SongAI

-  Các công ty công nghệ đã đầu tư hàng tỷ USD vào máy tính lượng tử với kỳ vọng tạo đột phá trong tài chính, phát triển thuốc và logistics

-  AI đang tiến bộ nhanh chóng trong việc mô phỏng các hệ thống lượng tử phức tạp, thách thức vị thế của máy tính lượng tử

-  Meta vừa công bố mô hình AI được huấn luyện trên tập dữ liệu 118 triệu phân tử, đạt hiệu suất tốt nhất trong lĩnh vực khám phá vật liệu

-  Máy tính lượng tử lớn nhất hiện nay chỉ có hơn 1.000 qubit, trong khi cần đến hàng chục nghìn hoặc hàng triệu qubit để vượt trội hơn máy tính thông thường

-  Các nhà nghiên cứu tại DeepMind đã chứng minh có thể mô phỏng chính xác trạng thái kích thích trong hệ thống lượng tử, ứng dụng cho pin mặt trời và cảm biến

-  Microsoft đã phát triển bộ phần mềm nguồn mở giúp nhiều nhà nghiên cứu sử dụng mạng neural cho mô phỏng

-  AI tận dụng được đầu tư lớn vào phần cứng và phần mềm, trong khi máy tính lượng tử vẫn đang gặp nhiều thách thức về phần cứng

-  Các chuyên gia dự đoán tương lai sẽ là sự kết hợp giữa máy tính lượng tử và AI để giải quyết các bài toán phức tạp

-  Máy tính lượng tử có lợi thế trong mô phỏng sự tiến hóa của hệ thống lượng tử phức tạp theo thời gian

📌 AI đang thách thức vị thế của máy tính lượng tử trong mô phỏng khoa học với những tiến bộ vượt bậc. Meta đã huấn luyện AI trên 118 triệu phân tử, trong khi máy tính lượng tử lớn nhất chỉ đạt 1.000 qubit. Tương lai có thể là sự kết hợp của cả hai công nghệ.

https://www.technologyreview.com/2024/11/07/1106730/why-ai-could-eat-quantum-computings-lunch

#MIT

Tại sao AI có thể vượt mặt máy tính lượng tử?

Những tiến bộ nhanh chóng trong việc ứng dụng trí tuệ nhân tạo vào mô phỏng trong vật lý và hóa học khiến một số người đặt câu hỏi liệu chúng ta có còn cần đến máy tính lượng tử hay không.

Tác giả: Edd Gent
Ngày 7 tháng 11 năm 2024

Các công ty công nghệ đã đổ hàng tỷ đô la vào máy tính lượng tử trong nhiều năm qua với hy vọng chúng sẽ tạo ra bước ngoặt trong nhiều lĩnh vực khác nhau như tài chính, nghiên cứu thuốc và logistics.

Những kỳ vọng đó đặc biệt cao trong vật lý và hóa học, nơi các hiệu ứng kỳ lạ của cơ học lượng tử có vai trò quan trọng. Về lý thuyết, đây là lĩnh vực mà máy tính lượng tử có thể có lợi thế lớn so với máy tính thông thường.

Tuy nhiên, khi ngành công nghiệp này vẫn đang vật lộn với những thách thức của phần cứng lượng tử phức tạp, một đối thủ khác đang đạt được những bước tiến đáng kể trong một số ứng dụng hứa hẹn nhất. AI hiện đang được ứng dụng vào vật lý cơ bản, hóa học và khoa học vật liệu theo cách cho thấy rằng lĩnh vực vốn được coi là thế mạnh của máy tính lượng tử có thể không còn an toàn như trước nữa.

Quy mô và độ phức tạp của các hệ thống lượng tử có thể được mô phỏng bằng AI đang phát triển nhanh chóng, theo Giuseppe Carleo, giáo sư vật lý tính toán tại Viện Công nghệ Liên bang Thụy Sĩ (EPFL). Tháng trước, ông là đồng tác giả của một bài báo được công bố trên Science cho thấy rằng các phương pháp dựa trên mạng nơ-ron đang nhanh chóng trở thành kỹ thuật hàng đầu để mô hình hóa vật liệu có tính chất lượng tử mạnh. Meta cũng vừa công bố một mô hình AI được đào tạo trên bộ dữ liệu khổng lồ về vật liệu, giúp nó vươn lên dẫn đầu trong bảng xếp hạng các phương pháp máy học dành cho khám phá vật liệu.

Với tốc độ phát triển gần đây, ngày càng có nhiều nhà nghiên cứu đặt câu hỏi liệu AI có thể giải quyết phần lớn các vấn đề thú vị nhất trong hóa học và khoa học vật liệu trước khi máy tính lượng tử quy mô lớn trở thành hiện thực hay không.

"Sự xuất hiện của những đối thủ mới trong lĩnh vực máy học là một đòn giáng mạnh vào các ứng dụng tiềm năng của máy tính lượng tử," Carleo nhận định. "Theo tôi, các công ty đầu tư vào máy tính lượng tử sớm muộn gì cũng sẽ nhận ra rằng khoản đầu tư của họ không thực sự xứng đáng."

Những vấn đề mang tính cấp số nhân

Lời hứa của máy tính lượng tử nằm ở khả năng thực hiện một số phép tính nhanh hơn nhiều so với máy tính thông thường. Tuy nhiên, để hiện thực hóa tiềm năng này, cần có những bộ xử lý lượng tử lớn hơn nhiều so với hiện nay. Hiện tại, các thiết bị lớn nhất mới chỉ vừa vượt qua ngưỡng 1.000 qubit, nhưng để đạt được lợi thế rõ ràng so với máy tính cổ điển, có thể sẽ cần tới hàng chục nghìn, thậm chí hàng triệu qubit.

Khi phần cứng đó trở thành hiện thực, một số thuật toán lượng tử, chẳng hạn như thuật toán Shor (dùng để phá mã hóa), có tiềm năng giải quyết vấn đề nhanh hơn theo cấp số nhân so với các thuật toán cổ điển.

Nhưng đối với nhiều thuật toán lượng tử có ứng dụng thương mại rõ ràng hơn, chẳng hạn như tìm kiếm cơ sở dữ liệu, giải quyết bài toán tối ưu hóa hoặc hỗ trợ AI, lợi thế về tốc độ không đáng kể. Năm ngoái, một bài báo do Matthias Troyer, trưởng bộ phận máy tính lượng tử của Microsoft, đồng tác giả đã chỉ ra rằng những lợi thế lý thuyết này biến mất nếu tính đến thực tế rằng phần cứng lượng tử hoạt động chậm hơn nhiều (orders of magnitude slower) so với chip máy tính hiện đại. Việc đưa lượng lớn dữ liệu cổ điển vào và ra khỏi máy tính lượng tử cũng là một rào cản lớn.  

Do đó, Troyer và các đồng nghiệp kết luận rằng máy tính lượng tử nên tập trung vào các vấn đề trong hóa học và khoa học vật liệu, nơi cần mô phỏng các hệ thống mà hiệu ứng lượng tử chi phối. Về lý thuyết, một máy tính hoạt động theo cùng các nguyên tắc lượng tử với các hệ thống này sẽ có lợi thế tự nhiên. Thực tế, đây chính là ý tưởng cốt lõi thúc đẩy sự phát triển của máy tính lượng tử kể từ khi nhà vật lý nổi tiếng Richard Feynman lần đầu đề xuất khái niệm này.  

Các quy tắc của cơ học lượng tử chi phối nhiều thứ có giá trị thực tiễn và thương mại lớn, như protein, thuốc và vật liệu. Các tính chất của chúng được quyết định bởi sự tương tác giữa các hạt cấu thành, đặc biệt là electron—và việc mô phỏng những tương tác này trên máy tính có thể giúp dự đoán đặc điểm của một phân tử. Điều này có thể cực kỳ quan trọng trong việc khám phá những thứ như loại thuốc mới hoặc vật liệu pin hiệu quả hơn.  

Tuy nhiên, những quy tắc thách thức trực giác của cơ học lượng tử—đặc biệt là hiện tượng rối lượng tử, trong đó trạng thái lượng tử của các hạt ở xa có thể liên kết chặt chẽ với nhau—khiến các tương tác này trở nên vô cùng phức tạp. Việc theo dõi chính xác chúng đòi hỏi các phép toán phức tạp, trở nên ngày càng khó khăn theo cấp số nhân khi số lượng hạt tăng lên. Điều này khiến việc mô phỏng các hệ lượng tử lớn trở nên bất khả thi trên máy tính cổ điển.  

Đây chính là lĩnh vực mà máy tính lượng tử có thể tỏa sáng. Vì cũng hoạt động dựa trên các nguyên tắc lượng tử, máy tính lượng tử có thể biểu diễn trạng thái lượng tử hiệu quả hơn nhiều so với máy tính cổ điển. Chúng cũng có thể tận dụng các hiệu ứng lượng tử để tăng tốc tính toán.  

Nhưng không phải tất cả các hệ lượng tử đều giống nhau. Độ phức tạp của chúng phụ thuộc vào mức độ mà các hạt tương tác hoặc có sự tương quan với nhau. Trong các hệ có tương tác mạnh, việc theo dõi tất cả các mối quan hệ này có thể nhanh chóng làm tăng số phép tính cần thiết để mô hình hóa hệ thống. Tuy nhiên, theo Carleo, trong hầu hết các hệ thống mà các nhà hóa học và khoa học vật liệu quan tâm trên thực tế, sự tương quan là yếu. Điều đó có nghĩa là các hạt không ảnh hưởng đáng kể đến hành vi của nhau, khiến việc mô hình hóa hệ thống trở nên đơn giản hơn nhiều.  

Kết luận, theo Carleo, là máy tính lượng tử khó có thể mang lại lợi thế cho hầu hết các vấn đề trong hóa học và khoa học vật liệu. Các công cụ cổ điển có thể mô hình hóa chính xác các hệ có tương quan yếu đã tồn tại, nổi bật nhất là lý thuyết phiếm hàm mật độ (DFT). Ý tưởng cốt lõi của DFT là chỉ cần biết mật độ electron—một đại lượng thể hiện cách các electron phân bố trong không gian—là đủ để hiểu các tính chất quan trọng của hệ thống. Cách tiếp cận này giúp đơn giản hóa đáng kể việc tính toán nhưng vẫn mang lại kết quả chính xác đối với các hệ có tương quan yếu.

Mô phỏng các hệ thống lớn bằng những phương pháp này đòi hỏi sức mạnh tính toán đáng kể. Nhưng trong những năm gần đây, đã có một sự bùng nổ trong nghiên cứu sử dụng DFT để tạo ra dữ liệu về hóa chất, phân tử sinh học và vật liệu—những dữ liệu này có thể được dùng để huấn luyện mạng nơ-ron. Các mô hình AI này học được các quy luật trong dữ liệu, giúp chúng dự đoán các tính chất mà một cấu trúc hóa học cụ thể có thể có, nhưng chúng chạy với chi phí thấp hơn hàng bậc độ lớn so với các phép tính DFT thông thường.

Điều này đã mở rộng đáng kể quy mô của các hệ thống có thể được mô hình hóa—lên đến 100.000 nguyên tử cùng một lúc—và kéo dài thời gian mô phỏng, theo Alexandre Tkatchenko, giáo sư vật lý tại Đại học Luxembourg. “Thật tuyệt vời. Giờ đây có thể thực hiện hầu hết các nghiên cứu hóa học,” ông nói.

Olexandr Isayev, giáo sư hóa học tại Đại học Carnegie Mellon, cho biết các công ty trong ngành hóa học và khoa học sự sống đã ứng dụng rộng rãi các kỹ thuật này. Đối với các nhà nghiên cứu, những vấn đề từng ngoài tầm với như tối ưu hóa phản ứng hóa học, phát triển vật liệu pin mới và hiểu cách protein liên kết giờ đây cuối cùng cũng có thể giải quyết được.

Như hầu hết các ứng dụng AI khác, rào cản lớn nhất là dữ liệu, theo Isayev. Bộ dữ liệu vật liệu mà Meta mới công bố bao gồm các phép tính DFT trên 118 triệu phân tử. Một mô hình được huấn luyện trên bộ dữ liệu này đã đạt hiệu suất tiên tiến nhất, nhưng việc tạo ra dữ liệu huấn luyện này đòi hỏi nguồn tài nguyên tính toán khổng lồ—vượt xa khả năng tiếp cận của hầu hết các nhóm nghiên cứu. Điều đó có nghĩa là để tận dụng hết tiềm năng của phương pháp này, sẽ cần những khoản đầu tư lớn.

Tuy nhiên, mô phỏng một hệ có tương quan yếu bằng DFT không phải là một vấn đề tăng trưởng theo cấp số nhân. Điều này cho thấy rằng với nhiều dữ liệu hơn và tài nguyên tính toán lớn hơn, các phương pháp cổ điển dựa trên AI có thể mô phỏng ngay cả những hệ thống lớn nhất, theo Tkatchenko. Với việc các máy tính lượng tử đủ mạnh để cạnh tranh vẫn còn cách nhiều thập kỷ, ông bổ sung rằng quỹ đạo phát triển hiện tại của AI cho thấy nó có thể đạt được những cột mốc quan trọng, chẳng hạn như mô phỏng chính xác cách thuốc liên kết với protein, sớm hơn nhiều.

Tương quan mạnh

Khi nói đến mô phỏng các hệ lượng tử có tương quan mạnh—những hệ mà các hạt tương tác rất nhiều—các phương pháp như DFT nhanh chóng trở nên vô dụng. Dù ít phổ biến hơn, các hệ này bao gồm những vật liệu có khả năng mang tính đột phá, như siêu dẫn nhiệt độ cao hoặc cảm biến siêu chính xác. Nhưng ngay cả trong lĩnh vực này, AI cũng đang có những bước tiến đáng kể.

Năm 2017, Carleo từ EPFL và Troyer từ Microsoft đã công bố một bài báo quan trọng trên Science, cho thấy mạng nơ-ron có thể mô hình hóa các hệ lượng tử có tương quan mạnh. Phương pháp này không học từ dữ liệu theo cách thông thường. Thay vào đó, theo Carleo, nó giống với mô hình AlphaZero của DeepMind—mô hình đã thành thạo các trò chơi như cờ vây, cờ vua và shogi chỉ bằng cách dựa vào quy tắc của từng trò chơi và khả năng tự chơi với chính mình.

Trong trường hợp này, "quy tắc của trò chơi" được xác định bởi phương trình Schrödinger, phương trình có thể mô tả chính xác trạng thái lượng tử hoặc hàm sóng của một hệ. Mô hình AI tự "chơi" bằng cách sắp xếp các hạt theo một cấu hình nhất định rồi đo mức năng lượng của hệ. Mục tiêu là đạt đến cấu hình năng lượng thấp nhất (được gọi là trạng thái cơ bản), vì trạng thái này quyết định tính chất của hệ thống. Mô hình sẽ lặp lại quá trình này cho đến khi mức năng lượng không giảm thêm nữa, cho thấy rằng trạng thái cơ bản—hoặc một trạng thái rất gần với nó—đã được tìm thấy.

Sức mạnh của các mô hình này nằm ở khả năng nén thông tin, theo Carleo. “Hàm sóng là một đối tượng toán học rất phức tạp,” ông nói. “Những nghiên cứu gần đây đã chỉ ra rằng [mạng nơ-ron] có thể nắm bắt được sự phức tạp của đối tượng này theo cách mà máy tính cổ điển có thể xử lý.”

