Nvidia - Hành trình từ kẻ bơi ngược dòng đến người phá bỏ mùa đông AI
Ngày nay, khi nhìn vào thị trường công nghệ, ta có thể thấy rất nhiều ông lớn đã và đang cạnh tranh với nhau trong từng mảng khác biệt;...
Ngày nay, khi nhìn vào thị trường công nghệ, ta có thể thấy rất nhiều ông lớn đã và đang cạnh tranh với nhau trong từng mảng khác biệt; với mạng xã hội ta có Facebook, Tiktok hay Youtube; với phần cứng như CPU ta có Intel và AMD là 2 đối trọng lớn nhất trong mảng sản xuất vi xử lý trung tâm. Tuy nhiên, để nói về một sự khác biệt đến mức là gần như "độc quyền” ta phải nói đến thị trường bộ xử lý đồ họa hay GPU. Theo một báo cáo gần nhất trên các tạp chí công nghệ, nhân vật chính của chúng ta - Nvidia, vào quý 3 năm 2024 đã chính thức chạm mốc 90% thị phần so với các đối thủ sản xuất GPU khác là AMD và Intel. Không những thế, Nvidia cũng đạt mốc tăng trưởng cao đến đáng kinh ngạc khi luôn giữ ở mức trên 50% vào cả 4 trên 5 năm gần nhất. Đặc biệt vào năm 2024 và 2025, tập đoàn này thậm chí tăng hơn gấp đôi, biến Nvidia leo lên vị thế ông lớn độc quyền trong ngành GPU. Tất nhiên trong kết quả trên, ta không thể không nhắc đến vị lãnh đạo phi thường của công ty là Jensen Huang, người sở hữu tầm nhìn vượt trội về thị trường AI để đưa Nvidia thành nhân tố không thể thiếu trong công nghệ mới của thế giới hiện nay. Vậy người đàn ông đó là ai, điều gì đã khiến ông và các cộng sự thành lập công ty này và nhờ đâu Nvidia trở thành một trong những ông lớn công nghệ có giá trị lớn nhất thế giới hiện nay? Chúng ta hãy cùng tìm hiểu trong bài viết ngay bây giờ.
Sơ lược về Jensen Huang
Đầu tiên, hãy sơ lược qua một chút về quá khứ của CEO hiện tại của Nvidia - Jensen Huang. Ông sinh vào ngày 17 tháng 2 năm 1963 tại Đài Loan, là người con trai thứ hai trong gia đình nhập cư đến Mỹ, có cha làm kỹ sư hóa học, còn mẹ làm giáo viên dạy tiểu học. Mặc dù có xuất thân trong gia đình Châu Á giàu tri thức, Huang luôn bị người mẹ phàn nàn trong là một người cứng đầu và khó bảo. Ông được bố mẹ gửi đến sống cùng người chú tại Tacoma, bang Washington tại Mỹ và sau đó lại được người chú chuyển đến bang Kentucky khi ông 9 tuổi để theo học tại học viện Oneida Baptist - nơi nổi tiếng dành cho những cậu trai trẻ cứng đầu. Tại đây Huang luôn bị thúc đẩy làm các công việc chân tay như chà toilet hoặc quét sàn tại học viện. Tuy nhiên, khủng khiếp nhất phải là các hành vi bắt nạt liên tục, phỉ báng sắc tộc hay thậm chí là bị đe dọa bằng dao bởi các học sinh trong ngôi trường này.
Thực trạng trên chỉ biến mất với Huang 2 năm sau, khi bố mẹ ông về lại Mỹ sống với các con và phát hiện ra điều này. Họ quyết định đưa cả gia đình ra khỏi Oneida và chuyển đến ngoại ô Portland, bang Oregon. Huang theo học tại một trường trung học khác và rồi tốt nghiệp tại đại học bang Oregon vào năm 1984 chuyên ngành kỹ thuật điện. Có một sự thật thú vị xen vào giữa khoảng thời gian ông theo học tại đại học, đó là khi ông đã tham gia một công việc bán thời gian tại một nhà hàng tên là Denny trong 5 năm, từ 1978 đến 1983 ở vị trí bồi bàn. Một điều thú vị khác là ông cố tình không cập nhật phần tiểu sử kinh nghiệm làm việc, chỉ để thông tin về công việc bồi bàn và CEO của Nvidia. Sự thật là Huang sau khi tốt nghiệp cũng đã làm việc tại thung lũng Silicon cho Advanced Micro Devices (AMD) hay thậm chí leo lên vị trí giám đốc của LSI Corporation, một công ty chuyên về sản xuất bán dẫn tại Santa Clara.
Tiểu sử làm việc của Jensen Huang trên Linkedin
Song song với công việc tại LSI, Huang tiếp tục với con đường học vấn khi theo đuổi tấm bằng thạc sĩ ngành kỹ thuật điện tại đại học Stanford, nơi ông tiếp tục thu thập nhiều kiến thức hữu ích cho quyết định lớn nhất cuộc đời của mình tiếp theo - Thành lập ra Nvidia. Đến năm 1993, ông từ bỏ công việc tại LSI và lên kế hoạch cùng 2 nhà thiết kế vi mạch khác là Chris Malachowsky and Curtis Priem để tạo ra Nvidia. Họ bắt đầu với số vốn 40,000 Đô la Mỹ và tiến hành đi vào một “thị trường ngách” của thế giới máy tính khi đó - ngành video game.
Ý tưởng "ngược dòng” so với thị trường
Để nói về sản phẩm chủ đạo của Nvidia, chắc chắn phải là các GPU (hay bộ xử lý đồ họa) và lĩnh vực hướng đến đầu tiên của họ là ngành trò chơi điện tử. Vào thời điểm cuối của thế cuối thế kỷ 20, cả thế giới vẫn đang coi máy tính như một công cụ chuyên để xử lý việc làm với các tác vụ như soạn thảo văn bản, gửi email hay các vụ khác tương tự nhưng đặc điểm chung của chúng đều được xử lý thông qua bộ xử lý trung tâm hay CPU.
