40 năm trước, ngày 22 tháng 10 năm 1978, Đặng công lần đầu thăm Nhật Bản. Từ Tokyo đến Kyoto, quãng đường 370 km, ngài đi trên tuyến đường sắt cao tốc đầu tiên trên thế giới – tàu Shinkansen "Nozomi" của Nhật Bản. Người phụ trách bên Nhật hỏi cảm nhận của ngài, ngài nói: "Chỉ cảm thấy rằng, nó như đang thúc giục người ta chạy, vì vậy chúng ta hiện tại đang rất phù hợp để ngồi loại tàu như thế này."
AI cũng có ý nghĩa thúc giục người ta chạy.
Hai năm qua, doanh thu của Nvidia tăng vọt từ 60 tỷ USD lên 216 tỷ USD, giá cổ phiếu tăng gấp mười lần. Làn sóng đầu tư xoay quanh AI quét qua toàn cầu – mô-đun quang, trung tâm dữ liệu, giải nhiệt, robot, ứng dụng AI, một làn sóng nối tiếp làn sóng khác. Mỗi ngày đều có câu chuyện tăng giá mới, mỗi ngày đều có người hối hận vì không sớm ra tay.
Nhưng thúc giục chạy thì chạy, trước khi chạy, phải nhìn rõ đường.
AI là đường đua dài nhất mà thế hệ chúng ta có thể gặp phải. Internet từ năm 1995 đến khi Google lên sàn mất mười năm, đến khi Facebook lên sàn lại mất thêm tám năm. Ở giữa trải qua sự vỡ bong bóng năm 2000, Nasdaq sụt 78%. AI cũng rất có thể sẽ đi con đường tương tự – hiện tại có lẽ vẫn đang ở vị trí năm 1998 hoặc 1999, cơ hội thực sự lớn nhất có thể xuất hiện sau khi bong bóng vỡ trong tương lai, cũng có thể ẩn giấu trong một góc nào đó mà ngày hôm nay chưa ai chú ý đến.
Hiện tại, khả năng mô hình đang tiến bộ thần tốc, vốn đang đổ vào điên cuồng, định giá được đẩy lên độ cao khiến người ta bất an. Trong môi trường này, có hai loại người:
Một loại người ngay bây giờ xông vào mua – đánh cược mình đạp đúng thời cơ. Có khả năng kiếm được, nhưng càng có khả năng mua ở lưng chừng núi, rồi bị đợt điều chỉnh văng ra ngoài.
Một loại người khác đợi khi sụp đổ rồi hãy nói – nhưng vấn đề là, khi thực sự sụp đổ, bạn có dám mua không? Bạn biết mua cái gì? Nếu bạn hoàn toàn không biết gì về ngành này, trước sự hoảng loạn bạn sẽ chỉ càng hoảng loạn hơn.
Tôi chọn loại thứ ba: Bây giờ không vội mua cổ phiếu, trước tiên xây kho – xây "kho kiến thức".
Bởi vì bất kể AI phát triển thế nào, khi cơ hội thực sự xuất hiện, chúng ta muốn không bỏ lỡ – thì trước tiên phải trở thành chuyên gia am hiểu tường tận toàn bộ ngành. Cái gọi là "trực giác sát thủ", không gì khác là đến từ nhận thức "trong lòng đã tự có non nước".
Từ hôm nay tôi sẽ bắt đầu làm một việc vừa ngốc vừa chậm, nghiên cứu ngành công nghiệp AI từ tổng thể, nghiên cứu từng chút một, làm rõ chuỗi cung ứng AI từ đầu đến cuối. Ai đang kiếm tiền, tiền từ đâu đến, chảy về đâu, ai là người không thể thay thế, ai đang ăn phần thừa của người khác.
Đợi đến ngày thị trường cho chúng ta cơ hội – cho dù là sụp đổ, điều chỉnh hay một góc bị bỏ quên nào đó – tôi có thể đưa ra phán đoán trong vài giây: "Giá này có đáng ra tay không?"
