Nhà kinh tế học Apollo: Biên lợi nhuận của Bảy ông lớn tăng lên trong khi phần còn lại của S&P 500 đình trệ năm 2026

2026/10/28 16:11:00

Trí tuệ nhân tạo đã trở thành một trong những chủ đề đầu tư lớn nhất năm 2026, thu hút hàng trăm tỷ đô la chi tiêu cho chip, trung tâm dữ liệu, điện toán đám mây và các mô hình AI. Tuy nhiên, một câu hỏi ngày càng nổi lên trên các thị trường tài chính: Những khoản đầu tư này có đang tạo ra lợi ích kinh tế đo lường được ngoài các công ty cung cấp công nghệ không? Nhà kinh tế trưởng của Apollo Global Management, Torsten Slok, đã nêu vấn đề này trong bản ghi nghiên cứu ngày 24 tháng Mười, cho rằng doanh thu trên mỗi nhân viên và biên lợi nhuận đã cải thiện trong số Bảy công ty vĩ đại, trong khi vẫn duy trì ở mức ổn định đối với 493 công ty còn lại trong chỉ số S&P 500. Ông cũng không tìm thấy bằng chứng rõ ràng về sự gia tốc tăng trưởng năng suất do AI thúc đẩy.

Hệ quả này mở rộng vượt ra ngoài cổ phiếu truyền thống. Nếu chi tiêu cho cơ sở hạ tầng AI tiếp tục tăng nhanh hơn lợi ích tài chính mà khách hàng doanh nghiệp nhận được, các nhà đầu tư có thể đánh giá lại định giá công nghệ, kỳ vọng lợi nhuận doanh nghiệp và nhu cầu đối với các dịch vụ AI. Câu hỏi tương tự cũng quan trọng đối với thị trường tiền điện tử, nơi các token liên quan đến AI, mạng lưới tính toán phi tập trung và các dự án AI dựa trên blockchain ngày càng cạnh tranh thu hút sự chú ý của nhà đầu tư. Vấn đề cốt lõi không phải là liệu công nghệ AI có đang tiến bộ hay không, mà là liệu giá trị thương mại của nó có thể lan rộng ra ngoài một nhóm tương đối nhỏ các công ty công nghệ thống trị hay không.

Những điểm chính

Lợi nhuận AI vẫn tập trung: Phân tích tháng 10 năm 2026 của Apollo cho thấy doanh thu trên mỗi nhân viên và biên lợi nhuận tăng lên trong nhóm Magnificent Seven, trong khi các chỉ số tương tự duy trì mức ổn định rộng rãi ở S&P 493.
Việc áp dụng AI doanh nghiệp đang đối mặt với bài kiểm tra tài chính: Các khoản đăng ký mô hình, tiêu thụ token, chi phí tích hợp và sự giám sát của con người có thể làm giảm lợi ích về hiệu quả khi doanh nghiệp không thể chuyển hóa khả năng AI thành những kết quả tài chính có thể đo lường được.
Chi tiêu cho cơ sở hạ tầng tạo ra cả cơ hội và rủi ro: Các công ty công nghệ lớn tiếp tục đầu tư mạnh vào năng lực tính toán, nhưng tính bền vững của những khoản đầu tư đó phụ thuộc vào nhu cầu của khách hàng và khả năng tạo ra dòng tiền trong tương lai.
Hiệu suất thị trường chứng khoán có thể che giấu những khác biệt kinh tế: Vốn hóa thị trường của các công ty công nghệ lớn có thể hỗ trợ hiệu suất chỉ số chính, ngay cả khi tăng trưởng lợi nhuận vẫn không đồng đều giữa các ngành.
Các dự án AI liên quan đến tiền điện tử đối mặt với thách thức tương tự: Sự quan tâm của nhà đầu tư vào cơ sở hạ tầng AI và tài sản kỹ thuật số không đảm bảo nhu cầu bền vững đối với các dịch vụ dựa trên blockchain hoặc các token liên quan đến chúng.

Điều mà Phân tích S&P 493 của Apollo tiết lộ về lợi nhuận tài chính của AI

Ghi chú nghiên cứu ngày 24 tháng 10 của Apollo, do Torsten Slok công bố, lập luận rằng lợi ích tài chính của AI vẫn tập trung ở các công ty công nghệ lớn thay vì lan rộng rộng rãi khắp doanh nghiệp Mỹ. Phân tích này tách riêng Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia và Tesla khỏi chỉ số S&P 500, gọi các công ty còn lại là S&P 493. Theo Slok, doanh thu trên mỗi nhân viên và biên lợi nhuận đã tăng lên đối với Bảy công ty Vĩ đại nhưng hầu như không đổi đối với phần còn lại của chỉ số. Phân tích của ông cũng không xác định được sự gia tốc rõ ràng nào trong tăng trưởng năng suất có thể quy cho AI.

