Meta Compute: xây thừa hạ tầng AI, Meta quay ra bán lại cho thiên hạ

Ảnh: NVIDIA Newsroom

Ngày 1/7, Bloomberg đưa tin Meta đang dựng một mảng kinh doanh mới mang tên Meta Compute: đem phần hạ tầng AI xây dư ra bán cho khách bên ngoài. Sản phẩm gồm hai món — GPU "thô" (máy bare-metal hoặc ảo hóa, chạy chip NVIDIA đời mới lẫn silicon riêng của Meta) và API host sẵn cho các mô hình Llama. Phố Wall phản ứng tức thì: cổ phiếu Meta tăng khoảng 8%, lần đầu vượt mốc 600 đô, trong khi CoreWeave và Nebius — hai nhà cung cấp từng ký hợp đồng nhiều tỷ đô bán compute cho Meta — rơi tự do.

Từ gánh nặng chi phí thành nguồn thu

Hai năm qua Meta xây hạ tầng theo kiểu không cần biết điểm dừng: riêng khu Hyperion ở Louisiana được thiết kế đạt 1,5 gigawatt vào cuối 2027, tiến tới 5 gigawatt và hơn 1,3 triệu GPU vào 2030. Hãng cũng vừa nâng quan hệ với NVIDIA thành thỏa thuận chip nhiều năm, quy mô nhiều gigawatt. Meta Compute chính là lời giải cho bảng cân đối kế toán: công suất thừa từ chỗ là rủi ro trở thành doanh thu — và Meta nghiễm nhiên bước vào sân chơi của AWS, Azure, Google Cloud.

Bối cảnh nội bộ càng làm nước cờ này dễ hiểu. Tại buổi town hall ngày 2/7, Zuckerberg thừa nhận mảng AI agent của công ty giậm chân bốn tháng liền; ít phút sau, giám đốc AI Alexandr Wang tuyên bố mô hình Watermelon (chưa phát hành) đã đuổi kịp GPT-5.5 trên đánh giá nội bộ, với lượng compute huấn luyện được đồn ở mức 1 triệu GPU quy đổi. Watermelon thành công hay không, hạ tầng vẫn có đường sinh lời. Một mũi tên trúng hai đích.

Chú thích: Cùng một khoản đầu tư — dùng trong nhà để huấn luyện Watermelon, bán ra ngoài dưới tên Meta Compute.

Người mua compute nên nhìn thấy gì

Thêm một ông lớn nhảy vào bán GPU là tin vui cho các đội AI tầm trung: người mới cần khách mỏ neo, mà cần khách thì thường phải phá giá. Đáng chú ý không kém là tầng Llama host sẵn — nó gỡ bỏ định kiến "muốn dùng mô hình mở thì phải tự vận hành". Xu hướng sắp tới: thuê mô hình mở y như thuê mô hình đóng, còn tính mở của weights trở thành phương án thoát hiểm thay vì gánh nặng vận hành.

Cú rơi của CoreWeave và Nebius cũng là lời cảnh báo ngược: khi khách hàng lớn nhất của bạn có thể một đêm biến thành đối thủ, rủi ro tập trung tồn tại ở cả hai đầu chuỗi cung ứng.

Lời khuyên kỹ thuật: quy compute về đơn vị của chính mình

Giá GPU-giờ giữa các nhà cung cấp gần như không so sánh được — interconnect, băng thông lưu trữ, overhead của scheduler có thể khiến throughput thực chênh nhau gấp đôi. Trước khi ký bất kỳ cam kết nào, hãy benchmark bằng workload thật của bạn và quy về một con số duy nhất: chi phí mỗi bước huấn luyện, hoặc mỗi triệu token phục vụ. Đóng gói bộ benchmark cho chạy được ở đâu cũng vậy (container hóa, mỗi nhà cung cấp một file config). Khi Meta Compute hay tay chơi kế tiếp chào giá ra mắt, bạn có bảng so sánh thật trong một ngày — và bước vào đàm phán bằng số liệu, không phải bảng giá niêm yết của người bán.

Nguồn: Bloomberg, Tom's Hardware, Data Center Dynamics, NVIDIA Newsroom.

Còn bạn thì sao? Bạn có dám đặt workload production lên một đám mây sinh ra để tiêu thụ công suất thừa của người khác?