Ngoài ra, khi tôi làm việc này, sẽ có hai điểm khác biệt:
Một là nền tảng đầu tư của tôi rất tốt Tôi có kinh nghiệm phong phú và tốc độ tiến hóa cực nhanh trong đầu tư, tỷ suất lợi nhuận trong ba năm qua của tôi, với tư cách là fan cứng của tôi thì đều rất rõ ràng, rất ít người đạt được trình độ tương đương tôi. Tất nhiên, điều quan trọng nhất không phải là tỷ suất lợi nhuận, vì cái đó có thể có yếu tố may mắn, quan trọng nhất là phổ biến đều công nhận tốc độ tiến hóa của tôi – tôi nghĩ thời đại AI càng như vậy, không phải so ai giỏi, mà là so ai tiến hóa nhanh.
Quá khứ không cần mở rộng, tương lai bắt đầu từ bây giờ, chúng ta "đi mà xem".
Hai là tôi tập trung một việc: Thứ này kiếm tiền như thế nào? Tốc độ cao tiến hóa của tôi trong mấy năm nay, chủ yếu nhờ vào sự tập trung của tôi: Tôi chỉ quan tâm đến cơ hội tài sản đằng sau hiện tượng. Các bài viết nhìn thấy hiện nay, đa số là dạy bạn sử dụng Skill mới, GitHub mới, mỗi ngày theo đuổi đều là những thứ bùng nổ và mới mẻ. Những thứ đó tuy quan trọng, nhưng với góc nhìn của một nhà đầu tư, tôi càng quan tâm đến cơ hội tài sản đằng sau.
Khi iPhone 4 ra mắt, bạn là cùng với người khác hô to về thiết kế và hiệu năng của điện thoại, hay là nghiên cứu cơ hội đầu tư đằng sau?
Bài viết này là bài đầu tiên trong loạt nghiên cứu, chủ yếu làm một việc: Thắp sáng bản đồ. Nếu ví việc nghiên cứu có hệ thống toàn bộ chuỗi cung ứng AI như chơi một trò chơi lớn thế giới mở – bước đầu tiên không phải xông vào đánh Boss, mà là trước tiên thắp sáng bản đồ: mấy khu vực lớn, mấy nút mấu chốt, nhiệm vụ chính là gì, nhiệm vụ phụ có những gì. Bản đồ rõ ràng, sau này dù gặp tình huống gì, vài giây là có thể đưa ra phán đoán.
Chương 1: Tại sao phải nhìn AI từ góc độ toàn cục?
Nvidia hai năm mười lần, là câu chuyện đầu tư AI chói sáng nhất. Nhưng nếu bạn chỉ nhìn thấy Nvidia, thì giống như chỉ nhìn thấy một cái cây – bạn sẽ bỏ qua cấu trúc của cả khu rừng dưới chân nó.
Mỗi làn sóng công nghệ trọng đại, tiền đều sẽ lan tỏa từng tầng một ra ngoài dọc theo chuỗi cung ứng. Điều này đã được kiểm chứng lặp đi lặp lại trong lịch sử:
Thời đại Internet, làn sóng tiền đầu tiên đổ vào Cisco (thiết bị mạng), làn sóng thứ hai đổ vào Google, Amazon (nền tảng), làn sóng thứ ba đổ vào Facebook, Netflix (ứng dụng). Thời đại di động Internet, làn sóng đầu tiên là Qualcomm (chip), làn sóng thứ hai là Apple (thiết bị đầu cuối), làn sóng thứ ba là WeChat, TikTok (siêu ứng dụng).
AI cũng không ngoại lệ. Chúng ta có thể nhìn thấy một chuỗi lan tỏa đại khái:
Vòng một (2023-2024, đã định giá đầy đủ): GPU – Nvidia
Vòng hai (2024-2025, đang định giá): Kết nối quang, nguồn điện – LITE tăng 16 lần, Vertiv tăng 10 lần
Vòng ba (2025-2026, chưa định giá đầy đủ): Giải nhiệt, lưu trữ, gia công chuyên dụng
Vòng bốn (2026+, chờ chất xúc tác): Ứng dụng AI, cơ sở hạ tầng năng lượng, robot
Với nhà đầu tư, nhận thức then chốt là: Hạ tầng cơ sở càng nằm sâu, người chơi càng ít, khả năng thay thế càng thấp, quyền định giá càng mạnh.