Kể từ bài báo năm 2017, phương pháp này đã được mở rộng sang nhiều hệ có tương quan mạnh khác nhau, và kết quả rất ấn tượng, theo Carleo. Bài báo trên Science mà ông cùng các đồng nghiệp công bố tháng trước đã thử nghiệm các kỹ thuật mô phỏng cổ điển hàng đầu trên một loạt các bài toán mô phỏng lượng tử phức tạp, với mục tiêu tạo ra một tiêu chuẩn đánh giá sự tiến bộ của cả phương pháp cổ điển và lượng tử.

Carleo cho biết các kỹ thuật dựa trên mạng nơ-ron hiện là cách tiếp cận tốt nhất để mô phỏng nhiều hệ lượng tử phức tạp nhất mà nhóm đã kiểm tra. “Máy học thực sự đang dẫn đầu trong nhiều bài toán này,” ông nói.

Những kỹ thuật này đang thu hút sự quan tâm của các tập đoàn công nghệ lớn. Tháng 8 vừa qua, các nhà nghiên cứu tại DeepMind đã công bố một bài báo trên Science cho thấy họ có thể mô hình hóa chính xác trạng thái kích thích trong các hệ lượng tử. Điều này có thể giúp dự đoán hành vi của các công nghệ như pin mặt trời, cảm biến và laser trong tương lai. Các nhà khoa học tại Microsoft Research cũng đã phát triển một bộ phần mềm mã nguồn mở để giúp nhiều nhà nghiên cứu hơn sử dụng mạng nơ-ron trong mô phỏng.

Một trong những lợi thế chính của phương pháp này là nó tận dụng được các khoản đầu tư khổng lồ vào phần mềm và phần cứng AI, theo Filippo Vicentini, giáo sư về AI và vật lý vật chất ngưng tụ tại École Polytechnique ở Pháp, đồng tác giả của bài báo Science về đánh giá hiệu suất: “Việc có thể khai thác những tiến bộ công nghệ này mang lại cho chúng tôi lợi thế rất lớn.”

Tuy nhiên, có một điểm cần lưu ý: vì trạng thái cơ bản thực chất được tìm thông qua thử và sai thay vì tính toán trực tiếp, kết quả thu được chỉ là xấp xỉ. Nhưng theo Juan Carrasquilla, nhà nghiên cứu tại ETH Zurich và cũng là đồng tác giả bài báo, chính điều này giúp phương pháp có thể tiến bộ trong một bài toán vốn bị coi là nan giải.

Nếu muốn theo dõi chính xác tất cả các tương tác trong một hệ có tương quan mạnh, số phép tính cần thực hiện sẽ tăng theo cấp số nhân khi kích thước hệ thống lớn lên. Nhưng nếu chỉ cần một kết quả đủ tốt, có rất nhiều cách để rút gọn quá trình tính toán.

“Có thể chúng ta không có hy vọng mô phỏng chính xác tuyệt đối,” Carrasquilla nói. “Nhưng có hy vọng thu thập đủ thông tin để nắm bắt tất cả các khía cạnh mà các nhà vật lý quan tâm. Và nếu làm được điều đó, kết quả thu được về cơ bản không khác gì một lời giải thực sự.”

Dù các hệ có tương quan mạnh thường quá phức tạp để mô phỏng bằng phương pháp cổ điển, vẫn có một số trường hợp ngoại lệ đáng chú ý. Theo một bài báo năm 2023 trên Nature Communications, một số hệ có liên quan đến mô hình hóa siêu dẫn nhiệt độ cao vẫn có thể mô phỏng bằng phương pháp cổ điển.

“Do tính phức tạp theo cấp số nhân, luôn có những bài toán mà không thể tìm ra cách rút gọn,” Frank Noe, quản lý nghiên cứu tại Microsoft Research và là người dẫn đầu nhiều dự án của công ty trong lĩnh vực này, cho biết. “Nhưng tôi nghĩ số lượng hệ mà chúng ta không thể tìm ra cách rút gọn tốt sẽ ngày càng ít đi.”

Không có giải pháp vạn năng

Tuy nhiên, Stefanie Czischek, trợ lý giáo sư vật lý tại Đại học Ottawa, cho rằng rất khó dự đoán những bài toán nào mạng nơ-ron có thể giải quyết hiệu quả. Với một số hệ phức tạp, chúng hoạt động cực kỳ tốt, nhưng với những hệ tưởng chừng đơn giản, chi phí tính toán lại có thể tăng vọt bất ngờ. “Chúng ta thực sự chưa biết giới hạn của chúng là gì,” cô nói. “Chưa ai thực sự xác định được điều kiện nào khiến việc biểu diễn hệ thống bằng các mạng nơ-ron trở nên khó khăn.”

Trong khi đó, cũng có những tiến bộ đáng kể trong các kỹ thuật mô phỏng lượng tử cổ điển khác, theo Antoine Georges, giám đốc Trung tâm Vật lý Lượng tử Tính toán tại Viện Flatiron ở New York, người cũng đóng góp vào bài báo đánh giá hiệu suất trên Science gần đây. “Mỗi phương pháp đều có thành công riêng và chúng cũng bổ trợ lẫn nhau,” ông nói. “Vì vậy, tôi không nghĩ rằng các phương pháp máy học này sẽ hoàn toàn thay thế tất cả các phương pháp khác.”

Máy tính lượng tử cũng sẽ có những ứng dụng riêng, theo Martin Roetteler, giám đốc cấp cao về giải pháp lượng tử tại IonQ, công ty đang phát triển máy tính lượng tử dựa trên công nghệ ion bẫy. Ông đồng ý rằng các phương pháp cổ điển có thể đủ để mô phỏng các hệ có tương quan yếu, nhưng tin rằng một số hệ lượng tử có tương quan mạnh và kích thước lớn sẽ vượt quá khả năng của các phương pháp này. “Tính chất tăng theo cấp số nhân sẽ trở thành vấn đề,” ông nói. “Có những hệ có tương quan mạnh mà chúng ta không thể xử lý bằng phương pháp cổ điển. Tôi hoàn toàn tin rằng điều đó là đúng.”

Ngược lại, ông cho rằng một máy tính lượng tử chịu lỗi trong tương lai, với số lượng qubit nhiều hơn đáng kể so với các thiết bị hiện tại, sẽ có thể mô phỏng những hệ này. Điều này có thể giúp tìm ra chất xúc tác mới hoặc cải thiện sự hiểu biết về các quá trình trao đổi chất trong cơ thể—một lĩnh vực được ngành dược phẩm đặc biệt quan tâm.

Mạng nơ-ron có thể mở rộng phạm vi các bài toán có thể giải quyết, theo Jay Gambetta, người đứng đầu bộ phận máy tính lượng tử tại IBM, nhưng ông không tin rằng chúng sẽ xử lý được những thách thức khó nhất mà doanh nghiệp quan tâm.

“Đó là lý do tại sao nhiều công ty có nhu cầu về hóa học vẫn tiếp tục nghiên cứu máy tính lượng tử—bởi vì họ biết chính xác những phương pháp xấp xỉ này sẽ thất bại ở đâu,” ông nói.

Gambetta cũng bác bỏ ý kiến cho rằng các công nghệ này là đối thủ của nhau. Ông cho rằng tương lai của điện toán có khả năng sẽ là sự kết hợp giữa hai phương pháp, với các thuật toán cổ điển và lượng tử hoạt động cùng nhau để giải quyết vấn đề. “Tôi không nghĩ chúng cạnh tranh với nhau. Tôi nghĩ chúng thực sự bổ trợ lẫn nhau,” ông nói.

Tuy nhiên, Scott Aaronson, giám đốc Trung tâm Thông tin Lượng tử tại Đại học Texas, cho rằng các phương pháp máy học đang cạnh tranh trực tiếp với máy tính lượng tử trong các lĩnh vực như hóa lượng tử và vật lý vật chất ngưng tụ. Ông dự đoán rằng sự kết hợp giữa máy học và mô phỏng lượng tử sẽ vượt trội hơn so với các phương pháp thuần túy cổ điển trong nhiều trường hợp, nhưng điều đó sẽ không thực sự rõ ràng cho đến khi các máy tính lượng tử lớn hơn và đáng tin cậy hơn ra đời.

“Từ những ngày đầu, tôi đã coi máy tính lượng tử trước hết là một cuộc tìm kiếm khoa học, còn các ứng dụng công nghiệp chỉ là phần thưởng thêm,” ông nói. “Vì vậy, nếu mô phỏng lượng tử chỉ đánh bại máy học cổ điển trong một số ít trường hợp, tôi cũng sẽ không thất vọng như một số đồng nghiệp của mình.”

Một lĩnh vực mà máy tính lượng tử có vẻ sẽ có lợi thế rõ ràng là mô phỏng sự tiến hóa của các hệ lượng tử phức tạp theo thời gian, theo Carleo từ EPFL. Điều này có thể mang lại những hiểu biết vô giá cho các nhà khoa học trong các lĩnh vực như cơ học thống kê và vật lý năng lượng cao, nhưng khó có khả năng dẫn đến ứng dụng thực tế trong tương lai gần. “Đây là những ứng dụng mang tính đặc thù hơn, và theo tôi, không đủ để biện minh cho những khoản đầu tư khổng lồ và sự cường điệu quá mức,” Carleo nhận định.

Tuy nhiên, các chuyên gia mà MIT Technology Review phỏng vấn đều cho rằng việc thiếu ứng dụng thương mại không phải là lý do để từ bỏ nghiên cứu về máy tính lượng tử, vì chúng có thể mang lại những đột phá khoa học mang tính nền tảng trong dài hạn.

“Khoa học giống như một tập hợp các chiếc hộp lồng vào nhau—bạn giải quyết một vấn đề, rồi lại phát hiện ra năm vấn đề khác,” Vicentini nói. “Độ phức tạp của những gì chúng ta nghiên cứu sẽ ngày càng tăng lên, vì vậy chúng ta sẽ luôn cần những công cụ mạnh mẽ hơn.”

- Zhan Ketuan, tỷ phú 45 tuổi người Trung Quốc, đang đối mặt khủng hoảng khi Mỹ tịch thu các lô hàng máy đào bitcoin của công ty Bitmain

- Các công ty AI của Zhan bao gồm Xiamen Sophgo Technologies và 15 công ty liên kết vừa bị Mỹ đưa vào danh sách đen thương mại

- Vấn đề nảy sinh khi phát hiện chip AI do TSMC sản xuất xuất hiện trong card AI của Huawei, có khả năng phá vỡ lệnh trừng phạt

- Bitmain từng chiếm 80% thị phần máy đào bitcoin toàn cầu nhờ tiếp cận chip của TSMC

- Năm 2017, doanh thu Bitmain đạt 2,5 tỷ USD theo hồ sơ IPO

- Zhan chuyển hướng sang AI từ 2017 với chip BM1680, nhưng gặp khủng hoảng khi giá bitcoin sụt giảm

- Xung đột nội bộ xảy ra giữa Zhan và đồng sáng lập Wu Jihan về chiến lược phát triển AI

- Năm 2022, hoạt động chip AI được chuyển sang Sophgo, công ty có mối liên hệ chặt chẽ với Bitmain

- Chip CPU SG2042 của Sophgo được đánh giá ngang tầm Intel và AMD trong một số tác vụ siêu máy tính

- Nhiều trung tâm siêu máy tính Trung Quốc đã bắt đầu sử dụng chip của Sophgo sau khi bị cắt tiếp cận chip Mỹ

📌 Từ ông vua máy đào bitcoin với 80% thị phần toàn cầu, tỷ phú Zhan Ketuan đối mặt thách thức lớn khi bị Mỹ cấm vận. Tham vọng xây dựng "Nvidia của Trung Quốc" bị đe dọa nghiêm trọng sau khi 16 công ty liên quan bị đưa vào danh sách đen và mất quyền tiếp cận công nghệ chip từ TSMC.

https://www.ft.com/content/46c48898-c468-45e8-bbaf-b655939c941a

#FT

Zhan Ketuan: Tỷ phú tiền mã hóa và AI Trung Quốc trở thành mục tiêu của Mỹ

Ryan McMorrow tại Bắc Kinh và Kathrin Hille tại Đài Bắc

Zhan Ketuan, tỷ phú trong lĩnh vực tiền mã hóa và trí tuệ nhân tạo của Trung Quốc, đang đối mặt với một cuộc khủng hoảng.

Các quan chức hải quan Mỹ trong những tháng gần đây đã tịch thu một số lô hàng máy đào Bitcoin do công ty Bitmain của Zhan sản xuất. Áp lực đối với tỷ phú 45 tuổi này tăng lên trong tháng này, sau khi Washington áp đặt các biện pháp trừng phạt đối với các công ty khác của ông, chuyên thiết kế và cung cấp bộ xử lý AI.

Đây không phải lần đầu tham vọng xây dựng “Nvidia của Trung Quốc” của Zhan khiến đế chế kinh doanh của ông gặp rủi ro. Cách đây 5 năm, Bitmain suýt sụp đổ vì các khoản đầu tư lớn của ông vào việc phát triển chip AI, dẫn đến cuộc chiến nội bộ với đồng sáng lập để giành quyền kiểm soát công ty.

Dù Bitmain vẫn tập trung vào khai thác tiền mã hóa, Zhan đã chuyển các nỗ lực phát triển chip AI sang công ty Xiamen Sophgo Technologies. Tháng này, Sophgo cùng 15 công ty liên kết khác đã bị đưa vào danh sách thực thể của Bộ Thương mại Mỹ.

Rắc rối của Sophgo bắt đầu khi một bộ xử lý AI do nhà sản xuất chip hàng đầu thế giới, Taiwan Semiconductor Manufacturing Company (TSMC), chế tạo được phát hiện trong một card AI của Huawei, bị cáo buộc vi phạm lệnh trừng phạt. TSMC đã mở cuộc điều tra xem liệu Sophgo có mua chip này hay không.

Mỹ tuyên bố rằng Sophgo có nguy cơ chuyển giao công nghệ cho Huawei và cáo buộc công ty này “hoạt động dưới sự chỉ đạo của Bắc Kinh” nhằm tăng cường sản xuất chip nội địa của Trung Quốc.

Sophgo, Bitmain và Zhan không phản hồi yêu cầu bình luận. Trước đây Sophgo đã phủ nhận việc hợp tác với Huawei, và Bitmain tuyên bố không liên quan đến vấn đề này.

TSMC từ chối bình luận về quan hệ khách hàng nhưng khẳng định họ là một công ty tuân thủ pháp luật và cam kết thực hiện đầy đủ các quy định, bao gồm cả kiểm soát xuất khẩu.

Những thách thức mới nhất của Zhan cho thấy những trở ngại mà các doanh nhân Trung Quốc phải đối mặt, đặc biệt là những người muốn ghi dấu ấn trong lĩnh vực sản xuất chip, nơi căng thẳng địa chính trị Mỹ-Trung đã làm chậm tiến trình của nhiều công ty công nghệ đầy tham vọng tại Trung Quốc.

Những người am hiểu về hoạt động của Sophgo cho biết công ty này có một số mảng kinh doanh liên quan đến bán dẫn, bao gồm thiết kế bộ xử lý AI và bộ xử lý trung tâm cho siêu máy tính, cũng như cung cấp GPU tiên tiến của Nvidia cho các trung tâm dữ liệu ở Trung Quốc.

