Sau khi bỏ lỡ cơ hội tăng 20 lần, tôi đã tìm ra cách đầu tư AI một cách ngu ngốc.

Tiêu đề gốc: 《Lỡ mất cơ hội 20 lần, tôi tìm ra cách đầu tư AI "ngu ngốc"》
Tác giả gốc: Vũ Thập Nhất, nhà phân tích AI

Cách đây 40 năm, vào ngày 22 tháng 10 năm 1978, ông Đặng Tiểu Bình lần đầu thăm Nhật Bản. Trên quãng đường 370 km từ Tokyo đến Kyoto, ông đi trên chuyến tàu cao tốc đầu tiên trên thế giới – tàu Shinkansen "Hikari" của Nhật. Người Nhật đi cùng hỏi ông cảm thấy thế nào, ông nói: "Chỉ cảm thấy, nó như thúc giục người ta chạy, vì vậy bây giờ chúng ta rất thích hợp để ngồi trên chuyến tàu như thế này."

AI cũng có ý nghĩa thúc giục người ta chạy.

Hai năm qua, doanh thu của NVIDIA đã tăng vọt từ 60 tỷ USD lên 216 tỷ USD, giá cổ phiếu tăng gấp mười lần. Làn sóng đầu tư xoay quanh AI lan rộng toàn cầu – module quang, trung tâm dữ liệu, tản nhiệt, robot, ứng dụng AI, hết đợt này đến đợt khác. Mỗi ngày đều có những câu chuyện tăng giá mới, mỗi ngày đều có người hối hận vì đã không xuống tay sớm hơn.

Nhưng thúc giục chạy là một chuyện, trước khi chạy, phải nhìn rõ đường.

AI là đường đua dài nhất mà thế hệ chúng ta có thể gặp. Internet từ năm 1995 đến khi Google lên sàn mất mười năm, đến khi Facebook lên sàn lại mất thêm tám năm nữa. Giữa chừng trải qua bong bóng vỡ năm 2000, Nasdaq mất 78%. AI rất có thể cũng sẽ đi theo con đường tương tự – hiện tại có thể vẫn đang ở vị trí năm 1998 hoặc 1999, cơ hội lớn nhất thực sự có thể xuất hiện sau khi bong bóng tương lai vỡ, cũng có thể ẩn náu ở một góc nào đó mà hôm nay chưa ai để ý.

Hiện tại, năng lực mô hình đang tiến bộ vượt bậc, vốn đang đổ vào điên cuồng, định giá bị đẩy lên mức đáng lo ngại. Trong môi trường này, có hai loại người:

Một loại người lao vào mua ngay bây giờ – đánh cược mình đã chọn đúng thời điểm. Có thể kiếm được, nhưng khả năng cao hơn là mua ở lưng chừng núi, rồi bị điều chỉnh hất văng ra ngoài.

Loại kia chờ sụp đổ rồi mới nói – nhưng vấn đề là, khi thực sự sụp đổ, bạn có dám mua không? Bạn có biết mua gì không? Nếu bạn không biết gì về ngành này, trước sự hoảng loạn bạn chỉ càng hoảng loạn hơn.

Tôi chọn cách thứ ba: Bây giờ không vội mua cổ phiếu, trước hết hãy xây dựng – xây dựng "kho kiến thức".

Bởi vì dù AI phát triển thế nào, khi cơ hội thực sự xuất hiện, muốn không bỏ lỡ – trước tiên chúng ta phải trở thành chuyên gia am hiểu toàn bộ ngành. Cái gọi là "trực giác sát thủ", chẳng qua đến từ nhận thức "trong lòng tự có non sông".

Hôm nay tôi sẽ bắt đầu làm một việc vừa ngốc nghếch vừa chậm chạp: nghiên cứu ngành AI từ tổng thể, từng chút một, làm rõ toàn bộ chuỗi ngành AI từ đầu đến cuối. Ai đang kiếm tiền, tiền từ đâu đến, chảy đi đâu, ai là không thể thay thế, ai đang ăn phần thừa của người khác.

Cho đến ngày thị trường trao cho chúng ta cơ hội – dù là sụp đổ, điều chỉnh hay một góc khuất nào đó bị bỏ qua – tôi có thể đưa ra phán đoán trong vài giây: "Mức giá này có đáng để xuống tay không?"

