Tổng quan Chuỗi cung ứng Lưu trữ AI: HBM, DRAM, NAND, SSD, HDD — Ai Hưởng Lợi Nhiều Nhất?

Lưu trữ AI không phải là một chủ đề gắn với từng con chip đơn lẻ. Đó là một hệ thống phân lớp được xây dựng xung quanh GPU, máy chủ, trung tâm dữ liệu và toàn bộ vòng đời dữ liệu. HBM hưởng lợi trực tiếp nhất từ các đợt nâng cấp bộ tăng tốc AI. DRAM máy chủ hưởng lợi từ dung lượng bộ nhớ lớn hơn và khả năng xử lý đồng thời khi suy luận. SSD doanh nghiệp và NAND hưởng lợi từ việc tải mô hình, RAG, cơ sở dữ liệu vector và truy cập dữ liệu tần suất cao. HDD tiếp tục đảm nhận việc lưu trữ dữ liệu khối lượng lớn với chi phí thấp. Để đánh giá ai hưởng lợi nhiều nhất, bạn không nên chỉ nhìn vào nhãn "AI". Bạn cũng cần so sánh băng thông, dung lượng, giới hạn nguồn cung, quyền định giá và biên lợi nhuận.

Những điểm chính cần ghi nhớ

• HBM có độ nhạy cảm doanh thu mạnh nhất trong huấn luyện AI và suy luận hiệu năng cao.
• DRAM máy chủ được hưởng lợi rộng rãi hơn, nhưng độ thuần khiết AI của nó thấp hơn HBM.
• SSD doanh nghiệp đóng vai trò then chốt đối với RAG, cơ sở dữ liệu vector và mở rộng suy luận.
• Cơ hội NAND tập trung vào các sản phẩm trung tâm dữ liệu, trong khi NAND tiêu dùng được hưởng lợi gián tiếp nhiều hơn.
• HDD sẽ không bị SSD thay thế hoàn toàn và vẫn là phương án chi phí thấp cho khối lượng lớn dữ liệu lạnh.
• Phán đoán đầu tư cần tính đến kỷ luật nguồn cung, cơ cấu sản phẩm, định giá và vị trí chu kỳ.

Chuỗi cung ứng lưu trữ AI kết nối GPU, máy chủ và trung tâm dữ liệu như thế nào?

Logic cốt lõi của chuỗi cung ứng lưu trữ AI rất đơn giản: lưu trữ càng gần bộ xử lý tính toán thì yêu cầu hiệu năng càng cao; càng xa bộ xử lý tính toán thì dung lượng và chi phí càng trở nên quan trọng. HBM nằm gần GPU và giải quyết nút thắt cổng truyền dữ liệu. DRAM máy chủ hỗ trợ CPU, hệ điều hành, bộ nhớ đệm và các tác vụ suy luận. SSD doanh nghiệp xử lý trọng số mô hình, các điểm kiểm tra, cơ sở dữ liệu vector và dữ liệu được truy cập thường xuyên. HDD lưu trữ dữ liệu thô, bản sao lưu, kho lưu trữ và dữ liệu tần suất thấp. Do đó, HBM, DRAM, NAND, SSD và HDD không phải là những sản phẩm thay thế đơn thuần cho nhau. Chúng phối hợp với nhau để hỗ trợ dòng chảy dữ liệu của AI.

Trong quá trình huấn luyện mô hình AI, dữ liệu di chuyển từ các hồ dữ liệu, lưu trữ đối tượng, hoặc hệ thống lưu trữ doanh nghiệp vào SSD, sau đó vào bộ nhớ máy chủ, và cuối cùng vào GPU và HBM. Suy luận (inference) phức tạp hơn. Các cửa sổ ngữ cảnh dài, tác nhân (agents), hội thoại nhiều lượt, truy xuất RAG, và tính đồng thời của người dùng liên tục tạo ra các bộ nhớ đệm, nhật ký, chỉ mục vector, và dữ liệu ngữ cảnh mới. NVIDIA mô tả các trung tâm dữ liệu AI hiện đại như các nhà máy AI, nghĩa là hạ tầng tích hợp tính toán, bộ nhớ, lưu trữ, mạng, và lập lịch phần mềm để liên tục tạo ra các sản phẩm đầu ra thông minh.

