Báo cáo Goldman Sachs: Điện năng là ưu tiên hàng đầu trong chuỗi giá trị AI tại Trung Quốc

http://x.com/i/article/2075180500331667456

Phân tích chuyên sâu báo cáo mới nhất tháng 7 của Goldman Sachs: "Mua vào chuỗi giá trị AI Trung Quốc": Hóa ra vị trí số 1 không phải là các mô hình AI lớn.

Tôi đã đọc đi đọc lại báo cáo ngày 8 tháng 7 của Goldman Sachs hai lần, lần thứ hai là vì muốn soi kỹ một chi tiết: Goldman Sachs đã đặt điện năng lên vị trí hàng đầu trong chuỗi giá trị AI của Trung Quốc, trong khi các mô hình và ứng dụng lại xếp phía sau. Ban đầu, tôi nghĩ đây lại là một đợt luân chuyển tâm lý thị trường — Hàn Quốc tăng quá nhiều thì giảm, Trung Quốc giảm quá nhiều thì tăng, dòng tiền chỉ đang tìm một câu chuyện mới để kể. Nhưng sau khi đọc hết báo cáo, tôi đã thay đổi suy nghĩ. Điều Goldman Sachs thực sự muốn nói không phải là "AI Trung Quốc sắp tăng giá", mà là toàn bộ chuỗi giá trị AI của Trung Quốc đã khép kín, trong khi định giá của thị trường lại hoàn toàn không theo kịp trọng số kinh tế thực tế của nó. Điều phản trực giác hơn cả là khâu có tính xác định cao nhất trong toàn bộ chuỗi lại chính là thứ mà hầu hết mọi người thường bỏ qua khi nói về AI — đó là điện năng.

Thứ tự xếp hạng này đáng suy ngẫm hơn cả bản thân việc chuyển dịch danh mục đầu tư, bởi nó trả lời cho một câu hỏi trực diện hơn: Dòng tiền nên đổ vào khâu nào mới xứng đáng với việc AI Trung Quốc hiện chiếm 16% doanh thu toàn cầu nhưng chỉ nhận được 1,2% phân bổ từ các quỹ? Trong bài viết này, tôi sẽ phân tích rõ 5 đường đua: điện năng, bán dẫn, cơ sở hạ tầng, mô hình và ứng dụng, bao gồm cả việc mỗi đường đua kiếm tiền như thế nào và các mã đại diện là ai. Càng đọc xuống dưới, bạn sẽ thấy có vài điều hoàn toàn trái ngược với trực giác thông thường.

▸ Tại sao Goldman Sachs từ bỏ Hàn Quốc để chuyển sang Trung Quốc ▸ Điện năng, nút thắt hạ tầng bị đánh giá thấp ▸ Bán dẫn, sự thay thế nội địa trong siêu chu kỳ bộ nhớ ▸ Cơ sở hạ tầng, nơi chi tiêu vốn thực sự được hiện thực hóa ▸ Mô hình, tại sao lại xếp phía sau ▸ Ứng dụng, điểm cuối tạo ra dòng tiền với rủi ro thấp nhất ▸ Cách kết hợp 5 đường đua và những rủi ro tiềm ẩn.

Trước tiên, hãy nói về nội dung thực sự của báo cáo này.

Trong hơn một năm qua, dòng vốn toàn cầu gần như xếp hàng đổ vào các cổ phiếu chip nhớ tại Hàn Quốc và Đài Loan. Samsung và SK Hynix đã đẩy chỉ số KOSPI lên mức cao kỷ lục. Logic rất đơn giản: AI cần huấn luyện và suy luận, bộ nhớ là nhu cầu thiết yếu, ai có năng lực sản xuất lớn thì người đó hưởng lợi.

