Thời Kỳ Tiếp Theo của Tăng Tốc GPU: Cách NVIDIA's Vera Rubin Định Nghĩa Lại Lập Trình Lập Trình GPU Tăng Tốc Phần Cứng

Tại CES 2026, Jensen Huang đã trình bày một bài phát biểu mang tính chuyển đổi, nhấn mạnh tầm nhìn của NVIDIA về chiến lược “đặt cược toàn bộ công ty”: chuyển đổi từ một kỷ nguyên tập trung hoàn toàn vào huấn luyện AI sang một kỷ nguyên thống trị bởi suy luận quy mô lớn hiệu quả và trí tuệ thể hiện. Trong hơn 90 phút, CEO của NVIDIA đã công bố tám thông báo lớn, mỗi cái đều củng cố một chiến lược duy nhất—xây dựng các hệ thống tích hợp chặt chẽ, nơi việc lập lịch GPU tăng tốc phần cứng và tính toán mạng trở nên không thể tách rời. Thông điệp rõ ràng: tương lai không thuộc về các bộ gia tốc riêng lẻ, mà thuộc về các hệ thống được thiết kế để đạt hiệu suất qua chi phí.

Nền tảng Vera Rubin: Phương pháp sáu chip cho thiết kế hệ thống tăng tốc

Vera Rubin đại diện cho một cách tư duy mới về kiến trúc trung tâm dữ liệu. Thay vì gắn các bộ gia tốc vào hạ tầng chung chung, NVIDIA đã đồng thiết kế sáu chip bổ sung—Vera CPU, Rubin GPU, NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU, và Spectrum-X CPO—mỗi cái được tối ưu hóa để hoạt động như một hệ sinh thái thống nhất.

Vera CPU, dựa trên các lõi Olympus tùy chỉnh, xử lý di chuyển dữ liệu và xử lý tác nhân với kết nối NVLink-CPU 1.8TB/s, quản lý hiệu quả sự phối hợp mà việc lập lịch GPU đòi hỏi. Rubin GPU giới thiệu động cơ Transformer và khả năng suy luận NVFP4 đạt 50 PFLOPS—gấp 5 lần hiệu suất của Blackwell—đồng thời hỗ trợ bộ nhớ HBM4 với băng thông 22TB/s, gấp 2.8 lần thế hệ trước. Các thông số kỹ thuật này không chỉ là về riêng lẻ, mà vì chúng giải quyết một vấn đề then chốt: khi các mô hình ngày càng lớn và các token suy luận gia tăng, các phương pháp lập lịch GPU truyền thống bị nghẽn cổ chai bởi băng thông bộ nhớ và chi phí di chuyển dữ liệu.

Việc tích hợp tất cả các thành phần vào một hệ thống dạng rack duy nhất, Vera Rubin NVL72 cung cấp hiệu suất suy luận 3.6 EFLOPS với 2 nghìn tỷ transistor. Quan trọng hơn, kiến trúc hệ thống cho phép lập lịch GPU tăng tốc phần cứng ở quy mô chưa từng có. NVLink 6 Switch đạt băng thông liên kết đầy đủ 3.6TB/s cho mỗi GPU (2x thế hệ trước), với tính toán trong mạng đạt 14.4 TFLOPS FP8. Đây không chỉ là nhiều băng thông hơn—mà là băng thông được thiết kế để loại bỏ nghẽn cổ chai lập lịch vốn có trong các tải công việc suy luận phân tán.

Hệ thống sử dụng 100% làm mát bằng chất lỏng và có khay tính toán không quạt, mô-đun, giúp giảm thời gian lắp ráp từ hai giờ xuống còn năm phút. Bảo trì không gián đoạn qua khay NVLink Switch và engine RAS thế hệ thứ hai đảm bảo rằng các cụm suy luận đạt độ tin cậy hoạt động 24/7 như yêu cầu của trung tâm dữ liệu. Hơn 80 đối tác MGX đã sẵn sàng triển khai Vera Rubin.

Ba đổi mới hướng tới giới hạn hiệu quả suy luận

Ngoài nền tảng phần cứng, NVIDIA đã phát hành ba sản phẩm đặc biệt được thiết kế để giải quyết các nút thắt cổ chai trong suy luận: Spectrum-X Ethernet CPO, Nền tảng Lưu trữ Bộ nhớ Ngữ cảnh Suy luận, và DGX SuperPOD dựa trên Vera Rubin.

