---
title: "Giải mã hệ sinh thái công nghệ AI: Phân tích các điểm nghẽn, hào kinh tế và sự tích lũy giá trị dành cho nhà đầu tư dài hạn"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-11-05"
language: "vi"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value/"
original_url: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value/"
original_language: "en"
translated_on: "2026-11-14"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-vi/"
markdown_url: "https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-vi/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Giải mã hệ sinh thái công nghệ AI: Phân tích các điểm nghẽn, hào kinh tế và sự tích lũy giá trị dành cho nhà đầu tư dài hạn, https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-vi/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "investing"
tickers: ["UPS"]
sources:
  - title: "Decoding AI Value"
audio: "https://anchor.fm/s/105664940/podcast/play/128876669/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-10-5%2F435999874-44100-2-a31a8c348ee018.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/1FQonylAeyz5T5jwgxdOVq"
---
# Giải mã cấu trúc phân tầng trí tuệ nhân tạo: Phân tích các nút thắt, hào kinh tế và sự tích lũy giá trị cho nhà đầu tư dài hạn

Giá trị tích lũy trên toàn bộ cấu trúc công nghệ phân tầng trí tuệ nhân tạo không chỉ thông qua sự khan hiếm vật chất tuyệt đối, mà còn tại nơi các nút thắt công nghệ giao thoa với quyền định giá, sự mở rộng sản lượng liên tục, chi phí chuyển đổi và tỷ suất sinh lời gia tăng trên vốn đầu tư (ROIC) cao. Mặc dù khuôn khổ cấu trúc sáu tầng của Chamath Palihapitiya (Hạ tầng, Chip, Dữ liệu, Mô hình, Thực thi, Ứng dụng) nêu bật chính xác quá trình hàng hóa hóa về mặt kinh tế của các mô hình nền tảng và sự xuất hiện của các điểm nghẽn phần cứng thiết yếu, nhà đầu tư dài hạn phải phân biệt giữa sự khan hiếm kỹ thuật tuyệt đối và việc tạo ra giá trị vốn chủ sở hữu bền vững. Khi các nhà cung cấp điện toán đám mây siêu quy mô chuyển mình thành những doanh nghiệp công nghiệp thâm dụng vốn, dự kiến chi hơn $700 tỷ trong năm 2026 cho hạ tầng tính toán và lưới điện, việc đánh giá giá trị nội tại đòi hỏi phải phân tích tính bền vững của dòng tiền tự do, rủi ro thâm dụng vốn và các vòng phản hồi trong quy trình công việc độc quyền, thay vì chỉ dựa vào các nút thắt vật chất.

## 1. Phân tích cấu trúc phân tầng trí tuệ nhân tạo: Nút thắt so với sự tích lũy giá trị kinh tế

Phân tích trí tuệ nhân tạo thông qua kiến trúc phân tầng mang lại sự rõ ràng thiết yếu cho các nhà đầu tư theo phân tích cơ bản. Chamath Palihapitiya phân loại hệ sinh thái thành sáu tầng riêng biệt: Hạ tầng (điện, đất, làm mát, khoáng sản, nhà máy chế tạo bán dẫn), Chip (GPU/ASIC, Bộ nhớ băng thông cao [HBM], đóng gói, kết nối mạng), Dữ liệu (dữ liệu độc quyền, cảm biến, robot), Mô hình (trí tuệ nền tảng), Thực thi (tác tử, điều phối, API, bộ chấp hành) và Ứng dụng (phần mềm và hệ thống dành cho người dùng cuối). Khái niệm phân tích trung tâm kết nối các tầng này là “tài sản điểm tựa”—một thành phần không thể thay thế mà mọi tầng phía trên đều phải đi qua và không thể dễ dàng thay thế bằng lựa chọn khác.

Tuy nhiên, có một sự khác biệt quan trọng giữa nút thắt công nghệ tuyệt đối và hào kinh tế mang lại tỷ suất sinh lời cao. Một tài sản có thể nằm ngay trên đường găng công nghệ mà không thu về lợi ích tài chính tương xứng cho cổ đông. Đối với nhà đầu tư dài hạn đánh giá hào kinh tế theo khuôn khổ Graham và Buffett, chỉ riêng sự khan hiếm vật chất không bảo đảm khả năng tăng trưởng kép dài hạn của thu nhập của chủ sở hữu.

