Khi một tàu khu trục Mỹ rẽ vào đoạn bắc của eo biển Đài Loan, điều đáng sợ nhất không nằm ở khẩu pháo trên boong. Nó nằm ở thứ ánh sáng xanh lục phát ra từ những màn hình trong phòng điều khiển — và ở nhà máy chỉ cách mũi tàu vài chục dặm. Đó là lý do vì sao câu chuyện về chip không còn là câu chuyện của riêng ngành bán dẫn. Nó là câu chuyện về lộ trình AI của mọi doanh nghiệp.
Màn hình trong phòng điều khiển và nhà máy đắt nhất lịch sử loài người
Ngày 18 tháng 8 năm 2020, tàu khu trục USS Mustin tiến vào đầu phía bắc của eo biển Đài Loan, khẩu pháo năm inch hướng về phía nam. Về mặt danh nghĩa, đây là một chuyến tuần tra đơn lẻ nhằm khẳng định quyền tự do hàng hải ở vùng biển quốc tế. Nhưng căng thẳng chiến lược thật sự không diễn ra trên boong tàu. Nó diễn ra trong một căn phòng tối, trước những màn hình rực rỡ sắc màu, được vận hành bởi chính loại vi điện tử mà con tàu kia có mặt để bảo vệ. Cách mạn phải con tàu chỉ vài chục dặm là Fab 18 của TSMC — nhà máy đắt tiền nhất trong lịch sử nhân loại.
Điều trớ trêu đó nói lên tất cả. Một cuộc phô trương sức mạnh quân sự trên biển lại được điều khiển bằng những con chip sản xuất ở nơi mà chính nó đang cố gắng răn đe. Nếu tuyến hàng hải đó bị đóng lại, tàu chiến vẫn còn đó, nhưng chuỗi cung ứng tạo ra khả năng tính toán cho cả nền kinh tế số sẽ đứt gãy trong vài tuần.
AI không phải một tầng phần mềm bay lơ lửng trên không trung
Các nhà lãnh đạo doanh nghiệp thường nói về trí tuệ nhân tạo như một tầng phần mềm thanh tao — một dạng trí tuệ trên đám mây, tồn tại trong một khoảng không kỹ thuật số tách biệt khỏi thế giới vật chất. Đó là một ảo tưởng chiến lược, và là một ảo tưởng đắt tiền. AI cũng vật lý và cũng dễ bốc cháy như một khẩu pháo hải quân. Với một doanh nghiệp hiện đại, việc eo biển Đài Loan bị phong tỏa không chỉ là một cuộc khủng hoảng ngoại giao. Đó là một lệnh đóng cửa cưỡng bức toàn bộ hạ tầng AI của họ.
Những nhà chiến lược ngồi phòng máy lạnh thường mải mê thảo luận về “thế lưỡng nan Malacca” của Trung Quốc — tức khả năng tiếp cận nguồn dầu. Nhưng Bắc Kinh thật ra lo lắng nhiều hơn về một cuộc phong tỏa được đo bằng byte chứ không phải bằng thùng dầu. Ý tưởng đó, được nêu trong cuốn Chip War, là tuyên bố trung tâm của cả một kỷ nguyên mới.
Cuộc chiến chip đã dịch chuyển AI từ một bài toán phần mềm sang một bài toán về logistics phần cứng và quản trị rủi ro địa chính trị. Chúng ta đang bước từ kỷ nguyên “an ninh năng lượng” sang kỷ nguyên “an ninh tính toán”. Và nếu lộ trình công nghệ của một doanh nghiệp được xây dựng trên giả định rằng nguồn tính toán sẽ luôn dồi dào và ngày càng rẻ, thì họ không đang lập kế hoạch cho tương lai. Họ đang lập kế hoạch cho một thế giới đã không còn tồn tại.
Từ những chiếc bóng đèn chân không đến 11,8 tỷ công tắc điện
Về bản chất, mọi hệ thống AI chỉ là sự di chuyển của dòng điện. Một con chip là một ma trận gồm hàng triệu đến hàng tỷ bóng bán dẫn — những công tắc điện tử tí hon chỉ biết bật (1) hoặc tắt (0). “Cơn bão thép” từng định hình Thế chiến thứ hai đã được thay bằng một “cơn bão silicon”.