Ngoài ra, khi làm việc này, tôi có hai điểm khác biệt:

Thứ nhất, nền tảng đầu tư của tôi rất tốt. Tôi có kinh nghiệm phong phú và tốc độ tiến hóa cực nhanh trong đầu tư. Trong ba năm qua, tỷ suất lợi nhuận của tôi, như các fan cũ rất rõ, rất ít người đạt được trình độ tương đương. Tất nhiên, quan trọng nhất không phải tỷ suất lợi nhuận, vì nó có thể do may mắn, mà điều được công nhận rộng rãi nhất là tốc độ tiến hóa của tôi – tôi nghĩ thời đại AI càng như vậy, không phải so ai giỏi hơn, mà là so ai tiến hóa nhanh hơn.

Quá khứ không cần mở rộng, tương lai bắt đầu từ bây giờ, chúng ta "cứ chờ xem".

Thứ hai, tôi tập trung vào một điều: thứ này kiếm tiền thế nào? Những năm gần đây, tốc độ tiến hóa cao của tôi chủ yếu nhờ vào sự tập trung: tôi chỉ quan tâm đến cơ hội tài sản đằng sau hiện tượng. Hầu hết các bài viết hiện nay đều dạy bạn sử dụng Skill mới, GitHub mới, mỗi ngày đều theo đuổi các sản phẩm hot và thứ mới. Những thứ này dù quan trọng, nhưng với góc nhìn của một nhà đầu tư, tôi quan tâm hơn đến cơ hội tài sản đằng sau.

Khi iPhone 4 ra mắt, bạn có giống người khác reo hò về thiết kế và hiệu năng của điện thoại, hay bạn nghiên cứu cơ hội đầu tư đằng sau nó?

Bài viết này là bài đầu tiên trong loạt nghiên cứu, chủ yếu làm một việc: thắp sáng bản đồ. Nếu coi việc nghiên cứu hệ thống toàn bộ chuỗi ngành AI như chơi một game thế giới mở lớn – bước đầu tiên không phải lao vào đánh Boss, mà là thắp sáng bản đồ: có mấy khu vực lớn, các nút quan trọng nào, nhiệm vụ chính là gì, nhiệm vụ phụ có những gì. Khi bản đồ đã rõ, sau này dù gặp tình huống nào, cũng có thể đưa ra phán đoán trong vài giây.

Chương 1: Tại sao phải nhìn AI từ góc nhìn tổng thể?

NVIDIA tăng gấp mười lần trong hai năm, là câu chuyện rực rỡ nhất trong đầu tư AI. Nhưng nếu bạn chỉ thấy NVIDIA, giống như chỉ thấy một cái cây – bạn sẽ bỏ qua cấu trúc của cả khu rừng bên dưới nó.

Mỗi làn sóng công nghệ lớn, tiền sẽ lan tỏa từng lớp dọc theo chuỗi ngành. Điều này đã được kiểm chứng nhiều lần trong lịch sử:

Thời đại Internet, làn sóng tiền đầu tiên đổ vào Cisco (thiết bị mạng), làn sóng thứ hai đổ vào Google, Amazon (nền tảng), làn sóng thứ ba đổ vào Facebook, Netflix (ứng dụng). Thời đại di động, làn sóng đầu tiên là Qualcomm (chip), làn sóng thứ hai là Apple (thiết bị đầu cuối), làn sóng thứ ba là WeChat, TikTok (siêu ứng dụng).

AI cũng không ngoại lệ. Chúng ta có thể thấy một chuỗi lan tỏa tổng quát:

Vòng thứ nhất (2023-2024, đã được định giá đầy đủ): GPU — NVIDIA
Vòng thứ hai (2024-2025, đang được định giá): Kết nối quang, nguồn điện — LITE tăng 16 lần, Vertiv tăng 10 lần
Vòng thứ ba (2025-2026, chưa được định giá đầy đủ): Tản nhiệt, lưu trữ, gia công đặc thù
Vòng thứ tư (2026+, chờ chất xúc tác): Ứng dụng AI, cơ sở hạ tầng năng lượng, robot

Đối với nhà đầu tư, insight quan trọng là: Cơ sở hạ tầng càng nền tảng, số lượng người chơi càng ít, khả năng thay thế càng thấp, quyền định giá càng mạnh.

