Từ năm 2023 đến năm 2025, câu chuyện chủ đạo trong ngành chip AI xoay quanh "cuộc chạy đua về sức mạnh tính toán". Các nhà cung cấp dịch vụ đám mây và tập đoàn công nghệ lớn đua nhau mua GPU, mở rộng trung tâm dữ liệu và đầu tư hàng trăm tỷ đô la vào hạ tầng điện toán đám mây. NVIDIA, tận dụng hệ sinh thái CUDA cùng dải sản phẩm GPU hiệu suất cao, đã xây dựng vị thế gần như không thể bị đánh bại trong giai đoạn này.
Tuy nhiên, bước sang năm 2026, logic của ngành đang có sự chuyển biến căn bản. Lợi nhuận biên từ chi phí huấn luyện mô hình lớn đang giảm dần, nhu cầu suy luận AI tăng vọt, và các doanh nghiệp chuyển từ câu hỏi "Chúng ta có thể huấn luyện mô hình không?" sang "Chúng ta có thể triển khai chúng ở quy mô lớn không?". Thị trường chip AI đang chuyển từ giai đoạn đầu xây dựng hạ tầng sang giai đoạn thứ hai—cạnh tranh về hiệu quả thương mại.
Tổng kết Giai đoạn Một: Sự thống trị của xây dựng hạ tầng
Trong khoảng năm 2023 đến 2025, động lực chính của thị trường chip AI là nhu cầu vô tận về sức mạnh tính toán để huấn luyện các mô hình lớn. NVIDIA đã tận dụng cơ hội này, biến GPU từ công cụ xử lý đồ họa thành "đơn vị tiền tệ của tính toán" trong kỷ nguyên AI.
Năm tài chính 2026, tổng doanh thu của NVIDIA đạt 215,9 tỷ USD, tăng 65% so với cùng kỳ năm trước, lần đầu vượt mốc 200 tỷ USD. Trong đó, doanh thu từ trung tâm dữ liệu đạt 193,7 tỷ USD, tăng 68%, đóng góp gần 90% tổng thu nhập của công ty. Riêng quý IV, doanh thu trung tâm dữ liệu đạt 62,3 tỷ USD, tăng 22% so với quý trước và 75% so với cùng kỳ. Tổng doanh thu dự kiến của nền tảng Blackwell và Rubin vượt 500 tỷ USD vào cuối năm 2026.
Lợi thế cạnh tranh của NVIDIA trong giai đoạn này không chỉ dựa vào hiệu năng phần cứng mà còn nhờ sự gắn bó sâu sắc của hệ sinh thái phần mềm CUDA. Các nhà phát triển đã quen xây dựng ứng dụng AI trên CUDA, còn các nhà cung cấp đám mây thiết kế hạ tầng xoay quanh GPU của NVIDIA, khiến chi phí chuyển đổi cực kỳ cao. Lợi thế "phần cứng + phần mềm + hệ thống" toàn diện giúp NVIDIA chiếm khoảng 80% thị phần accelerator AI cho trung tâm dữ liệu.
Trong khi đó, AMD phát triển dòng GPU Instinct, nhưng thị phần vẫn chỉ dao động từ 5% đến 7%, và khoảng cách tuyệt đối ngày càng lớn. Công ty nghiên cứu Futurum Group còn đưa ra ước tính thận trọng hơn, cho rằng AMD chỉ chiếm khoảng 4,5% thị phần GPU trung tâm dữ liệu.
Khởi đầu Giai đoạn Hai: Từ sức mạnh huấn luyện đến hiệu quả suy luận
Sau năm 2026, động lực cạnh tranh của thị trường chip AI đang chuyển đổi về cấu trúc. Điểm cốt lõi: thị trường chuyển từ "sức mạnh huấn luyện" sang "hiệu quả suy luận", và từ "quy mô mua GPU" sang "tối ưu chi phí và triển khai thương mại".
