Dell, HPE, Micron, Arista và NVIDIA: Công Ty Nào Nhạy Cảm Nhất Với Ngân Sách Phần Cứng AI?

Nếu bạn chỉ nhìn vào mức độ tiếp xúc doanh thu trực tiếp với ngân sách phần cứng AI, NVIDIA là công ty nhạy cảm nhất. Nếu bạn tập trung vào những thay đổi cận biên do tình trạng khan hiếm nguồn cung, việc tăng giá và mở rộng biên lợi nhuận gộp thúc đẩy, thì Micron có thể nhạy cảm hơn. Dell và HPE tiếp xúc nhiều hơn với các đơn đặt hàng máy chủ AI, việc bàn giao cấp rack và chu kỳ triển khai doanh nghiệp, nhưng mảng kinh doanh hệ thống của họ phải gánh chi phí linh kiện cao hơn. Arista thường được hưởng lợi muộn hơn, tuy nhiên công ty này có thể thể hiện đòn bẩy lợi nhuận chất lượng cao hơn khi các cụm máy học AI mở rộng và việc nâng cấp mạng tốc độ cao được đẩy nhanh.

Những Điểm Chính

• NVIDIA là lợi ích trực tiếp nhất từ ngân sách tính toán AI, nhưng quy mô doanh thu cao của nó có thể giới hạn tốc độ tăng trưởng biên tế.
• Micron nhạy cảm hơn với những thay đổi cung-cầu của HBM, DRAM và SSD, mang lại đòn bẩy lợi nhuận mạnh hơn.
• Dell mang tính đại diện trực tiếp hơn cho các đơn đặt hàng máy chủ AI, với độ nhạy cảm doanh thu cao hơn độ nhạy cảm lợi nhuận.
• HPE có cơ cấu cân bằng hơn giữa máy chủ, điện toán đám mây riêng tư và mạng, nhưng độ thuần khiết AI thấp hơn.
• Arista hưởng lợi muộn hơn, nhưng hào thật về mạng và hồ sơ biên lợi nhuận hoạt động của nó hấp dẫn hơn.
• "Độ nhạy cảm ngân sách" không tự động đồng nghĩa với hiệu suất cổ phiếu mạnh hơn; định giá và kỳ vọng vẫn quan trọng.

Độ Nhạy Cảm Ngân Sạch Phần Cứng AI Nên Được Định Nghĩa Như Thế Nào?

Để xác định công ty nào nhạy cảm nhất với ngân sách phần cứng AI, bạn không thể chỉ đơn giản nhìn vào tỷ trọng doanh thu AI. Một cách tiếp cận tốt hơn là so sánh mức độ trực tiếp của doanh thu, giá trị trên mỗi hệ thống, khả năng định giá, tốc độ chuyển đổi đơn hàng, biên lợi nhuận gộp, mức độ tập trung khách hàng và kỳ vọng định giá. Theo khung phân tích này, NVIDIA gần nhất với ngân sách tính toán AI, Micron gần nhất với chu kỳ cung-cầu bộ nhớ, Dell và HPE gần nhất với việc bàn giao hệ thống, còn Arista chịu ảnh hưởng nhiều hơn đến chi phí mạng sau khi cụm máy chủ được mở rộng.

"Độ nhạy của ngân sách phần cứng AI" có ít nhất ba tầng. Thứ nhất là độ nhạy về doanh thu: khi doanh nghiệp chi thêm một đồng chi phí vốn, doanh thu của công ty có thể tăng nhanh không? Thứ hai là độ nhạy về lợi nhuận: doanh thu tăng thêm có thể chuyển hóa thành biên lợi nhuận gộp và lợi nhuận hoạt động cao hơn không? Thứ ba là độ nhạy về giá cổ phiếu: thị trường đã định giá trước sự tăng trưởng mạnh mẽ chưa? Nếu kỳ vọng quá cao, ngay cả tăng trưởng kinh doanh vững chắc cũng có thể không đẩy giá cổ phiếu lên cao hơn.

