DeepSeek khơi dậy lại suy nghĩ về ngành AI Mỹ, cơ hội đầu tư liên quan đến AI nổi lên

TradingKey - Kể từ khi DeepSeek công bố thế hệ mô hình lớn mới, thị trường đã có những phản ứng rõ rệt, nhà đầu tư và giới công nghệ đã bắt đầu thảo luận lại về con đường phát triển của trí tuệ nhân tạo (AI). Các doanh nghiệp công nghệ Hoa Kỳ đã đầu tư một số tiền lớn vào lĩnh vực AI trong những năm gần đây, tuy nhiên, tính bền vững của mô hình này đang ngày càng bị đặt dấu hỏi. Đồng thời, những đổi mới đột phá của DeepSeek cũng khiến thị trường xem xét lại tính cạnh tranh của các công ty công nghệ Trung Quốc.

Robert Pavlik, Giám đốc danh mục đầu tư tại Dakota Wealth Management cho biết: "Chi tiêu liên quan đến AI đang gia tăng mạnh mẽ, và nhà đầu tư bắt đầu tự hỏi: 'Chúng ta cần phải đầu tư bao nhiêu vốn nữa? Khi nào thì chúng ta có thể thấy việc chi tiêu vốn giảm xuống thay vì tiếp tục gia tăng không ngừng?'"

Thị trường đã phản ứng với điều này, tính đến thời điểm hiện tại, cổ phiếu của NVIDIA (NVDA) đã giảm 8% từ đầu năm, trong khi cổ phiếu của Alibaba (BABA) lại tăng hơn 31%.

【Hiệu suất cổ phiếu công ty Trung Quốc,source: TradingView; BABA, BIDU, PDD, JD】

DeepSeek làm thế nào để vượt lên? Công nghệ đổi mới là chìa khóa

DeepSeek đã thách thức OpenAI nhờ vào hiệu suất xuất sắc trong nhiều bài kiểm tra tiêu chuẩn hóa, đồng thời thể hiện rõ ràng lợi thế về chi phí và hiệu suất. Đáng chú ý, GPU H800 mà DeepSeek V3 sử dụng không phải là chip tiên tiến nhất của NVIDIA, nhưng lại tối ưu hóa việc sử dụng tài nguyên tính toán. Nhà phân tích Viga Liu của TradingKey chỉ ra rằng DeepSeek đã áp dụng những phương pháp đổi mới như MOE (Mixture of Experts), MLA (Low-Rank Decomposition), MTP (Multi-Task Pretraining) và RL (Reinforcement Learning) trong phát triển AI, định nghĩa lại con đường phát triển của mô hình lớn.

MOE có thể tăng cường hiệu suất bằng cách chỉ xử lý một phần thông tin cần thiết, thay vì nhập tất cả dữ liệu như trong các mô hình dự đoán lớn truyền thống. DeepSeek cũng đã phát triển phương pháp MLA – sử dụng phân rã hạng thấp để nén ma trận lưu trữ, giảm đáng kể kích thước bộ nhớ đệm và từ đó giảm độ phức tạp tính toán.

Ngoài ra, DeepSeek đã giới thiệu một phương pháp huấn luyện sau đào tạo mới - học tăng cường. Phương pháp này thách thức quy luật mở rộng truyền thống và cho thấy rằng thông qua đào tạo sáng tạo, với một quy mô nhất định, có thể đạt được sự cải thiện hiệu suất đáng kể, từ đó nâng cao hiệu quả sử dụng tài nguyên. Nó khuyến khích việc khám phá các phương pháp và cấu trúc huấn luyện khác nhau để đạt được cải tiến phi tuyến tính.

Đổi mới của DeepSeek không chỉ mang lại những bước đột phá về hiệu suất mà còn cung cấp những giải pháp đào tạo AI có chi phí hiệu quả hơn, điều này chắc chắn là tín hiệu tích cực cho các nhà đầu tư và ngành công nghiệp.

DeepSeek khơi dậy lại suy nghĩ về ngành AI Mỹ

Mặc dù quy mô đầu tư vào trí tuệ nhân tạo của giới công nghệ Hoa Kỳ rất lớn, nhưng từ lâu nhiều quan sát viên đã đặt câu hỏi về hướng đi trong đầu tư và phát triển AI của Mỹ.

Không có ngoại lệ, các công ty công nghệ Mỹ luôn bị cuốn vào quy mô. Họ dẫn chứng "luật quy mô" chưa được chứng minh, cho rằng việc đưa ngày càng nhiều dữ liệu và khả năng tính toán vào mô hình của họ là chìa khóa để mở khóa những chức năng mạnh mẽ hơn. Một số thậm chí còn khẳng định "quy mô là tất cả những gì bạn cần".

