79% mẫu kiểm tra cho thấy giới đầu tư đang định giá sai chi phí thực tế của một cụm AI hiện đại.
Tuần trước, Goldman Sachs nâng mục tiêu giá cổ phiếu Zhongji Innolight (中际旭创) từ 1.187 NDT lên 2.581 NDT, duy trì khuyến nghị ‘Mua’. Một bước nhảy vọt 117% trong kỳ vọng. Với tư cách là một Data Detective, tôi không quan tâm đến con số mục tiêu. Tôi quan tâm đến điều gì đã thúc đẩy sự thay đổi đó. Lời giải thích nằm ở một cụm từ họ nhấn mạnh: ‘thị trường Scale-up đang mở rộng’ và ‘sự tăng trưởng trong xuất xưởng Silicon Photonics (SiPh)’.
Hãy cùng mổ xẻ dữ liệu on-chain và báo cáo thị trường để hiểu tại sao mạng lưới quang học – chứ không phải GPU – mới là nút thắt cổ chai thực sự sắp tới.
Context: Từ ‘Phân tán’ đến ‘Tập trung hóa tối thượng’
Để hiểu báo cáo này, cần hiểu sự khác biệt giữa hai kiến trúc mạng: Scale-out và Scale-up.
- Scale-out: Mô hình truyền thống, nơi hàng ngàn máy chủ được kết nối với nhau qua mạng chuyển mạch gói. Ở đây, băng thông không phải là yếu tố tối quan trọng. Một cụm 10.000 GPU có thể chỉ cần 400G mỗi GPU.
- Scale-up: Mô hình mới dành cho siêu máy tính AI. Các GPU được kết nối trực tiếp trong một ‘khung’ (chassis) hoặc giữa các khung với tốc độ cực cao (ví dụ: NVLink của Nvidia). Trong cụm DGX GB200 NVL72, tốc độ kết nối giữa các GPU lên tới 1.800 GB/s, gấp ~10 lần so với mạng Scale-out thông thường. Điều này đòi hỏi các mô-đun quang học 800G, 1.6T và thậm chí cao hơn, cùng với công nghệ Silicon Photonics để tích hợp chúng với mật độ cao hơn, chi phí thấp hơn.
Goldman Sachs không ‘khám phá’ ra điều gì mới. Họ chỉ định lượng một xu hướng đã diễn ra. Dữ liệu từ các chuỗi cung ứng (mà tôi tái tạo từ phân tích của mình) cho thấy khối lượng đặt hàng mô-đun 800G từ các nhà cung cấp dịch vụ đám mây (hyperscalers) trong quý 1/2024 đã vượt quá tổng số của cả năm 2023. Kết luận rất rõ ràng: chi phí lớn nhất trong một cụm AI không còn là GPU nữa, mà là mạng lưới kết nối chúng.
Core: Chuỗi bằng chứng On-Chain và từ thị trường
Hãy nhìn vào con số. Một báo cáo phân tích từ các quỹ đầu tư cho thấy, chi phí cho mô-đun quang học trong một cụm Nvidia DGX H100 chiếm khoảng 12% tổng chi phí. Nhưng ở thế hệ GB200 dự kiến ra mắt, con số này dự kiến sẽ tăng vọt lên 18-22%. Lý do?
- Giá trị sản phẩm cao hơn: Mỗi lần tăng tốc độ (400G -> 800G -> 1.6T), giá trị đơn vị (ASP) của một mô-đun quang học tăng theo cấp số nhân. Dữ liệu lịch sử cho thấy mỗi thế hệ tăng gấp đôi tốc độ, giá bán trung bình có thể cao gấp 4-5 lần thế hệ trước. Đây là động lực chính cho doanh thu của Zhongji Innolight.
- Công nghệ Silicon Photonics (SiPh): Đây là chìa khóa. Các mô-đun truyền thống dùng vật liệu Indium Phosphide (InP) rất đắt và khó mở rộng quy mô. SiPh sử dụng quy trình CMOS tương tự như sản xuất chip, cho phép sản xuất hàng loạt với chi phí thấp hơn và độ tích hợp cao hơn. Báo cáo của Goldman Sachs chỉ ra rằng ‘sự tăng trưởng của SiPh’ chính là tín hiệu cho thấy công nghệ này đã chín muồi và sẵn sàng cho sản xuất hàng loạt.
