Chủ tịch Yardeni Research Từ Bỏ Xếp Hạng 'Overweight' Đối Với 7 Cổ Phiếu Magnificent – Đây Là Những Đề Xuất Mới

dailyhodlXuất bản vào 2025-12-08Cập nhật gần nhất vào 2025-12-08

Tóm tắt

Chủ tịch Yardeni Research, Ed Yardeni, tuyên bố từ bỏ đánh giá 'overweight' (thừa hưởng) đối với nhóm cổ phiếu Magnificent 7 (gồm 7 cổ phiếu công nghệ hàng đầu) sau 15 năm, cho rằng chúng đã "định giá hơi cao". Ông nhận định thị trường đang tập trung quá mức khi hai nhóm ngành công nghệ này chiếm tới 45% vốn hóa S&P 500. Thay vì tiếp tục đầu tư, Yardeni khuyến nghị chuyển hướng sang các lĩnh vực tài chính, công nghiệp, chăm sóc sức khỏe và cổ phiếu nước ngoài. Lý do là các "gã khổng lồ" công nghệ giờ đây phải cạnh tranh khốc liệt với nhau và đối mặt với thách thức từ các công ty khởi nghiệp, đồng thời họ cần tăng doanh số từ nhóm 493 cổ phiếu còn lại trong S&P 500 (được ông gọi là "Ấn tượng 493") để thúc đẩy năng suất.

Chủ tịch của công ty phố Wall bên bán Yardeni Research hiện đang ở trạng thái underweight đối với các cổ phiếu Magnificent 7.

Ed Yardeni cho biết trong một cuộc phỏng vấn mới trên CNBC rằng ông nghĩ những cổ phiếu hàng đầu đó "hơi bị định giá quá cao".

"Chúng ta đã đạt đến điểm mà công nghệ thông tin và dịch vụ truyền thông trong S&P 500 hiện chiếm 45% S&P 500. Đó là một vốn hóa thị trường rất tập trung. Và tôi nghĩ nếu Magnificent 7 muốn tiếp tục thành công, thì họ sẽ phải tìm doanh số trong số 493 cổ phiếu còn lại của S&P, mà tôi gọi là 'Ấn tượng 493', để được sử dụng nhằm tăng năng suất."

Đây là lần điều chỉnh đầu tiên của Yardeni sau 15 năm không còn ở trạng thái overweight đối với nhóm ngành này. Nhà kinh doanh kỳ cựu Phố Wall cho biết Mag 7 hiện đang trong môi trường kiểu "Game of Thrones", với các gã khổng lồ công nghệ khác nhau cạnh tranh với nhau.

"Họ từng chỉ hoạt động trong các 'hào nước' của riêng mình và không đụng chạm đến nhau, và tôi nghĩ bây giờ chúng ta đang có một tình huống cạnh tranh, và không chỉ vậy, tôi nghĩ chúng ta sẽ thấy các công ty khởi nghiệp khác xuất hiện và thách thức một số công nghệ của họ."

Yardeni khuyến nghị đầu tư vào cổ phiếu tài chính, công nghiệp, ngành chăm sóc sức khỏe và cổ phiếu nước ngoài thay vì Mag 7.

Theo dõi chúng tôi trên X, Facebook và Telegram
Đừng Bỏ Lỡ - Đăng ký để nhận thông báo qua email gửi trực tiếp vào hộp thư đến của bạn
Kiểm Tra Biến Động Giá
Lướt The Daily Hodl Mix

Hình ảnh nổi bật: Shutterstock/Naeblys/Salamahin

Câu hỏi Liên quan

QChủ tịch Yardeni Research đã thay đổi đánh giá nào đối với cổ phiếu Magnificent 7?

AÔng đã từ bỏ đánh giá 'overweight' (thừa cân) và chuyển sang đánh giá 'underweight' (thiếu cân) đối với nhóm cổ phiếu Magnificent 7.

