# Bài viết Liên quan Nvidia

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

DeepSeek bí mật tự sản xuất chip, chuyên tấn công vào lĩnh vực suy luận, đã khởi động từ một năm trước, quá trình tuyển dụng hoàn toàn không công khai

DeepSeek, công ty AI Trung Quốc nổi tiếng với các mô hình thuật toán, đang bí mật phát triển chip AI tự thiết kế của riêng mình, với mục tiêu giảm sự phụ thuộc vào Nvidia. Theo nguồn tin từ Reuters, dự án tập trung vào chip chuyên cho suy luận (inference) hơn là đào tạo (training) và đã được khởi động từ khoảng một năm trước. Dự án hiện vẫn trong giai đoạn đầu. DeepSeek được cho là đã tiếp xúc với các công ty thiết kế chip, nhà máy sản xuất bán dẫn và nhà cung cấp bộ nhớ. Công ty đã tuyển dụng kỹ sư thiết kế chip một cách kín đáo, không đăng thông tin trên các nền tảng tuyển dụng công khai. Xu hướng này không đơn lẻ khi các hãng AI lớn như OpenAI và Anthropic cũng đang theo đuổi chip tự thiết kế. DeepSeek, vốn đã tối ưu hóa thuật toán để hiệu quả hơn trên phần cứng hiện có (như chip Nvidia H800 hay Huawei Ascend), nay muốn kiểm soát hoàn toàn nền tảng phần cứng. Chip chuyên dụng cho suy luận có thể mang lại hiệu quả chi phí và năng lượng cao hơn, yếu tố quan trọng cho việc mở rộng thương mại hóa. Kế hoạch được hậu thuẫn bởi khoản tài trợ 74 tỷ USD (khoảng 510 tỷ nhân dân tệ) mà DeepSeek huy động được vào tháng 6/2026. Số tiền này sẽ dùng cho việc xây dựng trung tâm dữ liệu dùng chip nội địa, tự nghiên cứu chip AI và mở rộng đội ngũ nhân tài. Công ty cũng đang tuyển dụng kỹ sư thiết kế trung tâm dữ liệu, với các địa điểm được đề cập như Ulanqab, Nội Mông. Mặc dù vậy, thách thức vẫn rất lớn vì việc phát triển một con chip AI cạnh tranh đòi hỏi nhiều năm và nguồn vốn khổng lồ, với kết quả không được đảm bảo. DeepSeek vẫn giữ thái độ im lặng trước thông tin này.

marsbit3 giờ trước

DeepSeek bí mật tự sản xuất chip, chuyên tấn công vào lĩnh vực suy luận, đã khởi động từ một năm trước, quá trình tuyển dụng hoàn toàn không công khai

marsbit3 giờ trước

Khi nhà vô địch thế giới Liên Minh Huyền Thoại dùng 'thao tác thần thánh' để... chơi chứng khoán

Các tuyển thủ Liên Minh Huyền Thoại chuyên nghiệp đang đổ bộ vào thị trường chứng khoán. Hai ví dụ điển hình là MLXG (Lưu Thế Vũ), cựu game thủ LPL, từng tuyên bố kiếm tiền từ cổ phiếu nhiều hơn làm streamer nhưng sau đó thừa nhận thua lỗ nặng. Ngược lại, yagao (Tăng Kỳ) được cho là đã đầu tư mạnh vào NVIDIA từ 2021-2022 và thu lợi nhuận khổng lồ, với tỷ suất lợi nhuận có thể lên tới 500-1400%. Tuy nhiên, nhân vật được chú ý nhất gần đây là cựu vô địch thế giới S4 imp (Gu Seung-bin). Sau khi giải nghệ, anh trải qua biến cố hôn nhân, mất hết tài sản và rơi vào trầm cảm nặng. Từ năm 2022, imp bắt đầu học và đầu tư vào chứng khoán, đặc biệt là cổ phiếu bán dẫn. Trong các buổi phát trực tiếp, anh nhiều lần chia sẻ đã mua NVIDIA từ trước khi AI bùng nổ và tập trung vào cổ phiếu Hàn Quốc như SK Hynix. Imp từng tuyên bố tài sản của mình tăng gấp 10 lần từ tháng 3 đến tháng 10 (năm không xác định), và rằng một ngày lời từ chứng khoán có thể bằng cả năm lương streamer. Gần đây, imp đã ngừng phát trực tiếp khoảng 3 tháng, kể cả vào sinh nhật ngày 7/6. Đồng nghiệp cũ Doinb tiết lộ rằng imp đã "tự do tài chính nhờ đầu tư chứng khoán Mỹ và Hàn". Dù chưa chính thức xác nhận, câu chuyện của imp từ vô địch thế giới, trải qua thăng trầm cá nhân, đến việc tìm thấy thành công mới ở thị trường tài chính, khiến nhiều người liên tưởng đến một "vòng tròn ngọt ngào": cựu tuyển thủ của Samsung giờ đây lại gặt hái thành công từ chính các cổ phiếu bán dẫn.