Động lực này được minh họa rõ nét khi so sánh ASML và NVIDIA. ASML sở hữu một nút thắt công nghệ tuyệt đối, không thể thay thế trong các hệ thống quang khắc cực tím sâu (EUV); các nhà máy chế tạo bán dẫn tiên tiến không thể thay thế máy móc của ASML. Tuy nhiên, NVIDIA đã tạo ra mức tăng giá trị vốn chủ sở hữu lớn hơn nhiều. ASML bán số lượng hữu hạn các máy móc cực kỳ phức tạp và thâm dụng vốn cho một nhóm khách hàng tập trung, hạn chế khả năng tự động mở rộng doanh thu khi lượng tiêu thụ đơn vị mã hóa trên toàn cầu tăng gấp đôi. Ngược lại, NVIDIA kết hợp các nút thắt chip silicon với bộ công cụ phần mềm CUDA, kiến trúc hệ thống, kết nối mạng NVLink và sự tích hợp sâu vào hệ sinh thái. NVIDIA trực tiếp thu được lợi ích từ độ co giãn sản lượng ngày càng mở rộng của hoạt động suy luận và huấn luyện trí tuệ nhân tạo.

Để đánh giá sự tích lũy giá trị kinh tế trên toàn bộ cấu trúc phân tầng, nhà đầu tư nên áp dụng một công thức định tính toàn diện thay vì đo lường sự khan hiếm một cách riêng lẻ:

$$\text{Value Accrual} \approx \text{bottleneck} \times \text{pricing power} \times \text{volume growth} \times \text{recurring demand} \times \text{switching costs} \times \text{incremental ROIC}$$

Lợi ích kinh tế bền vững chỉ hình thành khi một điểm nghẽn vận hành được kết hợp với độ co giãn sản lượng, chi phí chuyển đổi cao và tỷ suất sinh lời gia tăng mạnh trên vốn đầu tư.

## 2. Hạ tầng và mức độ thâm dụng chi tiêu vốn: Cuộc cách mạng công nghiệp bên dưới trí tuệ nhân tạo

Các tầng nền tảng của cấu trúc trí tuệ nhân tạo đang trải qua một sự chuyển đổi mang tính cơ cấu từ mô hình phần mềm ít tài sản sang hoạt động công nghiệp thâm dụng vốn. Các nút thắt thiết yếu ở đáy cấu trúc cho thấy mức độ tập trung cực cao về địa lý và doanh nghiệp:

*   **Sự khan hiếm vật liệu bán dẫn:** Các nhà cung cấp vật liệu Nhật Bản kiểm soát khoảng 78% doanh số chất cản quang bán dẫn toàn cầu tính theo quốc tịch doanh nghiệp, trong đó Shin-Etsu, JSR, Tokyo Ohka Kogyo và Fujifilm thống trị những thị trường hóa chất có độ tinh khiết cao cụ thể.
*   **Thạch anh độ tinh khiết cao (HPQ):** Hoạt động sản xuất thỏi silicon đạt cấp bán dẫn phụ thuộc vào nồi nấu thạch anh nóng chảy được chế tạo từ thạch anh đặc biệt tinh khiết khai thác tại Spruce Pine, North Carolina. Sibelco (sản xuất vật liệu IOTA từ hai thân quặng tinh khiết) và The Quartz Corp là những nhà cung cấp duy nhất sản xuất HPQ tiên tiến, cao cấp ở quy mô lớn một cách hiệu quả về kinh tế.

Ngoài nguyên liệu vật chất, hạ tầng cung ứng điện tạo ra một hạn chế vận hành nghiêm trọng. Cơ quan Năng lượng Quốc tế (IEA) dự báo mức tiêu thụ điện của các trung tâm dữ liệu toàn cầu sẽ tăng gần gấp đôi, từ khoảng 485 TWh trong năm 2025 lên khoảng 950 TWh vào năm 2030. Chi tiêu vốn của các nhà cung cấp điện toán đám mây siêu quy mô được ước tính sẽ vượt $700 tỷ trong năm 2026, chủ yếu do việc mở rộng trung tâm dữ liệu.