NVIDIA có độ nhạy cảm doanh thu và lợi nhuận mạnh mẽ vì các dự án trung tâm dữ liệu AI thường bắt đầu bằng các quyết định về GPU, NVLink, mạng, và nền tảng quy mô rack trước khi các cấu hình máy chủ, bộ nhớ, lưu trữ, và mạng được chốt lại. Micron đi theo một logic khác. Công ty này có thể không thu được nguồn doanh thu tuyệt đối lớn nhất, nhưng những biến động cung-cầu trong HBM, DRAM máy chủ, và SSD trung tâm dữ liệu có thể ảnh hưởng trực tiếp đến giá bán và biên lợi nhuận gộp. Dell và HPE có thể ghi nhận doanh thu máy chủ nhanh chóng, nhưng họ cũng phải gánh các chi phí cao về GPU, bộ nhớ, card mạng, và làm mát bằng chất lỏng. Nhu cầu của Arista thường được giải phóng sau khi máy chủ được triển khai, nhưng kiến trúc chuyển mạch, hệ điều hành mạng, và các chứng nhận khách hàng của công ty này tạo ra giá trị gia tăng cao hơn.

Tại sao không xếp hạng các công ty trực tiếp theo mức tăng trưởng doanh thu từ AI? Bởi vì chất lượng doanh thu khác nhau đáng kể giữa các mô hình kinh doanh này. Một nhà cung cấp máy chủ có thể báo cáo mức tăng trưởng doanh thu rất cao, nhưng phần lớn giá trị đó có thể đến từ GPU và bộ nhớ mua từ bên ngoài. Một nhà cung cấp bộ nhớ có thể tăng sản lượng xuất xưởng chậm hơn nhà cung cấp máy chủ, nhưng việc tăng giá có thể tạo ra sự thay đổi về biên lợi nhuận gộp lớn hơn nhiều. Các đơn hàng mạng có thể chậm hơn đơn hàng GPU, nhưng chúng có thể kéo dài hơn trong giai đoạn mở rộng cụm máy chủ.

Tóm tắt: Để so sánh mức độ nhạy cảm của năm công ty này đối với ngân sách phần cứng AI, trước tiên phải tách biệt đòn bẩy doanh thu, đòn bẩy lợi nhuận và đòn bẩy giá cổ phiếu. NVIDIA là bên hưởng lợi trực tiếp nhất từ ngân sách tính toán AI. Micron chịu tác động mạnh nhất từ hiệu ứng giá của HBM và DRAM. Dell và HPE nhạy cảm hơn với các đơn đặt hàng máy chủ và việc giao hàng cấp tủ (rack). Arista nhạy cảm hơn với quy mô cụm máy, số lượng cổng và việc nâng cấp băng thông. Một khung so sánh hợp lý nên bao gồm đơn hàng, doanh thu, biên lợi nhuận gộp, cơ cấu khách hàng và kỳ vọng định giá, thay vì chỉ dựa vào tỷ trọng doanh thu AI hoặc doanh số của một quý.

NVIDIA so với Micron: Ai Hưởng Lợi Trực Tiếp Hơn Từ Ngân Sách Tính Toán và Bộ Nhớ AI?

NVIDIA có độ nhạy cảm doanh thu tuyệt đối cao nhất đối với ngân sách phần cứng AI vì GPU, NVLink, mạng kết nối và nền tảng AI toàn diện đều nằm ở trung tâm của chi tiêu vốn. Micron có thể có độ nhạy cảm lợi nhuận biên mạnh hơn vì HBM, DRAM máy chủ và SSD trung tâm dữ liệu đều hưởng lợi từ việc nâng cấp năng lực, tình trạng khan hiếm nguồn cung và biến động giá cả. Khi ngân sách tiếp tục mở rộng, cả hai công ty đều được lợi. Nếu tốc độ tăng trưởng ngân sách chậm lại, Micron thường phải đối mặt với biến động theo chu kỳ lớn hơn.

