NVIDIA đạt 96,2 tỷ USD doanh thu quý, Data Center chiếm 92,5%: AI đã trở thành nền kinh tế compute

[VISUAL_HERO_NVIDIA_96B]

NVIDIA vừa công bố một quý gần chạm mốc 100 tỷ USD doanh thu. Nhưng con số quan trọng hơn với người điều hành doanh nghiệp không phải là “AI đang nóng” — mà là phần lớn giá trị kinh tế của làn sóng hiện nay đang chảy qua hạ tầng compute.

Ngày 26/08/2026, NVIDIA công bố doanh thu quý II năm tài chính 2027 đạt 96,221 tỷ USD, tăng 18% so với quý trước và 106% so với cùng kỳ. Riêng Data Center đạt 89,0 tỷ USD, tăng 18% theo quý và 117% theo năm.

Từ hai số liệu công bố, Học viện AI tính Data Center chiếm khoảng 92,5% tổng doanh thu quý. Đây là phép tính của Học viện AI, không phải tỷ lệ NVIDIA nêu trực tiếp.

Fact: một quý tăng trưởng hiếm thấy

Báo cáo chính thức của NVIDIA cho biết:

• Tổng doanh thu: 96,221 tỷ USD.
• Doanh thu Data Center: 89,0 tỷ USD.
• Biên lợi nhuận gộp GAAP và non-GAAP: 75,0%.
• Lợi nhuận ròng GAAP: 59,688 tỷ USD.
• Dự báo doanh thu quý III: 108 tỷ USD, biên độ ±2%.

NVIDIA cho biết triển vọng quý III không giả định doanh thu Data Center compute từ Trung Quốc. Đây là caveat quan trọng khi đọc forecast.

Nếu đạt điểm giữa của dự báo, NVIDIA sẽ vượt mốc 100 tỷ USD doanh thu trong một quý. Cùng với tốc độ tăng Data Center cao hơn tốc độ tăng toàn công ty, dữ liệu cho thấy nhu cầu hạ tầng AI không còn là hạng mục thử nghiệm nhỏ ở quy mô thị trường.

Nhưng doanh thu compute không bằng ROI của khách hàng

Đây là chỗ dễ suy diễn quá mức. NVIDIA bán thêm GPU, hệ thống, mạng và phần mềm không đồng nghĩa mọi dự án AI của doanh nghiệp mua hạ tầng đều tạo ra giá trị.

Doanh thu hạ tầng đo lượng vốn và nhu cầu dồn vào supply side. ROI doanh nghiệp lại phụ thuộc workload, tỷ lệ sử dụng, chất lượng đầu ra, chi phí tích hợp, review của con người và khả năng biến output thành doanh thu hoặc tiết kiệm thực.

Nói cách khác: NVIDIA có thể tăng 106% trong một năm, trong khi một doanh nghiệp riêng lẻ vẫn có thể lỗ vì mua quá sớm, chạy công suất thấp hoặc chọn use case không có owner.

https://rtenawhqlrwmohzchxmr.supabase.co/storage/v1/object/public/blog/mcp/d4a9e0bd-54a2-429d-a5d8-756d432447a3/718137ee9d965025/inline-0-nvidia-ai-economy-5-questions.png

Nhận định Học viện AI: 5 câu hỏi đằng sau 96,2 tỷ USD

1. DEMAND — Workload nào thật sự tạo nhu cầu?

“Dùng AI” không phải một workload. Doanh nghiệp cần tách inference theo tác vụ: trợ lý nội bộ, sinh nội dung, coding, customer service, document processing, recommendation hay agent nhiều bước.

Mỗi workload có pattern khác nhau về token, latency, context, tool call và mức độ biến động. Nếu không có baseline, tổ chức dễ gom mọi nhu cầu thành một dự báo compute phóng đại.

Câu hỏi điều hành: bao nhiêu lượt sử dụng gắn với một outcome có owner, thay vì chỉ là thử nghiệm?

2. CAPACITY — Mua, thuê hay dùng API?

Nhu cầu lớn không tự động dẫn tới sở hữu GPU. API phù hợp khi workload biến động, model thay đổi nhanh hoặc đội ngũ chưa đủ năng lực vận hành. Cloud/managed endpoint phù hợp khi cần kiểm soát hơn nhưng vẫn muốn co giãn. Hạ tầng riêng chỉ hợp lý khi quy mô, dữ liệu, latency và unit economics đủ rõ.

Quyết định capacity phải tính cả network, storage, power, phần mềm, bảo mật và đội ngũ vận hành — không chỉ giá chip.