Nhưng năm nay, logic này bắt đầu lỏng lẻo. Thị trường bắt đầu nghi ngờ tính bền vững của chi tiêu vốn cho AI. Thị trường chứng khoán Hàn Quốc giảm hơn 5% trong một ngày, mức giảm lũy kế vượt quá 20%, chính thức bước vào thị trường gấu kỹ thuật. Cùng ngày hôm đó, chỉ số Hang Seng China Enterprises Index tăng gần 4,5%, dấu vết của sự dịch chuyển dòng vốn là rất rõ ràng.

Phản ứng ban đầu của tôi là đây có thể chỉ là sự luân chuyển tâm lý: tăng nhiều thì giảm, giảm nhiều thì tăng, dòng tiền luôn cần tìm một câu chuyện mới. Nhưng sau khi đọc hết báo cáo, tôi đã thay đổi suy nghĩ, vì luận điểm của Goldman Sachs không phải là AI Trung Quốc sắp tăng, mà là chuỗi giá trị AI của Trung Quốc đã hình thành một vòng khép kín hoàn chỉnh, trong khi định giá của thị trường lại hoàn toàn không theo kịp trọng số kinh tế thực tế của nó.

Các con số rất trực diện: Trung Quốc chiếm khoảng 16% doanh thu AI toàn cầu, chiếm khoảng 10% vốn hóa thị trường toàn cầu, nhưng các quỹ tương hỗ toàn cầu chỉ phân bổ 1,2% cho công nghệ AI Trung Quốc. Nhận định của Goldman Sachs là khoảng cách này có thể đồng nghĩa với dư địa tăng trưởng tiềm năng từ 50% đến 100%.

Goldman Sachs đã chia vòng khép kín này thành 5 đường đua: điện năng, bán dẫn, cơ sở hạ tầng AI, mô hình AI, ứng dụng AI, và đặt cho nó một cái tên kết hợp cụ thể là GSXACART. Thứ tự phân tách bản thân nó đã là một thái độ; xếp càng lên trên thì tính xác định và mức độ ưu tiên càng cao. Vậy câu hỏi đặt ra là: Tại sao một khâu nghe có vẻ "thô" và truyền thống nhất như điện năng lại được xếp trên cả chip và mô hình?

Một, điện năng: Nút thắt hạ tầng bị đánh giá thấp.

Việc huấn luyện và suy luận AI thực sự rất tốn điện. Lượng điện tiêu thụ cho một truy vấn ChatGPT gấp khoảng 10 lần so với một lần tìm kiếm thông thường. Con số này vài năm trước có lẽ chẳng ai quan tâm, nhưng khi quy mô huấn luyện và suy luận cùng tăng lên, điện năng từ một biến số nền tảng đã trở thành một ràng buộc cứng. Vấn đề ở Mỹ rất điển hình: có chip, có công nghệ, nhưng lưới điện không theo kịp, không ít dự án trung tâm dữ liệu bị kẹt ở khâu đấu nối điện. Ngược lại, Trung Quốc lại chiếm ưu thế nhờ quy mô cung cấp điện lớn, chi phí điện xanh ở miền Tây thấp, sự hỗ trợ chính sách nhanh chóng và tốc độ xây dựng bắt kịp. Những yếu tố này cộng hưởng lại tạo thành một lợi thế so sánh mà người khác khó lòng học theo trong ngắn hạn.

Goldman Sachs dự báo các công ty internet hàng đầu Trung Quốc sẽ đầu tư khoảng 70 tỷ USD vào trung tâm dữ liệu vào năm 2026, tốc độ tăng trưởng nhu cầu điện của trung tâm dữ liệu đạt khoảng 25% so với cùng kỳ. Con số dài hạn hơn từ Cục Năng lượng Quốc gia cho biết, đến năm 2030, lượng điện tiêu thụ của trung tâm dữ liệu Trung Quốc sẽ đạt 800TWh, chiếm khoảng 6% tổng lượng điện tiêu thụ toàn quốc, tốc độ tăng trưởng kép trong 5 năm từ 2025 đến 2030 đạt gần 36%. BloombergNEF tính toán theo hướng tích cực hơn, cho rằng nhu cầu điện của trung tâm dữ liệu vào năm 2030 có thể đạt gần 600TWh, gấp đôi so với hiện tại.

