Bởi Maksym Misichenko · CNBC ·
Các tác nhân AI nghĩ gì về tin tức này
Hội đồng nhìn chung bi quan về dự báo chi tiêu vốn AI 3-4 nghìn tỷ đô la của Nvidia, viện dẫn việc áp dụng không đồng đều, những cải thiện năng suất chưa được chứng minh và khả năng chậm trễ doanh thu có thể dẫn đến các đợt dừng chi tiêu đột ngột của hyperscaler.
Rủi ro: Các đợt dừng chi tiêu đột ngột của hyperscaler do năng suất chưa được đo lường và chậm trễ doanh thu
Cơ hội: Tiềm năng giành thị phần nếu AI chuyển thành tăng trưởng lợi nhuận bền vững
Phân tích này được tạo bởi đường dẫn StockScreener — bốn LLM hàng đầu (Claude, GPT, Gemini, Grok) nhận các lời nhắc giống hệt nhau với các biện pháp bảo vệ chống ảo tưởng tích hợp. Đọc phương pháp →
CEO Nvidia Jensen Huang đi trước dự báo về khoản chi tiêu cho AI – ngay cả những dự báo lạc quan nhất.
Trong cuộc gọi báo cáo thu nhập tối thứ Tư, Huang cho biết ông nghĩ chi tiêu vốn cho AI có thể lên tới 4 nghìn tỷ USD.
"Capex hiện ở mức một nghìn tỷ USD và đang hướng tới mốc ba đến bốn [nghìn tỷ USD]," ông nói, chỉ đề cập đến capex cho các hyperscaler như Alphabet và Amazon, không bao gồm các phân khúc khác của thị trường siêu máy tính như neoclouds.
Giám đốc tài chính của Nvidia, Colette Kress, còn cụ thể hơn trong cuộc gọi.
"Với việc các nhà phân tích hiện dự báo hyperscale capex sẽ vượt 1 nghìn tỷ USD vào năm 2027 và AI tác tử bắt đầu lan rộng [trên] tất cả các ngành công nghiệp, chi tiêu cho cơ sở hạ tầng AI đang trên đà đạt 3 đến 4 nghìn tỷ USD hàng năm vào cuối thập kỷ này," bà nói.
Chỉ có một điều: Điều đó đi trước quỹ đạo ước tính của Phố Wall.
Một phân tích của Laura Martin tại Needham cho thấy ước tính đồng thuận về hyperscaler capex sẽ đạt 1,03 nghìn tỷ USD vào năm 2028 – một phần ba đến một phần tư so với hai năm sau đó, nếu dự đoán của Huang là đúng.
"Nếu dự đoán của Jensen Huang là đúng… thì chúng tôi tin rằng các ước tính đồng thuận được đưa vào biểu đồ dưới đây sẽ được điều chỉnh tăng lên," bà viết vào thứ Năm cùng với đồng nghiệp Dan Medina. "[Tầm nhìn của ông] đối với các hyperscaler khác với những gì các hyperscaler đang nói trong các cuộc gọi báo cáo thu nhập của họ, và thú vị hơn."
Một số người ở Phố Wall đã dự đoán capex sẽ đạt 1 nghìn tỷ USD vào cuối năm tới, nhanh hơn ước tính đồng thuận, nhưng họ vẫn còn cách xa dự báo của Huang, vốn sẽ thấy con số này tăng gấp bốn lần trong ba năm tiếp theo.
Không còn nghi ngờ gì nữa, việc đầu tư cơ sở hạ tầng nhiều hơn từ các hyperscaler và các công ty khác sẽ mang lại lợi ích cho hoạt động kinh doanh của Nvidia với tư cách là nhà sản xuất chip AI thống trị. Nhưng doanh thu đám mây tăng trưởng, cùng với những tiến bộ liên tục trong các thuật toán tiên tiến, dường như đang củng cố sự lạc quan của Huang cho đến nay.
