1 ngành công nghiệp mới đang xuất hiện: sản xuất trí tuệ-bắt đầu nhìn AI như cơ sở hạ tầng sản xuất-phần lớn chúng ta đang đứng quá gần AI nên chỉ nhìn thấy lớp trên cùng.

Người dùng nhìn thấy ChatGPT, Gemini, Claude, video AI, trợ lý AI. Nhà đầu tư nhìn thấy Nvidia và GPU. Nhưng phía dưới một câu trả lời dài vài trăm chữ mà chúng ta nhận được trong vài giây là cả một hệ thống vật lý rất lớn: nhà máy điện tạo điện, lưới điện truyền điện, chip biến điện thành tính toán, data center chứa hàng chục nghìn bộ xử lý, hệ thống làm mát lấy nhiệt ra ngoài, cáp quang vận chuyển dữ liệu, mô hình xử lý thông tin rồi cuối cùng ứng dụng biến kết quả đó thành thứ con người sử dụng được.

Đây chính là lý do Jensen Huang chia nền kinh tế AI thành 5 tầng: NĂNG LƯỢNG => CHIP => HẠ TẦNG=> MÔ HÌNH=> ỨNG DỤNG. Trong bài viết chính thức của Nvidia tháng 3/2026, Huang gọi AI là hạ tầng thiết yếu tương tự điện và Internet, đồng thời cho rằng đây có thể trở thành một trong những cuộc xây dựng hạ tầng lớn nhất lịch sử.

Nhưng mình thấy cần đi thêm một bước nữa mới thấy hết ý nghĩa kinh tế của chuyện này. Trước đây chúng ta xây nhà máy để biến vật chất thành sản phẩm. Bây giờ bắt đầu xuất hiện nhà máy biến điện thành năng lực nhận thức. Một nhà máy thép nhận quặng, điện, than và vốn rồi tạo ra thép. Một nhà máy hóa dầu nhận dầu thô rồi tạo ra hàng loạt sản phẩm hóa chất. Một AI factory, nhận điện + chip + dữ liệu + mô hình + vốn, thực hiện khối lượng tính toán khổng lồ rồi tạo ra token, hình ảnh, video, thiết kế, dự báo, mã nguồn, mô phỏng hay quyết định hỗ trợ con người.

Vì vậy có thể mô tả chuỗi sản xuất mới như thế này: ĐIỆN => TÍNH TOÁN => TOKEN => TRI THỨC/QUYẾT ĐỊNH/NỘI DUNG => NĂNG SUẤT
=> GIÁ TRỊ KINH TẾ.

Token về kỹ thuật là đơn vị biểu diễn mà mô hình xử lý hoặc sinh ra, thường tương ứng với một phần của từ, ký tự hay đơn vị dữ liệu tùy hệ thống. 1 triệu token rác vẫn có thể gần như không tạo ra giá trị kinh tế nào. Thứ xã hội thật sự mua là kết quả hữu ích được tạo ra từ tính toán.

Ví dụ trước đây một kỹ sư cần 3 ngày đọc 500 trang tài liệu kỹ thuật để tìm một lỗi. AI giúp thu hẹp xuống 3 giờ. Giá trị kinh tế không nằm ở 200.000 token AI vừa tạo. Giá trị nằm ở 21 giờ lao động kỹ sư được giải phóng và quyết định tốt hơn được đưa ra sớm hơn. Đây là điểm cực kỳ quan trọng nếu muốn hiểu nền kinh tế AI.

AI có một đặc tính mà điện không có. 1 kWh điện về cơ bản vẫn là một kWh điện nhưng 1 triệu token không có giá trị cố định-1 triệu token dùng để viết spam gần như vô giá trị-1 triệu token giúp phát hiện một phân tử thuốc tiềm năng có thể cực kỳ giá trị-1 triệu token giúp nhà máy giảm 2% tỷ lệ lỗi có thể tiết kiệm hàng triệu UÚD-1 triệu token hỗ trợ một nhà khoa học tìm ra giả thuyết mới có thể mở ra cả một ngành.

Vì vậy nếu điện là năng lượng phổ dụng, AI có khả năng trở thành năng lực nhận thức phổ dụng.
Trong Cách mạng Công nghiệp, chúng ta từng học cách khuếch đại cơ bắp con người, 1 người không thể nâng 20 tấn nhưng xúc làm được, 1 người không thể chạy 300 km/h nhưng máy móc làm được, 1 người không thể sản xuất 1 triệu chiếc đinh mỗi ngày nhưng máy làm được. AI đang bắt đầu làm điều tương tự với một số hoạt động nhận thức, 1 người không thể đọc 10 triệu tài liệu trong đời, máy có thể xử lý khối lượng thông tin đó, 1 bác sĩ không thể đồng thời nhớ toàn bộ tài liệu y khoa mới xuất bản,1 kỹ sư không thể thử hàng triệu thiết kế bằng tay,1 doanh nghiệp không thể để 100.000 nhân viên đều có 20 chuyên gia riêng đứng cạnh. Nhưng nếu chi phí trí tuệ máy tiếp tục giảm nhanh thì rất nhiều giới hạn từng xuất phát từ sự khan hiếm năng lực nhận thức bắt đầu thay đổi.

Và đây mới là câu chuyện kinh tế lớn: giá của một số loại trí tuệ đang giảm. Hãy tưởng tượng năm 2000 một doanh nghiệp nhỏ muốn có: 1 chuyên gia pháp lý, 1 chuyên gia marketing, 1 analyst tài chính, 1 lập trình viên, 1 phiên dịch, 1 người nghiên cứu thị trường, 1 người phân tích dữ liệu-Doanh nghiệp phải thuê 6 con người=> Chi phí rất lớn. Ngày nay AI chưa thay thế hoàn toàn được 6 chuyên gia đó, nhưng một người có năng lực và biết sử dụng AI đã có thể thực hiện một phần công việc mà trước đây cần cả nhóm.

Nếu khả năng AI tiếp tục tăng trong khi chi phí inference, tức chi phí chạy mô hình để tạo kết quả, tiếp tục giảm thì giá của một đơn vị năng lực nhận thức tiêu chuẩn hóa sẽ giảm rất mạnh.
Lịch sử cho thấy khi giá đầu vào nền tảng giảm mạnh, con người thường không chỉ tiết kiệm đầu vào đó. Con người phát minh thêm hàng nghìn cách sử dụng mới. Điện rẻ không chỉ khiến nhà máy cũ tiết kiệm tiền điện. Điện tạo ra tủ lạnh, điều hòa, thang máy, metro, máy giặt, máy tính, Internet và cả những thành phố mà trước đó không thể vận hành theo cách hiện nay.

Nếu trí tuệ máy trở nên rẻ và phong phú, câu hỏi lớn là: Những hoạt động kinh tế nào trước đây không tồn tại vì trí tuệ quá đắt nhưng nay bắt đầu trở nên khả thi? Đây mới có thể là nơi hàng chục nghìn tỷ USD giá trị mới xuất hiện.