Tìm hiểu tác động của năng lực điện toán đối với những đổi mới AI

Trí tuệ nhân tạo (AI) và năng lực tính toán có mối quan hệ rất mật thiết. Năng lực tính toán là yếu tố thiết yếu đối với các ứng dụng AI vì giúp hệ thống máy tính xử lý và thực thi các tác vụ. Những ứng dụng này cần lượng tài nguyên tính toán đáng kể để quản lý các thuật toán phức tạp và tập dữ liệu lớn, và đây là lúc GPU phát huy vai trò. GPU, hay Bộ xử lý đồ họa (GPU), ban đầu được thiết kế để tăng tốc xử lý hình ảnh và video, nhưng đã trở nên thiết yếu trong việc xử lý dữ liệu chuyên sâu và các tác vụ deep learning mà AI yêu cầu.

Trong vài năm qua, chúng ta đã chứng kiến những tiến bộ của AI tăng trưởng theo cấp số nhân. Đương nhiên, phần cứng AI cũng cần phát triển để đáp ứng và theo kịp tốc độ tăng trưởng này. Một nghiên cứu cho thấy hiệu năng GPU đã tăng khoảng 7.000 lần kể từ năm 2003.

Phần cứng mạnh hơn, nhanh hơn và hiệu quả hơn cho phép các nhà nghiên cứu và kỹ sư phát triển những model AI ngày càng phức tạp. Hãy cùng tìm hiểu cách hạ tầng tính toán cho AI đang phát triển để đáp ứng nhu cầu ngày càng tăng của trí tuệ nhân tạo.

Phần cứng AI: Chủ đề ngày càng được quan tâm#

Vai trò của GPU trong quá trình phát triển AI là không thể phủ nhận. Những bộ xử lý mạnh mẽ này tăng tốc các phép tính phức tạp cần thiết để training và triển khai các model AI. Về cơ bản, chúng là nền tảng của công nghệ AI hiện đại. Tuy nhiên, không chỉ GPU đang thu hút sự chú ý.

Chúng ta bắt đầu chứng kiến sự xuất hiện của những chip được thiết kế riêng cho AI và có khả năng cạnh tranh với GPU. Các chip này được xây dựng từ đầu để giúp AI thực hiện công việc tốt hơn và nhanh hơn. Rất nhiều nghiên cứu và nỗ lực đang được tiến hành nhằm cải thiện tương lai của hoạt động tính toán cho AI. Nhiều công ty đang đầu tư vào năng lực tính toán AI, đây là một trong những lý do khiến thị trường phần cứng AI toàn cầu được định giá $53,71 tỷ vào năm 2023 và dự kiến tăng lên khoảng 473,53 tỷ USD vào năm 2033.

Tại sao những tiến bộ của phần cứng AI gần đây lại trở thành chủ đề được quan tâm? Sự chuyển dịch sang phần cứng AI chuyên dụng phản ánh nhu cầu ngày càng tăng của các ứng dụng AI trong nhiều lĩnh vực khác nhau. Để tạo ra các giải pháp AI thành công, việc nắm bắt những thay đổi đang diễn ra trong phần cứng là rất quan trọng, giúp bạn luôn đi trước xu hướng.

Những đơn vị chủ chốt trong lĩnh vực phần cứng AI#

Các nhà sản xuất phần cứng hàng đầu đang cạnh tranh để phát triển phần cứng thế hệ mới, cải thiện hiệu năng và hiệu quả thông qua hoạt động phát triển nội bộ, quan hệ đối tác chiến lược và các thương vụ mua lại.

Hình 1. Những đơn vị dẫn đầu về phần cứng AI.

Apple đã chuyển từ việc sử dụng GPU bên ngoài sang phát triển các chip dòng M của riêng mình với neural engine để tăng tốc AI, qua đó củng cố hệ sinh thái được kiểm soát chặt chẽ. Trong khi đó, Google tiếp tục đầu tư mạnh vào hạ tầng Tensor Processing Unit (TPU) của mình. TPU là các chip AI được xây dựng để hoạt động nhanh hơn và tiêu thụ ít năng lượng hơn GPU, nhờ đó rất phù hợp để training và triển khai các giải pháp AI ở quy mô lớn hơn.

