Cuộc cách mạng công nghiệp AI, chúng ta đang ở đâu hiện nay

Viết bài: Will 阿望

Trong năm qua, tôi đã tham dự một số hội nghị ngành về chủ đề AI. Các khách mời trên sân khấu lần lượt trình diễn các trò chơi của AI, dưới sân khấu mọi người cầm điện thoại chụp màn hình, đăng lên mạng xã hội rồi tiếp tục lướt điện thoại. Nhưng trở về văn phòng, vẫn là các cuộc họp hàng tuần, các quy trình phê duyệt, các báo cáo tuần giống như cũ. Các tập đoàn lớn đã đưa lượng Token tiêu thụ vào KPI, có người dùng script để tăng lượng thì trở thành mẫu mực. Trong nhóm bạn bè trên mạng xã hội, hôm nay Claude gây cách mạng, ngày mai Codex siêu đỉnh, ngày kia Gemini muôn năm — đó là đang đón nhận cuộc cách mạng, hay đang vội vàng chạy theo?

Tất cả đều là tiếng ồn, không phải là câu trả lời tôi muốn.

Vấn đề thực sự không phải là AI có đủ mạnh hay không — máy hơi nước đã được chế tạo xong, vấn đề là ai là người đầu tiên tháo dỡ xưởng cũ.

Ngày bắt đầu cuộc cách mạng công nghiệp thực sự không phải là khi Watt cải tiến máy hơi nước, mà là chủ nhà máy ở Lancashire quyết định rời bỏ dòng sông, xây dựng lại xưởng quanh máy hơi nước. Cũng vậy, khoảnh khắc quan trọng nhất của AI — không phải ngày phát minh ra mô hình lớn, mà là ngày tổ chức đầu tiên quyết định tháo dỡ quy trình cũ, xây dựng lại phương thức sản xuất dựa trên AI. Ngày đó vẫn chưa đến, nhưng đã nằm trên đường đi rồi.

Hai người đã nhận ra điều này từ rất sớm. CEO Notion, Zhao Yiwan, đã viết một bài vào cuối năm 2025 mang tên 《Steam, Steel, and Infinite Minds》, với đánh giá khá lạnh lùng: chúng ta vẫn đang trong giai đoạn “thay thế bánh xe nước” — thêm chatbot AI vào các công cụ hiện có, nhưng chưa ai thiết kế lại nhà máy. Cựu nhân viên OpenAI, Leopold Aschenbrenner, đi một con đường khác: viết 165 trang 《Situational Awareness》, rồi thành lập quỹ, từ 225 triệu đô la lên đến 13,68 tỷ đô la, tất cả đều đặt cược vào hạ tầng AI. Một người nhìn vào nội bộ, một người đặt cược ra ngoài.

Bài viết này không phải về họ. Mà là về chúng ta — chúng ta đang đứng ở đâu, và chúng ta đang lặp lại đoạn lịch sử nào.

( Dệt máy dệt Power-loom, khắc họa của J. Tingle theo Thomas Allom, 1835 / Wikimedia Commons )

1. Xưởng hay là cũ kỹ

Phần lớn mọi người một ngày như thế này: sáng dùng AI viết một email, tiết kiệm được mười phút; rồi dành hai tiếng đồng hồ để họp một cuộc họp hàng tuần mà đáng lẽ không cần; chiều thì sao chép dán dữ liệu trong ba công cụ khác nhau; tối đăng một bài lên mạng xã hội nói “AI thật tuyệt vời”. Mười phút tiết kiệm được, lại bị quy trình cũ nuốt mất không chút thương tiếc.

Tương tự, khi máy hơi nước xuất hiện, chủ nhà máy ban đầu cũng chỉ đổi bánh xe nước thành máy hơi nước, mọi thứ vẫn giữ nguyên — nhà máy vẫn xây bên sông, vẫn là tòa nhà nhiều tầng, vẫn là trục truyền động trung tâm kéo toàn bộ dây chuyền sản xuất. Chúng ta đưa ChatGPT vào Slack, thêm Copilot vào Office, nhúng cửa sổ trò chuyện AI vào quy trình làm việc — đều làm cùng một việc. Công cụ nâng cấp, xưởng vẫn như cũ.

Nhưng thay máy mới không đồng nghĩa với thay xưởng. McLuhan nói rất hay:

Chúng ta lái xe về phía tương lai qua gương hậu. Dùng quy trình cũ để chứa đựng công cụ mới, giống như phim thời kỳ đầu chỉ là sân khấu của kịch bản quay phim. Bước đột phá thực sự phải chờ đến khi ai đó hoàn toàn thoát khỏi dòng sông, thiết kế lại toàn bộ phương thức sản xuất dựa trên động lực mới.

