Aston在下不求

美股逼近歷史高位恐修正，高盛教你如何用VIX建立避險策略

美股主要指數近期持續於歷史高檔區間震盪，市場普遍受到人工智慧資本支出與寬鬆金融條件支撐。然而，高盛（Goldman Sachs）Delta-one 交易台負責人Privorotsky 發布報告指出，市場對潛在利空已出現反應鈍化的現象，極端下行風險遭到顯著低估。報告分析，當前寬鬆環境反而可能降低決策者發動地緣衝突的門檻，同時長天期美債殖利率維持高檔亦對企業融資與高估值資產帶來壓力。與此同時，芝加哥選擇權交易所波動率指數（CBOE Volatility Index, VIX）目前落在 14 左右的低檔區間，反映極端尾部風險（Tail Risk）的對沖成本相對低廉。高盛團隊因此建議採取「順勢做多名義資產、避開債券，並搭配低成本 VIX 衍生品避險」的策略組合。 金融條件寬鬆弱化政策約束，地緣與利率風險成潛在變數 高盛交易團隊指出，美股處於歷史高位且金融條件寬鬆時，資本市場對決策者的約束力減弱，實質上降低了地緣衝突的政治成本，使中東局勢與原油運輸等外部變數被市場過度忽視。此外，長天期美債殖利率持續位於高檔，疊加大型科技企業發行龐大企業債爭奪流動性，若利率進一步攀升，將對高估值資產與企業資本支出形成估值修正與融資結構的雙重壓力。 (美國長天期公債殖利率創20年新高！科技巨頭為 AI 發債更吸金？) VIX 指數徘徊低檔，非對稱尾部避險成本優勢浮現 儘管宏觀經濟與地緣隱憂猶存，衡量標普 500 指數選擇權隱含波動率的 VIX 指數目前仍徘徊在 14 附近的低檔區間，歐洲市場相關波動率指標亦處於個位數水準。高盛分析，此現象顯示金融市場對極端下行尾部風險的定價偏低，為市場參與者提供了建立非對稱保護的低成本窗口，適合作為防範突發性外生衝擊的風險管理工具。 利用 VIX 低檔買入買權避險，構建多空平衡防護策略 高盛雖示警尾部風險，但對股票長期趨勢仍存正面看法，面對多頭趨勢延續與潛在黑天鵝並存的環境，高盛交易團隊不建議盲目做空或空手離場，而是提出以下策略組合： 持有並做多如標普 500、黃金，並做空債券，並透過低成本買進 VIX 買權（Call Option）或價差策略鎖定下行風險 股票多空配對（Long/Short）： 偏多配置：金融股、半導體 Capex 受益鏈、工業及具備定價權的廣義週期股 偏空或避開：缺乏定價能力與抗通膨屬性的「類債券替代品」（如必需消費品、電信股與部分 REITs） 這篇文章 美股逼近歷史高位恐修正，高盛教你如何用VIX建立避險策略 最早出現於 。

歐洲央行警告 AI 股修正風險！衝擊恐更甚網路泡沫時期

歐洲央行（ECB）在一篇文章示警，美國科技股在 AI 狂潮帶動下漲勢過熱，估值修正的機率相當高，而且由於財政與貨幣政策的緩衝空間有限，一旦修正發生，恐怕會帶來難以緩解的經濟衝擊。 AI 狂潮撐出天價估值，歷史經驗指向修正風險 投資人近來持續加碼，賭注 AI 將徹底改變全球經濟，主要科技公司的估值也因此遠高於歷史平均水準。但 ECB 在文章指出，過去幾次重大技術革命的經濟研究，都指向一個結論：當前股市出現修正的機率非常高。 就算 AI 真的成功，獲利成長恐仍跟不上市場期待？ 文章中說明，即使 AI 技術最終真的成功、企業獲利也隨之成長，股價仍有可能下跌。因市場目前對獲利成長的預期過於樂觀，即使AI兌現承諾，實際獲利表現恐怕也很難完全滿足這些過高的期待。 樂極生悲？修正恐比理性情境跌得更深 這篇文章也從市場心理面分析，認為過度樂觀的投資人容易把股價炒作到超出基本面支撐的水準，一旦樂觀情緒消退，股價回落的幅度往往會比單純理性修正的情境更劇烈。 政策彈藥比網路泡沫時期更少，恐難緩衝下行風險 文章特別提醒，真正需要擔心的情境並非單純的股市修正本身，而是修正若與市場動盪同時發生，而政策工具又難以有效安撫市場。相較於 2000 年代初的網路泡沫時期，現在的起始條件明顯留給政策制定者更少的降息空間，財政政策用來緩衝衝擊的餘裕也相對有限。 修正時間點難預測，榮枯循環只能事後驗證 至於修正何時發生，文章坦言「時機無法事先預知」，這類景氣循環的起落模式，往往要等到事後回顧時才能被清楚辨識。 這篇文章 歐洲央行警告 AI 股修正風險！衝擊恐更甚網路泡沫時期 最早出現於 。

