Các ông lớn công nghệ đang đốt hàng trăm tỷ USD vào AI. Doanh thu chưa theo kịp. Nhưng thị trường vẫn mỉm cười. Tại sao?
Bài toán này không đơn giản là “AI có đáng giá không?”. Nó là câu chuyện về cách thị trường đọc vị tương lai. Và trong đó, có một tín hiệu mà hầu hết mọi người đang bỏ qua.
Bối cảnh: Chu kỳ chi tiêu và câu chuyện cũ
Nhìn lại lịch sử, mỗi chu kỳ đầu tư hạ tầng lớn của Big Tech đều có một khuôn mẫu. Đầu tiên là “cơn sốt chi tiêu” – xây dựng nhà máy, mua chip, thuê nhân tài. Sau đó là “thung lũng hoài nghi” – khi doanh thu chưa xuất hiện, truyền thông bắt đầu đặt câu hỏi. Và cuối cùng là “gặt hái” – khi hạ tầng được tận dụng tối đa.
Năm 1999, các công ty viễn thông chi 1.2 nghìn tỷ USD để kéo cáp quang. Thị trường chứng khoán sụp đổ năm 2000. Nhưng 15 năm sau, chính hạ tầng đó đã sinh ra Netflix, Amazon Web Services, và toàn bộ nền kinh tế Internet hiện đại. Lợi nhuận cuối cùng vượt xa chi phí ban đầu, nhưng không ai có thể nhìn thấy điều đó vào năm 2001.
Chu kỳ AI hiện tại cũng vậy. Các ông lớn như Google, Microsoft, Meta đang chi tiêu ở mức chưa từng có. Ước tính tổng chi phí vốn (Capex) cho AI năm 2024 đạt 300 tỷ USD. Doanh thu từ AI, tính đến nay, có lẽ chỉ đạt 20-30 tỷ USD. Sự chênh lệch này là rất lớn. Và nó tạo ra một câu chuyện rất dễ hiểu: “AI đang thổi phồng quá mức”.
Nhưng câu chuyện đó bỏ qua một thứ.
Phân tích cốt lõi: Cơ chế của câu chuyện và tâm lý thị trường
Khi tôi làm việc với các quỹ đầu tư ở Nairobi, tôi học được một điều: Thị trường không định giá hiện tại. Nó định giá kỳ vọng về tương lai. Và kỳ vọng về AI, hiện tại, vẫn đang ở mức rất cao.
Tại sao? Bởi vì các nhà đầu tư tổ chức không nhìn vào doanh thu hôm nay. Họ nhìn vào ba thứ:
- Tốc độ áp dụng: AI đang được áp dụng nhanh hơn bất kỳ công nghệ nào trong lịch sử. ChatGPT đạt 100 triệu người dùng trong 2 tháng. Internet mất 7 năm để đạt con số đó. Khi tốc độ áp dụng cao, doanh thu sẽ đến – chỉ là vấn đề thời gian.
- Hiệu ứng mạng lưới hạ tầng: Mỗi đô la chi cho GPU và trung tâm dữ liệu không chỉ phục vụ một sản phẩm. Nó xây dựng một nền tảng. Nền tảng đó có thể được tận dụng cho hàng trăm ứng dụng khác nhau. Khi hạ tầng hoàn thiện, chi phí cận biên cho mỗi ứng dụng mới gần như bằng 0. Đây là lý do AWS có biên lợi nhuận 30%.
- Tính phòng thủ của vị thế: Các ông lớn như Microsoft và Google không thể không chi tiêu. Nếu họ không đầu tư, họ sẽ bị thay thế. Đây là một cuộc chơi “sống còn”. Chi tiêu hôm nay là để bảo vệ doanh thu ngàn tỷ của ngày mai.
Nhưng có một điểm mù lớn.
Góc nhìn phản trực giác: “Chi tiêu AI” không phải là một thực thể duy nhất
Fork dễ, bản địa hóa mới khó. Trong blockchain, tôi đã thấy vô số dự án fork mã nguồn của Ethereum, nhưng chỉ một số ít thành công. Thành công đến từ việc hiểu bối cảnh địa phương, không phải từ việc copy code.
Tương tự, “chi tiêu AI” của Big Tech không phải là một khối đồng nhất. Nó bao gồm ba loại hoàn toàn khác nhau:
- Chi tiêu vốn (Capex): xây trung tâm dữ liệu, mua GPU. Đây là chi phí một lần, tạo ra tài sản có thể khấu hao trong 5-7 năm. Các công ty như Nvidia hưởng lợi trực tiếp.
- Chi tiêu R&D: lương nhà nghiên cứu, chi phí đào tạo mô hình. Đây là chi phí biến đổi, có thể cắt giảm nếu cần.
- Chi tiêu sản phẩm: tích hợp AI vào ứng dụng, xây dựng kênh bán hàng. Đây là chi phí tạo ra doanh thu trực tiếp.
Vấn đề là các báo cáo tài chính thường gộp chung ba loại này. Nhà đầu tư nhìn thấy một con số khổng lồ, nhưng không biết nó được phân bổ thế nào. Nếu 70% là Capex (tạo tài sản), thì rủi ro thấp hơn nhiều so với nếu 70% là R&D (chi phí thuần túy).
Hype qua đi, infrastructure còn lại. Đây là bài học tôi rút ra từ chu kỳ ICO 2017. Khi đó, mọi người tập trung vào các dự án tiêu dùng. Nhưng giá trị thực sự đến từ các lớp hạ tầng như Ethereum, Cosmos. Tương tự, với AI, giá trị lâu dài không nằm ở các ứng dụng AI cụ thể, mà ở hạ tầng tính toán và mô hình nền tảng.
Kết luận: Câu chuyện tiếp theo
Khi tôi còn là nhà phân tích tại một quỹ đầu tư ở Nairobi, tôi từng thuyết phục họ đầu tư vào Loom Network – một dự án sidechain chưa có tên tuổi. Lập luận của tôi: “Câu chuyện thực sự nằm ở khả năng mở rộng, không phải token bán lẻ.” Kết quả: ROI 12x.
Bài học tương tự áp dụng cho AI hôm nay. Đừng nhìn vào doanh thu hôm nay. Đừng nhìn vào câu chuyện “AI đang thổi phồng”. Hãy nhìn vào hạ tầng đang được xây dựng. Hãy nhìn vào tốc độ áp dụng. Và hãy nhìn vào cách các ông lớn đang đặt cược cho cuộc chơi 10 năm tới.