Steve Eisman thận trọng hơn với danh mục đầu tư khi cơn sốt AI tiến gần bước ngoặt quan trọng

Steve Eisman, nhà đầu tư nổi tiếng với thương vụ đặt cược chống lại thị trường nhà ở Mỹ trước cuộc khủng hoảng tài chính năm 2008, đang trở nên thận trọng hơn với danh mục đầu tư khi làn sóng trí tuệ nhân tạo (AI) tiến gần một bước ngoặt quan trọng.

Điều khiến Eisman quan tâm không đơn thuần là giá cổ phiếu công nghệ đã tăng cao đến đâu, mà là liệu các doanh nghiệp AI có thể duy trì tốc độ tăng trưởng doanh thu tương xứng với số vốn khổng lồ đang được rót vào chip, trung tâm dữ liệu và năng lực tính toán hay không.

Những dữ liệu gần đây về Anthropic, cùng với các dấu hiệu cho thấy doanh nghiệp và nhà phát triển phần mềm đang quan tâm nhiều hơn đến hiệu quả sử dụng AI, đã làm dấy lên câu hỏi về tính bền vững của mô hình tăng trưởng hiện tại. Trong khi đó, các công ty công nghệ lớn vẫn tiếp tục đầu tư mạnh vào hạ tầng, khiến kỳ vọng của nhà đầu tư ngày càng phụ thuộc vào khả năng thương mại hóa AI.

Eisman không nhất thiết cho rằng trí tuệ nhân tạo sẽ thất bại. Mối quan tâm của ông nằm ở khoảng cách giữa tiềm năng công nghệ và lợi nhuận thực tế mà doanh nghiệp có thể tạo ra. Một công nghệ có khả năng thay đổi nền kinh tế vẫn có thể khiến nhà đầu tư thua lỗ nếu định giá cổ phiếu và kỳ vọng tăng trưởng vượt quá những gì doanh nghiệp thực sự đạt được.

Steve Eisman chú ý đến dấu hiệu giảm tốc của Anthropic

Một trong những vấn đề được Eisman quan tâm là tình hình kinh doanh của Anthropic, công ty phát triển mô hình AI Claude và là một trong những doanh nghiệp quan trọng trong hệ sinh thái trí tuệ nhân tạo.

Theo những số liệu được Eisman đề cập trong chương trình Prof G Markets ngày 28/10, tốc độ tăng trưởng doanh thu theo quý của Anthropic đã giảm đáng kể trong quý III/2026. Doanh thu tăng khoảng 45% so với quý trước, thấp hơn nhiều so với mức tăng khoảng 147% trong quý II theo cách tính được ông sử dụng khi phân tích dữ liệu.

Hai con số trên cần được nhìn nhận đúng bản chất. Tỷ lệ doanh thu trên chi phí tính toán không đồng nghĩa với biên lợi nhuận ròng, bởi doanh nghiệp còn phải chi trả cho nhân sự, nghiên cứu và phát triển, bán hàng, quản lý và nhiều hoạt động khác. Tuy nhiên, sự suy giảm của chỉ số này có thể cho thấy chi phí vận hành AI đang tăng nhanh hơn so với hiệu quả doanh thu trong một giai đoạn nhất định.

Đối với Eisman, câu hỏi quan trọng là liệu mức tăng trưởng đột biến trong nửa đầu năm có phản ánh nhu cầu sử dụng AI bền vững hay một giai đoạn doanh nghiệp sử dụng công nghệ với mức độ đặc biệt cao trước khi bắt đầu kiểm soát chi phí.

Nếu doanh thu tiếp tục tăng nhưng tốc độ tăng chậm lại, trong khi chi phí hạ tầng vẫn lớn, các công ty AI có thể phải điều chỉnh kế hoạch đầu tư, chiến lược định giá hoặc mục tiêu mở rộng thị trường.

“Token maxing” và sự thay đổi trong hành vi sử dụng AI

Một khái niệm được Eisman nhắc đến là “token maxing”, có thể hiểu là giai đoạn các doanh nghiệp khuyến khích kỹ sư phần mềm sử dụng AI với cường độ rất cao, gần như liên tục, để tăng tốc độ lập trình và xử lý công việc.

