Tiêu đề gốc: (DeepSeek bắt tay Unitree: Khi trí tuệ đủ rẻ để có thể bị lãng phí)
Tác giả gốc: Động sát Beating

Thực ra, công nghệ bắt đầu thay đổi thế giới thường xảy ra ở thời điểm khi nó rẻ đến mức có thể bị lãng phí.

Gần đây, ngay cả truyền thông nước ngoài cũng bắt đầu học một từ rất kiểu Internet của Trung Quốc: “đường chém” (cut-off line).

Ngày 31 tháng 7, bản cập nhật DeepSeek V4 Flash. Trong biểu đồ tọa độ tại Artificial Analysis, vừa so sánh trình độ thông minh của các mô hình vừa so sánh chi phí sử dụng, trục dọc càng ở phía trên thì mô hình càng thông minh; trục ngang càng về bên phải thì chi phí gọi càng cao. Chỉ số thông minh của V4 Flash đạt 50 điểm, gần như bám sát nhóm dẫn đầu toàn cầu. Thế nhưng chi phí trung bình cho một lượt kiểm thử chỉ 3 xu Mỹ. Điểm đó gần như bị đẩy tới góc trên bên trái của hệ tọa độ. Các mô hình rẻ hơn phần lớn năng lực đều không bằng nó; còn những mô hình thông minh hơn thì nhìn chung lại đắt hơn một khoản khá lớn.

Giờ đây, nếu một mô hình không mạnh hơn DeepSeek đủ nhiều, thì ngày càng khó giải thích vì sao nó lại đắt hơn hàng chục lần. Internet tiếng Trung gọi ranh giới này là “đường chém” (Death line). Vài ngày sau, Bloomberg thảo luận về áp lực giá của các mô hình Trung Quốc lên các công ty AI của Mỹ, và ngay trong tiêu đề họ cũng dùng thẳng cụm “Death Zone”.

Từ V2 của năm 2024 trở đi, DeepSeek không ngừng kéo xuống số tiền mà một robot “nghĩ một lần” phải tốn. Nhiệm vụ mà mô hình có thể hoàn thành ngày càng phức tạp hơn, nhưng giá vẫn không hề tăng vọt cùng với năng lực. Trong hai năm qua, ngành mô hình lớn quen dùng tham số lớn hơn, ngữ cảnh dài hơn và các Benchmark cao hơn để nói về tiến bộ. DeepSeek lại luôn đuổi theo một chuẩn khác: với cùng mức trí tuệ, liệu có thể ít tốn tiền hơn không.

Ở phía bên kia Hàng Châu, Vương Hưng Hưng đã làm một việc tương tự suốt hơn mười năm.

Khi theo học cao học làm XDog, từ đầu đã chẳng có bao nhiêu tiền để đốt. Hệ thống thủy lực đắt thì không dùng được, nên nghiên cứu động cơ chi phí thấp; giải pháp đã trưởng thành thì không mua nổi, nên tự thiết kế bản vẽ bo mạch điều khiển, viết phần mềm, dựng hệ thống điều khiển. Nhiều lựa chọn kỹ thuật ngày nay đã trở thành “linh kiện tiêu chuẩn” của Unitree, ban đầu đều mang một thói quen kỹ thuật rất mộc mạc: đừng vội hỏi trong ngành thường làm thế nào, trước hết hãy xem có cách nào rẻ hơn không.

Về sau, Vương Hưng Hưng hồi tưởng rằng khi năm 2010 làm robot hai chân, phần cơ khí tổng cộng chỉ tốn có 200 đồng. Nhiều năm sau có người hỏi Unitree liệu còn có thể tiếp tục hạ chi phí không, ông đáp: “Đừng so với chúng tôi về việc giảm chi phí. Chúng tôi còn có thể giảm rất nhiều.”

Một công ty đang hạ giá của việc “suy nghĩ”, một công ty đang hạ giá của việc “hành động”. Trong một thời gian dài, dù cả hai đều ở Hàng Châu, họ vẫn đi mỗi người một con đường.

Cho đến ngày 6 tháng 8.

Unitree công bố kết quả phân bổ cổ phần IPO trên Khu đổi mới khoa học và công nghệ; DeepSeek đăng ký mua 1,408 tỷ nhân dân tệ vào cổ phiếu mới của Unitree. Các sắp xếp hợp tác được hai bên công bố cũng khá thẳng thắn: khi Unitree cần dịch vụ huấn luyện mô hình và giải pháp kỹ thuật thì ưu tiên cân nhắc DeepSeek; khi DeepSeek cần robot và ưu tiên các ứng dụng trí tuệ gắn cơ thể vào việc khám phá thì sẽ ưu tiên Unitree.