Doanh thu hàng quý vượt kỳ vọng đối với tất cả các đám mây lớn, với Alphabet tăng 63%, AWS tăng 28% và Microsoft tăng 40%.
"Thế giới có một tỷ người dùng – người dùng là con người. Tôi cảm thấy rằng thế giới sẽ có hàng tỷ tác tử… và mỗi tác tử trong số đó sẽ tạo ra các tác tử phụ," Huang nói.
## Quá sớm để có sự đồng thuận về năng suất
Bất chấp những tiến bộ, doanh thu tăng và những so sánh lịch sử thường xuyên với đường sắt và các giai đoạn phát triển công nghiệp thâm dụng vốn khác, những nghi ngờ nghiêm trọng vẫn còn về tác động lâu dài của AI đối với lợi nhuận, năng suất và khả năng tồn tại cuối cùng.
JPMorgan ước tính vào tháng 11 rằng lợi tức 10% trên các khoản đầu tư AI cho đến năm 2030 sẽ cần khoảng 650 tỷ USD doanh thu hàng năm vĩnh viễn, một con số mà họ gọi là "lớn đáng kinh ngạc", tương đương 0,58 điểm phần trăm "GDP toàn cầu, hoặc 34,72 USD/tháng từ mỗi người dùng iPhone hiện tại, hoặc 180 USD/tháng từ mỗi người đăng ký Netflix."
Để so sánh, doanh thu đám mây trong 12 tháng gần nhất tính đến tháng 4 đạt 455 tỷ USD, theo Synergy Research Group.
"Nếu những cải thiện về hiệu quả thành hiện thực, sẽ không có vấn đề gì; các doanh nghiệp phát triển mạnh sẽ có đủ nguồn lực để thanh toán hóa đơn," nhà kinh tế học Cédric Durand tại Đại học Geneva viết vào tháng 1. "Trong vài năm tới, khi AI đã xâm nhập vào quy trình làm việc đến mức chi phí thoát ly trở nên không thể chấp nhận được, cơ sở khách hàng sẽ không thể thoát ra được."
Tuy nhiên, những cải thiện về năng suất của AI vẫn chưa thực sự xuất hiện – chứ chưa nói đến việc tạo ra sự đồng thuận giữa các nhà kinh tế.
"Liệu đây có thể là khởi đầu của một sự bùng nổ năng suất AI không? Có thể!" nhà kinh tế học Martha Gimbel tại Yale Budget Lab viết vào tháng 2. "Cho đến khi chúng ta nhận được một tín hiệu rõ ràng theo một trong hai hướng — chúng ta không nên đặt tất cả trứng vào giỏ dữ liệu năng suất."
Các nhà kinh tế của Cục Dự trữ Liên bang vào tháng 3 đã phát hiện ra "sự khác biệt đáng kể trong việc áp dụng AI giữa các công ty", mô tả sự không khớp giữa nhận thức và thực tế về tác động của AI.
"Những cải thiện về năng suất được nhận thức lớn hơn những cải thiện về năng suất được đo lường, có thể phản ánh sự chậm trễ trong việc hiện thực hóa doanh thu," họ viết.
Bốn mô hình AI hàng đầu thảo luận bài viết này
"Triển vọng chi tiêu AI 3-4 nghìn tỷ đô la của Huang bỏ qua khoảng cách được ghi nhận giữa những cải thiện năng suất được nhận thức và đo lường, làm tăng khả năng xảy ra một cuộc điều chỉnh chi tiêu vốn sau khi xây dựng."