Trong giai đoạn này, việc mở rộng sử dụng AI có thể thúc đẩy doanh thu của các nhà cung cấp mô hình. Khi doanh nghiệp sử dụng nhiều mô hình hơn, số lượng yêu cầu xử lý tăng lên và nhu cầu tính toán cũng tăng theo.

Tuy nhiên, cách tiếp cận ưu tiên mức sử dụng tối đa có thể thay đổi khi doanh nghiệp bắt đầu đánh giá kỹ hơn hiệu quả kinh tế. Thay vì khuyến khích nhân viên dùng AI trong mọi tình huống, các công ty có thể tập trung vào những nhiệm vụ đem lại lợi ích rõ ràng, giảm các yêu cầu không cần thiết và lựa chọn mô hình có chi phí thấp hơn.

Nếu xu hướng này tiếp tục, thị trường AI có thể bước vào giai đoạn mới. Tốc độ tăng trưởng không còn chỉ phụ thuộc vào số lượng người dùng hoặc lượng dữ liệu được xử lý, mà còn phụ thuộc vào khả năng chứng minh rằng mỗi khoản chi cho AI tạo ra giá trị kinh tế đủ lớn.

Điều đó không nhất thiết đồng nghĩa nhu cầu AI sẽ sụp đổ. Ngược lại, mô hình rẻ hơn có thể giúp AI được triển khai rộng rãi hơn. Nhưng khi khách hàng chuyển sang các lựa chọn tiết kiệm hơn, doanh thu và biên lợi nhuận của từng nhà cung cấp có thể chịu áp lực.

Vì sao Eisman đặt câu hỏi về dữ liệu trong hồ sơ IPO của Anthropic?

Một điểm khác khiến Eisman chú ý là việc hồ sơ đăng ký phát hành cổ phiếu lần đầu ra công chúng (IPO) của Anthropic, được đề cập trong các báo cáo cuối tháng 10, chưa thể hiện đầy đủ các số liệu quý III trong những phần dữ liệu mà ông xem xét.

Cần phân biệt giữa việc đặt câu hỏi về mức độ cập nhật của thông tin và kết luận rằng doanh nghiệp cố tình che giấu dữ liệu. Việc hồ sơ IPO sử dụng số liệu tài chính của một kỳ báo cáo nhất định không tự động chứng minh có hành vi sai phạm. Muốn đánh giá vấn đề, nhà đầu tư cần xem xét đầy đủ tài liệu đăng ký, các yêu cầu công bố thông tin và những số liệu chính thức được cập nhật.

Dù vậy, sự chú ý của Eisman cho thấy một nguyên tắc quan trọng đối với các công ty công nghệ đang được định giá dựa trên triển vọng tăng trưởng dài hạn: nhà đầu tư cần theo dõi những dữ liệu mới nhất, đặc biệt khi hoạt động kinh doanh thay đổi nhanh chóng.

Nếu doanh thu hoặc hiệu quả sử dụng hạ tầng giảm tốc trong quý gần nhất, những dự báo dựa trên tốc độ tăng trưởng của giai đoạn trước có thể cần được điều chỉnh. Điều này càng đáng chú ý với các doanh nghiệp đang chuẩn bị IPO, bởi mức định giá phụ thuộc nhiều vào kỳ vọng về doanh thu, lợi nhuận và nhu cầu vốn trong tương lai.

Khoản đầu tư khổng lồ vào hạ tầng AI tạo ra rủi ro gì?

Sự phát triển của AI đòi hỏi lượng tài nguyên tính toán lớn, từ chip chuyên dụng, máy chủ, trung tâm dữ liệu đến điện năng và hệ thống làm mát. Các công ty AI phải đầu tư hoặc ký hợp đồng thuê hạ tầng dài hạn để đáp ứng nhu cầu xử lý mô hình và phục vụ khách hàng.

Vấn đề nằm ở chỗ các khoản cam kết đầu tư thường được thực hiện với kỳ vọng nhu cầu sẽ tiếp tục tăng trong nhiều năm. Nếu tốc độ tăng doanh thu thấp hơn dự kiến, doanh nghiệp vẫn có thể phải gánh chi phí hạ tầng đã cam kết, trong khi nguồn thu không tăng đủ nhanh để bù đắp.