Sơ qua đặc điểm của loại phần cứng này, CPU chuyên để xử lý các phép toán phức tạp theo tuần tự (tức là hoàn thành lệnh này xong mới đến lệnh tiếp theo và kết quả của chúng có tính liên quan đến nhau). Đặc điểm của CPU là các nhân xử lý đều rất mạnh mẽ và phức tạp, tuy nhiên số nhân xử lý không nhiều nên từ đó tốc độ sẽ không thể đảm bảo cho các tác vụ có số lượng quá nhiều nhưng lại ít phức tạp. Chính nhờ đặc điểm này mà Huang và các cộng sự mới hướng đến ý tưởng xử lý yếu điểm còn lại của CPU thông qua việc chế tạo ra GPU. Nếu CPU đặc trưng bởi tính tuần tự trong xử lý thuật toán, thì GPU lại đặc trưng bởi tính song song trong việc giải quyết tác vụ. Hiểu đơn giản đó là thay vì phát triển nhân xử lý có tính phức tạp nhưng số lượng ít, phù hợp với từng phép toán khó và nhiều điều kiện thì giờ đây nhân của GPU được thiết kế để đơn giản hơn mà lại có số lượng lớn hơn, có khả năng chạy song song các phép toán đơn giản và có tính lặp lại cao, đặc điểm này phù hợp với ngành trò chơi điện tử khi công việc chủ yếu đó là xử lý song song các thông tin của điểm ảnh để hiển thị chúng trên màn ảnh. Đặc trưng của các điểm ảnh đó là xác định màu sắc của chúng bằng các thông tin có sẵn theo một khuôn mẫu có sẵn nên đa phần chúng là giống nhau mang tính hàng loạt. Nhiệm vụ này vốn CPU cũng có thể đảm nhận nhưng sẽ lâu và có độ trễ hơn vì CPU không có nhiều nhân xử lý để chạy cho hàng hàng trăm nghìn hay hàng triệu điểm ảnh).
Mô phỏng giải thích cơ chế tính toán của CPU (Serial Processing) và GPU (Parallel Processing)
Để hình dung rõ hơn chức năng và sự khác nhau của 2 loại phần cứng trên, hãy xét một ví dụ trong tựa game Minecraft. Đầu tiên máy tính cần một thời điểm ban đầu để tính toán và xác định xem khu vực lân cận của người chơi sẽ hiển thị loại khối nào (có thể là đất, cỏ hay là cát…). Điều này là một tác vụ có mức độ phức tạp cao và thường phải được CPU đảm nhận. Tuy nhiên đó chỉ mới là khâu tính toán bên trong, đề hiển thị ra bên ngoài ta cần các phép toán khác nhưng lần này đơn giản hơn, nhờ công sức của CPU giải các bài toán khó ban đầu mà máy tính đã biết phải hiển thị loại khối nào, màu nào trên màn hình, bây giờ việc của bộ xử lý đồ họa đó là phải hiển thị chúng lên trên màn hình. Từng điểm ảnh một sẽ cần phải xác định xem vị trí của mình ở đâu và chúng cần có màu gì để đưa lên màn hình . Đây là một dạng tác vụ đơn giản và lặp đi lặp lại nếu xét trên phương diện từng điểm ảnh hiển thị cho nên GPU cần phát huy tối đa khả năng của mình đó là giải đi giải lại song song cho từng điểm ảnh để có thể phủ được toàn bộ màn hình của người chơi.
Vậy, một ý tưởng nghe chừng rất hay nhưng sáng kiến này của Nvidia lại bị coi như “ngược dòng thị trường”? Nguyên nhân của việc này đó là vì người dùng máy tính vốn chỉ quan tâm rằng máy tính là để làm các công việc văn phòng và không hề tin rằng việc đồ họa sẽ là điều cần thiết, từ đó cũng không ai nghĩ rằng máy tính là để chơi game. Đến cả mẹ của Huang khi biết con làm ra một phát minh phục vụ cho trò chơi điện tử cũng kịch liệt phản đối với niềm tin tương tự nhưng có vẻ với bản tính khó bảo và lì lợm từ thuở thơ ấu cũng đã khiến Huang quyết tâm đi theo con đường của mình và chính thức khởi đầu cho chuỗi thử thách của Nvidia trước thị trường với các sản phẩm đầTâty của Nvidia.
NV1 - Thất bại đầu tiên vì quá “thông minh”
Khi có những ý tưởng và nguyên mẫu đầu tiên đem đi gọi vốn, công ty của Huang và các đồng nghiệp đã bị hoài nghi dữ dội vì họ đang đi ngược so với các ông lớn sản xuất CPU như AMD và Intel, những lo ngại về một thị trường mới đã lộ diện từ những ngày đầu tiên khiến Nvidia đã phải rất chật vật mới gọi được 20 triệu USD đầu tiên từ quỹ đầu tư mạo hiểm nổi tiếng Sequoia Capital tại thung lũng silicon, phần nào giúp họ có nhiều tài nguyên để cho ra nguyên mẫu GPU đầu tiên của mình là NV1.
Hình ảnh bộ xử lý NV1
Sản phẩm ra mắt vào năm 1995 nhưng không lâu đã cho thấy dấu hiệu của sự “lạc lõng” trong thế giới máy tính và thiết bị chơi game cầm tay. Cụ thể hơn, NV1 quá đắt đỏ, và chi phí nghiên cứu và làm ra nó cũng vậy (Ước tính rằng Nvidia phải bán hơn 250,000 sản phẩm để hoàn vốn nhưng thực tế cho thấy Nvidia chỉ bán được 1/5 con số trên, và khiến công ty lỗ hơn 5 triệu USD). Không những thế, lý do nó có doanh số tệ hại không chỉ vì nó quá đắt đỏ, NV1 là một chiếc GPU quá … THÔNG MINH. Thật vậy, NV1 tích hợp quá nhiều thứ mới mẻ và không hề có khả năng tương thích. Từ thuật toán tái hiện hình ảnh 3D mới mang tên Quadratic Texture Mapping, hiểu nôm na là một kỹ thuật biến đổi bề mặt giúp hiển thị khối phức tạp hơn tiêu chuẩn vẫn thường được sử dụng. Chưa kể NV1 còn rất ôm đồm trong các tính năng khi tích hợp cả các chức năng xử lý âm thanh, video vào card đồ họa của mình khiến nó như một nồi lẩu thập cẩm nhưng rất khó chế biến. Các nhà phát hành từ phần cứng đến phần mềm đã rất đau đầu với việc tương thích với NV1 và kết quả là chẳng có ai thật sự mặn mà với việc sử dụng nó khi đối thủ của họ là 3dfx lại cho ra các sản phẩm tối ưu hơn (tuy nhiên có một nhà sản xuất máy chơi game duy nhất đặt niềm tin và Nvidia đó là nhà đầu tư của họ là Sega với mẫu máy chơi game Sega Saturn).