QLý do chính khiến Ed Yardeni thay đổi quan điểm về Magnificent 7 là gì?

AÔng cho rằng các cổ phiếu này 'hơi được định giá quá cao' và thị trường đang rất tập trung, với hai lĩnh vực công nghệ thông tin và dịch vụ viễn thông chiếm tới 45% vốn hóa của S&P 500.

QEd Yardeni so sánh môi trường cạnh tranh hiện tại của Magnificent 7 với điều gì?

AÔng so sánh nó với môi trường trong 'Game of Thrones' (Trò chơi Vương quyền), nơi các gã khổng lồ công nghệ đang cạnh tranh khốc liệt với nhau, thay vì hoạt động trong 'hào nước' riêng như trước đây.

QTheo Yardeni, Magnificent 7 cần làm gì để tiếp tục thành công?

AHọ cần tìm kiếm doanh số từ 'S&P 493' (hay còn được ông gọi là 'Ấn tượng 493'), tức là các công ty ngoài nhóm Magnificent 7, để được sử dụng nhằm tăng năng suất.

QNhững lĩnh vực nào Ed Yardeni khuyến nghị đầu tư thay thế cho Magnificent 7?

AÔng khuyến nghị đầu tư vào các lĩnh vực tài chính, công nghiệp, ngành chăm sóc sức khỏe và cổ phiếu nước ngoài.

Nội dung Liên quan

Báo cáo Ethereum Q1 2026: Phí giảm, người dùng và khối lượng giao dịch lập kỷ lục mới

Báo cáo Q1/2026 của Ethereum cho thấy một xu hướng đối lập: lượng người dùng, số giao dịch và thông lượng mạng lưới đều đạt mức cao kỷ lục, trong khi phí giao dịch, tổng giá trị bị khóa (TVL), khối lượng giao dịch và vốn hóa pha loãng hoàn toàn (FDV) của ETH lại giảm. Hiện tượng này được giải thích là "Nghịch lý Jevons": việc giảm chi phí sử dụng mạng lưới sau đợt nâng cấp Fusaka đã giải phóng nhu cầu, thúc đẩy tăng trưởng quy mô. Báo cáo nhấn mạnh sự chuyển dịch trong định vị cốt lõi của Ethereum từ một blockchain DeFi sang một tầng thanh toán tài chính toàn cầu. Ethereum tiếp tục thống trị thị trường tài sản được mã hóa, chiếm phần lớn thị phần trong các lĩnh vực stablecoin (61,8%), quỹ được mã hóa (73%), hàng hóa được mã hóa (84%) và cổ phiếu được mã hóa. Sự tham gia của các tổ chức lớn như BlackRock, JPMorgan và Fidelity đang đẩy nhanh quá trình "thể chế lên chuỗi". Mặc dù phí giao dịch tầng cơ sở giảm mạnh (-47,9%), đây được xem là một sự đánh đổi có chủ đích để đổi lấy tăng trưởng mạng lưới dài hạn. Chiến lược này nhằm củng cố vị thế là nền tảng định sẵn cho việc thanh toán và quyết toán các tài sản tài chính ngày càng được mã hóa, từ đó tạo ra giá trị cơ bản cho ETH thông qua nhu cầu sử dụng mạng lưới.

marsbit1 giờ trước

Báo cáo Ethereum Q1 2026: Phí giảm, người dùng và khối lượng giao dịch lập kỷ lục mới

