Jensen Huang kéo Phố Wall vào cuộc chơi AI 500 tỉ USD, Trung Quốc là thách thức lớn
Jensen Huang đã xây dựng Nvidia thành công ty có giá trị lớn nhất thế giới nhờ tiên phong phát triển GPU - loại chip chuyên dụng đứng sau sự bùng nổ của AI.
Bước đi tài chính mới của Jensen Huang
Để hiện thực hóa tầm nhìn của mình về tương lai AI, ông Jensen Huang - Giám đốc điều hành Nvidia - giờ đây đang thực hiện bước đi tài chính mới: Thuyết phục các nhà đầu tư Phố Wall rằng những GPU (bộ xử lí đồ họa) này có thể trở thành tài sản tài chính dài hạn, tương tự bất động sản thương mại hoặc tuyến đường thu phí.
Kế hoạch này phụ thuộc rất lớn vào khả năng Nvidia duy trì vị thế dẫn đầu về chip AI trước các công ty Trung Quốc.
Hôm 10/8, Nvidia công bố thỏa thuận với 6 tổ chức tài chính lớn gồm BlackRock, Blackstone, Apollo, KKR, Brookfield và Goldman Sachs. Mục tiêu là thiết lập các nền tảng tài trợ nhằm huy động hơn 500 tỉ USD vốn từ bên thứ ba để tài trợ việc xây dựng trung tâm dữ liệu và cụm GPU cho những doanh nghiệp không có đủ xếp hạng tín dụng hoặc tiền mặt để tự bỏ ra hàng triệu USD mua chip.
Điểm then chốt trong kế hoạch mà Jensen Huang công bố trên kênh CNBC, với sự hiện diện của lãnh đạo BlackRock, Blackstone, Apollo, KKR, Brookfield và Goldman Sachs, là một giả định quan trọng: GPU Nvidia sẽ duy trì giá trị theo thời gian, giống tài sản hữu hình truyền thống hơn là thiết bị điện tử tiêu dùng nhanh mất giá.
“Nền tảng nhà máy AI của Nvidia thực sự là một tài sản có thể đầu tư, một tài sản hạ tầng. Lý do là vì nó có khả năng tạo ra giá trị và doanh thu, có thể chuyển giao, được hầu hết nhà cung cấp dịch vụ đám mây sử dụng và có thể chạy nhiều loại mô hình AI”, Jensen Huang nhấn mạnh.
GPU có thể mất giá nhanh hơn dự kiến
Trong các khoản vay được bảo đảm bằng tài sản thông thường, ngân hàng sẵn sàng cho doanh nghiệp vay. Nếu bên vay không trả được nợ, ngân hàng có thể thu hồi tài sản đảm bảo như tòa nhà, nhà kho hoặc tàu chở hàng, sau đó bán đi để thu hồi vốn. Những tài sản này thường có thị trường mua bán lại rõ ràng và có thể được sử dụng trong nhiều thập niên.
Tuy nhiên, vòng đời tạo ra giá trị của những GPU tiên tiến nhất hiện nay vẫn chưa được xác định rõ.
Các GPU mới có thể được dùng để huấn luyện những mô hình AI tiên tiến nhất. Tuy nhiênchỉ sau vài năm, chúng có thể trở nên kém hiệu quả hơn và được chuyển sang phục vụ các tác vụ suy luận AI có giá trị kinh tế thấp hơn so với huấn luyện mô hình tiên tiến. Điều này sẽ làm giảm giá trị bán lại cũng như giá trị của GPU khi được dùng làm tài sản đảm bảo.
“Khấu hao là rủi ro quan trọng nhất ở đây”, Ben Emons, nhà sáng lập công ty quản lý đầu tư định lượng FedWatch Advisors, nhận định. Ông cho rằng GPU Nvidia “có thể mất giá nhanh hơn dự kiến”.
Nhà đầu tư sẽ yêu cầu lợi suất cao hơn?
Ben Emons cho rằng rủi ro lớn nhất với mô hình tài trợ của Nvidia đến từ Trung Quốc. Quốc gia này đang nhanh chóng mở rộng năng lực điện toán AI trong nước và có thể tung ra thị trường lượng lớn chip giá rẻ, dẫn tới một cuộc cạnh tranh về giá.
Theo Ben Emons, nếu sản lượng chip từ Trung Quốc khiến giá phần cứng giảm mạnh, giá trị những GPU được dùng làm tài sản bảo đảm cho khoản vay hàng trăm tỉ USD có thể sụt giảm nhanh hơn tốc độ trả nợ, khiến các nhà đầu tư đối mặt với nguy cơ thua lỗ.
