Ba cấp độ chuyển đổi của kể chuyện AI

Kể từ năm 2026, câu chuyện về AI toàn cầu đang trải qua một sự thay đổi đáng kể về mặt biên giới, ít nhất chúng ta đã thấy ba cấp độ chuyển đổi trong câu chuyện này.

Cấp độ đầu tiên: Những bất đồng bắt đầu xuất hiện về Scaling Law.

Trong vài năm qua, động lực chính của đầu tư AI dựa trên quy luật kinh nghiệm Scaling Law: mô hình càng lớn, dữ liệu càng nhiều, sức mạnh tính toán càng mạnh, hiệu suất càng tốt. Nhưng quy luật này đang xuất hiện những vết nứt:

Thứ nhất, các giới hạn vật lý như nguồn điện, biến áp và các linh kiện khác.

Thứ hai, điểm nghẽn dữ liệu, khi dữ liệu văn bản chất lượng cao dùng để huấn luyện mở đang cạn kiệt.

Thứ ba, hiệu quả biên của đầu tư giảm dần, mặc dù hướng đi của Scaling Law vẫn còn, vẫn có lý do để tiếp tục đầu tư, nhưng lợi ích biên của mô hình (tức là nâng cao khả năng của mô hình trên mỗi đơn vị đầu tư) có thể giảm sút.

Vì vậy, ngoài xây dựng sức mạnh tính toán, việc mở rộng thuật toán đang dần trở thành một trọng tâm công nghệ khác, ví dụ như mở rộng khả năng suy luận (Test-Time Compute) như suy luận theo chuỗi tư duy CoT, mở rộng inference-timescaling trong quá trình suy luận, hậu huấn luyện (Post-Training), tối ưu kiến trúc (như cơ chế chú ý tuyến tính LinearAttention, mô hình không gian trạng thái SSM) và trí tuệ tại biên (SLMs).

Cấp độ thứ hai: Từ “chi phí CAPEX” của thưởng phạt sang “lo lắng về lợi nhuận”.

Theo hướng dẫn mới nhất, các tập đoàn công nghệ lớn của Mỹ đã tuyên bố chi tiêu vốn cho AI vượt quá 700 tỷ USD vào năm 2026, nhưng thị trường đã chuyển từ việc thưởng cho “chi phí vốn” sang lo lắng về việc “quá chậm trong việc biến thành lợi nhuận”. Hiểu quy mô đầu tư này qua hai khung tham chiếu:

(1) Khung tham chiếu lịch sử: Năm 2025, tỷ trọng chi tiêu vốn của các doanh nghiệp công nghệ Mỹ so với GDP đã lên tới khoảng 1.9%, dự kiến năm 2026 sẽ tiếp tục tăng trên 2%, gần bằng tổng của các dự án hạ tầng lớn của thế kỷ 20: xây dựng mạng băng thông rộng toàn quốc đầu thế kỷ chiếm khoảng 1.2% GDP; mở rộng điện lực, chương trình Apollo, hệ thống đường cao tốc liên bang thập niên 1960 mỗi khoảng 0.6%. Hiện tại, mức đầu tư hạ tầng AI ở Mỹ đang ở mức cực cao trong lịch sử kinh tế.

(2) Khung tham chiếu dòng tiền của các doanh nghiệp: Theo tính toán, năm 2026, năm tập đoàn đám mây lớn nhất của Mỹ sẽ dành khoảng 90% dòng tiền hoạt động cho chi phí vốn (năm 2025 là 65%). Thậm chí, một số công ty dự kiến chi tiêu vốn vượt quá dòng tiền hoạt động, có thể dẫn đến dòng tiền tự do âm vào năm 2026, cảnh báo tài chính trở nên thực tế hơn. Đồng thời, rủi ro vay nợ tăng nhanh, dự kiến tổng phát hành trái phiếu của các tập đoàn công nghệ Mỹ năm 2026 có thể lên tới 400 tỷ USD, thậm chí phát hành trái phiếu kỳ hạn trăm năm cũng thu hút sự chú ý của thị trường.

Cấp độ thứ ba: Những lo ngại sâu sắc hơn bắt nguồn từ khả năng AI gây ra cuộc cách mạng trong nhiều ngành công nghiệp gần đây.

