Hôm nay, tôi đọc được một bản tin từ nguồn blockchain Việt Nam, nội dung ngắn gọn: “Bernstein vừa công bố, đằng sau thương vụ hợp tác trị giá 7000 tỷ USD, thứ AI thiếu nhất có thể không phải là GPU.”
Nghe có vẻ như một tín hiệu đảo chiều từ một trong những tổ chức tài chính uy tín nhất thế giới. Nhưng với tôi, một Due Diligence Analyst, một bản tin như vậy giống như một mảnh ghép cực kỳ thú vị trong một bức tranh ghép hình khổng lồ, mà chúng ta – cộng đồng crypto và AI – đang cùng nhau vẽ lên. Hãy để tôi mổ xẻ nó dưới góc nhìn của một kẻ lạnh lùng, dựa trên dữ liệu và kinh nghiệm kiểm toán 7 năm qua.
Context: Sự nóng lên của AI và cơn sốt GPU
Đầu năm 2025, thế giới chứng kiến một cuộc chạy đua vũ trang về AI chưa từng có. Các “gã khổng lồ” công nghệ và cả những startup non trẻ đều đổ xô vào mua sắm GPU Nvidia H100 và B200. Hàng ngàn tỷ USD đã được chi ra cho các dự án trung tâm dữ liệu khổng lồ. Dự án “Stargate” của OpenAI và Microsoft, với tổng mức đầu tư có thể lên tới 100 tỷ USD, hay các kế hoạch xây dựng cụm siêu máy tính của Google và Amazon, đã đẩy giá cổ phiếu Nvidia lên mức cao chưa từng thấy, biến nó thành một trong những công ty có giá trị nhất hành tinh.
Trong bối cảnh đó, tuyên bố của Bernstein – một trong những ngân hàng đầu tư lâu đời và có ảnh hưởng nhất phố Wall – vang lên như một tiếng chuông cảnh tỉnh. Họ đặt câu hỏi: Toàn bộ chiến lược “đổ tiền vào GPU” này có đang đi đúng hướng không? Hay chúng ta đang đánh giá sai nhu cầu thực sự của ngành? Bản tin từ nguồn blockchain Việt Nam đã chọn một góc nhìn rất cụ thể: “Đằng sau thương vụ 7000 tỷ USD, AI thiếu nhất không phải là GPU.” Điều này khiến tôi phải dừng lại và suy nghĩ.
Core: Phân tích kỹ thuật – Tại sao “thuyết thiếu GPU” có thể là một ảo ảnh?
Để hiểu tại sao Bernstein có thể đưa ra nhận định này, tôi sẽ đi theo bốn lớp phân tích mà tôi đã xây dựng trong 7 năm qua, mỗi lớp dựa trên một kinh nghiệm cá nhân. Lớp 1: Kinh nghiệm từ ICO 2017 – Cảnh giác với sự thổi phồng.
Như tôi đã từng kể, năm 2017, trong đợt ICO điên cuồng, tôi phát hiện ra những lỗi toán học chết người trong các whitepaper. Họ hứa hẹn lợi nhuận phi thực tế dựa trên các giả định sai lầm về phân phối token. Hôm nay, sự thổi phồng về “thiếu GPU” có thể là một dạng tương tự. Sự khan hiếm GPU có thật, nhưng nó đang được khuếch đại một cách có chủ đích hay không? Nhu cầu về GPU cho đào tạo mô hình (training) lớn, nhưng nhu cầu cho suy luận (inference) – tức là chạy mô hình đã được đào tạo – lại hoàn toàn khác. Một mô hình sau khi được đào tạo, có thể chạy trên các chip chuyên dụng ít tốn kém hơn, thậm chí là trên CPU. Nếu thị trường hiện tại đang tập trung quá mức vào để đào tạo những mô hình AI tổng quát khổng lồ (general-purpose AI), trong khi nhu cầu thực tế lại là các AI chuyên biệt (narrow AI) chạy trên thiết bị di động hoặc các chip năng lượng thấp, thì “sự thiếu hụt” GPU đang được tạo ra một cách nhân tạo.
Lớp 2: Kinh nghiệm từ DeFi 2020 – Hãy kiểm tra “gas cost” trước khi khoe khoang. Hãy nhìn vào cấu trúc thị trường GPU hiện tại. Tương tự như một giao thức DeFi có thể có TVL khổng lồ nhưng lại bị hao hụt bởi phí gas và front-running, thị trường GPU có một lớp “chi phí ẩn” to lớn: đó là điện năng và làm mát. Một cụm 10.000 H100 GPU có thể tiêu thụ tới 30 MW điện mỗi giờ, tương đương một nhà máy điện nhỏ. Chi phí này là một gánh nặng khổng lồ và dai dẳng, khiến cho việc vận hành một cơ sở hạ tầng tính toán hiệu suất cao không chỉ phụ thuộc vào giá GPU ban đầu, mà còn vào chi phí vận hành (OpEx). Một nhà đầu tư thông minh, nhìn vào bảng cân đối kế toán của một công ty AI, sẽ không chỉ đếm số lượng GPU, mà phải tính toán “tổng chi phí sở hữu (TCO)” bao gồm cả chi phí điện, nhân công vận hành, và chi phí bảo trì. Nếu chi phí OpEx này quá cao, thì giá trị của GPU bắt đầu giảm dần.