Công ty ứng dụng AI tầng 4 có thể có mấy ngàn đang cạnh tranh. Đây là lý do tại sao Nvidia một năm kiếm 216 tỷ USD, mà đa số công ty ứng dụng AI vẫn đang lỗ.
Nhưng điều này cũng có nghĩa là, trong vòng hai, vòng ba thậm chí vòng bốn của tầng cơ sở hạ tầng – những công ty chưa bị thị trường dán nhãn "khái niệm AI" – bên trong có thể ẩn giấu lượng lớn cơ hội, trước tiên chúng ta làm rõ có những người chơi nào, làm gì, đáng giá bao nhiêu.
Hiểu ý nghĩa của nó ở chỗ: Khi thị trường trong tương lai xuất hiện điều chỉnh, hoảng loạn hay phân hóa, chúng ta sẽ biết mình nên nhìn vào đâu.
Bốn tầng vòng lan tỏa nói trên miêu tả thứ tự truyền dẫn của tâm lý thị trường và tiền – tiền đuổi theo cái gì trước, sau đuổi theo cái gì. Nhưng để thực sự hiểu logic kinh doanh của mỗi khâu, cần một bức tranh khác: Cấu trúc tầng lớp của chuỗi cung ứng. Tiếp theo chúng ta sẽ theo thứ tự từ đáy lên đỉnh, tháo rời từng tầng.
Tôi chia toàn bộ chuỗi cung ứng AI thành 4 cấu trúc tầng, 4 bản đồ nhiệm vụ chính.
Chương 2: Bốn cấu trúc tầng, bốn bản đồ nhiệm vụ chính
Bốn bản đồ lần lượt là: Cơ sở hạ tầng sức mạnh tính toán, tầng mô hình, middleware, tầng ứng dụng, ngoài ra còn có một ràng buộc tối hậu: Điện lực.
Tầng thứ nhất: Cơ sở hạ tầng sức mạnh tính toán – "Động cơ" của AI
Tầng này là nền tảng vật lý của toàn bộ chuỗi cung ứng. Toàn bộ tiền – bất kể từ tầng nào chảy vào – cuối cùng đều sẽ lắng đọng ở đây.
(1) Thiết kế chip: Vua vũ khí
Nvidia là bá chủ không thể tranh cãi. Năm tài chính 2026 (đến tháng 1/2026) tổng doanh thu 216 tỷ USD, trung tâm dữ liệu đóng góp 1937 tỷ – chỉ hai năm trước còn chưa đến 500 tỷ. Tốc độ tăng trưởng như vậy chưa từng có trong lịch sử bán dẫn.
Những con số này có nghĩa là gì? Lấy một ví dụ cụ thể: Huấn luyện một mô hình lớn tiên phong, chỉ riêng chi phí GPU đã phải vài trăm triệu USD. Mà huấn luyện chỉ là một lần, sau khi mô hình lên sóng mỗi ngày phải xử lý hàng trăm triệu yêu cầu người dùng, mỗi lần đều tiêu hao sức mạnh tính toán – đây chính là chi phí "suy luận". Chi phí suy luận suốt đời của một mô hình, có thể gấp mười mấy lần chi phí huấn luyện. Điều này có nghĩa là chỉ cần AI còn được sử dụng, Nvidia sẽ tiếp tục thu "thuế".
Hào sâu của Nvidia không chỉ là phần cứng. Rào cản thực sự của nó là CUDA – hệ sinh thái phần mềm với hơn 5 triệu nhà phát triển. Giống như iOS với Apple, CUDA khiến người dùng một khi đã vào thì rất khó rời đi. AMD (MI300X) và Intel (Gaudi) đang đuổi theo, nhưng khoảng cách hệ sinh thái ít nhất còn vài năm.
