Bong bóng AI có quy mô gấp 17 lần bong bóng dot-com và gấp 4 lần khủng hoảng subprime

 (morningstar.com)
9 điểm bởi GN⁺ 2025-10-08 | 1 bình luận | Chia sẻ qua WhatsApp
  • Các khoản đầu tư liên quan đến AI đã tăng bùng nổ nhờ lãi suất thấp một cách nhân tạo, qua đó hình thành bong bóng lớn nhất trong lịch sử
  • Tổ chức nghiên cứu độc lập MacroStrategy Partnership cho rằng bong bóng AI có quy mô gấp 17 lần bong bóng dot-com và gấp 4 lần khủng hoảng subprime
  • Báo cáo giải thích, dựa trên lý thuyết của Knut Wicksell, rằng lãi suất thấp đã phân bổ vốn kém hiệu quả, khiến một phần GDP bị sử dụng sai mục đích
  • Báo cáo cũng chỉ ra giới hạn cải thiện hiệu năng của LLM và sự thiếu vắng lợi nhuận, lấy ví dụ rằng dù chi phí mô hình tăng gấp 10 lần thì mức cải thiện hầu như không đáng kể
  • Các nhà phân tích khuyến nghị giảm tỷ trọng cổ phiếu AI và doanh nghiệp nền tảng, tăng đầu tư vào tài nguyên và thị trường mới nổi (Ấn Độ, Việt Nam), đồng thời áp dụng chiến lược mua vàng, trái phiếu kho bạc ngắn hạn và đồng yên Nhật

Quy mô bong bóng AI và cơ sở lập luận

  • Môi trường lãi suất bị duy trì ở mức thấp một cách nhân tạo thời gian gần đây đã thúc đẩy cơn sốt đầu tư vào AI
  • MacroStrategy Partnership đánh giá đầu tư AI hiện nay là bong bóng lớn nhất trong các bong bóng lịch sử
    • Tính theo “thâm hụt Wicksellian (Wicksellian deficit)”, quy mô này tương đương gấp 17 lần bong bóng dot-com và gấp 4 lần khủng hoảng bất động sản năm 2008
    • Con số này không chỉ bao gồm AI mà còn bao trùm toàn bộ các lĩnh vực phân bổ vốn kém hiệu quả do lãi suất thấp như bất động sản, NFT và đầu tư mạo hiểm
  • Theo lý thuyết của Knut Wicksell, việc phân bổ vốn lý tưởng diễn ra khi chi phí vay của doanh nghiệp cao hơn GDP danh nghĩa 2 điểm phần trăm
    • Lập luận cho rằng nới lỏng định lượng của Fed đã phá vỡ điều kiện này trong thời gian dài, dẫn đến đầu tư quá mức

Giới hạn công nghệ LLM và các chỉ trích

  • Báo cáo chỉ ra giới hạn mở rộng của mô hình ngôn ngữ lớn (LLM)
    • Báo cáo trích dẫn một nghiên cứu cho thấy tỷ lệ hoàn thành tác vụ của một công ty phần mềm chỉ đạt 1,5%~34%, và ngay cả mức đó cũng không ổn định
    • Tỷ lệ triển khai AI trong các doanh nghiệp lớn đã bắt đầu giảm, và ngay cả trong các ví dụ sử dụng thực tế cũng xuất hiện nhiều lỗi logic
  • Phân tích cho rằng dù chi phí huấn luyện mô hình tăng vọt, mức cải thiện hiệu quả vẫn rất hạn chế
    • Chi phí huấn luyện ChatGPT-3 là 50 triệu USD, GPT-4 là 500 triệu USD, và GPT-5 lên tới 5 tỷ USD
    • GPT-5 bị đánh giá là gần như không cải thiện hiệu năng dù đã trì hoãn ra mắt
  • Do đối thủ có thể nhanh chóng bắt kịp, rào cản gia nhập (moat) trên thực tế gần như không tồn tại