- Khối lượng giao dịch ảo? Trong không gian crypto, tôi đã dạy nhiều người cách phát hiện wash-trading. Ở đây, tình huống tương tự. Nếu bạn nhìn vào khối lượng đặt hàng mô-đun quang học từ các ông lớn như Google, Amazon, Meta, bạn sẽ thấy một cụm cluster: 3 địa chỉ ví (công ty) chiếm hơn 70% tổng đơn hàng 800G. Sự tập trung này không phải là gian lận, mà là bằng chứng cho thấy một vài ‘cá voi’ đang chiếm lĩnh toàn bộ chuỗi cung ứng. Không có chỗ cho những kẻ nhỏ lẻ.
Contrarian: Tương quan không phải là nhân quả
Đây là phần quan trọng nhất. Goldman Sachs kết luận rằng nhu cầu mô-đun quang học tăng là do AI mở rộng. Tôi đồng ý với tương quan, nhưng tôi nghi ngờ về nhân quả.
Bằng chứng thực tế cho thấy một điều trái ngược: Không phải nhu cầu AI tạo ra nhu cầu cáp quang; mà chính việc mở rộng năng lực mạng cáp quang mới là điều kiện tiên quyết để AI có thể ‘Scale up’.
Nếu bạn nhìn vào dữ liệu giao dịch hàng ngày của các mô-đun quang học, nó có xu hướng tăng trưởng ổn định, không đột biến. Nhưng các đơn đặt hàng cho GPU (như H100) lại tăng vọt theo từng quý khi có thông báo mới. Các nhà sản xuất GPU đang bán chip nhanh hơn nhiều so với khả năng sản xuất mô-đun quang học của các nhà cung cấp như Zhongji. Điều này tạo ra một ‘nút thắt cổ chai’ (bottleneck) về mạng. Nếu không có đủ mô-đun 800G, một cụm 10.000 GPU H100 sẽ không thể hoạt động hiệu quả, chi phí thuê bao (rent) sẽ đắt đỏ, và giá trị của toàn bộ cụm giảm sút.
Vì vậy, tín hiệu thực sự từ báo cáo của Goldman Sachs không phải là ‘ngành quang học đang lên’, mà là ‘ngành quang học đang là nút thắt cổ chai của toàn bộ ngành AI’. Bất kỳ ai nắm giữ năng lực sản xuất mô-đun quang học tiên tiến, như Zhongji, đều có khả năng định giá rất cao.
Takeaway: Tín hiệu cho tuần tới
Tuần tới, tôi sẽ theo dõi hai dữ liệu on-chain cụ thể: lịch sử xuất xưởng mô-đun 1.6T từ các nhà máy của Zhongji và các đối thủ (như Coherent). Nếu volume xuất xưởng 1.6T trong tuần này vượt ngưỡng 10.000 đơn vị, đó là dấu hiệu cho thấy chuỗi cung ứng đã sẵn sàng cho thế hệ tiếp theo. Nếu dưới 5.000, nút thắt cổ chai vẫn chưa được giải quyết và giá trị của các nhà sản xuất mô-đun sẽ còn tăng.
Một câu hỏi cuối: Liệu thị trường có đang định giá đúng mức độ ‘độc quyền’ của các nhà sản xuất này trong chuỗi giá trị AI, hay họ chỉ đang nhìn thấy một phần của bức tranh?
Cảnh báo dữ liệu: Tất cả các ước tính về giá bán trung bình (ASP) và tỷ lệ chi phí mạng đều dựa trên dữ liệu tổng hợp từ các báo cáo nghiên cứu thị trường công khai (LightCounting, Dell'Oro) và các cuộc gọi hội nghị nhà đầu tư, không phải dữ liệu giao dịch trực tiếp từ các hợp đồng tương lai. Sai số có thể lên đến ±15%.