Nhiều yếu tố thúc đẩy sự thay đổi này. Thứ nhất, đầu tư lớn vào huấn luyện mô hình đã cơ bản hoàn tất, và nguồn dự trữ tính toán của các bên dẫn đầu đang đạt mức bão hòa. Thứ hai, ứng dụng AI chuyển từ "mức trình diễn" sang "mức sản xuất", với khối lượng suy luận tăng nhanh—AMD chính thức ước tính khối lượng suy luận AI hiện tăng hơn 80%. Thứ ba, doanh nghiệp ưu tiên tổng chi phí sở hữu khi quyết định mua sắm, thay vì chỉ chạy theo đỉnh hiệu năng tính toán.
J.P. Morgan dự báo thị trường chip mạng AI sẽ đạt 107,5 tỷ USD vào năm 2026 và tăng lên 154,9 tỷ USD vào năm 2027. Tổ chức Thống kê Thương mại Bán dẫn Thế giới đã nâng mạnh dự báo thị trường bán dẫn toàn cầu năm 2026 từ 975,4 tỷ USD lên 1,51 nghìn tỷ USD, tăng 89,9% so với năm trước. Thị trường mở rộng, nhưng logic phân chia lợi nhuận đang thay đổi.
Chiến lược của AMD: Từ "giải pháp giá rẻ" đến "câu chuyện năng lực định giá"
Chiến lược cạnh tranh của AMD với NVIDIA đã rõ ràng thay đổi trong giai đoạn hai này.
Quý I năm 2026, doanh thu của AMD đạt 10,25 tỷ USD, tăng 37,85% so với cùng kỳ, lợi nhuận ròng tăng vọt 95% lên 1,38 tỷ USD. Doanh thu trung tâm dữ liệu đạt 5,8 tỷ USD, tăng 57%, trở thành động lực tăng trưởng chính. Công ty dự báo doanh thu quý II khoảng 11,2 tỷ USD, tăng khoảng 46% so với cùng kỳ.
Về sản phẩm, lộ trình của AMD vừa rõ ràng vừa quyết liệt. Dòng Instinct MI400, sử dụng tiến trình 2nm của TSMC và kiến trúc CDNA Next, sở hữu bộ nhớ HBM4 432GB, băng thông 19,6 TB/s và hiệu năng FP4 lên tới 40 PFLOPs—gấp đôi thế hệ trước. Dòng này đã nhận được đơn đặt hàng từ Oracle, OpenAI và Bộ Năng lượng Hoa Kỳ.
Đáng chú ý hơn là hệ thống AI rack-scale Helios. Nền tảng này tích hợp chặt chẽ CPU EPYC Venice thế hệ thứ sáu, GPU MI450X, chip mạng Vulcano 800G và hệ thống làm mát bằng chất lỏng, cung cấp hiệu năng FP4 đỉnh 2,9 exaFLOPS mỗi rack và tổng dung lượng HBM4 lên tới 31TB.
Điểm bùng phát thực sự đến từ phía khách hàng. Tháng 7 năm 2026, Microsoft tuyên bố sẽ triển khai giải pháp Helios rack-scale của AMD trên Azure để phục vụ các khối lượng suy luận AI tiên tiến. Đây là lần đầu AMD triển khai toàn bộ stack—GPU, CPU và mạng—cho một khách hàng đám mây. Trước đó, Meta đã ký hợp đồng hạ tầng AI đa thế hệ với tổng công suất lên tới 6 gigawatt; OpenAI, Oracle và TCS Ấn Độ cũng cam kết đầu tư lớn. Theo AMD, tám trong mười công ty AI hàng đầu thế giới hiện đang chạy khối lượng công việc trên GPU Instinct.
Nhà phân tích Daniel Newman của Futurum Group tin rằng AMD có thể tăng thị phần GPU trung tâm dữ liệu từ 4,5% hiện tại lên 20–25%. Morgan Stanley dự báo nhu cầu CoWoS của AMD sẽ tăng 308% vào năm 2027.
