử dụng này. Biên đóng góp minh họa bằng 70.000 đồng, hay 70% doanh thu; đây không phải biên niêm yết của bất kỳ doanh nghiệp nào.

Nếu chi phí cố định giả định là 20 triệu đồng mỗi tháng, không bao gồm các khoản biến đổi vừa tính, cần tối thiểu 286 khách hàng cùng cấu hình để tổng đóng góp bù phần cố định ấy. Phép chia là 20 triệu cho 70.000 rồi làm tròn lên. Nó giả định mọi người dùng, doanh thu và chi phí đều giống nhau, chưa xét thuế hay các khác biệt kế toán. Vai trò của phép tính là làm lộ giả định, không dự báo số khách hàng sẽ bán được.

Đổi một giả định sẽ thấy độ nhạy. Nếu riêng phí AI tăng gấp đôi, chi phí biến đổi mỗi tác vụ thành 420 đồng; cả gói tốn 42.000 đồng và còn đóng góp 58.000 đồng. Khi ấy số khách hàng hòa vốn minh họa tăng lên 345. Nếu công sức kiểm của con người cũng tăng, tác động còn khác. Do đó đội nên chạy nhiều kịch bản về lượng dùng, tỷ lệ phải sửa và giá mua, thay vì chỉ chọn kịch bản token rẻ đi.

Định tuyến mô hình có bằng chứng nhưng không có mức tiết kiệm chung

FrugalGPT của Chen, Zaharia và Zou, trong tóm tắt bản arXiv năm 2023, đề xuất phối hợp các mô hình theo chuỗi để giảm chi phí và cải thiện độ chính xác. Nghiên cứu báo cáo mức tiết kiệm lớn ở một số thử nghiệm của họ. Bài không chuyển mức tốt nhất đó thành mục tiêu doanh nghiệp phải đạt; giá, mô hình, dữ liệu và cách chấm trong nghiên cứu khác hệ thống đang được vận hành hôm nay. [4]

RouteLLM, bản sửa tháng 2/2025, nghiên cứu bộ định tuyến chọn giữa mô hình mạnh và yếu hơn, học từ dữ liệu sở thích. Tóm tắt ghi nhận giảm chi phí mà vẫn giữ chất lượng trong các đánh giá khảo sát và có khả năng chuyển sang một số cặp mô hình khác. Đó là bằng chứng về một hướng kỹ thuật khả thi, không bảo đảm lựa chọn đúng cho từng hồ sơ hoặc mọi khách hàng mới. Bài chỉ đọc tóm tắt, không tái tạo thí nghiệm. [5]

Ở sản phẩm nhỏ, quy tắc rõ đôi khi đủ để bắt đầu: tác vụ có định dạng cố định đi tuyến đơn giản; yêu cầu cần thông tin mới phải truy hồi; nội dung chưa đủ căn cứ chuyển người xử lý. Bộ định tuyến cũng có chi phí tính toán, dữ liệu để điều chỉnh và rủi ro phân loại nhầm. So nó với một mô hình duy nhất trên cùng lượng việc hoàn tất, không chỉ so giá trung bình của các mô hình được chọn.

Mô hình mở chuyển chi phí chứ không xóa chi phí

Trong cuộc trò chuyện YC với Jeffrey Morgan của Ollama, chi phí và khả năng kiểm soát, tùy chỉnh được nêu là động lực dùng mô hình mở. Phần trao đổi cũng mô tả công việc ghép mô hình, môi trường thực thi và phần cứng, cùng nhu cầu kiểm trước phát hành. Đây là lời kể của đơn vị cung cấp công cụ trong hệ sinh thái ấy. Bài không dùng số lượng khách hàng hoặc mức tăng sử dụng họ tự báo như xác nhận độc lập. [6]

Một mô hình có trọng số tải được vẫn cần tài nguyên để chạy, giám sát, cập nhật và hỗ trợ. Nếu tự vận hành, doanh nghiệp có thể trả cho máy ngay cả lúc ít yêu cầu; nếu dùng dịch vụ, chi phí và trách nhiệm chuyển sang cấu trúc khác. Việc chọn cần xét lượng dùng theo giờ, độ trễ mong muốn, năng lực đội và điều kiện giấy phép cụ thể. Tải được trọng số chưa đồng nghĩa không có nghĩa vụ sử dụng.

Điểm hòa vốn tự vận hành không nên suy từ giá thuê một máy chia cho lượng token tối đa trên quảng cáo. Cần đo mức sử dụng thật, thời gian nhàn rỗi, nhu cầu dự phòng và những lúc lưu lượng dồn. Đội cũng phải tính thời gian của người bảo trì, không coi đó là tài nguyên miễn phí vì đã có lương. Trước khi mua năng lực dài hạn, một thử nhỏ có số đo thường làm rõ giả định hơn một bảng so thông số.

