Summary & Insights
Are big tech giants actually investing in the future, or are they just trapped in a high-stakes game of “musical chairs” with AI infrastructure? Professor Aswath Damodaran argues that we are witnessing a fundamental shift in the business models of companies like Microsoft, Meta, and Alphabet. Once lean, high-margin software entities, these firms have essentially transformed into capital-intensive manufacturing companies, spending tens of billions on data centers and chips without a clearly articulated plan for how those investments will generate a return.
The conversation reveals a worrying circular economy within the AI sector. Big tech firms invest heavily in “frontier labs” like OpenAI and Anthropic, which then use that capital to buy compute power back from the very same big tech firms. This “intra-company” revenue creates a facade of growth that masks a lack of genuine end-user demand. While revenue numbers may look impressive, Damodaran points out that much of this is merely shifting money from one pocket to another, leaving investors to wonder if there is a sustainable product at the end of the pipeline.
Apple stands as the lone outlier in this “CapEx war,” opting for a cautious strategy of waiting for the dust to settle before committing massive capital. This contrast highlights a broader tension between the fear of being left behind and the risk of overinvesting in the wrong architecture. As the market begins to show cracks—evidenced by a pivot toward leasing out compute and the rise of low-cost Chinese LLMs—the possibility of a correction looms. Whether this will be a sudden crash reminiscent of 2000 or a staggered series of write-offs remains the central question for the next era of tech valuation.
Surprising Insights
- The “Manufacturing” Shift: Big tech companies have evolved from asset-light software firms into capital-intensive “factories,” meaning they must now be judged by traditional industrial metrics like Return on Invested Capital (ROIC) rather than just growth.
- Artificial Earnings: A massive portion of recent net income for companies like Amazon and Google has been driven by unrealized paper gains from their stakes in AI startups, rather than actual operating profit.
- The Circular Revenue Loop: A significant percentage of AI revenue for the hyperscalers is derived from the very startups they funded, creating a closed-loop system that doesn’t necessarily prove market demand.
- The Architecture Trap: There is a real risk that companies are building “railroads” for the wrong kind of AI, potentially creating massive infrastructure that is too expensive or ill-suited for the eventual low-margin, mass-market reality of AI services.
Practical Takeaways
- Look Beyond Net Income: When evaluating big tech, ignore the “bottom line” net income, which is often skewed by one-time gains or cross-holdings. Instead, focus on operating margins and free cash flow.
- Demand “End-User” Metrics: Be skeptical of “AI ARR” or vague growth numbers. Look for evidence of revenue coming from external end-users (businesses or individuals) rather than internal architecture partners.
- Separate AI from Core Business: Mentally (or mathematically) strip out AI investments to see if the core business is still healthy. A company that can survive a total AI write-off is a much safer bet.
- Question the Narrative: When a company spends tens of billions without explaining the specific business model (e.g., high-margin niche vs. low-margin scale), treat the investment as a venture bet rather than a guaranteed strategic win.
Liệu các gã khổng lồ công nghệ thực sự đang đầu tư cho tương lai, hay họ chỉ đang bị cuốn vào một trò chơi “ghế âm nhạc” đầy rủi ro với hạ tầng AI? Giáo sư Aswath Damodaran lập luận rằng chúng ta đang chứng kiến một sự chuyển dịch cơ bản trong mô hình kinh doanh của các công ty như Microsoft, Meta và Alphabet. Từ những thực thể phần mềm tinh gọn với biên lợi nhuận cao, các công ty này về cơ bản đã biến thành những doanh nghiệp sản xuất thâm dụng vốn, chi hàng chục tỷ đô la cho các trung tâm dữ liệu và chip mà không có một kế hoạch cụ thể về việc những khoản đầu tư đó sẽ tạo ra lợi nhuận như thế nào.
Cuộc thảo luận này hé lộ một nền kinh tế tuần hoàn đáng lo ngại trong lĩnh vực AI. Các công ty công nghệ lớn đầu tư mạnh mẽ vào các “phòng thí nghiệm tiên phong” như OpenAI và Anthropic, sau đó các đơn vị này lại dùng chính số vốn đó để mua lại năng lực tính toán từ chính những gã khổng lồ công nghệ kia. Doanh thu “nội bộ” này tạo ra một vẻ ngoài tăng trưởng giả tạo, che đậy sự thiếu hụt nhu cầu thực sự từ người dùng cuối. Mặc dù các con số doanh thu trông có vẻ ấn tượng, Damodaran chỉ ra rằng phần lớn trong số đó chỉ đơn thuần là việc chuyển tiền từ túi này sang túi khác, khiến các nhà đầu tư phải tự hỏi liệu có một sản phẩm bền vững nào ở cuối quy trình hay không.
