NVIDIA, CUDA và Những Kẻ Thách Thức Mới
"Bạn không thể kết nối các điểm khi nhìn về phía trước; bạn chỉ có thể kết nối chúng khi nhìn lại phía sau."
Steve Jobs
Phần 1 của bài luận 3 phần này đã đề cập đến cuộc chiến RISC vs CISC và cách mà kiến trúc x86 của Intel, với sự hỗ trợ từ vòng xoáy tăng trưởng Wintel, kinh tế quy mô và hệ sinh thái khóa chặt hoàn toàn vào kỷ nguyên PC, đã đánh bại cả một thế hệ kiến trúc RISC thanh lịch hơn, trong khi DEC và Sun Microsystems, hai công ty huyền thoại, trở thành những ghi chú nhỏ trong lịch sử.
Phần này xem xét cách NVIDIA đã xây dựng một đế chế tương tự một cách ấn tượng trong suốt ba thập kỷ để khẳng định vị thế dẫn đầu rõ ràng trong kỷ nguyên AI ngày nay, và cách một nhóm những kẻ thách thức mới đang cố gắng giành thị phần từ họ.
NVIDIA: Từ Quán Denny's đến Pháo Đài Ngàn Tỷ Đô
Năm 1993, Intel cho ra mắt bộ vi xử lý Pentium, củng cố vị thế là nền tảng điện toán không thể tranh cãi của kỷ nguyên PC. Cũng trong năm đó, ba kỹ sư – Jensen Huang, Chris Malachowsky và Curtis Priem – đã phác thảo ý tưởng cho một doanh nghiệp sẽ trở thành NVIDIA - trong bữa sáng tại một quán Denny's ở San Jose, California.
Priem và Malachowsky là đồng nghiệp tại Sun, một trong những công ty nổi bật nhất của kỷ nguyên RISC, như đã đề cập trong Phần 1, mà hệ sinh thái x86 của Intel cuối cùng đã tiêu diệt. Kiến trúc SPARC của Sun, biên lợi nhuận phần cứng độc quyền và mô hình tích hợp dọc của họ đều bị x86 + Linux làm hàng hóa hóa trong thập kỷ tiếp theo.
Vậy mà, hai kỹ sư từ chính công ty đó đã tiếp tục xây dựng NVIDIA, và đến năm 2023, công ty này đã trở thành chính thứ mà Intel đã từng là vào năm 1993 – nền tảng thống trị, kiểm soát hệ sinh thái của kỷ nguyên điện toán của nó. Công ty mà Intel đã tiêu diệt, vô tình sinh ra công ty sẽ một ngày làm lu mờ Intel.
Không có gì về sự kết tinh kéo dài ba thập kỷ của NVIDIA có thể thấy được vào năm 1993. NVIDIA đã dành thập kỷ đầu tiên của mình như một công ty card đồ họa, thập kỷ thứ hai xây dựng một nền tảng điện toán khoa học chuyên biệt, và chỉ đến thập kỷ thứ ba, với sự bùng nổ AI, người ta mới thấy rõ rằng NVIDIA đã xây dựng một hào lũy có cấu trúc giống hệt, và được cho là sâu hơn, so với hào lũy mà Intel đã xây dựng với x86 và Wintel. Những người sáng lập NVIDIA, những người đã chứng kiến Sun thua trước kịch bản hệ sinh thái của Intel, cuối cùng lại chạy chính kịch bản đó, hiệu quả hơn, một thế hệ sau đó.
Suýt chết với chip NV1, NVIDIA đã khẳng định mình là nhà lãnh đạo đồ họa với GeForce 256, được tiếp thị là "GPU đầu tiên trên thế giới" vào năm 1999. Nhưng GPU vẫn chỉ là thiết bị ngoại vi chuyên biệt cho game thủ và kỹ sư CAD. Sự chuyển đổi của NVIDIA thành một gã khổng lồ AI bắt đầu với một canh bạc duy nhất: CUDA.
CUDA: Canh Bạc Tạo Nên Một Đế Chế
Năm 2006, NVIDIA phát hành Kiến trúc Thiết bị Hợp nhất Tính toán, hay còn gọi là CUDA. Nguồn gốc trí tuệ bắt nguồn từ Ian Buck, một nghiên cứu sinh Tiến sĩ Stanford, người có ngôn ngữ GPU đa năng, Brook, đã thuyết phục NVIDIA thuê ông vào năm 2004. Buck và kiến trúc sư GPU John Nickolls đã biến Brook thành một nền tảng phát triển hoàn chỉnh. Lần đầu tiên, các nhà phát triển có thể lập trình GPU cho các tác vụ không phải đồ họa bằng C/C++.