Rủi ro không chỉ nằm ở khả năng một công ty AI tăng trưởng chậm lại. Những doanh nghiệp khác trong chuỗi cung ứng cũng có thể chịu ảnh hưởng nếu khách hàng trì hoãn mở rộng trung tâm dữ liệu hoặc điều chỉnh kế hoạch mua chip.

Ngược lại, nếu nhu cầu tiếp tục tăng nhanh và doanh thu từ các dịch vụ AI được duy trì, các khoản đầu tư hạ tầng có thể tạo nền tảng cho tăng trưởng dài hạn. Do đó, quy mô chi tiêu lớn tự nó không chứng minh một bong bóng đang hình thành. Điều cần đánh giá là liệu doanh thu, dòng tiền và lợi nhuận trong tương lai có đủ để hỗ trợ các cam kết tài chính hiện tại hay không.

Cạnh tranh từ các mô hình AI Trung Quốc có thể gây áp lực lên giá

Một trong những rủi ro mà Eisman quan tâm là sự cạnh tranh từ các mô hình AI có trọng số mở của Trung Quốc. Các mô hình này có thể tạo ra lựa chọn thay thế với chi phí thấp hơn cho một số doanh nghiệp và nhà phát triển.

Khi khách hàng có thêm lựa chọn, nhà cung cấp AI có thể phải giảm giá, cải thiện hiệu suất hoặc bổ sung tính năng để giữ thị phần. Đối với khách hàng, điều này có thể giúp giảm chi phí triển khai AI và mở rộng khả năng ứng dụng công nghệ.

Nhưng đối với doanh nghiệp cung cấp mô hình, cạnh tranh về giá có thể làm giảm doanh thu trên mỗi đơn vị sử dụng. Nếu chi phí tính toán vẫn cao trong khi giá bán giảm, khả năng sinh lời sẽ phụ thuộc nhiều hơn vào hiệu quả vận hành và quy mô khách hàng.

Đây là điểm khác biệt giữa tăng trưởng người dùng và tăng trưởng giá trị kinh tế. Một nền tảng có thể thu hút thêm người dùng nhưng vẫn gặp khó khăn trong việc cải thiện lợi nhuận nếu mỗi lượt sử dụng tạo ra doanh thu thấp hơn hoặc tiêu tốn nhiều tài nguyên hơn.

Trong dài hạn, những công ty có khả năng tối ưu chi phí, sở hữu kênh phân phối rộng và cung cấp sản phẩm phù hợp với nhu cầu doanh nghiệp có thể có lợi thế. Tuy nhiên, chưa thể khẳng định mô hình giá rẻ sẽ chiếm lĩnh toàn bộ thị trường, bởi chất lượng, độ tin cậy, bảo mật và khả năng tích hợp cũng là những yếu tố quan trọng trong quyết định của khách hàng.

Alphabet cho thấy bài toán kiếm tiền từ AI không hề đơn giản

Những lo ngại về khả năng thương mại hóa AI không chỉ xuất hiện ở các công ty phát triển mô hình. Alphabet, công ty mẹ của Google, cũng đang đối mặt với câu hỏi làm thế nào để chuyển việc sử dụng các công cụ AI thành doanh thu quảng cáo bền vững.

Một vấn đề đáng chú ý là các trải nghiệm tìm kiếm bằng AI có thể tạo ra cách tương tác khác với trang kết quả tìm kiếm truyền thống. Khi người dùng nhận được câu trả lời trực tiếp, số lượng liên kết hoặc vị trí quảng cáo có thể thay đổi. Google cho biết các thử nghiệm quảng cáo trong AI Mode có tín hiệu tích cực, nhưng khả năng kiếm tiền trên mỗi lượt sử dụng vẫn là yếu tố cần theo dõi.

Điều này cho thấy ngay cả một công ty sở hữu hệ sinh thái lớn và hoạt động quảng cáo đã được kiểm chứng cũng phải tìm cách cân bằng giữa đổi mới sản phẩm và hiệu quả thương mại.

AI có thể làm tăng mức độ tương tác, giúp người dùng giải quyết công việc nhanh hơn và mở ra dịch vụ mới. Nhưng để tạo ra giá trị cho cổ đông, doanh nghiệp còn phải chứng minh rằng những lợi ích đó có thể chuyển thành doanh thu, lợi nhuận và dòng tiền đủ lớn.