Odaily星球日报Hôm qua 03:11

Khi nhà vô địch thế giới Liên Minh Huyền Thoại dùng 'thao tác thần thánh' để... chơi chứng khoán

Odaily星球日报Hôm qua 03:11

1 Megawatt nuôi sống 60.000 tác nhân thông minh, NVIDIA GB300 áp đảo thế hệ trước gấp 20 lần

Cùng một megawatt điện, hệ thống GB300 NVL72 mới nhất của Nvidia có thể xử lý đồng thời 61.400 tác nhân AI (agent), trong khi thế hệ trước H200 chỉ xử lý được khoảng 2.600. Khoảng cách hiệu suất lên tới 20 lần. Sự khác biệt này được đo bằng thước đo mới: AA-AgentPerf, tiêu chuẩn đo lường đầu tiên được thiết kế riêng cho tác nhân AI. Thay vì đo tokens mỗi giây, nó đo "số lượng tác nhân đồng thời trên mỗi megawatt", phản ánh khả năng hệ thống "nuôi" bao nhiêu agent làm việc thực tế cùng lúc với một mức điện năng cố định. Lý do là các bài kiểm tra cũ, tập trung vào các yêu cầu đơn lẻ có độ dài cố định, không thể đo lường chính xác khối lượng công việc phức tạp của agent. Một agent hoạt động giống như một cuộc chạy tiếp sức, chia nhỏ mục tiêu thành hàng chục hoặc hàng trăm bước, với các lần gọi mô hình lớn, gọi công cụ và ngữ cảnh ngày càng mở rộng được xâu chuỗi với nhau. AA-AgentPerf sử dụng các bản ghi agent lập trình thực tế, với các phiên dài tới 200 lượt và ngữ cảnh lên đến hơn 100.000 token. Nó đặt ra các mục tiêu cấp độ dịch vụ (SLO) về tốc độ phản hồi, sau đó đo xem hệ thống có thể duy trì bao nhiêu agent đồng thời trong khi vẫn đáp ứng SLO. Nó cũng cho phép tất cả các tối ưu hóa thực tế được sử dụng trong sản xuất. Kết quả cho thấy, đối với một mô hình MoE tiên tiến, GB300 NVL72 đạt 61.400 agent/MW (57,5 agent/GPU), trong khi H200 đạt khoảng 2.600 agent/MW (1,4 agent/GPU). Sự nhảy vọt này không chỉ đến từ sức mạnh chip đơn lẻ mà còn là chiến thắng ở cấp độ hệ thống. GB300 NVL72 kết nối 72 GPU thành một khối thống nhất qua NVLink, cho phép phân phối mô hình hiệu quả và chia sẻ dữ liệu nhanh chóng. Cần lưu ý rằng con số 61.400 là từ mô phỏng trong điều kiện kiểm tra chuẩn, sử dụng các bản ghi đã được ghi lại, không phải là 61.400 mô hình đầy đủ chạy độc lập trong môi trường thực tế. AA-AgentPerf vẫn là một tiêu chuẩn mới và hiệu suất có thể tiếp tục được cải thiện thông qua tối ưu hóa phần mềm.