Xét từ góc độ chuỗi giá trị, lưu trữ AI thượng nguồn bao gồm các wafer DRAM/NAND, đóng gói tiên tiến, kiểm thử, bộ điều khiển, firmware, thiết bị và vật liệu. Trung nguồn bao gồm HBM, module bộ nhớ máy chủ, SSD doanh nghiệp và HDD nearline. Khách hàng hạ nguồn bao gồm các nhà cung cấp GPU, nhà cung cấp dịch vụ đám mây, công ty mô hình AI và trung tâm dữ liệu doanh nghiệp. Sản phẩm càng gần GPU thì vấn đề thẩm định khách hàng và lặp lại công nghệ càng quan trọng. Sản phẩm càng gần tầng dung lượng thì chi phí, độ tin cậy, hiệu suất điện và nguồn cung quy mô lớn càng quan trọng.

Tóm tắt: Chuỗi cung ứng lưu trữ AI không thể được hiểu qua những câu hỏi hẹp như "HBM có thay thế DRAM không?" hay "SSD có thay thế HDD không?" HBM giải quyết vấn đề băng thông cao nhất, DRAM giải quyết dung lượng bộ nhớ máy chủ, SSD giải quyết truy cập dữ liệu tần suất cao, và HDD giải quyết lưu trữ khối lượng lớn chi phí thấp. Khi hạ tầng AI phát triển, dữ liệu di chuyển thường xuyên hơn giữa các tầng này, cho phép nhiều phân khúc lưu trữ cùng được hưởng lợi. Điểm khác biệt là HBM có mức độ tiếp xúc doanh thu AI thuần khiết nhất và độ nhạy cảm giá cả mạnh nhất; DRAM máy chủ có phạm vi bao phủ rộng hơn; SSD doanh nghiệp gần hơn với việc triển khai suy luận (inference); còn HDD hưởng lợi từ sự tích lũy dữ liệu dài hạn.

Tại Sao HBM Là Bên Hưởng Lợi Trực Tiếp Nhất Trong Chuỗi Cung Ứng Lưu Trữ AI?

HBM hiện là bên hưởng lợi trực tiếp nhất trong chuỗi cung ứng bộ nhớ AI, bởi vì việc huấn luyện mô hình lớn và suy luận cao cấp trước tiên bị giới hạn bởi băng thông bộ nhớ và dung lượng khả dụng gần GPU. Khi sức mạnh tính toán của GPU tăng lên, dữ liệu phải được truyền đến các đơn vị tính toán đủ nhanh. Nếu không, các chip AI đắt tiền sẽ phải chờ bộ nhớ, tạo ra một “bức tường bộ nhớ.” Do đó, giá trị của HBM không chỉ nằm ở dung lượng, mà còn ở khả năng cung cấp dữ liệu cho GPU trong một khoảng thời gian nhất định.

Sự khác biệt giữa HBM và DDR DRAM thông thường nằm ở cấu trúc và vị trí. DRAM thông thường thường tồn tại dưới dạng bộ nhớ hệ thống, trong khi HBM sử dụng xếp chồng nhiều lớp DRAM, TSV và đóng gói tiên tiến để nằm gần GPU hoặc AI ASIC. Tiêu chuẩn HBM4 của JEDEC mở rộng giao diện lên 2048-bit và định vị băng thông, số lượng kênh, hiệu suất điện năng và dung lượng là các nâng cấp quan trọng cho AI và HPC. [HBM4](https://sg.micron. của Microncom/products/memory/hbm/hbm4) cũng nhấn mạnh rằng băng thông cao hơn và dung lượng lớn hơn là những nền tảng quan trọng cho các khối lượng công việc ngữ cảnh dài, đa phương thức và tính toán khoa học.

