Goldman Sachs và SemiAnalysis tranh luận về định giá cơ sở hạ tầng AI và những người chiến thắng tương lai

Trong hai năm qua, giao dịch AI gần như thống trị thị trường chứng khoán toàn cầu.

NVIDIA, thiết bị bán dẫn, HBM, đóng gói tiên tiến, trung tâm dữ liệu, thiết bị điện, máy biến áp, làm mát, tuabin khí — mọi tài sản nào có thể được đưa vào chuỗi cơ sở hạ tầng AI đều đã được thị trường định giá lại nhiều lần. Giao dịch này chưa hề mất hiệu lực, mà còn tăng đến mức nhà đầu tư buộc phải đối mặt với một câu hỏi khó hơn: Những người chiến thắng trong giai đoạn đầu của chuỗi AI đã được thị trường thưởng quá mức, vậy bước tiếp theo còn có thể tiếp tục tăng nữa không?

Hai báo cáo của Goldman Sachs và SemiAnalysis đúng nằm ở ngã rẽ này.

James Covello của Goldman Sachs có quan điểm khá thận trọng: Giai đoạn đầu của cơ sở hạ tầng AI đã được định giá đầy đủ, chuỗi chip và “bán cuốc xẻng” đã chiếm lấy quá nhiều lợi nhuận chắc chắn, nhưng ROI ở phía doanh nghiệp vẫn chưa được triển khai rộng rãi, đồng thời áp lực dòng tiền của các nhà cung cấp đám mây cũng đang gia tăng. Theo logic này, giao dịch tương đối tốt hơn tiếp theo không phải là tiếp tục theo đuổi bán dẫn, mà là tăng vị thế đối với các nhà cung cấp đám mây quy mô lớn và bán dẫn cấp thấp.

Câu trả lời từ SemiAnalysis gần như ngược lại: Nếu Agentic AI thực sự biến token thành tư liệu sản xuất, và biên lợi nhuận gộp của các phòng thí nghiệm mô hình bắt đầu cải thiện, đồng thời các mô hình tiên tiến vẫn giữ quyền định giá, thì cơ sở hạ tầng AI chưa phải là “đã tăng đủ”, mà vẫn chưa được định giá lại hoàn toàn theo giá trị token của chu kỳ mới. NVIDIA, TSMC, bộ nhớ, Neocloud và các phòng thí nghiệm mô hình đều vẫn có lý do để tiếp tục chia sẻ giá trị gia tăng.

Đây không phải là một cuộc tranh luận về liệu AI có tương lai hay không.

Chi tiêu vốn của AI vẫn đang tăng, và các cổ phiếu cơ sở hạ tầng AI cũng chưa hạ nhiệt. Vấn đề thực sự bây giờ trở thành: tầng chip đã giữ lại lợi nhuận đợt đầu trên bảng cân đối kế toán, và thị trường hiện đang tranh luận liệu lợi nhuận này đã được định giá đầy đủ chưa; nếu AI có tính chất tác nhân tiếp tục khuếch đại giá trị token, lợi nhuận tăng thêm đợt tiếp theo sẽ tiếp tục được giữ lại ở tầng phần cứng, hay bắt đầu được phân bổ lại sang các phòng thí nghiệm mô hình, nhà cung cấp đám mây và tầng phần mềm doanh nghiệp.

Điểm gây chú ý nhất trong báo cáo của Goldman Sachs không phải là đặt câu hỏi về sự tăng trưởng người dùng AI, cũng không phải là phủ nhận sự tiến bộ công nghệ.

Covello đã thừa nhận hai điều: tốc độ người tiêu dùng áp dụng AI nhanh hơn dự kiến ban đầu; các nhà cung cấp đám mây, dù cổ phiếu chịu áp lực, đã không cắt giảm chi tiêu vốn cho AI như dự đoán, mà ngược lại tiếp tục tăng đầu tư. AI không hạ nhiệt, chi tiêu vốn cũng không rút lui.

But Goldman Sachs is looking further ahead.

Người tiêu dùng sử dụng AI, nhưng nhiều người vẫn dừng lại ở cấp độ miễn phí. Sự tăng trưởng người dùng có thể chứng minh sức hút của sản phẩm, nhưng không thể trực tiếp thanh toán các hóa đơn về GPU, trung tâm dữ liệu, điện năng, mạng lưới và suy luận mô hình. Phía doanh nghiệp mới là chìa khóa quyết định liệu nền kinh tế AI có thể tạo thành vòng khép kín hay không: Doanh nghiệp có sẵn sàng thanh toán liên tục hay không, có thể tiết kiệm chi phí, tăng doanh thu và nâng cao năng suất nhờ AI hay không, sẽ quyết định liệu toàn bộ chuỗi giá trị này có thể chịu đựng được chi tiêu vốn hiện tại trong dài hạn hay không.

