Những mục liên quan:
Stanford năm nay vào mùa xuân mở một khóa học có tên Kinh tế của chu kỳ siêu AI (MS&E 435), do đối tác Altimeter Capital Apoorv Agrawal giảng dạy. Altimeter là cổ đông lớn của NVIDIA và OpenAI, mỗi tuần mời một người chơi cốt lõi trong ngành phân tích kinh tế AI - CEO Databricks Ali Ghodsi, CEO Vercel Guillermo Rauch, CEO Crusoe Chase Lochmiller, đội hình có thể nói là ngôi sao trong ngành AI Silicon Valley.
Tôi đã xem xong ba bài giảng đầu tiên, làm một bức tranh toàn cảnh 8 tầng của ngành công nghiệp AI. Dưới đây là những phát hiện đáng chia sẻ nhất từ khóa học này.
1/ AI đã trở thành chi tiêu lớn thứ hai toàn cầu, chỉ sau quốc phòng Mỹ.
Năm 2026, năm ông lớn (Amazon, Microsoft, Google, Meta, Oracle) dự kiến chi tiêu cho AI vượt qua 600 tỷ đô la Mỹ, gấp ba trong ba năm. Nhưng doanh thu tăng nhanh hơn - doanh thu tổng thể của AI cùng kỳ tăng gấp 5 lần, Anthropic liên tục đạt 10x mỗi năm trong ba năm. Đây không phải là bong bóng kiểu năm 2000, doanh thu đang bắt kịp chi tiêu.
2/ Phân phối giá trị của ngành công nghiệp AI hoàn toàn ngược lại với thời đại điện toán đám mây.
Thời đại điện toán đám mây là hình tam giác ngược: tầng ứng dụng (Adobe, Salesforce) lấy 70% doanh thu, bán dẫn chỉ lấy 6%.
Thời đại AI hoàn toàn đảo ngược: ngành bán dẫn lấy 79% lợi nhuận gộp, trong khi lớp ứng dụng chỉ có 7%. Bởi vì sức mạnh tính toán vẫn là nút thắt cổ chai, mọi người đang xếp hàng mua GPU. Nhưng xu hướng đã thay đổi - lợi nhuận gộp của các công ty mô hình chỉ còn 38% vào năm 2024, đến năm 2026 đã tăng lên 70%, quyền thương lượng đang chuyển sang tầng mô hình.
3/ ChatGPT có 1 tỷ người dùng hàng tháng, nhưng tỷ lệ thâm nhập AI vẫn còn ở giai đoạn đầu.
Đặt ChatGPT vào bảng so sánh ứng dụng C cuối toàn cầu: YouTube, Chrome, WhatsApp có khoảng 3 tỷ người dùng hàng tuần, các ứng dụng xã hội (Facebook, Instagram, TikTok) ở mức 1.5 tỷ, ChatGPT vừa mới vượt qua các ứng dụng chuyên biệt (âm nhạc, thương mại điện tử, tin tức). Giá cổ phiếu tăng gấp mười lần, nhưng từ tỷ lệ thâm nhập người dùng nhìn lại, chúng ta vẫn đang ở giai đoạn rất sớm.
4/ Tôi đã làm một bức tranh toàn cảnh 8 tầng của ngành công nghiệp AI.
Huang Renxun chia ngành công nghiệp AI thành 5 tầng, nhưng khái niệm quá nhiều, tôi phân chia thành 8 tầng: Năng lượng → Sản xuất → Lưu trữ → Kết nối chip → Dịch vụ tính toán → Dữ liệu → Mô hình → Ứng dụng. Mỗi tầng lại chia thành ba khía cạnh: phía đám mây, phía thiết bị (thiết bị di động), AI vật lý (xe tự lái/robot).
Một vài phán đoán quan trọng:
Tầng năng lượng: một cụm huấn luyện AI tiêu thụ điện năng = một Houston. Crusoe đang xây dựng trung tâm dữ liệu cho kế hoạch Stargate của OpenAI, năng lượng hạt nhân, pin nhiên liệu và các nguồn năng lượng mới vẫn còn ở giai đoạn rất sớm.
Tầng sản xuất: TSMC chiếm 90% công suất quy trình tiên tiến dưới 5nm, là nút thắt vật lý lớn nhất của ngành công nghiệp AI ngoài năng lượng. Musk thành lập TerraFab để muốn làm sản xuất, nhưng sản xuất phần cứng không chỉ là viết xong mã là có thể lên sóng.
