Bởi Maksym Misichenko · Yahoo Finance ·
Các tác nhân AI nghĩ gì về tin tức này
Ban thảo luận chia rẽ về quan hệ đối tác của Nvidia với Ineffable Intelligence, với một số người coi đó là một đòn chiến lược xuất sắc có thể chuyển hào quang của công ty sang sự thống trị kiến trúc cấp hệ thống, trong khi những người khác cảnh báo về cách thức kiếm tiền chưa được chứng minh, thực thi và các nút thắt cổ chai phần cứng.
Rủi ro: Các nút thắt cổ chai về điện và làm mát trong các trung tâm dữ liệu hiện có do các vòng suy luận thời gian thực, tiềm năng chuyển nhu cầu sang các ASIC tùy chỉnh hiệu quả hơn từ đối thủ trước khi nền tảng Vera Rubin của Nvidia đến.
Cơ hội: Định nghĩa các yêu cầu phần cứng cho học tập tăng cường ở quy mô, tiềm năng khóa khách hàng vào lộ trình của Nvidia và tạo ra một trò chơi cơ sở hạ tầng được định nghĩa bằng phần mềm, có biên lợi nhuận cao và định kỳ.
Phân tích này được tạo bởi đường dẫn StockScreener — bốn LLM hàng đầu (Claude, GPT, Gemini, Grok) nhận các lời nhắc giống hệt nhau với các biện pháp bảo vệ chống ảo tưởng tích hợp. Đọc phương pháp →
Các mô hình ngôn ngữ lớn (LLM) đã chiếm ưu thế trong phần lớn các cuộc tranh luận về AI trong vài năm qua. Việc mở rộng quy mô dự đoán token và đào tạo LLM được coi là các chỉ số đáng tin cậy để đo lường sự tiến bộ, bất kể chi phí. Yếu tố này đã giúp ích rất nhiều cho Jensen Huang, người sản xuất GPU tốt nhất thế giới, một yêu cầu cơ bản để đào tạo các mô hình AI này.
Dù thông minh, các hệ thống này vẫn còn "ngu ngốc" ở chỗ chúng phải được cung cấp dữ liệu để trở nên tốt hơn trong việc dự đoán token tiếp theo. Các tập dữ liệu tĩnh này chỉ có thể làm cho AI thông minh đến một mức độ nhất định, dẫn đến sự cần thiết của các superlearners: các hệ thống AI liên tục học hỏi từ kinh nghiệm thay vì các tập dữ liệu tĩnh.
- Cổ Phiếu Tempus AI Bị Đè Nén Như Thế Nào Mang Lại Cơ Hội "Xổ Số" Cho Nhà Giao Dịch Tại Đây
- Lệnh Bull Put Spread Của NVDA Có Xác Suất Thành Công Cao
Nvidia (NVDA) đã công bố một hợp tác kỹ thuật mới với một startup có trụ sở tại London có tên là Ineffable Intelligence. Startup này được dẫn dắt bởi David Silver, người đứng sau thành công của DeepMind và AlphaGo. Nvidia hiện đang ủng hộ ý tưởng xây dựng một AI khám phá kiến thức thông qua tương tác thay vì chỉ tiền đào tạo. Đây chỉ là một bước tiến gần hơn đến AI, và người ta có thể hình dung được sự tiến bộ mà một hệ thống như vậy sẽ đạt được trong các lĩnh vực như khám phá thuốc, kiểm soát khí hậu, an ninh mạng và hầu hết mọi lĩnh vực tiến triển dựa trên thử và sai.
Huang đã đặt tên cho superlearners là "biên giới tiếp theo của AI". Bằng cách ủng hộ Ineffable Intelligence, ông đang cố gắng giành lấy vị thế trong công nghệ của tương lai. Ông đã làm điều này với LLM. Lặp lại điều tương tự với superlearners có thể mang lại một câu chuyện tăng trưởng lớn hơn nữa. Đó là bởi vì phản hồi liên tục và theo thời gian thực mà các hệ thống như vậy yêu cầu sẽ kiểm tra băng thông bộ nhớ và các kết nối liên lạc nhiều hơn so với các hệ thống hiện tại. Hiện tại, Grace Blackwell của Nvidia sẽ cung cấp năng lượng cho nghiên cứu được thực hiện bởi Ineffable Intelligence, sau đó chuyển sang Nền tảng Vera Rubin. Điều gì sẽ xảy ra tiếp theo thì ai cũng có thể đoán, nhưng nếu Jensen Huang ủng hộ nó, bạn có thể chắc chắn rằng nó sẽ được cung cấp bởi công ty của ông.