Ở lớp thứ 4, các công ty ứng dụng AI có thể có hàng nghìn đối thủ cạnh tranh. Đó là lý do tại sao NVIDIA kiếm được 216 tỷ USD một năm, trong khi hầu hết các công ty ứng dụng AI vẫn đang thua lỗ.

Nhưng điều này cũng có nghĩa là, trong vòng thứ hai, thứ ba và thậm chí thứ tư của lớp cơ sở hạ tầng — những công ty chưa được thị trường gắn mác "khái niệm AI" — có thể ẩn chứa vô số cơ hội. Trước tiên chúng ta cần tìm hiểu có những người chơi nào, họ làm gì và giá trị bao nhiêu.

Hiểu được điều này có ý nghĩa: Khi thị trường tương lai xảy ra điều chỉnh, hoảng loạn hoặc phân hóa, chúng ta sẽ biết mình nên nhìn vào đâu.

Bốn vòng lan tỏa nói trên mô tả thứ tự truyền dẫn của tâm lý thị trường và dòng tiền — tiền chạy theo cái gì trước, cái gì sau. Nhưng để thực sự hiểu logic kinh doanh của từng mắt xích, cần một bản đồ khác: Cấu trúc phân tầng của chuỗi ngành. Tiếp theo, chúng ta sẽ phân tích từng lớp theo thứ tự từ dưới lên trên.

Tôi chia toàn bộ chuỗi ngành AI thành 4 lớp cấu trúc, 4 bản đồ nhiệm vụ chính.

Chương 2: Bốn lớp cấu trúc, bốn bản đồ nhiệm vụ chính

Bốn bản đồ lần lượt là: Cơ sở hạ tầng tính toán, Lớp mô hình, Middleware, Lớp ứng dụng, ngoài ra còn một ràng buộc tối thượng: Điện năng.

Tầng 1: Cơ sở hạ tầng tính toán – "Động cơ" của AI

Tầng này là nền tảng vật lý của toàn bộ chuỗi công nghiệp. Mọi dòng tiền – dù đến từ tầng nào – cuối cùng đều sẽ đọng lại ở đây.

(1) Thiết kế chip: Vua vũ khí

NVIDIA là kẻ thống trị không thể tranh cãi. Trong năm tài chính 2026 (kết thúc vào tháng 1/2026), tổng doanh thu đạt 216 tỷ USD, trong đó trung tâm dữ liệu đóng góp 193,7 tỷ – chỉ hai năm trước con số này còn chưa đến 50 tỷ. Tốc độ tăng trưởng này chưa từng có trong lịch sử bán dẫn.

Những con số này có ý nghĩa gì? Lấy một ví dụ cụ thể: để huấn luyện một mô hình AI tiên tiến, riêng chi phí GPU đã lên tới hàng trăm triệu USD. Và huấn luyện chỉ là một lần, sau khi mô hình đi vào hoạt động, mỗi ngày phải xử lý hàng trăm triệu yêu cầu từ người dùng, mỗi lần đều tiêu tốn sức mạnh tính toán – đó là chi phí "suy luận". Chi phí suy luận trọn đời của một mô hình có thể gấp hàng chục lần chi phí huấn luyện. Điều này có nghĩa là chỉ cần AI còn được sử dụng, NVIDIA sẽ tiếp tục thu "thuế".

Hào phòng thủ của NVIDIA không chỉ là phần cứng. Rào cản thực sự của họ là CUDA – một hệ sinh thái phần mềm với hơn 5 triệu nhà phát triển. Giống như iOS đối với Apple, CUDA khiến người dùng một khi đã vào thì khó lòng rời đi. AMD (MI300X) và Intel (Gaudi) đang đuổi theo, nhưng khoảng cách hệ sinh thái vẫn còn ít nhất vài năm.