$MSFTB $METAB $GOOGLB
Gen Z 與 AI 一起長大，為何開始反感？51% 每週使用、憤怒比例升至 31%

生成式 AI 快速進入校園與職場，但第一批真正與 AI 一起成長的年輕世代，對這項技術的態度卻愈來愈複雜。科技媒體 Futurism 於 8 月 16 日引述 CNBC 與 Generation Lab 最新調查，1,088 名 18 至 34 歲美國受訪者中，45% 認為 AI 將對自己的職涯造成負面影響，僅 10% 認為會帶來正面幫助。另一份 Gallup 今年針對 14 至 29 歲 Gen Z 的調查則顯示，51% 至少每週使用生成式 AI，但對 AI 感到興奮、希望的比例雙雙下降，感到憤怒的人則升至 31%。高使用率與低信任，正在同時發生。 45% 擔心 AI 傷害職涯，科技巨頭信任度同步走低 CNBC 與 Generation Lab 調查詢問年輕人，是否相信 9 名主要科技公司領導人能負責任地發展 AI，結果多數人的不信任比例都超過六成。 其中有 81% 受訪者表示不信任 Palantir 執行長 Alex Karp，共同創辦人 Peter Thiel 則為 79%；Meta 執行長 Mark Zuckerberg 為 71%、馬斯克（Elon Musk）為 70%，OpenAI 執行長 Sam Altman 也有 69% 表示不信任。Microsoft 執行長 Satya Nadella 在 9 人中表現最好，但表示信任者也只有 35%。 這份調查同時顯示，45% 認為 AI 將對自己的職涯帶來負面影響；40% 認為美國聯邦政府應介入 AI 監管，60% 則希望資料中心建設速度放慢。Futurism 認為，這反映年輕世代對科技產業的疑慮已從單一產品，延伸至 AI 產業的領導者與基礎建設。 Gen Z 每週使用 AI 達 51%，期待感卻持續下降 更明顯的變化來自 Gallup、Walton Family Foundation 與 GSV Ventures 今年公布的調查。 研究於 2 月 24 日至 3 月 4 日訪問 1,572 名 14 至 29 歲美國 Gen Z。結果顯示，51% 至少每週使用生成式 AI，其中 22% 每天使用、29% 每週使用；仍在 K-12 教育階段的學生每週使用率更達 56%，高於成年 Gen Z 的 48%。 不過，使用率維持高檔的同時，正面情緒卻快速下降。 與 2025 年相比，對 AI 感到興奮的比例下降 14 個百分點至 22%，感到希望的比例下降 9 個百分點至 18%；感到憤怒的比例則增加 9 個百分點至 31%，焦慮比例維持在 42%。即使是每天使用 AI 的重度使用者，興奮與希望的比例也分別較前一年下降 18 與 11 個百分點。 Gallup 因此指出，對 AI 愈熟悉的人整體仍較正面，但「實際使用增加就會自然換來更高接受度」的假設並未出現。 80% 擔心 AI 讓自己未來更難真正學會東西 年輕人對 AI 的疑慮也不只集中在就業。 Gallup 調查顯示，80% Gen Z 認為使用 AI 工具，很可能讓自己未來更難真正學會知識；42% 認為 AI 會傷害仔細思考資訊的能力，認為有所幫助的只有 25%。 在獨立產生新想法方面，38% 認為 AI 會帶來負面影響，高於認為有正面幫助的 31%。已就業的 Gen Z 中，也有 48% 認為 AI 對職場的風險大於利益，認為利益高於風險者僅 15%。 不過，這並不代表年輕人準備放棄 AI。 52% 的 5 到 18 歲 Gen Z 學生認為，未來接受大學或其他高等教育時需要具備 AI 能力；48% 認為未來工作同樣需要使用 AI。學校也正快速建立相關規範，表示學校已有 AI 使用政策的學生比例，從 2025 年的 51% 上升至今年的 74%。 從問卷走進校園，畢業典禮談 AI 直接被噓 年輕世代對 AI 的焦慮，今年也開始在美國大學校園公開浮現。 美聯社 5 月報導，前 Google 執行長 Eric Schmidt 在 University of Arizona 對約 1 萬名畢業生發表演說，談到 AI 將影響每個職業、教室與生活領域時，現場多次出現噓聲。 University of Central Florida 畢業典禮也出現類似情況；Big Machine Records 執行長 Scott Borchetta 在 Middle Tennessee State University 談到 AI 正在改變音樂製作時，同樣遭學生噓聲回應。 部分學生向美聯社表示，矛盾之處在於，他們在學校裡長期被限制甚至禁止使用 AI，畢業進入職場時，卻突然被要求學習如何與 AI 合作。 Harvard Kennedy School Institute of Politics 於 2025 年公布的 Youth Poll 也顯示，18 至 29 歲美國年輕人中，44% 認為 A...

Gavin Baker 大讚 Grok Bot 堪比「Claude Code 時刻」自己 AI 用量也增加百倍

知名科技投資人 Gavin Baker 近日在 X 上分享使用 xAI Grok Bot 的體驗，並給出相當高的評價。 Baker 直言，他認為 Grok Bot 很可能是 AI 產品發展中的另一個「Claude Code moment」，並估計自己導入 Grok Bot 後，個人 AI 使用量大約增加了 100 倍。 他甚至舉例，先前不少人詢問他該如何打造一套「Podcast summarizer」，也就是自動整理 Podcast 內容的工具，但現在他只花了大約 15 秒就在 Grok Bot 中完成，而且效果比自己原本使用的工具更好。 (xAI 內部「AI 同事」公開了！推出 Grok Bot ，馬斯克加碼 Grok 4.6 本週登場) 這段評價正好呼應 xAI 日前公開的 Grok Bot 定位：它不是單純回答問題的聊天機器人，而是能夠取得獨立雲端電腦、登入網站與工具、持續執行任務的「AI 同事」。 Gavin Baker：這可能是另一個 Claude Code 時刻 Baker 表示：「我認為 @bot 是 AI 的另一個 Claude Code moment。我估計自己的 AI 使用量大概增加了 100 倍。」 所謂「Claude Code moment」，指的並不只是某個模型變得更強，而是一款產品成功改變使用者與 AI 的互動頻率與工作方式。 Claude Code 將 AI 從過去需要工程師不斷複製程式碼、貼入聊天介面詢問的工具，進一步變成可以直接進入開發環境、讀取整個 codebase，甚至自行修改與執行程式碼的 Agent。 如果原本只有在碰到特定問題時才會打開 AI，當 Agent 可以長時間存在於工作環境中、直接操作工具並承接完整任務，AI 就可能從「偶爾使用的助手」，變成日常工作流程中的固定執行層。 這也是 Baker 所稱「AI 使用量增加 100 倍」背後更重要的產品訊號。 Podcast 摘要工具 15 秒就做好 Baker 特別提到，此前有不少人聯絡他，詢問該如何打造一個 Podcast summarizer。如果採用傳統做法，通常需要處理 Podcast 音訊或逐字稿來源、設計摘要流程、串接模型與輸出格式，甚至另外建立一個介面。但 Baker 表示：「我大約花了 15 秒就在 Grok Bot 裡完成，而且比我之前用的版本更好。」 Grok Bot 原本就是 xAI 內部的「AI 同事」 xAI 於 8 月 12 日公開 Grok Bot Early Beta。 根據 xAI 的產品定位，每個 Grok Bot 都擁有自己的雲端電腦，可以登入使用者日常使用的網站、App 與企業工具。 即使服務本身沒有完善 API 或 MCP，Bot 仍可以像真人一樣直接操作圖形介面。 因此它的產品邏輯並不是等待使用者輸入問題後提供答案，而是讓使用者像交辦同事一樣，把一整個工作項目交出去。 Bot 可以保留工作脈絡、持續執行任務，甚至在人類關閉電腦後繼續於雲端運作，只有碰到需要使用者授權或判斷的環節才回來詢問。 這篇文章 Gavin Baker 大讚 Grok Bot 堪比「Claude Code 時刻」自己 AI 用量也增加百倍 最早出現於 。

