Micro1 đạt run rate 500 triệu USD: Vì sao dữ liệu do con người tạo ra ngày càng đắt giá trong cuộc đua AI

Micro1 được báo cáo đã tăng gross annual run rate—giá trị công việc chảy qua công ty được quy đổi theo năm—từ 100 triệu lên 500 triệu USD chỉ trong tám tháng. Đà tăng này cho thấy một thực tế đáng chú ý: dù việc phát triển mô hình ngày càng tự động hóa, các phòng thí nghiệm AI vẫn cần nguồn dữ liệu chuyên biệt và phán đoán đáng tin cậy từ con người. 17

Tuy nhiên, con số 500 triệu USD cần được đọc đúng. Gross annual run rate không phải doanh thu hằng năm đã được kiểm toán, lợi nhuận hay số tiền công ty thực sự thu về sau khi thanh toán cho cộng tác viên. Một nguồn tin cho biết Micro1 giữ lại khoảng 60%–70% tổng giá trị thanh toán, trong khi TechCrunch ước tính net annualized revenue của công ty ở mức 150–200 triệu USD. 6 9 17

Hai nhóm số liệu này không khớp hoàn toàn về mặt toán học: giữ lại 60%–70% của 500 triệu USD sẽ cho ra mức cao hơn khoảng 150–200 triệu USD. Khoảng chênh có thể xuất phát từ cách định nghĩa khác nhau về gross volume, tỷ lệ giữ lại và net revenue. Vì vậy, các ước tính trên nên được xem là tạm thời, không phải kết quả tài chính đã xác nhận.

Vì sao đà tăng của Micro1 đáng chú ý?

Micro1 tuyển các chuyên gia theo lĩnh vực—trong đó có bác sĩ, luật sư, nhà khoa học và những người có chuyên môn cao khác—để tạo, rà soát và đánh giá dữ liệu cho các nhà phát triển AI. Công việc có thể bao gồm chấm điểm câu trả lời của mô hình, tạo dữ liệu suy luận và cung cấp phản hồi cho các hệ thống hậu huấn luyện. 1 6

Cơ hội lớn hơn của thị trường này bắt nguồn từ một giới hạn cơ bản: các mô hình AI tiên tiến không chỉ cần chip, năng lực tính toán hay những kho văn bản khổng lồ trên Internet. Chúng còn cần ví dụ chất lượng cao, đánh giá của chuyên gia, quy trình kiểm thử và các minh họa cho cách con người xử lý những nhiệm vụ khó hoặc tương tác với thế giới vật lý.

Khi dữ liệu trực tuyến dễ tiếp cận ngày càng kém hữu ích, dữ liệu độc quyền do con người tạo ra có thể trở thành một nút thắt thường trực bên cạnh năng lực tính toán. 1 6 Điều này chưa chứng minh rằng ngành AI sẽ chi cho dữ liệu nhiều ngang với chi cho compute. Nhưng nó giải thích vì sao các nhà đầu tư và phòng thí nghiệm AI coi dữ liệu chuyên biệt do con người tạo ra là hạ tầng chiến lược, thay vì chỉ là dịch vụ gắn nhãn giá trị thấp.

Micro1 đang đứng ở đâu so với Mercor và Handshake?

Gross annual run rate 500 triệu USD là con số đáng kể, nhưng Micro1 chưa phải công ty lớn nhất trong nhóm này. TechCrunch đưa tin Mercor đã đạt gross annualized revenue 2 tỷ USD, còn Handshake đạt 1 tỷ USD. 17

So sánh này không hoàn toàn tương đồng, vì mỗi công ty có thể dùng các định nghĩa khác nhau cho gross revenue, net revenue và run rate. Dù vậy, quy mô được báo cáo của cả ba cho thấy nhu cầu đối với dữ liệu do chuyên gia cung cấp đủ lớn để hỗ trợ nhiều nhà cung cấp tăng trưởng nhanh.

