Liệu AI có thể giải đáp bài toán trị giá 3 nghìn tỷ đô la?

Ba năm trước, đối tác của Sequoia là David Cahn là một trong những người đầu tiên thực hiện các phép tính và đưa ra con số cụ thể về những hệ lụy từ khoản chi tiêu khổng lồ của Thung lũng Silicon cho cơ sở hạ tầng AI.

Vào năm 2023, ông đã phản hồi về báo cáo doanh thu GPU hàng năm trị giá 50 tỷ USD của Nvidia. Bắt đầu từ con số đó, cộng thêm các chi phí vận hành trung tâm dữ liệu và biên lợi nhuận cho các nhà vận hành, ông suy luận rằng cần phải có 200 tỷ USD doanh thu mới có thể hoàn vốn cho khoản đầu tư ban đầu.

Ông coi đó là một thách thức, kêu gọi các doanh nhân tạo ra các sản phẩm và dịch vụ AI để tận dụng và tạo ra doanh thu từ tất cả cơ sở hạ tầng đó. Nhìn lại thời điểm hiện tại, sau ba năm mở rộng quy mô siêu tốc, Cahn đã có một con số mới về chi tiêu cho cơ sở hạ tầng AI vào năm 2026: 1,5 nghìn tỷ USD.

Tổng cộng, ông tính toán rằng ngành công nghiệp AI sẽ phải kiếm được 3 nghìn tỷ USD để bù đắp cho tất cả các con chip và các khoản chi phí trung tâm dữ liệu khác. Và đó có lẽ vẫn là một con số ước tính thấp—chi phí bộ nhớ ngày càng tăng và việc sử dụng ngày càng nhiều các loại chip chuyên dụng hoặc chip dành riêng cho suy luận sẽ đẩy con số đó lên cao hơn. "Gần đây," ông viết, "doanh thu yêu cầu trên mỗi GW chi phí vốn (CapEx) đã tăng mạnh do các động lực thắt nút cổ chai này và chi phí xây dựng ngày càng tăng."

Ở phía bên kia bảng cân đối kế toán, Anthropic được cho là đã đạt mức doanh thu định kỳ hàng năm (ARR) là 60 tỷ USD, trong khi OpenAI được báo cáo đã kiếm được 13 tỷ USD vào năm 2025 (mặc dù vào tháng 11 năm 2025, họ cho biết đã đạt mức ARR 20 tỷ USD) và có lẽ đang kiếm được nhiều hơn trong năm nay. Nhưng rõ ràng vẫn còn một khoảng cách lớn cần phải thu hẹp.

Một người đang để mắt đến khoảng cách đó là Torsten Slok, chuyên gia kinh tế trưởng tại Apollo, tập đoàn quản lý tài sản khổng lồ. Trong một ghi chú gần đây, ông chỉ ra rằng các nhà cung cấp dịch vụ đám mây quy mô lớn (hyperscalers) — Google, Meta, Microsoft và Amazon — đều đang dự đoán dòng tiền tự do của họ sẽ tăng tốc mạnh mẽ vào năm 2028. Nghĩa là, họ kỳ vọng sẽ thấy được lợi nhuận hoàn vốn từ tất cả những con chip mà họ đã mua.

Điều gì sẽ xảy ra nếu họ không làm được điều đó? Slok lưu ý đến một rủi ro mà chúng ta hiện đang thấy trong việc sử dụng AI: Ngày càng nhiều tổ chức chuyển sang các mô hình mã nguồn mở (open weight models) rẻ hơn, thường là của Trung Quốc, thay vì các mô hình do các phòng thí nghiệm tiên phong xây dựng, và giá token nhìn chung đang giảm xuống. Theo CEO Sam Altman, mô hình mới nhất của OpenAI hiệu quả hơn 54% về token trong các tác vụ lập trình. Điều đó tốt cho những người dùng đang lo lắng về chi phí cho các tác nhân AI của họ, nhưng có thể là điều tồi tệ đối với các công ty đang xây dựng các "nhà máy token" nếu người dùng không tăng mạnh mức sử dụng token tổng thể của họ.

Slok lo ngại rằng nếu các hyperscalers không đạt được mục tiêu dòng tiền của mình, phản ứng của thị trường có thể rất nghiêm trọng—ông viết: "với quá nhiều thứ phụ thuộc vào quá ít cái tên, một sự hoàn vốn chậm hơn sẽ không chỉ là vấn đề của một lĩnh vực, mà còn có nguy cơ đẩy nền kinh tế vào suy thoái và chỉ số S&P 500 vào một đợt điều chỉnh."

Chỉ là một điều cần lưu ý khi bạn đang hướng các tác nhân AI của mình đến những token rẻ hơn.

Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.

Tim Fernholz là một nhà báo viết về công nghệ, tài chính và chính sách công. Ông đã theo sát sự trỗi dậy của ngành công nghiệp vũ trụ tư nhân và là tác giả của cuốn Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race. Trước đây, ông là phóng viên cấp cao tại Quartz, trang tin tức kinh doanh toàn cầu, trong hơn một thập kỷ, và bắt đầu sự nghiệp của mình với tư cách là phóng viên chính trị tại Washington, D.C. Bạn có thể liên hệ hoặc xác minh thông tin từ Tim bằng cách gửi email đến [email protected] hoặc qua tin nhắn mã hóa tới tim_fernholz.21 trên Signal.

Xem tiểu sử