Khám phá sở thích, cùng nhau

Deal thật, đánh giá chân thực và câu chuyện mua sắm từ những người cùng sở thích với bạn — mỗi ngày trên Sammfy.

Khám phá sở thích, cùng nhauDeal thật, đánh giá chân thực và câu chuyện mua sắm từ những người cùng sở thích với bạn — mỗi ngày trên Sammfy.

Từ GPU chơi game đến hạ tầng AI: Nvidia đã chuyển mình ra sao?

Từ GPU chơi game đến hạ tầng AI: Nvidia đã chuyển mình ra sao?
Sở thích|Đam mê máy tính

Nvidia không còn chỉ bán sức mạnh đồ họa

Nvidia là doanh nghiệp điện toán phát triển từ chip đồ họa cho trò chơi thành nhà cung cấp bộ xử lý, phần mềm và hệ thống phục vụ trí tuệ nhân tạo. Lịch sử Nvidia cho thấy bước ngoặt không nằm ở một con chip duy nhất, mà ở cách hãng mở rộng công dụng của GPU Nvidia qua nhiều thập kỷ. Ngày 12/11, Nvidia thông báo Jensen Huang rời ghế giám đốc điều hành và hội đồng quản trị; Giám đốc tài chính Colette Kress tạm thời điều hành công ty trong lúc tìm người kế nhiệm. Cuộc chuyển giao khép lại 33 năm Huang lãnh đạo doanh nghiệp do ông đồng sáng lập. Đây là thời điểm thích hợp để nhìn lại di sản của ông: Nvidia đã đổi hướng nhiều lần, nhưng luôn giữ GPU ở trung tâm và xây thêm phần mềm, máy chủ cùng mạng lưới đối tác quanh nó. Thành công hiện tại không phải cú rẽ đột ngột theo cơn sốt AI; đó là kết quả của một lựa chọn công nghệ được nuôi dưỡng từ lâu.

Từ GPU chơi game đến hạ tầng AI: Nvidia đã chuyển mình ra sao?

Từ GeForce đến CUDA: mở khóa sức mạnh tính toán

Năm 1993, Huang cùng Chris Malachowsky và Curtis Priem thành lập Nvidia với mục tiêu đưa đồ họa ba chiều vào trò chơi và ứng dụng đa phương tiện. GeForce 256, ra mắt năm 1999, được hãng giới thiệu là GPU đầu tiên trên thế giới; khả năng xử lý hình học và ánh sáng giúp giảm tải cho CPU, đồng thời đưa Nvidia tiến sâu vào thị trường game. Nhưng giới hạn mình ở đồ họa sẽ khiến hãng phụ thuộc vào một thị trường duy nhất. Bước mở rộng quan trọng đến năm 2006 với CUDA, nền tảng cho phép lập trình viên dùng GPU xử lý các phép tính ngoài đồ họa. Năng lực tính toán song song vốn hữu ích khi dựng cảnh game có thể phục vụ mô phỏng khoa học và học máy. Đến năm 2012, việc nhóm phát triển AlexNet dùng GPU để huấn luyện mô hình nhận diện hình ảnh là minh chứng rõ ràng cho hướng đi ấy. CUDA biến phần cứng thành hệ sinh thái: lập trình viên có công cụ, còn Nvidia có lợi thế khó sao chép chỉ bằng một con chip.

