Nút thắt mới của hạ tầng AI: xử lý dữ liệu, không chỉ là GPU
Nút thắt chính trong cuộc đua hạ tầng AI hiện nay không còn là số lượng GPU hay sức mạnh tính toán thuần, mà là khả năng Nvidia xử lý dữ liệu và truyền tải thông tin giữa chip nhớ, bộ xử lý và toàn bộ hệ thống ở tốc độ đủ cao để phục vụ các mô hình AI ngày càng lớn, phức tạp và đòi hỏi băng thông bộ nhớ khổng lồ. Nhận định này đặt lại trọng tâm của ngành từ cuộc đua sức mạnh sang cuộc đua tốc độ lưu trữ và truy xuất dữ liệu. Theo CEO Jensen Huang, “chip nhớ đã trở thành nút thắt cổ chai lớn nhất trong sự phát triển của AI”. Cùng với đó, các tác vụ AI đang dịch chuyển từ sinh văn bản, hình ảnh sang các tác nhân thông minh có khả năng xử lý chuỗi hành động dài và ngữ cảnh dày đặc. Khi AI tiến tới các nhiệm vụ phức tạp hơn, nhu cầu xử lý dữ liệu nhanh tăng theo cấp số nhân, khiến giới hạn chip AI lộ rõ: GPU mạnh không còn đủ nếu dữ liệu không chạy kịp. Cuộc chơi hạ tầng AI vì thế bước vào giai đoạn mới, nơi ai kiểm soát được luồng dữ liệu thì người đó giữ được lợi thế, bất kể đang dẫn đầu về hiệu suất GPU.
Chiến lược của Nvidia: gắn chặt GPU với bộ nhớ – giải pháp cần nhưng chưa đủ
Nvidia hiểu rõ rằng để duy trì vị thế trong hạ tầng AI, họ buộc phải giải bài toán tốc độ xử lý dữ liệu chứ không thể tiếp tục chỉ dựa vào sức mạnh GPU. Vì thế, công ty đang chuyển hướng sang xây dựng các hệ thống AI tích hợp chặt giữa GPU và chip nhớ, nhằm tăng tốc độ trao đổi dữ liệu, giảm độ trễ và khai thác tối đa năng lực tính toán của toàn bộ cụm máy chủ. Nói cách khác, Nvidia xử lý dữ liệu bằng cách kéo bộ nhớ lại gần GPU nhất có thể. Các mô hình AI hiện đại yêu cầu dữ liệu được đưa vào, lưu trữ và truy xuất liên tục; nếu bộ nhớ không bắt kịp, GPU dù mạnh đến đâu cũng bị “nghẽn mạch”. Nhưng chiến lược gắn chặt với bộ nhớ chuyên dụng lại mở ra một rủi ro mới: Nvidia lệ thuộc vào năng lực sản xuất của các nhà cung cấp HBM như Micron, SK Hynix, Samsung, trong khi năng lực sản xuất không thể mở rộng ngay lập tức. Khi nguồn cung chip nhớ thắt lại, tiến độ giao hàng hệ thống AI của Nvidia dễ bị ảnh hưởng, kéo theo toàn bộ chuỗi triển khai hạ tầng AI của khách hàng. Ở tầng kỹ thuật, Nvidia đang làm điều hợp lý. Ở tầng chiến lược dài hạn, đó vẫn là một lời giải bám chặt vào cùng một hướng: thêm bộ nhớ, thêm bóng bán dẫn, thêm kích thước chip – tức là tiếp tục nuôi mô hình tăng trưởng theo chiều rộng và chiều sâu phần cứng, thay vì đặt câu hỏi liệu giới hạn chip AI có thể vượt qua bằng một cách tiếp cận khác.
Giới hạn vật lý: khi định luật thu nhỏ chip không còn cứu được AI
Các hãng phương Tây, dẫn đầu bởi Nvidia, TSMC, Intel và Samsung, đã dựa vào chiến lược thu nhỏ bóng bán dẫn suốt nhiều thập kỷ. Nhưng theo nhà khoa học bán dẫn hàng đầu của Huawei, ông Liao Heng, thực tiễn liên tục thu nhỏ và làm mạch tích hợp trở nên dày đặc hơn đang tiến tới ngõ cụt. Nvidia hiện chế tạo những con chip ngày càng lớn hơn với hàng tỉ bóng bán dẫn và lượng bộ nhớ băng thông cao đi kèm ngày càng tăng. Đến một điểm, việc “phình to” đế tính toán và thêm HBM sẽ chạm trần vật lý, từ giới hạn truyền dẫn, nhiệt độ cho đến chi phí hệ thống. Trong cuộc phỏng vấn kéo dài bốn giờ phát sóng cuối tháng 7, Liao cảnh báo: “Phải có một giới hạn trong cách họ mở rộng quy mô với đế tính toán ngày càng tăng và nhiều HBM hơn”. Ông cho rằng một khi ngành chạm vào giới hạn vật lý đó, “sẽ có một trận tuyết lở”, hàm ý hệ quả không chỉ là giảm hiệu suất mà còn là đứt gãy mô hình tăng trưởng hiện tại. Các xưởng đúc phương Tây dù sở hữu lộ trình công nghệ dài hạn cùng máy quang khắc tiên tiến vẫn bị ràng buộc bởi những ranh giới tự nhiên này. Giới hạn chip AI, vì thế, không phải một vấn đề lý thuyết xa vời mà là điểm gãy chiến lược đang tiến lại gần, khi nhu cầu dữ liệu của AI phức tạp tăng nhanh hơn khả năng co nhỏ mỗi bóng bán dẫn.
