Podcast kỳ này thảo luận chủ yếu về triết lý đầu tư của Gavin Baker, người sáng lập Atreides Management, nhà đầu tư đã đầu tư dài hạn vào Nvidia và Cerebras.
Nhận định cốt lõi của ông là: AI không phải bong bóng, mà là một siêu chu kỳ hạ tầng được thúc đẩy bởi điện lực, wafer và năng lực tính toán; lợi nhuận vượt trội thực sự không nằm ở mô hình lớn hay chatbot, mà ở các khâu "người bán xẻng" như kết nối GPU, bộ nhớ, chip suy luận, quy trình sản xuất tiên tiến và nguồn cung điện lực.
Gavin Baker một mặt phòng hộ sự điều chỉnh của toàn thị trường thông qua QQQ put, mặt khác tập trung đầu tư vào các tài sản nút cổ chai vật lý AI như Astera Labs, Unity, Micron, Nvidia, Cerebras, Positron.
Ông kéo cuộc tranh luận "bong bóng AI" từ tầng cảm xúc trở về với các ràng buộc cung-cầu, cho rằng chỉ cần TSMC, ASML, bộ nhớ băng thông cao và lưới điện không thể nhanh chóng trở nên dư thừa, thì chi tiêu vốn cho AI chưa chắc đã là bản sao của bong bóng Internet năm 2000.
Tuyển tập trích dẫn tinh hoa
Bong bóng AI hay Siêu chu kỳ
· "AI không ở trong bong bóng; ngược lại, nó đang ở trong một siêu chu kỳ."
· "Lợi nhuận lớn nhất không nằm ở SaaS, không nằm ở chatbot như OpenAI hay Anthropic, mà ở điện lực, năng lực tính toán và sản xuất wafer."
· "Đây không phải bong bóng Internet, vì bên mua chủ yếu là những công ty thông minh nhất, có dòng tiền mạnh nhất toàn cầu, họ không mua năng lực tính toán bằng đòn bẩy nợ."
· "Nếu toàn bộ thị trường không thể bị cung ứng quá mức, thì rất khó để nó đột ngột vỡ như bong bóng truyền thống."
Nút cổ chai thực sự: Điện lực, Wafer, Token
· "Lý thuyết của Gavin rất đơn giản, chỉ nhìn vào nút cổ chai ở tầng hạ tầng AI, ai có thể nâng cao hiệu suất trên mỗi watt, hạ thấp chi phí token, người đó sẽ có giá trị."
· "Các phòng lab AI ngày càng quan tâm đến một điều: mỗi watt điện cuối cùng tạo ra được bao nhiêu token."
· "Điện lực và wafer là hai bức tường gạch, cũng là hai ràng buộc then chốt hạn chế AI tăng tốc quá nhanh."
Chuyển từ Huấn luyện Trước sang Suy luận và Huấn luyện Sau
· "Mô hình sau khi huấn luyện trước xong, không có nghĩa nó là thiên tài suốt đời; nó vẫn cần hấp thụ thông tin mới ở giai đoạn huấn luyện sau."
· "Về bản chất, suy luận cần rất nhiều tính toán, đây cũng là lý do chip suy luận và hạ tầng suy luận sẽ trở thành trọng tâm ở giai đoạn tiếp theo."
· "Chỉ riêng chi phí hoặc cơ hội doanh thu từ suy luận mang lại, có thể gấp 5 đến 10 lần đầu tư năng lực tính toán cho huấn luyện trước."
Mô hình Ngôn ngữ Nhỏ Chuyên sâu, Mô hình Thiết bị Đầu cuối và Hạ tầng Chủ quyền
· "Trong tương lai bạn chưa chắc mỗi ngày đều cần tương tác với Claude; điều bạn thực sự cần có thể là một đại lý AI cá nhân hóa được huấn luyện trên dữ liệu của chính bạn."
· "Tốc độ triển khai hạ tầng tự thân nó đã là hào rào bảo vệ, tốc độ lặp của thế giới số, nhanh hơn rất nhiều so với tốc độ xây dựng hạ tầng vật lý."
"Ai có thể nén việc triển khai vật lý cần vài tháng, vài năm thành vài tuần, người đó sẽ bán được giá rất cao trong hạ tầng AI."
Cách đầu tư của Gavin: Mua vào Nút cổ chai, Phòng hộ Rủi ro Thị trường Chung
· "Ông ấy tin tưởng mạnh mẽ rằng người chiến thắng AI sẽ xuất hiện, nhưng không có nghĩa là ông ấy lạc quan với toàn bộ thị trường; QQQ put là công cụ phòng hộ rủi ro đi xuống chung của ông."
· "TSMC thực tế đã hạn chế tốc độ tăng tốc của bong bóng; chỉ cần công suất chip không thể mở rộng ngay lập tức, chi tiêu vốn sẽ không dễ mất kiểm soát."
· "Gavin giống như một Leopold già dặn, vững vàng và có lịch sử xuyên chu kỳ hơn: thành công của người trước tính bằng thập kỷ, người sau hiện tại nhiều hơn tính bằng quý."
Tài sản đáng đầu tư trong Siêu chu kỳ AI
EJ:Gavin Baker là một nhà đầu tư AI cực kỳ hiệu quả, nhưng gần như công chúng không hề biết đến. Trong 20 năm qua, ông đã bắt đầu đầu tư vào một số công ty AI sau này trở nên nổi tiếng ngay từ trước khi chúng trở nên phổ biến. Ông đã đầu tư sớm vào Nvidia (công ty cung cấp GPU AI và điện toán tăng tốc cốt lõi), cũng đầu tư vào Cerebras (công ty chip AI), và có một quan điểm rất rõ ràng: AI không phải bong bóng, ngược lại, nó là một siêu chu kỳ.