So sánh dòng thời gian của cuộc cách mạng công nghiệp và AI, có thể định vị chúng ta trên bản đồ:

Hiện tại, dòng thời gian bị rút ngắn cực độ. Cuộc cách mạng công nghiệp từ máy hơi nước đến đam mê đường sắt mất 60 năm, còn AI từ Transformer đến làn sóng xây dựng trung tâm dữ liệu chỉ mất 7 năm.

Tốc độ không phải là vấn đề, vấn đề là chúng ta mắc kẹt ở đâu — bốn dòng đầu vẫn là giai đoạn lắp máy mới vào xưởng cũ, máy hơi nước đã lắp rồi, đường sắt cũng đang trải, nhưng phương thức sản xuất vẫn nguyên vẹn. Dòng thứ sáu mới là điểm phân chia thực sự. Rất có khả năng chúng ta đang mắc kẹt giữa hai bước này.

Máy hơi nước đã trong tay, nhưng xưởng vẫn cũ.

2. Tất cả vốn đều đổ vào tầng xa nhất của nhà máy

Hạ tầng luôn bị xây dựng quá mức. Cuối cùng phá sản là nhà đầu tư, chứ không phải hạ tầng.

Năm 1846, Quốc hội Anh thông qua 263 dự luật đường sắt, phê duyệt xây dựng 9.500 dặm đường sắt mới. Đầu tư vào đường sắt cao điểm chiếm 13% GDP Anh. Cổ phiếu đường sắt chỉ cần 10% tiền đặt cọc là mua được, trung lưu đổ xô vào. Bong bóng vỡ vào năm 1847. Một phần ba các tuyến đường được phê duyệt chưa từng xây, vô số nhà đầu tư mất sạch vốn. Darwin thua lỗ 60% trên cổ phiếu đường sắt, nhưng may mắn hơn nhiều người.

Nhưng đường sắt vẫn còn đó.

Ngày nay, hạ tầng AI cũng đi theo con đường này. Goldman Sachs ước tính, đến năm 2026, chi tiêu vốn cho hạ tầng AI toàn cầu đạt 765 tỷ USD, đến 2031 dự kiến mỗi năm sẽ là 1,6 nghìn tỷ. Tỷ lệ chi tiêu của các nhà đám mây lớn nhất chiếm phần lớn dòng tiền vận hành, từ khoảng 40% năm 2023 lên gần 70% năm 2025. Đầu tư liên quan đến AI đã chiếm khoảng một phần tư tổng đầu tư của Mỹ. 136,8 tỷ USD của Aschenbrenner chính là tầng này — ông cược không phải vào ứng dụng nào sẽ thắng, mà vào hạ tầng tính toán nền tảng.

Vòng luân chuyển vốn này, giống như phát triển bất động sản. Xây trung tâm dữ liệu cũng giống như xây tòa nhà: đất đai là điện, vật liệu xây dựng là GPU và lưu trữ, nhà thầu là đơn vị xây dựng trung tâm dữ liệu, nhà phát triển là các nhà đám mây, thuê là các công ty AI, tiền thuê là doanh thu API. Mô hình kinh doanh của các nhà đám mây là dựa vào cho thuê — dùng doanh thu API để trang trải chi phí vốn của trung tâm dữ liệu, chờ đợi sự bùng nổ của ứng dụng AI nâng cao giá trị.

( Địa ốc tính toán: thế hệ này xây dựng hạ tầng của thế hệ kia )

Rủi ro cốt lõi cũng giống nhau: tốc độ giảm giá của đơn vị API có bị bù đắp bởi tốc độ tăng gọi API không? Nếu tiền thuê vượt qua ngưỡng trả nợ — đó là cơn ác mộng quen thuộc của các nhà phát triển bất động sản. Bài học từ năm 2008 không phải là xây quá nhiều nhà, mà là cấu trúc của các căn nhà không phù hợp với nhu cầu thực. Rủi ro tương đương của AI là: dư thừa tính toán chung, nhưng khả năng xử lý các cảnh cao giá trị như tuân thủ tài chính, chẩn đoán y tế vẫn còn khan hiếm.

