Khám phá tiềm năng của AGI: Sự tương hợp giữa phần cứng và phần mềm

Iris Coleman
06:09 17/12/2025 (Giờ VN)

Dan Fu từ together.ai cho rằng trí tuệ nhân tạo tổng quát (AGI) có thể đạt được bằng cách tối ưu hóa thiết kế đồng bộ phần mềm-phần cứng, nâng cao hiệu suất sử dụng chip hiện tại và vượt qua các giới hạn phần cứng được cho là tồn tại.

Cuộc tranh luận xung quanh tiềm năng đạt được trí tuệ nhân tạo tổng quát (AGI) đang ngày càng gay gắt, với Dan Fu, Phó Chủ tịch Kernels tại together.ai, đưa ra triển vọng lạc quan. Theo together.ai, Fu thách thức quan niệm rằng những tiến bộ trong AI đang bị cản trở bởi các giới hạn phần cứng. Thay vào đó, ông cho rằng các chip hiện tại đang bị sử dụng dưới mức đáng kể và rằng một cách tiếp cận chiến lược về thiết kế đồng bộ phần mềm-phần cứng có thể mở khóa những cải thiện hiệu suất đáng kể.

Giới hạn hiện tại và tiềm năng tương lai

Khi bối cảnh AI phát triển, những lo ngại về việc đạt đến giới hạn của điện toán kỹ thuật số đang trở nên phổ biến hơn. Một số chuyên gia cho rằng các ràng buộc phần cứng, đặc biệt là trong GPU, có thể cản trở tiến trình phát triển AI hữu ích nói chung. Ngược lại, Fu trình bày một quan điểm đầy hy vọng hơn trong bài viết của mình, "Yes, AGI Can Happen – A Computational Perspective," cho rằng giới hạn trần cho khả năng AI vẫn chưa được chạm tới.

Sử dụng dưới mức phần cứng hiện có

Fu nhấn mạnh rằng các quá trình huấn luyện AI tiên tiến nhất, chẳng hạn như DeepSeek-V3 hoặc Llama-4, thường chỉ đạt khoảng 20% Mean FLOP Utilization (MFU), với mức sử dụng suy luận đôi khi chỉ ở con số một chữ số. Những con số này cho thấy một cơ hội đáng kể để nâng cao hiệu quả thông qua tích hợp tốt hơn giữa phần mềm và phần cứng, cũng như các đổi mới như huấn luyện FP4.

Tiến bộ trong các mô hình tính toán

Các mô hình AI hiện tại dựa trên phần cứng cũ hơn, và tiềm năng của các nguồn tài nguyên tính toán mới hơn chưa được khai thác đầy đủ. Fu nhấn mạnh rằng các cụm GPU thế hệ mới nhất với số lượng lớn, hơn 100,000 đơn vị, vẫn chưa được tích hợp đầy đủ vào các quy trình phát triển AI, cho thấy một chân trời đầy hứa hẹn cho những tiến bộ trong tương lai.

Tiện ích hiện tại và ý nghĩa tương lai

Bất chấp những giới hạn được nhận thức, các mô hình AI hiện có đã đang cách mạng hóa các quy trình làm việc phức tạp, chẳng hạn như viết các GPU kernel hiệu suất cao với sự hỗ trợ của con người. Sự chuyển đổi này nhấn mạnh tính hữu dụng trực tiếp của các công nghệ AI và gợi ý về tiềm năng to lớn cho các ứng dụng trong tương lai.

Đối với những người quan tâm đến giao điểm giữa kỹ thuật hệ thống, hiệu quả phần cứng và mở rộng AI, phân tích của Fu cung cấp những hiểu biết có giá trị. Phân tích đầy đủ có thể được truy cập trên trang web together.ai.

Nguồn hình ảnh: Shutterstock