Một hướng đi khác là chip AI tùy chỉnh. Broadcom cung cấp thiết kế tùy chỉnh cho Google TPU, Amazon Trainium, v.v. Logic rất đơn giản: các gã khổng lồ công nghệ không muốn bị một công ty duy nhất "bóp cổ" mãi mãi. Nhưng ít nhất hiện tại, chip tự phát triển chỉ là bổ sung chứ không phải thay thế.

Câu hỏi cốt lõi: Sự độc quyền của NVIDIA có thể kéo dài bao lâu? Đoàn Vĩnh Bình từng nói ông cũng không hiểu nổi – "NVIDIA 10 năm sau chắc chắn vẫn còn, nhưng liệu có còn vị thế thị trường như hiện tại không?" Đây là một câu hỏi trị giá hàng nghìn tỷ USD. Và đằng sau đó, sản xuất chip có cả một chuỗi công nghiệp, hiện đã kéo theo rất nhiều thứ, tôi sẽ chú ý hơn.

(2) Sản xuất, đóng gói và lưu trữ chip: Nhà máy vũ khí

Chip thiết kế ra cần có người sản xuất. TSMC gần như độc quyền sản xuất các chip AI tiên tiến nhất toàn cầu. Các chip cốt lõi của NVIDIA, AMD, Broadcom, Apple đều do TSMC gia công. Trong cuộc đua 3nm, 2nm, Samsung và mảng gia công của Intel bị bỏ xa.

Nút thắt quan trọng hơn là bộ nhớ băng thông cao (HBM). Dù sức mạnh tính toán của chip AI có lớn đến đâu, nếu dữ liệu không "đưa vào được" thì cũng vô ích. SK Hynix dẫn đầu trong lĩnh vực HBM, HBM3E gần như là nhà cung cấp độc quyền cho NVIDIA. Samsung và Micron đang đuổi theo, nhưng khoảng cách về tỷ lệ đạt chuẩn vẫn rõ rệt.

Đóng gói tiên tiến (CoWoS) là một nút thắt năng lực sản xuất khác – tình trạng cung không đủ cầu đã kéo dài hơn một năm.

Vấn đề cốt lõi: Năng lực sản xuất của TSMC và SK Hynix chính là quyền lực. Ai kiểm soát năng lực sản xuất, người đó kiểm soát nhịp độ của cuộc chạy đua vũ trang AI.

(3) Kết nối quang và mạng lưới: Hệ thần kinh

Các cụm huấn luyện AI đã mở rộng từ vài nghìn GPU lên hàng trăm nghìn GPU. Làm thế nào để các chip giao tiếp tốc độ cao với nhau? Cáp đồng truyền thống gặp giới hạn vật lý trên 800Gbps – suy hao tín hiệu, tiêu thụ điện năng tăng vọt, tản nhiệt mất kiểm soát. Kết nối quang là con đường duy nhất, đây không phải vấn đề có thể giải quyết bằng tối ưu kỹ thuật, mà là ràng buộc cứng do các định luật cơ bản của điện từ học đặt ra.

Những người chơi chính: Lumentum (LITE, đầu tàu laser InP, cổ phiếu tăng 16 lần), Coherent (COHR, tích hợp dọc quang học), Tower Semiconductor (TSEM, gia công silicon quang tử, tôi cũng đã viết báo cáo nghiên cứu chuyên sâu trước đây), Arista Networks (ANET, switch trung tâm dữ liệu AI), Astera Labs (ALAB, chip kết nối).

Vấn đề cốt lõi: Kết nối quang là cơ hội vòng thứ hai – đã bắt đầu được định giá, nhưng có thể chưa định giá xong. Điều quan trọng là phân biệt công ty nào còn dư địa, công ty nào đã được price in, một số báo cáo nghiên cứu gần đây của tôi có liên quan đến điều này.

(4) Tản nhiệt và nguồn điện: Hệ thống cống ngầm đô thị

Tủ rack GB200 mới nhất của NVIDIA có mức tiêu thụ điện năng lên tới 120 kilowatt. Hàng chục nghìn thẻ card đặt cùng nhau, nhiệt lượng rất lớn. Làm mát bằng chất lỏng từ "tùy chọn" trở thành "bắt buộc". Công nghệ làm mát ngâm hai pha của Microsoft đã giảm 95% mức tiêu thụ năng lượng làm mát cho máy chủ Azure. Vertiv (VRT) là đầu tàu trong lĩnh vực này, nVent (NVT), Modine (MOD) cũng đang tăng trưởng nhanh.