| Lĩnh vực hạ tầng | Điểm nghẽn thiết yếu & Nhà cung cấp chính | Tác động kinh tế & Chỉ số |
| :--- | :--- | :--- |
| **Vật liệu bán dẫn** | Chất cản quang Nhật Bản (*Shin-Etsu, JSR, TOK, Fujifilm*) | ~78% thị phần theo quốc tịch; đầu vào hóa chất không thể thay thế. |
| **Thạch anh độ tinh khiết cao** | Các thân quặng Spruce Pine (*Sibelco, The Quartz Corp*) | Nguồn độc quyền cho nồi nấu thạch anh nóng chảy dùng trong sản xuất thỏi silicon. |
| **Điện lưới có thể cấp đến nơi sử dụng** | Máy biến áp, thiết bị đóng cắt, UPS, kết nối liên lưới | Các hạn chế xuất hiện trước khâu phát điện; 485 TWh $\rightarrow$ 950 TWh (IEA). |
| **Chi tiêu vốn của nhà cung cấp điện toán đám mây siêu quy mô** | Mở rộng trung tâm dữ liệu & tăng tốc tính toán | Dự kiến >$700B trong năm 2026 (IEA); áp lực khấu hao nghiêm trọng. |

Điều quan trọng là công suất phát điện không phải giới hạn chính trong ngắn hạn. Nghiên cứu của Đại học Johns Hopkins cho thấy thiết bị cung cấp điện qua lưới—cụ thể là máy biến áp, thiết bị đóng cắt, hệ thống cấp điện liên tục (UPS), kết nối truyền tải và hạ tầng làm mát chuyên dụng—sẽ hạn chế việc xây dựng trung tâm dữ liệu trước khi bản thân công suất phát điện trở thành nút thắt chính. Tài sản khan hiếm về mặt kinh tế trước mắt là nguồn điện có thể được cấp đến nơi sử dụng với điện áp, vị trí và độ tin cậy cần thiết.

Từ góc độ đầu tư giá trị, sự chuyển đổi này tác động nghiêm trọng đến bảng cân đối kế toán và các chỉ số sinh lời của doanh nghiệp. Khi các nhà cung cấp điện toán đám mây siêu quy mô triển khai hơn $700 tỷ chi tiêu vốn hằng năm, các tài sản vật chất trị giá nhiều tỷ đô la được ghi nhận trên bảng cân đối kế toán dưới dạng bất động sản, nhà xưởng và thiết bị (PP&E). Khi đi vào hoạt động, lịch khấu hao theo đường thẳng tác động đến báo cáo kết quả kinh doanh bất kể doanh thu có được hiện thực hóa ngay hay không. Nếu nhu cầu đơn vị mã hóa có thể tạo doanh thu hoặc việc áp dụng phần mềm doanh nghiệp chậm hơn tiến độ xây dựng hạ tầng vật chất, tỷ suất sinh lời trên vốn đầu tư (ROIC) và tỷ lệ chuyển đổi dòng tiền tự do (FCF) sẽ sụt giảm dưới sức nặng của hạ tầng chưa được khấu hao hết. Động lực này phản ánh trực tiếp các giai đoạn xây dựng hạ tầng quá mức trong lịch sử, chẳng hạn cuộc khủng hoảng cáp quang viễn thông liên quan đến WorldCom và Global Crossing, khi chi tiêu vốn khổng lồ tạo ra tình trạng dư thừa công suất nghiêm trọng và phá hủy giá trị vốn chủ sở hữu dù xu hướng sử dụng internet trong dài hạn cuối cùng vẫn được chứng minh là đúng.

## 3. Chip, bộ nhớ và kinh tế học mô hình: Hàng hóa hóa so với ranh giới tiên tiến liên tục dịch chuyển

Trong khi các mô hình lý thuyết giả định rằng nút thắt phần cứng sẽ tự nhiên giảm dần theo thời gian khi công suất sản xuất trở lại bình thường, các hạn chế nguồn cung bán dẫn vẫn nghiêm trọng. Bộ nhớ băng thông cao (HBM) và đóng gói tiên tiến là những nút thắt mang tính cơ cấu kéo dài nhiều năm, thay vì trở ngại tạm thời. IEA dự báo tình trạng thiếu hụt nguồn cung HBM sẽ kéo dài ít nhất đến cuối năm 2027. Thị phần vẫn tập trung cao độ; dữ liệu Counterpoint cho Q2 2026 ước tính thị phần doanh thu HBM như sau:

