Mục lục
TL;DR: Cuộc đua xây hạ tầng AI đang được tài trợ vốn rất lớn, bao gồm cả nợ vay và những nghĩa vụ thanh toán chưa hiện rõ đầy đủ trên bảng cân đối kế toán. Theo ước tính, riêng lượng phát hành nợ phục vụ mở rộng trung tâm dữ liệu trong năm nay có thể đạt 132 tỷ USD.
Đây là vấn đề đáng theo dõi không chỉ với các tập đoàn công nghệ lớn như Google, Amazon, Microsoft, Meta và Oracle. Các phòng thí nghiệm phát triển mô hình AI, nhà đầu tư, doanh nghiệp mua dịch vụ AI và thị trường vốn đều phụ thuộc vào giả định rằng nhu cầu AI sẽ tăng đủ nhanh để bù cho chi phí hạ tầng.
Điểm đáng lo là hai xu hướng đang đi ngược nhau: giá AI tính cho khách hàng giảm nhanh, trong khi chip, máy chủ và các thành phần vật lý của datacentre vẫn đắt đỏ vì nhu cầu cao. Nếu doanh thu không theo kịp các khoản phải trả khi hợp đồng hạ tầng đến hạn, áp lực có thể lan rộng qua chuỗi công ty đang liên kết chặt chẽ trong hệ sinh thái AI.
Đầu tư hạ tầng AI dựa nhiều vào nợ
Datacentre là nền tảng vật lý để huấn luyện và vận hành các mô hình AI: nơi đặt chip, máy chủ, hệ thống làm mát, mạng và nguồn điện. Việc xây mới hoặc mở rộng các trung tâm này đòi hỏi vốn đầu tư ban đầu rất lớn, khiến các tập đoàn công nghệ quy mô cực lớn, thường được gọi là hyperscaler, phải huy động thêm tài chính.
Con số 132 tỷ USD phát hành nợ chỉ phản ánh một phần bức tranh. Trong bối cảnh lợi suất trái phiếu kho bạc Mỹ kỳ hạn 10 năm quanh mức 5%, chi phí đi vay không còn thấp như giai đoạn tiền rẻ. Các khoản nợ lớn có thể trở thành yếu tố khiến nhà đầu tư đánh giá lại mức độ rủi ro của ngành nếu kỳ vọng doanh thu AI suy yếu.
Không phải mọi khoản đầu tư datacentre đều đồng nghĩa với bong bóng. Hạ tầng có thể phục vụ nhiều loại dịch vụ đám mây và nhu cầu xử lý dữ liệu dài hạn. Tuy nhiên, tốc độ mở rộng hiện nay đặt cược vào việc AI tạo sinh sẽ nhanh chóng trở thành nguồn doanh thu rất lớn và ổn định.
Giá AI giảm trong khi chi phí xây dựng chưa giảm tương ứng
Đơn vị kinh tế, tức chênh lệch giữa doanh thu kiếm được trên mỗi đơn vị dịch vụ và chi phí để cung cấp dịch vụ đó, vẫn là câu hỏi lớn của AI. Bài phân tích dẫn trường hợp OpenAI đã nhiều lần giảm phí nhằm giữ chân khách hàng, cho thấy cạnh tranh có thể hạn chế khả năng chuyển chi phí hạ tầng sang người dùng.
Chỉ số của Silicon Data, theo dõi số tiền khách hàng trả cho một triệu token, cho thấy mức giá này đã giảm hơn một nửa kể từ tháng 6 và xuống dưới 1 USD. Token là đơn vị văn bản hoặc dữ liệu mà các mô hình ngôn ngữ dùng để xử lý đầu vào và tạo câu trả lời.
Ở chiều ngược lại, chi phí phần cứng chưa đi xuống tương ứng. Nhu cầu mạnh với chip bán dẫn và linh kiện datacentre đang giữ giá ở mức cao. Điều đó khiến các công ty xây hạ tầng phải dựa vào giả định rằng lượng người dùng và mức chi tiêu cho AI sẽ tăng ở quy mô rất lớn, kể cả từ các nhu cầu xử lý tài liệu và tạo báo cáo, thay vì chỉ tăng trưởng vừa phải.
