Cụm GPU AI Cũ Thực Sự Đáng Giá Bao Nhiêu?

Cơn sốt AI trong hai năm qua được định hình bởi cơn khát năng lực tính toán (compute) không đáy. Từ các gã khổng lồ công nghệ đến những startup non trẻ, các công ty đang đua nhau tích trữ GPU của Nvidia như B200 hay H100, coi chúng như những thỏi vàng kỹ thuật số. Gọi vốn hàng trăm triệu USD để xây dựng một cụm máy chủ (cluster) gồm 10.000 hoặc 100.000 GPU đã trở thành công thức chung cho bất kỳ ai muốn tạo ra các mô hình ngôn ngữ tiên phong. Nhưng khi chu kỳ thổi phồng dần hạ nhiệt và các thế hệ chip mới đang lấp ló, một câu hỏi trị giá hàng tỷ đô la bắt đầu râm ran khắp Thung lũng Silicon: một cụm GPU AI cũ thực sự đáng giá bao nhiêu?

Không giống như thị trường thứ cấp cho xe hơi, máy chủ doanh nghiệp hay thậm chí là card đồ họa chơi game, thị trường cho các cụm AI khổng lồ đã qua sử dụng gần như không tồn tại. Đây là một vùng đất hoàn toàn chưa được khám phá. Và đối với một ngành công nghiệp được xây dựng dựa trên giá trị niềm tin vào những tài sản vật lý này, sự thiếu rõ ràng đó là một quả bom hẹn giờ tài chính.

Ảo tưởng về tổng các thành phần

Để hiểu tại sao việc định giá một cụm GPU cũ lại khó khăn đến vậy, chúng ta phải nhìn vào cách chúng được chế tạo. Một siêu máy tính AI hiện đại không chỉ là một căn phòng chứa đầy những con chip đắt đỏ. Bản thân các GPU – dù có giá hàng chục nghìn USD mỗi chiếc – cũng chỉ là một phần của phương trình. Giá trị thực sự của một cụm máy chủ nằm ở cách những con chip đó được kết nối với nhau bằng hệ thống mạng tốc độ cực cao, chuyên biệt như NVLink và InfiniBand, cùng với hệ thống tản nhiệt và phân phối điện năng được thiết kế riêng.

Khi mua một cụm GPU, bạn đang trả một mức giá khổng lồ cho khả năng huấn luyện một mô hình duy nhất trên hàng nghìn bộ xử lý cùng một lúc. Nhưng điều gì sẽ xảy ra nếu bạn cần bán nó đi?

Nếu một startup phá sản hoặc đơn giản là muốn nâng cấp lên phần cứng mới hơn, họ phải đối mặt với một thực tế tàn khốc. Bạn không thể dễ dàng bán một cụm 10.000 GPU cho công ty khác vì tệp khách hàng quá nhỏ bé. Rất ít tổ chức trên thế giới có đủ hạ tầng trung tâm dữ liệu, hợp đồng cung cấp điện nhiều megawatt, hoặc lượng tiền mặt linh động để tiếp quản một siêu máy tính khổng lồ đã được thiết lập sẵn.

Cách giải quyết hợp lý nhất có thể là tháo rời cụm máy và bán lẻ từng GPU hoặc theo từng lô nhỏ. Tuy nhiên, việc này sẽ phá hủy hoàn toàn giá trị cộng thêm khổng lồ của hệ thống mạng kết nối mà bạn đã chi trả. Khi bị tước đi các cổng giao tiếp tốc độ cao và hạ tầng chuyên biệt, các GPU trở thành những linh kiện đắt tiền đơn lẻ, kém hiệu quả hơn rất nhiều đối với việc huấn luyện AI nghiêm túc.

Sự lỗi thời như một cú rơi tự do

Trong ngành CNTT doanh nghiệp truyền thống, phần cứng mất giá tuyến tính. Một máy chủ có thể mất 20% giá trị mỗi năm cho đến khi bị mang đi tái chế. Nhưng trong cuộc chạy đua vũ trang AI, sự lỗi thời diễn ra như một cú rơi tự do (step function).

