Chứng khoán CITIC: Ngành phần mềm điều chỉnh sâu, tìm kiếm cơ hội bị đánh giá sai

Báo cáo nghiên cứu của Cổ phần Đầu tư và Chứng khoán Trung Tín Kiến Thực cho biết, hiện tại ngành phần mềm đang trải qua đợt bán tháo hoảng loạn “không phân biệt”, tạo ra cơ hội để định giá phân hóa dựa trên độ sâu của “hào lũy”. Cổ phần Đầu tư và Chứng khoán Trung Tín Kiến Thực đề xuất phân bổ theo “thuộc tính công - thủ của hào lũy”:① Ưu tiên mua quá mức “hào lũy mang tính tấn công” đối với các mã cốt lõi; bản thân hào lũy trở thành nền tảng tăng trưởng mới của các công ty trong thời đại AI;② Tập trung vào “cửa sổ chuyển đổi từ phòng thủ sang tấn công”, các công ty có hào lũy truyền thống vững chắc nhưng cần được xác minh việc chuyển đổi doanh thu AI;③ Tránh các mã có thời gian suy giảm hào lũy ngắn, các công ty có mức độ phức tạp thấp + dữ liệu ở lớp nông. Theo dõi tiến triển hợp tác giữa OpenAI, Anthropic và các công ty tư vấn, cùng với bước ngoặt về định giá AI và tăng trưởng ARR của các công ty phần mềm doanh nghiệp.

Toàn văn như sau

Trung Tín Kiến Thực: Ngành phần mềm điều chỉnh sâu, tìm cơ hội cho hàng bị định giá sai

Hiện tại ngành phần mềm đang trải qua đợt bán tháo hoảng loạn “không phân biệt”, tạo ra cơ hội để định giá phân hóa dựa trên độ sâu của “hào lũy”. Chúng tôi đề xuất phân bổ theo “thuộc tính công - thủ của hào lũy”:① Ưu tiên mua quá mức “hào lũy mang tính tấn công”, các công ty mà bản thân hào lũy trở thành nền tảng tăng trưởng mới trong thời đại AI;② Tập trung vào “cửa sổ chuyển đổi từ phòng thủ sang tấn công”, các công ty có hào lũy truyền thống vững chắc nhưng cần được xác minh việc chuyển đổi doanh thu AI;③ Tránh các mã có thời gian suy giảm hào lũy ngắn, các công ty có mức độ phức tạp thấp + dữ liệu ở lớp nông. Theo dõi tiến triển hợp tác giữa OpenAI, Anthropic và các công ty tư vấn, cùng với bước ngoặt về định giá AI và tăng trưởng ARR của các công ty phần mềm doanh nghiệp.

Ngành phần mềm niêm yết tại Mỹ đang trải qua đợt điều chỉnh định giá sâu nhất kể từ tháng 3 năm 2020. Chỉ số trung vị EV/NTM Rev đã giảm xuống còn 3,2x, thấp hơn rất nhiều so với giá trị trung bình lịch sử 7,8x trước dịch. Anthropic ra mắt các công cụ như Claude Code/Cowork đã kích hoạt câu chuyện “AI sẽ nuốt chửng SaaS” ở chế độ “ngày tận thế”, nhưng đợt hoảng loạn bán tháo này lại gom chung các công ty thuộc nhóm “mang tính ràng buộc pháp lý bắt buộc + có ghi nhận hệ thống” (thời gian suy giảm hào lũy 5-10 năm trở lên) với các công ty thuộc nhóm “bọc UI + tự động hóa đơn giản” (thời gian suy giảm hào lũy 6-24 tháng), dẫn đến định giá sai mang tính cấu trúc. Sau khi điều chỉnh theo tốc độ tăng trưởng doanh thu, bội số định giá của toàn ngành đã quay trở về gần mức trung bình của gần mười năm. Chúng tôi cho rằng hiện tại là thời điểm cửa sổ để thực hiện định giá phân hóa sâu cho ngành phần mềm.