Đường sắt, bất động sản, AI — ba hình thái đầu tư hạ tầng của các thời đại đều chia sẻ quy luật chung: xây dựng quá mức là bình thường, các nhà cung cấp vật liệu luôn mất quyền định giá, lợi nhuận dài hạn luôn thuộc về chủ sở hữu “vị trí trung tâm”. Nhìn vào danh mục của các quỹ đầu tư Q1 của Wall Street sẽ rõ — có khả năng 80% nằm trong tầng hạ tầng này: NVIDIA, trung tâm dữ liệu, hạ tầng đám mây. Nhưng cuộc đam mê đường sắt dạy chúng ta rằng: đó chưa phải toàn bộ cuộc cách mạng AI, thậm chí chưa phải tầng mang lại lợi nhuận cao nhất.

Vậy, vị trí trung tâm của AI là gì? Là dữ liệu ngành đặc thù, và quy trình làm việc tích hợp sâu. Đối với cá nhân, “vị trí trung tâm” thực sự không phải là cổ phiếu sở hữu, mà là khả năng phán đoán không thể thay thế và kiến thức ngành — miễn là đã xây dựng lại cách sử dụng chúng dựa trên AI.

Lợi nhuận thực sự nằm ở tầng tiếp theo. Nhưng từ hạ tầng đến tạo giá trị không phải là quá trình liền mạch. Giữa chặng đó có một khe hở — trong lịch sử, khe hở này đã nuốt chửng hàng chục năm.

3. Ai đang tháo dỡ xưởng

Người tháo dỡ xưởng và người “tăng năng suất nhờ AI” không phải là cùng một nhóm người.

Simon, đồng sáng lập của Zhao Yiwan, trước đây là “lập trình viên gấp mười lần”, giờ ít khi tự viết mã — anh ta điều khiển ba bốn AI Agent lập trình, hiệu quả đạt 30 đến 40 lần. Notion hiện có 1.000 nhân viên và hơn 700 AI Agent. Khoảng cách không phải là công cụ, mà là Simon đã tháo dỡ xưởng cũ của chính mình, còn phần lớn mọi người chỉ đổi một bánh xe nước.

600 triệu người dùng Trung Quốc đã từng dùng công cụ AI sinh nội dung, tăng trưởng 142% — là thị trường AI lớn nhất thế giới. Nhưng hầu như không có công ty Trung Quốc nào xây dựng lại quy trình làm việc cốt lõi dựa trên AI. Nhu cầu lớn nhất thế giới, tổ chức cung ứng gần như không đổi. Chính sự đối lập này là một tín hiệu: không phải là công cụ chưa đủ, mà là tổ chức chưa theo kịp. Công việc tri thức phân tán trong hàng chục công cụ và hàng chục bộ não người, sản phẩm không thể xác thực, không ai biết cách đánh giá một bản ghi nhớ chiến lược có hiệu quả hay không.

(Liên quan đến tác động của AI đối với thị trường lao động: Một thước đo mới và bằng chứng sơ bộ)

Anthropic đã bắt đầu hành động trên quy mô lớn hơn. Họ phát hành Chỉ số Kinh tế, dựa trên dữ liệu thực tế mô tả AI sẽ thay thế những nhiệm vụ và ngành nào trước tiên, rồi dựa vào đó xây dựng: hợp tác với Goldman Sachs, Blackstone, Hellman & Friedman thành lập công ty dịch vụ doanh nghiệp gốc AI; hợp tác với KPMG, 276.000 nhân viên truy cập Claude; thành lập nhóm kinh doanh của Accenture, đào tạo 30.000 người, tập trung vào tài chính, khoa học đời sống và y tế.

Vai trò của các công ty tư vấn này không phải là người dùng AI, mà là kỹ sư đường sắt của AI — họ không chế tạo máy hơi nước, cũng không trải đường sắt, mà giúp doanh nghiệp tháo dỡ nhà xưởng cũ, xây dựng lại dây chuyền sản xuất quanh động lực mới. Không có vai trò này, hầu hết chủ nhà máy không biết bắt đầu từ đâu.

Tín hiệu đã rõ ràng. Một trong những tín hiệu sắc nét nhất đến từ thị trường lao động.

Những người trẻ 22-25 tuổi bước vào các nghề có độ phơi nhiễm cao với AI, khả năng tìm việc thấp hơn các đồng nghiệp ít phơi nhiễm 14%. Các vị trí cấp thấp đã bắt đầu bị đẩy lùi.

Nếu tôi là sinh viên mới ra trường, con số này sẽ ảnh hưởng trực tiếp đến việc tìm việc của tôi. Nếu tôi là quản lý, thế hệ tuyển dụng tiếp theo của tôi có thể không còn là người nữa.