marsbit2 ngày trước 01:05

1 Megawatt nuôi sống 60.000 tác nhân thông minh, NVIDIA GB300 áp đảo thế hệ trước gấp 20 lần

marsbit2 ngày trước 01:05

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

Token hiện đang tiêu tốn tới 30% tổng lương nhân viên tại SemiAnalysis, một viện nghiên cứu bán dẫn Silicon Valley, nhưng đổi lại mang lại hiệu suất cao gấp nhiều lần chi phí lao động truyền thống. CEO NVIDIA, Jensen Huang, thậm chí khuyến khích các kỹ sư sử dụng Token với ngân sách bằng nửa lương, coi đây là "tư liệu sản xuất" mới. Tuy nhiên, mặt khác, nhiều gã khổng lồ công nghệ như Uber và Microsoft đang vật lộn với hóa đơn AI tăng vọt ngoài tầm kiểm soát, trong khi mối liên hệ giữa việc sử dụng AI và đổi mới sản phẩm thực tế vẫn chưa rõ ràng. Một nghiên cứu của MIT năm 2024 chỉ ra trong 77% công việc liên quan đến thị giác, thuê người vẫn rẻ hơn dùng AI. Báo cáo của SemiAnalysis nhấn mạnh đừng chỉ nhìn vào chi phí hiện tại. Với sự tối ưu hóa phần mềm (như tăng tốc độ xử lý token lên 14 lần) và phần cứng mới (hiệu suất cao gấp 17-32 lần), chi phí token dự kiến sẽ giảm mạnh. Gartner dự báo đến 2030, chi phí suy luận cho mô hình lớn có thể giảm hơn 90% so với 2025. Bài viết kết luận rằng dù các công ty công nghệ đang đầu tư hàng nghìn tỷ USD vào AI và cắt giảm nhân sự, tác động kinh tế rộng lớn vẫn chưa thấy rõ. Đây là giai đoạn "xây đường ống" cần thiết, tương tự như điện lưới hay internet trước đây. SemiAnalysis, với 30% chi phí lương chuyển thành token, đã thấy được đòn bẩy sản xuất khổng lồ và đứng về phía bên kia của dòng chảy. Câu hỏi đặt ra cho các công ty khác là bắt đầu ngay hay chờ đợi và bị tụt lại phía sau.

marsbit2 ngày trước 00:16

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

marsbit2 ngày trước 00:16

OpenAI và Anthropic Đều Muốn "Tự Nghiên Cứu Chip", Ngoài Chi Phí Ra, Quan Trọng Hơn Là Quyền Kiểm Soát Năng Lực Tính Toán

Theo The Information, Anthropic đang đàm phán với Samsung về việc thiết kế chip AI tùy chỉnh và đã khởi động công việc phát triển chip tự thiết kế. Động thái này được xem là việc Anthropic đi theo xu hướng của OpenAI, vốn đã triển khai dự án chip tùy chỉnh từ sớm hơn, hướng tới cạnh tranh tích hợp phần cứng và phần mềm. Nhu cầu điện toán cho việc huấn luyện và vận hành mô hình lớn rất cao, khiến chi phí duy trì ở mức cao. Đối với các công ty như OpenAI và Anthropic, chip không chỉ là vật tư mua ngoài mà còn là tư liệu sản xuất cốt lõi. Do đó, tự thiết kế chip trước hết là vấn đề giành quyền kiểm soát năng lực tính toán, tạo ra lựa chọn công nghệ dự phòng và tăng sức mạnh đàm phán. Lý do trực tiếp nhất là giảm chi phí, nhưng mục tiêu then chốt hơn là sự phối hợp đa tầng giữa mô hình, lõi phần mềm và chip, nhằm cải thiện hiệu suất tổng thể. Cấu trúc mô hình của OpenAI và Anthropic khác biệt, dẫn đến yêu cầu phần cứng khác nhau, khiến chip tùy chỉnh trở nên cần thiết. Tuy nhiên, việc tự thiết kế chip khó có thể thay thế ngay lập tức vai trò của nhà cung cấp như Nvidia, do quá trình từ thiết kế đến triển khai mất 18-24 tháng và hệ sinh thái phần mềm hiện tại phần lớn được tối ưu cho GPU. Chiến lược này thiết lập một con đường thứ hai, sử dụng ASIC tự thiết kế cho các tác vụ cụ thể như suy luận, trong khi vẫn duy trì sử dụng các nguồn lực tính toán bên ngoài. Xu hướng này cho thấy cuộc cạnh tranh AI đang mở rộng từ "mô hình nào mạnh hơn" sang "ai kiểm soát tốt hơn năng lực tính toán, vốn và ngăn xếp phần cứng". Các gã khổng lồ công nghệ như Google, Amazon, Meta, Microsoft đều đã bố trí sâu trong lĩnh vực chip tự thiết kế.