Tiến trình của câu chuyện này có một mạch rõ ràng: từ việc thay đổi cách tìm kiếm và tiếp cận thông tin, đến thay đổi phần mềm và quy trình kinh doanh, cuối cùng là dự đoán về các mô hình vĩ mô, liên quan chặt chẽ đến giai đoạn phát triển của AI.

Bước đầu tiên là thời đại Chat, thay đổi cách tìm kiếm và tiếp cận thông tin. Từ khi ChatGPT ra đời đến đầu năm 2025, AI chủ yếu tồn tại dưới dạng trợ lý đối thoại — trả lời câu hỏi, tạo văn bản, hỗ trợ tìm kiếm. Giai đoạn này ảnh hưởng tương đối nhẹ nhàng, chưa thay thế trực tiếp phần mềm kinh doanh hay vị trí công việc cụ thể, câu chuyện thị trường tập trung vào “ai có thể huấn luyện ra mô hình tốt nhất” và “ai cung cấp hạ tầng tính toán nền tảng”.

Bước thứ hai là thời đại Agent, thay đổi phần mềm và quy trình kinh doanh. Đầu tháng 2 năm nay, Anthropic ra mắt ClaudeCowork, đánh dấu sự chuyển đổi từ “trả lời dạng sinh ra” sang “thực thi tự chủ các quy trình liên ngành”, gây ra làn sóng bán tháo mạnh các cổ phiếu phần mềm (gọi là “SaaSpocalypse”, lo ngại về ngày tận thế của SaaS), lan sang các ngành dịch vụ tài chính, quản lý tài sản thay thế, pháp lý, bất động sản thương mại và vận tải.

Bước thứ ba là thời đại AI toàn diện, dự đoán cho tương lai. Bài viết trên Substack “THE2028GLOBALINTELLIGENCECRISIS” không có nhiều ý mới, nhưng đọc rất hay, sắc sảo, chỉ ra vấn đề “GhostGDP” và thay thế nhân viên văn phòng, dẫn đến thảo luận về cuộc cách mạng mô hình vĩ mô. Khi AI không chỉ thay thế một ngành, không còn chỉ hỗ trợ “lao động”, mà trực tiếp thay thế “lao động” như một yếu tố sản xuất, thì các mô hình vận hành vĩ mô truyền thống có thể đối mặt với thách thức mang tính đột phá.

Mô hình truyền thống là “sản xuất → phân phối → tiêu dùng → tái sản xuất”, trong đó “con người” vừa là nhà sản xuất vừa là người tiêu dùng, là nguồn cung yếu tố sản xuất và cũng là nguồn cầu, tạo thành chu trình kinh tế gồm năm ngành. Nhưng trong thời đại AI toàn diện, nếu AI trực tiếp thay thế lao động, có thể dẫn đến một số kết quả:

① Về yếu tố sản xuất, tầm quan trọng của lao động sẽ giảm đi, trong khi mô hình, dữ liệu, sức mạnh tính toán (vốn vẫn là yếu tố vốn) sẽ ngày càng quan trọng hơn. ② Về cung, AI làm thay đổi căn bản đường cung, chi phí cận biên giảm rõ rệt, độ co giãn cung tăng nhanh, quy mô kinh tế được đẩy lên cực đại. ③ Về cầu, sự biến dạng của thu nhập từ lao động có thể ảnh hưởng đến cấu trúc thu nhập và cầu, các mối quan hệ cung cầu truyền thống, mối quan hệ đầu tư tiết kiệm có thể bị bóp méo. Chu trình kinh tế, cơ chế phân phối có thể thay đổi, gây ra những cuộc cách mạng trong chu kỳ kinh tế dựa trên cung cầu, cơ chế giá lượng, và thậm chí là cấu trúc hệ thống tài chính và xã hội.

Vì vậy, những thay đổi biên của câu chuyện AI khiến thị trường không còn chỉ mua bán “câu chuyện” nữa, một mặt lo lắng AI không hiệu quả (quá chậm trong biến lợi nhuận), mặt khác lại lo lắng AI quá mạnh (đột phá mang tính cách mạng). Làm thế nào để hiểu được tâm lý mâu thuẫn này?

Về mặt logic, ba cấp độ câu chuyện này đều phản ánh các vấn đề thực tế, đặt ra một câu hỏi nghiêm túc cần đối mặt. Nhưng vấn đề then chốt là thời gian của cuộc cách mạng và giới hạn cuối cùng của nó, thực ra rất khó dự đoán trước, hiện tại thị trường đang theo đuổi theo cảm xúc hoảng loạn, dự đoán theo chiều hướng tiêu cực nhất.