Lợi thế của NVIDIA nằm ở vai trò là "điểm khởi đầu của nền tảng." Các dự án trung tâm dữ liệu AI thường bắt đầu bằng việc lựa chọn một nền tảng tăng tốc, sau đó máy chủ, bộ nhớ, mạng, tủ rack, hệ thống điện và làm mát được cấu hình xung quanh GPU. Trong quý đầu tiên của năm tài chính 2027, NVIDIA công bố doanh thu trung tâm dữ liệu đạt 75,2 tỷ đô la, tăng 92% so với cùng kỳ năm trước; doanh thu mạng trung tâm dữ liệu đạt 14,8 tỷ đô la, tăng 199% so với cùng kỳ năm trước. Điều này cho thấy NVIDIA không còn chỉ là một nhà cung cấp GPU. Công ty đã trở thành một doanh nghiệp nền tảng phần cứng cốt lõi, trải rộng từ tính toán, mạng đến kiến trúc cấp hệ thống.

Từ góc độ lộ trình sản phẩm, NVIDIA GB300 NVL72 sử dụng kiến trúc quy mô tủ rack được làm mát hoàn toàn bằng chất lỏng, tích hợp 72 GPU Blackwell Ultra và 36 CPU Grace trong một nền tảng duy nhất. Kiến trúc loại này làm tăng giá trị trên mỗi hệ thống và kéo theo nhu cầu cho các nhà cung cấp máy chủ, nhà cung cấp bộ nhớ và nhà cung cấp thiết bị mạng. Nói cách khác, NVIDIA không chỉ hấp thụ ngân sách AI mà còn giúp quyết định cách ngân sách được phân bổ trên toàn bộ chuỗi cung ứng từ thượng nguồn đến hạ nguồn.

Lợi thế của Micron nằm ở "hiệu ứng khuếch đại cung-cầu." Trong quý III năm tài chính 2026, Micron công bố doanh thu đạt 41,46 tỷ USD, so với 23,86 tỷ USD trong quý trước và 9,30 tỷ USD trong cùng kỳ năm trước. Trong kỷ nguyên AI, nhu cầu về bộ nhớ không giới hạn ở HBM. Nó còn bao gồm DRAM máy chủ, SOCAMM, SSD doanh nghiệp và NAND dành cho trung tâm dữ liệu. Micron cũng đã thông báo rằng HBM4, SOCAMM2 và SSD trung tâm dữ liệu PCIe Gen6 đã bước vào sản xuất hàng loạt, cho thấy bộ nhớ và lưu trữ đang trở thành một phần trong quá trình nâng cấp nền tảng AI.

Khi ngân sách dành cho AI tăng trưởng nhanh chóng, NVIDIA hưởng lợi trực tiếp nhất vì khách hàng trước tiên cần xác định GPU và nền tảng. Nếu HBM, DRAM và NAND vẫn khan hiếm, đà nâng cấp lợi nhuận của Micron có thể rõ rệt hơn. Nếu sản lượng xuất xưởng GPU tiếp tục tăng nhưng nguồn cung bộ nhớ được cải thiện, lợi thế về giá của Micron có thể suy yếu. Nếu các nhà cung cấp dịch vụ đám mây tăng phát triển ASIC tùy chỉnh, NVIDIA có thể phải đối mặt với áp lực về thị phần, trong khi Micron vẫn có thể cung cấp bộ nhớ cho nhiều nền tảng tăng tốc khác nhau.

Tóm tắt: NVIDIA là bên hưởng lợi trực tiếp nhất từ ngân sách tính toán AI trong số năm công ty, và chiến lược nền tảng của nó cho phép công ty này tác động đồng thời đến chi tiêu cho máy chủ, bộ nhớ và mạng. Micron là bên hưởng lợi đòn bẩy lợi nhuận điển hình hơn: HBM, DRAM máy chủ và SSD trung tâm dữ liệu đều có thể hưởng lợi từ việc nâng cấp công suất và tăng giá. Nếu bạn tập trung vào quy mô tuyệt đối của chi tiêu vốn AI, NVIDIA nhạy cảm hơn. Nếu bạn tập trung vào việc điều chỉnh lợi nhuận do tình trạng khan hiếm nguồn cung thúc đẩy, Micron có thể cho thấy những thay đổi biên lớn hơn. Tuy nhiên, Micron cũng dễ bị tổn thương hơn trước việc mở rộng công suất, biến động tồn kho và đảo chiều giá cả, do đó không nên ngoại suy biên lợi nhuận cao ngắn hạn một cách tuyến tính.