Vấn đề cốt lõi: Không hấp dẫn, nhưng không thể thiếu. Điển hình của vòng thứ ba – hầu hết mọi người không thấy, nhưng không có nó thì trung tâm dữ liệu AI không thể vận hành. Sắp tới tôi sẽ có báo cáo nghiên cứu liên quan.

(5) Máy chủ và trung tâm dữ liệu

Dell, Supermicro tích hợp chip, bộ nhớ, mạng, tản nhiệt thành máy chủ AI. Equinix, Digital Realty cung cấp phòng máy vật lý. CoreWeave (IPO năm 2025) là đại diện của đám mây GPU thuần túy.

(6) Nền tảng điện toán đám mây: Nhà bán buôn sức mạnh tính toán

AWS, Azure, GCP là những "nhà bán buôn" sức mạnh tính toán – ba ông lớn đám mây này chiếm khoảng 65% thị phần toàn cầu. Oracle đã trở thành kẻ chiến thắng bất ngờ nhờ sự tăng trưởng của đám mây AI.

Tầng thứ hai: Mô hình và công cụ – "Hệ điều hành" của AI

Đây là tầng được chú ý nhất, có tốc độ tăng trưởng ấn tượng nhất, nhưng cũng có cấu trúc bất định nhất trong chuỗi ngành AI.

Cuộc chiến ngũ cường: OpenAI (GPT), Anthropic (Claude), Google (Gemini), Meta (Llama mã nguồn mở), xAI (Grok). Tốc độ tăng trưởng doanh thu của tầng này thật đáng kinh ngạc – ARR (Doanh thu định kỳ hàng năm) của Anthropic đã tăng vọt từ 1 tỷ USD vào cuối năm 2024 lên 9 tỷ USD vào cuối năm 2025, và đến tháng 4 năm 2026 đã vượt mốc 30 tỷ USD.

Salesforce mất 20 năm để đạt doanh thu 30 tỷ USD, còn Anthropic chỉ mất chưa đầy 3 năm. OpenAI hiện có ARR khoảng 24 tỷ USD, hai công ty cộng lại vượt quá 50 tỷ USD. Các công ty mô hình không còn là "câu chuyện đốt tiền" nữa, mà là những công việc kinh doanh thực sự sinh lời.

Nhưng đằng sau sự bùng nổ doanh thu, có một thay đổi cấu trúc đang diễn ra đáng chú ý: Trọng tâm của sức mạnh tính toán AI đang chuyển từ "huấn luyện" sang "suy luận".

Trong hai năm qua, sức mạnh tính toán AI chủ yếu được tiêu tốn cho việc huấn luyện các mô hình lớn – đưa lượng dữ liệu khổng lồ vào để mô hình học cách hiểu thế giới. Nhưng một khi mô hình đã được huấn luyện xong, bước tiếp theo là "suy luận" – tức là để mô hình thực sự trả lời câu hỏi và thực thi nhiệm vụ.

Nghiên cứu của Deloitte cho thấy, mức tiêu thụ sức mạnh tính toán cho suy luận đã vượt qua huấn luyện vào cuối năm 2025, chiếm hơn 55% chi tiêu cho cơ sở hạ tầng đám mây AI. Một số người thậm chí chỉ ra rằng, "trước đây 80% sức mạnh tính toán dành cho huấn luyện, 20% cho suy luận, trong tương lai tỷ lệ này sẽ đảo ngược."

Điều này có nghĩa là gì? Thị trường suy luận có thể lớn hơn nhiều so với thị trường huấn luyện (dự kiến đạt 255 tỷ USD vào năm 2030), và nhu cầu về chip cho suy luận khác với huấn luyện – chú trọng hơn vào hiệu quả chi phí và độ trễ thấp, thay vì đỉnh cao sức mạnh tính toán tuyệt đối. Đây có thể là bước đột phá để thách thức sự độc quyền của Nvidia: AMD, Marvell (vừa nhận được 2 tỷ USD đầu tư từ Nvidia), và các chip tự phát triển của nhiều công ty khác đều đang nhắm vào thị trường suy luận.

