Market Cycle · AI Infrastructure · Robotics

Chu kỳ thị trường mới: từ “bits” sang “atoms”

Công nghệ vẫn là trung tâm của chu kỳ tăng trưởng mới, nhưng thị trường không còn chỉ trả premium cho software nhẹ vốn. Dòng tiền đang đi sâu hơn vào chip, data center, điện, construction, robotics và những mô hình AI chạm tới thế giới vật lý.

Nguồn gốc: a16z News, “Charts of the Week: Cycles, different but the same”, Moses Sternstein, 26/06/2026

Chu kỳ thị trường hiện tại có một điểm quen và một điểm lạ. Điểm quen là technology vẫn thắng lớn như giai đoạn hậu khủng hoảng tài chính toàn cầu 2010-2020. Điểm lạ là thị trường đang trả premium cho một lớp tài sản vật lý hơn nhiều so với thập kỷ software trước.

Những nhóm từng hấp dẫn như healthcare, consumer products, media hoặc software/consumer thuần asset-light không còn là câu chuyện duy nhất. Energy, raw materials, construction, financials, hardware và robotics nổi lên như các nhóm được định giá lại. Thị trường không bỏ công nghệ; thị trường đang hỏi công nghệ cần những tài sản vật lý nào để chạy ở quy mô lớn.

Thesis chính: chu kỳ 2020-nay vừa giống vừa ngược chu kỳ 2010-2020. Technology vẫn thắng, nhưng trọng tâm dịch từ software capital-light sang hạ tầng vật chất của AI: chip, điện, data center, networking, cooling, construction và robotics. Đây là cú xoay từ “bits” sang “atoms”.

Chu kỳ mới: giống ở công nghệ, khác ở phần còn lại

Chart đầu tiên đặt hai giai đoạn lên cùng một mặt phẳng: trục ngang là hiệu suất annualized 2010-2020, trục dọc là hiệu suất từ 2020 đến nay. Những điểm cao trên trục dọc nhưng thấp trên trục ngang là các nhóm “ngược dòng”: energy, basic resources, construction & materials và financials.

Điểm cần đọc từ chart này: những ngành từng không nổi bật trong 2010-2020 lại đứng cao sau 2020. Healthcare, media và consumer products & services đi theo hướng ngược lại. Technology là ngoại lệ vì mạnh ở cả hai giai đoạn, nhưng hardware đang nổi bật hơn software.

Điều này làm thay đổi cách đọc một “tech rally”. Nhu cầu AI không chỉ kéo valuation của model và ứng dụng, mà còn kéo lớp hạ tầng vật lý phía sau. AI cần chip; data center cần đất, grid access, cooling, fiber, construction và năng lực vận hành. Đó là thế giới asset-heavy.

Điểm cần đọc từ chart này: asset-light dẫn trước trong phần lớn thập kỷ sau GFC, nhưng asset-heavy đảo chiều mạnh sau 2020. Đây không phải tín hiệu thị trường “chán công nghệ”; đây là tín hiệu thị trường đang trả tiền cho lớp vật lý giúp công nghệ mở rộng.

Robotics và hardware: không chỉ là hạ tầng phụ trợ cho software

Sự dịch chuyển từ bits sang atoms hiện rõ hơn trong private market. Năm 2016, robotics hoặc physical AI chưa phải category lớn trong top 100 công ty tư nhân Mỹ. Đến 2026, physical AI & robotics đã vượt fintech/payments để trở thành nhóm lớn thứ hai sau AI and software.

Điểm cần đọc từ chart này: nhà đầu tư tư nhân không còn chỉ định giá app layer hoặc fintech. Họ đang định giá robot, hệ thống tự động hóa, hardware compute và physical AI. Nếu AI làm giảm độ khó scale của atoms, thị trường có thể mở ra một lớp doanh nghiệp mới.

Chart tiếp theo cho thấy sự thay đổi nằm cả ở dòng vốn mới. Q1 2026 là quý kỷ lục của robotics và physical AI, với khoảng 16 tỷ USD đầu tư qua gần 500 thương vụ. Hardware không chỉ là “đường ống” để software chạy tốt hơn; nó đang trở thành sản phẩm và thị trường riêng.

Điểm cần đọc từ chart này: dòng vốn robotics tăng từ nhịp ổn định sang mức kỷ lục trong Q1 2026. Defense hiện là frontier nổi bật, nhưng nếu physical AI mở rộng sang manufacturing, logistics và dịch vụ công nghiệp, chu kỳ asset-heavy có thể kéo dài hơn các chu kỳ tech thuần software.

AI là lý do robotics đáng được nhìn lại: khi model đa phương thức, perception, planning và control tốt hơn, robot có thể mở rộng phạm vi nhiệm vụ trong real economy.

AI-enabled hay thật sự AI-native?

