Hôm qua, trong một cuộc họp với các LP, tôi chia sẻ slide về “Tác động của AI đến lợi nhuận doanh nghiệp”. Một đối tác hỏi: “Morgan Stanley nói đến 2027, các công ty Mỹ tích hợp AI sẽ tăng biên lợi nhuận ròng 100bps. Có thật không?” Tôi im lặng ba giây, rồi mở một tab mới – là white paper về mô hình ngôn ngữ lớn mới nhất. Câu chuyện họ kể đẹp quá, đẹp đến mức khiến tôi nhớ lại thời Plasma năm 2017: ai cũng tin rằng sidechain sẽ giải quyết tất cả. Nhưng lịch sử không lặp lại, nó chỉ vần.
Hook: Con số cụ thể – 100 điểm cơ bản tương đương 1% lợi nhuận ròng. Với một công ty có doanh thu 10 tỷ USD, đó là 100 triệu USD thêm vào lợi nhuận. Chỉ trong ba năm. Nghe như một lời hứa của các nhà tiên tri tài chính. Nhưng tôi là một kẻ săn câu chuyện thị trường, và tôi biết rằng những con số đẹp nhất thường đến từ những giả định không được nói ra.
Context: Morgan Stanley, một trong những ngân hàng đầu tư lớn nhất thế giới, vừa công bố một báo cáo lạc quan về triển vọng lợi nhuận của những doanh nghiệp áp dụng AI. Báo cáo này dựa trên nghiên cứu của họ về các công ty Mỹ, cho rằng những công ty tích hợp AI một cách hiệu quả có thể kỳ vọng mức tăng biên lợi nhuận ròng từ 50 đến 100 điểm cơ bản vào năm 2027. Đây là một tín hiệu mạnh mẽ gửi đến giới đầu tư: AI không còn là chuyện của phòng thí nghiệm, mà đang trở thành động lực tài chính thực sự. Tuy nhiên, với tư cách là một người đã từng đầu tư vào OmiseGO (2017) – dự án Plasma đầu tiên – tôi biết rằng giữa lý thuyết và thực tế là một khoảng cách rộng lớn. Câu chuyện về Plasma cũng đẹp như AI hôm nay: “giải pháp mở rộng quy mô”, “hàng triệu giao dịch mỗi giây”. Và rồi? Nó không bao giờ trở thành hiện thực.
Core: Để hiểu được liệu 100bps có khả thi hay không, chúng ta cần mổ xẻ cơ chế tạo ra lợi nhuận từ AI. Có hai con đường chính: (1) tăng doanh thu và (2) giảm chi phí.
Về giảm chi phí, AI có thể tự động hóa các tác vụ lặp đi lặp lại như chăm sóc khách hàng, tạo nội dung, phân tích dữ liệu, viết code. Một nghiên cứu của McKinsey ước tính rằng AI sinh tạo có thể tự động hóa tới 60-70% khối lượng công việc trong một số ngành như dịch vụ khách hàng, marketing, kế toán. Nếu một công ty chi 2 tỷ USD cho nhân sự văn phòng, AI có thể giảm 30-40% chi phí đó, tương đương 600-800 triệu USD. Trên doanh thu 10 tỷ USD, đó là 6-8% lợi nhuận tăng thêm – vượt xa 1%. Tuy nhiên, chi phí triển khai AI (hạ tầng, đào tạo, tích hợp) cũng rất lớn. Một công ty cỡ trung bình có thể chi 50-100 triệu USD cho việc triển khai AI trong năm đầu tiên. Và chi phí vận hành (GPU, token API, bảo trì) có thể lên tới 20-30 triệu USD mỗi năm. Sau ba năm, tổng chi phí có thể ngốn hết 300-400 triệu USD từ khoản tiết kiệm. Vậy lợi nhuận ròng thực tế có thể chỉ còn 200-500 triệu USD, tức 2-5% doanh thu. Còn xa mới đạt 1%? Chờ đã, con số này phải tính trên lợi nhuận ròng, không phải doanh thu. Biên lợi nhuận ròng của các công ty S&P 500 trung bình khoảng 11-12%. 1% trên con số đó tương đương khoảng 9% tăng trưởng lợi nhuận – một con số ấn tượng.