Để bù đắp phần nào rủi ro này, Ben Emons dự đoán các nhà đầu tư có thể sẽ xem GPU là thiết bị có tốc độ mất giá cao, thay vì tài sản ổn định như bất động sản. Vì vậy, họ có thể yêu cầu mức lợi suất cao hơn, khoảng 11%-17%, tùy thuộc vị trí của khoản đầu tư trong cơ cấu vốn.
Lợi suất là tỉ lệ thu nhập mà một khoản đầu tư tạo ra so với số vốn bỏ ra. Trong tài chính, lợi suất dùng để đo mức sinh lời của một tài sản như trái phiếu, cổ phiếu, khoản vay hoặc bất động sản.
Bên cạnh đó, theo một báo cáo của Bank of America Securities, những doanh nghiệp đi vay nhiều khả năng sẽ là các công ty chưa đạt chuẩn đầu tư, vốn khó tiếp cận các khoản vay truyền thống, bao gồm cả startup AI và nhà cung cấp hạ tầng đám mây chuyên biệt cho AI (neocloud).
Nếu những bên vay có mức rủi ro cao này phá sản, các nhà quản lý quỹ Phố Wall sẽ buộc phải thu hồi và bán lại những GPU đã qua sử dụng trong một thị trường có nguy cơ giảm giá.
Trung Quốc chưa thể lập tức đảo ngược cuộc chơi
Tuy nhiên, những rủi ro từ Trung Quốc có thể sẽ chưa tác động ngay lập tức đến kế hoạch của Nvidia. Huawei, nhà cung cấp chip AI hàng đầu Trung Quốc, đã nằm trong danh sách thực thể (danh sách đen) của Bộ Thương mại Mỹ từ năm 2019.
Đến tháng 5, chính phủ Mỹ cho rằng chip AI Ascend của Huawei vi phạm quy định kiểm soát xuất khẩu, khiến các công ty Mỹ không được phép sử dụng loại chip này.
Trong thời gian này, Nvidia vẫn là nhà cung cấp chip AI dẫn đầu tại Mỹ, với thị phần được nhiều ước tính cho là trên 75%.
Hiện tại, các yếu tố kinh tế vẫn đang có lợi cho Jensen Huang.
Do nguồn cung khan hiếm trong bối cảnh các công ty điện toán đám mây quy mô lớn chạy đua mở rộng năng lực điện toán, giá thuê GPU Nvidia H100 theo hợp đồng dài hạn đã tăng từ khoảng 1,70 USD/GPU-giờ vào cuối năm 2025 lên khoảng 2,35 USD/GPU-giờ trong 2026, theo Jensen Huang.
Một yếu tố quan trọng khác là Nvidia cho rằng nền tảng phần mềm CUDA giúp kéo dài giá trị sử dụng của các GPU sau khi được triển khai. Nhờ CUDA, các nhà phát triển có thể tiếp tục chạy các tác vụ AI trên những GPU cũ, giúp chúng duy trì khả năng tạo doanh thu lâu hơn so với dự đoán của các mô hình kế toán truyền thống.
Tương lai của cuộc đua xây dựng hạ tầng AI và hàng trăm tỉ USD vốn đầu tư có thể phụ thuộc vào câu hỏi: GPU Nvidia có thực sự giữ được giá trị lâu dài, hay sẽ mất giá nhanh hơn kì vọng?
CUDA là nền tảng phần mềm và mô hình lập trình song song, cho phép lập trình viên tận dụng sức mạnh xử lí của GPU Nvidia để tăng tốc các tác vụ tính toán nặng như AI, học máy, mô phỏng khoa học, dựng hình và xử lý dữ liệu lớn. Ban đầu, GPU được thiết kế chủ yếu để xử lý đồ họa. Nhờ CUDA, một chương trình có thể chia nhỏ công việc thành hàng nghìn tác vụ và xử lý chúng đồng thời trên nhiều lõi của GPU, giúp tăng tốc độ tính toán lên rất nhiều so với CPU truyền thống.
CUDA cũng cung cấp các thư viện, công cụ phát triển và giao diện lập trình để các nhà phát triển dễ dàng xây dựng phần mềm chạy trên GPU của Nvidia. Tuy nhiên, phần mềm viết bằng CUDA thường chỉ chạy tối ưu trên GPU Nvidia, khiến nhiều ứng dụng AI và tính toán hiệu năng cao phụ thuộc vào hệ sinh thái phần cứng của hãng này. Đây là một trong những yếu tố quan trọng giúp Nvidia duy trì vị thế thống trị trong lĩnh vực hạ tầng AI.