HBM có biên lợi nhuận cao không chỉ vì nhu cầu mạnh mẽ, mà còn vì khâu cung ứng khó khăn. Nó đòi hỏi công nghệ tiến trình DRAM tiên tiến, đóng gói xếp chồng, quản lý nhiệt, năng lực kiểm thử, và sự phê duyệt từ khách hàng GPU. Thông tin của Samsung về lô hàng thương mại HBM4 nhấn mạnh rằng việc sản xuất HBM4 của họ phụ thuộc vào sự hợp tác trên toàn bộ chuỗi DRAM, foundry, đóng gói tiên tiến, và khách hàng. Triển vọng thị trường bộ nhớ 2026 của SK hynix cũng lưu ý rằng HBM3E sẽ vẫn là sản phẩm quan trọng trong năm 2026, trong khi HBM4 sẽ dần được mở rộng quy mô.

Để đánh giá xem một công ty HBM có thực sự được hưởng lợi hay không, hãy tập trung vào sáu chỉ số:

• Liệu nó đã gia nhập chuỗi cung ứng cốt lõi của NVIDIA, AMD, Google, AWS và các khách hàng lớn khác hay chưa;
• Liệu tiến độ sản xuất HBM3E, HBM4 và HBM4E của nó có dẫn đầu hay không;
• Liệu tỷ lệ đạt, độ cao xếp chồng và năng lực kiểm thử có ổn định hay không;
• Liệu dung lượng HBM trên mỗi GPU có đang tăng lên hay không;
• Liệu nguồn cung đóng gói tiên tiến và substrate có đủ hay không;
• Liệu việc mở rộng HBM chuyển hóa thành cải thiện biên lợi nhuận, chứ không chỉ tăng trưởng doanh thu.

Tuy nhiên, HBM không phải là không có rủi ro. Mức độ tập trung khách hàng cao, và việc thất bại hoặc chậm trễ trong quá trình thẩm định có thể ảnh hưởng trực tiếp đến doanh thu. Nếu Samsung, SK hynix và Micron cùng lúc đẩy nhanh việc mở rộng công suất, giá cả trong tương lai cũng có thể quay đầu giảm. Logic đầu tư của HBM gần hơn với sự kết hợp giữa rào cản cao, độ nhạy cảm cao và rủi ro thực thi cao.

Tóm tắt: HBM hưởng lợi nhiều nhất vì nó quyết định trực tiếp việc các bộ tăng tốc AI có thể giải phóng hoàn toàn sức mạnh tính toán của mình hay không. GPU càng đắt đỏ, mô hình càng lớn, và cửa sổ ngữ cảnh càng dài, thì băng thông và dung lượng HBM càng có giá trị. Trong ngắn hạn, HBM có mức độ tiếp xúc với doanh thu AI thuần khiết nhất trong lĩnh vực lưu trữ. Trong trung hạn, sự khác biệt giữa các công ty đến từ việc được khách hàng chứng nhận, tỷ lệ sản phẩm đạt chuẩn, năng lượng đóng gói, và quá trình chuyển đổi thế hệ. Trong dài hạn, công suất mới, sự thay thế công nghệ, và quyền thương lượng của khách hàng vẫn có thể làm suy yếu lợi nhuận vượt trội. Nhà đầu tư không chỉ nên nhìn vào tăng trưởng thị trường HBM, mà còn phải xem ai có thể biến lợi thế kỹ thuật thành đơn hàng và biên lợi nhuận bền vững.

Tại Sao DRAM Thông Thường Cũng Hưởng Lợi Từ Sự Mở Rộng Của Máy Chủ AI?