Câu trả lời của Goldman Sachs khá thận trọng.

Báo cáo cho thấy các doanh nghiệp đã đầu tư rất lớn vào AI sinh thành, nhưng nhiều tổ chức vẫn chưa thu được lợi ích có thể xác minh; đồng thời, chi tiêu CNTT toàn cầu vẫn đang tăng, và AI chưa làm giảm ngân sách công nghệ doanh nghiệp ở cấp độ tổng thể. Đối với các nhà đầu tư, điều này đặt ra một vấn đề thực tế: doanh nghiệp đang mua AI, thử nghiệm AI và thảo luận về AI, nhưng AI vẫn chưa phổ biến trên bảng lợi nhuận.

Điều này tạo sự tương phản rõ rệt với lợi nhuận trong chuỗi cơ sở hạ tầng AI.

Các công ty bán chip đã có lợi nhuận, trong khi các công ty liên quan đến lưu trữ, điện năng và trung tâm dữ liệu đang được thị trường định giá lại nhiều lần. Các nhà cung cấp đám mây thì ở phía đối diện phải gánh chịu chi phí vốn. Các khoản chi tiêu như xây dựng trung tâm dữ liệu, mua GPU, kết nối điện năng, thiết bị mạng và kệ máy chủ đều ban đầu được ghi nhận trên bảng cân đối kế toán của các nhà cung cấp đám mây. Báo cáo của Goldman Sachs cho biết, các nhà cung cấp đám mây quy mô lớn đã tiêu thụ một phần dòng tiền hoạt động dư dả và bắt đầu sử dụng nợ để tài trợ cho việc xây dựng trung tâm dữ liệu, với lượng phát hành nợ trung tâm dữ liệu năm 2025 tăng gấp đôi lên 182 tỷ USD.

Đây là sự mất cân bằng trong mắt Goldman Sachs.

Trong chu kỳ bán dẫn bình thường, khi các công ty chip kiếm được nhiều tiền, thường là do khách hàng cũng đang mở rộng. Khi khách hàng kiếm tiền, họ tiếp tục mua chip, và các công ty chip tiếp tục phát triển. Chu kỳ AI lần này lại khác biệt: lợi nhuận trong chuỗi chip rất rõ ràng, nhưng lợi nhuận ở tầng khách hàng và tầng ứng dụng vẫn chưa rõ ràng như vậy.

Vì vậy, phán đoán của Goldman Sachs không phải là “AI vô dụng”, mà là “cách phân chia lợi nhuận hiện tại khó có thể được ngoại suy tuyến tính trong dài hạn”.

Các công ty bán dẫn đã nắm chắc lợi nhuận chắc chắn nhất ở giai đoạn đầu. Vấn đề là, liệu khách hàng cuối có đủ lợi nhuận để tiếp tục duy trì mức chi tiêu vốn cao và độ tập trung lợi nhuận ở khâu trên không.

Gợi ý giao dịch từ Goldman Sachs dường như trái ngược với trực giác: mua mạnh các nhà cung cấp đám mây quy mô lớn, giảm trọng số trong bán dẫn.

Có hai con đường đằng sau điều này.

Con đường đầu tiên, ROI của AI doanh nghiệp bắt đầu được hiện thực hóa. Khi doanh nghiệp chứng minh được AI mang lại lợi ích về doanh thu, hiệu quả và chi phí, thị trường sẽ tái đánh giá chi tiêu vốn của các nhà cung cấp đám mây. Những khoản đầu tư trước đây được xem là gánh nặng đối với dòng tiền tự do sẽ được tái định nghĩa là nguồn doanh thu và sức mạnh kiểm soát nền tảng trong tương lai. Định giá của các nhà cung cấp đám mây được điều chỉnh tăng, ngành bán dẫn cũng sẽ hưởng lợi, tuy nhiên do ngành bán dẫn đã được thị trường ghi nhận nhiều trước đó, mức độ tăng trưởng tương đối có thể không lớn hơn.