Câu hỏi đáng suy ngẫm nhất ở tầng này là: Các mô hình AI sẽ hình thành thế độc quyền nhóm, hay bị "hàng hóa hóa"?

Llama của Meta được mở miễn phí, DeepSeek tạo ra mô hình cạnh tranh với chi phí cực thấp. Gói API hiện tại của GLM-5 đang trong tình trạng hết hàng, mã nguồn mở đang hạ thấp rào cản gia nhập tầng mô hình. Nhưng "hàng hóa hóa" cũng không đơn giản – khoảng cách năng lực giữa các mô hình đang thu hẹp, nhưng chưa biến mất.

Đặc biệt trong các tình huống sử dụng chuyên sâu, sự khác biệt trải nghiệm giữa các mô hình vẫn rõ rệt, và việc tích hợp API, tùy chỉnh quy trình làm việc, tích lũy dữ liệu của doanh nghiệp đều tạo ra chi phí chuyển đổi. Cục diện cuối cùng có thể không phải là "kẻ thắng ăn tất", cũng không phải "hàng hóa hóa hoàn toàn", mà là ở giữa – một số ít mô hình chiếm thị trường chính, nhưng vẫn duy trì cạnh tranh khác biệt hóa lẫn nhau.

Nếu lợi nhuận của tầng mô hình bị mã nguồn mở nén lại, giá trị thực sự sẽ chuyển lên tầng trên và tầng dưới. Chuyển lên tầng trên, tức tầng hạ tầng, vì ai cũng cần chạy mô hình, nhu cầu tính toán không giảm mà còn tăng. Chuyển xuống tầng dưới, tức tầng ứng dụng, vì chi phí gọi API giảm, ứng dụng AI dễ kiếm tiền hơn. Quá trình tái phân phối lợi nhuận này có thể là một trong những biến số quan trọng nhất của chuỗi ngành AI trong vài năm tới.

Tầng thứ ba: Middleware và nền tảng – Tầng kết dính

Tầng trung gian kết nối mô hình và ứng dụng. Các công ty đại diện: Scale AI (gắn nhãn dữ liệu và đánh giá AI, định giá 13,8 tỷ USD), LangChain (framework phát triển ứng dụng LLM), Hugging Face (nền tảng chia sẻ mô hình, GitHub của lĩnh vực AI).

Hầu hết các công ty ở tầng này hiện chưa niêm yết, quy mô còn nhỏ. Nhưng một khi tầng ứng dụng AI bùng nổ, các công ty "keo dán" này có thể tăng trưởng bùng nổ – giống như sự trỗi dậy của Shopify và Stripe khi thương mại điện tử bùng nổ. Đáng để theo dõi liên tục.

Tầng thứ tư: Ứng dụng dọc – Cửa ngõ dòng tiền

Nơi AI tạo ra giá trị trực tiếp cho người dùng cuối. Một số hướng:

Nền tảng AI doanh nghiệp: Palantir bán hệ điều hành AI cho chính phủ và doanh nghiệp. ServiceNow, Salesforce đang ghép AI vào SaaS truyền thống.

Công cụ mã nguồn: GitHub Copilot là tiêu chuẩn thực tế, Cursor đang thách thức. Logic rất rõ ràng – nếu AI có thể tăng gấp đôi hiệu suất lập trình viên, mọi doanh nghiệp sẽ trả tiền.

AI Y tế: Isomorphic Labs (trực thuộc Alphabet, mang dòng máu AlphaFold) có thể là mục tiêu đáng chú ý nhất trong dài hạn, dự kiến IPO vào năm 2027.

Robot và Trí tuệ nhúng: Lĩnh vực có TAM lớn nhất trong dài hạn. Tesla Optimus, Figure AI, Unitree Robotics. Tuy nhiên, hiện tại vẫn còn rất sớm.

Xe tự lái: Waymo thương mại hóa thuần thục nhất, Tesla FSD đang đuổi theo bằng giải pháp thị giác.

