CoreWeave và khối đơn hàng 100 tỷ USD: Phép thử cho sự bền vững của hạ tầng AI

Con số 99,4 tỷ USD giá trị đơn hàng tồn đọng (backlog) mà CoreWeave công bố vào cuối quý 1 năm nay không chỉ là một cột mốc tài chính; nó là minh chứng rõ nét cho thấy cơn khát năng lượng tính toán AI vẫn chưa có dấu hiệu hạ nhiệt. So với mức 66,8 tỷ USD chỉ ba tháng trước đó, sự tăng trưởng này phản ánh những cam kết thực tế từ các đơn vị hàng đầu như Meta (với hợp đồng 21 tỷ USD ký vào tháng 3) hay Anthropic. Tuy nhiên, đằng sau những con số khổng lồ là một phép thử nghiệt ngã về khả năng biến nhu cầu thành hạ tầng vật lý. CoreWeave đang vận hành theo mô hình của một công ty điện toán đám mây nhưng lại chi tiêu như một đơn vị hạ tầng công nghiệp nặng, với dự kiến chi phí vốn (CapEx) hàng năm lên tới 31-35 tỷ USD.

Điểm khác biệt quan trọng hiện nay là sự dịch chuyển trọng tâm từ việc huấn luyện (training) các mô hình lớn sang giai đoạn suy luận (inference) – tức là đưa các hệ thống AI vào phục vụ tác vụ thực tế hàng ngày. Khi các doanh nghiệp tài chính như Jane Street hay các nền tảng như Perplexity bắt đầu vận hành AI ổn định, nhu cầu về GPU không còn mang tính thời điểm theo chu kỳ phát triển mô hình mà trở nên liên tục và bền vững hơn. Điều này đặt CoreWeave vào vị thế của một nhà cung cấp hạ tầng thiết yếu, nhưng cũng đi kèm với áp lực tài chính cực lớn khi phải duy trì tốc độ mở rộng quy mô chưa từng có.

Sự chuyển dịch sang mô hình suy luận và áp lực vận hành thực tế

Sự thay đổi từ huấn luyện sang suy luận (inference) đánh dấu bước ngoặt trong mô hình kinh doanh của CoreWeave. Nếu huấn luyện mô hình giống như những đợt sóng dâng cao rồi rút – nơi các phòng thí nghiệm thuê một lượng lớn tài nguyên trong thời gian ngắn – thì suy luận lại là dòng chảy ổn định. Khi một ngân hàng sử dụng AI để phát hiện gian lận hoặc một công ty phần mềm vận hành các trợ lý lập trình, nhu cầu tính toán sẽ lặp lại mỗi ngày. Điều này giúp CoreWeave củng cố niềm tin rằng hạ tầng của họ đang phục vụ các giá trị sản xuất thực tế thay vì chỉ là những thử nghiệm tốn kém. Tuy nhiên, để đáp ứng dòng chảy này, công ty phải giải quyết những nút thắt vật lý vượt xa ngoài phạm vi của những con chip: từ quỹ đất, hệ thống làm mát đến công suất điện năng.

Với mục tiêu đạt hơn 8 gigawatt công suất điện vào năm 2030, CoreWeave không còn đơn thuần bán các thực thể đám mây mà đang xây dựng một chuỗi cung ứng năng lượng và tính toán khổng lồ. Việc sở hữu danh sách khách hàng đa dạng từ các quỹ đầu cơ đến các công ty mô hình lớn cho thấy sự khẩn cấp trong việc “giữ chỗ” hạ tầng trước khi nguồn cung bị thắt chặt. Tuy nhiên, mô hình neocloud (đám mây thế hệ mới) chuyên biệt cho AI này cũng bộc lộ những rủi ro tài chính đáng kể. Dù doanh thu quý 1 tăng trưởng 112% đạt 2,08 tỷ USD, biên lợi nhuận hoạt động của công ty chỉ ở mức 1% do chi phí triển khai hạ tầng khổng lồ luôn đi trước doanh thu thực tế.

Khả năng duy trì vị thế của CoreWeave phụ thuộc vào việc liệu họ có thể chuyển đổi khối đơn hàng tồn đọng thành dòng tiền thực tế nhanh đến mức nào trước khi thị trường hạ tầng trở nên bão hòa. Việc huy động được khoản vay 8,5 tỷ USD và nhận đầu tư 2 tỷ USD từ Nvidia đã giải quyết bài toán vốn ngắn hạn, nhưng thách thức dài hạn vẫn nằm ở hiệu suất sử dụng thiết bị. Khi các đối thủ siêu cấp (hyperscalers) bắt đầu tự phát triển chip chuyên dụng, CoreWeave cần chứng minh rằng sự khan hiếm GPU và lợi thế về tốc độ triển khai của họ có thể tạo ra một lợi thế cạnh tranh bền vững. Nhà đầu tư hiện không còn cần những lời hứa về tiềm năng; họ cần thấy bằng chứng về việc các trung tâm dữ liệu tỷ đô có thể vận hành hiệu quả và sinh lời trong dài hạn.

Mặc dù CoreWeave đang sở hữu những con số tăng trưởng ấn tượng, sự bền vững của mô hình này vẫn là một dấu hỏi lớn cần thời gian trả lời. Đối với các doanh nghiệp và nhà đầu tư, việc theo dõi khả năng tối ưu hóa công suất điện năng và tỷ lệ chuyển đổi từ đơn hàng sang doanh thu thực tế của CoreWeave sẽ là chỉ số quan trọng nhất để đánh giá sức khỏe của toàn bộ hệ sinh thái hạ tầng AI. Nếu bạn đang xây dựng chiến lược dựa trên tài nguyên tính toán, đây là lúc cần cân nhắc việc đa dạng hóa nguồn cung hạ tầng để tránh rủi ro từ sự phụ thuộc quá lớn vào một mô hình kinh doanh thâm dụng vốn cao.