Apple là trường hợp ngoại lệ duy nhất trong “cuộc chiến chi phí vốn” (CapEx war) này, khi chọn chiến lược thận trọng là chờ cho mọi thứ lắng xuống trước khi cam kết đổ vốn khổng lồ. Sự tương phản này làm nổi bật sự căng thẳng rộng lớn hơn giữa nỗi sợ bị bỏ lại phía sau và rủi ro đầu tư quá mức vào một kiến trúc sai lầm. Khi thị trường bắt đầu xuất hiện những vết nứt—minh chứng bằng việc chuyển hướng sang cho thuê năng lực tính toán và sự trỗi dậy của các mô hình ngôn ngữ lớn (LLM) giá rẻ từ Trung Quốc—khả năng xảy ra một đợt điều chỉnh đang cận kề. Liệu đây sẽ là một cú sập bất ngờ gợi nhớ năm 2000 hay là một chuỗi các đợt xóa sổ tài sản dần dần, vẫn là câu hỏi trọng tâm cho kỷ nguyên định giá công nghệ tiếp theo.
Những góc nhìn bất ngờ
- Sự chuyển dịch sang “Sản xuất”: Các công ty công nghệ lớn đã tiến hóa từ các công ty phần mềm ít tài sản thành những “nhà máy” thâm dụng vốn, điều này có nghĩa là giờ đây họ phải được đánh giá bằng các chỉ số công nghiệp truyền thống như Tỷ suất hoàn vốn trên vốn đầu tư (ROIC) thay vì chỉ nhìn vào tăng trưởng.
- Lợi nhuận ảo: Một phần lớn thu nhập ròng gần đây của các công ty như Amazon và Google được thúc đẩy bởi các khoản lãi trên giấy tờ chưa thực hiện từ cổ phần trong các startup AI, thay vì lợi nhuận hoạt động thực tế.
- Vòng lặp doanh thu tuần hoàn: Một tỷ lệ đáng kể doanh thu AI của các nhà cung cấp dịch vụ đám mây quy mô lớn (hyperscalers) đến từ chính những startup mà họ tài trợ, tạo ra một hệ thống khép kín không nhất thiết chứng minh được nhu cầu thị trường.
- Bẫy kiến trúc: Có một rủi ro thực sự là các công ty đang xây dựng “đường ray” cho một loại AI sai lệch, tiềm ẩn nguy cơ tạo ra một cơ sở hạ tầng khổng lồ quá đắt đỏ hoặc không phù hợp với thực tế dịch vụ AI biên lợi nhuận thấp và phục vụ đại chúng trong tương lai.
Bài học thực tiễn
- Nhìn xa hơn thu nhập ròng: Khi đánh giá các công ty công nghệ lớn, hãy bỏ qua con số thu nhập ròng cuối cùng vì nó thường bị sai lệch bởi các khoản lãi một lần hoặc sở hữu chéo. Thay vào đó, hãy tập trung vào biên lợi nhuận hoạt động và dòng tiền tự do.
- Yêu cầu các chỉ số “người dùng cuối”: Hãy hoài nghi về “ARR AI” (doanh thu định kỳ hàng năm từ AI) hoặc các con số tăng trưởng mơ hồ. Hãy tìm kiếm bằng chứng về doanh thu đến từ người dùng cuối bên ngoài (doanh nghiệp hoặc cá nhân) thay vì từ các đối tác hạ tầng nội bộ.
- Tách biệt AI khỏi kinh doanh cốt lõi: Hãy thử loại bỏ (về mặt tư duy hoặc toán học) các khoản đầu tư AI để xem liệu mảng kinh doanh cốt lõi có còn khỏe mạnh hay không. Một công ty có thể sống sót ngay cả khi toàn bộ khoản đầu tư AI bị xóa sổ sẽ là một lựa chọn an toàn hơn nhiều.
- Đặt câu hỏi về câu chuyện truyền thông: Khi một công ty chi hàng chục tỷ đô la mà không giải thích rõ mô hình kinh doanh cụ thể (ví dụ: ngách biên lợi nhuận cao hay quy mô biên lợi nhuận thấp), hãy coi khoản đầu tư đó là một ván cược mạo hiểm hơn là một chiến thắng chiến lược đảm bảo.
