# Bài viết Liên quan Bộ nhớ

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Bộ nhớ", 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.

"Quang Tiến, Lưu Trữ Lùi" có đang trở thành tường thuật giao dịch mới trên thị trường chứng khoán Mỹ?

Trong bối cảnh kỳ vọng định giá chip AI được định giá đầy đủ, vốn đầu tư đang tìm kiếm những câu chuyện mới gắn với AI. "Quang tiến, lưu trữ thoái" (光进存退) đã nổi lên thành một tường thuật giao dịch mới: lĩnh vực lưu trữ hạ nhiệt, trong khi quang thông tin (viễn thông quang học) được coi là người kế vị. Quang thông tin sử dụng tín hiệu ánh sáng để truyền dữ liệu, với các sản phẩm cốt lõi như mô-đun quang, máy phát laser và sợi quang. Nó trở nên quan trọng với AI vì các cụm GPU/accelerator quy mô lớn cho việc đào tạo và suy luận mô hình cần trao đổi lượng dữ liệu khổng lồ. Kết nối bằng đồng truyền thống gặp hạn chế về khoảng cách, suy hao và tiêu thụ điện năng ở tốc độ cao. Ngược lại, kết nối quang học cung cấp băng thông cao hơn, khoảng cách xa hơn và hiệu quả năng lượng tốt hơn, trở thành yếu tố then chốt để mở rộng quy mô cụm AI. Câu chuyện này được củng cố bởi sự phân hóa rõ rệt về biến động giá cổ phiếu. Trong khi các cổ phiếu bán dẫn lưu trữ như Micron đã chịu áp lực giảm do kỳ vọng được định giá đầy đủ và lo ngại vĩ mô, thì các công ty quang thông tin như AAOI, COHR và đặc biệt là LITE đã tăng mạnh (40-50% từ tháng 8), nhờ xác nhận nhu cầu từ việc nâng cấp lên 800G/1.6T và mở rộng cụm AI. Báo cáo tài chính hoàn hảo của LITE gần đây đã "hàn chặt" tường thuật này. Công ty không chỉ vượt kỳ vọng doanh thu và lợi nhuận mà còn có tỷ suất lợi nhuận gộp lần đầu vượt 50% và dự báo tỷ suất lợi nhuận hoạt động quý tới khoảng 40%. Ban lãnh đạo cũng xác nhận nhu cầu vượt cung đối với laser công suất cao và nhu cầu từ khách hàng CPO (tích hợp quang học đóng gói) đang tăng tốc. Tuy nhiên, trước khi tham gia, nhà đầu tư cần thận trọng. Các cổ phiếu chính trong ngành đã tăng mạnh, mang theo rủi ro điều chỉnh nếu báo cáo sắp tới (như của COHR) không đáp ứng kỳ vọng cao. Câu chuyện thị trường luân chuyển đòi hỏi sự cân nhắc kỹ lưỡng về thời điểm và công cụ quản lý rủi ro khi tham gia.

marsbit23 giờ trước

"Quang Tiến, Lưu Trữ Lùi" có đang trở thành tường thuật giao dịch mới trên thị trường chứng khoán Mỹ?

marsbit23 giờ trước

Dự đoán gây chấn động của Altman: 6 tháng nữa, ChatGPT sẽ hoàn toàn kiểm soát cuộc đời bạn

