Quan điểm: Trong cơn sốt kiếm tiền bằng AI, lý luận "bán xẻng" đã trở nên vô hiệu.

Tác giả: Ben Basche

Biên dịch: Deep潮 TechFlow

Deep潮 giới thiệu: “Đào vàng thì bán xẻng” từng là kim chỉ nam trong giới khởi nghiệp. Nhưng trong kỷ nguyên AI, logic này đã không còn hiệu quả — bởi vì thợ mỏ tự mở cửa hàng kim khí. OpenAI, Anthropic, Google đang hệ thống hóa việc thâu tóm các tầng trung gian, trợ lý lập trình, tự động hóa trình duyệt và các lĩnh vực khởi nghiệp khác. Tác giả Ben Basche cho rằng, những công ty AI thực sự có thể sống sót không phải là bán công cụ, mà là những “thợ kim hoàn” sử dụng AI làm nguyên liệu chính trong các lĩnh vực chuyên sâu — hiểu rõ ngành nghề cụ thể, nắm vững kiến thức địa phương, sở hữu bối cảnh không thể sao chép.

Toàn văn như sau:

Có một câu nói đã trở thành tin vui cho giới khởi nghiệp trước và sau bong bóng internet lần đầu: “Đào vàng thì bán xẻng và cuốc.” Ý nói, không phải người đào vàng kiếm tiền, mà là những người cung cấp dụng cụ cho thợ mỏ. Người giàu có là Levi Strauss, chứ không phải những thợ đào vàng.

Đây là một khung lý thuyết hay. Trong một thời gian, nó thực sự hữu dụng.

Nhưng trong lĩnh vực AI, nó đã sai. Nếu công ty của bạn dựa trên logic này, có lẽ bạn cần xem lại những gì đã xảy ra trong 12 tháng qua.

Phòng thí nghiệm chính là toàn bộ hệ sinh thái công nghệ

Dưới đây là những gì đã thực sự diễn ra — ban đầu im lặng, rồi đột nhiên bùng nổ toàn diện.

OpenAI đã phát hành Operator, một đại lý máy tính có thể duyệt web, điền biểu mẫu, thực thi nhiệm vụ từ đầu đến cuối. Sau đó là Responses API và Agents SDK, giúp các nhà phát triển có thể truy cập các khả năng gọi công cụ, ghi nhớ và phối hợp mà không cần framework của bên thứ ba. Tiếp theo là Codex, một đại lý lập trình đám mây có thể tự viết, thử nghiệm và lặp lại phần mềm. Thêm vào đó là Deep Research. Bất kỳ sản phẩm nào trong số này, cách đây hai năm cũng đủ để hỗ trợ một công ty khởi nghiệp gọi vốn thành công.

Anthropic đã phát hành Claude Code, Computer Use, Projects có ghi nhớ lâu dài, và MCP (Model Context Protocol) — gần như trong một đêm trở thành tiêu chuẩn chính để kết nối AI với các công cụ và dữ liệu bên ngoài. Sau đó họ đã quyên góp MCP cho Linux Foundation, nhằm đảm bảo nó là hạ tầng chứ không phải sản phẩm. Tiếp đó là Claude in Excel, Claude in Chrome, Cowork.

Google ra mắt Gemini 2.0, tích hợp sẵn khả năng gọi công cụ và cảm nhận đa phương thức, tích hợp vào Vertex AI như một bảng điều khiển kiểm soát đại lý cấp doanh nghiệp, cung cấp sẵn các chiến lược và phối hợp tổ chức.

Mỗi hành động trong số này đều đang xóa đi một lĩnh vực mà các công ty khởi nghiệp từng chiếm giữ.

Logic “bán xẻng” có một giả định ngầm: các phòng thí nghiệm sẽ ở trong lĩnh vực của riêng họ. Phát triển mô hình nền tảng, cung cấp API, để tầng công cụ, tầng phối hợp và tầng ứng dụng thuộc về hệ sinh thái. Giả định này đã chết rồi.

Thảm sát các middleware

Hãy xem cụ thể điều gì đã xảy ra ở tầng trung gian.

LangChain là ví dụ điển hình nhất của “bán xẻng” trong cơn sốt AI năm 2023. Một framework để kết nối các gọi LLM, liên kết các công cụ, quản lý ghi nhớ. Hàng nghìn nhóm đã xây dựng sản phẩm dựa trên nó, với hơn 100 nghìn sao trên GitHub. Đến năm 2024, các nhóm bắt đầu viết blog giải thích tại sao họ phải tháo nó ra khỏi môi trường sản xuất. Không phải vì nó kém, mà vì các mô hình nền đã trở nên thông minh đến mức không còn cần đến nữa. Lớp trừu tượng do LangChain xây dựng chỉ giải quyết các vấn đề của ngày hôm qua.

Trong khi đó, OpenAI đã phát hành SDK Agents của riêng họ. Microsoft có AutoGen và Semantic Kernel. Các phòng thí nghiệm và công ty mẹ của họ không mua lại LangChain. Thay vào đó, họ tích hợp sẵn những gì LangChain làm vào nền tảng của chính mình.