Vấn đề lợi nhuận của mô hình kinh doanh LLM

  • Cũng có ý kiến cho rằng rất khó tạo ra ứng dụng có giá trị thương mại bằng LLM
  • Đầu ra thường bị tái sử dụng cho trò chơi, nội dung thuộc phạm vi công cộng (ví dụ: bài tập) hoặc vướng hạn chế bản quyền
  • Việc triển khai quảng cáo hiệu quả là rất khó, trong khi qua mỗi thế hệ, chi phí huấn luyện tăng vọt còn mức tăng về độ chính xác lại giảm mạnh
  • Cuối cùng, các vấn đề về năng lực cạnh tranh giá, lợi nhuận và khác biệt hóa giữa các mô hình tiếp tục tồn tại
  • Ngay cả với nhóm khách hàng có mức sử dụng cao, đối với phía nhà phát triển, chi phí đầu vào vẫn lớn hơn khoản phí thuê bao hằng tháng

Triển vọng kinh tế và tác động chính sách

  • Nếu đầu tư vào trung tâm dữ liệu và hiệu ứng tài sản (wealth effect) đạt đỉnh rồi đảo chiều,
    • báo cáo cảnh báo nền kinh tế có khả năng cao rơi vào suy thoái (recession) tương tự sau bong bóng dot-com
  • Điều này có thể đẩy kinh tế Mỹ vào giai đoạn giảm phát cấp 4 (Zone 4 deflationary bust),
    • và dự báo Fed cùng chính quyền Trump sẽ rơi vào tình thế khó tung ra các gói kích thích
    • Tương tự giai đoạn sau khủng hoảng S&L đầu thập niên 1990, sẽ cần các nỗ lực tái lạm phát (reflation) trong dài hạn

Đề xuất chiến lược đầu tư của MacroStrategy Partnership

  • Tăng tỷ trọng (Overweight): hàng hóa cơ bản, đặc biệt là thị trường mới nổi như Ấn Độ và Việt Nam
  • Giảm tỷ trọng (Underweight): doanh nghiệp AI và doanh nghiệp nền tảng
  • Khuyến nghị danh mục đầu tư:
    • Mua cổ phiếu liên quan đến vàng (GDX)
    • Mua trái phiếu kho bạc Mỹ ngắn hạn
    • Giữ vị thế long với VIX (chỉ số biến động)
    • Mua đồng yên Nhật, đặc biệt kỳ vọng mạnh lên so với các đồng tiền ngoài USD

Tóm tắt thị trường và các tin khác

  • S&P 500 đã ghi nhận mức đỉnh lịch sử lần thứ 30 từ đầu năm 2025, trong khi giá vàng tăng mạnh
  • Apple bị Jefferies xếp hạng ‘underperform’ do kỳ vọng quá nóng quanh iPhone gập
  • Applied Materials dự báo doanh thu trong 5 quý tới sẽ giảm 710 triệu USD do các quy định kiểm soát xuất khẩu của Mỹ
  • BlackRock đang đàm phán thương vụ mua lại Aligned Data Centers trị giá 40 tỷ USD
  • Lợi nhuận thực tế của doanh nghiệp Mỹ (theo NIPA) đã giảm hai quý liên tiếp,
    • và phân tích của Ned Davis Research cho rằng dự báo lợi nhuận của S&P 500 có thể quá lạc quan

Bài viết liên quan

1 bình luận

 
GN⁺ 2025-10-08
Ý kiến trên Hacker News

  • Cảm giác toàn bộ bài này khá rỗng tuếch. Đọc đến cuối thì hầu như không có giải thích nào về việc con số ‘17 lần’ ở tiêu đề thực sự có nghĩa là gì, và cũng không rõ chính xác cái gì là 17 lần

    • Cũng không có link tới ghi chú nghiên cứu gốc, và cũng thiếu chi tiết về phương pháp luận được dùng. Bài chỉ nói về việc thiếu mô hình kinh doanh cho AI, mà điều này khá giống những gì người ta từng nói về công cụ tìm kiếm vào cuối thập niên 90. Khó mà cho rằng toàn bộ thị trường sẽ bị AI khiến rơi vào trạng thái rủi ro như thị trường cho vay. Dù OpenAI có sụp đổ thì cũng không có vẻ gì là các công ty khác sẽ cùng sụp theo