$NVDAB $MSFTB $GOOGLB
NVIDIA hợp tác với OpenAI và SB Energy để xây dựng nhà máy AI 4,25GW! Hoàng Nhân Quân: “Nút thắt tiếp theo là đất đai, điện lực và nhà xưởng”

Theo bài đăng mới nhất của CEO NVIDIA, Hoàng Nhân Quân, trong bài viết “Securing the Infrastructure of Intelligence” (Đảm bảo hạ tầng của trí tuệ), sau khi đã đạt bước tiến về chip, đóng gói tiên tiến, bộ nhớ và mạng lưới, thì Land, Power, Shell (LPS, đất đai, điện lực và vỏ bọc tòa nhà trung tâm dữ liệu) đang trở thành nguồn chiến lược tiếp theo cho “AI Factory”. NVIDIA cũng sẽ mở rộng cách quản lý chuỗi cung ứng bán dẫn trước đây sang trung tâm dữ liệu, bắt đầu trực tiếp hỗ trợ chốt năng lực LPS dài hạn. Hoàng Nhân Quân công bố NVIDIA sẽ hợp tác với SB Energy để “khóa” dung lượng trung tâm dữ liệu tại khuôn viên PORTS-Pike Technology Campus ở Portsmouth, bang Ohio (Mỹ), và OpenAI sẽ là bên thuê (tenant).

Hoàng Nhân Quân nhấn mạnh lại luận điểm cốt lõi của mình: “Trong nền kinh tế AI, năng lực tính toán chính là doanh thu (In the AI economy, compute is revenue).”

Quy mô ban đầu nhà máy AI của OpenAI tại Ohio đạt 4,25GW

Theo Hoàng Nhân Quân, OpenAI sẽ xây dựng và vận hành một nhà máy AI quy mô lớn tại PORTS-Pike, sử dụng nền tảng toàn diện DSX AI Factory của NVIDIA, bao gồm GPU, CPU, thiết bị mạng và phần mềm hạ tầng. Giai đoạn đầu dự kiến cung cấp năng lực 4,25GW (gigawatt) cho nhà máy AI.

Hoàng Nhân Quân ước tính rằng, mỗi lần triển khai một thế hệ hệ thống NVIDIA AI Factory tại PORTS-Pike—khoảng 1,5 triệu GPU của NVIDIA—sẽ mang lại cho NVIDIA khoảng 150 đến 200 tỷ USD doanh thu. Hơn nữa, đây không phải là việc mua GPU một lần. Hạ tầng của PORTS-Pike dự kiến có thể được sử dụng trong nhiều thập kỷ; về sau, GPU, CPU và thiết bị mạng sẽ tiếp tục được thay mới theo các thế hệ kế tiếp sau Blackwell.

Vì vậy, NVIDIA cho rằng mô hình kinh tế thực sự nằm ở chỗ: đất đai, điện lực và nhà xưởng là tài sản có vòng đời dài, còn các GPU bên trong có thể liên tục được thay thế. Ngoài ra, NVIDIA trong tương lai cũng có thể tiếp tục giành thêm 3,75GW dung lượng còn lại của PORTS-Pike, qua đó quy mô tiềm năng của toàn bộ khu vực có thể tăng lên khoảng 8GW.

OpenAI đến năm 2030: cơ hội kinh doanh sức mạnh tính toán của NVIDIA khoảng 60 tỷ USD

PORTS-Pike chỉ là một phần trong toàn bộ kế hoạch hợp tác giữa OpenAI và NVIDIA. Hoàng Nhân Quân cho biết OpenAI đã cam kết triển khai quy mô lớn cơ sở hạ tầng AI của NVIDIA trước năm 2030. Tính đến hiện tại và các hạng mục đang được lên kế hoạch, tổng quy mô tương đương khoảng 12GW năng lực tính toán NVIDIA (NVIDIA Compute). Nếu NVIDIA có được thêm dung lượng còn lại của PORTS-Pike, cơ hội hợp tác tổng thể có thể tăng lên khoảng 16GW.

Theo ước tính của NVIDIA: tổng cơ hội kinh doanh mà NVIDIA Compute đại diện cho OpenAI đến năm 2030 khoảng 60 tỷ USD. Điều này cũng cho thấy mức độ “đầu tư nặng về vốn” của OpenAI trong vài năm tới. Khi nhu cầu đào tạo và suy luận tăng trưởng, giới hạn mà các công ty AI hàng đầu đối mặt sẽ không chỉ là liệu có mua được GPU hay không, mà còn là liệu có thể tiếp cận điện năng và đất đai quy mô vài GW, có nhà xưởng trung tâm dữ liệu tương ứng, và có thể ký được các hợp đồng hạ tầng kéo dài hàng chục năm hay không.

Vì sao cần NVIDIA đứng ra bảo đảm cho OpenAI?

Hoàng Nhân Quân cũng giải thích rõ vì sao NVIDIA cần tham gia vào việc xây dựng hạ tầng trung tâm dữ liệu của OpenAI. AWS, Microsoft, Google và các nhà cung cấp dịch vụ đám mây lớn khác, cũng như những doanh nghiệp lớn ở nhóm đầu tư (investment-grade), vốn có bảng cân đối kế toán tài sản khổng lồ, đội ngũ hạ tầng và năng lực tài trợ dài hạn; do đó thường có thể tự mình tiếp cận đất đai, điện lực và xây dựng trung tâm dữ liệu.

Hoàng Nhân Quân nhấn mạnh, mô hình khách hàng tự xây dựng AI Factory sẽ vẫn tạo thành phần lớn nhất trong hoạt động kinh doanh của NVIDIA trong tương lai. Các phòng thí nghiệm AI tiên tiến như OpenAI có thể có nhu cầu rất cao về huấn luyện và suy luận mô hình, doanh thu tăng nhanh và tệp khách hàng, nhưng tốc độ tăng trưởng của doanh nghiệp cũng có thể vượt xa tốc độ mà chính họ tích lũy được năng lực từ bảng cân đối kế toán và lịch sử tín dụng dài hạn.

Nói cách khác, ngay cả khi một công ty AI chứng minh được rằng “cứ có thêm GPU thì có thể phục vụ nhiều khách hàng hơn, tạo ra nhiều doanh thu hơn”, thì điều đó không có nghĩa là họ có khả năng tự mình ký hợp đồng đất đai và điện lực 20 năm với quy mô vài GW.

