Tencent chính thức chuyển sang sử dụng chip AI nội địa trong hạ tầng máy tính
Tencent chính thức chuyển sang sử dụng chip AI nội địa trong hạ tầng máy tính

Thông báo quan trọng từ Tencent
Tencent vừa cho biết hạ tầng điện toán AI và đám mây của họ đã được chỉnh sửa toàn diện để hỗ trợ chip được thiết kế trong nước. Họ đang sử dụng những chip nội địa tiêu chuẩn phổ biến, không chỉ trong giai đoạn thử nghiệm mà đã triển khai thực tế.
Công ty hợp tác với nhiều hãng chip nội địa để tối ưu hoá phần mềm-phần cứng cho từng trường hợp sử dụng riêng, với mục tiêu giảm chi phí điện toán.
Ngữ cảnh & nguyên nhân chuyển hướng
Quyết định này diễn ra trong bối cảnh Trung Quốc siết chặt luật kiểm soát xuất khẩu AI/semiconductor, cũng như áp lực địa chính trị khiến các công ty không thể “dựa mãi vào Nvidia”.
Tencent trước đây từng nói họ có đủ chip Nvidia cho việc đào tạo (“training”) và có nhiều lựa chọn cho suy luận (“inference”), nhưng giờ muốn đa dạng hoá nguồn cung.
Các chip nội địa như dòng Ascend của Huawei, cùng các nhà sản xuất chip khác đang được xem xét là ứng viên để thay thế hoặc bổ sung.
Tác động & điểm mạnh
Giảm rủi ro khi nguồn xuất khẩu bị phong toả hay chịu ảnh hưởng từ lệnh trừng phạt.
Chi phí tính toán (compute cost) có thể được hạ thấp khi sử dụng chip nội địa do giảm phí vận chuyển, thuế, cũng như có thể có ưu đãi từ chính phủ.
Khả năng tùy biến tốt hơn khi phần mềm được thiết kế riêng theo chip trong nước; tối ưu hoá xử lý AI có thể tiến nhanh hơn khi không bị giới hạn bởi kiến trúc, driver, hỗ trợ firmware từ bên ngoài.
Thách thức vẫn cần vượt qua
Hiệu suất & khả năng đáp ứng của các chip nội địa ở quy mô lớn vẫn là câu hỏi. Việc đào tạo các mô hình AI lớn (large models) đòi hỏi phần cứng rất mạnh, bộ nhớ lớn, băng thông cao… liệu chip nội địa có theo kịp?
Hệ sinh thái phần mềm và công cụ phát triển (frameworks, libraries, hỗ trợ tối ưu) có thể chưa hoàn thiện như Nvidia hay các nhà cung cấp nước ngoài.
Vấn đề về sản lượng (số lượng chip) và chuỗi cung ứng để đáp ứng đơn hàng lớn — nếu sản xuất hay lắp đặt chậm, sẽ ảnh hưởng đến tiến độ deployments.