Ảnh minh họa.
Cảnh báo từ màn vụt sáng của Nvidia
Là một trong những cổ phiếu hoạt động hiệu quả nhất trên thị trường chứng khoán Mỹ đầu năm nay, công ty sản xuất chip Nvidia đã có màn trình diễn vô cùng bùng nổ được thúc đẩy bởi xu hướng AI trên khắp thế giới.
Tính từ đầu năm tới nay, mã cổ phiếu của công ty này đã tăng hơn 200%, giúp công ty vượt qua nhiều đối thủ "sừng sỏ" để trở thành nhà sản xuất chip đầu tiên trên thế giới đạt mốc vốn hóa 1.000 tỷ USD dù còn non trẻ.
Tất cả đều nhờ danh hiệu "tương lai của AI" mà thị trường gán cho Nvidia - công ty hàng đầu trong việc sản xuất ra những con chip siêu mạnh có thể phục vụ cho hoạt động nghiên cứu và thử nghiệm trí tuệ nhân tạo (AI).
Bỏ qua vầng hào quang từ sự tăng trưởng vượt bậc của công ty, có thể nhìn nhận vấn đề từ một góc độ khác: Nếu như Nvidia được coi là "tương lai của AI" và đang là tay đua hàng đầu trong việc sản xuất chip AI, vậy phải chăng nguồn cung chip mạnh đang rất hạn chế?
Và giả dụ, những con chip do Nvidia sản xuất ra không đạt được hiệu suất cần có và không thể áp dụng cho việc nghiên cứu AI, vậy thì thị trường sẽ tìm nguồn cung từ đâu để đẩy sâu nghiên cứu lĩnh vực này?
Trong lúc mọi thứ còn đang mơ hồ, thì "nút thắt cổ chai" của ngành trí tuệ nhân tạo, và thậm chí là cả ngành cung ứng, đang dần hiện ra.
Nỗi lo lan rộng trong ngành
Theo các nhà phân tích trong ngành, cuộc khủng hoảng chip tiếp tục là vấn đề nhức nhối của các doanh nghiệp lớn và nhỏ, bao gồm một số nền tảng hàng đầu của ngành AI và có thể không cải thiện đáng kể trong ít nhất một năm hoặc hơn thế nữa.
Dấu hiệu mới nhất về sự thiếu hụt chip AI đã xuất hiện trong báo cáo thường niên của Microsoft gần đây. Báo cáo lần đầu tiên xác định sự sẵn có của các đơn vị xử lý đồ họa (GPU) là một yếu tố rủi ro có thể xảy ra đối với các nhà đầu tư. (GPU là một loại phần cứng quan trọng giúp chạy vô số tính toán liên quan đến đào tạo và triển khai các thuật toán trí tuệ nhân tạo.)
“Chúng tôi tiếp tục xác định và đánh giá các cơ hội để mở rộng các địa điểm trung tâm dữ liệu và tăng công suất máy chủ để đáp ứng nhu cầu ngày càng tăng của khách hàng, đặc biệt là do nhu cầu ngày càng tăng đối với các dịch vụ AI.
Các trung tâm dữ liệu của chúng tôi phụ thuộc vào sự sẵn có của mặt bằng, năng lượng, nguồn cung mạng và máy chủ, bao gồm cả các đơn vị xử lý đồ họa (GPU) và các thành phần khác”, Microsoft cho biết.
Những nhận định của Microsoft gần như xác nhận tầm quan trọng của GPU với việc phát triển ngành. Vấn đề này ảnh hưởng trực tiếp đến các công ty đang xây dựng các sản phẩm và công cụ AI, đồng thời ảnh hưởng gián tiếp đến các doanh nghiệp và người dùng cuối, những người hy vọng sẽ áp dụng công nghệ này cho mục đích riêng của họ.
Trước đó, hồi tháng 5, Giám đốc điều hành OpenAI Sam Altman, điều trần trước Thượng viện Mỹ, cho rằng công cụ chatbot của công ty đang phải vật lộn để theo kịp số lượng yêu cầu mà người dùng đưa ra.
