Morgan Stanley phát hành báo cáo chỉ ra rằng việc ra mắt GPT-6 Astra sẽ thay đổi hướng tranh luận trên thị trường. Astra đại diện cho bước nhảy vọt đáng kể về khả năng suy luận, khả năng kỹ thuật, sử dụng máy tính và thực hiện các nhiệm vụ trong thế giới vật lý, cho thấy AI đang mở rộng từ tương tác đơn giản sang thực hiện các nhiệm vụ phức tạp.

Tác giả bài viết: Long Nguyệt

Nguồn bài viết: Wall Street Journal

Một mô hình vừa được phát hành đang thay đổi hướng tranh luận trên thị trường.

Trong vài tháng qua, thị trường đã tranh luận về một câu hỏi: “Cần bao nhiêu hạ tầng để đáp ứng nhu cầu AI đã được biết đến?” Câu hỏi này ngụ ý rằng: liệu hạ tầng AI đã bị đầu tư quá mức chưa?

Tuy nhiên, theo thông tin từ nền tảng giao dịch Chase Wind, báo cáo được Morgan Stanley công bố vào ngày 7 tháng 9 chỉ ra rằng tầm quan trọng của GPT-6 Astra không nên được hiểu đơn giản là sự tiếp nối của một câu chuyện mở rộng quy mô (Scaling). Đây không phải là một lần nâng cấp mô hình khác.

Astra đại diện cho bước nhảy vọt đáng kể về phạm vi khả năng và tính tương tác, được thể hiện qua bốn hướng: khả năng suy luận, năng lực kỹ thuật, sử dụng máy tính và thực hiện nhiệm vụ trong thế giới vật lý. Điều này có nghĩa là AI đã bắt đầu tiến tới mức có thể thực hiện các nhiệm vụ suy luận phức tạp, các công việc kỹ thuật chuyên sâu, thao tác trực tiếp trên máy tính và thậm chí xử lý các nhiệm vụ trong thế giới thực. Số lượng việc có thể làm tăng lên, từ đó các cơ hội kiếm tiền cũng mở rộng. OpenAI mới đây cũng cho biết, các mô hình tốt hơn đang mở ra những “lĩnh vực công việc” mới.

AI narrative lại quay trở lại từ “tranh luận về nhu cầu” sang “rào cản vật lý”

Sự xuất hiện của Astra có thể chuyển đổi vấn đề cốt lõi của thị trường từ “cần bao nhiêu cơ sở hạ tầng để phục vụ nhu cầu AI đã biết” thành “khi trí thông minh của các mô hình được nâng cao, có bao nhiêu tải công việc mới sẽ trở nên khả thi về mặt kinh tế?”

Đây là một vấn đề có hướng hoàn toàn ngược lại. Cái trước là sự nghi ngờ từ phía cầu, cái sau là áp lực từ phía cung.

Các chuyên gia phân tích đã đưa ra một logic kinh tế cốt lõi trong báo cáo: các mô hình tốt hơn có thể tạo ra hiệu ứng co giãn — khi AI càng nhận được nhiều trí tuệ và tính hữu dụng hơn cho mỗi đô la chi tiêu, số lượng, thời lượng và độ phức tạp của các tải công việc suy luận sẽ tăng lên tương ứng.

Điều này tương tự như “nghịch lý Jevons” cổ điển: việc nâng cao hiệu suất không làm giảm mức tiêu thụ, mà ngược lại còn mở rộng tổng mức tiêu thụ. Tăng sản lượng thông minh trên mỗi đơn vị chi phí → các kịch bản ứng dụng trước đây không khả thi trở nên khả thi → các tải công việc mới tràn vào → nhu cầu về sức mạnh tính toán và hạ tầng lại tăng lên.

Các chuyên gia phân tích cho rằng, nếu khả năng của Astra được chuyển hóa thành các ứng dụng có giá trị thương mại, thì nguồn thu AI có thể tiếp cận sẽ được mở rộng đáng kể, vượt xa các kịch bản sử dụng hiện tại chủ yếu tập trung vào trò chuyện và mã hóa.

Morgan Stanley ước tính, tổng thị trường (TAM) cho công việc tri thức toàn cầu khoảng 22,5 nghìn tỷ USD (dựa trên 900 triệu lao động tri thức toàn cầu, mức lương trung bình hàng năm khoảng 25.200 USD); TAM chi tiêu của người tiêu dùng khoảng 30 nghìn tỷ USD, bao gồm bán lẻ + du lịch (khoảng 16 nghìn tỷ USD), tự lái/đi lại (khoảng 4 nghìn tỷ USD), giao hàng ăn uống (khoảng 4 nghìn tỷ USD) và quảng cáo (khoảng 3 nghìn tỷ USD).

Kết luận của nhà phân tích là: Sự xuất hiện của Astra đã kéo câu chuyện về điểm nghẽn trở lại từ “hình thành nhu cầu” sang “ràng buộc về nguồn cung vật lý” – tức là liệu có thể giao những trí tuệ này trong điều kiện quy mô lớn hay không.

Cụ thể là gì? Tính toán. Điện năng. Vật liệu. Lao động. v.v.

Các điểm nghẽn vật lý cụ thể ở đâu: ABF và HBM4E

Sự căng thẳng ở phía cung có hai điểm cụ thể để tiếp cận.

Đầu tiên là bo mạch ABF.

Morgan Stanley dự kiến rằng bảng ABF sẽ bắt đầu thiếu hụt nguồn cung từ năm 2027, và khoảng cách này sẽ tiếp tục mở rộng đến năm 2030. Rào cản chính là: công suất mới ít nhất cần 2 năm để đi vào hoạt động.

Thứ hai là độ phức tạp của quy trình sau (BEOL) của HBM4E.