Chính vì sự hợp tác này của Nvidia đã kéo Sega gần như cũng lao đao trước các đối thủ cạnh tranh khác như Sony Playstation và Nintendo 64. Đánh mất lợi thế cạnh tranh khi giá sản phẩm của mình tăng vọt, còn đối tác mình đã rót vốn vào đầu tư cho GPU thì vừa đưa khoản lỗ lên thành 10 triệu USD và như Huang kể lại vào thời điểm đó là tưởng chừng chỉ còn vài tháng trước khi phá sản công ty. Sega đã có ý định dừng hợp tác với Nvidia nhưng Huang đã phải bay đến tận Nhật Bản để ngồi vào bàn đàm phán với Sega ngay lập tức. Nói là đàm phán nhưng thực chất đây giống một buổi cầu xin để Sega có thể tiếp tục rót vốn cho Nvidia hoạt động và nghiên cứu sản xuất chứ Nvidia đã làm mất niềm tin rất lớn với đối tác của mình. Cuối cùng thì sau một hồi đắn đo, Sega tiếp tục gia hạn và đưa cho Nvidia số tiền 2 triệu USD để cải thiện sản phẩm tiếp theo. Lần này, Huang và các cộng sự đã học được một bài học xương máu từ NV1, khi bạn chọn đi ngược với xu hướng của thị trường, phải biết rằng ngược bao nhiêu là đủ vì nếu bạn đưa ra một sản phẩm quá hiện đại, từ chối gần hết các tiêu chuẩn hiện có trên thế giới, bạn sẽ nắm phần thất bại cực kỳ lớn khi không ai đủ hiểu nó để làm gì. Thay vào đó, một bước đột phá nhưng với con mắt nay đã “biết mình biết ta” thì sẽ “trăm trận trăm thắng”, một sản phẩm đơn giản, giá tốt hơn, không ôm đồm và đặc biệt là áp dụng được cho các sản phẩm trên thị trường là những bài học mà Nvidia đã phải trải qua cảm giác “cận tử” để có thể rút ra để rồi từ đó sản phẩm tiếp theo đã sửa được hết tất cả các yếu điểm của NV1 để gây dựng lại Nvidia từ đống tro tàn.
Riva 128 - Sự cứu rỗi cho Nvidia nhờ thấu hiểu thị trường
Sau sự thất bại của NV1, Nvidia chuyển hướng từ thị trường máy chơi game sang máy tính cá nhân khi nhận thấy thị trường đang có những sự hứng thú nhất định với việc chơi game trên PC và nhu cầu cho một chiếc PC gaming cũng tăng lên. Sản phẩm đầu tiên hướng đến thị trường này của Nvidia đó là mẫu Riva 128 ra mắt vào năm 1997 - chiếc card đồ họa được giảm bớt chức năng khi chủ trương nhắm vào khả năng xử lý đồ họa 2D và 3D cho máy tính cá nhân. Khác với NV1 là một sự thất bại vì quá đắt và quá khác biệt, thì Riva 128 đơn giản hóa ở mức vừa đủ nhưng vẫn đủ độ hiện đại để được giới công nghệ ca ngợi như sản phẩm mang tính bước ngoặt cho thị trường đồ họa. Thiết bị được đánh giá là vừa rẻ, vừa có tính tương thích rất tốt với nhiều game dành cho PC.
Hình ảnh bộ xử lý Riva 128
Riva 128 thật sự đã kéo Nvidia từ cõi chết trở về, khi có người kể lại rằng Nvidia đã chỉ còn đủ tiền trả cho duy nhất một tháng lương của cả công ty nhưng doanh số ấn tượng hơn 1 triệu chiếc GPU Riva 128 được bán ra chỉ trong 4 tháng thật sự đã khiến Huang sống qua những ngày tháng căng thẳng nhất cuộc đời, khi mà Nvidia chưa bao giờ gần bờ vực phá sản hơn thời điểm ấy.Tuy nhiên nhờ các bài học rút ra từ NV1 và các cải tiến đã được ghi nhận rất tích cực, Riva 128 không chỉ giúp Nvidia sống lại mà còn giúp hãng có đủ tiền phát hành phiên bản tiếp theo là Riva TNT vào năm 1998. Phiên bản tiếp tục cải tiến đã giúp Huang xác lập vững chắc vị thể dẫn đầu trên bản đồ GPU thế giới.
Tiếp nối thành công của dòng Riva, năm 1999, Nvidia hợp tác với Microsoft để trở về với thị trường vừa cũ vừa mới đó là thiết bị chơi game cầm tay. Lần này, Nvidia đảm nhận phát triển cho hệ thống XBox trên cuộc chiến đối đầu với Sony Playstation và họ đã không khiến đối tác của mình thất vọng khi hơn 1.5 triệu chiếc Xbox đã được bán ra chỉ riêng tại Mỹ trong vài tháng, thu về rất nhiều lợi nhuận cho cả Nvidia và Microsoft. Bước hợp tác này đã chính thức biến Nvidia từ một công ty khởi nghiệp trở thành một ông lớn thực thụ trong ngành công nghệ, Bill Gates thì ca ngợi Xbox đã được Nvidia bơm cho một nguồn sức mạnh khổng lồ để trở thành máy chơi game hàng đầu thế giới. “Không chỉ cung cấp sức mạnh xử lý, Nvidia còn cung cấp giải pháp thông minh và hiện đại nhất cho các thiết bị chơi game thời điểm hiện tại” đó là những gì Gates đã nói về người đối tác của mình. Và rồi theo thời gian, Nvidia dần trở thành một chủ đề nóng mà mọi người trong và ngoài giới công nghệ phải bàn tán mỗi ngày về nó khiến công ty vừa lớn mạnh vừa nhận được sự chú ý to lớn.
IPO và M&A - Chiến lược loại bỏ đối thủ và mở rộng lĩnh vực hoạt động
Ngày 22 tháng 1 năm 1999 sẽ là mốc cực kỳ đáng nhớ khi Nvidia chính thức được IPO trên sàn NASDAQ với giá trị ước tính 600 triệu USD vào thời điểm công ty có doanh thu 160 triệu (tức giá trị công ty trên doanh thu đạt 4 lần). Bước tiến này không chỉ đưa Nvidia tiếp cận với nguồn vốn khổng lồ từ thị trường chứng khoán mà còn giúp công ty vươn đến cánh cửa toàn cầu. Kết thúc vòng gọi vốn đầu tiên, công ty thu về 84 triệu USD và Huang đã khiến số tiền trên không lãng phí một xu.