Tầng lưu trữ: thiếu chip ngắn hạn, thiếu năng lượng dài hạn, luôn luôn thiếu lưu trữ. Khi mô hình ngày càng lớn, trí nhớ của Agent ngày càng nhiều, HBM trở thành tài nguyên khan hiếm nhất, giá cổ phiếu của Hynix, Samsung, Micron đã tăng vọt.
Tầng dịch vụ tính toán: đám mây truyền thống (AWS, Google Cloud) không được thiết kế để sản xuất Token, việc cải tạo kiến trúc cần thời gian. NVIDIA hỗ trợ một loạt NeoCloud (CoreWeave, Lambda, IREN) xây dựng hạ tầng AI nguyên bản từ con số không.
Tầng dữ liệu: nhiều khung đầu tư bỏ qua tầng này, nhưng nó là bảo vệ cho mô hình dọc. Tesla FSD đã tích lũy gần 100 tỷ dặm dữ liệu lái xe, dữ liệu y tế là dữ liệu riêng tư không thể tìm thấy trên internet - đó là lý do tại sao các nhà đầu tư của WHOOP có Mayo Clinic và quỹ chủ quyền.
Tầng mô hình: ba công ty mạnh nhất là OpenAI, Anthropic, Google. TPU có hiệu suất lý thuyết không thua kém GPU, nhưng rào cản sinh thái quá cao - Anthropic có thể sử dụng TPU vì trong đội ngũ có kỹ sư cốt lõi TPU trước đây, thay người khác thì không thể đẩy được. Chỉ có Google có thể thách thức NVIDIA.
Tầng ứng dụng + AI vật lý: AI đám mây giải quyết vấn đề của người làm việc tri thức, AI vật lý giải quyết vấn đề của những người khác - Tesla Optimus, FSD, drone quốc phòng Anduril, thậm chí tên lửa SpaceX, về bản chất đều là hình thức vật lý mang mô hình AI.
5/ Phí đăng ký $20 của bạn thực sự đã đi đâu?
Mỗi tháng trả cho Claude $20, chuỗi phân phối lợi nhuận là như thế này:
Anthropic để lại $4 lợi nhuận ròng (biên lợi nhuận gộp 70%, biên lợi nhuận ròng 20%) NVIDIA lấy $1.5 (biên lợi nhuận ròng 50%, cao nhất) NeoCloud lấy $0.9 TSMC lấy $0.15 công ty điện lực chỉ kiếm được $0.1 từ $1.2 doanh thu ASML, ba ông lớn lưu trữ, mô-đun quang chia sẻ phần còn lại.
Dù ai kiếm tiền trong thời đại AI, NVIDIA và TSMC đều rút nước từ từng giai đoạn - đó là lý do tại sao Huang Renxun mỗi lần phát biểu đều cười rất tươi.
6/ Chọn công ty AI xem ba khía cạnh.
Thứ nhất, không gian tương lai lớn đến đâu? Tầng mô hình có thể còn 10 lần.
Thứ hai, khả năng thu lợi nhuận mạnh đến đâu? NVIDIA, TSMC thu lợi nhuận từ từng giai đoạn.
Thứ ba, mức độ không thể thiếu mạnh mẽ đến đâu? Máy khắc chỉ có ASML, quy trình tiên tiến chỉ có TSMC, GPU hiện tại chỉ có NVIDIA, lưu trữ chỉ có ba công ty - độc quyền = quyền thương lượng liên tục tăng giá. Trường hợp ngược lại: NeoCloud có tỷ suất lợi nhuận tốt nhưng cạnh tranh khốc liệt, rào cản bảo vệ hạn chế.
Chú ý: giá trị và giá cổ phiếu là hai chuyện khác nhau. SanDisk kiếm được lợi nhuận rất ít trong chuỗi cung ứng, nhưng giá cổ phiếu đã tăng rất nhiều.
7/ Hai lời khuyên thực tiễn.
Apoorv Agrawal nói, nếu chỉ có thời gian hạn chế để đọc một tài liệu, ưu tiên cao nhất là cuộc họp báo cáo tài chính (Earnings Call) - công ty sẽ nói về những điều họ quan tâm nhất, những điều khác chỉ là tiếng ồn.
CEO Crusoe Chase Lochmiller đã đưa ra một góc nhìn bi quan: hiện tại các công ty liên quan đến năng lượng đều bị HYPE rất cao - máy biến áp, ổ cắm, Schneider. Nhưng từ nguyên lý đầu tiên: cấu trúc năng lượng trong 5-10 năm tới sẽ ra sao? Có những đổi mới nào sẽ xuất hiện? Những gì hiện đang được tôn sùng không có nghĩa là tương lai vẫn cần bạn.
Khóa học đang liên tục cập nhật, khuyến nghị trực tiếp xem: mse435.stanford.edu