Huawei định luật Tau: đổi hướng từ thu nhỏ sang tăng tốc truyền dẫn
Khác với các đối thủ bị cuốn vào cuộc đua thu nhỏ bóng bán dẫn, Huawei – vì bị cắt khỏi các hệ thống quang khắc tiên tiến bởi lệnh trừng phạt – buộc phải tìm một con đường khác. Từ áp lực đó, họ xây dựng định luật Mở rộng Tau (Huawei định luật Tau), một cách tiếp cận nhắm thẳng vào nghẽn cổ chai dữ liệu: tập trung cải thiện tốc độ truyền dẫn giữa các bộ phận trong hệ thống máy tính, khi lợi thế của việc thu nhỏ chip bắt đầu tan biến. Thay vì cố gắng nhồi thêm transistor, Huawei đặt câu hỏi: làm sao để dữ liệu di chuyển thông minh hơn, nhanh hơn. Định luật Tau không chỉ là một khẩu hiệu; công ty dự kiến sớm ra mắt chip điện thoại thông minh đầu tiên thiết kế theo khuôn khổ này, thông qua công nghệ LogicFolding. Liao mô tả chiến lược của Huawei như một cơ chế “đồng thiết kế” giữa chip AI và kiến trúc mô hình, nhằm đổi lấy mức tiêu thụ tài nguyên máy tính ít hơn bằng sự phức tạp thiết kế cao hơn. Trong bối cảnh các mô hình Trung Quốc như DeepSeek chứng minh có thể huấn luyện hệ thống chỉ với một phần nhỏ tài nguyên tính toán so với đối thủ Mỹ, thiết kế hạ tầng AI tối ưu luồng dữ liệu thay vì sức mạnh thô không còn là lựa chọn phụ, mà là con đường để thu hẹp khoảng cách. Từ đó, Huawei đặt cược rằng tương lai hạ tầng AI sẽ thuộc về những ai làm chủ định luật Tau – tức là tối ưu truyền dẫn và tổ chức dữ liệu – hơn là những người cố bám vào định luật thu nhỏ trong thế giới transistor đã gần đến biên.
Hai hệ sinh thái AI tách rời và câu hỏi cho Nvidia
Theo Liao Heng, sự phân tách ngày càng tăng giữa Mỹ và Trung Quốc trong cách theo đuổi tiến bộ bán dẫn diễn ra song song với căng thẳng địa chính trị, chia cắt chuỗi cung ứng toàn cầu thành hai hệ sinh thái riêng biệt. Một bên là Nvidia cùng các hãng phương Tây đi sâu vào thu nhỏ, thêm GPU, thêm HBM; bên kia là Huawei và các công ty Trung Quốc phải học cách sống trong “căn hộ chật chội”, tối đa hóa không gian và hiệu quả kiến trúc mô hình, tận dụng nguồn lực tính toán hạn chế. Ở tầng hạ tầng AI, điều này tạo ra hai triết lý: mở rộng sức mạnh tính toán bằng phần cứng ngày càng đồ sộ, hoặc tái cấu trúc luồng dữ liệu và thiết kế mô hình để dùng ít tài nguyên hơn mà vẫn đạt hiệu suất cao. Nvidia hiện chọn con đường đầu tiên, và với quy mô hiện tại, đó là lựa chọn hợp lý. Nhưng khi giới hạn vật lý tiến đến, câu hỏi không thể né tránh là: liệu chỉ tăng thêm bộ nhớ và bóng bán dẫn có đủ để giữ vị thế dẫn dắt hạ tầng AI. Bài học từ Huawei định luật Tau không phải lời mời gọi Nvidia sao chép, mà là lời nhắc rằng cuộc đua AI đã chuyển trọng tâm sang nghệ thuật tổ chức dữ liệu. Ai sớm chấp nhận thực tế này, người đó có cơ hội định nghĩa lại tiêu chuẩn hạ tầng AI trong kỷ nguyên hậu-định luật thu nhỏ.