Báo cáo chỉ ra rằng quy trình sau của HBM4E đại diện cho một sự thay đổi mô hình lớn trong sản xuất bán dẫn — HBM chuyển từ các cụm bộ nhớ 3D chuyên dụng thành hệ thống logic Chiplet tùy chỉnh tích hợp cao.

Chuỗi tác động cụ thể:

• Số lớp liên kết HBM4E tăng lên (ví dụ: SK Hynix áp dụng dummy bump), chi tiêu vốn lớn của DRAM sẽ buộc phải dùng để mở rộng năng lực BEOL
• Chi tiêu vốn cho việc chuyển đổi quy trình ở giai đoạn trước (FEOL) và sản lượng DRAM GB sẽ tăng tốc, dự kiến sẽ đạt được vào nửa cuối năm 2027
• Các nhà sản xuất DRAM ưu tiên sử dụng năng lực sản xuất thiết bị, do đó việc mở rộng năng lực sản xuất NAND có thể bị hoãn lại

Đặc điểm chung của hai điểm nghẽn này: đều là các ràng buộc vật lý có thể xác minh và theo dõi, không phải là tâm lý thị trường.

Electricity: The most real physical bottleneck

Khi áp lực giám sát đối với trung tâm dữ liệu gia tăng, nguồn cung điện trở thành một rào cản vật lý quan trọng khác. Các chuyên gia phân tích dự kiến tổng công suất của các nhà cung cấp đám mây quy mô lớn sẽ tăng từ khoảng 35 GW vào năm 2025 lên khoảng 145 GW vào năm 2028, tăng khoảng 4 lần.

Các chuyên gia phân tích chỉ ra rằng Mỹ đang đối mặt với khoảng trống điện lực 38 gigawatt, và các trung tâm dữ liệu sẽ ngày càng áp dụng các giải pháp tự phát điện sau đồng hồ (behind-the-meter).

The line estimates that the post-meter power solution will add approximately $3 billion in capital expenditure per gigawatt. For example, with NVIDIA’s Rubin Ultra first-generation chips, the all-inclusive cost including post-meter power is approximately $50 billion per gigawatt.

Thị trường đã đánh giá thấp điều gì

Các chuyên gia phân tích cho rằng thị trường hiện đang đánh giá thấp ba điều sau:

Đầu tiên, những người hưởng lợi toàn cầu từ GPT-6 Astra chưa được định giá đầy đủ.

Thứ hai, tình trạng khan hiếm nguồn cung có thể kéo dài hơn. Các hạn chế đối với ABF và HBM4E BEOL đều không thể giải quyết trong ngắn hạn.

Thứ ba, một số cổ phiếu không phụ thuộc vào AI nhưng vẫn đang dần mạnh lên. Các chip mô phỏng (STM, NXP, Renesas) sau hơn ba năm đáy hình chữ L đang ở giai đoạn phục hồi đầu chu kỳ—giảm hàng tồn kho, giá cả ổn định, đơn hàng công nghiệp cải thiện.

Kết luận không phải là “mua nhiều AI”

Morgan Stanley đưa ra mức độ ưu tiên đầu tư:

AI tính toán (ưu tiên hàng đầu) > Mạng (ưu tiên thứ hai) > Bộ nhớ (tùy chọn) + Chip mô phỏng (phòng ngừa giai đoạn đầu), bao gồm:

• AI tính toán: GPU (NVIDIA), ASIC (MediaTek, GUC), bo mạch ABF (Hsin Chiu, Ibiden), MLCC (Murata, Samsung Electro-Mechanics), đóng gói và kiểm thử sau (Advantest, Tokyo Electron, Hua Feng, ASE, Kyocera) và nguồn điện (Delta)
• Mạng: GLW, LITE, COHR, KEYS, Furukawa Electric, Fujikura
• Memory: Prioritize structural share growth and localization (CXMT), SK Hynix, Samsung, and Kioxia have tactical upside potential amid continued supply tightness
• Không phải AI: Chip mô phỏng (STMicroelectronics, NXP, Renesas)

Dòng này cho biết: “Chúng tôi ưu tiên các công ty nằm ở giao điểm của chu kỳ suy luận rộng hơn, năng lực sản xuất vật lý hạn chế, cường độ nội dung tăng lên và độ phức tạp sản xuất gia tăng.”

Những nơi cần giữ tỉnh táo

Báo cáo của Morgan Stanley không chỉ đơn thuần mang tính lạc quan, mà còn rõ ràng cảnh báo ba điểm cần lưu ý:

Đầu tiên, kỳ vọng của AI đã rất cao. Sự dung nạp của thị trường đối với các công ty AI đã thay đổi từ “hiệu suất tốt” thành “phải hoàn hảo”, ngay cả khi Astra mang lại những tiến bộ thực chất, nếu kết quả không vượt xa kỳ vọng, phản ứng giá cổ phiếu có thể vẫn hạn chế.

Thứ hai, tốc độ tăng chi tiêu vốn năm 2028 dự kiến sẽ chậm lại. Định giá cổ phiếu phụ thuộc vào hướng thay đổi của tốc độ tăng trưởng, sự giảm tốc có thể tiếp tục kìm hãm định giá, ngay cả khi giá trị tuyệt đối vẫn đang tăng.

Thứ ba, các yếu tố thuận nghịch vĩ mô vẫn còn. Báo cáo đề cập đến các yếu tố không chắc chắn như giá dầu, lạm phát, lộ trình lãi suất của Fed và cuộc bầu cử tổng thống Mỹ năm 2028, đặc biệt chú trọng đến khả năng gặp phải trở ngại chính trị đối với việc mở rộng trung tâm dữ liệu nếu đảng Dân chủ giành quyền hành pháp.