# Bài viết Liên quan GPU

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "GPU", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

AMD Ra Mắt Máy Chủ AI Cỡ Nhỏ, Nhắm Thẳng NVIDIA DGX Spark

Tháng 6/2026, AMD đã công bố máy chủ AI nhỏ gọn Ryzen AI Halo, đối đầu trực tiếp với DGX Spark của NVIDIA. Cả hai đều có bộ nhớ thống nhất 128GB, kích thước nhỏ và hướng đến nhà phát triển AI tại chỗ, nhưng con đường tiếp cận khác biệt. Ryzen AI Halo dựa trên kiến trúc x86, chạy Windows/Ubuntu, sử dụng APU Ryzen AI Max+ 395 tích hợp CPU, GPU RDNA 3.5 và NPU. Nó là một máy tính để bàn đa dụng với giá dự kiến thấp hơn (từ $2,949). DGX Spark của NVIDIA sử dụng kiến trúc ARM+GPU Blackwell chuyên biệt, chạy hệ điều hành DGX OS tùy chỉnh và được tối ưu hóa sâu cho pipeline AI với card mạng cao tốc ConnectX-7, giá khởi điểm $3,999. Về hiệu năng inference đơn lẻ, chúng ngang nhau, nhưng DGX Spark có lợi thế trong xử lý prompt và các tác vụ song song nhờ phần mềm tối ưu và hỗ trợ tính toán độ chính xác thấp. Bài viết nêu bật nỗ lực của AMD trong việc xây dựng hệ sinh thái mở thay thế thông qua ROCm (hiện đã hỗ trợ tốt các framework chính), cùng các chiến lược dài hạn như ký hợp đồng cung cấp GPU lượng lớn với OpenAI và Meta, và mua lại ZT Systems để tăng cường khả năng thiết kế hệ thống. Tuy nhiên, NVIDIA vẫn duy trì lợi thế lớn với hệ sinh thái CUDA trưởng thành 17 năm, các công cụ doanh nghiệp tích hợp (như AI Enterprise), và khả năng mở rộng cụm máy dễ dàng. Tóm lại, AMD không cố gắng đánh bại toàn diện "pháo đài" phần mềm-phần cứng của NVIDIA, mà định vị mình như một lựa chọn thay thế khả thi, tiết kiệm chi phí và linh hoạt hơn cho những nhà phát triển nhạy cảm về giá hoặc muốn tránh bị khóa vào một nhà cung cấp duy nhất. Ryzen AI Halo là hiện thân của chiến lược đó trên máy tính để bàn.

marsbit06/16 09:16

AMD Ra Mắt Máy Chủ AI Cỡ Nhỏ, Nhắm Thẳng NVIDIA DGX Spark

marsbit06/16 09:16

Không có Tencent, SMIT còn gì?