Tương tự, AMD đã tham gia lĩnh vực phần cứng AI với dòng accelerator Radeon Instinct, nhắm đến các trung tâm dữ liệu và ứng dụng điện toán hiệu năng cao. NVIDIA cũng tiếp tục tập trung phát triển các GPU được tối ưu cho workload AI, chẳng hạn như GPU Tensor Core A100 và H100. Thương vụ mua lại Arm Holdings gần đây của NVIDIA nhằm tăng quyền kiểm soát đối với các kiến trúc chip cung cấp năng lượng cho nhiều thiết bị di động.

Bên cạnh những đơn vị đã có vị thế vững chắc này, nhiều startup và tổ chức nghiên cứu đang nghiên cứu các kiến trúc chip AI mới. Ví dụ, Graphcore chuyên về các phép tính thưa với Intelligence Processing Unit (IPU) của mình. Cerebras Systems cung cấp Wafer Scale Engine, một chip khổng lồ được thiết kế riêng cho các workload AI ở quy mô cực lớn.

Những tiến bộ mới nhất về phần cứng AI#

Hãy cùng xem qua những phần cứng AI mới nhất đã ra mắt.

Ngày 9 tháng 4 năm 2024, Intel công bố chip AI mới nhất của mình, Gaudi 3, với hiệu năng vượt trội so với GPU H100 của NVIDIA:

• Hiệu quả sử dụng năng lượng cao hơn gấp đôi và tốc độ xử lý model AI nhanh hơn 1,5 lần.
• Có sẵn trong các cấu hình linh hoạt, chẳng hạn như tích hợp trên bo mạch chủ hoặc dưới dạng card độc lập.
• Đã được kiểm thử thành công trên nhiều model AI đa dạng như Llama của Meta và Falcon của Abu Dhabi, chứng minh hiệu quả trong việc training và triển khai nhiều model AI khác nhau, bao gồm Stable Diffusion và Whisper của OpenAI để nhận dạng giọng nói.

Hình 2. Gaudi 3 của Intel.

Trước Gaudi 3, vào ngày 18 tháng 3 năm 2024, NVIDIA đã giới thiệu nền tảng AI mới nhất của mình là Blackwell. Nền tảng này được thiết kế để thúc đẩy những đột phá trong nhiều lĩnh vực và có các đặc điểm sau:

• NVIDIA tuyên bố Blackwell là "chip mạnh nhất thế giới."
• Chip này sở hữu GPU dual-die với 208 tỷ transistor và interconnect chip-to-chip đạt 10 TB/s, thiết lập các tiêu chuẩn mới về công suất và hiệu quả cho AI tạo sinh ở quy mô datacenter.
• Các nhà cung cấp dịch vụ cloud hàng đầu như Google Cloud, Amazon Web Services và Microsoft Azure đã công bố kế hoạch sử dụng Blackwell để thúc đẩy những tiến bộ trong AI tạo sinh, deep learning và các dịch vụ điện toán đám mây.

Hình 3. Blackwell của NVIDIA.

Sự trỗi dậy của các chip AI tùy chỉnh#

Trong khi đó, một số gã khổng lồ công nghệ đang phát triển các chip AI tùy chỉnh của riêng mình để vận hành dịch vụ.

Ngày 10 tháng 4 năm 2024, Meta công bố phiên bản mới nhất của Meta Training and Inference Accelerator (MTIA). Chip thế hệ thứ hai này đã được đưa vào vận hành tại các trung tâm dữ liệu của Meta và đang cho hiệu năng tốt hơn về năng lực tính toán cũng như băng thông bộ nhớ. Những nâng cấp này hỗ trợ hiệu năng của các ứng dụng AI của Meta, chẳng hạn như engine xếp hạng và đề xuất, trên các nền tảng như Facebook và Instagram.

Hình 4. Phiên bản MTIA mới nhất của Meta.

