Google Đốt 5,9 Tỷ USD Tiền Mặt Cho AI: Cloud Tăng 82%, Gemini 4 Sắp Ra Model Gần Hàng Tháng

Google đang tăng tốc cuộc đua AI bằng một hóa đơn hạ tầng khổng lồ

Kết quả kinh doanh quý II/2026 của Alphabet cho thấy hai mặt đối lập của cuộc đua trí tuệ nhân tạo. Một mặt, Google Cloud tăng trưởng 82% nhờ nhu cầu mạnh đối với hạ tầng AI, model Gemini, dữ liệu và các nền tảng agent. Mặt khác, Alphabet ghi nhận dòng tiền tự do âm 5,9 tỷ USD và nâng dự báo chi tiêu vốn cả năm lên khoảng 195–205 tỷ USD. Đây không phải dấu hiệu Google hết tiền hay kinh doanh thua lỗ; nó cho thấy công ty đang phải tái đầu tư một lượng tiền chưa từng có để xây trung tâm dữ liệu, mua máy chủ, chip, mạng và năng lượng.

Đằng sau những con số tài chính là một câu hỏi chiến lược: liệu Google có thể biến lợi thế về Search, Android, YouTube, Workspace, Cloud và hạ tầng toàn cầu thành vị trí dẫn đầu bền vững ở model frontier, AI coding và hệ thống agent hay không. Sundar Pichai thừa nhận coding và agentic coding là những khu vực Google cần tiếp tục cải thiện. Đồng thời, ông nhấn mạnh dòng Gemini Flash, Google Cloud và Gemini 4 như ba lớp của cùng một chiến lược: Flash phục vụ quy mô lớn ngay hôm nay, Cloud kiếm tiền từ toàn bộ hệ sinh thái AI, còn Gemini 4 là nỗ lực giành lại lợi thế ở lớp model mạnh nhất.

Alphabet đã ghi nhận điều gì trong quý II/2026?

Alphabet công bố doanh thu quý II đạt 119,8 tỷ USD, tăng 24% so với cùng kỳ. Google Cloud là mảng tăng nhanh nhất, đạt khoảng 24,8 tỷ USD doanh thu, tăng 82%, trong khi backlog Cloud tăng lên 514 tỷ USD. Các con số này cho thấy doanh nghiệp không còn chỉ thử nghiệm chatbot: họ đang ký hợp đồng dài hạn để mua compute, cơ sở dữ liệu, bảo mật, model API và nền tảng agent.

Điểm khiến thị trường chú ý là chi tiêu vốn quý tăng mạnh, làm dòng tiền tự do chuyển sang âm 5,9 tỷ USD. Dòng tiền tự do được tính sau khi trừ khoản đầu tư vào tài sản dài hạn. Vì vậy, Alphabet vẫn có lợi nhuận hoạt động lớn, nhưng lượng tiền chi cho data center và thiết bị vượt tiền mặt tạo ra trong quý. Đây là thay đổi đáng kể đối với một doanh nghiệp từng được xem là mô hình phần mềm và quảng cáo có cường độ vốn tương đối thấp.

Chi tiêu cho AI không kết thúc khi một trung tâm dữ liệu hoàn thành. Google còn phải trả điện, làm mát, bảo trì, kết nối mạng tốc độ cao, thay thế accelerator và khấu hao phần cứng. Khi chip mới tăng hiệu năng trên mỗi watt, máy chủ cũ vẫn hoạt động nhưng kém cạnh tranh hơn về chi phí. Điều đó tạo ra một chu kỳ đầu tư liên tục, trong đó hạ tầng vừa đưa vào vận hành đã phải chuẩn bị cho thế hệ tiếp theo.

Vì sao Google Cloud tăng 82% là tín hiệu tích cực nhất?