Số tiền này đặt vào bối cảnh ngành AI ngày nay thì cũng không có gì quá bất ngờ. Điều thật sự đáng chú ý là: hai người đã hơn mười mấy năm liều làm sao để đẩy công nghệ đắt đỏ xuống mức “giá rẻ như rau” cuối cùng đã lần đầu tiên nối liền được đường cong chi phí của mình với nhau. Thế rồi một câu hỏi còn đáng truy hỏi hơn cả: “mô hình lớn cuối cùng cũng đã gắn được cơ thể cho robot” lại xuất hiện:

Nếu chi phí để máy móc “nghĩ” và chi phí để máy móc “hành động” tiếp tục giảm, rốt cuộc AI sẽ trông như thế nào?

Câu trả lời có lẽ không chỉ là “nhiều người đủ khả năng hơn”.

Thay đổi lớn hơn là chúng ta bắt đầu không còn tiếc rẻ nó nữa.

Hai kẻ giết chết giá cả

Điểm giống nhau nhất giữa Lương Văn Phong và Vương Hưng Hưng là cả hai đều không quá tin vào việc “rẻ nhờ trợ cấp”. Bảng giá đương nhiên có thể sửa lại chỉ trong một đêm, nhưng lông cừu xuất phát từ chính con cừu—loại giá thấp như thế thường không thể chống đỡ lâu dài. Muốn đồ thật sự bán rẻ lâu dài, cuối cùng vẫn phải quay về kỹ thuật: lần lượt tháo dỡ từng lớp chi phí vốn dĩ vẫn tồn tại như lẽ đương nhiên trong hệ thống.

DeepSeek-V2 là ví dụ điển hình nhất. Sau khi mô hình được công bố năm 2024, ngành mô hình lớn trong nước rất nhanh bị kéo vào cuộc chiến giá. Thứ bên ngoài dễ nhìn thấy nhất là giá API; còn thứ thực sự chống đỡ cho việc giảm giá lại nằm trong cấu trúc của mô hình. V2 có tổng số tham số đạt 2360 tỷ; mỗi khi xử lý 1 token, thực tế chỉ kích hoạt 210 tỷ trong số đó. So với thế hệ trước, chi phí huấn luyện giảm 42,5%, KV Cache giảm 93,3%, và thông lượng tạo sinh tối đa tăng lên 5,76 lần.

Đến V3, tư duy này tiếp tục được đẩy xa hơn. Mô hình trở nên lớn hơn: quá trình huấn luyện chính thức tốn 2,788 triệu giờ GPU H800; DeepSeek lại tối ưu hiệu quả thông qua mô hình chuyên gia hỗn hợp, huấn luyện độ chính xác thấp và tối ưu truyền thông.

Quan niệm chi phí kiểu này sau đó thậm chí bắt đầu định nghĩa ngược lại sản phẩm.

Tháng 5 năm nay, DeepSeek đã chuyển trực tiếp mức giảm giá khuyến mãi 75% của V4-Pro thành giá vĩnh viễn, và phiên bản flagship cũng tiếp tục bị ép giảm xuống thấp hơn. Lương Văn Phong trước đó đã giải thích nguyên tắc định giá của họ: định giá theo chi phí thực tế, không kéo dài việc “bù lỗ”, cũng không theo đuổi lợi nhuận kếch xù.

Cách Vương Hưng Hưng hiểu về robot gần như giống hệt.

Khi được phỏng vấn (LatePost) vào năm 2025, có người hỏi: H1 lúc đầu bán với giá 90 nghìn USD, về sau phiên bản G1 bản cấu hình thấp hơn linh hoạt hơn thì giá khởi điểm chỉ còn 99 nghìn nhân dân tệ. Vậy như thế có còn lời không?

Vương Hưng Hưng trả lời: “Hành vi kinh doanh chắc chắn phải có lợi nhuận kinh doanh hợp lý. Chi phí luôn là KPI của việc chúng tôi làm mọi thứ. Cốt lõi chính là phải kiếm tiền.”

Những điều ông nói sau đó cũng rất ít khi nhắc đến câu “phổ mô thì nhà cung cấp tự khắc sẽ giảm giá” thường được nhắc nhất. Thứ thật sự quyết định mức giá sàn của robot là: chọn động cơ như thế nào, hộp giảm tốc làm ra sao, mỗi khớp phải dùng bao nhiêu linh kiện, liệu bộ máy hoàn chỉnh còn có thể nhẹ thêm được không, và những bộ phận nào bắt buộc phải nắm giữ trong tay.