Con đường thứ hai, ROI của doanh nghiệp vẫn tiếp tục gặp khó khăn. Các nhà cung cấp đám mây cắt giảm chi tiêu vốn do áp lực dòng tiền và áp lực từ nhà đầu tư, thị trường sẽ thưởng cho những doanh nghiệp có kỷ luật dòng tiền tốt hơn. Chuỗi bán dẫn phải đối mặt với việc điều chỉnh giảm kỳ vọng đơn hàng.

Goldman Sachs cho rằng cả hai kịch bản này đều hỗ trợ quan điểm “các nhà cung cấp đám mây tốt hơn so với bán dẫn”. Tình huống thực sự khiến giao dịch này thất bại là kịch bản thứ ba: ROI doanh nghiệp vẫn mơ hồ, trong khi các nhà cung cấp đám mây tiếp tục đầu tư không giới hạn, còn bán dẫn tiếp tục chiếm phần lớn lợi nhuận trong chuỗi cung ứng.

Đây chính là trạng thái mà thị trường đã quen thuộc trong hai năm qua.

Chính vì vậy, trọng tâm của báo cáo Goldman Sachs không phải là công nghệ AI, mà là định giá thị trường. Lợi ích của cơ sở hạ tầng AI đã được giao dịch đầy đủ, và nhược điểm của các nhà cung cấp đám mây cũng đã được giao dịch đầy đủ. Bước tiếp theo, thị trường sẽ quan sát xem hai hướng này có đảo chiều hay không.

SemiAnalysis tiếp cận từ một góc hoàn toàn khác biệt.

Nó không phủ nhận rằng từ năm 2023 đến 2025, giá trị của AI chủ yếu chảy vào cơ sở hạ tầng. NVIDIA, điện năng, trung tâm dữ liệu, lưu trữ thực sự là những người chiến thắng lớn trong giai đoạn đầu. Các công ty mô hình và nhà cung cấp dịch vụ suy luận ban đầu không dễ dàng, nhiều sản phẩm AI trông giống như chỉ một thanh tìm kiếm tốt hơn, biên lợi nhuận gộp cũng chưa hề ấn tượng.

Tuy nhiên, SemiAnalysis cho rằng, sau cuối năm 2025, mọi thứ đã thay đổi.

Sự thay đổi đến từ Agentic AI.

Các token trước đây giống như “chi phí trả lời câu hỏi”. Người dùng hỏi một câu, mô hình trả lời một câu. Nó có thể tiết kiệm thời gian, nhưng giới hạn giá trị là hạn chế. Hiện nay, các token đã bắt đầu tham gia vào các quy trình làm việc phức tạp: viết mã, xây dựng mô hình tài chính, tạo bảng điều khiển, phân tích báo cáo tài chính, sắp xếp dữ liệu và tạo biểu đồ.

SemiAnalysis sử dụng chính công ty của mình làm ví dụ. Các nhà phân tích của họ đã sử dụng agent để xử lý các công việc nghiên cứu và mô hình hóa hàng ngày, những nhiệm vụ trước đây đòi hỏi các nhà phân tích cấp dưới dành hàng giờ hoặc không có thời gian để đưa vào quy trình làm việc. Bài viết tiết lộ, chi tiêu token hàng năm của SemiAnalysis trên Anthropic Claude từng đạt 10,95 triệu USD, tương đương khoảng 30% tiền lương nhân viên.

Bộ số liệu này có thể không đại diện cho tất cả các doanh nghiệp, nhưng nó phản ánh sự thay đổi của một nhóm người dùng biên.

Đối với người tiêu dùng thông thường, đăng ký AI có thể chỉ là công cụ chi vài chục đô la mỗi tháng. Đối với những người lao động tri thức cường độ cao, token bắt đầu trở thành tư liệu sản xuất.

Các token trị vài đô la, vài chục đô la không chỉ mang lại vài đoạn văn bản, mà còn là mô hình, biểu đồ, mã nguồn, làm sạch dữ liệu, phân tích báo cáo tài chính, thậm chí là những công việc trước đây hoàn toàn không được thực hiện. Cách người dùng nhìn nhận chi phí AI cũng sẽ thay đổi: họ không còn chỉ hỏi “mỗi triệu token hết bao nhiêu tiền”, mà sẽ hỏi “những token này đã thay thế bao nhiêu lao động thủ công và tăng bao nhiêu sản lượng”.

Đây là điểm bắt đầu của sự khác biệt giữa SemiAnalysis và Goldman Sachs.

Goldman Sachs thấy rằng ROI trung bình của doanh nghiệp vẫn chưa rõ ràng. SemiAnalysis thấy rằng những người dùng mạnh nhất đã bắt đầu tiêu thụ token với số lượng lớn và sẵn sàng trả tiền cho các mô hình mạnh hơn.

