Trí tuệ nhân tạo: lằn ranh phân định tồn tại và đào thải

AI (trí tuệ nhân tạo), Machine Learning (học sâu – ML), Quantum Computing (máy tính siêu cấp)… là những thuật ngữ không hoàn toàn mới mẻ đối với chuyên ngành máy tính học thuật. Nhưng lĩnh vực này đang tiến rất gần tới điểm cực đại và đòi hỏi thay đổi lớn. Trong năm qua, hiện tượng ChatGPT là chủ đề được nhiều người chú ý, không chỉ giới chuyên môn, mà kể cả người tiêu dùng, với những tính năng hỗ trợ tra cứu thông tin nhanh chóng và khả năng tạo dựng nội dung gần như hoàn hảo.

Đầu tư vào AI là điều thiết yếu vì với tốc độ phát triển của khoa học kỹ thuật sẽ không còn lâu khi các công việc phụ thuộc nhiều vào sức người có thể bị thay đổi hoàn toàn bởi tính năng tự động hóa và tự suy luận của hệ thống AI hoàn chỉnh. Khi một nghề nghiệp bị đào thải thì sẽ có một nghề khác vào thay thế. Thế nên chuyện AI thay thế người không có gì là đáng sợ. Để có thể xây dựng một hệ thống AI hoàn chỉnh, chúng ta cần phải hiểu các bộ phận làm nên hệ thống này và các công ty liên quan với khả năng cung cấp trang thiết bị và dịch vụ.

Bài viết sẽ chia ra làm nhiều phần, với phần 1 chú trọng vào công đoạn quan trọng nhất trong quá trình xây dựng một hệ thống AI hoàn chỉnh. Phần 2 sẽ tìm hiểu về các loại hình dịch vụ công nghệ bị ảnh hưởng bởi AI, bao gồm những dịch vụ có khả năng phát triển và tồn tại nếu AI được hoàn chỉnh, cùng với những dịch vụ có khả năng bị đào thải. Phân tích này chú trọng vào đầu tư cho lĩnh vực AI, dựa trên những bộ phận cần thiết và không nghiêng về phân tích kỹ thuật. Đọc giả nên tìm hiểu trước khi đầu tư vào những công ty được nêu tên trong bài viết.

Để hiểu về AI/ML chúng ta cần phân biệt ba giai đoạn khác nhau và những mảng công nghệ sẽ tồn tại cùng với bước tiến của AI/ML cũng như những mảng sẽ bị đào thải. Những giai đoạn này sẽ tồn tại song song với nhau, không cần phải chờ một giai đoạn nào chấm dứt để bắt đầu giai đoạn còn lại.

Giai đoạn 1 là giai đoạn xây dựng nền móng và phát triển công nghệ AI và ML cho doanh nghiệp chú trọng vào phân khúc cơ sở hạ tầng viễn thông và điện tử. Mục tiêu này đòi hỏi đầu tư lớn vào các trung tâm dữ liệu và các phụ tùng hỗ trợ xây dựng những trung tâm này.

Giai đoạn 2 sẽ là giai đoạn phổ thông hóa các dịch vụ AI. Các mảng phần mềm, ứng dụng điện thoại, thiết bị tiêu dùng cá nhân và doanh nghiệp sẽ đều được chú trọng trong sản xuất đại trà. Điều này tiếp tục đòi hỏi nguồn cung các thiết bị cần thiết để sản xuất các mảng trên.

Giai đoạn 3 là giai đoạn quyết định thương hiệu nào sẽ chiến thắng và tồn tại. Những ứng dụng có khả năng thay đổi hoàn toàn cuộc sống của chúng ta như cách iPhone đã làm trong 20 năm đầu của thế kỷ 21 sẽ tiếp tục tồn tại, cùng lúc đào thải những ứng dụng không cần thiết hoặc lỗi thời.

Trong khi tìm hiểu về các giai đoạn này, chúng ta không thể bỏ qua chu kỳ kinh tế toàn cầu vì nó ảnh hưởng tới tốc độ đầu tư vào hai giai đoạn đầu tiên. Trong phân tích dưới đây, tác giả sẽ chỉ chú trọng vào phân tích đâu là cơ hội đầu tư trong từng giai đoạn và lược bỏ hoàn toàn phân tích liên quan tới các chu kỳ kinh tế và xác suất kinh tế ảnh hưởng tới đầu tư AI.

