Theo một báo cáo từ Tom's Hardware xuất bản vào ngày 22 tháng 10 năm 2026, các đơn vị xử lý tensor của Google hiện đang chạy bên trong các trung tâm dữ liệu của Meta - lần đầu tiên Google bán chip AI tùy chỉnh của mình cho khách hàng bên ngoài dưới dạng phần cứng được triển khai thay vì thông qua đám mây của chính họ. Động thái này đánh dấu sự thay đổi lịch sử trong thị trường phần cứng AI, nơi GPU của Nvidia từ lâu đã là lựa chọn mặc định để đào tạo và phục vụ các mô hình lớn.

Trong nhiều năm, giả định trong ngành là hệ sinh thái phần mềm CUDA của Nvidia khiến GPU của họ trở thành không thể thay thế, ngay cả khi các lựa chọn thay thế xuất hiện. Giả định đó hiện đang được thử nghiệm bởi hai công ty có vị trí tốt nhất để phá vỡ nó. Thỏa thuận này, cùng với khoản chi tiêu khổng lồ cho cơ sở hạ tầng AI của Meta trong quý này, cho thấy các công ty siêu quy mô đang theo đuổi sự độc lập về điện toán một cách nghiêm túc như thế nào — một câu chuyện mà bạn có thể theo dõi sâu hơn với những phát triển AI mới nhất được cập nhật hàng ngày trên trang chủ của chúng tôi tại aibuzzwire.news.

Từ TorchTPU đến Thép và Silicon

Nền tảng cho thời điểm này đã được đặt ra công khai chỉ hai ngày trước đó. Vào ngày 20 tháng 10, Google và Meta đã cùng nhau mở TorchTPU, một chương trình phụ trợ PyTorch gốc cho TPU của Google, đã được nhóm TorchTPU công bố trên blog PyTorch chính thức. Dự án bắt đầu tại Google vào giữa năm 2025 với sự cộng tác của nhóm PyTorch của Meta và nó thực hiện một điều mà trước đó chưa có nỗ lực nào được quản lý một cách rõ ràng: nó cho phép khối lượng công việc PyTorch hiện có chạy trên TPU với một thay đổi mã nhỏ, về cơ bản là hoán đổi `.to("cuda")` thành `.to("tpu")`.

Điều đó quan trọng vì nỗ lực trước đó của Google, PyTorch/XLA, ra mắt vào năm 2020, yêu cầu sửa đổi mã nguồn mang tính xâm phạm, thời gian biên dịch dài và thiếu hỗ trợ cho chế độ thực thi mong muốn gốc của PyTorch. Nhiều nhóm đã thử nghiệm TPU cuối cùng đã quay trở lại với GPU Nvidia chỉ vì trải nghiệm của nhà phát triển quá khó khăn. TorchTPU được thiết kế rõ ràng để khắc phục điều đó, không có sự phụ thuộc JAX trong thời gian chạy và tích hợp torch.compile được xây dựng trên Torch Dynamo thay vì phương pháp Lazy Tensor cũ hơn.

Meta nhận được gì từ thỏa thuận này

Các kết quả kỹ thuật mà Google và Meta đã công bố rất đáng chú ý. Theo thông tin chi tiết được báo cáo bởi Yahoo Tech, ngăn xếp TorchTPU đã được xác thực dựa trên 5.000 mô hình Ôm mặt và chế độ thực thi DeferAndFuse của Google mang lại hiệu suất tăng từ 50% trở lên so với thực thi háo hức nghiêm ngặt. Các nghiên cứu điển hình của nhà cung cấp cho thấy mẫu Llama 3 405B của Meta đạt mức sử dụng FLOP mẫu 57% trên các cụm từ 128 đến 1.024 TPU Ironwood — những con số, mặc dù tự báo cáo, cho thấy các chip có thể chạy thành thạo khối lượng công việc đào tạo ở quy mô biên giới.

