Câu chuyện cốt lõi về đầu tư vào cơ sở hạ tầng AI đang đối mặt với thách thức nghiêm trọng ở cấp độ kinh tế đơn vị. Giá token sụp đổ nhanh hơn dự kiến, chỉ số Chi tiêu Token LLM của Goldman Sachs Silicon Data giảm 29% trong tháng 8 xuống còn khoảng 0,97 USD, lần đầu tiên rơi xuống dưới ngưỡng 1 USD mỗi triệu token. Đồng thời, lượng sử dụng trên nền tảng OpenRouter tăng 47% nhưng chi tiêu bằng USD chỉ tăng 7%. Sự chênh lệch giữa lượng tăng và giá giảm tiết lộ mâu thuẫn cốt lõi: lợi nhuận thị trường chứng khoán được tính bằng USD, chứ không phải số lượng token. Điều này đánh dấu sự lung lay căn bản của logic doanh thu đã hỗ trợ định giá ngành AI trong hai năm qua, và thị trường tín dụng đã率先 cảnh báo.

Tác giả bài viết, nguồn: Wall Street Journal

Câu chuyện cốt lõi về đầu tư vào cơ sở hạ tầng AI đang đối mặt với thách thức nghiêm trọng ở cấp độ kinh tế đơn vị. Tốc độ sụp đổ của giá token đã vượt quá kỳ vọng trước đây của thị trường, làm lung lay căn bản logic doanh thu đã hỗ trợ định giá ngành AI trong hai năm qua.

Theo báo cáo mới nhất từ Rich Privorotsky, trưởng phòng giao dịch One-Delta của Goldman Sachs, chỉ số Silicon Data LLM Token Expenditure Index (mã: SDLLMTK), đo lường mức chi tiêu trung bình có trọng số của thị trường trên mỗi triệu token, đã giảm 29% trong tháng 8, đóng cửa ở mức khoảng 0,97 USD, mức thấp nhất mọi thời đại, giảm hơn 50% so với mức cao nhất vào tháng 5 là khoảng 2,05 USD. Đây là lần đầu tiên chỉ số này rơi xuống dưới ngưỡng 1 USD mỗi triệu token.

Đồng thời, theo báo cáo từ trung tâm dữ liệu JPMorgan, lượng Token được sử dụng trên nền tảng OpenRouter trong tháng 8 đã tăng khoảng 47% so với tháng trước, nhưng chi tiêu bằng USD chỉ tăng khoảng 7%. Sự chênh lệch giữa lượng tăng và giá giảm trực tiếp làm rõ mâu thuẫn cốt lõi trong logic đầu tư AI hiện nay: lợi nhuận trên thị trường chứng khoán được tính bằng USD, chứ không phải bằng số lượng Token, và chi tiêu vốn cho các trung tâm dữ liệu quy mô siêu lớn cũng được tính toán dựa trên kỳ vọng doanh thu bằng USD.

Privorotsky trong báo cáo đã chỉ rõ: “Nhu cầu tăng thêm cùng giá thấp hơn, nếu giá giảm nhanh hơn tốc độ tiêu dùng, thì không tự động trở thành tín hiệu tích cực.”

Giá token sụp đổ: không phải nhu cầu biến mất, mà là đơn giá đang tan rã

Chỉ số chi tiêu Token LLM của Silicon Data không phải là chỉ số đo lường nhu cầu Token, mà là một chỉ số giá được trọng số theo mức sử dụng. Công ty đã cảnh báo thị trường rằng sự giảm sút của chỉ số này có thể do giảm giá niêm yết, người dùng chuyển sang các mô hình mã nguồn mở chi phí thấp, hoặc cả hai, và không có nghĩa là lượng sử dụng AI đang thu hẹp.

Tuy nhiên, đây chính là vấn đề. Khối lượng định tuyến của OpenRouter tăng mạnh, trong khi giá thuê GPU H100 lại giảm—điều này mâu thuẫn với câu chuyện về “nhu cầu token tăng đột biến”. Privorotsky chỉ ra rằng dữ liệu tháng 8 cho thấy một mô hình rõ ràng: khối lượng tăng mạnh, giá giảm sâu hơn, và chi tiêu bằng đô la Mỹ gần như đứng yên.

Kết luận của Goldman Sachs cho rằng: định giá cổ phiếu trong hai năm qua dựa trên giả định rằng “nhiều token hơn đồng nghĩa với doanh thu cao hơn”, nhưng dữ liệu tháng Tám đã lần đầu tiên phá vỡ rõ ràng giả định này.

Sự gia tăng cạnh tranh và推理 cục bộ: Sự xói mòn cấu trúc của mô hình định giá theo từng Token

Privorotsky trong báo cáo đã thẳng thắn bày tỏ sự nghi ngờ đối với mô hình kinh doanh bền vững dựa trên việc tính phí theo Token. Logic định giá推理 theo triệu Token trên nền tảng đám mây phụ thuộc vào ba giả định đồng thời đúng: mô hình quá lớn để chạy cục bộ, người dùng không thể thay thế bằng các sản phẩm mã nguồn mở, và tải công việc đủ đột biến để việc tự xây dựng năng lực tính toán trở nên không kinh tế. Và ba giả định này hiện đang cùng lúc sụp đổ.