DRAM thông thường cũng hưởng lợi từ AI vì máy chủ AI không chỉ bao gồm GPU và HBM. Việc lập lịch của CPU, hệ điều hành, truyền thông mạng, tiền xử lý dữ liệu, bộ nhớ đệm suy luận, cơ sở dữ liệu và tính đồng thời đa mô hình đều đòi hỏi lượng lớn DRAM máy chủ. So với HBM, DRAM thông thường có độ thuần AI thấp hơn nhưng phạm vi nhu cầu rộng hơn. Nếu các trung tâm dữ liệu AI mở rộng từ cụm huấn luyện sang cụm suy luận, DDR5 máy chủ, RDIMM, MRDIMM và mở rộng bộ nhớ CXL đều sẽ nhận được sự hỗ trợ nhu cầu mạnh mẽ hơn.

Suy luận (inference) là một nguồn cầu quan trọng đối với DRAM thông thường. Sau khi các mô hình lớn được triển khai, doanh nghiệp không chỉ chạy một nhiệm vụ huấn luyện duy nhất. Họ liên tục xử lý các yêu cầu của người dùng, cửa sổ ngữ cảnh, các lệnh gọi công cụ, truy xuất vector và lưu kết quả vào bộ nhớ đệm. Các mô hình ngữ cảnh dài tạo ra yêu cầu KV Cache lớn hơn và chiếm nhiều tài nguyên bộ nhớ hơn. Việc chạy đồng thời nhiều mô hình làm tăng nhu cầu bộ nhớ của hệ thống ở cả cấp máy chủ đơn lẻ và cấp cụm. Giới thiệu của NVIDIA về Blackwell Ultra cũng liên kết dung lượng HBM3E lớn hơn với suy luận ngữ cảnh dài và đồng thời cao. Xu hướng này sẽ tiếp tục lan sang các tầng bộ nhớ máy chủ, lưu trữ và mạng.

Một lợi ích khác cho DRAM đến từ phía cung ứng. Khi các nhà sản xuất bộ nhớ phân bổ nhiều nguồn lực hơn cho HBM, tốc độ tăng trưởng cung ứng thực tế cho DRAM thông thường có thể bị hạn chế. Tài liệu quý 3 năm tài chính 2026 của Micron nêu rằng hiệu năng của hệ thống AI về mặt cấu trúc phụ thuộc vào hiệu năng và dung lượng của hệ thống bộ nhớ, trong khi việc nâng cấp thế hệ HBM có thể tạo áp lực lên nguồn cung không phải HBM. Điều này có nghĩa là HBM không chỉ mang lại lợi ích cho chính nó, mà còn có thể ảnh hưởng đến giá DRAM truyền thống thông qua việc phân bổ năng lực sản xuất.

Nhưng tính chu kỳ của DRAM thông thường không thể bỏ qua. Máy tính cá nhân, điện thoại thông minh và thiết bị điện tử tiêu dùng vẫn ảnh hưởng đến tổng cung và cầu của DRAM. Các sản phẩm khác nhau cũng có thể phân kỳ. DDR4, DDR5, mô-đun máy chủ dung lượng cao và LPDDR dành cho thiết bị di động có thể đi theo các quỹ đạo giá khác nhau. AI có thể nâng mức cầu cơ bản, nhưng không thể xóa bỏ hoàn toàn tính chất chu kỳ của ngành bộ nhớ.

Tóm tắt: DRAM máy chủ là bên hưởng lợi “rộng hơn nhưng không thuần khiết bằng” trong chuỗi cung ứng lưu trữ AI. Nó không gắn liền trực tiếp với từng GPU như HBM, nhưng suy luận AI, ngữ cảnh dài, tác tử (agent), cơ sở dữ liệu, tiền xử lý dữ liệu và việc mở rộng máy chủ đám mây đều làm tăng nhu cầu bộ nhớ hệ thống. Việc mở rộng HBM cũng có thể gián tiếp làm giảm tính linh hoạt của nguồn cung cho DRAM thông thường, hỗ trợ giá cả và biên lợi nhuận. Rủi ro chính là nếu nhu cầu đầu cuối suy yếu hoặc các nhà cung cấp mở rộng quá mạnh tay, DRAM thông thường vẫn có thể rơi vào chu kỳ giảm giá.