CUDA phát triển chậm trong nhiều năm, chỉ đơn thuần là một công cụ chuyên biệt cho các nhà khoa học tính toán. NVIDIA đã đầu tư mạnh vào thư viện, tài liệu, quan hệ đối tác đại học và quan hệ nhà phát triển, với niềm tin mạnh mẽ và không có bất kỳ lợi nhuận ngắn hạn nào. Jensen sau này sẽ nhớ lại cách mà khoản đầu tư không ngừng nghỉ của ông vào CUDA suýt đẩy NVIDIA đến bờ vực phá sản.
Sau đó, vào năm 2012, AlexNet, một mạng nơ-ron được xây dựng bởi nhóm của Geoffrey Hinton tại Đại học Toronto, đã phá hủy chuẩn mực nhận dạng hình ảnh ImageNet bằng cách sử dụng hai GPU NVIDIA. Một thứ tưởng chừng chỉ là mối quan tâm nghiên cứu chuyên biệt bỗng nhiên trông giống như tương lai của AI. NVIDIA đã hành động với tốc độ phi thường và thực thi hoàn hảo để nắm bắt cơ hội:
- Xây dựng cuDNN, được TensorFlow và PyTorch tích hợp làm backend học sâu mặc định.
- Thêm Tensor Cores cho phép tính toán ma trận học sâu.
- Ra mắt hệ thống DGX như một thiết bị nghiên cứu AI tiêu chuẩn.
- Năm 2016, tặng chiếc DGX1 đầu tiên cho OpenAI, nuôi dưỡng tổ chức sẽ tạo ra ChatGPT.
- Mua lại Mellanox, giành quyền kiểm soát kết nối mạng kết nối hàng nghìn GPU trong các siêu máy tính AI.
Khi ChatGPT giải phóng nhu cầu thị trường đại chúng cho AI tạo sinh vào tháng 11 năm 2022, hào lũy CUDA đã được xây dựng trong mười sáu năm! H100 trở thành con chip không thể thiếu của sự bùng nổ AI và doanh thu của NVIDIA đã tăng vọt theo hình parabol, tăng gấp 5 lần trong 3 năm tiếp theo.
Sự khởi đầu chậm chạp và cuối cùng là sự trỗi dậy bùng nổ của NVIDIA phản ánh sự tiến hóa của Intel từ một nhà sản xuất bộ nhớ khi thành lập năm 1968 đến khi trở thành người dẫn đầu cuộc cách mạng vi xử lý và PC vào những năm 1990.
Cả Intel và NVIDIA đều bắt đầu phát triển các công nghệ khác biệt so với những gì cuối cùng sẽ trở thành động cơ tăng trưởng cốt lõi của họ. Cả hai đều sử dụng hiệu quả các năng lực cốt lõi của mình để làm lợi thế và trở thành các nền tảng điện toán thống trị, cách nhau ba thập kỷ. Cả hai đều phải đối mặt với một loạt đầy đủ các kẻ thách thức, cả các công ty lớn hiện tại và các công ty khởi nghiệp.
Những Kẻ Thách Thức: Hàng Chục Cách Để Tăng Tốc
Danh sách những kẻ thách thức NVIDIA vào năm 2026 có sự tương đồng về cấu trúc với những kẻ thách thức Intel và x86 vào những năm 1990. Mỗi bên đều mang đến sự đổi mới thực sự, và mỗi bên đều phải đối mặt với cùng một lực hấp dẫn của hệ sinh thái.
AMD là đối thủ cạnh tranh silicon thương mại gần nhất, và nó đóng cùng vai trò bóng tối mà nó đã từng đóng khi chống lại Intel trong kỷ nguyên x86. Phần cứng của AMD rất cạnh tranh. Nhưng khoảng cách hệ sinh thái phần mềm là thứ giữ cho CUDA thống trị, giống hệt như cách cơ sở phần mềm x86 đã giữ cho Intel thống trị ngay cả khi phần cứng RISC nhanh hơn.
Google TPU là giải pháp thay thế huấn luyện đáng tin cậy nhất. Google có ngăn xếp AI hoàn chỉnh nhất từ silicon đến đám mây. Nhưng TPU là độc quyền của Google Cloud, đánh đổi sự khóa chặt NVIDIA lấy sự khóa chặt Google.