Bài học này cũng liên quan trực tiếp đến các công ty AI độc lập. Năng lực công nghệ tốt là điều kiện quan trọng, nhưng chưa đủ để bảo đảm lợi nhuận dài hạn nếu chi phí cung cấp dịch vụ cao hoặc khách hàng chưa sẵn sàng trả mức giá tương xứng.

Thị trường AI có thể bước vào giai đoạn phân hóa

Khi dòng vốn đổ vào AI tăng mạnh, nhiều doanh nghiệp trong hệ sinh thái có thể được hưởng lợi từ kỳ vọng về nhu cầu trong tương lai. Tuy nhiên, nếu thị trường chuyển từ giai đoạn mở rộng bằng mọi giá sang giai đoạn chú trọng hiệu quả tài chính, mức độ phân hóa giữa các doanh nghiệp có thể lớn hơn.

Những công ty bán chip, thiết bị hoặc dịch vụ hạ tầng có thể ghi nhận doanh thu từ làn sóng đầu tư ngay cả khi một số ứng dụng AI cuối cùng chưa tạo ra lợi nhuận tương ứng. Ngược lại, các doanh nghiệp chịu trách nhiệm phát triển mô hình và bán dịch vụ AI phải chứng minh rằng doanh thu đủ bền vững để trang trải chi phí tính toán, nghiên cứu và mở rộng năng lực.

Điều đó không có nghĩa các nhà cung cấp hạ tầng luôn an toàn hơn. Nếu khách hàng giảm chi tiêu hoặc trì hoãn các dự án mới, nhu cầu đối với chip và trung tâm dữ liệu cũng có thể bị ảnh hưởng. Sự phụ thuộc lẫn nhau trong chuỗi giá trị khiến rủi ro từ một mắt xích có thể lan sang các doanh nghiệp khác.

Trong bối cảnh đó, nhà đầu tư cần phân biệt giữa những doanh nghiệp đã có nguồn thu ổn định từ khách hàng và những doanh nghiệp đang dựa nhiều vào kỳ vọng tăng trưởng trong tương lai. Các chỉ số cần theo dõi bao gồm tốc độ tăng doanh thu, biên lợi nhuận, dòng tiền, chi phí hạ tầng, cam kết đầu tư dài hạn và khả năng duy trì khách hàng.

Nếu những chỉ số này tiếp tục cải thiện, thị trường có thể hấp thụ được mức đầu tư lớn hiện tại. Ngược lại, nếu tốc độ tăng doanh thu giảm trong khi chi phí và nghĩa vụ tài chính vẫn tăng, định giá của một số doanh nghiệp có thể chịu áp lực điều chỉnh.

Nhà đầu tư cần hiểu gì từ sự thận trọng của Steve Eisman?

Thông điệp quan trọng từ những phân tích của Eisman là không nên đánh đồng triển vọng dài hạn của AI với mức độ hấp dẫn của mọi cổ phiếu liên quan đến công nghệ này.

AI có thể tiếp tục phát triển, được tích hợp sâu hơn vào hoạt động doanh nghiệp và tạo ra các sản phẩm có giá trị. Tuy nhiên, không phải mọi nhà cung cấp mô hình, doanh nghiệp hạ tầng hay công ty công nghệ đều có thể chuyển đổi cơ hội đó thành lợi nhuận tương xứng với kỳ vọng hiện tại.

Đối với danh mục đầu tư, rủi ro còn nằm ở mức độ tập trung. Một nhà đầu tư nắm giữ nhiều cổ phiếu thuộc các ngành khác nhau vẫn có thể phụ thuộc đáng kể vào cùng một yếu tố nếu những doanh nghiệp đó đều hưởng lợi từ chi tiêu AI, nhu cầu trung tâm dữ liệu hoặc kỳ vọng tăng trưởng của các công ty công nghệ lớn.

Vì vậy, việc đánh giá danh mục không nên chỉ dừng ở số lượng cổ phiếu hay tỷ trọng giữa cổ phiếu và trái phiếu. Nhà đầu tư cần xem xét các tài sản đang chịu ảnh hưởng bởi những động lực kinh tế nào, mức độ tương quan giữa chúng và khả năng chống chịu nếu kỳ vọng về AI thay đổi.

