Đa số chuyên gia lo ngại AI sẽ vỡ trận trong năm 2026: Thảm hoạ có thể diễn biến như nào?

Liệu "bong bóng AI" có vỡ vào năm 2026 hay không? Đây đang là một trong những câu hỏi "nóng" nhất khi chúng ta bước sang năm mới.

Hệ quả của việc này sẽ vô cùng lớn đối với Đông Nam Á - nơi các Chính phủ và doanh nghiệp đang đổ tiền mạnh mẽ vào công nghệ, từ phần mềm, nền tảng doanh nghiệp đến robot và cơ sở hạ tầng.

Tại Đông Nam Á, tính đến tháng 6/2025, các startup AI đã huy động được hơn 2,3 tỷ USD. Dòng tiền cũng đang ồ ạt chảy vào các trung tâm dữ liệu và dự án hạ tầng: đơn cử như Malaysia, chỉ trong nửa đầu năm 2025, quốc gia này đã thu hút gần 2,7 tỷ USD đầu tư vào cơ sở hạ tầng.

Tuy nhiên, tại Mỹ, rủi ro còn lớn hơn nhiều. Các cổ phiếu liên quan đến AI chiếm khoảng 44% giá trị của chỉ số S&P 500, tương đương với mức vốn hóa thị trường khoảng 25.500 tỷ USD.

Tech in Asia đã liên hệ với các nhà sáng lập và nhà đầu tư để hỏi về khả năng "vỡ trận" vào năm 2026. Mặc dù đa số đều tỏ ra lo ngại, nhưng ít ai cho rằng hậu quả của đợt suy thoái AI sẽ là thảm họa và không ai tin rằng trí tuệ nhân tạo chỉ là một trào lưu "sớm nở tối tàn".

Những lo ngại chủ yếu xoay quanh vài điểm chính: kỳ vọng vượt xa thực tế, chi phí tăng nhanh hơn doanh thu và sự phụ thuộc ngày càng lớn vào thị trường vốn để duy trì bộ máy.

Dù vậy, phần lớn vẫn thấy có lý do để lạc quan, đặc biệt là ở Đông Nam Á. Nếu "bong bóng" AI toàn cầu thực sự "xì hơi", họ tin rằng khu vực này sẽ chịu ảnh hưởng chậm hơn và ít dữ dội hơn so với Mỹ. Nhờ đó, Đông Nam Á sẽ trỗi dậy với một ngành công nghiệp kỷ luật hơn, tập trung vào hiệu quả thực tế thay vì những lời đồn thổi.

Bong bóng có thật hay không?

Câu hỏi đặt ra là: liệu ngay từ đầu đã có "bong bóng" hay chưa? Điều đó phụ thuộc vào cách bạn định nghĩa "bong bóng" và bạn đang nhìn vào tầng nào của công nghệ AI. Chúng ta có tầng mô hình (model layer) với những hệ thống AI khổng lồ, đa năng cần sức mạnh tính toán cực lớn để huấn luyện và vận hành. Và tầng ứng dụng (application layer) bao gồm các sản phẩm, dịch vụ được xây dựng trên nền tảng các tầng mô hình nói trên.

"Câu hỏi không phải là liệu các mô hình này có giá trị hay không, bởi câu trả lời rõ ràng là có, mà là thị trường vốn có thể tiếp tục gồng gánh cơ cấu chi phí này trong bao nhiêu năm nữa," Karl Chan, nhà sáng lập kiêm CEO của Sourcy, một công ty AI hỗ trợ doanh nghiệp tìm nguồn cung ứng sản phẩm, chia sẻ.

Ở tầng mô hình, Chan thấy áp lực kinh tế rất rõ. Việc huấn luyện và vận hành các mô hình tiên tiến nhất tiêu tốn hàng trăm tỷ USD mỗi năm. Phần lớn chi phí này đang do nhà đầu tư chịu thay vì khách hàng, khiến nhiều công ty tự loại mình khỏi khả năng sinh lời vì định giá cạnh tranh.

Ở tầng ứng dụng, quan điểm của Chan lạc quan hơn nhiều. Ông cho rằng hầu hết các ngành vẫn đang tìm cách dùng AI để tự động hóa quy trình thủ công nhằm tiết kiệm thời gian và tiền bạc. Nếu các ứng dụng làm được điều này, giá trị tạo ra sẽ đủ để bù đắp cho chi phí đầu tư ở thượng nguồn.

