Meta đang thực hiện một bước đi quan trọng nhằm giảm sự phụ thuộc vào Nvidia bằng cách phát triển dòng chip AI của riêng mình. Động thái này không chỉ giúp công ty tiết kiệm chi phí mà còn là một phần trong cuộc đua AI ngày càng khốc liệt giữa các gã khổng lồ công nghệ.
Nvidia hiện đang thống trị thị trường chip AI với các GPU như H100 và B200, những sản phẩm không chỉ có hiệu suất mạnh mẽ mà còn được hỗ trợ bởi nền tảng phần mềm CUDA, gần như độc quyền trong giới machine learning. Việc Meta muốn tự chủ phần cứng AI là điều dễ hiểu, nhưng câu hỏi đặt ra là liệu họ có thể tạo ra một sản phẩm cạnh tranh với Nvidia hay không.
Dòng chip mới của Meta, thuộc dòng Training and Inference Accelerator (MTIA), đang được sản xuất bởi TSMC, nhà sản xuất bán dẫn lớn nhất thế giới. Công ty đã hoàn thành giai đoạn tape-out, một bước quan trọng trong quá trình phát triển chip, nhưng vẫn còn một chặng đường dài để sản phẩm này có thể được thương mại hóa rộng rãi. Nếu mọi thứ suôn sẻ, Meta đặt mục tiêu đưa chip này vào hệ thống đào tạo AI vào năm 2026, đánh dấu bước chuyển mình lớn trong chiến lược phần cứng của công ty.
Lý do chính khiến Meta đầu tư mạnh vào sản xuất chip AI nằm ở chi phí và quyền kiểm soát. Hiện tại, công ty chi hàng tỷ USD mỗi năm để mua GPU từ Nvidia nhằm phục vụ các mô hình AI như Llama cũng như các hệ thống gợi ý nội dung trên Facebook và Instagram. Nếu phát triển thành công chip AI nội bộ, Meta có thể giảm đáng kể chi phí vận hành, tăng hiệu suất và tối ưu hóa phần cứng cho các tác vụ cụ thể của họ. Việc sở hữu phần cứng riêng cũng giúp Meta tránh được những rủi ro về nguồn cung, đặc biệt khi thị trường chip đang khan hiếm và các lệnh cấm vận công nghệ của Mỹ đối với Trung Quốc ngày càng thắt chặt.
Dù tiềm năng rất lớn, việc phát triển chip AI không hề dễ dàng. Meta không phải là một công ty chuyên về phần cứng như Nvidia hay AMD và sẽ đối mặt với nhiều thách thức kỹ thuật. Công ty thiếu kinh nghiệm trong việc sản xuất chip AI hiệu suất cao, trong khi Nvidia đã xây dựng một hệ sinh thái phần mềm mạnh mẽ như CUDA, TensorRT và cuDNN. Meta sẽ phải xây dựng hoặc thích ứng các công cụ của riêng mình để đạt được hiệu quả tương tự. Nếu chip AI không đạt được hiệu suất mong muốn, họ sẽ phải điều chỉnh thiết kế và sản xuất lại, dẫn đến thời gian triển khai kéo dài, trong khi Nvidia vẫn tiếp tục cải tiến sản phẩm của họ.
Mặc dù Meta và nhiều công ty khác đang tìm cách tự chủ phần cứng AI, nhưng Nvidia vẫn có nhiều lợi thế. GPU của Nvidia vẫn là lựa chọn số một cho việc đào tạo AI và phần lớn các mô hình AI lớn trên thế giới hiện nay đều chạy trên nền tảng CUDA của họ. Ngay cả khi Meta thành công, họ vẫn có thể cần đến Nvidia cho những tác vụ đòi hỏi hiệu suất cao.
Cuộc đua AI không chỉ xoay quanh phần mềm và dữ liệu mà còn là cuộc chiến về phần cứng. Google có TPU, Amazon có Trainium, Microsoft hợp tác với AMD, và giờ đây Meta cũng tham gia với MTIA. Nếu Meta thành công, đây có thể là bước ngoặt lớn trong ngành AI, mở ra kỷ nguyên mà các công ty Big Tech không còn phụ thuộc quá nhiều vào Nvidia. Nhưng nếu thất bại, họ sẽ tiếp tục là khách hàng lớn của Nvidia với chi phí đắt đỏ hơn bao giờ hết. Dù thế nào đi nữa, rõ ràng cuộc chiến giành quyền kiểm soát AI sẽ không sớm hạ nhiệt.