Tầng ứng dụng là nơi trăm hoa đua nở nhưng cũng khó chọn ra người chiến thắng nhất. Tuy nhiên, một xu hướng đáng chú ý là: Quy mô thị trường ứng dụng AI toàn cầu dự kiến sẽ lần đầu tiên vượt qua thị trường hạ tầng thượng nguồn vào năm 2026 – tiền đang chuyển từ "xây thành phố" sang "mở cửa hàng". Đồng thời, AI Agent (tác nhân tự chủ) đang trở thành hình thái mới của ứng dụng doanh nghiệp, dự kiến đến cuối năm 2026, hơn 40% ứng dụng doanh nghiệp sẽ tích hợp sẵn chức năng AI Agent, trong khi năm 2025 con số này chưa đến 5%.

Chiều cắt ngang: Năng lượng – Ràng buộc tối thượng của AI

Tất cả các tầng đều không thể tránh khỏi một câu hỏi: Điện từ đâu ra?

Mức tiêu thụ điện của các trung tâm dữ liệu AI đang tăng theo cấp số nhân. Microsoft có 80 tỷ USD đơn hàng Azure không thể giao do thiếu điện. Điều này đã thúc đẩy một làn sóng đầu tư năng lượng: Constellation Energy (điện hạt nhân), NuScale và Oklo (lò phản ứng hạt nhân nhỏ), GE Vernova (tuabin khí).

AI sẽ tiếp tục mở rộng, hạ tầng năng lượng là một đường đua phái sinh có độ chắc chắn rất cao.

Chương 4: Bốn câu hỏi ngoài sự đồng thuận

Sau khi vẽ xong bản đồ, điều giá trị nhất không phải là xác nhận sự đồng thuận, mà là nhận ra những thứ thị trường có thể bỏ qua. Hiện tại tôi đang quan tâm đến 4 vấn đề, và nghiên cứu sau này sẽ tập trung nhiều hơn vào các góc nhìn này.

Câu hỏi 1: Sự chuyển dịch từ huấn luyện sang suy luận sẽ thay đổi vận mệnh của ai?

Hai năm qua, nhu cầu chính về sức mạnh tính toán AI là huấn luyện các mô hình lớn. Nhưng hiện tại, suy luận (cho mô hình hoạt động thực tế) đã vượt qua huấn luyện để trở thành thị trường lớn hơn. Suy luận có yêu cầu khác với huấn luyện đối với chip – chú trọng hơn vào hiệu suất giá cả thay vì sức mạnh tính toán tối đa.

Điều này có thể mở ra một cánh cửa: Sự độc quyền của Nvidia trong thị trường huấn luyện gần như không thể lay chuyển, nhưng thị trường suy luận lại phân tán hơn, tạo cơ hội cho AMD, Marvell, Broadcom và các công ty tự phát triển chip. Đồng thời, đặc tính "tiêu thụ liên tục" của suy luận có nghĩa là nhu cầu về sức mạnh tính toán không chỉ là một lần, mà sẽ tăng trưởng liên tục cùng với sự phổ biến của các ứng dụng AI – đây là tin tốt cho toàn bộ chuỗi cung ứng.

Vấn đề thứ hai: Khoản đầu tư 600 tỷ USD, lợi nhuận ở đâu?

Đến năm 2026, chi tiêu vốn của năm gã khổng lồ công nghệ sẽ vượt quá 600 tỷ USD, nhưng doanh thu từ các ứng dụng AI chỉ chiếm một phần nhỏ so với con số này. Trong lịch sử, chỉ có một lần chênh lệch giữa đầu tư và lợi nhuận tương tự – đó là cơ sở hạ tầng viễn thông cuối những năm 1990. Kết cục năm đó là hàng loạt công ty cáp quang phá sản.

Tất nhiên, điểm khác biệt chính là: Các công ty viễn thông năm đó dựa vào vay nợ, còn các gã khổng lồ công nghệ ngày nay dựa vào lợi nhuận của chính họ, với tỷ lệ nợ trên tài sản ở mức thấp lịch sử. Nhưng nếu tốc độ kiếm tiền từ ứng dụng AI không theo kịp, tốc độ tăng chi tiêu vốn chắc chắn sẽ chậm lại – và điều này sẽ lan truyền đến toàn bộ chuỗi cung ứng, mang lại rủi ro cho những công ty nào?

Vấn đề thứ ba: Bức tranh của vòng thứ hai và thứ ba trông như thế nào?

