Ván cược nghìn tỷ USD vào hạ tầng AI: Bong bóng tài chính hay cú hích năng suất lịch sử?

Cơn sốt xây dựng trung tâm dữ liệu và bài toán hoàn vốn nghìn tỷ USD

Các gã khổng lồ công nghệ (hyperscalers) bao gồm Alphabet, Microsoft, Amazon, Meta và Oracle đang bước vào một trong những canh bạc vốn lớn nhất lịch sử kinh tế hiện đại: đổ hàng nghìn tỷ USD vào hạ tầng trung tâm dữ liệu phục vụ trí tuệ nhân tạo.

Theo phân tích của giáo sư tài chính Jessica Wachter thuộc Trường Kinh doanh Wharton (Đại học Pennsylvania), cựu chuyên gia kinh tế trưởng tại Ủy ban Chứng khoán và Giao dịch Mỹ (SEC), tổng chi tiêu cho hạ tầng AI ước tính chạm mốc 1.100 tỷ USD vào năm 2027. Để hòa vốn vào năm 2030 – sau khi tính đến chi phí vốn, tỷ suất lợi nhuận kỳ vọng 15% và khấu hao tài sản – năng suất nội tại của chính các tập đoàn này sẽ phải tăng gấp 2,7 lần. Nếu mục tiêu này thất bại, Wachter cảnh báo thế giới đang chứng kiến "sự phân bổ sai lệch nguồn vốn lớn nhất trong lịch sử".

Chỉ riêng năm nay, các tập đoàn dự kiến chi khoảng 750 tỷ USD để xây dựng các trung tâm dữ liệu. Một số dự báo cho thấy con số đầu tư tài sản cố định (capex) từ nhóm này có thể vượt 5.000 tỷ USD trong vòng 4 năm tới. Tuy nhiên, doanh thu thực tế tạo ra từ AI trong năm nay ước tính chỉ đạt khoảng 150 tỷ đến 200 tỷ USD. Gary Gensler, cựu Chủ tịch SEC dưới thời chính quyền Biden và hiện là giáo sư tại Trường Quản lý Sloan (MIT), thẳng thắn nhận định: "Thách thức nằm ở chỗ chi tiêu chưa hề đi kèm với doanh thu tương xứng. Đó là sự thật."

Đòn bẩy nợ, khấu hao chip GPU và cấu trúc tài chính phức tạp

Áp lực tài chính đang gia tăng nhanh chóng khi dòng tiền tự do (free cash flow) của nhóm công nghệ hàng đầu bắt đầu lao dốc. Ngay cả Alphabet, cỗ máy in tiền nổi tiếng của Thung lũng Silicon, trong quý gần nhất đã ghi nhận mức thâm hụt dòng tiền tự do 5,9 tỷ USD – lần đầu tiên xảy ra kể từ khi công ty IPO năm 2004 – do doanh thu kỷ lục gần 120 tỷ USD bị "ngốn trọn" bởi chi phí hạ tầng AI.

Để duy trì tốc độ xây dựng, các tập đoàn chuyển dần sang vay mượn. Morgan Stanley tính toán rằng hơn một nửa trong số 2.900 tỷ USD mà các hyperscalers chi tiêu từ năm 2025 đến 2028 sẽ được tài trợ bằng nguồn vốn bên ngoài. Động thái này kéo theo những rủi ro cấu trúc lớn:

• Khấu hao linh kiện tính toán cực nhanh: Chip GPU chuyên dụng chiếm tới 60% chi phí cơ sở dữ liệu và hiệu năng tăng gấp đôi sau mỗi hai năm. Điều này đồng nghĩa các trung tâm dữ liệu xây dựng hôm nay sẽ phải chi thêm hàng tỷ USD nâng cấp vào cuối thập kỷ nếu không muốn trở thành những "khối kim loại hoang phế" (stranded assets).
• Kỹ thuật tài chính lòng vòng: Điển hình là dự án trung tâm dữ liệu Hyperion của Meta tại Richland, bang Louisiana. Ban đầu dự kiến có công suất 2 gigawatt (GW) với chi phí 10 tỷ USD, dự án sau đó tăng vốn lên 30 tỷ USD và gần đây tiếp tục mở rộng lên 5 GW với tổng mức đầu tư 50 tỷ USD. Meta đã bán 80% cổ phần dự án cho quỹ tín dụng tư nhân Blue Owl Capital để lập liên doanh Beignet, sau đó thuê lại cơ sở này qua các hợp đồng thuê 4 năm – khoảng thời gian trùng khớp với vòng đời của GPU.
• Rủi ro lan sang hạ tầng dân sinh: Để cung cấp điện cho Hyperion, công ty điện lực Entergy Louisiana lên kế hoạch xây dựng hàng loạt nhà máy điện khí với tổng công suất 7,5 GW (gấp 6 lần mức tiêu thụ điện của cả thành phố New Orleans). Các nhà phân tích và tổ chức bảo vệ người tiêu dùng lo ngại nếu Meta cắt ngắn hợp đồng hoặc nhu cầu điện giảm, chi phí đầu tư hạ tầng khổng lồ này có thể bị đẩy sang các hộ gia đình sử dụng điện.

Giáo sư Stijn Van Nieuwerburgh từ Trường Kinh doanh Columbia chỉ ra rằng rủi ro nợ của các trung tâm dữ liệu đang được phân tán vô hình khắp nền kinh tế: nằm sâu trong danh mục của các quỹ hưu trí và bảo hiểm nhân thọ thông qua các quỹ tín dụng tư nhân.

Ba ván cược liên hoàn và bài học từ các cuộc khủng hoảng

Theo giáo sư Gary Gensler, thị trường vốn đang tham gia một "ván cược liên hoàn" (parlay bet) gồm ba điều kiện bắt buộc:

1. Các tập đoàn hạ tầng AI phải tạo ra doanh thu khổng lồ.
2. AI phải tạo ra cú hích tăng trưởng năng suất trên diện rộng cho toàn bộ nền kinh tế để khách hàng doanh nghiệp có lý do tiếp tục chi tiền.
3. Các mô hình biên (frontier models) đắt đỏ phải chứng minh được giá trị vượt trội trước sự cạnh tranh gay gắt từ các mô hình mã nguồn mở giá rẻ, gọn nhẹ (như DeepSeek).

Nếu các công ty chỉ tăng năng suất bằng cách cắt giảm mạnh nhân sự, làn sóng phản đối xã hội có thể ngăn cản các khoản đầu tư tiếp theo. Ngược lại, nếu doanh nghiệp chuyển hướng dùng các mô hình giá rẻ, nguồn thu bù đắp chi phí trung tâm dữ liệu của các hyperscalers sẽ sụp đổ. Nhà kinh tế học Daron Acemoglu, chủ nhân giải Nobel Kinh tế 2024, nhấn mạnh rằng các số liệu thống kê hiện tại chưa ghi nhận sự gia tăng năng suất đáng kể từ AI trên diện rộng.

Dù một cuộc thoái trào hay cú vỡ bong bóng tài chính có thể xảy ra trong những năm tới (tương tự giai đoạn dot-com năm 2000 hay khủng hoảng nợ 2008), công nghệ AI lõi vẫn sẽ tồn tại và phát triển. Giống như hệ thống cáp quang thời kỳ bùng nổ viễn thông đã trở thành xương sống cho Internet hiện đại, hạ tầng AI hôm nay có thể là nền tảng cho tương lai, nhưng cái giá phải trả cho các khoản nợ và số phận của những trung tâm dữ liệu trị giá hàng chục tỷ USD hiện vẫn là ẩn số đầy rủi ro.