Jensen Huang giới thiệu với giới truyền thông và các nhà đầu tư GPU GeForce 256 trong ngày Nvidia lên sàn Nasdaq
Đầu tiên ông củng cố vị thế của công ty trên thị trường card đồ họa với sản phẩm mới hoàn toàn mang tên GeForce 256 và đem nó lên ngày được IPO trên sàn Nasdaq để giới thiệu với toàn bộ công chúng và nhà đầu tư. Sản phẩm này là bước đánh dấu bộ xử lý đồ họa được Nvidia gọi với cái tên chính thức là GPU mà ta vẫn thường hay biết hiện nay. Và thật sự không uổng công kỳ vọng, GeForce 256 cho thấy vì sao mình xứng đáng được công nhận khi giờ đây đã trực tiếp can thiệp và cải thiện tốc độ trải nghiệm của người chơi so với trước kia chỉ có những sự hỗ trợ thụ động cho CPU. Khả năng xử lý đồ họa 3D mạnh mẽ với tính năng T&L đầu tiên trên thế giới giúp tạo lập hình ảnh nổi khối nhờ hiệu ứng ánh sáng, giảm bớt gánh nặng cho vi xử lý trung tâm. Sự đổi mới nhanh chóng khi hỗ trợ DirectX thế hệ thứ 7 của Microsoft trong khi phần còn lại chỉ hỗ trợ phiên bản thứ 5 hoặc 6 đã giúp GeForce giúp máy tính có khả năng xử lý bump mapping, một dạng tạo bề mặt nổi cho hình ảnh để đồ họa chân thực hơn. Để nói về lợi ích của thế hệ này so với Riva thì thật sự mất cả ngày để nói nhưng bước đi mang tên GeForce của Nvidia cho thấy hãng đã khẳng định với thế giới rằng, GPU giờ đây không chỉ dành cho game nữa, nó là tương lai của đồ họa 3D và hãng sẽ là người tiên phong cũng như độc chiếm phân khúc này. Và kết quả thật sự rất ấn tượng, GeForce 256 đã giúp Nvidia chiếm lĩnh hơn 80% thị phần của ngành bộ xử lý đồ họa, giờ đây các sản phẩm của hãng mới là tiêu chuẩn, hệ sinh thái đồ họa do Jensen Huang tạo ra đã thúc đẩy cực kỳ mạnh mẽ các nhà phát triển game, các nhà phát triển đồ họa phải chạy đua theo mình nếu không người bị ruồng bỏ chính là họ chứ không còn là Nvidia với NV1 ngày xưa nữa.
Bên cạnh phát triển sản phẩm, Huang còn hướng đến chiến lược mở rộng lĩnh vực hoạt động và loại bỏ đối thủ cạnh tranh. Đầu tiên, thương vụ mua lại đối thủ khi xưa khiến Nvidia suýt phá sản - 3dfx Interactive đã được mua lại với mức giá 70 triệu USD giúp Nvidia chiếm lĩnh thị trường card đồ họa và tiếp cận với các sản phẩm trí tuệ và cơ sở vật chất của đối thủ cũ. Sau khi “nuốt chửng” 3dfx, Nvidia hướng đến một chiến lược mở rộng lĩnh vực thông qua việc mua bán sáp nhập các công ty trên thị trường. MediaQ (2003) và PortalPlayer (2006) được hướng đến nhằm phục vụ cho việc phát triển giải pháp đồ họa dành cho thiết bị di động; ULi Electronics (2005) được nhắm đến như một phần phục vụ cho công ty mẹ có thể cải thiện khả năng tự sản xuất chipset (một phần cứng quan trọng để tạo điều kiện cho GPU hoạt động trong máy tính mà tôi sẽ giải thích ở phần sau); Hay nổi tiếng và gần gũi nhất với chúng ta là thỏa thuận mua lại VinBrain (2024) nhằm hướng đến thị trường trí tuệ nhân tạo và tiếp cận thị trường lao động chuyên môn cao ở Việt Nam.
Intel - Từ đối tác thành đối thủ
Khi sự phát triển của Nvidia đạt đến mức thống lĩnh thị trường GPU, một số đối thủ cạnh tranh chắc chắn sẽ phải đứng ngồi không yên và Intel (nhà sản xuất CPU lớn nhất thế giới khi đó) cũng không phải ngoại lệ.
Trở về 2004, khi Nvidia và Intel từng ký một thỏa thuận cấp phép chéo với nhau, rằng Intel được quyền tiếp cận đến các công nghệ có bằng sáng chế của Nvidia cho phép Intel nâng cao bộ xử lý trung tâm của mình bằng cách tạo ra CPU có bộ xử lý đồ họa tích hợp iGPU. Ngược lại, Nvidia được quyền tiếp cận tới FSB hay (Front-Side Bus), đây như một tuyến đường cao tốc nhanh nhất dẫn các thông tin từ các linh kiện phần cứng khác trong máy tính có thể đi đến CPU nhanh nhất có thể, nếu không được tương thích với FSB, tốc độ truyền tải thông tin giữa CPU và phần cứng đó sẽ chậm hơn rất nhiều từ đó ảnh hưởng đến khả năng xử lý. Khi được tiếp cận trực tiếp với FSB, Nvidia có thể sản xuất chipset cho GPU của mình với mục tiêu tương thích với các vi xử lý của Intel, Chipset hiểu nôm na là một “người điều phối” các phần cứng hoạt động với nhau trong máy tính, thiếu đi chipset phù hợp sẽ không thể giúp các phần cứng như CPU của Intel, GPU của Nvidia, bộ nhớ… kết hợp được với nhau khi làm việc, cho nên, việc Nvidia có thể tương thích được với “tuyến đường cao tốc mang tên FSB của Intel là cực kỳ quan trọng để GPU của họ kết nối được với bộ não của máy tính. Thỏa thuận này hoạt động êm ái giúp Nvidia sản xuất được các chipset nForce4 Intel Edition còn Intel được hưởng lợi từ công nghệ xử lý đồ họa của Nvidia giúp tạo ra các bộ xử lý trung tâm mạnh mẽ hơn mà không tốn quá nhiều chi phí bằng cách tạo ra những iGPU (bộ xử lý đồ họa tích hợp) bên trong những chiếc CPU của Intel.
nForce4 Intel Edition - minh chứng cho sự thành công trong hợp tác Nvidia-Intel
Tuy nhiên, sau khoảng 4 năm, Intel cho ra mắt vi kiến trúc Nehalem dành cho CPU mới vào năm 2008, một loại kiến trúc mới khiến cho vi xử lý của Intel và giờ đây nó đã thay đổi tuyến đường truyền tín hiệu từ FSB sang QPI hay DMI. Tranh cãi nổ ra xoay quanh việc khi các dòng CPU sau này không sử dụng FSB của Intel thì Nvidia có được tiếp cận công nghệ và sản xuất chipset như trước nữa không. Nvidia thì cho rằng họ được quyền tiếp cận các công nghệ truyền dẫn thông tin mới của Intel và tiến hành sản xuất chipset phù hợp. Tuy nhiên, Intel lại bất ngờ đưa ra lập luận rằng Nvidia không có quyền tiếp cận vào các bộ vi xử lý có các thiết kế mới của Intel như QPI, DMI và công nghệ quản lý bộ nhớ mới của hãng. Từ sự khó khăn trong việc thống nhất đó, Intel kiện Nvidia vào tháng 2 năm 2009 vì đã có những vi phạm trong hợp đồng và mong muốn tòa án xác nhận rằng Nvidia không có quyền sản xuất chipset trên công nghệ mới của Intel. Phía Nvidia phản bác lại 1 tháng sau đó cũng bằng 1 đơn kiện, cáo buộc rằng Intel đang cố gắng sử dụng lợi thế thị trường của mình để độc quyền thị trường Chipset và chèn ép sự cạnh tranh lành mạnh.
