GQG: Vì sao chúng tôi vẫn đang ở trong bong bóng cổ phiếu AI

Đối với nhiều nhà đầu tư, mức chi tiêu khổng lồ cho việc xây dựng nền tảng trí tuệ nhân tạo là bằng chứng cho thấy không có bong bóng trên thị trường chứng khoán. Nhưng tại GQG Partners, đây lại là nhiều dấu hiệu củng cố niềm tin rằng cơn bùng nổ này sẽ nhường chỗ cho một cú sụp đổ, tương tự như với viễn thông vào những năm 1990 và dầu đá phiến một thập kỷ trước.

Các nhà quản lý danh mục và nhà phân tích của GQG, đơn vị quản lý 160 tỷ USD, cho rằng các đơn đặt hàng lớn cho chất bán dẫn, phần cứng bộ nhớ và các khoản chi tiêu liên quan cho trung tâm dữ liệu trong những quý gần đây dựa trên những kỳ vọng chưa được kiểm chứng về nhu cầu và giá cả trong tương lai đối với các doanh nghiệp AI và hoạt động sử dụng AI. Họ chỉ ra bằng chứng về tình trạng chi tiêu quá đà, như những diễn biến gần đây liên quan đến khả năng xảy ra các cuộc chiến giá—khi người dùng doanh nghiệp siết ngân sách để tìm cách chạy các mô hình AI rẻ hơn—và mức tăng hiệu quả của các mô hình ngôn ngữ lớn mới đang chậm lại. Ngoài ra, họ cho rằng việc tiếp tục đầu tư vòng tròn và các phương pháp kế toán thiếu minh bạch làm gia tăng rủi ro.

Ngay cả những đơn đặt hàng khổng lồ cho chất bán dẫn—những thứ đã thúc đẩy mức tăng mạnh ở cổ phiếu chip—đối với nhà quản lý danh mục của GQG là Brian Kersmanc, đó là “tính năng chứ không phải lỗi”. “Bong bóng thường được đặc trưng bởi nhu cầu thật trong ngắn hạn, lượng vốn được triển khai ồ ạt, niềm tin của nhà đầu tư rằng nhu cầu về cơ bản là không giới hạn, và khả năng quan sát yếu về lợi nhuận dài hạn. Đơn đặt hàng chip mạnh không phủ nhận bong bóng; thậm chí có thể là dấu hiệu mạnh nhất của nó,” ông nói.

Các nhà quản lý quỹ và nhà phân tích của GQG không phải là những “người chán ghét vĩnh viễn” đối với công nghệ hay toàn bộ thị trường chứng khoán. Chỉ riêng đến tận năm 2024, hơn 70% danh mục của họ vẫn nằm ở các cổ phiếu công nghệ hoặc có liên quan đến công nghệ, như Uber. Năm 2017, công ty đã đặt cược vào các dòng chip bán dẫn khi đó đang bị thị trường coi là kém hấp dẫn, bao gồm Nvidia NVDA.

Nhưng bắt đầu từ cuối năm 2024 và sang đầu năm 2025, GQG đã điều chỉnh danh mục tránh xa các cổ phiếu công nghệ AI và hạ tầng—những nhóm đã ghi nhận các đợt tăng mạnh và giúp nâng toàn bộ thị trường chứng khoán. Cược này đã làm giảm hiệu quả các chiến lược của họ, như quỹ GQG Partners US Select Quality Equity Fund được xếp hạng Gold GQEIX, nhưng công ty vẫn bám trụ với lựa chọn của mình.

Một yếu tố then chốt khiến các cổ phiếu này tăng cao (và cũng là lập luận trung tâm của phe lạc quan) là đợt bùng nổ mạnh mẽ các đơn hàng do AI thúc đẩy tại các công ty chip như Nvidia, Broadcom AVGO, và gần đây nhất là Micron; hoặc ở các thiết bị phần cứng bộ nhớ máy tính khác với các cổ phiếu như SanDisk SNDK và Western Digital WDC.

Kết quả kinh doanh của Micron: Cơn sốt ngắn hạn tiếp tục, nhưng lo ngại nguồn cung dài hạn đang gia tăng

Đợt tăng “ngoạn mục” ở nhóm cổ phiếu bộ nhớ có được thúc đẩy bởi tư duy ngắn hạn không?

Tuy nhiên, Kersmanc cho biết đây chính là chỗ nhà đầu tư cần tỏ ra hoài nghi, bắt đầu từ sự không khớp trong cách các thương vụ mua sắm được ghi nhận. “Bạn đang thấy các lệnh đặt hàng và doanh số được ghi nhận ngay hôm nay, trong khi các chi phí (đối với bên mua) được dàn trải trong ba, năm, sáu, hoặc thậm chí mười năm,” ông giải thích. Vấn đề không nằm ở bản thân phương pháp kế toán này—vốn là chuẩn mực—mà nằm ở các hệ quả của nó, trong bối cảnh mức độ bất định cao về kinh tế học của việc sử dụng AI. “Điểm mấu chốt không phải là nhu cầu hôm nay mạnh đến đâu, mà là liệu nhu cầu đó có được biện minh về mặt kinh tế và có bền vững hay không sau khi lợi tức đầu tư, mức độ sử dụng và sức mạnh định giá được kiểm chứng.”