Spectrum-X Ethernet Co-Packaged Optics áp dụng thiết kế hai chip sử dụng công nghệ SerDes 200Gbps, cung cấp 102.4Tb/s trên mỗi ASIC. So với mạng chuyển mạch truyền thống, kiến trúc CPO đạt hiệu quả năng lượng vượt trội gấp 5 lần, độ tin cậy tốt hơn gấp 10 lần, và thời gian hoạt động của ứng dụng cải thiện gấp 5 lần. Điều này trực tiếp giúp xử lý nhiều token suy luận hơn hàng ngày trong khi giảm TCO trung tâm dữ liệu—một lợi thế cạnh tranh then chốt trong cuộc đua thương mại hóa suy luận.

Nền tảng Lưu trữ Bộ nhớ Ngữ cảnh Suy luận định nghĩa lại cách các hệ thống xử lý lưu trữ ngữ cảnh cho các tác vụ AI chuỗi dài. Khi các hệ thống AI có khả năng xử lý đa vòng, pipeline RAG, và suy luận đa bước phức tạp, các cửa sổ ngữ cảnh giờ đây mở rộng tới hàng triệu token. Thay vì tính toán lại các bộ đệm key-value tại mỗi bước suy luận—lãng phí khả năng tính toán GPU và gây độ trễ—nền tảng này xem ngữ cảnh như một công dân hàng đầu, lưu trữ và tái sử dụng nó qua tầng lưu trữ tăng tốc BlueField-4 kết nối Spectrum-X. Bằng cách tách rời lưu trữ ngữ cảnh khỏi bộ nhớ GPU trong khi duy trì liên kết chặt chẽ qua NVLink, nền tảng này cung cấp hiệu suất suy luận gấp 5 lần và hiệu quả năng lượng gấp 5 lần cho các tác vụ nặng ngữ cảnh. Đây là một bước chuyển đổi kiến trúc căn bản: nút thắt cổ chai suy luận đã chuyển từ tính toán thô sang quản lý ngữ cảnh.

DGX SuperPOD với Vera Rubin là bản thiết kế cho các nhà máy AI hoàn chỉnh. Kết hợp tám hệ thống Vera Rubin NVL72 với khả năng mở rộng theo chiều dọc qua NVLink 6 và mở rộng theo chiều ngang qua Spectrum-X Ethernet, SuperPOD thể hiện cách thiết kế chip hợp tác có thể giảm chi phí hệ thống theo cấp số nhân. So với thế hệ Blackwell trước đó, huấn luyện các mô hình MoE lớn chỉ cần 1/4 số GPU, và chi phí suy luận trên token giảm còn 1/10. Quản lý qua phần mềm NVIDIA Mission Control, SuperPOD hoạt động như một động cơ suy luận thống nhất, nơi lập lịch GPU, điều phối mạng và phối hợp lưu trữ diễn ra một cách minh bạch.

Bộ khuếch đại mã nguồn mở: Từ mô hình đến các tác nhân tích hợp

Chương trình mở rộng mạnh mẽ của NVIDIA về các mô hình mã nguồn mở—650 mô hình và 250 bộ dữ liệu được phát hành trong năm 2025—phản ánh một chiến lược tinh vi: làm đầy các nhà phát triển bằng các công cụ mạnh mẽ, miễn phí, đồng thời làm cho phần cứng nền tảng ngày càng không thể thiếu.

Công ty đã tích hợp các mô hình và công cụ mở vào “Blueprints,” một khung SaaS cho phép hệ thống đa mô hình, đa đám mây hoạt động như các tác nhân. Các hệ thống này tự động định tuyến truy vấn đến các mô hình riêng tư cục bộ hoặc các mô hình tiên phong dựa trên đám mây dựa trên yêu cầu nhiệm vụ, gọi API bên ngoài để sử dụng công cụ, và kết hợp các đầu vào đa phương thức (văn bản, giọng nói, hình ảnh, dữ liệu cảm biến). Bằng cách tích hợp kiến trúc này vào quy trình làm việc của nhà phát triển, NVIDIA đảm bảo rằng ngay cả các tổ chức tiết kiệm chi phí xây dựng dựa trên các mô hình mở cuối cùng cũng phụ thuộc vào hạ tầng suy luận Vera Rubin để triển khai sản xuất.

Gia đình Nemotron mở rộng nay bao gồm các mô hình RAG tác nhân, các biến thể tập trung vào an toàn, và các mô hình giọng nói—mỗi cái đều giải quyết các nút thắt trong hệ thống AI tác nhân mới nổi. Các nhà phát triển có thể tinh chỉnh các mô hình này, tạo dữ liệu tổng hợp qua Cosmos, và xây dựng các ứng dụng mà hai năm trước đây còn quá phức tạp.

AI vật lý: Nơi Định hướng Tự động hóa và Lý luận Thực tế gặp nhau

NVIDIA định vị AI vật lý—trí tuệ hiểu thế giới thực, lý luận về sự không chắc chắn, và thực thi các hành động phức tạp—là ranh giới tiếp theo trị giá hàng nghìn tỷ đô la. Các phương tiện tự hành xuất hiện như là sân chơi thử nghiệm chính.