Dell so với HPE: Ai Nhạy Cảm Hơn Với Đơn Hàng Máy Chủ AI Doanh Nghiệp?

Dell có mức độ nhạy cảm với doanh thu từ các đơn hàng máy chủ AI cao hơn, vì các đơn hàng AI, doanh thu máy chủ và dự báo cả năm của Dell phản ánh trực tiếp hơn sức mạnh mua sắm của khối doanh nghiệp. HPE có độ nhạy cảm thuần túy với máy chủ thấp hơn một chút, nhưng sự kết hợp giữa máy chủ, lưu trữ, điện toán đám mây riêng tư và mạng lưới của HPE cân bằng hơn. Nói một cách đơn giản, Dell gần giống một chỉ số đại diện cho khối lượng xuất xưởng máy chủ AI, trong khi HPE gần giống với mức độ tiếp cận đa dạng đối với làn sóng nâng cấp hạ tầng doanh nghiệp.

Trong quý đầu tiên của năm tài chính 2027, Dell công bố giá trị đơn hàng AI đạt 24,4 tỷ USD, doanh thu máy chủ tối ưu hóa AI đạt 16,1 tỷ USD, và công ty đã nâng dự báo doanh thu máy chủ AI cả năm lên khoảng 60 tỷ USD. Doanh thu của Nhóm Giải pháp Hạ tầng đạt 29 tỷ USD, tăng 181% so với cùng kỳ năm trước. Những con số này cho thấy khi ngân sách AI của doanh nghiệp tăng lên, Dell thường có thể ghi nhận doanh thu tương đối nhanh chóng thông qua máy chủ và các hệ thống quy mô rack.

Giá trị của Dell không chỉ giới hạn ở việc lắp ráp máy chủ. Khách hàng doanh nghiệp có thể mua máy chủ, hệ thống lưu trữ, mạng, hệ thống nguồn, làm mát bằng chất lỏng, dịch vụ tài chính và vận hành thông qua Dell. Dell AI Factory with NVIDIA đã bao gồm hệ thống PowerRack làm mát bằng chất lỏng, máy chủ PowerEdge và kiến trúc NVIDIA GB200 NVL72, cho thấy các nhà cung cấp máy chủ đang chuyển từ giao hàng từng máy chủ riêng lẻ sang giao hàng ở cấp rack và cấp cụm.

HPE đi theo con hướng “dựa trên danh mục đầu tư” hơn. Trong quý hai của năm tài chính 2026, HPE báo cáo rằng doanh thu Cloud & AI đạt 7,7 tỷ đô la, tăng 22,9% so với cùng kỳ năm trước. Doanh thu mảng máy chủ đạt 5,5 tỷ đô la, tăng 32,7%, và biên lợi nhuận hoạt động của Cloud & AI là 12,4%. HPE bao gồm máy chủ, lưu trữ, đám mây riêng tư và mạng. Sau khi hoàn tất thương vụ mua lại Juniper Networks, khả năng kết hợp về mạng và trung tâm dữ liệu AI của công ty đã trở nên mạnh mẽ hơn.

Thách thức chung của các nhà cung cấp hệ thống là độ nhạy cảm doanh thu thường cao hơn độ nhạy cảm lợi nhuận. GPU, HBM, CPU, card mạng tốc độ cao và hệ thống làm mát bằng chất lỏng chiếm phần lớn chi phí trong bảng tổng hợp vật tư, trong khi các khách hàng lớn thường có quyền đàm phán mạnh hơn. Sau khi đơn hàng tăng, các nhà cung cấp vẫn cần mua linh kiện trước, quản lý hàng tồn kho và chờ lắp đặt cùng nghiệm thu. Do đó, lượng đơn hàng tồn đọng không nhất thiết chuyển hóa thành lợi nhuận ngay lập tức. Bạn nên theo dõi biên lợi nhuận hoạt động của ISG hoặc Cloud & AI, hàng tồn kho, khoản phải thu, tỷ lệ áp dụng làm mát bằng chất lỏng và cơ cấu doanh thu dịch vụ.

