USD.AI(CHIP) Đầu tư thường xuyên

Tác giả Justin Pope phân tích cuộc cạnh tranh giữa Broadcom (AVGO) và AMD để trở thành công ty chip AI đáng đầu tư thứ hai sau Nvidia. Trong khi AMD chọn con đường cạnh tranh trực tiếp với Nvidia trong chip GPU AI đa dụng (đạt một số thành công, ví dụ hợp đồng với Meta), thì Broadcom lại theo đuổi chiến lược khác biệt: thiết kế chip tùy chỉnh (XPU) cho các khối lượng công việc AI cụ thể của từng khách hàng lớn như Anthropic, Google, Meta và OpenAI. Chiến lược này mang lại lợi thế về hiệu quả và mối quan hệ khách hàng bền chặt hơn. Bài viết nhận định rằng Broadcom có vị thế cạnh tranh vượt trội hơn so với AMD. Mặc dù giá cổ phiếu Broadcom cao hơn (thể hiện qua tỷ lệ P/S kỳ hạn), nhưng mức cao hơn này là xứng đáng bởi triển vọng tăng trưởng mạnh mẽ hơn. CEO Hock Tan của Broadcom vẫn giữ vững mục tiêu doanh thu chip AI đạt 100 tỷ USD/năm vào năm tài chính 2027, bất chấp việc cổ phiếu giảm mạnh sau báo cáo quý gần đây. Vì vậy, bài viết kết luận rằng Broadcom là lựa chọn tốt hơn để đầu tư trong lĩnh vực chip AI.

Microsoft vừa công bố chip lượng tử Majorana 2 mới với thời gian sống trung bình của qubit đạt 20 giây, tăng độ tin cậy lên 1000 lần so với thế hệ trước. Hãng tuyên bố sẽ có một máy tính lượng tử có giá trị thương mại vào năm 2029, rút ngắn một nửa thời gian so với dự đoán trước đây. Đột phá này đến từ việc Microsoft theo đuổi con đường tính toán lượng tử topo trong 20 năm, sử dụng các qubit topo dựa trên hạt Majorana. Những qubit này được bảo vệ bởi các đặc tính topo, khiến chúng ổn định hơn trước nhiễu môi trường so với các qubit siêu dẫn thông thường. Một cải tiến then chốt là thay vật liệu siêu dẫn từ nhôm sang chì, giúp bảo vệ trạng thái lượng tử tốt hơn. AI đóng vai trò quan trọng trong việc tăng tốc nghiên cứu. Nền tảng Microsoft Discovery sử dụng các tác nhân AI để phân tích dữ liệu thí nghiệm khổng lồ, tối ưu hóa tham số chế tạo và rút ngắn đáng kể chu kỳ thử nghiệm, giúp đạt được bước nhảy vọt về hiệu suất nhanh hơn. Tuy nhiên, vẫn còn nhiều thách thức. Chip hiện tại chỉ có 12 qubit, trong khi cần hàng triệu qubit cho một máy tính lượng tử thương mại thực sự. Các vấn đề như thời gian coherency, chi phí biên dịch và xác minh kết quả vẫn tồn tại. Dù tuyên bố của Microsoft đầy hứa hẹn, cộng đồng khoa học vẫn chờ đợi thêm dữ liệu chi tiết được đánh giá ngang hàng. Cuộc đua lượng tử vẫn tiếp diễn với nhiều công nghệ cạnh tranh như siêu dẫn, ion bẫy và quang tử.

Chuyên gia phân tích bán dẫn SemiAnalysis đã công bố báo cáo tháo dỡ chip Kirin 9030 Pro của Huawei, sản xuất trên tiến trình N+3 tiên tiến nhất của SMIC bằng kỹ thuật DUV không EUV. Báo cáo cho thấy mật độ logic của N+3 (113,4 MTr/mm2) đã bắt kịp TSMC N6, nhưng với chi phí cao hơn nhiều nhờ sử dụng kỹ thuật SAQP phức tạp. Thiết kế chip Kirin 9030 của Huawei tối ưu hóa cao, tích hợp nhiều lõi hơn trong diện tích tương tự 9020, giúp hiệu năng GPU tăng ~70%. Tuy nhiên, hiệu năng CPU vẫn tụt hậu so với các đối thủ sử dụng tiến trình tiên tiến hơn như N3P của TSMC, do bị hạn chế về công nghệ sản xuất. Để vượt qua giới hạn, Huawei công bố lộ trình τ Scaling và LogicFolding nhằm chuyển từ thu nhỏ 2D sang tối ưu hóa theo miền thời gian và xếp chồng 3D logic. Mục tiêu đến năm 2031 là đạt tần số 5GHz và mật độ tương đương 295 MTr/mm2. Báo cáo kết luận các lệnh trừng phạt đã thay đổi hướng phát triển chip Trung Quốc, khiến nó tốn kém và phức tạp hơn, nhưng không ngăn được tiến bộ. Kiến thức sản xuất đang lan rộng trong hệ sinh thái, và các công cụ EDA nội địa đang được phát triển cho các kiến trúc mới như 3D. Việc sử dụng DRAM từ CXMT trong Mate 80 Pro Max cũng cho thấy sự tiến bộ của ngành bán dẫn Trung Quốc.

