Phép thử 300 tỷ USD mỗi năm đối với hạ tầng AI

AI có thể tiếp tục thu hút những khoản đầu tư ngày càng lớn ngay cả khi lợi nhuận không đạt kỳ vọng. Đó là điểm mấu chốt trong các phân tích được dẫn lại từ Goldman Sachs: nhu cầu năng lực tính toán là một chuyện; thu đủ tiền để bù đắp chi phí đầu tư và tạo lợi nhuận bền vững là chuyện khác.3717

Con số 300 tỷ USD phải hiểu thế nào?

Theo chiến lược gia Ryan Hammond, các hyperscaler — những doanh nghiệp vận hành hạ tầng điện toán đám mây ở quy mô rất lớn — cần tạo ra khoảng 300 tỷ USD doanh thu AI mỗi năm trong những năm tới để hòa vốn trên các khoản đầu tư. Đây là mức doanh thu hằng năm cần đạt, không phải tổng cộng 300 tỷ USD trong nhiều năm.3713

Tín hiệu nhu cầu đã xuất hiện, nhưng các thước đo hiện có không thể đặt cạnh mục tiêu trên như những con số tương đương. Theo phân tích của Hammond, doanh thu đám mây của nhóm này trong quý II/2026, nếu quy đổi theo nhịp cả năm, cao hơn khoảng 70 tỷ USD so với xu hướng trước làn sóng AI. Tổng giá trị đơn hàng đã công bố vượt 1,5 nghìn tỷ USD.7 Khoản 70 tỷ USD là phần doanh thu đám mây vượt xu hướng cũ, không phải số liệu công bố về toàn bộ doanh thu AI. Còn đơn hàng là hoạt động kinh doanh dự kiến trong tương lai, chưa phải doanh thu đã ghi nhận. Muốn biết chúng giúp thu hẹp khoảng cách hòa vốn đến đâu, cần xem bao nhiêu đơn hàng chuyển thành doanh thu, vào thời điểm nào và với biên lợi nhuận ra sao.

Hòa vốn khác với đầu tư sinh lời tốt

Một mô hình riêng được dẫn lại từ Goldman Sachs đưa ra ngưỡng cao hơn: sáu công ty công nghệ cần tạo khoảng 1,42 nghìn tỷ USD doanh thu cộng dồn trong giai đoạn 2028–2030 để đạt tỷ suất sinh lời 15% mỗi năm trên vốn đầu tư cho năng lực tính toán AI trong hai năm 2026–2027. Quy đổi theo công suất, mức này tương đương khoảng 11,6 tỷ USD doanh thu hằng năm cho mỗi gigawatt.1721 Không nên coi đây là phiên bản mới của mốc 300 tỷ USD: nhóm doanh nghiệp, khoảng thời gian tính toán và mức sinh lời mục tiêu đều khác nhau.

Cách gọi khoản 1,42 nghìn tỷ USD cũng cần thận trọng. Tiêu đề của một bài dẫn lại mô tả nó là “thu nhập bổ sung”, trong khi các nguồn khác gọi là doanh thu cộng dồn. Khi chưa có mô hình gốc của Goldman, chưa thể xác định chắc chắn định nghĩa và toàn bộ giả định đằng sau con số này.1817

Ở đầu ra của chuỗi giá trị, Hammond còn ước tính người dùng AI có thể cần chi khoảng 1 nghìn tỷ USD mỗi năm cho các ứng dụng để các nhà cung cấp hạ tầng đạt mức sinh lời tốt mà doanh nghiệp phát triển ứng dụng vẫn giữ được biên lợi nhuận lành mạnh.613 Chi tiêu cho ứng dụng và doanh thu hạ tầng là các khâu liên thông; không nên cộng hai con số như thể chúng là hai nguồn tiền hoàn toàn độc lập.

Khi hóa đơn đầu tư tiếp tục phình to

Theo dự báo được dẫn lại của Goldman, Amazon, Microsoft, Alphabet, Meta và Oracle sẽ chi khoảng 800 tỷ USD năm 2026 và 1,2 nghìn tỷ USD năm 2027 cho hạ tầng AI. Mức dự báo cho năm 2027 cao hơn ước tính đồng thuận khoảng 1,1 nghìn tỷ USD.237 Vì vậy, doanh thu tăng tự nó chưa đủ trả lời câu hỏi về hiệu quả đầu tư: phải xét cả lượng vốn tiếp tục cần bỏ ra để tạo doanh thu ấy.

Rủi ro đối với cổ phiếu cũng không chỉ nằm ở việc giá có quá cao hay không. Chiến lược gia Peter Oppenheimer của Goldman từng nêu khả năng xuất hiện bong bóng lợi nhuận do AI: lợi nhuận đang được hỗ trợ bởi làn sóng xây dựng hạ tầng có thể khó duy trì nếu đầu tư chậm lại hoặc khả năng tạo doanh thu không đạt kỳ vọng.3641 Trong khi đó, Luke Barrs thuộc Goldman Sachs Asset Management cho rằng chu kỳ chi tiêu vốn vẫn ở giai đoạn đầu, nhưng nhà đầu tư đang chọn lọc kỹ hơn những doanh nghiệp có thể hưởng lợi.34

Phép thử thực tế vì thế không dừng ở quy mô đơn hàng: đơn hàng có thành tiền thu về không, doanh thu có tạo biên lợi nhuận bền vững không, và mức lợi nhuận ấy có xứng với vốn đầu tư liên tục tăng không? Thị trường AI tăng trưởng và khoản đầu tư vào hạ tầng AI sinh lời là hai kết quả có liên quan, nhưng không đồng nghĩa.