Cũng như vậy, các kịch bản tương tự diễn ra ở mọi tầng. Framework đại lý, công cụ quản lý prompt, pipeline RAG, framework đánh giá, công cụ quan sát. Tất cả đều đang bị các nhà cung cấp mô hình nền tích hợp vào sản phẩm gốc.

Điều tàn nhẫn là: khi OpenAI hoặc Anthropic tích hợp khả năng phối hợp trực tiếp vào API, họ không cần thắng về mặt chức năng. Chỉ cần “đủ dùng” và “đã có sẵn”. Các nhà phát triển sẽ tự nhiên chọn con đường ít trở lực nhất. Những công ty khởi nghiệp có middleware tinh xảo phải vượt xa đối thủ, duy trì lợi thế đó trong quá trình mô hình liên tục tiến hóa, trong khi cạnh tranh với các đối thủ có vô hạn vốn và kiểm soát hạ tầng nền tảng. Đó không còn là kinh doanh nữa, mà là một dự án nghiên cứu có thời hạn.

Thợ mỏ tự mở cửa hàng kim khí, không thể bán xẻng nữa

So sánh “bán xẻng” trong lĩnh vực AI đã mất hiệu lực vì một sự khác biệt cấu trúc then chốt. Năm 1849, Levi Strauss và các thương nhân kim khí không tự đào vàng. Thợ mỏ và nhà cung cấp là các vai trò độc lập, có lợi ích riêng biệt.

Trong lĩnh vực AI, các phòng thí nghiệm vừa đào vàng, vừa bán xẻng, vừa xây đường, vừa in bản đồ. Họ có động cơ đủ lớn để kiểm soát toàn bộ hệ thống công nghệ, vì mỗi lớp kiểm soát thêm là một điểm khóa, một cơ hội mở rộng lợi nhuận, một rào cản cạnh tranh.

Anthropic quyên góp MCP cho Linux Foundation, đó không phải là từ thiện. Đó là để đảm bảo tiêu chuẩn do họ thiết kế trở thành hạ tầng chung, giống như Ethernet đã trở thành tiêu chuẩn chung. Các tiêu chuẩn là hàng rào bảo vệ mạnh nhất của ngành công nghệ, vì chúng vô hình và vĩnh viễn.

Vì vậy, nếu giá trị cốt lõi của công ty khởi nghiệp của bạn là “chúng tôi nằm giữa nhà phát triển và mô hình, giúp việc làm X dễ dàng hơn”, bạn cần đối mặt với thực tế: thực thể nằm ở trung gian đó đã để ý đến bạn rồi, có nguồn lực sao chép bạn, và có lý do cấu trúc để làm vậy.

Vậy điều gì mới thực sự hiệu quả?

Quay lại ví dụ về đào vàng. Khi không thể bán xẻng nữa, bạn nên bán gì?

Bán trang sức.

Hoặc nói cách khác, dùng vàng như nguyên liệu công nghiệp, chế tạo thành những thứ thợ mỏ không quan tâm làm, vì quá nhỏ, quá địa phương, quá sâu vào lĩnh vực kiến thức mà họ sẽ không bao giờ sở hữu.

Phiên bản AI của điều này chính là xây dựng ứng dụng trong các lĩnh vực chuyên sâu — những lĩnh vực cần có bối cảnh thực tế từ phòng thí nghiệm mà khó có thể thu thập hoặc không thể tiếp cận.

Hãy nghĩ xem OpenAI, Anthropic và Google không giỏi về điều gì:

Họ không hiểu sâu về quy trình làm việc trong ngành của bạn. Họ không liên quan gì đến khách hàng của bạn. Họ không thể dễ dàng lấy dữ liệu riêng tư, dữ liệu đặc thù của ngành để mô hình thực sự hoạt động tốt trong các tình huống cụ thể. Họ sẽ không bao giờ nghiên cứu kỹ lý do tại sao thợ thủ công ở Nam Phi lại lập hóa đơn như vậy, hoặc tại sao tích hợp thanh toán di động ở Kenya lại phức tạp, hoặc tại sao phê duyệt y tế trước ở Mỹ lại là một vấn đề vận hành đặc thù, phức tạp và sâu sắc.

Các phòng thí nghiệm đang xây dựng hạ tầng ngang. Cơ hội nằm trong các lĩnh vực chuyên sâu — những lĩnh vực cần kiến thức địa phương, quy định, văn hóa, ngành nghề đặc thù để thực sự vận hành trơn tru.

Đó là lý do tại sao các thị trường mới nổi về tài chính công nghệ, AI pháp lý phù hợp với từng khu vực pháp lý, công cụ tuân thủ trong ngành được quản lý, và tự động hóa quy trình trong các lĩnh vực chuyên môn hẹp lại có khả năng phòng thủ cao hơn so với việc “làm một LangChain tốt hơn”.

Hàng rào bảo vệ không nằm ở mô hình. Nó nằm ở bối cảnh.

