Ba năm trước, David Cahn, đối tác của quỹ đầu tư mạo hiểm Sequoia Capital, là một trong những người đầu tiên tính toán và đưa ra con số về tác động của khoản chi khổng lồ dành cho hạ tầng AI tại Thung lũng Silicon. Năm 2023, ông phản ứng trước doanh thu GPU hàng năm 50 tỷ USD của Nvidia. Từ con số đó, cộng thêm chi phí vận hành trung tâm dữ liệu và biên lợi nhuận của các nhà khai thác, ông suy luận rằng cần 200 tỷ USD doanh thu để hoàn vốn đầu tư ban đầu.

Con số mới: 1,5 nghìn tỷ USD chi phí hạ tầng và 3 nghìn tỷ USD doanh thu cần đạt

Ông coi đó là một thách thức, kêu gọi các doanh nhân tạo ra các sản phẩm và dịch vụ AI để tận dụng và tạo doanh thu từ toàn bộ cơ sở hạ tầng đó. Ba năm sau, với việc mở rộng quy mô siêu lớn, Cahn đưa ra con số mới về chi tiêu hạ tầng AI cho năm 2026: 1,5 nghìn tỷ USD. Tổng cộng, ông tính toán rằng ngành AI sẽ phải kiếm được 3 nghìn tỷ USD để biện minh cho tất cả các chip và chi phí trung tâm dữ liệu khác. Và đó có thể là một ước tính thấp—chi phí bộ nhớ tăng và việc sử dụng ngày càng nhiều chip chuyên dụng hoặc chip suy luận (inference-specific) sẽ đẩy con số đó lên cao hơn. “Gần đây,” ông viết, “doanh thu yêu cầu trên mỗi GW vốn đầu tư đã tăng mạnh do các động lực tắc nghẽn và chi phí xây dựng tăng cao.”

Doanh thu hiện tại của các công ty AI hàng đầu còn cách xa mục tiêu

Ở phía bên kia của bảng cân đối, Anthropic được cho là đã đạt 60 tỷ USD doanh thu định kỳ hàng năm (ARR), trong khi OpenAI báo cáo doanh thu 13 tỷ USD trong năm 2025 (mặc dù vào tháng 11/2025, họ cho biết đạt 20 tỷ USD ARR) và có lẽ đang kiếm được nhiều hơn trong năm nay. Nhưng rõ ràng vẫn còn một khoảng cách lớn cần thu hẹp.

Rủi ro từ mô hình giá rẻ và giá token giảm

Torsten Slok, nhà kinh tế trưởng tại Apollo, một công ty quản lý tài sản khổng lồ, đang theo dõi khoảng cách đó. Trong một ghi chú gần đây, ông chỉ ra rằng các siêu quy mô (hyperscalers) — Google, Meta, Microsoft và Amazon — đều dự báo sự tăng tốc lớn trong dòng tiền tự do của họ vào năm 2028. Điều đó có nghĩa là họ kỳ vọng sẽ thấy lợi nhuận từ tất cả các chip đã mua. Nếu điều đó không xảy ra thì sao? Slok lưu ý một rủi ro mà chúng ta đang thấy trong việc sử dụng AI hiện nay: Ngày càng nhiều tổ chức chuyển sang sử dụng các mô hình mã nguồn mở (open weight) giá rẻ hơn, thường là của Trung Quốc, thay vì các mô hình do các phòng thí nghiệm tiên phong xây dựng, và giá token (token prices) nói chung đang giảm. Mô hình mới nhất của OpenAI, theo CEO Sam Altman, hiệu quả hơn 54% về token (token efficient) trong các tác vụ lập trình. Điều đó tốt cho người dùng lo lắng về chi phí của các tác nhân AI (AI agents), nhưng có thể không tốt cho các công ty xây dựng “nhà máy token” nếu người dùng không tăng mạnh tổng mức sử dụng token của họ với các mô hình đó.

Hệ quả kinh tế vĩ mô nếu kỳ vọng không thành hiện thực

Slok lo ngại rằng nếu các siêu quy mô không đạt được mục tiêu dòng tiền, phản ứng của thị trường có thể rất nghiêm trọng— “với quá nhiều thứ phụ thuộc vào quá ít cái tên,” ông viết, “một sự hoàn vốn chậm hơn sẽ không chỉ là vấn đề của một ngành, mà còn có nguy cơ đẩy nền kinh tế vào suy thoái và S&P 500 vào một đợt điều chỉnh.”

Theo TechCrunch

Ảnh: igovar igovar / Pexels