Ông cho rằng, chỉ cần quan sát watts (điện lực), wafers (wafer) và token (đơn vị tạo mô hình và tính toán), tức là hạ tầng cơ sở của AI, có thể nhận diện được các nút cổ chai và ràng buộc then chốt. Kết luận của ông rất đơn giản, lợi nhuận lớn nhất trong AI đến từ điện lực, năng lượng và sản xuất wafer, không liên quan nhiều đến SaaS, cũng không liên quan nhiều đến chatbot như Anthropic, OpenAI.
Toàn bộ ngành cuối cùng sẽ truyền dẫn xuống hạ nguồn đến bán dẫn, tức là những tài sản "người bán xẻng" nâng đỡ toàn ngành AI.
Khi nhiều người nói ngành AI đã là bong bóng, ông lại cho rằng đây chính xác là một cơ hội mua vào cấp thế hệ, đặc biệt là hạ tầng AI. Ông dùng quy mô khoảng 4.1 tỷ USD trong quỹ để thể hiện phán đoán này.
Nếu bạn nghe những ràng buộc ông ấy nói, đặc biệt là hạ tầng AI, bạn sẽ thấy lý thuyết này rất quen thuộc. Chúng tôi trước đây trong chương trình đã nhiều lần nói về một nhà đầu tư tên Leopold Aschenbrenner, ông ấy cũng đã thực hiện nhiều cấu hình xung quanh hướng tương tự. Khác biệt là, Leopold mới làm khoảng 3 năm, còn Gavin đã làm hơn 20 năm.
Quy mô tài sản quản lý của Leopold khoảng gấp 3 lần Gavin, nhưng người sản xuất chương trình Luke đã nhắc một câu rất hay: Bạn có thể vượt Warren Buffett trong một năm, nhưng bạn có thể vượt ông ấy liên tục mấy chục năm không? Lịch sử của Gavin Baker cho thấy, ông có thể có góc nhìn khác về lý thuyết đầu tư này.
Người không biết Gavin Baker có thể biết trước một điều, ông là người sáng lập Atreides Management (quỹ đầu tư), đã đầu tư vào Nvidia suốt 20 năm qua. Nếu bạn nắm giữ Nvidia 20 năm mà vẫn tiếp tục làm việc, bản thân điều đó đã rất khó tin, vì nó sẽ mang lại lợi nhuận cực kỳ đáng kinh ngạc.
Một số chiến thắng gần đây của ông bao gồm Cerebras, và Astera Labs (công ty chip kết nối trung tâm dữ liệu AI). Cerebras là công ty chip AI, trong chương trình đề cập sau khi IPO định giá cao đến kinh ngạc. Còn một số công ty bạn có thể chưa nghe tên, chúng tôi sẽ dựa vào danh mục và phán đoán của ông trong tập này, xem ông cho rằng cơ hội đầu tư AI thực sự ở đâu.
Vậy câu hỏi trở thành, ông ấy thực sự đầu tư vào cái gì, tại sao lại đầu tư? Nếu xem 13F gần đây của Atreides Management (tài liệu tiết lộ nắm giữ hàng quý của nhà đầu tư tổ chức Mỹ), quỹ này có AUM (quy mô tài sản quản lý) khoảng 4 tỷ USD. Tách một số nắm giữ lớn nhất, sẽ thấy những công ty này đều chỉ đến các nút cổ chai phát triển AI mà Gavin nhiều lần nhắc tới.
Ông có vị thế lớn ở một số công ty không hấp dẫn, nhiều người thậm chí chưa nghe tên. Ví dụ Astera Labs, chiếm gần 9% đến 10% quỹ. Bạn có thể hiểu Astera Labs là tầng kết nối giữa các GPU.
Nếu tưởng tượng trung tâm dữ liệu là một hệ thống, GPU là động cơ, chịu trách nhiệm pre-training (huấn luyện trước), post-training (huấn luyện sau) và inference (suy luận) của mô hình. Nhưng để GPU hoạt động, phải truyền lượng lớn dữ liệu giữa chúng với nhau, cũng phải truy cập memory chips (chip bộ nhớ) lưu trữ dữ liệu.
Để làm được điều này, cần một "hệ thống đường ống". Tôi nói rất cao cấp, vì tôi không giả vờ hiểu hết chi tiết cơ sở. Astera Labs giải quyết chính vấn đề này. Khi cụm AI mở rộng đến hàng trăm nghìn chip, nút cổ chai không còn chỉ là bản thân GPU, mà là cửa sổ truyền dữ liệu, làm thế nào gửi dữ liệu đúng, truy cập dữ liệu đúng vào thời điểm chính xác. Astera Labs xây dựng chính hệ thống đường ống như vậy.
Tôi trước khi nghiên cứu cho tập này cũng chưa nghe đến Astera Labs. Nhưng tôi nhớ Cerebras cũng tình huống tương tự. Gavin đã nói về Cerebras khoảng sáu tháng trước, và xét theo thước đo thời gian AI, sáu tháng đã là rất lâu. Sau đó nó IPO, trong chương trình đề cập định giá khoảng 60 tỷ USD, sau IPO lại tăng 40%. Điều này cho thấy Astera Labs cũng có thể là một cái tên quan trọng trong xu hướng tương tự.