marsbit07/03 13:40

OpenAI và Anthropic Đều Muốn "Tự Nghiên Cứu Chip", Ngoài Chi Phí Ra, Quan Trọng Hơn Là Quyền Kiểm Soát Năng Lực Tính Toán

marsbit07/03 13:40

Cổ phiếu bán dẫn lao dốc, nhưng Anthropic lại muốn chế tạo một con chip 2nm

Anthropic, công ty phát triển AI Claude, đang lên kế hoạch tự thiết kế chip AI chuyên dụng, bắt đầu từ chip suy luận (inference) 2nm. Thông tin từ The Information cho biết họ đang thảo luận với Samsung về việc sử dụng quy trình sản xuất 2nm và công nghệ đóng gói tiên tiến của hãng này. Động thái này diễn ra trong bối cảnh ngành bán dẫn có biến động, nhưng nhu cầu tính toán cho AI vẫn tăng vọt. Việc hợp tác với Samsung được củng cố sau vòng đầu tư 650 tỷ USD của Anthropic hồi tháng 5, với sự tham gia của Samsung, SK Hynix và Micron. Samsung kỳ vọng đây là cơ hội để thúc đẩy mảng kinh doanh gia công chip, cạnh tranh với TSMC. Tuy nhiên, việc tự sản xuất chip rất phức tạp và Anthropic vẫn phụ thuộc nhiều vào các đối tác hiện tại như AWS (Trainium), Google (TPU) và đặc biệt là NVIDIA GPU, vốn chiếm thị phần áp đảo. CEO Dario Amodei của Anthropic thừa nhận thách thức trong việc cân bằng giữa đặt mua đủ năng lực tính toán cho tăng trưởng và tránh rủi ro tài chính nếu tốc độ chậm lại. Chip tự thiết kế có thể giúp tối ưu hóa hiệu suất, giảm chi phí vận hành Claude và tăng khả năng tự chủ. Tuy nhiên, các nhà quan sát chỉ ra rằng xu hướng này thực chất lại làm phức tạp hóa chuỗi cung ứng toàn cầu, tạo ra sự phụ thuộc lẫn nhau chặt chẽ hơn giữa các công ty AI Mỹ và các nhà sản xuất châu Á.

链捕手07/03 09:57

Cổ phiếu bán dẫn lao dốc, nhưng Anthropic lại muốn chế tạo một con chip 2nm

链捕手07/03 09:57

Bài báo "Nguy hiểm Nhất" Hàng Năm của NVIDIA: AI Tự Sinh Sản Mã, Tiến Hóa Cấp Độ Vô Hạn

