Microsoft có chip AI nhưng chưa đủ điện để vận hành

Microsoft đang đối mặt với một bài toán triển khai hạ tầng hơn là bài toán mua chip. Một chip AI nằm trong kho chưa tạo ra năng lực tính toán có thể bán được cho khách hàng. Nó chỉ trở nên hữu ích khi được lắp vào các trung tâm dữ liệu đã hoàn thiện, có điện, hệ thống làm mát, mạng tốc độ cao và đội ngũ vận hành phù hợp. Các báo cáo cho biết hàng nghìn chip AI tiên tiến của Microsoft đang chờ được đưa vào hoạt động vì tiến độ xây dựng trung tâm dữ liệu bị chậm lại.

Điều này biến ngân sách phần cứng rất lớn thành một con đường chậm hơn để tạo doanh thu. Nhu cầu đối với Azure được cho là đang vượt quá công suất sẵn có, trong khi nguồn điện và diện tích trung tâm dữ liệu có thể sử dụng ngay vẫn là giới hạn thực tế đối với tốc độ Microsoft đưa thêm bộ tăng tốc AI vào vận hành.

Nút thắt này ảnh hưởng thế nào đến Azure và Copilot?

Tác động trước mắt không phải là Azure OpenAI hay Copilot ngừng hoạt động. Vấn đề là Microsoft có ít dư địa hơn để tiếp nhận khách hàng mới, tăng thông lượng, mở thêm khu vực dịch vụ hoặc điều chuyển năng lực tính toán giữa các khách hàng Azure và sản phẩm nội bộ.

Với khách hàng Azure, áp lực có thể xuất hiện dưới dạng thiếu công suất ở một số khu vực, thời gian triển khai lâu hơn hoặc việc phân bổ các cấu hình cao cấp bị siết chặt. Với Microsoft, đây cũng là vấn đề tài chính: một chip tăng tốc chưa được lắp đặt không tạo ra năng lực suy luận, trong khi các tác vụ đang chạy có thể phải sử dụng phần cứng phổ thông đắt đỏ hơn.

Copilot đặc biệt nhạy cảm với sự đánh đổi này vì hiệu quả kinh tế của dịch vụ phụ thuộc vào khả năng xử lý khối lượng yêu cầu suy luận rất lớn với chi phí ổn định và có thể dự đoán. Một bộ tăng tốc hiệu quả hơn có thể cải thiện biên lợi nhuận, nhưng chỉ sau khi con chip được kết nối vào một cụm máy đang hoạt động.

Maia 200 giúp giảm chi phí, nhưng không tạo thêm điện

Maia 200 được thiết kế chủ yếu cho suy luận — giai đoạn các mô hình đã được huấn luyện tạo ra phản hồi. Microsoft cho biết chip này đạt hiệu năng FP4 và FP8 cao hơn một số bộ tăng tốc tương đương của AWS và Google. Tuy nhiên, đây là các so sánh do nhà cung cấp công bố, chưa phải kết quả benchmark độc lập trên toàn bộ quy trình.

Một số bài đưa tin khác ước tính chi phí vận hành Maia 200 thấp hơn khoảng 30% đến 40% so với phần cứng Nvidia hàng đầu khi chạy các tác vụ của Microsoft và OpenAI. Con số này vẫn chỉ là ước tính được đưa tin, không phải mức bảo đảm cho mọi mô hình, phần mềm hay mức độ sử dụng.

Về chiến lược, logic của Microsoft khá rõ ràng: nếu Maia hoạt động đúng như kỳ vọng ở quy mô sản xuất, công ty có thể giảm phụ thuộc vào Nvidia trong một số tác vụ suy luận, đồng thời cải thiện cấu trúc chi phí của Copilot và Azure OpenAI. Nhưng chip tùy biến không loại bỏ những yêu cầu vật lý đi kèm. Maia vẫn cần bộ nhớ băng thông cao, đóng gói bán dẫn, kết nối mạng, giá đỡ máy chủ, hệ thống làm mát và nguồn điện đủ công suất.

Nói cách khác, Maia có thể cải thiện hiệu quả kinh tế của một trung tâm dữ liệu đang vận hành. Nó không thể khiến một trung tâm dữ liệu chưa hoàn thiện hoặc chưa được cấp điện hoạt động ngay.

Maia 300 là canh bạc về quy mô, chưa phải công suất đã triển khai

Reuters đưa tin Microsoft có kế hoạch giới thiệu Maia 300 sớm nhất vào mùa thu này và đang thảo luận với TSMC về năng lực sản xuất hơn 300.000 chip để giao trong năm 2027. Bài báo cũng đề cập tham vọng dài hạn vượt quá một triệu chip.

Các con số này nên được xem là kế hoạch đang đàm phán, không phải lô hàng đã được xác nhận. Microsoft phản đối những con số được đưa tin. Ngay cả khi đặt được năng lực tại xưởng đúc, Microsoft vẫn phải bảo đảm bộ nhớ và các linh kiện khác, tích hợp thành hệ thống hoàn chỉnh rồi lắp đặt chúng tại các cơ sở có đủ điện.

