VI / EN
Startup & Kinh doanh

Mô hình kinh doanh "AI-as-a-Service" đang thất bại: Bài học từ sự sụp đổ của chuỗi giá trị khép kín và chiến lược mới cho startup Việt Nam

AI
DistilHub Editorial June 16, 2026 · 31 min read
Chia se: 𝕏 f in
Mô hình Kinh doanh
Photo by Vitaly Gariev on Unsplash

Khi tôi viết bài này vào giữa năm 2026, làn sóng AI đã trải qua hai năm “đại thanh lọc”. Hàng trăm startup AI-as-a-Service (AIaaS) tại Đông Nam Á đã chết hoặc bị thâu tóm với mức định giá thấp hơn 70% so với vòng gọi vốn trước đó. Câu chuyện không phải về việc AI “thất bại” – mà về việc quá nhiều founder đã copy-paste mô hình kinh doanh từ SaaS (Software-as-a-Service) vào AI, mà không hiểu rằng unit economics của AIaaS khác biệt về bản chất. Bài viết này sẽ phân tích vì sao mô hình “bán token API” đang sụp đổ, và đưa ra một hướng đi thực tế hơn cho các startup Việt Nam đang tìm cách kiếm tiền từ AI.

Snapshot: Cuộc khủng hoảng AIaaS năm 2025-2026 và những con số biết nói

Theo báo cáo của PitchBook (Q1 2026), tổng vốn đầu tư mạo hiểm vào các startup AIaaS tại Đông Nam Á đã giảm 62% so với cùng kỳ năm 2024, từ mức 4,8 tỷ USD xuống còn 1,8 tỷ USD. Tại Việt Nam, theo số liệu từ Topica Founder Institute (2026), có tới 73% startup AIaaS được khảo sát cho biết họ đang “vật lộn” với chi phí vận hành vượt quá doanh thu ít nhất 40%. Cụ thể hơn, một startup AI chatbot cho ngành bán lẻ tại TP.HCM, từng huy động 2 triệu USD năm 2023, đã phải đóng cửa vào tháng 3/2026 sau khi không thể đạt được gross margin dương – chi phí inference (chạy mô hình) của họ chiếm tới 85% doanh thu, trong khi mức bền vững phải dưới 30%.

Điều đáng nói: không phải AI không có thị trường. Theo McKinsey Global Institute (2026), nhu cầu về các giải pháp AI cho doanh nghiệp vừa và nhỏ tại Việt Nam tăng 89% giai đoạn 2024-2026. Vấn đề nằm ở mô hình kinh doanh – cách startup thu tiền và cách họ quản lý chi phí.

Câu chuyện gốc: Khi “bán nước” thay vì “bán vòi”

Hãy bắt đầu với một câu chuyện có thật. Năm 2023, một startup Việt tên là “Ailytics” (tên đã thay đổi) ra mắt nền tảng AI phân tích dữ liệu khách hàng cho các chuỗi cà phê. Mô hình của họ đơn giản: thu phí 0,05 USD cho mỗi lần “inference” (mỗi lần AI phân tích một hành vi khách hàng). Họ gọi vốn thành công 1,5 triệu USD từ một quỹ đầu tư thiên thần. Trong 6 tháng đầu, họ có 200 khách hàng dùng thử miễn phí, và 30 khách hàng trả phí. Doanh thu tháng đạt 12.000 USD. Nghe có vẻ ổn?

Nhưng chi phí thực tế: mỗi lần inference, họ phải trả cho OpenAI và các nhà cung cấp GPU khoảng 0,04 USD. Thêm chi phí nhân sự, marketing, vận hành – gross margin của họ chỉ ~10%. Khi họ tăng giá lên 0,08 USD mỗi inference để cải thiện margin, 40% khách hàng bỏ đi. Họ cố gắng tối ưu bằng cách dùng mô hình nhỏ hơn, nhưng chất lượng giảm, khách hàng phàn nàn. Cuối cùng, Ailytics đóng cửa vào cuối 2025, sau khi đốt hết 1,2 triệu USD. Câu chuyện của họ không phải cá biệt – nó là điển hình cho hàng trăm startup AIaaS khác.

Bài học đầu tiên: Mô hình “bán token API” (pay-per-inference) là cái bẫy chết người. Nó khiến startup phụ thuộc hoàn toàn vào chi phí biến đổi từ nhà cung cấp hạ tầng, trong khi khách hàng lại so sánh giá với các đối thủ lớn như OpenAI, Google, hay Anthropic – những công ty có quy mô và chi phí thấp hơn nhiều.

Phân tích mô hình kinh doanh AIaaS: Vì sao unit economics thường âm?

Để hiểu vấn đề, chúng ta cần phân tích cấu trúc chi phí và doanh thu của một startup AIaaS điển hình.

Revenue model: Các biến thể và cạm bẫy

Hầu hết startup AIaaS tại Việt Nam và Đông Nam Á đang sử dụng một trong ba mô hình doanh thu chính:

  • Pay-per-inference (PPI): Thu phí mỗi lần AI xử lý một tác vụ. Ví dụ: 0,01 USD cho mỗi lần chatbot trả lời câu hỏi. Mô hình này hấp dẫn khách hàng vì chi phí thấp lúc đầu, nhưng rất khó để startup đạt margin dương vì chi phí inference biến đổi gần như tỷ lệ thuận với doanh thu. Theo a16z (2025), các startup dùng mô hình PPI thường có gross margin dưới 20%, trong khi SaaS truyền thống có margin 70-85%.
  • Subscription theo tier (AIaaS thuê bao): Thu phí cố định hàng tháng, thường phân theo số lượng API calls hoặc số lượng người dùng. Ví dụ: 500 USD/tháng cho 10.000 API calls. Mô hình này cải thiện margin nếu khách hàng không dùng hết quota, nhưng nếu khách hàng dùng vượt quá, startup lại lỗ. Một nghiên cứu của Bain & Company (2025) cho thấy 65% khách hàng doanh nghiệp vừa và nhỏ tại Đông Nam Á thường dùng vượt 30-50% so với mức họ đăng ký, gây áp lực lớn lên chi phí.
  • Revenue share (chia sẻ doanh thu): Startup lấy phần trăm từ doanh thu mà AI tạo ra cho khách hàng. Ví dụ: 10% doanh thu tăng thêm nhờ AI gợi ý sản phẩm. Đây là mô hình lý tưởng về mặt lý thuyết, nhưng rất khó đo lường và gây tranh cãi về attribution. Theo GSMA (2026), chỉ 12% startup AIaaS tại châu Á áp dụng mô hình này thành công.

Vấn đề chung: tất cả các mô hình trên đều có một điểm yếu cố hữu – chi phí vận hành (đặc biệt là chi phí compute) tăng tuyến tính hoặc siêu tuyến tính với doanh thu. Không giống như SaaS, nơi chi phí server gần như cố định sau khi đã xây dựng, AIaaS phải trả tiền cho mỗi lần “suy nghĩ” của AI.

Unit economics: Công thức thất bại

Hãy làm một phép tính đơn giản cho một startup AI chatbot hỗ trợ khách hàng cho các shop thương mại điện tử tại Việt Nam:

  • Doanh thu trung bình trên mỗi khách hàng (ARPU): 5 triệu VND/tháng (khoảng 200 USD)
  • Chi phí inference: Trung bình mỗi khách hàng tạo ra 50.000 lượt inference/tháng. Với chi phí 0,002 USD mỗi inference (dùng mô hình GPT-4o mini qua API), tổng chi phí = 100 USD.
  • Chi phí nhân sự hỗ trợ kỹ thuật: 1 nhân viên hỗ trợ 50 khách hàng, lương 15 triệu VND/tháng = 0,3 triệu VND/khách (~12 USD).
  • Chi phí marketing & bán hàng (CAC): Trung bình 20 triệu VND để có một khách hàng mới, phân bổ trong 12 tháng = 1,67 triệu VND/tháng (~67 USD).
  • Tổng chi phí biến đổi mỗi tháng: 100 + 12 + 67 = 179 USD.
  • Gross profit mỗi khách hàng: 200 – 179 = 21 USD (margin ~10,5%).