Nvidia cùng các nhà nghiên cứu từ Đại học Cambridge đã công bố nghiên cứu mang tính đột phá mang tên "Red Queen Gödel Machine" (RQGM), một hệ thống AI có khả năng tự sinh mã và tiến hóa vô hạn. Khác với "Gödel Machine" cổ điển yêu cầu chứng minh toán học nghiêm ngặt trước khi tự sửa đổi, RQGM sử dụng cơ chế tiến hóa dựa trên "chọn lọc tự nhiên". Nó tự tạo ra các biến thể mã, thử nghiệm chúng trong môi trường sandbox, loại bỏ những phiên bản thất bại và giữ lại những phiên bản thành công để tiếp tục sinh sản. Điểm đột phá và được coi là "nguy hiểm" nhất của RQGM là nó không chỉ tiến hóa tác nhân thực hiện nhiệm vụ (agent), mà còn đồng thời tiến hóa cả "giám khảo" (evaluator) - tức là hệ thống đánh giá chính nó. Thông qua cơ chế "controlled utility evolution", hệ thống định kỳ thay thế giám khảo cũ bằng một giám khảo mới, khắt khe và chính xác hơn, dựa trên một tập dữ liệu chuẩn. Điều này tạo ra một vòng lặp đệ quy không ngừng, nơi AI liên tục phải chạy đua để tự cải thiện trong một môi trường ngày càng khó khăn hơn do chính nó tạo ra. Trong các thử nghiệm, RQGM đã chứng minh hiệu quả vượt trội so với các phương pháp tiên tiến nhất (SOTA) trước đó ở nhiều lĩnh vực: lập trình (tăng tỷ lệ đúng và tiết kiệm token), viết luận văn (tăng gấp đôi tỷ lệ được chấp nhận), và chứng minh toán học (điểm cao hơn, chi phí thấp hơn). Đặc biệt, nó còn khắc phục được xu hướng thiên vị nội dung AI của các mô hình ngôn ngữ lớn (LLM) khi làm giám khảo. Nghiên cứu này làm dấy lên những dự đoán táo bạo, như của Jack Clark từ Anthropic, về khả năng xuất hiện một AI có khả năng tự tiến hóa mạnh mẽ (Recursive Self-Improvement - RSI) vào khoảng năm 2028. Khi AI có thể tự thiết kế các tiêu chuẩn đánh giá và thách thức cho chính mình, nó đang tiến gần đến việc tự định nghĩa "trí thông minh" và mở ra một chương trình mới đầy thách thức và tiềm năng cho tương lai.

marsbit06/28 07:52

Bài báo "Nguy hiểm Nhất" Hàng Năm của NVIDIA: AI Tự Sinh Sản Mã, Tiến Hóa Cấp Độ Vô Hạn

marsbit06/28 07:52

Tám người cha đẻ của Transformer, hiện nay họ ở đâu?

Biên tập bởi Panda. Tám tác giả của bài báo nền tảng "Attention Is All You Need" (2017) - kiến trúc Transformer đã định hình AI hiện đại - giờ đây đều đã rời Google. Họ đang theo đuổi những con đường khác nhau: **Jakob Uszkoreit:** Đồng sáng lập Inceptive, tập trung vào thiết kế RNA và dược phẩm bằng AI. **Ashish Vaswani:** Đồng sáng lập Essential AI (mô hình Rnj-1), có thông tin đang được Nvidia tuyển dụng. **Noam Shazeer:** Đồng sáng lập Character.AI, trở lại Google rồi lại chuyển sang OpenAI. **Niki Parmar:** Từ Essential AI chuyển sang Anthropic, tham gia phát triển Claude. **Llion Jones:** Đồng sáng lập Sakana AI tại Tokyo, nghiên cứu mô hình hợp tác kiểu bầy đàn. **Aidan N. Gomez:** Đồng sáng lập Cohere, tập trung vào AI cho doanh nghiệp và chủ quyền số. **Łukasz Kaiser:** Ở lại môi trường nghiên cứu thuần túy tại OpenAI, đóng góp cho GPT-4 và mô hình suy luận. **Illia Polosukhin:** Đồng sáng lập giao thức blockchain NEAR, hướng tới nền kinh tế tác nhân AI. Dù phân tán, họ đều chia sẻ quan điểm rằng Transformer không phải là điểm kết thúc. Thách thức lớn tiếp theo là tìm ra một kiến trúc mới vượt trội hơn hẳn. Cuộc hành trình tìm kiếm câu trả lời tiếp theo cho tương lai AI vẫn tiếp diễn.

marsbit06/28 05:34

Tám người cha đẻ của Transformer, hiện nay họ ở đâu?