Hoàng Nhân Quân cho rằng nút thắt tăng trưởng của các công ty này đang chuyển từ thuật toán và nhu cầu thị trường sang vấn đề liệu có thể tiếp cận đủ năng lực tính toán hay không. Vì thế, NVIDIA bắt đầu tận dụng quy mô, năng lực tín dụng và mức độ nhìn thấy nhu cầu GPU trong tương lai để giúp “chốt sớm” phần hạ tầng.

NVIDIA chịu rủi ro bao nhiêu cho OpenAI?

Điều này lập tức làm nảy sinh câu hỏi nhạy cảm nhất của thị trường: liệu NVIDIA có phải vì bán GPU mà đang “đi ngược lại” bằng cách tài trợ cho khách hàng hay không?

Trong bài viết, Hoàng Nhân Quân đã làm rõ rằng phạm vi hỗ trợ của NVIDIA cho PORTS-Pike vào khoảng 4GW trong thời hạn 20 năm, nhưng không phải là việc gánh toàn bộ chi phí xây dựng trung tâm dữ liệu thay cho OpenAI. Trách nhiệm của NVIDIA chỉ giới hạn ở tiền thuê và thanh toán điện cho một phần cụ thể, cùng với cam kết về giá trị còn lại (residual-value commitment), chứ không phải chịu trách nhiệm cho toàn bộ chi phí của cơ sở hay tất cả nghĩa vụ của các bên thuê (tenant) của OpenAI.

Các bảo đảm liên quan cũng không có hiệu lực ngay lập tức, mà sẽ được khởi động theo từng giai đoạn khi trung tâm dữ liệu lần lượt được đưa vào sử dụng trong giai đoạn 2028 đến 2030. Khi OpenAI thanh toán tiền thuê và năng lực trung tâm dữ liệu chính thức đi vào vận hành, rủi ro phơi nhiễm còn lại mà NVIDIA gánh chịu cũng sẽ giảm dần.

Lo ngại về “tài trợ xoay vòng” (revolving financing)? Hoàng Nhân Quân trả lời thẳng

Khi đầu tư vào hạ tầng AI bùng nổ nhanh chóng, thị trường trong những năm gần đây đã bắt đầu chất...

$GOOGLB
AI đa dụng vượt công cụ AI chuyên dụng trong y tế: nghiên cứu của Nature tiết lộ điều bất ngờ

Trong lĩnh vực y tế, “AI được tùy biến cho riêng” chưa chắc đã thắng “AI đa dụng”. Một nghiên cứu đăng trên tạp chí Nature Medicine cho thấy ba mô hình ngôn ngữ lớn (LLM) đa dụng hiện đại có thể bao quát toàn diện và vượt trội hơn hai công cụ AI chuyên dụng hàng đầu trong nhiều bộ đánh giá y tế và cả các câu hỏi thực tế từ bác sĩ; trong khi hiệu quả của hai công cụ sau thậm chí chỉ tương đương với bản tóm tắt do AI của Google tạo ra.

Ba mô hình đa dụng chạm trán với hai công cụ lâm sàng trong nghiên cứu được chia thành ba phần: phần một là 500 câu MedQA để kiểm tra kiến thức y khoa; phần hai là 500 hạng mục HealthBench nhằm đánh giá mức độ phù hợp với bác sĩ lâm sàng; phần ba là bộ chuẩn RCQ “câu hỏi lâm sàng thực tế”, được lấy từ 100 câu hỏi đã được khử định danh mà bác sĩ đưa ra trong môi trường lâm sàng thực, sau đó 12 bác sĩ lâm sàng tại Mỹ tiến hành chấm điểm ngẫu nhiên, theo kiểu mù. Tổng cộng tạo ra 1.800 nhãn đánh giá.

Cả ba phần, mô hình đa dụng đều giành chiến thắng: với MedQA, kết quả cao nhất đạt 97,4%, cho thấy mô hình đa dụng thắng toàn diện ở cả ba vòng. Lấy MedQA làm ví dụ: tỷ lệ chính xác của Gemini cao nhất đạt 97,4%, GPT đạt 94,2% và Claude đạt 90,2%; trong khi đó OpenEvidence đạt 89,6% và UpToDate đạt 88,4%.

Quan trọng hơn, ở RCQ – phần gần nhất với thực tiễn – hai công cụ lâm sàng chỉ tương đương với “AI của Google Search khi bật tự động tóm tắt”.

Tín hiệu cảnh báo về “hào chắn” của AI y tế theo chiều dọc

Kết quả này thách thức một giả định phổ biến: trong một lĩnh vực chuyên môn cao như y tế, AI muốn đáng tin cậy phải được “xây dựng riêng, nạp dữ liệu chuyên ngành”. Nghiên cứu cho thấy khi chính các mô hình đa dụng tiên tiến đã đủ mạnh, nếu công cụ chuyên dụng không có giá trị gia tăng rõ ràng, “hào chắn” sẽ bị xóa nhòa.

Nghiên cứu cũng chỉ ra một khoảng cách trong quản lý: một số công cụ AI lâm sàng đã nhận chứng nhận của FDA Mỹ, nhưng trong thử nghiệm lại kém hơn so với các mô hình đa dụng không được hiệu chỉnh riêng cho y tế, qua đó làm nổi bật chuẩn xác minh hiện hành có thể không theo kịp tốc độ tiến bộ của mô hình.

Cần lưu ý rằng đây là một nghiên cứu chủ yếu dựa trên điểm số theo chuẩn và đánh giá theo kiểu mù, không đồng nghĩa với việc “mô hình đa dụng có thể trực tiếp đem đi khám chữa bệnh”. Trách nhiệm, tuân thủ và an toàn trong môi trường y tế vẫn cần những xác thực lâm sàng nghiêm ngặt hơn.

Tuy nhiên, ít nhất ở hạng mục “trả lời các câu hỏi y tế”, AI đa dụng đã bắt kịp và thậm chí vượt công cụ chuyên dụng.

Bài viết này “AI đa dụng vượt công cụ AI chuyên dụng trong y tế: nghiên cứu của Nature tiết lộ điều bất ngờ” xuất hiện sớm nhất ở .

