[비즈한국] Trong những năm gần đây, NVIDIA - doanh nghiệp vốn thống trị thị trường phần cứng AI - gần đây đã ký một thỏa thuận trị giá 20 tỷ USD (khoảng 29 nghìn tỷ won) với Groq, một công ty khởi nghiệp chuyên về chip suy luận. Điều này không chỉ đơn thuần là một thương vụ lớn mà còn được coi là tín hiệu cho thấy xu hướng của ngành công nghiệp bán dẫn AI đang thay đổi. Mặc dù thị trường coi đây là một thỏa thuận lớn tương đương với việc mua bán sáp nhập (M&A), NVIDIA nhấn mạnh rằng đây là hợp đồng tập trung vào cấp phép công nghệ và đảm bảo nhân sự chủ chốt, không phải là M&A truyền thống. Groq cũng vẫn tồn tại như một pháp nhân độc lập. Tuy nhiên, lý do khiến thỏa thuận này thu hút sự chú ý là rất rõ ràng: nó tượng trưng cho việc công thức cốt lõi của thị trường phần cứng AI đang dần thoát khỏi tư duy 'GPU=AI'.
Lý do 'hợp tác' NVIDIA-Groq được chú ý
Điểm khởi đầu của cuộc đua AI là huấn luyện (training). Các nguồn lực tính toán cần thiết để huấn luyện các mô hình lớn hơn một cách nhanh hơn, và GPU là công cụ đáp ứng tốt nhất yêu cầu này. NVIDIA đã tận dụng dòng chảy đó để trở thành doanh nghiệp hưởng lợi lớn nhất trong kỷ nguyên AI. Tuy nhiên, khi AI bước ra khỏi giai đoạn nghiên cứu và tiến vào giai đoạn dịch vụ chính thức, mối quan tâm của ngành đã chuyển sang giai đoạn sau huấn luyện. Việc sử dụng các mô hình đã được huấn luyện với tốc độ nhanh chóng, ổn định và chi phí thấp đã trở thành yếu tố cạnh tranh mới. Trong quá trình này, các vấn đề về tiêu thụ điện năng, độ trễ và chi phí vận hành đã bắt đầu bộc lộ rõ rệt.
Tại thời điểm này, các chip chuyên biệt cho suy luận bắt đầu thu hút sự chú ý. 'Bộ xử lý ngôn ngữ (LPU)' do Groq phát triển là một loại bán dẫn chuyên dụng (ASIC) được thiết kế dựa trên tiền đề suy luận mô hình ngôn ngữ. Không giống như GPU chú trọng tính phổ dụng, nó chọn cấu trúc giảm bớt các nhánh không cần thiết bằng cách xác định trước các đường dẫn tính toán. Điều này mang lại lợi thế trong việc giảm độ trễ và tăng hiệu suất năng lượng. Trong môi trường chatbot hoặc dịch vụ AI doanh nghiệp nơi phản hồi thời gian thực là quan trọng, những đặc tính này trực tiếp dẫn đến lợi thế cạnh tranh về chi phí. Đây cũng chính là lý do khiến NVIDIA tìm đến công nghệ bên ngoài thay vì tiếp tục mở rộng thiết kế GPU của riêng mình. Phân tích cho rằng, điều này dựa trên nhận định rằng lĩnh vực suy luận không còn là sân khấu độc quyền của GPU.
Tuy nhiên, sự lựa chọn này không có nghĩa là vai trò của GPU bị thu hẹp. GPU vẫn là trục chính của việc huấn luyện quy mô lớn và tăng tốc AI đa năng. Chiến lược của NVIDIA không phải là thay thế GPU mà là bổ sung vào những lĩnh vực mà GPU tương đối kém hiệu quả. Do đó, sự hợp tác với Groq được hiểu là bước đệm để thêm công nghệ chuyên biệt về suy luận lên trên cấu trúc lấy GPU làm trung tâm.
LPU, TPU, NPU khác nhau ở điểm nào?
Xu hướng này không chỉ là nỗi trăn trở riêng của NVIDIA. Google đã phát triển 'Bộ xử lý Tensor (TPU)', bộ tăng tốc của riêng mình từ lâu. TPU là loại ASIC được thiết kế phù hợp với khối lượng công việc nội bộ của Google, phát huy hiệu suất cao trong các dịch vụ cốt lõi như tìm kiếm, dịch thuật và gợi ý. Đây là lựa chọn chiến lược nhằm giảm sự phụ thuộc vào GPU bên ngoài và kiểm soát cấu trúc chi phí của dịch vụ AI trong tầm tay. Thay vì nhắm đến thị trường phổ thông, TPU đã phát triển với mục đích rõ ràng là tối ưu hóa hệ sinh thái nội bộ của Google.
'Bộ xử lý thần kinh (NPU)' lại khẳng định sự hiện diện trên một sân khấu khác. Đó không phải là trung tâm dữ liệu, mà là ngay trong tay mỗi cá nhân. Apple chọn hướng tích hợp công cụ thần kinh (Neural Engine) vào iPhone để xử lý các phép tính AI ngay trên thiết bị. Đây là quyết định cân nhắc đồng thời cả hiệu suất pin, quyền riêng tư cá nhân và trải nghiệm người dùng. Các nhà sản xuất điện thoại thông minh bao gồm Samsung Electronics005930 cũng đang tăng cường hiệu suất NPU để hiện thực hóa các tính năng như dịch thuật thời gian thực, chỉnh sửa ảnh và nhận diện giọng nói ngay trên thiết bị (on-device). NPU không thay thế suy luận cấp trung tâm dữ liệu nhưng được kỳ vọng sẽ đóng vai trò quan trọng trong việc phổ biến AI thành một tính năng hàng ngày.
Như vậy, LPU, TPU và NPU đều bắt nguồn từ những nhận thức vấn đề khác nhau. Nhu cầu thực tế về gánh nặng chi phí của trung tâm dữ liệu, chiến lược chuỗi cung ứng của Big Tech và hạn chế năng lượng của thiết bị di động đã làm phân hóa hình thức của các loại chip. Kết quả là, phần cứng AI đang nhanh chóng thay đổi từ cấu trúc một chip đảm nhận mọi vai trò sang cấu trúc nơi các chip được tối ưu hóa theo mục đích cùng tồn tại.
NVIDIA dường như cũng không phủ nhận những thay đổi này. Thay vào đó, thông qua các công nghệ như NVLink Fusion, họ đang áp dụng chiến lược kết nối các ASIC bên ngoài vào hệ thống của mình để duy trì vai trò nền tảng trung tâm ngay cả trong môi trường có nhiều loại chip hỗn hợp. Đó là toan tính nhằm tiếp tục duy trì tầm ảnh hưởng thông qua kết nối và điều phối hệ sinh thái, thay vì độc quyền về phần cứng.
Do đó, sự hợp tác giữa NVIDIA và Groq không phải là lời tuyên bố chấm dứt đế chế GPU, mà là cảnh tượng tượng trưng cho thấy ngành công nghiệp phần cứng AI đã bước vào giai đoạn trưởng thành. Trong quá trình chuyển dịch từ cạnh tranh vị thế trung tâm sang giai đoạn cân nhắc cả suy luận và hiệu quả kinh tế, những đáp án đơn lẻ đang dần biến mất. GPU vẫn giữ vai trò nòng cốt trong ngành công nghiệp AI, nhưng không còn là sân chơi độc diễn. Cuộc chiến phần cứng AI dự kiến sẽ còn khốc liệt hơn nữa trong một cấu trúc đa tầng nơi mỗi thành phần đều có vai trò riêng biệt.