Josh:Cerebras là khoản đầu tư rất sớm của ông. Ông đã vào Cerebras từ rất sớm trong vòng đời công ty, tức là ông đã đầu tư vào lý thuyết này nhiều năm. Còn một vài công ty khác cũng là ông đầu tư dài hạn, trong đó flagship nhất đương nhiên là Nvidia.
Tham gia Nvidia hơn 20 năm, và duy trì conviction (niềm tin kiên định) suốt chặng đường, điều đó rất ấn tượng. Tôi gần đây nghe hai podcast Gavin tham gia, khi ông nói về vị thế Nvidia đã thể hiện rõ một phán đoán, ông tin Nvidia có thể tiếp tục duy trì tỷ suất lợi nhuận hiện tại, cũng duy trì được nhu cầu. Điều này có nghĩa ông cho rằng Nvidia có cơ hội tiến gần đến vốn hóa 10 nghìn tỷ USD, hiện tại nó mới đi được khoảng một nửa.
Một công ty khác đáng nhắc là Micron (nhà sản xuất chip nhớ lớn toàn cầu). Tập trước chúng tôi đã nói về ngăn xếp đầu tư AI, và vị trí của các công ty này trong đó, rất khuyến khích mọi người xem lại. Micron là một trong những memory makers (nhà sản xuất chip nhớ) lớn nhất.
Trong chương trình đề cập một con số kinh ngạc: một năm trước vốn hóa chưa đến 100 tỷ USD, mà khi ghi âm đã vượt 1 nghìn tỷ USD, gấp 10 lần một năm. Điều này cho thấy memory problem (vấn đề bộ nhớ) quan trọng thế nào.
Còn một số công ty không nổi bật nhưng rất thú vị. EJ, tôi đặc biệt muốn gợi ý cho bạn một công ty: Unity Software. Người quen game đều biết Unity, nó là một game engine (động cơ game), nhiều game hot được tạo ra bằng bộ 3D rendering software (phần mềm kết xuất 3D) này.
Vậy tại sao một nhà đầu tư AI lại đầu tư vào Unity, thứ "làm game điện tử" này? Câu trả lời là 3D game engine. Unity là một world model builder (công cụ xây dựng mô hình thế giới), nó có hiểu biết sâu về vật lý, cách thế giới vận hành, vật liệu và ánh sáng.
Khi các công ty AI muốn xây dựng AGI (trí tuệ nhân tạo tổng quát) và humanoid robots (robot hình người), một khâu quan trọng là mô phỏng môi trường ảo và tập dữ liệu ảo, để robot huấn luyện trong đó. Unity lại là một trong những công cụ mạnh nhất.
Vậy với tư cách world model maxi (người tin tưởng kiên định vào mô hình thế giới), bạn sẽ thích ví dụ này, một công ty nổi tiếng với động cơ game, có con đường rõ ràng để trở thành người chơi quan trọng trong thế giới AI.
Lý thuyết và Chiến lược Đầu tư của Gavin
EJ:Lý thuyết world models (mô hình thế giới) rất đơn giản: mô hình AI hoặc LLM (mô hình ngôn ngữ lớn) hiện tại chủ yếu hiểu thế giới thông qua văn bản và sách, giống như một học sinh ngồi trong thư viện, nhưng nó không có kinh nghiệm thực tế về thế giới thực.
Mô hình thế giới mở khóa chính điều này: đưa một nhân vật game vào môi trường mô phỏng, để nó hiểu thực tại vật lý vận hành thế nào.
Ví dụ tôi ném điện thoại xuống, hoặc đá một quả bóng, điều gì sẽ xảy ra? Bước tiếp theo là gì? Bạn nên làm gì? Mô hình thế giới giải quyết chính vấn đề này.
Hiện tại không có nhiều người chơi có thể tạo ra loại năng lực này ở quy mô lớn. Người dẫn đầu hiện nay có thể là Google, nó có các dự án mô hình như Genie 3. Trong chương trình còn đề cập Google gần đây phát hành Gemini Omni, nhưng loại mô hình này vẫn chưa thực sự có khoảnh khắc ChatGPT moment (thời điểm đột phá) của riêng mình.
Điều tôi thích ở Gavin là, danh mục của ông rất giống barbell (chiến lược đòn gánh). Một bên rất truyền thống, mọi người cần GPU, cần lưu trữ, nên ông đầu tư vào người chơi lớn nhất Micron và Nvidia. Bên kia lại rất tiên phong, ông nghĩ puck (trái bóng) sẽ đi về đó, nên đầu tư Cerebras, vì ông cho rằng suy luận sẽ rất quan trọng; lại đầu tư Unity, vì ông cho rằng mô hình thế giới sẽ là cách huấn luyện robot và thế hệ LLM tiếp theo.
Trong danh mục của ông còn có Positron, nó làm inference chips (chip suy luận). Nếu nghe có vẻ giống Cerebras, đúng vậy, chúng đều xoay quanh suy luận. Gavin gần đây trong các cuộc phỏng vấn liên tục nói về một xu hướng, ngăn xếp hạ tầng của mô hình AI, đặc biệt là ngăn xếp huấn luyện, đang chuyển từ huấn luyện trước sang coi trọng hơn huấn luyện sau.
Nếu bạn trong giới AI, sẽ biết sự chuyển hướng này đã xảy ra. Gavin rất tập trung vào việc này. Một mô hình vẫn cần hiểu thông tin mới, dữ liệu mới, cần cập nhật chính nó. Không thể vì nó hoàn thành huấn luyện trước trên một tập dữ liệu nào đó, mà cho rằng nó là thiên tài suốt đời. Nó vẫn cần học thông tin mới, điều này xảy ra ở tầng huấn luyện sau, và điều này cần rất nhiều tính toán.
