Mô hình nhỏ "chiếm lấy" nhu cầu tính toán đám mây, chi tiêu vốn trung tâm dữ liệu trị giá hàng nghìn tỷ đô la đang đối mặt với thử thách

Ứng dụng AI tiếp tục mở rộng, nhưng các khoản đầu tư vào trung tâm dữ liệu quy mô siêu lớn hỗ trợ làn sóng nóng này đang đối mặt với những thách thức mới từ phía nhu cầu.

Báo cáo của Jefferies chỉ ra rằng, khi hiệu suất của các mô hình ngôn ngữ nhỏ được cải thiện và chi phí giảm, việc triển khai AI của doanh nghiệp có thể chuyển từ đám mây tập trung sang hướng nội bộ hóa, từ đó tạo áp lực lên nhu cầu sức mạnh tính toán trên đám mây cũng như chi tiêu vốn khổng lồ cho trung tâm dữ liệu.

Một căn cứ quan trọng cho nhận định này là quan sát gần đây về tình trạng sử dụng thực tế của máy chủ AI. Vào tháng 9 năm 2026, Swerve Research Technologies đã xây dựng “Chỉ số tắc nghẽn” thông qua theo dõi thời gian chờ của hàng đợi yêu cầu server của Anthropic, phát hiện tỷ lệ sử dụng máy chủ liên quan đã giảm 26% so với đỉnh điểm của tháng 1-2 năm 2026. Chỉ số này không tương ứng trực tiếp với doanh thu của công ty, nhưng nếu tỷ lệ sử dụng tiếp tục giảm, có thể cho thấy một phần nguồn cung sức mạnh tính toán bắt đầu dư thừa.

Trong khi đó, đầu tư vào cơ sở hạ tầng AI vẫn mở rộng nhanh chóng. Hiện thị trường dự đoán bốn ông lớn công nghệ Mỹ là Meta, Alphabet, Amazon và Microsoft sẽ có tổng chi tiêu vốn lên tới 990 tỷ đô vào năm 2027. Báo cáo cho rằng, nếu tốc độ tăng trưởng nhu cầu sức mạnh tính toán AI cuối cùng không thể bắt kịp quy mô đầu tư khổng lồ như vậy, một số trung tâm dữ liệu có thể đối mặt với rủi ro lợi nhuận không đủ hoặc thậm chí trở thành “tài sản bị bỏ phí”.

Tỷ lệ sử dụng server giảm, nguồn cung sức mạnh tính toán AI bị thử thách

Sản phẩm AI cá nhân Muse thuộc Meta sau khi ra mắt ngày 8/9 đã thúc đẩy giá cổ phiếu Meta tăng 21% chỉ trong vài tuần, trở thành tâm điểm của ứng dụng AI tiêu dùng gần đây. Tuy nhiên, báo cáo cho rằng thành công của một ứng dụng riêng lẻ là chưa đủ để chứng minh chu kỳ đầu tư toàn bộ cơ sở hạ tầng AI có thể duy trì lâu dài.

Đáng chú ý hơn là bản thân các công ty AI cũng phát đi một vài tín hiệu khác với kỳ vọng lạc quan của thị trường. CEO Anthropic, CEO OpenAI Sam Altman cùng Elon Musk gần đây đều công khai thảo luận về sự cần thiết phải làm chậm lại sự phát triển của AI; kế hoạch IPO ban đầu của Anthropic cũng đã bị hoãn đến tháng 11.

Bên cạnh đó, Anthropic trước đó đã ký hợp đồng sức mạnh tính toán trị giá 45 tỷ đô trong ba năm với SpaceX, đồng thời hợp tác sức mạnh tính toán quy mô hàng tỷ đô với Amazon, Google Cloud. Nếu tốc độ tăng trưởng doanh thu AI chậm lại, trong khi các hợp đồng sức mạnh tính toán quy mô lớn đã ký trước đó vẫn phải tiếp tục thực hiện, áp lực chi phí của doanh nghiệp có thể tăng cao hơn nữa.

Theo báo chí, Meta cũng đã đàm phán với Anthropic vào tháng 7, dự kiến sẽ cho thuê tối đa 10 tỷ đô sức mạnh tính toán trung tâm dữ liệu cho Anthropic trong vòng hai năm. Báo cáo cho rằng việc các công ty công nghệ lớn chủ động tìm kiếm khách hàng bên ngoài để tiêu thụ sức mạnh tính toán cho thấy khi nguồn cung cơ sở hạ tầng gia tăng nhanh, bài toán nâng cao tỷ lệ sử dụng tài sản đang trở thành vấn đề mới.

Hiệu suất mô hình nhỏ bắt kịp, triển khai nội bộ hóa có thể san sẻ nhu cầu đám mây

So với thay đổi ngắn hạn của tỷ lệ sử dụng máy chủ, báo cáo chú ý hơn đến sự thay đổi trong kiến trúc mô hình AI.

Nghiên cứu “Intelligence per Watt” do Đại học Stanford phối hợp với Together AI công bố cho thấy, hiệu suất của mô hình ngôn ngữ nhỏ đang bắt kịp nhanh chóng so với mô hình lớn, đồng thời tiêu thụ năng lượng và chi phí sức mạnh tính toán thấp hơn 50% đến 85%. Nếu xu hướng này tiếp tục, quy mô sức mạnh tính toán và cơ cấu chi phí triển khai AI của doanh nghiệp đều có thể thay đổi theo.

Trước đây, doanh nghiệp chủ yếu dựa vào mô hình lớn tập trung trên đám mây để hoàn thành nhiệm vụ AI; khi năng lực mô hình nhỏ tăng lên, một số tình huống có thể chuyển sang triển khai nội bộ. Đối với các ngành như ngân hàng đề cao yêu cầu bảo mật dữ liệu, triển khai nội bộ vốn đã là nhu cầu mạnh; khi mô hình nhỏ tiếp tục giảm chi phí triển khai, phạm vi áp dụng hình thức này có thể được mở rộng hơn nữa.

Điều này đồng nghĩa, sự tăng trưởng của ứng dụng AI không nhất thiết kéo theo gia tăng nhu cầu sức mạnh tính toán trên đám mây theo cùng tỷ lệ. Doanh nghiệp có thể đồng thời mở rộng ứng dụng AI và giảm sự phụ thuộc vào API mô hình siêu lớn cũng như sức mạnh tính toán tập trung trên đám mây.

Đây cũng là lý do chính khiến báo cáo nghi ngờ ý nghĩa của khoản chi tiêu vốn gần nghìn tỷ đô: nếu trong tương lai ngày càng nhiều ứng dụng AI được gánh vác bởi mô hình cỡ nhỏ, chi phí thấp, triển khai nội bộ thì quy mô đầu tư hiện nay xoay quanh các trung tâm dữ liệu siêu lớn có thể bị lệch pha với nhu cầu thực tế về sức mạnh tính toán.

Trong kịch bản đó, điều cần đánh giá lại thực sự không phải là nhu cầu AI có tồn tại hay không, mà là nhu cầu AI thực sự cần bao nhiêu sức mạnh tính toán tập trung, cũng như liệu các trung tâm dữ liệu này có thể đạt được lợi nhuận tương xứng với quy mô đầu tư hay không.