Chip AI Mỹ vs Trung Quốc: Ai đang dẫn đầu cuộc đua phần cứng trí tuệ nhân tạo?

Kiến trúc và hiệu năng tính toán

Các bộ gia tốc AI của Mỹ hiện vẫn có lợi thế rõ rệt về thông số tính toán cao cấp.

• AMD MI325X đạt khoảng 1.3 PFLOPS FP16, một mức hiệu năng rất cao cho huấn luyện mô hình AI lớn.
• Google TPU v6e cung cấp 918 TFLOPs bf16 mỗi chip, được tối ưu cho tensor operations trong AI.

Trong khi đó, các chip Trung Quốc đang thu hẹp khoảng cách.

• Huawei Ascend 910C được ước tính đạt khoảng 800 TFLOPS FP16 với cấu trúc chiplet gồm hai die.
• Biren BR100 có thể đạt 256 TFLOPS FP32 và khoảng 2.048 TOPS INT8 cho các tác vụ AI và HPC.
• Cambricon MLU370‑X8 cung cấp 256 TOPS INT8 và 96 TFLOPS FP16 cho cả huấn luyện và suy luận.

Bộ nhớ và băng thông

Các mô hình AI hiện đại phụ thuộc rất nhiều vào HBM (High Bandwidth Memory) để xử lý tensor kích thước lớn.

Một số điểm đáng chú ý:

• AMD MI325X có 256GB HBM3E và băng thông khoảng 6 TB/s, nằm trong nhóm cao nhất của ngành.
• TPU v6e sử dụng 32GB HBM với băng thông ~1.6 TB/s, nhưng được thiết kế để chạy theo cụm lớn.
• Huawei Ascend 910C đạt khoảng 3.2 TB/s băng thông bộ nhớ.
• Biren BR100 có 64GB HBM2E và khoảng 2.3 TB/s băng thông.

Băng thông cao đặc biệt quan trọng cho các phép toán ma trận trong huấn luyện LLM.

Kết nối và mở rộng cụm AI

Trong thực tế, các mô hình AI lớn không chạy trên một chip mà trên hàng trăm hoặc hàng nghìn accelerator.

• Google TPU v6e sử dụng mạng ICI (Inter‑Chip Interconnect) để tạo cụm TPU pod tối đa 256 chip.
• Cambricon MLU370‑X8 dùng MLU‑Link với băng thông khoảng 200GB/s giữa các card.
• Biren BR100 cũng hỗ trợ kết nối GPU‑to‑GPU tốc độ cao cho các cluster AI.

Điều này cho thấy kiến trúc hệ thống và mạng liên kết ngày càng quan trọng ngang với hiệu năng của từng chip riêng lẻ.

Công nghệ sản xuất và chuỗi cung ứng

Khả năng sản xuất bán dẫn ảnh hưởng trực tiếp đến hiệu năng và hiệu suất năng lượng.

• Biren BR100 được sản xuất trên quy trình 7nm của TSMC với đóng gói CoWoS tiên tiến.
• Ascend 910C sử dụng tiến trình 7nm‑class của SMIC, kết hợp các wafer trước thời kỳ hạn chế xuất khẩu.

Trong khi đó, các chip của Mỹ thường tận dụng chuỗi cung ứng bán dẫn tiên tiến toàn cầu, giúp tiếp cận các công nghệ sản xuất và đóng gói mới nhất.

Hệ sinh thái phần mềm

Trong lĩnh vực AI, phần mềm thường quan trọng không kém phần cứng.

• Chip Mỹ được hỗ trợ bởi các hệ sinh thái mạnh như CUDA (Nvidia), ROCm (AMD) và nền tảng TPU của Google.
• Huawei phát triển CANN (Compute Architecture for Neural Networks) để xây dựng hệ sinh thái AI nội địa cho Ascend.

Khả năng tích hợp với framework AI và nền tảng cloud thường quyết định việc doanh nghiệp lựa chọn phần cứng nào.

Cuộc đua chip AI đang cho thấy điều gì

Một số xu hướng nổi bật từ thế hệ chip hiện nay:

• Lợi thế hiệu năng: chip AI của Mỹ vẫn dẫn đầu về thông số compute và dung lượng bộ nhớ.
• Thay thế nội địa: Trung Quốc phát triển nhiều dòng chip như Ascend, Biren và Cambricon để giảm phụ thuộc vào công nghệ Mỹ.
• Cạnh tranh ở quy mô hệ thống: chiến thắng không chỉ đến từ một con chip, mà từ khả năng xây dựng các cụm AI hàng nghìn accelerator.

Vì vậy, cuộc cạnh tranh chip AI Mỹ–Trung không chỉ là cuộc đua về transistor hay TFLOPs. Nó còn là cuộc cạnh tranh về hệ sinh thái phần mềm, năng lực sản xuất bán dẫn và kiến trúc hạ tầng AI quy mô lớn.

Trong bối cảnh các mô hình AI tiếp tục tăng kích thước và nhu cầu tính toán, những yếu tố này sẽ quyết định nền tảng nào chiếm ưu thế trong tương lai.