Một con đường khác là chip AI tùy chỉnh. Broadcom cung cấp thiết kế tùy chỉnh cho Google TPU, Amazon Trainium, v.v. Logic rất đơn giản: Các ông lớn công nghệ không muốn mãi mãi bị một công ty "kẹt cổ". Nhưng ít nhất hiện tại, chip tự nghiên cứu là bổ sung chứ không phải thay thế.
Vấn đề cốt lõi: Sự độc quyền của Nvidia có thể kéo dài bao lâu? Đoàn Vĩnh Bình từng nói ông ấy cũng không hiểu – "10 năm sau Nvidia chắc chắn vẫn còn, nhưng còn là vị thế thị trường hiện tại không?" Đây là một vấn đề trị giá vài nghìn tỷ USD. Và đằng sau đó, sản xuất chip có một chuỗi chuỗi cung ứng, hiện nay đã đưa bay rất nhiều, tôi sẽ càng quan tâm hơn.
(2) Sản xuất chip, đóng gói và lưu trữ: Nhà máy vũ khí
Chip thiết kế ra phải có người sản xuất. TSMC hầu như độc quyền sản xuất chip AI tiên tiến nhất toàn cầu. Chip lõi của Nvidia, AMD, Broadcom, Apple đều do TSMC gia công. Trong cuộc đua 3 nanomet, 2 nanomet, Samsung và Intel kinh doanh gia công tụt xa phía sau.
Nút cổ chai quan trọng hơn là bộ nhớ băng thông cao (HBM). Sức mạnh tính toán của chip AI dù mạnh đến đâu, dữ liệu "không đút vào được" thì cũng vô ích. SK Hynix dẫn đầu tuyệt đối trong lĩnh vực HBM, HBM3E gần như là nhà cung cấp độc quyền của Nvidia. Samsung và Micron đang đuổi theo, khoảng cách tỷ lệ tốt rõ ràng.
Đóng gói tiên tiến (CoWoS) là một khâu nút cổ chai công suất khác – cung không đủ cầu đã kéo dài hơn một năm.
Vấn đề cốt lõi: Công suất của TSMC và SK Hynix chính là quyền lực. Ai kiểm soát công suất, người đó kiểm soát nhịp độ cuộc chạy đua vũ trang AI.
(3) Kết nối quang và mạng lưới: Hệ thần kinh
Cụm huấn luyện AI từ vài nghìn GPU mở rộng đến vài chục vạn. Giữa các chip giao tiếp tốc độ cao như thế nào? Cáp đồng truyền thống ở 800Gbps trở lên gặp phải giới hạn vật lý – suy hao tín hiệu, tiêu hao điện tăng vọt, kiểm soát nhiệt mất kiểm soát. Kết nối quang là con đường thoát duy nhất, đây không phải là tối ưu hóa kỹ thuật có thể giải quyết, là ràng buộc cứng do định luật điện từ cơ bản thiết lập.
Người chơi then chốt: Lumentum (LITE, đứng đầu laser InP, cổ phiếu tăng 16 lần), Coherent (COHR, tích hợp dọc quang học), Tower Semiconductor (TSEM, gia công silicon photonics, tôi trước đây cũng từng viết báo cáo nghiên cứu sâu), Arista Networks (ANET, bộ chuyển mạch trung tâm dữ liệu AI), Astera Labs (ALAB, chip kết nối).
Vấn đề cốt lõi: Kết nối quang là cơ hội vòng hai – đã bắt đầu được định giá, nhưng có thể chưa định giá xong. Then chốt là phân biệt công ty nào còn không gian, công ty nào đã price in rồi, trước đây không lâu nhiều báo cáo nghiên cứu của tôi liên quan đến vấn đề này.
(4) Giải nhiệt và nguồn điện: Cống rãnh thành phố
Tủ máy GB200 mới nhất của Nvidia tiêu thụ điện lên đến 120 kilowatt. Mấy vạn card đặt cùng nhau, nhiệt lượng kinh người. Làm mát bằng chất lỏng từ "tùy chọn" trở thành "bắt buộc". Công nghệ làm mát ngâm hai pha của Microsoft đã khiến năng lượng làm lạnh máy chủ Azure giảm 95%. Vertiv (VRT) là đầu tàu trong lĩnh vực này, nVent (NVT), Modine (MOD) cũng đang tăng trưởng nhanh.