Quy mô chế tạo cần thiết cho AI hiện đại là mức độ gây choáng váng. Năm 1961, chip Fairchild Micrologic chỉ có vỏn vẹn bốn bóng bán dẫn. Đến năm 2020, vi xử lý A14 trong chiếc iPhone 12 đã chứa 11,8 tỷ bóng bán dẫn. Để thực hiện một hành động “thông minh” duy nhất, một hệ thống cần một nỗ lực phối hợp vật lý khổng lồ, trải dài qua nhiều tầng công nghiệp khác nhau:
- Bộ xử lý (CPU/GPU): đảm nhận logic và tính toán song song, nơi diễn ra phần lớn phép nhân ma trận của mô hình.
- Bộ nhớ (DRAM/NAND): lưu trữ và ghi nhớ chuỗi dữ liệu, từ trọng số mô hình đến ngữ cảnh hội thoại.
- Quang khắc (photolithography): khắc các hoa văn nhỏ hơn cả một ty thể lên đĩa silicon, bằng những bước sóng ánh sáng cực tím.
- Phần mềm EDA: thiết kế cách sắp xếp hàng tỷ bóng bán dẫn, bởi không ai có thể vẽ tay một vi xử lý hiện đại.
So sánh với ENIAC — cỗ máy dùng bóng đèn chân không, nặng hàng chục tấn, chiếm trọn một căn phòng, và nổi tiếng vì những con bướm đêm chui vào làm cháy mạch. Lý do duy nhất khiến chúng ta có thể nhồi 11,8 tỷ bóng bán dẫn vào một con chip ngày nay mà không biến nó thành một “con quái vật đầy bướm đêm” là nhờ một bước đột phá gần như đã bị lịch sử lãng quên.
| Đặc điểm | Bóng đèn chân không (ENIAC, 1945) | Mạch tích hợp (thập niên 1960) | Bộ xử lý AI hiện đại (2024) |
|---|---|---|---|
| Loại công tắc | Sợi đốt như bóng đèn | Trạng thái rắn, cấu trúc mesa | FinFET 3D, quy trình phẳng |
| Độ tin cậy | Thấp, cháy và bị bướm đêm | Trung bình, nhạy với bụi | Cực cao, được bảo vệ bằng silicon dioxide |
| Số bóng bán dẫn | Không có, dùng 18.000 ống chân không | 4 đến hơn 100 | 11,8 tỷ đến hơn 80 tỷ |
| Ràng buộc chiến lược | Kích thước vật lý, chiếm cả căn phòng | Độ phức tạp của dây dẫn | Sự tập trung địa lý |
Quy trình phẳng: phát minh bị lãng quên đang đỡ cả kỷ nguyên AI
Năm 1959, Jean Hoerni tại Fairchild Semiconductor tìm ra cách bảo vệ bóng bán dẫn bằng một lớp silicon dioxide. Bước đột phá đó biến bóng bán dẫn từ một thí nghiệm mong manh trong phòng lab thành một loại hàng hóa ổn định, có thể sản xuất hàng loạt với chi phí chấp nhận được. Nếu không có lớp bảo vệ đó, mọi bóng bán dẫn sẽ tiếp xúc trực tiếp với môi trường, và mọi lỗi bụi, mọi hơi ẩm, mọi rung động đều có thể biến một cụm máy tính thành một đống phế liệu.
Ý nghĩa kinh tế của phát minh này lớn hơn nhiều so với vẻ ngoài kỹ thuật của nó. Độ tin cậy chính là điều kiện tiên quyết để có quy mô. Không có độ tin cậy, sẽ không có sản xuất hàng loạt; không có sản xuất hàng loạt, sẽ không có đường cong học tập làm giá thành giảm liên tục; không có đường cong đó, sẽ không có 11,8 tỷ bóng bán dẫn trên một con chip với giá vài trăm đô la. Và không có điều đó, sẽ không có bất kỳ mô hình ngôn ngữ lớn nào hôm nay.