Một số công ty có thể công bố các chỉ số lợi nhuận đã điều chỉnh, nhưng cách đo này đôi khi loại trừ nhiều khoản chi phí quan trọng. Với nhà đầu tư và khách hàng doanh nghiệp, điều cần phân biệt là dòng tiền thực tế, chi phí vận hành toàn phần và các nghĩa vụ sẽ phát sinh sau này, thay vì chỉ nhìn vào một chỉ số tài chính riêng lẻ.
Cam kết take or pay có thể tạo áp lực khi trung tâm dữ liệu vận hành
Rủi ro lớn hơn có thể nằm ở các cam kết chưa được tính như nợ thông thường. Nghiên cứu của Groundbreaker được dẫn lại ước tính các phòng thí nghiệm AI phải đối mặt với “compute commencement wall”, tức đợt nghĩa vụ chi trả cho năng lực tính toán bắt đầu phát sinh, lên tới 1,5 nghìn tỷ USD trong vài năm tới.
Một phần các dự án được triển khai theo hợp đồng “take or pay”. Theo cơ chế này, khách hàng cam kết mua hoặc thanh toán cho một mức năng lực hạ tầng nhất định. Tiền có thể chưa phải trả ngay trong giai đoạn datacentre đang xây, nhưng sẽ đến hạn khi mốc thời gian trong hợp đồng được kích hoạt, thường sau hai hoặc ba năm, và trung tâm dữ liệu bắt đầu hoạt động.
Trong thời gian chờ đó, bên xây datacentre có thể ghi nhận giá trị hợp đồng là doanh thu kỳ vọng trong tương lai, còn bên mua năng lực tính toán chưa phải hạch toán toàn bộ chi phí sử dụng sẽ phát sinh. Điều này có thể làm bức tranh tài chính hiện tại trông nhẹ hơn so với nghĩa vụ thực tế trong tương lai.
Theo phân tích được nêu, chi phí có thể tăng đột ngột lên khoảng 700 tỷ USD vào năm tới và hơn 800 tỷ USD vào năm 2027 khi các hợp đồng đáo hạn và datacentre đi vào vận hành. Đây không nhất thiết là nợ theo định nghĩa kỹ thuật, nhưng vẫn là nghĩa vụ tài chính có thể gây tác động tương tự nếu doanh thu không đủ để chi trả.
Vì sao đáng chú ý?
Tranh luận về AI thường tập trung vào an toàn mô hình, quyền riêng tư, lạm dụng nội dung hoặc nguy cơ hệ thống AI hoạt động ngoài kiểm soát. Những vấn đề này không vì thế mà giảm tính cấp thiết. Nhưng cấu trúc tài chính phía sau AI cũng cần được xem xét riêng, bởi rủi ro có thể xuất hiện trước khi các lo ngại dài hạn trở thành hiện thực.
So sánh với khủng hoảng tài chính 2007-2008 trong bài phân tích không khẳng định lịch sử sẽ lặp lại. Điểm tương đồng được nhấn mạnh là các nghĩa vụ có thể dồn lại khi điều kiện ưu đãi kết thúc, khiến chi phí tăng mạnh trong một thời gian ngắn. Khi đó, một mô hình kinh doanh chỉ vận hành được với tăng trưởng doanh thu rất cao sẽ dễ bị tổn thương nếu khách hàng chọn lựa phương án rẻ hơn hoặc không chi tiêu như dự kiến.
Với doanh nghiệp đang ứng dụng AI, diễn biến này cũng nhắc lại một thực tế: giá dịch vụ có thể tiếp tục cạnh tranh, nhưng sự ổn định của nhà cung cấp và mô hình định giá dài hạn phụ thuộc đáng kể vào hiệu quả kinh tế của toàn bộ chuỗi hạ tầng.
Skills Bridge tổng hợp