Đầu làn sóng LLM, các công ty tư vấn và triển khai AI được xem là người hưởng lợi rõ ràng. Logic khi đó khá thuyết phục: doanh nghiệp muốn dùng AI, họ cần strategy, roadmap và implementation. Accenture là đại diện tự nhiên cho thesis này, nhưng chart định giá cho thấy thị trường đã bớt hào hứng rất nhanh.

Điểm cần đọc từ chart này: free cash flow multiple của Accenture từng lên khoảng 30x đầu 2025 rồi rơi về gần 6x. Đây không phải bằng chứng AI adoption thất bại, mà là lời nhắc rằng “có triển khai AI” chưa đồng nghĩa “tạo ROI”.

Khác biệt giữa AI-enabled và AI-native nằm ở cấu trúc vận hành. AI-enabled thêm công cụ vào một bước có sẵn; AI-native hỏi lại từ đầu outcome là gì, dữ liệu nào tạo tín hiệu và vòng phản hồi nào nên ngắn lại.

Figure from research on AI-native production mapping. Source: Mapping AI into Production, Kim, Kim, Koning, via a16z News.

Điểm cần đọc từ chart này: trước AI, product development đi qua chuỗi tuần tự: feedback, backlog, spec, design, engineering, QA, A/B test và deploy. Sau khi thiết kế lại quanh AI, quy trình chuyển sang usage pattern, AI evals, variants, A/B test & evaluate rồi deploy. AI không chỉ thay một mắt xích; nó đổi cấu trúc workflow.

Nghiên cứu trên 515 high-growth startups cho thấy bottleneck lớn nằm ở discovery phase. Khi được cung cấp thông tin về cách công ty khác tổ chức lại sản xuất quanh AI, nhóm treatment phát hiện khoảng 44% nhiều use case hơn nhóm control. Lợi thế không chỉ nằm ở model tốt hơn, mà ở khả năng map AI vào vận hành.

Điểm cần đọc từ chart này: treatment firms phát hiện nhiều use case hơn vì họ có bản đồ vận hành tốt hơn. AI tạo giá trị khi được nối với outcome cụ thể, dữ liệu phù hợp và vòng phản hồi đo được. Vì vậy “AI workflow design” thường quan trọng hơn “AI strategy” chung chung.

Tác động không dừng ở số lượng use case. Ở phần đuôi phân phối, treatment firms có doanh thu cao hơn: khoảng gấp đôi ở top vigintile và cao hơn khoảng 50% ở top decile. Nhu cầu vốn cũng thấp hơn khoảng 40% ở một số vùng phân phối.

Điểm cần đọc từ chart này: hiệu ứng doanh thu rõ nhất ở phần đuôi trên của phân phối. Phần lớn startup không tạo khác biệt lớn, nhưng những công ty map AI đúng vào workflow có thể mở rộng nhanh hơn. Đây là nơi câu hỏi ROI của AI nên được đặt lại.

Điểm cần đọc từ chart này: nhóm treatment tạo doanh thu tốt hơn ở phần đuôi và tiêu thụ ít vốn hơn. Cách đọc đúng không phải “AI luôn hiệu quả”, mà là “AI hiệu quả khi được map đúng vào outcome và workflow”. Điều này giống điện khí hóa: productivity chỉ bùng lên khi nhà máy được thiết kế lại quanh motor điện nhỏ ở từng máy.

AI startups vận hành nhỏ hơn, ít tầng hơn

Nếu AI thật sự làm thay đổi workflow, ta nên thấy dấu vết trong cấu trúc tổ chức. Nghiên cứu trên các batch YC từ W20 đến F24, kết hợp dữ liệu việc làm Revelio, cho thấy AI startups bắt đầu nhỏ hơn và duy trì quy mô nhân sự thấp hơn non-AI startups.

Điểm cần đọc từ chart này: AI-native startups có vẻ đang vận hành với cấu trúc nhân sự gọn hơn. Điều này không đảm bảo mọi startup AI đều tốt hơn, nhưng ủng hộ thesis “do more with less”. Cần kiểm chứng thêm chất lượng doanh thu, độ bền lợi thế và khả năng scale.

Hai chart kế tiếp bổ sung góc nhìn tổ chức: AI startups xuất hiện nhiều hơn trong nhóm rất nhỏ hoặc solo, đồng thời có xu hướng ít tầng quản lý hơn.

Điểm cần đọc từ chart này: AI-native xuất hiện dày hơn trong nhóm startup rất nhỏ. Với AI, một số công ty có thể trì hoãn nhu cầu tuyển dụng mà vẫn giữ tốc độ thử nghiệm. Đây là dấu hiệu sớm của leverage cao hơn ở team nhỏ.