Vấn đề cốt lõi: Không hấp dẫn, nhưng không thể thiếu. Điển hình vòng ba – đa số người không nhìn thấy, nhưng không có nó trung tâm dữ liệu AI không thể hoạt động. Tiếp theo tôi sẽ có báo cáo nghiên cứu liên quan ra mắt.
(5) Máy chủ và trung tâm dữ liệu
Dell, Supermicro tích hợp chip, bộ nhớ, mạng lưới, giải nhiệt thành máy chủ AI. Equinix, Digital Realty cung cấp phòng máy vật lý. CoreWeave (IPO 2025) là đại diện của điện toán đám mây GPU thuần túy.
(6) Nền tảng điện toán đám mây: Nhà bán buôn sức mạnh tính toán
AWS, Azure, GCP là "nhà bán buôn" sức mạnh tính toán – ba đám mây cộng lại chiếm khoảng 65% thị phần toàn cầu. Oracle dựa vào tăng trưởng điện toán đám mây AI đã trở thành người chiến thắng bất ngờ.
Tầng thứ hai: Mô hình và công cụ – "Hệ điều hành" của AI
Đây là tầng được quan tâm nhất, tốc độ tăng trưởng kinh ngạc nhất, nhưng cấu trúc bất định nhất trong chuỗi cung ứng AI.
Năm cường quốc tranh hùng: OpenAI (GPT), Anthropic (Claude), Google (Gemini), Meta (Llama mã nguồn mở), xAI (Grok). Tốc độ tăng trưởng doanh thu của tầng này khiến người ta kinh ngạc – ARR (doanh thu thường xuyên hằng năm) của Anthropic từ 1 tỷ USD cuối 2024, tăng vọt lên 9 tỷ cuối 2025, tháng 4/2026 đã vượt 30 tỷ.
Salesforce mất 20 năm mới đạt 30 tỷ doanh thu hằng năm, Anthropic dùng chưa đến 3 năm. ARR hiện tại của OpenAI khoảng 24 tỷ USD, hai công ty cộng lại vượt 50 tỷ. Công ty mô hình đã không còn là "câu chuyện đốt tiền", mà là kinh doanh tiền thật.
Nhưng đằng sau doanh thu tăng vọt, có một biến đổi cấu trúc đang diễn ra đáng chú ý: Trọng tâm sức mạnh tính toán AI đang chuyển từ "huấn luyện" sang "suy luận".
Hai năm qua, tiêu hao sức mạnh tính toán chính của AI nằm ở huấn luyện mô hình lớn – đổ dữ liệu khổng lồ vào, để mô hình học hiểu thế giới. Nhưng mô hình một khi huấn luyện hoàn thành, tiếp theo cần làm là "suy luận" – cũng chính là để mô hình thực tế trả lời câu hỏi, thực thi nhiệm vụ.
Nghiên cứu của Deloitte cho thấy, tiêu hao sức mạnh tính toán của suy luận đã vượt huấn luyện vào cuối 2025, chiếm hơn 55% chi tiêu cơ sở hạ tầng điện toán đám mây AI. Có người thậm chí chỉ ra, "Trước đây 80% sức mạnh tính toán dùng cho huấn luyện, 20% dùng cho suy luận, tương lai tỷ lệ này sẽ đảo ngược."
Điều này có nghĩa là gì? Thị trường suy luận có thể lớn hơn nhiều thị trường huấn luyện (dự kiến đạt 255 tỷ USD năm 2030), mà nhu cầu về chip của suy luận khác với huấn luyện – càng chú trọng hiệu quả chi phí và độ trễ thấp, chứ không phải đỉnh sức mạnh tính toán cực hạn. Đây có thể là điểm đột phá mà sự độc quyền của Nvidia bị thách thức: AMD, Marvell (vừa nhận đầu tư 2 tỷ USD từ Nvidia), và các chip tự nghiên cứu của từng nhà đều đang nhắm vào thị trường suy luận.
