Tại sự kiện trò chuyện Fireside Alpha mới đây, ông Cristiano Amon – Chủ tịch kiêm CEO của Qualcomm – đã đưa ra một tuyên bố làm rung chuyển giới công nghệ bán dẫn: Đến năm 2028, các dòng smartphone thương mại sẽ đủ khả năng vận hành cục bộ (on-device) các mô hình trí tuệ nhân tạo (AI) có quy mô lên tới 100 tỷ tham số (100B parameters). Đây không chỉ là một dự báo đơn thuần, mà là lời khẳng định về một bước ngoặt kiến trúc di động, hứa hẹn đưa năng lực tính toán cấp trung tâm dữ liệu thu nhỏ gọn trong lòng bàn tay người dùng.
Bức tranh di động hiện tại: Từ 8 tỷ tiến thẳng lên 100 tỷ tham số
Để hình dung quy mô đột phá trong dự báo của CEO Qualcomm, hãy nhìn vào giới hạn kỹ thuật của các dòng flagship hiện tại năm 2024–2025. Những vi xử lý tiên tiến nhất như Qualcomm Snapdragon 8 Elite hay Apple A18 Pro hiện chỉ hỗ trợ mượt mạo các mô hình AI di động như Google Gemini Nano hay Meta Llama 3 (phiên bản thu nhỏ) dừng lại ở quy mô từ 3 tỷ đến 8 tỷ tham số.
"Tham số (Parameters) là thước đo độ rộng tri thức và năng lực tư duy của mô hình AI. Một nhảy vọt từ 8 tỷ lên 100 tỷ tham số đồng nghĩa với việc năng lực xử lý ngôn ngữ, lập luận logic và đa phương tiện trên điện thoại sẽ tăng gấp hơn 12 lần."
Với quy mô 100 tỷ tham số, AI trên smartphone sẽ vượt xa vai trò của những trợ lý ảo đơn giản hiện nay. Thiết bị sẽ có khả năng biên dịch mã nguồn phần mềm phức tạp đa ngôn ngữ, phân tích video 4K theo thời gian thực mà không trễ nhịp, cũng như tự đóng vai trò một chuyên gia tư vấn trí tuệ nhân tạo đa năng hoạt động hoàn hảo mà không cần bất kỳ byte dữ liệu nào gửi lên đám mây.
Ba rào cản vật lý cực hạn mà ngành bán dẫn phải vượt qua
Mặc dù triển vọng rất hứa hẹn, việc đưa một mô hình ngang ngửa GPT-3.5 hay các hệ thống LLM thương mại tầm trung vào không gian khép kín của chiếc điện thoại mỏng chưa đầy 8mm đặt ra ba thử thách kỹ thuật sinh tử:
- Bức tường bộ nhớ (Memory Wall) & Băng thông: Ngay cả khi được tối ưu hóa bằng các kỹ thuật nén mô hình gắt gao như Quantization xuống định dạng 4-bit (INT4), một mô hình 100 tỷ tham số vẫn ngốn tối thiểu 50 GB RAM chỉ riêng cho việc lưu trữ trọng số (weights). Điều này đòi hỏi ngành di động phải thương mại hóa chuẩn bộ nhớ LPDDR6 hoặc CAMM2 với băng thông vượt mốc 1.5 TB/s để tránh hiện tượng nghẽn cổ chai NPU.
- Giới hạn tiến trình và mật độ bóng bán dẫn: Lộ trình sản xuất chip đến năm 2028 buộc phải dựa vào các tiến trình cận nguyên tử như 2nm (N2) hoặc 1.4nm (A14 / Intel 14A) từ TSMC và Intel. Việc đóng gói hàng trăm tỷ bóng bán dẫn trên một diện tích die-size chưa đầy 120mm² đòi hỏi cấu trúc vi kẹp GAA (Gate-All-Around) và nguồn cấp điện mặt sau (Backside Power Delivery) phải đạt độ chín tuyệt đối.