Amazon Trainium cung cấp năng lượng cho việc huấn luyện các mô hình tiên tiến với hiệu suất giá tốt hơn đáng kể so với các phiên bản NVIDIA, nhưng độc quyền AWS, một lần nữa đánh đổi sự khóa chặt NVIDIA lấy sự khóa chặt AWS. Amazon đang trợ cấp cho việc thoát khỏi NVIDIA của chính mình.
Microsoft Maia 100 được thiết kế không phải để thay thế NVIDIA mà để giảm sự phụ thuộc của Azure vào NVIDIA – một màn chơi tối ưu hóa TCO (tổng chi phí sở hữu), không phải một thách thức về nền tảng. Cerebras đã xây dựng Wafer-Scale Engine – gần như toàn bộ một tấm bán dẫn silicon 300mm như một bộ xử lý duy nhất. Một giải pháp đột phá, táo bạo nhưng chuyên biệt, đang đạt được một số lực kéo, nhưng việc áp dụng rộng rãi vẫn chưa rõ ràng.
SambaNova đã thực hiện một cách tiếp cận khác với Đơn vị Luồng Dữ liệu Có thể Cấu hình lại (RDU) của mình, một kiến trúc luồng dữ liệu khác biệt so với GPU và TPU.
Tenstorrent cũng đang đặt cược rằng GPU về cơ bản là một sự trừu tượng sai lầm cho khối lượng công việc AI, và rằng luồng dữ liệu sẽ chiến thắng ở quy mô giống như cách RISC đã thắng cuộc tranh luận kỹ thuật chống lại CISC. Tenstorrent đã phát triển một kiến trúc tăng tốc được xây dựng xung quanh một lưới các lõi tính toán nhỏ, giống hệt nhau, mỗi lõi có SRAM cục bộ riêng, đơn vị toán ma trận, đơn vị vector và bộ xử lý RISC-V quản lý việc di chuyển dữ liệu và lập lịch tại chỗ.
Cũng có một số công ty khởi nghiệp khác. JP Morgan dự báo silicon tùy chỉnh có thể chiếm 45% thị trường chip AI vào năm 2028. NVIDIA hiện phải đối mặt với sự cạnh tranh từ chính khách hàng của mình.
Hào Lũy CUDA: Wintel, Tái Khởi Động
Những điểm tương đồng giữa NVIDIA ngày nay và Intel vào những năm 1990 mang tính cấu trúc, chứ không chỉ đơn thuần là bề nổi:
Sự khóa chặt CUDA không phải là một sự phụ thuộc đơn lẻ. Nó được tích lũy qua nhiều cấp độ – các hạt nhân (kernels) được tinh chỉnh cho các thư viện toán học của NVIDIA, hành vi độ chính xác hỗn hợp được hiệu chỉnh theo cuDNN, huấn luyện phân tán được tối ưu hóa xung quanh Thư viện Giao tiếp Tập thể NVIDIA (NCCL), các đường ống tích hợp và triển khai liên tục được xây dựng trên công cụ CUDA và toàn bộ một thế hệ kỹ sư được đào tạo về CUDA ngay cả trước khi họ tốt nghiệp.
Hào lũy của NVIDIA có thể sâu hơn hào lũy mà Intel đã xây dựng vì hai lý do chính:
Tích hợp dọc: Wintel kiểm soát hệ điều hành và CPU nhưng phụ thuộc vào bên thứ ba cho mọi thứ khác. NVIDIA kiểm soát GPU, kết nối mạng (NVLink, InfiniBand), phần mềm (CUDA, cuDNN, TensorRT, NCCL) và toàn bộ hệ thống quy mô rack (NVL72, 72 Blackwell GPU như một đơn vị tính toán logic duy nhất). Tại GTC 2026, NVIDIA đã công bố nền tảng Vera Rubin với bảy loại chip riêng biệt bao gồm năm cấu hình hệ thống quy mô rack, mở rộng kiểm soát dọc xa hơn bất kỳ điều gì Intel từng đạt được.
Chi phí chuyển đổi thâm dụng vốn: Việc chuyển một ứng dụng Windows sang Linux vào những năm 1990 rất tốn kém nhưng có giới hạn. Việc đào tạo lại một mô hình AI tiên tiến trên phần cứng thay thế tốn hàng trăm triệu đô la và nhiều tháng kỹ thuật.
