NVIDIA bắt đầu bán phương pháp để làm cuốc.

Tác giả: Ada, Công nghệ Deep Tide TechFlow

San Francisco, Trung tâm hội nghị San Jose, GTC trực tiếp.

Giám đốc khoa học của Nvidia, Bill Dally, ngồi trên sân khấu, đối diện là Jeff Dean của Google. Hai người đang nói chuyện thì Dally đưa ra một con số: “Trước đây, việc chuyển đổi một thư viện đơn vị tiêu chuẩn chứa khoảng 2500 đến 3000 đơn vị, cần một đội ngũ 8 kỹ sư mất khoảng 10 tháng.”

Ông dừng lại một chút.

“Hiện tại chỉ cần một card GPU, chạy trong một đêm.”

Khán giả phía dưới không ai thốt lên kinh ngạc, vì ai hiểu câu này đều biết ý nghĩa của nó. Công việc của 8 kỹ sư trong 10 tháng để chuyển đổi thư viện đơn vị tiêu chuẩn, đã bị một chiếc GPU do chính hãng sản xuất trong một đêm tiêu diệt. Hơn nữa, Dally còn bổ sung: kết quả chạy ra về diện tích, tiêu thụ năng lượng, độ trễ, đều phù hợp hoặc còn vượt xa thiết kế của con người.

Ngày hôm sau, có tin tức phân tích thành “Nvidia dùng AI thiết kế GPU”.

Nhưng sự thật về chuyện này còn thú vị hơn nhiều so với tiêu đề báo.

Nvidia đang chạy gì bên trong?

Nvidia không phải là một hộp đen, mà là vài bộ công cụ đã mài giũa nhiều năm.

NB-Cell là một hệ thống dựa trên học tăng cường, chuyên làm những công việc cực nhọc như chuyển đổi thư viện đơn vị tiêu chuẩn. Prefix RL nhằm giải quyết bài toán lâu dài về đặt chỗ trong chuỗi dự đoán trước bước tiến. Dally nói hệ thống này tạo ra bố cục “là thứ con người mãi mãi không thể nghĩ ra”, so với thiết kế của con người, các chỉ số chính đã nâng cao khoảng 20% đến 30%.

Tiếp theo là hai mô hình LLM nội bộ, Chip Nemo và Bug Nemo. Nvidia cung cấp mã RTL của từng GPU trong lịch sử, tài liệu kiến trúc, thông số thiết kế cho hai mô hình lớn này. Theo mô tả của Dally, điều này tương đương với việc distill toàn bộ ký ức cơ bắp của Nvidia từ G80 đến Blackwell trong hai mươi năm thành một mô hình nội bộ, giúp người mới vào có thể trực tiếp kết nối với kỹ năng của kỹ sư dày dạn hai mươi năm.

Vậy “AI có thể thiết kế GPU” chưa?

Ngược lại hoàn toàn. Dally nói chính xác: “Tôi rất hy vọng một ngày nào đó có thể trực tiếp nói ‘hãy thiết kế cho tôi một GPU mới’, nhưng chúng tôi còn rất xa mới đến được đó.”

Nvidia chưa dùng AI để thiết kế GPU. Nhưng điều họ làm khác lại khiến toàn ngành sau này không thể chơi trò này nếu không có họ.

Mua 2 tỷ USD vào lĩnh vực EDA

Ngày 1 tháng 12 năm 2025, Nvidia đầu tư 20 tỷ USD mua cổ phần của một trong ba ông lớn trong lĩnh vực EDA là Synopsys. Hai bên ký kết thỏa thuận hợp tác phát triển, tích hợp hệ thống tính toán tăng tốc của Nvidia vào toàn bộ quy trình làm việc của Synopsys, Blackwell và thế hệ GPU Rubin tiếp theo sẽ được tích hợp sâu với Synopsys.ai.

Vị thế của Synopsys cần được giải thích rõ. Trong thiết kế chip tiên tiến nhất thế giới, như chip của Apple M series, AMD MI series, Google TPU, hầu hết đều chạy trên các công cụ của Synopsys hoặc Cadence. Hai công ty này cùng Siemens EDA chiếm độc quyền các công cụ nền tảng cho thiết kế chip. Bạn có thể không dùng chip của Qualcomm, không dùng dây chuyền của TSMC, nhưng không thể thoát khỏi phần mềm của ba công ty này.

Sau ba tháng đầu tư vào Synopsys, Nvidia còn đưa Cadence, Siemens, Dassault vào, tuyên bố họ đều đang phát triển các công cụ thiết kế chip dựa trên GPU của Nvidia dùng AI.

Các số liệu benchmark Nvidia công bố khá ấn tượng: Synopsys PrimeSim chạy nhanh gấp gần 30 lần trên Blackwell, Proteus nhanh gấp 20 lần, Sentaurus trên B200 so với CPU tăng tốc 12 lần. MediaTek dùng H100 để tăng tốc Cadence Spectre gấp 6 lần. Astera Labs dùng Synopsys + Nvidia để tăng tốc xác thực chip gấp 3,5 lần.