Giám đốc điều hành OpenAI Sam Altman đưa ra tuyên bố gây chú ý: "Trợ lý AI tối thượng" chỉ cách chúng ta một lần lặp mô hình nữa, tức khoảng 6 tháng. Ông hình dung về một thế hệ AI tiếp theo có khả năng xem màn hình, ghi lại mọi cuộc họp và cuộc gọi, đồng thời nắm bắt toàn bộ bối cảnh cuộc sống của người dùng, đánh dấu sự thay đổi chất lượng từ tương tác sang cộng sinh giữa người và máy. Các dấu hiệu ban đầu đã xuất hiện. ChatGPT phiên bản desktop có thể truy cập ngữ cảnh màn hình, trong khi tính năng Chronicle của Codex chụp ảnh màn hình định kỳ để tạo ký ức hỗ trợ lập trình. Cấu trúc bộ nhớ Dreaming V3 mới của ChatGPT tự động tổng hợp ký ức từ lịch sử hội thoại, cải thiện đáng kể khả năng thu hồi thông tin và tuân thủ sở thích người dùng. Xu hướng này không chỉ của OpenAI. Google phát triển Memory Bank cho nền tảng Agent doanh nghiệp, Anthropic tích hợp bộ nhớ lâu dài cho Claude, và các bên thứ ba như Mem0 hướng tới một lớp bộ nhớ trung gian đa nền tảng. Điều này cho thấy "bộ nhớ" đang trở thành chiến lược giữ chân người dùng quan trọng, tạo ra rào cản chuyển đổi khi dữ liệu cá nhân tích lũy ngày càng nhiều trên một nền tảng duy nhất. Tóm lại, ngành AI đang chạy đua để xây dựng các trợ lý AI luôn hiện diện, được cá nhân hóa sâu sắc thông qua việc tích lũy bộ nhớ liên tục. Lời tiên đoán 6 tháng của Altman vừa là tầm nhìn công nghệ, vừa là dự báo thương mại về một tương lai nơi người dùng gắn bó sâu hơn với nền tảng đã lưu giữ ký ức sống của họ.

marsbitHôm qua 07:33

Dự đoán gây chấn động của Altman: 6 tháng nữa, ChatGPT sẽ hoàn toàn kiểm soát cuộc đời bạn

marsbitHôm qua 07:33

Phân Tích Báo Cáo JP Morgan: SK Hynix Giảm 15% Tuần Trước, Lo Ngại Định Giá HBM Quá Mức và Lợi Ích Cổ Đông Sẽ Sớm Được Thực Hiện

Báo cáo của JPMorgan giải thích: Giá cổ phiếu SK Hynix giảm 15% trong tuần trước chủ yếu do phản ứng thái quá của thị trường trước các tin tức ngắn hạn. Mối lo ngại về việc định giá HBM giảm 50% là không chính xác. Công ty dự kiến sẽ công bố kế hoạch trả cổ tức mới cho cổ đông muộn nhất vào cuối tháng 9, sớm hơn dự kiến ban đầu. Kế hoạch chi tiêu vốn (capex) 54 nghìn tỷ Won, mặc dù có quy mô lớn, là để chuẩn bị không gian nhà máy cho mục tiêu công suất một triệu tấm wafer vào năm 2030, phù hợp với lộ trình dài hạn chứ không phải là mở rộng nóng vội. JPMorgan duy trì đánh giá 'Overweight' với mục tiêu giá 2,75 triệu Won, tương ứng khoảng 7 lần thu nhập trên mỗi cổ phiếu trung bình năm 2026-2027. Chu kỳ bùng nổ của bộ nhớ vẫn tiếp diễn và cơ bản của SK Hynix không thay đổi.

marsbit2 ngày trước 02:17

Phân Tích Báo Cáo JP Morgan: SK Hynix Giảm 15% Tuần Trước, Lo Ngại Định Giá HBM Quá Mức và Lợi Ích Cổ Đông Sẽ Sớm Được Thực Hiện

marsbit2 ngày trước 02:17

Báo cáo của BoA: Siêu chu kỳ bộ nhớ kéo dài đến 2027, Samsung có thể khởi động mua lại cổ phiếu quy mô lớn và cổ tức đặc biệt

Chu kỳ siêu dài hạn của ngành bán dẫn lưu trữ dự kiến kéo dài đến năm 2027, theo báo cáo của BofA Securities. Doanh số toàn cầu ngành DRAM được dự báo đạt 5730 tỷ USD vào năm 2026 và 8470 tỷ USD vào năm 2027. Nhu cầu HBM là động lực chính, với quy mô thị trường dự kiến tăng lên 1528 tỷ USD vào năm 2027. Giá spot NAND đã tăng mạnh bất thường trong tuần. Giá ASP DRAM và NAND dự kiến tiếp tục tăng trong quý IV/2026. Dù có thể điều chỉnh nhẹ vào năm 2028, lợi nhuận ngành vẫn được duy trì ở mức cao nhờ cấu trúc nhu cầu mới từ AI và máy chủ. Samsung Electronics được kỳ vọng sẽ công bố chương trình trả cổ tức đặc biệt và mua lại cổ phiếu quy mô lớn, với tổng giá trị có thể vượt 70 nghìn tỷ Won. Đồng thời, Samsung cũng đang mở rộng thị phần sản xuất wafer HBM, dự kiến đuổi kịp SK Hynix vào giai đoạn 2026-2027. Chu kỳ hiện tại đang chuyển từ động lực giá sang cả lượng và giá. Sự thiếu hụt nguồn cung DRAM và NAND dự kiến khó đảo ngược trước năm 2027.