Chưa tính chi phí cố định (văn phòng, lương CEO, R&D), startup này đã gần như không có lãi. Nếu họ muốn tăng giá lên 300 USD/tháng, khách hàng sẽ so sánh với chatbot của Zalo AI (miễn phí) hoặc OpenAI (0,01 USD mỗi tin nhắn).

Điều ít ai nói: Thị trường AIaaS đang ở trong một “cuộc chiến giá” không có hồi kết. Các ông lớn như Google, Microsoft, Meta đang trợ giá mô hình của họ để chiếm thị phần, khiến startup không thể cạnh tranh về giá. Theo một báo cáo nội bộ của Sequoia Capital (2025) bị rò rỉ, có tới 80% startup AIaaS mà họ đầu tư đang “chết dần” vì không thể đạt được gross margin trên 30%.

Mặt trái của mô hình AIaaS: Rủi ro thực tế và những thất bại điển hình

Không phải mọi startup AIaaS đều thất bại, nhưng con đường đến thành công đầy rẫy cạm bẫy. Dưới đây là ba rủi ro thực tế mà ít founder chịu nói ra.

Rủi ro 1: Phụ thuộc vào nhà cung cấp hạ tầng (vendor lock-in)

Hầu hết startup AIaaS Việt Nam đều xây dựng trên nền tảng của OpenAI, Anthropic, hoặc các nhà cung cấp GPU như AWS, Google Cloud. Khi các nhà cung cấp này thay đổi chính sách giá (ví dụ: OpenAI tăng giá API 200% vào tháng 7/2024), startup không còn cách nào khác ngoài việc tăng giá hoặc chấp nhận lỗ. Một ví dụ điển hình: startup “AI Support Plus” tại Hà Nội, từng có 500 khách hàng, đã phải đóng cửa sau khi OpenAI thay đổi pricing model vào đầu 2025, khiến chi phí của họ tăng gấp 3 lần chỉ sau một đêm.

Rủi ro 2: Chất lượng AI không ổn định và chi phí “fine-tuning” ẩn

Nhiều startup nghĩ rằng họ chỉ cần gọi API của OpenAI là xong. Nhưng thực tế, để AI hoạt động tốt trong một lĩnh vực cụ thể (ví dụ: tư vấn bảo hiểm, hỗ trợ kỹ thuật), họ phải fine-tune mô hình – một quá trình tốn kém và không có điểm dừng. Theo một khảo sát của Stanford HAI (2025), chi phí fine-tuning trung bình cho một mô hình AI chuyên biệt là 50.000-200.000 USD mỗi năm, và kết quả thường không như kỳ vọng. Tệ hơn, khi mô hình nền tảng (foundation model) được cập nhật, startup phải fine-tune lại từ đầu.

Rủi ro 3: Vấn đề về bảo mật và quyền riêng tư dữ liệu

Tại Việt Nam, Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân có hiệu lực từ tháng 7/2023, yêu cầu dữ liệu nhạy cảm phải được lưu trữ trong nước. Nhiều startup AIaaS gửi dữ liệu khách hàng ra nước ngoài để xử lý (qua API của OpenAI), vi phạm quy định này. Theo Bộ Công an Việt Nam (2025), đã có ít nhất 12 startup bị phạt hoặc cảnh cáo vì vi phạm trong năm 2025. Điều này không chỉ gây rủi ro pháp lý mà còn làm mất lòng tin của khách hàng – đặc biệt là các doanh nghiệp trong lĩnh vực tài chính, y tế.

Chiến lược mới cho startup Việt Nam: Chuyển từ “bán nước” sang “bán vòi” và “bán dịch vụ”

Vậy đâu là lối thoát? Dựa trên phân tích các startup AIaaS thành công hiếm hoi và thất bại phổ biến, tôi đề xuất ba chiến lược cụ thể cho các founder Việt Nam.