Nếu vào ngày mai Tencent ngừng mua sắm, Suiyuan còn giá trị bao nhiêu? Đây là câu hỏi xuyên suốt bản cáo bạch IPO của Suiyuan, mặc dù không ai nói thẳng. Năm 2025, 74.9% doanh thu 9.9 tỷ nhân dân tệ của Suiyuan đến từ Tencent (theo một cách tính khác thậm chí vượt 80%). Việc Suiyuan chính thức vượt qua cuộc họp thẩm định niêm yết trên STAR Market đã hoàn thành vòng vây của "Tứ long" GPU nội địa Trung Quốc trên thị trường vốn, đánh dấu sự chuyển dịch của ngành chip AI: từ thúc đẩy bởi vốn và câu chuyện sang chu kỳ giao hàng đơn hàng khắc nghiệt. Suiyuan đi một con đường khác: tập trung vào giao hàng cho khách hàng lớn ngay từ đầu. Doanh thu tăng trưởng theo cấp số nhân, đặc biệt là quý I/2026 đạt 2.87 tỷ, tăng 1474.85%, cho thấy sự giải phóng tập trung đơn đặt hàng từ một khách hàng siêu lớn - Tencent. Tỷ lệ phụ thuộc cao này không chỉ là rủi ro, mà phản ánh một sự thật công nghiệp: dưới áp lực nhu cầu điện toán khổng lồ cho các mô hình AI như Hunyuan, Tencent cần một hệ thống cung cấp năng lực tính toán ổn định, kiểm soát được và không bị siết cổ. Suiyuan cung cấp sự an toàn đó, đặc biệt là với sản phẩm suy luận (inference). Tencent, với tư cách vừa là cổ đông lớn nhất (20.26%) vừa là khách hàng lớn nhất, đang chủ động nuôi dưỡng Suiyuan. Động thái này giống như việc các đại gia công nghệ Mỹ nuôi dưỡng nhà cung cấp, dùng đơn đặt hàng xác định để mài giũa công nghệ và tạo ra một mắt xích không thể thay thế trong chuỗi cung ứng. Việc thay thế Suiyuan sẽ cực kỳ tốn kém vì liên quan đến cả phần mềm, hệ thống điều phối đã được triển khai sâu. Ngành chip AI Trung Quốc đang hình thành ba tầng: NVIDIA (dẫn dắt toàn cầu), Huawei Ascend (quốc gia), và các công ty thương mại như Suiyuan. Suiyuan ngày càng giống "nền tảng tính toán cho hệ sinh thái Tencent". Kế hoạch huy động vốn 6 tỷ nhân dân tệ của họ tập trung vào phát triển chip AI đời thứ 5, thứ 6, trùng khớp cao với lộ trình nhu cầu của Tencent, cho thấy sự thiết kế phối hợp. Bài học từ Suiyuan cho thấy giai đoạn tới của ngành công nghiệp AI Trung Quốc không còn là ai có thể chế tạo chip, mà là ai có thể thâm nhập vào chuỗi cung ứng của các khách hàng siêu lớn. Suiyuan là công ty chip nội địa đầu tiên thực sự bước vào vùng nước sâu này. Giá trị của họ nằm ở đơn đặt hàng dài hạn từ Tencent - thứ có sức nặng hơn bất kỳ sách trắng công nghệ nào trong bối cảnh hiện tại. Cuối cùng, điểm đến của việc đuổi kịp có lẽ không phải là tạo ra một con chip mạnh như NVIDIA, mà là tìm được một khách hàng sẵn sàng mua chip của bạn liên tục. Công nghệ có thể theo kịp, nhưng sự tin tưởng, kịch bản ứng dụng và đơn đặt hàng phải được kiếm từng xu một. Đó có lẽ là chủ nghĩa dài hạn duy nhất cho chip nội địa trong cuộc hành trình điện toán này.

marsbit06/15 23:18

Không có Tencent, SMIT còn gì?

marsbit06/15 23:18

Cảnh báo về AI đệ quy của Anthropic, công ty mới của Tian Yuandong vừa thực hiện 'bước đầu tiên'

Anthropic gần đây đã công bố bài viết "Khi AI tự xây dựng chính mình", cảnh báo về tương lai của việc AI có thể tự cải thiện một cách đệ quy. Trong bối cảnh này, công ty Recursive Superintelligence do Tian Yandong đồng sáng lập đã công bố bước đầu tiên về nghiên cứu AI tự động, mang tên "First Steps Toward Automated AI Research". Hệ thống này nhằm mục đích tự động hóa vòng lặp nghiên cứu AI truyền thống: đề xuất ý tưởng, viết mã, chạy thử nghiệm, phân tích và học hỏi để quyết định bước tiếp theo. Nó được thử nghiệm trên ba lĩnh vực khác nhau và đều đạt kết quả tốt nhất hiện tại (SOTA): 1. **NanoChat Autoresearch:** Huấn luyện mô hình ngôn ngữ nhỏ với ngân sách tính toán cố định, giảm tổn thất kiểm chứng xuống 0.9109 BPB. 2. **NanoGPT Speedrun:** Rút ngắn thời gian huấn luyện mô hình GPT xuống mức kỷ lục 77,5 giây thông qua các kỹ thuật như tính toán chú ý FP8 và tối ưu kernel GPU. 3. **SOL-ExecBench:** Tối ưu hóa kernel GPU, nâng điểm số SOL lên 0,754, thu hẹp 18% khoảng cách với giới hạn lý thuyết phần cứng. Recursive Superintelligence, với đội ngũ toàn sao và số vốn huy động lớn, theo đuổi sứ mệnh xây dựng hệ thống AI có khả năng tự cải thiện đệ quy. Thành công bước đầu này đánh dấu sự xuất hiện của một mô hình phát triển AI mới, nơi AI đóng vai trò chủ thể trong nghiên cứu. Điều này có thể thay đổi tốc độ và chi phí tiến bộ AI, đồng thời làm dấy lên những thảo luận về sự cần thiết phải điều phối và quản trị toàn cầu, như lời cảnh báo từ Anthropic.

