NVIDIA 5 triệu đô la tạo sóng! CUDA bảo vệ thành trì khóa chặt các công ty AI toàn cầu không ai có thể thoát.

Ngày 30 tháng 10, vốn hóa thị trường của Nvidia vượt 5 nghìn tỷ đô la, trở thành công ty duy nhất trên thế giới đạt được cột mốc này. Tuy nhiên, bên cạnh sự chấn động, một sự nhầm lẫn lớn đã xảy ra: Nếu ngành công nghiệp chip AI kiếm được nhiều tiền như vậy, tại sao chỉ thấy Nvidia đang kiếm tiền? Câu trả lời nằm ở hàng rào mà Nvidia đã xây dựng trong gần 20 năm — CUDA, kiến trúc thiết bị tính toán thống nhất này đã khóa chặt hơn 4,5 triệu nhà phát triển trên toàn cầu.

Đối thủ của Nvidia đều là những cao thủ hàng đầu, tại sao vẫn không ai có thể địch lại

NVIDIA thực sự có đối thủ không? Có. Rất nhiều. Hơn nữa, mỗi người đều là những cao thủ hàng đầu. Nhìn ra xung quanh, chúng ta ít nhất có thể đếm được ba “đối thủ” nặng ký. Ví dụ, AMD. Nó và NVIDIA trong lĩnh vực bán dẫn, là đối thủ lâu năm hàng chục năm. Về công nghệ, về kinh nghiệm, đều tuyệt đối là những người có đủ tư cách để so tài với NVIDIA. Ví dụ, Intel. Nó là “bá chủ chip” đã từng. Khả năng sản xuất mạnh, cơ sở khách hàng lớn. Ví dụ, Google. Nó hầu như có nguồn lực vô hạn, và đội ngũ AI hàng đầu thế giới. Hơn nữa, còn đang nghiên cứu phát triển chip AI chuyên dụng của riêng mình.

Bạn thấy đấy, ba ông lớn này, ai mà không nổi danh toàn cầu? Nhưng điều này cũng khiến vấn đề trở nên sắc bén hơn: trên bàn cược rõ ràng đều là cao thủ, nhưng dường như tất cả các chip lại nằm trong tay một người chơi. Rốt cuộc là vì sao?

Trước tiên, hãy nói về câu trả lời, vì NVIDIA đã sử dụng một hệ thống với “chi phí chuyển đổi” cực kỳ cao, giữ chặt khách hàng của mình. Bạn có thể nói, đó là vì chip của NVIDIA, nhanh nhất và tốt nhất. Nhưng thực tế, câu trả lời này không đủ nghiêm túc. Hãy tưởng tượng một cảnh như thế này: CEO của AMD, Lisa Su, bước vào văn phòng của OpenAI, đưa ra một đề xuất rất hấp dẫn cho CEO Sam Altman. AMD có chip GPU hoàn toàn mới, hiệu suất cao hơn 30% so với B200 của NVIDIA, và giá chỉ bằng một nửa.

Nếu bây giờ bạn là Sam Altman, bạn sẽ ký vào “đơn hàng” này hay không? Để tôi đoán, có khả năng lớn là Sam Altman sẽ không ký. Ít nhất ông ấy sẽ rất rất do dự. Tại sao vậy? Một lựa chọn rẻ hơn và hiệu quả hơn đang ở trước mắt, mà sao không khiến ông ấy động lòng? Bởi vì giá chỉ là một phần nhỏ trong toàn bộ quy trình. Trong đầu tư công nghệ thương mại, cần xem xét từ khung TCO (tổng chi phí sở hữu). Không chỉ bao gồm giá niêm yết trực tiếp nhất, mà còn có nhiều chi phí gián tiếp và ẩn giấu khác.

chi phí di chuyển lên đến hàng tỷ đô la của nhà tù vô hình

Giả sử, nếu OpenAI thực sự chuyển từ NVIDIA sang AMD, điều gì sẽ xảy ra? Nói thẳng ra kết luận, chi phí nhân lực chính, chi phí di chuyển mã, chi phí vận hành, và chi phí cơ hội sẽ tăng lên đáng kể. Và bất kỳ sự thay đổi nào cũng có thể quyết định trực tiếp đến sự sống còn.

Bạn nghĩ xem, nếu đổi nền tảng, thì hàng nghìn kỹ sư hàng đầu sẽ ra sao? Kinh nghiệm trong hơn mười năm qua của họ, chẳng lẽ phải xóa sạch trong một đêm, học lại từ đầu sao? Đó sẽ là một khoản chi phí đào tạo khổng lồ! Còn hàng triệu dòng mã chương trình thì sao? Đó không phải là việc đơn giản như “sao chép và dán” đâu. Điều này giống như bạn phải trồng cây vải từ miền Nam ở miền Bắc. Không chỉ là đào lên và mang đi, mà còn cần phải nghiên cứu, thử nghiệm rất nhiều, tốn rất nhiều thời gian. AI cũng vậy, cuối cùng có thành công hay không, vẫn còn chưa chắc chắn.