Nvidia là một công ty bán dẫn không nhà máy và máy tính AI, chuyên thiết kế GPU, bộ tăng tốc AI, giao diện lập trình ứng dụng (API) và các đơn vị hệ thống trên chip. Công ty hoạt động thông qua các mảng Đồ họa và Máy tính & Mạng. Thông qua hệ sinh thái CUDA, công ty cho phép các ngành công nghiệp từ xe tự hành đến nghiên cứu khoa học bằng cách thúc đẩy AI, điện toán tăng tốc và cơ sở hạ tầng trung tâm dữ liệu.
Bốn mô hình AI hàng đầu thảo luận bài viết này
"Sự hợp tác với Ineffable nhấn mạnh ý định dài hạn nhưng không cung cấp khả năng hiển thị doanh thu gần hạn hoặc bằng chứng nào sẽ biện minh cho việc nâng bội số NVDA ngày nay."
Quan hệ đối tác của Nvidia với Ineffable Intelligence, do cựu sinh viên DeepMind David Silver dẫn đầu, định vị công ty cho các hệ thống AI trải nghiệm học hỏi thông qua tương tác thay vì dự đoán mã thông báo tĩnh. Điều này cuối cùng có thể thử nghiệm bộ nhớ băng thông cao và liên kết khó hơn so với các cụm LLM ngày nay, có khả năng ưu tiên Grace Blackwell và các nền tảng Vera Rubin trong tương lai. Tuy nhiên, nghiên cứu vẫn ở giai đoạn tiền thương mại, không có thời gian biểu doanh thu hoặc mốc hiệu suất được tiết lộ. Tăng trưởng NVDA hiện tại được thúc đẩy bởi đơn đặt hàng trung tâm dữ liệu 2024-2025 cho các mô hình hiện có, không phải kiến trúc thế hệ tiếp theo mang tính giả định mà yêu cầu phần cứng vẫn còn mang tính lý thuyết.
Quan hệ đối tác có thể đẩy nhanh các nguyên mẫu superlearner đủ để giành được các hợp đồng thiết kế cho các sản phẩm full-stack của Nvidia trước khi đối thủ phát triển các lựa chọn thay thế cạnh tranh, biến một câu chuyện xa thành một chất xúc tác định giá nhanh hơn những gì những người hoài nghi mong đợi.
"Superlearners có thể yêu cầu băng thông cao hơn, điều này có lợi cho lộ trình gần hạn của NVDA, nhưng bài viết nhầm lẫn quan hệ đối tác nghiên cứu với hào quang cạnh tranh bền vững và bỏ qua rủi ro rằng một mô hình mới có thể làm phổ thông hóa hoặc bỏ qua kiến trúc GPU hoàn toàn."
Bài viết nhầm lẫn hai thứ riêng biệt: lợi thế phần cứng của Nvidia và định hướng nghiên cứu của Ineffable Intelligence. Vâng, các hệ thống học tập liên tục có thể yêu cầu băng thông bộ nhớ cao hơn – một cơn gió đuôi thực sự cho lộ trình liên kết của NVDA. Nhưng bài viết giả định điều này dịch thành lợi nhuận cổ phiếu mà không đề cập đến rủi ro thực thi, sự không chắc chắn về thời gian biểu hoặc phản ứng cạnh tranh. Grace Blackwell đã được vận chuyển; Vera Rubin còn nhiều năm nữa. Quan trọng hơn: nếu superlearners yêu cầu kiến trúc cơ bản khác (thần kinh, tương tự, silicon tùy chỉnh), hào quang GPU của Nvidia suy yếu. Bài viết coi sự ủng hộ của Huang như một định mệnh, không phải một cuộc đặt cược.
Ineffable Intelligence là pre-revenue và chưa được chứng minh; thành công AlphaGo của David Silver không đảm bảo tính khả thi của superlearner. Sự 'ủng hộ' của Nvidia có thể là một khoản đầu tư chiến lược nhỏ, không phải một động lực doanh thu trong nhiều năm – nếu có.