marsbit06/12 04:14

Cảnh báo về AI đệ quy của Anthropic, công ty mới của Tian Yuandong vừa thực hiện 'bước đầu tiên'

marsbit06/12 04:14

Khi suy luận trở thành nguồn lực khan hiếm, giá trị sẽ được nắm bắt bởi ai

Tác giả Frank Fu từ IOSG phân tích sự chuyển dịch then chốt trong ngành AI: từ tập trung vào huấn luyện (training) sang suy luận (inference) như là nguồn lực khan hiếm và động lực giá trị chính. Điểm mấu chốt: Vấn đề "lỗ hổng doanh thu" 2000 tỷ USD (nay là 6000 tỷ USD) được David Cahn của Sequoia đưa ra không được lấp đầy từ phía huấn luyện, mà từ phía suy luận. Inference trở thành chi phí thường xuyên, có tính chất phí dịch vụ (service token), và nhu cầu sẽ tăng theo cấp số nhân với sự phát triển của AI dạng tác nhân (agentic AI) và AI vật lý (physical AI). Các bằng chứng: * **Cerebras IPO:** Được định giá cao với mức认购 vượt 20 lần nhờ kiến trúc chip tối ưu cho inference. * **Định hướng lại của NVIDIA:** Tái cấu trúc báo cáo tài chính xoay quanh "dịch vụ token", thành lập mảng Edge Computing song song với Data Center, và công bố chip Vera Rubin tập trung vào inference. * **Tình huống thực tế - Anthropic:** Phải tiếp quản toàn bộ một trung tâm dữ liệu để giải quyết tắc nghẽn inference, và chuyển đổi mô hình định giá cho các tác nhân AI sang tính phí theo mức sử dụng. **Kiến trúc ngăn xếp (stack) và nơi đọng giá trị:** Bài viết mô tả một ngăn xếp 6 tầng từ nhà máy bán dẫn đến API. Khi inference trở thành nút thắt cổ chai, giá trị sẽ chảy mạnh vào các tầng trung gian có khả năng **tổng hợp và định tuyến hiệu quả** nguồn cung điện toán phân mảnh. * **Venice** được nêu như một ví dụ ở tầng ứng dụng - một "trạm xăng" mua sức mạnh inference để bán lại với giá trị gia tăng là quyền riêng tư, nhưng lợi nhuận mỏng do phụ thuộc vào giá inference. * **Hyperbolic** được giới thiệu như một công ty độc đáo, đóng vai trò "nhà máy lọc dầu" ở các tầng giữa (cho thuê GPU, triển khai, API model). Bằng cách tổng hợp GPU từ nhiều nhà cung cấp đám mây thành một thị trường chuẩn hóa, họ không sở hữu phần cứng nhưng tạo ra thanh khoản và dữ liệu định giá, từ đó định tuyến workload đến nơi có chi phí thấp nhất. Mô hình này thậm chí được hưởng lợi từ tình trạng dư thừa GPU. **Kết luận:** Công ty chiến thắng cuối cùng trong nền kinh tế inference có thể không phải là công ty sở hữu nhiều GPU nhất, mà là công ty có thể tổng hợp, định giá và định tuyến chúng một cách hiệu quả nhất. Hyperbolic đang xây dựng một công ty như vậy.