Phán đoán quan trọng thứ hai của SemiAnalysis là tính kinh tế đơn vị của các phòng thí nghiệm mô hình đang được cải thiện.

Điều này trái ngược với những lo ngại của thị trường trong quá khứ.

Trước đây, các công ty mô hình được cho là nằm giữa các nhà sản xuất chip và nhà cung cấp đám mây. Doanh thu tăng trưởng nhanh, nhưng chi phí huấn luyện và suy luận tăng nhanh hơn. Càng nhiều người dùng, chi phí càng cao. Mô hình càng mạnh, chi tiêu vốn càng lớn. Mô hình này trông giống như tăng trưởng cao, biên lợi nhuận thấp và tiêu tốn nhiều tiền mặt.

Agentic AI đã thay đổi bảng này.

• Về mặt giá cả, các mô hình tiên tiến có thể thực hiện các nhiệm vụ có giá trị cao hơn, và người dùng sẵn sàng trả thêm phí cho các mô hình mạnh mẽ hơn.
• Ở khía cạnh chi phí, sự lặp lại phần cứng, tối ưu hóa suy luận, cơ chế bộ nhớ đệm và kỹ thuật phần mềm liên tục giảm chi phí trên mỗi token.
• Ở phía sản phẩm, các công ty mô hình có thể đưa ra mức định giá phân tầng thông qua các SKU cao cấp hơn, phản hồi nhanh hơn và khả năng suy luận mạnh mẽ hơn.

SemiAnalysis cho biết, trong trường hợp chạy DeepSeek trên B300, các tổ hợp tối ưu phần mềm khác nhau có thể tăng thông lượng cùng một phần cứng từ khoảng 1.000 lên 8.000 và đạt khoảng 14.000 token/giây/GPU. Khi kết hợp với nâng cấp phần cứng, cấu hình GB300 NVL72 tối ưu nhất có thông lượng cao hơn khoảng 17 lần so với H100 ở định dạng FP8; nếu chuyển sang FP4—định dạng không được Hopper hỗ trợ bản địa—khoảng cách có thể lên tới 32 lần, trong khi chi phí sở hữu tổng thể mỗi GPU chỉ cao hơn khoảng 70%.

Điều này có nghĩa là phòng thí nghiệm mô hình có thể vừa tăng giá trị kinh tế của token, vừa giảm chi phí sản xuất token.

SemiAnalysis cho biết, ARR của Anthropic đã tăng từ 9 tỷ USD lên hơn 44 tỷ USD, biên lợi nhuận gộp cơ sở hạ tầng suy luận tăng từ 38% lên hơn 70%. Ngay cả khi giá mô hình giảm, tỷ lệ sử dụng mô hình cao cấp tăng, tỷ lệ hit cache cải thiện và hiệu quả phần cứng được nâng cao cũng có thể thúc đẩy biên lợi nhuận gộp tiếp tục mở rộng.

Nếu phán đoán này đúng, giai đoạn thứ hai của chuỗi công nghiệp AI sẽ không còn chỉ là “chip tiếp tục thắng lợi” hoặc “các nhà cung cấp đám mây phục hồi”.

Phòng thí nghiệm mô hình sẽ chuyển từ lớp tiêu tốn tiền bạc thành lớp thu hút giá trị mới.

Goldman Sachs và SemiAnalysis表面上在争AI ROI，实际争的是哪个样本更能代表未来。

Goldman Sachs đang nhìn vào các doanh nghiệp trung bình.

Các doanh nghiệp này có hệ thống dữ liệu phức tạp, gánh nặng IT lịch sử, quản lý quyền truy cập, yêu cầu tuân thủ và quy trình phê duyệt. Nhiều công ty để đáp ứng thị trường và hội đồng quản trị về chiến lược AI, đã bắt đầu bằng các chatbot, trợ lý nội bộ và các dự án thí điểm. Tiền chi ra là có thật, nhưng quy trình kinh doanh chưa chắc đã thay đổi. Nếu quy trình không thay đổi, thì ROI rất khó được ghi nhận vào báo cáo tài chính.

Đó là lý do tại sao Goldman Sachs nhấn mạnh vào cấu trúc dữ liệu và lớp sắp xếp.