Ngoài ra, trong thời gian chuyển đổi nền tảng, có nghĩa là phải đồng thời vận hành và bảo trì hai nền tảng hoàn toàn khác nhau. Chi phí trong đó rất có thể sẽ tăng gấp đôi. Điều nghiêm trọng nhất, cũng là rủi ro lớn nhất, là chi phí cơ hội quá cao. Trong lĩnh vực AI, từng giây từng phút đều quý giá. Nếu vì đổi nền tảng mà dẫn đến chậm trễ trong nghiên cứu phát triển, hoặc mô hình bị phát hành muộn vài tháng. Thì rất có thể, từ một nhà lãnh đạo ngành sẽ trở thành người đi sau.

Danh sách chi phí ẩn khi chuyển đổi nền tảng OpenAI

Chi phí nhân lực: Một nghìn kỹ sư được đào tạo lại, kinh nghiệm bằng không, chi phí thời gian kéo dài nhiều năm

Di chuyển mã: Hàng triệu dòng mã CUDA cần phải được viết lại, việc kiểm tra và xác nhận tốn thời gian và công sức.

Bảo trì hai nền tảng: Trong thời gian di chuyển, vận hành đồng thời hai hệ thống, chi phí gấp đôi.

Chi phí cơ hội: Tiến độ nghiên cứu và phát triển chậm hơn đối thủ cạnh tranh, có thể từ người dẫn đầu trở thành người theo sau.

Chi phí rủi ro: Việc di chuyển thất bại có thể dẫn đến hiệu suất mô hình giảm, tác động thương mại khó có thể ước lượng.

Vì vậy, sau khi cộng tất cả các chi phí trực tiếp và gián tiếp lại, đã đạt được kết quả “khóa nhà cung cấp”. Nói thẳng ra, đó là tôi từ phần mềm đến phần cứng, hoàn toàn gắn bó chặt chẽ với bạn. Nhìn dài hạn, đây lại là giải pháp tối ưu cho các công ty AI, vì họ không phải lo lắng về phần cứng trong thời gian hợp đồng tương lai. Bây giờ, quay lại nhìn đơn hàng của AMD với “hiệu suất cao hơn 30%, rẻ hơn một nửa”, còn thấy hấp dẫn không? Câu trả lời là không. Số tiền hàng triệu đô la tiết kiệm được từ phần cứng là không đáng kể so với chi phí di chuyển có thể lên đến hàng tỷ đô la và các rủi ro chiến lược tiềm ẩn.

Windows của thời đại AI hệ sinh thái CUDA

（Nguồn：X）

Đến đây, bạn nên nhận ra rằng cái mà NVIDIA thực sự giữ chân khách hàng không phải là phần cứng của họ. Mà là một “chuồng” vô hình. Đó chính là CUDA, được gọi là “hồ nước của NVIDIA”. CUDA có tên đầy đủ là Compute Unified Device Architecture (Kiến trúc thiết bị tính toán thống nhất). Nói một cách đơn giản, nó là một bộ công cụ lập trình giúp lập trình viên sử dụng GPU của NVIDIA tốt hơn.

Nếu nói rằng GPU của NVIDIA là “máy tính chủ” trong kỷ nguyên AI. Vậy thì, CUDA chính là “hệ điều hành Windows” trong kỷ nguyên AI. Hãy nghĩ xem, tại sao trong vài thập kỷ qua, một công nghệ có thể tốt hơn và miễn phí như Linux, vẫn không thể làm rung chuyển vị trí thống trị của Windows trên thị trường máy tính cá nhân? Câu trả lời không phải nằm ở chính hệ thống, mà là ở hệ sinh thái.

Bởi vì hệ sinh thái ứng dụng khổng lồ trên Windows quá mạnh mẽ. Từ Office của Microsoft, đến Adobe, rồi đến các phần mềm chuyên ngành khác, tất cả đều gắn liền với toàn bộ hệ sinh thái. Hãy tưởng tượng một công ty cần sử dụng nhiều phần mềm chuyên nghiệp, họ sẽ chọn như thế nào giữa việc mua giấy phép Windows và chi phí đào tạo lại nhân viên? Câu trả lời, không cần phải nói.

CUDA, chính là như vậy, nó có một hệ sinh thái ứng dụng vô cùng khổng lồ. Đối với nhiều doanh nghiệp và cá nhân, đây là lựa chọn bắt buộc. Có thống kê cho thấy, đến nay, trên toàn cầu đã có hơn 4,5 triệu nhà phát triển đang sử dụng CUDA để phát triển. Và vào năm 2020, con số này chỉ là 1,8 triệu. Số lượng tải xuống bộ công cụ CUDA hàng tháng đạt tới hàng trăm nghìn lần.