*   **SK Hynix:** 50%
*   **Samsung:** 33%
*   **Micron:** 18%

Hào kinh tế phần cứng hiện đại không dựa vào các khuôn chip tính toán độc lập, mà dựa vào sự tích hợp toàn diện ở cấp hệ thống: khuôn chip GPU/ASIC được tích hợp với HBM thông qua lớp trung gian kết nối, đóng gói tiên tiến, kết nối mạng tốc độ cao (như NVLink), cấp điện và làm mát chuyên dụng. Sự tích hợp hệ thống này càng trở nên thiết yếu khi khối lượng công việc chuyển từ huấn luyện mô hình sang suy luận. McKinsey dự báo hoạt động suy luận sẽ chiếm khoảng 60% tổng nhu cầu trí tuệ nhân tạo vào năm 2030. Do đó, chiến trường cạnh tranh đang chuyển trực tiếp sang băng thông bộ nhớ, dung lượng, độ trễ, hiệu suất nhiệt và mức tiêu thụ điện trên mỗi đơn vị mã hóa đầu ra hữu ích—củng cố hào kinh tế mang tính cơ cấu của các nhà cung cấp phần cứng tích hợp.

Đồng thời, kinh tế học của các mô hình trí tuệ nền tảng cho thấy chi phí giảm nhanh chóng. Dữ liệu từ Chỉ số Trí tuệ nhân tạo Stanford cho thấy chi phí vận hành một mô hình có hiệu suất MMLU tương đương GPT-3.5 đã giảm từ khoảng $20 trên mỗi triệu đơn vị mã hóa vào tháng 11 năm 2022 xuống khoảng $0.07 vào tháng 10 năm 2024—mức giảm chi phí 280 lần trong 18 tháng. Hơn nữa, các nghiên cứu của OECD cho thấy giá mô hình ngôn ngữ sau điều chỉnh chất lượng đã giảm gần 80% từ tháng 1 năm 2024 đến tháng 4 năm 2026.

| Chỉ số / Trọng tâm chỉ số | Mốc cơ sở lịch sử | Mức gần đây / Dự kiến | Ý nghĩa phân tích |
| :--- | :--- | :--- | :--- |
| **Chi phí đơn vị mã hóa GPT-3.5 MMLU** | $20.00 / M đơn vị mã hóa (tháng 11 năm 2022) | $0.07 / M đơn vị mã hóa (tháng 10 năm 2024) | Chi phí đơn vị trí tuệ giảm 280x (Stanford). |
| **Giá mô hình ngôn ngữ** | Mức cơ sở (tháng 1 năm 2024) | Giảm ~80% (tháng 4 năm 2026) | Giá đầu ra sau điều chỉnh chất lượng sụt giảm nhanh chóng (OECD). |
| **Khoảng cách hiệu suất giữa mô hình đóng và mở** | Khoảng cách lớn (2023) | Khoảng cách 3.3%–3.4% (tháng 3 năm 2026) | Hàng hóa hóa năng lực cơ bản (Chỉ số Trí tuệ nhân tạo Stanford 2026). |
| **Tỷ trọng chi tiêu của doanh nghiệp** | 35% cho mô hình tiên tiến nhất (Q3 2025) | 63% cho mô hình tiên tiến nhất (Q3 2026) | Sẵn lòng trả mức giá cao hơn cho năng lực suy luận tối tân (Menlo). |

Bất chấp sự sụt giảm giá này, các mô hình nền tảng vẫn chưa trở thành hàng hóa thuần túy. Trí tuệ cơ bản đang được hàng hóa hóa—Chỉ số Trí tuệ nhân tạo Stanford 2026 cho thấy các mô hình tiên tiến hàng đầu (Anthropic, xAI, Google, OpenAI) chỉ cách nhau 25 điểm Arena Elo, và các mô hình đóng chỉ dẫn trước các lựa chọn có trọng số mở từ 3.3% đến 3.4% tính đến tháng 3 năm 2026. Tuy nhiên, khách hàng doanh nghiệp vẫn tiếp tục trả mức giá cao hơn cho các năng lực tiên tiến nhất. Nghiên cứu của Menlo cho thấy tỷ trọng chi tiêu trí tuệ nhân tạo của doanh nghiệp dành cho các mô hình tiên tiến nhất đã tăng từ 35% trong Q3 2025 lên 63% trong Q3 2026. 

