AI đang dân chủ hóa thiết kế chip và thách thức vị thế thống trị của Nvidia

Nvidia hiện được xem là ông vua không thể tranh cãi trong mảng chip AI. Tuy nhiên, chính nhờ sự phát triển của trí tuệ nhân tạo mà "người vô địch" này có thể sớm phải đối mặt với sự cạnh tranh gay gắt hơn bao giờ hết.

Các mô hình AI hiện đại chạy trên thiết kế của Nvidia, động thái này đã giúp công ty đạt mức định giá thị trường vượt xa 4 nghìn tỷ USD. Mỗi thế hệ chip mới của Nvidia cho phép các công ty huấn luyện các mô hình AI mạnh mẽ hơn bằng cách kết nối hàng trăm, hàng nghìn bộ xử lý trong các trung tâm dữ liệu khổng lồ. Một trong những lý do giúp Nvidia thành công là họ cung cấp phần mềm hỗ trợ lập trình cho từng thế hệ chip mới. Tuy nhiên, lợi thế này có thể sớm không còn là sự khác biệt độc quyền.

Wafer: Tối ưu hóa phần mềm bằng AI

Một startup tên là Wafer đang huấn luyện các mô hình AI để thực hiện một trong những công việc khó khăn và quan trọng nhất trong lĩnh vực AI: tối ưu hóa mã nguồn để nó chạy hiệu quả nhất có thể trên một con chip silicon cụ thể.

Emilio Andere, đồng sáng lập và CEO của Wafer, cho biết công ty sử dụng học tập tăng cường (reinforcement learning) trên các mô hình mã nguồn mở để dạy chúng viết mã kernel — phần mềm tương tác trực tiếp với phần cứng trong hệ điều hành. Wafer cũng bổ sung các "khung đại diện" (agentic harnesses) vào các mô hình lập trình hiện có như Claude của Anthropic và GPT của OpenAI để nâng cao khả năng viết mã chạy trực tiếp trên chip.

Hiện nay, nhiều công ty công nghệ lớn đều sở hữu chip riêng của mình. Apple và các hãng khác đã nhiều năm sử dụng silicon tùy chỉnh để cải thiện hiệu suất và hiệu quả cho phần mềm trên laptop, máy tính bảng và smartphone. Ở quy mô lớn hơn, các công ty như Google và Amazon tự chế tạo chip để nâng cao hiệu suất nền tảng điện toán đám mây của họ. Gần đây, Meta cũng tuyên bố sẽ triển khai công suất tính toán 1 gigawatt với một con chip mới được phát triển cùng Broadcom.

Việc triển khai silicon tùy chỉnh đòi hỏi phải viết rất nhiều mã để phần mềm chạy trơn tru và hiệu quả trên bộ xử lý mới. Wafer đang hợp tác với các công ty bao gồm AMD và Amazon để giúp tối ưu hóa phần mềm chạy hiệu quả trên phần cứng của họ. Startup này đã huy động được 4 triệu USD vốn hạt giống từ Jeff Dean của Google, Wojciech Zaremba của OpenAI và những người khác.

Andere tin rằng cách tiếp cận dẫn dắt bởi AI của công ty mình có tiềm năng thách thức sự thống trị của Nvidia. Nhiều chip cao cấp hiện nay cung cấp hiệu suất dấu chấm động (floating point performance) thô tương tự như chip tốt nhất của Nvidia.

"Phần cứng tốt nhất của AMD, phần cứng Trainium tốt nhất của [Amazon], TPU tốt nhất của [Google] đều cho bạn số FLOPS lý thuyết tương đương với GPU của Nvidia," Andere nói. "Chúng tôi muốn tối đa hóa trí tuệ trên mỗi watt điện."

Các kỹ sư hiệu suất có kỹ năng tối ưu hóa mã để chạy tin cậy và hiệu quả trên các chip này rất đắt đỏ và nhu cầu cao, trong khi hệ sinh thái phần mềm của Nvidia giúp việc viết và duy trì mã cho chip của họ trở nên dễ dàng hơn. Điều này khiến ngay cả những công ty công nghệ lớn nhất cũng khó có thể tự mình làm được.