Lớp 3: Kinh nghiệm từ NFT 2021 – Dấu vết on-chain không bao giờ nói dối. Sử dụng kinh nghiệm phân tích on-chain, tôi có thể kiểm tra lại tuyên bố của Bernstein từ góc độ market cap.
Tôi nhanh chóng lấy số liệu. Năm 2024, thị trường chip AI (bao gồm GPU, ASIC, FPGA) ước tính khoảng 100 tỷ USD. Theo IDC, doanh thu từ dịch vụ đám mây AI năm 2024 là khoảng 150 tỷ USD. Con số 7000 tỷ USD cho một thương vụ duy nhất là quá lớn so với quy mô hiện tại. Nó tương đương với toàn bộ GDP của một nước lớn trong khu vực, hoặc gấp 70 lần quy mô thị trường chip AI hiện tại. Nếu thương vụ này là thực, nó ám chỉ một kỳ vọng cực kỳ lớn – rằng thị trường AI sẽ tăng trưởng gấp 70 lần trong vòng 5-10 năm tới. Điều này nghe có vẻ viển vông trừ khi chúng ta đang ở đỉnh của một bong bóng đầu cơ mang tên “AI”.
Sử dụng framework “10 chỉ số cảnh báo sớm” mà tôi đã xây dựng sau vụ Luna/UST, tôi thấy ngay một tín hiệu: sự chênh lệch lớn giữa “câu chuyện” (narrative) và “dữ liệu cơ bản” (fundamental data). Câu chuyện về sự thiếu hụt GPU đã đẩy vốn đầu tư vào các công ty chip và trung tâm dữ liệu lên mức kỷ lục, trong khi doanh thu từ các mô hình AI (ví dụ như ChatGPT) vẫn chưa thực sự tạo ra lợi nhuận tương xứng. Đây là một mô hình rủi ro cao.
Lớp 4: Kinh nghiệm từ việc thiết kế khung thẩm định ETF Crypto năm 2025 – Điểm số không bao giờ nói dối.
Trong khung điểm 100 của tôi, một yếu tố quan trọng là “tính bền vững của lợi thế cạnh tranh”. Đối với Nvidia, lợi thế của họ hiện tại dựa trên sự khan hiếm GPU. Nhưng nếu Bernstein đúng, nguồn cung GPU trong dài hạn sẽ dồi dào khi các đối thủ như AMD, Intel, và các công ty sản xuất chip chuyên dụng cho AI (ASIC) bắt kịp. Khi đó, cuộc chơi sẽ chuyển từ “ai có nhiều GPU nhất” sang “ai có thuật toán hiệu quả nhất, ai có chi phí vận hành thấp nhất”. Những công ty như OpenAI, Google, hay các startup AI nội địa như VNG, FPT AI, nếu không chú trọng tối ưu hóa mô hình (model optimization), họ sẽ thua cuộc trong dài hạn.
Contrarian: Điều mà phe “bò” của GPU có thể đúng
Đừng vội kết luận. Phân tích của tôi có một điểm mù: Tại sao một tổ chức như Bernstein lại đưa ra một tuyên bố gây sốc như vậy? Có thể họ đang cố gắng định giá lại cổ phiếu Nvidia, hoặc đang tạo ra một câu chuyện mới về các cơ hội đầu tư khác (ví dụ như điện hạt nhân hoặc các công ty quản lý dữ liệu).
Hơn nữa, nếu nhìn vào lịch sử, sự khan hiếm GPU đã thực sự thúc đẩy sự phát triển của các kiến trúc mới như Mixture of Experts (MoE) – cho phép tận dụng hiệu quả hơn các GPU hiện có. Nếu không có sự khan hiếm này, có thể chúng ta đã không thấy những tiến bộ vượt bậc trong việc tối ưu hóa phần mềm. Sự thiếu hụt có thể là chất xúc tác cho sự đổi mới.
Một luận điểm mạnh mẽ hơn ủng hộ “GPU là thứ thiếu nhất” là: Cuộc cách mạng AI vẫn đang ở giai đoạn đầu. Để đạt được AGI (Trí tuệ nhân tạo tổng quát), chúng ta có thể cần một lượng tính toán vượt xa bất kỳ sự khan hiếm nào hiện tại. Nếu điều đó xảy ra, mọi nỗ lực đầu tư vào GPU hiện tại đều là hợp lý.
Takeaway: Lời kêu gọi trách nhiệm
Tuyên bố của Bernstein là một tín hiệu mạnh mẽ cho tất cả chúng ta – các nhà đầu tư, nhà phát triển, và những người xây dựng trong lĩnh vực này. Đừng để câu chuyện về “thiếu GPU” che mờ thực tế kinh tế cơ bản. Hãy kiểm tra ba lần trước khi đưa ra quyết định đầu tư. Hãy đọc các hợp đồng kinh tế đằng sau các thương vụ.
Trong một thế giới mà câu chuyện được viết bởi các quỹ lớn, dữ liệu on-chain và phân tích định lượng sẽ là tấm khiên duy nhất bảo vệ bạn. Câu hỏi cuối cùng dành cho bạn, nhà đầu tư: Liệu 7000 tỷ USD có đang được đầu tư vào đúng thứ mà AI thực sự cần? Hay chúng ta đang xây dựng một đội quân robot khổng lồ trên một nền tảng kinh tế mong manh? Hãy tự mình trả lời.