Cách hạ giá kiểu này mang một cảm giác rất “chất thời đại công nghiệp”: một xu thì tách đôi ra mà dùng.

Một bo mạch ít đi vài cm; một khớp thiếu bớt hai chi tiết; một bó dây thì đổi cách đi. Tách riêng từng cái thì chẳng phải là đột phá vĩ đại gì, nhưng nếu cộng dồn hàng chục kiểu thay đổi như vậy, cuối cùng nó sẽ ảnh hưởng trực tiếp đến giá bán.

Những thay đổi về giá của Unitree trong vài năm qua đúng là như vậy. Năm 2023, thế hệ robot hình người kích thước đầy đủ đầu tiên H1 ra mắt, năm đó chỉ bán được 5 chiếc, giá bán trung bình 593,4 nghìn nhân dân tệ; năm 2024, G1 nhỏ hơn tham gia thị trường, lượng bán tăng lên 410 chiếc, giá bán trung bình giảm xuống 260,7 nghìn nhân dân tệ; đến trước chín tháng năm 2025, số lượng robot hình người bán ra đạt 3.551 chiếc, giá bán trung bình lại giảm xuống 167,6 nghìn nhân dân tệ.

Giá giảm thêm một nấc, người mua robot cũng sẽ đón về một lớp khách hàng mới. Thiết bị giá năm sáu chục vạn cần phải có dự án cấp phòng thí nghiệm, viết ngân sách, giải thích mua về để nghiên cứu gì; còn chỉ mười mấy vạn đã có thể bước vào nhiều trường đại học hơn, các đội phát triển và doanh nghiệp.

Nhiều công nghệ thật sự vượt qua “ngưỡng” phổ cập là nhờ hoàn thành trong sự thay đổi như thế này. Từ ngân sách chuyên hạng mục chuyển thành ngân sách cấp phòng, rồi từ ngân sách cấp phòng thành mua sắm thông thường; đến một ngày nào đó, con người lười chẳng còn muốn tính sổ cho từng lần sử dụng nữa.

Công nghệ đắt đương nhiên chỉ xứng đáng để giải quyết các bài toán đắt; khi giá rơi xuống, những chuyện trước đây vốn chẳng đáng để công nghệ bước vào lại mới bắt đầu đi vào thế giới của nó.

Hai đường cong chi phí cuối cùng cũng cắt nhau

Unitree bản thân đã làm thế giới mô hình và VLA, nên giá trị của DeepSeek không chỉ là “gắn thêm một cái bộ não” cho robot. Thứ thực sự có thể gắn chặt hai công ty lại với nhau, là vòng huấn luyện đắt đỏ nhất hiện nay của trí tuệ gắn cơ thể.

Một nửa vòng lặp này xảy ra trong thế giới thực. Robot thật sự vươn tay, đi bộ, cầm nắm; con người hoặc các hệ thống khác liên tục làm mẫu cho nó, tạo ra quỹ đạo thành công và thất bại.

Phần còn lại diễn ra trong tính toán: dữ liệu được làm sạch, gán nhãn, đưa vào huấn luyện mô hình chiến lược mới, rồi sau đó qua suy luận và xác thực lại được triển khai trở về robot. Robot ra ngoài thử tiếp, mang về dữ liệu mới; mô hình lại học một lần nữa. Vòng lặp này quay càng nhanh thì robot chạm được càng nhiều với thế giới.

Vấn đề là: nó vừa đắt ở hai đầu. Robot thật đắt nên rất khó để khiến vài trăm robot suốt ngày trong phòng thí nghiệm va đập thử sai; huấn luyện và suy luận lại đắt, những dữ liệu thu về mà nhìn một phát không thấy giá trị cũng rất khó được huấn luyện và xác thực lặp đi lặp lại.

Vì thế, chuyện trước đây làm thí nghiệm robot luôn rất quý giá. Máy chỉ có vài chiếc, hôm nay lấy dữ liệu gì thì phải nghĩ kỹ trước; năng lực tính toán thì chỉ có ngần ấy, một lô quỹ đạo có đáng để chạy lại lần nữa hay không cũng phải bấm đốt tay mà tính. Tài nguyên càng đắt, các nhà nghiên cứu càng có xu hướng chọn những câu hỏi trông có giá trị nhất và có xác suất thành công cao nhất.

Thế nhưng thế giới thực lại không hề như vậy.