Theo như báo cáo, Stripe đã chi hơn 7 tỷ USD để mua cổng mô hình AI OpenRouter

Ông lớn thanh toán Stripe đang mở rộng sang hạ tầng AI. Theo tường thuật của Bloomberg, Stripe đã chốt thỏa thuận mua lại startup cổng mô hình AI OpenRouter với số tiền hơn 7 tỷ USD. Trước đó từng có tin đồn về thương vụ này, và nay thông tin được cho là đã đi đến kết quả. OpenRouter là gì? OpenRouter, phiên bản “cổng” của Stripe dành cho AI, cung cấp một “cổng AI” cho phép khách hàng linh hoạt chuyển đổi giữa hơn 400 mô hình AI dựa trên nhiệm vụ và ngân sách. CEO Alex Atallah (đồng sáng lập OpenSea) mô tả đây là “Stripe của giới AI”: dùng một điểm truy cập để kết nối nhiều hệ thống khác nhau, tránh bị ràng buộc bởi một nhà cung cấp duy nhất. Công ty được Atallah và Louis Vichy thành lập vào năm 2023, hiện có khoảng 8 triệu người dùng trên toàn cầu. Sau khi hoàn tất vòng gọi vốn Series B trị giá 113 triệu USD vào tháng 5 năm nay, định giá của OpenRouter vào khoảng 1,3 tỷ USD.

Định giá tăng hơn 5 lần trong nửa năm, phản ánh nhu cầu “AI tiết kiệm chi phí nhất”
Với thương vụ trị giá hơn 7 tỷ USD, mức định giá của OpenRouter đã tăng hơn 5 lần so với 1,3 tỷ USD vào tháng 5. Đồng thời, thương vụ này cũng cho thấy một xu hướng: doanh nghiệp ngày càng muốn sử dụng AI theo cách “tiết kiệm chi phí nhất”, và lớp trung gian có thể so sánh giá, đổi qua lại giữa nhiều mô hình đang trở nên cực kỳ “hot”. Với Stripe, việc áp dụng logic “một giao diện nối liền toàn thế giới” trong lĩnh vực thanh toán sang AI có nghĩa là họ đã sớm nắm vị trí trong mảng phân phối mô hình và tính phí.

Bài viết “Theo như báo cáo, Stripe chi hơn 7 tỷ USD để mua cổng mô hình AI OpenRouter” lần đầu xuất hiện ở .

$ETH $SOL
Liệu blockchain còn cứu được không? Nhà nghiên cứu định giá lại chuỗi công L1: câu chuyện được chuyển hóa như thế nào thành giá trị cho người nắm giữ token?

Ngay khi cộng đồng Solana chuẩn bị bỏ phiếu về SIMD-0550 “Double Disinflation Speed” và SIMD-0553 “Resource Fees”, Max Resnick—cựu lãnh đạo nghiên cứu tại Consensys và hiện là một nhà phát triển quan trọng trong hệ sinh thái Solana—đã công bố một bài viết dài, cố gắng trả lời một câu hỏi còn căn bản hơn chính bản thân hai đề xuất: một chuỗi khối Layer 1 rốt cuộc nên được định giá như thế nào? Resnick cho rằng, cách thị trường tiền mã hóa hiện nay định giá các chuỗi L1 khá giống thị trường chứng khoán cuối thập niên 1920: tràn ngập những câu chuyện tăng trưởng, nhưng lại thiếu một khung có thể chuyển các câu chuyện đó thành giá trị tài sản.

“ Số lượng nhà phát triển lập kỷ lục mới”, “Khối lượng giao dịch lập kỷ lục mới”, “Token trong tương lai sẽ trở thành tiền tệ”, “Dầu số”, “quyền chọn đối với hệ thống tài chính tương lai”… Những câu chuyện ấy có thể không hẳn sai, nhưng Resnick nhấn mạnh: nếu không giải thích được những hoạt động này cuối cùng chuyển hóa thế nào thành tokenholder surplus (giá trị thặng dư thuộc về người nắm token), thì không thể xem đó là một mô hình định giá hoàn chỉnh.

L1 thực ra cũng có thể định giá theo cách của cổ phiếu

Resnick bắt đầu từ lý thuyết định giá tài sản trong tài chính truyền thống. John Burr Williams trong cuốn “The Theory of Investment Value” xuất bản năm 1938 đã đề xuất rằng, giá trị của cổ phiếu về bản chất là giá trị hiện tại sau khi chiết khấu các khoản cổ tức trong tương lai; sau đó Merton Gordon cũng bổ sung rằng, giá trị của cổ phiếu và các tài sản khác cũng đến từ kỳ vọng của người nắm giữ về các khoản thu nhập trong tương lai.

Nói cách khác, một công ty không có một mức định giá nào chỉ vì “quan trọng”, “tăng trưởng nhanh”, hay “công nghệ không thể thay thế”. Thứ thực sự quan trọng là: cổ đông cuối cùng lấy được bao nhiêu giá trị từ các hoạt động kinh tế mà công ty tạo ra.

Resnick cho rằng, logic tương tự cũng nên được áp dụng cho token L1. Đối với blockchain, thu nhập do mạng tạo ra chủ yếu có thể quay lại tay người nắm giữ token theo hai cách: thứ nhất là đốt phí (burn phí), về hiệu ứng kinh tế tương tự như doanh nghiệp mua lại cổ phiếu; thứ hai là phân phối phí cho người tham gia staking, tương tự như doanh nghiệp trả cổ tức cho cổ đông.

Vì vậy, một blockchain dù mỗi ngày xử lý hàng triệu giao dịch cũng không có nghĩa token của nó chắc chắn có cùng mức giá trị. Nếu phần lớn phần dư kinh tế do giao dịch tạo ra cuối cùng rơi vào tay các ứng dụng, validator, MEV searcher hoặc các bên trung gian khác, mà không quay trở lại người nắm token, thì khối lượng giao dịch khổng lồ có thể chỉ tạo ra tokenholder value (giá trị cho người nắm token) ở mức giới hạn. Ngược lại, một chuỗi có khối lượng giao dịch nhỏ hơn—nếu có thể chuyển đổi tỷ lệ cao hơn hoạt động kinh tế thành thu nhập cho người nắm token—về lý thuyết lại có thể có giá trị tài sản cao hơn.

Phần thưởng staking không phải là doanh thu, còn lạm phát cũng không thể tính thẳng là chi phí

Trong khung này, một điểm then chốt khác là cách xử lý “lạm phát + phần thưởng staking” vốn rất phổ biến trong blockchain. Resnick cho rằng, phần thưởng staking được trả bằng cách phát hành thêm token (staking rewards) không thể coi trực tiếp là doanh thu mà blockchain tạo ra; tương tự, cũng không nên xem như chi phí mà mạng trả cho bên ngoài.