Đây là bài học đầu tiên mà các nhà quản lý công nghệ cần mang theo: mọi năng lực phần mềm đều được xây dựng trên một nền tảng vật lý, và nền tảng đó có lịch sử, có điểm yếu, có nhà cung cấp cụ thể. Trừu tượng hóa nó đi là cách nhanh nhất để bị nó làm cho bất ngờ.
Năm ông vua máy móc: nơi quyền lực bị nén chặt đến mức ngột thở
Chuỗi cung ứng bán dẫn được định nghĩa bởi một thứ được mô tả là “lỗ hổng đến mức choáng váng”. Thế giới từng lo lắng khi OPEC nắm khoảng 40% sản lượng dầu. Nhưng mức độ tập trung quyền lực đó chỉ là chuyện nhỏ so với các điểm nghẽn bán dẫn hiện đại.
Không thể chế tạo chip tiên tiến nếu thiếu những cỗ máy chuyên dụng đến từ vỏn vẹn năm công ty: một của Hà Lan (ASML), một của Nhật Bản, và ba ở California. Năm công ty này đại diện cho điểm nghẽn địa lý tối hậu. Đặc biệt, ASML nắm 100% thị phần máy quang khắc cực tím (EUV). Không có máy EUV, việc sản xuất năng lực tính toán AI tân tiến dừng lại ngay lập tức, không có phương án thay thế nào khả dụng trong ngắn hạn.
Câu hỏi đặt ra cho các nhà quản lý là: tại sao một năng lực có ý nghĩa chiến lược ở tầm quốc gia toàn cầu lại có thể phụ thuộc vào một nhà cung cấp duy nhất? Câu trả lời nằm ở cấu trúc chi phí của ngành. Một chiếc máy EUV là kết quả của hàng thập kỷ nghiên cứu về quang học, plasma, vật liệu và điều khiển chính xác, với chuỗi cung ứng trải dài qua hàng nghìn nhà cung cấp phụ. Sao chép nó không phải là việc xây một nhà máy mới. Đó là việc tái tạo một mạng lưới tri thức công nghiệp đã tích tụ suốt vài thập kỷ.
Điểm gãy Đài Loan và ảo tưởng về một đám mây bất diệt
Những bộ xử lý tiên tiến nhất thế giới không chỉ được sản xuất trong một quốc gia. Chúng thường được sản xuất trong một tòa nhà duy nhất — Fab 18 của TSMC. Đài Loan cung cấp 37% tổng năng lực tính toán mới của thế giới mỗi năm. Đó là một con số đủ để biến một sự kiện địa chính trị khu vực thành một sự kiện vận hành toàn cầu.
Các hội đồng quản trị thường giả định rằng “đám mây” là một nguồn tài nguyên phân tán và bất khả xâm phạm, giống như điện lưới hay internet. Trên thực tế, nó là một chuỗi các hub mong manh tọa lạc trên những đường đứt gãy địa chất và địa chính trị. Khi một doanh nghiệp ký hợp đồng với một nhà cung cấp đám mây, họ không mua sự trừu tượng. Họ mua thời gian chạy trên những con chip cụ thể, được sản xuất tại những nhà máy cụ thể, bằng những cỗ máy cụ thể, ở những vị trí cụ thể.
Hãy hình dung một tình huống cụ thể. Một doanh nghiệp bán lẻ đưa trợ lý AI vào toàn bộ quy trình chăm sóc khách hàng. Chi phí được tính toán dựa trên mức giá GPU hiện tại. Sáu tháng sau, nếu nguồn cung chip bị gián đoạn vì lý do địa chính trị, giá thuê tính toán có thể tăng vọt, và các mô hình đã triển khai không thể “di cư” sang phần cứng khác một cách dễ dàng nếu chúng phụ thuộc vào những thư viện tối ưu riêng cho một kiến trúc. Khi đó, khoản đầu tư vào AI không biến mất, nhưng biên lợi nhuận thì có.