Mặc dù phương pháp của DeepSeek cũng dựa trên quy mô, nhưng có vẻ như họ phụ thuộc nhiều hơn vào học tăng cường và phương pháp Mixture of Experts (sử dụng nhiều mô hình nhỏ hơn và hiệu quả hơn) cũng như tư duy phân tích tinh tế. Tuy nhiên, sự kiện này đã phơi bày "tâm lý bầy đàn" trong ngành công nghiệp AI Mỹ, đến mức một số chuyên gia đã đặt câu hỏi về việc liệu ngành công nghiệp AI của Hoa Kỳ có đang gặp những điểm mù nguy hiểm nào khác hay không.

Ảnh hưởng của DeepSeek đến NVIDIA

Cách thức tính toán hiệu quả của DeepSeek đã gây lo ngại cho thị trường về triển vọng nhu cầu chip. Sau khi mô hình được công bố, cổ phiếu của NVIDIA đã giảm mạnh. Nếu ngày càng nhiều doanh nghiệp chuyển hướng sang tối ưu hóa thuật toán thay vì đơn thuần phụ thuộc vào việc nâng cao khả năng tính toán để cải thiện hiệu suất AI, nhu cầu về GPU cao cấp có thể sẽ giảm. Morgan Stanley đã hạ mức dự báo về lượng xuất chip GB200 của NVIDIA từ 30,000-35,000 xuống còn 20,000-25,000 chiếc, dự kiến điều này sẽ gây thiệt hại từ 30 đến 35 tỷ USD cho giá trị vốn hóa của NVIDIA.

Thêm vào đó, Viga Liu cho rằng DeepSeek có khả năng sẽ bỏ qua hệ sinh thái CUDA của NVIDIA. DeepSeek sử dụng lệnh PTX (Parallel Thread Execution) tùy chỉnh và tự động điều chỉnh kích thước khối giao tiếp để tối ưu hóa hiệu suất tính toán. Phương pháp này làm giảm sự phụ thuộc vào CUDA và tương tác trực tiếp với phần cứng GPU. Nếu hệ sinh thái CUDA bị suy yếu, lợi thế cạnh tranh của NVIDIA có thể gặp thách thức.

Cổ phiếu công nghệ Trung Quốc hưởng lợi

Sự trỗi dậy của DeepSeek không chỉ tạo ra hiệu ứng “cá trê” trong lĩnh vực AI mà còn thúc đẩy các nhà đầu tư xem xét lại giá trị đầu tư vào cổ phiếu công nghệ Trung Quốc. Cổ phiếu của Alibaba đã có sự tăng trưởng đáng kể sau khi mô hình của DeepSeek được công bố, trong khi các cổ phiếu khác như Baidu (BIDU), Pinduoduo (PDD) và JD.com (JD) cũng tăng mạnh trong vòng hai tuần qua.

Jian Shi Cortesi, Giám đốc danh mục đầu tư tại Gam Investment Management, cho biết: “Khi đánh giá các công ty công nghệ lớn của Trung Quốc, nhà đầu tư có thể chuyển từ ‘chú ý vào rủi ro’ sang ‘chú ý vào tiềm năng tăng trưởng’. Điều này đặc biệt đáng lưu ý khi các công ty này hiện có mức định giá vẫn thấp hơn nhiều so với các đối thủ cùng ngành ở Mỹ.”

Cơ hội đầu tư liên quan đến AI

Trong quá khứ, nhà đầu tư chủ yếu chú ý đến chuỗi cung ứng ở thượng nguồn của ngành AI (chip, máy chủ, điện toán đám mây, v.v.), trong khi dành sự thận trọng cho việc áp dụng ở hạ nguồn. Tuy nhiên, sự xuất hiện của DeepSeek có thể tăng tốc độ phổ biến của các ứng dụng AI, mở ra những cơ hội đầu tư mới.

Mặc dù việc nâng cao hiệu suất tính toán của DeepSeek có thể tạo ra những thách thức cho động lực tăng trưởng của chuỗi cung ứng ở thượng nguồn, nhưng liệu nhu cầu về khả năng tính toán có giảm hay không vẫn còn phải quan sát. Ví dụ, các mô hình lớn vẫn đang tiến hóa nhanh chóng, và nhu cầu tính toán trong tương lai có thể không giảm đáng kể; đồng thời, nếu ứng dụng AI bùng nổ, nhu cầu về khả năng tính toán có thể còn tăng thêm.