Lý do là: token mới được giao cho người staking sau khi được giao thức tạo ra; về bản chất, không có sự “tạo ra” giá trị mới gắn với người không staking—giá trị chỉ được phân phối lại cho người staking, đồng thời những người không stake bị pha loãng. Xét trên tổng thể tất cả người nắm giữ token, giá trị đó sau khi cộng trừ sẽ triệt tiêu lẫn nhau.

Đây cũng là lý do Resnick cho rằng không thể chỉ vì Solana trả lượng lớn SOL cho validator và người staking mà kết luận “Solana đang lỗ”. Tất nhiên, nhà phân tích có thể đưa phần thưởng do lạm phát vào mục chi phí; nhưng nếu làm vậy, đồng thời họ cũng phải xem lượng token mới phát hành là nguồn giá trị tương ứng, nếu không thì toàn bộ mô hình kế toán sẽ bị méo.

Các vấn đề tương tự cũng tồn tại với việc nắm giữ và chi tiêu của các foundation (quỹ/hiệp hội). Ví dụ, nếu nhà phân tích đã xem Foundation spending là chi phí hoạt động, thì token của foundation—đang chưa chi ra—không thể lại được tính đầy đủ vào mô hình định giá nguồn cung lưu hành; nếu không, có thể dẫn tới tính trùng.

Vì vậy Resnick chủ trương rằng, ít nhất định giá L1 cần xây dựng một bộ chuẩn phân loại rõ ràng và nhất quán cho Revenue (doanh thu), Cost (chi phí) và Total Supply (tổng cung).

Không phải mọi khoản phí đều có cùng giá trị

Tuy nhiên, ngay cả khi xác nhận rằng phí mới là nguồn thu đáng để quan sát, vấn đề vẫn chưa kết thúc. Resnick đặc biệt nhấn mạnh “chất lượng doanh thu”. Trên thị trường chứng khoán, khi phân tích công ty SaaS, người ta rất coi trọng ARR (doanh thu thường xuyên hằng năm) vì tính bền vững của recurring revenue (doanh thu định kỳ) thường cao hơn nhiều so với doanh thu một lần.

Khái niệm tương tự cũng có thể áp dụng cho blockchain. Ví dụ, một đô la phí đến từ các hoạt động tài chính ổn định và kéo dài, khác hoàn toàn với một đô la phí đến từ hoạt động đào airdrop, cơn sốt meme coin, làn sóng thanh lý, hay tình trạng tắc nghẽn mạng trong ngắn hạn—không thể gán cho chúng cùng một bội số định giá.

Thứ thực sự quan trọng là hai điều: tính bền vững và tính phòng thủ. Nhà đầu tư cần đánh giá người dùng trả tiền vì blockchain cung cấp tiện ích kinh tế không thể thay thế, hay chỉ vì luồng hoạt động đầu cơ ngắn hạn; khi các khoản bù đắp kết thúc và biến động giảm xuống, liệu các nguồn thu này còn tồn tại hay không.

Quan trọng hơn, liệu nền tảng blockchain công khai có thể tăng giá mà không đẩy giao dịch, ứng dụng và dòng lệnh đặt vào nơi khác hay không.

Resnick: Thị trường có thể đang đánh giá thấp năng lực định giá của Solana và Ethereum

Resnick cho rằng, trong quá khứ thị trường tiền mã hóa thực ra đã phạm đồng thời hai sai lầm trái chiều. Một mặt, thị trường có thể đánh giá quá cao chất lượng doanh thu của blockchain, vì rất nhiều hoạt động on-chain mang tính đầu cơ, tính phản thân (reflexive) và theo chu kỳ; phí bùng nổ trong thời kỳ bull market không chắc duy trì được lâu.

Nhưng mặt khác, nhà đầu tư cũng có thể đang đánh giá thấp hiệu ứng mạng của các L1 đã trưởng thành. Tính thanh khoản, ứng dụng, ví, hạ tầng, người dùng, nhà phát triển, tài sản on-chain và dòng lệnh đặt lẫn nhau củng cố, khiến các public chain lớn hình thành một “hào lũy” vững mạnh hơn so với vẻ bề ngoài.

Vì thế…

Qwen 3.8-27B mã nguồn mở của Alibaba: Apache 2.0, đa phương thức, laptop chạy được

AI mã nguồn mở lại tiến thêm một bước lớn. Nhóm Qwen của Alibaba đã công bố mã nguồn mở Qwen 3.8-27B vào ngày 14 tháng 8, phát hành theo giấy phép Apache 2.0. Mô hình đa phương thức 27 tỷ tham số này, trong một số bài benchmark về lập trình và tác nhân, thậm chí tự báo thành tích còn nhỉnh hơn Claude Opus 4.6 Max của Anthropic. Mô hình đa phương thức 27 tỷ tham số cũng chạy được trên laptop. Theo thẻ mô hình chính thức, Qwen 3.8-27B có khoảng 27,8 tỷ tham số, cửa sổ ngữ cảnh gốc 262.144 token và có thể mở rộng lên 1 triệu, đồng thời hỗ trợ hiểu văn bản, hình ảnh và video; sử dụng giấy phép Apache 2.0, có thể sử dụng thương mại tự do. Với quy mô này, sau khi lượng tử hóa, các laptop cấp cao hoặc thậm chí Mac cũng có thể chạy được, đúng với độ nóng gần đây của chủ đề “AI tại chỗ (local AI)”: đưa trực tiếp một mô hình miễn phí, chạy offline vào thiết bị của mình.

Tự báo benchmark: Theo bảng đối chiếu của thẻ mô hình Qwen, Qwen 3.8-27B trên SWE-bench Pro (61,7 so với 53,4), LiveCodeBench v6 (90,3 so với 88,8) và OSWorld-Verified (84,3 so với 72,7) đều có điểm cao hơn Claude Opus 4.6 Max; nhưng trên Terminal Bench 2.1 thì thua (73,0 so với 78,2). Cần lưu ý rằng trong phần đối chiếu này, Opus 4.6 Max dùng “điểm số do hãng công bố chính thức”, còn Qwen được đánh giá bằng khung thử nghiệm của Claude Code—hai bên không hoàn toàn dùng cùng điều kiện; các con số này vẫn thuộc dạng hãng tự báo và cần bên thứ ba xác minh.