marsbit08/10 04:44

Báo cáo của BoA: Siêu chu kỳ bộ nhớ kéo dài đến 2027, Samsung có thể khởi động mua lại cổ phiếu quy mô lớn và cổ tức đặc biệt

marsbit08/10 04:44

Karpathy nói cần thêm mười năm, nhưng con đường này đã đông nghẹt người

Bài viết thảo luận về khái niệm "Học liên tục" (Continual Learning) trong lĩnh vực mô hình ngôn ngữ lớn (LLM), một chủ đề nổi bật sau nhận định của Andrej Karpathy rằng phải mất khoảng mười năm nữa để AI có thể học và ghi nhớ liên tục như con người. Trọng tâm thách thức là "sự lãng quên thảm khốc" (catastabolic forgetting), khi việc cập nhật tham số mô hình với kiến thức mới làm suy giảm hiệu suất trên các nhiệm vụ cũ. Bài viết trình bày nhiều hướng tiếp cận khác nhau để giải quyết vấn đề này: 1. **Bộ nhớ ngoại vi (Agent Memory):** Lưu trữ kiến thức bên ngoài mô hình (ví dụ: MemGPT, Letta, Zep) và truy xuất khi cần, an toàn nhưng thiếu sự "nội hóa" thực sự. 2. **Kỹ thuật Ngữ cảnh (Context Engineering):** Phát triển ngữ cảnh đầu vào như một "sổ tay hướng dẫn" tự cập nhật (ví dụ: ACE), cải thiện hiệu suất mà không thay đổi trọng số. 3. **Huấn luyện lại liên tục (Continual Post-training):** Cập nhật trọng số mô hình một cách thông minh (ví dụ: Tinker, SDFT) để hấp thụ kiến thức lâu dài, nhưng vẫn phải đối mặt với rủi ro lãng quên. 4. **Tiền huấn luyện liên tục (Continual Pre-training):** Tiếp tục huấn luyện mô hình với dữ liệu mới, tốn kém và dễ gây lãng quên. 5. **Các ý tưởng mới:** Hướng tiếp cận đột phá như SEAL (cho phép mô hình tự sửa đổi), Học lồng nhau (Nested Learning), và tầm nhìn "Kỷ nguyên Kinh nghiệm" nhấn mạnh việc học từ tương tác. Kết luận chỉ ra rằng các phương pháp này có thể sẽ kết hợp phân tầng: kiến thức ngắn hạn được xử lý bởi bộ nhớ ngoại vi và ngữ cảnh, trong khi khả năng dài hạn được củng cố thông qua điều chỉnh tham số. Mặc dù chưa có giải pháp triệt để cho sự lãng quên thảm khốc, nhưng lĩnh vực học liên tục đã trở thành một mặt trận nghiên cứu và phát triển sôi động với nhiều lộ trình khả thi hướng tới mục tiêu tạo ra "đồng nghiệp AI" thực thụ.