Tương tự, những đơn vị lớn khác như Google, Amazon và Microsoft cũng đã giới thiệu các chip silicon tùy chỉnh của riêng mình trong năm nay. Đây là một động thái chiến lược nhằm tối ưu hóa cơ cấu chi phí và giảm sự phụ thuộc vào các nhà cung cấp bên thứ ba như NVIDIA.

Phần cứng AI đang được sử dụng ở đâu?#

Phần cứng AI hỗ trợ nhiều giải pháp AI trong đa dạng ngành công nghiệp. Trong lĩnh vực chăm sóc sức khỏe, phần cứng này vận hành các hệ thống chẩn đoán hình ảnh y tế như MRI và CT, xử lý hiệu quả các tác vụ phức tạp và khối lượng dữ liệu lớn để chẩn đoán nhanh chóng, chính xác.

Các tổ chức tài chính sử dụng thuật toán AI để phân tích dữ liệu nhằm phát hiện gian lận và tối ưu hóa đầu tư. Tính phức tạp của việc phân tích dữ liệu tài chính đòi hỏi năng lực phần cứng tiên tiến để xử lý hiệu quả khối lượng công việc tính toán khổng lồ.

Trong ngành công nghiệp ô tô, phần cứng AI giúp xử lý dữ liệu cảm biến theo thời gian thực trong xe tự hành. Các tác vụ như phát hiện vật thể và tránh va chạm cần được hỗ trợ bởi phần cứng tiên tiến có năng lực xử lý mạnh để đưa ra quyết định nhanh chóng và bảo đảm an toàn cho hành khách.

Hình 5. Bộ não của một xe tự hành.

Các nhà bán lẻ sử dụng engine đề xuất dựa trên AI để cá nhân hóa trải nghiệm mua sắm và tăng doanh số bằng cách phân tích lượng dữ liệu khách hàng khổng lồ trên nhiều bộ phận, từ đó dự đoán sở thích và đề xuất các sản phẩm phù hợp. Nhu cầu phân tích các tập dữ liệu đa dạng và tạo ra đề xuất cá nhân hóa đòi hỏi phần cứng tiên tiến để phản hồi theo thời gian thực và tăng cường mức độ tương tác của người dùng.

Một ví dụ khác liên quan đến các cửa hàng bán lẻ là sử dụng computer vision để giám sát và phân tích hành vi khách hàng. Các nhà bán lẻ có thể hiểu cách khách hàng tương tác với môi trường xung quanh, xác định những sản phẩm phổ biến và phát hiện các mô hình lưu lượng khách. Dựa trên những phát hiện này, họ có thể tối ưu hóa bố cục cửa hàng và vị trí trưng bày sản phẩm để cải thiện doanh số. Năng lực tính toán rất quan trọng đối với việc xử lý khối lượng dữ liệu video lớn theo thời gian thực. Việc theo dõi chính xác chuyển động và tương tác phụ thuộc vào phần cứng mạnh mẽ. Nếu thiếu phần cứng phù hợp, tốc độ và độ chính xác của quá trình xử lý dữ liệu sẽ bị ảnh hưởng, làm giảm hiệu quả phân tích hành vi khách hàng.

Đó mới chỉ là phần nổi của tảng băng chìm. Từ sản xuất đến nông nghiệp, phần cứng AI hiện diện ở khắp mọi nơi.

Mở rộng quy mô AI bằng năng lực tính toán#

Phần cứng AI thường được xây dựng để xử lý các tác vụ lớn. Có thể khó hình dung quy mô triển khai AI trong các ngành trên toàn thế giới, nhưng rõ ràng AI có khả năng mở rộng phụ thuộc vào việc sở hữu phần cứng phù hợp.

Hãy lấy sự hợp tác giữa BMW và NVIDIA làm ví dụ. Với sản lượng 2,5 triệu ô tô mỗi năm, quy mô hoạt động của BMW là vô cùng lớn. BMW đang sử dụng AI để tối ưu hóa nhiều khía cạnh trong quy trình sản xuất, từ kiểm soát chất lượng và bảo trì dự đoán đến logistics và quản lý chuỗi cung ứng.