"Sự chuyển đổi sang 'superlearners' buộc một sự thay đổi kiến trúc hướng tới các hệ thống nặng về băng thông bộ nhớ, tiếp tục củng cố sự khóa chặt phần cứng-phần mềm của Nvidia."
Sự chuyển đổi từ LLMs tĩnh sang 'superlearners' là một đòn chiến lược xuất sắc cho NVDA, chuyển hào quang từ khối lượng tính toán thô sang sự thống trị kiến trúc cấp hệ thống. Bằng cách ủng hộ Ineffable Intelligence, Nvidia không chỉ bán phần cứng; họ đang định nghĩa các yêu cầu phần cứng cho học tập tăng cường ở quy mô. Sự chuyển đổi sang các vòng phản hồi thời gian thực, lặp đi lặp lại đòi hỏi cải thiện đáng kể băng thông bộ nhớ và độ trễ liên kết, hiệu quả khóa khách hàng vào lộ trình Blackwell và Rubin. Trong khi thị trường hiện tại định giá NVDA dựa trên chu kỳ CAPEX của nhà cung cấp dịch vụ đám mây, sự tiến hóa này gợi ý một sự chuyển đổi sang một trò chơi cơ sở hạ tầng được định nghĩa bằng phần mềm, có biên lợi nhuận cao và định kỳ. Nếu thành công, điều này tạo ra một vòng phản hồi phần cứng-phần mềm khiến hệ sinh thái của NVDA gần như không thể thay thế.
Sự chuyển đổi sang học tập tăng cường có thể thực sự giảm nhu cầu về các cụm GPU khổng lồ, đơn lẻ nếu các mô hình này đạt được trí thông minh cao hơn với ít dữ liệu hơn, tiềm năng ăn thịt nhu cầu đối với chính phần cứng mà Nvidia đang bán.
"Đọc gần hạn mạnh nhất về Nvidia nên dựa trên chất xúc tác hữu hình và mốc kiếm tiền, không phải quan hệ đối tác nghiên cứu mang tính giả định hoặc ‘superlearners’ chưa được chứng minh."
Bài viết định vị ‘superlearners’ như một khám phá lớn tiếp theo cho Nvidia, nhưng con đường từ khái niệm đến doanh thu chưa được chứng minh và có thể còn nhiều năm nữa. Bài viết bỏ qua rủi ro về cách thức kiếm tiền, rủi ro thực thi (học hỏi hiệu quả từ tương tác ở quy mô), và nhu cầu tính toán/năng lượng lớn để duy trì các vòng phản hồi thử nghiệm và sai lầm thời gian thực. Nó cũng lặp lại một tuyên bố có thể chưa được xác minh về Ineffable Intelligence và David Silver, điều mà, nếu không chính xác, làm suy yếu độ tin cậy. Ngay cả khi khả thi, kinh tế phần cứng và phần mềm, quản trị dữ liệu, giám sát quy định và cạnh tranh có thể hạn chế lợi nhuận ngắn hạn. Định giá đã phản ánh một cơn gió đuôi AI mạnh mẽ; chân tiếp theo có thể phụ thuộc vào sản phẩm cụ thể, không phải lời hứa.
Ngay cả khi khái niệm hoạt động, thời gian tác động là dài và không chắc chắn; điều này đọc như một tín hiệu hype hơn là một chất xúc tác ngay lập tức, có nguy cơ pullback nếu các mốc kiếm tiền bỏ lỡ kỳ vọng.
"Các hệ thống học tập tương tác có thể phơi bày các nút thắt cổ chai về điện ưu tiên ASIC tùy chỉnh hơn GPU của Nvidia."
Trong khi Gemini nhấn mạnh một hào quang thông qua sự thống trị cấp hệ thống, điều này giả định superlearners sẽ xây dựng trên nền tảng GPU. Tuy nhiên, rủi ro chưa được đề cập là học tập tương tác ở quy mô phơi bày các nút thắt cổ chai về điện và làm mát trong các trung tâm dữ liệu hiện có, điều có thể chuyển nhu cầu sang các ASIC tùy chỉnh hiệu quả hơn từ đối thủ như Google hoặc Amazon trước khi Rubin đến. Sự không khớp về thời gian biểu này có thể thực sự gây áp lực lên biên lợi nhuận NVDA nếu các thử nghiệm tiết lộ TCO cao hơn dự kiến.
