Dũng Virgo
Thị trường máy tính phục vụ trí tuệ nhân tạo đang xuất hiện một nghịch lý đáng chú ý: những thiết bị chưa chính thức bán rộng rãi đã được các đối tác đặt gần hết, trong khi các mẫu máy tính để bàn nhỏ gọn của Apple được cho là mua với số lượng lên tới hàng chục nghìn chiếc.
Theo thông tin từ The Information, OpenAI đã gom nhiều máy Mac mini và Mac Studio trong vài tháng qua. Số thiết bị này được cho là phục vụ hoạt động học tăng cường và phát triển các AI agent có khả năng thao tác trực tiếp trên máy tính. OpenAI chưa công khai xác nhận thương vụ, vì vậy quy mô cụ thể vẫn chỉ dừng ở mức thông tin từ những người am hiểu hoạt động của công ty.
Ở phía Windows, nền tảng RTX Spark của Nvidia cũng đang nhận được phản hồi vượt dự kiến. ASUS cho biết lượng máy dành cho đợt giao đầu tiên đã được các đối tác phân phối đặt hết, còn MSI gần như sử dụng hết hạn ngạch ban đầu và đang đề nghị Nvidia bổ sung chip. Tuy nhiên, đây là số liệu đặt hàng trong kênh phân phối, chưa thể xem là doanh số bán đến tay người dùng cuối.
Vì sao máy Mac nhỏ gọn được đưa vào hạ tầng AI?
Trong nhiều năm, khi nói đến huấn luyện mô hình AI, người ta thường nghĩ đến các cụm máy chủ trang bị GPU Nvidia cao cấp. GPU có khả năng xử lý song song khối lượng lớn, đồng thời được hỗ trợ bởi hệ sinh thái CUDA và nhiều thư viện chuyên dụng. Dù vậy, không phải mọi công việc AI đều cần đến hệ thống máy chủ đắt đỏ và tiêu thụ nhiều điện năng.
Mac mini và Mac Studio thu hút sự chú ý nhờ kiến trúc bộ nhớ hợp nhất. CPU, GPU và các khối xử lý khác cùng truy cập vào một vùng nhớ chung, thay vì phải liên tục sao chép dữ liệu giữa RAM hệ thống và VRAM của card đồ họa. Cách thiết kế này có thể giảm một phần độ trễ khi xử lý những mô hình cần trao đổi lượng dữ liệu lớn.
Điểm đáng giá khác nằm ở dung lượng bộ nhớ. Một chiếc Mac không nhất thiết có sức mạnh tính toán tương đương máy chủ dùng GPU Nvidia cao cấp, nhưng có thể cung cấp lượng bộ nhớ hợp nhất lớn trong thân máy nhỏ, vận hành yên tĩnh và tiết kiệm năng lượng hơn. Với các tác vụ thử nghiệm, suy luận mô hình hoặc phát triển tác tử AI, sự cân bằng này có thể phù hợp hơn việc đầu tư ngay vào một cụm GPU chuyên dụng.
Mac mini và Mac Studio cũng có lợi thế so với MacBook trong những công việc chạy liên tục. Hệ thống tản nhiệt của máy để bàn được thiết kế cho tải dài hạn, không phụ thuộc vào pin và có thể bố trí cố định trong phòng làm việc hoặc trung tâm máy chủ. Mac Studio còn có thể kết nối nhiều máy thành cụm để phân bổ khối lượng công việc, dù hiệu quả thực tế còn phụ thuộc vào phần mềm và cách triển khai.
OpenAI dùng Mac cho học tăng cường và AI agent
Thông tin được nhắc đến cho thấy OpenAI không chỉ dùng máy Mac để chạy thử các mô hình thông thường. Công ty được cho là sử dụng chúng trong quá trình học tăng cường và phát triển các agent có khả năng điều khiển máy tính.
AI agent dạng này cần quan sát giao diện, đọc trạng thái ứng dụng, thực hiện thao tác bằng chuột hoặc bàn phím rồi đánh giá kết quả. Môi trường máy tính tương đối gần với cách người dùng làm việc có thể giúp nhóm phát triển kiểm tra agent trong các tình huống thực tế, thay vì chỉ đánh giá mô hình qua những câu hỏi và câu trả lời dạng văn bản.
Việc mua số lượng lớn máy Mac, nếu thông tin là chính xác, cũng cho thấy nhu cầu thử nghiệm nhiều phiên bản agent cùng lúc. Mỗi thiết bị có thể đảm nhiệm một môi trường, một chuỗi tác vụ hoặc một phiên chạy học tăng cường riêng. Cách mở rộng này không thay thế hoàn toàn máy chủ GPU, nhưng tạo thêm lớp hạ tầng linh hoạt cho các công việc cần tương tác với hệ điều hành.