Một lý do quan trọng có thể xuất phát từ việc định giá quá cao và cấu trúc giao dịch dễ tổn thương, trở thành yếu tố làm tăng cường sự hoảng loạn. Trước đợt điều chỉnh này, các lĩnh vực liên quan đến AI có định giá ở mức cao nhất trong lịch sử, các lĩnh vực phần mềm doanh nghiệp cũng không thấp, trong bối cảnh câu chuyện này kích hoạt, đã tập trung giải phóng.

Ngược lại, các công ty bị ảnh hưởng vẫn có nền tảng vững chắc, các báo cáo tài chính mới nhất của các công ty phần mềm hàng đầu vẫn cho thấy tăng trưởng doanh thu ổn định và biên lợi nhuận cải thiện, một số có khách hàng sâu rộng, chi phí chuyển đổi cao, rào cản dữ liệu và tuân thủ, nếu AI được tích hợp như một chức năng gia tăng giá trị, có thể còn hưởng lợi.

Về cuộc cách mạng mô hình vĩ mô, cũng có nhiều ý kiến phản biện. Thứ nhất, “nguyên lý Jevons” (Jevons Paradox) chỉ ra rằng, nâng cao hiệu quả thường dẫn đến tăng trưởng nhu cầu theo cấp số nhân, chứ không chỉ đơn thuần thay thế, ngay cả khi năng suất AI tăng mạnh, các “lợi ích giảm phát” (giảm giá sản phẩm và dịch vụ) mang lại có thể kích thích nhu cầu mới và ngành mới. Thứ hai, AI có thể tạo ra các ngành nghề mới mà hiện tại chưa thể tưởng tượng, khả năng thích ứng của xã hội thường mạnh hơn dự đoán của mô hình. Thứ ba, trong các nhiệm vụ liên quan đến quy định, tương tác vật lý, các mối quan hệ phức tạp giữa người và người, hay các quyết định phi tiêu chuẩn cao, chi phí thay thế của AI còn cao hơn giả định của thị trường, và các thể chế, luật pháp, thói quen xã hội vốn đã tạo ra các giới hạn giảm tốc.

Vì vậy, cuộc cách mạng AI đáng để nghiêm túc đối mặt, nhưng quá trình thay đổi có thể không diễn ra trong một bước, thời gian, giới hạn và độ không chắc chắn của cuộc cách mạng này thực ra phản ánh các cơ hội phân hóa và cấu trúc. Nếu nhìn theo hướng động và có cấu trúc, nhà đầu tư cần chuyển từ “mua một rổ AI” sang “lựa chọn mục tiêu tinh vi hơn”. Đặc biệt sau khi cảm xúc hoảng loạn và định giá được tiêu hóa, vấn đề cần chú ý hơn là: những thay đổi nào có khả năng xảy ra lớn, những gì không xảy ra? Những gì xảy ra trước, những gì xảy ra sau? Những gì là thay thế, những gì là bổ sung? Sự phân hóa sẽ còn tiếp tục mở rộng.

Chúng tôi đề xuất một số góc nhìn để lọc lựa:

(1) Ở cấp độ phần cứng, tìm kiếm các “chuỗi ràng buộc mạnh”. Trong bối cảnh kỳ vọng chi tiêu vốn đã khá tích cực, việc phần cứng có thể thu lợi nhuận vượt trội ngày càng khó khăn hơn, thị trường không còn thưởng cho chi phí vốn nữa, cần chú ý các phần có giới hạn cung ứng chặt chẽ, quyền định giá mạnh nhất, đặc biệt các phần đã mở rộng chậm trong quá khứ, chu kỳ mở rộng dài hơn, ít phương án thay thế hơn, như các linh kiện lưu trữ, giới hạn lưới điện, biến áp, các thiết bị đóng gói tiên tiến, cáp quang, các giới hạn cung ứng này mang lại khả năng định giá cao hơn.