科技巨頭們究竟是在投資未來，還是僅僅陷入了一場關於 AI 基礎設施的高風險「搶椅子」遊戲？Aswath Damodaran 教授認為，我們正見證著微軟（Microsoft）、Meta 和 Alphabet 等公司商業模式的根本性轉變。這些公司曾是精簡且高利潤的軟體實體，如今本質上已轉型為資本密集型的製造業公司，投入數以百億計的資金建設數據中心和採購晶片，卻沒有一個明確的計劃來說明這些投資將如何產生回報。
這次討論揭露了 AI 產業內一個令人擔憂的「循環經濟」。科技巨頭向 OpenAI 和 Anthropic 等「前沿實驗室」投入巨資，而這些實驗室隨後又將這些資金用於向同一批科技巨頭購買算力。這種「公司內部」的營收創造了一種增長的假象，掩蓋了真正終端用戶需求的匱乏。儘管營收數字看起來令人驚艷，但 Damodaran 指出，其中大部分僅僅是將資金從一個口袋移到另一個口袋，這讓投資者不禁質疑，這條管道的末端是否真的有一個可持續的產品。
蘋果（Apple）在這場「資本支出（CapEx）戰爭」中是一個特例，它選擇採取謹慎策略，在投入巨額資本前等待局勢明朗。這種對比凸顯了一種更深層的緊張關係：一方面是擔心被時代拋棄的恐懼，另一方面則是對投資錯誤架構之風險的擔憂。隨著市場開始出現裂痕——例如轉向出租算力以及低成本中國大語言模型（LLM）的興起——市場修正的可能性已然浮現。這將會是一場如同 2000 年那樣的突然崩潰，還是系列漸進式的資產減記，將是下一階段科技估值的核心問題。
驚人洞察
- 「製造業」轉型： 科技巨頭已從輕資產的軟體公司演變為資本密集型的「工廠」，這意味著現在必須使用傳統的工業指標（如投入資本回報率 ROIC）而非僅僅看增長來衡量其價值。
- 人造盈餘： 亞馬遜（Amazon）和 Google 等公司近期淨利的很大一部分，是由其持有的 AI 初創公司股份所產生的未實現帳面收益，而非實際的經營利潤。
- 循環營收迴路： 超大規模雲端業者（Hyperscalers）的 AI 營收中，有顯著比例來自於他們資助的初創公司，形成了一個不一定能證明市場需求的閉環系統。
- 架構陷阱： 公司面臨著為錯誤類型的 AI 建設「鐵路」的真實風險，可能會打造出極其昂貴，或與未來 AI 服務低利潤、大眾市場之現實不相符的大規模基礎設施。
實務啟示
- 穿透淨利看本質： 在評估科技巨頭時，請忽略經常被一次性收益或交叉持股所扭曲的「底線」淨利，而應專注於營業利潤率和自由現金流。
- 要求「終端用戶」指標： 對於「AI 年度經常性營收（ARR）」或模糊的增長數字保持懷疑。尋找營收來自外部終端用戶（企業或個人），而非內部架構合作夥伴的證據。
- 將 AI 與核心業務分離： 在心理上（或數學上）將 AI 投資剔除，以觀察核心業務是否依然健康。一家能夠在 AI 投資全部減記後依然生存的公司，才是更安全的選擇。
- 質疑敘事邏輯： 當一家公司投入數百億資金卻無法解釋具體的商業模式（例如：高利潤利基市場 vs 低利潤規模化）時，請將該投資視為風險投資博弈，而非保證獲勝的戰略舉措。
Les géants de la tech investissent-ils réellement dans l’avenir, ou sont-ils simplement pris au piège d’une partie de « chaises musicales » à enjeux élevés avec les infrastructures d’IA ? Le professeur Aswath Damodaran soutient que nous assistons à un changement fondamental dans les modèles économiques de sociétés comme Microsoft, Meta et Alphabet. Autrefois des entités logicielles légères et à fortes marges, ces entreprises se sont essentiellement transformées en sociétés de fabrication à forte intensité de capital, dépensant des dizaines de milliards dans des centres de données et des puces sans plan clairement articulé sur la manière dont ces investissements généreront un rendement.
La discussion révèle une économie circulaire inquiétante au sein du secteur de l’IA. Les grandes entreprises technologiques investissent massivement dans des « laboratoires de pointe » comme OpenAI et Anthropic, qui utilisent ensuite ce capital pour racheter de la puissance de calcul auprès de ces mêmes géants de la tech. Ce revenu « intra-entreprise » crée une façade de croissance qui masque un manque de demande réelle de la part des utilisateurs finaux. Bien que les chiffres d’affaires puissent paraître impressionnants, Damodaran souligne qu’une grande partie de cela consiste simplement à déplacer l’argent d’une poche à l’autre, laissant les investisseurs se demander s’il existe un produit viable au bout de la chaîne.
