Cú sốc của Meta và nguy cơ dư thừa hạ tầng AI bắt đầu lộ diện?

Chỉ một thông tin Meta có kế hoạch cho thuê năng lực tính toán AI dư thừa đã đủ để làm dấy lên câu hỏi: Liệu cơn sốt hạ tầng AI đang bước sang giai đoạn mới, khi bài toán không còn là thiếu GPU mà là nguy cơ dư cung?

Meta vô tình phát đi tín hiệu khiến cả hạ tầng AI rung lắc

Nhóm cổ phiếu bán dẫn trên Phố Wall vừa trải qua một phiên giao dịch đầy biến động khi chỉ số Philadelphia Semiconductor Index (SOX) lao dốc 6,3-7%, xóa sạch hàng trăm tỉ USD vốn hóa của ngành. Hàng loạt doanh nghiệp như Western Digital, MACOM, Lattice Semiconductor, Micron Technology hay AMD đồng loạt giảm mạnh, trong đó nhiều mã mất trên 10% giá trị chỉ sau một phiên.

Điều đáng nói là cú bán tháo không xuất phát từ một báo cáo lợi nhuận yếu kém hay một sự kiện địa chính trị, mà đến từ một thông tin tưởng như tích cực.

Theo Bloomberg, Meta đang âm thầm xây dựng một mảng kinh doanh điện toán đám mây, tạm gọi là "Meta Compute", nhằm cho thuê năng lực tính toán AI mà tập đoàn này chưa sử dụng hết.

Đối với Meta, đây có thể là cách tối ưu hóa hiệu quả đầu tư. Trong năm 2026, công ty dự kiến chi tới 145 tỉ USD vốn đầu tư (capex), phần lớn dành cho trung tâm dữ liệu AI, GPU và hạ tầng tính toán.

Nếu một phần công suất được bán ra thị trường thay vì để nhàn rỗi, Meta có thể tạo thêm nguồn doanh thu mới, đồng thời cải thiện hiệu quả sử dụng tài sản. Tuy nhiên, điều khiến giới đầu tư lo ngại lại nằm ở thông điệp ngược lại.

Suốt hai năm qua, thị trường mặc định rằng các "hyperscaler" như Meta, Microsoft, Amazon hay Google luôn trong tình trạng thiếu GPU, thiếu bộ nhớ HBM và phải liên tục đặt mua chip mới từ Nvidia, AMD, Micron hay SK Hynix.

Nếu Meta hiện đã có đủ năng lực để đem công suất đi cho thuê, điều đó đồng nghĩa với việc tập đoàn này có thể đã xây dựng hạ tầng vượt quá nhu cầu nội bộ.

Quan trọng hơn, đây có thể là tín hiệu cho thấy các Big Tech đã bước qua giai đoạn đầu tư ồ ạt và sẽ không còn duy trì tốc độ mua sắm phần cứng như trước.

Thị trường bắt đầu nghi ngờ "vòng quay AI" có thể chậm lại

Nỗi lo này càng được khuếch đại sau khi một chuyên gia phân tích của Citi cảnh báo rằng các nền tảng điện toán đám mây sẽ khó duy trì tốc độ chi tiêu khổng lồ cho AI nếu không sớm chứng minh được lợi nhuận từ những khoản đầu tư đó.

Trong hai năm gần đây, các tập đoàn công nghệ đã bước vào cuộc đua chưa từng có tiền lệ nhằm xây dựng trung tâm dữ liệu AI. Hàng trăm tỉ USD được đổ vào GPU Nvidia, bộ nhớ HBM, SSD, thiết bị mạng tốc độ cao và hệ thống làm mát.

Giả định của thị trường rất đơn giản: Nhu cầu AI sẽ tăng không giới hạn. Chính giả định này đã đưa giá cổ phiếu bán dẫn tăng phi mã. Chỉ trong nửa đầu năm 2026, chỉ số SOX đã tăng tới 82%, trở thành nhóm ngành dẫn dắt Phố Wall.

Tuy nhiên, khi định giá đã phản ánh gần như mọi kì vọng tích cực, chỉ cần xuất hiện một dấu hiệu cho thấy nhu cầu có thể chậm lại, phản ứng của thị trường lập tức trở nên rất mạnh.

Nếu các hyperscaler đã xây dựng đủ hạ tầng cho nhiều năm tới, lượng đơn đặt hàng GPU, bộ nhớ HBM hay chip NAND trong tương lai hoàn toàn có thể giảm tốc. Đó chính là điều khiến Western Digital, MACOM, Lattice Semiconductor cùng nhiều doanh nghiệp bán dẫn đồng loạt bị bán tháo.

Trước đó chỉ ít ngày, nhóm chip AI cũng từng rung lắc mạnh khi xuất hiện thông tin SK Hynix làm chậm tiến độ mở rộng sản xuất HBM4.

Tuy nhiên, nhiều chuyên gia sau đó cho rằng đây chủ yếu là quyết định tối ưu biên lợi nhuận chứ không phản ánh nhu cầu AI suy yếu. SK Hynix chuyển một phần năng lực sang sản xuất DRAM truyền thống do giá bán và lợi nhuận cao hơn.

Điều này cho thấy thị trường hiện cực kì nhạy cảm với bất kì thông tin nào liên quan đến AI, ngay cả khi bản chất của vấn đề không hoàn toàn tiêu cực.

Nguy cơ lớn nhất không phải AI suy yếu mà là đầu tư vượt nhu cầu thực

Dù vậy, đợt điều chỉnh lần này cũng phản ánh một vấn đề đáng lưu ý: Sau giai đoạn đầu tư bùng nổ, các Big Tech sẽ phải chứng minh rằng hàng trăm tỉ USD chi cho AI thực sự tạo ra giá trị.

Khác với các chu kì công nghệ trước, AI đòi hỏi chi phí đầu tư ban đầu cực lớn. Một trung tâm dữ liệu AI hiện đại có thể tiêu tốn hàng chục tỉ USD, chưa kể chi phí điện năng, làm mát và vận hành. Nếu tốc độ thương mại hóa AI chậm hơn kì vọng, nguy cơ dư thừa công suất là hoàn toàn có thể xảy ra.

Việc Meta cân nhắc cho thuê năng lực tính toán có thể chỉ là hoạt động tối ưu tài sản giống như Amazon từng biến hạ tầng nội bộ thành AWS hay Google phát triển Google Cloud.

Tuy nhiên, ở thời điểm hiện tại, thị trường lại diễn giải theo hướng tiêu cực: Meta không cần sử dụng hết số GPU mà họ đã mua.

Điều này đặt ra câu hỏi lớn hơn: Liệu Microsoft, Amazon hay Google cũng đang sở hữu lượng công suất dự phòng tương tự?

Nếu câu trả lời là có, tốc độ tăng trưởng đơn hàng dành cho Nvidia, AMD, Micron hay các nhà sản xuất bộ nhớ sẽ khó duy trì như giai đoạn vừa qua.

Dẫu vậy, nhiều tổ chức phân tích vẫn cho rằng đây chủ yếu là một nhịp điều chỉnh sau khi nhóm bán dẫn đã tăng quá nóng. Không ít cổ phiếu đã tăng gấp hai đến ba lần chỉ trong một năm, khiến hoạt động chốt lời là điều khó tránh khỏi.

Bên cạnh đó, kì vọng về việc Cục Dự trữ Liên bang Mỹ (Fed) có thể duy trì lãi suất ở mức cao lâu hơn cũng làm gia tăng áp lực lên các doanh nghiệp phụ thuộc nhiều vào vốn đầu tư như ngành bán dẫn.

Ở chiều ngược lại, nhu cầu AI từ doanh nghiệp, chính phủ và các tổ chức trên toàn cầu vẫn được đánh giá là rất lớn. Deloitte dự báo doanh thu ngành bán dẫn có thể lần đầu tiên vượt mốc 1.000 tỉ USD trong năm 2026 nhờ AI tiếp tục là động lực tăng trưởng chủ đạo.

Điều đó cho thấy, câu hỏi lớn của thị trường hiện nay không phải là AI có còn phát triển hay không, mà là các Big Tech đã đầu tư quá nhanh so với tốc độ tạo ra doanh thu từ AI hay chưa.

Nếu những khoản đầu tư khổng lồ sớm được chuyển hóa thành các dịch vụ tạo dòng tiền bền vững, đợt điều chỉnh hiện tại có thể chỉ là một nhịp nghỉ của chu kì tăng giá. Ngược lại, nếu ngày càng nhiều tập đoàn phải cho thuê công suất dư thừa thay vì tiếp tục mở rộng trung tâm dữ liệu, thị trường bán dẫn sẽ phải đối mặt với một thực tế mới: Thời kì khan hiếm GPU có thể đang dần khép lại, nhường chỗ cho bài toán tối ưu hóa và khai thác hiệu quả những gì đã được xây dựng.