Đối tác PE nổi tiếng giảng tại Stanford: Dòng tiền trong kỷ nguyên AI đang chảy về đâu?

Apoorv Agrawal, đối tác của Altimeter Capital, trong bài giảng công khai tại Đại học Stanford đã chỉ ra rằng ngành AI hiện nay thể hiện cấu trúc lợi nhuận "kim tự tháp ngược" hoàn toàn khác với internet truyền thống. Trong khoảng 300 tỷ USD doanh thu hệ sinh thái, có tới 75% chảy vào tầng bán dẫn với biên lợi nhuận gộp khoảng 75%; trong khi tầng ứng dụng bị kìm hãm bởi chi phí biên cho sức mạnh tính toán cao, biên lợi nhuận gộp chỉ từ 0% đến 30%. Để phá vỡ nút thắt doanh thu thấp chỉ 10 USD mỗi người dùng mỗi năm (ARPU) hiện nay, ông khẳng định việc các ứng dụng AI như ChatGPT tiến vào lĩnh vực quảng cáo sẽ là bước đột phá lớn của ngành trong năm nay.

"Kim tự tháp ngược" 300 tỷ USD: 75% doanh thu chảy vào bán dẫn

Nhìn lại các cuộc cách mạng internet, truyền thông di động và điện toán đám mây trong 25 năm qua, mô hình kiếm tiền thương mại thường có dạng kim tự tháp — hạ tầng tầng đáy có lợi nhuận tương đối mỏng, còn tầng ứng dụng trên đỉnh thu về phần lợi nhuận dồi dào nhất. Tuy nhiên, hệ sinh thái AI hiện tại lại thể hiện hình thái hoàn toàn ngược lại.

Agrawal trong bài giảng đã nói thẳng rằng hệ sinh thái AI tạo sinh khác hẳn với hệ sinh thái điện toán đám mây trước đây, nó thể hiện một "kim tự tháp ngược". Về logic nền tảng của hiện tượng này, ông trích dẫn quan điểm của nhà đầu tư nổi tiếng Thung lũng Silicon Marc Andreessen để so sánh:

"Như Marc Andreessen đã nói, phần mềm nuốt chửng thế giới, bởi vì tôi có thể phát triển phần mềm và phân phối nó cho hàng triệu người, trong khi chi phí biên để vận hành phần mềm đó gần như bằng không, biên lợi nhuận gộp của doanh nghiệp phần mềm lên tới 80% thậm chí 90%. Nhưng mô hình kinh tế của trí tuệ nhân tạo không như vậy."

Nguồn gốc của sự khác biệt này nằm ở chi phí sức mạnh tính toán. "Người dùng tăng thêm của ứng dụng trí tuệ nhân tạo không miễn phí, vì bạn cần tiêu tốn lượng lớn tài nguyên GPU, chi phí để có người dùng AI cao hơn nhiều." Agrawal chỉ ra rằng trong khoảng 300 tỷ USD doanh thu mới tăng thêm của ngành AI trong hai năm qua, "khoảng 75% đều chảy trực tiếp vào ngành bán dẫn; mảng ứng dụng tuy tăng trưởng hơn mười lần, nhưng vẫn chưa tạo ra ảnh hưởng quá lớn."

Trong toàn bộ chồng công nghệ, tầng bán dẫn hiện là phần kiếm tiền tốt nhất. Agrawal đưa ra so sánh biên lợi nhuận đầy ấn tượng:

Chất xúc tác phá vỡ "trạng thái cân bằng": ASIC tự phát triển của các ông lớn và bước ngoặt chi tiêu vốn

Về việc cục diện "kim tự tháp ngược" do Nvidia dẫn dắt, tầng đáy thu phần lớn lợi nhuận này sẽ duy trì bao lâu, thị trường có nhiều ý kiến trái chiều. Agrawal đưa ra dự đoán của mình: "Tôi đoán nó giữ nguyên trạng thái hiện tại trên đám mây có thể lâu hơn tôi kỳ vọng, khoảng mười năm. Tôi cảm thấy tình trạng này có thể kéo dài hơn nữa, vì để đạt trạng thái cân bằng ổn định thực sự quá khó."