Một doanh nghiệp bán lẻ nếu không tích hợp hệ thống tồn kho, hồ sơ khách hàng và hệ thống đề xuất, thì AI hỗ trợ khách hàng có thể đề xuất sản phẩm hết hàng. Một doanh nghiệp nếu không có lớp định tuyến mô hình, mọi truy vấn đơn giản cũng được giao cho mô hình tiên tiến nhất và đắt nhất, chi phí tất nhiên sẽ mất kiểm soát. Những điểm khiến AI bị kẹt không còn là do mô hình chưa đủ mạnh, mà là do doanh nghiệp vẫn chưa sẵn sàng để đưa mô hình vào hệ thống kinh doanh.

SemiAnalysis đang xem xét người dùng biên.

Các nhiệm vụ như nghiên cứu, mã hóa, mô hình hóa, biểu đồ và phân tích báo cáo tài chính vốn rất phù hợp với agent. Chúng mang tính văn bản, số hóa và cấu trúc cao, kết quả dễ đánh giá, và người dùng có khả năng tích hợp AI vào quy trình làm việc. Những tổ chức như vậy sẽ sớm thấy được ROI hơn so với doanh nghiệp thông thường và sẵn sàng tăng chi tiêu token.

Thị trường vốn cần xác định liệu mẫu dẫn đầu này có được lan rộng hay không.

Nếu SemiAnalysis chỉ thấy những giá trị ngoại lệ của một số người dùng siêu cấp, thì khung của Goldman Sachs sẽ chiếm ưu thế. Chi tiêu vốn cho AI sẽ ngày càng bị ràng buộc bởi dòng tiền, chuỗi bán dẫn cần hấp thụ kỳ vọng cao, và các nhà cung cấp đám mây có thể đạt được lợi nhuận tương đối nhờ kỷ luật chi tiêu và nén định giá.

Nếu SemiAnalysis đang nhìn thấy các chỉ báo dẫn đầu trước khi sự lan rộng xảy ra, thị trường không thể phủ nhận chuỗi AI dựa trên ROI thấp hiện tại của các doanh nghiệp trung bình. Khi Agentic AI được tích hợp vào nhiều quy trình làm việc của nhân viên văn phòng, nhu cầu token, doanh thu mô hình, doanh thu đám mây và nhu cầu phần cứng sẽ cùng tăng lên.

Phán đoán này quan trọng hơn nhiều so với việc “mua vào AI hay bán khống AI”. Thị trường không giao dịch các con số trung bình tĩnh, mà là liệu những thay đổi biên có trở thành xu hướng chính hay không.

Sự khác biệt lớn nhất giữa Goldman Sachs và SemiAnalysis về thị trường vốn cuối cùng tập trung vào NVIDIA và chuỗi bán dẫn.

Góc nhìn của Goldman Sachs rất trực tiếp: ngành bán dẫn đã thu về lợi nhuận lớn nhất và chắc chắn nhất ở giai đoạn đầu. Sau khi thị trường đã phản ánh hoàn toàn logic “bán cuốc”, tỷ lệ rủi ro - lợi nhuận bắt đầu xấu đi. Chỉ cần chi tiêu vốn của các nhà cung cấp đám mây giảm nhẹ, chuỗi bán dẫn sẽ đối mặt với áp lực kép về định giá và đơn hàng.

SemiAnalysis cho rằng NVIDIA và TSMC kiểm soát nguồn tài nguyên khan hiếm nhất trong thời đại AI, nhưng chưa định giá hoàn toàn theo giá trị thực của chúng.

Bài viết đề cập rằng giá bộ nhớ đã tăng khoảng 6 lần trong năm qua, và giá hợp đồng thuê H100 của Neocloud trong một năm đã tăng khoảng 40% so với mức thấp vào tháng 10 năm 2025. Đồng thời, NVIDIA và TSMC chưa định giá lại nhanh như giá trị token ở khâu cuối chuỗi.

SemiAnalysis gọi NVIDIA là "ngân hàng trung ương" của hệ sinh thái AI.

So sánh này rất chính xác. NVIDIA kiểm soát thanh khoản tính toán. Nó có khả năng tăng giá, nhưng không thể hút cạn toàn bộ hệ thống. Nếu tăng giá quá mạnh, nó sẽ kích thích khách hàng nhanh chóng chuyển sang tự phát triển ASIC, TPU, Trainium, đồng thời gây áp lực giám sát. TSMC cũng tương tự. Các tiến trình tiên tiến cực kỳ khan hiếm, nhưng nó luôn coi trọng mối quan hệ khách hàng và sự ổn định của hệ sinh thái, không bao giờ tận dụng tối đa tính khan hiếm trong giai đoạn tăng trưởng để thu lợi tức thời.