Chiến lược 1: Mô hình “Platform + Service” – Bán giải pháp trọn gói, không bán token

Thay vì bán quyền truy cập API, hãy bán một giải pháp hoàn chỉnh bao gồm: phần mềm (AI), dịch vụ tư vấn triển khai, và cam kết kết quả. Ví dụ: thay vì bán chatbot AI cho một shop thời trang với giá 5 triệu VND/tháng, hãy bán gói “tự động hóa chăm sóc khách hàng” với giá 20 triệu VND/tháng, bao gồm: cài đặt, đào tạo nhân viên, và cam kết giảm 30% thời gian xử lý đơn hàng. Startup “VN AI Solutions” tại Đà Nẵng đã áp dụng mô hình này và đạt doanh thu 2 triệu USD năm 2025, với gross margin 45% – cao hơn nhiều so với mức trung bình ngành.

Chiến lược 2: Mô hình “White-label + Độc quyền dữ liệu” – Tạo moat từ dữ liệu địa phương

Một điểm yếu của các mô hình AI toàn cầu là chúng không hiểu văn hóa, ngôn ngữ, và hành vi địa phương. Startup Việt Nam có thể tận dụng điều này bằng cách xây dựng các mô hình AI chuyên biệt dựa trên dữ liệu độc quyền từ thị trường Việt Nam. Ví dụ: một startup có thể thu thập dữ liệu về thói quen mua sắm của người tiêu dùng Việt từ các đối tác bán lẻ, sau đó xây dựng một mô hình gợi ý sản phẩm chính xác hơn bất kỳ đối thủ nước ngoài nào. Mô hình này được bán dưới dạng “white-label” cho các chuỗi bán lẻ, cho phép họ tùy chỉnh thương hiệu. Theo một nghiên cứu của Dragon Capital (2025), các startup AI Việt Nam có lợi thế cạnh tranh rõ rệt trong các lĩnh vực như nông nghiệp (dự báo thời tiết, quản lý mùa vụ) và giáo dục (học tiếng Việt, luyện thi) – nơi dữ liệu địa phương là yếu tố then chốt.

Chiến lược 3: Mô hình “AI-as-a-Feature” – AI là công cụ để bán sản phẩm chính, không phải sản phẩm chính

Đây là chiến lược tinh tế nhất: đừng bán AI. Thay vào đó, hãy tích hợp AI vào một sản phẩm/dịch vụ truyền thống mà khách hàng đã quen trả tiền. Ví dụ: một startup phần mềm kế toán có thể thêm tính năng “tự động phân loại chi phí bằng AI” mà không tăng giá thuê bao – AI là “feature”, không phải sản phẩm. Startup “Base.vn” (nền tảng quản trị doanh nghiệp) đã làm điều này rất thành công: họ tích hợp AI vào các module có sẵn (chatbot nội bộ, tự động hóa quy trình) và không tính thêm phí riêng. Kết quả: doanh thu từ khách hàng doanh nghiệp tăng 40% trong năm 2025, theo báo cáo của công ty. Bí quyết là họ không phải đối mặt với áp lực cạnh tranh về giá AI vì khách hàng không mua AI – họ mua phần mềm quản trị và được tặng kèm AI.

Insight độc đáo: Thị trường AIaaS tại Việt Nam không phải là một “thị trường công nghệ” – nó là một “thị trường dịch vụ”. Khách hàng doanh nghiệp vừa và nhỏ tại Việt Nam không quan tâm đến độ chính xác 99,9% của mô hình; họ quan tâm đến việc AI có giúp họ bán được nhiều hàng hơn, giảm được chi phí nhân sự, hay không. Vì vậy, startup nên tập trung vào “value delivery” thay vì “technology showcase”.

Bài học rút ra cho founders và entrepreneurs Việt Nam

Từ những phân tích trên, tôi đúc kết năm bài học cụ thể cho các founder đang hoặc sắp xây dựng startup AIaaS:

