Để thành công trên thị trường chứng khoán, nhà đầu tư cần dự đoán được doanh nghiệp (DN) nào sẽ kiếm được tiền trong tương lai và DN nào không. Khi môi trường kinh doanh không thay đổi nhiều, việc ngoại suy khá đơn giản. Nhưng khi xảy ra biến động, mọi việc trở nên khó khăn hơn, và điều này đặc biệt đúng trong bối cảnh căng thẳng địa chính trị bủa vây nền kinh tế thế giới như hiện nay. Dù vậy, điều này cũng đúng với những sự gián đoạn diễn ra chậm hơn nhưng sâu sắc, như sự thay đổi do AI gây ra.
Từ tháng 5/2024 đến tháng 5/2025, giá cổ phiếu của Duolingo đã tăng gấp đôi, nhưng kể từ đó đã giảm 80%. Cách đây không lâu, Google tưởng như đã bị đánh bại vì AI, nhưng giá cổ phiếu của công ty mẹ Alphabet năm qua lại tăng 85%. Trong một thế giới mà nền kinh tế tăng trưởng mạnh mẽ nhờ AI, lãi suất thực lẽ ra phải tăng, nhưng lợi suất trái phiếu kho bạc Mỹ kỳ hạn 30 năm hầu như không khác mấy so với đầu năm, ở mức 4,9%. Khi phân tích biến động thị trường trái phiếu xung quanh các bản phát hành mô hình AI lớn, có thể thấy lợi suất dài hạn đã giảm. Với giới đầu tư, việc dự đoán một DN sẽ thắng hay thua trong cuộc cạnh tranh với AI dường như không hề dễ.
Trong suốt lịch sử thị trường tài chính, mỗi làn sóng công nghệ lớn đều đi kèm với câu hỏi quen thuộc: Làm thế nào định giá đúng các DN đứng ở trung tâm của sự thay đổi ấy? Với AI, câu hỏi này trở nên khó hơn bao giờ hết. Một trong những nguyên nhân cốt lõi khiến việc định giá DN AI trở nên khó khăn nằm ở cấu trúc chi phí chưa từng có tiền lệ. Công ty phát triển AI, nhất là mô hình ngôn ngữ lớn, phải chi hàng tỷ USD cho hạ tầng tính toán, dữ liệu và năng lượng. Không giống các DN phần mềm truyền thống, AI đòi hỏi chi phí vận hành liên tục và rất lớn. Điều này khiến các mô hình định giá dựa trên lợi nhuận kỳ vọng trong tương lai trở nên kém tin cậy, bởi chưa ai có thể chắc chắn rằng doanh thu tạo ra có đủ bù đắp chi phí hay không.
Hơn nữa, doanh thu của DN AI hiện chưa phản ánh đúng quy mô kỳ vọng. Dù được ứng dụng trong nhiều lĩnh vực, từ chăm sóc khách hàng, sáng tạo nội dung đến lập trình, phần lớn sản phẩm AI vẫn đang trong giai đoạn thử nghiệm hoặc được cung cấp với giá thấp để hút người dùng. Điều này tạo ra một nghịch lý: Công nghệ được sử dụng rộng rãi, nhưng khả năng kiếm tiền lại chưa tương xứng. Nhà đầu tư vì thế rơi vào tình thế khó xử: Nên định giá dựa trên mức độ phổ biến hay dựa trên dòng tiền thực tế?
Một yếu tố khác là sự không chắc chắn về mô hình kinh doanh, vì không ai biết lợi nhuận từ AI sẽ thuộc về ai. Trong quá khứ, các công ty công nghệ lớn đã nhanh chóng tìm ra cách kiếm tiền từ người dùng qua quảng cáo hoặc phí giao dịch. Nhưng với AI, “ai sẽ trả tiền và trả bao nhiêu” vẫn chưa có câu trả lời rõ ràng. Liệu người dùng có sẵn sàng trả phí cho các công cụ AI? Hay giá trị thực sự sẽ nằm ở việc tích hợp AI vào các sản phẩm hiện có? Nếu vậy, phần lợi nhuận sẽ thuộc về ai: DN AI hay DN sử dụng AI?
Ngoài ra, nếu AI làm giảm rào cản gia nhập thị trường, biên lợi nhuận của các DN có thể giảm. Các phòng thí nghiệm AI hàng đầu báo cáo doanh thu tăng trưởng nhanh chóng nhưng cũng đi kèm với chi phí năng lực tính toán khổng lồ. Nhiều nghiên cứu cho thấy các công nghệ mới gây ra bong bóng thị trường khi nhà đầu tư hào hứng với tương lai. Nhưng một số nghiên cứu lại cho rằng thị trường chứng khoán thực sự có thể giảm vì nhà đầu tư kỳ vọng các công ty mới chưa niêm yết sẽ thu hút lợi nhuận.
Sự cạnh tranh trong ngành AI cũng làm giảm khả năng định giá chính xác. Rào cản gia nhập ngành tuy cao về mặt kỹ thuật đang bị thu hẹp nhờ nguồn vốn dồi dào và sự tham gia của các tập đoàn lớn. Nếu AI trở thành tiện ích phổ biến như điện hay internet, biên lợi nhuận sẽ bị thu hẹp đáng kể, và trong kịch bản này, các mức định giá cao ngất ngưởng ở hiện tại sẽ không hợp lý.
Lịch sử cũng cho thấy rằng các làn sóng công nghệ lớn thường đi cùng với việc định giá sai lệch và bong bóng dot-com là một ví dụ: Nhiều DN internet được định giá hàng tỷ USD dù chưa có mô hình kinh doanh rõ ràng. Điều này không có nghĩa là internet không có giá trị, nhưng lợi ích kinh tế cuối cùng lại tập trung vào một số ít DN chiến thắng. Với AI, kịch bản tương tự hoàn toàn có thể xảy ra.
Một thách thức nữa là đo lường năng suất và giá trị AI mang lại. Trong nhiều trường hợp, AI giúp cải thiện hiệu quả làm việc, giảm chi phí hoặc nâng cao chất lượng sản phẩm. Nhưng những lợi ích này không dễ dàng chuyển hóa thành doanh thu trực tiếp - điều khiến việc định giá dựa trên chỉ số tài chính truyền thống trở nên kém hiệu quả. Nhà đầu tư phải dựa vào các giả định và mô hình dự báo, vốn luôn tiềm ẩn rủi ro sai lệch.
Trong bối cảnh này, một cách tiếp cận cẩn thận sẽ là lựa chọn hợp lý hơn. Thay vì cố gắng xác định giá trị chính xác của từng DN, nhà đầu tư có thể tập trung hiểu rõ vị trí của mình trong chuỗi giá trị AI: Ai là người cung cấp hạ tầng, ai phát triển mô hình và ai là người ứng dụng. Mỗi vị trí sẽ có mức độ rủi ro và tiềm năng lợi nhuận khác nhau. Đồng thời, việc đa dạng hóa danh mục đầu tư cũng giúp giảm rủi ro từ các dự đoán sai lệch.
Trong một thế giới mà quan điểm cơ bản về AI thay đổi nhanh chóng, những kẻ thua hôm nay có thể chiến thắng vào ngày mai. Nhiều điều sẽ phụ thuộc vào việc các DN triển khai AI tốt đến mức nào để cải thiện dịch vụ khách hàng. Việc đổi mới để vượt qua những mối đe dọa công nghệ là một chủ đề phổ biến trong lịch sử kinh doanh.
Khởi Vũ