Lợi thế của NVIDIA—và những vết nứt mới xuất hiện
NVIDIA không đứng yên khi đối thủ tiếp cận. Nền tảng Rubin đã bước vào sản xuất hàng loạt, kết hợp GPU hiệu suất cao với CPU Vera để tăng tốc độ xử lý token lên gấp mười lần với chi phí thấp hơn. Kiến trúc Vera Rubin hỗ trợ tối đa 144 GPU mỗi tủ, phiên bản cao cấp kết nối tới 576 GPU. NVIDIA công bố đến cuối năm 2026, tổng lượng xuất xưởng nền tảng Blackwell và Rubin sẽ đạt 20 triệu đơn vị.
Tuy nhiên, sự thống trị của NVIDIA không phải không có vết nứt. Quý II năm tài chính 2026, doanh thu trung tâm dữ liệu của NVIDIA đạt 41,1 tỷ USD—tăng 56% so với cùng kỳ, nhưng vẫn thấp hơn dự báo 41,3 tỷ USD của các nhà phân tích. Công ty xác nhận không bán chip H20 cho thị trường Trung Quốc trong quý này, và dự báo quý III cũng không có xuất khẩu sang Trung Quốc. Thị phần của các nhà cung cấp trong nước tại thị trường máy chủ accelerator AI Trung Quốc đã tăng từ 41–46% năm 2025 lên khoảng 56% năm 2026. Kiểm soát xuất khẩu đang vẽ lại bản đồ cạnh tranh khu vực.
Về phần mềm, lợi thế CUDA của NVIDIA cũng đang bị xói mòn. Ngôn ngữ SCALE hiện cho phép chạy các binary CUDA không chỉnh sửa trên GPU AMD. Phần mềm ROCm 7.0 của AMD có hiệu năng gấp 3,5 lần ROCm 6 và tích hợp sâu với các framework mã nguồn mở hàng đầu như vLLM và SGLang.
Chi phí suy luận: Chỉ số cạnh tranh then chốt ở giai đoạn hai
Nếu giai đoạn đầu được định nghĩa bởi "hiệu năng huấn luyện trên mỗi đô la", thì giai đoạn hai tập trung vào "chi phí suy luận trên mỗi token".
Tháng 7 năm 2026, công ty tối ưu hóa suy luận Wafer báo cáo AMD MI355X, chạy mô hình mã nguồn mở GLM 5.2, cho chi phí suy luận chỉ bằng một nửa so với NVIDIA B200, với hiệu năng đạt 80% so với đối thủ. SemiAnalysis cũng đưa ra kết luận tương tự: trong các kịch bản suy luận tương tác, AMD MI355X đạt chi phí suy luận khoảng 0,22 USD cho mỗi triệu token, trong khi NVIDIA B200 là 0,30 USD.
Giám đốc trung tâm dữ liệu của AMD, Forrest Norrod, tổng kết lợi thế cốt lõi của Helios là "tổng chi phí sở hữu tốt nhất và chi phí trên mỗi token thấp nhất". Đây là câu chuyện rất thuyết phục ở giai đoạn hai—khi doanh nghiệp cần mở rộng triển khai AI từ thử nghiệm sang sản xuất, chỉ một khác biệt nhỏ về chi phí suy luận cũng có thể tiết kiệm hàng tỷ USD chi phí vận hành.
Tất nhiên, NVIDIA vẫn dẫn đầu về hiệu năng suy luận ở quy mô rack. GB200 NVL72, với kết nối NVLink ở cấp tủ và điều phối phần mềm, có thể cung cấp thông lượng gấp 28 lần AMD MI350X trong một số kịch bản. Tuy nhiên, AMD đang chuyển chiến lược khác biệt từ "đuổi kịp hiệu năng" sang "dẫn đầu về chi phí".
Kết luận
Thị trường chip AI đã chuyển từ giai đoạn xây dựng hạ tầng sang giai đoạn cạnh tranh hiệu quả thương mại. Sự chuyển dịch này mở rộng bức tranh cạnh tranh từ chỉ tập trung vào "sức mạnh huấn luyện" sang cuộc đua đa chiều gồm "hiệu quả suy luận, tối ưu chi phí và quy mô triển khai thương mại".