Cái bẫy bộ nhớ: hai công ty Hàn Quốc và 44% thế giới
Song song với logic, bộ nhớ là một điểm nghẽn ít được nhắc đến nhưng không kém phần nghiêm trọng. Hai công ty Hàn Quốc sản xuất khoảng 44% lượng chip nhớ của thế giới. Trong kỷ nguyên AI, bộ nhớ không còn là một chi tiết phụ. Băng thông bộ nhớ thường là yếu tố quyết định tốc độ suy luận của một mô hình lớn, vì phần lớn thời gian xử lý là thời gian chờ dữ liệu di chuyển từ bộ nhớ đến đơn vị tính toán. Bộ nhớ băng thông cao, được xếp lớp ngay cạnh GPU, đã trở thành một loại hàng hóa chiến lược đúng nghĩa.
Điều này tạo ra một cấu trúc rủi ro kép. Một doanh nghiệp có thể đã đa dạng hóa nhà cung cấp bộ xử lý, nhưng vẫn phụ thuộc vào một chuỗi cung ứng bộ nhớ chỉ nằm trong một khu vực địa lý. Khi nhu cầu AI tăng vọt, giá bộ nhớ biến động mạnh hơn nhiều so với giá bộ xử lý, và các nhà sản xuất sẽ ưu tiên những khách hàng có hợp đồng dài hạn cùng quy mô lớn. Doanh nghiệp nhỏ, không có hợp đồng dài hạn, sẽ xếp cuối hàng chờ.
Kết thúc chuyến đi miễn phí: khi Moore’s Law không còn rẻ
Trong 50 năm, chi phí xử lý một bit đã giảm khoảng một tỷ lần. Chuyến đi miễn phí đó, được dự báo bởi định luật Moore, đã cho phép các doanh nghiệp ưu tiên sự phình to của phần mềm thay vì hiệu quả phần cứng. Khi tính toán rẻ đi một cách đều đặn, việc viết code ít tối ưu hơn mà bù lại bằng thêm máy là một quyết định hợp lý về mặt kinh tế. Đó là lý do vì sao phần mềm doanh nghiệp hiện đại thường tiêu tốn nhiều tài nguyên hơn so với nhu cầu thực tế của nó.
Nhưng giai đoạn đó đang kết thúc. Cần nhận ra rằng chuỗi cung ứng hiện tại là một cấu trúc địa chính trị được tạo dựng có chủ đích, không đơn thuần là kết quả của việc tìm kiếm lao động giá rẻ. Washington từng sử dụng chuỗi cung ứng phức tạp này như một công cụ để “trói châu Á vào một thế giới do Mỹ dẫn dắt”. Giờ đây, chính công cụ đó đã biến thành một cái bẫy chiến lược khi các nhà máy hiện đại ngốn hàng chục tỷ đô la, và việc chuyển sang các tiến trình 2 nanomet được gọi một cách thẳng thắn là “đắt đỏ đến mức khó tin”.
Sự khác biệt giữa AI trên lý thuyết và AI trong thực tế nằm ở đây: AI lý thuyết bị giới hạn bởi code, AI chiến lược bị giới hạn bởi cách sắp xếp vật lý của các nguyên tử. Thời đại của “hiệu quả” đã kết thúc; thời đại của “khả năng phục hồi” đã bắt đầu. Một lộ trình không còn hợp lệ nếu nó giả định phần cứng sẽ mãi là một loại hàng hóa rẻ và trung lập.
Bài học Huawei: khi cả dòng sản phẩm biến mất trong im lặng
Mọi chiến lược AI giờ đây cần một “cuộc kiểm toán địa chính trị”. Danh sách thực thể của Bộ Thương mại Mỹ đã chứng minh rằng một cuộc phong tỏa có thể được đo bằng byte. Khi Huawei bị nhắm tới bằng chiến lược “làm ngạt thở công nghệ”, công ty phát hiện ra rằng mình phụ thuộc sống còn vào chip do nước ngoài sản xuất và phần mềm thiết kế EDA do Mỹ phát triển. Những dòng sản phẩm từng chiếm thị phần lớn bỗng nhiên biến mất.
Điều đáng chú ý là tốc độ. Các cuộc phong tỏa kiểu này không cần dùng đến bất kỳ biện pháp quân sự nào. Một thay đổi trong danh sách hạn chế xuất khẩu có thể vô hiệu hóa một kế hoạch sản phẩm đã được chuẩn bị trong nhiều năm, bởi vì giấy phép phần mềm thiết kế và lô chip đóng vai trò nút thắt đều có thể bị chặn trong vài giờ. Với các doanh nghiệp không nằm trong tầm ngắm của bất kỳ lệnh cấm nào, bài học vẫn nguyên vẹn: rủi ro không chỉ đến từ việc bị cấm, mà đến từ việc nằm trong một chuỗi cung ứng có thể bị cấm bất cứ lúc nào.