Thứ hai, nếu bạn cần mô hình AI thực sự suy nghĩ vấn đề, giống như chúng ta sau khi tiếp nhận thông tin mới sẽ nghĩ, góc độ này có thành lập không? Có lý thuyết khác có thể giải thích không? Đây chính là reasoning (suy luận/tư duy suy luận). Suy luận cũng cần rất nhiều tính toán. Ước tính hiện tại là, chỉ riêng chi phí hoặc cơ hội doanh thu từ suy luận mang lại, có thể gấp 5 đến 10 lần đầu tư năng lực tính toán cho huấn luyện trước.
Vì vậy cả AI labs (phòng lab AI) và chip makers (nhà sản xuất chip) đều đang có sự chuyển hướng lớn. Bạn đã thấy Nvidia ra mắt nhiều GPU hướng suy luận, để hỗ trợ ứng dụng agentic (dạng đại lý thông minh). Gavin cũng thông qua một loạt đầu tư để thể hiện sự đầu tư vào suy luận.
Điểm cuối cùng tôi thấy rất thú vị, là Gavin nói về Trung Quốc. Trong cuộc đua AI, tường thuật luôn là China versus US. Trung Quốc có một cấu hình rất độc đáo, đó là năng lượng tương đối dồi dào, cũng có khả năng mở rộng sản xuất chip. Mỹ hiện tại khá vất vả ở mặt này, đây cũng là lý do nhiều khâu được gia công cho TSMC (công ty gia công wafer tiên tiến quan trọng nhất toàn cầu) của Đài Loan.
Giải thích của ông là, Trung Quốc có cơ hội độc đáo để tạo ra một loại AI infrastructure (hạ tầng AI) hoặc chip rất khác với Mỹ, vì chúng sẽ rất tập trung vào suy luận. Bạn có thể nói Gavin đang thông qua các khoản đầu tư ở Mỹ, dẫn đầu đầu tư vào việc xây dựng hạ tầng suy luận của Mỹ. Tôi nghĩ đây có thể là cơ hội lớn trong tương lai.
Josh:Điều đáng chú ý là, sự đầu tư này không chỉ có hướng lên. Ông còn nắm giữ một vị thế QQQ put (quyền chọn bán ETF Nasdaq 100) lớn. QQQ là ETF theo dõi Nasdaq 100, là một rổ cổ phiếu, cũng là ETF có khối lượng giao dịch lớn thứ hai Mỹ. Nó biểu hiện rất mạnh: 2023 tăng 55%, 2024 tăng 25%, 2025 tăng 20%, 2026 đến nay đã tăng 17%.
Nói cách khác, QQQ với tư cách quỹ chỉ số biểu hiện rất tốt, mua nó rất dễ, nó là một rổ 100 cổ phiếu hàng đầu. Còn Gavin đang thực hiện phòng hộ ngược lại với nó. Ông không nói AI sẽ không thắng, mà nói: Ông muốn đầu tư vào những nhà sản xuất then chốt thực sự giải quyết nút cổ chai, nhưng không tỏ ra quá lạc quan với tâm lý thị trường chung.
QQQ put là downside protection (bảo vệ hướng xuống): nếu toàn thị trường sụp đổ theo cách bất lợi, ngay cả khi AI về dài hạn vẫn thắng, ông cũng có lớp phòng hộ này.
Bốn hướng đáng đầu tư
Josh:Chúng ta có thể tách các nút cổ chai đầu tư ông cho là quan trọng nhất thành mấy loại. Loại thứ nhất là verticalized small language models (mô hình ngôn ngữ nhỏ chuyên sâu hóa).
LLM thông thường, ví dụ chatbot như Claude và ChatGPT, là generalized LLM (mô hình lớn tổng quát), chúng có hiểu biết rộng về thế giới, có thể trả lời câu hỏi cụ thể. Nhưng huấn luyện mô hình xoay quanh một lĩnh vực chuyên sâu cụ thể hoặc vấn đề cụ thể, lại là chuyện khác.
Những vấn đề cụ thể này thường tồn tại trong doanh nghiệp, đặc biệt là những doanh nghiệp đào sâu một vấn đề nào đó, hoặc hình thành niche (thị trường ngách) trong một phân khúc nào đó. verticalized SLMs (mô hình nhỏ chuyên sâu) giải quyết chính vấn đề này: chúng là frontier models (mô hình tiên phong), nhưng được tối ưu hóa cao, có thể chạy hiệu quả trên dữ liệu doanh nghiệp cụ thể, hoặc chạy locally trên device (thiết bị).
Chúng ta trước đây đã nói về on-device (thiết bị đầu cuối) hoặc locally run models (mô hình chạy cục bộ). Lý do là trong điện thoại hoặc thiết bị khác của bạn có rất nhiều dữ liệu rất cá nhân hóa, bạn chưa chắc muốn giao ra, công ty cũng chưa chắc có thể truy cập. Ví dụ medical records (hồ sơ y tế), financial details (chi tiết tài chính).
Tôi thấy OpenAI từng phát hành một financial AI agent (đại lý AI tài chính), có thể truy cập tài khoản ngân hàng của bạn, nhưng không thể thay bạn thao tác thực sự, vì trong đó có rất nhiều personally identifiable information (thông tin định danh cá nhân), như số an sinh xã hội, chi tiết ngân hàng, v.v.
