OpenAI cân nhắc mua chip AI của Google để tăng năng lực tính toán
OpenAI, công ty đứng sau ChatGPT, đang lên kế hoạch mua chip điện toán trí tuệ nhân tạo (AI) của Google, thuộc Alphabet, nhằm tăng cường cơ sở hạ tầng phục vụ quá trình phát triển và vận hành các mô hình AI. Động thái này cho thấy OpenAI đang theo đuổi chiến lược đa dạng hóa nguồn cung phần cứng, trong bối cảnh nhu cầu năng lực tính toán ngày càng tăng và cuộc cạnh tranh trên thị trường chip AI trở nên quyết liệt.
Theo một nguồn tin am hiểu vấn đề, OpenAI dự định sử dụng các bộ xử lý AI của Google như một phần trong kế hoạch mở rộng hạ tầng điện toán. Tuy nhiên, do các cuộc thảo luận vẫn đang diễn ra riêng tư, những điều khoản cuối cùng của thỏa thuận, bao gồm quy mô mua sắm và thời điểm triển khai cụ thể, chưa được xác định rõ.
OpenAI và Google đều từ chối bình luận về thông tin này.
Nếu kế hoạch được triển khai, đây sẽ là diễn biến đáng chú ý trong quan hệ giữa hai doanh nghiệp vốn cạnh tranh trực tiếp trên thị trường AI. OpenAI phát triển ChatGPT và các mô hình AI tạo sinh, trong khi Google sở hữu hệ sinh thái AI rộng lớn cùng dòng chip chuyên dụng do chính mình phát triển.
Việc OpenAI cân nhắc sử dụng phần cứng của Google cũng phản ánh một thực tế quan trọng: trong cuộc đua AI, lợi thế không chỉ đến từ chất lượng mô hình mà còn phụ thuộc vào khả năng tiếp cận nguồn lực tính toán, hiệu quả vận hành trung tâm dữ liệu và chi phí xử lý khối lượng công việc khổng lồ.
Chiến lược chip của OpenAI không chỉ dừng lại ở Google
Kế hoạch mua chip của Google được cho là một phần trong nỗ lực rộng lớn hơn của OpenAI nhằm nhanh chóng gia tăng năng lực tính toán. Công ty đồng thời phát triển các bộ xử lý riêng để phục vụ nhu cầu vận hành những mô hình trí tuệ nhân tạo ngày càng phức tạp.
Theo thông tin trong bài viết gốc, OpenAI đã công bố kế hoạch bắt đầu sử dụng chip do mình phát triển để hỗ trợ các mô hình AI vào cuối năm nay. Chiến lược này đặt OpenAI trong nhóm những doanh nghiệp công nghệ đang tìm cách tự chủ hơn về phần cứng, thay vì phụ thuộc hoàn toàn vào các nhà cung cấp chip bên ngoài.
Việc phát triển chip nội bộ có thể giúp doanh nghiệp thiết kế phần cứng sát hơn với nhu cầu của các mô hình AI, tối ưu hiệu suất xử lý và kiểm soát tốt hơn chi phí vận hành trong dài hạn.
Tuy nhiên, thiết kế một bộ xử lý AI không đồng nghĩa doanh nghiệp có thể ngay lập tức thay thế toàn bộ phần cứng đang sử dụng. Quá trình này đòi hỏi thời gian nghiên cứu, kiểm thử, sản xuất, tích hợp phần mềm và triển khai trong các hệ thống trung tâm dữ liệu quy mô lớn.
Vì vậy, việc mua chip của Google và phát triển chip riêng không nhất thiết là hai chiến lược mâu thuẫn. OpenAI có thể đồng thời sử dụng nhiều nền tảng phần cứng khác nhau để đáp ứng những nhu cầu tính toán khác nhau, đồng thời giảm nguy cơ bị giới hạn bởi nguồn cung của một nhà sản xuất duy nhất.