Nvidia là vòng thứ nhất, đã được nghiên cứu và định giá đầy đủ. Kết nối quang và nguồn điện là vòng thứ hai, đang được thị trường nhìn nhận lại. Vậy vòng thứ ba thì sao? Tản nhiệt, gia công đặc biệt, an ninh AI, chip suy luận biên – những lĩnh vực này có những công ty nào? Mô hình kinh doanh của chúng là gì? Cấu trúc cạnh tranh ra sao? Nếu không làm rõ những vấn đề này ngay bây giờ, khi cơ hội thực sự xuất hiện sẽ là quá muộn. Đây chính là điều cần làm trong quá trình nghiên cứu từng lớp tiếp theo.

Vấn đề thứ tư: Địa chính trị ảnh hưởng đến chuỗi công nghiệp như thế nào?

Lệnh cấm xuất khẩu chip AI của Mỹ sang Trung Quốc đang chia cắt chuỗi công nghiệp AI toàn cầu thành hai nửa. Chip H20 của Nvidia bị cấm, Trung Quốc đang xây dựng một cơ sở hạ tầng AI độc lập. Điều này có nghĩa là hai chuỗi công nghiệp song song đều đang đầu tư, tổng lượng có thể lớn hơn dự kiến. Nhưng cũng đồng nghĩa với việc một số nhà cung cấp phải đối mặt với rủi ro "chọn phe".

Chương 5: Hướng đi tiếp theo

Bản đồ đã được vẽ ra, giờ là nhiệm vụ chính.

Tôi sẽ bắt đầu từ lớp đầu tiên, đi sâu vào từng mắt xích. Giống như chơi game dọn khu vực – trước tiên đi theo tuyến chính (các công ty và logic cốt lõi nhất của mỗi lớp), sau đó làm nhiệm vụ phụ (những góc khuất có thể mang lại bất ngờ).

Ở mỗi chặng, cần làm rõ ba điều: Mô hình kinh doanh của giai đoạn này là gì? Cục diện cạnh tranh ra sao? Định giá đang ở mức nào? Hiểu rõ ba điều này, dù thị trường có thay đổi thế nào, chúng ta vẫn có cơ sở để phán đoán.

Vài lời tản mạn

Trong quá trình viết bài tổng quan chuỗi ngành này, tôi chợt nhớ đến câu chuyện về LITE.

Trước đây, tôi đã từng phân tích sâu trên WeChat về Lumentum (LITE) – làm thế nào người ta bắt được cổ phiếu tăng 20 lần trong một năm? Đây là một case study kinh điển: Giữa năm 2024, thị trường vẫn coi nó là "cổ phiếu chu kỳ viễn thông", giá $50 một cổ phiếu chẳng ai ngó ngàng. Nhưng bản chất của nó là "hệ thần kinh" của trung tâm dữ liệu AI, với thị phần toàn cầu 50-60% về laser InP, giới hạn vật lý của cáp đồng, ban lãnh đạo mở rộng sản xuất ngược chu kỳ khi đang thua lỗ, và giá trị tài sản trên sổ sách cao hơn vốn hóa thị trường.

Tất cả thông tin đều công khai, chỉ là trong đầu tôi không có một bản đồ chuỗi ngành để nhận diện nó.

Mọi sự bỏ lỡ, suy cho cùng không phải vì "ra tay quá chậm", mà là "nghiên cứu quá ít".

Đó là lý do tôi xây dựng "kho tri thức". AI là một đường đua đủ dài – dài đến mức không cần lo lắng vì chưa lên tàu, nhưng cũng không thể ngồi không chờ đợi. Làm rõ từng tầng, từng mắt xích của chuỗi ngành – bản thân việc đó đã là sự chuẩn bị tốt nhất. Đến ngày thị trường trao cho chúng ta cơ hội – dù là đống đổ nát sau khi bong bóng vỡ, hay một bước ngoặt bất ngờ nào đó – có bản đồ trong tay, chỉ vài giây là có thể phán đoán.

"Trực giác sắc bén như dao không phải bẩm sinh, mà được đánh đổi bằng hàng nghìn giờ nghiên cứu."

Liên kết gốc

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia