Big Tech rơi vào vòng xoáy chi tiêu AI vì xây trung tâm dữ liệu ngày càng đắt
Chi phí xây dựng trung tâm dữ liệu tăng mạnh đang tạo ra một nghịch lí: Các hãng công nghệ lớn phải chi nhiều tiền hơn nhưng chưa chắc mở rộng được hạ tầng AI với tốc độ tương ứng.
Mùa công bố kết quả kinh doanh của các hãng công nghệ lớn (Big Tech) sẽ bắt đầu từ tuần này, mở màn với Alphabet. Tuy nhiên, con số được giới đầu tư quan tâm nhất sẽ không phải doanh thu hay lợi nhuận, mà là số tiền các công ty dự định chi cho việc xây dựng trung tâm dữ liệu phục vụ AI.
Chi phí xây trung tâm dữ liệu AI tăng mạnh, Big Tech phải chi nhiều hơn để mở rộng hạ tầng
Alphabet (công ty mẹ Google), Amazon, Microsoft và Meta trước đó đã công bố kế hoạch chi khoảng 700 tỉ USD trong năm 2026 cho hạ tầng AI. Nhà đầu tư đều hiểu rằng các công ty này đang chạy đua để tăng năng lực tính toán cho AI. Tuy nhiên, câu hỏi quan trọng hơn là số tiền đó thực sự mua thêm được bao nhiêu năng lực tính toán mới?
Câu trả lời là không nhiều như kì vọng. Giá chip nhớ tăng mạnh, trong khi thiết bị điện, vật liệu xây dựng, nhân công lành nghề và cả việc kết nối nguồn điện đều trở nên khan hiếm hơn.
Năng lực tính toán là thuật ngữ chỉ lượng phép tính mà một hệ thống có thể thực hiện. Năng lực tính toán càng lớn đồng nghĩa với việc sử dụng nhiều chip hơn, có khả năng xử lý song song ở tốc độ cao hơn, từ đó huấn luyện và vận hành (suy luận) mô hình AI ngày càng lớn. Kết quả là AI có thể mở rộng quy mô, điều mà nhiều người trong ngành xem như "liều thuốc vạn năng" để khắc phục mọi hạn chế của các mô hình ngôn ngữ lớn.
Việc bổ sung dữ liệu và năng lực tính toán thực sự đã giúp AI tiến bộ đáng kể. Chẳng hạn, GPT-3 của OpenAI vượt trội hơn rất nhiều so với GPT-2. Theo Viện nghiên cứu Epoch AI, kể từ năm 2022, năng lực tính toán từ các chip AI đã tăng trung bình khoảng 3,3 lần mỗi năm.
Ngân hàng đầu tư Morgan Stanley (Mỹ) ước tính chi phí xây dựng hạ tầng AI đang tăng nhanh. Với nhiều hệ thống AI phổ biến, để bổ sung 1 gigawatt công suất điện của hạ tầng AI hiện tốn nhiều hơn khoảng 20% so với trước. Ví dụ, một trung tâm dữ liệu sử dụng GPU (bộ xử lý đồ họa) Nvidia từng cần khoảng 29 tỉ USD để đạt 1 gigawatt công suất, nay phải chi khoảng 35 tỉ USD. Với các cấu hình thế hệ mới, con số này đã tăng từ 41 tỉ USD lên 49 tỉ USD.
Điều này tạo ra một vòng xoáy chi tiêu. Big Tech đặt mua thêm thiết bị cho các trung tâm dữ liệu AI, khiến tình trạng khan hiếm nguồn cung nghiêm trọng hơn, kéo giá tiếp tục tăng. Sau đó, các công ty lại phải nâng dự báo chi tiêu vốn, một phần chỉ để bù đắp chi phí tăng cao, từ đó tiếp tục làm nhu cầu tăng mạnh hơn và đẩy giá lên cao hơn nữa.
Chi tiêu vốn tăng không đồng nghĩa hạ tầng AI mở rộng nhanh hơn
Brad Gastwirth, Giám đốc nghiên cứu tại Circular Technology, ước tính khoảng 20 - 30% mức tăng chi tiêu vốn AI trong thời gian tới sẽ chỉ phản ánh lạm phát chi phí, còn 70 - 80% mới thực sự là phần mở rộng hạ tầng AI.
Nói cách khác, chi tiêu tăng không đồng nghĩa tốc độ mở rộng hạ tầng AI cũng tăng tương ứng.
Brad Gastwirth cho biết: "Nhà đầu tư cần thận trọng khi diễn giải việc chi tiêu vốn tăng lên. Rõ ràng trong đó có một phần đáng kể đến từ lạm phát chi phí".
Circular Technology là công ty nghiên cứu thị trường và dịch vụ chuỗi cung ứng có trụ sở tại bang Massachusetts (Mỹ), thành lập năm 2021. Circular Technology chuyên nghiên cứu chuỗi cung ứng hạ tầng điện toán, đặc biệt là thị trường GPU, chip nhớ, máy chủ và trung tâm dữ liệu phục vụ AI.
Sự khác biệt này rất quan trọng với giới đầu tư. Một nghiên cứu trước đây cho thấy 45% mức tăng chi tiêu vốn của các hãng điện toán đám mây siêu quy mô vào năm nay đến từ việc giá chip nhớ tăng mạnh, chứ không phải do họ mở rộng hạ tầng AI nhiều hơn.
Các nhà phân tích của Cantor Fitzgerald dự báo kế hoạch chi tiêu vốn năm 2026 sẽ không thay đổi nhiều sau mùa báo cáo tài chính lần này. Tuy nhiên, họ cho rằng dự báo chi tiêu cho năm 2027 sẽ được điều chỉnh tăng mạnh, trong đó Alphabet được dự báo chi khoảng 283 tỉ USD, Amazon là 271 tỉ USD và Meta là 200 tỉ USD.
Cantor Fitzgerald là một trong những ngân hàng đầu tư và công ty dịch vụ tài chính lâu đời của Phố Wall, được thành lập năm 1945 và có trụ sở tại thành phố New York (Mỹ). Công ty hoạt động trong nhiều lĩnh vực như ngân hàng đầu tư, môi giới chứng khoán, nghiên cứu cổ phiếu, quản lý tài sản và tư vấn tài chính.
Big Tech chưa thể giảm tốc cuộc đua AI
Vậy liệu có Big Tech nào sẽ chững lại và ngừng tăng chi tiêu vốn? Có lẽ là chưa. Không doanh nghiệp nào muốn tỏ ra thận trọng khi các đối thủ AI vẫn đang tăng tốc đầu tư.
Song theo Brad Gastwirth, nhà đầu tư không nên chỉ nhìn vào con số chi tiêu vốn tăng lên, mà cần xem các doanh nghiệp sử dụng số tiền đó vào đâu.
"Khi các công ty công bố kế hoạch chi tiêu vốn, tôi sẽ chú ý xem họ có đồng thời nói đến việc tăng công suất điện, triển khai thêm GPU, mua thêm chip nhớ, mở rộng hạ tầng mạng hay xây thêm các khu trung tâm dữ liệu mới hay không. Nếu chi tiêu tăng đi kèm với những chỉ số này, đó là dấu hiệu họ đang thực sự mở rộng hạ tầng AI, chứ không chỉ phải trả nhiều tiền hơn vì chi phí tăng", Brad Gastwirth nói.
Ngược lại, nếu chỉ thấy chi tiêu vốn tăng mà không có những dấu hiệu mở rộng hạ tầng kể trên, con số lớn hơn có thể chỉ phản ánh việc các Big Tech phải chi nhiều tiền hơn để duy trì cùng một tốc độ phát triển, thay vì thực sự mở rộng quy mô hạ tầng AI tương ứng.
Từ nay đến năm 2030, Meta, Microsoft, Amazon và Alphabet được dự báo sẽ chi hơn 5.000 tỉ USD cho năng lực tính toán.
Đây là một canh bạc công nghệ rất lớn, đến mức một số công ty đã phải cắt giảm chương trình mua lại cổ phiếu, đồng thời phát hành thêm trái phiếu và cổ phiếu để huy động vốn.
Trong ngành AI, mở rộng năng lực tính toán là việc chi nhiều tiền hơn để xây dựng các trung tâm dữ liệu và mua thêm chip AI như GPU Nvidia hay TPU (bộ xử lý tensor) của Google. Những chip này cung cấp sức mạnh cho các mô hình ngôn ngữ lớn làm nền tảng cho chatbot AI như ChatGPT, Gemini và Claude.
Tuy nhiên, việc tiếp tục đi theo con đường này đang vấp phải ít nhất hai vấn đề lớn.
Vấn đề đầu tiên là về mặt kỹ thuật. Việc mở rộng quy mô chưa thể giải quyết những điểm yếu cốt lõi của các mô hình ngôn ngữ lớn, chẳng hạn hiện tượng ảo giác (AI bịa thông tin y như thật) và những sai sót trong suy luận. Dù năng lực tính toán đã tăng đáng kể, kết quả mà AI tạo ra vẫn có nguy cơ mắc lỗi.
Vấn đề thứ hai là cuộc đua mở rộng quy mô đã trở nên phổ biến đến mức các công ty AI hàng đầu gần như không còn tạo được lợi thế công nghệ đủ lớn để bỏ xa đối thủ.
Hệ quả là các công ty vừa phải lao vào cuộc chiến giảm giá để thu hút khách hàng, vừa phải gánh chi phí khổng lồ do phải xây dựng và duy trì các trung tâm dữ liệu ngày càng lớn để huấn luyện, vận hành mô hình AI. Trong khi đó, sản phẩm của họ lại không khác biệt đáng kể, khiến biên lợi nhuận rất thấp, thậm chí nhiều công ty còn chấp nhận thua lỗ.
Ở chiều ngược lại, ngày càng nhiều doanh nghiệp Mỹ có xu hướng chuyển sang sử dụng các mô hình AI mã nguồn mở do Trung Quốc phát triển vì chi phí thấp hơn nhưng vẫn đáp ứng được nhiều nhu cầu.
.jpg)