Giai đoạn 1: đầu tư trọng điểm trung tâm dữ liệu

Trung tâm dữ liệu là cột sống của AI/ML. Những bộ xử lý GPU mạnh là điều tối cần thiết. Các bo mạch chuyên xử lý dữ liệu như Tensor Processing Units (TPUs), FPGAs, và ASICs, sẽ quyết định khả năng xử lý thông tin của các hệ thống AI/ML. Đi kèm với các phần cứng trên sẽ là sự phát triển song song của các phần mềm áp dụng ML lên nền tảng code. Những nền tảng ứng dụng như TensorFlow, Pytorch, và Keras luôn sẵn sàng hỗ trợ các nhà phát triển AI trong việc đơn giản hóa kết nối phần mềm và phần cứng trong quá trình tạo dựng AI/ML. Nếu phần mềm và phần cứng bị giới hạn, thì thành công ở hai giai đoạn còn lại coi như bất khả thi.

Khi nhìn sâu vào đầu tư AI/ML, chúng ta sẽ nhìn thấy phần lớn số vốn đầu tư sẽ chú trọng vào:

1. Sản xuất chip điện tử: Các công ty thiết kế và sản xuất các con chip có khả năng hỗ trợ quá trình xây dựng AI/ML với tốc độ xử lý tối ưu. Những tập đoàn sản xuất chip lớn như Taiwan Semiconductor Manufacturing Company (TSMC) và Global Foundaries sẽ được quan tâm nhiều hơn. Để thiết kế được chip, các nhà sản xuất này cần các thiết bị chuyên dụng mà chỉ có những công ty lớn như ASML, Tokyo Electron, Applied Materials, Disco Corp, KLAC, và Advantest mới đủ khả năng làm ra.

2. EDA và IP: Những công ty EDA (Electronic Degisn Automation) – thiết kế điện tử tự động và IP (tài sản trí tuệ) như Cadence Design Systems và Synopsys có khả năng:

– Thiết kế và sản xuất chip: Các công cụ EDA có vai trò quan trọng trong thiết kế và sản xuất chip và là nền móng cho cơ sở hạ tầng AI/ML. EDA đóng vai trò thiết kế, mô phỏng, và kiểm chứng các bản vẽ bo mạch phức hợp trước khi chip được chế tạo. EDA cũng tinh giản hóa quá trình tạo nên các bộ vi xử lý, GPUs, và các phần cứng chuyên dụng thiết yếu cho quá trình học sâu.

– Nâng cấp phần cứng: các phần cứng tùy chỉnh theo nhu cầu dưới dạng ASIC, TPU, và các bộ nâng cấp khác cần phải có các công cụ EDA để thiết kế và chế tạo.

– IP: Các lõi chip điện tử là các lõi bán dẫn được chế tạo sẵn dựa trên một tính năng xác định từ trước và được đặt lên một mạch chip điện tử. Cơ chế này giúp quá trình chế tạo chip điện tử nhanh hơn và hiệu quả hơn khi các chip điện tử được chế tạo dựa trên tính năng cần thiết mà không cần phải làm hoàn toàn từ đầu.

– Sáng tạo: EDA và IP giúp các công ty nghiên cứu và thí nghiệm trên các công nghệ mới, góp phần nâng cấp độ tối ưu cho các chip điện tử thế hệ mới hỗ trợ AI và ML.

3. Bộ xử lý đồ họa (GPU): Từ AI và phân tích dữ liệu cho tới máy tính siêu cấp, nền tảng máy tính cấp tiến với bộ xử lý của NVIDIA giúp cho công ty vận hành những công việc đòi hỏi bộ xử lý mạnh. Những bộ xử lý trung tâm CPU tốt nhất cũng không thể chạy các chương trình song song. Trong khi đó, một bộ xử lý đồ họa GPU với nhiều mạch có thể chạy cùng một lúc nhiều chương trình với tốc độ xử lý lên tới cả triệu FLOPS (floating point operations per second). Bộ chip Grace Hopper của NVIDIA bao gồm lõi Transformer Engine giúp đẩy nhanh tốc độ huấn luyện AI mà không phải đánh đổi độ chính xác. Đây cũng là lý do tại sao Grace Hopper Tensor Core GPU là bộ chip quan trọng nhất cho mọi trung tâm dữ liệu. Các công ty khác cũng có bộ GPU riêng, như Advanced Micro Devices, Intel, và Broadcom. Nhưng những bộ GPU này vẫn chưa thể đạt tới khả năng xử lý ngang bằng với GPU của NVIDIA.