Kinh tế là câu chuyện lớn hơn. TPU từ lâu đã được đồn đại là có giá thấp hơn đáng kể so với GPU Nvidia cao cấp nhất và một công ty có sở thích tính toán như Meta — bao gồm cả tham vọng nghiên cứu AI và hệ thống đề xuất của nó — có mọi động lực để đa dạng hóa khỏi một nhà cung cấp duy nhất. Bloomberg đã đưa tin từ tháng 11 năm 2025 rằng Meta và Google đang thảo luận về việc triển khai TPU trong các trung tâm dữ liệu của Meta và sự hợp tác trên TorchTPU đã được Reuters đưa tin vào tháng 12 năm 2025. Điều đã thay đổi bây giờ là thỏa thuận đã chuyển từ thảo luận sang triển khai, với Tom's Hardware báo cáo rằng các chip này được cài đặt và chạy vật lý trong các cơ sở của Meta.

Một vết nứt trên bộ giáp của Nvidia

Nvidia vẫn chiếm phần lớn áp đảo trên thị trường máy gia tốc AI và doanh thu từ trung tâm dữ liệu của hãng vẫn là chuẩn mực mà mọi đối thủ đều theo đuổi. Nhưng động lực đang thay đổi. Khi TechCrunch đưa tin về buổi ra mắt TorchTPU, Google đã cùng Amazon tấn công thành trì của Nvidia trên lớp phần mềm khiến các nhà phát triển bị ràng buộc với phần cứng của nó. Trong khi đó, Meta đạt được đòn bẩy đàm phán: mỗi giá đỡ TPU mà nó cài đặt là một giá chứa GPU mà nó không phải mua với giá của Nvidia.

Áp lực đến từ nhiều hướng cùng một lúc. Amazon có chip Trainium, Google có TPU và làn sóng các công ty khởi nghiệp đang xây dựng các bộ tăng tốc dành riêng cho suy luận. Điều làm cho việc triển khai Meta trở nên khác biệt là quy mô và khả năng hiển thị. Meta là một trong những khách hàng lớn nhất của Nvidia và nếu các nhóm kỹ thuật của họ kết luận rằng TPU có thể đảm nhận một phần đáng kể cả khối lượng công việc đào tạo và suy luận, thì những người mua lớn khác sẽ đặc biệt chú ý.

Những lưu ý

Điều này không có nghĩa là vị thế của Nvidia sụp đổ chỉ sau một đêm. Bản thân blog PyTorch đã cảnh báo rằng mặc dù các mô hình có thể dùng hết TPU nhưng để đạt được hiệu suất cao nhất vẫn cần phải tối ưu hóa nhận biết phần cứng, bởi vì hình dạng mô hình, chiến lược phân chia và triển khai hạt nhân thường được điều chỉnh cho phù hợp với kiến ​​trúc GPU. Bộ hướng dẫn TPU khác với của Nvidia và hệ sinh thái gồm các công cụ, thư viện và kỹ sư giàu kinh nghiệm vẫn chủ yếu tập trung vào GPU.

Ngoài ra còn có câu hỏi về nguồn cung. Google trước đây đã dành riêng TPU cho khối lượng công việc nội bộ và khách hàng trên nền tảng đám mây của mình, đồng thời năng lực sản xuất các bộ tăng tốc tùy chỉnh không phải là vô hạn. Liệu Google có thể hoặc muốn cung cấp TPU ở quy mô có ý nghĩa đối với tổng diện tích tính toán của Meta hay không - điều khiến hầu hết các công ty phải chú ý - vẫn là một câu hỏi mở.

Xem gì tiếp theo

Các tín hiệu ngay lập tức cần theo dõi là liệu các công cụ siêu quy mô khác có đi theo sự dẫn dắt của Meta hay không, cách Nvidia phản ứng về giá cả và liệu động lực nguồn mở của TorchTPU có chuyển thành sự di chuyển thực sự của khối lượng công việc PyTorch sang cơ sở hạ tầng TPU hay không. Thị trường phần cứng AI đã chờ đợi nhiều năm để có được một giải pháp thay thế đáng tin cậy cho Nvidia ở vị trí cao nhất. Với TPU hiện đang chạy trong trung tâm dữ liệu của công ty thứ hai, sự chờ đợi đó cuối cùng có thể đã kết thúc.

Đi trước AI

Cuộc đua phần cứng AI đang tăng tốc nhanh chóng và người thắng kẻ thua trong thập kỷ tới đang được quyết định. Đi trước AI với thông tin độc lập về chip, mẫu mã và giao dịch đang định hình lại ngành.

Đọc thêm tin tức về AI →