Gartner cảnh báo cơn sốt hạ tầng AI có thể “đốt” hàng nghìn tỷ USD, 80% neocloud khó tồn tại độc lập đến năm 2030

Một báo cáo mới từ Gartner cho thấy bài toán kinh tế của ngành AI đang trở nên đáng lo ngại: số tiền đổ vào hạ tầng công nghệ có thể tăng nhanh hơn rất nhiều so với doanh thu thực tế mà các dịch vụ AI tạo ra. Theo hãng phân tích này, riêng trong năm 2026, các nhà cung cấp AI có thể chi gần 1.000 tỷ USD cho hạ tầng AI, bao gồm trung tâm dữ liệu, máy chủ và bộ xử lý chuyên dụng. Từ 2027 đến 2030, thị trường còn có thể rót thêm khoảng 6.000 tỷ USD nữa. Tuy nhiên, doanh thu từ các ứng dụng AI cho doanh nghiệp và người tiêu dùng trong cùng giai đoạn được dự báo chỉ đạt tối đa 3.600 tỷ USD, thấp hơn rất nhiều so với mức cần thiết để biện minh cho làn sóng đầu tư khổng lồ này.

Gartner ước tính rằng nếu các công ty muốn đạt mức lợi nhuận chấp nhận được, họ sẽ phải nhắm tới ROIC khoảng 12%. ROIC, viết tắt của “return on invested capital”, là tỷ suất sinh lời trên vốn đầu tư — một chỉ số cho biết mỗi đồng vốn bỏ ra tạo được bao nhiêu giá trị. Với ngưỡng này, các nhà vận hành trung tâm dữ liệu AI sẽ cần tạo ra khoảng 8.500 tỷ USD doanh thu để bù chi phí đầu tư lẫn chi phí tài chính. Khi doanh thu dự kiến chỉ bằng chưa tới một nửa con số đó, rủi ro thua lỗ và điều chỉnh giá trị tài sản trở nên hiện hữu. Nói cách khác, nhiều doanh nghiệp có thể phát hiện rằng những gì họ xây hôm nay sẽ không mang lại lợi nhuận như kỳ vọng.

Một trong những yếu tố khiến bức tranh thêm u ám là tốc độ thay thế phần cứng trong ngành AI quá nhanh. GPU — bộ xử lý đồ họa, hiện là thành phần cốt lõi để huấn luyện và vận hành mô hình AI — liên tục được nâng cấp. Khi thế hệ GPU mới mạnh hơn và hiệu quả hơn xuất hiện, các hệ thống cũ có thể nhanh chóng mất giá trị thương mại. Điều này dễ dẫn đến hiện tượng “write-down”, tức doanh nghiệp phải ghi giảm giá trị tài sản trên sổ sách vì không còn khả năng thu hồi đủ vốn đầu tư ban đầu. Với các trung tâm dữ liệu AI vốn tiêu tốn hàng tỷ USD, đây là rủi ro tài chính rất lớn.

Nhóm bị đánh giá dễ tổn thương nhất là các nhà cung cấp neocloud. Đây là thuật ngữ dùng cho những công ty đám mây thế hệ mới, thường tập trung vào dịch vụ cho thuê năng lực tính toán AI thay vì cung cấp hạ tầng đám mây đa mục đích như các ông lớn truyền thống. Nhiều doanh nghiệp trong số này hoạt động theo mô hình “GPU-as-a-service”, tức cho khách hàng thuê GPU từ xa theo nhu cầu, tương tự cách thuê máy chủ trên cloud. Gartner dự báo tới 80% neocloud sẽ không thể tồn tại như doanh nghiệp độc lập sau năm 2030. Một số có thể bị mua lại, số khác buộc phải rời thị trường khi không đủ quy mô hoặc không đạt hiệu quả tài chính.

Trái với neocloud, các hyperscaler được cho là sẽ chống chịu tốt hơn trước đợt hợp nhất thị trường. Hyperscaler là những tập đoàn đám mây siêu quy mô như các nhà cung cấp sở hữu mạng lưới trung tâm dữ liệu toàn cầu và phục vụ khối lượng khách hàng cực lớn. Lợi thế của họ nằm ở chỗ AI chỉ là một phần trong danh mục kinh doanh rộng hơn, bên cạnh lưu trữ, cơ sở dữ liệu, phần mềm doanh nghiệp và nhiều dịch vụ số khác. Nhờ đó, họ có thể hấp thụ rủi ro tốt hơn và không hoàn toàn phụ thuộc vào việc AI phải sinh lời ngay trong ngắn hạn.

Không chỉ Gartner, nhiều tổ chức tài chính và tư vấn cũng đang phát đi tín hiệu thận trọng. Thị trường bắt đầu lo ngại về quy mô capex — tức chi tiêu vốn cho tài sản dài hạn như trung tâm dữ liệu, máy chủ và chip — đang được bơm vào AI. Khi capex tăng quá mạnh mà dòng tiền chưa theo kịp, chi phí vay vốn có thể leo thang. Báo cáo cũng nhắc đến việc SoftBank gần đây phải đối mặt với chi phí đi vay cao hơn khi tìm thêm nguồn lực cho OpenAI. Trong khi đó, Jefferies cảnh báo các công ty như OpenAI hay Anthropic đang chịu sức ép lợi nhuận từ mô hình mã nguồn mở và các mô hình AI đến từ Trung Quốc, vốn cạnh tranh bằng giá thấp hơn. Mã nguồn mở ở đây là các hệ thống AI có mã hoặc trọng số mô hình được chia sẻ rộng rãi hơn, giúp doanh nghiệp triển khai với chi phí rẻ hơn so với dịch vụ đóng.

Một điểm đáng chú ý là Bain & Company cũng từng ước tính ngành AI cần đạt tới 6.000 tỷ USD doanh thu mỗi năm vào 2031 để tiếp tục tài trợ cho hạ tầng cần thiết nhằm đáp ứng nhu cầu dự kiến. Tuy nhiên, ngay cả kịch bản này cũng có nguy cơ thiếu hụt doanh thu nếu thị trường không sớm tạo ra những sản phẩm và trường hợp sử dụng mới đủ lớn. “Use case”, hay trường hợp sử dụng, là cách công nghệ được áp dụng vào bài toán thực tế để tạo giá trị kinh doanh. Điều đó có nghĩa là AI không chỉ cần mô hình mạnh hơn, mà còn cần những ứng dụng thực sự khiến khách hàng sẵn sàng trả tiền ở quy mô lớn.

Việc Quỹ Tiền tệ Quốc tế (IMF) và Ngân hàng Thanh toán Quốc tế (BIS) cùng lên tiếng về nguy cơ bong bóng AI cho thấy mối lo đã vượt ra ngoài phạm vi riêng của ngành công nghệ. Bong bóng xảy ra khi giá trị đầu tư bị đẩy lên quá cao so với khả năng tạo lợi nhuận thực tế, và nếu vỡ, tác động có thể lan sang thị trường tài chính lẫn nền kinh tế rộng hơn. Trong bối cảnh đó, dự báo của Gartner giống như một lời nhắc rằng cuộc đua AI không chỉ là câu chuyện đổi mới công nghệ, mà còn là phép thử khắc nghiệt về tính bền vững của mô hình kinh doanh. Những công ty không nhanh chóng mở rộng dịch vụ, tối ưu chi phí hoặc leo lên các tầng giá trị cao hơn trong chuỗi AI có thể sẽ là những cái tên đầu tiên bị loại khỏi cuộc chơi.