Đã theo dõi các động thái mới nhất của Nvidia và Jensen Huang vừa đưa ra một số nhận định khá táo bạo về hướng phát triển của chi tiêu AI. Nền tảng Vera Rubin mà họ đang triển khai trong nửa cuối năm nay thực sự ấn tượng - chúng ta đang nói đến việc giảm 75% số GPU cần thiết để đào tạo so với Blackwell, cộng với chi phí suy luận giảm 90%. Đó không phải là cải tiến nhỏ, đó là một bước nhảy lớn.

Điều khiến tôi chú ý hơn là bình luận của Huang về quy mô cơ hội. Ông nói rằng hạ tầng máy tính cổ điển về cơ bản đã hoạt động khoảng 400 tỷ đô la mỗi năm, nhưng các khối lượng công việc AI cần một khả năng gấp khoảng một nghìn lần. Đó... là rất nhiều. Năm 2024, ông ước tính chi tiêu trung tâm dữ liệu AI có thể đạt 4 nghìn tỷ đô la mỗi năm vào năm 2030. Lúc đó nghe có vẻ điên rồ, nhưng khi nghĩ về những gì thực sự cần để vận hành tất cả các mô hình này, nó không còn quá phi thực tế nữa.

Nhìn vào các con số: Nvidia đạt doanh thu 215,9 tỷ đô la trong năm tài chính 2026, tăng 65% so với cùng kỳ năm trước. Kinh doanh trung tâm dữ liệu cụ thể đạt 193,7 tỷ đô la với mức tăng trưởng 68%. Họ dự báo doanh thu 78 tỷ đô la trong Quý 1 FY2027, cao hơn 77% so với năm ngoái. Công ty hiện đang in tiền, nhưng cổ phiếu lại giao dịch với tỷ lệ P/E là 36,1 - thấp hơn 41% so với trung bình 10 năm lịch sử là 61,6.

Nhìn về phía trước, các dự đoán của Phố Wall kỳ vọng Nvidia sẽ kiếm được 8,23 đô la trên mỗi cổ phiếu trong năm tài chính 2027, điều này đưa tỷ lệ P/E dự phóng chỉ còn 21,5. Chỉ số S&P 500 đang giao dịch với tỷ lệ P/E là 24,7 dựa trên lợi nhuận đã ghi nhận. Vì vậy, nếu ước tính lợi nhuận giữ nguyên và cổ phiếu không biến động, Nvidia thực sự có thể trở nên rẻ hơn so với thị trường chung. Huang rõ ràng đang đặt cược rằng điều đó sẽ không xảy ra - và thành thật mà nói, dựa trên chu kỳ xây dựng hạ tầng mà ông mô tả, khó mà phản đối điều đó.