Tóm tắt: Dell là công ty nhạy cảm hơn với các đơn hàng máy chủ AI doanh nghiệp, vì đơn hàng và doanh thu máy chủ của nó có thể phản ánh sức mạnh mua hàng của khách hàng tương đối nhanh chóng. HPE có đòn bẩy thuần túy về máy chủ thấp hơn một chút, nhưng sự kết hợp giữa máy chủ, điện toán đám mây riêng tư, lưu trữ và mạng giúp công ty này ở vị thế tốt hơn để nắm bắt các nâng cấp hạ tầng AI doanh nghiệp rộng lớn hơn. Không công ty nào là một "cổ phiếu chip AI" đơn giản; cả hai đều là các doanh nghiệp giao hệ thống. Việc so sánh không nên chỉ dựa vào doanh thu máy chủ AI. Biên lợi nhuận hoạt động, chuyển đổi đơn hàng, chi phí linh kiện, tỷ lệ đính kèm dịch vụ, và việc khách hàng có đủ công suất điện, không gian trung tâm dữ liệu và năng lực làm mát hay không đều quan trọng ngang bằng.

Tại Sao Arista Hưởng Lợi Muốn Hơn Nhưng Có Tiềm Năng Thể Hiện Độ Nhạy Cảm Ngân Sách Chất Lượng Cao Hơn?

Độ nhạy cảm của Arista với ngân sách phần cứng AI thường xuất hiện muộn hơn so với NVIDIA, Micron và các nhà cung cấp máy chủ, vì khách hàng trước tiên xác định quy mô GPU, máy chủ và tủ máy trước khi cấu hình switch, cổng và kết nối quang. Nhưng khi hệ thống AI mở rộng từ một tủ máy đơn lẻ thành các cụm lớn, băng thông mạng, kiểm soát tắc nghẽn và vận hành tự động hóa trở thành các điểm nghẽn then chốt. Đó chính là lúc chất lượng lợi nhuận của Arista trở nên rõ rệt hơn.

Ngân sách mạng AI thường được giải ngân theo từng giai đoạn. Trong các thử nghiệm quy mô nhỏ, khách hàng có thể chỉ mua một số lượng hạn chế máy chủ và thiết bị chuyển mạch cơ bản. Trong các triển khai một tủ rack, bộ chuyển mạch và card giao diện mạng bắt đầu đi theo đơn hàng máy chủ. Trong các cụm nhiều tủ rack, số lượng cổng 400G, 800G, thậm chí 1.6T có thể tăng nhanh chóng. Trong các nhà máy AI quy mô lớn, phần mềm mạng, telemetry, tự động hóa và quản lý sự cố trở nên quan trọng hơn đáng kể.

Trong quý đầu tiên của năm 2026, Arista công bố doanh thu đạt 2,709 tỷ USD, tăng 35,1% so với cùng kỳ năm trước, trong khi biên lợi nhuận hoạt động theo chuẩn non-GAAP là 47,8%. So với các nhà cung cấp hệ thống máy chủ, hệ điều hành mạng, kiến trúc chuyển mạch và tiêu chuẩn khách hàng của Arista tạo ra giá trị gia tăng cao hơn. Danh mục 1.6T AI Fabric được thiết kế cho cơ sở hạ tầng AI quy mô rack, hỗ trợ các môi trường làm mát bằng khí, làm mát bằng chất lỏng và làm mát kết hợp, đồng thời đáp ứng cả yêu cầu mạng scale-up lẫn scale-out.

Rủi ro của Arista cũng rất rõ ràng. Thứ nhất, doanh thu có thể tập trung vào một số ít khách hàng đám mây lớn, khiến doanh thu dễ biến động hơn nếu chi phí vốn cho đám mây chậm lại. Thứ hai, các nhà cung cấp đám mây có thể phát triển kiến trúc mạng tự nghiên cứu hoặc áp dụng các hướng kỹ thuật thay thế. Thứ ba, đơn hàng GPU tăng lên không đảm bảo đơn hàng mạng tăng đồng bộ, vì điện năng trung tâm dữ liệu, làm mát bằng chất lỏng và tiến độ thi công xây dựng có thể làm chậm việc giao hàng. Thứ tư, thị trường có thể đã phản ánh vào giá mức tăng trưởng dài hạn của mạng tốc độ cao.