Groq: NVIDIA Hấp Thụ Một Kẻ Thách Thức
Có lẽ sự phát triển đáng nói nhất trong năm qua là những gì đã xảy ra với một kẻ thách thức đang đạt được lực kéo thực sự. Groq, được thành lập bởi cựu kỹ sư TPU của Google Jonathan Ross, đã xây dựng một Bộ xử lý Ngôn ngữ (LPU) được tối ưu hóa cho suy luận cực kỳ độ trễ thấp. Kiến trúc dựa trên SRAM của nó tuyên bố cung cấp khả năng tạo token nhanh hơn 4-7 lần so với GPU với độ trễ xác định. Đến năm 2025, Groq đang nhắm mục tiêu doanh thu 500 triệu đô la và đã huy động được 750 triệu đô la với định giá 6,9 tỷ đô la. Vào đêm Giáng sinh năm 2025, NVIDIA đã công bố thỏa thuận trị giá 20 tỷ đô la, thỏa thuận lớn nhất từ trước đến nay của họ, để cấp phép công nghệ suy luận của Groq và thuê hầu hết nhóm kỹ thuật của họ, bao gồm cả người sáng lập Ross.
Tại GTC 2026, Jensen đã tiết lộ kế hoạch của mình cho công nghệ Groq. Bộ tăng tốc suy luận Groq 3 LPX sẽ được đưa vào nền tảng Vera Rubin như một bộ đồng xử lý giai đoạn giải mã chuyên dụng, và theo Jensen, sẽ chiếm ~25% sức mạnh tính toán trong một cụm AI.
Thương vụ mua lại mang một tín hiệu sâu sắc hơn. Một mặt, nó xác nhận sự tồn tại của một thị trường cho các bộ tăng tốc không phải GPU, đặc biệt là cho các khối lượng công việc suy luận. Mặt khác, nó chỉ ra rằng Jensen và NVIDIA có thể sẵn sàng nuốt chửng bất kỳ mối đe dọa mới nổi nào đối với đế chế GPU của họ.
Thật thú vị khi lưu ý rằng đây cũng là một kịch bản có tiền lệ lịch sử. Năm 1998, Intel đã mua lại IP Alpha của DEC và nhà máy sản xuất silicon của họ, không phải để sử dụng nó, mà để vô hiệu hóa nó. Thương vụ Groq có phần tinh vi hơn – NVIDIA đang tích hợp công nghệ thực sự hữu ích – nhưng hiệu ứng cạnh tranh là tương tự: bớt đi một kẻ thách thức trên bàn cờ.
Tóm Tắt
Cũng giống như Intel đã xây dựng một hệ sinh thái đáng gờm xung quanh CPU x86 trong kỷ nguyên PC, NVIDIA đã xây dựng một đế chế tương tự một cách ấn tượng xung quanh GPU có thể lập trình để khởi động kỷ nguyên AI. Hào lũy CUDA có thể sâu hơn hào lũy x86 và Wintel từng có, và không giống như Intel, NVIDIA đã nhanh chóng di chuyển lên ngăn xếp công nghệ và trở thành một nhà cung cấp hệ thống và phần mềm, thay vì chỉ là một nhà cung cấp silicon thương mại đơn thuần.
Cũng giống như trong quá khứ, cùng với sự trỗi dậy của NVIDIA, một loạt những kẻ thách thức mới xuất hiện bao gồm các công ty chip thương mại, các nhà siêu mở rộng (hyperscalers) và một loạt các công ty khởi nghiệp xây dựng silicon tùy chỉnh. Những kẻ thách thức này đã phát triển các kiến trúc sáng tạo và thanh lịch để chống lại gã khổng lồ NVIDIA. Nhưng cũng giống như trong quá khứ, họ thiếu quy mô, kinh tế khối lượng, sự khóa chặt phần mềm và tích hợp hệ thống mà NVIDIA thống trị.
Cũng giống như kho chiến tranh khổng lồ của Intel cho phép họ đánh bại gần như tất cả các đối thủ cạnh tranh sản xuất chất bán dẫn những năm 1990, NVIDIA đang sử dụng nguồn tiền dồi dào của mình để thực hiện các thương vụ mua lại thông minh trên toàn bộ ngăn xếp công nghệ, bao phủ hầu hết mọi xu hướng mới nổi tiềm năng từ kết nối quang đến điện toán lượng tử.
Phần 3 sẽ lùi lại một bước khỏi các chi tiết cụ thể để suy ngẫm về một câu hỏi hấp dẫn: Điều gì sẽ xảy ra tiếp theo?