Khả năng thay nhà cung cấp là một năng lực cần duy trì

Korinek và Vipra phân tích cấu trúc thị trường mô hình nền trong bản nghiên cứu tháng 10/2024. Họ nêu lợi thế quy mô, phạm vi và rủi ro tập trung, cùng vấn đề tích hợp theo chiều dọc. Đây là phân tích kinh tế về thị trường nền tảng, không dự đoán một hãng cụ thể sẽ tăng giá hay ngừng dịch vụ. Với startup mua đầu vào AI, bài rút ra yêu cầu chuẩn bị cho sự phụ thuộc, thay vì coi cạnh tranh hiện tại là bảo đảm lâu dài. [7]

Stanislas Polu của Dust, trong trao đổi công khai với YC, bảo vệ cách xây sản phẩm không gắn cố định với một mô hình. Ông cũng nói lượng dùng ở một thời điểm vẫn có thể tập trung vào một nhà cung cấp phù hợp nhất khi đó. Quan điểm của người bán nền tảng đa mô hình giúp phân biệt khả năng chuyển với chia đều lưu lượng. Nó không chứng minh startup nào cũng nên duy trì nhiều nhà cung cấp ngay từ ngày đầu. [8]

Khả năng chuyển thực gồm dữ liệu kiểm, mô tả công cụ, định dạng đầu ra và cách xử lý lỗi có thể sử dụng lại. Nếu chỉ thay địa chỉ gọi nhưng toàn bộ hướng dẫn đã được tối ưu riêng, chất lượng vẫn có thể giảm. Đội nên lưu danh sách những phần phụ thuộc và chi phí kiểm lại từng phần. Có thể chọn một nguồn chính để đơn giản vận hành, đồng thời giữ một phương án thay thế đã được thử trong phạm vi rõ ràng.

Góc nhìn AI: tối ưu theo kết quả có ràng buộc

Hai nghiên cứu FrugalGPT và RouteLLM cho thấy có thể khai thác khác biệt giữa các mô hình, nhưng bài đề xuất đặt chất lượng tối thiểu trước khi chọn tuyến rẻ. [4][5] Với mô tả sản phẩm giả định, một đầu ra thiếu thông số quan trọng không được tính là hoàn tất dù câu văn đẹp. Những tiêu chí phải có được thống nhất với người sử dụng, còn phần phong cách có thể chấm riêng. Như vậy việc giảm phí không âm thầm đổi định nghĩa thành công.

Mỗi tác vụ nên có một ngân sách toàn trình: số lượt tối đa, lượng ngữ cảnh và thời gian chờ chấp nhận được. Nếu đến giới hạn mà chưa xong, hệ thống trả trạng thái rõ hoặc chuyển cho người phụ trách. Cho tác tử tự thử đến khi hài lòng có thể che việc không tìm được lời giải. Giới hạn không chứng minh chất lượng, nhưng giúp một lỗi không tạo ra chuỗi chi phí không kiểm soát. Các mức giới hạn phải được thử theo công việc thực.

Bộ nhớ đệm hữu ích khi câu trả lời còn đúng và người nhận có quyền xem. Đội cần kiểm cách hết hạn khi thông tin sản phẩm đổi, không dùng lại dữ liệu của khách hàng khác chỉ vì câu hỏi giống nhau. Rút ngắn ngữ cảnh cũng phải giữ những điều kiện quyết định đầu ra, thay vì xóa phần khó để điểm chi phí đẹp hơn. Mọi cách tiết kiệm đều cần một phép kiểm hồi quy ở đúng nhóm tác vụ có thể bị ảnh hưởng.

Để đánh giá, nhóm so chi phí trên đầu ra được chấp nhận, tỷ lệ cần sửa, thời gian hoàn tất và các lỗi quan trọng. Ghi cả những yêu cầu bị từ chối hoặc không hoàn thành, vì bỏ chúng khỏi mẫu có thể làm phương án mới trông rẻ hơn thực tế. Sau khi đổi mô hình hay cách định tuyến, nhóm chạy lại tập kiểm và quan sát công việc mới. Đây là khung vận hành do bài đề xuất, chưa được xác nhận hiệu quả trong một doanh nghiệp cụ thể.

Hai cách đọc nguồn giá tại Việt Nam

Xét nguồn trong nước, FPT Cloud công bố cách tính serverless inference cho người dùng tại Việt Nam: ghi việc tính riêng token đầu vào và đầu ra, đồng thời chỉ nơi xem đơn giá theo mô hình. Trang cũng mô tả giới hạn tốc độ và tình huống số dư không đủ. Bài đọc ngày 24/10/2026, chỉ dùng để minh họa cấu trúc dịch vụ được nhà cung cấp công bố, chưa đo hóa đơn hoặc kiểm API. Một bảng dự toán cần lưu đúng mô hình, đơn vị tính và điều kiện của lần xem giá. [9]