Làm chip có khó không? Một lỗi phép tính chia có thể khiến 475 triệu USD đổ sông đổ bể Tôi là Thạch Khản, một nhà nghiên cứu về chip tại Viện Khoa học Máy tính, Viện Hàn lâm Khoa học Trung Quốc. Chip là nền tảng của xã hội hiện đại, ứng dụng trong mọi lĩnh vực từ AI đến y tế, ô tô tự lái. Sự nghiệp của tôi thú vị vì tính ứng dụng rộng rãi và đặc biệt là vì độ khó của nó. Độ khó của chip bắt nguồn từ quy trình phát triển phức tạp. Về cơ bản, đó là hành trình từ hạt cát trở thành vi mạch thông qua các bước như tinh chế, quang khắc, khắc, đóng gói. Tuy nhiên, chế tạo chỉ là một phần. Thiết kế mạch và đảm bảo nó hoạt động chính xác là thách thức lớn hơn. Vấn đề nằm ở chỗ chip cần thành công ngay từ lần đầu. Không như phần mềm có thể vá lỗi sau này, một khi chip đã được sản xuất, việc sửa chữa là cực kỳ tốn kém. Ví dụ điển hình là lỗi đơn vị chia số dấu phẩy động trong chip Pentium của Intel vào những năm 1990, buộc họ phải thu hồi với chi phí 4,75 tỷ USD. Theo khảo sát, chỉ 24% dự án chip thành công ngay lần đầu. 76% còn lại phải làm lại ít nhất một lần, tiêu tốn rất nhiều thời gian và tiền bạc. Nguyên nhân chính là khó khăn trong xác minh chip (chip verification) - quá trình đảm bảo thiết kế không có lỗi trước khi sản xuất. Xác minh chip chiếm tới 70% chu kỳ thiết kế. Để xác minh hoàn toàn một lõi CPU bằng mô phỏng phần mềm hiện đại nhất có thể mất 15.000 năm! Công nghệ mô phỏng phần cứng có thể rút ngắn xuống còn 30 năm, nhưng vẫn quá lâu. Thách thức này xuất phát từ "tam giác bất khả thi" trong xác minh: hiệu suất cao, khả năng gỡ lỗi tốt và chi phí thấp không thể đạt được cùng lúc. Đây là lĩnh vực ít người theo đuổi trong cả công nghiệp lẫn học thuật, vì nó là công việc vất vả và khó công bố kết quả nghiên cứu so với các lĩnh vực thời thượng như AI. Tuy nhiên, vẫn cần có người dấn thân. Trong vài năm qua, nhóm của tôi đã xây dựng một hệ thống nghiên cứu xác minh nhanh (agile verification), với cốt lõi là nền tảng ENCORE dựa trên chip FPGA. Nó nhằm mục tiêu tăng hiệu quả xác minh và khả năng gỡ lỗi, áp dụng cho cả bộ xử lý thông dụng (CPU/GPU) và chip chuyên dụng như bộ tăng tốc AI. Bên cạnh nghiên cứu, tôi còn làm công tác phổ biến kiến thức về chip trên Bilibili với tên "Lão Thạch Đàm Tâm" trong 4-5 năm qua. Mặc dù làm video dài về chủ đề chuyên sâu khó có lượng xem cao như các video ngắn thời thượng, tôi vẫn kiên trì. Tôi tin rằng cả nghiên cứu xác minh chip lẫn phổ biến kiến thức về chip đều là những việc khó khăn cần sự bền bỉ lâu dài, và chính vì thế, chúng rất đáng để theo đuổi.

Ngày 15/6, Lixiang (Lý Tưởng) đã công bố chip tự nghiên cứu Makhê M100 dành cho L9 Livis thế hệ mới, tập trung vào việc thay đổi kiến trúc cốt lõi thay vì chỉ chạy đua về hiệu năng TOPS như các hãng xe NIO (Vị Lai), Xpeng (Tiểu Bằng) hay Huawei (Hoa Vi). Chip này sử dụng kiến trúc luồng dữ liệu động nhằm tối ưu việc xử lý dữ liệu cho mô hình AI lớn, hứa hẹn hiệu suất tính toán hiệu dụng cao gấp 3 lần và giảm độ trễ 40% so với một số chip đối thủ. Thiết kế của M100 đã được công nhận tại hội nghị học thuật ISCA 2026. Buổi ra mắt cũng giới thiệu tầm nhìn "xe thông minh thể hiện" (embodied AI) của Lixiang, tích hợp khả năng tự lái, trợ lý AI và trải nghiệm tương tác. Hãng cam kết mô hình tự lái Makhê VLA sẽ ngang bằng Tesla FSD V14 vào Q4/2026, với các bản cập nhật OTA cụ thể theo từng tháng. Bối cảnh tài chính của Lixiang đang thách thức khi doanh thu và lợi nhuận giảm, nhưng ngân sách R&D cho AI vẫn được duy trì. Mục tiêu doanh số năm 2026 là 550.000 xe. Chip M100 mang lại lợi thế tối ưu hóa toàn bộ hệ thống tự nghiên cứu, nhưng cũng đi kèm rủi ro về chi phí chuyển đổi nếu công nghệ thay đổi. Hiệu quả thực tế sẽ được kiểm chứng từ đợt OTA tháng 7 và mục tiêu cuối năm.