Lovable ký hợp đồng nhiều năm với Google Cloud, tăng sử dụng 5 lần

Lovable vừa ký kết hợp đồng nhiều năm với Google Cloud sẽ tăng cơ sở hạ tầng lên gấp năm lần — một tín hiệu cho thấy các nền tảng vibe coding đang chuyển từ công nghệ thử nghiệm sang cơ sở hạ tầng cấp sản xuất ở quy mô doanh nghiệp. Đối với các nhà phát triển Châu Á theo dõi bối cảnh công cụ phát triển AI, kỳ hạn này tiết lộ hướng đi của ngành: hướng tới các nền tảng coi mô hình AI là cơ sở hạ tầng hạng nhất, không phải tính năng bổ sung tùy chọn.

Theo báo cáo TechCrunch, thỏa thuận Google Cloud mở rộng của công ty khởi nghiệp có trụ sở tại Stockholm bao gồm tăng sử dụng tính toán gấp 5 lần và, quan trọng hơn, quyền truy cập mở rộng vào cả mô hình Claude của Anthropic và Gemini của Google. Mặc dù cả hai công ty đều không công bố con số cụ thể, một nguồn tin quen thuộc với thỏa thuận này xác nhận việc mở rộng gấp năm lần bao gồm cụ thể sử dụng AI — khối lượng công việc tính toán yêu cầu cao định nghĩa các nền tảng phát triển hiện đại. Điều này quan trọng đối với các công cụ phát triển AI mà các nhà sáng lập tập trung vào Châu Á dựa vào: các kỳ hạn cơ sở hạ tầng ở quy mô này thường báo hiệu sự phù hợp sản phẩm-thị trường đạt vận tốc thoát hiểm.

Công cụ phát triển AI là gì?

Các công cụ phát triển AI đại diện cho một sự thay đổi cơ bản trong cách xây dựng phần mềm. Không giống như các IDE truyền thống tự động hoàn thành cú pháp hoặc gợi ý tên hàm, các nền tảng này sử dụng các mô hình ngôn ngữ lớn để tạo ra toàn bộ thành phần, viết bài kiểm tra, tái cấu trúc cơ sở mã và thậm chí kiến trúc thiết kế hệ thống từ các mô tả ngôn ngữ tự nhiên. Các triển khai tốt nhất không chỉ tạo mã — chúng hiểu bối cảnh trên toàn bộ dự án của bạn, duy trì tính nhất quán với các mẫu hiện có của bạn và thích ứng với các quy ước của nhóm bạn.

Danh mục này chia thành ba tầng. Các công cụ hoàn thành mã như GitHub Copilot gợi ý các dòng hoặc khối khi bạn gõ. Các trợ lý mã hóa AI như Cursor hoặc Windsurf tạo ra các hàm và thành phần từ các lời nhắc. Sau đó bạn có các nền tảng AI-native — các công cụ được xây dựng từ đầu với giả định rằng các mô hình AI xử lý phần lớn công việc triển khai. Danh mục thứ ba này, nơi MonstarX hoạt động, coi các nhà phát triển con người là kiến trúc sư và người đánh giá thay vì những người triển khai từng dòng.

Đối với các nhà phát triển Châu Á, sự phân biệt này quan trọng vì chi phí cơ sở hạ tầng thay đổi rất lớn theo khu vực. Một nền tảng chạy suy luận ở Singapore có chi phí độ trễ thấp hơn so với nền tảng định tuyến yêu cầu qua các trung tâm dữ liệu của Mỹ. Sự mở rộng Google Cloud của Lovable cho thấy họ đang tối ưu hóa cho quy mô toàn cầu, nhưng những người chơi khu vực như MonstarX xây dựng mục đích cho yêu cầu độ trễ Châu Á-Thái Bình Dương và tuân thủ từ ngày đầu. Câu hỏi không phải là liệu AI có sẽ viết phần lớn mã của bạn — điều đó đã xảy ra — mà là kiến trúc nền tảng nào phù hợp với thực tế triển khai của bạn.

Tại sao các kỳ hạn cơ sở hạ tầng báo hiệu sự trưởng thành thị trường

Sự mở rộng cơ sở hạ tầng gấp 5 lần của Lovable không chỉ là về mua thêm máy chủ. Theo báo cáo TechCrunch, thỏa thuận cụ thể bao gồm quyền truy cập mở rộng vào các mô hình Claude của Anthropic — các mô hình tương tự cung cấp năng lượng cho phần lớn hệ sinh thái mã hóa AI. Khoản đầu tư 10 tỷ đô la của Google vào Anthropic, được công bố vào tháng 4 với định giá 350 tỷ đô la, đã trước đó vòng tài trợ khổng lồ 65 tỷ đô la của Anthropic vào tháng 5. Khi các nhà cung cấp đám mây đàm phán các hợp đồng nhiều năm với các công ty khởi nghiệp AI bao gồm quyền truy cập mô hình ưu tiên, họ đang đặt cược vào nhu cầu bền vững, không phải sử dụng thử nghiệm.

Thành phần Anthropic xứng đáng chú ý. Claude đã trở thành tiêu chuẩn thực tế cho các tác vụ tạo mã vì nó duy trì bối cảnh trên các cuộc trò chuyện dài hơn và tạo ra mã dễ bảo trì hơn so với các lựa chọn thay thế. Một nền tảng bảo đảm quyền truy cập Claude mở rộng thông qua Google Cloud có được một chiếc hào: họ có thể cung cấp cho người dùng các mô hình tốt hơn với chi phí thấp hơn so với các đối thủ cạnh tranh trả giá API bán lẻ. Đối với các nhà phát triển Châu Á đánh giá các nền tảng, điều này quan trọng — quyền truy cập mô hình xác định chất lượng đầu ra, và chất lượng đầu ra xác định liệu bạn có gửi nhanh hơn hay dành ngày để gỡ lỗi các lỗi do AI tạo ra.