Tầng mô hình đang tăng tốc đồng nhất hóa, nhưng không phải hoàn toàn đồng nhất hóa. Dựa trên nghiên cứu thực chứng của các nhóm như MIT về dữ liệu OpenRouter, lượng gọi tới các mô hình đóng (closed-source) vẫn chiếm 75%; độ co giãn giá nhu cầu ngắn hạn chỉ là -1,11 (xấp xỉ độ co giãn đơn vị). Điều này cho thấy thị trường mô hình lớn đang ở trong bố cục cạnh tranh “lấy thương hiệu làm trung tâm”, với chi phí chuyển đổi nội bộ hệ sinh thái cực thấp và chi phí chuyển đổi giữa các hệ sinh thái cực cao. Tuy nhiên, giai đoạn dẫn đầu của các mô hình hàng đầu đã rút ngắn từ 7,5 tháng ở đầu năm 2025 xuống còn trong vòng 4 tháng. Khoảng cách giữa vị trí số 1 và số 10 của GPQA tiếp tục thu hẹp, khiến “cửa sổ” định giá cao hơn do mô hình (premium giá) đang bị co lại. Lợi nhuận gộp của OpenAI năm 2025 giảm từ 40% xuống 33%; biên lợi nhuận gộp của Anthropic ở mức 40% (thấp hơn dự báo 50%). Chi phí suy luận cao hơn dự kiến nội bộ 23%. Không gian lợi nhuận của tầng mô hình đang bị ép bởi việc tiêu hao năng lực do test-time compute và xu hướng giảm giá API, buộc các nhà cung cấp mô hình phải thâm nhập vào tầng ứng dụng.

Khung “chi phí của sai lầm” chứng minh rằng lĩnh vực dọc giá trị cao vẫn cần mô hình mạnh nhất, và AI không thể thay thế trung bình mọi phần mềm. Dựa trên tính toán từ dữ liệu kiện tụng y tế của Mỹ, trong bối cảnh chẩn đoán y khoa, tổn thất kinh tế kỳ vọng khi AI mắc mỗi lần sai là $45-63 (đã điều chỉnh), vượt xa ngưỡng chi phí để ưu tiên sử dụng mô hình suy luận hiệu năng cao. Trong bối cảnh phê duyệt tín dụng, khi tính tổng chi phí tổn thất do âm tính giả và chi phí cơ hội do dương tính giả, chi phí sai lầm đơn lẻ được tính theo trọng số nằm trong khoảng $27-125 (tùy theo cách định nghĩa theo dư nợ). Điều này có nghĩa là trong bối cảnh chi phí chịu lỗi cao, việc tăng độ chính xác từ 90% lên 95% có thể tạo ra giá trị kinh tế lên tới hàng chục lần, thậm chí hàng trăm lần mức tăng giá trị, tức là điểm cạnh tranh thực sự không phải là ai có API rẻ hơn, mà là ai có thể tiến gần đến độ chính xác cấp độ chuyên gia trong lĩnh vực dọc.

Scaling vẫn đang được thúc đẩy theo ba hướng song song, và “đường đi tới điểm kỳ dị” trong lĩnh vực dọc đã rõ ràng. Các bằng chứng thực nghiệm giai đoạn 2025-2026 cho thấy cải thiện hiệu năng mô hình đến từ:① Cải tiến thuật toán RL/RLVR (GRPO→DAPO→Dr.GRPO→λ-GRPO), chuyển từ phần thưởng gắn nhãn bởi con người sang xác minh tự động;② Scaling khi suy luận (Deep Think suy nghĩ song song, Agent Swarm lấy mẫu song song, tối ưu hiệu quả suy nghĩ). DeepSeek R1-0528 nâng độ chính xác AIME từ 70% lên 87,5% bằng cách tăng năng lực tính toán cho hậu huấn luyện;③ Cải tiến hiệu suất kiến trúc (MoE kích hoạt thưa, chú ý tuyến tính, chú ý thưa). Việc huấn luyện PARL của Kimi K2.5 giúp giảm 80% thời gian chạy end-to-end. Trong bối cảnh lợi ích biên ở ba hướng không hội tụ nhanh, độ chính xác trong lĩnh vực dọc sẽ tiếp tục tăng. Con đường tạo “hào lũy” thực sự là: “Nhúng kiến thức ngành trong Mid-training → Xây dựng môi trường phần thưởng có thể xác minh → RL kích hoạt suy luận sâu → Test-time suy nghĩ đầy đủ”.