Google Cloud là bằng chứng thuyết phục nhất cho thấy chi tiêu AI đã bắt đầu tạo doanh thu thực. Nền tảng này kiếm tiền ở nhiều tầng: TPU và GPU cho compute, Google Kubernetes Engine và Cloud Run cho triển khai, BigQuery và AlloyDB cho dữ liệu, Vertex AI cho model, Gemini Enterprise cho agent, cùng các sản phẩm bảo mật và quản trị.

Google còn có khả năng kiếm tiền ngay cả khi khách hàng không sử dụng Gemini. Doanh nghiệp có thể chạy Claude, model mở hoặc model tự huấn luyện trên hạ tầng Google Cloud. Điều này biến Google thành nhà cung cấp nền tảng thay vì chỉ là nhà bán một model. Lợi thế đó đặc biệt quan trọng khi bảng xếp hạng model thay đổi liên tục.

Tuy nhiên, tăng trưởng Cloud không xóa được bài toán hoàn vốn. Google cho biết nhu cầu đang vượt công suất và phải bổ sung năng lực bên ngoài. Thuê thêm hạ tầng giúp phục vụ khách hàng nhanh hơn nhưng có thể gây áp lực lên biên lợi nhuận. Nhà đầu tư vì thế sẽ theo dõi không chỉ doanh thu Cloud mà cả chi phí suy luận, mức sử dụng TPU, giá điện và tốc độ chuyển backlog thành doanh thu.

Phần cứng TPU giúp Google khác các đối thủ như thế nào?

Google đã phát triển TPU trong nhiều thế hệ và dùng chip này để huấn luyện cũng như phục vụ Gemini ở quy mô lớn. Việc sở hữu accelerator riêng giúp công ty tối ưu đồng thời phần cứng, compiler, model và hạ tầng mạng. Nếu cải thiện hiệu quả phục vụ model, Google có thể giảm chi phí trên mỗi token, tăng throughput và ít phụ thuộc hơn vào một nhà cung cấp chip duy nhất.

Dù vậy, TPU không khiến Google miễn nhiễm với khan hiếm công suất. Data center vẫn cần đất, điện, máy biến áp, hệ thống làm mát và mạng. Thêm vào đó, khách hàng doanh nghiệp thường yêu cầu nhiều lựa chọn compute, nên Google vẫn phải cung cấp GPU của Nvidia cùng CPU và TPU của chính mình.

Gemini 3.5 Pro bị trễ và áp lực ở lớp model frontier

Google đã phát hành Gemini 3.6 Flash, Gemini 3.5 Flash-Lite và Flash Cyber, nhưng Gemini 3.5 Pro được báo cáo vẫn trong giai đoạn thử nghiệm với đối tác sau khi trễ lịch dự kiến. Điều này làm dấy lên câu hỏi liệu Google có đang ưu tiên model hiệu quả để phục vụ quy mô hơn là chạy đua công khai ở tầng model đắt nhất.

Chiến lược Flash có logic kinh doanh rõ ràng. Một model đủ mạnh, nhanh, ổn định và ít token hơn có thể phục vụ hàng tỷ request trong Search, Workspace, Gemini app và Cloud. Gemini 3.6 Flash được Google giới thiệu với cải thiện ở coding, knowledge work và multimodal, đồng thời giảm lượng output token so với thế hệ trước. Với doanh nghiệp, điều này đôi khi quan trọng hơn việc đứng đầu một benchmark đơn lẻ.

Gemini 4 và lời hứa phát hành model gần như hằng tháng

Sundar Pichai mô tả Gemini 4 là một nỗ lực tham vọng và cho biết Google hướng tới roadmap phát hành model dày hơn. Điều đó không đồng nghĩa mỗi tháng đều có một model frontier hoàn toàn mới. Google có thể phát hành nhiều biến thể Flash, Pro, Lite hoặc model chuyên ngành trong cùng một họ.

Với người dùng, nhịp cập nhật nhanh đem lại cải tiến liên tục. Với doanh nghiệp, nó tạo áp lực migration. Model mới có thể thay đổi tool calling, format đầu ra, độ dài reasoning, chi phí và hành vi an toàn. Một ứng dụng gọi trực tiếp model ID ở nhiều vị trí sẽ khó duy trì. Kiến trúc tốt nên tách model khỏi logic sản phẩm, có gateway để route, retry, fallback, logging và kiểm soát chi phí.