Lời kêu gọi của CEO Nvidia Jensen Huang về chi tiêu vốn AI hàng năm 3-4 nghìn tỷ đô la vào cuối thập kỷ vượt xa dự báo đồng thuận khoảng 1 nghìn tỷ đô la vào năm 2028. Dự báo này phụ thuộc vào việc xây dựng của các hyperscaler cộng với hàng tỷ người dùng AI tác nhân, mà Huang cho rằng sẽ thúc đẩy nhu cầu bền vững. Tuy nhiên, bài viết này làm giảm nhẹ ngưỡng doanh thu cần thiết cho khả năng tồn tại: JPMorgan tính toán chỉ cần 10% lợi nhuận cần 650 tỷ đô la thu nhập hàng năm vĩnh viễn, hoặc 0,58 điểm phần trăm GDP toàn cầu. Phân tích của Cục Dự trữ Liên bang cho thấy những cải thiện năng suất được nhận thức vượt quá những gì được đo lường, với việc áp dụng không đồng đều giữa các công ty. Nếu việc kiếm tiền bị chậm trễ, các hyperscaler có thể đột ngột giảm chi tiêu, gây áp lực lên Nvidia bất chấp những lần vượt doanh thu đám mây gần đây của Microsoft, Amazon và Alphabet.
Tăng trưởng doanh thu đám mây nhanh chóng đang diễn ra, với Alphabet tăng 63% và Microsoft tăng 40%, cho thấy các con đường kiếm tiền ban đầu đang hình thành có thể biện minh cho việc tăng chi tiêu vốn trước khi dữ liệu năng suất bắt kịp hoàn toàn.
"Tăng trưởng chi tiêu vốn và tăng trưởng doanh thu đang tách rời khỏi việc hiện thực hóa ROI, và các trích dẫn của bài báo cho thấy những cải thiện năng suất được đo lường chậm hơn nhận thức đủ để báo hiệu một cái bẫy định giá tiềm năng."
Dự báo 3-4 nghìn tỷ đô la của Huang là sự cổ vũ đầy tham vọng, không phải dự đoán. Ông ấy trực tiếp hưởng lợi từ việc tăng tốc chi tiêu vốn và có mọi động lực để lạc quan trước. Bản thân bài báo đã che giấu vấn đề thực sự: phép tính của JPMorgan cho thấy AI cần 650 tỷ đô la *doanh thu vĩnh viễn hàng năm* chỉ để biện minh cho lợi nhuận 10% — hiện tại chúng ta có 455 tỷ đô la doanh thu đám mây và những cải thiện năng suất vẫn chưa được đo lường và còn tranh cãi. Fed phát hiện ra 'sự khác biệt đáng kể' trong việc áp dụng; những cải thiện được nhận thức vượt quá những gì được đo lường. Chi tiêu vốn thực sự có thể tăng gấp bốn lần, nhưng điều đó không có nghĩa là ROI sẽ thành hiện thực. Chúng ta có thể đang tài trợ cho một khoản đặt cược cơ sở hạ tầng trị giá nghìn tỷ đô la vào năng suất chưa được chứng minh.
Nếu AI tác nhân thực sự mang lại – các tác nhân tự động xử lý công việc tri thức ở quy mô lớn – thì phép tính chi tiêu vốn sẽ đảo ngược: 4 nghìn tỷ đô la hàng năm trở nên rẻ so với chi phí lao động bị thay thế và các luồng doanh thu mới. Huang đã từng đúng về các điểm uốn, và sự tăng trưởng doanh thu của hyperscaler (40-63%) cho thấy họ nhìn thấy điều gì đó cụ thể, không chỉ là sự cường điệu.
"Sự khác biệt giữa dự báo chi tiêu vốn 4 nghìn tỷ đô la của Huang và tăng trưởng doanh thu hyperscaler hiện tại báo hiệu rủi ro cao về một 'bong bóng chi tiêu vốn' trong tương lai thay vì một chu kỳ cơ sở hạ tầng bền vững."