20 năm đánh bạc từ không ai xem trọng đến không thể thay thế

Năm 2006, CUDA ra đời nhưng không ai để ý, cả Silicon Valley và Phố Wall đều không lạc quan. Đến năm 2008, do ảnh hưởng của cuộc khủng hoảng tài chính, giá cổ phiếu của NVIDIA đã từng giảm mạnh hơn 80%, vốn hóa thị trường khoảng 4 tỷ đô la. Ngay cả trong nội bộ NVIDIA, cũng có sự bất đồng về tương lai của CUDA. Đồng thời, chi phí phát triển CUDA cũng rất lớn. GPU đầu tiên hỗ trợ CUDA của NVIDIA là G80. Để phát triển chip này, NVIDIA đã mất trọn 4 năm, với chi phí lên đến 475 triệu đô la, chiếm một phần ba ngân sách nghiên cứu và phát triển tổng cộng trong 4 năm đó.

Lúc đó, thực sự là lúc sống còn. Phải làm sao? Huang Renxun đã nghĩ ra một cách: đổ tiền. Điểm chính là đổ tiền vào các trường học và các tổ chức nghiên cứu. Ông đã khiến CUDA vào các trường đại học thông qua việc quyên góp tiền và thiết bị, nhằm đào tạo người dùng trong lĩnh vực giáo dục và nghiên cứu. Ngoài ra, trên toàn cầu cũng thiết lập nhiều trung tâm nghiên cứu phát triển CUDA, trung tâm giảng dạy, mở các khóa học giảng dạy, v.v. Lúc đó, mỗi năm chi phí nghiên cứu phát triển cho CUDA lên đến 500 triệu đô la.

Mặc dù đã tiêu tốn rất nhiều nhân lực, vật lực và tài lực, CUDA trong một thời gian dài không được đánh giá cao. Đầu năm 2013, nhiều nhà phân tích đầu tư cho rằng chỉ có từ bỏ CUDA, quay về với lĩnh vực game PC cốt lõi, giá cổ phiếu của NVIDIA mới có thể tăng. Thậm chí, có người đã nghi ngờ rằng CEO Huang Renxun có còn làm được nữa không. Nhưng giờ đây, CUDA của NVIDIA chính là một canh bạc. Hơn nữa, ông ấy đã cược đúng.

Tại sao CUDA từ chỗ không ai chú ý, lại trở thành hàng hot? Bởi vì các sinh viên tốt nghiệp đã học CUDA vào làm việc tại các công ty công nghệ, tài nguyên cộng đồng và kho mã của CUDA ngày càng phong phú. Đến năm 2015, trên toàn cầu đã có 800 trường đại học mở khóa học CUDA. Theo thời gian, các trường hợp sử dụng CUDA đã từ đại học lan rộng ra các lĩnh vực như y tế, thương mại và nhiều lĩnh vực khác. Còn về việc “nắm tay” với lĩnh vực trí tuệ nhân tạo, có thể nói, hoàn toàn là “trùng hợp”.

Năm 2012, trong một cuộc thi nhận diện hình ảnh AI toàn cầu do Đại học Stanford khởi xướng, một nhóm ba người từ Đại học Toronto đã nộp một mạng nơ-ron AI mang tên AlexNet và giành chiến thắng. Hơn nữa, độ chính xác cao hơn 41% so với vị trí thứ hai. Họ đã làm như thế nào? Nhóm cho biết họ đã sử dụng 2 GPU NVIDIA GTX 580, và họ cũng là đội duy nhất trong toàn bộ cuộc thi sử dụng CUDA để đào tạo mạng nơ-ron.

Lúc đó, Google cũng chú ý đến đội ngũ này. Họ phát hiện rằng, AlexNet trước đó chỉ sử dụng hai card đồ họa GPU, hiệu quả đạt được gần như tương đương với việc Google sử dụng 16000 CPU để đào tạo. Rất nhanh chóng, toàn ngành công nghiệp nhận ra rằng GPU là phần cứng tốt nhất hỗ trợ AI. Và Nvidia, rất có thể sẽ trở thành chìa khóa cho sự phát triển của AI.

Cuộc đấu tranh của đối thủ: AMD mã nguồn mở, Intel phân khúc, Google tự phát triển

Một khi hiểu về CUDA, khi nhìn vào những đối thủ cạnh tranh của Nvidia, bạn sẽ nhận ra rằng mỗi bước của họ đều bị Nvidia kiềm chế chặt chẽ. Ví dụ như AMD, họ chọn hướng mở nguồn. Họ đã phát triển một nền tảng mã nguồn mở mang tên ROCm, với mục tiêu thay thế CUDA. Tuy nhiên, nó giống như “Linux của thời đại AI”, miễn phí, mã nguồn mở, có tiềm năng kỹ thuật, rẻ hơn. Nhưng đối với người dùng, chi phí chuyển đổi quá cao.