Luận điểm bi quan của GQG được xây dựng trên những mặt đó. Họ lập luận rằng chi tiêu capex đang diễn ra quá sớm so với giá trị kinh tế đã được chứng minh. Kersmanc bắt đầu từ một giả định được đưa ra bởi các phòng thí nghiệm AI lớn và các công ty khác: “Tức là ‘tôi chi khoản tiền này và tôi nhận được khoản tiền kia cải thiện’. Nhưng sau ChatGPT-4, điều đó đã phẳng xuống.”

Ngay cả khi đầu tư vẫn tiếp tục vào các mô hình tiên tiến nhất (nhóm được gọi là “frontier”), Kersmanc nói rằng ngày càng có bằng chứng cho thấy nhiều nhà phát triển và doanh nghiệp AI đang đi theo hướng ngược lại. Thay vì sử dụng các mô hình ngôn ngữ lớn như Claude, họ đang chuyển sang các mô hình ngôn ngữ nhỏ. Các mô hình này thường được huấn luyện trên các tập dữ liệu giới hạn cho các văn bản cụ thể, và vì vậy cần ít năng lực tính toán hơn. Ví dụ, “nếu bạn muốn dịch trực tiếp, bạn có thể làm điều đó bằng một SLM và dịch trực tiếp trên điện thoại, mà không cần tạo token, và bạn không phải gọi/đụng tới một trung tâm dữ liệu.”

Nếu doanh nghiệp ưu tiên SLM cho giải pháp của họ, “hàm ý rộng hơn là thị trường có thể không cần gần như nhiều năng lực tính toán quy mô frontier như các nhà đầu tư hiện đang giả định,” Kersmanc nói. “Nếu phát triển AI đang đi theo hướng đó, thì luận điểm cho việc chi tiêu khổng lồ vào trung tâm dữ liệu và GPU sẽ suy yếu.”

Trong khi đó, các nhà phát triển ngày càng sử dụng các mô hình nguồn mở của Trung Quốc, rẻ hơn để huấn luyện và đi kèm mức chi tiêu capex cho hạ tầng thấp hơn đáng kể. “Trung Quốc dự kiến có 500 trung tâm dữ liệu, trong khi Mỹ có 5.500,” Kersmanc nói. Điều này diễn ra trong bối cảnh các công ty đang tìm cách kiềm chế chi phí sử dụng AI đang phình to.

Kersmanc giải thích rằng một mảnh ghép khác của bức tranh là cách các hyperscaler đã ghi nhận việc xây dựng các trung tâm dữ liệu của họ. Ông chỉ vào thương vụ liên doanh của Meta Platforms META với Blue Owl Capital OBDC được công bố vào năm ngoái, giúp công ty chuyển một dự án trung tâm dữ liệu trị giá 30 tỷ USD ở Louisiana ra khỏi bảng cân đối kế toán. Meta cũng đã phân loại một số tài sản hạ tầng đáng kể là “xây dựng dở dang”. Mục này đã tăng gấp đôi giữa năm 2024 và 2025.

Những câu hỏi về kế toán này quay trở lại mối không khớp giữa chi tiêu cho chip và các thiết bị phần cứng khác, theo Kersmanc. “Nếu lượng lớn thiết bị nằm trong mục ‘xây dựng dở dang’ hoặc các nhóm tương tự trên bảng cân đối kế toán, nhà đầu tư có thể không biết chính xác phần chi tiêu đó thực sự đã được triển khai bao nhiêu và đang tạo ra lợi nhuận ra sao. Điều này quan trọng vì doanh nghiệp có thể chi lượng tiền mặt rất lớn ngay từ đầu, trong khi báo cáo kết quả kinh doanh lại chỉ phản ánh chi phí dần dần. Vậy nên, mối lo không chỉ là cách trình bày kế toán; đó là liệu kế toán có đang che giấu tình trạng đầu tư vượt mức, sử dụng chưa tối ưu hay lợi nhuận kém hơn hay không.”

Rồi còn những bất định liên quan đến khả năng xây dựng các trung tâm dữ liệu đang được đặt hàng. Phản ứng ngược đối với hạ tầng trung tâm dữ liệu đang gia tăng, nhờ việc các công trình này sử dụng điện và nước rất nặng, cũng như những tác động khác lên cộng đồng. “Khoảng một nửa trong số đó dự kiến hoàn thành đã thậm chí chưa bắt đầu hoặc đã bị hủy,” Kersmanc nói.

Tổng hợp lại, “việc xây dựng hạ tầng AI cho thấy nhiều dấu hiệu kinh điển của một bong bóng,” Kersmanc nói. “Nhà đầu tư vẫn đang suy rộng nhu cầu đi xa hơn mức mà các yếu tố kinh tế nền tảng dường như cho phép.”