Nvidia ngoài con chip: mã nguồn mở, nhà máy AI và lợi thế hạ tầng
Nvidia bán hạ tầng, không chỉ một con chip
Phân tích | 13 tháng 11 năm 2026. Nvidia là nhà cung cấp thống trị chip cao cấp để huấn luyện và chạy mô hình AI trong trung tâm dữ liệu, với ước tính ngành đặt thị phần toàn cầu khoảng 80%. Tầm quan trọng vượt khỏi bộ xử lý, tới phần mềm, công cụ phát triển, đám mây và thực hành kỹ thuật. Thay một nền tảng đang hoạt động khó hơn thiết kế bộ xử lý cạnh tranh. Thị phần đo một thị trường xác định, không đếm mọi công ty AI hay chứng minh phụ thuộc độc quyền.
Chuyển từ truy xuất thông tin lưu sẵn sang tạo câu trả lời theo ngữ cảnh trong thời gian thực thay đổi vai trò kinh tế của tính toán. AI tính toán để tạo đầu ra, không chỉ giao một tệp ghi sẵn. Ý tưởng nhà máy AI xuất phát từ đó: hạ tầng trở thành một phần sản xuất dịch vụ số. Phép thử thương mại là đầu ra có đủ hữu ích để tạo doanh thu cao hơn chi phí cung cấp hay không.
Mã nguồn mở là một phần động lực, nhưng CUDA không hoàn toàn mở
Mã nguồn mở cho phép nhà nghiên cứu và lập trình viên xem xét, sửa đổi và chia sẻ phần mềm theo giấy phép, tạo hợp tác xuyên công ty và quốc gia. PyTorch thể hiện nền tảng chung này: việc chuyển sang Linux Foundation quy tụ AMD, AWS, Google Cloud, Meta, Microsoft Azure và Nvidia. Phần mềm AI mở vì vậy không phải tài sản hay thành tựu riêng của một hãng chip.
Nvidia tham gia đồng thời giữ các thành phần độc quyền. Thư viện CUTLASS có giấy phép BSD; mô-đun nhân Linux cho GPU dùng giấy phép kép MIT/GPL. Nhưng mô-đun nhân mở không biến toàn bộ trình điều khiển, firmware hay CUDA Toolkit thành mã nguồn mở. Toolkit có giấy phép và giới hạn riêng. Tải miễn phí, mã nguồn mở và trọng số mở là những khái niệm khác nhau; cần kiểm tra từng thành phần.
Mô hình mở phục vụ ba mục đích liên quan: hiểu kiến trúc tương lai, phổ biến AI vượt ngoài vài nhà cung cấp độc quyền và hỗ trợ sinh học, vật lý, robot thay vì chỉ ngôn ngữ. Nemotron 3 Super là ví dụ cụ thể. Nvidia mô tả đây là mô hình lai Mamba-Transformer hỗn hợp chuyên gia, tổng 120 tỷ tham số và 12 tỷ hoạt động, với checkpoint, dữ liệu và phương pháp phát triển được công bố. Đó là một dạng cởi mở cụ thể, không khiến mọi sản phẩm đều không hạn chế.
Lợi thế nằm ở con đường từ ý tưởng tới hệ thống chạy được
CUDA cung cấp nền tảng lập trình, trình biên dịch, thư viện và công cụ cho ứng dụng tăng tốc GPU. Nhà nghiên cứu có thể dùng framework cấp cao mà không viết mọi phép toán trực tiếp bằng CUDA. Nhưng lựa chọn triển khai bên dưới vẫn ảnh hưởng bộ nhớ, tính toán và giao tiếp giữa thiết bị.
Nền tảng cài đặt sẵn của CUDA là lợi thế cạnh tranh chính. Phần mềm được hỗ trợ, kỹ sư được đào tạo, công cụ gỡ lỗi và cách triển khai quen thuộc giảm bất định khi đưa mô hình vào sản xuất. Đối thủ cạnh tranh với tổ hợp đang chạy, không chỉ con số thông số chip. Thay thế có thể cần sửa phần mềm, xác minh kết quả và xây lại chuyên môn vận hành. Khó khăn là thật nhưng chi phí tùy công việc; không phải khóa chặt vĩnh viễn.
OpenAI và đám mây: phụ thuộc lớn, không độc quyền toàn diện
ChatGPT là dịch vụ OpenAI, không phải bên mua chip riêng trong so sánh này. Thông báo tháng 9 năm 2025 của OpenAI gọi Nvidia là đối tác chiến lược ưu tiên về tính toán và mạng, công bố thư ý định triển khai ít nhất 10 gigawatt hệ thống Nvidia. Nó cũng nêu ý định đầu tư dần tới 100 tỷ USD của Nvidia. Đây là kế hoạch công bố theo thời điểm, không chứng minh toàn bộ công suất đã chạy hay vốn đã được thanh toán.
Hạ tầng đám mây giúp tiếp cận phần cứng Nvidia mà không mua máy chủ riêng. AWS ghi rõ EC2 P5 dùng GPU H100, P5e/P5en dùng H200 cho huấn luyện, suy luận và tính toán hiệu năng cao. Nhà cung cấp bổ sung mạng và quản lý công suất quanh phần cứng. Quan hệ rộng hơn giao dịch chip đơn thuần.
Nvidia thống trị thị trường rộng nhưng nền tảng thay thế đã làm việc quan trọng. Google huấn luyện Gemini 2.0 trên TPU Trillium của mình. AWS báo cáo tải Anthropic chạy trên Trainium2 thuộc Project Rainier. Đây là lựa chọn thực, không chứng minh mọi đối thủ đều rẻ, nhanh hay sẵn có tương đương cho mọi nhiệm vụ. Thực tế là phụ thuộc đáng kể cùng thay thế chọn lọc, không phải tất cả chỉ dựa vào Nvidia.