Tầng mô hình vận hành như một ranh giới kinh tế liên tục dịch chuyển: các năng lực cơ bản nhanh chóng được hàng hóa hóa, trong khi năng lực suy luận tối tân duy trì quyền định giá, buộc các nhà phát triển mô hình phải gánh chịu các khoản đầu tư vốn khổng lồ liên tục chỉ để duy trì vị thế ngang bằng ở ranh giới tiên tiến.
## 4. Các lớp thực thi, trí tuệ nhân tạo vật lý và nghịch lý Jevons

Khi các mô hình nền tảng trở nên phổ thông hóa, giá trị kinh tế dịch chuyển sang lớp thực thi và kiểm soát. Lớp phần mềm trung gian này bao gồm định tuyến mô hình động, bộ nhớ trạng thái bền vững, quản lý danh tính, phân quyền, đánh giá, tích hợp công cụ và điều phối. Nhìn qua lăng kính bảng cân đối kế toán doanh nghiệp, bên mua phần mềm doanh nghiệp không mua các đơn vị mã hóa thô từ mô hình nền tảng; họ mua những kết quả kinh doanh đã hoàn thành. Lớp thực thi hoạt động như “phần mềm trung gian” của tổ chức—tương tự Kubernetes, quản lý truy cập danh tính và khả năng quan sát trong điện toán đám mây—củng cố chi phí chuyển đổi của doanh nghiệp và bảo vệ biên lợi nhuận ngay cả khi các mô hình nền tảng bên dưới biến động. Khảo sát triển khai thực tế năm 2026 của LangChain xác nhận rằng kiến trúc doanh nghiệp sử dụng nhiều mô hình hiện đã trở thành tiêu chuẩn, với các nút thắt triển khai chính chuyển từ chi phí trên mỗi đơn vị mã hóa sang độ tin cậy thực thi, tính an toàn và khả năng hoàn thành tác vụ.

Tương tự, dữ liệu huấn luyện phổ thông trên mạng đang trở nên phổ thông hóa so với các vòng phản hồi độc quyền dựa trên kết quả. Các hào kinh tế bền vững được tạo ra khi ứng dụng phần mềm tích hợp trực tiếp vào quy trình vận hành chuyên biệt theo lĩnh vực, nơi các hành động tạo ra những đánh giá thực tế có thể kiểm chứng.

Một minh họa tiêu biểu cho động lực này là **Harvey** trong lĩnh vực pháp lý. Harvey không cạnh tranh như một lớp ứng dụng mong manh bao quanh mô hình nền tảng để bán khả năng tạo đơn vị mã hóa phổ thông. Thay vào đó, ứng dụng này tích hợp trực tiếp vào quy trình pháp lý, kết hợp các hệ thống hồ sơ pháp lý chính thức, phân phối, tuân thủ quy định, lòng tin của khách hàng và các vòng phản hồi độc quyền (phân tích hợp đồng $\rightarrow$ luật sư chỉnh sửa $\rightarrow$ hồ sơ nộp tòa cuối cùng/kết quả giải quyết). Do Harvey sở hữu quy trình xuyên suốt và dữ liệu kết quả phát sinh, ứng dụng này tạo ra chi phí chuyển đổi cao và bảo vệ quyền định giá, khiến việc lựa chọn mô hình nền tảng bên dưới trở thành yếu tố thứ yếu so với kết quả kinh doanh đạt được. Các vòng phản hồi dựa trên kết quả tương tự đang xuất hiện trong những lĩnh vực chuyên biệt như lập trình (bản vá $\rightarrow$ kết quả kiểm thử $\rightarrow$ kết quả triển khai), y học (chẩn đoán $\rightarrow$ điều trị $\rightarrow$ kết quả sức khỏe của bệnh nhân) và tài chính (hóa đơn $\rightarrow$ thanh toán bù trừ $\rightarrow$ giải quyết tranh chấp).