Mô hình cục bộ hoặc SLMs có thể giải quyết loại vấn đề này. Gavin phần lớn đầu tư rằng chúng sẽ trở nên quan trọng trong tương lai. Có một công ty ông rất lạc quan: Apple (Apple). Mặc dù ông không nhất thiết bày tỏ hứng thú đầu tư rõ ràng, nhưng ông cho rằng Apple sẽ là một trong những device maker (nhà sản xuất thiết bị) chính khiến mô hình cục bộ chạy trên thiết bị.
Nếu tương lai là như vậy, có lẽ chúng ta sẽ không còn nghĩ Claude phải là mô hình bạn tương tác mỗi ngày. Điều bạn có thể cần là một personalized AI agent (đại lý AI cá nhân hóa), nó được huấn luyện trên dữ liệu của chính bạn, đây chính là thứ SLM cuối cùng có thể trở thành.
Phiên bản tổng quát có thể chạy trên điện thoại bạn, còn một lượng lớn doanh nghiệp cũng sẽ chạy mô hình được tối ưu hóa cao, chuyên biệt hóa, huấn luyện trên proprietary data (dữ liệu độc quyền) của mình, để bán hàng hoặc tiếp thị sản phẩm tốt hơn.
EJ:Apple ở vị trí này quá tốt. Tôi rất mong đợi WWDC (Hội nghị Nhà phát triển Toàn cầu Apple), sắp đến rồi.
Josh:Ừ.
EJ:Cách hội nghị nhà phát triển Apple chỉ vài tuần, họ sẽ phát hành phần mềm AI mới, và cách phần mềm này tích hợp với phần cứng. Điều này sẽ rất quan trọng, chúng tôi cũng sẽ tiếp tục theo dõi, tôi rất mong đợi thảo luận việc này.
Josh:Trụ cột thứ hai là sovereign infrastructure (hạ tầng chủ quyền). Chúng ta thường nói, tốc độ của bits (bit) nhanh hơn rất nhiều so với tốc độ của atoms (nguyên tử). Nhìn hạ tầng AI là rất rõ: chất lượng mô hình hầu như cải thiện theo cấp số nhân, trí tuệ tạo ra trên mỗi watt, trí tuệ tương ứng mỗi token, đều chỉ có đi lên.
Nhưng tốc độ triển khai vật lý không nâng lên với tốc độ gần tương tự, và bản thân điều này đã là moat (hào rào bảo vệ). Phần cứng cực kỳ phức tạp, độ chính xác transistor đã gần cấp độ nguyên tử; để triển khai quy mô lớn trong thế giới vốn đã chịu áp lực của hạ tầng hiện có, không dễ. Sau khi xe điện tăng tốc phổ biến, lưới điện đã cảm thấy áp lực lớn hơn, nhiều nơi gần đầy tải. Giờ AI lại mang đến energy problem (vấn đề năng lượng) và chip problem (vấn đề chip).
Gavin đầu tư mạnh mẽ vào một thực tế, hạ tầng rất khó, xây dựng cần rất nhiều ngày, rất nhiều tháng, thậm chí rất nhiều năm. Ông đầu tư vào những người có thể nén chu kỳ này thành vài tuần. Vì vậy, tốc độ physical deployment (triển khai vật lý) tự thân nó là hào rào bảo vệ. Ông thu hẹp phạm vi mục tiêu, tìm kiếm những công ty có thể triển khai càng sớm càng tốt.
Ví dụ đầu tiên tôi nghĩ đến là SpaceX (công ty vũ trụ của Musk), và tốc độ họ xây dựng Colossus (cụm siêu máy tính AI lớn của xAI) và cho Anthropic thuê, tương lai có thể cũng cho các công ty khác thuê. Trụ cột hạ tầng này là một trong những điều then chốt Gavin quan tâm.
Nếu xem danh mục của Leopold, đây cũng là phần cốt lõi. Thực tế là: xây dựng thứ gì đó rất khó, và người có thể xây dựng ra thứ đó, có thể bán rất đắt. Trong chương trình đề cập, nguồn thu lớn nhất hiện tại của SpaceX là cho thuê trung tâm dữ liệu, không phải tên lửa. Điều này cho thấy trụ cột này quan trọng thế nào.
EJ:Ông quan tâm tốc độ, nhưng cũng quan tâm chi phí. Ông nhắc đi nhắc lại một chỉ số: performance per watt, tức hiệu suất trên mỗi watt. Điều ông thực sự muốn nói là, các phòng lab AI ngày càng quan tâm mỗi watt tạo ra được bao nhiêu tokens.
Nếu bạn nghĩ năm nay chỉ có khoảng năm công ty đã chi hàng chục tỷ thậm chí hàng nghìn tỷ USD cho GPU, compute và điện lực chạy những hệ thống này, bạn nhất định hy vọng bang for buck (tỷ lệ lợi ích/chi phí) đủ cao. Đặc biệt khi hyperscalers (các nhà cung cấp đám mây siêu quy mô) mở rộng đến quy mô này, chi phí là vấn đề cốt lõi.
Ví dụ giả định: Tôi hỏi Claude một câu, chi phí nó cho tôi câu trả lời là 2 cent; tôi hỏi ChatGPT một câu, chi phí nó cho tôi câu trả lời là 1 USD. Ngay cả khi Claude chỉ có 95% trí tuệ của ChatGPT, tôi phần lớn sẽ dùng Claude. Vì tôi có thể hỏi nhiều lần, cuối cùng nhận được câu trả lời với chi phí thấp hơn.