Câu hỏi đáng suy nghĩ nhất của tầng này: Mô hình AI sẽ hình thành độc quyền thiểu số, hay sẽ bị "hàng hóa hóa"?
Llama của Meta mở miễn phí, DeepSeek dùng chi phí cực thấp tạo ra mô hình có sức cạnh tranh. Gói API của GLM-5 hiện đang hết hàng, mã nguồn mở đang kéo thấp ngưỡng cửa của tầng mô hình. Nhưng "hàng hóa hóa" cũng không đơn giản như vậy – khoảng cách năng lực giữa các mô hình đang thu hẹp, nhưng không biến mất.
Đặc biệt trong kịch bản sử dụng sâu, sự khác biệt trải nghiệm giữa các mô hình vẫn rõ rệt, mà sự tích hợp API, tùy chỉnh quy trình làm việc, tích lũy dữ liệu của doanh nghiệp đều sẽ hình thành chi phí chuyển đổi. Cấu trúc cuối cùng có thể không phải "người thắng ăn hết", cũng không phải "hàng hóa hóa hoàn toàn", mà là ở giữa hai bên – một số ít mô hình chiếm thị trường chính, nhưng giữa nhau duy trì cạnh tranh khác biệt hóa.
Nếu lợi nhuận tầng mô hình bị mã nguồn mở nén, giá trị thực sự sẽ chuyển dịch lên tầng trên và tầng dưới, chuyển dịch lên tầng trên tức là tầng cơ sở hạ tầng, là vì ai cũng phải chạy mô hình, nhu cầu sức mạnh tính toán không giảm mà tăng, chuyển dịch xuống tầng dưới tức là xuống tầng ứng dụng, vì chi phí gọi giảm, ứng dụng AI dễ kiếm tiền hơn. Quá trình tái phân phối lợi nhuận này, có thể là biến số quan trọng nhất của chuỗi cung ứng AI trong mấy năm tới.
Tầng thứ ba: Middleware và nền tảng – Tầng keo dán
Tầng trung gian kết nối mô hình và ứng dụng. Công ty đại diện: Scale AI (gắn nhãn dữ liệu và đánh giá AI, định giá 13,8 tỷ USD), LangChain (khung phát triển ứng dụng LLM), Hugging Face (nền tảng chia sẻ mô hình, GitHub của lĩnh vực AI).
Tầng này hiện tại đa số công ty chưa lên sàn, quy mô nhỏ. Nhưng một khi tầng ứng dụng AI bùng nổ, những công ty "keo dán" này có thể đón tăng trưởng bùng nổ – giống như sự trỗi dậy của Shopify và Stripe khi thương mại điện tử bùng nổ. Đáng theo dõi liên tục.
Tầng thứ tư: Ứng dụng dọc – Cửa vào của tiền
Nơi AI trực tiếp hướng đến người dùng cuối tạo ra giá trị. Mấy hướng:
Nền tảng AI doanh nghiệp: Palantir bán hệ điều hành AI cho chính phủ và doanh nghiệp. ServiceNow, Salesforce đang ghép AI vào SaaS truyền thống.
Công cụ mã: GitHub Copilot là tiêu chuẩn thực tế, Cursor đang thách thức. Logic rất rõ ràng – nếu AI có thể khiến hiệu suất lập trình viên tăng gấp đôi, mỗi doanh nghiệp đều sẽ trả phí.
AI y tế: Isomorphic Labs (thuộc Alphabet, dòng máu AlphaFold) có thể là tiêu chí đáng quan tâm lâu dài nhất, dự kiến IPO năm 2027.
Robot và trí thông minh thể hiện thân: Hướng TAM lớn nhất lâu dài. Tesla Optimus, Figure AI, Unitree Robotics. Nhưng hiện tại rất sớm.
Tự động lái xe: Waymo thương mại hóa chín muồi nhất, Tesla FSD dùng giải pháp thị giác đuổi theo.