Phát biểu của các đại diện Nvidia, Derek Perez - đại diện lớn nhất tại mảng quan hệ công chúng của công ty đã nói trong một thông cáo báo chí rằng, Intel đang cố gắng làm chậm một xu hướng thực tế khó tránh khỏi đó là các chiếc máy tính cá nhân đã đang và sẽ chuyển dịch với linh hồn của chúng sẽ là những chiếc GPU thay vì CPU như trước; Hành động của Intel được giải thích bởi Perez rằng vì Intel đang nhận thấy một tiềm năng quá lớn của bộ xử lý đồ họa nên họ muốn ngăn cản nó bùng nổ quá nhanh. Còn Jensen Huang, CEO của Nvidia thì thẳng thắn chỉ trích Intel rằng trọng tâm của vấn đề đã xảy ra trong các vụ kiện vừa qua đến từ sự chuyển dịch mà Perez đã đề cập, ông còn xoáy thêm rằng Intel đang cố gắng bóp nghẹt một sáng kiến công nghệ chỉ vì mục đích mang tính ích kỷ trong việc cứu vớt doanh nghiệp CPU đang thoái trào của mình. Về phía Intel, thay vì cố gắng phụ thuộc vào Nvidia, họ hướng đến một tương lai sản xuất được GPU rời như Nvidia để tạo thế độc lập cho công ty. Nvidia cũng chẳng kém cạnh khi cố gắng chạy dự án sản xuất Terga, một loại phần cứng mới tích hợp cả GPU và CPU để phản kháng lại động thái của đối thủ.
Có thể thấy rằng Nvidia tỏ rõ thái độ chống đối với việc công ty đang bị Intel chèn ép thông qua việc tận dụng lợi thế độc quyền cực lớn của nhà sản xuất CPU này, và Jensen Huang đã luôn cố gắng bảo vệ nền công nghiệp mà chính ông và các cộng sự đã bắt tay vào xây dựng từ những nghiên cứu đầu tiên về GPU. Đây là một cuộc chiến mang tính sống còn của cả 2 công ty, mỗi bên đặt mục tiêu đá đối phương ra khỏi thị trường cạnh tranh của mình và nếu một trong 2 bên thua kiện, khả năng tiếp cận công nghệ của họ sẽ cực kỳ khó khăn.
Cuối cùng, sau một thời gian dài kiện cáo qua lại, 2 bên đưa ra được một thỏa thuận chung, về phía Intel, họ được quyền tiếp cận các công nghệ đến từ Nvidia để sản xuất iGPU. Ngược lại, Nvidia sẽ được Intel trả cho 1.5 tỷ USD trong 6 năm xem như phí tiếp cận với các danh mục bằng sáng chế của Nvidia trong thời gian đó kèm với điều khoản rằng Nvidia sẽ rút lui khỏi thị trường sản xuất chipset, chính thức chấm dứt cuộc chiến pháp lý dai dẳng. Điều này phản ánh được 2 chiến lược lớn của cả 2 công ty, Intel vừa đạt được khả năng bảo vệ thị trường chipset do chính mình sản xuất và cung cấp, đảm bảo thế mạnh cho hệ sinh thái phần cứng của mình; còn Nvidia mặc dù phải từ bỏ thị trường chipset và không còn được tiếp cận với các công nghệ mới của Intel, đây vẫn được xem như chiến lược có lợi khi Nvidia được một khoản tiền lớn 1.5 tỷ USD trong 6 năm giúp họ nâng cao được về nền tảng tài chính. Chưa kể, việc nhả thị trường iGPU và chipset cho Intel cũng giúp Nvidia đầu tư vào một canh bạc lớn mới, một canh bạc mà có lẽ đã thay đổi công ty họ mãi mãi đó là cuộc cách mạng về AI.
CUDA - Canh bạc AI của Nvidia
Quay trở lại vào năm 2006, khi mà thế giới vẫn đang trong quá trình phát triển các công nghệ như mạng internet, điện thoại di động, thì Nvidia đã thực hiện một bước ngoặt trong việc tái định hình mục đích sử dụng sản phẩm của hãng. Họ cho ra mắt phần mềm CUDA, một nền tảng giúp các người dùng GPU của Nvidia có thể lập trình phần cứng của mình để sử dụng các tác tính toán nói chung. Cơ sở để lên chiến lược của Nvidia nằm ở chỗ đặc thù của việc huấn luyện AI là việc phải giải liên tục hàng triệu phép toán như ma trận, vector, v.v. và sẽ rất mất thời gian nếu không thể xử lý nhiều phép tính cùng lúc. Cho nên Nvidia tin rằng không chỉ đồ họa, AI cũng sẽ là đối tượng tiếp theo cần khả năng xử lý hàng chục nghìn phép tính song song của Nvidia.
Đây là một bước đi mang tính đột phá nhưng đầy rủi ro của công ty. Dĩ nhiên, rất ít người dám tin Nvidia có thể thành công ở bước đi này, khi mà AI đã có ý tưởng và đi vào nghiên cứu đầu tiên vào những năm 1960s, các công ty công nghệ vào những năm đầu thập niên 2000 thì vẫn đang loay hoay với internet, điện toán đám mây, v.v thì ai cũng nghĩ trí tuệ nhân loại hoặc sẽ chỉ mãi trong phim viễn tưởng hoặc ít nhất là còn rất rất lâu nữa mới có thể thành hiện thực. Nvidia thì bị đặt nghi vấn rằng liệu đây có phải là công ty tiếp theo phải thất bại trong gần nửa thế kỷ qua về lĩnh vực trí tuệ nhân tạo và tiếp tục làm kéo dài giai đoạn mà người ta gọi là mùa đông AI (giai đoạn chỉ sự đi xuống trong lĩnh vực AI và chưa hề có những bước đột phá nào trong suốt một thời gian dài). Tuy nhiên, Nvidia nói chung và chính bản thân Jensen Huang nói riêng có lẽ đã quá quen với kiểu chiến lược mang tính cách mạng như thế này, từ việc tái định hình cách con người xử lý từng pixel hình ảnh trên màn hình máy tính thông qua GPU, Nvidia lại một lần nữa tiếp tục cải tiến cách thế giới sử dụng sản phẩm của mình. Không chỉ còn là những nhà thiết kế và nhà làm game, giờ đây GPU đã thoát khỏi cái mác “đồ chơi công nghệ” mà thế giới từng gọi chúng và hướng đến trở thành một sản phẩm khoa học, một sản phẩm không thể thiếu cho các kỹ sư trí tuệ nhân tạo, các nhà nghiên cứu…
Để đạt được mục tiêu đó, Nvidia đã hợp tác với các tổ chức và cá nhân lựa chọn tiên phong trong lĩnh vực AI là Open AI và Andrew Ng những người có chung một mục tiêu đem AI đến với xã hội và biến giấc mơ 50 năm trước thành hiện thực.