Vì vậy chi phí truy cập intelligence (trí tuệ) này rất quan trọng. Ngay trong tuần này, Microsoft và Uber thông báo họ thực tế đang giảm sử dụng Claude Code (công cụ AI mã hóa hướng lập trình của Anthropic), vì ngân sách năm khoảng 4 tháng đã dùng hết.
Bạn có thể thấy điều này trong danh mục đầu tư của Gavin: Cerebras, Positron, Astera Labs. Ông nhận diện những nút cổ chai hạ tầng rất chuyên biệt, rồi thực hiện một đầu tư đơn giản: nếu công ty này giải quyết nút cổ chai này, performance per watt đạt đến một mức nào đó, chi phí token hạ xuống một mức nào đó, thì các phòng lab AI sẽ mua thêm GPU, thêm sản phẩm hoặc thêm những thứ này.
Vì vậy lý thuyết của ông thực tế rất đơn giản, dù kỹ thuật cụ thể rất phức tạp: Tôi chỉ quan tâm nút cổ chai ở tầng hạ tầng AI. Nếu tìm được một công ty nâng cao hiệu suất trên mỗi watt, làm tokens rẻ hơn, tôi sẽ đầu tư nó tương lai sẽ rất có giá trị, hoặc IPO, hoặc được mua lại giá cao.
Josh:Trong phần này, nếu ai muốn sao chép giao dịch của Gavin, cần biết vài cái tên: Astera Labs, Cerebras, SiFive (công ty thiết kế chip RISC-V) và Positron. Bốn công ty này rất then chốt trong phân khúc này.
Hướng thứ tư cũng là cuối cùng, là sự kết hợp của energy (năng lượng) và space (không gian). Như chúng tôi đã nói trước đó, terrestrial grid (lưới điện mặt đất) phần lớn hạn chế nguồn cung năng lượng, xây dựng năng lượng mới cũng rất khó. Trong chương trình đề cập một thống kê, khoảng 40% trung tâm dữ liệu mới sẽ gặp phản đối rất mạnh, người dân vận động, phản đối, không muốn các trung tâm dữ liệu này đặt ở đó.
Giải pháp có hai loại. Một là tạo ra out-of-the-box energy (năng lượng trong hộp), tức năng lượng di động. Bạn có thể mang trung tâm dữ liệu đến, dùng một thiết bị năng lượng nhỏ cấp điện. Blue Marble mà Leopold rất lạc quan thuộc loại này.
Loại khác là orbital compute (điện toán quỹ đạo), đây là hướng Gavin hiện tại rất quan tâm. Công ty lớn nhất, cốt lõi nhất trong lĩnh vực này đương nhiên là SpaceX. Nó là công ty duy nhất có khả năng trở thành đường cao tốc lên không gian, đưa payload (tải trọng) vào quỹ đạo, đưa racks (giá) và trung tâm dữ liệu vào quỹ đạo thấp, và tạo ra đủ trí tuệ và điện lực truyền trở lại.
Tôi nghĩ ý nghĩa của SpaceX lớn hơn bản thân SpaceX. Tôi hơi ngạc nhiên danh mục của Gavin không có nhiều cấu hình space stocks (cổ phiếu không gian), xét ông cho đây là một ngành lớn. Có lẽ thực tế nó còn quá sớm, và SpaceX là linchpin (trục then chốt) mở khóa ngành này.
Tiếp theo cần theo dõi sát sao việc phóng Starship V3. Chúng tôi tuần trước vừa thấy một lần phóng Starship, biểu hiện tốt. Nếu Starship không thể thực sự vận hành, sẽ không có năng lượng không gian, cũng không có racks to orbit (giá lên quỹ đạo). Nó là điều kiện cần, vì tải trọng cần phóng rất lớn. Vì vậy SpaceX nhất định là công ty phải quan tâm, dù sẽ còn nhiều công ty bậc hai bị ảnh hưởng.
Tại sao không phải bong bóng Internet lần nữa?
Josh:Tiếp theo mọi người nhất định hỏi, tại sao đây không chỉ là dot-com bubble (bong bóng Internet) lần nữa? Gavin bị hỏi câu này nhiều lần, ông đã đưa ra câu trả lời rất mạnh mẽ, và tôi cơ bản tin ông, lập luận của ông rất thuyết phục.
Logic của ông đại khái là: Bong bóng Internet năm 2000 là debt-fueled (thúc đẩy bởi nợ). Nhiều người vay rất nhiều tiền, để đầu tư vào lý thuyết chưa được kiểm chứng và sản phẩm không ai thực sự dùng hoặc quan tâm.
Nếu so sánh nó với siêu chu kỳ AI mà Gavin nói hiện tại, chỉ riêng hai công ty OpenAI và Anthropic, năm nay có triển vọng đạt 200 tỷ USD ARR (doanh thu thường niên). Và đây không phải tiền bịa đặt, mà là tiền đã ký hợp đồng, trong đó phần lớn, trong chương trình nói 40% đến 60%, đã được doanh nghiệp và khách hàng bán lẻ trả trước.
Tức là, thực sự có tiền đang lưu chuyển.
Lại xem năng lực tính toán GPU, không xem phòng lab mô hình, xem ai đang mua sản phẩm từ Nvidia. Google, Microsoft, Amazon và Meta đều đang dùng cash reserve (dự trữ tiền mặt) của mình chi trả, không vay mượn. Amazon vừa dùng đến cuối dòng tiền tự do, nếu họ bắt đầu vay mượn, chúng ta có thể lo ngại. Nhưng trọng điểm hiện tại là, họ không sử dụng đòn bẩy.