Có một chi tiết đáng chú ý riêng: Nền tảng Millennium M2000 của Cadence, được gọi là “chuyên dành cho thị trường EDA, độc quyền dựa trên NVIDIA Blackwell”.

Chữ “độc quyền” đáng để suy ngẫm nhất. Có nghĩa là, trước đây công cụ EDA chạy trên CPU, ai cũng có thể chơi được của Intel, AMD. Nhưng từ nay muốn dùng công cụ EDA nhanh nhất, chỉ còn cách mua card của Nvidia.

Hình dạng thực của chiếc đòn bẩy

Hình ảnh về chiếc đòn bẩy của Nvidia phần lớn mọi người hiểu là như thế này: bán GPU cho các công ty AI, các công ty AI huấn luyện mô hình lớn, mô hình lớn chứng minh GPU không thể thay thế, từ đó mọi người mua GPU nhiều hơn.

Chiếc đòn bẩy này đã đủ đáng sợ rồi. Nhưng còn có một lớp nữa phía dưới.

Nvidia dùng công cụ của chính mình để thiết kế thế hệ GPU tiếp theo, hiệu quả thiết kế mở ra khoảng cách giữa các thế hệ, đồng thời buộc toàn ngành phải dựa vào hệ sinh thái EDA của Nvidia. Các đối thủ muốn đuổi theo, nhưng ngay cả công cụ để đuổi cũng phải thuê từ hệ sinh thái của Nvidia.

Báo cáo tài chính khiến cổ phiếu AMD sụt giảm mạnh chính là nỗi lo này. Dù Nvidia và Synopsys nói “đầu tư không kèm theo nghĩa vụ mua phần cứng của Nvidia”, thị trường đều hiểu rõ: các tính năng EDA nâng cấp nhanh nhất đều chạy trên phần cứng của Nvidia, AMD và Intel chỉ còn cách dựa vào “đường tối ưu hóa cho nền tảng đối thủ lớn nhất”.

Hãy tưởng tượng các kỹ sư của AMD sau này muốn thiết kế chip đối thủ của Blackwell, mở công cụ của Synopsys, chạy nhanh nhất trên GPU của Nvidia. Hoặc họ phải chấp nhận thiết kế chậm hơn gấp đôi, hoặc mua nhiều card của Nvidia để thiết kế chip vượt mặt Nvidia.

Cây xẻng vẫn còn bán. Nhưng cách bán đã thay đổi.

Thực trạng của GPU nội địa

Nói đến đây, phải đưa ra một số con số rõ ràng để tỉnh thức.

Trong năm tài chính 2025, Nvidia đạt lợi nhuận ròng vượt 70 tỷ USD, cùng lúc đó, “bốn con rồng” GPU nội địa là Moore Thread, Muxi, Biren, Suiyuan xếp hàng trước cửa IPO.

Báo cáo của Moore Thread cho thấy, từ 2022 đến 2024, tổng lỗ ròng ba năm là 5 tỷ CNY, nửa năm đầu 2025 lỗ thêm 271 triệu CNY, tính đến 30/6, lỗ lũy kế chưa bù đắp là 1,478 tỷ CNY. Ban lãnh đạo dự đoán sớm nhất là năm 2027 mới có thể đạt lợi nhuận hợp nhất. Muxi thì khá hơn, lỗ hơn 3 tỷ CNY sau ba năm. Nặng nhất là Biren, lỗ hơn 6,3 tỷ CNY trong ba năm rưỡi, doanh thu nửa đầu 2025 chỉ 5,89 triệu CNY, chưa bằng một phần mười của Moore Thread cùng kỳ là 70,2 triệu CNY.

Xem xét về đầu tư R&D, tỷ lệ chi phí R&D của Moore Thread năm 2022 chiếm 2422,51% doanh thu, đến 2024 vẫn cao tới 309,88%. Năm nào cũng tiêu hơn doanh thu gấp ba lần. Đây không phải là hoạt động kinh doanh, mà là cấp cứu truyền máu, dựa vào thị trường cấp 1 và cửa sổ thị trường khoa học sáng tạo mới mở ra để duy trì tồn tại.

Về công cụ, càng bị kìm hãm hơn nữa. Báo cáo IPO của Huada Jiutian năm 2022 cho thấy, công cụ chỉ hỗ trợ một phần quy trình công nghệ 5nm. Công ty Giga Electronic có thể hỗ trợ các node 7nm/5nm/3nm, nhưng chỉ làm phần công cụ, chưa thể làm toàn bộ quy trình.

Liu Weiping, sáng lập Huada Jiutian, thẳng thắn nói: “Hỗ trợ của EDA nội địa cho công nghệ tiên tiến còn rõ ràng chưa đủ, đặc biệt là với các công nghệ 7nm, 5nm, 3nm hiện nay. Hiện tại, EDA nội địa mới đạt trình độ của quy trình 14nm, dù đã nắm được công nghệ 7nm, nhưng để tích hợp sâu vào thực tế ứng dụng, cần có sự phối hợp toàn chuỗi ngành công nghiệp.”

Nói cách khác, toàn bộ quy trình EDA cho công nghệ tiên tiến vẫn chưa thể dùng nội địa. Các công ty thiết kế chip nội địa vẫn dùng phần mềm của Synopsys và Cadence. Năm 2025, Trump từng tuyên bố kiểm soát xuất khẩu phần mềm quan trọng, dù chưa thực thi chính thức, nhưng các công cụ EDA cho công nghệ dưới 7nm vẫn đang bị kiểm soát chặt chẽ. Khi nào giấy phép bị cắt, là do người khác quyết định.

Phản ứng của thị trường vốn đủ để làm người ta mê hoặc. Ngày mở bán của Muxi, cổ phiếu tăng 692,95% đóng cửa ở 829,9 CNY trong ngày đầu. Sau khi Moore Thread lên sàn, cổ phiếu từng tăng lên thứ ba trong A-share, chỉ sau Moutai và Cambrian, theo ước tính giá cổ phiếu thời điểm đó, tổng giá trị thị trường khoảng 359,5 tỷ CNY.

Sự thật đằng sau con số này là, một nhóm công ty vẫn đang tiêu tiền lỗ, vẫn phải dựa vào các công cụ bị kiểm soát của nước ngoài để tiếp tục thiết kế chip, lại được định giá như là “người kế thừa nội địa của Nvidia” trên thị trường thứ cấp.

Và bộ công cụ họ dùng để thiết kế chip, đang dần trở thành một phần trong hệ sinh thái của Nvidia. Việc Nvidia và Synopsys liên kết 20 tỷ USD, cùng nhãn “độc quyền dựa trên NVIDIA Blackwell” của Cadence Millennium M2000, khiến việc đuổi theo chính nó trở thành một nghịch lý.

Một chuỗi hoàn chỉnh từ thiết kế đến sản xuất

Quay lại cuộc trò chuyện tại GTC.

Dally thể hiện rất khiêm tốn: “AI còn rất xa mới có thể tự thiết kế chip,” câu này Nvidia đã nói đến bốn năm rồi. Nhưng cách nói đã thay đổi theo từng năm. Bốn năm trước là “AI có thể hỗ trợ thiết kế,” ba năm trước là “AI có thể tự động hóa một số bước,” năm nay là “chỉ trong một đêm đã hoàn thành công việc của 8 người trong 10 tháng.” Mỗi năm đều tiến một bước, mỗi năm đều để lại câu “còn rất xa đích đến.” Ba năm sau nhìn lại, câu “còn rất xa” của lần trước đã thành hiện thực, câu “còn rất xa” mới lại được định nghĩa là còn cách mọi đối thủ quá xa.

Trong vòng mười hai tháng qua, Nvidia chỉ làm một việc: đưa AI vào những phần quan trọng nhất, có hàng rào bảo vệ cao nhất của chuỗi ngành chip, rồi bán các công cụ này từng lớp cho toàn ngành.

Phần đầu của thiết kế chip, được tiếp quản bởi các LLM nội bộ như Chip Nemo; phần trung gian của thiết kế, chuyển đổi thư viện đơn vị tiêu chuẩn, tối ưu bố cục, được NB-Cell, Prefix RL tiếp quản; toàn bộ hệ thống công cụ EDA, qua khoản đầu tư 20 tỷ USD của Synopsys và nhãn “độc quyền dựa trên Blackwell” của Cadence, đều gắn chặt vào GPU của Nvidia; phần chế tạo, tính toán quang khắc, đã được cuLitho tiếp quản, TSMC đã bắt đầu dùng.

Từ thiết kế đến chế tạo, Nvidia đã dùng AI để làm lại từng phần. Tất cả đều hướng tới một điểm cuối: muốn dùng công cụ nhanh nhất, phải mua card của Nvidia.

Với mọi đối thủ muốn chế tạo chip có thể vượt mặt Blackwell, điều đáng xấu hổ đã xảy ra rồi. Công cụ EDA để thiết kế chip đó, phiên bản chạy nhanh nhất, đều trên GPU của Nvidia; thuật toán tính toán quang khắc để chế tạo chip đó, nhanh nhất, do Nvidia cung cấp; sức mạnh tính toán để huấn luyện AI thiết kế, vẫn là card của Nvidia.

Người mà bạn muốn đánh bại, đang cho thuê tất cả các công cụ cần để đánh bại chính nó. Tiền thuê hàng năm, hợp đồng mỗi năm đều tăng giá.