Big Tech đang chạy cuộc đua hạ tầng AI như một khoản đặt cược vốn đầu tư có điều kiện. Khi năng lực tính toán AI còn khan hiếm, xây trước có thể là cách giữ vị thế. Nhưng với quy mô chi tiêu đã lên đến hàng trăm tỷ USD, câu hỏi cốt lõi không còn là AI có quan trọng hay không. Câu hỏi là doanh nghiệp có biến AI từ thử nghiệm thành hệ thống vận hành tạo hiệu quả tài chính đo lường được hay không.

Con số chi tiêu đã quá lớn để chỉ gọi là thử nghiệm

Tuỳ cách tính công ty nào và hạng mục nào, tổng chi có thể khác nhau. Nhưng mọi ước tính đều chỉ về cùng một hướng: Big Tech đang xây hạ tầng AI ở quy mô chưa từng có.

Futurum cho biết Microsoft, Alphabet, Amazon, Meta và Oracle đã cùng cam kết chi đầu tư vốn, hay capex, năm 2026 khoảng 660–690 tỷ USD, gần gấp đôi mức năm 2025 ^[2]. Campaign US đưa tin Meta, Microsoft, Alphabet và Amazon đang trên đà chi hơn 650 tỷ USD trong năm 2026 cho các khoản đầu tư AI tập trung vào trung tâm dữ liệu tiên tiến, chip chuyên dụng và hệ thống làm mát bằng chất lỏng ^[5]. Business Insider cũng cho biết Amazon, Microsoft, Meta và Google dự kiến chi tới 725 tỷ USD cho capex năm 2026 sau các cập nhật lợi nhuận quý I ^[8].

Vì vậy, cuộc tranh luận đã đổi trọng tâm. Không phải là AI có đáng chú ý về mặt chiến lược hay không, mà là hạ tầng đó có được dùng đủ nhiều và được định giá đủ tốt để mang lại lợi nhuận hấp dẫn hay không.

Vì sao các ông lớn vẫn xây khi ROI chưa rõ?

Với các nhà cung cấp đám mây và hạ tầng siêu quy mô, xây thiếu cũng là một rủi ro. Nếu nhu cầu chạy mô hình AI và các tải công việc AI tăng nhanh hơn năng lực sẵn có, bên nào có trung tâm dữ liệu, chip chuyên dụng và năng lực vận hành sẵn sàng cho thuê sẽ có lợi thế hơn bên còn chờ xây dựng, mua thiết bị hoặc giải quyết nguồn cung.

Đó là lý do làn sóng đầu tư hiện nay vẫn có thể hợp lý, ngay cả khi lợi tức đầu tư, hay ROI, trong doanh nghiệp chưa được chứng minh đầy đủ. AInvest mô tả quá trình mở rộng trung tâm dữ liệu năm 2026 đang diễn ra trong bối cảnh nguồn cung bị hạn chế, đồng thời cho rằng đầu tư hạ tầng AI đang chạy nhanh hơn khả năng thu giá trị từ phần mềm ^[7]. Nói cách khác, Big Tech đang cố kiểm soát một đầu vào khan hiếm trước khi thị trường đầu ra thật sự trưởng thành.

Nhưng xây sớm không đồng nghĩa nhu cầu chắc chắn sẽ đến. Nó giảm rủi ro bỏ lỡ làn sóng AI, đồng thời tăng rủi ro công suất mới xuất hiện trước khi đủ khách hàng sẵn sàng trả tiền ở quy mô lớn.

Nút thắt nằm ở ROI trong doanh nghiệp

Việc doanh nghiệp dùng AI không giống với việc doanh nghiệp kiếm được tiền từ AI. Khảo sát Toàn cầu về AI năm 2025 của McKinsey cho thấy gần hai phần ba người trả lời nói tổ chức của họ chưa bắt đầu mở rộng AI trên toàn doanh nghiệp; 64% cho rằng AI đang hỗ trợ đổi mới, nhưng chỉ 39% báo cáo tác động đến EBIT, tức lợi nhuận trước lãi vay và thuế, ở cấp doanh nghiệp ^[27].

Có một điểm sáng: McKinsey ghi nhận một số tổ chức đã bắt đầu thiết kế lại quy trình làm việc khi triển khai AI tạo sinh, đồng thời đưa lãnh đạo cấp cao vào các vai trò quản trị AI để tìm cách tạo tác động đến lợi nhuận ^[22]. Đây là bước quan trọng, vì AI thường khó tạo giá trị lớn nếu chỉ được gắn thêm vào quy trình cũ.