“Chúng tôi đang thiếu GPU, càng ít người sử dụng công cụ này càng tốt”, ông Altman nói.
Theo CNN, sự thiếu hụt GPU hiện nay là do nhu cầu bùng nổ đột ngột đối với dòng GPU siêu mạnh, siêu cao cấp dành cho công việc nâng cao như đào tạo và sử dụng các mô hình AI.
Ông Raj Joshi, phó chủ tịch cấp cao của Dịch vụ nhà đầu tư của Moody, người theo dõi ngành công nghiệp chip, nhận định: “Tôi không nghĩ rằng ngành công nghiệp đã sẵn sàng cho loại nhu cầu tăng vọt này”.
Theo các nhà phân tích trong ngành, cuộc khủng hoảng chip tiếp tục là vấn đề nhức nhối của các doanh nghiệp lớn và nhỏ, bao gồm một số nền tảng hàng đầu của ngành AI và có thể không cải thiện đáng kể trong ít nhất một năm hoặc hơn thế nữa.
Dấu hiệu mới nhất về sự thiếu hụt chip AI đã xuất hiện trong báo cáo thường niên của Microsoft gần đây. Báo cáo lần đầu tiên xác định sự sẵn có của các đơn vị xử lý đồ họa (GPU) là một yếu tố rủi ro có thể xảy ra đối với các nhà đầu tư. (GPU là một loại phần cứng quan trọng giúp chạy vô số tính toán liên quan đến đào tạo và triển khai các thuật toán trí tuệ nhân tạo.)
“Chúng tôi tiếp tục xác định và đánh giá các cơ hội để mở rộng các địa điểm trung tâm dữ liệu và tăng công suất máy chủ để đáp ứng nhu cầu ngày càng tăng của khách hàng, đặc biệt là do nhu cầu ngày càng tăng đối với các dịch vụ AI.
Các trung tâm dữ liệu của chúng tôi phụ thuộc vào sự sẵn có của mặt bằng, năng lượng, nguồn cung mạng và máy chủ, bao gồm cả các đơn vị xử lý đồ họa (GPU) và các thành phần khác”, Microsoft cho biết.
Những nhận định của Microsoft gần như xác nhận tầm quan trọng của GPU với việc phát triển ngành. Vấn đề này ảnh hưởng trực tiếp đến các công ty đang xây dựng các sản phẩm và công cụ AI, đồng thời ảnh hưởng gián tiếp đến các doanh nghiệp và người dùng cuối, những người hy vọng sẽ áp dụng công nghệ này cho mục đích riêng của họ.
Trước đó, hồi tháng 5, Giám đốc điều hành OpenAI Sam Altman, điều trần trước Thượng viện Mỹ, cho rằng công cụ chatbot của công ty đang phải vật lộn để theo kịp số lượng yêu cầu mà người dùng đưa ra.
“Chúng tôi đang thiếu GPU, càng ít người sử dụng công cụ này càng tốt”, ông Altman nói.
Theo CNN, sự thiếu hụt GPU hiện nay là do nhu cầu bùng nổ đột ngột đối với dòng GPU siêu mạnh, siêu cao cấp dành cho công việc nâng cao như đào tạo và sử dụng các mô hình AI.
Ông Raj Joshi, phó chủ tịch cấp cao của Dịch vụ nhà đầu tư của Moody, người theo dõi ngành công nghiệp chip, nhận định: “Tôi không nghĩ rằng ngành công nghiệp đã sẵn sàng cho loại nhu cầu tăng vọt này”.
Từ "nút cổ chai này" tới "nút cổ chai" khác
Sid Sheth, người sáng lập kiêm Giám đốc điều hành của công ty khởi nghiệp AI d-Matrix, cho hay vấn đề là bản thân các nhà sản xuất GPU không thể có đủ đầu vào quan trọng từ các nhà cung cấp của chính họ. Công nghệ này, được gọi là bộ xen kẽ silicon, hoạt động bằng cách kết hợp các chip điện toán độc lập với chip bộ nhớ băng thông cao và cần thiết để hoàn thiện GPU.