Hãy xem xét quá trình chuyển đổi từ A100 sang H100 của Nvidia, và bây giờ là kiến trúc Blackwell sắp tới. Mỗi thế hệ mới không chỉ mang lại những cải tiến nhỏ giọt; chúng tạo ra những bước nhảy vọt khổng lồ về hiệu năng và hiệu quả năng lượng. Khi chi phí tiền điện để huấn luyện một mô hình AI tiên phong có thể lên tới hàng chục triệu USD, những con chip cũ không chỉ chậm hơn – chúng trở nên không còn khả thi về mặt kinh tế. Tại sao phải tốn 20 triệu USD tiền điện để chạy một cụm A100 cũ kỹ trong ba tháng, trong khi một cụm Blackwell mới có thể làm điều tương tự trong ba tuần với một phần nhỏ chi phí năng lượng?

Bởi vì đường đua AI đang di chuyển quá nhanh, các cụm máy chủ cũ bị đẩy xuống đáy chuỗi thức ăn tính toán với tốc độ chóng mặt. Chúng chuyển từ vị thế "huấn luyện mô hình tiên phong" sang "tinh chỉnh mô hình" (fine-tuning) rồi đến "cung cấp suy luận" (inference) chỉ trong vài tháng, bốc hơi giá trị sau mỗi nấc thang.

Thực tế phũ phàng trên bảng cân đối kế toán

Đây không chỉ là một vấn đề kỹ thuật hàn lâm; đó là một rủi ro tài chính khổng lồ. Trong vài năm qua, vô số startup AI đã gọi vốn đầu tư mạo hiểm bằng cách sử dụng năng lực tính toán của họ làm tài sản thế chấp. Các ngân hàng và tổ chức tín dụng đã tài trợ cho những giao dịch mua bán hàng triệu đô la này với giả định rằng phần cứng sẽ giữ được giá trị thanh lý đáng kể.

Nếu thực tế chứng minh rằng một cụm H100 cũ chỉ còn đáng giá 20% hoặc 30% mức giá mua ban đầu chỉ sau hai năm, bảng cân đối kế toán của nhiều phòng nghiên cứu AI và các nhà cung cấp đám mây đang bị thổi phồng một cách nghiêm trọng. Khối tài sản thế chấp đứng sau hàng tỷ đô la tiền nợ có thể phần lớn chỉ là ảo ảnh. Chúng ta chưa thấy một làn sóng thanh lý nào vì cơn sốt AI vẫn đang được bơm tiền mạnh mẽ và nguồn cung vẫn chưa đáp ứng đủ cầu. Nhưng khi những cụm máy chủ đầu tiên già đi và bước qua thời kỳ đỉnh cao, thị trường cuối cùng sẽ phải định giá chúng một cách chính xác.

Đối mặt với cơn say đầu tư hạ tầng

Ngành công nghiệp công nghệ hiện đang ở giữa một trong những chu kỳ đầu tư vốn (capex) lớn nhất trong lịch sử, đổ hàng trăm tỷ USD vào cơ sở hạ tầng vật lý. Mặc dù phần mềm nổi tiếng với tỷ suất lợi nhuận cao, nhưng phần cứng lại phải tuân theo những quy luật bất biến của vật lý và kinh tế học: mọi thứ đều xuống cấp, lỗi thời và mất giá.

Không ai thực sự biết một cụm GPU cũ đáng giá bao nhiêu bởi vì chưa ai từng phải bán nó với quy mô lớn trong một thị trường trưởng thành. Nhưng khi làn sóng phần cứng AI đầu tiên già đi, ngành công nghiệp này có thể sắp phải học một bài học đắt giá về sự khấu hao của tài sản vật lý. Chi phí thực sự của cuộc cách mạng AI có thể sẽ chưa được nhận thức đầy đủ cho đến khi hóa đơn phần cứng cuối cùng được gửi đến.