marsbit06/28 05:34

NVIDIA MoE Mới Đã Mã Nguồn Mở: Một Dòng Import, Tăng Tốc Fine-Tune 3.7 Lần

Chỉ cần thêm một dòng import, NeMo AutoModel của NVIDIA có thể tăng tốc độ fine-tuning mô hình MoE lên gấp 3.7 lần. Dựa trên nền tảng Hugging Face Transformers v5, công cụ này tương thích API và không yêu cầu sửa đổi code nhiều, cho phép fine-tuning các mô hình MoE với hiệu suất cao hơn và mức sử dụng bộ nhớ GPU thấp hơn. Bộ ba công nghệ cốt lõi gồm Expert Parallelism (EP) phân phối trọng số chuyên gia trên nhiều GPU để giảm 29-32% bộ nhớ, DeepEP kết hợp tính toán và giao tiếp để giảm độ trễ, và TransformerEngine tăng tốc các phép toán cơ bản. Thử nghiệm trên Qwen3-30B-A3B cho thấy tốc độ thông lượng huấn luyện (TPS/GPU) tăng từ 3075 lên 11340, tương đương 3.69 lần. Đối với Nemotron 3 Ultra 550B ở quy mô lớn (128 GPU), giải pháp này vẫn hoạt động ổn định trong khi Transformers v5 gặp lỗi tràn bộ nhớ. Mã nguồn và hướng dẫn sử dụng đã được NVIDIA công bố trên GitHub.

marsbit06/26 07:30

NVIDIA MoE Mới Đã Mã Nguồn Mở: Một Dòng Import, Tăng Tốc Fine-Tune 3.7 Lần

marsbit06/26 07:30

Báo cáo nghiên cứu: Doanh thu AI của TSMC sẽ tăng gấp đôi vào năm 2027, năng lực sản xuất CoWoS vẫn là nút thắt

**Phân tích báo cáo: Doanh thu AI của TSMC sẽ tăng gấp đôi vào năm 2027, công suất CoWoS vẫn là nút cổ chai** Morgan Stanley nâng dự báo nhu cầu đóng gói tiên tiến CoWoS toàn cầu cho năm 2027. Họ dự đoán doanh thu liên quan đến AI của TSMC sẽ đạt 86,3 tỷ USD vào năm 2027, tăng 218% so với 27,1 tỷ USD của năm 2026. Cấu thành chính bao gồm doanh thu GPU (28 tỷ USD), chip AI tùy chỉnh (18 tỷ USD), đóng gói tiên tiến CoWoS (40 tỷ USD) và CPU máy chủ AI (0,3 tỷ USD). Nhu cầu CoWoS toàn cầu dự kiến tăng 93% lên 2,694 triệu phiến vào năm 2027. NVIDIA vẫn là động lực chính, với nhu cầu CoWoS dự kiến tăng 57%. Tuy nhiên, nhu cầu từ AMD được dự báo tăng mạnh 308%, chủ yếu do CPU Venice và GPU MI400. Google TPU, thông qua đối tác thiết kế MediaTek và Broadcom, cũng đang trở thành khách hàng lớn thứ hai. Mặc dù TSMC lên kế hoạch tăng công suất CoWoS lên 200.000 phiến/tháng và các nhà cung cấp khác thêm 80.000 phiến/tháng vào cuối năm 2027 (tổng cộng 3,36 triệu phiến/năm), vẫn có khả năng xảy ra tình trạng thiếu hụt so với nhu cầu ước tính 2,694 triệu phiến. Đặc biệt, công suất cho các công nghệ cao cấp như CoWoS-L vẫn rất căng thẳng, củng cố quyền định giá của TSMC. Các yếu tố thúc đẩy gần đây bao gồm nguồn cung chất nền ABF được cải thiện (hỗ trợ TPU của Google), nhu cầu CPU mới từ NVIDIA Vera và AMD Venice, cũng như sản xuất hàng loạt GPU Rubin Ultra thế hệ tiếp theo của NVIDIA. Báo cáo cũng chỉ ra các công ty hưởng lợi trong chuỗi cung ứng như MediaTek (đối tác thiết kế TPU cho Google), ASE và KYEC. TSMC vẫn là công ty hưởng lợi cốt lõi, nhưng sự tăng trưởng đang lan rộng khắp chuỗi cung ứng AI.

marsbit06/25 03:57

Báo cáo nghiên cứu: Doanh thu AI của TSMC sẽ tăng gấp đôi vào năm 2027, năng lực sản xuất CoWoS vẫn là nút thắt

marsbit06/25 03:57

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow