Chip Stocks Hit Record Highs Since 2000, SaaS Stocks Fall to Yearly Lows: Two Worlds Under the AI Divide

marsbitXuất bản vào 2026-04-24Cập nhật gần nhất vào 2026-04-24

Tóm tắt

The article highlights a stark divergence in the tech market driven by AI: semiconductor stocks are surging while SaaS stocks plummet. On April 23, Texas Instruments saw its best single-day performance since 2000, with Q1 revenue up 19% and data center revenue surging 90%. Intel also reported blowout results, with revenue far exceeding expectations and its stock rising over 20% after hours. The semiconductor ETF (SMH) is up nearly 28% this year. In contrast, SaaS companies like ServiceNow and IBM experienced historic declines, with ServiceNow dropping 18% despite beating earnings estimates. The software ETF (IGV) has entered a technical bear market, losing about $2 trillion in market cap. The trend, dubbed "SaaSpocalypse," reflects fears that AI agents could reduce the need for software licenses and enable companies to build internal tools instead of relying on SaaS subscriptions. The market is rotating capital from software to semiconductors, betting on AI infrastructure as a safer play. Chip stocks now trade at high valuations—Texas Instruments at a P/E over 50, Intel at 120 times forward earnings—pricing in years of growth. However, this depends on continued massive AI capital expenditure from tech giants. If spending slows, the trend could reverse. For now, the divide persists: chips celebrate, SaaS struggles.

Author: Ada, Shenchao TechFlow

On April 23, Texas Instruments' stock price achieved its best single-day performance since 2000. On the same day, ServiceNow recorded its largest single-day drop in history.

The same earnings season, the same trading day, two signals in opposite directions. The market is drawing a line with real money—below this dividing line, AI infrastructure wins, and AI upper-layer applications lose.

Chipmakers Are Laughing, Subscription Sellers Are Crying

On Thursday, Texas Instruments delivered a nearly flawless report card. Q1 revenue was $4.83 billion, up 19% year-over-year, with EPS of $1.68, far exceeding market expectations of $1.40. Data center revenue surged 90% year-over-year. Industrial and analog chip businesses recovered across the board.

The stock price rose 18% that day. Bank of America directly upgraded its rating from neutral to Buy, raising the target price from $235 to $320.

Its performance expectation for the second quarter is revenue ranging from $5 billion to $5.4 billion, with the midpoint exceeding Wall Street expectations by over 10%. Management stated that the recovery in industrial and data center sectors is "still accelerating."

After hours, Intel dropped another bombshell. Q1 revenue was $13.58 billion, far exceeding expectations of $12.42 billion. Non-GAAP EPS was $0.29, while market expectations were $0.01—29 times higher than expected. Data center business revenue grew 22%, reaching $5.1 billion.

Intel's stock price surged over 20% after hours, breaking through the historical high set during the dot-com bubble in 2000. After the U.S. government took a 10% stake last year, the stock has risen over 80% this year.

The狂欢 (celebration) of the chip industry has an underlying logic. Because AI is not air—it consumes electricity, requires chips, and occupies data centers. From Nvidia's GPUs to Texas Instruments' analog chips, to Intel's CPUs and advanced packaging, the entire AI infrastructure food chain is being called to "get on board."

The semiconductor ETF (SMH) has risen nearly 28% this year, with a 22% gain in April alone. The S&P 500 rose 4% during the same period.

On the other side of the coin, the software sector is experiencing a massacre.

ServiceNow plummeted 18% that day, its worst single-day performance in history. IBM fell nearly 10%. Then it spread rapidly: Salesforce, Workday, Oracle, Adobe, Palantir—all declined sharply. The iShares Expanded Tech-Software ETF (IGV) fell nearly 5% that day.

The most ironic part is that IBM and ServiceNow's earnings reports were not bad. IBM's revenue exceeded expectations, and ServiceNow also beat estimates. But the market doesn't care. The market is pricing in a deeper fear: your moats are being eroded by AI.

SaaS Apocalypse

This is not a one-day event.

Over the past few months, a new phrase has been circulating in tech, venture capital, and public markets: "SaaSpocalypse," the SaaS apocalypse. Since February, the software stock crash hasn't stopped. So far, approximately $2 trillion in enterprise software market value has evaporated.

Salesforce is down over 30% this year. Workday is down 33%. Adobe is down 27%. Even Microsoft has fallen 16%. The software ETF (IGV) has dropped from a historical high of $117 to around $82, entering a technical bear market. The forward P/E of the software sector has fallen below the overall level of the S&P 500 for the first time since the mid-2010s.

Why?

The core logic is just one sentence: AI enables companies to do it themselves.

The traditional SaaS business model charges per seat: if you have 100 employees using my software, you buy 100 licenses. But with the arrival of AI Agents, one Agent can replace the work of 10 employees. The number of seats decreases, and so does the subscription fee.

Even more critically, some companies are starting to use AI directly to build internal tools, bypassing the SaaS middle layer. Previously, buying a CRM suite might cost $300 per person per month; now, having AI write an internal system could cost only a tenth of that.

In other words, the moat for SaaS used to be switching costs and user stickiness. But AI short-circuits both at once. Switching costs are lower because AI can automatically handle data migration; stickiness is lower because users no longer need to learn new tools.

Narrative Shift

Look at two sets of data.

