Smartphone – chứ không phải máy tính – mới là thứ đang đưa ngành công nghiệp silicon đi lên phía trước

Các hãng buộc phải tung ra những quân bài mạnh nhất của mình nếu không muốn bị bỏ lại phía sau trong một thị trường vốn đã quá đỗi chật chội.

Các bộ vi xử lý ứng dụng di động đã đạt được nhiều cột mốc quan trọng trong năm nay. Cả Apple và Huawei đều đưa ra những sản phẩm 7nm chính thức đầu tiên của riêng họ, và cuối năm sẽ là Qualcomm. Các hãng sản xuất chip riêng cho điện thoại thông minh đã và đang ngày càng trở nên mạnh mẽ, đánh bại các công ty sản xuất bán dẫn truyền thống như AMD và Intel trong công đoạn thu nhỏ bộ vi xử lý.

Ngành công nghiệp di động chắc chắn cũng là động lực thúc đẩy phía sau cho điện toán phổ quát (Ubiquitous computing-Ubicom), sản xuất chip có tốc độ nhanh đến nỗi đủ khả năng thách thức các công ty có truyền thống trong mảng máy tính xách tay tầm thấp. Không chỉ vậy, thị trường còn nhanh chóng áp dụng công nghệ máy học lên thẳng con chip, bên cạnh các thành phần CPU và GPU truyền thống.

Chip di động đã dẫn đầu trong ngành công nghiệp silicon và vẫn còn đó rất nhiều tiềm năng chưa được khai thác. Các nốt xử lý nhỏ hơn, trí tuệ thông minh được tích hợp sâu hơn, và sự nhảy vọt trong sức mạnh vi xử lý chỉ là một phần của tương lai tới.

“Nhồi nhét” nhiều thứ hơn nữa vào trong chỉ một con chip

Hệ thống trên một vi mạch (SoC) là mấu chốt để smartphone tồn tại. Sự kết hợp giữa bộ xử lý và modem phần cứng đã làm cho điện thoại thông minh tuy giá rẻ nhưng vẫn có hiệu năng ấn tượng. Ngày nay, ý tưởng đã được đẩy đi xa hơn. Điện toán không đồng nhất (Heterogeneous computing) đã đưa các công việc phức tạp đến các bộ phận phù hợp nhất. Các bộ vi xử lý điện thoại thông minh vượt trội của ngày hôm nay không chỉ bao gồm các CPU, GPU và các modem mà còn tất cả các bộ xử lý hình ảnh, video, hiển thị và tín hiệu số trong một “gói hàng” duy nhất.

Ý tưởng rất đơn giản: gộp những tác vụ cụ thể vào các khối phần cứng riêng biệt phù hợp hơn. Điều này không chỉ làm tăng hiệu suất mà còn cải thiện mức tiêu tốn năng lượng. Phát biểu tại Google I/O 2018, John Hennessy đã nói về những lợi ích của phương pháp tiếp cận kiến trúc vùng đặc thù (Domain Specific Architecture) đối với máy tính và cách giải quyết những thách thức mới hiện nay theo cách suy nghĩ này. Mạng lưới hệ thần kinh hay phần cứng AI chuyên dụng là những thành phần mới nhất tham gia vào. Nó đã có một tác động lớn trên một loạt các mảng công nghiệp.

Mật độ silicon đã đạt đến điểm mà việc lắp nhiều thành phần trên một chip đơn nhỏ không còn là vấn đề nữa. Điện toán không đồng nhất tầm cao và song song cũng đã có. Mục tiêu tiếp theo là tăng bộ nhớ và các băng thông kết nối phía trong, việc lọc các kiến trúc tốt nhất cho các công việc phù hợp, và xa hơn là cải thiện mức tiêu tốn hiệu năng hơn nữa.

Dữ liệu 4G, bảo mật dựa trên mạng lưới hệ thần kinh, và thời lượng pin kéo dài nhiều ngày cho người dùng giá trị mới nhiều hơn PC truyền thống.

Đối với chip điện thoại thông minh, đi theo theo cách này sẽ cho họ cơ hội phá vỡ một số thị trường truyền thống. Tegra của Nvidia đã chuyển sang mảng trò chơi với Nintendo Switch, còn máy tính xách tay 4G LTE và các thiết bị 2-trong-1 đều chuyển sang dùng chip di động thay vì chip máy tính truyền thống.

ARM dự đoán sẽ tăng trưởng đủ mạnh về hiệu suất của kiến trúc CPU trong vài năm tới để có khả năng cạnh tranh trong mảng thiết bị máy tính xách tay.

Windows 10 trên Arm vẫn yêu cầu việc bổ sung hỗ trợ phần mềm riêng và giải pháp doanh nghiệp, nhưng nó đủ để Qualcomm đầu tư vào chip PC kết nối chuyên dụng đầu tiên của mình, Snapdragon 850. Bao gồm các modem 4G và 5G, mạng lưới hệ thần kinh dựa vào nhận dạng khuôn mặt để bảo mật và thời lượng pin được nhiều ngày giới thiệu cho người dùng giá trị mới và thú vị hơn so với PC truyền thống.