Tôi từng thấy điều tương tự trong DeFi Summer 2020: mọi người đều yield farm với lợi nhuận 800% APY, nhưng chi phí gas và rủi ro thông minh contract đã ăn mất phần lớn lợi nhuận thực tế. Người chiến thắng là những người cung cấp hạ tầng (Uniswap, Aave), không phải người dùng cuối. Tương tự với AI: những công ty bán “cuốc xẻng” như Nvidia, Microsoft Azure, OpenAI sẽ hưởng lợi nhiều hơn là các công ty sử dụng AI.
Một góc nhìn khác: AI tạo doanh thu mới. Ví dụ, một ngân hàng có thể dùng AI để cá nhân hóa sản phẩm tài chính, tăng tỷ lệ chuyển đổi lên 20%. Hoặc một công ty phần mềm có thể bán thêm tính năng AI với giá cao hơn. Nhưng điều này khó xảy ra ở quy mô lớn trong 3 năm. Lý do: thị trường cạnh tranh. Khi mọi ngân hàng đều có chatbot AI thì lợi thế cạnh tranh biến mất. Giống như việc sở hữu một website vào năm 1998 – lúc đầu là lợi thế, sau đó là điều kiện cần.
Contrarian Angle: Điều mà báo cáo Morgan Stanley bỏ qua là rủi ro tập trung hạ tầng và chi phí ẩn. Họ giả định rằng chi phí AI sẽ giảm theo thời gian nhờ hiệu quả quy mô và cạnh tranh. Nhưng nếu như AI trở nên đắt đỏ hơn do nhu cầu GPU vượt cung? Hiện tại, Nvidia kiểm soát hơn 80% thị trường GPU AI. Nếu họ tăng giá, toàn bộ lợi nhuận kỳ vọng tan biến. Tôi nhớ lại năm 2021, khi NFT bùng nổ, mọi người đổ xô vào CyberKongz vì câu chuyện cộng đồng mạnh mẽ. Kết quả? Tôi mất 70% vốn vì dự án không có sản phẩm thực sự. Cũng giống như AI hôm nay: câu chuyện rất đẹp, nhưng sản phẩm thực sự (một AI agent đáng tin cậy) vẫn chưa hoàn thiện. AI còn mắc lỗi “ảo giác” (hallucination) – tưởng tượng ra sự thật sai lệch. Nếu doanh nghiệp dùng AI để đưa ra quyết định kinh doanh, một sai lầm nhỏ cũng có thể gây thiệt hại hàng triệu đô.
Takeaway: Câu chuyện về 100bps lợi nhuận từ AI thực chất là một câu chuyện về niềm tin. Niềm tin rằng công nghệ sẽ hoàn thiện đúng lúc, rằng chi phí sẽ giảm, rằng các doanh nghiệp sẽ triển khai hiệu quả. Nhưng tôi đã học được từ năm 2017 rằng niềm tin mù quáng là thứ nguy hiểm nhất. Tôi sẽ không bán tất cả để mua cổ phiếu AI. Tôi sẽ quan sát dòng vốn đầu tư vào hạ tầng – đặc biệt là chi tiêu vốn cho GPU và trung tâm dữ liệu của các công ty lớn. Nếu con số đó tăng mạnh, câu chuyện có thể đúng. Nếu không, đó chỉ là lời thì thầm của một ngân hàng đầu tư đang cố gắng tạo ra một câu chuyện mới cho thị trường. Như tôi đã viết trong một bài blog năm 2020: “Đẹp mà đau, yêu mà sợ.” AI cũng vậy. Hãy yêu lấy nó, nhưng đừng quên sợ.
