Phân tích: Nvidia giống như "rồng ba đầu", với 70% hoạt động AI của thế giới phụ thuộc vào chip của hãng

[The Kings]

Theo tin tức ngày 25/12, Dylan Patel, một nhà phân tích nổi tiếng trong lĩnh vực nghiên cứu chất bán dẫn và trí tuệ nhân tạo, đã chấp nhận một cuộc phỏng vấn độc quyền trên podcast đối thoại hai tuần một lần của Open Source ra mắt vào thứ Ba, giờ địa phương ở Hoa Kỳ. Trong cuộc phỏng vấn, Patel đã nói về vị trí thống trị và lợi thế cạnh tranh của NVIDIA trong ngành, những thách thức phải đối mặt trong việc mở rộng quy mô đào tạo trước AI, chiến lược phát triển và chi tiêu vốn cho cơ sở hạ tầng trung tâm dữ liệu, công nghệ tạo dữ liệu tổng hợp và thời gian suy luận. Phân tích chi phí-lợi ích của các tính toán, những thách thức hiện tại mà NVIDIA phải đối mặt và triển vọng của ngành trong một đến hai năm tới.

Patel là người sáng lập và nhà phân tích chính của SemiAnalysis, một công ty tư vấn và nghiên cứu chất bán dẫn. Ông có kiến thức chuyên môn sâu sắc và tầm ảnh hưởng sâu rộng trong ngành trong lĩnh vực bán dẫn. Ông được biết đến với cái nhìn sâu sắc về ngành công nghiệp chip và SemiAn chính xác là nổi tiếng với khả năng dự đoán của mình. alysis tập trung vào nghiên cứu chuỗi cung ứng chất bán dẫn và hoạt động kinh doanh của nó bao gồm tất cả các khía cạnh của nguyên liệu hóa học thô, sản xuất chip, vận hành nhà máy sản xuất tấm bán dẫn, quản lý sở hữu trí tuệ thiết kế và nền tảng nhóm phụ của SemiAnalysis quy tụ khoảng 50.000 người dùng, tạo nên. nó là nhóm phụ công nghệ lớn thứ hai trên thế giới.

1. Nvidia giống như con rồng ba đầu
Nvidia hiện đang chiếm ưu thế lớn trong lĩnh vực trí tuệ nhân tạo (AI). Ngoại trừ Google, 98% khối lượng công việc AI trên thế giới dựa vào chip của Nvidia. Nếu tính cả Google, con số này giảm xuống 70%, nhưng vẫn rất ấn tượng.

Patel so sánh Nvidia như một "con rồng ba đầu" nhờ 3 lợi thế lớn:

• Phần mềm mạnh mẽ: Hệ sinh thái CUDA của Nvidia vượt xa các đối thủ.
• Phần cứng vượt trội: Hiệu năng cao và khả năng phát triển công nghệ mới nhanh hơn hẳn.
• Mạng lưới mạnh: Việc mua lại Mellanox đã tăng cường khả năng mạng của Nvidia.

Ngoài ra, Nvidia phát triển hệ thống NVLink, cho phép kết nối nhiều chip hiệu quả, và sản phẩm như hệ thống Blackwell thu hút sự chú ý nhờ quy mô lớn và thiết kế phức tạp.

Tuy nhiên, Nvidia cũng đối mặt thách thức. AI cần chi phí rất lớn, khiến nhiều khách hàng phải cân nhắc chuyển sang phần cứng khác, nhất là trong giai đoạn suy luận mô hình.
2. "Định luật tỉ lệ" vẫn còn hiệu lực
Patel cho rằng việc tăng tài nguyên tính toán và dữ liệu thường cải thiện hiệu suất AI, nhưng phải theo một tỷ lệ hợp lý.

• Hạn chế: Khi dữ liệu khó thu thập, việc chỉ tăng tham số mô hình không hiệu quả. Đầu tư lớn có thể không mang lại giá trị tương xứng nếu thiếu dữ liệu.
• Tiềm năng tương lai: Công nghệ tạo dữ liệu tổng hợp đang phát triển nhanh chóng và có thể đem lại bước nhảy vọt về hiệu suất trong vòng 6–12 tháng tới.

Patel dự đoán sẽ có những khoản đầu tư lớn hơn vào các công nghệ như tạo dữ liệu tổng hợp, thử nghiệm mô hình và suy luận, cùng với sự gia tăng khối lượng tính toán để hỗ trợ những cải tiến này.
3. Mở rộng quy mô vẫn là chiến lược quan trọng
Các công ty lớn như Microsoft, Google, Meta, và Amazon tiếp tục đổ tiền vào việc xây dựng trung tâm dữ liệu khổng lồ. Những dự án này chứng minh rằng chiến lược mở rộng quy mô không hề lỗi thời.

Tuy nhiên, Patel nhấn mạnh rằng nguồn điện và không gian hiện là thách thức lớn hơn cả việc cung cấp GPU.
4. Suy luận đắt đỏ nhưng xứng đáng
Tính toán suy luận giúp giảm chi phí đào tạo mô hình ban đầu, dù chi phí suy luận tăng. Ví dụ:

• GPT-4 tốn hàng trăm triệu USD để đào tạo nhưng doanh thu tạo ra vượt xa chi phí này.
• Hiệu quả tăng 20% cho một nhóm phát triển phần mềm có thể đem lại giá trị lớn, thậm chí bù đắp chi phí của các mô hình đắt đỏ.

Patel tin rằng chỉ những công ty hoặc người dùng sẵn sàng trả giá cao mới đảm bảo được lợi nhuận lâu dài cho mô hình AI.
5. Ngai vàng của Nvidia vẫn vững chắc
Nvidia vẫn là "ông vua" chip AI, nhưng phải cạnh tranh với AMD và Google.

• AMD: Phần cứng tốt nhưng yếu về phần mềm và thiết kế hệ thống.
• Google: TPU có hiệu năng cao, tối ưu kỹ thuật tốt nhưng chỉ dùng trong nội bộ và giá thành cao.
• Amazon: Chip Tranium tương đương TPU nhưng kém hiệu quả hơn do chi phí cao.

Nvidia vượt trội nhờ sự đầu tư lớn vào phần mềm và thiết kế hệ thống, điều mà các đối thủ còn thiếu.
6. Tương lai ngành bán dẫn: Đốt tiền để phát triển
Patel dự đoán:

• Các công ty lớn sẽ tiếp tục tăng đầu tư, hưởng lợi từ các quỹ lớn ở Trung Đông, Singapore.
• Nvidia vẫn giữ vai trò dẫn dắt, nhưng doanh số của họ vào năm 2026 phụ thuộc vào sự cải tiến mô hình và mức độ đầu tư của các công ty lớn.
• Các tổ chức như OpenAI và Anthropic sẽ tiếp tục gọi vốn để thúc đẩy tăng trưởng.

Những khoản đầu tư khổng lồ này đảm bảo rằng ngành bán dẫn và AI sẽ tiếp tục phát triển mạnh mẽ.