Kế hoạch đầy tham vọng của Microsoft nhằm thay thế phần lớn GPU AMD và Nvidia bằng các bộ gia tốc AI tự phát triển đang nhận được phản ứng trái chiều từ cộng đồng công nghệ. Trong khi công ty đặt mục tiêu chuyển đổi phần lớn khối lượng công việc trung tâm dữ liệu sang silicon tùy chỉnh để có tỷ lệ giá-hiệu suất tốt hơn, các nhà quan sát ngành công nghiệp đang đặt câu hỏi liệu Microsoft có thể bắt kịp các đối thủ cạnh tranh đã bắt đầu hành trình này từ nhiều năm trước hay không.
Gia nhập muộn vào thị trường cạnh tranh
Cộng đồng công nghệ đang nhấn mạnh bất lợi đáng kể của Microsoft về mặt thời gian. Google đã sử dụng TPU tùy chỉnh từ năm 2015, trong khi Amazon đã triển khai hàng chục nghìn bộ gia tốc Trainium của họ. Microsoft chỉ tiết lộ bộ gia tốc AI Maia đầu tiên vào cuối năm 2023, khiến họ chậm khoảng tám năm so với những nỗ lực ban đầu của Google. Sự chậm trễ này đặc biệt đáng lo ngại vì việc phát triển phần cứng thường đòi hỏi nhiều thế hệ để trở nên thực sự cạnh tranh.
Thách thức không chỉ dừng lại ở thiết kế chip. Việc xây dựng cơ sở hạ tầng AI hiệu quả đòi hỏi các kết nối chuyên biệt để tạo ra các cụm tính toán khổng lồ, và các kỹ sư có chuyên môn này rất khan hiếm trong ngành. Thành công của Google với TPU phụ thuộc rất nhiều vào các giải pháp kết nối tùy chỉnh này, đại diện cho một rào cản kỹ thuật đáng kể mà Microsoft sẽ cần phải vượt qua.
So sánh Timeline Chip AI Tùy chỉnh:
- Google TPUs: Bắt đầu 2015 (suy luận), 2017 (huấn luyện)
- Amazon Trainium: Đã triển khai hàng chục nghìn đơn vị
- Microsoft Maia: Lần đầu được tiết lộ cuối năm 2023
- Khoảng cách thời gian: Microsoft chậm khoảng 8 năm so với việc triển khai ban đầu của Google
Cộng đồng nghi ngờ về khả năng thực thi
Các nhà quan sát ngành công nghệ đang bày tỏ sự hoài nghi về khả năng thực hiện tầm nhìn này của Microsoft. Thành tích của công ty với các sáng kiến phần cứng đã có lúc tốt lúc xấu, và một số thành viên cộng đồng coi thông báo này có thể chỉ là lời nói suông chứ không phải là một sự chuyển đổi chiến lược cụ thể. Các thách thức thể chế tại Microsoft, bao gồm các quyết định tổ chức trong quá khứ có thể đã cản trở việc phát triển AI, đang được coi là những trở ngại tiềm tàng.
Phần cứng không thể đơn giản đi từ số không đến gigawatt cơ sở hạ tầng chỉ bằng lời nói. Ngay cả Apple cũng có vị thế tốt hơn cho việc như vậy.
Thông số kỹ thuật của chip Maia 100 thế hệ đầu tiên hỗ trợ những lo ngại này. Với hiệu suất 800 teraFLOPS BF16 và bộ nhớ HBM2e 64GB, nó còn kém xa so với các sản phẩm cạnh tranh từ Nvidia và AMD, cho thấy Microsoft có một khoảng cách đáng kể cần phải bù đắp.
Thông số kỹ thuật Microsoft Maia 100:
- Hiệu năng: 800 teraFLOPS (BF16)
- Bộ nhớ: 64GB HBM2e
- Băng thông bộ nhớ: 1.8TB/s
- Tình trạng: Kém hơn so với các GPU cạnh tranh của Nvidia và AMD
Thách thức phần mềm và sự thống trị của CUDA
Ngoài hiệu suất phần cứng, cộng đồng đang chỉ ra phần mềm là một chiến trường quan trọng. Hệ sinh thái CUDA của Nvidia đại diện cho một rào cản cạnh tranh đáng kể từ trước đến nay đã khiến AMD ở thế bất lợi mặc dù có phần cứng cạnh tranh. Microsoft sẽ cần phát triển không chỉ những chip mạnh mẽ, mà còn cả các công cụ phần mềm và framework mà các nhà phát triển muốn sử dụng.
Tuy nhiên, một số nhà quan sát lưu ý rằng các khối lượng công việc AI hiện đại, đặc biệt là các mô hình dựa trên transformer, dựa vào một tập hợp tương đối hạn chế các nguyên hàm tính toán. Điều này có thể giúp Microsoft dễ dàng đạt được khả năng tương thích phần mềm hơn so với các ứng dụng tính toán đa mục đích. Việc triển khai thành công TPU của Google chứng minh rằng rào cản CUDA không phải là không thể vượt qua đối với các công ty có đủ tài nguyên và sự tập trung.
Động lực thị trường và ý nghĩa chiến lược
Bản thân thông báo này phục vụ một mục đích chiến lược quan trọng bằng cách gây áp lực lên giá GPU. Sự thống trị thị trường hiện tại của Nvidia cho phép có biên lợi nhuận đáng kể, và các mối đe dọa đáng tin cậy từ các khách hàng lớn như Microsoft có thể giúp điều tiết những chi phí này ngay cả khi chiến lược chip tùy chỉnh mất nhiều năm để hoàn toàn hiện thực hóa.
Xu hướng rộng lớn hơn của ngành hướng tới tích hợp dọc trong cơ sở hạ tầng AI phản ánh quy mô khổng lồ và các yêu cầu cụ thể của khối lượng công việc AI hiện đại. Các công ty như Apple đã mở rộng cách tiếp cận này đến trung tâm dữ liệu của riêng họ, sử dụng silicon tùy chỉnh cho các dịch vụ đám mây. Điều này cho thấy rằng chiến lược của Microsoft, mặc dù muộn, nhưng phù hợp với sự phát triển rộng lớn hơn của ngành hướng tới các giải pháp tính toán chuyên biệt, được xây dựng cho mục đích cụ thể.
Thành công của sáng kiến chip tùy chỉnh của Microsoft cuối cùng sẽ phụ thuộc vào việc thực thi trên nhiều khía cạnh: hiệu suất chip, phát triển hệ sinh thái phần mềm, quan hệ đối tác sản xuất, và tích hợp với cơ sở hạ tầng hiện có. Trong khi công ty đối mặt với những thách thức đáng kể do khởi đầu muộn, những lợi ích tiềm tàng của tỷ lệ giá-hiệu suất được tối ưu hóa và kiểm soát tốt hơn cơ sở hạ tầng AI của họ khiến đây trở thành một điều cần thiết về mặt chiến lược chứ không chỉ là một lựa chọn.
Tham khảo: Microsoft CTO says he wants to swap most AMD and Nvidia GPUs for homemade chips