NAND và SSD Doanh nghiệp Hưởng Lợi từ Suy Luận AI và Tăng trưởng Dữ liệu như Thế Nào?

Cơ hội AI đối với NAND và SSD doanh nghiệp chủ yếu đến từ tầng dữ liệu, chứ không phải từ chính phần tính toán GPU. Huấn luyện mô hình đòi hỏi đọc tập dữ liệu tốc độ cao và lưu checkpoint. Suy luận đòi hỏi tải trọng số mô hình nhanh, truy cập cơ sở dữ liệu vector và gọi cơ sở tri thức doanh nghiệp. Các ứng dụng RAG và agent liên tục tạo ra chỉ mục, bộ nhớ đệm, nhật ký và trạng thái trung gian. Do đó, SSD doanh nghiệp gần với hạ tầng AI hơn so với SSD tiêu dùng, và lợi ích của NAND phụ thuộc nhiều hơn vào cơ cấu sản phẩm chứ không chỉ dựa vào sản lượng xuất xưởng.

Trong quá trình huấn luyện AI, ổ SSD cung cấp thông lượng ổn định cho các cụm GPU và ngăn việc tải dữ liệu làm chậm quá trình huấn luyện. Trong quá trình suy luận (inference), SSD đóng vai trò chi tiết hơn: trọng số mô hình, cơ sở dữ liệu vector, kho tri thức, bản ghi hội thoại và dữ liệu ngữ cảnh đều có thể được đọc thường xuyên. Kioxia's GP Series Super High IOPS SSD nhắm đến các khối lượng công việc AI do GPU khởi tạo và nhấn mạnh việc sử dụng flash hiệu năng cao để mở rộng không gian bộ nhớ mà GPU có thể truy cập. Nền tảng lưu trữ bộ nhớ ngữ cảnh [CMX context memory storage platform](https://developer.nvidia. của NVIDIAcom/blog/introducing-nvidia-bluefield-4-powered-inference-context-memory-storage-platform-for-the-next-frontier-of-ai/) cũng cho thấy rằng AI ngữ cảnh dài và AI dạng agent đang đẩy lớp lưu trữ đến gần hơn với hệ thống bộ nhớ suy luận.

Đối với SSD doanh nghiệp, yếu tố then chốt không đơn thuần là "dung lượng càng lớn càng tốt." Yêu cầu thực sự là sự kết hợp giữa dung lượng, độ trễ, IOPS, độ bền, mức tiêu thụ điện năng và độ tin cậy. RAG, cơ sở dữ liệu vector và bộ nhớ đệm suy luận quan tâm nhiều hơn đến hiệu suất đọc/ghi ngẫu nhiên, độ trễ đuôi và hiệu suất liên tục. Các điểm kiểm tra huấn luyện và xử lý dữ liệu quy mô lớn quan tâm nhiều hơn đến thông lượng và khả năng ghi ổn định. Triển lãm GTC 2026 của Samsung đã đề cập đến HBM4, SOCAMM2 và SSD PCIe cùng lúc, phản ánh rằng hạ tầng AI đang mở rộng từ một bộ gia tốc đơn lẻ sang sự phối hợp cấp hệ thống giữa bộ nhớ, lưu trữ và tính toán.

