Bài toán 3 nghìn tỷ USD: Liệu AI có thể bù đắp chi phí hạ tầng khổng lồ?

Ba năm trước, David Cahn từ Sequoia đã đưa ra một phép tính gây chấn động về chi phí hạ tầng AI tại Thung lũng Silicon. Từ con số 50 tỷ USD doanh thu GPU của Nvidia vào năm 2023, ông ước tính rằng cần tới 200 tỷ USD doanh thu để hoàn vốn cho các khoản đầu tư ban đầu vào trung tâm dữ liệu.

Đến năm 2026, con số này đã tăng vọt. Với tốc độ mở rộng hạ tầng chóng mặt, Cahn dự báo mức chi tiêu cho hạ tầng AI đã lên tới 1,5 nghìn tỷ USD. Để biện minh cho khoản đầu tư khổng lồ vào chip và trung tâm dữ liệu này, ngành công nghiệp AI cần tạo ra doanh thu 3 nghìn tỷ USD. Đây có thể vẫn là một con số khiêm tốn khi xét đến chi phí bộ nhớ tăng cao và sự xuất hiện của các loại chip chuyên dụng cho suy luận (inference-specific chips).

Trong khi các ông lớn như Anthropic hay OpenAI đang ghi nhận mức doanh thu ARR ấn tượng, khoảng cách giữa chi phí đầu tư và lợi nhuận thực tế vẫn còn rất lớn. Torsten Slok, chuyên gia kinh tế trưởng tại Apollo, chỉ ra rằng các tập đoàn như Google, Meta, Microsoft và Amazon đang kỳ vọng vào sự bùng nổ dòng tiền tự do vào năm 2028. Tuy nhiên, rủi ro đang hiện hữu.

Thứ nhất, xu hướng chuyển dịch sang các mô hình mã nguồn mở (open weight models) với chi phí thấp hơn đang trở nên phổ biến. Thứ hai, hiệu suất sử dụng token ngày càng tối ưu—ví dụ, mô hình mới nhất của OpenAI hiệu quả hơn 54% trong các tác vụ lập trình—vô hình trung làm giảm doanh thu của các công ty bán token nếu người dùng không tăng cường sử dụng AI ở quy mô lớn hơn.

Slok cảnh báo rằng nếu các tập đoàn hyperscaler không đạt được mục tiêu dòng tiền, phản ứng của thị trường có thể rất khốc liệt. Với sự tập trung vốn quá lớn vào một vài cái tên chủ chốt, một sự chậm trễ trong việc hoàn vốn không chỉ là vấn đề của riêng ngành công nghệ, mà còn tiềm ẩn nguy cơ đẩy nền kinh tế vào suy thoái và gây ra đợt điều chỉnh mạnh trên thị trường chứng khoán S&P 500.

Nguồn tham khảo: TechCrunch