Từ "AI có thể làm gì" đến "Ai sẽ trả tiền": Goldman Sachs phân tích ba logic liên tục gây áp lực lên cổ phiếu công nghệ

Đợt điều chỉnh gần đây của cổ phiếu công nghệ không đồng nghĩa với sự kết thúc của câu chuyện AI, nhưng thị trường đang trải qua một cuộc tái cấu trúc sâu sắc về logic định giá.

Trong bảy phiên giao dịch liên tiếp, Nvidia đã giảm điểm, gây áp lực lên Nasdaq, và Rich Privorotsky - trưởng nhóm giao dịch One-Delta của Goldman Sachs chỉ ra rằng đợt bán tháo cổ phiếu công nghệ lần này khó có thể quy về một chất xúc tác duy nhất, mà là hệ quả từ ba áp lực: thị trường tín dụng, kỳ vọng chuỗi cung ứng và môi trường chính sách. Ông cảnh báo rằng, “thị trường tín dụng đang đặt ra những câu hỏi mà trước đó thị trường cổ phiếu gần như bỏ qua.”

Cuộc tái định giá này đã để lại dấu ấn rõ ràng ở phương diện định giá. Tỷ số P/E kỳ vọng 24 tháng của chỉ số Philadelphia Semiconductor đã bị nén từ mức 21-22 lần xuống còn khoảng 15 lần, kết quả có thể dao động trong một phạm vi rộng lớn hơn đáng kể. Câu hỏi cốt lõi cũng thay đổi theo—từ "AI có thể làm gì" chuyển sang "ai sẽ trả tiền cho việc vận hành nó".

Thị trường tín dụng phát tín hiệu cảnh báo sớm

Thị trường cổ phiếu lâu nay giữ thái độ lạc quan về tính bền vững của đầu tư cơ sở hạ tầng AI, nhưng thái độ của thị trường tín dụng đang âm thầm thay đổi.

Privorotsky chỉ ra rằng, chênh lệch hoán đổi vỡ nợ tín dụng (CDS) của Nvidia và Broadcom đã mở rộng mạnh mẽ, thị trường bắt đầu tập trung vào việc đảm bảo tài chính cho AI cũng như các cam kết ngoài bảng cân đối. Mối lo ngại này đang lan sang các phân khúc bán dẫn rộng lớn hơn, trở thành động lực chính cho đợt tái định giá lần này.

Logic của thị trường tín dụng khác biệt bản chất với thị trường cổ phiếu: thị trường tín dụng quan tâm nhiều hơn đến tính chắc chắn của dòng tiền và khả năng trả nợ, thay vì tiềm năng tăng trưởng trong tương lai. Khi chênh lệch CDS mở rộng, điều đó có nghĩa là nhà đầu tư trái phiếu bắt đầu nghi ngờ về lộ trình hoàn vốn của chi tiêu cho AI—tín hiệu này thường xuất hiện sớm hơn và cũng khó bị bỏ qua hơn so với thị trường cổ phiếu.

Nguy cơ tích lũy hàng tồn lại xuất hiện

Trong khi đó, các cuộc thảo luận ở tầng chuỗi cung ứng bán dẫn đang có chuyển biến tinh tế, thị trường bắt đầu bàn về nguy cơ tích lũy hàng tồn kho ở một số mắt xích.

Privorotsky trích dẫn dữ liệu ngành cho thấy, động lực chi tiêu vốn mạnh mẽ của các nhà sản xuất bán dẫn đã khiến đơn đặt hàng thiết bị chế tạo wafer (WFE) tăng tích lũy mạnh mẽ. Các tổ chức liên quan đã nâng dự báo thị trường WFE toàn cầu: quy mô thị trường năm 2026 dự kiến đạt 150,3 tỷ USD, tăng 36% so với cùng kỳ; năm 2027 tăng lên 217,5 tỷ USD, tăng 45%; năm 2028 tiếp tục mở rộng lên 280,9 tỷ USD, tăng 29%.