Tóm tắt: Arista không phải là bên hưởng lợi trực tiếp nhất ở giai đoạn đầu của một chu kỳ ngân sách AI. Giá trị của công ty này được giải phóng sau khi việc mua máy chủ chuyển sang giai đoạn triển khai mạng quy mô lớn. Độ nhạy cảm doanh thu của nó thấp hơn NVIDIA hay Dell, nhưng phần mềm mạng, kiến trúc chuyển mạch và biên lợi nhuận hoạt động cao giúp chất lượng lợi nhuận của nó hấp dẫn hơn. Bạn nên theo dõi chặt chẽ chi tiêu của khách hàng đám mây, đơn hàng chuyển mạch trung tâm dữ liệu, cơ cấu sản phẩm 800G và 1.6T, mức độ tập trung khách hàng và tỷ lệ gắn kèm phần mềm mạng. Nếu các cụm AI tiếp tục mở rộng, chu kỳ nhu cầu của Arista có thể kéo dài hơn. Nếu việc xây dựng trung tâm dữ liệu bị trì hoãn, việc chuyển đổi đơn hàng cũng có thể bị lùi lại.

Năm Công Ty Nên Được Xếp Hạng Như Thế Nào Trong Các Kịch Bản Ngân Sách AI Khác Nhau?

Không có thứ hạng cố định nào áp dụng được cho tất cả các kịch bản ngân sách AI. Khi ngân sách AI tăng tốc trên diện rộng, NVIDIA và Dell là những bên hưởng lợi trực tiếp nhất. Khi HBM và DRAM vẫn khan hiếm, Micron có đòn bẩy lợi nhuận mạnh hơn. Khi AI riêng tư cho doanh nghiệp mở rộng, danh mục sản phẩm của HPE được hưởng lợi nhiều hơn. Khi các cụm máy lớn bước vào giai đoạn nâng cấp mạng, lợi thế tương đối của Arista tăng lên. Đánh giá cuối cùng cũng phải kết hợp giá trị định giá, dòng tiền tự do và kỳ vọng của thị trường.

Trong kịch bản cơ sở, nơi chi tiêu vốn cho AI tiếp tục tăng nhưng tốc độ tăng trưởng dần ổn định lại, các công ty có thể được xếp hạng theo mức độ nhạy cảm của ngành, không phải dưới dạng khuyến nghị đầu tư:

1. NVIDIA: Mức độ tiếp xúc doanh thu AI tuyệt đối cao nhất;
2. Micron: Lợi thế cung - cầu và giá cả mạnh nhất;
3. Dell: Chuyển đổi đơn hàng máy chủ rõ ràng nhất;
4. Arista: Chuyển đổi muộn hơn, nhưng biên lợi nhuận cao hơn;
5. HPE: Đa dạng hơn, mức độ tiếp xúc cân bằng hơn.

Quan sát giao dịch cũng nên bao gồm chi phí thực tế

Nếu bạn theo dõi Dell, HPE, Micron, Arista và NVIDIA, bạn không chỉ nên theo dõi ngày công bố lợi nhuận, doanh thu AI, đơn hàng và biên lợi nhuận, mà còn cả chi phí giao dịch thực tế. Chi phí giao dịch cổ phiếu Hoa Kỳ không chỉ giới hạn ở hoa hồng; chúng còn có thể bao gồm phí nền tảng, phí tổ chức bên ngoài, phí hoạt động giao dịch và các chi phí khác hiển thị khi đặt lệnh. Bạn có thể sử dụng tìm kiếm cổ phiếu Hoa Kỳ của Biya để xây dựng danh sách theo dõi trước, sau đó quyết định có giao dịch hay không dựa trên thay đổi lợi nhuận, định giá và mức độ chấp nhận rủi ro.