Sự khác biệt này quan trọng vì Bảy công ty vĩ đại chiếm giữ nhiều vị thế khác nhau trong chuỗi giá trị AI. Nvidia cung cấp phần cứng máy tính, Microsoft và Alphabet vận hành các hệ sinh thái đám mây và phần mềm, Amazon kết hợp hạ tầng đám mây với thương mại, còn Meta và Apple hưởng lợi từ các nền tảng người tiêu dùng lớn. Tesla có sự pha trộn kinh doanh khác biệt, nhưng vẫn thuộc nhóm thị trường tương tự. Những công ty này có thể tạo doanh thu từ AI thông qua chip, dịch vụ đám mây, quảng cáo, đăng ký, phần mềm và các kênh doanh thu đã được thiết lập khác. So sánh với đó, nhiều công ty ngoài nhóm này mua các khả năng AI và phải chứng minh rằng những hiệu quả thu được vượt quá chi phí của chúng.

Doanh thu trên mỗi nhân viên và biên lợi nhuận cho thấy sự phân hóa ngày càng gia tăng

Phân tích của Apollo nhấn mạnh sự khác biệt giữa hiệu quả tài chính và sự tiếp nhận công nghệ. Một công ty có thể giới thiệu các công cụ AI, tự động hóa một số nhiệm vụ hoặc tăng quyền truy cập của nhân viên vào các mô hình nâng cao mà không tạo ra sự cải thiện ngay lập tức về lợi nhuận tổng thể. Lợi ích có thể thể hiện dưới dạng dịch vụ nhanh hơn, ít lỗi hơn, giữ chân khách hàng tốt hơn hoặc chi phí đơn vị thấp hơn, nhưng những lợi ích này có thể bị bù đắp bởi chi phí triển khai, tăng lương, chi phí năng lượng và chi tiêu phần mềm bổ sung. Doanh thu trên mỗi nhân viên và biên lợi nhuận cung cấp các thước đo tổng hợp hữu ích, mặc dù cả hai đều không ghi nhận đầy đủ mọi lợi ích tiềm tàng của việc áp dụng AI.

Chỉ báo	Bảy người tuyệt vời	S&P 493
Doanh thu trên mỗi nhân viên	Tăng trong phân tích của Apollo	Ổn định ở mức rộng
Biên lợi nhuận	Tăng khoảng 30% trong các so sánh được báo cáo	Ổn định ở mức khoảng 10%
Lợi ích năng suất liên quan đến AI	Hiệu suất tài chính mạnh mẽ hơn, mặc dù nguyên nhân - hệ quả không được xác định chỉ qua so sánh này	Không xác định được sự tăng tốc tổng hợp rõ ràng bởi Apollo
Vị thế trong nền kinh tế AI	Bao gồm các nhà cung cấp cơ sở hạ tầng và nền tảng AI lớn	Bao gồm một phạm vi rộng các khách hàng AI và các doanh nghiệp khác

Các con số là giá trị ước tính được báo cáo trong các bài phân tích của Apollo, không phải các phép đo giống nhau cho từng công ty. Chúng mô tả sự khác biệt ở cấp độ nhóm và không chứng minh rằng AI là nguyên nhân duy nhất gây ra khoảng cách này.

Các phát hiện này không nên được hiểu là bằng chứng cho thấy mọi công ty ngoài lĩnh vực công nghệ đều không thu được lợi ích từ AI. Các biên lợi nhuận tổng thể có thể che giấu những thành công cá nhân, và các cải tiến năng suất có thể mất thời gian mới xuất hiện trong các báo cáo tài chính. Tuy nhiên, phân tích của Apollo đặt ra một câu hỏi quan trọng đối với các nhà đầu tư: nếu AI được kỳ vọng sẽ biến đổi nền kinh tế rộng lớn hơn, thì khi nào sự biến đổi đó sẽ trở nên rõ ràng trong hiệu quả tài chính của các công ty áp dụng nó?

Tại sao chi tiêu cho AI chưa chuyển hóa thành lợi nhuận doanh nghiệp rộng hơn

Khoảng cách giữa đầu tư vào AI và lợi nhuận tài chính có thể đo lường được phản ánh sự phức tạp trong việc tích hợp công nghệ mới vào các doanh nghiệp hiện có. Việc mua quyền truy cập vào một mô hình tiên tiến tương đối đơn giản; nhưng thiết kế lại các quy trình làm việc, cơ sở hạ tầng dữ liệu, trách nhiệm và quy trình ra quyết định của công ty thì khó khăn hơn nhiều. AI có thể giảm thời gian cần thiết để hoàn thành một nhiệm vụ mà không loại bỏ những công việc xung quanh cần thiết để xác minh đầu ra, duy trì tuân thủ hoặc truyền đạt kết quả đến khách hàng. Do đó, những cải tiến ở cấp độ nhiệm vụ cá nhân không nhất thiết dẫn đến tăng biên lợi nhuận toàn công ty.