Alpha-Mayo, bộ mô hình mã nguồn mở của NVIDIA cho lái xe tự động cấp độ 4, thể hiện rõ tầm nhìn này. Với 10 tỷ tham số, Alpha-Mayo cho phép ra quyết định dựa trên lý luận, phân chia các tình huống lái phức tạp thành các bước và chọn hành động an toàn nhất. Thay vì các hệ thống quy tắc phản ứng, mô hình hiểu về sự vật tồn tại, dự đoán hành vi của phương tiện, và xử lý các trường hợp ngoại lệ chưa từng thấy—ví dụ như hỏng đèn giao thông tại một ngã tư đông đúc.

Mercedes-Benz CLA, hiện đang sản xuất với tích hợp Alpha-Mayo, vừa đạt xếp hạng an toàn cao nhất của NCAP. Nền tảng NVIDIA DRIVE, chạy trên phần cứng sản xuất, hỗ trợ lái xe không tay trên cao tốc và tự hành đô thị toàn diện—các khả năng này chứng minh sự sẵn sàng của AI vật lý để triển khai quy mô lớn. Alpha-Sim, khung đánh giá mã nguồn mở, và tạo dữ liệu tổng hợp qua Cosmos giúp các nhà phát triển toàn cầu đẩy nhanh quá trình phát triển xe tự hành.

Ngoài lĩnh vực ô tô, NVIDIA đã công bố các đối tác như Boston Dynamics, Franka Robotics, LG Electronics, và các đơn vị khác dựa trên nền tảng NVIDIA Isaac và GR00T. Một sự hợp tác với Siemens tích hợp công nghệ NVIDIA vào các công cụ EDA, CAE, và mô hình kỹ thuật số, đưa AI vật lý vào toàn bộ quá trình thiết kế, mô phỏng, sản xuất và vận hành.

Đào sâu rãnh phòng thủ: Kỹ thuật hệ thống như lợi thế cạnh tranh

Khi thị trường hạ tầng AI chuyển từ mô hình huấn luyện sang kinh tế dựa trên suy luận, cạnh tranh nền tảng đã chuyển từ các chỉ số theo chiều đơn (GPU FLOPS) sang kỹ thuật hệ thống toàn diện bao gồm chip, rack, mạng và điều phối phần mềm.

Chiến lược của NVIDIA thực hiện đồng thời hai mặt trận. Trên mặt trận mã nguồn mở, công ty tích cực đóng góp mô hình, công cụ, và bộ dữ liệu, dân chủ hóa phát triển AI và mở rộng thị trường tiềm năng cho suy luận. Trên mặt trận độc quyền, hệ sinh thái Vera Rubin tích hợp chặt chẽ—với các chip đồng thiết kế, băng thông NVLink, mạng Spectrum-X, các lớp lưu trữ ngữ cảnh, và phần mềm Mission Control—ngày càng khó sao chép.

Chu trình phản hồi này rất mạnh mẽ: bằng cách mở rộng hệ sinh thái mã nguồn mở, NVIDIA thúc đẩy việc áp dụng AI rộng rãi hơn và tiêu thụ token nhiều hơn; bằng cách cung cấp hạ tầng suy luận chi phí hợp lý, công ty nắm bắt các khối lượng công việc mở rộng phát sinh; bằng cách liên tục đổi mới kiến trúc phần cứng và khả năng lập lịch GPU, NVIDIA đảm bảo các nền tảng thay thế gặp khó khăn trong việc đạt hiệu suất trên watt và chi phí trên token. Điều này tạo ra một lợi thế tự củng cố vượt qua bất kỳ chu kỳ sản phẩm đơn lẻ nào.

Thông báo Vera Rubin không chỉ là thế hệ tiếp theo của phần cứng suy luận, mà còn là bằng chứng cho thấy chiến lược của NVIDIA về hệ thống tích hợp—nơi tăng tốc phần cứng, điều phối mạng và tối ưu phần mềm hội tụ—đã trở thành nguyên tắc ngành. Từ các nhà cung cấp dịch vụ đám mây siêu quy mô triển khai SuperPOD đến các doanh nghiệp xây dựng các tác nhân AI riêng trên các cụm DGX, cảnh quan hạ tầng đang hội tụ quanh tầm nhìn của NVIDIA.

Đối với các nhà phát triển và nhà vận hành, hệ quả rõ ràng: thời kỳ gắn các bộ gia tốc vào các nền tảng chung chung đã kết thúc dứt khoát. Tương lai của suy luận hiệu quả, mở rộng quy mô là chạy trên các hệ thống tăng tốc phần cứng được thiết kế riêng cho nhiệm vụ đó.