NVIDIA, với hệ sinh thái CUDA, năng lực toàn stack và lượng khách hàng khổng lồ, vẫn kiểm soát khoảng 80% thị phần accelerator AI trung tâm dữ liệu. Nhưng AMD đang xây dựng hệ thống cạnh tranh khác biệt xoay quanh "tổng chi phí sở hữu" và "chi phí trên mỗi token" thông qua giải pháp rack Helios, dòng MI400 và hệ sinh thái mã nguồn mở ROCm. Quyết định mua sắm của các khách hàng lớn như Microsoft, Meta và OpenAI cho thấy nhu cầu thị trường về "nguồn cung thứ hai" là thực tế và đang tăng tốc.
Trong giai đoạn hai của cuộc cạnh tranh chip AI, người chiến thắng sẽ không phải là công ty tạo ra chip mạnh nhất, mà là bên giúp doanh nghiệp triển khai AI từ phòng thí nghiệm ra sản xuất với chi phí thấp nhất và hiệu quả cao nhất.
Câu hỏi thường gặp
Q1: Sự khác biệt cốt lõi giữa giai đoạn một và giai đoạn hai của cuộc cạnh tranh chip AI là gì?
Giai đoạn một (2023–2025) tập trung vào xây dựng hạ tầng AI, với nhu cầu chủ đạo là mua GPU, mở rộng trung tâm dữ liệu và đầu tư điện toán đám mây. Trọng tâm cạnh tranh là hiệu năng huấn luyện. Giai đoạn hai (sau 2026) chuyển sang thương mại hóa AI, thị trường ưu tiên chi phí suy luận, hiệu quả năng lượng và quy mô triển khai doanh nghiệp. Trọng tâm chuyển từ "Huấn luyện được không?" sang "Có thể mở rộng và sinh lời không?".
Q2: AMD đang thách thức sự thống trị của NVIDIA như thế nào?
Chiến lược của AMD đã chuyển từ "giải pháp giá rẻ" sang "câu chuyện năng lực định giá". Hệ thống rack Helios đã nhận được đơn đặt hàng toàn stack từ Microsoft với mức giá cao hơn khoảng 40% so với Rubin của NVIDIA, chứng minh thị trường sẵn sàng trả cho giá trị khác biệt. Dòng MI400 cung cấp dung lượng bộ nhớ và băng thông gấp 1,5 lần Rubin, còn ROCm 7.0 cho hiệu năng phần mềm gấp 3,5 lần. Với các khách hàng lớn như Meta và Microsoft, AMD đang chuyển từ "người theo sau" sang "nhà cung cấp thay thế".
Q3: Hệ sinh thái CUDA của NVIDIA có đang bị xói mòn không?
Có. Ngôn ngữ SCALE hiện cho phép các binary CUDA không chỉnh sửa chạy trực tiếp trên GPU AMD, phá vỡ sự gắn bó phần mềm 15 năm của NVIDIA. ROCm 7.0 của AMD tích hợp sâu với các framework suy luận mã nguồn mở như vLLM và SGLang. Dù CUDA vẫn là tiêu chuẩn ngành, tính "độc quyền" trong hệ sinh thái phát triển đang dần mất đi.
Q4: Vì sao chi phí suy luận lại quan trọng ở giai đoạn hai của cạnh tranh?
Khi AI chuyển từ trình diễn sang triển khai quy mô lớn, chi phí suy luận quyết định trực tiếp tính khả thi của mô hình kinh doanh. AMD MI355X cho chi phí suy luận khoảng 0,22 USD mỗi triệu token, trong khi NVIDIA B200 là 0,30 USD. Với các ứng dụng AI xử lý hàng tỷ token mỗi ngày, sự khác biệt này đồng nghĩa với hàng trăm triệu USD tiết kiệm mỗi năm. Ở giai đoạn hai, bên nào cung cấp chi phí trên mỗi token thấp hơn mà vẫn đảm bảo hiệu năng sẽ có cơ hội thắng các đơn hàng triển khai doanh nghiệp quy mô lớn.