    • Chỉ cần tìm Google sơ qua là thấy các tổ chức tài chính toàn cầu đã chịu lỗ khoảng 1–2 nghìn tỷ USD từ chứng khoán liên quan đến thế chấp, thị trường bất động sản Mỹ mất 6 nghìn tỷ USD, còn thị trường chứng khoán mất thêm 6 nghìn tỷ USD nữa. Tôi không hoàn toàn tin tuyệt đối vào các con số này, nhưng quy mô đại khái là như vậy. Khó mà tin bong bóng AI lại lớn ngang bong bóng subprime. Dù vậy, vì lãi suất đã ở mức thấp quá lâu nên nhiều loại tài sản đã bị định giá cao, và nếu bong bóng vỡ thì có thể kéo theo một đợt điều chỉnh lớn cùng suy thoái kinh tế

    • Nguồn của con số ‘17 lần’ là một báo cáo do một người tên Julien Garran viết. Thứ ông này viết đang bị các bài báo mang tính spam trích dẫn. Có thể xem trực tiếp nội dung nghiên cứu trong video này. ‘17 lần’ dựa trên một mô hình kinh tế vĩ mô gọi là "cumulative Wicksell spread", nói rằng thị trường chứng khoán có thể đã bị định giá quá cao do tác động của lãi suất. Không phải chuyện về AI. Cách tính Wicksell spread là dựng đồ thị bằng cách tích phân của ‘tăng trưởng GDP hằng năm + 2% - lãi suất hằng năm’. Phần bump hiện tại lớn hơn 17 lần so với thời bong bóng dotcom. Bản thân phân tích kinh tế này khá thú vị

    • Có vẻ link gốc trước đây giờ đã bị thay bằng báo cáo của Morningstar

    • Tôi thấy lập luận và ví dụ quá yếu. Viện nghiên cứu này nói rằng "lãi suất thấp do can thiệp đã thúc đẩy đầu tư AI, và khoản đầu tư này đã chạm giới hạn mở rộng", nhưng thực tế từ năm 2022 đến nay lãi suất đã tăng vọt lên mức cao nhất trong nhiều thập kỷ. Chỉ riêng việc sai ngay ở dữ kiện cơ bản này đã làm giảm độ tin cậy. Câu chuyện rằng lãi suất cao tất yếu sẽ tiêu cực với giá tài sản cũng là sai. Các công ty AI hàng đầu có tỷ suất sinh lợi kỳ vọng 40–100% mỗi năm trở lên, nên chênh lệch giữa lãi suất 1% và 5% hầu như không có nhiều ý nghĩa trong quyết định đầu tư của VC. Trong thập niên 1980 và cuối thập niên 1990 cũng từng có những trường hợp công ty công nghệ được định giá cao bất chấp lãi suất cao. Các ví dụ được nêu như năm 2001, 1991 thực ra lại là những cuộc suy thoái khá nhẹ. Sau khủng hoảng S&L đầu thập niên 90, nền kinh tế thậm chí còn bước vào giai đoạn bùng nổ. AI phù hợp làm việc này hơn nhiều so với các nhà phân tích lương cao nhưng vô dụng

  • Bài này trích dẫn một bản tin chỉ dành cho người đăng ký. Video này có vẻ là cùng nguồn gốc với tài liệu gốc. Tóm lại ý của Julien Garran là việc phân bổ sai vốn của Mỹ — bao gồm nhà ở, VC và crypto — có quy mô gấp 17 lần bong bóng dotcom và gấp 4 lần bong bóng bất động sản năm 2008. Nếu quá trình đó bị tháo gỡ, thì đây không chỉ là một cuộc suy thoái bình thường mà có thể là một biến cố làm lung lay nền tảng của chủ nghĩa toàn cầu hóa vốn bắt đầu từ thời Thatcher–Reagan giai đoạn 1979–82 và kéo dài tới WTO cùng sự trỗi dậy của Trung Quốc