Lợi ích cho các nhà sản xuất NAND và các nhà cung cấp SSD không hoàn toàn giống nhau. Giá chip NAND tăng giúp cải thiện doanh thu của các nhà sản xuất wafer, nhưng nếu nguồn cung mở rộng quá nhanh, giá có thể giảm trở lại. Các nhà cung cấp SSD doanh nghiệp với bộ điều khiển, firmware, chứng nhận khách hàng đám mây, thiết kế dung lượng cao và thỏa thuận cung cấp dài hạn thường có độ nhạy biên lợi nhuận mạnh hơn. Thảo luận của Marvell về lưu trữ do GPU khởi tạo cũng cho thấy lưu trữ AI đang chuyển từ các thao tác đọc do CPU khởi tạo sang tối ưu hóa đường truyền dữ liệu gần GPU hơn.

Tóm tắt: Cơ hội cốt lõi của NAND và SSD doanh nghiệp không nằm ở điện tử tiêu dùng, mà ở suy luận AI, RAG, cơ sở dữ liệu vector và nâng cấp lưu trữ trung tâm dữ liệu. Khối lượng công việc huấn luyện cần thông lượng, khối lượng công việc suy luận cần độ trễ thấp và IOPS cao, trong khi các ứng dụng ngữ cảnh dài và agent đòi hỏi phân tầng bộ nhớ - lưu trữ phức tạp hơn. SSD doanh nghiệp là bên hưởng lợi rõ rệt hơn khi các ứng dụng AI mở rộng quy mô, nhưng NAND vẫn mang rủi ro chu kỳ ngành điển hình. Khi đánh giá các công ty liên quan, hãy tập trung vào tỷ trọng doanh thu SSD trung tâm dữ liệu, chứng nhận khách hàng, năng lực bộ điều khiển và firmware, thay vì chỉ nhìn vào tổng sản lượng xuất xưởng NAND.

Tại Sao HDD Vẫn Sẽ Được Hưởng Lợi, và Những Danh Mục Lưu Trữ AI Nào Xứng Đáng Được Chú Ý Nhất?

Ổ cứng HDD vẫn sẽ được hưởng lợi từ AI vì các trung tâm dữ liệu AI không chỉ cần quyền truy cập tốc độ cao, mà còn cần lưu trữ chi phí thấp cho khối lượng dữ liệu khổng lồ. SSD phù hợp cho các tác vụ đọc tần suất cao, độ trễ thấp và IOPS cao. HDD phù hợp hơn cho dữ liệu huấn luyện thô, bộ dữ liệu lịch sử, sao lưu, lưu trữ, nhật ký và truy cập dữ liệu tần suất thấp. Càng nhiều dữ liệu AI tạo ra, nhu cầu dung lượng dài hạn càng lớn, và giá trị chiến lược của ổ cứng nearline HDD càng trở nên rõ rệt.

Nhiều người cho rằng toàn bộ dữ liệu trong kỷ nguyên AI sẽ chuyển sang SSD, nhưng các trung tâm dữ liệu thực tế đặt trọng tâm lớn hơn vào lưu trữ phân tầng. Dữ liệu nóng, trọng số mô hình và chỉ mục vector nằm trên SSD. Dữ liệu ấm có thể di chuyển giữa SSD và lưu trữ đối tượng. Dữ liệu lạnh, bản sao lưu và bộ dữ liệu huấn luyện lịch sử phù hợp hơn với HDD dung lượng cao. Exos M 30TB của Seagate kết nối HAMR, dung lượng cao và nhu cầu công suất của trung tâm dữ liệu AI, cho thấy HDD vẫn là một lựa chọn quan trọng cho các tầng dữ liệu nhạy cảm về chi phí.

Năm nhóm lưu trữ AI nên được xếp hạng theo tiêu chí "lợi ích trực tiếp, độ nhạy cảm biên lợi nhuận, năng lực dài hạn và rủi ro chu kỳ", thay vì theo một thứ hạng tuyệt đối duy nhất:

Nếu phải cô đọng kết luận vào một câu thì có thể nói: HBM là Beneficiary trực tiếp nhất của AI về mặt lưu trữ, DRAM máy chủ là Beneficiary rộng hơn, SSD doanh nghiệp là Beneficiary quan trọng của sự mở rộng inference và RAG, còn HDD hưởng lợi từ việc lưu trữ dữ liệu khối lượng lớn trong dài hạn. NAND nằm giữa “nguồn cung chip” và “nâng cấp sản phẩm SSD doanh nghiệp,” và việc có được hưởng lợi đầy đủ hay không phụ thuộc vào giá cả, công suất và cơ cấu sản phẩm.