Nếu kế hoạch mở rộng thành hiện thực, Maia 300 có thể đưa chương trình chip tùy biến của Microsoft từ một dự án nội bộ tương đối giới hạn thành một nguồn năng lực suy luận thay thế đáng kể. Thành công của chương trình sẽ phụ thuộc vào trình tự thực hiện: sản xuất, tích hợp hệ thống và khả năng sẵn sàng của trung tâm dữ liệu phải đến cùng nhau.

AWS và Google đang có lợi thế triển khai

AWS sở hữu hệ sinh thái bộ tăng tốc tùy biến trưởng thành hơn. Amazon cho biết 1,4 triệu chip Trainium thuộc ba thế hệ đã được triển khai, trong đó hơn một triệu chip Trainium2 được Anthropic sử dụng cho Claude, theo TechCrunch. AWS cũng vận hành Inferentia như một dòng chip riêng tập trung vào suy luận, qua đó tích lũy kinh nghiệm ở cả tác vụ huấn luyện lẫn phục vụ mô hình.

Chương trình TPU của Google có lịch sử sản xuất lâu hơn nữa. Kiến trúc Ironwood được mô tả là có thể mở rộng thành các pod gồm 9.216 chip. Một số báo cáo khác nói Anthropic có thể tiếp cận tới một triệu TPU của Google, nhưng đây là cam kết về năng lực truy cập và không nên được xem như phép so sánh chính xác với số chip đang thực sự lắp đặt.

Hiện không có bảng xếp hạng công khai, hoàn toàn tương đồng giữa tổng số chip AI của Microsoft với AWS và Google. Các công ty tính khác nhau về thế hệ chip, loại tác vụ, mô hình sở hữu cũng như ý nghĩa của các thuật ngữ như “đã lắp đặt”, “đã triển khai” hay “đã cam kết”. Kết luận thận trọng hơn là AWS và Google dường như đang dẫn trước về kinh nghiệm vận hành và triển khai silicon tùy biến ở quy mô lớn, còn Microsoft đang tìm cách thu hẹp khoảng cách bằng Maia.

Vì sao tình trạng thiếu hụt trên toàn ngành có thể kéo dài khoảng cách?

Microsoft không phải công ty duy nhất gặp những giới hạn này. Một báo cáo được Ars Technica tóm lược cho biết khoảng 40% dự án trung tâm dữ liệu tại Mỹ dự kiến hoàn thành trong năm 2026 có nguy cơ chậm tiến độ, do thiếu nhân lực, điện, vật liệu và gặp khó khăn trong thủ tục cấp phép.

Bộ nhớ cũng là một điểm nghẽn. Các dự báo trong ngành cho rằng trung tâm dữ liệu có thể tiêu thụ hơn 70% sản lượng bộ nhớ cao cấp trong năm 2026, trong khi một lãnh đạo Synopsys nhận định tình trạng thiếu hụt chất bán dẫn có thể tiếp tục đến năm 2027. Điều này có thể làm tăng chi phí và kéo dài thời gian chờ đối với các ngành khác, dù mức ảnh hưởng còn tùy loại bộ nhớ, nhà cung cấp và điều khoản hợp đồng.

Những điều kiện đó có thể nới rộng khoảng cách giữa công suất AI trên kế hoạch và công suất AI thực sự sử dụng được. Các công ty đã có sẵn cơ sở được cấp điện, cam kết sớm với nhà cung cấp điện, chuỗi cung ứng trưởng thành và các cụm máy lớn đang vận hành sẽ tiếp tục bổ sung tác vụ, trong khi các cơ sở mới phải chờ máy biến áp, hệ thống làm mát, nhân công lành nghề hoặc kết nối vào lưới điện.

Đánh giá chiến lược

Các trì hoãn trung tâm dữ liệu không khiến chiến lược AI của Microsoft mất cơ sở, nhưng cho thấy chiến lược này phụ thuộc rất lớn vào thứ tự thực hiện. Microsoft có thể mua bộ tăng tốc, tự thiết kế chip Maia và ký thỏa thuận sản xuất; không bước nào trong số đó tự động tạo ra năng lực tính toán phục vụ khách hàng.

Rủi ro trước mắt là tốc độ mở rộng công suất Azure chậm hơn và chi phí suy luận biên cao hơn đối với các sản phẩm như Copilot và Azure OpenAI. Rủi ro cạnh tranh nằm ở khả năng AWS và Google tận dụng các hệ thống silicon tùy biến đã triển khai để cải thiện giá, độ sẵn có và mức độ quen thuộc của nhà phát triển trước khi làn sóng trung tâm dữ liệu và chip Maia tiếp theo của Microsoft đi vào vận hành.

Maia 200 có thể giúp Microsoft giảm chi phí khi được triển khai ở quy mô lớn. Maia 300 có thể đa dạng hóa nguồn cung vào năm 2027 nếu kế hoạch sản xuất được đưa tin trở thành hiện thực. Nhưng cho đến lúc đó, thách thức hạ tầng AI cốt lõi của Microsoft vẫn rất đơn giản mà khó giải quyết: biến những con chip đã mua và các kế hoạch đầy tham vọng thành năng lực tính toán được cấp điện, sẵn sàng phục vụ sản xuất.