Định vị của Micro1 cũng khác phần nào so với một sàn kết nối nhân sự thuần túy. Công ty kết hợp việc tìm kiếm, sàng lọc chuyên gia với môi trường đánh giá, tạo dữ liệu tổng hợp và các bộ dữ liệu có thể được tái sử dụng cho nhiều khách hàng.

Từ tuyển dụng AI đến hạ tầng dữ liệu

Micro1 khởi đầu là một công ty tuyển dụng AI. Theo các bài viết về lịch sử công ty, nhà sáng lập Ali Ansari nhận thấy những khách hàng mua dịch vụ gắn nhãn dữ liệu lại dùng nền tảng tuyển dụng của Micro1 để tìm và sàng lọc kỹ sư chú thích dữ liệu. Quan sát này thúc đẩy công ty chuyển hướng sang gắn nhãn dữ liệu và dữ liệu huấn luyện do con người tạo ra. 1 15

Bước chuyển đó giúp phần mềm tuyển dụng trở thành công cụ tập hợp nhân lực chuyên môn cho các dự án AI. Thay vì chỉ hỗ trợ doanh nghiệp tuyển một nhân viên chính thức, Micro1 có thể tổ chức các chuyên gia cho những nhiệm vụ huấn luyện hoặc đánh giá cụ thể, đồng thời quản lý toàn bộ quy trình làm việc.

Định hướng sản phẩm hiện nay của công ty gồm ba mảng liên kết với nhau:

• Hậu huấn luyện và đánh giá bởi chuyên gia: Các chuyên gia đánh giá đầu ra của mô hình và cung cấp phán đoán hoặc phản hồi trong những môi trường mà Micro1 gọi là “reinforcement-learning gyms”—có thể hiểu là môi trường phục vụ việc cải thiện mô hình bằng phản hồi. 1
• Dữ liệu tổng hợp: Công ty được cho là đang phát triển các tài liệu được tạo tự động, chẳng hạn mô tả video, nhằm mở rộng khối lượng dữ liệu huấn luyện có thể sử dụng. 1
• Dữ liệu cho robot: Micro1 xây dựng bộ dữ liệu tiền huấn luyện từ các bản ghi cộng tác viên tương tác với những vật dụng gia đình thông thường, qua đó tạo ra các minh họa cho những nhiệm vụ vật lý trong đời sống hằng ngày. 1 15

Các mảng này đưa Micro1 vượt ra ngoài mô hình gắn nhãn dữ liệu truyền thống. Mục tiêu là sở hữu hệ thống và bộ dữ liệu có khả năng biến chuyên môn của con người thành tín hiệu huấn luyện cho mô hình ngôn ngữ, tác tử AI và robot.

Bộ dữ liệu tái sử dụng có thể thay đổi bài toán kinh tế ra sao?

Công việc chuyên gia theo hợp đồng thường gắn với một dự án cụ thể: khách hàng trả tiền để con người thực hiện một nhiệm vụ, còn nhà cung cấp giữ lại một phần giá trị thanh toán. Bộ dữ liệu có thể mua sẵn và tái sử dụng lại vận hành theo mô hình khác. Nếu có quyền sử dụng rõ ràng, đủ khác biệt và hữu ích cho nhiều nhà phát triển, một bộ dữ liệu có thể được cấp phép nhiều lần.

Khả năng bán hoặc cấp phép lặp lại là lý do một số báo cáo gắn dữ liệu tái sử dụng và dữ liệu tổng hợp với triển vọng biên lợi nhuận gộp 80%–90%. Đây là kỳ vọng hướng tới tương lai, không phải kết quả hiện tại đã được xác nhận. Mức biên đó còn phụ thuộc vào chi phí thu thập và xác thực dữ liệu, mức độ khác biệt mà khách hàng cảm nhận được, cũng như việc công ty có quyền cấp phép dữ liệu một cách rõ ràng hay không. 1 9

Các hợp đồng lớn hơn có thể giúp Micro1 tăng tốc, nhưng cũng kéo theo rủi ro tập trung khách hàng và rủi ro thực thi. Một công ty phục vụ các phòng thí nghiệm AI tiên tiến phải duy trì chất lượng chuyên gia, bảo vệ thông tin nhạy cảm, ghi nhận sự đồng thuận và quyền sở hữu, đồng thời chứng minh rằng dữ liệu thực sự cải thiện mô hình thay vì chỉ làm tăng số lượng mẫu.