Danh sách đen của Mỹ chính thức cắt đứt Sophgo khỏi TSMC, và điều này có thể gây khó khăn cho Bitmain, đối tác của Sophgo, vì Bitmain cũng phụ thuộc vào nhà sản xuất chip Đài Loan để chế tạo sản phẩm của mình.

Những người thân cận với Bitmain cho biết khả năng tiếp cận TSMC đã giúp công ty này trở thành nhà sản xuất máy đào Bitcoin hàng đầu thế giới với thị phần ước tính 80%. Trong nhiều năm, Bitmain đã chi hàng trăm triệu USD để đặt trước năng lực sản xuất của TSMC, buộc các nhà sản xuất máy đào đối thủ phải sử dụng các nhà máy chip kém hiệu quả hơn.

“Con chip tiết kiệm năng lượng là trái tim của một máy đào,” Nishant Sharma, nhà sáng lập công ty tư vấn khai thác tiền mã hóa BlocksBridge Consulting, cho biết.

Zhan từng thiết kế chip cho TV khi Bitcoin bắt đầu thu hút sự chú ý. Năm 2013, ông chuyển khả năng kỹ thuật của mình sang thiết kế các bộ xử lý chuyên dụng (ASICs) để thực thi hiệu quả hơn các thuật toán băm giúp khai thác Bitcoin. Đến năm 2017, doanh thu của Bitmain đã tăng vọt lên 2,5 tỷ USD, theo hồ sơ IPO của công ty.

Tầm nhìn của Zhan đối với công ty đã mở rộng sang lĩnh vực AI. Ở Mỹ, Google vừa ra mắt các ASIC để vận hành thuật toán học sâu, gọi là TPU.

“Chúng tôi là một công ty tập trung vào các bộ xử lý hiệu năng cao,” Zhan phát biểu tại một hội nghị ở Bắc Kinh năm 2017. “Chúng tôi bắt đầu với các bộ xử lý tiền mã hóa và giờ đang bước vào lĩnh vực trí tuệ nhân tạo. Đây là một lĩnh vực ứng dụng mới, nhưng không phải là một sự chuyển hướng hoàn toàn.”

Zhan Ketuan và hành trình xây dựng đế chế AI của Trung Quốc

Chip AI đầu tiên của Bitmain, BM1680, được TSMC sản xuất và xuất xưởng vào năm 2017. Tuy nhiên, sau đó giá Bitcoin giảm mạnh, kéo theo nhu cầu đối với máy đào tiền mã hóa cũng suy giảm. Kế hoạch IPO "bom tấn" của Bitmain tại Hồng Kông cũng tan thành mây khói.

Công ty đã sa thải hàng trăm nhân viên, và Wu Jihan, đồng sáng lập của Zhan, đã lật đổ ông và cắt giảm chi tiêu cho AI. Zhan phản công bằng cách nắm quyền kiểm soát một đơn vị chip AI của Bitmain, đăng ký tại quê nhà của ông ở Phúc Kiến, và kiện Wu. Công ty, Fujian Sophon, nói với tòa rằng việc Zhan bị loại bỏ có nguy cơ làm thay đổi hướng đi của “sự phát triển chip và blockchain của đất nước”. Cuối cùng, Wu rời đi.

Đến năm 2022, Zhan chuyển các nỗ lực phát triển chip AI của Bitmain sang Sophgo, công ty mà ông gần như sở hữu hoàn toàn khi nó được thành lập. Tuy nhiên, ranh giới giữa 2 công ty vẫn mờ nhạt. Các thực thể liên kết của Bitmain và Sophgo chia sẻ một số giám đốc điều hành, địa chỉ và số điện thoại trong các hồ sơ kinh doanh chính thức tại Trung Quốc. Năm ngoái, họ cùng nhau tuyển dụng sinh viên mới tốt nghiệp tại Học viện Công nghệ Cáp Nhĩ Tân, theo một quảng cáo.

Một khách hàng sử dụng chip AI của họ, Haitu Technology, đã mô tả Sophgo là “nhà phân phối được khuyến nghị” của Bitmain trong một hồ sơ gửi cơ quan quản lý chứng khoán Trung Quốc vào cuối năm 2022. Haitu cũng cho biết Bitmain không bán bộ xử lý AI của mình cho các công ty vừa và nhỏ.

Theo một bài thuyết trình của công ty được Financial Times xem, Sophgo đã cung cấp chip AI của mình cho các cục an ninh công cộng và các dự án thành phố thông minh ở Phúc Kiến, An Huy và Bắc Kinh. Các bộ tăng tốc AI của công ty cũng được sử dụng để xây dựng một cụm điện toán AI ở Sơn Đông.

Nick Brown, một nhà nghiên cứu tại Đại học Edinburgh, cho biết CPU mới nhất của Sophgo, SG2042, đánh dấu một bước tiến vượt bậc cho kiến trúc mã nguồn mở RISC-V mà nó được xây dựng trên đó. Theo ông, SG2042 có thể so sánh với các bộ xử lý của Intel và AMD trong một số tác vụ siêu máy tính.

“Với các khối lượng công việc đòi hỏi nhiều tính toán, nhiều xử lý và nhiều phép tính, nó hoạt động rất tốt,” Brown nói sau khi thử nghiệm con chip này trên phần cứng siêu máy tính của đại học.

“Đây là CPU RISC-V đầu tiên có thể được coi là một lựa chọn nghiêm túc cho các tác vụ hiệu năng cao,” Brown nhận xét.

Hồ sơ công khai cho thấy một số trung tâm siêu máy tính ở Trung Quốc, vốn bị cắt nguồn cung chip Mỹ, đã bắt đầu sử dụng các bộ xử lý của Sophgo.

“Một khi các công ty Trung Quốc có chỗ đứng, các công ty phương Tây về cơ bản sẽ không còn cơ hội,” Zhan nói tại một hội thảo vào năm 2019. Giờ đây, Sophgo sẽ phải tìm cách sản xuất các bộ xử lý của mình tại Trung Quốc.

Báo cáo bổ sung từ Eleanor Olcott và Nian Liu tại Bắc Kinh.

- Tầm quan trọng của niềm tin vào AI: AI đang ảnh hưởng mạnh mẽ đến cuộc sống, nhưng 52% người Mỹ lo lắng về rủi ro của AI thay vì phấn khích. Niềm tin vào AI cần dựa trên khả năng diễn giải, kiểm toán và thực thi đúng quy chuẩn.

- FICO ứng dụng blockchain vào AI:
  - Năm 2021, FICO, công ty nổi tiếng về giải pháp tài chính, bắt đầu sử dụng blockchain để quản lý quy trình xây dựng mô hình AI.  
  - Công nghệ này đã giúp giảm hơn 90% lỗi hỗ trợ và truy hồi mô hình AI.  
  - Blockchain tạo ra hồ sơ không thể thay đổi, ghi lại mọi quyết định trong quá trình phát triển, từ thiết kế biến số, dữ liệu huấn luyện cho đến kiểm tra đạo đức.

- Các bài học từ FICO:  
  - **Xây dựng tiêu chuẩn trước, công nghệ sau**: Quy chuẩn phát triển AI được xác định rõ ràng để làm nền tảng cho việc sử dụng blockchain.  
  - **Tính thân thiện với người dùng là bắt buộc**: Một giao diện trực quan đã giúp các nhà khoa học dữ liệu dễ dàng tuân thủ quy trình mà không tốn quá nhiều thời gian.  
  - **Lặp lại với các bước nhỏ dễ thành công**: Các mẫu thử nghiệm sớm giúp xác định và cải thiện các yêu cầu cần thiết.  
  - **Lưu trữ dữ liệu lớn**: FICO tạo kho lưu trữ riêng, đảm bảo dữ liệu AI lớn được bảo mật và quản lý lâu dài.  
  - **Bảo trì hệ thống**: Đội ngũ công nghệ thông tin phải đảm bảo hệ thống blockchain luôn được nâng cấp và bảo mật.

- Hiệu quả đạt được:  
  - Tăng tốc thời gian đưa mô hình AI ra thị trường.  
  - Duy trì sự đồng bộ trong tổ chức toàn cầu với hàng trăm mô hình AI sản xuất mỗi năm.
  - Đảm bảo 100% mô hình tuân thủ tiêu chuẩn AI trách nhiệm của công ty.  

- Lợi ích xã hội: Blockchain cung cấp sự minh bạch và trách nhiệm, giúp xóa bỏ nghi ngại về tính đạo đức, an toàn và hiệu quả của AI, từ đó xây dựng niềm tin cho khách hàng và nhà quản lý.

---

📌 FICO đã ứng dụng blockchain để quản lý phát triển AI, giúp giảm tới 90% hỗ trợ lỗi. Công nghệ này không chỉ tăng tốc đổi mới mà còn đảm bảo tiêu chuẩn trách nhiệm AI. Hệ thống blockchain của FICO mang lại minh bạch tối đa, giúp xây dựng niềm tin mạnh mẽ vào AI.

https://hbr.org/2025/01/using-blockchain-to-build-customer-trust-in-ai

#HBR

- Blockchain và AI đang tạo ra bước ngoặt trong đổi mới kỹ thuật số, giúp nâng cao hiệu quả hoạt động và giải quyết các thách thức về độ tin cậy dữ liệu

- Blockchain cung cấp sổ cái phi tập trung, đảm bảo dữ liệu không thể bị giả mạo, từ đó nâng cao độ tin cậy của dữ liệu đưa vào hệ thống AI

- Vấn đề "ảo giác" trong AI - khi AI tạo ra phản hồi không chính xác hoặc bịa đặt - có thể được giải quyết nhờ tính toàn vẹn dữ liệu của blockchain

- Blockchain cho phép thanh toán vi mô tự động để thưởng cho người sáng tạo nội dung, mở ra kỷ nguyên "kinh tế người sáng tạo 2.0"

- Hợp đồng thông minh trên blockchain kết hợp với AI có thể tự động hóa nhiều quy trình, đặc biệt trong quản lý chuỗi cung ứng và tuân thủ quy định

- Sự hội tụ của IPv6, blockchain và AI sẽ tạo ra Metanet - khung internet mới đảm bảo an toàn và toàn vẹn dữ liệu

- Blockchain có khả năng xử lý hơn 1 triệu giao dịch mỗi giây, cho phép vi giao dịch hiệu quả về chi phí và không cần trung gian

- Công nghệ này giúp xác minh quyền sở hữu và sử dụng nội dung, ngăn chặn việc thu thập dữ liệu trái phép để huấn luyện mô hình AI

- Trong chuỗi cung ứng, AI phân tích dữ liệu để dự đoán nhu cầu và kích hoạt hợp đồng thông minh tự động điều chỉnh đơn hàng với nhà cung cấp

📌 Blockchain đóng vai trò then chốt trong bảo mật hạ tầng AI thông qua sổ cái phi tập trung, xử lý 1 triệu giao dịch/giây. Công nghệ này kết hợp với IPv6 và AI tạo nên Metanet - nền tảng internet mới đảm bảo an toàn và toàn vẹn dữ liệu, mở ra kỷ nguyên kinh tế số không trung gian.

https://www.techradar.com/pro/what-role-will-blockchain-play-in-securing-the-future-of-ai-driven-infrastructure

- AI đang biến đổi công cụ tìm kiếm truyền thống, hứa hẹn một trải nghiệm người dùng tiện lợi hơn nhưng cũng tiềm ẩn nhiều thách thức.
- Các công ty công nghệ lớn đã đầu tư hàng triệu USD vào việc phát triển chatbot và công cụ tìm kiếm AI, với mục tiêu nâng cao khả năng truy xuất thông tin.
- Google đã công bố tính năng AI Overviews tại hơn 100 quốc gia, phục vụ hơn 1 tỷ người dùng hàng tháng, trong khi OpenAI giới thiệu chức năng tìm kiếm mới trong ChatGPT.
- Trải nghiệm sử dụng các công cụ tìm kiếm AI có thể bất ngờ và tiện lợi, nhưng cũng dễ gây thất vọng do sự thiếu chính xác và thông tin không đầy đủ.
- Truyền thống tìm kiếm trên Google cho phép người dùng tiếp cận nhiều nguồn thông tin phong phú, giúp họ hiểu sâu hơn về các chủ đề.
- AI có thể cung cấp câu trả lời nhanh chóng nhưng thường thiếu chiều sâu và phân tích, dẫn đến việc người dùng có thể bỏ lỡ thông tin quan trọng.
- Sự phụ thuộc vào AI có thể làm giảm khả năng khám phá và tìm hiểu thông tin một cách đa dạng và đầy đủ.
- Các chatbot như ChatGPT và Perplexity có thể ghi lại nguồn thông tin, nhưng việc không nhấp vào liên kết có thể khiến người dùng bỏ lỡ nhiều kiến thức sâu sắc.
- Những vấn đề về độ chính xác và quyền sở hữu trí tuệ vẫn chưa được giải quyết triệt để, gây lo ngại về tương lai của nội dung trên internet.
- AI có thể thay đổi cách mà người dùng tương tác với thông tin, chuyển từ việc khám phá sang tìm kiếm thông tin một cách nhanh chóng và hiệu quả hơn.
- Những thay đổi này có thể giúp người dùng tiết kiệm thời gian nhưng cũng có thể làm giảm sự phong phú và đa dạng trong trải nghiệm tìm kiếm.

📌 AI đang tái định hình cách thức người dùng truy cập thông tin trên internet, từ tìm kiếm truyền thống sang trải nghiệm tìm kiếm mới. Chuyển đổi này có thể mang lại tiện ích nhưng cũng tiềm ẩn nguy cơ làm mất đi sự đa dạng và chiều sâu trong việc khám phá kiến thức.

https://www.theatlantic.com/technology/archive/2024/11/ai-search-engines-curiosity/680594/

- Nhu cầu về trung tâm dữ liệu biên dự kiến sẽ vượt 300 tỷ USD vào năm 2026, với giá trị toàn cầu đạt 317 tỷ USD, tăng hơn gấp đôi so với 153 tỷ USD vào năm 2020.
- Tăng trưởng này chủ yếu do sự phát triển của công nghệ IoT và AI tạo sinh, với IoT dự kiến có tỷ lệ tăng trưởng hàng năm (CAGR) là 9,8% trong 5 năm tới.
- Một khảo sát năm 2023 cho thấy 40% chuyên gia trung tâm dữ liệu cho rằng độ trễ thấp và băng thông cao là yếu tố chính thúc đẩy việc triển khai trung tâm dữ liệu biên, tiếp theo là an ninh và quyền riêng tư dữ liệu (38,3%).
- Jonathan Kinsey từ JLL nhấn mạnh rằng việc phân phối xử lý và lưu trữ dữ liệu tại nhiều vị trí sẽ giúp các công nghệ tiên tiến như IoT và AI tạo sinh trở nên phổ biến hơn.
- Tại Mỹ, 21% phát triển trung tâm dữ liệu diễn ra ở các khu vực biên, trong khi các khu vực Châu Á Thái Bình Dương và Trung Đông - Bắc Phi (MENA) có tiềm năng tăng trưởng lớn nhờ vào việc gia tăng kết nối internet và di động ở các vùng nông thôn.
- Saudi Arabia đang phát triển hạ tầng kỹ thuật số theo tầm nhìn 2030, tập trung vào việc mở rộng trung tâm dữ liệu biên để hỗ trợ sự phát triển dịch vụ số, đặc biệt ở các khu vực nông thôn.
- Các doanh nghiệp thường lựa chọn phương pháp kết hợp, nhưng sự gia tăng dữ liệu và thiết bị kết nối đã thúc đẩy nhu cầu về khả năng lưu trữ, tính toán và mạng gần hơn với các điểm sử dụng.
- Ngành sản xuất và năng lượng đang sử dụng trung tâm dữ liệu biên để giám sát thiết bị, tự động hóa máy móc và phân bổ tài nguyên nhằm cắt giảm chi phí và cải thiện hiệu quả.
- Ngành truyền thông cũng là lĩnh vực quan trọng, nơi các tổ chức đã tận dụng trung tâm dữ liệu biên để thay đổi cách tiêu thụ nội dung và tạo ra cảnh quan phát trực tuyến.
- Dự báo trong tương lai, một phương pháp kết hợp sẽ phát triển, với trung tâm dữ liệu biên đóng vai trò quan trọng trong các ứng dụng cần thời gian thực.