Đặt cốc ở mép bàn cách 3 cm hay 5 cm khác nhau thế nào; sau khi khăn ướt một nửa thì phải cầm từ đâu; khi ngăn kéo bị kẹt thì dùng lực tiếp hay lùi lại một chút trước; trong túi nhựa đựng một quả táo và ba quả táo thì cánh tay phải điều chỉnh ra sao. Những việc này tách riêng từng cái thì chẳng có cái nào đáng để tổ chức một buổi họp công bố, thậm chí cũng khó mà đáng để lập riêng một hạng mục dự án cho một phòng thí nghiệm. Nhưng một khi robot bước vào gia đình, nhà hàng, kho hàng, văn phòng, thì thế giới mà mỗi ngày nó đối mặt lại chính là những câu hỏi lặt vặt, vụn vặt và phiền phức đến phát chán đó.

Lúc này nhìn lại hợp tác giữa DeepSeek và Unitree thì mọi thứ sẽ rõ ràng hơn nhiều.

Unitree hạ thấp phần chi phí ở nửa đầu để đưa nhiều robot thật hơn vào phòng thí nghiệm, đội phát triển và các bối cảnh thực; còn DeepSeek trong thời gian dài giải quyết phần vấn đề ở nửa sau, khiến cho huấn luyện mô hình, suy luận và xác thực ngày càng rẻ hơn.

Phần lớn quỹ đạo cuối cùng sẽ không đi vào sản phẩm, phần lớn thí nghiệm cũng sẽ không tạo ra tin tức. Có những robot có thể liên tục bắt sai cốc cả trăm lần; một loạt dữ liệu đắt tiền chạy xong, có khi chỉ để chứng minh rằng ý tưởng ban đầu vốn dĩ không hề đúng.

Khi tài nguyên đắt, những thứ này được gọi là “đổ nước đi”; khi chi phí đủ thấp, chúng mới có tư cách được gọi là “kinh nghiệm”.

Điện thoại rẻ hơn một chút có nghĩa là nhiều người mua được; robot rẻ hơn một chút lại còn có nghĩa là nó có thể sở hữu nhiều thời gian không tạo ra sản lượng hơn—luyện trong phòng thí nghiệm cả buổi chiều, làm một số động tác cuối cùng có thể chẳng bao giờ dùng đến, bước vào nhiều môi trường lạ lùng hơn, gặp nhiều tình huống mà các kỹ sư trước đó chưa kịp nghĩ tới sớm hơn.

Khi thân thể và trí tuệ cùng rẻ đi, trí tuệ gắn cơ thể nhận được đầu tiên chính là “quyền được mắc lỗi nhiều hơn”.

Con người đã học cách lãng phí công nghệ như thế nào

Chuyện này trong lịch sử công nghệ của loài người đã xảy ra rất nhiều lần.

Năm 1865, nhà kinh tế học người Anh William Stanley Jevons nghiên cứu động cơ hơi nước và than đá đã phát hiện một điều phi trực giác. Hiệu suất của động cơ hơi nước ngày càng cao—cứ hoàn thành một công việc thì lượng than phải đốt ngày càng giảm—nhưng việc tiêu thụ than của nước Anh lại không hề giảm, mà còn tăng lên. Bởi khi động lực hơi nước trở nên rẻ hơn, những việc trước đây vì không nỡ dùng mà đã bị bỏ qua cũng bắt đầu được dùng. Lượng than tiết kiệm nhờ hiệu suất rồi rất nhanh lại bị ăn hết bởi nhu cầu mới nhiều hơn.

Sau đó người ta gọi hiện tượng này là “nghịch lý Jevons”.

Trong hai năm qua, những người dùng AI thật ra đã ít nhiều trải nghiệm giai đoạn ngược lại đó. Khi mô hình còn đắt, chúng ta trước hết học cách tiết kiệm trí tuệ. Nhóm khởi nghiệp thì nói về trải nghiệm người dùng, còn quản lý sản phẩm trong lòng vẫn phải ghi nhớ một bảng giá token; một chức năng kỹ thuật làm được thì cuối cùng cũng có thể bị cắt vì “mỗi người dùng chạy thêm năm lần mô hình thì quá đắt”.

Nhưng khi kỹ thuật thật sự bước vào đời sống, thường phải vượt qua một “ngưỡng” khác: nó rẻ đến mức chúng ta bắt đầu dùng nó để làm những việc không mấy quan trọng.

Hôm nay chẳng ai trước khi bật đèn phòng khách lại tính xem một giờ chiếu sáng đó tạo ra bao nhiêu giá trị kinh tế; cũng chẳng ai vì việc điện thoại gửi thêm vài yêu cầu mạng ở nền rồi mới chạy có cảm giác mình đã lãng phí đi trục trặc hạ tầng vĩ đại của Internet.