Dự báo chi tiêu vốn 4 nghìn tỷ đô la của Jensen Huang là một bậc thầy về dự báo 'do nhà cung cấp dẫn dắt', được thiết kế để biện minh cho định giá hiện tại của Nvidia bằng cách neo kỳ vọng của nhà đầu tư vào sự tăng trưởng cơ sở hạ tầng vô hạn. Mặc dù các hyperscaler như Microsoft và Alphabet hiện đang báo cáo tăng trưởng đám mây mạnh mẽ, họ về cơ bản đang tham gia vào một cuộc chạy đua vũ trang nơi chi tiêu vốn là một rào cản phòng thủ, không chỉ là một động cơ tạo ra lợi nhuận. Rủi ro thực sự là một 'sự dư thừa chi tiêu vốn' nơi chi phí tính toán vượt quá khả năng kiếm tiền thực tế từ AI tác nhân. Nếu khoảng cách ROI không được thu hẹp vào năm 2026, chúng ta có nguy cơ xảy ra một đợt điều chỉnh chu kỳ lớn trong chi tiêu phần cứng, điều này sẽ ảnh hưởng đến Nvidia và lĩnh vực bán dẫn rộng lớn hơn nhiều so với những gì ước tính đồng thuận hiện tại gợi ý.
Nếu AI tác nhân tạo ra một bước nhảy vọt thực sự về năng suất phần mềm dưới dạng dịch vụ, con số 4 nghìn tỷ đô la có thể thực sự là thận trọng, vì chi phí lao động con người bị thay thế vượt xa các ràng buộc ngân sách CNTT hiện tại.
"Nvidia có thể hưởng lợi từ sự gia tăng chi tiêu vốn AI, nhưng tiềm năng tăng trưởng không được đảm bảo — động lực thực sự sẽ là tốc độ AI chuyển đổi thành lợi nhuận bền vững và khả năng phục hồi của chuỗi cung ứng và việc kiếm tiền từ phần mềm."
Bài báo trình bày chi tiêu vốn AI như một sự leo dốc tuyến tính, không thể ngăn cản lên 3-4 nghìn tỷ đô la hàng năm vào cuối thập kỷ, đây là một yếu tố thúc đẩy mạnh mẽ cho Nvidia. Nhưng thực tế phức tạp hơn: chi tiêu vốn mang tính chu kỳ và không đều, gắn liền với nhu cầu trung tâm dữ liệu, chi phí năng lượng và các chu kỳ kinh tế vĩ mô. Con số 3-4 nghìn tỷ đô la giả định sự tăng tốc liên tục của hyperscaler và ROI liền mạch từ năng suất AI, điều này có thể tỏ ra lạc quan do các nút thắt tiềm ẩn trong chuỗi cung ứng (thiếu hụt GPU/bán dẫn), các thách thức về chính sách/quy định và lợi nhuận giảm dần trên mỗi đô la tính toán nếu việc kiếm tiền từ phần mềm bị đình trệ. Nvidia có thể thắng về thị phần, nhưng quy mô của sự tăng trưởng phụ thuộc vào tốc độ AI chuyển đổi thành tăng trưởng lợi nhuận bền vững, không chỉ là doanh số phần cứng.
Sự gia tăng chi tiêu vốn có thể không xảy ra với tốc độ giả định; các hyperscaler có thể giảm tốc, đa dạng hóa sang các giải pháp thay thế hoặc giải pháp nội bộ, và bất kỳ sự thiếu hụt nào về nguồn cung GPU hoặc chi phí năng lượng đều có thể hạn chế chi tiêu, làm giảm tiềm năng tăng trưởng của Nvidia.
"Việc áp dụng không đồng đều có nguy cơ tập trung chi tiêu vốn vào một vài hyperscaler, làm tăng mức độ tiếp xúc với việc tập trung khách hàng của Nvidia."
Claude chỉ ra ngưỡng doanh thu một cách chính xác, nhưng làm giảm nhẹ việc việc áp dụng không đồng đều được ghi nhận bởi Fed có thể tập trung chi tiêu AI vào một số ít hyperscaler. Nếu các công ty nhỏ hơn ưu tiên chi tiêu vốn do năng suất chưa được đo lường, cơ sở doanh thu của Nvidia sẽ thu hẹp đáng kể. Rủi ro tập trung này, cùng với các lo ngại về nguồn cung và kinh tế vĩ mô của ChatGPT, làm tăng tính dễ bị tổn thương trước các đợt dừng chi tiêu đột ngột vượt quá những gì các kết quả kinh doanh đám mây hiện tại gợi ý.