Apple fait figure d’exception dans cette « guerre du CapEx » (dépenses d’investissement), optant pour une stratégie prudente consistant à attendre que la poussière retombe avant d’engager des capitaux massifs. Ce contraste met en lumière une tension plus large entre la peur d’être distancé et le risque de surinvestir dans la mauvaise architecture. Alors que le marché commence à montrer des fissures — comme en témoignent le pivot vers la location de puissance de calcul et l’émergence de LLM chinois à bas coût — la possibilité d’une correction plane. La question centrale pour la prochaine ère de la valorisation technologique reste de savoir s’il s’agira d’un krach soudain rappelant l’an 2000 ou d’une série d’amortissements échelonnés.
Perspectives surprenantes
- Le virage vers la « fabrication » : Les grandes entreprises technologiques sont passées du statut de sociétés de logiciels à actifs légers à celui de « fabriques » gourmandes en capital ; elles doivent donc désormais être jugées selon des mesures industrielles traditionnelles, comme le retour sur capital investi (ROIC), et non plus seulement sur la croissance.
- Des bénéfices artificiels : Une part massive des revenus nets récents de sociétés comme Amazon et Google a été portée par des gains latents sur papier issus de leurs participations dans des startups d’IA, plutôt que par des bénéfices d’exploitation réels.
- La boucle de revenus circulaires : Un pourcentage significatif des revenus liés à l’IA pour les hyperscalers provient des startups mêmes qu’ils ont financées, créant un système en circuit fermé qui ne prouve pas nécessairement la demande du marché.
- Le piège de l’architecture : Il existe un risque réel que les entreprises construisent des « voies ferrées » pour le mauvais type d’IA, créant potentiellement une infrastructure massive trop coûteuse ou inadaptée à la réalité finale des services d’IA, qui seront probablement de masse et à faibles marges.
Conseils pratiques
- Regarder au-delà du résultat net : Lors de l’évaluation des géants de la tech, ignorez le résultat net final, souvent faussé par des gains ponctuels ou des participations croisées. Concentrez-vous plutôt sur les marges opérationnelles et le flux de trésorerie disponible (free cash flow).
- Exiger des indicateurs d’utilisateurs finaux : Soyez sceptique face à l’« ARR de l’IA » ou aux chiffres de croissance vagues. Recherchez des preuves de revenus provenant d’utilisateurs finaux externes (entreprises ou particuliers) plutôt que de partenaires d’architecture internes.
- Isoler l’IA du cœur de métier : Retirez mentalement (ou mathématiquement) les investissements en IA pour voir si l’activité principale est toujours saine. Une entreprise capable de survivre à une dépréciation totale de ses actifs IA est un pari bien plus sûr.
- Questionner le récit : Lorsqu’une entreprise dépense des dizaines de milliards sans expliquer le modèle économique spécifique (ex: niche à haute marge vs échelle à faible marge), considérez l’investissement comme un pari risqué (venture bet) plutôt que comme une victoire stratégique garantie.
Investieren die großen Tech-Giganten tatsächlich in die Zukunft, oder sind sie lediglich in einem riskanten Spiel „musikalischer Stühle“ um die KI-Infrastruktur gefangen? Professor Aswath Damodaran argumentiert, dass wir einen fundamentalen Wandel in den Geschäftsmodellen von Unternehmen wie Microsoft, Meta und Alphabet erleben. Einst schlanke Softwareunternehmen mit hohen Margen, haben sich diese Firmen im Grunde in kapitalintensive Produktionsunternehmen verwandelt, die Zehnmilliardenbeträge in Rechenzentren und Chips investieren, ohne einen klar artikulierten Plan zu haben, wie diese Investitionen eine Rendite erwirtschaften sollen.
Das Gespräch deckt eine besorgniserregende Kreislaufwirtschaft innerhalb des KI-Sektors auf. Große Tech-Firmen investieren massiv in „Frontier Labs“ wie OpenAI und Anthropic, welche dieses Kapital dann nutzen, um Rechenleistung von genau denselben Tech-Giganten zurückzukaufen. Diese „unternehmensinternen“ Umsätze schaffen eine Fassade des Wachstums, die einen Mangel an echter Endnutzer-Nachfrage kaschiert. Während die Umsatzzahlen beeindruckend aussehen mögen, weist Damodaran darauf hin, dass es sich hierbei größtenteils nur um das Verschieben von Geld von einer Tasche in die andere handelt, was Investoren fragen lässt, ob am Ende der Pipeline überhaupt ein nachhaltiges Produkt steht.