Ngoài trò chuyện: y tế, robot và tính toán gần cảm biến
Nền tảng Nvidia được ghi nhận trải rộng tới hình ảnh y khoa, hệ gen, nghiên cứu khám phá thuốc và robot. Tài liệu y tế mô tả MONAI cho AI hình ảnh và Parabricks cho hệ gen; IGX hướng tới ứng dụng biên công nghiệp, robot và y tế. Đây là khả năng và mục đích sản phẩm, không là bằng chứng chữa khỏi bệnh, phê duyệt lâm sàng hay triển khai ở mọi bệnh viện.
Phân biệt trung tâm dữ liệu và biên rất quan trọng. Hệ thống trung tâm cung cấp nguồn lực chia sẻ lớn; hệ thống biên xử lý gần camera, máy móc hay cảm biến. Điều đó có thể tạo giá trị cho phản hồi tại chỗ và gửi dữ liệu có chọn lọc. Môi trường khác nhau vẫn cần điện, độ tin cậy và an toàn khác nhau. Một kiến trúc xuất hiện nhiều nơi không nghĩa một thiết bị giống hệt phù hợp mọi nơi.
Nvidia đã tới không gian; nhà máy AI trên quỹ đạo là chuyện khác
Có ví dụ không gian cụ thể được ghi nhận. Bài trình bày tháng 6 năm 2023 của Jet Propulsion Laboratory liệt kê bốn GPU Nvidia Tesla T4 trong gói HPE Spaceborne Computer-2 trên Trạm Vũ trụ Quốc tế. Chương trình cũng xem xét bộ xử lý khác. Điều này xác nhận phần cứng Nvidia trong thí nghiệm tính toán quỹ đạo, không phải mọi vệ tinh hay GPU đầu tiên từng bay vào không gian.
Mô tả NASA về Spaceborne Computer giải thích bức xạ và cách HPE dùng phần mềm giám sát, giảm tốc hệ thống khi cần. Tính toán quỹ đạo là vấn đề kỹ thuật, không chỉ đưa máy chủ lên trên khí quyển. Bức xạ, dự phòng, điện và thải nhiệt đều quan trọng. Xử lý ảnh gần cảm biến vệ tinh khác với xây nhà máy AI quỹ đạo lớn. Vế sau vẫn là triển vọng, không phải làm mát đã giải quyết hay lịch bàn giao chắc chắn.
Định giá: phân biệt giá thị trường và dự báo
Dữ liệu kiểm tra cho bài này đặt vốn hóa Nvidia khoảng 4,01 nghìn tỷ USD quanh lúc thị trường Mỹ đóng cửa ngày 12 tháng 11 năm 2026. Đây là ước tính làm tròn có ngày, không là giá trực tiếp phiên Mỹ ngày 13 tháng 11. Vốn hóa định giá cổ phần, không phải doanh thu năm, tiền trong ngân hàng hay tổng lợi ích xã hội của AI.
Định giá tương lai 10 nghìn tỷ USD hay doanh thu năm 3 nghìn tỷ thuộc kịch bản tăng trưởng tham vọng, không là kết quả đạt được. Lập luận mở rộng dựa vào nhà máy AI tạo cầu mới thay vì chỉ giành thị phần cũ. Lợi nhuận phụ thuộc khách trả tiền cho đầu ra hữu ích, chi phí hạ tầng và tiến bộ kỹ thuật. Đây là khả năng dài hạn, không phải mục tiêu bài phân tích chứng thực hay bảo đảm.
Giới hạn tiếp theo là cả nhà máy
Đơn vị tính toán đã mở rộng từ GPU sang máy tính, cụm máy và cả nhà máy AI. Kế hoạch OpenAI và mô tả cụm GPU AWS cho thấy mạng và triển khai quan trọng cùng bộ xử lý. Phải đánh giá chung điện, làm mát, độ tin cậy phần mềm và mức sử dụng. Mua bộ tăng tốc không đồng nghĩa vận hành dịch vụ hiệu quả. Tính toán quy mô hành tinh vẫn là hướng dài hạn, không là năng lực hoàn tất.
Mã nguồn mở tăng sự tham gia và khả năng thích ứng, nhưng không cấp điện, xóa chi phí phần cứng hay bảo đảm ứng dụng tự hoàn vốn. Phần cứng và phần mềm độc quyền cũng có thể tạo hiệu năng hữu ích mà không khiến phụ thuộc vĩnh viễn. Cân bằng giữa công cụ chung và nền tảng thương mại là cạnh tranh liên tục, không là quy luật ngành đã định.
Kết luận: khó thay thế không phải không thể thay thế
Tầm quan trọng Nvidia nằm ở tổ hợp tính toán tăng tốc, phần mềm trưởng thành, niềm tin lập trình viên, đám mây và ứng dụng từ phòng thí nghiệm tới thử nghiệm quỹ đạo. Công việc mở giúp nhiều người phát triển trên hạ tầng, trong khi lớp độc quyền vẫn có giá trị thương mại. Câu hỏi không phải sao chép GPU được không, mà lựa chọn thay thế có cung cấp hệ thống đầy đủ, tin cậy cho khách hàng cụ thể không.
Điều đó khiến Nvidia khó thay trong nhiều hoàn cảnh, không phải bất khả thay ở mọi nơi. Google TPU và AWS Trainium đã bác bỏ khẳng định tuyệt đối ấy. Tương lai tùy khả năng biến kỹ thuật và độ phủ hệ sinh thái thành công việc hữu ích với chi phí chấp nhận được. Định giá cao phản ánh kỳ vọng, không bảo đảm. Đây là phân tích biên tập, không phải tư vấn đầu tư.