Anthropic được cho là chọn một hướng khác khi thuê máy Mac mini thông qua Amazon Web Services. Điều này cho phép công ty tiếp cận tài nguyên Mac từ xa mà không phải tự mua và vận hành toàn bộ phần cứng. Quy mô thuê máy chưa được tiết lộ, và Anthropic cũng chưa xác nhận thông tin.
Những diễn biến này phù hợp với xu hướng mở rộng hạ tầng AI ngoài các trung tâm dữ liệu truyền thống. Bên cạnh GPU chuyên dụng, doanh nghiệp còn cần máy để kiểm thử agent, phát triển phần mềm, chạy mô hình cục bộ và mô phỏng các tác vụ người dùng. Nhu cầu về RAM và bộ nhớ lớn vì thế cũng đang chịu tác động rõ rệt từ làn sóng AI, tương tự những gì thị trường linh kiện đã ghi nhận.
Trong bối cảnh đó, người đọc có thể tham khảo thêm tác động của nhu cầu AI lên giá RAM và bộ nhớ để thấy thị trường phần cứng đang bị kéo theo như thế nào.
Mac mini, Mac Studio mới nhấn mạnh khả năng xử lý AI
Apple vừa giới thiệu Mac mini dùng chip M6 và Mac Studio trang bị M5 Ultra, đồng thời nhấn mạnh hiệu suất năng lượng, khả năng xử lý AI và dung lượng bộ nhớ hợp nhất. Hãng không nói OpenAI hay Anthropic là khách hàng của các sản phẩm này, nên chưa thể kết luận nhu cầu từ các phòng thí nghiệm AI là nguyên nhân trực tiếp dẫn đến thời điểm ra mắt.
Theo thông tin được công bố, M5 Ultra có thể đi kèm tối đa 256 GB bộ nhớ hợp nhất với băng thông đạt 1,2 TB/giây. Dung lượng này cho phép hệ thống xử lý các mô hình lớn hơn so với nhiều PC dùng card đồ họa tiêu dùng, vốn thường bị giới hạn bởi lượng VRAM có sẵn.
Tuy nhiên, bộ nhớ lớn không đồng nghĩa Mac sẽ thay thế mọi máy chủ GPU. Hiệu năng còn phụ thuộc vào số nhân xử lý, mức độ tối ưu của phần mềm, định dạng mô hình, băng thông bộ nhớ và yêu cầu huấn luyện. Các mô hình lớn vẫn có thể cần nhiều GPU chuyên dụng để đạt tốc độ phù hợp. Lợi thế của máy Mac nằm ở kích thước, điện năng, bộ nhớ hợp nhất và khả năng triển khai theo cụm cho từng nhu cầu cụ thể.
RTX Spark hướng đến AI cục bộ trên Windows
RTX Spark là nền tảng Windows on Arm do Nvidia phát triển cùng MediaTek. Thiết kế này kết hợp CPU kiến trúc Arm, GPU Blackwell và bộ nhớ hợp nhất trong một hệ thống. Sản phẩm hướng đến nhà phát triển AI, người sáng tạo nội dung và game thủ muốn có một thiết bị mạnh nhưng không phải lắp card đồ họa rời cồng kềnh.
Phiên bản cao cấp N1x được giới thiệu với GPU có 6.144 nhân CUDA, hiệu năng AI tối đa 1 PFLOP ở định dạng FP4 và hỗ trợ tối đa 128 GB RAM LPDDR5X hợp nhất. Máy cũng tương thích với các công nghệ quen thuộc trong hệ sinh thái Nvidia như CUDA, TensorRT, DLSS và RTX.
Với cấu hình này, nhà phát triển có thể thử nghiệm, tinh chỉnh hoặc chạy mô hình ngay trên máy. Việc xử lý cục bộ giúp giảm phụ thuộc vào dịch vụ đám mây trong một số tình huống, đồng thời thuận tiện khi làm việc với dữ liệu không muốn đưa lên máy chủ bên ngoài. Dù vậy, khả năng tương thích phần mềm trên nền tảng Windows on Arm vẫn là yếu tố cần được kiểm tra, nhất là với các công cụ và thư viện chưa được tối ưu đầy đủ.
ASUS, MSI cùng Dell, HP, Lenovo và Microsoft nằm trong nhóm các thương hiệu dự kiến đưa sản phẩm RTX Spark ra thị trường. Những thiết bị đầu tiên dự kiến xuất hiện vào mùa thu. ASUS cho biết toàn bộ lượng máy dự kiến dành cho đợt đầu đã được đối tác phân phối đặt trước. MSI cũng nói lô laptop N1x đầu tiên gần như đã được khách hàng tại Trung Quốc, Đài Loan và Mỹ đặt hết.