Liên minh mã nguồn mở tiếp tục tiến sát tuyến đầu

So với thế hệ trước Qwen3.6-27B, phiên bản mới đã cải thiện rõ rệt về năng lực tác nhân và lập trình, ví dụ OSWorld-Verified tăng từ 63,9 lên 84,3, DeepSWE từ 13,3 lên 42,2. Điều này cũng tiếp nối xu hướng gần đây của các mô hình mã nguồn mở: “tiến sát tuyến đầu của mô hình đóng” với chi phí thấp. Gần đây cũng đã có bài đưa tin về DeepSeek V4 Pro với điểm nhấn là hiệu năng/chi phí để đối标 Claude. Khi một mô hình miễn phí, có thể triển khai cục bộ, có thể giành giật thắng thua với các mô hình đóng cửa hàng đầu ở một số nhiệm vụ, thì sức ép lên chiến lược định giá và “lợi thế phòng thủ” của OpenAI, Anthropic sẽ còn tiếp diễn.

Bài viết này Qwen 3.8-27B mã nguồn mở của Alibaba: Apache 2.0, đa phương thức, laptop chạy được lần đầu xuất hiện ở .

Gavin Baker nhìn nhận định giá 2 nghìn tỷ USD của Anthropic như thế nào? Tại cùng sự kiện, Dario tiết lộ thêm: tương lai chỉ còn “Anthropic và chính phủ”

Tốc độ tăng trưởng của startup AI Anthropic đang đưa Thung lũng Silicon tới một quy mô mà trước đây chưa từng thấy. Tập mới nhất của《All-In Podcast》tập trung thảo luận về kế hoạch IPO mà Anthropic đang được cho là sẽ triển khai; ngoài con số định giá 2 nghìn tỷ USD, câu hỏi lớn hơn là: nếu nhu cầu đối với Claude tiếp tục tăng trưởng với tốc độ như hiện nay, liệu Anthropic có đủ năng lực tính toán và năng lượng để đón đợt tăng trưởng tiếp theo hay không? (Anthropic dự kiến lên sàn vào tháng 10, thách thức mức định giá 2 nghìn tỷ USD, phá kỷ lục IPO lớn nhất của SpaceX) Chương trình cũng đề cập rằng thị trường hiện truyền nhau khả năng Anthropic sẽ lên sàn với mức định giá khoảng 2 nghìn tỷ USD, nhưng nhà đầu tư Gavin Baker tỏ ra thận trọng với con số này. Ông cho rằng các thông tin định giá sát thời điểm IPO thường bị “lẫn” vào cuộc giằng co giữa các ngân hàng bảo lãnh; trước khi hồ sơ S-1 chính thức được công bố, không nên coi 2 nghìn tỷ USD là mức giá cuối cùng.

Gavin Baker còn tiết lộ thêm rằng ông biết từ nhiều người mà mình tin tưởng: CEO của Anthropic, Dario Amodei, từng nói trong nội bộ rằng Anthropic một ngày nào đó thậm chí có thể trở thành “công ty tư nhân duy nhất trên toàn cầu”. Baker mô tả viễn cảnh này như một kiểu “quan điểm tối thượng Anthropic” (Anthropic maximalist): trong trường hợp cực đoan nhất, tương lai chỉ có Anthropic và các chính phủ của các quốc gia. Tuy nhiên, ông ngay lập tức phanh lại và nói thẳng rằng nếu Dario từng nói điều đó, thì ý tưởng này đã mang màu sắc tự cao khá rõ rệt, thậm chí còn gợi ý rằng ông “đừng nói câu đó cho bất kỳ ai nữa”.

Dù vậy, Baker đánh giá rất cao hiệu quả vận hành của chính Anthropic. Ông chỉ ra rằng, dù Anthropic có thể đang bị OpenAI, Grok và các mô hình mã nguồn mở bào mòn thị phần ở một số thị trường, thì doanh thu tuyệt đối của họ vẫn tiếp tục tăng trưởng nhanh chóng. Điều đó không phản ánh cuộc cạnh tranh “công ty thắng - công ty thua” đơn thuần, mà cho thấy toàn bộ thị trường AI Token đang nhanh chóng mở rộng. Nói cách khác, dù “tỷ lệ chiếc bánh” mà Anthropic nhận được có thể giảm, thì chiếc bánh bản thân lại đang lớn lên nhanh hơn, và điều đó vẫn đủ để kéo doanh thu bùng nổ.

Liệu ARR của Anthropic năm tới có thể đạt 1 nghìn tỷ USD? David Sacks đưa ra một kịch bản cực đoan: nếu cuối năm nay doanh thu niên hóa (ARR) của Anthropic đạt khoảng 100 tỷ USD và duy trì tốc độ tăng trưởng cao như trong quá khứ, thì về mặt lý thuyết đến cuối năm sau thậm chí có thể tiến gần mức ARR 1 nghìn tỷ USD.

Nhưng vấn đề lúc này không còn chỉ là “có thị trường lớn đến vậy hay không”. Sacks cho rằng AI Agent, Coding và ứng dụng doanh nghiệp vẫn đang tăng nhanh; việc nhu cầu Token tiếp tục leo thang là điều dễ hình dung. Giới hạn thật sự bắt đầu hình thành lại có thể nằm ở nguồn cung vật lý của năng lực tính toán, trung tâm dữ liệu và năng lượng.

Baker cũng tiết lộ rằng, theo những thông tin ông có được từ nhiều người đáng tin, nội bộ Anthropic cực kỳ tự tin vào tăng trưởng tương lai. Ông thậm chí nghe nói rằng khi công ty có ARR khoảng 60 tỷ USD, nội bộ từng cân nhắc khả năng đạt 600 tỷ USD trong vòng một năm; và hiện tại, ARR được cho là đã vượt 80 tỷ USD. Baker cho rằng, so với kịch bản cực đoan 1 nghìn tỷ USD, nếu năm tới Anthropic có thể đẩy ARR lên khoảng 400 đến 500 tỷ USD, thì đã đủ để đưa công ty vào nhóm các hãng phần mềm lớn nhất thế giới, quy mô bắt đầu tiến gần tới các mảng phần mềm và hoạt động internet mang tính lịch sử như Microsoft Office hay Google Search.

Về cuối chương trình, cả Baker và Sacks đều đặt khoảng “exit ARR” hợp lý của Anthropic vào cuối năm sau quanh mức 400 đến 500 tỷ USD; và lý do họ không hô cao hơn chủ yếu vẫn là do cân nhắc rằng năng lực tính toán và năng lượng có thể gặp giới hạn vật lý.