marsbit08/10 02:36

Karpathy nói cần thêm mười năm, nhưng con đường này đã đông nghẹt người

marsbit08/10 02:36

AMD mua lại Taalas: AI phần cứng vượt qua nhu cầu về bộ nhớ HBM khan hiếm

AMD đã đồng ý mua lại startup Taalas từ Toronto, công ty giải quyết vấn đề chính trong suy luận AI: nhu cầu liên tục di chuyển trọng số mô hình từ bộ nhớ đến bộ xử lý. Chip của Taalas loại bỏ thao tác này bằng cách "hàn" trọng số mô hình trực tiếp vào bóng bán dẫn. Cách tiếp cận này giúp tăng tốc độ suy luận đáng kể và không cần đến bộ nhớ HBM - linh kiện khan hiếm nhất hiện nay. Thương vụ cho thấy nỗ lực của AMD trong cuộc cạnh tranh với Nvidia, nhưng quan trọng hơn, nó phản ánh tình trạng quá nóng của thị trường bộ nhớ bán dẫn. Chip thử nghiệm đầu tiên của Taalas chạy mô hình Llama 3.1 8B nhanh hơn nhiều so với GPU của Nvidia. Tuy nhiên, việc chuyên biệt hóa cứng này có nhược điểm: mỗi chip chỉ phục vụ một mô hình cố định và việc thay đổi mô hình mất khoảng hai tháng. Bối cảnh thị trường hiện tại giả định sự khan hiếm bộ nhớ là vĩnh viễn, đẩy giá DRAM và HBM tăng cao. Tuy nhiên, các giải pháp như của Taalas, kỹ thuật nén của Nvidia và công nghệ bộ nhớ mới từ Samsung, SK hynix đang tấn công trực tiếp vào giả định này. AMD đã mua bằng chứng cho thấy suy luận AI có thể hoạt động mà không phụ thuộc nhiều vào HBM. Các nhà đầu tư đang đặt cược vào sự khan hiếm lâu dài có thể đang đối mặt với một làn sóng kỹ thuật hướng tới mục tiêu ngược lại. Ngành bộ nhớ vốn mang tính chu kỳ, và những đột phá công nghệ này có thể là một lý do nữa khiến điều đó tiếp diễn.

cryptonews.ru08/09 14:57

AMD mua lại Taalas: AI phần cứng vượt qua nhu cầu về bộ nhớ HBM khan hiếm

cryptonews.ru08/09 14:57

Tại Sao Tình Trạng Thiếu Chip Bộ Nhớ Đang Định Hình Lại Danh Mục Đầu Tư Trên Toàn Ngành Bán Dẫn Vào Năm 2026

Thị trường chip nhớ toàn cầu đang trải qua đợt siết chặt nguồn cung nghiêm trọng nhất trong nhiều thập kỷ, với giá hợp đồng NAND và DRAM tăng tới 90% trong năm 2026. Nguyên nhân chính đến từ nhu cầu AI, khi các doanh nghiệp lớn chuyển hướng công suất sản xuất sang bộ nhớ băng thông cao (HBM) phục vụ huấn luyện và suy luận AI, gây thiếu hụt chip cho thị trường tiêu dùng. DRAM, linh kiện thiết yếu trong mọi máy chủ AI và thiết bị điện tử, đã trở thành một câu chuyện hàng hóa có thể giao dịch trực tiếp. Micron (MU) nắm vị trí then chốt khi là nhà sản xuất chính các gói HBM, với công suất đã được đặt trước đến tận năm 2027, dẫn đến kết quả tài chính kỷ lục. Trong khi đó, SanDisk (SNDK) là đại diện thuần túy cho chu kỳ tăng giá NAND, được củng cố bởi các hợp đồng cung cấp dài hạn với mức giá cao. Điểm chung của cả ba tài sản (DRAM, MU, SNDK) là sự mất cân đối kéo dài giữa nhu cầu hạ tầng AI tăng vọt và nguồn cung bộ nhớ mất nhiều năm để mở rộng. Đối với nhà đầu tư, câu hỏi quan trọng không còn là xu hướng giá mà là thời gian chu kỳ khan hiếm này có thể kéo dài bao lâu trước khi năng lực sản xuất mới hoặc nhu cầu thay đổi.