Big Tech đang trở thành ngành kinh doanh hạ tầng vốn nặng

Generative AI khiến các tập đoàn phần mềm phải đầu tư giống ngành viễn thông, năng lượng và sản xuất. Mỗi câu trả lời, video hoặc tác vụ agent đều tiêu compute. Model reasoning càng lâu, chi phí suy luận càng cao. Vì thế, tăng người dùng không tự động kéo theo tăng lợi nhuận nếu giá bán không bù được hạ tầng.

Thị trường sẽ theo dõi tỷ lệ CapEx trên doanh thu, khấu hao, điện năng và hiệu suất accelerator. Các công ty có thể giảm giá model để thu hút developer, nhưng nếu workload agent chạy hàng chục phút và gọi nhiều công cụ, chi phí hoàn thành một nhiệm vụ vẫn cao. Doanh nghiệp nên đo cost per task thay vì chỉ nhìn giá một triệu token.

Ý nghĩa đối với Vibe Coding và AI Creator

Vibe Coding làm cho việc tạo prototype nhanh hơn, nhưng không loại bỏ khoảng cách từ demo tới production. Khi ứng dụng có người dùng thật, team phải xử lý xác thực, phân quyền, dữ liệu, quan sát hệ thống, quota, triển khai, rollback, kiểm thử và chi phí. Model càng thay đổi nhanh, lớp kỹ thuật này càng quan trọng.

Google đang kết nối Gemini, AI Studio, Antigravity, Cloud Run, BigQuery và Gemini Enterprise thành một chuỗi phát triển hoàn chỉnh. Sự tích hợp đem lại tốc độ nhưng cũng tăng vendor lock-in. Người xây sản phẩm nên giữ dữ liệu và logic nghiệp vụ ở những lớp có thể di chuyển, đồng thời chuẩn bị ít nhất một model dự phòng cho tác vụ quan trọng.

Doanh nghiệp nên chuẩn bị thế nào trước chu kỳ Gemini mới?

Tách lớp model khỏi ứng dụng

Dùng một model gateway để quản lý provider, model ID, retry, fallback và logging. Việc này giúp thay model mà không sửa toàn bộ codebase.

Benchmark bằng workload thật

Hãy thử trên code, ngôn ngữ, dữ liệu và quy trình nội bộ. Benchmark công khai chỉ là tín hiệu tham khảo.

Đo chi phí hoàn thành nhiệm vụ

Tính cả token, search, tool call, database, container và thời gian con người review. Model rẻ nhưng thất bại nhiều lần có thể đắt hơn model mạnh.

Quản lý phiên bản prompt và tool schema

Prompt, structured output và tool contract cần được version giống code, có test và rollback.

Google có đang thua cuộc đua AI?

Chưa có cơ sở để kết luận Google đang thua. Công ty sở hữu hệ thống phân phối, hạ tầng, chip, dữ liệu và sản phẩm mà rất ít đối thủ có thể sao chép. Google Cloud tăng 82% chứng minh nhu cầu thật, còn Gemini app và các tính năng AI trong Search tạo quy mô người dùng lớn.

Tuy nhiên, lợi thế phân phối không tự động bảo đảm model tốt nhất cho developer. Google phải chứng minh Gemini 4, Antigravity và các coding agent có thể cạnh tranh về độ tin cậy, khả năng làm việc dài hạn và chất lượng code. Đồng thời, công ty phải cho thấy khoản đầu tư 195–205 tỷ USD có thể tạo lợi nhuận đủ lớn.

Với AI Creator, developer và doanh nghiệp, lựa chọn hợp lý không phải đặt cược tuyệt đối vào một hãng. Hãy xây workflow linh hoạt, đo bằng dữ liệu thực và tận dụng model mới mà không để mỗi lần cập nhật phá vỡ sản phẩm.