Điểm cần đọc từ chart này: ít tầng quản lý hơn không tự động đồng nghĩa công ty tốt hơn, nhưng cho thấy AI có thể giảm chi phí phối hợp ban đầu. Rủi ro là khi scale, governance, security, enterprise sales và compliance vẫn có thể kéo hierarchy quay lại.

Dữ liệu từ Stripe Economics mở rộng luận điểm ra ngoài nhóm YC. Từ 2023 trở đi, số solopreneurs vượt các ngưỡng thu nhập cao tăng mạnh. Số người vượt 1 triệu USD năm 2025 cao hơn hơn 2 lần so với 2023; nhóm vượt 5 triệu và 10 triệu USD gần gấp 3 lần.

Điểm cần đọc từ chart này: solopreneur không còn chỉ là doanh nghiệp nhỏ theo nghĩa truyền thống. Một số cá nhân hoặc team siêu nhỏ đang chạm ngưỡng doanh thu từng cần tổ chức lớn hơn. AI không phải lời giải duy nhất, nhưng là ứng viên lớn để giải thích leverage mới này.

Công nghệ làm grocery “productive” hơn, nhưng cũng kém “productive” hơn

Phần cuối là lời nhắc quan trọng: tác động productivity của công nghệ không đồng đều giữa các ngành. Retail productivity tăng mạnh từ thập niên 1990, trong khi grocery tăng chậm hơn nhiều, có giai đoạn giảm, hồi phục, đi ngang rồi gần đây yếu lại. Nếu chỉ nhìn output/labor-hours, câu chuyện dễ bị đơn giản hóa.

Điểm cần đọc từ chart này: retail productivity tăng nhanh hơn grocery, nhưng output/labor-hours không luôn nắm bắt trọn trải nghiệm khách hàng. Scanner, inventory management và dữ liệu bán hàng giúp cả hai ngành tốt hơn, nhưng grocery dùng nhiều lao động hơn cho deli, bakery, prepared food và pickup/delivery. Công nghệ đi vào workflow khác nhau thì productivity cũng phản ứng khác nhau.

Scanner điện tử giúp retail và grocery quản lý inventory, mở rộng danh mục và hiểu nhu cầu khách hàng. Retail mở rộng bằng hàng đóng gói, dễ stock và monitor. Grocery thì thêm bakery, deli, florist, prepared food và các dịch vụ cần lao động chuyên biệt.

Điểm cần đọc từ chart này: sau 2000, grocery tăng mạnh các dòng ngoài “food-at-home” như prepared meals, snacks, non-alcoholic beverages, automotive fuels và general merchandise. Đây là cách grocery học từ broader retail để tăng throughput và biên lợi nhuận. Nhưng nhiều dịch vụ mới cần thêm lao động, nên trải nghiệm tốt hơn không luôn biến thành productivity cao hơn.

Labor share cũng kể một câu chuyện tương tự. Khi doanh nghiệp tạo thêm output với ít lao động hơn, labor share thường giảm. Retail online có thể bán nhiều hơn với ít mặt bằng và ít nhân sự cửa hàng. Grocery delivery hoặc pickup lại có thể cần thêm người nhặt hàng, đóng gói, xử lý đơn và giao hàng.

Điểm cần đọc từ chart này: grocery workers giữ hoặc lấy lại tỷ trọng thu nhập cao hơn retail trong nhiều giai đoạn vì mô hình dịch vụ cần nhiều người hơn. Công nghệ không tự động làm mọi ngành “lean” giống nhau. Tác động phụ thuộc vào workflow và việc công nghệ thay lao động hay tạo thêm nhu cầu lao động mới.

Kết luận: AI không chỉ là phần mềm, mà là một chu kỳ hạ tầng

Có ba thông điệp lớn từ toàn bộ cụm chart. Thứ nhất, chu kỳ hiện tại xoay từ asset-light/software/consumer sang asset-heavy/hardware/infrastructure/real economy. Technology vẫn là trung tâm, nhưng lớp vật chất giúp AI chạy ở quy mô lớn đang được định giá lại mạnh.

Thứ hai, AI tạo ROI lớn khi doanh nghiệp thiết kế lại workflow quanh AI, không chỉ gắn AI vào quy trình cũ. Câu hỏi đúng là: AI đã được map đúng vào outcome, dữ liệu, vòng phản hồi và cấu trúc vận hành chưa?

Thứ ba, AI có thể làm doanh nghiệp lean hơn, nhưng tác động productivity trong nền kinh tế thực sẽ không đồng đều. Một số startup tạo doanh thu cao với ít người hơn; một số ngành như grocery dùng công nghệ để mở rộng dịch vụ, khiến labor-hours không giảm tương ứng.

Nếu chu kỳ trước là câu chuyện phần mềm chạy trên cloud và smartphone, chu kỳ này có thể là câu chuyện AI chạy qua chip, data center, energy, robotics và các hệ thống vật lý ngoài đời thực.