Nhà sáng lập SemiAnalysis Dylan Patel: Đầu tư hạ tầng AI bị đánh giá thấp nghiêm trọng, lợi nhuận thực tế vượt xa các token

Patel cho rằng thị trường nhìn chung đang đánh giá thấp quy mô thực sự của quá trình xây dựng cơ sở hạ tầng AI. Theo ước tính của ông, chi tiêu vốn liên quan tại Mỹ trong năm tới có thể tiến gần mốc 2.000 tỷ USD, chiếm từ 5% đến 6% GDP của Mỹ. Con số này không chỉ bao gồm các trung tâm dữ liệu và GPU, mà còn cả các khoản đầu tư vào năng lượng, hệ thống làm mát, chip, thiết bị xây dựng và toàn bộ chuỗi cung ứng.

Còn một điểm khác biệt then chốt giữa cơ sở hạ tầng AI với việc xây dựng đường sắt và đường bộ truyền thống: năng lực tính toán được xây dựng tại Mỹ không chỉ phục vụ riêng nước Mỹ. Một số dịch vụ AI được người dùng ở châu Âu và châu Á sử dụng trên thực tế dựa vào các trung tâm dữ liệu tại Mỹ để huấn luyện và suy luận. Do đó, chi tiêu vốn của Mỹ phần lớn hỗ trợ nhu cầu AI toàn cầu, và tác động kinh tế của nó có thể vượt xa các chu kỳ hạ tầng nội địa trong quá khứ của một quốc gia đơn lẻ.

Điều này có nghĩa là cơ sở hạ tầng AI không còn chỉ là một ngành công nghệ đơn lẻ, mà đang dần trở thành một biến số kinh tế vĩ mô ảnh hưởng đến GDP, thị trường vốn và chính sách công nghiệp.

Chi tiêu vốn cho AI không thể duy trì mức tăng trưởng tốc độ cao mãi mãi. Khi cơ sở đầu tư mở rộng, các công ty khó có thể tiếp tục duy trì mức tăng trưởng gấp đôi ở quy mô lớn hơn. Trong khi đó, điện năng, quỹ đất, năng lực xây dựng, nguồn cung chip và khả năng huy động vốn đều đang trở thành những rào cản ngày càng rõ rệt.

Jordan lưu ý rằng đối với cả các nhà cung cấp dịch vụ điện toán đám mây lớn và các nhà cung cấp đám mây mới nổi, việc bổ sung các cơ sở điện năng quy mô gigawatt vượt ngoài kế hoạch ban đầu đã trở nên khó khăn hơn đáng kể. Ngay cả khi hiệu suất đầu tư đạt mức cao, các công ty vẫn phải huy động nguồn vốn khổng lồ trước khi tiến hành xây dựng.

Tuy nhiên, đà tăng trưởng chậm lại không đồng nghĩa với sự sụp đổ về nhu cầu. Vấn đề cốt lõi mà ngành này đang đối mặt hiện vẫn là nguồn cung không đủ, thay vì dư thừa công suất năng lực tính toán. Công suất chip, tốc độ xây dựng trung tâm dữ liệu và khả năng đấu nối lưới điện đều vẫn đang gặp khó khăn trong việc đáp ứng đầy đủ nhu cầu của khách hàng.

Điểm kích hoạt rủi ro thực sự sẽ là sự sụt giảm đáng kể trong nhu cầu của doanh nghiệp đối với trí tuệ và công việc tri thức. Chừng nào nhu cầu vẫn tiếp tục vượt quá nguồn cung, ngành này khó có khả năng ngay lập tức bước vào giai đoạn suy thoái chỉ vì tốc độ tăng trưởng chi tiêu vốn chậm lại.

Một đặc trưng khác của ngành AI là doanh thu thường có độ trễ so với chi phí đầu tư vốn. Các trung tâm dữ liệu và GPU khấu hao trong nhiều năm, đồng nghĩa với việc vốn đầu tư hôm nay phải được thu hồi dần trong những năm tới thông qua các lượt gọi API mô hình, phần mềm doanh nghiệp, dịch vụ tự động hóa và các sản phẩm mới.

Patel tin rằng các dự báo của thị trường về doanh thu AI trong tương lai có thể vẫn còn quá thấp. Điều này là do giá trị của AI không chỉ dừng lại ở các lượt gọi API, phí token và dịch vụ đăng ký thuê bao, mà nhiều khả năng doanh thu sẽ đến từ các sản phẩm mới và hiệu suất được tạo ra khi AI thâm nhập vào các ngành công nghiệp khác.

Jordan đã đưa ra một ví dụ khi cho biết, nếu các mô hình tiên phong có thể xử lý một lượng lớn công việc tri thức, chúng có thể tiến vào các lĩnh vực như robot, lái xe tự động, phát triển thuốc mới, y tế và khoa học sự sống. Trong các lĩnh vực này, giá trị do AI tạo ra sẽ được phản ánh thông qua các loại thuốc, ô tô, chip và dịch vụ mới, thay vì chỉ thu phí trên từng lượt gọi mô hình.

Ngành thiết kế chip là một ví dụ điển hình. Trong vài thập kỷ qua, số lượng nhân sự R&D thiết kế chip tại Mỹ không tăng đáng kể, nhưng giá trị do ngành này tạo ra lại liên tục mở rộng, một phần nhờ các công cụ kỹ thuật giúp nâng cao năng suất của nhà phát triển. AI có thể mở rộng mức tăng năng suất này sang nhiều ngành khác, giúp doanh nghiệp hoàn thành nhiều công việc R&D, thiết kế và sản xuất hơn với quy mô nhân sự tương đương.

