Buzz
Trong vài thập kỷ qua, phần mềm đã thống trị toàn cầu. Nhưng với tiến bộ công nghệ, chúng ta cần sự hỗ trợ từ các chip xử lý mạnh mẽ hơn bao giờ hết. Để biến ước mơ về trí tuệ nhân tạo thành hiện thực và hữu ích cho mọi người, chúng ta cần hàng nghìn GPU được thiết kế đặc biệt để xử lý machine learning và tính toán phức tạp.Trong cuộc đua AI, Nvidia đã nắm bắt cơ hội và ra mắt loạt sản phẩm GPU từ A100 đến H100, giúp họ dẫn đầu thị trường và chiến thắng một cách rõ ràng trong nghiên cứu và phát triển trí thông minh nhân tạo.
Kết quả là, nhu cầu về chip xử lý AI của Nvidia đã tăng mạnh. Vào tháng 5, nhà đầu tư đã phản ánh sức mạnh của thị trường, khi giá trị vốn hóa của Nvidia vượt qua ngưỡng 1 nghìn tỷ USD, tương đương với GDP của Saudi Arabia. Có những phân tích cho rằng, trong thời đại mới, chip bán dẫn sẽ có tầm ảnh hưởng chiến lược như dầu mỏ, trong bối cảnh nền kinh tế toàn cầu được thúc đẩy bởi AI. Không ai dám chắc chắn về việc đó sẽ xảy ra khi nào, nhưng điều chắc chắn là các đối thủ của Nvidia luôn sẵn lòng cạnh tranh để giảm sức mạnh của họ.
Đối với Jensen Huang, CEO kiêm người sáng lập với chiếc áo da nổi tiếng, AMD là kẻ đối thủ đáng gờm nhất. Điều này trở nên đặc biệt khi Nvidia và AMD có trụ sở cách nhau chỉ vài phút lái xe tại Santa Clara, California. AMD không chỉ có khả năng thiết kế chip mạnh mẽ mà còn là một đối thủ đáng gờm với cả Intel và Nvidia.“Tôi tin rằng đây là cơ hội để AMD viết tiếp những trang sử mới. Hiện nay, có rất ít công ty trên thế giới có tài sản trí tuệ và cơ hội thị trường như chúng tôi. Chúng tôi cũng có cơ hội định hình cách AI được sử dụng trên toàn cầu.”
Chuyên gia công nghệ tại Morningstar, Brian Colello, đã dự đoán: “Có khả năng vào năm 2024, khi GPU của Nvidia gặp tình trạng hàng cháy, các công ty sẽ phải chuyển sang sử dụng GPU nghiên cứu AI của AMD. Điều này có thể mang lại lợi ích cho AMD khi họ có sản phẩm sẵn có để cung cấp. Câu hỏi về giá trị hàng nghìn tỷ USD của Nvidia nằm ở hai điểm: Thứ nhất là thị trường này có quy mô lớn đến đâu, và Nvidia sẽ chiếm bao nhiêu thị phần.”
Ví dụ, nếu Nvidia chiếm 95% thị phần chip xử lý AI, AMD sẽ bị đẩy ra xa, mặc dù vẫn giữ vị trí thứ hai. Nhưng nếu Nvidia gặp khó khăn trong cung cấp đủ lượng chip AI cho khách hàng, hoặc nếu AMD có thể chiếm được 30% thị phần, điều đó sẽ là một thành công lớn cho họ.
Thực tế, có nhiều điểm tương đồng giữa hai CEO của Nvidia và AMD. Cả hai đều đến từ Đài Nam. Tiến sĩ Su đã đến Mỹ khi mới 3 tuổi, sau đó trở thành kỹ sư điện tại IBM và sau đó là giám đốc công nghệ tại Freescale Semiconductor. Năm 2012, bà Su gia nhập AMD và chỉ trong hai năm, bà đã trở thành CEO của công ty. Đó là cống hiến lớn của bà để đưa AMD trở lại với vị thế đáng nể trong ngành chip.
Trong khi đó, theo nhận định của nhà phân tích từ Gardner, Alan Priestley, “cuộc đua giữa AMD và Intel chỉ là sự bỏ lỡ cơ hội trong việc đầu tư vào phần mềm AI dành cho GPU máy chủ và trung tâm dữ liệu.” Priestley cũng nhấn mạnh: “Nền tảng phần mềm của Nvidia là bức tường vững chắc của họ.”
So với CUDA, nền tảng lập trình ROCm của AMD thường được đánh giá là nặng nề và gặp nhiều lỗi.
Ngay cả tiến sĩ Su cũng thừa nhận rằng còn nhiều công việc phải làm: “Tôi sẽ là người đầu tiên thừa nhận rằng phần cứng của chúng tôi tuyệt vời, và phần mềm của chúng tôi sẽ ngày càng hoàn thiện hơn. Việc tích hợp các ứng dụng AI vào phần cứng của AMD sẽ mất một thời gian nhất định.”
Các tổ chức nghiên cứu và triển khai trí tuệ nhân tạo đặc biệt ưa chuộng và cần thiết GPU với khả năng xử lý đa nhiệm song song. Hiệu suất mạnh mẽ đã được tối ưu hóa từng bước cho việc xử lý đồ họa game và làm phim, và bây giờ có thể áp dụng vào việc huấn luyện các mô hình ngôn ngữ quy mô lớn như GPT-4 của OpenAI, dựa trên lượng dữ liệu khổng lồ trong thời gian ngắn.
Tuy nhiên, nhiều nhà phân tích cho rằng điều quan trọng hơn trong thị trường AI không phải là việc huấn luyện các mô hình ngôn ngữ quy mô lớn, mà là vận hành và thương mại hóa chúng. Để đạt được điều này, cần triển khai các hệ thống có khả năng xử lý hàng tỷ yêu cầu, khi AI trở thành một phần không thể thiếu trong cuộc sống công nghệ hàng ngày. Quy trình này, được gọi là “nội suy”, dựa trên việc suy luận của mô hình AI từ dữ liệu và kiến thức đã học.
Câu hỏi đặt ra là trong tương lai gần, liệu GPU vẫn là lựa chọn tối ưu cho quá trình nội suy của AI hay không.
Trong bối cảnh các công ty công nghệ lớn như Meta và Google đều đang phát triển chip TPU riêng để hỗ trợ AI, sẽ đến lúc mọi đơn vị đều cần sử dụng chip được thiết kế đặc biệt cho công việc này. Sự chuyển đổi này có thể tạo ra cơ hội mới cho AMD khi CPU vẫn giữ được vị thế trên thị trường nội suy AI.
Thực tế, các chip MI300 sắp được ra mắt của AMD sẽ kết hợp cả nhân CPU và nhân GPU trong một chip duy nhất.
Theo Colello của Morningstar, thị trường đang thay đổi và cả Intel cũng đang tham gia vào cuộc chơi với việc phát triển Gaudi2 và Greco để phục vụ cho huấn luyện và vận hành thuật toán AI. Trong khi đó, Nvidia tập trung vào việc tăng hiệu suất cho chip nội suy AI của họ, với hiệu suất tăng 8 lần trong vòng 1 năm.
Dù có thể bị Nvidia vượt mặt, nhưng vị trí thứ hai trên thị trường chip xử lý AI vẫn là cơ hội để AMD tăng cường thị phần và doanh thu. CEO Lisa Su cam kết rằng, AMD sẽ tận dụng cơ hội từ cơn sốt AI một cách tối đa.
Theo Fortune