TheNewsCrypto08/09 11:32

Tại Sao Tình Trạng Thiếu Chip Bộ Nhớ Đang Định Hình Lại Danh Mục Đầu Tư Trên Toàn Ngành Bán Dẫn Vào Năm 2026

TheNewsCrypto08/09 11:32

Người bạn đồng trang lứa của ChangXin, số phận của Jinhua Phúc Kiến thật đáng thương

Sau khi Changxin lên sàn, chip bộ nhớ Trung Quốc cuối cùng cũng chứng kiến thời khắc đỉnh cao. Nhưng ít người biết rằng, cùng năm khởi động dự án Changxin, Trung Quốc còn từng đặt cược vào một công ty DRAM khác - Fujian Jinhua. Năm 2016, hai công ty này gần như xuất phát từ cùng một vạch đích với sứ mệnh đột phá DRAM nội địa, cùng xây dựng nhà máy wafer 12 inch và nhận đầu tư hàng trăm tỷ nhân dân tệ. Tuy nhiên, số phận sau 10 năm lại hoàn toàn khác biệt. Changxin trở thành biểu tượng cho sự trỗi dậy của ngành DRAM Trung Quốc, trong khi Fujian Jinhua gần như biến mất khỏi tầm mắt công chúng. Fujian Jinhua đã chọn con đường nhanh nhất thời điểm đó: hợp tác với United Microelectronics Corporation (UMC) của Đài Loan. Jinhua cung cấp vốn và xây dựng nhà máy, UMC chịu trách nhiệm phát triển công nghệ. Tuy nhiên, sự gắn kết sâu sắc này đã đặt nền móng cho những tranh chấp sở hữu trí tuệ sau này. Năm 2017, Micron của Mỹ đã kiện UMC và Fujian Jinhua với cáo buộc đánh cắp bí mật thương mại. Tháng 10/2018, một đòn giáng mạnh hơn ập tới: Bộ Thương mại Mỹ đưa Fujian Jinhua vào danh sách đen (Entity List), cắt đứt hiệu quả việc tiếp cận công nghệ, thiết bị và hỗ trợ từ Mỹ. UMC sau đó tạm dừng hợp tác. Vụ kiện kéo dài gần 6 năm, và mặc dù cuối cùng Fujian Jinhua được tuyên trắng án vào năm 2024, họ đã bỏ lỡ giai đoạn vàng của ngành bộ nhớ. Trong khi đó, Changxin lại đi theo một lộ trình khác, chú trọng hơn vào việc xây dựng hệ thống R&D và bảo vệ tài sản trí tuệ của chính mình, ví dụ thông qua thỏa thuận cấp phép bằng sáng chế với tài sản từ Qimonda cũ của Đức. Đến thời điểm Changxin dần vào giai đoạn sản xuất hàng loạt, nền tảng công nghiệp hỗ trợ trong nước đã được cải thiện đáng kể so với thời điểm Jinhua bị trừng phạt. Ngày nay, Fujian Jinhua vẫn hoạt động và đang nỗ lực trở lại quỹ đạo phát triển. Dù đã bỏ lỡ cơ hội quan trọng, kinh nghiệm của Jinhua trở thành bài học quý giá cho ngành chip Trung Quốc, giúp các doanh nghiệp sau này nhận thức rõ hơn về rào cản sở hữu trí tuệ, rủi ro đứt gãy chuỗi cung ứng và sự phức tạp của cạnh tranh toàn cầu trong ngành bán dẫn.

marsbit08/05 12:34

Người bạn đồng trang lứa của ChangXin, số phận của Jinhua Phúc Kiến thật đáng thương