Bất chấp việc chính quyền Tổng thống Mỹ Joe Biden đã ưu tiên tăng năng lực sản xuất chip của Mỹ như thông qua đạo luật CHIPS hay các gói ưu đãi cho việc xây dựng nhà máy, những khoản đầu tư này không nhắm mục tiêu cụ thể vào việc thúc đẩy sản xuất GPU.
Sự thiếu hụt chip dự kiến sẽ giảm bớt khi có nhiều nhà sản xuất cùng tham gia hoạt động trong ngành, cũng như các đối thủ cạnh tranh của Nvidia cũng mở rộng các dịch vụ. Nhưng điều đó có thể mất tới 2-3 năm, một số chuyên gia trong ngành cho biết.
Trong khi đó, sự thiếu hụt ở thời điểm hiện tại, khi AI đang là một từ khóa rất "nóng", lại buộc các công ty phải ngay lập tức xoay sở để có những giải pháp tình thế hiệu quả.
Theo ông Sheth, các giải pháp tình thế hiện đang được áp dụng có thể kể tới là sử dụng các mô hình AI nhỏ hơn, có thể đào tạo dễ dàng hơn và ít tính toán hơn so với mô hình lớn hoặc phát triển các cách tính toán mới không phụ thuộc nhiều vào CPU và GPU truyền thống.
Mặc dù vậy, để có thể phát triển AI một cách bài bản và không giới hạn, việc cần làm đương nhiên vẫn là giải quyết vấn đề nguyên liệu sản xuất GPU, và các nhà sản xuất cần tăng cường sản xuất các con chip đủ mạnh.
(Theo CNN)
Sid Sheth, người sáng lập kiêm Giám đốc điều hành của công ty khởi nghiệp AI d-Matrix, cho hay vấn đề là bản thân các nhà sản xuất GPU không thể có đủ đầu vào quan trọng từ các nhà cung cấp của chính họ. Công nghệ này, được gọi là bộ xen kẽ silicon, hoạt động bằng cách kết hợp các chip điện toán độc lập với chip bộ nhớ băng thông cao và cần thiết để hoàn thiện GPU.
Bất chấp việc chính quyền Tổng thống Mỹ Joe Biden đã ưu tiên tăng năng lực sản xuất chip của Mỹ như thông qua đạo luật CHIPS hay các gói ưu đãi cho việc xây dựng nhà máy, những khoản đầu tư này không nhắm mục tiêu cụ thể vào việc thúc đẩy sản xuất GPU.
Sự thiếu hụt chip dự kiến sẽ giảm bớt khi có nhiều nhà sản xuất cùng tham gia hoạt động trong ngành, cũng như các đối thủ cạnh tranh của Nvidia cũng mở rộng các dịch vụ. Nhưng điều đó có thể mất tới 2-3 năm, một số chuyên gia trong ngành cho biết.
Trong khi đó, sự thiếu hụt ở thời điểm hiện tại, khi AI đang là một từ khóa rất "nóng", lại buộc các công ty phải ngay lập tức xoay sở để có những giải pháp tình thế hiệu quả.
Theo ông Sheth, các giải pháp tình thế hiện đang được áp dụng có thể kể tới là sử dụng các mô hình AI nhỏ hơn, có thể đào tạo dễ dàng hơn và ít tính toán hơn so với mô hình lớn hoặc phát triển các cách tính toán mới không phụ thuộc nhiều vào CPU và GPU truyền thống.
Mặc dù vậy, để có thể phát triển AI một cách bài bản và không giới hạn, việc cần làm đương nhiên vẫn là giải quyết vấn đề nguyên liệu sản xuất GPU, và các nhà sản xuất cần tăng cường sản xuất các con chip đủ mạnh.
(Theo CNN)
Tin tức