Biya không tính hoa hồng cho các giao dịch cổ phiếu Mỹ. Phí nền tảng là $0.005 mỗi cổ phiếu, tối thiểu $0.99 mỗi lệnh và tối đa 1% giá trị giao dịch. Phí bên ngoài của tổ chức và phí hoạt động giao dịch tổng cộng $0.00396 mỗi cổ phiếu. Đối với các lệnh cổ phiếu lẻ có ít hơn một cổ phiếu nguyên, nền tảng tính 1% giá trị giao dịch làm phí nền tảng, tối đa $1. Phí thực tế, điều kiện đủ điều kiện đặt lệnh và các điều chỉnh có thể xảy ra nên được xác nhận thông qua biểu phí giao dịch cổ phiếu Mỹ mới nhất và số tiền hiển thị trên trang đặt lệnh.

Để xác định xem thứ hạng có cần được điều chỉnh hay không, hãy theo dõi các chỉ số sau:

• NVIDIA: doanh thu tính toán trung tâm dữ liệu, doanh thu mạng, biên lợi nhuận gộp, tốc độ chuyển đổi nền tảng;
• Micron: thị phần HBM, giá DRAM và NAND, doanh thu trung tâm dữ liệu, chi phí vốn;
• Dell: đơn hàng AI, tồn kho đơn hàng, doanh thu máy chủ AI, biên lợi nhuận hoạt động ISG;
• HPE: doanh thu Cloud & AI, biên lợi nhuận máy chủ, tích hợp Juniper, doanh thu mạng;
• Arista: chi tiêu của khách hàng điện toán đám mây, doanh thu mạng AI, tốc độ cổng, mức độ tập trung khách hàng;
• Các chỉ số chung cho cả năm công ty: dòng tiền tự do, hàng tồn kho, các khoản phải thu và hướng dẫn dự báo.

Tóm tắt: Từ góc độ định vị trong chuỗi cung ứng, NVIDIA nhạy cảm nhất với ngân sách tính toán AI, Micron nhạy cảm nhất với những thay đổi về cung-cầu và giá cả, Dell nhạy cảm nhất với các đơn đặt hàng và giao hàng máy chủ, HPE nhạy cảm hơn với chi tiêu cho danh mục hạ tầng doanh nghiệp, còn Arista nhạy cảm nhất với quy mô cụm máy chủ và việc nâng cấp băng thông mạng. Độ nhạy cảm ngành không nên được coi là kết luận đầu tư. Độ nhạy cảm cao đồng nghĩa với đòn bẩy tăng trưởng mạnh hơn, nhưng cũng đi kèm mức biến động giảm sút lớn hơn khi ngân sách chậm lại. Một cách tiếp cận kỷ luật hơn là trước tiên xác định xem ngân sách AI đang đổ vào tính toán, bộ nhớ, hệ thống hay mạng lưới, sau đó đánh giá xem khả năng chuyển đổi đơn hàng, biên lợi nhuận và định giá đã được phản ánh đầy đủ trong giá chưa.

Khi so sánh năm công ty phần cứng AI này, điểm mấu chốt là theo dõi dòng tiền ngân sách thay vì nhãn “khái niệm AI” đơn lẻ. Biya có thể được sử dụng để theo dõi giá cổ phiếu Mỹ liên quan, sắp xếp các giai đoạn công bố lợi nhuận và xây dựng danh sách theo dõi chuỗi phần cứng. Người dùng đáp ứng các yêu cầu dịch vụ khu vực áp dụng cũng có thể tải ứng dụng để quản lý dữ liệu thị trường đa tài sản và giao dịch. Tính khả dụng của dịch vụ phụ thuộc vào vị trí của người dùng, tình trạng xác minh danh tính, quy tắc của nền tảng cũng như các luật và quy định hiện hành. Thông tin trên chỉ thảo luận về thông tin thị trường công khai, logic ngành và cơ cấu phí. Nội dung này không cấu thành lời khuyên đầu tư hay cam kết về lợi nhuận.

Câu hỏi thường gặp

Khi Chi Tiêu Vốn AI Tăng Trưởng, Ai Có Đòn Bẩy Doanh Thu Cao Hơn: NVIDIA hay Dell?

