Mỗi lần kiểm toán, tôi đều đặt câu hỏi: liệu một công ty có thể chi 449 tỷ USD mỗi quý cho AI mà không cần minh bạch về cách họ sử dụng dữ liệu người dùng? Câu trả lời là có, nếu bạn là Google. Nhưng với tôi, đó là dấu hiệu của một hệ thống tập trung đang đi sai hướng.
Context: Cuộc đua AI và sự phân hóa chiến lược
Ba năm qua, Big Tech đã đổ hàng trăm tỷ USD vào AI. OpenAI và Anthropic chọn con đường Recursive Self-Improvement (RSI) – để AI tự cải thiện bản thân, tạo ra vòng lặp tăng tốc. Google, thông qua DeepMind, lại chọn World Model + Embodied AI – tập trung vào hiểu thế giới vật lý thay vì chỉ xử lý ngôn ngữ. Sự khác biệt này không chỉ là kỹ thuật, mà còn là triết lý: RSI hướng tới tự động hóa số, world model hướng tới tự động hóa vật lý.
Nhưng có một vấn đề: Google đang thua trong cuộc đua LLM truyền thống. Gemini 3.6 Flash chỉ đứng thứ 10 trên Artificial Analysis Index, sau các model nhỏ hơn như GPT-4o mini, Claude 3.5 Haiku. Trong khi đó, Alphabet vừa công bố báo cáo tài chính quý II/2025 với những con số đáng báo động.
Core: Phân tích dữ liệu – Google đang chảy máu tiền mặt
Tôi không tin vào những lời hứa hẹn về 'world model sẽ thay đổi thế giới', tôi tin vào các con số trên bảng cân đối kế toán. Và đây là những gì tôi thấy:
- Free Cash Flow âm 58,6 tỷ USD trong quý II, so với +101 tỷ (quý I) và +246 tỷ (quý IV năm trước). Đây là mức giảm mạnh nhất trong lịch sử Alphabet.
- Nợ dài hạn tăng gấp đôi chỉ trong 6 tháng: từ 465 tỷ lên 982 tỷ USD.
- Phát hành thêm 496 tỷ USD cổ phiếu mới – một hình thức pha loãng cổ đông rõ ràng.
449 tỷ USD mỗi quý cho capital expenditure – chủ yếu là data center và chip AI – vượt xa bất kỳ đối thủ nào. Nhưng doanh thu AI của Google? Không được tiết lộ. Chúng ta chỉ biết doanh thu quảng cáo tìm kiếm 633 tỷ (chiếm 53% tổng doanh thu 1.198 tỷ). Tức là mọi khoản đầu tư AI đều đang được trả bằng tiền từ quảng cáo.
Hãy nhìn vào con số MLE-Bench: DeepMind đứng đầu với 64,4% – cao hơn mọi đối thủ. Điều này cho thấy năng lực nghiên cứu cơ bản vẫn mạnh. Nhưng nó không chuyển hóa thành sản phẩm. Gemini 3.6 Flash dù nhanh và rẻ vẫn chỉ xếp thứ 10.
Contrarian: Góc nhìn phản trực giác – Tập trung hóa là lỗ hổng bảo mật lớn nhất
Tôi không tin vào câu chuyện 'Google đang chậm nhưng sẽ thắng về lâu dài'. Điều ngược đời là: chính sự tập trung hóa nguồn lực vào một hướng duy nhất (world model) khiến Google dễ tổn thương hơn.
- Thiếu minh bạch: Mỗi lần kiểm toán, tôi đều đặt câu hỏi về tính xác thực của dữ liệu huấn luyện. Google không công bố chi tiết về tập dữ liệu hay kiến trúc world model. Trong thế giới blockchain, điều này đồng nghĩa với 'rug pull' – bạn không thể kiểm chứng những gì họ nói.
- Rủi ro đơn điểm thất bại (single point of failure): Nếu world model thất bại, Google mất toàn bộ chiến lược AI. Trong khi đó, các đối thủ chạy RSI có thể chuyển hướng linh hoạt hơn. Đây là lỗi kiến trúc cơ bản của một hệ thống tập trung.
- Áp lực tài chính không bền vững: Free cash flow âm + nợ tăng gấp đôi là công thức cho khủng hoảng. Nếu quảng cáo tìm kiếm suy giảm (vì AI thay đổi hành vi người dùng), Google sẽ mất nguồn thu chính.
Tôi tin vào một mô hình khác: AI phi tập trung. Các giao thức như Bittensor, Render Network, hoặc các dự án DePIN cho phép phân tán chi phí tính toán, minh bạch dữ liệu, và kiểm soát bởi cộng đồng. Google đang làm ngược lại: gom mọi nguồn lực vào một trung tâm, xây dựng một 'hộp đen' khổng lồ.
Takeaway: Dự báo về lỗ hổng và tương lai
Trong vòng 6-12 tháng tới, tôi sẽ theo dõi ba tín hiệu: 1. Gemini 4 có đưa Google trở lại top 5 model không? Nếu không, chiến lược world model đang làm giảm năng lực cạnh tranh LLM. 2. Free cash flow có trở lại dương không? Nếu không, Alphabet sẽ phải cắt giảm đầu tư hoặc vay thêm – cả hai đều là tin xấu. 3. DeepMind có công bố kết quả thực nghiệm của world model (ví dụ: tỷ lệ thành công trong điều khiển robot) không? Nếu im lặng, đó là dấu hiệu công nghệ chưa sẵn sàng.
Câu hỏi cuối cùng dành cho bạn: Liệu bạn có tin tưởng giao quyền kiểm soát AI cho một công ty đang nợ gần nghìn tỷ và không minh bạch về dữ liệu? Hay bạn sẽ chọn con đường phi tập trung, nơi mọi dòng code đều có thể được kiểm toán?