Tầng ứng dụng là tầng trăm hoa đua nở và cũng khó chọn người thắng nhất. Nhưng một xu hướng đáng chú ý là: Năm 2026 quy mô thị trường ứng dụng AI toàn cầu dự kiến lần đầu vượt thị trường cơ sở hạ tầng thượng nguồn – tiền đang chuyển từ "xây thành phố" sang "mở cửa hàng". Đồng thời, AI Agent (đại lý tự chủ) đang trở thành hình thái ứng dụng doanh nghiệp mới, dự kiến đến cuối 2026, hơn 40% ứng dụng doanh nghiệp sẽ bao gồm chức năng AI Agent tích hợp sẵn, mà năm 2025 tỷ lệ này còn chưa đến 5%.
Chiều cắt ngang: Năng lượng – Ràng buộc tối hậu của AI
Tất cả tầng đều không thể tránh khỏi một vấn đề: Điện từ đâu đến?
Lượng tiêu thụ điện của trung tâm dữ liệu AI tăng theo cấp số nhân. Microsoft có đơn hàng Azure 80 tỷ USD không thể giao vì thiếu điện. Điều này thúc đẩy một làn sóng đầu tư năng lượng: Constellation Energy (điện hạt nhân), NuScale và Oklo (lò phản ứng hạt nhân cỡ nhỏ), GE Vernova (tuabin khí).
AI sẽ tiếp tục mở rộng, cơ sở hạ tầng năng lượng là đường đua dẫn xuất xác suất cao cực kỳ.
Chương 4: Bốn câu hỏi ngoài sự đồng thuận
Vẽ xong bản đồ, giá trị nhất không phải xác nhận sự đồng thuận, mà là nhận diện ra những thứ thị trường có thể bỏ qua, hiện tại tôi khá quan tâm 4 vấn đề, nghiên cứu sau sẽ bắt đầu nhiều hơn từ mấy góc độ này
Câu hỏi một: Sự chuyển đổi từ huấn luyện sang suy luận, sẽ thay đổi vận mệnh của ai?
Hai năm qua, nhu cầu chính của sức mạnh tính toán AI là huấn luyện mô hình lớn. Nhưng hiện nay suy luận (để mô hình làm việc thực tế) đã vượt huấn luyện trở thành thị trường lớn hơn. Suy luận khác với huấn luyện về yêu cầu với chip – càng chú trọng tỷ lệ hiệu suất/giá cả chứ không phải sức mạnh tính toán cực hạn.
Điều này có thể mở ra một cánh cửa: Sự độc quyền của Nvidia trên thị trường huấn luyện gần như không thể lung lay, nhưng thị trường suy luận phân tán hơn, AMD, Marvell, Broadcom và chip tự nghiên cứu của các nhà đều có cơ hội. Đồng thời, đặc tính "tiêu hao liên tục" của suy luận có nghĩa là nhu cầu sức mạnh tính toán không phải một lần, mà là tăng trưởng liên tục cùng với sự phổ biến của ứng dụng AI – điều này là tin tốt với toàn bộ chuỗi cung ứng.
Câu hỏi hai: Đầu tư 600 tỷ USD, lợi nhuận ở đâu?
Năm 2026 chi tiêu vốn của năm ông lớn công nghệ sẽ vượt 600 tỷ USD, nhưng doanh thu do ứng dụng AI tạo ra chỉ khoảng phần nhỏ của con số này. Trong lịch sử khoảng trống đầu ra đầu vào tương tự chỉ xuất hiện một lần – cơ sở hạ tầng viễn thông cuối những năm 1990. Kết cục năm đó là nhiều công ty cáp quang phá sản.
Tất nhiên, khác biệt then chốt là: Năm đó công ty viễn thông dựa vào vay nợ, ngày nay ông lớn công nghệ dựa vào lợi nhuận bản thân, tỷ lệ nợ trên tài sản ở mức thấp lịch sử. Nhưng nếu tốc độ kiếm tiền của ứng dụng AI không theo kịp, tốc độ tăng chi tiêu vốn nhất định sẽ chậm lại – và điều này sẽ truyền dẫn đến toàn bộ chuỗi cung ứng, điều này sẽ mang lại rủi ro cho công ty nào?