Cách tiếp cận đa dạng hóa này đặc biệt quan trọng đối với những công ty vận hành các dịch vụ AI có lượng người dùng lớn. Khi nhu cầu sử dụng tăng nhanh, khả năng mở rộng năng lực tính toán có thể ảnh hưởng trực tiếp đến tốc độ phản hồi, chi phí cung cấp dịch vụ và khả năng đưa sản phẩm mới ra thị trường.
TPU của Google trở thành lựa chọn thay thế đáng chú ý cho GPU Nvidia
Trọng tâm của kế hoạch được đề cập là các bộ xử lý tensor, thường được gọi là TPU, do Google phát triển.
Google bắt đầu nghiên cứu TPU từ hơn một thập kỷ trước. Ban đầu, những bộ xử lý này được thiết kế để tăng tốc các hoạt động tính toán phục vụ công cụ tìm kiếm và cải thiện hiệu quả vận hành những hệ thống quy mô lớn của công ty.
Theo thời gian, TPU chứng minh được khả năng xử lý các tác vụ liên quan đến trí tuệ nhân tạo. Khi các mô hình học máy và AI tạo sinh phát triển, Google tiếp tục mở rộng vai trò của dòng chip này trong hệ thống hạ tầng điện toán của mình.
Điểm đáng chú ý là TPU được thiết kế chuyên biệt cho những dạng tính toán phổ biến trong AI. Thay vì sử dụng bộ xử lý đồ họa đa dụng như GPU cho mọi nhu cầu, các doanh nghiệp có thể cân nhắc những bộ xử lý chuyên dụng nhằm tối ưu hiệu năng cho từng loại tác vụ.
Nvidia hiện giữ vị trí quan trọng trên thị trường GPU phục vụ AI, nhờ hệ sinh thái phần cứng, phần mềm và công cụ phát triển đã được nhiều doanh nghiệp sử dụng. Tuy nhiên, sự phát triển của TPU cho thấy thị trường đang xuất hiện thêm những lựa chọn đáng kể đối với các công ty có nhu cầu tính toán lớn.
Việc OpenAI cân nhắc mua chip Google, nếu được xác nhận bằng một thỏa thuận chính thức, có thể cho thấy TPU đang được xem xét như một phương án bổ sung trong chiến lược hạ tầng của những doanh nghiệp AI hàng đầu.
Dù vậy, không nên mặc định TPU sẽ thay thế hoàn toàn GPU Nvidia. Hiệu quả của mỗi nền tảng còn phụ thuộc vào loại mô hình, khối lượng công việc, hệ thống phần mềm, khả năng tương thích và tổng chi phí triển khai.
Đối với các nhà phát triển AI, lựa chọn phần cứng không đơn giản là so sánh tốc độ xử lý trên lý thuyết. Họ còn phải đánh giá khả năng huấn luyện mô hình, vận hành mô hình sau khi huấn luyện, tối ưu năng lượng và tích hợp với những hệ thống hiện có.
Chip Jalapeno và tham vọng tự chủ phần cứng của OpenAI
Song song với việc cân nhắc mua chip bên ngoài, OpenAI đang theo đuổi kế hoạch phát triển bộ xử lý riêng với sự hỗ trợ của Broadcom.
Theo bài viết gốc, dòng chip nội bộ mang tên Jalapeno được OpenAI phát triển cùng Broadcom, với sự tham gia của những nhân sự từng có kinh nghiệm trong lĩnh vực chip AI của Google.
Richard Ho, người điều hành nhóm phát triển chip nội bộ của OpenAI, trước đây từng tham gia hoạt động phát triển chất bán dẫn tại Google, bao gồm công việc liên quan đến bộ xử lý tensor TPU.
Kinh nghiệm này có ý nghĩa trong bối cảnh việc thiết kế chip AI đòi hỏi sự kết hợp giữa kiến thức về kiến trúc bán dẫn, nhu cầu tính toán của mô hình và yêu cầu triển khai thực tế trong trung tâm dữ liệu.