Và đây là một trong những công ty hàng đầu toàn cầu, theo nghĩa nào đó cũng là những công ty thông minh nhất, vì vốn hóa, quy mô và vị thế của họ đặt ra. So với bong bóng Internet, năm đó có rất nhiều công ty vô danh huy động nhiều tiền, rồi đốt tiền theo cách rất không hợp lý. Trong chu kỳ này, là những công ty thông minh nhất toàn cầu đang dùng tiền không đòn bẩy để chi tiêu.
Báo cáo quý chúng tôi nói trong vài tuần gần đây trong chương trình cũng cho thấy, lợi nhuận đang được tối ưu hóa xung quanh những động thái này, mô hình vẫn đang tiến bộ, trở nên thông minh hơn. Vì vậy luận điểm cốt lõi của Gavin là: Đây không phải bong bóng Internet, vì nó không được thúc đẩy bởi tiền đòn bẩy; đồng thời, các nút cổ chai chúng ta nói đến bị ràng buộc bởi physical atoms (nguyên tử vật lý).
Mua một loạt chip nhớ và GPU là một chuyện, nhưng Nvidia không thể bán quá nhiều GPU, Micron cũng không thể bán quá nhiều chip nhớ AI, vì họ không có đủ cơ sở sản xuất chip. Vì vậy luận điểm đơn giản của ông là: Nếu bạn không thể cung ứng quá mức toàn bộ thị trường, thì nó không phải bong bóng. Chúng ta bị hạn chế bởi không có đủ picks and shovels để hoàn thành việc này, và ông đầu tư vào chính những thứ này.
Còn một điểm tốt nữa: Gavin cho rằng, nếu TSMC có thể cung ứng, Nvidia năm nay và năm sau vốn có thể bán 2 đến 3 nghìn tỷ USD GPU. Tức là, TSMC là một khâu then chốt trong ranh giới bong bóng.
Lý do là, nếu TSMC có thể đáp ứng nhu cầu của các công ty này, cung cấp cho họ nhiều chip như vậy, sẽ tiêu hao lượng vốn khổng lồ. Hiện tại xem biểu đồ, giữa CapEx (chi tiêu vốn) và operating cash (dòng tiền hoạt động) chưa xuất hiện khoảng cách lớn, tiền mặt doanh nghiệp tạo ra vẫn đủ hỗ trợ xây dựng.
Nhưng nếu TSMC ngày mai nói với Nvidia, chúng tôi có thể tăng gấp ba công suất chỉ sau một đêm, Nvidia sẽ không từ chối, nó sẽ bắt đầu chi tiền khổng lồ mua chip. Các công ty khác cũng sẽ bị buộc vay mượn mua những chip này, khi đó CapEx bubble (bong bóng chi tiêu vốn) sẽ bắt đầu lớn lên, và kéo ra khoảng cách với dòng tiền hoạt động của doanh nghiệp.
Nhưng vì các khâu đều có ràng buộc cung ứng, lưu trữ có ràng buộc, sản xuất chip có ràng buộc, năng lượng có ràng buộc, đặc biệt là ràng buộc của TSMC về chip tiên tiến, chúng ta thực tế không có cách nào kéo tốc độ xây dựng nhanh như vậy. Do đó, TSMC đã chặn sự tăng tốc của bong bóng.
Chỉ cần công suất chip của TSMC vẫn hạn chế, chỉ cần Samsung và các nhà sản xuất chip khác không vượt qua thị phần của nó, thì tốc độ tăng trưởng vẫn tương đối bền vững. Nó trông nhanh, nhưng vẫn có lượng nhu cầu lớn không được đáp ứng, vì chúng ta xây không đủ nhanh. Chỉ cần động thái này tồn tại, tôi nghĩ tạm thời vấn đề không lớn.
EJ:Còn một điểm nữa, bạn không thể giả định nhu cầu giữ nguyên, vì nó không như vậy. Nhu cầu liên quan AI đang tăng trưởng theo cấp số nhân, và tốc độ tăng trưởng vượt quá sản xuất cung ứng của những chip này.
Cách tôi nghĩ có thể bác bỏ lý thuyết này chỉ có hai. Thứ nhất, ai đó kỳ tích sao chép được ASML (nhà cung cấp chính toàn cầu máy quang khắc cực tím), đột nhiên xuất hiện một loạt đối thủ cạnh tranh ASML. Người không biết ASML có thể hiểu thế này: nó sản xuất máy móc trị giá khoảng 400 triệu USD, TSMC và tất cả chip fab (nhà máy wafer) chính đều cần những máy này.
Trong chương trình nói ASML chỉ có một đội ở Norway (Na Uy) chế tạo những thứ này, và chu kỳ rất dài, order backlog (đơn hàng tồn đọng) đã xếp đến khoảng 5 năm.
Thứ hai, chúng ta tạo ra một loại LLM hoàn toàn khác, không cần nhiều GPU như vậy, cũng không cần nhiều lưu trữ như vậy. Nhưng hiện tại chúng ta hoàn toàn không thấy dấu hiệu này.
Tôi hôm nay thấy một tin về SK Hynix (nhà cung cấp bộ nhớ băng thông cao chính toàn cầu). Nó là nhà sản xuất và cung cấp bộ nhớ số một cho GPU Nvidia, trong lĩnh vực bộ nhớ AI gần như là top dog (người chơi số một).
Nó hiện tại đang nhận được báo giá từ Google và Microsoft khoảng 50 đến 100 tỷ USD, hai công ty muốn khóa trước nguồn cung sẽ sản xuất trong ba năm tới, để chi trả thiết bị mở rộng sản xuất cần.