链捕手06/08 15:43

Khi suy luận trở thành nguồn lực khan hiếm, giá trị sẽ được nắm bắt bởi ai

链捕手06/08 15:43

Vượt qua "Bức tường Bộ nhớ": Cuộc Cách mạng ở Cấp độ Wafer và Lộ trình Tính toán trong Thời đại Suy luận AI

Năm 2026, chi phí đầu tư cho suy luận AI của các nhà cung cấp điện toán đám mây quy mô lớn lần đầu tiên vượt quá chi phí cho huấn luyện, đánh dấu bước chuyển từ "luyện mô hình lớn" sang "sử dụng mô hình lớn". Trong thời đại suy luận, điểm nghẽn chính chuyển sang "tường bộ nhớ" (memory wall), nơi chi phí và độ trễ di chuyển dữ liệu giữa GPU và DRAM (như HBM) vượt xa bản thân tính toán. Cerebras Systems, với kiến trúc động cơ quy mô wafer (WSE), đề xuất một giải pháp triệt để: thay vì cắt một tấm wafer thành nhiều chip nhỏ, họ sử dụng gần như toàn bộ wafer làm một chip khổng lồ duy nhất. Chip WSE-3 mới nhất cung cấp băng thông bộ nhớ trên chip cực cao nhờ 44GB SRAM, lên tới 21 PB/s, cao hơn 2625 lần so với GPU B200 của NVIDIA, giúp giảm đáng kể độ trễ trong suy luận mô hình lớn. Trong kiến trúc của Cerebras, trọng số mô hình được lưu trữ bên ngoài trên MemoryX và được truyền theo từng lớp đến chip khi cần, cho phép thông lượng token nhanh hơn từ 1.5 đến 5 lần so với B200 trong các mô hình khác nhau. Nó cũng có lợi thế lớn về hiệu suất năng lượng cho kết nối trên chip. Tuy nhiên, Cerebras phải đối mặt với những thách thức: lợi thế SRAM có thể chạm trần vật lý do giới hạn thu nhỏ theo tiến trình bán dẫn, yêu cầu hệ thống làm mát chuyên dụng, băng thông I/O ra bên ngoài thấp gây khó khăn cho mở rộng quy mô lớn, và hệ sinh thái phần mềm độc quyền. Các gã khổng lồ công nghệ đang theo đuổi nhiều con đường khác để giải quyết điểm nghẽn suy luận, bao gồm tự phát triển ASIC (như TPU, Maia), tận dụng công nghệ đóng gói tiên tiến phổ biến (như SoW của TSMC), và khám phá kết nối/quang học. Áp lực thương mại cũng rất lớn, khi Cerebras phải chuyển đổi thành nhà cung cấp dịch vụ đám mây và triển khai năng lực trung tâm dữ liệu khổng lồ theo các hợp đồng. Tóm lại, cuộc đua kiến trúc suy luận AI là về sự đánh đổi: Cerebras tối ưu hóa cực độ cho độ trễ thấp trên một wafer, trong khi NVIDIA duy trì tính linh hoạt và thông lượng cao thông qua kiến trúc cụm GPU. Tương lai của cả hai hướng đi vẫn chưa được định đoạt, phụ thuộc vào sự phát triển của tải công việc và công nghệ.

