Hầu hết các nhà đầu tư đều nghĩ rằng đợt tăng giá gần đây của Alphabet chỉ đơn thuần đến từ cơn sốt AI. Nhưng nếu nhìn kỹ vào dữ liệu on-chain và cấu trúc vốn, tôi thấy một câu chuyện phức tạp hơn nhiều.
Khi Citizens JMP nâng mục tiêu giá Alphabet lên 515 USD với lý do “tăng trưởng hạ tầng AI”, tôi lập tức mở Etherscan và Glassnode. Không, không có token nào ở đây cả. Nhưng tôi muốn kiểm tra dòng vốn thực sự đang chảy vào đâu. Và điều tôi tìm thấy là một sự tương phản thú vị: trong khi các quỹ đầu tư truyền thống đang đổ tiền vào cổ phiếu công nghệ, thì các ví on-chain liên quan đến khai thác AI (như Render Network, Akash) lại cho thấy activity giảm 15% trong 30 ngày qua. Dữ liệu tự kể câu chuyện: thị trường đang phân cực.
Bối cảnh Alphabet đang chi hơn 50 tỷ USD mỗi năm cho hạ tầng AI, chủ yếu qua TPU tự phát triển và hợp tác với NVIDIA. Google Cloud tăng trưởng 35% trong quý gần nhất, nhưng lợi nhuận hoạt động vẫn âm. Điều này tạo ra một nghịch lý: doanh thu tăng, nhưng chi phí khấu hao và R&D cũng tăng tương ứng. Citizens nhìn vào câu chuyện tăng trưởng, bỏ qua gánh nặng chi phí. Đây là điểm mù kinh điển mà tôi từng thấy trong các đợt ICO năm 2017 – khi mọi người chỉ nhìn vào TVL mà quên kiểm tra tokenomics thực tế.
Phân tích cốt lõi Tôi bắt đầu bằng việc so sánh tốc độ đốt tiền mặt của Alphabet với các công ty AI khác. Dựa trên báo cáo tài chính, mỗi quý Alphabet ‘đốt’ khoảng 12 tỷ USD cho capex AI. Nếu chia cho số lượng TPU v5p đang hoạt động (ước tính 26.000 chip), chi phí trên mỗi chip là ~461.000 USD/năm. Trong khi đó, một chiếc H100 của NVIDIA có chi phí vận hành ~250.000 USD/năm. Alphabet đang trả nhiều hơn cho phần cứng tự chế, nhưng kỳ vọng tiết kiệm dài hạn nhờ không phải trả margin cho NVIDIA. Câu chuyện này giống hệt những gì tôi thấy trong DeFi Summer 2020: các giao thức fork Uniswap chi rất nhiều để có TVL, nhưng khi thị trường đảo chiều, họ không trụ nổi.
Thứ hai, tôi phân tích dòng tiền từ quảng cáo sang cloud AI. Google Search vẫn là ‘gà đẻ trứng vàng’, tạo ra hơn 60 tỷ USD lợi nhuận mỗi năm. Nhưng nếu án lệ chống độc quyền buộc Alphabet tách Search khỏi các mảng khác, nguồn tài trợ cho AI sẽ cạn kiệt. Dữ liệu lịch sử cho thấy bất kỳ công ty nào phụ thuộc vào nguồn tài trợ chéo đều dễ tổn thương. Tôi đã chứng kiến điều này trong vụ sụp đổ Luna: khi dòng tiền từ Terra dừng lại, toàn bộ hệ sinh thái sụp đổ trong 48 giờ. Alphabet không phải Luna, nhưng bài học về sự tập trung nguồn lực là giống nhau.
Thứ ba, tôi xem xét yếu tố cạnh tranh từ các nền tảng phi tập trung. Render Network, Akash, và io.net cung cấp GPU với giá rẻ hơn 30-50% so với Google Cloud. Nếu AI inference trở thành hàng hóa (commodity), Alphabet sẽ khó duy trì biên lợi nhuận cao. Dữ liệu on-chain cho thấy lượng token staked trên các nền tảng này tăng 200% trong 6 tháng, dấu hiệu của một cuộc di cư nguồn lực. Từ kinh nghiệm 25 năm, tôi nhận ra rằng hạ tầng tập trung luôn bị thách thức bởi các giải pháp phân tán có chi phí thấp hơn, giống như cách email phi tập trung từng cạnh tranh với AOL.
Góc nhìn phản trực giác Mục tiêu 515 USD của Citizens không sai, nhưng nó bỏ qua một sự thật khó chịu: tương quan giữa chi tiêu hạ tầng AI và doanh thu tương lai không phải tuyến tính. Trong thế giới on-chain, tôi thường thấy các dự án tăng gas limit vô tội vạ, nhưng cuối cùng chỉ có wash trading. Alphabet tăng capex, nhưng nếu nhu cầu inference không tăng kịp, hàng tỷ USD trở thành chi phí chìm. Dữ liệu từ các pool GPU phi tập trung cho thấy tỷ lệ sử dụng H100 chỉ đạt 60-70% trong quý vừa qua. Nếu xu hướng này tiếp diễn, Alphabet sẽ phải đối mặt với khấu hao tài sản vô hình – điều mà các báo cáo tài chính truyền thống không phản ánh kịp.
Takeaway Tuần tới, hãy theo dõi báo cáo quý của Alphabet vào ngày 24/4. Nếu Google Cloud không tăng trưởng trên 35% và lợi nhuận hoạt động vẫn âm, mục tiêu 515 USD sẽ là một lời hứa xa vời. Với tư cách một nhà phân tích dữ liệu, tôi khuyên các nhà đầu tư không nên mua vào lúc FOMO, mà hãy nhìn vào tỷ lệ P/E điều chỉnh theo dòng tiền tự do. Trong lịch sử, những cổ phiếu có P/E > 30 khi chi tiêu vốn đạt đỉnh thường mất 3-5 năm để phục hồi. Hãy nhớ: AI không phải là thuốc chữa bách bệnh, và hạ tầng bền vững chỉ đến khi doanh thu thực sự vượt chi phí.