Hào quang phòng thủ lớn nhất của Claude: nhanh hơn mô hình mã nguồn mở nửa năm

Tuy nhiên, Anthropic còn đối mặt với một vấn đề khác: các mô hình mã nguồn mở đang nhanh chóng đuổi kịp. All-In cho rằng hiện nay Anthropic có thể thu mức phí/giá cao nhờ phần premium đối với Token của Claude; một nguyên nhân cốt lõi là Frontier Model của họ vẫn dẫn đầu về năng lực so với đa số mô hình mã nguồn mở (khoảng sáu tháng). Khi khoảng thời gian dẫn đầu này bị san lấp, năng lực định giá của các mô hình cao cấp có thể bị nén xuống rất nhanh.

Nhưng Sacks cho rằng điều đó không có nghĩa Anthropic chắc chắn sẽ rơi vào cuộc chiến giá. Ẩn dụ của ông là Apple và Android: phần lớn người dùng có thể chọn các mô hình mã nguồn mở rẻ hơn, nhưng chỉ cần vẫn có một nhóm doanh nghiệp sẵn sàng trả mức premium cao cho “Trí tuệ Frontier thực sự”, thì dù chỉ chiếm một phần thị trường, Anthropic vẫn có thể duy trì doanh thu và biên lợi nhuận gộp rất cao.

Vấn đề là: Anthropic và OpenAI phải liên tục duy trì lợi thế công nghệ. “Chỉ cần bạn muốn thu khoản premium này, bạn phải luôn chạy ở hàng đầu.” Điều này cũng đồng nghĩa các công ty AI Frontier về thực chất đã bước vào một cuộc đua nghiên cứu và phát triển không thể dừng lại. Anthropic càng thành công thì càng cần mô hình mã nguồn mở?

Baker lại đưa ra một quan điểm khác, có phần trái trực giác: AI mã nguồn mở không nhất định sẽ làm Frontier Model mất giá trị; thậm chí nó còn có thể khiến mô hình mạnh nhất trở nên đáng giá hơn. Lập luận của ông là: trong tương lai, Frontier Model đắt đỏ và mạnh mẽ nhất không cần tự mình hoàn thành mọi việc, mà có thể đóng vai “tổng chỉ huy”, phân bổ rất nhiều nhiệm vụ đơn giản hơn cho các mô hình mã nguồn mở có chi phí thấp hơn rất nhiều.

Trong cấu trúc thị trường như vậy, mô hình mã nguồn mở có thể chiếm phần lớn lượng Token sử dụng, nhưng An...

NTT Docomo bắt tay Starlink ký thỏa thuận, nâng cấp dịch vụ kết nối di động trực tiếp qua vệ tinh

Gần đây, NTT Docomo đã đạt được thỏa thuận hợp tác với Starlink Japan nhằm nâng cấp dịch vụ, dự kiến đưa hệ thống vệ tinh thế hệ tiếp theo “Starlink Mobile V2” của SpaceX vào triển khai. Đến năm 2028, hãng sẽ mở rộng đáng kể dịch vụ liên lạc “Docomo Starlink Direct”, nhờ đó người dùng di động trong tương lai vẫn có thể truy cập Internet và thực hiện cuộc gọi ngay cả khi ở những khu vực không thể phủ sóng tín hiệu mặt đất như vùng núi, đảo xa và trên biển thông qua smartphone. Nâng cấp phủ sóng khu vực xa xôi cho dịch vụ Docomo Starlink Direct NTT Docomo cho biết hãng đã ký thỏa thuận với công ty thám hiểm không gian của Mỹ (SpaceX) thông qua công ty con tại Nhật Bản Starlink Japan, lên kế hoạch đưa “Starlink Mobile V2” vào triển khai. Hiện tại, dịch vụ “docomo Starlink Direct” chủ yếu hỗ trợ truyền tin nhắn văn bản ngoài trời và một số ứng dụng được chỉ định. Khi hệ thống vệ tinh thế hệ tiếp theo của Starlink được đưa vào, dịch vụ sẽ tiếp tục hỗ trợ đàm thoại bằng giọng nói, duyệt web và kết nối trực tiếp cho các thiết bị Internet vạn vật (IoT / M2M). Khi đó, ngay cả khi ở các khu vực không có trạm thu phát thông tin di động mặt đất phủ sóng như vùng núi, đảo xa hay khu vực biển, người dùng vẫn có thể duy trì kết nối. (Ba nhà mạng lớn của Nhật Bản đều đón nhận dịch vụ điện thoại di động trực tiếp qua vệ tinh của Starlink, Rakuten chọn đi theo hướng riêng với AST SpaceMobile) Docomo tích lũy 6,5 triệu người dùng Nhật Bản Giải pháp của Docomo mang tên “Docomo Starlink Direct” đã được ra mắt vào ngày 27 tháng 4, miễn phí cho tất cả người dùng NTT Docomo, bao gồm cả gói “Ahamo”. Tính đến cuối tháng 7, sau 3 tháng triển khai, dịch vụ đã tích lũy được 6,5 triệu người dùng. Phát triển nhanh dịch vụ liên lạc di động trực tiếp qua vệ tinh Điện thoại thông minh kết nối trực tiếp qua vệ tinh đã trở thành mảng kinh doanh truyền thông phát triển nhanh của các nhà khai thác viễn thông trên toàn cầu. T-Mobile US ngay từ năm 2024 đã hợp tác với SpaceX để ra mắt dịch vụ nhắn tin vệ tinh, và Apple cũng đã tích hợp tính năng “Emergency SOS via Satellite” (cứu trợ khẩn cấp qua vệ tinh) vào iPhone từ trước. (Starlink có khả năng tiến vào Đài Loan, Ủy ban lập pháp thông qua dự thảo sửa đổi Luật Quản lý Viễn thông giai đoạn sơ thẩm) (Nhật Bản hoàn tất thành công chuyến bay đầu tiên của máy bay không người lái điều khiển trực tiếp qua Starlink) Năm ngoái, KDDI của Nhật Bản đã ra mắt dịch vụ liên lạc vệ tinh dựa trên Starlink từ tháng 1. Trong khi đó, SoftBank đẩy nhanh việc triển khai dịch vụ thông qua hợp tác với AST SpaceMobile của Mỹ. Cần lưu ý rằng điện thoại di động kết nối trực tiếp qua vệ tinh vẫn cần phần cứng tương thích. Hiện tại, dịch vụ Docomo Starlink Direct chỉ hỗ trợ trong phạm vi giới hạn các mẫu smartphone. Bài viết này “NTT Docomo bắt tay Starlink ký thỏa thuận, nâng cấp dịch vụ truy cập Internet liên lạc di động trực tiếp qua vệ tinh” xuất hiện lần đầu tại .