📌 Nhu cầu về trung tâm dữ liệu biên đang gia tăng mạnh mẽ, dự kiến đạt 317 tỷ USD vào năm 2026. Sự phát triển của IoT và AI tạo sinh là động lực chính, cùng với yêu cầu về độ trễ thấp và băng thông cao từ các ngành công nghiệp.

https://www.itpro.com/infrastructure/data-centres/edge-data-center-demand-is-skyrocketing-and-generative-ai-and-iot-are-the-key-drivers-fueling-this-rapid-growth

• IoT và AI tạo sinh kết hợp mang lại tiềm năng to lớn cho doanh nghiệp trong việc tạo ra giá trị kinh doanh thực sự. IDC dự đoán đến năm 2025 sẽ có hơn 40 tỷ thiết bị IoT tạo ra 175 zettabyte dữ liệu.

• Bài viết giới thiệu 5 mô hình kiến trúc chính để tích hợp AWS IoT và AI tạo sinh:

• Chatbot tương tác: Sử dụng Amazon Q hoặc Amazon Bedrock kết hợp với tài liệu IoT để tạo giao diện hội thoại, giúp người dùng truy cập thông tin, khắc phục sự cố và nhận hướng dẫn về thiết bị IoT. Có 3 tùy chọn kiến trúc:
  - Sử dụng RAG với Amazon Bedrock hoặc SageMaker JumpStart
  - Sử dụng Amazon Q Business 
  - Sử dụng Knowledge Bases for Amazon Bedrock

• Trợ lý low-code IoT: Sử dụng Amazon Q hoặc Bedrock/SageMaker JumpStart để tạo giao diện ngôn ngữ tự nhiên, giúp người dùng không chuyên có thể dễ dàng xây dựng ứng dụng IoT.

• Phân tích và báo cáo dữ liệu IoT tự động: Tích hợp các dịch vụ AWS IoT với Amazon Bedrock và QuickSight Q để phân tích dữ liệu IoT và tạo báo cáo tự động.

• Tạo dữ liệu tổng hợp IoT: Sử dụng Amazon Bedrock và SageMaker JumpStart để tạo dữ liệu IoT tổng hợp, bảo vệ quyền riêng tư và tăng cường dữ liệu huấn luyện.

• AI tạo sinh ở biên IoT: Triển khai các mô hình ngôn ngữ nhỏ (SLM) trên thiết bị biên IoT để giảm độ trễ và tăng cường bảo mật. Có 2 tùy chọn:
  - Sử dụng mô hình tùy chỉnh với AWS IoT Greengrass
  - Sử dụng mô hình nguồn mở với AWS IoT Greengrass

• Các mô hình này giúp doanh nghiệp tận dụng sức mạnh của IoT và AI tạo sinh để đổi mới, tối ưu hóa hoạt động và tạo ra các giải pháp thông minh trong nhiều ngành công nghiệp.

📌 AWS giới thiệu 5 mô hình kiến trúc tích hợp IoT và AI tạo sinh, từ chatbot tương tác đến AI ở biên. Các mô hình này giúp doanh nghiệp khai thác 175 ZB dữ liệu IoT dự kiến vào 2025, tạo giá trị kinh doanh thực sự thông qua phân tích tự động, tối ưu hóa và đổi mới.

https://aws.amazon.com/blogs/iot/emerging-architecture-patterns-for-integrating-iot-and-generative-ai-on-aws/

• Chi tiêu vốn cho cơ sở hạ tầng trung tâm dữ liệu đám mây dự kiến tăng 30% trong năm nay.

• Theo ước tính của Omdia, máy chủ AI sẽ chiếm 66% tổng chi tiêu cho máy chủ trong năm nay, một con số chưa từng có tiền lệ.

• Omdia đã tăng thêm 10 tỷ USD vào dự báo chi tiêu trước đó của họ.

• Đầu tư quy mô lớn này không chỉ đến từ 3 nhà cung cấp đám mây lớn (AWS, Azure, Google Cloud) mà còn từ top 10 nhà cung cấp và các nhà cung cấp dịch vụ đám mây AI chuyên biệt như CoreWeave.

• Mặc dù chiếm 66% chi tiêu, máy chủ AI chỉ chiếm 19% số lượng máy chủ được triển khai, cho thấy chi phí cao của các hệ thống này.

• Các nhà cung cấp đám mây lớn đang tích cực hợp nhất cơ sở hạ tầng máy chủ không phải AI để giảm chi phí.

• Google đã phát triển bộ xử lý tùy chỉnh Video Encoding Unit (VCU) để tối ưu hóa xử lý video, giúp thay thế nhiều máy chủ cũ bằng một máy chủ mới.

• Xu hướng tương tự được kỳ vọng sẽ xảy ra với các ứng dụng cơ sở dữ liệu và hạ tầng mạng.

• Nhiều doanh nghiệp vẫn chưa chuyển hoàn toàn sang đám mây công cộng, một số còn đưa một số workload trở lại cơ sở nội bộ (cloud repatriation).

• Nguyên nhân một phần là do chi phí sử dụng tài nguyên đám mây công cộng có thể cao hơn so với tự vận hành, do quản lý kém hiệu quả.

• Trong tương lai gần, doanh nghiệp có thể sẽ dựa nhiều hơn vào các nền tảng IT-as-a-Service như Dell Apex hoặc HPE Greenlake cho hạ tầng nội bộ.

• Chi tiêu của doanh nghiệp cho dịch vụ hạ tầng đám mây vẫn tăng mạnh, đạt hơn 76 tỷ USD trong quý 1 năm nay, tăng 21%.

• 72% chi tiêu đó thuộc về 3 nhà cung cấp đám mây lớn, nhưng các nhà cung cấp cấp hai như Snowflake, MongoDB và Oracle có tốc độ tăng trưởng mạnh nhất.

📌 Cuộc bùng nổ AI đang thúc đẩy đầu tư kỷ lục vào cơ sở hạ tầng đám mây, với máy chủ AI chiếm 66% chi tiêu nhưng chỉ 19% số lượng. Các nhà cung cấp đang tối ưu hóa hạ tầng hiện có và phát triển phần cứng tùy chỉnh để giảm chi phí. Mặc dù vậy, chi tiêu cho dịch vụ đám mây vẫn tăng mạnh 21% lên 76 tỷ USD trong Q1.

https://www.theregister.com/2024/08/04/ai_cloud_infrastructure/

• Sal Khan, người sáng lập Khan Academy, chia sẻ những dự đoán về tác động của AI đối với giáo dục trong tương lai gần.

• Trong 2-3 năm tới, Khan dự đoán AI sẽ có khả năng tương tác giống con người hơn, bao gồm:
- Giao tiếp trực diện
- Đọc và diễn giải biểu cảm khuôn mặt
- Giao tiếp bằng mắt
- Hiểu cảm xúc con người

• Những tiến bộ này có thể cách mạng hóa các nền tảng học trực tuyến, giúp tương tác với gia sư AI trở nên tự nhiên và hấp dẫn hơn.

• Trong 5-10 năm tới, Khan dự đoán công nghệ thực tế ảo (VR) sẽ cho phép AI chia sẻ không gian ảo với người học, tạo ra một mô hình mới trong giáo dục.

• Viễn cảnh tương lai có thể bao gồm:
- Học sinh khám phá các sự kiện lịch sử trong môi trường VR với hướng dẫn của gia sư AI
- Phòng thí nghiệm khoa học ảo với trợ lý AI giúp học sinh thực hiện thí nghiệm

• Những dự đoán này có thể mang lại những tác động sâu rộng cho giáo dục:
- Học tập cá nhân hóa: AI có thể cung cấp giáo dục thực sự được điều chỉnh cho từng học sinh
- Khả năng tiếp cận: Gia sư AI tiên tiến có thể giúp giáo dục chất lượng cao trở nên dễ tiếp cận hơn trên toàn cầu
- Học tập suốt đời: Với sự đồng hành của AI, việc học liên tục có thể trở nên hấp dẫn và tích hợp vào cuộc sống hàng ngày
- Vai trò của giáo viên: Có thể tập trung nhiều hơn vào hỗ trợ cảm xúc và hướng dẫn ứng dụng kiến thức

• Tuy nhiên, tầm nhìn này cũng đặt ra nhiều thách thức và câu hỏi quan trọng:
- Quyền riêng tư và bảo mật dữ liệu khi AI có khả năng đọc cảm xúc và biểu cảm
- Đảm bảo tiếp cận công bằng với công nghệ tiên tiến để tránh mở rộng khoảng cách giáo dục
- Cân bằng giữa tương tác AI và kết nối giữa người với người
- Các vấn đề đạo đức liên quan đến việc phát triển AI có trí thông minh cảm xúc

• Dự đoán của Sal Khan cho thấy một tương lai nơi AI và thực tế ảo có thể biến đổi bối cảnh giáo dục.

• Việc phát triển và triển khai những công nghệ này sẽ đòi hỏi sự cân nhắc kỹ lưỡng về cả cơ hội và thách thức.

📌 Sal Khan dự đoán AI và VR sẽ cách mạng hóa giáo dục trong 5-10 năm tới, mang đến trải nghiệm học tập cá nhân hóa và đắm chìm. Tuy nhiên, cần cân nhắc các vấn đề về quyền riêng tư, tiếp cận công bằng và đạo đức khi phát triển công nghệ này.

https://wallstreetpit.com/119355-from-screens-to-vr-how-ai-will-transform-learning-according-to-sal-khan/

• Soracom, nhà cung cấp kết nối IoT tiên tiến toàn cầu, vừa công bố hai dịch vụ mới là Flux và Query Intelligence nhằm đẩy nhanh việc triển khai các dự án IoT lớn và phức tạp hơn.

• Soracom Flux là một công cụ xây dựng ứng dụng low-code cho phép người dùng không chuyên về kỹ thuật có thể tạo ra các ứng dụng IoT tích hợp AI trong thời gian thực.

• Flux tự động hóa hoạt động bằng cách tích hợp nhiều nguồn dữ liệu với các công cụ AI tạo sinh hàng đầu trên nền tảng đám mây như OpenAI, Google Gemini, Microsoft Azure AI và Amazon Bedrock.

• Các nhóm có thể tạo ra các ứng dụng IoT mạnh mẽ chỉ trong vài phút với Flux, với nhiều trường hợp sử dụng quan trọng trong sản xuất, xây dựng, y tế, năng lượng, bán lẻ và an ninh.

• Ví dụ, Flux có thể tạo ra một ứng dụng dựa trên luồng dữ liệu và hướng dẫn bằng ngôn ngữ tự nhiên để gửi cảnh báo nếu người trong tầm nhìn của camera tại công trường không mặc đồ bảo hộ phù hợp.

• Soracom Query Intelligence được xây dựng để đơn giản hóa việc quản lý các triển khai IoT quy mô lớn với phân tích dữ liệu mạng bằng ngôn ngữ tự nhiên.

• Dịch vụ này áp dụng AI tạo sinh để cho phép người quản lý các triển khai IoT lớn có thể truy vấn dữ liệu mạng IoT bằng ngôn ngữ tự nhiên và nhận phân tích ngay lập tức dưới dạng văn bản mô tả và trực quan hóa dữ liệu.

• Query Intelligence xây dựng trên dịch vụ kho dữ liệu được quản lý Soracom Query để lưu trữ và phân tích dữ liệu cấp nền tảng, bao gồm lịch sử phiên kết nối thiết bị, sử dụng dữ liệu và thông tin thanh toán.

• Người dùng có thể thực hiện phân tích dữ liệu phức tạp mà không cần kiến thức lập trình SQL hoặc kinh nghiệm trực quan hóa dữ liệu.

• Ví dụ, người dùng có thể xác định các thiết bị không ổn định trên mạng lớn để khắc phục sự cố bằng cách yêu cầu danh sách SIM có tần suất kết nối/ngắt kết nối cao.

• Kenta Yasukawa, CTO và đồng sáng lập Soracom, tin rằng AI tạo sinh công cộng có khả năng tạo ra một Internet vạn vật nơi các thiết bị kết nối có thể tương tác với nhau để đưa ra quyết định trong thời gian thực.

• Soracom Flux hiện đã có sẵn cho tất cả khách hàng của Soracom ở phiên bản Public Beta với gói miễn phí. Các gói Pro và Enterprise sẽ được cung cấp vào cuối năm nay.

• Soracom Query Intelligence hiện đang được cung cấp cho một số khách hàng chọn lọc của Soracom dưới dạng Technology Preview.

📌 Soracom ra mắt Flux và Query Intelligence, tích hợp AI tạo sinh vào IoT. Flux cho phép tạo ứng dụng IoT trong vài phút, Query Intelligence phân tích dữ liệu bằng ngôn ngữ tự nhiên. Các dịch vụ này giúp đẩy nhanh triển khai dự án IoT quy mô lớn và phức tạp.

https://www.computerweekly.com/news/366596580/Soracom-unveils-IoT-connectivity-platform-with-deeply-embedded-GenAI

• Google Translate vừa bổ sung thêm 110 ngôn ngữ mới, nâng tổng số lên 243 ngôn ngữ được hỗ trợ.

• Đây là đợt mở rộng ngôn ngữ lớn nhất của Google, gần như tăng gấp đôi so với 133 ngôn ngữ trước đó.

• Các ngôn ngữ mới được bổ sung được sử dụng bởi hơn 614 triệu người trên toàn cầu, chiếm khoảng 8% dân số thế giới.

• Trong số các ngôn ngữ mới có cả những ngôn ngữ phổ biến với hơn 100 triệu người nói, những ngôn ngữ của các nhóm dân tộc thiểu số, và cả những ngôn ngữ đang được phục hồi.

• Khoảng 25% ngôn ngữ mới đến từ châu Phi, bao gồm Fon, Kikongo, Luo, Ga, Swati, Venda và Wolof.

• Tiếng Quảng Đông là một trong những ngôn ngữ được yêu cầu nhiều nhất, nhưng gặp khó khăn do chữ viết trùng lặp với tiếng Phổ thông.

• Tiếng Manx - ngôn ngữ Celtic ở đảo Man, từng gần tuyệt chủng năm 1974 nhưng nay đã được phục hồi với hàng nghìn người thông thạo.

• Tiếng Punjab (Shahmukhi) - biến thể của tiếng Punjab viết bằng chữ Perso-Arabic, là ngôn ngữ được nói nhiều nhất ở Pakistan.

• Google sử dụng mô hình AI PaLM 2 để xử lý các bản dịch phức tạp, đặc biệt là với các ngôn ngữ có nhiều phương ngữ và biến thể vùng miền.

• PaLM 2 giúp Google Translate hiểu rõ hơn các ngôn ngữ có liên hệ chặt chẽ, như các ngôn ngữ creole tiếng Pháp.