Một bộ xử lý được thiết kế phù hợp với các tác vụ AI có thể giúp giảm những phần tính toán không cần thiết, cải thiện hiệu suất và tối ưu mức tiêu thụ năng lượng. Tuy nhiên, kết quả thực tế còn phụ thuộc vào thiết kế cuối cùng, quy trình sản xuất và khả năng phối hợp giữa phần cứng với phần mềm.
Hợp tác với Broadcom cũng cho thấy việc phát triển chip nội bộ không nhất thiết đồng nghĩa với việc OpenAI tự đảm nhiệm toàn bộ chuỗi sản xuất. Các doanh nghiệp công nghệ thường cần hợp tác với những đối tác chuyên về thiết kế, tích hợp và sản xuất bán dẫn để biến ý tưởng thành sản phẩm có thể triển khai trên quy mô lớn.
Nếu chip riêng đáp ứng được yêu cầu về hiệu suất và độ tin cậy, OpenAI có thể có thêm quyền chủ động trong việc xây dựng hạ tầng AI. Tuy nhiên, cho đến khi sản phẩm được triển khai và có dữ liệu vận hành cụ thể, vẫn chưa thể kết luận dòng chip này sẽ giảm chi phí ở mức nào hoặc thay thế được bao nhiêu phần cứng hiện có.
Vì sao OpenAI cần nhiều nguồn cung chip AI?
Các mô hình AI hiện đại đòi hỏi lượng tài nguyên tính toán lớn trong cả giai đoạn huấn luyện lẫn vận hành.
Huấn luyện là quá trình hệ thống học từ dữ liệu để xây dựng năng lực của mô hình. Trong khi đó, quá trình suy luận diễn ra khi mô hình tiếp nhận yêu cầu và tạo ra câu trả lời hoặc kết quả cho người dùng. Hai giai đoạn này có đặc điểm tính toán khác nhau, vì vậy doanh nghiệp có thể cần nhiều loại phần cứng để tối ưu hiệu quả.
Đối với một nền tảng như ChatGPT, nhu cầu xử lý không chỉ đến từ việc phát triển các mô hình mới mà còn từ hàng loạt yêu cầu của người dùng, các tính năng bổ sung và những ứng dụng được tích hợp vào hệ thống.
Nếu chỉ dựa vào một nhà cung cấp chip, doanh nghiệp có thể đối mặt với rủi ro liên quan đến nguồn cung, chi phí và khả năng đáp ứng nhu cầu mở rộng. Việc sử dụng thêm các nền tảng như TPU của Google có thể giúp phân bổ khối lượng công việc linh hoạt hơn, nếu những hệ thống này đáp ứng được các yêu cầu kỹ thuật.
Đa dạng hóa phần cứng cũng có thể cải thiện vị thế đàm phán của khách hàng lớn. Khi có nhiều lựa chọn khả thi, doanh nghiệp có thêm cơ sở để đánh giá chi phí sử dụng, hiệu suất và điều kiện cung cấp dịch vụ.
Tuy nhiên, sử dụng nhiều kiến trúc chip khác nhau cũng tạo ra thách thức. Doanh nghiệp có thể phải điều chỉnh phần mềm, tối ưu mô hình, xây dựng quy trình vận hành riêng và đào tạo đội ngũ kỹ thuật để khai thác hiệu quả từng nền tảng.
Do đó, lợi ích của việc đa dạng hóa phụ thuộc vào khả năng cân bằng giữa hiệu suất, chi phí và mức độ phức tạp trong vận hành.
Oracle đưa TPU vào hạ tầng điện toán đám mây
Không chỉ OpenAI được cho là đang quan tâm đến TPU. Theo bài viết gốc, Oracle cũng thông báo vào ngày thứ Ba rằng các bộ xử lý tensor của Google sẽ được cung cấp thông qua hạ tầng điện toán đám mây của công ty.
Động thái này có thể mở rộng khả năng tiếp cận TPU cho các doanh nghiệp muốn sử dụng bộ xử lý chuyên dụng mà không cần tự xây dựng toàn bộ cơ sở hạ tầng vật lý.
