Nvidia đang mở rộng lợi thế cạnh tranh trong lĩnh vực AI từ hiệu năng và nguồn cung GPU sang khả năng thiết kế, tích hợp và vận hành toàn bộ hệ thống trung tâm dữ liệu. Khi hạ tầng AI tiến lên quy mô gigawatt, yếu tố quyết định hiệu suất và chi phí không còn chỉ là GPU mạnh đến đâu, mà là dữ liệu được đưa tới bộ xử lý nhanh và hiệu quả như thế nào thông qua bộ nhớ, lưu trữ và mạng.

Theo TechCrunch ngày 29/8 (giờ địa phương), sau báo cáo kết quả kinh doanh gần đây, giới đầu tư ngày càng nhìn rõ hơn rằng lợi thế của Nvidia không còn nằm riêng ở khả năng cung ứng GPU.

Trước đó, thế mạnh cốt lõi của Nvidia là vị thế gần như độc quyền trong việc cung cấp GPU tiên tiến ở giai đoạn đầu của làn sóng AI, qua đó thu về mức lợi nhuận lớn. Tuy nhiên, khi các hyperscaler như Amazon và Google bắt đầu phát triển chip AI riêng, thị trường cũng gia tăng lo ngại về việc lợi thế này của Nvidia có thể kéo dài đến đâu.

Sau khi vốn hóa Nvidia tăng gần 10 lần từ đầu năm 2023 đến giữa năm 2025, đà tăng của cổ phiếu trong khoảng một năm trở lại đây đã chậm lại đáng kể. Theo bài viết, một phần nguyên nhân đến từ áp lực cạnh tranh ngày càng lớn.

Dù vậy, khi quy mô tính toán AI tiếp tục mở rộng, bản chất của cuộc cạnh tranh cũng thay đổi. Để vận hành một trung tâm dữ liệu AI quy mô lớn với hiệu suất cao, việc chỉ nâng sức mạnh tính toán của GPU là chưa đủ. Doanh nghiệp còn phải tối ưu cách kết nối bộ nhớ, thiết bị lưu trữ, mạng và luồng dữ liệu để dữ liệu đến GPU đúng lúc, đúng khối lượng cần thiết.

Trong bối cảnh đó, Nvidia đang đẩy mạnh chiến lược xây dựng đồng bộ phần cứng và các lớp hạ tầng cốt lõi cho trung tâm dữ liệu, thay vì chỉ tập trung vào GPU.

Ví dụ điển hình là kiến trúc thế hệ mới Vera Rubin. Nvidia giới thiệu một cấu hình hệ thống kết hợp GPU Rubin với CPU Vera, cùng bộ tăng tốc suy luận, thiết bị lưu trữ và rack mạng trong một nền tảng thống nhất.

Trọng tâm của cách tiếp cận này không chỉ là bổ sung thêm năng lực tính toán. Mục tiêu lớn hơn là giảm những thời điểm GPU không thể phát huy tối đa hiệu năng do thiếu dữ liệu hoặc nghẽn mạng, từ đó nâng hiệu quả vận hành của toàn bộ trung tâm dữ liệu.

Đáng chú ý, CPU Vera được định vị như một thành phần giúp giảm nút thắt trong điều phối dữ liệu. Jason Hardy, Phó chủ tịch phụ trách công nghệ lưu trữ của Nvidia, cho biết bộ nhớ luôn bị giới hạn về mặt vật lý về lượng có thể gắn trên một máy chủ hoặc một nền tảng tính toán. Theo ông, ngay cả khi năng lực tính toán và dung lượng bộ nhớ của trung tâm dữ liệu cùng tăng, hệ thống vẫn có thể hoạt động kém hiệu quả nếu không đưa được dữ liệu cần thiết tới GPU kịp thời.

Hardy cho biết CPU Vera có thể mang lại mức cải thiện tới 3 lần trong một số tác vụ tăng tốc. Nhờ đó, hiệu năng của lưu trữ flash có thể được khai thác tốt hơn mà không bị nghẽn ở các khâu trung gian.

Trong bối cảnh các doanh nghiệp cung cấp dịch vụ AI tìm cách tăng số token xử lý trên mỗi đơn vị điện năng, đồng thời giảm chi phí vận hành, năng lực điều phối luồng dữ liệu như vậy có thể trở thành một lợi thế cạnh tranh quan trọng.

Xu hướng này cũng xuất hiện ở các công ty AI khác. Đầu tháng này, OpenAI cho biết trên blog rằng chip “Jalapeno” do hãng tự thiết kế tập trung vào việc giảm di chuyển dữ liệu và độ trễ truyền thông. Theo OpenAI, thiết kế này xử lý tác vụ trong một hệ thống tích hợp, kết nối chặt chẽ nhằm giảm tối đa việc truyền dữ liệu, đồng thời duy trì tốc độ và hiệu quả xử lý yêu cầu.

Hai công ty đang theo đuổi hai hướng tiếp cận khác nhau. Nếu OpenAI tìm cách giảm bản thân việc di chuyển dữ liệu bằng cách xử lý tác vụ trong một chip tích hợp, thì Nvidia lại nghiêng về phương án điều phối toàn bộ hệ thống gồm GPU, CPU, lưu trữ và mạng để nâng hiệu suất tổng thể.

Dù vậy, điểm chung là ngày càng rõ ràng: khi hạ tầng AI mở rộng lên quy mô lớn, khả năng di chuyển dữ liệu nhanh và hiệu quả đang trở nên quan trọng hơn so với việc chỉ tăng năng lực tính toán của bộ xử lý.

Điều đó cũng cho thấy cạnh tranh trong ngành bán dẫn AI đang dịch chuyển từ so sánh hiệu năng GPU đơn lẻ sang so tài về năng lực thiết kế hệ thống cho toàn bộ trung tâm dữ liệu.

Nvidia được dự báo sẽ tiếp tục đối mặt với sức ép từ các hyperscaler tự phát triển chip AI và từ các hãng bán dẫn đối thủ. Tuy nhiên, ở giai đoạn đầu của cuộc đua hạ tầng AI, biến số quan trọng hơn dường như nằm ở khả năng vận hành hiệu quả toàn bộ trung tâm dữ liệu, thay vì chỉ tạo ra một GPU đủ sức đối đầu với Nvidia.

Việc Nvidia có thể chuyển mình từ một công ty GPU thành một doanh nghiệp hệ thống, kết nối tính toán, bộ nhớ, lưu trữ và mạng thành một khối thống nhất, sẽ là yếu tố then chốt định hình cục diện cạnh tranh của thị trường hạ tầng AI trong thời gian tới.