• Năm 2022, Google đã thêm 24 ngôn ngữ mới thông qua mô hình học máy có khả năng học ngôn ngữ mới mà không cần ví dụ.

• Google cũng công bố Sáng kiến 1.000 Ngôn ngữ, nhằm xây dựng các mô hình AI có thể dịch giữa 1.000 ngôn ngữ được sử dụng nhiều nhất trên thế giới.

• Google Translate hiện có sẵn trên web, trình duyệt Chrome và ứng dụng di động cho iOS và Android.

📌 Google Translate mở rộng đáng kể với 110 ngôn ngữ mới nhờ AI PaLM 2, nâng tổng số lên 243. Bao phủ 614 triệu người dùng (8% dân số thế giới), bao gồm cả ngôn ngữ phổ biến và ngôn ngữ bản địa, thể hiện cam kết của Google trong việc phát triển công nghệ dịch thuật đa dạng.

https://www.zdnet.com/article/google-translate-gets-110-new-languages-with-ais-help-bringing-the-total-to-243/

- IBM đang tích hợp công nghệ AI vào phần mềm Qiskit để cải thiện khả năng sử dụng của các công cụ SDK và ngôn ngữ OpenQASM3.
- IBM sử dụng nền tảng AI tạo sinh watsonx, tận dụng mô hình AI Granite, để tạo ra các tác nhân kỹ thuật số có khả năng hỗ trợ nhà phát triển và hỗ trợ mã lượng tử.
- IBM đang nghiên cứu và phát triển các mô hình AI mới để cải thiện các khía cạnh quan trọng như tối ưu hóa mạch, quản lý tài nguyên và cải thiện khả năng triệt tiêu, giảm thiểu và sửa lỗi.
- IBM đang giới thiệu dịch vụ Qiskit Code Assistant với phần mở rộng Visual Studio và có kế hoạch cung cấp hai chatbot lượng tử - một để hỗ trợ nhà phát triển và một để hỗ trợ người dùng chung của các dịch vụ IBM Quantum.
- Dịch vụ transpiler cung cấp khả năng ánh xạ tốt hơn các mạch trừu tượng sang mạch ISA lượng tử, dẫn đến cải thiện kích thước mạch lên đến 40%, chất lượng tốt hơn và tốc độ xử lý tăng từ 2 đến 5 lần.
- Đối với quản lý tài nguyên, IBM đang phát triển các giải pháp AI để ước tính tốt hơn thời gian chạy lượng tử, gắn cờ các khối lượng công việc có khả năng thất bại và phân vùng mạch để xử lý song song nhằm tận dụng tốt hơn cả tài nguyên cổ điển và lượng tử.
- IBM có lộ trình tham vọng để đạt 100 triệu cổng vào cuối thập kỷ này và 1 tỷ cổng vào khoảng năm 2033.

📌 IBM đang tích hợp công nghệ AI vào máy tính lượng tử thông qua phần mềm Qiskit, phát triển các mô hình AI mới để tối ưu hóa mạch, quản lý tài nguyên và cải thiện khả năng xử lý lỗi. Với lộ trình đạt 100 triệu cổng vào cuối thập kỷ và 1 tỷ cổng vào năm 2033, máy tính lượng tử đang nhanh chóng tiến tới triển khai các ứng dụng thực tế trong vài năm tới.

https://www.forbes.com/sites/tiriasresearch/2024/06/24/ibm-develops-the-ai-quantum-link/

• Công nghệ nhập vai (bao gồm thực tế ảo AR, thực tế tăng cường VR và thực tế hỗn hợp MR) đang chuyển đổi cách chúng ta tương tác từ 2D sang 3D, biến người xem thụ động thành người tham gia tích cực trong trải nghiệm kết hợp vật lý và kỹ thuật số.

• Blockchain và Web3 đang cải thiện cách tiếp cận về danh tính kỹ thuật số và giao dịch, tạo ra một khuôn khổ phi tập trung nâng cao bảo mật và trao quyền kiểm soát dữ liệu cho cá nhân.

• AI tạo sinh cho phép thiết kế và triển khai nhanh chóng các môi trường kỹ thuật số được cá nhân hóa, nâng cao khả năng sáng tạo và cung cấp trải nghiệm phù hợp với nhu cầu của từng người.

• Phân tích của Accenture Research trên Stack Overflow cho thấy số lượng bài đăng liên quan đến tạo nội dung 2D/3D có sử dụng AI đang tăng nhanh hơn so với các bài không sử dụng AI.

• Các công nghệ này đang mở rộng ra ngoài ứng dụng ban đầu để cùng chuyển đổi các ngành công nghiệp. Ví dụ như nâng cao trải nghiệm bán lẻ với AR hay cải thiện quy trình an ninh tại sân bay bằng thị giác máy tính.

• Trong tương lai gần, tương tác với công nghệ sẽ không bị giới hạn bởi phần cứng cụ thể, tạo cơ hội cho việc áp dụng và tiếp cận toàn cầu.

• Để đạt được sự hội tụ này cần có tư duy cởi mở với sự thay đổi, bao gồm cả chính sách, quản trị và chuẩn mực xã hội.

• Cần cập nhật quy định và thay đổi thái độ văn hóa, ví dụ như chấp nhận tokenization và thông tin xác thực cho danh tính kỹ thuật số sẽ đòi hỏi các tiêu chuẩn và luật mới để bảo vệ quyền riêng tư và an ninh.

• Sự thành công của các công nghệ này phụ thuộc nhiều vào sự chấp nhận của xã hội và thích ứng văn hóa. Cần nỗ lực chủ động để tạo ra môi trường nơi các đổi mới không chỉ được đón nhận mà còn được hiểu rõ về lợi ích.

• Hiện tại, sự hợp lực hai chiều giữa các công nghệ này đang bắt đầu hình thành. Các ngành như bán lẻ, chăm sóc sức khỏe, tài chính và quy hoạch đô thị đang được hưởng lợi từ sự hội tụ này.

• Trong lĩnh vực tài chính, AI phân tích dữ liệu giao dịch để phát hiện gian lận, trong khi blockchain cung cấp bản ghi an toàn và không thể thay đổi.

• Trong bất động sản, AR cung cấp tour tham quan ảo, còn blockchain xử lý an toàn các giao dịch cho thuê hoặc mua bán.

• Trong giáo dục, môi trường VR được hỗ trợ bởi AI có thể thích ứng với phong cách và tốc độ học tập của từng cá nhân.

• Trong y tế, MR có thể hỗ trợ phẫu thuật bằng cách cung cấp hình ảnh 3D giải phẫu bệnh nhân theo thời gian thực.

• Tương lai có thể là một thành phố thông minh tích hợp đầy đủ các công nghệ này: blockchain làm nền tảng cho sự tham gia minh bạch của công dân, AI tối ưu hóa dịch vụ thành phố dựa trên dữ liệu thời gian thực, và công nghệ không gian cung cấp giao diện trực quan để người dân tương tác với môi trường đô thị.

📌 Sự hội tụ của công nghệ nhập vai, blockchain và AI đang định hình lại cách chúng ta tương tác với thế giới kỹ thuật số. Các ngành như bán lẻ, tài chính và y tế đã bắt đầu áp dụng và hưởng lợi từ sự hội tụ này. Tuy nhiên, để đạt được tiềm năng đầy đủ, cần có sự hợp tác giữa doanh nghiệp, nhà công nghệ, nhà hoạch định chính sách và công chúng để đảm bảo tác động tích cực đến xã hội và kinh tế.

https://www.weforum.org/agenda/2024/06/the-technology-trio-of-immersive-technology-blockchain-and-ai-are-converging-and-reshaping-our-world/

#WEF

- Hơn 50% các kế hoạch đa đám mây hiện tại sẽ không mang lại giá trị vào năm 2028.
- Các nền tảng công nghệ đám mây bản địa sẽ trở thành cách mặc định để triển khai các ứng dụng mới.
- Hiện đại hóa đám mây sẽ đưa 70% khối lượng công việc vào môi trường đám mây vào năm 2028.
- Hơn 50% tổ chức sẽ tăng tốc với các nền tảng đám mây ngành.
- Các tập đoàn đa quốc gia sẽ cần có chiến lược về chủ quyền kỹ thuật số vào năm 2028.
- Tính bền vững sẽ trở thành một trong 5 tiêu chí hàng đầu khi mua sắm nhà cung cấp đám mây.
- AI và machine learning sẽ chiếm 50% tài nguyên điện toán đám mây vào năm 2028.
- Các công ty Úc sẽ chi 23,3 tỷ AUD (15,4 tỷ USD) cho đám mây công cộng vào năm 2024, tăng 19,7% so với năm 2023.
- Phần mềm dạng dịch vụ (SaaS) sẽ tiếp tục là hạng mục lớn nhất, tăng 18,3% vào năm 2023 lên 11 tỷ AUD (7,2 tỷ USD).
- Các tổ chức Úc được dự đoán sẽ đặt 55% khối lượng công việc trên đám mây công cộng vào năm 2025.
- Chính phủ Úc thừa nhận sự phụ thuộc vào 3 đám mây siêu lớn của Mỹ.
- Dự luật của Úc sẽ đưa ra yêu cầu báo cáo bắt buộc liên quan đến khí hậu từ năm tài chính 2024/25.

📌 Gartner dự đoán đến năm 2028, điện toán đám mây sẽ chiếm 70% khối lượng công việc doanh nghiệp toàn cầu, tăng từ 25% hiện nay. AI và machine learning sẽ chiếm 50% tài nguyên điện toán đám mây vào năm 2028. Các vấn đề như tính bền vững, điện toán AI và chủ quyền dữ liệu sẽ đóng vai trò quan trọng hơn trong cách các doanh nghiệp Úc sử dụng và mua sắm nhà cung cấp đám mây. 

Citations:
[1] https://www.techrepublic.com/article/gartner-cloud-computing-predictions-australia/

- Cơ sở dữ liệu là nền tảng công nghệ quan trọng, đặc biệt là cơ sở dữ liệu đám mây giúp cung cấp các trải nghiệm kỹ thuật số thời gian thực hàng ngày.

- Sự bùng nổ của AI tạo sinh (GenAI) đã tác động đến mọi khía cạnh của công nghệ, bao gồm cả cơ sở dữ liệu đám mây. 73% doanh nghiệp đang tăng đầu tư vào công cụ AI để giúp các nhà phát triển làm việc hiệu quả hơn.

- GenAI thúc đẩy cuộc đua xây dựng các ứng dụng thích ứng, cá nhân hóa cao và hiệu suất cao. Điều này đòi hỏi cơ sở dữ liệu đa năng, độ trễ thấp, thời gian thực.

- Cơ sở dữ liệu máy tính ra đời từ những năm 1960. Đến những năm 1970, hệ thống quản lý cơ sở dữ liệu quan hệ (RDBMS) được phát triển. 

- Đến đầu những năm 2000, sự xuất hiện của internet đã dẫn đến sự gia tăng dữ liệu và yêu cầu phát triển phần mềm nhanh hơn. Cơ sở dữ liệu NoSQL ra đời như một giải pháp thay thế hiện đại cho RDBMS truyền thống.

- Những năm 2010, cơ sở dữ liệu đám mây trở nên phổ biến, cung cấp các lợi ích về chi phí, khả năng mở rộng và bảo mật. Thị trường DBMS dự kiến đạt 203.6 tỷ USD vào năm 2027.

- Kỷ nguyên AI của cơ sở dữ liệu đám mây đòi hỏi các tính năng như: khả năng dựa trên ngữ cảnh, tìm kiếm vector, phân tích thời gian thực, khả năng biên.

- Một cơ sở dữ liệu sẵn sàng cho AI với khả năng đa năng giúp hợp nhất ngăn xếp công nghệ, loại bỏ sự phân tán dữ liệu. AI cũng cải thiện trải nghiệm của nhà phát triển.

- Một số ví dụ ứng dụng thực tế: ứng dụng cải tạo nhà thông minh, ứng dụng phát hiện gian lận tài chính, ứng dụng chăm sóc bệnh nhân cá nhân hóa, ứng dụng bảo hiểm, xe tự hành.

📌 Cơ sở dữ liệu đám mây đã trải qua một hành trình phát triển dài từ những năm 1960 đến nay. Trong kỷ nguyên AI hiện tại, chúng đang tiếp tục tiến hóa với các tính năng đa dạng như khả năng dựa trên ngữ cảnh, tìm kiếm vector, phân tích thời gian thực để đáp ứng nhu cầu xây dựng các ứng dụng thích ứng và cá nhân hóa cao. Thị trường DBMS dự kiến đạt quy mô 203.6 tỷ USD vào năm 2027.

Citations:
https://thenewstack.io/how-cloud-databases-have-evolved-for-the-ai-era/

- Infineon Technologies công bố thế hệ mới các bộ nguồn máy chủ (PSU), hứa hẹn khả năng cung cấp điện chưa từng có cho các trung tâm dữ liệu tập trung vào máy chủ đám mây và thuật toán AI. 

- PSU máy chủ mới của Infineon có thể cung cấp tới 12 kW, tích hợp 3 vật liệu bán dẫn khác nhau vào một module duy nhất gồm silicon (Si), silicon carbide (SiC) và gallium nitride (GaN).

- Các mẫu đầu tiên sẽ có công suất 8 kW, dự kiến ra mắt quý 1/2025. Chưa rõ thời điểm phát hành mẫu 12 kW.

- PSU 12 kW sẽ đạt mức hiệu suất 97.5%, trong khi PSU 8 kW có thể hỗ trợ "giá đỡ AI" với công suất 300 kW trở lên.  

- Các trung tâm dữ liệu đang tăng trưởng nhanh nhu cầu năng lượng do sự phổ biến của chatbot và dịch vụ AI. 

- PSU mới sẽ giúp giảm tiêu thụ điện nhờ tăng hiệu suất, đồng thời cắt giảm khí thải nhà kính và chi phí vận hành.

- Dự báo đến năm 2030, các trung tâm dữ liệu có thể chiếm 7% tổng mức tiêu thụ điện toàn cầu.

- GPU máy chủ hiện đại yêu cầu tới 1 kW cho mỗi chip và có thể đạt 2 kW "hoặc hơn" vào cuối thập kỷ này.

📌 Infineon đang phát triển PSU 12 kW cho các trung tâm dữ liệu AI, tích hợp Si, SiC và GaN để tăng hiệu suất và độ tin cậy. Mẫu 8 kW dự kiến ra mắt đầu 2025, giúp giảm tiêu thụ điện và chi phí vận hành, trong bối cảnh nhu cầu năng lượng của trung tâm dữ liệu tăng nhanh do AI.

https://www.techspot.com/news/103184-infineon-cooking-up-12-kw-power-supplies-energy.html

- Sự hội tụ giữa công nghệ Web3 và trí tuệ nhân tạo (AI) đang mang đến làn sóng cách mạng mới trong ngành công nghiệp AI.
- Blockchain, nền tảng cốt lõi của Web3, đóng vai trò quan trọng trong việc thúc đẩy sự phát triển của AI.
- Blockchain cung cấp cơ sở hạ tầng phi tập trung, bảo mật và minh bạch, tạo điều kiện cho việc xây dựng các hệ thống AI đáng tin cậy.
- Các mô hình AI phi tập trung trên blockchain cho phép huấn luyện và triển khai AI một cách an toàn, bảo vệ dữ liệu người dùng.
- Token hóa trên blockchain mở ra cơ hội mới cho việc trao đổi và sử dụng dữ liệu AI, thúc đẩy sự hợp tác trong cộng đồng.
- Hợp đồng thông minh (smart contracts) tự động hóa quá trình đào tạo và triển khai AI, giảm thiểu rủi ro và tăng hiệu quả.
- Tuy nhiên, sự kết hợp giữa Web3 và AI cũng đặt ra những thách thức như vấn đề quy mô, hiệu suất và sự tương thích.
- Các giải pháp như sharding, layer 2 và cải tiến giao thức đang được nghiên cứu để giải quyết những thách thức này.
- Nhiều dự án tiên phong đang khai thác tiềm năng của Web3 và AI, như Ocean Protocol, SingularityNET, Fetch.ai, v.v.
- Trong tương lai, sự hội tụ giữa Web3 và AI hứa hẹn sẽ mang lại những đột phá công nghệ, thay đổi cách chúng ta phát triển và ứng dụng AI.