Chính sách "Đông số Tây toán" (Đưa dữ liệu phương Đông đi tính toán ở phương Tây) nhiều người phản ứng đầu tiên sẽ coi đó là một khẩu hiệu, nhưng thực tế nó đang làm một việc rất cụ thể: chuyển đổi trực tiếp giá điện thấp, giá đất thấp và môi trường nhiệt độ thấp ở miền Tây thành lợi thế chi phí vận hành cho trung tâm dữ liệu. Ước tính đến năm 2025, chính sách này có thể tiết kiệm hơn 300 tỷ nhân dân tệ chi phí điện năng, môi trường nhiệt độ thấp cũng giúp hiệu suất tiêu thụ năng lượng (PUE) tự nhiên tốt hơn.

Điểm dễ bị đánh giá thấp nhất ở đường đua này là mọi người quen coi điện năng là cơ sở hạ tầng truyền thống nên định giá rất bảo thủ. Nhưng trong chu kỳ AI, điện năng đã chuyển từ một khoản chi phí thành chính năng lực cạnh tranh. Mỹ có lợi thế về chip và thuật toán nhưng lại bị lưới điện "bóp cổ", trong khi Trung Quốc lại biến nguồn tài nguyên đơn giản nhất là điện thành hào kỹ thuật cho chi phí tính toán. Ở một mức độ nào đó, tính xác định của các công ty thiết bị điện có thể còn cao hơn cả công ty bán dẫn, vì bán dẫn còn phải nhìn vào nhịp độ đuổi kịp công nghệ, còn thiết bị điện thì chỉ cần trung tâm dữ liệu đang xây dựng là nhu cầu mua sắm sẽ rất cứng nhắc.

Hai, bán dẫn: Sự thay thế nội địa trong siêu chu kỳ bộ nhớ.

Điện năng giải quyết vấn đề "có thể khởi động máy hay không", vậy sau khi khởi động thì chip và bộ nhớ có đủ dùng không? Đây là câu trả lời của đường đua thứ hai.

Goldman Sachs xếp bán dẫn ở vị trí thứ hai. Ở đây có một phân khúc dễ bị bỏ qua: không phải chip logic, mà là bộ nhớ. Nhu cầu của máy chủ AI đối với DRAM, NAND, HBM đang tăng theo cấp số nhân, và Trung Quốc tình cờ bắt đúng cửa sổ này trong việc sản xuất hàng loạt và thay thế nội địa các loại bộ nhớ phổ thông. Các con số trực diện hơn lời kể: Thị phần NAND toàn cầu của YMTC trong quý 1 năm 2026 đã tăng từ 8% lên 13%, đồng hạng 4 thế giới, doanh thu tăng 445% so với cùng kỳ. Doanh thu của CXMT cùng kỳ tăng 719%, hướng dẫn doanh thu nửa đầu năm đạt 11 đến 12 tỷ nhân dân tệ. Xuất khẩu mạch tích hợp của Trung Quốc tháng 5 năm 2026 tăng 111% so với cùng kỳ, đạt 355,5 tỷ USD, chủ yếu do giá bộ nhớ tăng kéo theo. Những con số này đặt cạnh nhau cho thấy đây không phải là "vẽ bánh", mà là kết quả kinh doanh đã được hiện thực hóa bằng đơn hàng và giá cả.