Ở chiều thận trọng hơn, Digital Commerce 360 đưa tin về báo cáo “GenAI Divide” của MIT rằng dù doanh nghiệp đã chi ước tính 30–40 tỷ USD cho công cụ và hệ thống AI tạo sinh, 95% tổ chức vẫn chưa thấy lợi nhuận tài chính đo lường được; chỉ 5% các dự án thí điểm tích hợp đang tạo ra giá trị ở mức hàng triệu USD ^[24]. Con số này nên được đọc như một tín hiệu cảnh báo, không phải bằng chứng rằng AI doanh nghiệp không thể hiệu quả. Nó cho thấy khoảng cách giữa triển khai có tích hợp, có quy mô và những dự án thí điểm không bao giờ đi vào báo cáo lãi lỗ.

Bốn tín hiệu quyết định khoản xây dựng này có đáng tiền hay không

1. Mức sử dụng hạ tầng

Trung tâm dữ liệu AI và chip chuyên dụng chỉ có ý nghĩa tài chính nếu được dùng thường xuyên. Mức sử dụng cao biến chi phí cố định khổng lồ thành công suất có thể bán. Mức sử dụng yếu sẽ phơi bày nguy cơ xây thừa, khiến nhà cung cấp khó hấp thụ chi phí hạ tầng mới.

2. Quyền định giá

Năng lực tính toán AI phải được bán ở mức giá đủ hỗ trợ lợi nhuận. Nếu các nền tảng đám mây cạnh tranh bằng cách hạ giá quá sớm, trước khi doanh nghiệp mở rộng mức dùng, tăng trưởng doanh thu vẫn có thể gây thất vọng so với gánh nặng capex.

3. Tác động tài chính cấp doanh nghiệp

Các bản demo ấn tượng hoặc thành công ở từng ca sử dụng là chưa đủ. Bằng chứng mạnh hơn là tác động tài chính ở cấp toàn doanh nghiệp. Khoảng cách mà McKinsey ghi nhận — 64% thấy AI hỗ trợ đổi mới nhưng chỉ 39% thấy tác động EBIT ở cấp doanh nghiệp — cho thấy bài toán vẫn nằm ở chuyển đổi quy trình và mô hình vận hành, không chỉ ở việc mua thêm công cụ AI ^[27]. Việc doanh nghiệp bắt đầu thiết kế lại quy trình và tăng vai trò quản trị của lãnh đạo cấp cao là tín hiệu đáng theo dõi hơn những màn trình diễn ngắn hạn ^[22].

4. Sức chịu đựng của nhà đầu tư

Thị trường đã bắt đầu phân biệt giữa các câu chuyện chi tiêu AI. Fortune đưa tin sau khi Alphabet, Meta và Microsoft nói về việc tăng chi tiêu AI, cổ phiếu Meta giảm hơn 6% ngoài giờ giao dịch, Microsoft gần như đi ngang, còn Alphabet tăng gần 7% ^[1]. Phản ứng không đồng đều này cho thấy nhà đầu tư muốn thấy con đường đáng tin cậy từ capex đến lợi nhuận, chứ không chỉ một ngân sách AI lớn hơn.

Ai chịu rủi ro lớn hơn?

Công suất bền vững nhất là công suất có thể phục vụ nhiều loại tải công việc có trả phí. Một nền tảng đám mây rộng có nhiều cách kiếm tiền từ hạ tầng AI hơn một khoản đầu tư phụ thuộc vào một nhóm nhu cầu hẹp hoặc còn chưa được chứng minh.

Futurum chỉ ra điểm mất cân đối cốt lõi: các nhà cung cấp AI thuần tuý, dẫn đầu bởi OpenAI và Anthropic, đang tăng trưởng nhanh, nhưng tổng doanh thu của họ vẫn chỉ là một phần nhỏ so với lượng đầu tư hạ tầng đang được triển khai quanh nhu cầu đó ^[2]. Điều này không có nghĩa capex chắc chắn sai. Nó chỉ nói rằng biên an toàn phụ thuộc vào việc khách hàng doanh nghiệp có biến AI thành nhu cầu bền vững hay vẫn mắc kẹt ở các thử nghiệm rời rạc.

Kết luận

Chi tiêu hạ tầng AI của Big Tech hiện vẫn có lý do tồn tại, nhưng không phải là tấm séc trắng. Khi năng lực tính toán còn khan hiếm, các nhà cung cấp lớn có động cơ chiến lược để xây trước ^[7]. Nhưng với các ước tính capex từ hơn 650 tỷ USD trở lên, thị trường cuối cùng sẽ chấm điểm bằng mức sử dụng, quyền định giá và ROI doanh nghiệp — không chỉ bằng sức hút của mô hình AI mới ^{[2][5][24][27]}.

Nếu doanh nghiệp biến AI thành các tải công việc vận hành thường xuyên, có tác động tài chính đo lường được, làn sóng xây dựng này sẽ giống một bước chuyển dài hạn của nền tảng đám mây. Nếu phần lớn tổ chức vẫn dừng lại trước giai đoạn mở rộng toàn doanh nghiệp, cùng một khoản chi đó sẽ ngày càng giống rủi ro xây thừa công suất.