Chi phí token đang trở thành một khoản chi tiêu doanh nghiệp quan trọng

Nhiều dịch vụ AI tính phí dựa trên việc sử dụng mô hình, bao gồm số lượng token đầu vào và đầu ra được xử lý. Khi nhân viên và các tác nhân tự động thực hiện nhiều nhiệm vụ hơn thông qua các hệ thống AI, mức tiêu thụ có thể tăng đáng kể. Đối với các công ty vận hành quy mô lớn, tổng chi phí có thể bao gồm truy cập mô hình, cơ sở hạ tầng đám mây, chuẩn bị dữ liệu, các biện pháp bảo mật, tích hợp phần mềm và đánh giá của con người. Một mô hình mạnh mẽ hơn có thể cải thiện độ chính xác trên các nhiệm vụ phức tạp, nhưng chi phí bổ sung của nó khó có thể biện minh khi một mô hình rẻ hơn đã có thể tạo ra kết quả đủ tốt.

Slok cho rằng các doanh nghiệp chính thống đang trở nên thận trọng hơn trong việc chi trả cho các mô hình mới nhất vì lợi ích tài chính chưa nhất quán xuất hiện trong kết quả cuối cùng của họ. Trong khi đó, các công ty được đầu tư mạo hiểm tiếp tục chi tiêu mạnh tay vào các khả năng AI, tạo ra sự khác biệt giữa các doanh nghiệp theo đuổi sự mở rộng công nghệ nhanh chóng và các doanh nghiệp đã thành lập đòi hỏi lợi ích kinh tế rõ ràng. Sự phân biệt này đặc biệt liên quan khi các nhà cung cấp AI tìm cách chuyển đổi việc sử dụng ngày càng tăng thành doanh thu định kỳ đồng thời duy trì kinh tế đơn vị hấp dẫn.

Giới hạn của Phán quyết Kinh doanh đối với Những gì Tự động hóa Có thể Đạt được

AI có thể tóm tắt thông tin, tạo mã, phân tích tài liệu và hỗ trợ tính toán. Tuy nhiên, nhiều quyết định kinh doanh phụ thuộc vào bối cảnh, trách nhiệm, niềm tin của khách hàng, văn hóa tổ chức và các yếu tố đạo đức. Một tổ chức tài chính có thể sử dụng AI để xem xét các đơn đăng ký, ví dụ, nhưng vẫn cần các biện pháp kiểm soát để đảm bảo tuân thủ, tính công bằng và các quyết định ảnh hưởng đến khách hàng. Một nhà cung cấp dịch vụ y tế có thể tự động hóa tài liệu trong khi vẫn duy trì trách nhiệm con người đối với các phán quyết lâm sàng. Trong cả hai trường hợp, công nghệ có thể cải thiện các nhiệm vụ được chọn mà không loại bỏ các chi phí vận hành rộng hơn liên quan đến việc cung cấp dịch vụ.

Điều này giúp giải thích tại sao tỷ lệ áp dụng đơn thuần không phải là thước đo đủ để đánh giá thành công thương mại. Các doanh nghiệp phải xác định liệu AI có cải thiện các kết quả có thể đo lường được như tỷ lệ chuyển đổi, thời gian xử lý, khả năng giữ chân khách hàng hoặc chi phí mỗi giao dịch hay không. Nếu những cải tiến đó không vượt quá chi phí triển khai và vận hành, việc sử dụng thêm AI có thể làm tăng chi tiêu mà không cải thiện lợi nhuận. Do đó, lập luận của Apollo ít liên quan đến sự vắng mặt của tiến bộ công nghệ hơn là sự khó khăn trong việc chuyển hóa tiến bộ đó thành những lợi ích tài chính rộng rãi và có thể đo lường được.

Lợi ích về năng suất có thể mất thời gian để xuất hiện

Cũng có vấn đề về thời gian. Các công ty thường phát sinh chi phí trước khi tận dụng được đầy đủ lợi ích của một công nghệ mới. Nhân viên cần được đào tạo, các hệ thống nội bộ cần được điều chỉnh, và các nhà quản lý phải xác định những nhiệm vụ nào nên tự động hóa và những nhiệm vụ nào cần được xem xét bởi con người. Trong giai đoạn chuyển đổi này, lợi ích về năng suất có thể vẫn hạn chế hoặc bị bù đắp bởi chi phí tái tổ chức công việc.

Chuyên gia kinh tế trưởng của Goldman Sachs, Jan Hatzius, đưa ra một cách diễn giải lạc quan hơn về tiềm năng kinh tế dài hạn của AI, cho rằng đầu tư có thể cuối cùng hỗ trợ năng suất cao hơn và lợi nhuận doanh nghiệp rộng rãi hơn. Tuy nhiên, Goldman cũng cho rằng đóng góp tăng trưởng từ chu kỳ đầu tư AI hiện tại có thể đạt đỉnh vào cuối năm 2026 hoặc đầu năm 2027. Sự khác biệt giữa hai chuyên gia kinh tế không chỉ nằm ở việc AI có hữu ích hay không, mà còn ở tốc độ và phạm vi mà lợi ích của nó sẽ xuất hiện.

Đối với các nhà đầu tư, bài kiểm tra phù hợp là liệu các kết quả tài chính trong tương lai có xác nhận các khoản chi tiêu đang diễn ra hay không. Lợi nhuận chậm trễ vẫn có thể xảy ra, nhưng các công ty vẫn cần chứng minh rằng các chương trình AI của họ tạo ra giá trị bền vững, thay vì dựa vào kỳ vọng rằng giá trị sẽ xuất hiện cuối cùng.