Nếu bạn đang theo dõi các cơ hội thị trường của những công ty như Micron, Seagate, Western Digital, Samsung và SK hynix, bạn nên nhìn ra ngoài sự tăng trưởng của ngành và còn cân nhắc cả chi phí giao dịch cũng như việc khớp lệnh. Khi sử dụng Biya để theo dõi các cổ phiếu Mỹ và cổ phiếu Hồng Kông liên quan, bạn có thể so sánh cùng lúc lợi nhuận công ty, giá bộ nhớ, cơ cấu đơn hàng và định giá. Biya miễn phí hoa hồng cho giao dịch cổ phiếu Mỹ, trong khi phí nền tảng, phí tổ chức bên ngoài và các loại phí khác được áp dụng theo phí giao dịch cổ phiếu Mỹ và hiển thị của từng lệnh. Phân tích thị trường công khai không cấu thành lời khuyên đầu tư.Tính khả dụng của dịch vụ phụ thuộc vào vị trí của người dùng, kết quả xác minh danh tính, quy tắc của nền tảng cũng như các luật và quy định hiện hành.

Tóm tắt: Thứ hạng cuối cùng của các doanh nghiệp hưởng lợi từ lưu trữ AI phụ thuộc vào góc nhìn phân tích của bạn. Về mức độ nhạy cảm doanh thu ngắn hạn, HBM là mạnh nhất. Về độ rộng của việc xây dựng máy chủ, DRAM ổn định hơn. Về việc triển khai suy luận (inference) và RAG, SSD doanh nghiệp xứng đáng nhận được nhiều sự quan tâm hơn. Về lưu trữ dài hạn khối lượng dữ liệu khổng lồ, HDD vẫn có vai trò rõ ràng. Sai lầm thực sự là coi tất cả các công ty được dán nhãn "lưu trữ AI" là cùng một loại tài sản. Ngành công nghiệp bộ nhớ vừa có tăng trưởng từ AI, vừa có rủi ro từ chi tiêu vốn, hàng tồn kho, giá cả và sự đảo chiều của chu kỳ. Phán đoán đầu tư cần đồng thời xem xét thế hệ sản phẩm, sự chấp thuận của khách hàng, giá bán trung bình, biên lợi nhuận gộp, số ngày tồn kho và vị thế định giá.

Nếu bạn đang theo dõi chuỗi cung ứng lưu trữ AI, bạn có thể chia các công ty thành ba nhóm. Nhóm thứ nhất bao gồm các nhà cung cấp HBM và DRAM cốt lõi như SK hynix, Samsung và Micron. Nhóm thứ hai bao gồm các công ty liên quan đến SSD doanh nghiệp, NAND và bộ điều khiển như Kioxia, Sandisk, Western Digital và Marvell. Nhóm thứ ba bao gồm các công ty ở tầng dung lượng HDD như Seagate và Western Digital. Bạn có thể sử dụng tra cứu thông tin cổ phiếu Mỹ để theo dõi thông tin cơ bản của các mã liên quan, sau đó kết hợp với các báo cáo tài chính mới nhất, việc ra mắt sản phẩm, giá bộ nhớ và xu hướng chi tiêu vốn của các nhà cung cấp dịch vụ đám mây. Người dùng đáp ứng điều kiện sử dụng dịch vụ phù hợp cũng có thể [tải xuống App](https://www.biyapay.com/tải xuống) để xem lại phí giao dịch và thông tin công bố rủi ro trước khi giao dịch. Tăng trưởng mạnh mẽ của ngành không có nghĩa là giá cổ phiếu chắc chắn sẽ tăng. Mọi giao dịch nên dựa trên kế hoạch vốn và mức độ chịu đựng rủi ro của chính bạn.

