Chiến Lược Của Huawei Để Trở Thành "Nvidia Của Trung Quốc": Lối Đi Nào Cho Điện Toán AI?

Khi các lệnh hạn chế tiếp cận máy quang khắc siêu cực tím (EUV) và nguồn cung chip AI tiên tiến từ Mỹ ngày càng siết chặt, Huawei đã chọn một hướng tiếp cận khác biệt: bù đắp sự thiếu hụt tiến trình bán dẫn bằng kiến trúc cụm siêu phân tán, bus kết nối quang học và hệ sinh thái phần mềm mã nguồn mở.

Trong buổi gặp gỡ nhân sự gần đây, ông Guo Ping — Chủ tịch Hội đồng Giám sát của Huawei — đã khẳng định mục tiêu dài hạn của tập đoàn trong mảng điện toán: "Mục tiêu của Huawei là trở thành Nvidia."

Đối với thị trường Trung Quốc, việc tự chủ hạ tầng phần cứng AI không đơn thuần là câu chuyện thương mại mà là bài toán bảo đảm năng lực tính toán chiến lược. Nhận thức rõ việc chế tạo một chip đơn lẻ (monolithic chip) đủ sức đánh bại các dòng GPU đỉnh cao như Hopper hay Blackwell của Nvidia là bất khả thi nếu thiếu cỗ máy quang khắc EUV từ ASML, Huawei đang triển khai chiến lược kiềng 3 chân: Cách tân kiến trúc chip, Ghép nối siêu cụm quy mô triệu vi xử lý và Mở mã nguồn tầng phần mềm CANN.

1. Kiến trúc xếp chồng và lộ trình tăng tốc dòng chip Ascend

Không thể tiếp cận tiến trình dưới 5nm/3nm tiên tiến nhất thế giới, Huawei tập trung vào giải pháp kiến trúc: xếp chồng nhiều lớp silicon, đóng gói 3D và tối ưu cấu trúc bộ nhớ để gia tăng mật độ tính toán trên mỗi socket.

Ascend 910C: Con chip phổ biến nhất của Huawei trong các trung tâm dữ liệu nội địa hiện nay, đạt mức hiệu năng tính toán tương đương khoảng 60% so với Nvidia H100 ở một số tác vụ cụ thể.
Ascend 950DT / 950PR: Thế hệ vi xử lý bắt đầu bước vào giai đoạn thương mại hóa. Trong đó, biến thể Ascend 950DT được thiết kế với dung lượng và băng thông bộ nhớ lớn, phục vụ tối ưu cho khối lượng công việc suy luận (AI inference). Đơn vị phát triển mô hình lớn DeepSeek đã phối hợp thử nghiệm thực tế và lên kế hoạch triển khai số lượng lớn dòng chip này.
Ascend 960 Series: Huawei vừa công bố đẩy sớm tiến độ thương mại hóa chip Ascend 960DT sang Quý 1 và Ascend 960PR sang Quý 3.
Tầm nhìn 2028 – 2029: Lộ trình đã được vạch sẵn cho thế hệ Ascend 970 (2028) và Ascend 980 (2029), với cam kết nhân đôi năng lực tính toán qua mỗi chu kỳ.

2. UnifiedBus và Peerium: Hóa giải nút thắt cổ chai hạ tầng AI

Một nguyên lý cố hữu trong hạ tầng cụm máy chủ AI là: Khi hiệu năng chip đơn lẻ thấp hơn đối thủ, bắt buộc phải tăng số lượng chip tham gia tính toán. Tuy nhiên, việc mở rộng quy mô (Scale-out) luôn gặp phải rào cản cực lớn về độ trễ luân chuyển dữ liệu và tiêu hao công suất điện. Trong các cụm huấn luyện AI truyền thống, việc trung chuyển dữ liệu giữa bộ nhớ, vi xử lý và card mạng có thể tiêu tốn tới 40% thời gian chạy.