Year-to-date, the semiconductor index has risen about 40%. The software index has fallen over 13%. The gap between the two exceeds 50 percentage points.

What does this mean? Capital has not left the tech industry. It has simply made a precise rotation within the tech industry: from the application layer to the infrastructure layer.

The logic now is simple. If I want to bet on AI, I buy chips, because no matter which AI wins, they will need chips. But I might not necessarily buy SaaS.

This is the market's cruelty. Chips are a确定性赌注 (certain bet)—regardless of how AI develops, the demand for computing power only increases. But software is a conditional bet: it only has value if AI cannot completely replace software and if software companies can successfully transform.

Both premises are uncertain, and capital hates uncertainty.

However, attributing all of ServiceNow and IBM's declines to AI threats is not entirely fair.

ServiceNow's CFO Gina Mastantuono mentioned a very specific reason during the earnings call: order delays due to conflicts in the Middle East. New orders from clients in the Iran direction were postponed, which directly dragged down subscription revenue for the quarter.

IBM's issues also have specific explanations. Software business growth slowed from 14% last quarter to 11.3%, mainly due to drag from Red Hat's cloud business. Overall revenue growth slowed from 12.2% to 9%. Subsequently, IBM maintained its full-year guidance unchanged without an upward revision.

But the market doesn't care about these details at all.

In an environment where everyone is worried that "software is dying," any less-than-perfect earnings report will be interpreted as "See, it's starting." Once this sentiment takes hold, data becomes unimportant. The narrative is what matters.

And the current narrative is: AI is the hunter at the top of the food chain, and SaaS is the prey at the bottom.

Behind the Surge

Behind Texas Instruments' 18% surge lies a not-so-pretty number: a P/E ratio exceeding 50 times. Over the past three months, insiders sold $26.5 million worth of stock and bought none.

Intel's forward P/E is 120 times, more than four times that of the S&P 500. One valuation firm给出的内在价值 (gave an intrinsic value) of $27, while the stock is trading around $67—a 147% premium.

It's clear that current chip stock prices have already discounted growth for the next three years. Buyers are not buying this quarter's performance; they are buying faith that AI capital expenditure won't stop.

This year, the combined AI capital expenditure of the four tech giants exceeds $500 billion. Google alone is burning $180 billion. As long as this capital expenditure cycle doesn't stop, chip stocks have support. But what if the giants suddenly find the return on this spending isn't high enough?

Don't forget, when Alphabet last announced $180 billion in capital expenditure, its stock price plummeted 6% after hours. The market's reaction was: "We know you're building AI, but we're starting to worry if you can hit the ball."

Zooming out, the earnings divergence on April 23 reveals a larger structural shift.

AI value capture is migrating downward. From software-layer subscription fees, it渗透 (penetrates) down to hardware-layer chip fees, energy fees, and data center fees. The profit distribution map of the entire tech industry is being redrawn.

When chipmaker stock prices hit records since 2000 and subscription sellers fall to yearly lows, the market is really only saying one thing: I know AI is real, so I'm buying infrastructure. But is AI useful? I'm not sure yet, so I'm not buying applications.

How long will this split last? No one knows. But the next earnings season can serve as a reference. If the giants' AI capital expenditure continues to increase, chip cash flow can continue to support valuations. But if a giant suddenly hits the brakes, this dividing line will reverse.

Until then, the chip celebration continues, and the SaaS funeral continues.

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QWhat was the performance of Texas Instruments' stock on April 23rd, and what was the historical context?

ATexas Instruments' stock had its best single-day performance since 2000, surging 18%.

QAccording to the article, what is the underlying logic behind the chip industry's strong performance in relation to AI?

AThe underlying logic is that AI requires physical infrastructure—it consumes power, uses chips, and occupies data centers. The entire AI infrastructure supply chain, from GPUs to analog chips and CPUs, is benefiting from this demand.

QWhat is the term used to describe the recent sharp decline in software stocks, and what is the core reason for this fear?

AThe term is 'SaaSpocalypse' or 'SaaS末日'. The core reason is the fear that AI allows enterprises to build their own tools, reducing the need for traditional SaaS subscriptions and potentially making their business models obsolete.

QHow does the article describe the market's current investment strategy within the tech sector regarding AI?

AThe market is performing a precise rotation within the tech sector: moving capital from the application layer (software) to the infrastructure layer (chips and hardware), as the latter is seen as a more certain bet on AI's growth.

QWhat potential risk does the article highlight for the currently high-flying chip stocks?

AThe article highlights that chip stock valuations (e.g., a P/E of 50 for Texas Instruments and 120 for Intel) have already priced in years of future growth. The risk is that if major tech companies suddenly reduce their massive AI capital expenditures because the return on investment is insufficient, it could undermine the支撑 for these high valuations.

Nội dung Liên quan

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit9 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit9 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit14 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit14 phút trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit1 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit1 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit1 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

Làm thế nào để Mua CHIP

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua USD.AI (CHIP) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua USD.AI (CHIP) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ USD.AI (CHIP) của BạnSau khi mua USD.AI (CHIP), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch USD.AI (CHIP)Giao dịch USD.AI (CHIP) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 821Xuất bản vào 2026.04.21Cập nhật vào 2026.06.02

Làm thế nào để Mua CHIP

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của CHIP (CHIP) được trình bày dưới đây.

活动图片