3. Sự bùng nổ cơ sở hạ tầng AI trị giá 650 tỷ USD tạo ra một bài kiểm tra tài chính

Quy mô chi tiêu cho hạ tầng AI khiến câu hỏi về lợi tức đầu tư ngày càng trở nên quan trọng. Báo cáo do The Indian Express công bố ngày 28 tháng Mười đã trích dẫn các ước tính cho rằng các công ty công nghệ lớn dự kiến sẽ chi khoảng 650 tỷ USD cho hạ tầng AI vào năm 2026. Báo cáo cùng ngày cũng trích dẫn cảnh báo của Gartner rằng hơn 3,5 nghìn tỷ USD đầu tư vào hạ tầng AI có thể đối mặt với nguy cơ giảm giá trị vào năm 2030 nếu doanh thu do AI tạo ra không đủ để biện minh cho chi phí này. Đây là những ước tính mang tính tương lai và đánh giá rủi ro có điều kiện, không phải tổn thất đã được xác nhận.

Cuộc bùng nổ về hạ tầng hỗ trợ nhiều lớp của nền kinh tế công nghệ, bao gồm các nhà sản xuất bán dẫn, nhà cung cấp dịch vụ đám mây, nhà vận hành trung tâm dữ liệu, nhà cung cấp mạng lưới và hạ tầng điện lực. Những công ty này có thể tạo doanh thu khi thiết bị được giao, năng lực tính toán được thuê hoặc các dịch vụ đám mây được sử dụng. Tuy nhiên, các khách hàng doanh nghiệp phải thu hồi chi phí liên quan đến AI thông qua những cải thiện về năng suất trong tương lai, doanh số tăng hoặc các lợi ích kinh tế khác. Điều này tạo ra sự khác biệt về thời gian: các nhà cung cấp hạ tầng có thể ghi nhận doanh thu trước khi các công ty mua dịch vụ của họ chứng minh được lợi nhuận đầu tư tích cực.

Chi tiêu vốn, khấu hao và dòng tiền là quan trọng

Một phân tích của Reuters Breakingviews được công bố vào ngày 23 tháng 10 đã xem xét cách đầu tư vào cơ sở hạ tầng AI ảnh hưởng đến lợi nhuận doanh nghiệp và rủi ro tài chính. Bài phân tích lưu ý rằng các nhà cung cấp thiết bị có thể ghi nhận doanh thu khi sản phẩm được bán, trong khi người mua thường ghi nhận chi tiêu vốn theo thời gian thông qua khấu hao. Đối với các trung tâm dữ liệu vẫn đang trong quá trình xây dựng, khấu hao có thể không bắt đầu cho đến khi cơ sở hoạt động. Thời điểm kế toán này có thể khiến lợi ích tài chính ngắn hạn của chu kỳ đầu tư trông mạnh mẽ hơn so với lợi ích kinh tế cuối cùng.

Phân tích tương tự cũng nhấn mạnh sự gia tăng phát hành nợ và các cam kết liên quan đến thiết bị trong số các công ty công nghệ lớn. Những nghĩa vụ này không tự động cho thấy tình trạng khó khăn tài chính, đặc biệt đối với các công ty có dòng doanh thu ổn định và bảng cân đối kế toán vững mạnh. Tuy nhiên, chúng làm tăng tầm quan trọng của tỷ lệ sử dụng trong tương lai, sức mạnh định giá và nhu cầu của khách hàng. Nếu công suất tính toán mở rộng nhanh hơn sự sẵn lòng chi trả của khách hàng, các nhà cung cấp có thể đối mặt với áp lực lên biên lợi nhuận và dòng tiền, ngay cả khi công nghệ nền tảng tiếp tục được cải thiện.

Điều gì xảy ra nếu nhu cầu về AI không tương thích với nguồn cung cơ sở hạ tầng?

Rủi ro chính không chỉ là việc áp dụng AI chậm lại, mà còn là những giả định tài chính hỗ trợ mở rộng cơ sở hạ tầng có thể quá lạc quan. Các trung tâm dữ liệu đòi hỏi các khoản đầu tư ban đầu lớn, các thỏa thuận năng lượng dài hạn, mua sắm thiết bị phần cứng và bảo trì liên tục. Nếu mức độ sử dụng không đạt kỳ vọng hoặc giá mô hình giảm nhanh hơn chi phí vận hành, một số khoản đầu tư có thể mang lại lợi nhuận thấp hơn so với dự báo ban đầu. Các nhà vận hành cơ sở hạ tầng nhỏ hơn với nguồn tiền mặt hạn chế có thể chịu ảnh hưởng lớn hơn từ điều kiện tài chính so với các nền tảng công nghệ đã được thiết lập.

Đối với thị trường, các chỉ số then chốt do đó không chỉ đơn thuần là tổng chi tiêu. Các nhà đầu tư nên theo dõi chi tiêu vốn so với doanh thu, dòng tiền tự do, cam kết nợ, chi phí hao mòn và bằng chứng về nhu cầu lặp lại từ khách hàng. Chi tiêu liên tục có thể hỗ trợ doanh thu của nhà cung cấp trong ngắn hạn, nhưng tăng trưởng bền vững dài hạn đòi hỏi khách hàng phải thu được đủ giá trị kinh tế từ các dịch vụ AI để biện minh cho chi tiêu lặp lại.

Điều gì xảy ra với sự phân chia lợi nhuận của AI đối với S&P 500 và các cổ phiếu công nghệ

Hiệu suất mạnh mẽ của Bảy công ty tuyệt vời có thể ảnh hưởng đến thị trường chứng khoán rộng hơn vì chỉ số S&P 500 được tính theo vốn hóa thị trường. Khi các thành phần lớn nhất tăng giá, chúng có thể hỗ trợ chỉ số chính, ngay cả khi nhiều công ty nhỏ hơn trải qua tăng trưởng lợi nhuận yếu hơn hoặc mở rộng ký quỹ hạn chế. Điều này khiến hiệu suất ở cấp độ chỉ số trở thành một thước đo không đầy đủ về mức độ lan tỏa rộng rãi của lợi ích kinh tế trong toàn bộ ngành doanh nghiệp.

Các phát hiện của Apollo cho thấy các nhà đầu tư nên phân biệt giữa hiệu suất của các nhà cung cấp AI và kết quả tài chính của các công ty áp dụng AI. Một công ty bán dẫn có thể hưởng lợi từ việc tăng chi tiêu cho cơ sở hạ tầng, trong khi một nhà bán lẻ sử dụng AI để dự báo hàng tồn kho có thể cần vài kỳ báo cáo để chứng minh khoản tiết kiệm có thể đo lường được. Cả hai công ty đều có thể liên quan đến cùng một xu hướng công nghệ, nhưng mô hình doanh thu, cơ cấu chi phí và mức độ tiếp xúc với nhu cầu AI của họ hoàn toàn khác biệt.

Định giá AI phụ thuộc vào lợi nhuận tương lai

Cơ hội đầu tư vào các cổ phiếu liên quan đến AI một phần phụ thuộc vào kỳ vọng rằng chi tiêu hiện tại sẽ hỗ trợ tăng trưởng lợi nhuận trong tương lai. Nếu nhu cầu về dịch vụ máy tính tiếp tục mở rộng và các nhà cung cấp duy trì sức mạnh định giá, đầu tư vào hạ tầng có thể mang lại lợi nhuận hấp dẫn. Nếu khách hàng giảm sử dụng, chuyển sang các mô hình rẻ hơn hoặc hoãn các dự án, kỳ vọng lợi nhuận có thể suy yếu ngay cả khi việc áp dụng AI vẫn tiếp tục tăng trưởng.

Phân tích tháng 10 của Reuters cũng nhấn mạnh rằng đầu tư liên quan đến AI đã đóng góp không tương xứng vào tăng trưởng lợi nhuận doanh nghiệp, đồng thời đặt ra những câu hỏi về chi phí tài chính và khả năng tạo ra dòng tiền trong tương lai. Điều này không khẳng định rằng các cổ phiếu AI nhất thiết bị định giá quá cao. Thay vào đó, nó làm nổi bật lý do tại sao các nhà đầu tư cần so sánh định giá với lợi nhuận và dòng tiền bền vững, thay vì chỉ dựa vào tăng trưởng dự kiến.

Độ rộng thị trường có thể trở thành tín hiệu quan trọng hơn

Các nhà đầu tư cũng có thể xem xét liệu tăng trưởng lợi nhuận có đang lan rộng ra ngoài các công ty công nghệ lớn nhất hay không. Hiệu suất của các chỉ số trọng số đều so với chỉ số trọng số vốn hóa, số lượng công ty báo cáo mở rộng biên lợi nhuận, và điều chỉnh lợi nhuận trên các ngành có thể giúp làm rõ liệu sức mạnh thị trường có đang mở rộng hay không. Nếu những lợi ích năng suất do AI mang lại bắt đầu xuất hiện trong các ngành như y tế, tài chính, sản xuất và dịch vụ tiêu dùng, thì bằng chứng sẽ hỗ trợ một lợi ích kinh tế rộng lớn hơn.

Ngược lại, nếu doanh thu và lợi nhuận liên quan đến AI vẫn tập trung chủ yếu vào các nhà cung cấp hạ tầng trong khi các khách hàng doanh nghiệp tiếp tục gánh chịu chi phí ngày càng tăng, thị trường có thể trở nên nhạy cảm hơn với hướng dẫn chi tiêu vốn và hiệu quả chi tiêu. Trong môi trường đó, ngay cả những công ty có mức độ tiếp xúc mạnh với AI cũng có thể trải qua sự khác biệt lớn hơn về hiệu suất khi các nhà đầu tư phân biệt giữa các doanh nghiệp bán năng lực AI và những doanh nghiệp tạo ra lợi nhuận bền vững từ việc sử dụng nó.