Điểm thú vị của đường đua này là việc Hàn Quốc tăng vọt rồi giảm sâu trong đợt này bản chất là do Samsung và SK Hynix đặt cược gần như toàn bộ vào khâu bộ nhớ. Một khi thị trường bắt đầu nghi ngờ tính bền vững của chi tiêu vốn, rủi ro của một khâu đơn lẻ sẽ bùng phát tập trung. Ngược lại, bộ nhớ Trung Quốc đang tiến lên đồng thời ở ba khía cạnh: số lượng, hiệu năng trên giá thành và an ninh chuỗi cung ứng, không phải là một canh bạc đơn điểm. Biên lợi nhuận của khâu bộ nhớ thường cao hơn chip logic vì nó là vật tư tiêu hao tiêu chuẩn mà mọi máy chủ AI đều cần, không phải là tùy chọn.

Ba, cơ sở hạ tầng AI: Nơi chi tiêu vốn thực sự được hiện thực hóa.

Bộ nhớ giải quyết vấn đề "có nguyên liệu hay không", vậy sau khi có nguyên liệu thì lắp vào đâu? Đây là đường đua thứ ba.

Nếu điện năng và bộ nhớ là nguyên liệu thô, thì cơ sở hạ tầng là nơi lắp ráp nguyên liệu thành sức mạnh tính toán. Máy chủ, module quang học, làm mát bằng chất lỏng, bản thân trung tâm dữ liệu đều nằm ở tầng này. Lộ trình của Trung Quốc cũng rất rõ ràng: "Đông số Tây toán" đưa lợi thế chi phí vào việc chọn địa điểm, chuỗi cung ứng máy chủ và module quang học nội địa lại đủ trưởng thành, kết quả là xây dựng nhanh, sử dụng tiết kiệm.

Một điểm dễ bị bỏ qua khi tôi nhìn vào đường đua này là sự chú ý của mọi người luôn bị thu hút bởi các sự kiện lớn mang tính một lần như huấn luyện mô hình. Nhưng thứ thực sự tiêu tiền liên tục là suy luận và lặp lại sau khi huấn luyện xong. Nhu cầu này là sự luân chuyển dài hạn, và các công ty cơ sở hạ tầng chính là bên hưởng lợi từ phần này, chứ không phải đơn hàng một lần của một nhiệm vụ huấn luyện nào đó. Goldman Sachs xếp cơ sở hạ tầng trước mô hình, ở một mức độ nào đó là để nhắc nhở rằng: thứ có thể quy mô hóa và tạo ra dòng tiền bền vững thường là các khâu tài sản nặng như xây phòng máy, cung cấp điện, kết nối mạng, chứ không phải là bản thân mô hình nghe có vẻ hấp dẫn nhất.

Bốn, mô hình AI: Tại sao lại xếp phía sau?

Cơ sở hạ tầng đã làm đường xong, vậy còn xe? Xe chính là mô hình.

Tôi hơi ngạc nhiên khi xem đường đua này, dù sao thì mô hình mới là phần mọi người thích thảo luận nhất về AI. Nhưng Goldman Sachs lại đặt nó ở vị trí thứ tư, chỉ trên ứng dụng một bậc. Mô hình Trung Quốc không đi theo con đường chồng chất tham số và đốt tiền tính toán như Mỹ. DeepSeek đã chứng minh rằng chi phí thấp cũng có thể tạo ra các mô hình đạt trình độ hàng đầu. Cộng thêm dữ liệu kịch bản trong nước phong phú, ngược lại có thể đạt được sự triển khai hiệu quả về chi phí hơn trong các lĩnh vực dọc như code, toán học và đa phương thức.

Một điểm tôi chưa nghĩ thông suốt là việc Goldman Sachs xếp mô hình ở vị trí phía sau là vì họ cho rằng nhịp độ thương mại hóa của mô hình chậm hơn cơ sở hạ tầng, hay vì sự cạnh tranh ở tầng này đã quá khốc liệt khiến không gian lợi nhuận vượt trội bị thu hẹp. Tôi chưa có bằng chứng quyết định cho cả hai cách giải thích này, nhưng có một điều rõ ràng: mô hình là ngọn giáo, nếu điện và nhà máy ở phía trước chưa xây xong thì ngọn giáo cũng không thể đâm đi quá xa.