Kiềm chế không có nghĩa là không có không gian.

Rubin VR NVL72 là cơ sở quan trọng mà SemiAnalysis sử dụng để đánh giá rằng NVIDIA vẫn giữ quyền định giá. Theo mô hình của họ, để dự án VR NVL72 đạt được IRR 15,6% tương tự dự án GB300, chi phí thuê khoảng cần 4,92 USD/giờ/GPU; nếu tính theo mức giá thuê mỗi PFLOP của GB300, trần lý thuyết của VR NVL72 khoảng 12,25 USD/giờ/GPU; ngay cả với mức giá bảo thủ hơn là 0,55 USD/PFLOP, cũng tương ứng khoảng 9,63 USD/giờ/GPU, gần gấp đôi ngưỡng định giá chi phí.

Ý nghĩa ở đây rất rõ ràng: miễn là giá trị của token downstream tiếp tục tăng, hệ thống mới của NVIDIA vẫn còn khả năng tăng giá, Neocloud vẫn có thể kiếm lời, và người dùng cuối vẫn có thể chấp nhận.

Sự khác biệt giữa Goldman Sachs và SemiAnalysis trở nên sắc nét hơn.

Goldman Sachs cho rằng lợi nhuận độc quyền của ngành bán dẫn là không bền vững vì các ngành downstream vẫn chưa có đủ lợi nhuận.
SemiAnalysis cho rằng bể lợi nhuận ở khâu cuối đang mở rộng, do đó tầng phần cứng không kiếm được nhiều tiền, mà là chưa thu phí đầy đủ theo giá trị.

Biến duy nhất để xác định thắng thua: liệu hồ lợi nhuận mới do AI tạo ra có đủ lớn để đồng thời nuôi sống phòng thí nghiệm mô hình, nhà cung cấp đám mây, Neocloud, NVIDIA, TSMC, lưu trữ và chuỗi điện năng không.

Bánh không đủ lớn, Goldman Sachs thắng.

Bánh tiếp tục lớn hơn, SemiAnalysis chiến thắng.

Nhà cung cấp đám mây là lớp đáng ngại nhất trong cuộc tranh luận này.

Chúng vừa là những người chi tiêu nhiều nhất cho vốn đầu tư, vừa là nền tảng có khả năng thương mại hóa nhu cầu AI cao nhất. Chúng bị ép bởi NVIDIA, lưu trữ và chuỗi điện lực, đồng thời sở hữu khách hàng doanh nghiệp, dịch vụ đám mây, API mô hình, chip tự phát triển và hệ sinh thái phần mềm.

Goldman Sachs lạc quan về các nhà cung cấp đám mây vì thị trường đã phản ánh nhiều yếu tố tiêu cực. Chi tiêu vốn kìm hãm dòng tiền tự do, nhà đầu tư đặt câu hỏi về ROI của AI, và định giá chịu áp lực. Sau này, chỉ cần xuất hiện một trong hai tình huống sau, các nhà cung cấp đám mây sẽ có lộ trình phục hồi: doanh thu AI doanh nghiệp được hiện thực hóa, hoặc chi tiêu vốn thu hẹp.

SemiAnalysis nhìn từ phía cầu đối với các nhà cung cấp đám mây. Miễn là nhu cầu về token tiếp tục mở rộng, các phòng thí nghiệm mô hình và khách hàng doanh nghiệp sẽ cần thêm nhiều năng lực tính toán. Năng lực tính toán bị giới hạn bởi quy trình tiên tiến, bộ nhớ, điện năng và hệ thống cấp khung. Điều khiến người mua lo lắng nhất không phải là giá cao, mà là không thể mua được.

Do đó, các nhà cung cấp đám mây không chỉ là nạn nhân đơn thuần, cũng không phải là người chiến thắng tự động.

Chúng phải được chứng minh thông qua báo cáo tài chính rằng chi tiêu vốn AI có thể chuyển hóa thành doanh thu, lợi nhuận và sự trung thành của khách hàng. Việc tăng trưởng kinh doanh đám mây có đang tái tăng tốc không, việc công bố doanh thu AI có rõ ràng hơn không, tỷ lệ sử dụng suy luận có thể được cải thiện không, chip tự phát triển có thể giảm sự phụ thuộc vào NVIDIA không, khách hàng doanh nghiệp có đang chuyển từ thử nghiệm sang triển khai dài hạn không, dòng tiền tự do có ổn định chưa—những chỉ số này sẽ quan trọng hơn bao giờ hết.