marsbit1 giờ trước

Anh ấy vừa gọi được 2,7 tỷ USD, Lý Phi Phi cũng rót tiền đầu tư

"Generalist AI", công ty khởi nghiệp trí tuệ thể hiện (embodied AI) do Pete Florence - cựu nhà khoa học nghiên cứu cốt cán của Google DeepMind và là một trong những người đặt nền móng cho kiến trúc mô hình VLA (Vision-Language-Action) - sáng lập, vừa huy động thành công 4 tỷ USD (tương đương 27 tỷ RMB) ở vòng gọi vốn mới, định giá 20 tỷ USD. Vòng đầu tư có sự tham gia của các tổ chức và cá nhân uy tín như NVentures (từ NVIDIA), NFDG, Bezos Expeditions, đồng sáng lập Xiaomi Lin Bin, người sáng lập Zoom Eric Yuan, và nhà khoa học nổi tiếng Fei-Fei Li. Mặc dù được coi là người tiên phong trong lĩnh vực "mô hình thế giới" (world model), Florence lại công khai phản đối việc dán nhãn này cho công ty mình. Triết lý của ông, chịu ảnh hưởng từ người thầy Russ Tedrake tại MIT, là ưu tiên "mục tiêu" cụ thể hơn các "nhãn" công nghệ chung chung. Mục tiêu tối thượng của Generalist AI là tạo ra những robot đa năng có thể thực hiện với độ tin cậy cực cao nhiều nhiệm vụ chưa từng thấy mà không cần dữ liệu huấn luyện riêng cho từng tác vụ. Để hiện thực hóa điều này, Generalist AI đã lần lượt ra mắt các mô hình GEN-0 và GEN-1. GEN-1, được công bố vào tháng 4/2026, được huấn luyện trên hơn 50 nghìn giờ dữ liệu tương tác vật lý thu thập qua một thiết bị đeo tay đặc biệt. Theo công ty, mô hình này đạt tỷ lệ thành công 99% trong một số nhiệm vụ thao tác lặp lại và tinh vi (như gấp hộp, đóng gói), với tốc độ nhanh gấp ba lần GEN-0 và chỉ cần khoảng một giờ để thích ứng với tác vụ mới. Thành tựu này chứng minh lộ trình phát triển rõ ràng của công ty và là lý do chính thu hút được sự ủng hộ mạnh mẽ từ các nhà đầu tư hàng đầu, đưa Generalist AI trở thành một trong những công ty được kỳ vọng nhất trong lĩnh vực robot và trí tuệ thể hiện.

marsbit1 giờ trước

Anh ấy vừa gọi được 2,7 tỷ USD, Lý Phi Phi cũng rót tiền đầu tư

marsbit1 giờ trước

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

Chỉ trong ba ngày, Google đã chứng kiến hai huyền thoại AI rời đi: Noam Shazeer (đồng tác giả Transformer, lãnh đạo Gemini) gia nhập OpenAI, và John Jumper (người đoạt giải Nobel Hóa học 2024, lãnh đạo AlphaFold) chuyển sang Anthropic. Đây không phải là trường hợp cá biệt mà là một xu hướng rõ ràng, bổ sung cho việc cựu thành viên sáng lập OpenAI Andrej Karpathy gia nhập Anthropic trước đó. Các tài năng AI hàng đầu đang tập trung ngày càng nhiều vào OpenAI và Anthropic, khiến Google trở thành nguồn cung cấp chính trong cuộc tái cấu trúc nhân tài này. Sự dịch chuyển này bắt nguồn từ sự khác biệt cốt lõi về sứ mệnh. Google, với doanh thu chính phụ thuộc vào quảng cáo, thường đặt các dự án AI trong khuôn khổ phục vụ mục tiêu sản phẩm và lợi nhuận. Ngược lại, OpenAI (với sứ mệnh AGI) và Anthropic (tập trung vào AI an toàn) cho phép các nhà nghiên cứu tập trung hoàn toàn vào việc đẩy xa giới hạn năng lực mô hình. Ngoài ra, cơ hội thu lợi nhuận lớn từ cổ phiếu trước thềm IPO của hai công ty này là động lực hấp dẫn mà Google - một gã khổng lồ trưởng thành - khó có thể sánh được. Việc sáp nhập Google Brain và DeepMind vào năm 2023 cũng tạo ra những lực ly tâm mới, làm xói mòn văn hóa nghiên cứu dài hạn dưới áp lực phải phù hợp với lộ trình sản phẩm. Sự ra đi của các nhân vật then chốt như Jumper và Shazeer phản ánh điều này. Cuộc khủng hoảng nhân tài này mang tính cấu trúc. Google có thể sở hữu cơ sở hạ tầng máy tính khổng lồ và kho dữ liệu đồ sộ, nhưng việc thiếu những bộ óc xuất sắc nhất để khai thác chúng khiến lợi thế đó trở nên vô nghĩa. Trong khi OpenAI và Anthropic củng cố vị thế với đội ngũ tinh nhuệ ngày càng mạnh, Google đang mất dần hào quang là trung tâm hấp dẫn nhân tài AI toàn cầu. Trong cuộc đua mà mật độ tài năng quyết định năng lực mô hình và thị phần, đây là một thách thức tồn vong thầm lặng nhưng nghiêm trọng của Google.