Hào lũy phần mềm phân hóa sâu, xung lực AI tạo ra sự phân hóa. Giá trị của phần mềm doanh nghiệp không bao giờ nằm ở bản thân mã nguồn. 96% chương trình thương mại bao gồm mã nguồn mở, nhưng doanh nghiệp vẫn trả tiền cho sự an toàn, tuân thủ, tích hợp và SLA. Trong thời đại AI, hào lũy phân hóa theo hai chiều: “độ phức tạp của quy trình làm việc × độ sâu của hào lũy dữ liệu”.:① Độ phức tạp cao + dữ liệu sâu: giá trị của việc thiết kế luồng công việc, quản lý ngữ cảnh và kiểm toán tuân thủ tăng lên cùng với AI, chứ không suy giảm;② Độ phức tạp thấp + dữ liệu sâu: dữ liệu có giá trị nhưng cơ chế tính phí theo chỗ ngồi phải đối mặt với sự nén cấu trúc sau khi AI nâng hiệu suất nhân sự;③ Độ phức tạp thấp + dữ liệu lớp nông: chức năng cốt lõi đã bị các AI agent bao phủ trực tiếp, hào lũy rất mỏng. Thất bại của BloombergGPT chứng minh lộ trình “tự xây mô hình” là không khả thi: GPT-4 chỉ trong chưa đầy một năm đã vượt qua mọi chuẩn mực tài chính khi so với mô hình độc quyền được huấn luyện lại từ đầu bằng 3,630 tỷ token dữ liệu tài chính; trong khi thành công của Hebbia (định giá $13 tỷ), Harvey (ARR>$1 tỷ) lại chứng minh rằng “dữ liệu độc quyền + quy trình làm việc + mô hình phổ quát tiên tiến” mới là cách thức đúng để nắm bắt giá trị.

Hào lũy mạnh đến từ “mã hóa trừu tượng hóa các thông lệ kinh doanh và quy định pháp lý”, và chi phí sao chép phần mềm gốc AI là cực cao. Lấy SAP làm ví dụ (77% doanh thu giao dịch toàn cầu chạm tới hệ thống của họ): hào lũy của họ là ba lớp lồng nhau.① Mã hóa các quy tắc nghiệp vụ (logic có thể thực thi của thuế/luật lao động/tuân thủ ngành ở từng quốc gia);② Tính không thể đảo ngược của cấu hình tùy biến (hàng chục nghìn tham số cấu hình, hàng trăm báo cáo tùy chỉnh, ký ức tổ chức tích lũy hàng chục năm);③ Khóa chặt hệ sinh thái (hàng chục nghìn cố vấn được chứng nhận, việc di chuyển bắt buộc sang S/4HANA biến thành một lần khóa chặt lại). Cựu kỹ sư tiền xử lý (pre-engineer) của SAP, Thomas Otter, cho biết nhiều chức năng không phải là “lựa chọn kinh doanh” mà là yêu cầu bắt buộc theo luật (ví dụ: tính toán lương ở Đức liên quan đến thuế nhà thờ, phân bổ bảo hiểm xã hội và nhiều chục biến phụ thuộc lẫn nhau). Trong lĩnh vực lương, chỉ cần sai 0,01% cũng có thể dẫn tới vụ kiện pháp lý. Mối đe dọa của AI đối với ERP lõi là “xâm nhập theo lớp” chứ không phải “thay thế”. Tầng UI/điều khiển tương tác và tầng tự động hóa quy trình (L1-L2) của AI đã đang tăng cường các hệ thống này (như SAP Joule), nhưng trong tầng logic nghiệp vụ lõi (L4, 2028+) và tầng ghi nhận hệ thống (L5), trong tương lai dự đoán vẫn là công cụ tăng cường chứ không phải đối thủ thay thế. Đồng thời, AI đang nén giá trị của chuỗi phát triển sản phẩm: thực hành nội bộ của Anthropic cho thấy “từ ý tưởng đến nguyên mẫu” được rút từ vài tuần xuống vài giờ; giá trị của sản phẩm trung gian như UI/UX giảm đi, và các công cụ thiết kế như Figma phải đối mặt với rủi ro “giai đoạn thiết kế bị nén tổng thể”. Tuy vậy, rào cản của hợp tác hình ảnh và quản lý hệ thống thiết kế vẫn còn tồn tại trong ngắn hạn.

Khuyến nghị đầu tư: Hiện tại ngành phần mềm đang trải qua đợt bán tháo hoảng loạn “không phân biệt”, tạo ra cơ hội để định giá phân hóa dựa trên độ sâu của hào lũy. Chúng tôi đề xuất phân bổ theo “thuộc tính công - thủ của hào lũy”:① Ưu tiên mua quá mức “hào lũy mang tính tấn công”, các công ty mà bản thân hào lũy trở thành nền tảng tăng trưởng mới trong thời đại AI;② Tập trung vào “cửa sổ chuyển đổi từ phòng thủ sang tấn công”, các công ty có hào lũy truyền thống vững chắc nhưng cần được xác minh việc chuyển đổi doanh thu AI;③ Tránh các mã có thời gian suy giảm hào lũy ngắn, các công ty có mức độ phức tạp thấp + dữ liệu lớp nông. Sau đó, theo dõi tiến triển hợp tác giữa OpenAI, Anthropic và các công ty tư vấn, cùng với bước ngoặt về định giá AI và tăng trưởng ARR của các công ty phần mềm doanh nghiệp.

（Bài nguồn: Tài chính thứ nhất）