marsbit08/05 12:34

La lớn mua vào, tại sao Goldman Sachs vẫn lạc quan về Samsung và SK Hynix

Dù giá cổ phiếu Samsung Electronics và SK Hynix đã giảm mạnh trong tháng qua, Goldman Sachs vẫn giữ nguyên đánh giá Mua. Báo cáo của họ đưa ra ba lý do chính: 1. **HBM sẽ lấy lại mức giá cao hơn:** Dự kiến đến năm 2027, giá bán trung bình (ASP) của HBM sẽ tăng mạnh, đạt khoảng 2.9 USD/Gb, tái lập chênh lệch giá so với DRAM truyền thống. Điều này nhờ nhu cầu AI mạnh, độ khó sản xuất tăng và tiêu thụ wafer lớn hơn từ HBM thế hệ mới. 2. **Hợp đồng dài hạn (LTA) ổn định chu kỳ:** Các khách hàng lớn (như trung tâm dữ liệu) đang ký hợp đồng dài hạn 3-5 năm để cam kết công suất, với các điều khoản về giá sàn, thanh toán trước và phạt vi phạm. Điều này giúp giảm rủi ro biến động cho nhà sản xuất. 3. **Tồn kho thấp và nhu cầu SSD doanh nghiệp:** Tồn kho ở nhà cung cấp và khách hàng chính vẫn ở mức thấp lành mạnh. Đồng thời, nhu cầu SSD cấp doanh nghiệp cho máy chủ AI tăng mạnh được kỳ vọng bù đắp cho sự yếu kém của thị trường tiêu dùng (điện thoại, PC), giúp thị trường NAND chưa rơi vào dư thừa. Báo cáo cũng nhận định việc mở rộng sản xuất của CXMT (Trung Quốc) khó thay đổi cán cân cung-cầu toàn cầu trong ngắn và trung hạn do chênh lệch về công nghệ, đặc biệt là trong lĩnh vực HBM đòi hỏi cao. Rủi ro chính bao gồm nhu cầu AI thấp hơn dự kiến, các điều khoản LTA không được thực thi đầy đủ, và việc mở rộng công suất quá mức.

marsbit08/05 04:13

La lớn mua vào, tại sao Goldman Sachs vẫn lạc quan về Samsung và SK Hynix

marsbit08/05 04:13

Mô hình Kimi K3 cần 16 card B200 mới chạy được, thì 8 card AMD đã đủ để chứa

Đây có thể là thời điểm mà AMD đã chờ đợi bấy lâu. Gần đây, Wafer AI đã triển khai mô hình Kimi K3 trên GPU AMD MI355X. Kết quả là, thay vì cần 16 card NVIDIA B200 trải trên hai máy chủ, giờ đây mô hình có thể được triển khai chỉ trong một máy chủ AMD với 8 card MI355X. Điểm mấu chốt: MI355X không chỉ đơn thuần chứa được mô hình. Trong bài kiểm tra với 1024 Token đầu vào và 400 Token đầu ra, cụm MI355X đạt tổng thông lượng 952 Token/s, tốc độ tạo cho một người dùng đạt 118 Token/s. Tính trên một nút, thông lượng của nó cao gấp khoảng 3.8 lần so với giải pháp dùng 16 card B200, và hiệu quả chi phí cũng vượt trội hơn cả B200 và B300. Lý do chính nằm ở bộ nhớ. Kimi K3 có 2.8 nghìn tỷ tham số, cần hơn 1.5 TB bộ nhớ chỉ cho trọng số mô hình. Một máy chủ 8 card B200 chỉ có khoảng 1.5 TB, buộc phải dùng hai máy chủ, dẫn đến chi phí truyền thông liên nút làm chậm quá trình giải mã. Trong khi đó, MI355X có 288 GB bộ nhớ mỗi card, tổng cộng khoảng 2.3 TB trên một máy chủ, đủ để chứa toàn bộ mô hình. Một điểm đáng ngạc nhiên là phần mềm ROCm lần này gần như có thể chạy trực tiếp mà không cần chỉnh sửa lớn, khác với những trở ngại về tương thích thường thấy trước đây. Mặc dù vẫn cần một số tối ưu hóa nhỏ (như khắc phục lỗi hàm trong giải mã suy đoán và tối ưu hóa kernel chú ý để cải thiện thời gian phản hồi token đầu tiên - TTFT), quá trình diễn ra tương đối suôn sẻ. Mặc dù giải pháp 8 card B300 vẫn cho hiệu suất tuyệt đối cao nhất (1568 Token/s), nhưng với mức giá giả định, MI355X cung cấp hiệu quả chi phí trên mỗi đô-la tốt hơn đáng kể. Điều này cho thấy trong kỷ nguyên mô hình ngày càng lớn, dung lượng bộ nhớ có thể trở thành lợi thế hệ thống quan trọng. Nếu AMD tiếp tục cải thiện độ ổn định của ROCm và hỗ trợ kịp thời các mô hình mới, họ sẽ trở thành lựa chọn đáng cân nhắc cho các trung tâm dữ liệu.

marsbit08/04 11:23

Mô hình Kimi K3 cần 16 card B200 mới chạy được, thì 8 card AMD đã đủ để chứa

marsbit08/04 11:23

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow

Tin tức Ngànhright-arrow