Câu hỏi 3 nghìn tỷ USD về AI: Liệu doanh thu có thể bù đắp chi phí hạ tầng?

Ngành công nghiệp trí tuệ nhân tạo hiện đang bị cuốn vào một cuộc đua đầy rủi ro giữa chi phí đầu tư vốn (CapEx) khổng lồ và nhu cầu cấp bách về tạo ra doanh thu. Khi các hyperscaler đổ hàng nghìn tỷ USD vào phần cứng, một câu hỏi quan trọng được đặt ra: liệu lớp phần mềm có thể tạo ra đủ giá trị để chứng minh cho chi phí khổng lồ của các chip silicon hay không?

Khoảng cách ngày càng lớn giữa CapEx và Doanh thu

Quy mô đầu tư vào hạ tầng AI là vô cùng lớn. Đối tác của Sequoia, David Cahn, người trước đó ước tính nhu cầu doanh thu là 200 tỷ USD dựa trên doanh thu GPU 50 tỷ USD của Nvidia, đã điều chỉnh đáng kể các dự báo của mình. Do ba năm mở rộng quy mô hạ tầng không ngừng nghỉ, Cahn hiện ước tính rằng chi tiêu cho hạ tầng AI sẽ đạt 1,5 nghìn tỷ USD vào năm 2026.

Để thu hồi các chi phí này, ngành công nghiệp phải tạo ra doanh thu ước tính khoảng 3 nghìn tỷ USD. Con số này có khả năng chỉ là mức cơ sở thận trọng. Chi phí bộ nhớ tăng cao, việc triển khai các loại chip chuyên dụng cho suy luận (inference) đặc thù, và chi phí xây dựng trung tâm dữ liệu ngày càng tăng đang đẩy mức doanh thu cần thiết trên mỗi gigawatt (GW) CapEx lên cao mạnh mẽ. Mặc dù các phòng thí nghiệm tiên phong (frontier labs) đang chứng kiến sự tăng trưởng — với báo cáo Anthropic đạt 60 tỷ USD ARR và OpenAI đạt 20 tỷ USD ARR — vẫn còn một khoảng cách khổng lồ giữa thu nhập hiện tại và ngưỡng 3 nghìn tỷ USD.

Canh bạc của các Hyperscaler và rủi ro giảm phát

Các hyperscaler theo phong cách "Magnificent Seven" — Google, Meta, Microsoft và Amazon — là những động lực chính thúc đẩy mức chi tiêu này. Những gã khổng lồ này đang đặt cược vào sự tăng tốc mạnh mẽ của dòng tiền tự do vào năm 2028, dựa trên ý tưởng rằng các dịch vụ AI sẽ trở thành các tiện ích thiết yếu với biên lợi nhuận cao.

Tuy nhiên, kinh tế trưởng của Apollo, Torsten Slok, cảnh báo về những trở ngại đáng kể có thể làm chệch hướng các tính toán này. Hai xu hướng cụ thể đang đe dọa mô hình kinh doanh "nhà máy token":

  1. Sự trỗi dậy của Open Weights: Các tổ chức đang ngày càng chuyển hướng sang các mô hình trọng số mở (open-weight) rẻ hơn, bao gồm cả những mô hình có nguồn gốc từ Trung Quốc, thay vì chỉ dựa vào các mô hình tiên phong đắt đỏ.
  2. Giảm phát Token: Khi các mô hình trở nên hiệu quả hơn, giá trên mỗi token đang giảm mạnh. Ví dụ, các mô hình mới nhất của OpenAI đã đạt được mức tăng 54% về hiệu suất token cho các tác vụ lập trình. Mặc dù đây là một thắng lợi cho các nhà phát triển và người dùng cuối, nhưng nó tạo ra một cuộc "đua xuống đáy" (race to the bottom) cho các nhà cung cấp vốn dựa vào khối lượng token lớn để bù đắp chi phí hạ tầng khổng lồ.

Hệ lụy kinh tế vĩ mô nếu việc hoàn vốn AI thất bại

Các rủi ro không chỉ dừng lại ở bảng cân đối kế toán của các gã khổng lồ công nghệ. Vì sự dẫn dắt thị trường hiện nay tập trung quá mức vào một vài cái tên, toàn bộ chỉ số S&P 500 đang bị ràng buộc vào sự thành công của chu kỳ đầu tư AI này.

Nếu các hyperscaler không đạt được mục tiêu dòng tiền dự kiến vào năm 2028, phản ứng của thị trường có thể mang tính hệ thống. Slok cho rằng việc hoàn vốn chậm hơn dự kiến sẽ không chỉ dẫn đến một đợt điều chỉnh riêng lẻ trong một lĩnh vực; nó thậm chí có khả năng đẩy nền kinh tế rộng lớn hơn vào tình trạng suy thoái. Đối với hệ sinh thái AI, những năm tới sẽ là một bài kiểm tra quyết định liệu trí tuệ nhân tạo có thể được thương mại hóa đủ nhanh để vượt qua tốc độ tăng chi phí của phần cứng tạo ra nó hay không.

Các điểm chính cần lưu ý

  • Nhu cầu doanh thu khổng lồ: Ngành công nghiệp AI cần tạo ra doanh thu khoảng 3 nghìn tỷ USD để chứng minh cho mức chi tiêu hạ tầng dự kiến là 1,5 nghìn tỷ USD vào năm 2026.
  • Nghịch lý về hiệu suất: Hiệu suất mô hình được cải thiện (chẳng hạn như mức tăng 54% của OpenAI trong các tác vụ lập trình) giúp giảm chi phí cho người dùng nhưng lại tạo ra áp lực về giá đối với các công ty đang tài trợ cho phần cứng.
  • Rủi ro kinh tế hệ thống: Vì sự tăng trưởng của các hyperscaler là động lực chính của S&P 500, việc không đạt được lợi nhuận từ AI có thể kích hoạt một đợt điều chỉnh thị trường rộng lớn hơn hoặc gây ra suy thoái.