Ví dụ như Intel, họ chọn cách phân khúc thị trường. Intel rất thông minh khi thẳng thắn thừa nhận Nvidia đang dẫn đầu xa trong thị trường AI cao cấp. Vì vậy, Intel đã định vị dòng chip Gaudi của mình ở thị trường ngách cho suy diễn cấp doanh nghiệp và đào tạo mô hình nhỏ và vừa. Nhưng điều này cũng có nghĩa là Intel đã từ bỏ phần có lợi nhuận cao nhất trong thị trường chip AI.

Ví dụ như Google, họ chọn cách đối đầu trực diện. Investopedia đã từng báo cáo rằng biên lợi nhuận gộp của Nvidia trong việc bán GPU khoảng 80%, trong ngành gọi đó là “thuế Nvidia”. Để không phải trả mức giá cao, Google bắt đầu tự phát triển từ năm 2015, sử dụng nội bộ một hệ sinh thái tính toán có tên là TPU. So với đó, TPU được liên kết sâu với nền tảng nội bộ của Google, không ảnh hưởng đến vị thế của Nvidia.

Vì vậy bạn thấy đó, những đối thủ khổng lồ không chỉ đơn giản là cạnh tranh về hiệu suất, mà còn là cạnh tranh về chiến lược. Tất cả đều đang tìm cách vượt qua CUDA, vượt qua NVIDIA. Nhưng ít nhất hiện tại, không ai có thể lay chuyển. Tất cả các thách thức đều đang đi vòng quanh ngọn núi, điều này tự nó, chính là thể hiện sự tôn kính cao nhất đối với ngọn núi khó leo này.

Gợi ý cho các doanh nhân: Hào thành không thể thay thế

NVIDIA từ chỗ không ai đánh giá cao, đã đi đến ngày hôm nay với sự chú ý của mọi người. Suốt chặng đường này, thật sự khiến người ta vô cùng ấn tượng. Trên mạng có người bày tỏ lo ngại: NVIDIA tăng cao như vậy, quá phô trương, liệu có phải là một bong bóng không? Liệu có phải là một Cisco thứ hai. Vào thời kỳ bong bóng internet năm 2000, Cisco khi đó là nhà cung cấp phần cứng mạng, ở thời điểm cao nhất, định giá vượt quá 150 lần P/E kỳ vọng. Nhưng sau khi bong bóng vỡ, đã rơi xuống thảm hại.

Trên thực tế, họ có sự khác biệt cơ bản. Cisco đối mặt với thị trường xây dựng “một lần”. Khi internet ban đầu hoàn tất việc “lắp đặt đường ống”, sự phát triển của Cisco tự nhiên dừng lại. Trong khi đó, NVIDIA đối mặt với một thị trường đang không ngừng phát triển. Ít nhất là ở thời điểm hiện tại, AI vẫn đang phát triển, vì vậy cuộc “chạy đua vũ trang” này vẫn chưa thấy điểm dừng. Quan trọng hơn, khách hàng của NVIDIA là những gã khổng lồ không thiếu tiền nhất thế giới như Microsoft, Google, Meta. Đối với họ, việc mua chip của NVIDIA không phải là một sự lựa chọn, mà là một điều cần thiết để tồn tại trong kỷ nguyên AI.

Tất nhiên, không ai có thể đoán trước điều gì sẽ xảy ra trong tương lai. Có thể một ngày nào đó, một thuật toán mới bất ngờ xuất hiện, có thể khiến GPU trở nên không quan trọng, và thay đổi toàn bộ quy tắc trò chơi. Nhưng ít nhất trong thời điểm hiện tại, chúng ta có thể học được một bài học rất quan trọng từ NVIDIA. Hào quang của bạn là gì? Không phải là buồn phiền, “Sản phẩm của tôi có tốt hơn, nhanh hơn, rẻ hơn đối thủ không?” mà là phải hỏi: “Sản phẩm của tôi có một hệ sinh thái mà khách hàng không thể rời bỏ không?”

Thực ra, 5 nghìn tỷ đô la vốn hóa thị trường của Nvidia chính là câu trả lời rõ ràng nhất cho vấn đề này. Nó chứng minh rằng trong thế giới kinh doanh, logic cốt lõi đơn giản và quan trọng nhất. Hàng rào bảo vệ sâu nhất không phải được xây dựng từ giá cả và hiệu suất, mà là khiến bạn trở nên không thể thay thế.