Vì sao vốn hóa Nvidia tăng lên tới 5.000 tỷ USD?

Khi AI bước vào giai đoạn công nghiệp, các trung tâm dữ liệu tiên tiến nhất thế giới ngày nay không còn được đo bằng diện tích hay số lượng máy chủ, mà bằng công suất tính toán - đơn vị gigawatt (GW). Phố Wall đã bắt đầu định giá chi phí cho từng gigawatt và dự đoán những doanh nghiệp nào sẽ hưởng lợi từ cơn sốt đầu tư khổng lồ này.

Theo các nhà phân tích của TD Cowen, một gigawatt tương đương với công suất của một lò phản ứng hạt nhân và đó đang trở thành chuẩn mực mới cho các trung tâm dữ liệu AI thế hệ tiếp theo như Colossus 2 của xAI ở Memphis, Prometheus của Meta ở Ohio, Hyperion ở Louisiana, Stargate của OpenAI và Mount Rainier của Amazon tại Indiana. Những công trình khổng lồ này tiêu thụ lượng điện khổng lồ, kết hợp với nguồn vốn và các con chip silicon để tạo ra “trí tuệ”, một quy trình vô cùng tốn kém.

Theo báo cáo mới của Bernstein Research, một trung tâm dữ liệu AI có công suất 1GW tốn khoảng 35 tỷ USD để xây dựng. Nghe có vẻ phi lý, nhưng đây chính là nền tảng kinh tế mới của kỷ nguyên AI. Mỗi gigawatt không chỉ là thước đo năng lượng mà còn là đại diện cho một hệ sinh thái công nghiệp đang hình thành, bao gồm chất bán dẫn, thiết bị mạng, hệ thống điện, xây dựng và sản xuất năng lượng.

Trong tổng chi phí 35 tỷ USD đó, GPU chiếm phần lớn nhất – khoảng 39%. Đây là “trái tim” của các trung tâm dữ liệu AI, chủ yếu đến từ dòng GB200 và các chip thế hệ mới Rubin của Nvidia. Với biên lợi nhuận gộp lên tới 70%, Bernstein ước tính Nvidia thu về gần 30% tổng chi tiêu cho trung tâm dữ liệu AI dưới dạng lợi nhuận, giúp lý giải vì sao công ty có giá trị thị trường gần 5 nghìn tỷ USD.

Theo TD Cowen, mỗi gigawatt công suất tương đương hơn 1 triệu lõi GPU, tức bộ não trung tâm của các con chip AI. Đối tác sản xuất của Nvidia, TSMC, thu về khoảng 1,3 tỷ USD cho mỗi gigawatt nhờ việc gia công các thành phần này. Dù các đối thủ như AMD và Intel đang nỗ lực đuổi kịp, và các “ông lớn” như Google, Amazon hay Microsoft đầu tư vào chip tăng tốc AI ASIC để giảm chi phí hệ thống, song theo các nhà phân tích của Bernstein và TD Cowen, GPU vẫn là trung tâm trọng lực của toàn bộ nền kinh tế AI.

Sau GPU, hạng mục tốn kém thứ hai là mạng lưới kết nối, chiếm khoảng 13% chi phí. Đây là “huyết mạch” kết nối hàng triệu GPU lại với nhau, thông qua switch tốc độ cao và liên kết quang học. Các công ty được hưởng lợi bao gồm Arista Networks, Broadcom, Marvell (thiết bị mạng và chip), Amphenol, Luxshare (cáp và đầu nối), cùng InnoLight, Eoptolink, Coherent (bộ thu phát quang).

Hạ tầng năng lượng và làm mát cũng chiếm tỷ trọng lớn. Theo Bernstein, phân phối điện chiếm khoảng 10% chi phí, trong khi làm mát chiếm khoảng 4%, chia đều giữa hệ thống làm mát bằng không khí và bằng chất lỏng. Các nhà cung cấp chính gồm Eaton, Schneider Electric, ABB và Vertiv – trong đó Vertiv nắm cơ hội lớn ở lĩnh vực làm mát.

Khoảng 10% chi phí còn lại thuộc về đất đai và tòa nhà. Tuy nhiên, chi phí vận hành sau đó lại tương đối thấp. Theo Bernstein, vận hành một trung tâm dữ liệu AI công suất 1GW tốn khoảng 1,3 tỷ USD tiền điện mỗi năm, và chỉ cần từ 8 đến 10 nhân viên để vận hành, với mức lương trung bình 30.000–80.000 USD/năm.

Dẫu vậy, “nút thắt cổ chai” lớn nhất giờ đây là nguồn cung điện năng. Các công ty như Siemens Energy, GE Vernova và Mitsubishi Heavy đang ghi nhận lượng đơn đặt hàng tăng vọt cho tuabin và hạ tầng lưới điện, khi các “ông lớn” công nghệ toàn cầu cạnh tranh khốc liệt để đảm bảo nguồn điện ổn định phục vụ quá trình mở rộng AI ở quy mô công nghiệp.

Tóm lại, một trung tâm dữ liệu AI 1GW tương đương khoản đầu tư 35 tỷ USD, và Nvidia chính là người hưởng lợi lớn nhất, khi GPU trở thành nền tảng vật chất cốt lõi cho cuộc cách mạng trí tuệ nhân tạo toàn cầu.

Theo: BI