Đặt hết qua kênh phân phối chưa đồng nghĩa cháy hàng bán lẻ
Thông tin về RTX Spark cần được đọc với một số điều kiện. ASUS và MSI chưa công bố số lượng máy trong lô đầu tiên, nên chưa thể biết quy mô thực tế của lượng đặt trước. Đơn hàng từ nhà phân phối thường phản ánh kỳ vọng của đại lý và kế hoạch phân bổ sản phẩm, nhưng không đồng nghĩa toàn bộ thiết bị đã được người dùng cuối mua.
Giá chính thức của máy N1x cũng chưa được công bố. Một số ước tính tại Đài Loan cho rằng sản phẩm có thể khởi điểm quanh 110.000 Đài tệ, tương đương khoảng 3.400 USD hoặc gần 90 triệu đồng. Nếu mức giá này được duy trì, RTX Spark sẽ nằm ở phân khúc dành cho doanh nghiệp, nhà phát triển và người dùng chuyên nghiệp, thay vì cạnh tranh với PC phổ thông.
Nhóm khách hàng nói trên có thể chấp nhận mức giá cao nếu cần lượng bộ nhớ lớn, khả năng chạy AI tại chỗ và quyền truy cập vào hệ sinh thái CUDA. Đổi lại, họ cũng phải cân nhắc hiệu năng thực tế, mức độ hỗ trợ ứng dụng và thời gian chờ nguồn cung trước khi đưa sản phẩm vào quy trình làm việc.
Thị trường phần cứng đang được định hình lại bởi AI
Mac mini, Mac Studio và RTX Spark đại diện cho hai hướng tiếp cận khác nhau. Apple tận dụng bộ nhớ hợp nhất trên máy để bàn nhỏ gọn, trong khi Nvidia đưa GPU Blackwell và nền tảng CUDA xuống các thiết bị Windows on Arm. Cả hai đều cho thấy AI đang tạo ra nhu cầu mới ngoài các máy chủ trung tâm dữ liệu.
Doanh nghiệp giờ đây không chỉ mua phần cứng để lưu trữ hoặc chạy phần mềm văn phòng. Họ cần máy cho nghiên cứu, kiểm thử agent, suy luận mô hình, phát triển ứng dụng và xử lý dữ liệu tại chỗ. Một trung tâm dữ liệu hiện đại cũng có thể phải kết hợp nhiều loại phần cứng khác nhau thay vì chỉ dùng một dòng GPU duy nhất. Xu hướng xây dựng hạ tầng chuyên biệt cho AI đang diễn ra ở nhiều cấp độ, từ máy cá nhân đến hệ thống lớn; câu chuyện về hạ tầng dữ liệu mới tại Singapore là một ví dụ cho hướng phát triển này.
Đối với người dùng phổ thông, hiện tượng đặt trước số lượng lớn chưa có nghĩa họ cần lập tức mua một máy Mac hay RTX Spark. Các tác vụ như trò chuyện với AI, chỉnh sửa ảnh cơ bản hoặc viết mã thường vẫn có thể thực hiện trên thiết bị hiện có hoặc qua dịch vụ đám mây. Chỉ những người cần chạy mô hình cục bộ, làm việc với dữ liệu riêng tư hoặc phát triển agent chuyên sâu mới có lý do rõ ràng để đầu tư vào nhóm phần cứng này.
Điều đáng chú ý nhất là AI đang biến bộ nhớ thành một trong những tiêu chí quan trọng nhất khi chọn máy. Trước đây, người dùng thường tập trung vào tốc độ CPU hoặc card đồ họa. Nay, dung lượng bộ nhớ, băng thông, khả năng chạy mô hình tại chỗ và hệ sinh thái phần mềm có thể quyết định giá trị của cả hệ thống. Nếu nhu cầu tiếp tục tăng, tình trạng khan hàng sẽ không chỉ xuất hiện ở GPU máy chủ mà còn lan sang những thiết bị nhỏ gọn vốn trước đây được xem là sản phẩm phổ thông.
AI phát hiện quá nhiều lỗi trong hơn 40 triệu dòng mã Linux
GPT-6 Astra: OpenAI tuyên bố kỷ nguyên AGI đã bắt đầu
Cho thuê GPU lúc rảnh: Cơ hội kiếm tiền hay gánh thêm tiền điện?
Gemini 3.8 Flash ra mắt: Mạnh hơn, rẻ hơn nhưng vẫn thiếu bản Pro
Trung Quốc hướng tới 3.000 nhà cung cấp dịch vụ AI vào 2027
Gemini 3.8 Flash: AI reasoning nhanh, rẻ và mạnh về coding
Anthropic ra mắt Fable 5.1: Mạnh hơn, rẻ hơn cho lập trình AI