**(2) Cạnh tranh ở cấp độ mô hình ngày càng khốc liệt, ngoài trọng số mô hình, cần lọc theo các tiêu chí: **có dữ liệu riêng độc quyền để huấn luyện mô hình phân biệt? có hạ tầng suy luận chi phí cực thấp? và có khả năng chuyển đổi năng lực mô hình thành các giải pháp và ứng dụng hoàn chỉnh nhanh chóng không? Tìm kiếm “khả năng mô hình + vòng quay dữ liệu + hàng rào thương mại” tích hợp. Từ giữa 2025, cổ phiếu các tập đoàn công nghệ lớn của Mỹ đã giảm từ tương quan khoảng 0.8 xuống còn khoảng 0.2, gần đây thị trường khai thác chuỗi Anthropic, ByteDance, mô hình phân hóa vẫn còn tiếp diễn.

(3) Ở cấp độ ứng dụng: ưu tiên các mục tiêu có thể triển khai nhanh, đã chứng minh giá trị AI chuyển đổi, các ứng dụng có thể đo lường rõ ràng hiệu quả giảm chi phí, tăng hiệu quả (ROI), các ứng dụng có thể nhanh chóng tích hợp vào quy trình cốt lõi của doanh nghiệp, các ứng dụng gốc trong lĩnh vực chuyên ngành.

Với các lĩnh vực như SaaS đã điều chỉnh nhiều gần đây, thị trường có thể dần phân biệt “SaaS chức năng mỏng dễ bị AI thay thế” và “cơ sở dữ liệu và thực thi không thể thiếu trong kỷ nguyên AI”, các lĩnh vực dịch vụ dữ liệu, an ninh, tuân thủ, pipeline dữ liệu, thanh toán giao dịch, các lĩnh vực “không thể thiếu” trong AI nội tại, có thể có cơ hội bị “đánh giá sai”.

(4) Một góc nhìn khác là sự khác biệt trong lộ trình AI giữa Trung Quốc và Mỹ. Lộ trình và ý nghĩa vĩ mô của AI phát triển ở hai nước có khác biệt. Thứ nhất, Trung Quốc nhấn mạnh “hiệu quả tính toán ưu tiên”, dựa nhiều vào tối ưu thuật toán, hệ sinh thái mã nguồn mở và kỹ thuật để nâng cao hiệu quả, dù hiện tại vẫn thiếu hụt về sức mạnh tính toán, nhưng thay thế tính toán nội địa có thể có lợi thế hơn về đầu tư, và việc đuổi theo các mô hình lớn cũng là một hướng quan trọng. Thứ hai, cấu trúc kinh tế khác nhau quyết định các kênh truyền dẫn tác động của AI giữa hai nước. Mỹ do tỷ lệ dịch vụ cao, chi phí lao động trí thức đắt đỏ, nên tác động thay thế và áp lực giảm phát của AI trong ngắn hạn mạnh hơn, còn dài hạn thì vẫn còn lo ngại về khả năng phục hồi ngành sản xuất Mỹ (khó khăn lớn). Trong khi Trung Quốc có nền công nghiệp sản xuất lớn, có lợi thế về điện lực, AI được xem như công cụ nâng cao năng suất các yếu tố, chứ không chỉ thay thế lao động, cơ hội cấu trúc nằm ở độ phong phú của các kịch bản và khả năng chuyển đổi dịch vụ sản xuất, điều này có nghĩa là lý luận đầu tư AI của Trung Quốc sẽ tập trung hơn vào “công nghiệp hóa” và “kết hợp mềm – cứng”.

Trong vài năm qua, theo dõi và hiểu về chuỗi AI đã mang lại cho nhà đầu tư một “chất lượng nhận thức” rõ rệt. Cuộc cách mạng AI không còn nghi ngờ là chủ đề quan trọng nhất của thời đại, nhưng khi các mục tiêu liên quan có định giá cao, các đợt IPO của các doanh nghiệp hàng đầu mới nổi về AI sắp diễn ra, câu chuyện thay đổi có thể sẽ diễn ra nhanh hơn, đặt ra nhiều thách thức hơn cho đầu tư.

Nguồn bài viết: Huatai Securities

Rủi ro và điều khoản miễn trừ trách nhiệm

Thị trường có rủi ro, đầu tư cần thận trọng. Bài viết này không phải là khuyến nghị đầu tư cá nhân, cũng không xem xét các mục tiêu, tình hình tài chính hay nhu cầu đặc thù của từng người dùng. Người đọc cần tự cân nhắc xem các ý kiến, quan điểm hoặc kết luận trong bài phù hợp với hoàn cảnh của mình hay không. Đầu tư theo đó, tự chịu trách nhiệm.