Câu hỏi ba: Bản đồ vòng hai, vòng ba trông thế nào?
Nvidia là vòng một, đã được nghiên cứu và định giá đầy đủ. Kết nối quang và nguồn điện là vòng hai, đang được thị trường nhận thức lại. Vậy vòng ba thì sao? Giải nhiệt, gia công chuyên dụng, an ninh AI, chip suy luận biên – trong những khâu này có những công ty nào? Mô hình kinh doanh của chúng là gì? Cấu trúc cạnh tranh thế nào? Những vấn đề này bây giờ không làm rõ, khi cơ hội thực sự xuất hiện thì không kịp nữa. Đây chính là việc cần làm tiếp theo trong nghiên cứu từng tầng.
Câu hỏi bốn: Địa chính trị ảnh hưởng đến chuỗi cung ứng thế nào?
Kiểm soát xuất khẩu chip AI của Mỹ đối với Trung Quốc đang chia đôi chuỗi cung ứng AI toàn cầu. Nvidia H20 bị cấm, Trung Quốc đang xây dựng một bộ cơ sở hạ tầng AI độc lập. Điều này có nghĩa là hai chuỗi cung ứng song song đều đang đầu tư, tổng lượng có thể lớn hơn dự kiến. Nhưng cũng có nghĩa là một số nhà cung cấp đối mặt với rủi ro "chọn bên".
Chương 5: Tiếp theo đi như thế nào
Bản đồ đã vẽ ra, tiếp theo là nhiệm vụ chính.
Tôi sẽ bắt đầu từ tầng một, một khâu một khâu đi sâu. Giống như chơi game dọn khu vực vậy – trước đi đường chính (công ty và logic cốt lõi nhất của mỗi tầng), sau làm nhiệm vụ phụ (góc cạnh tuy biên nhưng có thể có bất ngờ).
Mỗi trạm, làm rõ ba việc: Mô hình kinh doanh của khâu này là gì? Cấu trúc cạnh tranh thế nào? Định giá ở mức độ nào? Làm rõ ba việc này, bất kể thị trường tương lai thay đổi thế nào, chúng ta đều có cơ sở phán đoán.
Vài lời tản mạn
Trong quá trình viết tổng quan chuỗi cung ứng này, tôi nhớ đến câu chuyện của LITE.
Tôi trước đây trên tài khoản công khai đã từng phân tích sâu về Lumentum (LITE) LITE một năm 20 lần người khác bắt thế nào? Đây là một case mang tính giáo khoa: Giữa năm 2024, thị trường vẫn coi nó là "cổ phiếu chu kỳ viễn thông", 50$ một cổ không ai muốn. Nhưng thực chất của nó là "hệ thần kinh" của trung tâm dữ liệu AI, thị phần toàn cầu 50-60% của laser InP, giới hạn vật lý của cáp đồng, ban lãnh đạo mở rộng sản xuất ngược chu kỳ khi lỗ, giá trị tài sản trên sổ sách cao hơn giá trị thị trường.
Tất cả thông tin đều công khai, chỉ là trong đầu tôi không có một bản đồ chuỗi cung ứng để nhận diện nó.
Tất cả sự bỏ lỡ, xét cho cùng không phải "ra tay quá chậm", mà là "nghiên cứu quá ít".
Đây là lý do tại sao tôi muốn xây "kho kiến thức". AI là một đường đua đủ dài – dài đến mức không cần lo lắng hiện tại chưa lên xe, nhưng cũng không thể không làm gì mà chỉ đợi khô. Việc làm rõ mỗi tầng, mỗi khâu của chuỗi cung ứng, bản thân việc này chính là sự chuẩn bị tốt nhất. Đợi đến ngày thị trường cho chúng ta cơ hội – cho dù là đống đổ nát sau khi bong bóng vỡ, hay một điểm ngoặt đột ngột xuất hiện – trong tay có bản đồ, vài giây là có thể đưa ra phán đoán.
"Trực giác sát thủ", không phải bẩm sinh, là đổi bằng hàng nghìn giờ nghiên cứu."