Để đáp ứng những nhu cầu như vậy, BMW dựa vào các giải pháp phần cứng AI tiên tiến như NVIDIA Quadro RTX 8000 và các server được trang bị RTX. Những công nghệ này giúp việc triển khai AI trở nên dễ dàng hơn và có khả năng mở rộng tốt hơn.

Năng lực tính toán ảnh hưởng đến nhiều khía cạnh trong giải pháp AI của bạn#

Ngoài việc cung cấp năng lực tính toán cho các ứng dụng AI, phần cứng AI mà bạn lựa chọn còn ảnh hưởng đến giải pháp về hiệu năng model, nhu cầu chuyển đổi model, tính linh hoạt khi triển khai và độ chính xác tổng thể. Sau khi được training và kiểm thử, các model AI thường được chuyển đổi sang một định dạng có thể chạy trên những nền tảng triển khai đã chọn.

Tuy nhiên, việc chuyển đổi model có thể dẫn đến mất độ chính xác và cần được tính đến từ trước. Các công cụ tích hợp như ONNX (Trao đổi Mạng Nơ-ron Mở) có thể cung cấp một định dạng tiêu chuẩn để triển khai model AI trên nhiều nền tảng phần cứng khác nhau. Đây cũng là lý do những model phổ biến như YOLOv8 cho phép người dùng export các model được training tùy chỉnh sang nhiều định dạng khác nhau để đáp ứng nhiều tùy chọn triển khai.

Hiệu quả năng lượng là yếu tố cốt lõi của tương lai điện toán AI#

Tác động của năng lực tính toán AI tiên tiến không chỉ giới hạn ở AI mà còn lan sang lĩnh vực năng lượng.

Hình 6. Hướng tới phần cứng AI bền vững.

Ví dụ, LLaMA-3 của Meta, một large language model (LLM) tiên tiến, được training bằng hai cụm trung tâm dữ liệu được xây dựng tùy chỉnh, mỗi cụm được trang bị 24.576 GPU NVIDIA H100. Nhờ thiết lập phần cứng mạnh mẽ này, Meta đã có thể tăng tốc độ xử lý và đạt mức giảm đáng kể 40% về mức tiêu thụ năng lượng. Vì vậy, những tiến bộ trong phần cứng AI cũng góp phần tạo nên hoạt động hiệu quả hơn về năng lượng.

Hơn nữa, mối liên hệ giữa AI và năng lượng đang nhận được nhiều sự chú ý hơn khi những người như Sam Altman bắt đầu tham gia. Altman, được biết đến với vai trò CEO của OpenAI, gần đây đã đưa công ty năng lượng hạt nhân Oklo lên sàn công chúng. Với công nghệ phân hạch hạt nhân đổi mới, Oklo hướng tới việc chuyển đổi hoạt động sản xuất năng lượng, qua đó có thể cung cấp điện cho các trung tâm dữ liệu thiết yếu đối với hoạt động của AI. Trong vài năm qua, Bill Gates, đồng sáng lập Microsoft, và Jeff Bezos, nhà sáng lập Amazon, cũng đã đầu tư vào các nhà máy điện hạt nhân.

Vượt ra ngoài mạch điện#

Nhìn về phía trước, tương lai của phần cứng AI được kỳ vọng sẽ có những bước tiến vượt bậc, đặc biệt với sự trỗi dậy của điện toán lượng tử. Các chuyên gia dự đoán rằng đến năm 2030, thị trường điện toán lượng tử có thể đạt giá trị gần 65 tỷ USD. Khi các model AI ngày càng phức tạp, phần cứng chuyên dụng trở nên rất quan trọng để khai phá toàn bộ tiềm năng của chúng. Từ các chip dành riêng cho AI đến những nghiên cứu về điện toán lượng tử, đổi mới phần cứng thúc đẩy sự phát triển của các giải pháp AI phức tạp và có tác động lớn hơn.

Bạn có thể xem repository GitHub của chúng tôi và tham gia cộng đồng để tìm hiểu thêm về AI. Hãy khám phá các bài viết blog mới nhất của chúng tôi để xem AI được ứng dụng trong nhiều lĩnh vực khác nhau như đua xe Formula One và robotics.