"Sự tập trung của hyperscaler có lợi về mặt cấu trúc cho Nvidia; mối đe dọa thực sự là sự phân mảnh cạnh tranh ở quy mô lớn, không phải là các đợt dừng chi tiêu."
Luận điểm tập trung của Grok rất sắc bén, nhưng lại đảo ngược rủi ro thực sự. Nếu chi tiêu vốn tập trung vào các hyperscaler, *đó* là điều tích cực cho Nvidia — ít khách hàng hơn, lớn hơn với túi tiền sâu hơn và thời gian lập kế hoạch dài hơn. Nguy hiểm là sự phân tán: nếu các công ty tầm trung xây dựng chip nội bộ hoặc áp dụng các giải pháp thay thế rẻ hơn (AMD, silicon tùy chỉnh), TAM của Nvidia sẽ thu hẹp ngay cả khi chi tiêu của hyperscaler được duy trì. Không ai mô hình hóa rủi ro tự tiêu thụ từ sự tự chủ của doanh nghiệp, điều này có thể xảy ra nhanh hơn một đợt dừng kinh tế vĩ mô.
"Ràng buộc vật lý của cơ sở hạ tầng năng lượng, chứ không phải cạnh tranh phần mềm, là giới hạn cứng cho sự tăng trưởng chi tiêu vốn dự kiến của Nvidia."
Claude, trọng tâm của bạn về sự tự chủ của doanh nghiệp bỏ lỡ rào cản chính: 'hào quang' không chỉ là silicon, mà là hệ sinh thái phần mềm CUDA. Các hyperscaler không chỉ mua chip; họ đang mua một ngăn xếp phần mềm độc quyền ngăn cản việc di chuyển dễ dàng sang silicon tùy chỉnh hoặc AMD. Rủi ro thực sự không phải là sự tự tiêu thụ ở thị trường trung cấp, mà là 'bức tường năng lượng'. Nếu công suất lưới điện và các thỏa thuận mua điện (PPA) không mở rộng với tốc độ tương đương với các cụm GPU, mục tiêu chi tiêu vốn 4 nghìn tỷ đô la là không thể về mặt vật lý, bất kể ROI.
"Những hạn chế về năng lượng có thể ít ràng buộc hơn so với dự kiến, chuyển rủi ro sang các nút thắt nguồn cung và việc kiếm tiền thay vì chỉ năng lượng."
Gemini nắm bắt được 'bức tường năng lượng', nhưng rủi ro đó phụ thuộc vào các PPA quy mô lưới điện và chi phí điện năng cơ bản — không phải là một đợt dừng chi tiêu vốn nhị phân. Trên thực tế, các hyperscaler tối ưu hóa cho hiệu quả năng lượng và các hợp đồng điện dài hạn, giá rẻ; mật độ GPU và những cải tiến về hiệu quả có thể thực sự giảm năng lượng trên mỗi đơn vị tính toán, làm giảm 'bức tường năng lượng' theo thời gian. Rủi ro thực sự là các nút thắt nguồn cung và việc kiếm tiền từ phần mềm, chứ không chỉ là điện năng.
Hội đồng nhìn chung bi quan về dự báo chi tiêu vốn AI 3-4 nghìn tỷ đô la của Nvidia, viện dẫn việc áp dụng không đồng đều, những cải thiện năng suất chưa được chứng minh và khả năng chậm trễ doanh thu có thể dẫn đến các đợt dừng chi tiêu đột ngột của hyperscaler.
Tiềm năng giành thị phần nếu AI chuyển thành tăng trưởng lợi nhuận bền vững
Các đợt dừng chi tiêu đột ngột của hyperscaler do năng suất chưa được đo lường và chậm trễ doanh thu