Chi tiêu AI trên mỗi nhân viên giảm mạnh tại các công ty hàng đầu tháng 8: Dấu hiệu chậm lại hay chỉ là mùa hè?

Sự chậm lại bất ngờ của chi tiêu AI trong tháng 8

Vào cuối tháng 8, các doanh nghiệp lớn tại Mỹ đã giảm đáng kể mức chi tiêu cho công cụ trí tuệ nhân tạo (AI). Theo số liệu thu thập từ 70.000 công ty bởi nền tảng thanh toán Ramp, chỉ 56 % khách hàng trả tiền cho các sản phẩm AI trong tháng này, tăng nhẹ 0,4 % so với tháng trước. Đặc biệt, trong nhóm 1 % công ty có chi tiêu AI cao nhất, chi phí trung bình trên mỗi nhân viên đã giảm gần 10 % xuống còn 7.205 USD – mức giảm mạnh nhất trong năm. Đây có thể là “đợt lặng” của mùa hè, nhưng cũng là dấu hiệu cảnh báo cho các nhà cung cấp hạ tầng AI.

Các con số và nhận định chi tiết

• Tỷ lệ chi tiêu AI: Ramp báo cáo rằng 56 % khách hàng trả phí cho AI trong tháng 8, chỉ tăng 0,4 % so với tháng 7. Đối với các công ty nằm trong nhóm 1 % có chi tiêu AI cao nhất, mức chi tiêu trên mỗi nhân viên giảm từ hơn 8.000 USD xuống còn 7.205 USD – mức sụt giảm gần 10 %.
• Giá token giảm: Khi OpenAI và Anthropic cắt giảm giá, chi phí trung bình cho một triệu token đã giảm xuống 0,68 USD, so với đỉnh điểm 1,15 USD vào tháng Ba 2026. Theo nhà kinh tế của Ramp, Ara Kharazian, “cạnh tranh giữa OpenAI và Anthropic đang làm cho AI trở nên dễ tiếp cận hơn, đồng thời kéo giá token xuống và giảm chi tiêu ở các công ty lớn.”
• Mức độ áp dụng thực tế: Một khảo sát của Cục Thống kê Mỹ (US Census Bureau) cập nhật ngày 23/8 cho thấy chỉ 22 % doanh nghiệp báo cáo đang sử dụng AI – con số thấp hơn nhiều so với 56 % của Ramp, phản ánh sự chênh lệch giữa khách hàng công nghệ cao của Ramp và toàn bộ thị trường.
• Sử dụng nền tảng inference: Chỉ 6,4 % doanh nghiệp chi tiêu cho AI trong tháng 8 đã sử dụng các nền tảng triển khai mô hình (model‑serving) hoặc inference. Mặc dù tỷ lệ này đang tăng dần, tốc độ tăng vẫn chưa đủ để thúc đẩy một làn sóng chuyển đổi số mạnh mẽ.
• Sự chuyển hướng sang mô hình cũ: Do giá token giảm, nhiều khách hàng đã chuyển sang các mô hình đã ra mắt trước đó và giá rẻ hơn như ChatGPT‑5.6‑Terra của OpenAI hay Sonnet của Anthropic, thay vì các phiên bản mới nhất của các “frontier labs”. Nhân viên các phòng thí nghiệm tiên tiến cho biết chi phí đào tạo thường được thu hồi trong vài tuần đầu sau khi ra mắt mô hình mới; do đó, nếu tốc độ áp dụng chậm lại, nguồn thu này có thể bị ảnh hưởng.
• Xu hướng tổng thể: Dữ liệu của Ramp không phải là đại diện cho toàn bộ thị trường, nhưng là một trong số ít các tập dữ liệu chi tiêu trực tiếp và có thể được xem là chỉ báo sớm. Kharazian nhấn mạnh rằng “việc cạnh tranh khiến AI trở nên rẻ hơn, nhưng cũng đồng thời làm giảm chi tiêu ở các công ty hàng đầu mà thị trường từng kỳ vọng sẽ là động lực tăng trưởng trong tương lai.”

Bối cảnh ngành và triển vọng

Sự chậm lại này xuất hiện trong bối cảnh các “frontier labs” và các nhà cung cấp hạ tầng quy mô lớn (hyperscalers) đang đầu tư hàng tỷ đô la vào cơ sở hạ tầng AI, hy vọng thu hồi vốn qua doanh thu từ việc bán token và dịch vụ inference. Tuy nhiên, khi giá token giảm mạnh và doanh nghiệp chuyển sang các mô hình cũ, áp lực lên doanh thu tăng lên. Đồng thời, mức độ áp dụng AI trong toàn bộ doanh nghiệp vẫn còn khiêm tốn (22 % theo Census), cho thấy tiềm năng mở rộng vẫn lớn.

Nếu xu hướng giảm chi tiêu trên mỗi nhân viên và giá token tiếp tục duy trì mức thấp, các nhà cung cấp hạ tầng AI có thể phải tìm kiếm nguồn doanh thu mới, chẳng hạn như dịch vụ AI cho người không chuyên (no‑code AI tools) hoặc mô hình thanh toán dựa trên kết quả. Ngược lại, nếu mùa hè thực sự chỉ là “đợt lặng” tạm thời và doanh nghiệp trở lại đầu tư mạnh vào AI sau kỳ nghỉ, thì các giảm giá hiện tại có thể thúc đẩy một đợt bùng nổ sử dụng rộng rãi hơn, đặc biệt khi các công cụ lập trình viên hỗ trợ “agentic coding” ngày càng phổ biến.

Trong thời gian tới, việc theo dõi chặt chẽ các chỉ số chi tiêu AI, giá token và tỷ lệ chuyển đổi sang nền tảng inference sẽ là yếu tố then chốt để đánh giá sức khỏe của ngành AI và dự đoán xu hướng đầu tư của các công ty lớn.