Thay vì phải trực tiếp mua sắm thiết bị, thiết kế trung tâm dữ liệu và vận hành hệ thống, khách hàng có thể sử dụng tài nguyên tính toán thông qua dịch vụ đám mây, tùy thuộc vào sản phẩm và điều kiện cung cấp.
Mô hình này có thể giúp doanh nghiệp linh hoạt hơn trong việc triển khai các dự án AI, đặc biệt khi nhu cầu tính toán thay đổi theo từng giai đoạn.
Trong tuyên bố được dẫn lại, Amin Vahdat, lãnh đạo phụ trách lĩnh vực kỹ thuật của Google, nhấn mạnh rằng thế hệ AI tiếp theo sẽ cần nhiều loại năng lực tính toán khác nhau.
Thông điệp này phản ánh một xu hướng quan trọng của thị trường: không có một loại bộ xử lý duy nhất nhất thiết phù hợp với mọi nhiệm vụ AI. Các doanh nghiệp có thể cần kết hợp nhiều nền tảng để đáp ứng nhu cầu huấn luyện, suy luận và những tác vụ chuyên biệt.
Việc TPU xuất hiện trên hạ tầng đám mây của Oracle cũng cho thấy cạnh tranh trong lĩnh vực AI đang mở rộng từ thiết kế chip sang khả năng phân phối năng lực tính toán. Các nhà cung cấp không chỉ cạnh tranh về phần cứng mà còn về hệ sinh thái phần mềm, khả năng tích hợp và sự thuận tiện cho khách hàng.
Cuộc cạnh tranh chip AI đang bước sang giai đoạn mới
Trong nhiều năm, Nvidia đã xây dựng vị thế quan trọng trong thị trường chip AI nhờ GPU và hệ sinh thái công cụ hỗ trợ phát triển. Tuy nhiên, nhu cầu tăng cao đang thúc đẩy các công ty công nghệ lớn tìm kiếm những phương án bổ sung.
Google có lợi thế từ việc phát triển TPU để phục vụ chính hệ thống của mình, sau đó mở rộng khả năng cung cấp cho khách hàng bên ngoài. OpenAI lại có động lực tìm kiếm phần cứng phù hợp với nhu cầu của các mô hình AI và giảm sự phụ thuộc vào một nguồn cung duy nhất.
Broadcom tham gia vào quá trình phát triển chip riêng của OpenAI, trong khi Oracle đưa TPU vào dịch vụ đám mây. Những diễn biến này cho thấy thị trường đang hình thành một mạng lưới hợp tác đa dạng giữa các nhà phát triển mô hình, nhà thiết kế chip và nhà cung cấp hạ tầng.
Tuy nhiên, cuộc cạnh tranh không chỉ được quyết định bởi thông số kỹ thuật. Khả năng cung cấp chip với số lượng lớn, chi phí vận hành, độ ổn định của hệ thống và mức độ tương thích với phần mềm đều có thể ảnh hưởng đến lựa chọn của khách hàng.
Đối với OpenAI, việc kết hợp giữa mua chip bên ngoài và phát triển phần cứng riêng có thể giúp công ty mở rộng các phương án triển khai. Nhưng mức độ thành công sẽ phụ thuộc vào việc các nền tảng khác nhau có thể phối hợp hiệu quả đến đâu và liệu lợi ích về chi phí có đủ lớn để bù đắp chi phí tích hợp.
Ở cấp độ thị trường, nếu nhiều doanh nghiệp AI lớn tăng cường sử dụng các giải pháp thay thế GPU truyền thống, cán cân cạnh tranh trong ngành bán dẫn có thể thay đổi theo thời gian. Dù vậy, chưa có đủ cơ sở để kết luận rằng vị thế của Nvidia sẽ suy giảm đáng kể chỉ từ thông tin về kế hoạch mua chip được đề cập.
Triển vọng: Hạ tầng tính toán sẽ quyết định lợi thế của các công ty AI
Thông tin OpenAI dự định mua chip AI của Google cho thấy cuộc đua trí tuệ nhân tạo ngày càng phụ thuộc vào khả năng xây dựng hạ tầng tính toán đa dạng.