Apple stellt in diesem „CapEx-Krieg“ die einzige Ausnahme dar und setzt auf eine vorsichtige Strategie: Man wartet ab, bis sich der Staub gelegt hat, bevor man massives Kapital bindet. Dieser Kontrast verdeutlicht ein tiefer liegendes Spannungsfeld zwischen der Angst, abgehängt zu werden, und dem Risiko, in die falsche Architektur zu investieren. Da der Markt erste Risse zeigt – belegt durch einen Trend hin zur Vermietung von Rechenleistung und den Aufstieg kostengünstiger chinesischer LLMs –, rückt die Möglichkeit einer Korrektur näher. Ob dies ein plötzlicher Absturz ähnlich dem Jahr 2000 sein wird oder eine gestaffelte Serie von Abschreibungen, bleibt die zentrale Frage für die nächste Ära der Tech-Bewertung.
Überraschende Erkenntnisse
- Der Wandel zur „Produktion“: Big-Tech-Unternehmen haben sich von asset-leichten Softwarefirmen zu kapitalintensiven „Fabriken“ entwickelt. Das bedeutet, dass sie nun nach traditionellen industriellen Kennzahlen wie dem Return on Invested Capital (ROIC) beurteilt werden müssen und nicht mehr nur nach dem Wachstum.
- Künstliche Gewinne: Ein massiver Teil des jüngsten Nettoeinkommens von Unternehmen wie Amazon und Google wurde durch nicht realisierte Buchgewinne aus ihren Beteiligungen an KI-Startups generiert, statt durch tatsächliche operative Gewinne.
- Der zirkuläre Umsatzkreislauf: Ein signifikanter Prozentsatz der KI-Umsätze der Hyperscaler stammt von genau den Startups, die sie selbst finanziert haben, wodurch ein geschlossenes System entsteht, das nicht zwangsläufig eine Marktnachfrage beweist.
- Die Architektur-Falle: Es besteht ein reales Risiko, dass Unternehmen „Eisenbahnen“ für die falsche Art von KI bauen und so eine massive Infrastruktur schaffen, die zu teuer oder ungeeignet für die letztliche Realität von KI-Diensten im Massenmarkt mit niedrigen Margen ist.
Praktische Schlussfolgerungen
- Über das Nettoeinkommen hinausblicken: Ignorieren Sie bei der Bewertung von Big Tech das Nettoeinkommen am unteren Ende der Bilanz, da dieses oft durch einmalige Gewinne oder Kreuzbeteiligungen verzerrt ist. Konzentrieren Sie sich stattdessen auf die operativen Margen und den freien Cashflow.
- Endnutzer-Kennzahlen einfordern: Seien Sie skeptisch gegenüber „AI ARR“ oder vagen Wachstumszahlen. Suchen Sie nach Belegen für Umsätze, die von externen Endnutzern (Unternehmen oder Privatpersonen) stammen und nicht von internen Architekturpartnern.
- KI vom Kerngeschäft trennen: Blenden Sie KI-Investitionen gedanklich (oder mathematisch) aus, um zu prüfen, ob das Kerngeschäft noch gesund ist. Ein Unternehmen, das eine vollständige KI-Abschreibung überleben kann, ist eine weitaus sicherere Wette.
- Das Narrativ hinterfragen: Wenn ein Unternehmen Zehnmilliarden ausgibt, ohne das spezifische Geschäftsmodell zu erklären (z. B. hochmargige Nische vs. niedrigmargiger Massenmarkt), behandeln Sie die Investition als Risikokapital-Wette und nicht als garantierten strategischen Sieg.
Ed Elson and Scott Galloway are joined by Aswath Damodaran to break down the biggest takeaways from Big Tech earnings. He explains what the latest results reveal about the AI race, why he’s becoming increasingly concerned about the Magnificent Seven’s AI spending, and how he values the hyperscalers. They also discuss how much AI risk is already priced into the market and whether SpaceX’s current valuation is justified.
Subscribe to the Prof G Markets Youtube Channel
Check out our latest Prof G Markets newsletter
Follow Prof G Markets on Instagram
Follow Ed on Instagram, X and Substack
Follow Scott on Instagram
Send us your questions or comments by emailing Markets@profgmedia.com
Learn more about your ad choices. Visit podcastchoices.com/adchoices
