Southeast Asia News Desk

TLDRs;

• Cổ phiếu Nvidia giảm khi định giá xuống mức P/E thấp nhất trong bảy năm giữa áp lực bán tháo trên thị trường toàn cầu.
• Các nhà đầu tư lo ngại chi tiêu cho AI của các công ty công nghệ lớn có thể mất nhiều thời gian hơn để chuyển thành tăng trưởng lợi nhuận đáng kể.
• Hơn 800 tỷ USD giá trị thị trường của Nvidia đã bị xóa sổ khi tâm lý đối với công nghệ tăng trưởng cao suy yếu.
• Việc các công ty công nghệ lớn ngày càng sử dụng chip tùy chỉnh làm tăng áp lực cạnh tranh dài hạn lên Nvidia.

(SeaPRwire) –   Cổ phiếu Nvidia (NVDA) tiếp tục chịu áp lực trong tuần này khi các thị trường tài chính rộng lớn hơn trải qua đợt bán tháo mạnh mẽ do căng thẳng địa chính trị gia tăng và lo ngại lạm phát dai dẳng. Sự sụt giảm này đã đẩy định giá của nhà sản xuất chip xuống mức bội số giá trên thu nhập (P/E) dự phóng thấp nhất trong bảy năm, báo hiệu sự thay đổi trong tâm lý nhà đầu tư đối với một trong những cái tên được theo dõi chặt chẽ nhất trong bùng nổ trí tuệ nhân tạo.

Cổ phiếu hiện đang giao dịch ở mức khoảng 19,6 lần thu nhập dự kiến trong 12 tháng tới, một mức chưa từng thấy kể từ đầu năm 2019. Mặc dù Nvidia có vị trí thống lĩnh trong phần cứng AI, các nhà đầu tư đang đánh giá lại liệu làn sóng chi tiêu cơ sở hạ tầng hiện tại có chuyển thành lợi nhuận ngắn hạn với tốc độ như dự kiến trước đây hay không.

Sự sụt giảm mạnh từ mức đỉnh

Cổ phiếu của Nvidia đã giảm gần 20% so với mức đóng cửa cao kỷ lục vào tháng 10. Trong các phiên giao dịch gần đây, nó đã giảm thêm 2,2% vào ngày 27 tháng 3 và hiện đang trên đà giảm khoảng 10% trong quý đầu tiên. Sự suy thoái này phản ánh cả sự yếu kém của thị trường rộng lớn hơn và những lo ngại cụ thể của công ty liên quan đến kỳ vọng tăng trưởng trong tương lai.

NVIDIA Corporation, NVDA

Đợt bán tháo đã xóa sổ hơn 800 tỷ USD vốn hóa thị trường, đưa định giá của Nvidia xuống còn khoảng 4 nghìn tỷ USD. Mặc dù công ty vẫn là một trong những công ty công nghệ lớn nhất và có ảnh hưởng nhất trên toàn cầu, quy mô của sự điều chỉnh này cho thấy tâm lý có thể thay đổi nhanh chóng như thế nào trong các lĩnh vực tăng trưởng cao.

Các câu hỏi về chi tiêu AI gia tăng

Một điểm tranh luận ngày càng tăng giữa các nhà đầu tư là liệu các khoản đầu tư cơ sở hạ tầng AI khổng lồ của các hyperscaler như Microsoft, Alphabet và Amazon có mang lại lợi nhuận nhanh chóng như dự kiến hay không. Các công ty này tiếp tục đổ hàng tỷ USD vào các trung tâm dữ liệu và năng lực tính toán AI, nhưng các nhà phân tích cho rằng chu kỳ hoàn vốn có thể dài hơn và không chắc chắn hơn so với mức giá ban đầu trên thị trường.

Một số người tham gia thị trường cũng cảnh báo rằng sự phát triển công nghệ nhanh chóng trong phần cứng AI làm tăng nguy cơ gián đoạn. Nhà giao dịch độc quyền Dennis Dick của Triple D Trading lưu ý rằng các chu kỳ đổi mới nhanh chóng trong AI có thể thách thức các nhà sản xuất chip thống trị hiện nay nếu các kiến trúc mới hơn được chấp nhận nhanh hơn dự kiến.

Chip tùy chỉnh thách thức sự thống trị của Nvidia

Ngoài những lo ngại về kinh tế vĩ mô, Nvidia đang đối mặt với áp lực cấu trúc từ sự trỗi dậy của chip tùy chỉnh. Các công ty công nghệ lớn ngày càng thiết kế chip của riêng họ được tùy chỉnh đặc biệt cho các khối lượng công việc AI nội bộ thay vì chỉ dựa vào GPU có sẵn.

Ví dụ, Alphabet đào tạo các mô hình AI tiên tiến của mình bằng cách sử dụng Bộ xử lý Tensor (TPU) nội bộ, được thiết kế để tối ưu hóa hiệu suất học máy với chi phí thấp hơn đáng kể. Các báo cáo cho thấy việc xây dựng phần cứng độc quyền có thể giảm chi phí tính toán AI tới 80% so với việc dựa vào các nhà cung cấp bên ngoài.

Trong khi đó, các công ty như Anthropic dự kiến sẽ triển khai tới một triệu Google TPU, và Meta được cho là đang khám phá các quan hệ đối tác quy mô lớn cho cơ sở hạ tầng tương tự. Broadcom cũng đang thúc đẩy xu hướng này bằng cách đồng thiết kế chip AI tùy chỉnh và dự kiến sẽ chiếm một phần lớn thị trường ASIC máy chủ AI vào cuối năm 2027.

Cạnh tranh cơ sở hạ tầng AI phát triển

Bối cảnh cạnh tranh trong trí tuệ nhân tạo không còn được định nghĩa thuần túy bởi hiệu suất chip. Thay vào đó, nó ngày càng được định hình bởi tối ưu hóa toàn diện (full-stack optimization), tích hợp phần cứng, phần mềm và phát triển mô hình vào các hệ thống thống nhất.

Sự thay đổi này mang lại lợi ích cho các công ty có thể kiểm soát toàn bộ quy trình AI, thay vì chỉ tập trung vào sản xuất chip.