Các doanh nghiệp không chỉ cần mô hình có năng lực tốt mà còn phải bảo đảm khả năng vận hành ổn định, mở rộng quy mô và kiểm soát chi phí. Khi số lượng ứng dụng AI tăng lên, việc lựa chọn kiến trúc chip và phân bổ khối lượng công việc có thể trở thành yếu tố ảnh hưởng trực tiếp đến hiệu quả kinh doanh.
Đối với Google, việc đưa TPU đến với những khách hàng bên ngoài có thể mở rộng vai trò của dòng chip này trong thị trường AI. Với OpenAI, sử dụng thêm TPU có thể tạo ra một lựa chọn bổ sung trong quá trình phát triển hạ tầng, bên cạnh GPU và chip do chính công ty nghiên cứu.
Trong khi đó, kế hoạch hợp tác với Broadcom cho thấy OpenAI muốn tiến xa hơn trong việc làm chủ thiết kế phần cứng phục vụ các mô hình của mình.
Dù vậy, các điều khoản mua chip giữa OpenAI và Google vẫn chưa được xác định theo thông tin được cung cấp. Quy mô thỏa thuận, thời điểm triển khai và tác động tài chính cụ thể vì thế vẫn là những vấn đề cần tiếp tục theo dõi.
Điều có thể nhận thấy là thị trường chip AI đang chuyển từ cuộc cạnh tranh tập trung vào một số dòng sản phẩm sang một hệ sinh thái đa dạng hơn, nơi phần cứng chuyên dụng, GPU, chip tự phát triển và dịch vụ điện toán đám mây cùng đóng vai trò quan trọng.
Nguồn tham khảo: Bài viết gốc về kế hoạch mua chip AI của OpenAI; thông tin được dẫn từ The Information; tuyên bố liên quan đến TPU của Google và Oracle.
Câu hỏi về việc OpenAI mua chip từ Google
OpenAI có kế hoạch mua chip gì từ Google?
Theo nguồn tin được bài viết gốc dẫn lại, OpenAI dự định mua chip AI của Google, trong đó TPU là dòng bộ xử lý chuyên dụng đáng chú ý. Tuy nhiên, điều khoản cuối cùng của thỏa thuận chưa được xác nhận.
TPU của Google là gì?
TPU là viết tắt của Tensor Processing Unit, một loại bộ xử lý được Google phát triển để tăng tốc những tác vụ tính toán liên quan đến AI và học máy. Dòng chip này được xem là một lựa chọn thay thế hoặc bổ sung cho GPU trong một số khối lượng công việc.
Vì sao OpenAI vừa mua chip bên ngoài vừa phát triển chip riêng?
Mua chip bên ngoài có thể giúp OpenAI mở rộng năng lực tính toán trong khi phát triển chip riêng đòi hỏi thời gian nghiên cứu và triển khai. Kết hợp nhiều nguồn phần cứng có thể tăng tính linh hoạt, nhưng hiệu quả còn phụ thuộc vào khả năng tích hợp và chi phí vận hành.
Chip Jalapeno của OpenAI được phát triển với ai?
Theo bài viết gốc, OpenAI phát triển dòng chip Jalapeno cùng Broadcom. Richard Ho, người điều hành nhóm chip nội bộ của OpenAI, từng tham gia công việc phát triển chip tại Google.
TPU có thể thay thế GPU Nvidia không?
TPU có thể phù hợp với một số tác vụ AI và là phương án bổ sung cho GPU. Tuy nhiên, việc thay thế hoàn toàn phụ thuộc vào hiệu suất thực tế, phần mềm, khả năng tương thích, chi phí và nhu cầu của từng doanh nghiệp.
Oracle có vai trò gì trong thị trường TPU?
Theo thông tin được dẫn trong bài viết gốc, Oracle thông báo sẽ cung cấp TPU thông qua hạ tầng điện toán đám mây. Điều này có thể giúp khách hàng tiếp cận năng lực tính toán dựa trên TPU mà không nhất thiết phải tự xây dựng toàn bộ hệ thống phần cứng.