  • Tôi nghĩ mọi kiểu kỹ thuật tài chính dùng để chống đỡ bong bóng cuối cùng đều dẫn tới kết cục xấu. Lần nào cũng vậy. Những hành vi doanh nghiệp bất hợp pháp hoặc lách luật tràn lan trong mỗi cơn bong bóng, rồi bị cơn sốt thị trường che lấp, đến lúc điều chỉnh thì mọi thứ mới lộ ra

    • Gần đây tôi nghe podcast của Prof G Markets, trong đó quá trình bong bóng sụp đổ được giải thích khá thú vị. Tóm lại là doanh nghiệp phát hành nợ để huy động vốn, rồi diễn ra M&A, IPO của OpenAI, sau đó khi các trò thổi phồng doanh thu không còn đáp ứng được kỳ vọng thị trường thì cấu trúc đó sụp rất nhanh

    • Vấn đề thực sự là ‘xã hội hóa rủi ro khi tái cơ cấu’. Nếu chính phủ cứ liên tục phát tín hiệu rằng cuối cùng sẽ có cứu trợ, thì ai cũng sẽ chấp nhận rủi ro liều lĩnh. Càng lớn thì càng được cứu

    • Vị thế tốt nhất trong bong bóng là đứng ở khâu trung gian của giao dịch

  • Tôi lo về việc định giá của các công ty cao bất an so với doanh thu, nhưng vì AI là công nghệ mục đích chung nên tôi vẫn ngần ngại rút hẳn khỏi thị trường. Thời bong bóng dotcom cũng tương tự, nhưng cuối cùng công nghệ đó vẫn sống sót và tạo ra Big Tech. Dù có rất nhiều đau đớn và những cái tên như pets.com biến mất, nếu hiện tại lại là một thời kỳ như thế thì tôi vẫn băn khoăn liệu rời bỏ thị trường hoàn toàn có thực sự đúng không

    • Trong bong bóng dotcom, NASDAQ đã rơi gần 80%, và đó là kiểu sụp đổ mà ai cũng muốn biết trước để né. Nhưng sụp đổ thường xảy ra trong chớp mắt, và thoát ra trước cũng không hề dễ. Khi thị trường lao dốc mà một ngày mất 20%, tâm lý sẽ dao động không biết nên bán hay chờ thêm. Hiện giờ còn có cả 'circuit breaker' khiến thị trường tạm dừng, nên chỉ cần nhận ra muộn vài tiếng là giao dịch đã bị ngắt. Nếu mọi người cùng bán một lúc thì khi thị trường mở lại giá có thể còn thấp hơn rất nhiều

    • Tôi muốn hỏi liệu bạn đã từng xem dự báo doanh thu của OpenAI chưa

  • Các quỹ đầu tư Trung Đông và quỹ tài sản quốc gia của Saudi, Masayoshi Son, a16z, hội đồng quản trị Tesla... đang đầu tư theo kiểu hơi xa rời thực tế. Có vẻ họ không quan tâm đến lợi ích của nhà đầu tư và cổ đông. Tôi tự hỏi có phải họ tin rằng mình là TBTF (Too Big To Fail, quá lớn để phá sản) hay không. Cũng tự hỏi JD Vance có bị ảnh hưởng bởi điều đó không. Quy mô bong bóng là một vấn đề, nhưng điều đáng sợ hơn là thái độ rõ ràng của một số người rằng ‘sẽ không ai bắt họ chịu trách nhiệm’

    • Họ lúc nào cũng vậy, nếu canh bạc của họ thất bại thì sẽ kích động nỗi sợ theo kiểu "Trung Quốc sẽ vượt lên trước chúng ta". Người dân bình thường chỉ được tính vào chữ ‘chúng ta’ trong những lúc Sam Altman cần tiền công

    • Nghe có thể cay nghiệt, nhưng rốt cuộc những người đó thật sự sẽ thoát trách nhiệm. Những người không đúng sẽ bị trừng phạt, còn họ thì sẽ rút lui bằng câu "không ai biết chuyện này sẽ xảy ra"