marsbit06/05 11:10

Vượt qua "Bức tường Bộ nhớ": Cuộc Cách mạng ở Cấp độ Wafer và Lộ trình Tính toán trong Thời đại Suy luận AI

marsbit06/05 11:10

CPU, lặng lẽ trở lại vị trí trung tâm của sân khấu tính toán AI

Trong ba năm qua, AI đều xoay quanh GPU, nhưng câu chuyện bắt đầu thay đổi từ năm 2026. Intel ra mắt Xeon 6+ với 288 lõi E-core, tập trung vào tính toán mật độ cao, hiệu quả năng lượng cho tải công việc suy luận AI và tác nhân thông minh. Báo cáo từ SemiAnalysis chỉ ra rằng, khi AI chuyển từ đào tạo sang triển khai hàng loạt, các nhiệm vụ như điều phối, xử lý luồng dữ liệu và quản lý đồng thời trở thành nút thắt mới – lĩnh vực mà CPU tỏ ra vượt trội hơn GPU. Xeon 6+ được sản xuất trên quy trình Intel 18A, đánh dấu sự trở lại của Intel trong cuộc đua CPU máy chủ mật độ cao, cạnh tranh với AMD Bergamo và CPU tự nghiên cứu dựa trên ARM của các nhà cung cấp đám mây. Tuy nhiên, câu chuyện “CPU trở lại” vẫn đối mặt với thách thức từ NVIDIA (với giải pháp CPU+GPU tích hợp) và làn sóng tự nghiên cứu CPU của các gã khổng lồ đám mây. Tóm lại, CPU đang tìm thấy vị trí mới quan trọng với tư cách là “mặt phẳng điều khiển” trong cơ sở hạ tầng AI, chứ không phải là sự thay thế cho GPU. Sự thành công của Intel phụ thuộc vào hiệu suất của quy trình 18A và khả năng chiếm lĩnh thị trường bên ngoài các CPU tự nghiên cứu của nhà cung cấp đám mây. Cuộc cạnh tranh định hình lại vai trò của CPU trong kỷ nguyên AI vẫn đang tiếp diễn.

marsbit06/03 10:44

CPU, lặng lẽ trở lại vị trí trung tâm của sân khấu tính toán AI

marsbit06/03 10:44

Câu chuyện mới nào nằm trong 'Nhà máy Agent' của Jensen Huang?

Trong bài phát biểu tại COMPUTEX 2026, CEO NVIDIA Jensen Huang công bố loạt sản phẩm và chiến lược mới tập trung vào thời đại AI Agent (trí tuệ nhân tạo tự chủ). Trọng tâm là nền tảng Vera Rubin, siêu máy tính AI cấp rack được thiết kế để xử lý khối lượng công việc của Agent, hiệu quả gấp 10 lần thế hệ trước. Bộ xử lý Vera CPU, được chế tạo riêng cho AI, tăng tốc đáng kể các tác vụ Agent. NVIDIA giới thiệu DGX Station for Windows, mang sức mạnh AI siêu máy tính đến máy trạm doanh nghiệp, và RTX Spark SoC cho máy tính xách tay AI PC. Về mô hình, Nemotron 3 Ultra (550 tỷ tham số) tối ưu cho Agent doanh nghiệp, trong khi Cosmos 3, mô hình thế giới vật lý đa phương thức, thúc đẩy robot và xe tự lái. Hợp tác với Unitree, NVIDIA ra mắt H2 Plus, mẫu robot hình người tham chiếu dựa trên nền tảng Isaac GR00T, nhằm đơn giản hóa phát triển. Bộ công cụ DSX giúp thiết kế, mô phỏng và vận hành "nhà máy AI", trong khi bản nâng cấp BlueField-4 STX tập trung vào bảo mật dữ liệu cho Agent. Đáng chú ý, quan hệ với TSMC chuyển từ đơn thuần là khách hàng sang hợp tác hai chiều, với NVIDIA cung cấp công nghệ AI để tối ưu hóa hoạt động nhà máy bán dẫn. Tóm lại, NVIDIA đang xây dựng một hệ sinh thái hoàn chỉnh từ chip, phần cứng, phần mềm đến nền tảng robot, nhằm chiếm lĩnh mọi tầng trong cơ sở hạ tầng thời đại Agent.

marsbit06/01 12:07

Câu chuyện mới nào nằm trong 'Nhà máy Agent' của Jensen Huang?

marsbit06/01 12:07

活动图片