Tuy nhiên, bộ số liệu này khi phản ánh sức nóng của chi tiêu AI, cũng tiềm ẩn một rủi ro khác—khi đơn hàng thiết bị đầu cuối liên tục dồn ứ, chỉ cần nhu cầu cuối chuỗi chệch khỏi dự báo, áp lực tồn kho của chuỗi cung ứng sẽ nhanh chóng lộ diện. Đây chính là lý do đối thoại thị trường bắt đầu chuyển hướng.

Nút thắt điện năng và lực cản chính sách bóp nghẹt tốc độ xây dựng

Bên cạnh áp lực tài chính và chuỗi cung ứng, việc triển khai thực tế trung tâm dữ liệu đang phải đối mặt với những ma sát từ thế giới thực.

Privorotsky chỉ ra, nút thắt về điện năng và lực cản chính sách ngày càng gia tăng xung quanh việc xây dựng trung tâm dữ liệu đang tạo ra sự bất định cho cả tốc độ mở rộng và quy mô cuối cùng của cơ sở hạ tầng AI. Mâu thuẫn này còn thể hiện ở cấp độ chính trị: cả hai ứng viên tổng thống đều dần nhận ra, lợi ích mà AI mang lại là trên toàn quốc, phân tán, và thường mất nhiều năm mới hiện thực hóa; trong khi chi phí xây dựng lại mang tính cục bộ, tập trung và phát sinh tức thời.

Sự đối lập mang tính cấu trúc “lợi ích đến sau, chi phí đến trước” này khiến các chính quyền địa phương và cộng đồng trở nên thận trọng với các dự án trung tâm dữ liệu, từ đó tạo áp lực lên tiến độ xây dựng tổng thể.

Nhu cầu phần cứng AI có thể được tái phân bổ thay vì biến mất

Dù những áp lực kể trên là hiện hữu, Privorotsky không cho rằng câu chuyện đầu tư AI đã kết thúc, nhưng ông nhấn mạnh phạm vi kết quả có thể sẽ được mở rộng hơn.

Ở phương diện nhu cầu phần cứng, ông chú ý đến một biến số cấu trúc tiềm năng: một thế hệ mô hình AI mới đại diện bởi Safe Superintelligence Inc. (SSI, do Ilya Sutskever sáng lập), đang khám phá kiến trúc học liên tục dựa trên huấn luyện trong lúc kiểm thử (TTT). Khác với phương pháp tiền huấn luyện truyền thống, hệ thống này cho phép mô hình cập nhật thông số theo thời gian thực trong quá trình suy luận, biến mỗi lần tương tác thành một quá trình học thực sự.

Nếu công nghệ học liên tục thành hiện thực, có thể giảm sự phụ thuộc vào các cụm huấn luyện siêu lớn, dù Privorotsky giữ thái độ dè dặt với nhận định “nhu cầu tổng về năng lực tính toán sẽ giảm”. Ông cho rằng, khả năng cao hơn là sự tái phân bổ tiêu thụ năng lực tính toán—từ giai đoạn huấn luyện quy mô lớn ban đầu chuyển sang tính toán liên tục ở phía suy luận, thay vì sự suy giảm nhu cầu tổng thể.

Về xu hướng ngắn hạn của thị trường, ông chỉ ra rằng các chất xúc tác như báo cáo tài chính của Nvidia, dữ liệu PCE và bài phát biểu của các quan chức Fed có thể hỗ trợ thị trường, nhưng cũng thừa nhận rằng hiện tại vẫn còn hơi sớm để quay lại thị trường một cách toàn diện. Nhận định cơ bản của ông là: định giá AI sẽ trải qua giai đoạn bị nén, sau đó khi dự báo lợi nhuận lăn sang năm tài chính 2027-2028, thị trường sẽ quay lại theo đuổi—lúc đó tính hợp lý của định giá sẽ dễ được củng cố hơn.