marsbit3 giờ trước

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

marsbit3 giờ trước

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

Mỗi khi một mô hình AI tiên tiến ra mắt, giới công nghệ lại dõi theo những “bảng điểm” quen thuộc như MMLU-Pro, MMMU hay MMMU-Pro. Đây là các tiêu chuẩn đánh giá quan trọng giúp so sánh năng lực của các mô hình lớn như GPT, Claude hay Gemini. Tuy nhiên, ít người biết rằng đằng sau những bộ đề thi này là một nhà nghiên cứu người Hoa: Chen Wenhu (Trần Văn Hổ), trợ lý giáo sư tại Đại học Waterloo, Canada. Ông cùng phòng thí nghiệm TIGERLab (còn gọi là Hổ Đầu Bang) đã tạo ra MMLU-Pro vào năm 2024 để giải quyết vấn đề “mất chuẩn” của bộ đánh giá MMLU cũ, khi nhiều mô hình tiên tiến đạt điểm gần tuyệt đối, khó phân biệt được sự khác biệt thực sự. MMLU-Pro với hơn 12.000 câu hỏi, mở rộng lựa chọn và tăng cường các câu đòi hỏi suy luận, đã giúp kéo giãn khoảng cách điểm số và đánh giá ổn định hơn. Trước đó, nhóm của Chen Wenhu cũng phát triển MMMU - bộ đánh giá đa phương thức (multimodal) yêu cầu mô hình kết hợp hiểu biết hình ảnh, biểu đồ với kiến thức chuyên môn để trả lời câu hỏi. Ngay cả các mô hình mạnh nhất thời điểm đó như GPT-4V cũng chỉ đạt độ chính xác khoảng 56%. Phiên bản MMMU-Pro sau này được thiết kế để đảm bảo mô hình không thể “bỏ qua” thông tin hình ảnh mà chỉ dựa vào văn bản để đoán đáp án. Nghiên cứu của Chen Wenhu tập trung vào việc hiểu thông tin phức tạp, hỏi đáp tri thức và suy luận. Ông từng làm việc tại Google Research và DeepMind, tham gia vào dự án Gemini, trước khi gia nhập Đại học Waterloo và thành lập TIGERLab. Phòng thí nghiệm không chỉ tạo ra các bộ đánh giá mà còn nghiên cứu phát triển mô hình, chẳng hạn trong lĩnh vực xử lý video. Hiện tại, Chen Wenhu làm việc tại Phòng thí nghiệm Siêu trí tuệ (Super Intelligent Lab) của Meta, tiếp tục tập trung vào dữ liệu huấn luyện và đánh giá đa phương thức. Công việc của ông và nhiều nhà nghiên cứu người Hoa khác đang đóng góp quan trọng vào sự phát triển chung của ngành AI, dù có thể không nằm dưới ánh đèn sân khấu.

marsbit3 giờ trước

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

marsbit3 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai
活动图片