Tổ chức đang tháo dỡ, còn cá nhân thì sao? Trình độ học vấn của tôi, hồ sơ của tôi, kinh nghiệm ngành tích lũy những năm qua — đó là bánh xe nước của tôi. Chúng từng thúc đẩy toàn bộ dây chuyền của tôi, nhưng máy hơi nước đã đến rồi. Trường đại học danh tiếng không còn là lá chắn, nó chỉ chứng minh tôi từng xây một nhà máy tốt bên sông.

Vấn đề bây giờ là, chúng ta có khả năng rời khỏi dòng sông đó không.

Dữ liệu của Anthropic cho thấy, người dùng AI đã sử dụng hơn 6 tháng có tỷ lệ thành công nhiệm vụ cao hơn 10% so với người mới bắt đầu. Người đi trước nửa năm đã dẫn trước 10%, và khoảng cách này sẽ cộng dồn theo thời gian.

Nhưng hiện tại chưa có công ty nào phá sản vì không dùng AI, ít nhất công ty luật của tôi vẫn đang hăng say phát triển quanh AI. Chưa có ai chiến thắng rõ ràng trên thị trường. Đường cong học hỏi là thật — người đi trước đã tích lũy lợi thế, nhưng phần lớn vẫn còn ở điểm xuất phát.

4. Nghề nghiệp tiếp theo của tôi chưa có tên

Liệu chức danh nghề nghiệp của tôi có còn tồn tại sau mười năm nữa không? Danh sách công cụ tôi dùng hàng ngày năm năm trước còn mấy cái? Câu trả lời có thể đều là không. Nhưng tôi không biết gọi cái thay thế chúng là gì — vì những thứ đó hiện vẫn chưa tồn tại.

Trong lịch sử, mỗi lần như vậy đều thế này. Những thứ mới không phải do quy hoạch, mà tự mọc ra sau khi các ràng buộc cũ biến mất.

Chưa xây xong đường sắt, nước Anh là một tập hợp các nền kinh tế địa phương riêng biệt. Giá vải cotton ở Manchester có thể chênh lệch 30% so với London. Mỗi thành phố có tiêu chuẩn thời gian riêng, không ai thấy có vấn đề gì. Sau khi xây đường sắt, trong hai mươi năm, mọi thứ đã thay đổi. Thị trường thống nhất toàn quốc lần đầu xuất hiện, chênh lệch giá bị san bằng; giờ chuẩn là do đường sắt bắt buộc chứ không phải phát minh; các công việc như trưởng ga, nhân viên điện tín, đại lý du lịch — đều chưa từng tồn tại trước đó.

Chẳng ai dự đoán được các trung tâm thương mại khi chưa xây đường sắt. Chẳng ai dự đoán được tiêu chuẩn thời gian khi chưa có máy hơi nước.

(Hơi nước, thép và trí tuệ vô hạn của AI)

Lịch sử các thành phố kể cùng một câu chuyện. Cách đây vài trăm năm, thành phố là quy mô của con người — đi bộ 40 phút qua Florence. Khung thép cho phép xây dựng các tòa nhà chọc trời, đường sắt kết nối thành phố và vùng ngoại ô, thang máy, tàu điện ngầm, cao tốc ra đời. Tokyo, Chongqing, Dallas — không phải là những Florence lớn hơn, mà là những cách sống hoàn toàn mới.

Công việc tri thức ngày nay cũng là quy mô của con người. Nhóm vài chục người, họp hành, gửi email theo nhịp độ, quá 300 người là quá tải. Chúng ta đang xây Florence bằng đá và gỗ. AI khiến “Tokyo” trở thành khả thi — tổ chức gồm hàng nghìn AI Agent và nhân viên, quy trình làm việc xuyên múi giờ liên tục vận hành. Các cuộc họp hàng tuần cũ, kế hoạch quý, đánh giá năm — có thể không còn ý nghĩa nữa.

Simon đã không còn viết mã — công việc của anh giờ là “quản lý AI Agent”. Hai năm trước, vị trí này chưa từng tồn tại. Chức danh nghề nghiệp tiếp theo của tôi, có thể bây giờ vẫn chưa có tên. Nhưng đã có người bắt đầu xây dựng tương lai mà chúng ta còn chưa gọi tên đó rồi.

5. Xưởng mới trông thế nào

Sau khi tháo dỡ xưởng cũ, xây gì đây? YC trả lời: để công ty tự cải tiến chính nó.