- Tản nhiệt và Hạn mức công suất (Thermal & Power Envelope): Smartphone là thiết bị tản nhiệt thụ động với hạn mức tiêu thụ điện năng tối đa cho SoC chỉ dao động từ 3W đến 6W. Xử lý suy luận (inference) cho mô hình 100B sẽ tạo ra xung nhiệt khổng lồ. Nếu không có đột phá về kiến trúc MoE (Mixture of Experts) và công nghệ pin bán rắn, thiết bị sẽ nhanh chóng quá nhiệt và giảm xung (thermal throttling) chỉ sau vài phút.
Tại sao Qualcomm và các tập đoàn công nghệ quyết tâm 'On-device AI'?
Dù thách thức vật lý là vô cùng lớn, việc đưa AI rời khỏi Đám mây (Cloud AI) và hạ cánh xuống Phần cứng cục bộ (On-device AI) là chiến lược sinh tồn của toàn bộ hệ sinh thái di động vì ba lý do cốt lõi:
- Tuyệt đối hóa quyền riêng tư dữ liệu: Dữ liệu sinh hoạt, hình ảnh cá nhân và nhật ký công việc được xử lý trực tiếp tại NPU cục bộ, triệt tiêu nguy cơ rò rỉ dữ liệu hoặc bị khai thác trái phép qua mạng.
- Độ trễ bằng không (Zero Latency): Loại bỏ thời gian phản hồi mạng 5G/6G, cho phép các ứng dụng thời thực như dịch thoại trực tiếp, AR/VR và điều hướng AI phản hồi ngay lập tức.
- Giải tỏa áp lực chi phí Cloud: Duy trì hàng triệu máy chủ AI ngốn hàng chục tỷ USD tiền điện và phần cứng GPU. Việc đẩy gánh nặng tính toán về thiết bị người dùng giúp các nhà phát triển tối ưu hóa chi phí vận hành khổng lồ.
Câu hỏi thường gặp (FAQ)
1. Smartphone hiện nay chạy được mô hình AI tối đa bao nhiêu tham số?
Các smartphone flagship hàng đầu hiện nay có thể chạy cục bộ mượt mà các mô hình được nén gọn từ 3 tỷ đến 8 tỷ tham số (như Llama 3 8B INT4 hay Gemini Nano), tiêu tốn khoảng 4 GB - 7 GB RAM trong quá trình suy luận.
2. Chạy AI 100 tỷ tham số trên máy có tốn pin và làm nóng máy không?
Nếu dùng kiến trúc hiện tại, việc này sẽ làm cạn pin và gây quá nhiệt cực nhanh. Tuy nhiên, đến năm 2028, nhờ tiến trình 1.4nm - 2nm kết hợp với kiến trúc AI thưa (Sparse Architecture) và MoE, NPU chỉ kích hoạt các mảnh tham số cần thiết, giúp duy trì mức tiêu thụ điện năng hợp lý.
3. AI cục bộ năm 2028 có thay thế hoàn toàn AI Đám mây không?
Không. Thị trường sẽ phát triển theo mô hình AI Lai (Hybrid AI). Các tác vụ cá nhân hóa, phản hồi nhanh và bảo mật sẽ do AI 100B trên máy đảm nhận. Các tác vụ siêu máy tính hoặc truy xuất tri thức toàn cầu siêu lớn vẫn sẽ kết hợp với Cloud AI.
Đúc Kết & Nhận Định (Góc Nhìn DNTV Labs)
Tuyên bố của CEO Cristiano Amon không đơn thuần là một đòn bẩy truyền thông làm ấm lòng nhà đầu tư, mà thể hiện tầm nhìn đúng đắn về lộ trình thương mại hóa bán dẫn. Việc đưa mô hình 100 tỷ tham số lên smartphone vào năm 2028 hoàn toàn khả thi về mặt lý thuyết thuật toán nhờ tốc độ phát triển của các kỹ thuật nén mô hình (Pruning, Quantization, Distillation).
Tuy nhiên, DNTV Labs nhận định rằng trận chiến thực sự của AI di động năm 2028 sẽ không nằm ở thông số TOPS của NPU, mà nằm ở công nghệ quản lý năng lượng và bộ nhớ DRAM. Kỷ nguyên của đua cấu hình thuần túy đã qua; nhà sản xuất nào giải quyết được bài toán tản nhiệt và tối ưu hóa phần mềm với kiến trúc phần cứng chuyên biệt sẽ là người làm chủ kỷ nguyên di động tiếp theo.