Cách dùng vàng trong công nghiệp

Có một phiên bản thứ hai của ý tưởng này cần làm rõ: sử dụng AI như cách dùng vàng trong công nghiệp. Không phải để tích trữ giá trị hay làm vật trưng bày, mà là như một thành phần, tích hợp vào các sản phẩm tạo ra giá trị kinh tế bền vững.

Vàng có khả năng dẫn điện gần như vô song. Vì vậy, mỗi mạch điện đều có nó. Không ai nói về nó, không ai làm trò trên nó trong ngữ cảnh này. Nó âm thầm đóng vai trò là một đầu vào then chốt trong hệ thống lớn hơn.

Các công ty AI bền vững nhất hiện nay đều xem mô hình như một thành phần — đầu vào của một sản phẩm giải quyết vấn đề thực tế — chứ không phải là mô hình đó là sản phẩm. AI chính là vàng trong mạch điện, chứ không phải vàng trong tủ trưng bày.

Thực tế, cách làm như sau: bạn chọn một lĩnh vực có điểm đau thực sự, quy trình làm việc phức tạp, dữ liệu khó thu thập, rồi xây dựng một sản phẩm, trong đó sử dụng mô hình để làm cho nó tốt hơn nhiều. AI là chi tiết thực thi, còn sản phẩm là thứ thay thế quy trình thủ công đau đớn.

Điều này hoàn toàn trái ngược với “chúng tôi chỉ đóng một lớp vỏ bên ngoài GPT-4”. Vỏ là tủ trưng bày, còn mạch điện là thứ không thể nhìn thấy.

Các lĩnh vực bị loại bỏ gần đây

Để rõ ràng hơn, dưới đây là một số lĩnh vực khởi nghiệp đang bị các phòng thí nghiệm hệ thống hóa thâu tóm kể từ cuối 2024:

Framework phối hợp đại lý. Hiện tại là các SDK Agents của OpenAI, bộ công cụ của Anthropic, Google Vertex Agent Builder.

Trợ lý lập trình AI. Codex của OpenAI hiện có thể tự lập trình toàn bộ dự án kho mã. Claude Code cũng có thể. GitHub Copilot là giải pháp gốc của Microsoft. Các lĩnh vực độc lập chỉ làm trợ lý lập trình đã bị thu hẹp đáng kể.

Tự động hóa trình duyệt và máy tính. Operator của OpenAI, Computer Use của Anthropic, Gemini Astra của Google. Ba phòng thí nghiệm hàng đầu này đều có sản phẩm trong lĩnh vực này. Các công ty khởi nghiệp dùng LLM để làm RPA đều đang phòng thủ.

Pipeline RAG và công cụ tìm kiếm theo vector. Đã gần như thương mại hóa. Hầu hết API mô hình đều tích hợp khả năng truy xuất dữ liệu gốc. Sự khác biệt về framework đã biến mất.

Trợ lý AI chung và các công cụ nâng cao hiệu quả. Đã bị Claude, ChatGPT và Gemini chiếm lĩnh.

Công cụ quản lý prompt và đánh giá. Ngày càng trở thành chức năng gốc. LangSmith còn chút chỗ, nhưng đó là cuộc đua với thời gian.

Mô hình rất nhất quán: các phòng thí nghiệm phát hiện ra một lĩnh vực thu hút sự chú ý của nhà phát triển, xác định nó gần với sản phẩm cốt lõi của mình, rồi phát hành một phiên bản. Không nhất thiết tốt hơn, nhưng tích hợp, mặc định rẻ hơn, và khả năng phân phối thì các công ty khởi nghiệp không thể cạnh tranh.

Bạn nên làm gì bây giờ

Nếu bạn đang làm khởi nghiệp về AI, câu hỏi cần đặt không phải là “cái này có nhu cầu không”. Nhu cầu thì ở khắp nơi. Mà là: “Liệu cái này có thể bị một phòng thí nghiệm trong ngân hàng hơn 100 tỷ USD dùng một sản phẩm để loại bỏ không?”

Nếu câu trả lời là “có” hoặc thậm chí là “có thể”, thì đó không còn là kinh doanh nữa, mà là một chức năng.

Chiến lược bền vững có các đặc điểm sau: đặc thù sâu trong lĩnh vực (phòng thí nghiệm có thể làm chung chung, nhưng không thể làm cái của bạn), dữ liệu hoặc mối quan hệ riêng tư không thể sao chép qua việc crawl mạng công cộng, các quy định và phức tạp về tuân thủ khiến “trực tiếp gọi API” không đủ, và có kênh phân phối trong cộng đồng coi trọng sự tin cậy và bối cảnh địa phương hơn khả năng nguyên bản.

Bong bóng đào vàng là có thật. Ngàn vàng khắp nơi. Nhưng thợ mỏ giờ cũng mở cửa hàng, và họ dùng vốn vô hạn.

Bán trang sức. Dùng vàng như nguyên liệu công nghiệp. Làm những thứ thợ mỏ không quan tâm làm — vì quá nhỏ, quá địa phương, quá sâu vào lĩnh vực kiến thức đặc thù mà họ sẽ không bao giờ sở hữu.

Đây chính là cách làm đúng mà tôi nghĩ.