Trong các hệ thống trí tuệ nhân tạo vật lý, động lực phân bổ vốn khác biệt căn bản so với kinh tế học của doanh nghiệp phần mềm thuần túy. Phần mềm mở rộng quy mô với chi phí biên gần bằng không, trong khi robot vật lý đòi hỏi vốn lớn cho danh mục vật tư (BOM). McKinsey ước tính các bộ truyền động chính xác chiếm 40% đến 60% BOM của robot hình người, so với 5% đến 10% dành cho các mô-đun pin. Ngoài ra, CRU ước tính mỗi robot hình người cần 2 đến 3 kg nam châm đất hiếm NdFeB (neodymi-sắt-bo). Trong khi các linh kiện trí tuệ nhân tạo vật lý mang lại tiềm năng lựa chọn chiến lược dài hạn, tài sản tính toán và bộ nhớ của trung tâm dữ liệu tạo ra dòng tiền tức thời, có thể kiểm chứng ngay hôm nay.

| Thành phần phần cứng trí tuệ nhân tạo vật lý | Tỷ trọng BOM / nguồn lực ước tính | Các động lực kinh tế và chuỗi cung ứng chính |
| :--- | :--- | :--- |
| **Bộ truyền động chính xác** | 40% – 60% tổng BOM (McKinsey) | Các khớp nối, hộp số, động cơ và bộ giảm tốc có độ chính xác cao. |
| **Mô-đun pin** | 5% – 10% tổng BOM (McKinsey) | Mức phân bổ vốn tương đối thấp hơn so với bộ truyền động. |
| **Nam châm đất hiếm NdFeB** | 2 – 3 kg trên mỗi robot hình người (CRU) | Động lực nhu cầu mang tính cơ cấu đối với các nguyên tố đất hiếm nặng. |

Để hiểu sự mở rộng mang tính cơ cấu của chi tiêu vốn này, cần áp dụng nghịch lý Jevons. Chi phí trên mỗi đơn vị mã hóa giảm 100 lần không làm giảm tổng chi tiêu cho tính toán; thay vào đó, giá đơn vị thấp hơn kích hoạt sự mở rộng bùng nổ của tổng mức tiêu thụ đơn vị mã hóa. Khi các tương tác truy vấn-phản hồi đơn lẻ được thay thế bằng các vòng suy luận đa tác nhân thực hiện mô phỏng nền liên tục và gọi công cụ tự động, tổng nhu cầu tính toán phần cứng tăng tốc bất chấp giá đơn vị sụt giảm mạnh.

Đối với các nhà đầu tư dài hạn theo trường phái phân tích cơ bản đang đánh giá việc phân bổ vốn, khả năng thu giữ giá trị bền vững đòi hỏi tránh chỉ dựa vào sự khan hiếm vật lý, thay vào đó ưu tiên những doanh nghiệp có ROIC gia tăng cao, quyền định giá và các vòng phản hồi tích hợp trong quy trình làm việc. Nhà đầu tư quan tâm đến các mô hình định giá chuyên sâu hơn và phép tính thu nhập của chủ sở hữu dựa trên yếu tố cơ bản có thể tìm hiểu nghiên cứu doanh nghiệp nguồn mở của chúng tôi trên trang web DeepValues Research hoặc đánh giá giá trị nội tại và biên an toàn của bất kỳ cổ phiếu nào bằng ứng dụng DeepValues.