📌 Sự kết hợp giữa công nghệ Web3 và AI đang cách mạng hóa ngành công nghiệp trí tuệ nhân tạo. Blockchain tạo nền tảng vững chắc cho sự phát triển của các hệ thống AI phi tập trung, an toàn và minh bạch. Tuy còn nhiều thách thức cần vượt qua, nhưng tiềm năng to lớn của Web3 và AI hứa hẹn sẽ đem đến những đột phá công nghệ mới, thay đổi cách chúng ta tương tác với AI trong tương lai.

Citations:
[1] https://www.forbes.com/sites/digital-assets/2024/05/08/web3-meets-ai-blockchain-technology-revolutionizes-the-ai-landscape/?sh=642cfee52939

- Các nhà phân tích đã phát hiện ra nhật ký chứng chỉ SSL của OpenAI, tiết lộ công ty đang phát triển một công cụ tìm kiếm dựa trên chatbot ChatGPT nổi tiếng của mình.
- Tên miền "search.chatgpt.com" đã được đăng ký, cho thấy một trang web chuyên dụng cho trải nghiệm tìm kiếm mới này sẽ sớm ra mắt, tương tự như trang web chatbot chat.openai.com.
- Công cụ tìm kiếm hỗ trợ AI của ChatGPT sẽ cạnh tranh trực tiếp với công cụ tìm kiếm lâu đời của Google.
- Tìm kiếm hỗ trợ AI không còn là điều mới mẻ, và OpenAI có thể đến muộn hơn so với các đối thủ cạnh tranh khác. Đối tác của họ, Microsoft, đã ra mắt tìm kiếm hỗ trợ AI trong những ngày đầu áp dụng AI với công cụ tìm kiếm Bing mới.
- Các mô hình và ứng dụng AI đã học hỏi từ nhiều nguồn tài nguyên, bao gồm cả internet, do đó việc chúng quen thuộc với web không còn là điều mới và sẽ rất hữu ích trong việc tìm kiếm thông tin trực tuyến.

📌 OpenAI đang phát triển một công cụ tìm kiếm dựa trên ChatGPT, hứa hẹn cạnh tranh với Google bằng khả năng duyệt web hỗ trợ AI. Mặc dù chưa rõ thời điểm ra mắt, nhưng tên miền "search.chatgpt.com" đã được đăng ký, cho thấy sự quyết tâm của OpenAI trong cuộc đua tìm kiếm hỗ trợ AI.

Citations:
[1] https://www.techtimes.com/articles/304296/20240503/openai-chatgpt-based-search-engine-challenge-googles-dominance-ai-powered.htm

- Platformication và GenAI đang mang đến một bước ngoặt mới trong nhiều ngành công nghiệp như công nghệ, y tế, tài chính.
- Platformication giúp tích hợp nhiều giải pháp công nghệ, mang lại khả năng tiếp cận và hiệu quả chưa từng có trong tương tác với người tiêu dùng. 
- Các nền tảng all-in-one giúp đơn giản hóa quy trình nghiên cứu thị trường, thúc đẩy hợp tác và chia sẻ kiến thức.
- Platformication dân chủ hóa việc tiếp cận thông tin chi tiết và ưu tiên khả năng tiếp cận cho mọi người.
- Lĩnh vực tiếp thị đang chuyển đổi mạnh mẽ nhờ platformication, tích hợp nhiều công cụ và hệ thống vào các nền tảng thống nhất.
- Tích hợp GenAI vào các nền tảng mang lại bước nhảy vọt trong khả năng tiếp thị sản phẩm, tự động hóa các tác vụ tốn nhiều công sức.
- Platformication giúp các doanh nghiệp hợp lý hóa hoạt động và thích ứng dễ dàng hơn với sự phức tạp của thị trường toàn cầu.
- Sự hội tụ của platformication và GenAI mang đến cơ hội thay đổi cuộc chơi, giúp tối ưu hóa thời gian và tiền bạc, giải phóng nguồn lực quý giá cho đổi mới và sáng tạo.

📌 Nền tảng hóa (Platformication) và AI tạo sinh đang cách mạng hóa nhiều ngành công nghiệp, mang lại hiệu quả và khả năng tiếp cận người tiêu dùng vượt trội. Các nền tảng tích hợp giúp đơn giản hóa quy trình, thúc đẩy hợp tác. Tích hợp AI tạo sinh tự động hóa công việc, tối ưu nguồn lực. Đây là cơ hội đột phá giúp doanh nghiệp nâng cao năng lực cạnh tranh trong tương lai.

https://www.forbes.com/sites/forbestechcouncil/2024/04/08/the-next-era-of-business-how-the-convergence-of-platformication-and-genai-are-revolutionizing-industries/

- AI mang lại nhiều giá trị cho IoT công nghiệp như tăng hiệu quả vận hành, dự đoán, ra quyết định chiến lược. Chi tiêu cho AI trong sản xuất dự kiến đạt 9.8 tỷ USD vào năm 2027.

- AI tối ưu hóa quy trình hiện tại và mở ra hướng đi mới cho xuất sắc vận hành và tầm nhìn chiến lược. Tuy nhiên, doanh nghiệp cần thận trọng khi triển khai AI trong hệ sinh thái IoT.

- AI mở rộng bề mặt tấn công, tạo ra lỗ hổng bảo mật có thể bị khai thác. Sự kết nối trong IoT khiến một điểm bị xâm phạm có thể ảnh hưởng dây chuyền. 

- Cần cách tiếp cận đa diện để giải quyết thách thức an ninh như: giao thức bảo mật mạnh, mã hóa dữ liệu an toàn, giám sát mạng, chiến lược chủ động ngăn ngừa mối đe dọa, đào tạo nhân sự.

- Về mặt kỹ thuật, AI có thể trở thành mục tiêu tấn công mạng gây gián đoạn nghiêm trọng. Cần đảm bảo độ tin cậy của hệ thống AI trước dữ liệu bị hỏng.

- Thách thức đạo đức gồm quản lý lo ngại về quyền riêng tư với lượng dữ liệu khổng lồ AI xử lý và giải quyết thiên vị trong thuật toán AI.

- Cần áp dụng chiến lược bảo mật chủ động, toàn diện dựa trên nguyên tắc zero trust, zero tolerance. Tích hợp thực hành vệ sinh mạng tốt để bảo vệ tính toàn vẹn của hệ thống AI và dữ liệu.

- Khuôn khổ pháp lý như Đạo luật AI của EU đóng vai trò then chốt giải quyết hàm ý rộng hơn của AI trong IoT công nghiệp, tập trung vào bảo vệ dữ liệu, ngăn chặn thiên vị, minh bạch, trách nhiệm giải trình.

📌AI hứa hẹn cách mạng hóa IoT công nghiệp, trở thành cộng sự đổi mới, nâng cao hiệu quả và sáng tạo. Tuy nhiên, doanh nghiệp cần cân bằng giữa giá trị và rủi ro, kết hợp biện pháp bảo mật mạnh với quy định thấu đáo để tận dụng tiềm năng của AI một cách an toàn và có đạo đức.

Citations:
[1] https://www.techradar.com/pro/two-sides-of-ai-in-the-industrial-internet-of-things

- Các công cụ tìm kiếm truyền thống như Google đang gặp vấn đề với lượng lớn nội dung spam, quảng cáo và kết quả kém chất lượng.
- Người dùng phải lướt qua nhiều trang kết quả để tìm thông tin hữu ích. Nhiều người chuyển sang tìm kiếm trên Reddit, TikTok để tìm trải nghiệm thực tế.
- Mô hình kinh doanh của Google đi ngược lại với việc cung cấp trải nghiệm tìm kiếm tốt nhất. Ưu tiên của họ là tăng doanh thu quảng cáo.
- Nhiều startup đang phát triển công cụ tìm kiếm AI như Perplexity, được hậu thuẫn bởi Jeff Bezos, thu hút 10 triệu người dùng/tháng.
- Perplexity AI chỉ hiển thị câu trả lời được tạo ra và nguồn sử dụng, không có danh sách liên kết như Google. Giao diện cho phép hỏi thêm câu hỏi liên quan.
- Phần lớn câu trả lời của Perplexity AI khá tốt, sử dụng nguồn uy tín. Tuy nhiên, nó hoạt động kém với dữ liệu thời gian thực.
- Arc Search, ứng dụng iOS, lướt các kết quả hàng đầu của Google và tạo trang web nhỏ gọn từ thông tin đó.
- Tác giả thấy trải nghiệm tìm kiếm bằng AI thú vị nhưng chưa thể từ bỏ Google. Tuy nhiên, ông thường sử dụng Perplexity AI và Arc Search trên điện thoại.
- Công cụ tìm kiếm AI có thể giúp tìm "kim trong đống rơm" nhưng cũng đang phá hủy nền tảng của web. Các trang web mở cung cấp nguồn thông tin nhưng không được chia sẻ doanh thu.

📌 Công cụ tìm kiếm truyền thống đang tràn ngập nội dung spam và quảng cáo. Các startup đang phát triển công cụ tìm kiếm AI như Perplexity và Arc Search, mang lại trải nghiệm tốt hơn. Tuy nhiên, mô hình này đi ngược lại nguyên tắc cơ bản của web và chưa có cách chia sẻ doanh thu công bằng với các trang web mở cung cấp thông tin.

https://www.laptopmag.com/software/browsers-search-engines/traditional-search-engines-are-broken-can-ai-help

- AI có xu hướng phát triển theo hướng tập trung hóa cao do phụ thuộc vào các yếu tố như năng lực tính toán, dữ liệu cũng có xu hướng tập trung.
- Để AI phi tập trung khả thi, cần sự thúc đẩy của các xu hướng: AI tạo sinh nguồn mở trở nên phổ biến, tập trung vào quy trình suy luận, hạ tầng Web3 mở rộng để đáp ứng yêu cầu của các mô hình nền tảng, và các mô hình nền tảng cần được điều chỉnh để chạy trên hạ tầng phi tập trung.
- Các ứng dụng doanh nghiệp có yêu cầu cao về bảo mật, quyền riêng tư và các startup AI trong ngành được quản lý có tiềm năng tăng trưởng mạnh cho AI tạo sinh nguồn mở. Hạ tầng AI Web3 có thể trở thành lựa chọn khả thi trong các kịch bản này.
- AI phi tập trung sẽ tập trung vào quy trình suy luận với các mô hình nền tảng nguồn mở do yêu cầu tính toán phức tạp và kích thước cực lớn của các mô hình nền tảng.
- Thế hệ runtime blockchain hiện tại chưa được thiết kế để chạy các mô hình nền tảng lớn. Cần phát triển các runtime blockchain mới được tối ưu hóa cho khối lượng công việc tính toán lớn hơn và phức tạp hơn.
- Xu hướng "mô hình ngôn ngữ nhỏ" (small language models - SLM) có thể giúp các mô hình trở nên khả thi hơn để chạy trên hạ tầng Web3. Ví dụ: mô hình Phi 3B tham số của Microsoft có thể vượt trội hơn các mô hình 70B trong các tác vụ toán học và khoa học máy tính.

📌 Tóm lại, con đường phát triển AI phi tập trung đòi hỏi sự kết hợp của nhiều yếu tố như sự phổ biến của các mô hình AI tạo sinh nguồn mở, tập trung vào suy luận, mở rộng hạ tầng Web3 lên nhiều bậc và phát triển các mô hình nền tảng nhỏ gọn, thích ứng hơn. Đây là một thách thức lớn nhưng vẫn khả thi trong tương lai gần.

Citations:
[1] https://www.coindesk.com/consensus-magazine/2024/03/27/the-enablers-of-decentralized-ai/

- Có 3 loại truy vấn tìm kiếm chính: điều hướng (navigation), thông tin (information) và khám phá (exploration). 
- Với truy vấn điều hướng, AI kém hơn Google vì chúng chậm và không trả về link trực tiếp.
- Với truy vấn thông tin, kết quả không nhất quán. Đôi khi AI cung cấp thông tin hữu ích hơn, nhưng không đáng tin cậy và chậm hơn Google. Tuy nhiên, AI có thể trích xuất thông tin chính xác hơn từ các trang web.
- Với truy vấn khám phá, AI có thể tổng hợp thông tin tốt hơn Google. Chúng trích dẫn nguồn và cung cấp liên kết để đọc thêm.
- Ví dụ với truy vấn phổ biến nhất "what to watch", giao diện chatbot của AI không phù hợp bằng trang kết quả được thiết kế riêng của Google.
- Công cụ tìm kiếm hiện đại không chỉ là các trang liên kết. Chúng giống như các hệ điều hành thu nhỏ với nhiều công cụ tích hợp.

📌 Mặc dù AI có thể cải thiện khả năng hiểu câu hỏi và xử lý thông tin, nhưng để thay thế Google, các công ty AI cần phát triển công cụ đa năng hơn chatbot. Google cũng phải cải tiến cách trình bày thông tin nhanh hơn. Cuộc đua giữa Google và các đối thủ AI sẽ phụ thuộc vào việc ai có thể tạo ra sản phẩm toàn diện nhất, chứ không chỉ đơn thuần dựa trên công nghệ.

Citations:
[1] https://www.theverge.com/24111326/ai-search-perplexity-copilot-you-google-review

- Gartner dự đoán lượng truy cập công cụ tìm kiếm truyền thống sẽ giảm 25% vào năm 2026, nhường thị phần cho chatbot AI và các tác nhân ảo khác.
- Nếu điều này xảy ra, nó sẽ gây chấn động lớn trong thế giới công nghệ, dẫn đến hỗn loạn trong Google và web.
- Hiện có hơn 8 tỷ lượt tìm kiếm mỗi ngày. Ngay cả với 100 triệu người dùng ChatGPT, cần có sự tham gia của các công ty lớn khác để đạt được mức giảm 25%.
- Nếu Apple từ bỏ thỏa thuận 18 tỷ USD/năm với Google và tích hợp mô hình ngôn ngữ lớn thay thế tìm kiếm vào iPhone, sự chuyển dịch có thể diễn ra nhanh chóng hơn.
- Gartner đưa ra con số 25% thông qua tranh luận nội bộ. Ban đầu, con số dự đoán còn cao hơn, với giả định sẽ có nhiều điểm truy cập mới ngoài ChatGPT.