Đây cũng là logic cốt lõi đằng sau các khoản đầu tư vào hạ tầng AI: các nhà đầu tư không đặt cược vào doanh thu chatbot ở thời điểm hiện tại, mà đặt cược vào giá trị gia tăng được tạo ra một khi trí tuệ nhân tạo lan tỏa trên toàn bộ nền kinh tế.

Khi các phòng nghiên cứu tiên phong và các hyperscaler tiếp tục mở rộng nhu cầu tính toán, các nhà cung cấp đám mây mới nổi đã trở thành những đơn vị thúc đẩy then chốt cho quá trình mở rộng hạ tầng AI.

Báo cáo ClusterMax của SemiAnalysis chủ yếu đánh giá độ tin cậy, bảo mật, kết nối mạng, lưu trữ, hiệu suất và năng lực vận hành của các nền tảng đám mây GPU. CoreWeave và Nebius được xếp vào nhóm nhà cung cấp hàng đầu, trong khi năng lực dịch vụ của Oracle và Google Cloud cũng được ghi nhận.

Tuy nhiên, chất lượng kỹ thuật và giá trị cổ phiếu không phải là một. Mặc dù Oracle vượt trội trong các dịch vụ cụm máy chủ, công ty phải đối mặt với nhiều rủi ro bao gồm sự chậm trễ của trung tâm dữ liệu, việc cấp phép triển khai, gánh nặng nợ và khả năng thực thi dự án. Trong khi đó, một số nhà cung cấp đám mây mới nổi chủ yếu tập trung vào huy động vốn và mở rộng quy mô, dẫn đến việc đầu tư chưa đúng mức vào bảo mật nền tảng và chất lượng dịch vụ.

Điều này phản ánh rằng thị trường vẫn là thị trường thuộc về bên bán. Với việc khách hàng có nhu cầu cấp thiết về GPU, các nhà cung cấp có thể nhanh chóng giành được đơn hàng và huy động vốn, từ đó làm giảm áp lực cải thiện trải nghiệm dịch vụ của họ.

Vai trò của Nvidia trong hệ sinh thái đám mây mới nổi vượt xa vai trò của một nhà cung cấp chip đơn thuần.

SemiAnalysis ước tính rằng quy mô của các khoản bảo lãnh ngoài bảng cân đối kế toán và sự hỗ trợ do Nvidia cung cấp có thể đạt 588 tỷ USD, bao gồm chi phí xây dựng, lưu trữ, chuỗi cung ứng và mở rộng trung tâm dữ liệu ngoài việc mua sắm GPU. Mục tiêu của Nvidia một mặt là giảm bớt sự phụ thuộc vào một vài nhà cung cấp dịch vụ đám mây quy mô lớn (hyperscaler), mặt khác giúp nhiều khách hàng hơn có được năng lực tính toán và nguồn vốn tài trợ.

Miễn là nhu cầu cuối vẫn duy trì mạnh mẽ, cơ chế bảo lãnh, tài trợ vốn và cho thuê GPU này có thể tạo ra một vòng tuần hoàn tích cực. Trong khi đó, sự phụ thuộc lẫn nhau trên khắp chuỗi ngành đang ngày càng sâu sắc. Một khi nhu cầu AI chậm lại, rủi ro có thể nhanh chóng lan truyền qua các hợp đồng dài hạn, các khoản nợ và bảng cân đối kế toán.

Vì vậy, "bệ đỡ" của Nvidia không chỉ đóng vai trò là động lực mở rộng ngành, mà còn cho thấy hạ tầng AI đã hình thành một mạng lưới tài chính phức tạp.

Patel rất lạc quan về triển vọng dài hạn của Anthropic, nhưng ông cũng tin rằng việc đạt được mức định giá cực kỳ cao đòi hỏi công ty phải mở rộng hoạt động kinh doanh ra ngoài các lệnh gọi mô hình sang nhiều lĩnh vực hơn.

Lợi thế của Anthropic không chỉ nằm ở khả năng của mô hình, mà còn ở biên lợi nhuận gộp cao hơn, chi phí thu hút khách hàng thấp hơn và độ gắn kết của khách hàng mạnh mẽ. Nếu các phòng nghiên cứu AI có thể ứng dụng mô hình vào phần mềm, dược phẩm, chăm sóc sức khỏe và dịch vụ doanh nghiệp, biên lợi nhuận của họ có thể vượt qua các doanh nghiệp SaaS truyền thống.

Trong khi đó, Google phải đối mặt với một loại áp lực khác. Trước đây, Google nắm giữ lợi thế đáng kể về năng lực tính toán, nhưng ngày nay nhiều chip TPU và hạ tầng hơn được sử dụng để bán ra ngoài và hỗ trợ Anthropic, khiến tỷ trọng năng lực tính toán của DeepMind bị sụt giảm.

Google đang nỗ lực tạo doanh thu trên mọi phân khúc từ chip, nền tảng điện toán đám mây cho đến dịch vụ mô hình, nhưng Gemini vẫn cần tìm ra một lợi thế sản phẩm đủ rõ ràng. Nếu không, các lợi thế của công ty về năng lực tính toán, mô hình và nhân tài có thể tiếp tục bị xói mòn bởi OpenAI, Anthropic và Meta.

Nội dung này được dịch bằng trí tuệ nhân tạo và đã được hiệu đính cho dễ hiểu hơn. Chỉ mang tính chất tham khảo.