## 5. Các số liệu chính

*   **78%**: Thị phần xấp xỉ của các doanh nghiệp Nhật Bản trong doanh số chất cản quang bán dẫn, phân theo quốc tịch doanh nghiệp.
*   **>$700 tỷ**: Chi tiêu vốn năm 2026 ước tính của các nhà cung cấp điện toán đám mây siêu quy mô theo IEA, chủ yếu dành cho mở rộng trung tâm dữ liệu.
*   **485 TWh đến ~950 TWh**: Mức tăng dự kiến trong tiêu thụ điện của trung tâm dữ liệu từ 2025 đến 2030 (IEA).
*   **Cuối năm 2027**: Thời điểm dự kiến tình trạng thiếu hụt nguồn cung bộ nhớ băng thông cao (HBM) còn kéo dài đến (IEA).
*   **50% / 33% / 18%**: Thị phần doanh thu HBM ước tính trong Q2 2026 lần lượt của SK Hynix, Samsung và Micron (Counterpoint).
*   **$20 đến $0.07 trên mỗi triệu đơn vị mã hóa**: Mức giảm chi phí để đạt hiệu năng MMLU ở cấp độ GPT-3.5 từ tháng 11 năm 2022 đến tháng 10 năm 2024, tương ứng mức giảm 280x (Chỉ số trí tuệ nhân tạo Stanford).
*   **~80%**: Mức giảm giá mô hình ngôn ngữ đã điều chỉnh theo chất lượng từ tháng 1 năm 2024 đến tháng 4 năm 2026 (OECD).
*   **25 điểm Arena Elo**: Khoảng cách hiệu năng hẹp giữa các mô hình tiên tiến nhất của Anthropic, xAI, Google và OpenAI tính đến tháng 3 năm 2026 (Chỉ số trí tuệ nhân tạo Stanford 2026).
*   **3.3%–3.4%**: Khoảng cách hiệu năng giữa mô hình nguồn đóng tốt nhất và mô hình trọng số mở tốt nhất vào tháng 3 năm 2026 (Chỉ số trí tuệ nhân tạo Stanford).
*   **35% đến 63%**: Mức tăng tỷ trọng của các mô hình tiên tiến nhất trong chi tiêu trí tuệ nhân tạo của doanh nghiệp từ Q3 2025 đến Q3 2026 (nghiên cứu của Menlo).
*   **40%–60% so với 5%–10%**: Tỷ trọng ước tính của bộ truyền động so với mô-đun pin trong danh mục vật tư (BOM) của robot hình người (McKinsey).
*   **2–3 kg**: Lượng nam châm đất hiếm NdFeB ước tính cần thiết trên mỗi robot hình người (CRU).

## 6. Những yếu tố sẽ thay đổi quan điểm của chúng tôi

*   **Kiến trúc CUDA và HBM nhanh chóng trở nên lỗi thời:** Các kết nối liên thông hoặc kiến trúc bộ nhớ thay thế phát triển nhanh và thành công trong việc thay thế HBM và NVLink, làm suy yếu hào kinh tế về kết nối mạng ở cấp hệ thống trước 2027.
*   **Các nhà cung cấp điện toán đám mây siêu quy mô cắt giảm chi tiêu vốn:** Điều chỉnh giảm mạnh quỹ đạo chi tiêu vốn hằng năm >$700 tỷ của các nhà cung cấp điện toán đám mây siêu quy mô do tỷ suất sinh lời trên vốn đầu tư (ROIC) gây thất vọng hoặc chậm trễ nghiêm trọng trong kết nối với lưới điện.
*   **Khả năng kiếm tiền nhanh chóng và sự đình trệ của các mô hình trọng số mở:** Khoảng cách hiệu năng 3.3–3.4% giữa các mô hình tiên tiến nhất bị xóa bỏ, khiến khách hàng doanh nghiệp từ bỏ các mô hình đóng cao cấp để chuyển sang các mô hình trọng số mở giá rẻ được triển khai cục bộ.
*   **Triển khai trí tuệ nhân tạo vật lý tăng tốc:** Thương mại hóa đại trà và sản xuất robot hình người với sản lượng lớn đạt hàng triệu đơn vị từ rất lâu trước 2030, chuyển khả năng thu giữ giá trị dòng tiền tức thời sang chuỗi cung ứng bộ truyền động và nam châm.

## 7. Nguồn

Giải mã giá trị trí tuệ nhân tạo, Chamath Palihapitiya (Thư thường niên 2025 và khung phân tích liên quan)
Chỉ số trí tuệ nhân tạo Stanford (Đại học Stanford, dữ liệu 2024–2026)
Các báo cáo về điện và chi tiêu vốn của Cơ quan Năng lượng Quốc tế (IEA)
Counterpoint Research (Phân tích thị trường bán dẫn và HBM Q2 2026)
Nghiên cứu BOM robot của McKinsey & Company
Nghiên cứu vật liệu và đất hiếm của CRU Group
Các nghiên cứu giá mô hình ngôn ngữ của OECD (2024–2026)
Nghiên cứu chi tiêu trí tuệ nhân tạo doanh nghiệp của Menlo Ventures (2025–2026)
Nghiên cứu hạ tầng và điện năng trung tâm dữ liệu của Đại học Johns Hopkins
Khảo sát trí tuệ nhân tạo trong triển khai thực tế của LangChain (2026)

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