Tuy nhiên, ông cũng chỉ ra cho nhà đầu tư hai chất xúc tác cốt lõi có thể phá vỡ cục diện này:

Đột phá của các ông lớn đám mây trong chip tự phát triển: Nếu dự án ASIC của một nhà vận hành trung tâm dữ liệu siêu quy mô nào đó đạt đột phá — dù là TPU của Google, MTIA của Meta, hay các dự án của Amazon, Microsoft — đều có thể trở thành bước đột phá. Nếu có tiến triển đột phá, đây sẽ là sự định giá lại lớn nhất ở tầng này.

Thay đổi hướng dẫn chi tiêu vốn của các ông lớn: Một chất xúc tác khác là hướng dẫn chi tiêu vốn (Capex) của các nhà vận hành trung tâm dữ liệu siêu quy mô. Nếu các ông lớn ngừng đưa ra kỳ vọng tăng mạnh về chi tiêu vốn, điều đó có thể có nghĩa là trạng thái cân bằng hiện tại không còn hiệu quả.

Ngoài ra, sự chuyển dịch cơ cấu nhu cầu sức mạnh tính toán cũng đáng được quan tâm cao. Hiện khoảng 60% GPU Nvidia bán ra được dùng cho huấn luyện, 40% cho suy luận. Agrawal cho rằng, "theo thời gian, tỷ trọng tác vụ suy luận sẽ tăng dần", nhưng khối lượng công việc của tác vụ suy luận rất không ổn định, điều này không chỉ thử thách hiệu suất sử dụng phần cứng, mà còn định hình lại cục diện cạnh tranh của tầng trung gian (tầng trung gian suy luận).

Phỏng đoán tối hậu về kiếm tiền từ AI: "Chúng ta phải tiến vào lĩnh vực quảng cáo"

Ở phía ứng dụng, AI tiêu dùng đại diện bởi ChatGPT đang đối mặt với mâu thuẫn giữa lượng người dùng khổng lồ và hiệu quả kiếm tiền thấp. Agrawal chia sẻ một nhóm dữ liệu cốt lõi: ChatGPT có khoảng 1 tỷ người dùng (tương đương quy mô Facebook thời kỳ đầu), nhưng "khoảng 95% người dùng là người dùng miễn phí".

So với doanh thu trung bình trên mỗi người dùng mỗi năm (ARPU) của các ông lớn internet hiện nay, khoảng cách của ứng dụng AI là rõ ràng:

[Alphabet] $100 / năm (khoảng 4 tỷ người dùng) 

[Meta] $70 / năm (khoảng 3,5 tỷ người dùng)

[ChatGPT] $10 / năm (khoảng 1 tỷ người dùng)

Sau khi loại trừ khả năng mô hình đăng ký thuần túy dựa trên công việc tri thức có thể chống đỡ định giá nghìn tỷ USD, Agrawal đưa ra phán đoán tối hậu về mô hình thương mại hóa AI: "Câu hỏi thứ hai là: Làm thế nào để nâng doanh thu 10 USD mỗi người dùng mỗi năm lên 100 USD? Tôi không chắc chỉ dựa vào quảng cáo và đăng ký có khả thi hay không. Câu trả lời là, chúng ta phải tiến vào lĩnh vực quảng cáo."

Ông cho rằng các mô hình ngôn ngữ lớn AI có lợi thế trời phú trong việc phân phối quảng cáo:

Giá cả ưu đãi hơn: Mô hình lớn có thể hiểu chính xác hơn ý định thực sự của người dùng.

Phân tích quy kết tuyệt vời: Có thể theo dõi chính xác lộ trình chuyển đổi.

Độ tin cậy cao hơn: Tương tác hội thoại xây dựng niềm tin mạnh mẽ của người dùng.

Mặc dù thị trường bi quan hoặc hoài nghi về việc "chèn quảng cáo vào hội thoại AI riêng tư", Agrawal ví nó với luận điểm thị trường từng bi quan về quảng cáo di động của Facebook mười năm trước. "Tôi cho rằng đây sẽ là một tin lớn khác trong năm nay, đây chắc chắn sẽ là một việc lớn... Tôi lạc quan rằng chúng ta sẽ tìm ra câu trả lời, đây sẽ là một bước đột phá lớn đối với mô hình kinh tế hiện tại."