Không dừng lại ở 7nm

Các nhà thiết kế và nhà sản xuất chipset di động hẳn sẽ rất tự hào về thành tựu 7nm của họ, nhưng nó còn đánh dấu một bước chuyển tiếp quan trọng hơn trong ngành công nghiệp. Nó loại bỏ công nghệ in litho chìm 193nm của các thế hệ trước, nhường chỗ cho công nghệ in thạch bản cực tím (Extreme Ultraviolet Lithography – EUV).

EUV là một công nghệ chủ chốt, vì các nhà sản xuất có kế hoạch cho các nốt 5nm hiệu quả hơn trong tương lai gần. Các công ty đi đầu ngành công nghiệp TSMC và Samsung cũng có kế hoạch hạ xuống còn 3nm trong những năm tới. Cấu trúc bóng bán dẫn FinFet tiên tiến mới như Gate-All-Around, vật liệu cổng kim loại high-k mới và germanium graphene, hay như bộ nhớ xếp chồng 3D để tích hợp chặt chẽ hơn với các thành phần xử lý và cải thiện hiệu quả cũng quan trọng.

7nm là một thành tựu lớn, nhưng chúng ta phải hướng đến tương lai 5nm và xa hơn thế nữa

Động lực cho chip 7nm và xa hơn nữa là mật độ silicon cho những con chip phức tạp hơn, và quan trọng nhất là mức tiêu thụ năng lượng. Tiết kiệm năng lượng hơn giúp các thiết bị di động bền bỉ hơn và tiết kiệm chi phí tối đa cho máy chủ đám mây. Cộng với việc đào tạo mạng lưới hệ thần kinh đã rẻ đi đáng kể, các công ty sẽ tiết kiệm được hàng triệu USD mỗi năm và giúp doanh nghiệp hay các nhà nghiên cứu có khả năng chi trả cho những máy tính mạnh mẽ mà họ cần đến.

Chủ tịch và Giám đốc điều hành của SEMI, Ajit Manocha hy vọng ngành công nghiệp chip sẽ đạt doanh thu 500 tỷ USD vào năm 2019 và 1000 tỷ USD vào năm 2030. Phần lớn sẽ đến từ sự phát triển của điện toán mạng lưới hệ thần kinh, cũng như các SoCs cao cấp dùng cho điện thoại, máy tính xách tay và hơn thế nữa.

Hy vọng bạn vẫn chưa ghét AI

Gần đây, thuật ngữ AI thường bị lạm dụng trong thị trường chip và sản phẩm, nhưng cũng không thể phủ nhận là những tiến bộ mới nhất trong mạng lưới hệ thần kinh và khả năng tự học của máy móc sẽ giữ được công nghệ này tồn tại thêm một thời gian dài nữa. Smartphone vẫn đang dẫn đầu ở công nghệ này, với các hệ thống toán INT16 và INT8 và phần cứng mạng lưới hệ thần kinh tiên tiến như NPU bên trong Kirin của Huawei hoặc Visual Core của Google bên trong Pixel 2.

Chúng ta mới chỉ bắt đầu chạm tới bề mặt cái mà phần cứng và phần mềm của mạng lưới hệ thần kinh có thể làm. Phát hiện giọng nói nâng cao, bảo mật nhận diện khuôn mặt và các hiệu ứng cho máy ảnh dựa trên khung cảnh là tất cả các tính năng rõ ràng, nhưng chúng ta đã thấy những dấu hiệu cho các kỹ thuật học máy thông minh hơn, cả trên đám mây và trong thiết bị của người tiêu dùng.

Ví dụ, công nghệ GPU Turbo của Huawei có thể quản lý việc phân phối và cung cấp năng lượng cho smartphone hiệu quả hơn khi được đào tạo cho một ứng dụng cụ thể. Deep Learning Super Sampling của Nvidia trong loạt card đồ họa RTX mới nhất là một ví dụ ấn tượng khác mà máy học có thể thay thế các thuật toán tính toán tốn kém hiện tại bằng cách thay thế cái khác có hiệu suất cao hơn. Công cụ sao chép hình ảnh AI Up-Res và InPainting của Graphics Giant cũng rất ấn tượng với khả năng nội suy hiệu ứng Slow-Mo.

Học máy đang vượt ra xa hơn nữa, không chỉ dừng lại ở nhận dạng hình ảnh và nhận dạng giọng nói. Các vi xử lý dành cho người tiêu dùng, và không chỉ chip cho điện thoại thông minh, sẽ hỗ trợ suy luận học máy để hưởng lợi từ những công nghệ mới nổi này, trong khi các chip đào tạo chuyên dụng thúc đẩy nhu cầu ở mặt kinh doanh của ngành công nghiệp.

Với hàng trăm triệu điện thoại thông minh đang được bán ra mỗi năm, có lẽ không có gì đáng ngạc nhiên khi thấy sự cạnh tranh và sáng tạo thúc đẩy thiết kế SoC cho di động tiến lên mạnh mẽ. Rất ít người có thể dự đoán được rằng các chip di động công suất thấp, chứ không phải các sản phẩm hạng nặng cho máy tính để bàn, lại là thứ tạo ra những đột phá mới.

Theo vnreview