Điều này cho thấy các công ty lớn này khát bộ nhớ thế nào, và đây chỉ là một phân khúc con trong linh kiện AI. SK Hynix ngược lại nói: Tôi không muốn đảm bảo nguồn cung cho các bạn, tôi chỉ cần tăng giá. operating margin (tỷ suất lợi nhuận hoạt động) của nó khoảng 70%, trong ngành bán dẫn gần như không thể tin nổi.
Vì vậy Gavin all-in là có lý. Nó trông không giống bong bóng, có lẽ thị trường sẽ phản ứng ngắn hạn như vậy. Hôm nay chúng tôi mở danh mục cổ phiếu trước khi ghi âm, gần như toàn giảm, nhưng đó nhiều hơn là phản ứng reactionary (theo cảm xúc).
Mục tiêu định hướng của việc này là: Chúng ta chỉ cần thêm GPU, thêm chip bán dẫn, mà cung ứng không đủ, nhà sản xuất cũng không đủ.
Danh mục Đầu tư của Gavin
Josh:Kết luận là: Điện lực và wafer. Chỉ hai thứ này. Chúng là hai bức tường gạch, cũng là hai yếu tố hạn chế, ngăn chúng ta tăng tốc quá nhanh. Chỉ cần điện lực và wafer vẫn có giá trị, nhu cầu mạnh mẽ, cung ứng hạn chế, phía trước vẫn còn ngày tốt.
Nếu bạn muốn TLDR (quá dài không đọc) của danh mục Gavin, tôi có thể đọc nắm giữ lớn nhất của ông. Nhắc lại, đây không phải khuyến nghị đầu tư. Đây là Gavin nắm giữ cái gì, không đại diện chúng tôi nắm giữ cái gì. Tôi không biết những cổ phiếu này sẽ tăng, sẽ giảm, hay xoay vòng tại chỗ.
Vị thế lớn nhất của ông hơi phản trực giác, là QQQ put position (vị thế quyền chọn bán ETF Nasdaq 100). Nhìn chung, ông có xu hướng bearish (bi quan) với thị trường, điều này rất đáng chú ý. Thứ hai là Astera Labs, vị thế khoảng 7.4%, ticker là ALAB. Thứ ba là Unity, tức công ty phần mềm 3D.
Phía sau còn rất nhiều: Ciena (công ty thiết bị mạng quang), Micron, Nvidia, Amazon, Lumentum (công ty thiết bị laser và truyền thông quang), Alphabet (công ty mẹ Google), Coherent (công ty quang điện tử và vật liệu), Roblox (nền tảng game), EchoStar (công ty vệ tinh viễn thông), Twilio (nền tảng truyền thông đám mây), Wayfair (thương mại điện tử nội thất). Người này đầu tư đủ thứ.
Nếu bạn quan tâm, có thể xem 13F của ông. Đây là quan điểm của Gavin, nút cổ chai ở điện lực và wafer. Chỉ cần những ràng buộc này còn, về cơ bản là tăng một chiều. EJ, bạn tiếp thu thông tin này thế nào? Bạn sẽ xử lý thế nào?
EJ:Từ khi 13F của Leopold xuất hiện, thị trường luôn biến động. Khi ghi tập này tôi càng ngày càng nhận ra, Gavin giống như một Leopold già dặn, thông minh hơn. Ông đã ở trong ngành này rất lâu. Có lẽ ông không có 13 tỷ USD AUM, nhưng tôi cảm giác 10 năm sau ông vẫn còn.
Nếu bạn nghe đến đây nghĩ là, tôi không muốn đuổi theo tiến triển AI từng phút, từng giờ, từng ngày, tôi chỉ muốn đặt tiền ở đó, xem nó tăng trưởng thế nào trong vài tháng hoặc vài năm tới. Vậy danh mục của Gavin có thể rất có ý nghĩa tham khảo. Đương nhiên, đây không phải khuyến nghị đầu tư.
Ông áp dụng một cách thận trọng hơn, dài hạn hơn, cũng hướng tương lai hơn. Nếu xu hướng phán đoán của ông cuối cùng thành hiện thực, giống như ông đầu tư sớm vào Nvidia và Cerebras, vài năm tới có thể có lợi nhuận cấp số nhân. Nhưng tất cả đều dựa trên một quan điểm cốt lõi của ông: Chúng ta không ở trong bong bóng.
Tôi tò mò không biết thính giả có đồng ý không. Rõ ràng, đa số mọi người không kỹ thuật như Gavin, không sâu cơ sở như vậy. Nhưng sau khi nghe tập này, bạn nghĩ chúng ta đang trong bong bóng không? Hay không? Lý do ủng hộ và phản đối là gì? Có điều gì chúng tôi bỏ sót không? Josh, bạn nghĩ bây giờ có phải bong bóng không trước khi kết thúc?
Josh:Tôi nghĩ chúng ta đương nhiên đang trong một bong bóng. Vấn đề là, chúng ta đang ở giai đoạn nào của bong bóng, điều này còn có thể thảo luận. Hiện tại trông giống giai đoạn sớm hơn, vì vậy hy vọng nó tiếp tục duy trì trạng thái này. Theo cách nói của Gavin, chỉ cần TSMC tiếp tục hạn chế công suất chip, chúng ta vẫn ổn.
Đây là outlook (triển vọng) tổng thể. Chúng ta đã nói về Leopold, thành công của anh ấy hiện tại tính bằng quý; giờ chúng ta nói Gavin, thành công của ông tính bằng thập kỷ. Câu trả lời của nhiều người có lẽ sẽ nằm giữa hai người.