3. UTILIZATION — Công suất được dùng bao nhiêu?

GPU đắt nhất khi nằm idle. Một cluster công suất lớn nhưng utilization thấp có thể tạo cost per outcome tệ hơn API dù đơn giá lý thuyết rẻ.

Doanh nghiệp nên đo thời gian bận, queue, batch efficiency, cache hit, routing và tỷ lệ request bị retry. Với workload không cần phản hồi tức thời, batching và deferred processing có thể giảm chi phí mạnh hơn việc săn một model rẻ hơn.

4. OUTCOME — Compute tạo ra kết quả gì?

KPI nên đi từ token sang accepted outcome: ticket giải quyết đúng, hợp đồng được kiểm tra, lead được qualification, mã được merge, báo cáo được duyệt.

Một output rẻ nhưng phải sửa nhiều chưa chắc tiết kiệm. Công thức điều hành nên bao gồm chi phí model, tool, retry, human review và error recovery.

Bài Học viện AI về Google AI FinOps phân tích chi tiết cách gắn mô hình tính phí với workload:

https://hocvienai.com/tin-tuc/google-gemini-enterprise-finops-pay-as-you-go-ai-agent

5. PAYBACK — Bao lâu hoàn vốn và có đường lui không?

Khi model, chip và giá dịch vụ thay đổi nhanh, một cam kết dài có thể trở thành chi phí chìm. Mỗi quyết định capacity nên có thời gian hoàn vốn, ngưỡng utilization tối thiểu và exit option.

Câu hỏi không chỉ là “giá mỗi token bao nhiêu?”, mà còn là “nếu workload giảm một nửa hoặc model mới rẻ hơn xuất hiện, chúng ta có thể đổi hướng trong bao lâu?”.

Tín hiệu chiến lược: AI đã hình thành nền kinh tế compute

Tỷ trọng Data Center khoảng 92,5% cho thấy NVIDIA hiện được dẫn dắt gần như hoàn toàn bởi nhu cầu compute trung tâm dữ liệu. Đây là một chỉ báo supply-side mạnh: các nhà cung cấp cloud, model và doanh nghiệp lớn tiếp tục mở rộng năng lực.

Ở góc độ Học viện AI, thị trường đang bước vào giai đoạn AI economics. Lợi thế không còn chỉ đến từ việc có model tốt, mà từ khả năng route đúng workload, giữ utilization cao, kiểm soát chi phí và đo outcome nhanh hơn đối thủ.

Tuy nhiên, báo cáo của một nhà cung cấp không cho biết cầu cuối cùng bền vững đến đâu, mức tồn kho của khách hàng hay ROI theo từng use case. Vì vậy không nên dùng một quý của NVIDIA như bằng chứng rằng mọi kế hoạch capex AI đều hợp lý.

Doanh nghiệp Việt Nam nên làm gì?

Trước khi tăng ngân sách AI, hãy lập bản đồ workload trong 30 ngày:

• Nhóm theo tần suất, latency, dữ liệu và mức độ rủi ro.
• Ghi tổng chi phí model, tool, retry và review.
• Đo cost per accepted outcome.
• Xác định ngưỡng chuyển giữa API, managed endpoint và capacity cam kết.
• Đặt stop rule nếu utilization hoặc payback lệch khỏi kế hoạch.

Nếu chưa đo được các biến này, ưu tiên kiến trúc linh hoạt và cam kết ngắn. Đừng biến tín hiệu tăng trưởng của nhà cung cấp thành lý do mua hạ tầng trước khi có workload.

Học viện AI có công cụ tính ROI AI để chuyển chi phí kỹ thuật thành bài toán điều hành:

https://hocvienai.com/cong-cu/roi-ai

Nếu cần xây portfolio use case, baseline chi phí và lộ trình triển khai, đăng ký tư vấn chuyển đổi AI:

https://hocvienai.com/lp/tu-van-chuyen-doi-ai

Nguồn và giới hạn

• NVIDIA Newsroom, 26/08/2026 — NVIDIA Announces Financial Results for Second Quarter Fiscal 2027:

https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-second-quarter-fiscal-2027

• NVIDIA Investor Relations — Financial reports:

https://investor.nvidia.com/financial-info/financial-reports/default.aspx

Tất cả số liệu tài chính được lấy từ công bố chính thức của NVIDIA. Tỷ lệ 92,5% là phép tính 89,0/96,221 của Học viện AI. Các framework Demand–Capacity–Utilization–Outcome–Payback và khuyến nghị triển khai là nhận định biên tập.