Sự thận trọng của Eisman nên được hiểu là lời nhắc nhở về rủi ro và định giá, không phải bằng chứng chắc chắn rằng thị trường AI sắp sụp đổ. Những dữ liệu về Anthropic và Alphabet là tín hiệu để thị trường kiểm tra lại giả định tăng trưởng, nhưng chưa đủ để kết luận toàn bộ ngành AI đã bước vào chu kỳ suy thoái.

Trong giai đoạn tiếp theo, khả năng thương mại hóa, hiệu quả chi tiêu và sức mạnh dòng tiền có thể trở thành những tiêu chí quan trọng hơn trong việc phân biệt doanh nghiệp thắng cuộc và doanh nghiệp gặp khó khăn.

Nguồn tham khảo: CNBC; Prof G Markets; Reuters; các báo cáo tài chính và thông tin công khai liên quan đến Anthropic và Alphabet.

Thông tin phục vụ mục đích tham khảo, không phải khuyến nghị đầu tư.

Câu hỏi thường gặp về Steve Eisman và rủi ro đầu tư AI

1. Steve Eisman là ai?

Steve Eisman là nhà đầu tư nổi tiếng với việc đặt cược chống lại thị trường nhà ở Mỹ trước cuộc khủng hoảng tài chính năm 2008. Ông được công chúng biết đến rộng rãi qua câu chuyện được tái hiện trong tác phẩm và bộ phim The Big Short.

2. Vì sao Steve Eisman thận trọng hơn với giao dịch AI?

Ông quan tâm đến dấu hiệu giảm tốc tăng trưởng doanh thu của Anthropic, sự suy giảm của tỷ lệ doanh thu trên chi phí tính toán và khả năng doanh nghiệp tiếp tục duy trì hiệu quả đầu tư khi khách hàng kiểm soát chi phí AI chặt chẽ hơn.

3. Anthropic đang gặp vấn đề gì?

Những số liệu được Eisman phân tích cho thấy tốc độ tăng doanh thu theo quý và tỷ lệ doanh thu trên chi phí tính toán của Anthropic giảm trong quý III so với quý II/2026. Các dữ liệu này làm dấy lên câu hỏi về tính bền vững của tốc độ tăng trưởng trước đó, nhưng không tự động chứng minh công ty đang thua lỗ hoặc nhu cầu AI suy giảm trên toàn thị trường.

4. “Token maxing” có nghĩa là gì?

Đây là cách gọi giai đoạn doanh nghiệp khuyến khích nhân viên sử dụng AI với cường độ cao để tăng năng suất. Khi doanh nghiệp chuyển sang kiểm soát chi phí, mức sử dụng có thể tập trung hơn vào những nhiệm vụ đem lại hiệu quả rõ ràng.

5. Mô hình AI giá rẻ từ Trung Quốc có thể ảnh hưởng đến thị trường ra sao?

Các mô hình có chi phí thấp hơn có thể tạo thêm lựa chọn cho khách hàng, thúc đẩy cạnh tranh và gây áp lực giảm giá. Điều này có lợi cho người dùng, nhưng có thể khiến nhà cung cấp phải tối ưu chi phí để duy trì biên lợi nhuận.

6. Có phải Steve Eisman dự báo bong bóng AI sẽ sụp đổ?

Không nên diễn giải sự thận trọng của ông thành kết luận chắc chắn rằng toàn bộ ngành AI sẽ sụp đổ. Mối quan tâm chính là liệu tăng trưởng doanh thu và lợi nhuận có đủ để hỗ trợ các khoản đầu tư lớn cùng kỳ vọng định giá hiện tại hay không.

7. Nhà đầu tư nên theo dõi những chỉ số nào?

Các chỉ số đáng chú ý gồm tốc độ tăng doanh thu, chi phí tính toán, biên lợi nhuận, dòng tiền tự do, cam kết đầu tư hạ tầng và mức độ phụ thuộc vào một số khách hàng lớn. Đây là những dữ liệu giúp đánh giá chất lượng tăng trưởng thay vì chỉ nhìn vào quy mô đầu tư hoặc mức độ phổ biến của AI.