Năm, ứng dụng AI: Điểm cuối tạo ra dòng tiền với rủi ro thấp nhất.

Ngọn giáo đã chế tạo xong thì phải đâm ra kết quả, đây là đường đua cuối cùng: ứng dụng.

Nhiều người có ấn tượng đầu tiên về tầng ứng dụng là nơi cạnh tranh khốc liệt nhất, khó kiếm tiền nhất, đốt tiền để đổi lấy người dùng, đồng nhất hóa nghiêm trọng. Nhưng đặt trong thị trường cụ thể là Trung Quốc, tình hình có thể ngược lại. Trung Quốc có thị trường internet đơn lẻ lớn nhất thế giới, các công ty như Tencent, Meituan, Xiaomi nắm trong tay lượng lớn người dùng và kịch bản thực tế. Các tính năng AI không cần phải kể một câu chuyện vĩ mô, mà có thể nhúng trực tiếp vào các sản phẩm hiện có để trở thành điểm thu phí.

Đường đua này xếp cuối chuỗi giá trị không có nghĩa là nó không quan trọng. Ngược lại, nếu không có đầu ứng dụng để thu tiền về, thì khoản đầu tư vào điện năng, bộ nhớ, cơ sở hạ tầng phía trước sẽ trở thành chi phí chìm không có lợi nhuận. Tầng ứng dụng là điểm cuối, cũng là nguồn động lực để toàn bộ chuỗi vận hành.

Cách kết hợp 5 đường đua và những rủi ro tiềm ẩn.

Việc Goldman Sachs chuyển từ Hàn Quốc sang Trung Quốc lần này bản chất không phải là một đợt luân chuyển tâm lý, mà là dòng tiền chuyển từ việc đặt cược vào một khâu đơn lẻ sang đặt cược vào một vòng khép kín. Nếu bắt buộc phải đưa ra một tư duy phân bổ, tôi sẽ xếp như sau: điện năng và cơ sở hạ tầng cung cấp tính xác định, chỉ cần trung tâm dữ liệu đang xây dựng, đang mở rộng thì nhu cầu mua sắm này là cứng nhắc. Bán dẫn, đặc biệt là bộ nhớ, cung cấp tính đàn hồi, kết quả kinh doanh đã được hiện thực hóa, độ đàn hồi định giá cao nhất. Mô hình và ứng dụng cung cấp lợi nhuận vượt trội dài hạn hơn, nhưng nhịp độ và cục diện cạnh tranh vẫn còn nhiều biến số.

Rủi ro cũng cần nói rõ: địa chính trị, nhịp độ thực thi, biến động định giá, ba thứ này không thiếu thứ nào. Hơn nữa, dữ liệu và định giá liệt kê ở đây chỉ là ảnh chụp tại một thời điểm dựa trên thông tin công khai. Hai "ông lớn" bộ nhớ vẫn đang trong quá trình IPO, các con số sẽ thay đổi. Trước khi thực sự hành động, hãy tự mình xác minh lại dữ liệu mới nhất. Bài viết này chủ yếu là phân tích khung logic của Goldman Sachs cho bạn xem, không cấu thành lời khuyên đầu tư.

Phân bổ 1,2% và tỷ trọng doanh thu 16%, khoảng cách đó hiện vẫn còn đó. Liệu nó có được lấp đầy hay không, lấp đầy nhanh đến mức nào, tôi cũng không thể đảm bảo. Nhưng lần này Goldman Sachs không đưa ra một câu chuyện mới, mà là một cuốn sổ kế toán đã được tách nhỏ cho bạn xem. Việc điện năng xếp thứ nhất trong cuốn sổ đó, tôi nghĩ đáng ghi nhớ hơn cả bốn chữ "chuyển sang Trung Quốc".

Nếu bạn có nhận định khác về đường đua nào, hoan nghênh trao đổi trong phần bình luận, tôi rất muốn biết mọi người sẽ xếp đường đua nào lên vị trí số 1 haha.