Khi xem nhóm dữ liệu do JPMorgan Chase tổng hợp, lượng đơn hàng tồn đọng chưa được giao của bốn “ông lớn” điện toán đám mây gồm Microsoft, Oracle, Google và Amazon đã lên tới 2,1 nghìn tỷ USD. Điều thú vị hơn là, cam kết mua năng lực tính toán của hai phòng thí nghiệm AI OpenAI và Anthropic gần như chiếm tới 1 nghìn tỷ—tức là gần một nửa.
Cấu trúc này phản ánh rất rõ vấn đề: tốc độ và quy mô đốt tiền của các phòng thí nghiệm AI tiên tiến đã đạt tới mức có thể chống đỡ cho gần một nửa “giang sơn” của các nhà cung cấp dịch vụ đám mây. Xét từ góc độ phân bổ vốn, đây là một canh cược mang tính chu kỳ điển hình—đặt cược rằng câu chuyện về AGI có thể hiện thực giá trị thương mại trong vài năm tới hay không.
Trong lịch sử, đã có nhiều trường hợp tương tự: đầu tư trải cáp quang vào cuối thập niên 90, mua sắm thiết bị viễn thông vào đầu những năm 2000, và chi tiêu vốn cho dầu đá phiến trong thập niên 2010. Mỗi lần đều là những khoản đầu tư khổng lồ mang tính “tiền vào trước”—cược rằng nhu cầu trong tương lai sẽ có thể “tiêu thụ” công suất. Có cái thành công, nhưng cũng có trường hợp công suất dư thừa và nợ xấu.
Với các đơn hàng năng lực tính toán trị giá 1 nghìn tỷ này, bản chất là “khóa trước” dòng tiền trong vài năm tới. Đối với các nhà cung cấp dịch vụ đám mây, đó là kỳ vọng doanh thu ổn định; còn với các phòng thí nghiệm AI, đó là áp lực buộc phải chạy thông mô hình kinh doanh. Ai ra được ứng dụng quy mô hóa trước thì có thể hấp thụ được các chi phí này; còn ai không làm được thì chính là trường hợp phân bổ vốn sai lệch điển hình.
Xét theo chu kỳ vĩ mô, dạng chi tiêu vốn tập trung cực cao như vậy (hai phòng thí nghiệm chiếm một nửa) cũng tiềm ẩn rủi ro đáng kể. Chỉ cần tốc độ “tiền hóa” AI không đạt kỳ vọng, hoặc một phòng thí nghiệm nào đó gặp vấn đề trong huy động vốn, thì toàn bộ chuỗi dòng tiền và logic định giá sẽ bị đánh giá lại. Đây không phải vấn đề công nghệ, mà là vấn đề chu kỳ vốn và quản lý thanh khoản.
Câu nói cũ rồi: tồn đọng đơn hàng là điều tốt, nhưng điều kiện là khách hàng phải tiếp tục thanh toán. Trò chơi hiện tại chính là xem ai có thể biến ứng dụng AI thành tiền mặt thật nhanh hơn.
Cấu trúc này phản ánh rất rõ vấn đề: tốc độ và quy mô đốt tiền của các phòng thí nghiệm AI tiên tiến đã đạt tới mức có thể chống đỡ cho gần một nửa “giang sơn” của các nhà cung cấp dịch vụ đám mây. Xét từ góc độ phân bổ vốn, đây là một canh cược mang tính chu kỳ điển hình—đặt cược rằng câu chuyện về AGI có thể hiện thực giá trị thương mại trong vài năm tới hay không.
Trong lịch sử, đã có nhiều trường hợp tương tự: đầu tư trải cáp quang vào cuối thập niên 90, mua sắm thiết bị viễn thông vào đầu những năm 2000, và chi tiêu vốn cho dầu đá phiến trong thập niên 2010. Mỗi lần đều là những khoản đầu tư khổng lồ mang tính “tiền vào trước”—cược rằng nhu cầu trong tương lai sẽ có thể “tiêu thụ” công suất. Có cái thành công, nhưng cũng có trường hợp công suất dư thừa và nợ xấu.
Với các đơn hàng năng lực tính toán trị giá 1 nghìn tỷ này, bản chất là “khóa trước” dòng tiền trong vài năm tới. Đối với các nhà cung cấp dịch vụ đám mây, đó là kỳ vọng doanh thu ổn định; còn với các phòng thí nghiệm AI, đó là áp lực buộc phải chạy thông mô hình kinh doanh. Ai ra được ứng dụng quy mô hóa trước thì có thể hấp thụ được các chi phí này; còn ai không làm được thì chính là trường hợp phân bổ vốn sai lệch điển hình.
Xét theo chu kỳ vĩ mô, dạng chi tiêu vốn tập trung cực cao như vậy (hai phòng thí nghiệm chiếm một nửa) cũng tiềm ẩn rủi ro đáng kể. Chỉ cần tốc độ “tiền hóa” AI không đạt kỳ vọng, hoặc một phòng thí nghiệm nào đó gặp vấn đề trong huy động vốn, thì toàn bộ chuỗi dòng tiền và logic định giá sẽ bị đánh giá lại. Đây không phải vấn đề công nghệ, mà là vấn đề chu kỳ vốn và quản lý thanh khoản.
Câu nói cũ rồi: tồn đọng đơn hàng là điều tốt, nhưng điều kiện là khách hàng phải tiếp tục thanh toán. Trò chơi hiện tại chính là xem ai có thể biến ứng dụng AI thành tiền mặt thật nhanh hơn.