Tầng ứng dụng cũng chủ yếu dựa vào việc thuê bao các mô hình tiên tiến hoặc phát triển các phiên bản mã nguồn mở, cả hai đều rẻ hơn đáng kể so với việc tự xây dựng một mô hình từ đầu.

"Tuy nhiên, ở cấp độ ứng dụng, chúng ta vẫn chỉ mới chạm đến bề nổi của các trường hợp sử dụng thực tế," Chan nói thêm.

Sự phân biệt giữa các tầng này cũng được Partha Rao, sáng lập kiêm CEO của Pints.ai (Singapore) đồng tình. Rao lo ngại về việc định giá ảo ở một số mảng thị trường, "đặc biệt là nơi giá cả đang chạy trước doanh thu thực tế và mức độ hoàn thiện của sản phẩm".

Nhưng ông vạch rõ ranh giới giữa sự quá đà về tài chính và tiến bộ công nghệ: một đợt điều chỉnh về định giá sẽ không xóa bỏ đi lợi ích cốt lõi của các hệ thống AI đang được sử dụng. "Đôi khi bong bóng cần phải vỡ để mọi người biết thận trọng hơn," ông nói.

Willson Cuaca, đồng sáng lập và đối tác quản lý tại East Ventures, cũng có góc nhìn tương tự từ phía nhà đầu tư. Ông coi AI là công nghệ nền tảng chứ không phải một ngành công nghiệp riêng lẻ.

Mặc dù tin tưởng vào sự phổ biến lâu dài của công nghệ này, ông vẫn thận trọng với những mức định giá bị thổi phồng. Ông giải thích rằng nguy hiểm nằm ở chỗ kỳ vọng bị đẩy lên quá cao so với khả năng đáp ứng thực tế của công nghệ trong ngắn hạn.

"Chúng tôi đang theo dõi sát sao các lĩnh vực mà sự cường điệu và đà tăng giá trị, một phần do chi phí xây dựng mô hình quá cao, đang vượt quá khả năng cung ứng của công nghệ," Cuaca nói.

Kỳ vọng và thực tế

Hầu hết các lãnh đạo mà Tech in Asia phỏng vấn đều cho rằng khoảng cách giữa "lời đồn" về khả năng của AI và thực tế đang ngày càng nới rộng.

Khoảng cách này thấy rõ nhất ở sự giao thoa giữa AI và robot, theo Albert Causo, CEO của One Hand Robotics. Hai lĩnh vực này thường bị đánh đồng, khiến khách hàng tưởng rằng AI tiến bộ thì robot cũng tự động giỏi hơn.

Hệ quả là đội ngũ của ông thường xuyên phải giải thích rằng nhiều tính năng khách hàng muốn hoặc là chưa thể làm được về mặt kỹ thuật, hoặc chi phí đắt đỏ đến mức phi thực tế.

Sự lệch pha này có nguy cơ làm xói mòn niềm tin vào AI. Mặc dù công nghệ đã cải thiện được một số tác vụ, nhưng sự thất vọng liên tiếp ở nhiều ngành có thể dẫn đến mất niềm tin trên diện rộng.

Amit Verma, Giám đốc công nghệ - nhà sáng lập tại Neuron7, cũng thấy tình trạng tương tự trong phần mềm doanh nghiệp. Ông nhận thấy nhiều tổ chức mua công cụ AI chỉ vì áp lực "phải bắt kịp xu hướng" chứ chưa hiểu rõ nó sinh lời ra sao.

Ông nói thêm rằng việc dễ dàng tạo ra các bản thử nghiệm (prototype) bằng các mô hình ngôn ngữ lớn có thể gây hiểu lầm. Bởi sự thật là để biến các bản thử nghiệm đó thành sản phẩm ổn định và mở rộng được, đòi hỏi nỗ lực kỹ thuật lớn, điều mà nhiều đội ngũ đang xem nhẹ.

"Bằng cách nào đó, bài toán hiệu quả kinh tế đã bị gạt sang một bên," Verma nói. "Dù có AI hay không, nếu không ra tiền thì tất cả chỉ là diễn trò."

CEO Keechin Goh của Datature cũng cho rằng việc sản phẩm không như kỳ vọng là rủi ro chính. Nhiều công cụ AI không làm được như quảng cáo khi đưa vào môi trường thực tế.

Với chi phí tính toán, đám mây và nhân sự cao ngất ngưởng, một công ty có thể "đốt" tiền rất nhanh nếu khách hàng dùng thử không chịu ký hợp đồng dài hạn.