Bốn câu hỏi của một cuộc kiểm toán địa chính trị
Một cuộc kiểm toán nghiêm túc không cần bắt đầu bằng những mô hình rủi ro phức tạp. Nó bắt đầu bằng bốn câu hỏi mà nhiều ban điều hành hiện nay không thể trả lời.
- Mật độ nhà máy: nhà cung cấp đám mây mà chúng ta dùng có phụ thuộc vào một “tòa nhà duy nhất” như Fab 18 cho các bộ tăng tốc AI độc quyền của họ hay không?
- Lỗ hổng thiết bị: chuỗi cung ứng tính toán của chúng ta có phụ thuộc vào một nhà sản xuất máy công cụ duy nhất như ASML hay không?
- Phụ thuộc chủ quyền: hệ thống AI được cho là “nội bộ” của chúng ta có thật sự chạy trên phần mềm hoặc phần cứng có thể bị kiểm soát xuất khẩu bất ngờ hay không?
- Phương án hậu cần: kế hoạch 48 giờ của chúng ta là gì nếu eo biển Đài Loan đóng cửa với tàu vận tải thương mại?
Điểm mấu chốt không nằm ở việc trả lời “có” cho mọi câu hỏi trên. Hầu hết doanh nghiệp sẽ phải trả lời “có”, vì cấu trúc công nghiệp toàn cầu hiện nay gần như không cho phép tránh khỏi. Điểm mấu chốt là nhận diện được mình đang phụ thuộc vào cái gì, ở tầng nào, và có bao nhiêu thời gian để phản ứng. Một rủi ro được nhận diện là một rủi ro có thể quản lý. Một rủi ro chưa được nhận diện là một rủi ro sẽ biến thành khủng hoảng.
Doanh nghiệp Việt Nam nhìn từ góc độ này
Với các doanh nghiệp Việt Nam, cuộc chiến chip có thể trông như một câu chuyện rất xa — về Washington, Bắc Kinh, Đài Loan và Hà Lan. Nhưng khoảng cách địa lý không tạo ra khoảng cách rủi ro. Phần lớn doanh nghiệp Việt Nam tiếp cận AI thông qua các API và dịch vụ đám mây quốc tế. Điều đó có nghĩa là chi phí AI của họ biến động theo giá GPU toàn cầu, và năng lực AI của họ có thể thay đổi theo những quyết định pháp lý được đưa ra ở cách đó nửa vòng Trái Đất.
Điều này đặc biệt có ý nghĩa với những ngành phụ thuộc vào dữ liệu và xử lý tự động: xuất nhập khẩu, logistics, thương mại điện tử, dịch vụ tài chính, sản xuất. Một doanh nghiệp xuất khẩu xây dựng hệ thống dự báo nhu cầu hoặc dự báo giá nguyên vật liệu dựa trên AI đang gián tiếp đặt cược vào sự ổn định của chuỗi cung ứng bán dẫn. Khi năng lực tính toán trở nên khan hiếm, chi phí đó sẽ được chuyển vào giá dịch vụ, và những doanh nghiệp không có phương án dự phòng sẽ là những người trả giá cuối cùng.
Đồng thời, đây cũng là cơ hội. Sự dịch chuyển trong chuỗi cung ứng bán dẫn đang mở ra không gian cho các quốc gia có vị trí địa chính trị ổn định, lực lượng kỹ thuật trẻ và chi phí cạnh tranh. Việc các tập đoàn bán dẫn lớn mở rộng cơ sở nghiên cứu và sản xuất tại Việt Nam cho thấy một điều: chuỗi cung ứng đang được tái cấu trúc theo hướng phân tán, và những nước biết tận dụng thời điểm này có thể chuyển từ vai trò người dùng sang vai trò người tham gia. Nhưng để tận dụng được, doanh nghiệp và nhà quản lý cần hiểu phần vật lý của AI, không chỉ phần phần mềm.