Ở cấp phần cứng, các laptop cấp RTX Spark, trạm làm việc DGX Spark, Mac Studio chạy mô hình có 70 tỷ tham số, cùng các NPU có khả năng tính toán từ 40 đến 75+ TOPS, đã giảm chi phí biên cho mỗi Token xuống mức gần với chi phí điện. Khi hóa đơn API hàng tháng của doanh nghiệp vượt quá chi phí khấu hao của một thiết bị trị giá 5.000 đến 15.000 đô la, doanh nghiệp đó sẽ chuyển từ người tiêu dùng Token sang người mua phần cứng một lần, thay vì tiếp tục là người đăng ký phần mềm mang lại lợi nhuận 40%.

Trong cạnh tranh mô hình, Meta đã ra mắt Muse Spark 1.3 kể từ ngày 2 tháng 9, và trong các bài kiểm tra độc lập, mô hình này đã nằm cùng nhóm với GPT-5.6 Sol và Claude Opus 5, đồng thời thể hiện nổi bật trong các nhiệm vụ tác nhân và sinh mã. Privorotsky chỉ ra: “Lợi thế tiên tiến được tính theo tuần, không tạo thành rào cản cạnh tranh, mà chỉ là chu kỳ sản phẩm.” Khi mô hình thứ cấp trở nên đủ gần về hiệu suất và có giá thấp hơn, các doanh nghiệp sẽ tránh xa các cấp độ giá cao hơn, và chỉ số giá token chính là biểu hiện tổng hợp của quyết định định tuyến này.

Áp lực lên logic chi tiêu vốn: Thị trường tín dụng đã率先 cảnh báo

Báo cáo của Goldman Sachs chỉ ra rằng chu kỳ chi tiêu vốn cho AI lần này không phải là chi phí vận hành linh hoạt, mà là các cam kết tài sản nặng đã được xác định. Theo báo cáo, tổng chi tiêu vốn của năm nhà cung cấp đám mây siêu lớn được xếp hạng dự kiến đạt khoảng 737 tỷ USD vào năm 2026, chiếm khoảng 38% doanh thu của họ. Moody’s đã đưa ra cảnh báo về sự thu hẹp dòng tiền tự do, sự chuyển đổi bảng cân đối kế toán từ tài sản nhẹ sang tài sản nặng, cũng như các cam kết thuê không được thể hiện dưới dạng trái phiếu nhưng thực chất ràng buộc người phát hành.

Phản ứng của thị trường tín dụng đã đi trước thị trường chứng khoán. Theo một thống kê về các trái phiếu liên quan, trong số 91 trái phiếu do các nhà cung cấp đám mây quy mô lớn phát hành năm 2026, đã có 78 trái phiếu giảm xuống dưới giá phát hành trước cuối tháng 8. Privorotsky gọi đây là “định giá lại tín dụng” và chỉ ra rằng bội số định giá cổ phiếu là chỉ số trễ.

Logic chain rõ ràng: Giá token giảm 30%, lượng sử dụng tăng 20%, suy luận doanh thu giảm; doanh thu suy giảm trong khi khấu hao và lãi vay trong chu kỳ xây dựng từ 2025 đến 2027 vẫn đang tăng, tỷ suất hoàn vốn do đó sụp đổ; sau khi tỷ suất hoàn vốn sụp đổ, thị trường không cần kịch tính kể về “bong bóng vỡ”, mà chỉ cần điều chỉnh bội số định giá xuống mức phản ánh một doanh nghiệp tiện ích có nhiều tài sản nhưng khả năng định giá bị hạn chế.

GPT-6 Astra: Yếu tố biến đổi câu chuyện duy nhất còn lại

Trong báo cáo, Privorotsky coi mô hình thế hệ tiếp theo của OpenAI, Astra, là chất xúc tác gần nhất duy nhất có thể đảo ngược tình thế. Vào ngày 1 tháng 9, OpenAI cho biết Astra đã đạt ngưỡng an ninh mạng quan trọng trong Khung Sẵn sàng của mình, trở thành mô hình đầu tiên được đưa vào danh mục này.

Tuy nhiên, bàn giao dịch của Goldman Sachs duy trì sự thận trọng. Một mô hình tích cực có hạn chế truy cập, yêu cầu giám sát và mức độ ma sát cao không tự động bổ sung vào hồ sơ thu nhập Token. Nếu các tải công việc giá trị cao luôn bị giữ lại trong giai đoạn kiểm thử kiểm soát mà không được đưa vào hệ thống tính phí công khai, Astra thậm chí có thể giảm số lượng Token tính phí.

Kết luận của báo cáo là: Astra là biến số gần đây cuối cùng có thể giúp tái cân bằng danh mục thu nhập hướng tới các phân khúc giá trị cao hơn. Trước đó, dữ liệu giá Token vào tháng 8 là tín hiệu chính xác nhất về trạng thái thị trường hiện tại—nhu cầu có thể tăng vô hạn, nhưng nếu giá khi nhu cầu vô hạn xuất hiện không đủ bù đắp chi phí nợ phát hành để xây dựng trung tâm dữ liệu, thì giá cổ phiếu vẫn có thể giảm.