Sự cải thiện của các chỉ số này sẽ củng cố logic tăng giá tương đối của Goldman Sachs đối với các nhà cung cấp đám mây.

Các chỉ số này vẫn không cải thiện, các nhà cung cấp đám mây vẫn tiếp tục là lớp chịu áp lực chi tiêu vốn nằm giữa NVIDIA và khách hàng doanh nghiệp.

Sự nhấn mạnh trong báo cáo của Goldman Sachs về “cấu trúc dữ liệu” và “lớp điều phối” có thể là phần gần nhất với thực tế doanh nghiệp.

Trí tuệ nhân tạo doanh nghiệp sẽ không mãi dừng lại ở việc nhân viên mở khung trò chuyện để đặt câu hỏi. Những AI thực sự có tác động tài chính cần được tích hợp vào các bộ phận như dịch vụ khách hàng, bán hàng, tài chính, mua hàng, nghiên cứu và phát triển, quản lý rủi ro, chuỗi cung ứng và vận hành CNTT. Mỗi quy trình đều có dữ liệu, quyền hạn, tuân thủ, quy trình phê duyệt, hệ thống lịch sử và ranh giới trách nhiệm.

Mô hình có mạnh đến đâu cũng không thể bỏ qua những điều này.

Đây chính là lúc lớp phần mềm doanh nghiệp trở nên quan trọng trở lại. Các nhiệm vụ có rủi ro thấp và tần suất cao có thể giao cho các mô hình nhẹ hoặc mô hình mã nguồn mở; chỉ các nhiệm vụ có rủi ro cao và giá trị cao mới cần đến các mô hình tiên tiến. Giữa hai lớp này cần một hệ thống để phân loại nhiệm vụ, gọi dữ liệu, kiểm soát quyền hạn, lựa chọn mô hình, giám sát chi phí và ghi lại kết quả.

• Ưu điểm của các công ty SaaS truyền thống là kinh nghiệm ngành, mối quan hệ khách hàng, lối vào dữ liệu và sự tích lũy quy trình làm việc. Nhược điểm là nợ kỹ thuật và tốc độ lặp lại.
• Ưu điểm của các công ty bản địa AI là tốc độ sản phẩm, khả năng gọi mô hình và cơ cấu chi phí. Nhược điểm là thiếu điểm vào doanh nghiệp và ngữ cảnh ngành.
• Ưu điểm của công ty mô hình tiên tiến là trí tuệ mạnh nhất. Nhược điểm là thiếu quyền kiểm soát quy trình doanh nghiệp.

Lớp phần mềm sẽ không đơn giản bị AI “ăn mất”. Những công ty phần mềm không kiểm soát được dữ liệu và quyền kiểm soát quy trình có thể bị mô hình trừu tượng hóa. Những công ty phần mềm nắm giữ cấu trúc dữ liệu, luồng công việc và định tuyến mô hình lại có cơ hội biến AI thành một thị trường lớn hơn, từ việc bán ghế ngồi sang bán năng suất.

Việc liệu ROI doanh nghiệp có thể lan rộng từ mẫu người dùng mạnh như SemiAnalysis đến các doanh nghiệp thông thường hay không, phần lớn phụ thuộc vào lớp này.

Trước đây, giao dịch AI hỏi: Ai gần nhất với năng lực tính toán?

Câu hỏi này hiện quá thô.

Giai đoạn tiếp theo, thị trường sẽ đặt câu hỏi về các biến số chi tiết hơn.

Đầu tiên, giá trị của token có tiếp tục tăng hay không. Nếu Agentic AI lan rộng từ mã nguồn, nghiên cứu và phân tích sang nhiều quy trình làm việc văn phòng hơn, các phòng thí nghiệm mô hình và chuỗi suy luận sẽ tiếp tục được đánh giá lại.

Thứ hai, biên lợi nhuận của phòng thí nghiệm mô hình có tiếp tục cải thiện không. Tăng trưởng doanh thu đã không còn đủ, thị trường sẽ quan tâm đến chi phí suy luận, hiệu quả bộ nhớ đệm, nâng cấp SKU và quyền định giá các mô hình tiên tiến.

Thứ ba, các nhà cung cấp đám mây có thể chuyển chi tiêu vốn thành doanh thu không. Chi tiêu vốn cho AI bản thân không còn tự động được xem là tin tích cực; chỉ những chi tiêu vốn có thể gia nhập doanh thu đám mây, biên lợi nhuận suy luận và hợp đồng doanh nghiệp mới được thị trường thưởng phạt.