  • Đây là một thí nghiệm giả định khá thú vị. Nếu xuất hiện một đột phá làm giảm 90% chi phí huấn luyện LLM nhưng hiệu năng giữ nguyên thì sao? (Gần đây cũng có nghiên cứu liên quan từ Trung Quốc.) Nếu nhu cầu GPU giảm mạnh thì cấu trúc kinh tế của cơn sốt AI sẽ thay đổi thế nào, tôi khá tò mò

    • Nếu huấn luyện rẻ hơn, chi phí sẽ giảm và mô hình sẽ rẻ hơn đồng thời sinh lời tốt hơn. Có thể tạo ra các mô hình lớn hơn nhanh hơn và nhiều hơn, đồng thời cũng sẽ có nhiều mô hình nhỏ hiệu quả hơn nhờ distillation. Huấn luyện là chi phí thuần túy, nhưng suy luận thì nếu bỏ qua chi phí huấn luyện sẽ có biên lợi nhuận rất cao. Việc giảm chi phí huấn luyện giúp ích rất lớn cho mảng kinh doanh LLM

    • Vấn đề này không chỉ áp dụng cho AI mà còn cho toàn bộ ngành IT. Data center cũng có thể được xây rẻ hơn và hiệu quả hơn, smartphone cũng có thể dùng lâu hơn. Cuối cùng doanh nghiệp thường ngại tham gia vào thị trường mà giá liên tục giảm và cạnh tranh trở nên khốc liệt hơn. Tôi cho rằng đổi mới làm hạ giá huấn luyện LLM chỉ thật sự lan rộng mạnh sau khi dư địa mở rộng data center đã cạn hoàn toàn

    • Giống như nghịch lý Jevons, trên thực tế nhu cầu có thể không hề giảm. Định giá của Nvidia hay các phòng nghiên cứu lớn có thể sẽ giảm, nhưng họ vẫn ở vị thế khá tốt. Kết quả gần đây từ Trung Quốc tuy vượt qua benchmark nhưng chưa phải là đã có năng lực cạnh tranh thực sự

    • Thực tế cũng từng có những giai thoại như vậy. Khi ai đó tối ưu hóa được gì đó và tin tốt xuất hiện, đã có trường hợp 1 tỷ USD giá trị bốc hơi chỉ trong một lần. Nhìn qua thì buồn cười, nhưng đúng là có mùi bong bóng

    • Vấn đề này còn lớn hơn thế. Nếu công việc gần như không cho phép sai sót thì LLM không phù hợp. Nhưng chỉ cần biên độ chấp nhận sai sót tăng lên một chút thì hoàn toàn có thể chạy thứ như deepseek cục bộ với chi phí rất rẻ. Rốt cuộc các data center lớn chỉ thật sự cần cho việc huấn luyện, còn với đa số người dùng thì dịch vụ suy luận không hợp lý về mặt kinh tế. Đây là một vấn đề có thể gây ra phản ứng dây chuyền tài chính rất lớn trong tương lai

  • Điều bài này bỏ lỡ là việc scale LLM không phải là một đường cong đơn lẻ. RL (học tăng cường) là kiểu tăng vọt chỉ cải thiện một số năng lực cụ thể. Không phải trí tuệ tổng thể của mô hình tăng lên, mà là dùng RL để vá những lỗ hổng ở một số lĩnh vực nhất định. Trong thực tế không có một đường cong scale duy nhất mà là hàng nghìn đường cong. Việc nâng ‘trí tuệ đỉnh cao’ của mô hình đang dần đi vào đường cong giảm dần, nhưng lại đang kéo cao ‘mức nền thấp nhất’ ở nhiều lĩnh vực khác nhau. Điểm này những người không trực tiếp đánh giá mô hình trong công việc có thể khó nhận ra

