Bài toán 15 triệu đô mỗi ngày: Tại sao kinh tế học AI video sẽ quyết định ai sống sót năm 2026

Những con số đã khai tử Sora

Hãy để tôi trình bày bức tranh kinh tế mà OpenAI đã cố che giấu suốt sáu tháng.

Sora ra mắt vào tháng 9 năm 2025 với mức giá dành cho người tiêu dùng: khoảng 0,10 đô la mỗi giây video 720p qua API. Ở thời điểm sử dụng cao nhất, hàng triệu người dùng tạo clip mỗi ngày. Chi phí suy luận GPU (chủ yếu chạy trên các cụm NVIDIA H100) tăng tuyến tính với mỗi yêu cầu.

Tỷ lệ doanh thu trên chi phí là thảm họa. Sora thu được ước tính 2,1 triệu đô la tổng doanh thu trong toàn bộ vòng đời. Chi phí vận hành khoảng 2,7 tỷ đô la. Đây không phải mô hình kinh doanh. Đây là một cuộc trình diễn đốt vốn đầu tư mạo hiểm ở quy mô công nghiệp.

Tại sao tạo video về bản chất đắt hơn tạo hình ảnh

Để hiểu tại sao điều này quan trọng ngoài phạm vi Sora, bạn cần hiểu khoảng cách điện toán giữa tạo hình ảnh và tạo video.

Một yêu cầu tạo hình ảnh đơn lẻ với mô hình như DALL-E 3 hoặc Stable Diffusion XL cần khoảng 10-30 giây thời gian GPU trên H100. Một video 5 giây ở 24fps đòi hỏi tạo 120 khung hình, mỗi khung có ràng buộc nhất quán thời gian khiến việc song song hóa đơn giản trở nên bất khả thi. Cơ chế chú ý trong các mô hình biến đổi khuếch tán video tăng theo bậc hai với độ dài chuỗi.

Khoảng cách giữa hình ảnh và video không phải 5 lần hay 10 lần. Mà là 30-100 lần điện toán cho mỗi đầu ra. Và không giống tạo văn bản, nơi KV caching và giải mã suy đoán đã giảm đáng kể chi phí suy luận, tạo video chưa có phương pháp tối ưu hóa tương đương nào có thể cắt giảm chi phí theo bậc lũy thừa.

Ba chiến lược sống sót qua khủng hoảng chi phí

Mọi công ty vẫn cung cấp dịch vụ tạo AI video đều đang đối mặt với cùng một vấn đề cơ bản. Chiến lược của họ khác nhau rõ rệt.

Chiến lược 1: Trợ giá rồi cầu nguyện (cách tiếp cận VC)

Đây là chiến lược của Sora. Định giá dưới chi phí, thu hút người dùng, tìm cách kiếm tiền sau. Kết quả đúng như các giáo sư kinh tế đã dự đoán từ thời bong bóng dot-com.

Một số công ty vẫn hoạt động theo cách này. Pika, Luma và Runway đều định giá dịch vụ thấp hơn nhiều so với chi phí điện toán ước tính. Họ đặt cược rằng chi phí sẽ giảm nhanh hơn nhu cầu tăng doanh thu.

Rủi ro rất rõ ràng. Nếu chi phí GPU không giảm đủ nhanh, hoặc nếu lượng sử dụng tăng nhanh hơn mức tối ưu hóa đạt được, các công ty này sẽ đâm vào bức tường mà Sora đã gặp.

Chiến lược 2: Chuyển chi phí sang phần cứng (hướng đi NVIDIA/mã nguồn mở)

Đây là chiến lược đằng sau Helios, Wan 2.2, LTX-2.3, và mọi mô hình mã nguồn mở được tối ưu hóa cho GPU tiêu dùng.

Logic rất tinh tế: thay vì vận hành hạ tầng đám mây đắt đỏ, hãy đẩy chi phí điện toán sang phần cứng của người dùng. Một chiếc RTX 4090 có giá 1.599 đô la mua một lần. Sau đó, mỗi lần tạo video là "miễn phí" về chi phí biên (trừ tiền điện).

Helios, mô hình 14 tỷ tham số từ ByteDance và Đại học Bắc Kinh, đã chứng minh rằng một H100 duy nhất có thể tạo video 60 giây ở tốc độ 19,5 FPS. Quan trọng hơn, các mô hình mã nguồn mở được tối ưu hóa đang tiến gần đến khả năng tạo thời gian thực trên phần cứng RTX 5090 tiêu dùng.

Hạn chế rất rõ ràng: chiến lược này chỉ phục vụ được người dùng sở hữu GPU cao cấp. Đó là một thị trường có ý nghĩa, nhưng loại trừ những người sáng tạo phổ thông, những người đã làm nên sự phổ biến của Sora.