Thứ tư, NVIDIA có thể tiếp tục tăng giá do các điểm nghẽn cấp hệ thống hay không. GPU chỉ là lớp đầu tiên; Rubin, SOCAMM, mạng, hệ thống cấp kệ, phần mềm và khả năng mua sắm chuỗi cung ứng sẽ quyết định liệu NVIDIA có thể tiếp tục thu hoa hồng hay không.

Thứ năm, TSMC và bộ nhớ có thể tái định giá sự khan hiếm không? Các nút tiến tiến, HBM, DRAM, SOCAIMM và đóng gói tiên tiến, nếu tiếp tục trở thành điểm nghẽn nguồn cung, giá trị sẽ không dễ dàng rời khỏi khâu đầu chuỗi.

Thứ sáu, phần mềm doanh nghiệp có thể nắm được điểm tiếp cận thực tế của AI hay không. Những công ty phần mềm không có điểm tiếp cận quy trình sẽ bị thu hẹp, trong khi những công ty phần mềm có điểm tiếp cận, có dữ liệu và khả năng sắp xếp có thể trở nên đắt giá hơn.

Giao dịch cơ sở hạ tầng AI không bị vô hiệu.

Nó tăng quá mạnh, mới khiến Goldman Sachs và SemiAnalysis có sự bất đồng này.

Goldman Sachs cảnh báo thị trường rằng lợi ích của chuỗi chip đã được khai thác hết. Nếu ROI của doanh nghiệp vẫn không đến, dòng tiền của các nhà cung cấp đám mây sẽ phản tác động đến chi tiêu vốn, và mô hình chỉ có bán dẫn hưởng lợi sẽ được điều chỉnh.

SemiAnalysis nhắc nhở thị trường rằng không thể dùng trải nghiệm AI năm 2024 để đánh giá Agentic AI năm 2026. Token đang trở thành tư liệu sản xuất, các phòng thí nghiệm mô hình bắt đầu cải thiện biên lợi nhuận gộp, nguồn cung năng lực tính toán vẫn còn căng thẳng, NVIDIA và TSMC có thể chưa định giá hoàn toàn theo giá trị thực.

Khi đặt hai phán đoán này cạnh nhau, trọng tâm của giao dịch AI đã thay đổi.

Hai năm qua, thị trường đã thưởng cho các tài sản khan hiếm. Tiếp theo, thị trường sẽ quan tâm xem ai có thể duy trì bền vững giá trị kinh tế do AI tạo ra trên bảng kết quả kinh doanh.

Nếu SemiAnalysis nhìn thấy điểm chuyển biến biên, chiếc bánh của chuỗi AI sẽ tiếp tục lớn hơn, và các công ty lab mô hình, nhà cung cấp đám mây, NVIDIA, TSMC, chuỗi lưu trữ và điện lực đều có lý do để tiếp tục chia sẻ lợi nhuận.

Nếu Goldman Sachs nhìn thấy thực tế gần với mức trung bình của doanh nghiệp, chi tiêu vốn sẽ chạm vào dòng tiền trước tiên, chuỗi bán dẫn cần hấp thụ những kỳ vọng quá cao, trong khi các nhà cung cấp đám mây lại nhận được lợi nhuận tương đối tốt hơn nhờ sự thu hẹp định giá và kỷ luật chi tiêu tiềm năng.

Trạng thái có khả năng nhất hiện tại nằm ở giữa hai trạng thái này.

Người dùng mạnh nhất đã bắt đầu mua mạnh token, trong khi các doanh nghiệp bình thường vẫn chưa tính xong sổ sách. Thị trường vốn sẽ giao dịch trước những thay đổi biên do người dùng mạnh nhất tạo ra, sau đó mới chờ các doanh nghiệp trung bình xác minh qua báo cáo tài chính. Càng xác minh nhanh, thế giới của SemiAnalysis càng gần; càng xác minh chậm, tỷ lệ thắng của giao dịch Goldman Sachs càng cao.

Cái “cuốc” của AI vẫn thống trị thị trường, nhưng câu hỏi đã chuyển từ “ai bán cuốc” sang một cuốn sổ khác: ai đã kiếm đủ lợi nhuận, ai vẫn có thể tiếp tục tăng giá, và ai sẽ trở thành chủ thuê thực sự ở tầng tiếp theo.