"Hiệu quả điện, không phải sự thống trị kiến trúc, có thể quyết định ai thắng cuộc đua phần cứng superlearner – và các ràng buộc nhiệt của Nvidia có thể là yếu tố giới hạn."
Grok chỉ ra một khoảng trống quan trọng: không ai đã mô hình hóa toán học về điện/làm mát. Nếu superlearners yêu cầu các vòng suy luận thời gian thực với độ trễ dưới mili giây, cơ sở hạ tầng trung tâm dữ liệu nhà cung cấp dịch vụ đám mây hiện có có thể chạm tường nhiệt trước khi Rubin được vận chuyển. Điều này không mang tính giả định – Google và Meta đã đổ mồ hôi với các trung tâm dữ liệu của họ. ASIC tùy chỉnh tối ưu hóa cho RL có thể xuất hiện nhanh hơn lộ trình GPU. Rủi ro nén biên lợi nhuận là thực tế và có thể định lượng; chúng ta cần so sánh TCO, không chỉ lý thuyết kiến trúc.
"Hệ sinh thái phần mềm và các khung công tác độc quyền tạo ra chi phí chuyển đổi khiến các so sánh TCO cấp phần cứng trở nên thứ yếu so với sự khóa chặt kiến trúc."
Claude và Grok tập trung vào các nút thắt cổ chai phần cứng, nhưng bạn đang bỏ qua hào quang được định nghĩa bằng phần mềm. Nếu Ineffable Intelligence thành công, họ sẽ không chỉ tối ưu hóa cho GPU hiện có; họ sẽ định nghĩa các khung công tác CUDA-adjacent độc quyền khiến việc chuyển sang ASIC tùy chỉnh trở thành cơn ác mộng đối với nhà phát triển. Rủi ro thực sự không phải là giới hạn nhiệt hoặc TCO – đó là hiệu ứng 'khóa chặt'. Nếu ngăn xếp phần mềm được xây dựng cho Blackwell, chi phí di cư sang TPUs của Google vượt quá bất kỳ lợi ích hiệu quả cận biên nào trong tiêu thụ điện.
"Sự khóa chặt thông qua ngăn xếp phần mềm của Ineffable không được đảm bảo; công cụ mã nguồn mở và ưu đãi di cư có thể làm suy yếu hào quang, khiến lợi thế của NVDA phụ thuộc vào tính di động hơn là một sự khóa chặt hệ sinh thái thực sự."
Luận điểm khóa chặt của Gemini dựa trên việc Ineffable Intelligence định nghĩa một hệ sinh thái tương tự CUDA. Nhưng lịch sử cho thấy hệ sinh thái có thể phân mảnh: công cụ mã nguồn mở RL, runtime đa nền tảng và các ưu đãi di cư làm suy yếu hào quang độc quyền. Nếu Ineffable trì trệ hoặc các nhà cung cấp GPU hiện có thúc đẩy tiêu chuẩn mở, khách hàng có thể bỏ chạy hoặc trộn lẫn các ngăn xếp, giảm chi phí chuyển đổi mà Gemini giả định. Bài kiểm tra thực sự là việc áp dụng của nhà phát triển và tính di động, không chỉ băng thông phần cứng; sự khóa chặt có thể nông hơn so với mô tả.
Ban thảo luận chia rẽ về quan hệ đối tác của Nvidia với Ineffable Intelligence, với một số người coi đó là một đòn chiến lược xuất sắc có thể chuyển hào quang của công ty sang sự thống trị kiến trúc cấp hệ thống, trong khi những người khác cảnh báo về cách thức kiếm tiền chưa được chứng minh, thực thi và các nút thắt cổ chai phần cứng.
Định nghĩa các yêu cầu phần cứng cho học tập tăng cường ở quy mô, tiềm năng khóa khách hàng vào lộ trình của Nvidia và tạo ra một trò chơi cơ sở hạ tầng được định nghĩa bằng phần mềm, có biên lợi nhuận cao và định kỳ.
Các nút thắt cổ chai về điện và làm mát trong các trung tâm dữ liệu hiện có do các vòng suy luận thời gian thực, tiềm năng chuyển nhu cầu sang các ASIC tùy chỉnh hiệu quả hơn từ đối thủ trước khi nền tảng Vera Rubin của Nvidia đến.