  • Cuối tuần này tôi đã chạy thử mô hình Llama 3.2-3B, và dù vẫn cần tìm hiểu sâu hơn về giới hạn của nó, tôi thấy nó khá dùng được. Nó chạy nhanh ‘bằng tốc độ đọc’ ngay cả trên GPU Intel Arc giá 100 bảng. Tôi cũng muốn mua Arc770 (250 bảng) để thử xem có thể chạy mô hình open weight của OpenAI hay không. Nhìn từ góc này thì người ta có thể nghĩ rằng các khoản đầu tư quy mô lớn rồi cũng sẽ nhanh chóng được hấp thụ nhờ thương mại hóa LLM

  • Cũng có ước tính rằng bong bóng AI hiện chiếm 20–30% thị trường chứng khoán. Để tham khảo, Đại suy thoái bắt đầu khi thị trường chứng khoán giảm 24%. Những người đang điều khiển trò chơi AI này biết rằng nếu để chính phủ đứng ngoài thì có thể sẽ xuất hiện thêm một Đại suy thoái nữa, nên việc chính phủ can thiệp cứu trợ gần như là điều chắc chắn. Người dân bình thường sẽ phải gánh lạm phát, thuế cao và nợ công tăng, còn giới thống trị thì vẫn ung dung với du thuyền và Lamborghini. Bong bóng AI lần này gần như hoàn toàn ẩn phía sau private equity, nên người dân thường thậm chí khó có cơ hội tham gia, ngoại lệ có lẽ chỉ là cổ phiếu Nvidia. Không khí hiện giờ giống như bong bóng sắp nổ. Nvidia có dấu hiệu bước vào giai đoạn cuối của kiểu đảo nợ, khi đầu tư vòng tròn vào data center của OpenAI theo kiểu ‘dùng tiền của mình để mua hàng của chính mình’ — cho nhau vay tiền rồi để đối phương mua sản phẩm của mình với giá cao. Nó giống cách CEO của WeWork cho công ty vay tiền của chính mình rồi cho thuê sản phẩm của chính mình. Gần đây AMD cũng làm trò xoay vòng vốn tương tự với OpenAI. Còn có bài liên quan. Tôi thậm chí tự hỏi bây giờ bàn về bong bóng còn có ý nghĩa không. Kiểu hành xử như trong phim ‘The Big Short’ là “đừng bao giờ để họ quy đổi thành tiền mặt, như thế nó sẽ không trở thành hiện thực” đang lan khắp ngành

    • Gần đây khi AMD và OpenAI công bố quan hệ đối tác chiến lược, tôi cũng nghĩ đến hiện tượng kiểu "các bên chơi vòng tròn đầu tư để cùng chống đỡ cho nhau". Chỉ riêng tin đó đã khiến AMD tăng gần 35% trong một ngày

    • Không chỉ AI là toàn bộ bong bóng. SpaceX cũng vậy. Dù Falcon 9 là một mảng kinh doanh thành công, 2/3 số vụ phóng lại là phóng Starlink — tức giao dịch nội bộ không có doanh thu từ bên ngoài. Thế mà dù số vụ phóng nhiều gấp 25 lần ULA, định giá của SpaceX lại cao gấp 200 lần ULA

    • Tôi cho rằng kiểu "tôi cho anh vay tiền để anh mua hàng của tôi" rồi cũng sẽ diễn ra giữa các quốc gia. Mỹ cho Nhật vay tiền, rồi Nhật dùng khoản đó tái đầu tư vào Mỹ, và mọi thứ được dàn dựng như thể hoàn toàn hợp pháp

    • Tôi nghi ngờ liệu hai nhận định ‘bong bóng AI chiếm 20–30% thị trường chứng khoán’ và ‘nó gần như hoàn toàn ẩn sau private equity’ có thể đồng thời đúng hay không

  • Đây là lần đầu tôi biết đến khái niệm vay thế chấp bằng GPU, và nó trông cực kỳ rủi ro

    • Không chỉ rủi ro, tôi thấy gần như là điên rồ. GPU mất giá rất mạnh ngay khi được lắp đặt

    • Thành thật mà nói, nếu ngân hàng tự gánh lỗ mà không dùng tiền thuế của tôi để cứu trợ thì tôi không quan tâm, nhưng thực tế thì không phải vậy.