📌 Dự báo táo bạo của Gartner cho thấy chatbot AI có thể làm giảm 25% lượng truy cập công cụ tìm kiếm vào năm 2026. Điều này đòi hỏi sự tham gia của các công ty công nghệ lớn như Apple, và nếu xảy ra, sẽ buộc Google cùng các trang web phải thay đổi mạnh mẽ chiến lược của mình.

https://www.cmswire.com/digital-experience/will-search-engine-traffic-really-drop-25-by-2026-as-gartner-predicts/

- Nvidia giới thiệu các API Omniverse Cloud, cho phép các nhà phát triển tích hợp các khả năng cốt lõi của Omniverse trực tiếp vào các ứng dụng phần mềm hiện có, tăng tốc quá trình tạo digital twin cho nhiều ứng dụng công nghiệp.
- 5 API mới bao gồm: USD Render, USD Write, USD Query, USD Notify và Omniverse Channel, cung cấp bộ công cụ toàn diện cho các nhà phát triển.
- Các công ty như Siemens, Ansys, Cadence đang tích hợp các API này vào nền tảng của họ để nâng cao khả năng tương tác dữ liệu và trực quan hóa thời gian thực.
- Siemens đang kết hợp các API vào nền tảng Xcelerator, tăng cường khả năng của phần mềm quản lý vòng đời sản phẩm dựa trên đám mây Teamcenter X.
- Nvidia cũng công bố bản thiết kế kỹ thuật số để xây dựng các trung tâm dữ liệu thế hệ tiếp theo bằng cách sử dụng digital twin Omniverse với sự hỗ trợ của Ansys, Cadence, Patch Manager, Schneider Electric, Vertiv.
- Nvidia trình diễn một trung tâm dữ liệu hoàn chỉnh, được thiết kế dưới dạng digital twin trong Omniverse, thể hiện siêu máy tính AI tiên tiến gồm cụm lớn dựa trên hệ thống làm mát bằng chất lỏng của Nvidia với 2 giá đỡ, 18 CPU Grace và 36 GPU Nvidia Blackwell.

📌 Việc ra mắt các API Omniverse Cloud đánh dấu bước ngoặt quan trọng trong quá trình chuyển đổi kỹ thuật số của các ngành công nghiệp trên toàn thế giới. Với sức mạnh của công nghệ AI do Nvidia dẫn dắt, các công ty có thể mở khóa những cấp độ đổi mới và hiệu quả mới, thay đổi cách họ thiết kế, mô phỏng, xây dựng và vận hành trong kỷ nguyên kỹ thuật số. Các gã khổng lồ công nghiệp như Siemens, Ansys, Cadence đang tích cực tận dụng các API này để nâng cao khả năng của nền tảng phần mềm của họ.

Citations:
[1] https://venturebeat.com/ai/nvidia-omniverse-cloud-apis-will-elevate-digital-twins-for-a-new-industrial-revolution/

- Các công ty công nghệ và tỷ phú Thung lũng Silicon đang đầu tư mạnh vào năng lượng hạt nhân như một phần của quá trình chuyển đổi xanh, với AI tạo sinh là một động lực mới.
- AI tạo sinh phát triển nhanh chóng, tăng nhu cầu về năng lượng, trong khi dự án năng lượng hạt nhân chịu sự quản lý chặt chẽ và tiến triển chậm.
- Sarah Myers West từ AI Now Institute chỉ ra rằng tích hợp mô hình ngôn ngữ lớn vào công cụ tìm kiếm sẽ tăng chi phí môi trường lên 5 lần so với tìm kiếm thông thường.
- Sam Altman, CEO của OpenAI, đầu tư vào các startup năng lượng hạt nhân như Oklo và Helion Energy, coi AI và năng lượng xanh, rẻ là yếu tố cần thiết cho tương lai phồn thịnh.
- Oklo đang phát triển một nhà máy hạt nhân quy mô nhỏ ở Idaho để cung cấp năng lượng cho trung tâm dữ liệu và cộng đồng đa dụng.
- Cơ quan Quản lý Hạt nhân Liên bang từ chối đơn đăng ký thiết kế của Oklo do thiếu thông tin an toàn, nhưng công ty đang làm việc để đáp ứng các yêu cầu.
- Mặc dù năng lượng hạt nhân không mở rộng đáng kể trong hỗn hợp năng lượng của Mỹ, sự ủng hộ của công chúng đối với việc mở rộng năng lượng hạt nhân đang tăng lên, với 57% người Mỹ ủng hộ so với 43% vào năm 2020.
- Các công ty công nghệ như Microsoft, Google và Amazon đang tăng cường đầu tư vào năng lượng hạt nhân để đáp ứng nhu cầu năng lượng ngày càng tăng từ AI và trung tâm dữ liệu.

📌 Các công ty công nghệ và tỷ phú Thung lũng Silicon đang chuyển hướng đầu tư mạnh mẽ vào năng lượng hạt nhân, nhìn thấy nó như một giải pháp cho nhu cầu năng lượng ngày càng tăng từ AI tạo sinh. Dù gặp phải thách thức về quy định và an toàn, sự ủng hộ từ công chúng và nhu cầu từ các công ty công nghệ lớn cho thấy một tương lai hứa hẹn cho năng lượng hạt nhân, với các dự án như Oklo và Helion Energy đang dẫn đầu cuộc đua.

https://www.nbcnews.com/tech/tech-news/nuclear-power-oklo-sam-altman-ai-energy-rcna139094

- Alibaba Cloud thông báo giảm giá lên đến 55% cho hơn 100 sản phẩm điện toán đám mây cốt lõi nhằm làm cho điện toán đám mây dễ tiếp cận hơn trong bối cảnh AI đang bùng nổ.
- Liu Weiguang, chủ tịch mảng kinh doanh điện toán đám mây công cộng tại Alibaba Cloud Intelligence, nhận định thị trường số Trung Quốc có tiềm năng tăng trưởng lớn.
- Sự quan tâm và đầu tư vào AI tạo sinh đã tăng mạnh kể từ khi OpenAI ra mắt ChatGPT vào tháng 11 năm 2022.
- Chiến dịch giảm giá nhằm mục đích "làm cho khả năng điện toán đám mây trở nên toàn diện và dễ tiếp cận hơn trong kỷ nguyên AI," theo Alibaba Cloud.
- Giảm giá bắt đầu có hiệu lực từ thứ Năm và sẽ áp dụng cho hơn 100 thông số sản phẩm.
- Liu Weiguang cho biết mục tiêu là giảm ngưỡng sử dụng dịch vụ đám mây cho nhiều doanh nghiệp và nhà phát triển hơn để họ có thể tận dụng lợi ích công nghệ và tăng tốc việc áp dụng dịch vụ điện toán đám mây công cộng tiên tiến trong nhiều ngành công nghiệp tại Trung Quốc.
- McKinsey trong báo cáo tháng 11 năm 2023 giải thích rằng công nghệ được quảng cáo rộng rãi này mang lại cơ hội cho các công ty đã thiết lập.
- Canalys ước tính chi tiêu dịch vụ đám mây toàn cầu sẽ tăng 20% trong thời gian tới.

📌 Alibaba Cloud đã đưa ra quyết định cắt giảm giá đáng kể, lên đến 55%, cho hơn 100 sản phẩm điện toán đám mây cốt lõi, phản ánh sự cam kết mạnh mẽ của công ty trong việc thúc đẩy sự phát triển của AI tại Trung Quốc. Động thái này không chỉ phản ánh sự tăng trưởng mạnh mẽ của thị trường AI sau sự ra đời của ChatGPT mà còn cho thấy sự nhận thức của Alibaba về tầm quan trọng của việc làm cho công nghệ điện toán đám mây trở nên dễ tiếp cận hơn. Canalys ước tính chi tiêu dịch vụ đám mây toàn cầu sẽ tăng 20% trong thời gian tới.

Citations:
[1] https://www.cnbc.com/2024/02/29/alibaba-cloud-slashes-prices-by-as-much-as-55percent-to-fuel-ai-growth-in-china.html

- Sự chuyển dịch sang AI phi tập trung trên blockchain có thể làm thay đổi đáng kể cục diện quyền lực trong thị trường AI, giảm sự thống trị của các mô hình sở hữu độc quyền và giảm kiểm soát thị trường.
- Sự thay đổi này dự kiến sẽ mở ra một kỷ nguyên mới với nhiều minh bạch và tính bao trùm hơn trong phát triển AI, là bước tiến quan trọng hướng tới việc dân chủ hóa công nghệ AI.
- OpenAI's SORA đã thu hút sự chú ý của công chúng, nhưng các dự án AI phi tập trung như Gensyn, OORT và Bittensor đang nổi lên nhằm thúc đẩy phát triển AI bằng cách tận dụng lợi ích của việc phân quyền như tăng cường quyền riêng tư dữ liệu và tiết kiệm chi phí.
- Các dự án này sử dụng công nghệ blockchain và các kích thích kinh tế mật mã để khuyến khích người tham gia toàn cầu đóng góp sức mạnh tính toán và dữ liệu, thúc đẩy đổi mới và áp dụng rộng rãi công nghệ AI.
- Bài viết giới thiệu về một trong những giao thức cơ bản nhất cho AI phi tập trung: Proof of Honesty (PoH), khám phá cách thức khuyến khích các nhà cung cấp dịch vụ phân tán (các node) hướng tới mục tiêu tối ưu toàn cầu và xác minh nguồn lực phi tập trung như băng thông, sức mạnh tính toán và không gian lưu trữ để đảm bảo chúng hoạt động như đã hứa.

📌 Sự xuất hiện của AI phi tập trung trên blockchain đang đặt ra thách thức cho vị thế dẫn đầu của OpenAI, với các dự án như Gensyn, OORT và Bittensor đang phát triển. Sự chuyển dịch này không chỉ hứa hẹn tăng cường minh bạch và tính bao trùm trong phát triển AI mà còn hướng tới việc dân chủ hóa công nghệ AI. Proof of Honesty (PoH) là một giao thức cơ bản trong hệ thống này, đóng vai trò quan trọng trong việc khuyến khích và xác minh sự đóng góp của các node trên toàn cầu, nhằm đạt được mục tiêu tối ưu toàn cầu và đảm bảo nguồn lực được sử dụng một cách hiệu quả. Sự phát triển này có tiềm năng làm giảm sự thống trị của các mô hình sở hữu độc quyền và mở ra cơ hội cho sự đổi mới và áp dụng rộng rãi hơn của công nghệ AI.

Citations:
[1] https://www.forbes.com/sites/digital-assets/2024/02/24/decentralized-ai-on-blockchain-rivals-openais-lead/

- OpenAI, chủ sở hữu của ChatGPT, đang phát triển một sản phẩm tìm kiếm web để cạnh tranh trực tiếp với Google.

- Dịch vụ tìm kiếm của OpenAI sẽ được hỗ trợ một phần bởi công cụ tìm kiếm Bing của Microsoft Corp.
- Cổ phiếu của Alphabet giảm tới 3.8%, trong khi chỉ số Nasdaq 100 chỉ giảm 0.3%.
- Google đang đối mặt với lo ngại về rủi ro từ các dịch vụ trí tuệ nhân tạo đối thủ, nơi mà kinh doanh tìm kiếm của họ tạo ra phần lớn doanh thu thông qua việc bán quảng cáo số.
- Microsoft đã đầu tư hàng tỷ đô la vào OpenAI và tích hợp tính năng ChatGPT vào Bing vào năm trước, nhưng vẫn chưa thể chiếm được thị phần đáng kể.
- Chuyên gia phân tích của Baird, Colin Sebastian, nhận định rằng rủi ro đối với Alphabet từ sản phẩm tìm kiếm của OpenAI là "khiêm tốn" và chỉ ra rằng việc tạo ra một đối thủ cạnh tranh khả dĩ không phải là điều dễ dàng.
- Việc tạo ra một công cụ tìm kiếm thay thế đòi hỏi phải tốt hơn Google để thực sự thay đổi hành vi người dùng, điều này có thể là một thách thức ngay cả với OpenAI.

📌 OpenAI và Microsoft đang nỗ lực tạo ra một sản phẩm tìm kiếm web mới, với mục tiêu cạnh tranh trực tiếp với Google, công ty chiếm lĩnh thị trường tìm kiếm hiện nay. Mặc dù cổ phiếu của Alphabet đã giảm 3,8% sau thông tin này, nhưng theo chuyên gia, thách thức để OpenAI tạo ra một công cụ tìm kiếm cạnh tranh với Google không hề nhỏ. Để thực sự thu hút người dùng chuyển đổi từ Google sang một công cụ tìm kiếm khác, sản phẩm mới cần phải vượt trội hơn hẳn. 

Citations:
[1] https://www.businesstoday.in/technology/news/story/openai-and-microsoft-are-quietly-planning-a-search-engine-coup-against-google-417746-2024-02-15

• Doanh thu cơ sở hạ tầng đám mây đạt mức tăng trưởng lớn nhất từ trước đến nay trong quý 4 năm 2023, đạt 74 tỷ đô la trên toàn cầu.
• Sự tăng trưởng này một phần lớn là do sự quan tâm đến AI tạo sinh, đặc biệt là ChatGPT.
• Tổng doanh thu của thị trường cơ sở hạ tầng đám mây trong cả năm 2023 đạt 270 tỷ đô la, tăng so với mức 212 tỷ đô la của năm 2022.
• Microsoft là công ty hưởng lợi nhiều nhất từ sự bùng nổ của AI, với thị phần tăng 2 điểm phần trăm lên 25% trong quý 4 năm 2023.
• Amazon vẫn là công ty dẫn đầu thị trường với thị phần 31%, nhưng giảm 2 điểm phần trăm so với quý trước.
• Google giữ nguyên thị phần ở mức khoảng 11%.
• Ba công ty lớn nhất chiếm 67% thị phần toàn thị trường, tương đương với khoảng 50 tỷ đô la doanh thu đám mây trong một quý.

📌 Sự bùng nổ của AI tạo sinh đã thúc đẩy sự tăng trưởng mạnh mẽ của thị trường cơ sở hạ tầng đám mây trong quý 4 năm 2023, với Microsoft là công ty hưởng lợi nhiều nhất. Tổng doanh thu của thị trường cơ sở hạ tầng đám mây trong quý 4 năm 2023 đạt 74 tỷ đô la, tăng 12 tỷ đô la so với cùng kỳ năm ngoái và tăng 5,6 tỷ đô la so với quý 3 năm 2023. Đây là mức tăng trưởng quý lớn nhất mà thị trường đám mây từng chứng kiến.

• Microsoft, công ty giá trị nhất thế giới, đã bổ nhiệm một Giám đốc Phát triển Nhanh chóng Năng lượng Hạt nhân (Director of Nuclear Development Acceleration) để hỗ trợ cho cuộc cách mạng AI của mình.
• Trung tâm dữ liệu (data centers) tiêu thụ một lượng năng lượng đáng kinh ngạc, chiếm khoảng 1-1.5% tổng lượng điện toàn cầu. Các công ty công nghệ thường tập trung vào việc sử dụng năng lượng tái tạo và bền vững để tăng cường uy tín xanh và giải quyết biến đổi khí hậu.
• Sự gia tăng nhu cầu năng lượng do sự xuất hiện của công nghệ mới như AI - ngành này tiêu thụ khoảng bốn lần nhiều điện năng hơn so với máy chủ dành cho các ứng dụng đám mây.
• Nhu cầu điện năng của trung tâm dữ liệu ở Mỹ dự kiến sẽ tăng từ 17 gigawatt (GW) năm 2022 lên 35 GW vào năm 2030. Microsoft đã chứng kiến mức tiêu thụ nước tăng 34% trong năm 2022 và dự kiến sẽ tăng mạnh khi công ty tăng cường đầu tư vào AI.
• Erin Henderson, tiến sĩ, MBA, PMP, với 13 năm kinh nghiệm tại Tennessee Valley Authority, đã được bổ nhiệm vào vai trò này. Henderson sẽ phát triển chiến lược toàn cầu cho các lò phản ứng nhỏ và lò phản ứng vi mô để cung cấp điện cho các trung tâm dữ liệu của Microsoft.
• Microsoft đã hợp tác với Terra Praxis, một tổ chức phi lợi nhuận, trong sáu tháng để làm việc trên mô hình AI tạo sinh nhằm tăng tốc quy trình quy định và cấp phép hạt nhân, thể hiện rõ tham vọng hạt nhân của công ty.