4. Đơn vị cung cấp nguồn điện: Những trung tâm dữ liệu thường sử dụng điện rất nhiều, nhất là với những bộ xử lý của NVIDIA nói trên. Những công ty cung cấp dây cáp điện và các thiết bị kết nối điện chuyên dụng như Vicor Coporation, Monolithic Power, và Lite-On sẽ là những công ty được nhắc đến nhiều.

5. Cơ sở hạ tầng cho trung tâm dữ liệu: Những công ty này chú trọng vào xây dựng cơ sở hạ tầng tối ưu, đảm bảo nhiệt độ, an ninh, tính kết nối, và bảo trì. Những công ty bao gồm:

– Equinix là công ty chuyên cung cấp các dịch vụ liên quan tới trung tâm dữ liệu, bao gồm cả cho thuê mặt bằng cùng với các trang thiết bị và dịch vụ đi kèm sau ký hợp đồng.

– Các công ty chuyên dụng hơn như Pegatron Corporation, Super Micro Computer Inc., và Foxconn Industrial Internet cũng có khả năng cung cấp server, bo mạch điện tử và các thiết bị cho việc xây dựng cơ sở hạ tầng trung tâm dữ liệu.

– Thermaltake, CoolerMaster, Vertiv…, là những công ty chuyên cung cấp chất làm lạnh giúp bảo quản nhiệt độ server.

– Bel Fuse, FormFactor, Sensata, Littlefuse… là những công ty chuyên quản trị server và trung tâm dữ liệu. Chuyên ngành của họ là tìm ra điểm yếu trong lắp ráp server, kiểm định chất lượng xử lý thông tin và truyền tải thông tin, và lên kế hoạch bảo vệ tính an toàn cho toàn bộ hệ thống.

– Trung tâm dữ liệu không thể thiếu dây cáp truyền tải thông tin. Các công ty cung cấp cáp quang như Yangtze Optical Fibre and Cable JSC, Suzhou TFC Optical, Applied Optoelectronics… thường được nhắc đến nhiều. Fabrinet cũng là công ty cung cấp cáp quang, nhưng họ còn kèm cả thiết kế công đoạn và phân tích rủi ro.

6. Bộ nhớ: Bộ nhớ là phần cực kỳ quan trọng. Để có thể vận hành tối đa các bộ xử lý GPU, server cần phải đi kèm những bộ nhớ có băng thông cao và độ trễ thấp. Điều này giúp cho quá trình xử lý đạt tốc độ tối ưu và đẩy nhanh quá trình huấn luyện AI. Những công ty như SK Hynix hay Hanmi Semiconductor sẽ được quan tâm và chú trọng nhiều khi hiệu quả từ các sản phẩm bộ nhớ của hai công ty này tốt và rất hợp với các lõi GPU NVIDIA.

Giai đoạn 2 của quá trình tạo dựng AI sẽ là giai đoạn phổ thông hóa các sản phẩm AI. Với cơ sở hạ tầng được xây dựng bằng các trang thiết bị trên, các công ty AI có thể bắt đầu tạo nên những ứng dụng áp dụng vào cuộc sống thường ngày. Để đạt được độ chín, những ứng dụng này phải ở vị trí dễ dàng tiếp cận và có tính năng mà người tiêu dùng tìm kiếm hằng ngày. Đối với doanh nghiệp, khả năng thích ứng của AI cực kỳ quan trọng trong thời điểm này. Đó là lý do thúc đẩy sự xây dựng các lệnh code khuôn mẫu với độ linh hoạt cao, có khả năng thích ứng với những công việc được yêu cầu mà không cần quá nhiều độ điều chỉnh. Để xây dựng những lệnh code khuôn này, các công ty công nghệ cần phải có nhiều dữ liệu để có thể chạy thử và thí nghiệm độ chính xác. Và cuối cùng giai đoạn 3 sẽ là giai đoạn nước rút quyết định công ty nào sẽ có lệnh code tồn tại với thời gian.

Hai giai đoạn này sẽ có trong phần sau của bài phân tích, mong đọc giả đón đọc.

Lưu ý: Nếu bạn có ý kiến hoặc quan tâm tới bài viết, vui lòng gửi e-mail trực tiếp vào hộp thư của tác giả tại nguyenphan3777@gmail.com.

Nguyễn Phán