Điều gì mà cảnh báo của AI Apollo mang lại cho các dự án tiền điện tử và blockchain

Đối với các thị trường tiền điện tử, cuộc tranh luận tương tự đặt ra những câu hỏi về các token AI, tính toán phi tập trung và các dịch vụ AI dựa trên blockchain. Các dự án kết nối các nhà cung cấp tính toán với các nhà phát triển AI, điều phối cơ sở hạ tầng phi tập trung hoặc sử dụng token để thưởng cho các bên tham gia mạng lưới có thể hưởng lợi từ nhu cầu về tài nguyên AI. Tuy nhiên, bài học rộng hơn từ phân tích của Apollo là việc áp dụng công nghệ và tạo ra giá trị tài chính là hai câu hỏi riêng biệt. Sự quan tâm ngày càng tăng đối với AI không tự động tạo ra nhu cầu bền vững cho mọi dự án liên quan đến chủ đề này.

Các token AI cần có tính năng thực tế và nhu cầu có thể đo lường được

Một token liên quan đến một dự án AI có thể được sử dụng để thanh toán cho việc tính toán, thưởng cho các nhà cung cấp dịch vụ, điều phối sự tham gia mạng lưới hoặc truy cập các tính năng đặc biệt của nền tảng. Câu hỏi quan trọng là liệu người dùng có cần token để nhận được dịch vụ có giá trị hay không và liệu nhu cầu đó có duy trì ngoài giao dịch đầu cơ hay không. Một dự án có thể báo cáo hoạt động ví hoặc mức độ tham gia cộng đồng tăng lên mà không tạo ra đủ lượng sử dụng có trả phí để hỗ trợ chi phí vận hành của nó.

Do đó, các nhà đầu tư nên phân biệt giữa năng lực công nghệ của dự án, mức độ áp dụng thực tế từ khách hàng và vai trò kinh tế của token của nó. Các chỉ báo hữu ích có thể bao gồm nhu cầu tính toán có trả phí, khách hàng tái diễn, mức độ sử dụng mạng lưới, doanh thu dịch vụ, phát hành token và mối quan hệ giữa nguồn cung token và hoạt động thực tế của mạng lưới. Những thước đo này có thể giúp xác định liệu một dự án crypto liên quan đến AI đang phát triển một dịch vụ khả thi hay chủ yếu hưởng lợi từ sự hưng phấn chung của thị trường.

Tính toán phi tập trung đối mặt với những thách thức về chi phí và mức độ sử dụng của riêng nó

Mạng GPU phi tập trung và các dự án tính toán phân tán khác tìm cách kết nối những người cần tài nguyên máy tính với các nhà cung cấp có phần cứng sẵn có. Những lợi thế tiềm năng của chúng có thể bao gồm khả năng truy cập linh hoạt, các kênh cung cấp thay thế và những cách thức mới để phối hợp cơ sở hạ tầng. Tuy nhiên, những mạng này vẫn đang đối mặt với các câu hỏi thực tiễn liên quan đến chất lượng phần cứng, thời gian hoạt động, độ trễ, quyền riêng tư dữ liệu, xác minh và định giá.

Một mạng phi tập trung phải đưa ra lý do thuyết phục để khách hàng sử dụng nó thay vì nhà cung cấp đám mây truyền thống. Nếu không thể đảm bảo hiệu suất ổn định với chi phí tổng thể cạnh tranh, nhu cầu có thể vẫn bị hạn chế, ngay cả khi yêu cầu tính toán AI tăng lên. Ngoài ra, các phần thưởng token có thể thu hút các nhà cung cấp trước khi có đủ nhu cầu từ khách hàng, tạo ra sự không tương thích giữa công suất sẵn có và các công việc đã trả phí. Cảnh báo rộng hơn của Apollo về khoảng cách giữa đầu tư AI và lợi nhuận thương mại là liên quan ở đây, mặc dù phân tích S&P 493 của nó không đo lường trực tiếp các mạng AI phi tập trung.

Stablecoin và thanh toán blockchain có thể hỗ trợ thương mại AI

Các stablecoin và hệ thống thanh toán dựa trên blockchain có thể đóng vai trò trong các dịch vụ kỹ thuật số tự động, bao gồm thanh toán giữa các tác nhân phần mềm, thanh toán quốc tế và giao dịch máy-máy. Tuy nhiên, việc mở rộng hoạt động AI không tự động làm tăng việc sử dụng stablecoin, phí giao dịch hoặc nhu cầu về các token gốc của blockchain. Kết quả kinh tế phụ thuộc vào việc các doanh nghiệp có áp dụng các hệ thống này hay không, các khoản thanh toán có được thanh toán trên-chain hay không, và liệu hoạt động phát sinh có tạo ra doanh thu bền vững cho mạng lưới hay không.

Đối với các nhà đầu tư tiền điện tử, bài học thực tiễn là đánh giá các dự án liên quan đến AI dựa trên bằng chứng về nhu cầu khách hàng, kinh tế giao dịch và tính năng của token, thay vì chỉ dựa vào sự tiếp xúc với chủ đề. Ngành AI có thể tiếp tục mở rộng trong khi các dự án cá nhân gặp khó khăn trong việc xây dựng các mô hình kinh doanh bền vững. Cũng giống như hiệu suất tài chính của Bảy thiên tài không chứng minh rằng mọi khoản đầu tư vào AI đều sinh lời, sự tăng trưởng của nền kinh tế AI rộng lớn hơn không đảm bảo rằng mọi tài sản tiền điện tử liên quan đến AI sẽ được hưởng lợi.