Thước đo mới: tính toán trên mỗi watt
Trong thập niên 1960, máy tính dẫn đường của chương trình Apollo được lựa chọn vì nó cung cấp gấp đôi khối lượng tính toán với một nửa trọng lượng. Kỹ sư Bob Nease đã ghi lại rất giản dị: “Đó chỉ là vấn đề kích thước và trọng lượng.” Chúng ta đang quay trở lại thời kỳ bị ràng buộc bởi phần cứng trước tiên, rất giống kỷ nguyên Apollo.
Mô hình “càng lớn càng tốt” trong mở rộng mô hình ngôn ngữ đang đâm vào bức tường vật lý của tiêu thụ năng lượng và sự khan hiếm chip. Mỗi lộ trình AI giờ đây cần chuyển chỉ số đo lường chính của mình sang “tính toán trên mỗi watt”. Đây không phải là một chỉ số kỹ thuật dành riêng cho kỹ sư hạ tầng. Nó là một chỉ số kinh doanh, bởi vì nó quyết định chi phí biên của mỗi lần một khách hàng sử dụng sản phẩm AI, và do đó quyết định mô hình kinh doanh nào có thể tồn tại khi giá tính toán không còn giảm như trước.
Một ví dụ cụ thể: hai doanh nghiệp cùng triển khai một trợ lý AI cho khách hàng. Doanh nghiệp thứ nhất dùng một mô hình lớn, chạy cho mọi truy vấn, kể cả những truy vấn đơn giản như tra cứu trạng thái đơn hàng. Doanh nghiệp thứ hai phân tầng xử lý: những truy vấn đơn giản được định tuyến vào một mô hình nhỏ, chỉ những truy vấn phức tạp mới dùng mô hình lớn, và dữ liệu doanh nghiệp được truy xuất qua cơ chế tìm kiếm tăng cường thay vì nhồi hết vào ngữ cảnh. Trong điều kiện nguồn tính toán dồi dào, hai bên trông giống nhau về trải nghiệm người dùng. Khi nguồn tính toán khan hiếm, doanh nghiệp thứ hai tiếp tục hoạt động với biên lợi nhuận ổn định, còn doanh nghiệp thứ nhất phải chọn giữa tăng giá và cắt giảm chất lượng dịch vụ.
Hai kiểu lộ trình: chạy theo hype và hiểu phần cứng
Sự khác biệt giữa một lộ trình AI được xây dựng dựa trên cảm hứng truyền thông và một lộ trình được xây dựng dựa trên nhận thức phần cứng là rất rõ ràng khi ta so sánh từng điểm.
- Lộ trình chạy theo hype: tập trung vào số lượng tham số của mô hình; giả định rằng nguồn GPU luôn sẵn có; bỏ qua vị trí địa lý của máy chủ; đo lường thành công bằng những bản demo ấn tượng; xem chi phí hạ tầng là một biến số không quan trọng trong kế hoạch tài chính.
- Lộ trình hiểu phần cứng: tập trung vào việc tinh gọn mô hình; ưu tiên kỹ thuật tìm kiếm tăng cường để giảm nhu cầu tham số; kiểm toán các phụ thuộc vào nhà máy ở tầng một; đo lường thành công bằng chi phí trên mỗi tác vụ hoàn thành; xem hạ tầng là một phần của chiến lược cạnh tranh chứ không chỉ là dòng chi phí.
Hai kiểu lộ trình này đưa ra những quyết định kỹ thuật rất khác nhau ngay từ đầu. Lộ trình thứ nhất chọn mô hình lớn nhất mà ngân sách hiện tại cho phép. Lộ trình thứ hai chọn mô hình nhỏ nhất đủ đáp ứng yêu cầu chất lượng, rồi đầu tư phần tiết kiệm được vào dữ liệu, quy trình và khả năng chuyển đổi giữa các nền tảng phần cứng. Khi thị trường biến động, lộ trình thứ hai không chỉ chịu rủi ro thấp hơn — nó còn linh hoạt hơn về mặt chiến lược, vì nó có nhiều lựa chọn hơn.