Đối với Andrew Ng, một cái tên nghe tưởng chừng khá xa lạ nhưng nếu nói về Coursera thì tôi nghĩ nhiều người sẽ biết đến hơn đến nền tảng học trực tuyến miễn phí được người đàn ông này tạo ra. Andrew Ng là một người quan tâm đến máy tính và trí tuệ nhân tạo, ông nhận thấy việc tiếp cận các kiến thức này tương đối khó khăn và khó tìm được tài liệu chất lượng nên Andrew đã đặt mục tiêu thành lập nền tảng giúp “dân chủ hóa” kiến thức; nơi ai cũng được tiếp cận với kiến thức miễn phí từ các đại học như khối IVY League tại Mỹ và các doanh nghiệp hàng đầu như Google IBM. Trong hành trình thành lập ra Coursera, Andrew đặt mục tiêu phổ cập kiến thức về học máy (Machine Learning) và học sâu (Deep Learning) lên hàng đầu và ông bắt tay vào hợp tác với Nvidia trong việc phát triển 2 khóa học chính là Machine Learning và Deep Learning Specialization. Không chỉ cung cấp kiến thức mang tính lý thuyết mà còn đem đến cho học sinh trải nghiệm thực hành trong các bài tập và nhiệm vụ trong khóa học thông qua tài nguyên của Nvidia như Nvidia DLI, nơi học sinh được quyền truy cập trực tuyến với các GPU đắt đỏ của Nvidia từ xa mà không phải trực tiếp mua chúng. Điều này là cần thiết cho học viên tận dụng khả năng tính toán song song để huấn luyện các mô hình phức tạp như Neural Network (mô hình mô phỏng lại mạng nơ-ron và cách não người hoạt động trong việc suy luận). Nỗ lực của Andrew Ng và Nvidia đã giúp rất nhiều trong việc đào tạo trực tiếp lẫn gián tiếp những con người yêu trí tuệ nhân tạo, cung cấp cho họ đầy đủ tài nguyên và kiến thức, hòa trộn với sự đam mê để có được những nhân sự về AI chất lượng trong nhiều năm qua cho thế giới. Độ phổ biến và quan trọng của các khóa học AI do Andrew Ng tạo ra đến mức ông từng chia sẻ trên tờ Time rằng:
Hiện dân số thế giới khoảng 8 tỷ người. Trung bình cứ 1.000 người thì có một người theo một khóa học AI từ tôi
Đối với OpenAI, một công ty tiên phong trong lĩnh vực trí tuệ nhân tạo được thành lập vào năm 2015. Với đội ngũ sáng lập gồm có Sam Altman, Elon Musk và các chuyên gia về khoa học công nghệ, họ hướng đến một tương lai “dân chủ hóa” trí tuệ nhân tạo đến xã hội thông qua mô hình doanh nghiệp phi lợi nhuận của mình và chọn đầu tư tối đa vào mặt chuyên môn thay vì tối ưu lợi nhuận. Khi được Nvidia gửi gắm niềm tin, OpenAI được hưởng lợi cực lớn từ các mấu GPU như A100, H100 hay chiếc máy trạm kiêm server cực kỳ khủng mang tên DGX với khả năng xử lý từ 170 đến 960 nghìn tỷ phép tính mỗi giây, phục vụ cực tốt cho các tác vụ xử lý AI.
Tensor Core - mấu chốt cho sức mạnh tính toán AI của Nvidia
Để đạt đến con số khổng lồ như vậy, GPU của Nvidia đã trải qua không ít cải tiến từ khi họ quyết định dấn thân vào thị trường AI này nhưng đáng chú ý nhất có lẽ phải nói đến năm 2017 khi Nvidia quyết định thay đổi kiến trúc và giới thiệu Tensor Core. Để hình dung tầm quan trọng của nó, ta cần hiểu lượng dữ liệu đưa vào các bộ phần cứng xử lý là nhiều như thế nào, đối với model GPT 1 là mô hình AI đầu tiên của Open AI phải xử lý hàng tỷ phép toán cho mỗi mẫu thông tin nhỏ trong mớ hàng triệu dữ liệu, nếu nhân nó lên để huấn luyện model hoàn thành hết tất cả dữ liệu thì sẽ rất tốn thời gian vì số lượng phép tính tổng cộng có thể lên đến hàng nghìn hay hàng triệu tỷ phép tính và đa phần là các phép ma trận; Mặc dù có tốc độ xử lý hàng nghìn, hàng triệu phép tính mỗi giây nhưng sức mạnh của các chiếc GPU với chủ yếu là nhân xử lý tính toán song song nói chung (hay còn gọi là CUDA core) là không đủ cho nhu cầu của các đối tác. Nvidia đưa ra giải pháp mang tên Tensor Core, một loại nhân xử lý mới tối ưu được phép toán ma trận và chỉ chuyên biệt cho xử lý AI chứ không dành cho tất cả các tác vụ đồ họa như nhân CUDA. Ngay từ mẫu sản phẩm đầu tiên sử dụng Tensor Core là kiến trúc GPU Volta ra mắt năm 2017 đã giúp các tác vụ tính toán AI nhanh hơn 6 lần so với kiến trúc cũ là Pascal dù chỉ cách nhau đúng 1 năm. Tensor Core cũng đại diện cho một trong những giải pháp đổi mới sáng tạo mang tính cách mạng của Nvidia, nó cho thấy rằng công ty không chỉ nói đùa về nền công nghiệp AI. Họ sẵn sàng dấn thân vào cuộc chơi một cách nghiêm túc và sẵn sàng để trở thành người tiên phong cho những người tiên phong, là ông lớn đứng sau những ông lớn khi ai cũng phải sử dụng phần cứng của Nvidia nếu muốn bước vào thị trường AI.