Một ví dụ khác ở Việt Nam: trang giá Viettel AI khi mở trực tiếp trong lần nghiên cứu chuyển sang bản tiếng Anh và chỉ hiển thị thông báo liên hệ để biết gói dịch vụ. Vì vậy bài không lấy các con số xuất hiện trong kết quả tìm kiếm làm báo giá hiện hành. Đây là ví dụ thực tế về giới hạn nguồn công khai: có thể xác nhận nơi cung cấp thông tin nhưng chưa đủ để tính chi phí một hợp đồng. Giá để quyết định cần được xác minh ở tài liệu tương ứng. [10]

Hai nguồn không đủ để xếp hạng nhà cung cấp trong nước. Khi lựa chọn thực tế, đội còn phải biết hạn mức, điều kiện thanh toán, phạm vi dữ liệu, hỗ trợ và cách thay mô hình. Bảng so nên để trống mục chưa có căn cứ thay vì điền không hoặc suy từ dịch vụ khác. Khoản chưa biết là một việc cần xác minh; che nó đi sẽ làm độ chắc chắn của dự toán cao hơn bằng chứng đang có.

Kế hoạch thử và quyết định thương mại

Đội có thể mở một chu kỳ đo bằng cách chọn nhóm khách hàng thử đã đồng ý và một tập tác vụ cụ thể. Bản ghi nối doanh thu của gói với mức dùng, các lần gọi và thời gian hỗ trợ, đồng thời tránh thu thập nội dung không cần thiết. Người phụ trách kiểm đối chiếu tổng đo với hóa đơn dịch vụ. Nếu hai bên chưa khớp, cần tìm phần bỏ sót trước khi dùng bảng ấy để quyết định giá hoặc quy mô bán.

Sau đó nhóm thử một thay đổi duy nhất có khả năng giảm khoản lớn nhất. Có thể sửa nguồn lỗi khiến gọi lại nhiều, giảm phần hỗ trợ lặp hoặc thử tuyến nhẹ cho tác vụ ổn định. Đặt trước điều kiện dừng nếu chất lượng giảm, thời gian chờ tăng quá mức hay công sức kiểm vượt phần tiết kiệm. Gói bán, mức giá và cam kết với khách hàng vẫn là quyết định thương mại của người có thẩm quyền, không được suy tự động từ bảng kỹ thuật.

Kết luận và những giới hạn cần giữ

Kinh tế của ứng dụng AI nằm ở công việc hoàn tất và cấu trúc phục vụ, không chỉ đơn giá mô hình. Tận dụng giá giảm có thể tạo dư địa, nhưng giữ được dư địa ấy đòi hỏi biết mức dùng, kiểm lỗi và chi phí con người. Mô hình mở, định tuyến hay nhiều nhà cung cấp đều là phương án có điều kiện. Không phương án nào tự thay thế được việc đối chiếu chi phí với chất lượng mà khách hàng thực sự nhận.

Trước một quyết định mở rộng, đội cần trả lời được ba điều: tác vụ nào đang đóng góp dương theo phạm vi đã thống nhất, biến động nào có thể làm kết quả đổi dấu, và mất bao lâu để chuyển phương án khi cần. Các phép tính đơn giản nhưng có nguồn đầu vào rõ thường hữu ích hơn dự báo dài dựa trên giá token luôn giảm. Kỷ luật ghi nhận giúp doanh nghiệp chọn điều đáng tối ưu và biết điều còn chưa thể khẳng định.

Nguồn và phương pháp

Bài do người viết phân tích bằng tiếng Việt, không phải bản dịch; nội dung có hỗ trợ AI để tổng hợp và dựng bốn hình gốc. Các ví dụ giá, lượng tác vụ, chi phí và hòa vốn là giả định toán học của bài, không phải tư vấn tài chính hay giá đề xuất cho doanh nghiệp thật. Nguồn công khai đọc ngày 24/10/2026, giữ đúng mốc lịch sử của Stanford, Epoch, a16z và các nghiên cứu.

FrugalGPT và RouteLLM được đọc ở mức abstract arXiv, không nhận đã đọc toàn văn hoặc tái tạo thử nghiệm. Korinek–Vipra dùng bản INET tháng10/2024, đọc abstract và phần cấu trúc chi phí. Hai trang YC là quan điểm của người làm sản phẩm và nhà đầu tư có lợi ích liên quan; a16z là nguồn đầu tư, không phải thống kê đại diện toàn ngành. Startups.com đã gặp429 trong đợt nghiên cứu nên không dùng nội dung bị chặn; bài có haiYC đọc công khai.

Chưa kiểm chứng hóa đơn, độ trễ, bảo mật, năng lực nhà cung cấp hay kết quả định tuyến trong môi trường Việt Nam. Trang Viettel trực tiếp không có bảng giá chi tiết tại thời điểm mở; con số trong kết quả tìm kiếm không được sử dụng. Những công thức quản trị cần được đối chiếu cách ghi nhận thực tế và trách nhiệm chuyên môn trước khi dùng cho quyết định tài chính của một doanh nghiệp.