Hook
250 tỷ đô – 210 tỷ đô. Hai con số vừa được công bố từ báo cáo của Exponential View, hé lộ một cột mốc chưa từng có: tổng doanh thu ngành AI đã vượt qua tổng chi phí khấu hao hạ tầng máy tính. Đây không chỉ là tin vui cho các ông lớn cloud, mà còn là tín hiệu tham chiếu trực tiếp cho thế giới crypto – nơi hàng tỷ đô GPU đang chạy cả mining lẫn inference AI.
Context
Từ đầu năm 2024, cuộc đua đầu tư vào GPU của các quỹ đầu tư crypto và các giao thức DePIN (Decentralized Physical Infrastructure Networks) đã nóng lên. Hàng loạt dự án như Render Network, Akash Network, io.net huy động vốn để xây dựng mạng lưới GPU phi tập trung. Câu hỏi lớn nhất luôn là: liệu doanh thu từ cho thuê sức mạnh tính toán có đủ bù đắp chi phí mua sắm thiết bị hay không? Báo cáo mới từ thế giới AI tập trung – nơi các ông lớn như Microsoft, Google, Amazon chiếm lĩnh – đưa ra câu trả lời sơ bộ: có thể.
Core
Báo cáo chỉ ra rằng tổng doanh thu từ các mảng AI cloud, API model và GPU leasing đạt khoảng 250 tỷ USD trong năm 2025, trong khi tổng chi phí khấu hao hạ tầng (máy chủ, GPU, trung tâm dữ liệu) là 210 tỷ USD. Con số 40 tỷ USD chênh lệch dương – tương đương biên lợi nhuận gộp khoảng 16% – chứng minh rằng mô hình kinh doanh “bán sức mạnh tính toán” đã đi qua giai đoạn đốt tiền.
Tuy nhiên, điểm mấu chốt nằm ở cấu trúc chi phí. Khấu hao 210 tỷ USD được tính dựa trên vòng đời GPU khoảng 3-4 năm và tỷ lệ sử dụng trung bình 60-70%. Trong thế giới crypto, vòng đời GPU cho mining thường ngắn hơn (2-3 năm) do sự cạnh tranh khốc liệt và sự ra đời của các thế hệ chip mới. Nếu áp cùng tỷ lệ khấu hao, các mạng GPU phi tập trung như Render hay io.net cần đạt doanh thu gộp ít nhất 70% chi phí đầu tư ban đầu mới có thể bền vững. Hiện tại, hầu hết các dự án DePIN mới chỉ đạt 20-30%.
Dữ liệu từ báo cáo cũng chỉ ra rằng doanh thu AI tập trung vào hai mảng chính: API model (khoảng 60%) và GPU cloud (30%), phần còn lại đến từ các giải pháp doanh nghiệp tùy chỉnh. Điều này cho thấy nhu cầu thực sự đến từ việc chạy inference (suy luận) hơn là training (huấn luyện). Inference yêu cầu độ trễ thấp và băng thông cao – một thách thức lớn cho các mạng phi tập trung vốn phụ thuộc vào kết nối ngang hàng. Các dự án crypto đang cố gắng giải quyết bằng cách xây dựng lớp routing thông minh và cam kết uptime thông qua smart contract, nhưng vẫn chưa thể cạnh tranh với trung tâm dữ liệu tập trung về độ ổn định.
Contrarian
Góc nhìn phản trực giác: cột mốc 250 tỷ USD có thể là cái bẫy cho các nhà đầu tư crypto. Họ vội vã kết luận rằng “nếu AI tập trung làm được, DePIN cũng sẽ làm được”. Nhưng thực tế, 210 tỷ USD khấu hao kia đến từ một hệ thống tập trung với tỷ lệ sử dụng GPU cao hơn nhiều (thường trên 80% ở các cloud lớn). Các mạng phi tập trung hiện tại chỉ đạt 30-40% công suất do tính chất phân tán và thiếu cơ chế phối hợp tải hiệu quả. Điều này kéo dài thời gian hoàn vốn lên gấp đôi, đồng thời làm tăng rủi ro về lỗi thời công nghệ.
Hơn nữa, chi phí khấu hao trong báo cáo không bao gồm chi phí vận hành (điện, nhân công, bảo trì) vốn chiếm thêm 30-40% tổng chi phí. Nếu tính đầy đủ, lợi nhuận thực tế của ngành AI tập trung có thể chỉ ở mức 5-10%. Với DePIN, chi phí vận hành còn cao hơn do phải trả token incentive cho node operator. Điều này khiến mô hình “cho thuê GPU phi tập trung” khó có lãi nếu không có sự trợ giá từ tokenomics.
Takeaway
Doanh thu 250 tỷ vs khấu hao 210 tỷ là một cột mốc đáng mừng cho toàn bộ ngành tính toán, nhưng nó không tự động áp dụng cho blockchain. Câu hỏi thực sự là: liệu các mạng DePIN có thể nâng tỷ lệ sử dụng GPU lên trên 70% và giảm chi phí vận hành xuống dưới 20% doanh thu hay không? Nếu không, cuộc chơi “GPU-as-a-service” trên crypto sẽ chỉ là câu chuyện đầu cơ token, chứ không phải kinh doanh bền vững. Hãy theo dõi báo cáo tài chính quý sau của các dự án DePIN hàng đầu – đó mới là thước đo thực sự.