Tranh cãi về việc bán dữ liệu tái sử dụng cho Trung Quốc

Khả năng bán lại một bộ dữ liệu cho nhiều khách hàng tạo ra câu hỏi địa chính trị: dữ liệu do các chuyên gia tại Mỹ tạo ra có nên được cung cấp cho nhiều nhà phát triển mô hình, trong đó có các công ty Trung Quốc hay không? Những người chỉ trích lo ngại dữ liệu huấn luyện tái sử dụng có thể củng cố năng lực AI của các quốc gia bị Mỹ xem là đối thủ chiến lược. 1

Ali Ansari nói Micro1 không bán dữ liệu cho các nhà phát triển mô hình Trung Quốc. Ông cũng chỉ trích những công ty dữ liệu con người không nêu tên vì hợp tác với “các đối thủ nước ngoài”, cho rằng việc kêu gọi Mỹ dẫn đầu về AI nhưng đồng thời bán lượng dữ liệu trị giá hàng triệu USD cho các quốc gia đang cạnh tranh đối đầu với Mỹ là điều mâu thuẫn và đáng hổ thẹn. 33 35

Đây là chính sách được Micro1 công bố và là cách Ansari mô tả thị trường. Các thông tin hiện có chưa độc lập xác định đối thủ nào bán bộ dữ liệu cho nhà phát triển Trung Quốc, cũng chưa cho thấy đầy đủ hoạt động thực tế của những công ty đó. Vì vậy, tranh cãi này vẫn vừa là vấn đề chính sách, vừa là một tuyên bố định vị cạnh tranh.

Điều gì đã được xác nhận về định giá của Micro1?

Micro1 được báo cáo đã huy động 35 triệu USD trong vòng Series A vào tháng 9 năm 2025, với mức định giá 500 triệu USD. 15 7

Các báo cáo sau đó đề cập khả năng công ty huy động một vòng mới với mức định giá cao hơn đáng kể. Tuy nhiên, bằng chứng hiện có chưa xác nhận số tiền huy động, mức định giá, danh sách nhà đầu tư hay việc vòng gọi vốn đó đã hoàn tất. Do đó, vòng gọi vốn tiếp theo không nên được xem là thông tin đã được xác nhận.

Bài học lớn hơn từ câu chuyện Micro1

Quỹ đạo của Micro1 cho thấy chuỗi cung ứng AI đang thay đổi. Sản phẩm có giá trị không còn chỉ là một đội ngũ người gắn nhãn dữ liệu. Giá trị ngày càng nằm ở sự kết hợp giữa chuyên gia đáng tin cậy, quy trình đánh giá, ví dụ độc quyền, hệ thống tạo dữ liệu tổng hợp và quyền sử dụng dữ liệu.

Con số 500 triệu USD nên được xem trước hết là tín hiệu về nhu cầu thị trường, chứ chưa phải thước đo chính xác về khả năng sinh lời. Micro1 vẫn nhỏ hơn các đối thủ lớn nhất theo các số liệu được công bố, còn những con số gross và net của công ty cần được diễn giải thận trọng. Nhưng việc chuyển từ tuyển dụng sang xây dựng hạ tầng dữ liệu con người cho thấy vì sao các công ty AI vẫn sẵn sàng trả tiền cho phán đoán chuyên môn—và vì sao giai đoạn cạnh tranh tiếp theo có thể xoay quanh quyền kiểm soát những dữ liệu huấn luyện khan hiếm, hữu ích nhất.