Điều mà nhà đầu tư nên theo dõi tiếp theo

Giai đoạn tiếp theo của cuộc tranh luận về đầu tư AI sẽ phụ thuộc vào việc các công ty có bắt đầu chứng minh lợi nhuận tài chính có thể đo lường được hay không. Các báo cáo lợi nhuận quý, hướng dẫn của ban quản lý và các thông báo về chi tiêu vốn sẽ cung cấp bằng chứng quan trọng. Nhà đầu tư nên tìm kiếm các công ty giải thích cách AI ảnh hưởng đến chi phí hoạt động, chi phí thu hút khách hàng, sản lượng trên mỗi nhân viên, chất lượng dịch vụ và tăng trưởng doanh thu. Những tuyên bố chung về việc áp dụng AI ít mang tính thông tin hơn so với các kết quả có thể đo lường được gắn liền với các quy trình kinh doanh cụ thể.

Chỉ báo	Những điều cần theo dõi	Tại sao điều này quan trọng
Biên lợi nhuận và doanh thu trên mỗi nhân viên	Việc cải tiến có lan rộng ra ngoài Bảy công ty tuyệt vời không	Kiểm tra xem lợi ích của AI có đang được mở rộng hay không
Chi tiêu vốn về AI	Tăng trưởng chi tiêu so với doanh thu và dòng tiền	Giúp đánh giá tính bền vững của việc mở rộng hạ tầng
Chi tiêu mô hình doanh nghiệp	Giữ chân khách hàng, mức độ sử dụng và sự sẵn sàng chi trả	Chỉ ra liệu các dịch vụ AI có mang lại giá trị đủ lớn hay không
Chi phí hao mòn và tài trợ	Chi phí tăng dần khi cơ sở hạ tầng đi vào hoạt động	Tiết lộ chi phí trễ của sự bùng nổ đầu tư
Hoạt động tiền điện tử liên quan đến AI	Sử dụng có trả phí, mức độ sử dụng mạng, phát hành token và nhu cầu định kỳ	Giúp phân biệt lợi ích thực tế với sự quan tâm mang tính đầu cơ

Một tín hiệu đặc biệt quan trọng sẽ là sự cải thiện bền vững về lợi nhuận tại các công ty ngoài các nền tảng công nghệ lớn nhất. Sự phát triển như vậy sẽ củng cố lập luận rằng AI đang tạo ra lợi ích kinh tế trên toàn bộ nền kinh tế, thay vì chủ yếu hỗ trợ các nhà cung cấp hạ tầng và các nền tảng đã được thiết lập. Mặt khác, sự tăng trưởng chi tiêu liên tục mà không đi kèm với những cải thiện tương ứng trong hiệu quả tài chính doanh nghiệp có thể khiến các nhà đầu tư xem xét kỹ hơn các ngân sách đầu tư.

Các nhà đầu tư cũng nên so sánh các diễn giải kinh tế khác nhau thay vì coi đánh giá của Apollo là dự báo chắc chắn. Slok nhấn mạnh sự thiếu vắng lợi ích tài chính rõ ràng ngoài lĩnh vực công nghệ, trong khi Jan Hatzius của Goldman Sachs vẫn duy trì quan điểm lạc quan hơn về tiềm năng năng suất dài hạn của AI. Kết quả cuối cùng sẽ phụ thuộc vào mức độ áp dụng, chất lượng triển khai, giá cả, điều kiện tài chính và khả năng của các doanh nghiệp trong việc chuyển đổi các năng lực kỹ thuật thành sản phẩm và dịch vụ sinh lời.

Kết luận

Phân tích tháng 10 năm 2026 của nhà kinh tế Apollo Torsten Slok nhấn mạnh sự phân hóa ngày càng gia tăng giữa các công ty cung cấp công nghệ AI và toàn bộ ngành doanh nghiệp được kỳ vọng sẽ hưởng lợi từ nó. Bảy công ty lớn tiếp tục thể hiện doanh thu trên mỗi nhân viên và biên lợi nhuận cao hơn, trong khi S&P 493 vẫn chưa chứng minh được sự cải thiện tổng thể tương đương. Trong khi đó, chi tiêu cơ sở hạ tầng đáng kể đang làm tăng tầm quan trọng của nhu cầu khách hàng, dòng tiền và lợi nhuận bền vững.

Đối với cả nhà đầu tư cổ phiếu và tiền điện tử, câu hỏi trung tâm là liệu các khả năng kỹ thuật ngày càng tăng của AI có thể chuyển hóa thành giá trị kinh tế bền vững hay không. Giai đoạn tiếp theo của chu kỳ đầu tư sẽ được đánh giá ít hơn bởi các thông báo chi tiêu và tuyên bố về sự chấp nhận, mà nhiều hơn bởi những cải tiến có thể đo lường được về năng suất, lợi nhuận và sự sẵn sàng chi trả của khách hàng. AI cuối cùng có thể mang lại lợi ích kinh tế rộng lớn, nhưng các nhà đầu tư sẽ cần bằng chứng cho thấy những lợi ích đó mở rộng ra ngoài một nhóm tương đối nhỏ các công ty công nghệ hàng đầu.