Ví dụ, khi Anthropic hợp tác với Amazon để xây dựng các mô hình AI trên Trainium, họ phải viết lại toàn bộ mã của mô hình từ đầu để nó chạy hiệu quả nhất có thể trên phần cứng đó. Tuy nhiên, Claude của Anthropic hiện nay là một trong số nhiều mô hình AI có khả năng viết mã siêu phàm. Vì vậy, Andere dự đoán có thể không lâu nữa AI sẽ bắt đầu tiêu hóa lợi thế phần mềm của Nvidia.

"Hào bảo vệ nằm ở khả năng lập trình của chip," Andere nói, đề cập đến các thư viện và công cụ phần mềm giúp dễ dàng tối ưu hóa mã cho phần cứng của Nvidia. "Tôi nghĩ đã đến lúc bắt đầu suy nghĩ lại xem liệu đó có thực sự là một hào bảo vệ mạnh mẽ hay không."

Ricursive: AI tự thiết kế chip

Không chỉ giúp việc tối ưu hóa mã cho các loại silicon khác nhau dễ dàng hơn, AI có thể sớm giúp việc thiết kế chính các con chip trở nên thuận lợi hơn. Ricursive Intelligence, một startup được thành lập bởi hai cựu kỹ sư của Google là Azalia Mirhoseini và Anna Goldie, đang phát triển các cách mới để thiết kế chip máy tính bằng trí tuệ nhân tạo. Nếu công nghệ này cất cánh, nhiều công ty hơn nữa có thể bước vào lĩnh vực thiết kế chip, tạo ra silicon tùy chỉnh chạy phần mềm của họ hiệu quả hơn.

"Chúng tôi đang giải quyết các vấn đề lớn nhất của thiết kế chip — thiết kế vật lý và xác minh thiết kế," Mirhoseini, hiện là trợ lý giáo sư tại Đại học Stanford, nói về hai thách thức chính trong thiết kế chip.

Thiết kế chip máy tính là một trong những công việc quan trọng và khó khăn nhất trên hành tinh. Các kỹ sư chip cần tìm cách sắp xếp một số lượng lớn thành phần trên một tấm silicon để tối ưu hóa các chức năng khác nhau. Sau khi một con chip được thiết kế ban đầu, hiệu suất của nó phải được kiểm tra và xác minh cẩn thận trong một quy trình lặp đi lặp lại trước khi bản thiết kế được gửi đến nhà máy sản xuất (foundry).

Mirhoseini và Goldie đã phát triển một cách để AI tối ưu hóa bố cục của các thành phần chính của chip máy tính khi còn làm việc tại Google. Cách tiếp cận này đã thay đổi cách Google thiết kế bộ xử lý của riêng mình và hiện nay được sử dụng rộng rãi trong ngành để giúp sắp xếp các tính năng trên các chip khác nhau.

Tuy nhiên, Ricursive nhằm mục đích đi xa hơn bằng cách tự động hóa nhiều yếu tố hơn của thiết kế chip và tích hợp các mô hình ngôn ngữ lớn (LLM) vào quy trình. Mục tiêu là cho phép các kỹ sư sử dụng ngôn ngữ tự nhiên để mô tả các thay đổi hoặc đặt câu hỏi về một con chip. Cũng giống như cách chúng ta có thể viết code một ứng dụng theo cảm hứng, có lẽ cuối cùng chúng ta cũng có thể thiết kế chip theo cảm hứng.

Ricursive vẫn đang phát triển công nghệ của mình, nhưng Mirhoseini cho biết công ty đã chứng minh rằng họ có thể tối ưu hóa nhiều khía cạnh hơn của thiết kế chip.

Triển vọng tự động hóa thiết kế chip theo cách này đã khiến một số nhà đầu tư rất hào hứng: Ricursive đã huy động được 335 triệu USD với mức định giá 4 tỷ USD chỉ trong vài tháng.

Goldie cho rằng cuối cùng có thể sẽ có AI cùng thiết kế cả chip và thuật toán để chúng trở nên mạnh mẽ hơn. Bà nói rằng việc để AI tinh chỉnh silicon và mã của chính nó có thể tạo thành một loại cải tiến AI đệ quy. "Chúng tôi đang bước vào chế độ mới nơi chúng ta có thể chi nhiều sức mạnh tính toán hơn để thiết kế chip nhanh hơn và tốt hơn — tạo ra một loại quy luật mở rộng (scaling law) cho thiết kế chip."