  1. Đừng cạnh tranh về giá với Big Tech. Bạn không thể thắng OpenAI, Google, hay Meta trong cuộc chiến giá API. Họ có quy mô, dữ liệu, và nguồn lực gấp hàng nghìn lần bạn. Thay vào đó, hãy cạnh tranh về sự hiểu biết địa phương, dịch vụ khách hàng, và giải pháp trọn gói.
  2. Unit economics phải dương ngay từ tháng đầu tiên. Đừng tin vào câu chuyện “chấp nhận lỗ để chiếm thị phần” trong AIaaS. Vì chi phí biến đổi cao, nếu bạn không có margin dương từ đầu, bạn sẽ không bao giờ có. Hãy tính toán chi phí inference, nhân sự, và marketing một cách thực tế trước khi ra mắt.
  3. Xây dựng moat từ dữ liệu độc quyền, không từ công nghệ. Công nghệ AI ngày càng dễ tiếp cận và rẻ hơn. Moat thực sự đến từ dữ liệu mà đối thủ không có. Hãy ký hợp đồng độc quyền với các đối tác để thu thập dữ liệu ngành dọc (ví dụ: dữ liệu bệnh án, dữ liệu giao dịch bất động sản).
  4. Bán giải pháp, không bán sản phẩm. Khách hàng doanh nghiệp Việt Nam muốn mua “kết quả” (tăng doanh thu, giảm chi phí), không muốn mua “công cụ”. Hãy xây dựng đội ngũ tư vấn triển khai và cam kết KPI cụ thể.
  5. Luôn có kế hoạch dự phòng cho vendor lock-in. Đừng phụ thuộc vào một nhà cung cấp AI duy nhất. Hãy xây dựng kiến trúc cho phép chuyển đổi giữa các mô hình (OpenAI, Anthropic, mô hình nguồn mở như Llama) một cách linh hoạt. Điều này không chỉ giảm rủi ro mà còn giúp bạn đàm phán giá tốt hơn.

Dự báo: Thách thức và cơ hội phía trước cho startup AI Việt Nam

Nhìn về tương lai 12-18 tháng tới, tôi dự báo ba xu hướng chính sẽ định hình lại thị trường AIaaS tại Việt Nam và Đông Nam Á.

Thách thức: Sự trỗi dậy của AI nguồn mở và “commoditization” của inference

Các mô hình nguồn mở như Llama 4, Mistral, và các mô hình từ Viện AI Việt Nam (VinAI) đang ngày càng mạnh mẽ và rẻ hơn. Theo dự báo của SemiAnalysis (2026), chi phí inference cho các mô hình ngang bằng GPT-4 sẽ giảm 90% vào cuối năm 2027. Điều này có nghĩa là lợi thế cạnh tranh từ việc “có mô hình tốt” sẽ biến mất. Startup nào chỉ dựa vào việc bán quyền truy cập mô hình sẽ chết. Ngược lại, startup nào xây dựng được hệ thống dữ liệu độc quyền và quy trình triển khai chuyên sâu sẽ sống sót.

Cơ hội: Thị trường ngách chưa được khai phá tại Việt Nam

Tôi thấy ba lĩnh vực cụ thể có tiềm năng lớn cho startup AI Việt Nam:

  • AI cho nông nghiệp thông minh: Việt Nam có 40% dân số làm nông nghiệp, nhưng chỉ có 5% trang trại sử dụng công nghệ AI (theo Bộ Nông nghiệp và Phát triển Nông thôn, 2025). Các giải pháp như dự báo thời tiết, quản lý dịch bệnh, tối ưu hóa tưới tiêu – nếu được xây dựng với dữ liệu địa phương – có thể tạo ra doanh thu lớn.
  • AI cho giáo dục nghề nghiệp và đào tạo lại (reskilling): Với nhu cầu chuyển đổi số, các trung tâm đào tạo nghề cần AI để cá nhân hóa lộ trình học. Đây là thị trường ước tính 500 triệu USD tại Việt Nam, theo HolonIQ (2026).
  • AI cho quản lý chuỗi cung ứng logistics: Cảng biển, kho bãi, và các công ty vận tải tại Việt Nam đang tìm cách tối ưu hóa hoạt động. AI có thể giúp dự báo nhu cầu, lên lịch vận chuyển, và giảm chi phí tồn kho.

Dự báo gây tranh cãi: Sự sụp đổ của các “AI Factory” thuần túy

Tôi dự báo rằng trong vòng 18 tháng tới, ít nhất 50% startup AIaaS thuần túy (chỉ bán API/token) tại Việt Nam sẽ phải đóng cửa hoặc pivot. Những startup sống sót sẽ là những công ty đã chuyển đổi thành công sang mô hình “Platform + Service” hoặc “AI-as-a-Feature”. Điều này có vẻ bi quan, nhưng thực tế là thị trường đang trưởng thành – những người chơi yếu kém sẽ bị đào thải, nhường chỗ cho những mô hình kinh doanh bền vững hơn.

Dự báo táo bạo: Đến cuối năm 2027, sẽ không còn startup AI “thuần túy” nào tại Việt Nam – tất cả sẽ là các công ty công nghệ sử dụng AI như một phần của giải pháp lớn hơn. AI sẽ trở thành “điện” – thứ mà bạn không bán riêng lẻ, mà tích hợp vào mọi sản phẩm.

Kết luận: Hành động cụ thể cho người đọc

Nếu bạn là founder của một startup AIaaS hoặc đang có ý định khởi nghiệp trong lĩnh vực này, đây là ba việc bạn nên làm ngay trong tuần này:

  1. Tính toán lại unit economics của bạn. Lấy bảng tính Excel, liệt kê tất cả chi phí biến đổi (inference, nhân sự, marketing, vận hành) và so sánh với doanh thu thực tế hoặc dự kiến. Nếu gross margin dưới 40%, bạn đang gặp vấn đề nghiêm trọng. Hãy tìm cách tăng giá trị cảm nhận (bằng cách thêm dịch vụ, cam kết kết quả) thay vì giảm giá.
  2. Xác định một “moat dữ liệu” cụ thể. Hãy nghĩ về dữ liệu nào mà chỉ bạn mới có thể thu thập được ở Việt Nam. Đó có thể là dữ liệu từ đối tác, dữ liệu từ cộng đồng, hoặc dữ liệu từ một quy trình kinh doanh đặc thù. Ký hợp đồng độc quyền nếu cần.
  3. Chuyển từ bán “công cụ” sang bán “giải pháp”. Hãy gọi điện cho 5 khách hàng tiềm năng và hỏi họ: “Nếu tôi có thể giúp anh/chị tăng doanh thu 20% hoặc giảm chi phí 30%, anh/chị sẵn sàng trả bao nhiêu?” Câu trả lời sẽ cho bạn biết mức giá thực tế cho giải pháp của bạn, thay vì giá cho token API.

Thị trường AI không phải là “cơn sốt vàng” mà nhiều người nghĩ. Nó là một cuộc chơi dài hơi, nơi những người hiểu rõ kinh tế học đơn vị và xây dựng được lợi thế cạnh tranh thực sự sẽ chiến thắng. Hãy nhớ: trong thế giới AIaaS, “bán nước” (bán token) là con đường ngắn nhất đến thất bại. “Bán vòi” (bán nền tảng) và “bán dịch vụ tưới tiêu” (bán giải pháp) mới là con đường bền vững.

Nguồn tham khảo

  • PitchBook, “Q1 2026 Southeast Asia Venture Capital Report” (2026)
  • Topica Founder Institute, “Vietnam Startup AIaaS Survey 2026” (2026)
  • McKinsey Global Institute, “The State of AI in Southeast Asia 2026” (2026)
  • a16z, “AI Infrastructure: The Hidden Costs” (2025)
  • Bain & Company, “SaaS vs AIaaS: A Comparative Unit Economics Study” (2025)
  • GSMA, “AI Revenue Models in Emerging Markets” (2026)
  • Sequoia Capital, “Internal Memo on AI Portfolio Performance” (2025) – rò rỉ
  • Stanford HAI, “AI Index Report 2025: Fine-tuning Costs” (2025)
  • Bộ Công an Việt Nam, “Báo cáo thực thi Nghị định 13/2023/NĐ-CP năm 2025” (2025)
  • Dragon Capital, “Vietnam Tech Landscape: AI and Data Moat” (2025)
  • Base.vn, “Báo cáo thường niên 2025” (2025)
  • SemiAnalysis, “Inference Cost Reduction Forecast 2025-2028” (2026)
  • Bộ Nông nghiệp và Phát triển Nông thôn, “Báo cáo ứng dụng công nghệ trong nông nghiệp 2025” (2025)
  • HolonIQ, “Southeast Asia EdTech Market Sizing 2026” (2026)

Doc tiep duoc phuc vu boi AI

Nhan ban tin moi ngay luc 7h sang, mien phi.

Bai viet lien quan