Để giải quyết bài toán này, Huawei công bố hai công nghệ nền tảng:

UnifiedBus (UB): Giao thức kết nối mở tốc độ cao đóng vai trò như ngôn ngữ kết nối thống nhất, liên kết trực tiếp CPU, NPU, RAM và bộ lưu trữ NVMe/SSD xuyên suốt các rack máy chủ.
Near-Packaged Optics (NPO): Tích hợp các bộ thu phát quang học đặt sát cạnh đế chip bán dẫn nhằm cắt giảm tối đa điện năng và tăng vọt băng thông truyền tải tín hiệu.
Kiến trúc Peerium & Supernode: Trọng tâm kiến trúc mới cho phép một "siêu nút" (Supernode) tích hợp đến 4.096 chip tính toán. Khi kết nối nhiều siêu nút, hệ thống được thiết kế hướng tới khả năng quản lý và đồng bộ lên đến 1 triệu bộ vi xử lý, vận hành tựa như một siêu máy tính nguyên khối duy nhất.

3. Phá vỡ thế độc quyền CUDA bằng giải pháp CANN mã nguồn mở

Sức mạnh thống trị tuyệt đối của Nvidia không chỉ nằm ở chip xử lý, mà nằm ở hệ sinh thái phần mềm CUDA (Compute Unified Device Architecture) — nền tảng độc quyền đã tích lũy hơn 20 năm qua với hàng triệu nhà phát triển và vô số thư viện thuật toán tối ưu.

Để tạo ra môi trường lập trình độc lập, Huawei xây dựng CANN (Compute Architecture for Neural Networks) — tầng trung gian cho phép biên dịch và chạy các mô hình AI trực tiếp trên phần cứng NPU Ascend. Quyết định mở toàn bộ mã nguồn của CANN là bước đi chiến lược:

Cho phép các kỹ sư, viện nghiên cứu và doanh nghiệp tùy biến sâu vào tầng vi kiến trúc.
Giúp việc chuyển đổi mã nguồn (porting code) từ các framework như PyTorch sang phần cứng Ascend diễn ra mượt mà hơn.
Thu hút cộng đồng lập trình viên độc lập tham gia gỡ lỗi, tối ưu thư viện toán học và giảm chi phí chuyển đổi công nghệ.

Thách thức thực tế và tương lai tự chủ hạ tầng

Dù đã có những bước đột phá về kiến trúc cụm, Huawei vẫn phải đối mặt với nhiều rào cản:

Hiệu năng đơn nhân và bài toán năng lượng: Việc ghép nối nhiều chip tiêu thụ nhiều điện năng hơn và yêu cầu hệ thống giải nhiệt phức tạp hơn so với cụm sử dụng chip mật độ cao của Nvidia.
Thói quen hệ sinh thái: Phần lớn các phòng thí nghiệm hàng đầu vẫn ưu tiên huấn luyện mô hình cơ sở (foundation models) trên hạ tầng GPU Nvidia trước khi chuyển đổi sang chạy suy luận (inference) trên các nền tảng nội địa.
Áp lực chuỗi cung ứng: Năng lực sản xuất và tỷ lệ wafer đạt chuẩn (yield rate) tại các xưởng đúc nội địa vẫn là bài toán cần thời gian hoàn thiện.

Dẫu vậy, phát biểu tại Thượng Hải của ông Eric Xu — Chủ tịch luân phiên Huawei — đã đúc kết rõ ràng tư duy chuyển dịch công nghệ này:

"Chúng ta không thể mãi để người khác định đoạt số phận của mình. Dù công nghệ nội địa có thể đi sau về tiến trình, nhưng có một sản phẩm tự chủ trong tay sẽ loại bỏ hoàn toàn nỗi bất an về chuỗi cung ứng."

Hành trình xây dựng cụm điện toán triệu chip và hệ sinh thái CANN của Huawei đang chứng minh: Trong kỷ nguyên AI, cuộc đua hạ tầng không chỉ dừng lại ở nanomet bán dẫn, mà là cuộc chiến tổng lực về kiến trúc hệ thống, mạng truyền thông và hệ sinh thái phần mềm.