Câu hỏi thường gặp

Thuật ngữ S&P 493 có nghĩa là gì?

S&P 493 đề cập đến 493 công ty còn lại trong S&P 500 sau khi loại bỏ Bảy công ty vĩ đại: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia và Tesla. Các chuyên gia phân tích sử dụng nhóm này để so sánh hiệu suất của các công ty công nghệ lớn nhất với chỉ số rộng hơn.

Do doanh thu trên mỗi nhân viên đo lường năng suất một cách trực tiếp?

Số thu nhập trên mỗi nhân viên đo lường số tiền thu nhập tạo ra cho mỗi nhân viên, nhưng có thể bị ảnh hưởng bởi giá cả, các vụ mua lại, thuê ngoài, cơ cấu kinh doanh và thay đổi về nhân sự. Các chỉ số năng suất thường xem xét đầu ra so với đầu vào và cần thêm bối cảnh để xác định liệu hiệu quả hoạt động có được cải thiện hay không.

Tại sao việc áp dụng AI có thể tăng lên trong khi biên lợi nhuận doanh nghiệp không thay đổi?

Chi phí liên quan đến AI có thể tăng cùng với mức độ áp dụng, bao gồm phí mô hình, cơ sở hạ tầng, đào tạo, tích hợp và đánh giá của con người. Các cải tiến về hiệu quả cũng có thể được chuyển cho khách hàng thông qua giá thấp hơn hoặc bị bù đắp bởi chi phí ở các bộ phận khác trong doanh nghiệp. Do đó, việc sử dụng AI nhiều hơn không nhất thiết dẫn đến mở rộng lợi nhuận ngay lập tức.

Các mô hình AI nhỏ hơn có thể mang lại lợi ích nhiều hơn cho doanh nghiệp so với các mô hình tiên tiến nhất không?

Vâng, tùy thuộc vào nhiệm vụ. Các mô hình nhỏ hơn hoặc ít tốn kém hơn có thể cung cấp độ chính xác đủ cho các phân loại thông thường, trích xuất tài liệu, hỗ trợ khách hàng hoặc các quy trình được xác định rõ ràng khác. Mô hình phù hợp phụ thuộc vào độ phức tạp của nhiệm vụ, yêu cầu về độ tin cậy, độ trễ và tổng chi phí, chứ không chỉ dựa vào khả năng của mô hình.

Nhà đầu tư làm thế nào để phân biệt một doanh nghiệp liên quan đến AI với một doanh nghiệp được điều khiển bởi AI?

Một doanh nghiệp liên quan đến AI có thể bán sản phẩm hoặc dịch vụ liên quan đến AI, trong khi một doanh nghiệp được điều khiển bởi AI có thể chứng minh rằng AI cải thiện đáng kể mô hình hoạt động hoặc khả năng tạo doanh thu của nó. Bằng chứng có thể bao gồm chi phí mỗi giao dịch thấp hơn, sản lượng cao hơn trên mỗi nhân viên, cải thiện khả năng giữ chân khách hàng, doanh thu AI lặp lại hoặc lợi ích năng suất có thể đo lường được.

Chi tiêu vào cơ sở hạ tầng AI có đảm bảo nhu cầu liên tục đối với GPU không?

Số lượng cầu phụ thuộc vào kinh tế của các dịch vụ AI, hiệu quả mô hình, tỷ lệ sử dụng, ngân sách khách hàng và khả năng sẵn có của năng lực tính toán thay thế. Các mô hình hiệu quả hơn có thể giảm nhu cầu tính toán cho một số nhiệm vụ, ngay cả khi tổng mức sử dụng AI tăng lên, khiến nhu cầu phần cứng dài hạn phụ thuộc vào nhiều yếu tố cạnh tranh.

Thông báo miễn trừ trách nhiệm: Thông tin thị trường chung này, có thể đến từ các nguồn bên thứ ba, thương mại hoặc được tài trợ, được cung cấp chỉ để tham khảo và mục đích giáo dục, không cấu thành lời khuyên tài chính hoặc đầu tư, lời mời chào, đề nghị hoặc đảm bảo. Chúng tôi từ chối mọi trách nhiệm về độ chính xác, đầy đủ, độ tin cậy của nó và bất kỳ tổn thất nào phát sinh. Đầu tư/giao dịch mang tính rủi ro; hiệu suất trong quá khứ không đảm bảo kết quả trong tương lai. Người dùng nên tự nghiên cứu, đánh giá một cách thận trọng và tự chịu trách nhiệm hoàn toàn. Để biết thêm chi tiết, vui lòng tham khảo Điều khoản sử dụng và Thông báo rủi ro của KuCoin.

Tuyên bố từ chối trách nhiệm: Trang này được dịch bằng công nghệ AI để thuận tiện cho bạn. Để biết thông tin chính xác nhất, hãy tham khảo bản gốc tiếng Anh.