Thời khắc OpenAI ra mắt Chat GPT - chính thức phá bỏ mùa đông AI
Và rồi trái ngọt cũng đến vào ngày 30 tháng 11 năm 2022, cột mốc có thể là thành công chấm dứt được giai đoạn Mùa đông AI khi chat GPT được Open AI cho ra mắt trước toàn bộ công chúng. Hơn 1 triệu người dùng mới đăng ký sử dụng trong 5 ngày đầu tiên, một con số quá đỗi chóng mặt. Cả thế giới ai cũng tò mò và rồi trầm trồ trước sức mạnh của Chat GPT, một con chatbot có thể trả lời mọi câu hỏi và hơn hết là chưa bao giờ họ lại có cảm giác mình đang nói chuyện với một cái máy mà giống người như Chat GPT. Từ cơn sóng tò mò đó, 2 kẻ tiên phong của thế giới trí tuệ nhân tạo đã được hưởng lợi cực kỳ lớn trong thời gian chưa có nhiều đối thủ. Open AI thì nhận được một lượng người dùng khổng lồ góp phần không nhỏ vào sự vươn lên dẫn đầu trong cuộc đua về trí tuệ nhân tạo
Về phía Nvidia, doanh thu của công ty thời điểm sau cú kích nổ của Chat GPT cũng là hoành tráng không kém. Dưới đây là bảng doanh thu, lợi nhuận ròng và tiền đầu tư của Nvidia qua từng quý. Chúng đều có đặc điểm chung đó là đều lao vút lên từ thời điểm cuối 2023. Cụ thể hơn, Doanh thu của công ty trong Quý 4 năm 2024 là 22 tỷ USD, tăng hơn 266% so với cùng kỳ năm 2023, thu nhập ròng có chuyển biến còn kinh khủng hơn khi tăng từ vỏn vẹn 1.4 tỷ USD vào Quý 4 năm 2023 lên 12.28 tỷ USD 1 năm sau đó, tăng gần 9 lần (điều này chứng tỏ Nvidia không chỉ biết mở rộng sản xuất mà còn tối ưu được khả năng sinh lời cho doanh nghiệp hơn qua từng năm.
Báo cáo tài chính phát hành vào Quý 4 năm tài chính 2024 của Nvidia
Biểu đồ các chỉ số tài chính theo từng quý của Nvidia
Sau khi chat GPT ra mắt, họ nhanh chóng nhận được một làn sóng nhu cầu khổng lồ về GPU (cụ thể là mẫu H100 như mẫu đã cung cấp cho OpenAI). Trong quý 3 năm tài chính 2023, Nvidia sản xuất và bán ra gần nửa triệu GPU H100, bỏ túi doanh thu từ 10 đến 20 tỷ USD trong thời gian chỉ 3 tháng; và đoán xem đối tác của những món hàng này là ai? Có lẽ không quá khó đoán khi là những công ty big tech như Google, Microsoft, v.v đang trong quá trình đuổi theo OpenAI trong quá trình nước rút quá trình tạo ra sản phẩm AI của riêng mình. Về các trung tâm dữ liệu, nơi chứa đựng lượng thông tin khổng lồ tối quan trọng cho việc huấn luyện AI, Nvidia cán mốc 10 tỷ USD mỗi quý cho lĩnh vực này vào Quý 2 năm 2024 (tức là tăng hơn gấp đôi sau chỉ khoảng 1 năm rưỡi từ lúc Chat GPT ra mắt vào Quý 4 năm 2021). Lĩnh vực trên cũng được đà tăng trưởng thẳng đứng trong giai đoạn 2024 - 2025 và dự kiến sẽ tăng đến 31 tỷ USD doanh thu từ Data Center vào quý 3 năm 2025.
Biểu đồ doanh thu các lĩnh vực của Nvidia theo từng quý tài chính
Với khả năng tăng doanh thu ấn tượng như vậy, Nvidia không quá bất ngờ khi nhận được một làn sóng rót vốn vào công ty cực lớn. Các cột mốc đặc biệt có thể kể đến như việc Nvidia chính thức trở thành công ty nghìn tỷ đô vào tháng 5 năm 2023 và sau đó là vượt mặt Alphabet trở thành công ty có vốn hóa lớn thứ 3 tại thị trường chứng khoán Hoa Kỳ. Cá biệt hơn, trong giai đoạn dòng vốn đổ vào công ty có tận 2 phiên giao dịch theo ngày là vào ngày 22 tháng 2 năm 2024 được ghi nhận đã giúp Nvidia tăng đến 227 tỷ USD vốn hóa công ty (mức tăng vốn hóa lớn nhất trong lịch sử chứng khoán Hoa Kỳ trước khi chính Nvidia tự phá vỡ kỷ lục của mình vào ngày 31 tháng 7 năm 2024 với hơn 327 tỷ USD). Và rồi các cột mốc tiếp theo cũng dần dần đến tiếp với công ty của Jensen Huang, 2000 tỷ USD và đỉnh điểm của sự phát triển là vào gần đây khi Nvidia cán mốc 3000 tỷ USD vào tháng 6 năm 2024, tiếp nối đà tăng đến tận cuối năm và vươn đến con số hơn 3300 tỷ USD (có lúc vốn hóa của công ty còn leo được đến đỉnh 3600 tỷ USD) chứng minh được rằng Nvidia đang thật sự trở thành một ông trùm trong ngành phần cứng công nghệ.
Danh sách những đợt tăng và giảm vốn hóa mạnh mẽ nhất trong lịch sử chứng khoán
Là một ông lớn đứng sau các ông lớn khác, Nvidia chịu một áp lực cực lớn về cả giới hạn khoa học và cái nhìn hoài nghi của thị trường. Họ phải nhìn ra tương lai của lĩnh vực trí tuệ nhân tạo, cải thiện phần cứng và sẵn sàng chịu những rủi ro, hoài nghi để có thể nghiêm túc tiến về phía trước, từ đó, Nvidia đã tạo ra cuộc cách mạng cho thế giới, chấm dứt mùa đông AI và rồi mới có thể trở thành công ty nghìn tỷ đô như bây giờ. Đây là một quá trình không hề màu hồng và bằng phẳng khi suốt quá trình hình thành và phát triển, kể từ khi mảng chơi game, đồ họa và sau này là khoa học và AI, dù cho Nvidia có phục vụ cho việc chơi game hay việc nghiên cứu, Jensen Huang luôn là người bị đặt dấu hỏi lớn nhất về các quyết định khi ông cho công ty tiến vào từng thị trường mới khác nhau. Và có lẽ nhờ tính cách kiên định, tin vào khả năng của bản thân và các cộng sự cũng như không bao giờ từ bỏ tôn chỉ về đổi mới sáng tạo của Nvidia, Jensen Huang đã đưa công ty đến một đỉnh cao mà thế giới chưa từng chứng kiến ở một công ty công nghệ.