Câu hỏi thường gặp

Nhu cầu HBM3E có giảm sau khi HBM4 bước vào sản xuất hàng loạt không?

Không ngay lập tức. HBM3E và HBM4 có khả năng sẽ cùng tồn tại trong một thời gian vì các GPU, ASIC và nền tảng khách hàng đám mây khác nhau đều có chu kỳ thẩm định riêng. Mức độ chiếm thị phần của HBM4 sẽ phụ thuộc vào lô hàng chip AI thế hệ mới, năng suất, giá cả và tốc độ nâng cấp của khách hàng.

Sự mở rộng máy chủ AI có chắc chắn đẩy giá DRAM tăng lên không?

Không nhất thiết, nhưng nó có thể hỗ trợ nhu cầu. Máy chủ AI làm tăng nhu cầu về DDR5, mô-đun dung lượng cao và bộ nhớ máy chủ, trong khi việc mở rộng HBM cũng có thể ảnh hưởng đến nguồn cung DRAM thông thường. Giá cuối cùng vẫn phụ thuộc vào công suất mới, nhu cầu PC và điện thoại thông minh, hàng tồn kho và kỷ luật của nhà cung cấp.

Doanh nghiệp SSD hay SSD tiêu dùng hưởng lợi nhiều hơn từ AI?

Ổ cứng SSD doanh nghiệp hưởng lợi trực tiếp hơn từ AI. Chúng phục vụ huấn luyện mô hình, RAG, cơ sở dữ liệu vector, checkpoint và bộ nhớ đệm suy luận, với yêu cầu cao hơn về độ trễ thấp, IOPS cao, độ tin cậy và độ bền. Nhu cầu SSD tiêu dùng vẫn chủ yếu chịu ảnh hưởng từ chu kỳ PC và thiết bị đầu cuối.

Tại sao trung tâm dữ liệu AI vẫn cần ổ cứng HDD?

Trung tâm dữ liệu AI vẫn cần HDD để lưu trữ khối lượng lớn dữ liệu tần suất thấp. SSD phù hợp cho các tác vụ truy cập tần suất cao và độ trễ thấp, trong khi HDD phù hợp cho dữ liệu thô, bộ dữ liệu huấn luyện lịch sử, sao lưu, lưu trữ và giữ nhật ký. Lưu trữ phân tầng giúp cân bằng giữa hiệu năng, dung lượng và chi phí.

Nhà đầu tư cá nhân có thể đánh giá như thế nào về việc cổ phiếu lưu trữ AI có đang quá nóng hay không?

Nhà đầu tư nên theo dõi giá bán trung bình, số ngày tồn kho, chi tiêu vốn, khoản đặt trước của khách hàng, biên lợi nhuận gộp và biến động định giá. Nếu giá tăng nhanh trong khi ngành mở rộng công suất mạnh mẽ, việc giải phóng nguồn cung trong tương lai có thể kích hoạt sự đảo chiều của chu kỳ. Các báo cáo kết quả kinh doanh mới nhất và công bố thông tin của công ty nên được sử dụng làm tài liệu tham khảo chính.

Những rủi ro đầu tư chính đối với cổ phiếu lưu trữ AI là gì?

Các rủi ro chính bao gồm chi tiêu vốn cho AI chậm lại, giá bộ nhớ giảm, mở rộng công suất quá mức, tập trung khách hàng, chậm trễ trong việc chứng nhận sản phẩm và vòng lặp công nghệ. Mức độ rủi ro khác nhau tùy theo từng công ty. Trước khi giao dịch, nhà đầu tư nên xem xét các quy tắc của nền tảng, chi tiết thanh toán, công bố thông tin của công ty và các yêu cầu pháp lý địa phương.