Hệ thống nội bộ của họ hiện có thể tự sửa mã của chính mình vào ban đêm. Một nhân viên gửi câu hỏi ban ngày, thất bại. Một Agent giám sát đọc được thất bại này, suy luận nguyên nhân, tự viết mã sửa, gửi duyệt, triển khai. Sáng hôm sau, câu hỏi đó chạy trơn tru. Toàn bộ quá trình hoàn thành khi mọi người còn đang ngủ.

Đây không phải là AI giúp tăng năng suất 30%. Đây là hệ thống tự chạy vòng khép kín, tự mày mò cách trở nên tốt hơn.

Tom Blomfield, đồng sáng lập YC, gọi dạng công ty này là “vòng lặp tự cải tiến của AI”. Ông nhận định rất rõ ràng: phần lớn các công ty vẫn là đế chế La Mã — truyền đạt qua các tầng, người trong đó đóng vai trò như các ống dẫn thông tin. AI không chỉ phá vỡ hiệu quả của một khâu nào đó, mà còn phá vỡ toàn bộ cấu trúc phân cấp này — vốn là nền tảng của nó.

Ông đề xuất một logic mới: đốt Token, đừng đốt nhân lực. Nguyên nhân là bottleneck chuyển từ nhân lực sang hạ tầng tính toán. Dữ liệu của YC cho thấy, các công ty dự Demo Day có trung bình thu nhập cao hơn khoảng 5 lần so với 18 tháng trước. Vai trò quản lý trung tầng bị AI tiếp quản — “phối hợp” không còn cần con người nữa. Mỗi người nên là IC, builder, operator, mỗi việc đều có người phụ trách rõ ràng, không phải ủy ban.

Một điều kiện tiên quyết nữa: công ty phải “đọc được” AI. Những việc không được ghi lại, coi như chưa từng xảy ra với AI. YC hiện lưu trữ tất cả email của các đối tác, ghi lại tất cả tin nhắn Slack và ghi âm các buổi office hour. Một đối tác dùng 3 tháng, 2000 giờ ghi âm, để AI tạo ra một cuốn sổ tay nội bộ 150 trang — còn tốt hơn bản gốc rất nhiều. Cuốn sổ này tự động cập nhật hàng tháng, trở thành một “bộ não sống” luôn mới mẻ.

Tom để lại một câu hỏi:

Nếu hôm nay bắt đầu xây dựng công ty của bạn từ con số 0, bạn có xây theo mô hình này không? Nếu công ty của bạn đã có cấu trúc phân cấp, thì câu hỏi khó hơn: việc xây lại có dễ hơn không, hay là chi phí của việc xây lại nhỏ hơn so với tiếp tục vận hành theo kiểu La Mã?

Con người không còn trung tâm của xưởng nữa, mà là vòng ngoài — phụ trách những nơi AI tạm thời chưa thể vào được: đánh giá offline, tình huống mới, những khoảnh khắc cược lớn, cảm xúc cao. Trung tâm của công ty là “bộ não công ty” do dữ liệu, ghi chép và kiến thức ngành ghép lại. Phần mềm chạy trên đó là hàng tiêu dùng, có thể sinh ra rồi sinh tiếp. Những thứ đáng giá nằm trong đầu người — cách kinh doanh vận hành, các bước liên quan đến phán đoán, những hiểu biết này mới là tài sản thực sự.

Trong 《Steam, Steel, and Infinite Minds》 của Zhao Yiwan, chính là mặt khác của hướng này — tổ chức gồm 1.000 nhân viên và hơn 700 AI Agent hợp tác, người phụ trách phán đoán, Agent phụ trách thực thi. Aschenbrenner đặt cược vào hạ tầng tính toán, Zhao Yiwan đặt cược vào tổ chức tái cấu trúc. Hai con đường cuối cùng đều hướng tới cùng một đích: xây dựng lại phương thức sản xuất mới dựa trên AI.

6. Kết luận

Giữa thập niên 1840 và 1850 — đường sắt đã trải khắp, nhà máy vẫn chưa xây lại.

Chúng ta đang ở đâu? Simon đã không còn viết mã nữa. Bánh xe nước của anh chính là do anh tự tháo dỡ.

Vấn đề chưa bao giờ là máy hơi nước có đủ tốt hay không, mà là ai là người đầu tiên tháo dỡ xưởng cũ.

Tôi không dự đoán về các trung tâm thương mại trong tương lai, tôi chỉ cố gắng làm tốt chính mình — chỉ cần đảm bảo mình đứng trên tuyến đường sắt, chứ không phải giữ lấy dòng sông cạn kiệt.

Còn bạn thì sao?