Từ một GPU đến cả nhà máy tính toán AI

Nvidia không dừng ở việc bán chip cho người khác lắp ghép. Năm 2016, DGX-1 đưa tám GPU Tesla P100 cùng phần mềm học sâu tối ưu vào một hệ thống tích hợp, giúp các nhóm nghiên cứu bắt đầu huấn luyện mô hình mà không phải tự dựng hạ tầng từ nhiều linh kiện. Đây là bước chuyển từ nhà cung cấp chip sang nhà phát triển hệ thống điện toán AI hoàn chỉnh. GPU H100, giới thiệu năm 2022 trên kiến trúc Hopper, được thiết kế để tăng tốc AI và điện toán hiệu năng cao; Transformer Engine nhắm tới các mô hình dùng kiến trúc Transformer. Khi AI tạo sinh lan rộng, H100 trở thành biểu tượng của cuộc đua xây trung tâm dữ liệu. Sau đó, Grace Blackwell GB200 kết hợp hai GPU Blackwell với CPU Grace, còn GB200 NVL72 nối 72 GPU trong một tủ máy chủ. Chiến lược đã rõ: bán cả hệ thống tính toán quy mô lớn, không chỉ từng GPU.

Quy mô trung tâm dữ liệu cũng cho thấy vì sao Nvidia ngày càng giống nhà cung cấp hạ tầng hơn là hãng chip. Trong năm tài khóa 2026, trung tâm dữ liệu đóng góp 62,3 tỷ USD trong tổng doanh thu quý cuối năm là 68,1 tỷ USD. Hãng còn rót nguồn lực vào các nhà cung cấp điện toán đám mây, nhà cung ứng và phòng nghiên cứu lớn, qua đó góp phần củng cố hệ sinh thái sử dụng công nghệ của mình. Mô hình này tạo sức mạnh nhưng cũng buộc Nvidia phải phối hợp với nhiều mắt xích bên ngoài.

Di sản của Huang và phép thử kế nhiệm

Các sản phẩm mới cho thấy Nvidia vừa xây hệ thống khổng lồ, vừa tìm cách đưa công cụ AI đến gần người dùng hơn. DGX Spark, giới thiệu năm 2025, là máy tính AI để bàn dùng siêu chip GB10 Grace Blackwell và bộ nhớ hợp nhất 128 GB; theo hãng, máy có thể chạy cục bộ mô hình tới 200 tỷ tham số. Với nhà nghiên cứu và người phát triển, ý nghĩa thực tế là có thể thử nghiệm AI trên thiết bị cá nhân thay vì luôn dựa vào máy chủ lớn. Đây chưa phải cách biến AI hiệu năng cao thành công cụ phổ thông cho mọi người, nhưng là bước mở rộng đáng chú ý. Ở đầu kia của quy mô, Vera Rubin NVL72 được giới thiệu năm 2026 với 72 GPU Rubin và 36 CPU Vera, hướng tới các hệ thống AI có khả năng suy luận và lập kế hoạch phức tạp. Từ GeForce 256 đến Vera Rubin, dấu ấn của Huang là đặt cược vào nền tảng trước khi thị trường đòi hỏi chúng. Người kế nhiệm sẽ phải chứng minh Nvidia có thể duy trì tốc độ triển khai và sự phối hợp giữa các đối tác—lợi thế mà công ty đã vun đắp suốt nhiều năm.

Nvidia đã đổi mình bằng cách biến GPU chơi game thành nền móng cho phần mềm, máy chủ và trung tâm dữ liệu AI. Jensen Huang để lại một doanh nghiệp không chỉ bán bộ xử lý mà còn định hình cách khách hàng xây dựng năng lực tính toán. Kết luận quan trọng nhất không phải hãng đã rời bỏ game, mà là hãng đã tìm ra cách để một công nghệ sinh ra cho đồ họa phục vụ nhiều ngành hơn. Sau cuộc chuyển giao lãnh đạo, bài kiểm tra sẽ là giữ được hệ sinh thái ấy và tiếp tục đưa những hệ thống ngày càng lớn vào vận hành.

Sammfy nhận hoa hồng khi bạn mua sắm qua liên kết của chúng tôi, bạn không phải trả thêm chi phí. Bài viết này được tạo bằng AI từ các nguồn đã công bố và dữ liệu sản phẩm.

You May Also Like

Comments
Viết gì đó...
Chưa có bình luận nào. Hãy là người đầu tiên chia sẻ suy nghĩ!