Điện và mạng đều có chi phí, chỉ là khoản chi phí này đã thấp đến mức không còn đáng để quyết định cho từng lần sử dụng. Con người đã sớm trở nên phung phí trong những chuyện này, và hoàn toàn không hề thấy day dứt.

Nếu một ngày trí tuệ thật sự đến đây, mối quan hệ của chúng ta với AI cũng sẽ đổi khác. Cuộc họp kết thúc thuận tay để mô hình sắp xếp lại, viết xong bài thì vài mô hình lại cùng nhau bắt bẻ lỗi, một Agent không làm được thì đổi vài đường đi rồi tiếp tục thử; có trái hay không trái hạt dẻ thì trước hết cũng bắn ba phát thăm dò. Robot dọn bàn: lần một cốc bị hất đổ; lần hai tay với bị lệch; lần ba động tác quá chậm—thế thì đến lần thứ tư.

Sau khi một công nghệ thực sự được phổ cập, mọi người sẽ không ngày càng nghiêm túc tính toán hiệu suất sử dụng của nó nữa; thậm chí con người cũng quên mất rằng mình đang dùng nó.

Đợi đến khi chúng ta không còn tính sổ khoản này nữa

Năm 1911, nhà toán học và triết học người Anh Whitehead đã viết trong (Nhập môn toán học) một câu:

“Sự tiến bộ của văn minh nằm ở việc không ngừng mở rộng những thao tác quan trọng mà ta không cần phải suy nghĩ vẫn có thể làm được.”

AI ngày nay hiển nhiên vẫn chưa đi tới đó. Chúng ta vẫn đang bàn xem nhiệm vụ nào đáng dùng mô hình đắt nhất; nhà phát triển còn vì mỗi vài đồng cho mỗi triệu token mà phải đổi nhà cung cấp. Các công ty robot thì vẫn phải giữa phòng trưng bày, phòng thí nghiệm và nhà máy, đi tìm kịch bản dễ tính sổ nhất. Ngành này vẫn còn một cảm giác rất nặng mùi “từng bữa cơm gạo dầu muối”.

Còn khoản đầu tư 1,408 tỷ nhân dân tệ này, thứ thực sự nối chúng lại với nhau, chính là một tờ hóa đơn trước nay rất ít xuất hiện trong các cuộc thảo luận của ngành. Máy bị sai một lần rốt cuộc tốn bao nhiêu tiền?

Hôm nay câu trả lời này vẫn chưa đủ rẻ, nên mỗi dữ liệu thật ngoài thế giới đều phải được thu thập nghiêm túc; mỗi vòng huấn luyện đều phải cân nhắc chọn lọc; và mỗi robot tốt nhất nên sớm tìm được một công việc có thể tạo ra đầu ra.

Đến ngày mà trí tuệ thật sự được phổ cập, có lẽ sẽ chẳng có một buổi họp công bố nào tuyên bố kỷ nguyên mới. Chúng ta chỉ từ từ nhận ra rằng một robot ở góc kho luyện bắt hộp cả buổi chiều, thất bại 300 lần, thì giờ chẳng ai còn hỏi riêng nữa; một Agent để tự tìm câu trả lời đã thử hàng chục đường đi mà cũng chẳng ai nhìn bảng giá token rồi đau lòng; trong phòng thí nghiệm, đặt thêm vài robot nữa thì không còn cần viết lý do mua sắm riêng cho từng chiếc.

Vì vậy, mức giá thực sự quan trọng của AI trong tương lai có thể không phải rốt cuộc một triệu token trị giá bao nhiêu, cũng không phải một robot hình người đắt cỡ nào, mà là khi nào chúng ta cuối cùng sẽ lười biếng chẳng còn muốn tính mấy con số đó nữa.

Khi máy móc đã suy nghĩ nhiều lần hơn, đi nhiều bước hơn, mắc lỗi nhiều lần hơn mà đến mức chẳng còn đáng để làm người ta đau lòng, thì trí tuệ mới thực sự chuyển từ một năng lực đắt đỏ thành cơ sở hạ tầng.

Khi công nghệ thật sự bắt đầu thay đổi thế giới, thường là lúc nó rẻ đến mức có thể bị lãng phí.

DeepSeek đang kéo giá của việc “suy nghĩ” về gần mức này, còn Unitree đang kéo giá của “thân thể” về gần mức này. Phần còn lại là để máy sở hữu một đời sống đủ rẻ.

Rẻ đến mức có thể thử đi thử lại; rẻ đến mức cứ lỗi hoài cũng được; rẻ đến mức những thất bại mà hôm nay nhìn chẳng có ý nghĩa gì cuối cùng lại nhiều đến đủ để tạo thành trí tuệ.

Liên kết bản gốc