Những thách thức phía trước của Nvidia
Tưởng chừng với đà tăng chóng mặt của Nvidia trong năm 2024, công ty sẽ tiếp tục giữ vững phong độ và tăng trưởng mạnh trong năm 2025 thì sự thật đã đánh vào mặt Nvidia ngay đầu năm mới 2025 khi công ty đã bay hơn 500 tỷ USD vốn hóa thị trường vào ngày 27 tháng 1, thời điểm mà những người Việt Nam ta đang tất bật chuẩn bị cho ngày Tết Nguyên Đán thì thông tin này khiến những ai đang tận hưởng không khí Tết cũng đã đứng ngồi không yên.
Lý do cho cú giảm mạnh nhất lịch sử chứng khoán Hoa Kỳ này là vì sự xuất hiện của một Model AI đến từ Trung Quốc mang tên DeepSeek R1 thách thức các quan điểm về chi phí sử dụng phần cứng trong huấn luyện AI khiến cho nhu cầu phần cứng (đặc biệt là GPU của Nvidia) bị đặt dấu hỏi nghiêm trọng. Tôi đã có một bài viết nói tương đối chi tiết về vấn đề này được đồng sản xuất với PTNK Shark Club, các bạn có thể xem chi tiết hơn tại link dưới đây.
Cũng trong bài viết đó, tôi cũng đề cập đến việc chính phủ của Trump đã và đang cân nhắc hạn chế xuất khẩu các loại GPU của Nvidia đến Trung Quốc nhằm hạn chế chảy máu trí tuệ AI sang đất nước tỷ đô. Đây cũng là một thông tin tương đối không quá tích cực đến với công ty của Jensen Huang khi Trung Quốc luôn là thị trường cực kỳ béo bở dành cho Nvidia nhưng với động thái phần trăm doanh thu của công ty cứ càng ngày càng giảm tại thị trường Trung Quốc, Nvidia sẽ khó lòng khuếch tận dụng làn sóng AI tại đây để tiếp tục phất lên.
Dẫu cho vẫn có những nỗ lực từ nhiệm kỳ của Biden hay xa hơn là chính nhiệm kỳ trước kia của Trump với các sản phẩm cố gắng đáp ứng các lệnh hạn chế của chính phủ như H800 (một loại GPU giảm hiệu năng của H100) và RTX 4090 D được tinh giảm từ RTX 4090) nhưng có lẽ với viễn cảnh AI của Trung Quốc ngày càng tăng mạnh về khả năng xử lý và thách thức vị thế độc tôn về trí tuệ nhân tạo của Mỹ, Nvidia sẽ vẫn còn phải tiếp tục làm quân bài trung gian hứng chịu các lệnh giới hạn của Mỹ đánh vào đất nước tỷ dân. Dự kiến vào giữa năm 2025 Nvidia sẽ tiếp tục tung một dòng chip mới sản xuất riêng cho Trung Quốc mang tên B20 để tiếp tục đáp ứng các điều kiện ngặt nghèo khi Trump đã quyết định giới hạn xuất khẩu H20.
Thống kê phần trăm doanh thu của Nvidia theo từng quốc gia qua các năm tài chính
Không chỉ các lệnh trừng phạt và hạn chế trong cuộc chiến thương mại Mỹ Trung, các đối thủ trên thị trường phần cứng với Nvidia cũng đã và đang phát triển nhiều dự án AI khác nhau tích hợp vào sản phẩm của họ. Đơn cử có thể kể đến nỗ lực của 2 nhà sản xuất CPU hiện nay là Intel và AMD đã giới thiệu các dòng chip tích hợp bộ xử lý AI (hay còn gọi là NPU) vào các dòng chip mới của họ như Intel Core Ultra Series và AMD Ryzen AI Series của mình. Không chỉ cạnh tranh gián tiếp thông qua thị trường CPU, Intel cũng đã rục rịch đi vào thị trường bộ xử lý chuyên biệt dành cho AI với Gaudi 3 của mình được ra mắt vào nửa sau năm 2024 và được kỳ vọng sẽ là đối trọng của dòng Nvidia H100 với mức giá tốt hơn khá nhiều. Để phân tích xem liệu các đối thủ của Nvidia có thể gây lo ngại đến nhường nào sẽ khá phức tạp trên góc độ chuyên môn nhưng có thể nói ngắn gọn rằng Nvidia đã xác lập được một hệ sinh thái cực kỳ mạnh bao gồm các GPU của mình và nền tảng CUDA kèm với mạng lưới các nhà phát triển sản phẩm AI nhờ vào tài nguyên của Nvidia thì có vẻ sẽ còn rất nhiều việc để các đối thủ có thể theo kịp mạng lưới mà Nvidia đã mất 20 năm để xây dựng khi họ khởi động trào lưu phát triển AI.
Dẫu sao, những động thái trên cho thấy Nvidia đã không còn có thể ung dung đi một mình trên cuộc chạy đua về AI như thời mới hợp tác với Open AI nữa, chính bản thân Nvidia đã kích hoạt cuộc đua nhưng không đồng nghĩa Nvidia sẽ là kẻ nghiễm nhiên về đích; cuộc đua nay đã kéo theo nhiều chân chạy mới vào thị trường và có lẽ chính Nvidia vốn đã luôn đổi mới nay phải còn cố gắng hơn nữa để duy trì vị trí dẫn đầu của mình trên thế giới.
Kết luận
Nhìn chung, câu chuyện đi lên của Nvidia từ một công ty đi ngược với nhu cầu của thế giới máy tính cho đến hiện tại là một công ty nghìn tỷ đô không thể thiếu trên thế giới công nghệ là một nỗ lực thần kỳ mà chúng ta may mắn được chứng kiến. Jensen Huang đã phát huy vai trò cực kỳ tốt của một người lãnh đạo khi lèo lái công ty đi hết hoài nghi này đến hoài nghi khác, tầm nhìn vượt thời đại và một tinh thần đổi mới sáng tạo cực kỳ cao xuyên suốt quá trình phát triển công ty. Cuộc đua về AI vẫn còn dài nhưng trong suy nghĩ của ông và các cộng sự, đây vẫn chưa phải điểm cuối của chuyến hành trình thay đổi thế giới công nghệ và chắc chắn sẽ còn nhiều cột mốc khác khiến cả thế giới rồi sẽ sửng sốt.
Nguồn tham khảo
Lê Công Thành
@lecongthanhptnk2802
Khoa học - Công nghệ
/khoa-hoc-cong-nghe
Bài viết nổi bật khác
- Hot nhất
- Mới nhất