Chiến lược 3: Tập hợp nền tảng (hướng đi Adobe/Google)

Đây là cách tiếp cận bền vững nhất về tài chính. Thay vì gánh toàn bộ chi phí tạo video, hãy trở thành một sàn giao dịch điều phối yêu cầu đến nhiều nhà cung cấp mô hình.

Adobe Firefly hiện tích hợp hơn 30 mô hình từ các nhà cung cấp khác nhau. Google Flow tích hợp Veo với các mô hình bên thứ ba. CapCut tích hợp Seedance 2.0. Trong cả ba trường hợp, nền tảng thu lợi nhuận trong khi nhà cung cấp mô hình chịu chi phí điện toán.

Adobe có vị thế tốt nhất ở đây vì Premiere Pro và After Effects đã thống trị thị trường biên tập video chuyên nghiệp. Thêm tính năng tạo AI vào quy trình làm việc hiện có là mở rộng tự nhiên, và Adobe có thể định giá như tính năng cao cấp trong gói đăng ký Creative Cloud mà người dùng đã trả tiền.

Đường cong chi phí hạ tầng

Câu hỏi then chốt là liệu chi phí GPU có giảm đủ nhanh để biến AI video tiêu dùng thành khả thi hay không.

Kiến trúc Blackwell của NVIDIA (B200, GB200) mang lại hiệu suất giá tốt hơn khoảng 2-3 lần cho khối lượng suy luận so với H100. Kiến trúc Rubin sắp tới hứa hẹn cải thiện thêm 2-3 lần. Nếu cả hai đều đạt được như dự kiến, đến năm 2028, chi phí tạo video 10 giây có thể giảm từ 0,50 đô la xuống khoảng 0,05 đô la.

Mốc thời gian này rất quan trọng. Các công ty đang đốt tiền vào giá trợ cấp cần sống sót thêm 2-3 năm để cải tiến phần cứng cứu vãn mô hình kinh doanh của họ. Không phải tất cả đều sẽ làm được.

Ý nghĩa với người sáng tạo

Nếu bạn là người sáng tạo đang chọn nền tảng AI video hôm nay, yếu tố kinh tế quan trọng không kém tính năng.

• ✓Các nền tảng được hậu thuẫn bởi công ty mẹ có lợi nhuận (Google, Adobe, ByteDance) là lựa chọn dài hạn an toàn hơn
• ✓Mô hình mã nguồn mở chạy cục bộ loại bỏ sự phụ thuộc vào bất kỳ công ty đơn lẻ nào
• ✓Các startup cung cấp tạo video "không giới hạn" với giá thấp có rủi ro cao nhất
• ✓Chờ chi phí ổn định trước khi cam kết quy trình làm việc là hợp lý, nhưng đồng nghĩa với việc bỏ lỡ lợi thế của người tiên phong

Việc đóng cửa Sora không phải là sự cố đơn lẻ. Đó là quân domino đầu tiên. Kinh tế học của tạo AI video rất khắc nghiệt, và các công ty sống sót sẽ là những công ty tìm ra giải pháp sáng tạo cho vấn đề chi phí, không chỉ giải pháp sáng tạo cho vấn đề tạo video.

Bức tranh toàn cảnh

Mỗi bước chuyển lớn trong điện toán đều trải qua giai đoạn công nghệ hoạt động được nhưng kinh tế thì không. Điện toán đám mây thua lỗ nhiều năm trước khi AWS biến nó thành cỗ máy in tiền. Video trực tuyến mất hàng tỷ đô la trước khi Netflix tìm được chỗ đứng. Tạo AI video đang ở trong cùng giai đoạn chuyển tiếp đau đớn đó.

Điểm khác biệt lần này là tốc độ. Đường cong cải tiến phần cứng dốc hơn so với thời kỳ đám mây hay streaming. NVIDIA đang xuất xưởng kiến trúc mới mỗi 18-24 tháng với mức giảm chi phí trên mỗi FLOP đáng kể. Nghiên cứu hiệu quả mô hình, từ chưng cất đến mixture-of-experts, đến các đổi mới kiến trúc như nén ngữ cảnh của Helios, đang cắt giảm yêu cầu điện toán từ phía phần mềm.

Dự đoán của tôi: đến cuối năm 2027, chi phí tạo video 10 giây ở 1080p trên hạ tầng đám mây sẽ dưới 0,10 đô la. Ở mức giá đó, mô hình kinh doanh hoạt động được. Câu hỏi là công ty nào có thể sống sót đến lúc đó.

Nghĩa trang của các startup AI video sắp trở nên đông đúc. Nhưng bản thân công nghệ sẽ không biến mất. Nó chỉ đang chờ kinh tế học bắt kịp.