Tháng 7/2025, Dự án NANDA của MIT báo cáo tỷ lệ thất bại tới 95% trong các dự án AI doanh nghiệp, dù dòng vốn đầu tư vào AI tạo sinh năm nay ước tính lên tới 30 - 40 tỷ USD.

Sự điều chỉnh sẽ bắt đầu như thế nào?

Dù ý kiến về thời điểm có khác nhau, nhưng đa số người được hỏi đều đồng tình rằng sự điều chỉnh sẽ diễn ra âm thầm thay vì một cú sụp đổ chấn động.

Verma (Neuron7) dự đoán các dấu hiệu sớm sẽ xuất hiện vào nửa cuối năm 2026, khi các tổ chức bắt đầu thắt chặt ngân sách và đòi hỏi lợi nhuận rõ ràng hơn từ khoản đầu tư AI.

Phần cứng và hạ tầng là điểm chịu áp lực tiềm tàng. Nhu cầu chip cao cấp hiện nay dựa trên giả định rằng việc đào tạo AI sẽ tăng tốc mãi mãi. Nếu các công ty nhận ra họ có thể đạt kết quả tốt với ít tài nguyên hơn, đơn hàng cho phần cứng đắt đỏ có thể giảm mạnh.

Goh (Datature) cũng không cho rằng "bong bóng" sẽ vỡ cái "bụp". Thay vào đó, ông thấy "nhiều vết nứt sẽ lộ diện dần theo thời gian, tạo ra một vòng xoáy tiêu cực".

Causo và Rao đều ví von những gì sắp tới giống như "quả bóng xì hơi từ từ hơn là nổ tung". Khách hàng sẽ dần điều chỉnh kỳ vọng, thu nhỏ các dự án viển vông, nhưng vẫn tiếp tục dùng AI ở những nơi thực sự hữu ích. "AI (và robot) đã làm tốt một số việc, chỉ là không phải làm được tất cả," Causo nói.

Vị thế của Đông Nam Á

Về tác động khu vực, gần như tất cả mọi người đều tin rằng Đông Nam Á sẽ ít bị ảnh hưởng bởi cú sốc AI hơn so với Mỹ.

Chan tại Sourcy lập luận rằng các startup trong khu vực đã quen cảnh "liệu cơm gắp mắm". Chi phí cao và vốn ít đã buộc họ phải dùng mã nguồn mở, tự dựng hạ tầng và thiết kế tối ưu hóa hiệu quả.

Một đợt suy thoái toàn cầu, theo ông, sẽ chỉ đẩy nhanh những xu hướng vốn đang diễn ra này.

Cuaca tại East Ventures cũng đồng ý và chỉ ra rằng việc áp dụng AI ở Đông Nam Á mang tính thực dụng hơn là đầu cơ. Ông cho rằng bất kỳ đợt suy thoái nào cũng sẽ dẫn đến cuộc "sàng lọc chất lượng", nơi dòng tiền tìm đến các công ty quản trị tốt và có doanh thu thực.

Tuy nhiên, khu vực này vẫn đối mặt rủi ro. Goh cảnh báo các startup chưa có doanh thu hoặc cố sao chép mô hình của Mỹ mà không điều chỉnh cho phù hợp với địa phương sẽ rất dễ bị tổn thương.

Nhu cầu trong các ngành phụ trợ như gán nhãn dữ liệu (data labeling), vốn tập trung nhiều ở Đông Nam Á, cũng có thể giảm mạnh nếu chi tiêu cho AI chững lại. Causo lưu ý rằng các lĩnh vực như thuê ngoài quy trình kinh doanh (BPO) và robot có thể bị trì hoãn ngắn hạn khi các công ty rà soát lại chi tiêu. Nhưng ông tin sự thận trọng của khu vực sẽ là tấm khiên giúp hạn chế sự quá đà và giữ vững niềm tin.

Vậy chuyện gì xảy ra sau khi "bong bóng" vỡ? Theo Verma, ngay cả khi định giá giảm, thì nhân tài, trung tâm dữ liệu, nền tảng hạ tầng và kiến thức tích lũy vẫn còn đó. Như các chu kỳ công nghệ trước đây, nền tảng này sẽ hỗ trợ giai đoạn tăng trưởng lành mạnh hơn khi kỳ vọng đã sát với thực tế, giống như những gì xảy ra sau bong bóng dot-com.

Verma dự đoán sẽ có sự hợp nhất, khi các công ty mạnh hơn thâu tóm các bên yếu thế với giá rẻ. "Một sự điều chỉnh sẽ không giết chết AI - nó sẽ làm cho AI khỏe mạnh hơn," ông kết luận.