📌 Với việc bổ nhiệm Erin Henderson làm Giám đốc Phát triển Nhanh chóng Năng lượng Hạt nhân, Microsoft đặt mục tiêu đối phó với nhu cầu năng lượng tăng gấp đôi từ 17 GW năm 2022 lên 35 GW vào năm 2030 cho các trung tâm dữ liệu của mình. Sự chuyển hướng này không chỉ đáp ứng nhu cầu năng lượng cho AI mà còn phản ánh cam kết về một tương lai năng lượng sạch và bền vững. Sáng kiến hợp tác với Terra Praxis cũng nêu bật sự nghiêm túc trong việc phát triển các lò phản ứng hạt nhân nhỏ và vi mô, mở ra hướng đi mới trong việc cung cấp năng lượng cho công nghệ thông tin và trí tuệ nhân tạo.

• Casper Labs hợp tác với IBM để tích hợp AI và blockchain nhằm cải thiện tính minh bạch và quản trị.
• Hợp tác giới thiệu giải pháp blockchain cho phép chia sẻ an toàn các thay đổi trong hệ thống AI, giảm rủi ro về quyền sở hữu trí tuệ và đảm bảo tuân thủ thiết kế mô hình gốc.
• IBM cung cấp watsonx.governance và sổ cái phân tán, tạo ra các công cụ như bảng điều khiển tuân thủ cho việc quản trị hiệu quả việc triển khai mô hình AI tạo sinh.
• Mục tiêu của sự hợp tác là cách mạng hóa sự minh bạch và an toàn người tiêu dùng khi triển khai AI, giải quyết vấn đề về quyền sở hữu trí tuệ và thách thức quản trị.
• Casper Labs sẽ sử dụng watsonx.governance và sổ cái phân tán công cộng của IBM để thiết lập lớp thực thi chính sách cho tổ chức triển khai mô hình AI tạo sinh.
• Công nghệ blockchain với khả năng không thể thay đổi và tính minh bạch là giải pháp lý tưởng để tăng cường bảo mật nền tảng AI.
• Giovanni Franzese, cựu trưởng phòng blockchain tại Ericsson, nhấn mạnh sự cần thiết của AI trong việc đạt được tính dấu vết và không thể thay đổi của dữ liệu, tính chất cốt lõi của blockchain.
• Sự kết hợp của AI và blockchain không chỉ giải quyết các thách thức trước mắt mà còn mở ra khả năng lâu dài cho các công nghệ này.

📌 Sự kết hợp giữa Casper Labs và IBM tập trung vào việc tích hợp AI và blockchain để nâng cao tính minh bạch và quản trị trong triển khai AI. Sử dụng công nghệ watsonx.governance cùng sổ cái phân tán của IBM, dự án này phát triển công cụ quản lý và kiểm soát để đảm bảo mô hình AI tạo sinh tuân thủ thiết kế ban đầu. Sự hợp tác mở ra ứng dụng trong nhiều ngành như tài chính, bán lẻ, y tế và sản xuất. Điều này không chỉ giải quyết vấn đề quyền sở hữu trí tuệ hiện tại mà còn tận dụng tiềm năng lâu dài của blockchain trong việc quản lý dữ liệu AI một cách an toàn và dễ dàng kiểm soát.

• Công nghệ AI tạo sinh đang đối mặt với vấn đề vi phạm bản quyền có thể cản trở phát triển của nó.
• OpenAI đã bị The New York Times kiện vì sử dụng hàng triệu bài viết để đào tạo mô hình ngôn ngữ của mình.
• OpenAI nói với Ủy ban Chọn lọc về Truyền thông và Kỹ thuật số của Hạ viện Anh rằng việc phát triển mô hình AI hàng đầu mà không dùng tài liệu có bản quyền là "bất khả thi".
• CEO Grayscale, Michael Sonnenshein, tin rằng công nghệ blockchain có thể giải quyết vấn đề này bằng cách theo dõi quyền sở hữu và bảo đảm quyền lợi cho chủ sở hữu.
• Blockchain, nền tảng của bitcoin, có thể làm cho việc chia sẻ thông tin trong suốt và gần như không thể bị thao túng hoặc hack.
• Công nghệ này cũng được coi là giải pháp cho việc tăng cường minh bạch và an ninh cho các tài sản khác như bất động sản, nghệ thuật và chứng khoán.
• Sonnenshein nhận thấy mối quan hệ đồng sinh giữa blockchain và AI có thể thúc đẩy sự phát triển mạnh mẽ cho cả hai lĩnh vực.
• Blockchain có thể giúp đảm bảo việc sao chép, cấp phép và sử dụng tác phẩm từ âm nhạc đến nghệ thuật được bảo vệ và tác giả nhận được công nhận xứng đáng.

📌 Với sự phát triển mạnh mẽ của công nghệ AI tạo sinh, việc sử dụng blockchain như một phương pháp để giải quyết các vấn đề về bản quyền và quyền sở hữu ngày càng trở nên tiềm năng. Blockchain không chỉ cung cấp giải pháp cho việc theo dõi và bảo vệ quyền sở hữu mà còn hứa hẹn một mối quan hệ đồng sinh với AI, mở ra cánh cửa cho sự bù đắp minh bạch và công bằng cho người sáng tạo. Công nghệ này có khả năng tăng cường an ninh và tin cậy trong nhiều lĩnh vực kinh tế truyền thống và hứa hẹn sẽ là chìa khóa cho sự phát triển song hành của cả hai ngành công nghệ này trong tương lai.

• Nghiên cứu mới của Grayscale chỉ ra sự kết hợp đang nổi lên giữa AI và tiền điện tử.
• Phân tích này đề xuất rằng AI có thể tăng cường hiệu quả của các nền tảng tiền điện tử thông qua việc tự động hóa và tối ưu hóa giao dịch.
• Nghiên cứu cũng nhấn mạnh tiềm năng của AI trong việc phát triển các chiến lược đầu tư tiền điện tử, qua đó cải thiện khả năng phân tích dữ liệu lớn.
• Sự kết hợp này còn mở ra cơ hội cho việc sử dụng AI trong việc đánh giá rủi ro và tuân thủ pháp luật liên quan đến tiền điện tử.
• Grayscale cho biết, AI có thể giúp nâng cao an ninh mạng và phòng chống gian lận trong lĩnh vực tiền điện tử.
• Tuy nhiên, nghiên cứu cũng cảnh báo về các thách thức như vấn đề quyền riêng tư, sự phụ thuộc vào dữ liệu và nguy cơ tạo ra hệ thống không minh bạch.

📌 Nghiên cứu của Grayscale mở ra cái nhìn sâu sắc về sự hợp nhất giữa AI và tiền điện tử, với AI không chỉ cải thiện hiệu quả giao dịch mà còn tăng cường khả năng phòng chống rủi ro và gian lận. Các phát hiện từ nghiên cứu này đặt nền móng cho việc tích hợp AI vào lĩnh vực tiền điện tử, nhưng cũng nhấn mạnh cần phải giải quyết các thách thức liên quan đến quyền riêng tư và minh bạch dữ liệu.

• Báo cáo của Nansen dự báo vào năm 2024, AI agents sẽ trở thành những người dùng chính trên blockchain, làm thay đổi cảnh quan công nghệ.
• Báo cáo nhấn mạnh vai trò của phương pháp mã hóa trong việc phân biệt tương tác giữa con người và AI trên blockchain, đặc biệt là khả năng tối ưu hóa mô hình mã hóa của AI.
• Nansen chỉ ra rằng việc kích thích các models AI thông qua phần thưởng token là cần thiết cho chức năng tự chủ của chúng, với sự phát triển mạnh mẽ của token dự án AI như Bittensor và Autonolas trên thị trường tiền điện tử.
• Các tokens dự án AI như FET và AGIX trong phân khúc coin AI có vốn hóa lớn chứng tỏ niềm tin và đà tiến của sự kết hợp giữa AI và blockchain ngay từ những ngày đầu.
• Nansen cũng đề cập đến thách thức trong việc xác định người thụ hưởng và người dùng cuối cùng của các ứng dụng này, nâng cao nhu cầu về ứng dụng hướng người dùng trong tương lai của AI và blockchain.
• Báo cáo kêu gọi sự cần thiết của việc điều chỉnh các tiến bộ kỹ thuật để xem xét những hậu quả xã hội và ứng dụng hướng người dùng, cũng như những cân nhắc đạo đức trong sự phát triển của AI agents trên blockchain.

📌 Báo cáo của Nansen cho thấy một tương lai nơi AI agents sẽ thống trị blockchain, với sự gia tăng của token dự án AI và sự chú trọng vào các ứng dụng công nghệ hướng người dùng. Điều này đòi hỏi sự cân nhắc đạo đức và quản lý rủi ro cẩn trọng để đảm bảo sự phát triển bền vững của công nghệ.

• Bitcoin Champion là robot giao dịch tự động được thiết kế để giao dịch các loại tiền điện tử như Bitcoin, Ethereum, Litecoin và Ripple.
• Mục tiêu của Bitcoin Champion là tạo ra một nền tảng giao dịch thân thiện với người dùng, cho phép bất kỳ ai cũng có thể kiếm lợi nhuận từ thị trường tiền điện tử hấp dẫn.
• Robot này sử dụng công nghệ hiện đại để đưa ra quyết định giao dịch tự động trong thời gian thực. Bitcoin Champion có khả năng phân tích lượng lớn dữ liệu thị trường nhanh hơn con người và xác định cơ hội giao dịch có lợi nhuận.
• Tuy nhiên, Bitcoin Champion cũng có những nhược điểm như an ninh thấp, thiếu minh bạch và chiến lược cố định dựa trên công nghệ AI thế hệ đầu.
• Đáp ứng với những hạn chế của Bitcoin Champion, robot giao dịch AI đã thực hiện nhiều cải tiến mang tính cách mạng: an ninh tốt hơn, minh bạch đầy đủ, tự phát triển và độc lập với các tín hiệu cụ thể.
• Để sử dụng AI Trading Bot, người dùng có thể tận dụng ATPBot, một giải pháp đỉnh cao của công nghệ tài chính toàn cầu. ATPBot cung cấp cách thức thông minh và hiệu quả để đầu tư trong thị trường tiền điện tử, với khả năng xác định cơ hội trong biến động thị trường và đưa ra quyết định giao dịch nhanh chóng và chính xác.

📌 Trong bối cảnh bùng nổ của công nghệ AI năm 2023, Bitcoin Champion đã phát triển qua nhiều cải tiến, từ việc cung cấp nền tảng giao dịch đơn giản cho đến việc áp dụng AI hiện đại để phân tích và giao dịch tự động, mặc dù vẫn còn những thách thức về an ninh và minh bạch. ATPBot là một ví dụ về sự tiến hóa của các robot giao dịch AI, đem lại lợi nhuận cho nhà đầu tư tiền điện tử thông qua các mô hình chiến lược tiên tiến và phân tích dữ liệu.

• Trung Quốc đang tiến lên dẫn đầu trong lĩnh vực Web3 và blockchain, mặc dù cấm tiền mã hóa.
• Chính phủ Trung Quốc có kế hoạch tích hợp Web3 vào nhiều ngành công nghiệp để thúc đẩy sự đổi mới.
• Đường lối mới của Trung Quốc chấp nhận Web3 nhưng vẫn duy trì lệnh cấm nghiêm ngặt đối với tiền mã hóa.
• Bộ Công nghiệp và Công nghệ Thông tin Trung Quốc đã công bố kế hoạch toàn diện nhằm phát triển công nghệ Web3 và blockchain trong nước.
• Mục tiêu chính là xây dựng một khung chính sách vững chắc, thúc đẩy sự phát triển đồng bộ của ngành công nghiệp Web3 với sự giám sát quản lý thích hợp.
• Trung Quốc nhận thức được tầm quan trọng của việc tiến hành nghiên cứu trong lĩnh vực blockchain và các thành phần khác của Web3.
• Kế hoạch nhấn mạnh vai trò của Trung Quốc trong việc tham gia xây dựng tiêu chuẩn toàn cầu cho ngành công nghiệp này.
• Trung Quốc cũng đặt mục tiêu hỗ trợ phát triển từ ba đến năm startup về metaverse có tầm ảnh hưởng toàn cầu vào năm 2025.

📌 Trung Quốc đang chuyển hướng mạnh mẽ để trở thành một cường quốc trong lĩnh vực Web3 và blockchain, bất chấp lệnh cấm tiền mã hóa, qua đó thể hiện quyết tâm trong việc kiểm soát và hứa hẹn sự đổi mới sâu rộng trong kỹ thuật số.

- Bài viết từ Cryptopolitan thông báo có hơn 40 quốc gia mới tham gia vào lĩnh vực tiền điện tử trong năm 2023.

- Báo cáo của PriceWaterhouseCoopers mô tả sự mở rộng nhanh chóng của hệ thống tiền điện tử toàn cầu. Có 42 quốc gia đã tham gia, mỗi nước có cách tiếp cận khác nhau trong việc quản lý và lập pháp.

- Các quốc gia không chỉ đơn thuần tham gia mà còn hướng tới việc xây dựng khung pháp lý toàn diện, từ stablecoins đến tuân thủ các quy định xuyên biên giới.

- Liên minh Châu Âu, Nhật Bản và Bahamas tập trung vào tất cả các khía cạnh quy định về tiền điện tử, trong khi Uganda, Ấn Độ và Brazil có cách tiếp cận thận trọng hơn.

- Tại Hoa Kỳ, quy định về tiền điện tử đa dạng, liên quan đến cả cấp tiểu bang và liên bang. Ngân hàng Trung ương Anh đã cho phép Bộ Tài chính phân loại tiền điện tử như một công cụ tài chính được quản lý.

- Úc và Đức đều theo đuổi một môi trường quy định thúc đẩy đổi mới và bảo vệ người tiêu dùng.

- Một số quốc gia như Hungary và Đan Mạch tỏ ra thận trọng, chờ đợi hướng dẫn từ EU.

- Canada và Hồng Kông đều chào đón sự đổi mới trong khi duy trì các biện pháp bảo vệ cần thiết.

- Mauritius đã ban hành luật pháp toàn diện về tài sản ảo và phát hành token ban đầu, thể hiện cam kết với một ngành công nghiệp tài sản số được quản lý tốt.

- Sự chú ý quy định trải dài khắp các quốc gia, với quy tắc di chuyển của Lực lượng Hành động Tài chính (FATF) là điểm chung được nhiều quốc gia thảo luận.

📌 Bài báo đánh dấu sự tham gia mạnh mẽ của hơn 40 quốc gia vào thị trường tiền điện tử trong năm 2023, phản ánh một bước ngoặt quan trọng trong quan điểm và sự chấp nhận tiền điện tử toàn cầu, cùng với việc định hình các khung pháp lý và quy định.