Những việc cần làm ngay, không cần ngân sách khổng lồ
Phản ứng trước những rủi ro ở tầng chuỗi cung ứng toàn cầu không nhất thiết đòi hỏi phải xây dựng nhà máy hay thay đổi toàn bộ hạ tầng. Phần lớn giá trị đến từ những hành động có thể được thực hiện trong vòng một vài quý.
- Lập bản đồ phụ thuộc vật lý ở tầng một và tầng hai. Xác định chính xác nhà máy nào sản xuất ra loại chip đang chạy các phiên bản đám mây cụ thể mà doanh nghiệp sử dụng. Kết quả kỳ vọng là danh sách những điểm có thể gây ngạt thở trong chuỗi cung ứng, kèm theo mức độ nghiêm trọng của từng điểm.
- Ưu tiên tối ưu đồng thời phần cứng và phần mềm. Học theo cách Apple làm: thiết kế hoặc tinh chỉnh mô hình cho phù hợp với kiến trúc bên dưới để tối đa hóa tính toán trên mỗi watt. Kết quả kỳ vọng là giảm 30 đến 50% nhu cầu tính toán thô mà không giảm chất lượng đầu ra.
- Tránh cái bẫy “một tòa nhà”. Phân tán năng lực tính toán qua nhiều nguồn cung cấp khác nhau về địa lý và về pháp nhân. Kết quả kỳ vọng là khả năng chống chịu trước các sự kiện địa chấn hoặc địa chính trị mang tính cục bộ.
- Đầu tư vào những dạng trí tuệ nhỏ hơn. Chuyển hướng nghiên cứu và phát triển sang các mô hình đã được tinh gọn và kỹ thuật tìm kiếm tăng cường. Các mô hình nhỏ, chuyên biệt dễ được chuyển đổi giữa các tầng phần cứng khác nhau khi xảy ra thiếu hụt. Kết quả kỳ vọng là chi phí trên mỗi đơn vị tính toán thấp hơn và vòng triển khai nhanh hơn.
- Phòng ngừa rủi ro giá cho GPU như một loại hàng hóa chiến lược. Đối xử với năng lực tính toán như một loại nhiên liệu chiến lược và đàm phán hợp đồng dài hạn với mức độ nghiêm túc mà một hãng hàng không dành cho việc phòng ngừa giá nhiên liệu. Kết quả kỳ vọng là sự ổn định về giá và khả năng tiếp cận trong một thị trường đắt đỏ và biến động.
Điểm chung của năm hành động này là chúng đều bắt đầu từ việc hiểu rõ thực tế vật lý thay vì từ việc mua thêm công cụ. Chúng không đòi hỏi phải từ bỏ tham vọng AI. Ngược lại, chúng là điều kiện để tham vọng đó có thể tồn tại qua một chu kỳ biến động.
Từ eo biển đến phòng họp hội đồng quản trị
USS Mustin là một lời nhắc nhở rằng vũ trụ kỹ thuật số được xây dựng trên một nền móng bằng nguyên tử. Sự cạnh tranh giữa Mỹ và Trung Quốc đang được quyết định bởi năng lực tính toán — không chỉ bởi ai viết được đoạn code tốt nhất, mà bởi ai kiểm soát được những chuyển động nhỏ nhất của electron trên những tấm silicon.
Trong kỷ nguyên AI, “đoạn code” quan trọng nhất có thể chính là cách sắp xếp vật lý của các bóng bán dẫn trên một tấm wafer. Nếu lộ trình của một doanh nghiệp không tính đến địa lý của silicon, thì đó không phải là một chiến lược. Đó là một niềm hy vọng.
Và niềm hy vọng, trong một ngành công nghiệp được đo bằng nanomet và hợp đồng dài hạn, là một loại tài sản có tuổi thọ rất ngắn. Những nhà quản lý hiểu điều này sẽ không chờ đến khi có thông báo chính thức về một cuộc khủng hoảng nguồn cung. Họ sẽ bắt đầu từ những câu hỏi khó ngay trong quý này: chúng ta đang thật sự chạy trên cái gì, ở đâu, do ai sản xuất, và chúng ta mất bao lâu để thay đổi nếu câu trả lời bỗng nhiên biến mất?