Các kỳ hạn cơ sở hạ tầng cũng tiết lộ các mẫu sử dụng. Sự mở rộng gấp 5 lần cho thấy cơ sở người dùng của Lovable đã phát triển đáng kể hoặc người dùng hiện tại tăng mức tiêu thụ trên mỗi ghế một cách đáng kể. Cả hai kịch bản đều xác nhận cùng một luận điểm: các nhà phát triển áp dụng quy trình làm việc AI-native không quay lại. Khi bạn đã trải nghiệm mô tả một tính năng bằng ngôn ngữ đơn giản và xem một triển khai hoạt động xuất hiện trong vài phút, viết boilerplate bằng tay cảm giác như quay lại thẻ đục lỗ. Thị trường không còn tranh luận về việc liệu các công cụ phát triển AI có hoạt động hay không — nó đang chạy đua để mở rộng cơ sở hạ tầng cung cấp năng lượng cho chúng.

Điều này có ý nghĩa gì đối với các nhà phát triển Châu Á

Hệ sinh thái nhà phát triển của Châu Á phải đối mặt với những ràng buộc độc đáo làm cho các công cụ phát triển AI đặc biệt có giá trị. Lương nhà phát triển ở Singapore, Hong Kong và Tokyo sánh ngang với Silicon Valley, nhưng ngân sách thường không. Một kỹ sư cao cấp có chi phí 120k-180k đô la hàng năm ở những thị trường này, làm cho các bộ nhân suất kinh tế hấp dẫn. Nếu một nền tảng AI cho phép một nhà phát triển gửi những gì trước đây yêu cầu ba, tính toán ROI trở nên tầm thường ngay cả với giá cao.

Độ trễ tăng cường lợi thế này. Một nền tảng AI định tuyến yêu cầu qua cơ sở hạ tầng dựa trên Mỹ thêm 150-300ms mỗi lần tạo — có thể chấp nhận được cho sử dụng thỉnh thoảng, phá hủy năng suất cho các quy trình lặp lại mà phát triển AI-native cho phép. Sự mở rộng Google Cloud của Lovable có khả năng bao gồm các triển khai khu vực, nhưng các nền tảng được xây dựng mục đích cho Châu Á bắt đầu với giả định này. MonstarX chạy suy luận trong các trung tâm dữ liệu Singapore và Tokyo cụ thể vì các nhà phát triển Châu Á không thể chờ nửa giây mỗi khi họ lặp lại một thành phần.

Yêu cầu quy định tạo ra một nêm khác. Đạo luật Bảo vệ Dữ liệu Cá nhân của Singapore, APPI của Nhật Bản và PIPL của Trung Quốc đều áp đặt yêu cầu cư trú dữ liệu làm phức tạp phát triển AI. Một nền tảng xử lý mã của bạn thông qua các mô hình dựa trên Mỹ có thể vi phạm yêu cầu tuân thủ tùy thuộc vào những gì bạn đang xây dựng. Các nền tảng ưu tiên Châu Á xử lý điều này theo mặc định — mã của bạn không bao giờ rời khỏi khu vực, chủ quyền dữ liệu của bạn vẫn nguyên vẹn và nhóm tuân thủ của bạn không cần phải kiểm toán mọi lệnh gọi API. Đây không phải là lý thuyết: chúng tôi đã thấy nhiều công ty khởi nghiệp Đông Nam Á từ bỏ các công cụ AI phương Tây giữa chừng sau khi các đánh giá pháp lý đã gắn cờ các vấn đề cư trú dữ liệu.

Sự thay đổi mô hình Vibe Coding

Lovable phổ biến hóa thuật ngữ "vibe coding" để mô tả cách tiếp cận của họ: các nhà phát triển giao tiếp ý định và sở thích thẩm mỹ, AI xử lý chi tiết triển khai. Thuật ngữ này nghe có vẻ nhẹ nhàng nhưng nắm bắt được điều gì đó thực sự. Phát triển truyền thống yêu cầu dịch ý định con người thành hướng dẫn máy thông qua các lớp trừu tượng — mã giả để triển khai để gỡ lỗi để tái cấu trúc. Vibe coding thu gọn điều này: bạn mô tả những gì bạn muốn, AI tạo ra nó, bạn xác minh nó phù hợp với ý định của bạn.

Sự thay đổi quy trình làm việc này giải thích tại sao sử dụng cơ sở hạ tầng tăng gấp 5 lần. Phát triển truyền thống tạo mã một lần mỗi tính năng — bạn viết nó, cam kết nó, tiếp tục. Phát triển AI-native tạo mã hàng chục lần mỗi tính năng khi bạn lặp lại các lời nhắc, tinh chỉnh đầu ra và khám phá các lựa chọn thay thế. Mỗi lần tạo đều đạt API suy luận. Nhân điều đó với hàng nghìn nhà phát triển, và bạn hiểu tại sao Lovable cần sự mở rộng cơ sở hạ tầng gấp năm lần. Nền tảng không chỉ phát triển người dùng — nó xử lý một quy trình làm việc cơ bản tính toán yêu cầu cao hơn.

Đối với các nhà phát triển Châu Á, điều này quan trọng vì tốc độ lặp lại xác định lợi thế cạnh tranh. Một công ty khởi nghiệp fintech Singapore cạnh tranh với những người nắm giữ không thắng bằng cách viết mã sạch hơn — nó thắng bằng cách gửi tính năng nhanh hơn. Nếu nền tảng AI của bạn có thể lặp lại qua mười thiết kế