NVIDIA thường có giá trị nền tảng và đòn bẩy lợi nhuận cao hơn, trong khi doanh thu máy chủ của Dell nhạy cảm hơn với khối lượng xuất xưởng. NVIDIA nắm bắt trực tiếp hơn các ngân sách cho GPU, mạng và nền tảng hệ thống. Dell chủ yếu phản ánh quy mô giao hàng máy chủ AI và tủ rack, nhưng chi phí linh kiện có thể hạn chế khả năng mở rộng biên lợi nhuận.

Sự Tăng Trưởng Nhu Cầu HBM của Micron Có Nghĩa Là Giá Bộ Nhớ Thông Thường Sẽ Tiếp Tục Tăng?

Không nhất thiết. HBM, DRAM máy chủ và NAND có các đặc điểm về năng lực, khách hàng và cấu trúc cung-cầu khác nhau. HBM chịu ảnh hưởng trực tiếp hơn từ việc nâng cấp nền tảng bộ tăng tốc AI, trong khi DRAM thông thường và NAND vẫn chịu ảnh hưởng từ tồn kho, mở rộng năng lực, nhu cầu PC và điện thoại thông minh, cũng như chu kỳ mua sắm của doanh nghiệp.

Thương vụ HPE mua lại Juniper có làm tăng độ nhạy cảm của công ty với ngân sách phần cứng AI không?

Thương vụ này nên làm tăng mức độ tiếp cận của HPE với danh mục mạng và hạ tầng AI doanh nghiệp, nhưng tác động thực tế phụ thuộc vào chất lượng tích hợp. Nếu HPE có thể kết hợp hiệu quả máy chủ, đám mây riêng tư và giải pháp mạng của Juniper, độ nhạy cảm của công ty với ngân sách trung tâm dữ liệu AI sẽ được cải thiện. Nếu hoạt động bán chéo yếu, đòn bẩy doanh thu có thể không đạt kỳ vọng.

Tại Sao Nhu Cầu Mạng AI của Arista Tụt Hậu Sau Nhu Cầu Máy Chủ GPU?

Khách hàng thường xác định số lượng GPU, quy mô máy chủ và bố trí tủ rack trước, sau đó mới thiết kế cấu trúc liên kết mạng, tốc độ cổng và kết nối quang. Nếu điện của trung tâm dữ liệu, làm mát bằng chất lỏng hoặc xây dựng cơ sở vật chất bị trì hoãn, đơn hàng của switch và phần mềm mạng cũng có thể bị lùi lại.

Khi Doanh Thu Phần Cứng AI Tăng, Chỉ Số Lợi Nhuận Nào Quan Trọng Nhất?

Cần xem xét trước tiên biên lợi nhuận gộp, biên lợi nhuận hoạt động, dòng tiền tự do, hàng tồn kho và các khoản phải thu. Nhà cung cấp hệ thống máy chủ nên được đánh giá thông qua biên lợi nhuận hoạt động và tỷ lệ chuyển đổi đơn hàng, trong khi các công ty chip và bộ nhớ đòi hỏi tập trung nhiều hơn vào biên lợi nhuận gộp, mở rộng công suất và chu kỳ giá. Một tiêu chuẩn so sánh duy nhất là không đủ.

Làm thế nào để người mới so sánh năm cổ phiếu phần cứng AI này mà không chỉ nhìn vào hệ số P/E?

Họ nên kết hợp tăng trưởng doanh thu, dòng tiền tự do, vị trí chu kỳ, mức độ tập trung khách hàng và kỳ vọng của thị trường. Hệ số P/E thấp không nhất thiết có nghĩa là cổ phiếu rẻ, và hệ số P/E cao không nhất thiết có nghĩa là cổ phiếu quá đắt. Câu hỏi then chốt là liệu tăng trưởng trong tương lai đã được định giá hoàn toàn hay chưa. Phí giao dịch và điều kiện đủ điều kiện sử dụng dịch vụ cũng cần được kiểm tra theo quy định của nền tảng và yêu cầu pháp lý tại địa phương.