NVIDIA "Ngày lượng tử" song pháo: Mô hình AI mã nguồn mở Ising bùng nổ cổ phiếu lượng tử, AI nội bộ hoàn thành thiết kế chip tương đương 80 người trong một đêm

Tác giả: Claude, Deep Tide TechFlow

Deep Tide giới thiệu: Nvidia ngày 14 tháng 4, “Ngày Quốc tế Lượng tử”, đã phát hành gia đình mô hình AI lượng tử mã nguồn mở đầu tiên trên toàn cầu là Ising, tốc độ giải mã lỗi tăng 2,5 lần so với tiêu chuẩn ngành, độ chính xác tăng gấp 3 lần.

Cổ phiếu liên quan đến khái niệm lượng tử đồng loạt tăng mạnh trong ngày, IonQ tăng 18%, D-Wave tăng 15%. Cùng ngày, nhà khoa học trưởng William Dally tiết lộ tại GTC 2026 rằng AI đã giúp chuyển đổi thư viện đơn vị chip tiêu chuẩn từ 8 người trong 10 tháng thành một GPU trong một đêm, và kết quả thiết kế còn tốt hơn cả do con người làm.

Nvidia đang dùng AI để thúc đẩy hai vấn đề kỹ thuật khó nhất: làm cho máy tính lượng tử thực sự khả dụng, và làm cho quá trình thiết kế GPU nhanh hơn, tốt hơn.

Ngày 14 tháng 4, “Ngày Quốc tế Lượng tử”, Nvidia đã phát hành gia đình mô hình AI mã nguồn mở đầu tiên dành cho tính toán lượng tử là NVIDIA Ising, cổ phiếu liên quan đến khái niệm lượng tử lập tức tăng mạnh. Cùng lúc đó, nhà khoa học trưởng của công ty William Dally tiết lộ tại GTC 2026 về tiến trình mới nhất của AI trong quy trình thiết kế chip nội bộ của Nvidia, trong đó một nhiệm vụ đã nâng cao hiệu quả lên hàng trăm lần.

Hai mạch thông tin đều hướng tới một nhận định chung: AI đang chuyển từ “công cụ ứng dụng” thành “hạ tầng của hạ tầng”, vừa thúc đẩy ngành công nghiệp phụ trợ (tính toán lượng tử), vừa thúc đẩy vòng đời phần cứng của chính AI.

Gia đình mô hình AI lượng tử mã nguồn mở đầu tiên toàn cầu, nhắm vào hai nút thắt lớn của tính toán lượng tử

Theo thông cáo báo chí của Nvidia ngày 14 tháng 4, gia đình mô hình Ising gồm hai lĩnh vực mô hình ban đầu: Ising Calibration và Ising Decoding, lần lượt nhằm giải quyết hai nút thắt cốt lõi của việc ứng dụng tính toán lượng tử.

Qubit của bộ xử lý lượng tử vốn có nhiễu tự nhiên, hiện bộ xử lý lượng tử tốt nhất khoảng mỗi nghìn phép tính có một lỗi. Để máy tính lượng tử có giá trị thực dụng, tỷ lệ lỗi cần giảm xuống dưới một phần nghìn tỷ.

Ising Calibration là một mô hình ngôn ngữ hình ảnh gồm 35 tỷ tham số, có khả năng tự động giải thích dữ liệu đo lường của bộ xử lý lượng tử và đưa ra quyết định hiệu chỉnh, rút ngắn quy trình hiệu chỉnh từ vài ngày xuống còn vài giờ. Ising Decoding là một cặp mô hình mạng nơ-ron tích chập 3D (tối ưu hóa tốc độ và độ chính xác lần lượt), dùng để giải mã lỗi lượng tử theo thời gian thực, nhanh hơn 2,5 lần so với tiêu chuẩn ngành mã nguồn mở pyMatching, độ chính xác cao hơn gấp 3 lần.

Giám đốc sản phẩm lượng tử của Nvidia, Sam Stanwyck, giải thích chiến lược mã nguồn mở trong buổi ra mắt: các nhà sản xuất phần cứng lượng tử có đặc điểm nhiễu khác nhau, mô hình mã nguồn mở cho phép họ tinh chỉnh bằng dữ liệu riêng tại chỗ, vừa nâng cao hiệu suất, vừa bảo vệ dữ liệu độc quyền.

Lời phát biểu của CEO Nvidia, Huang Renxun, còn rõ ràng hơn. Ông nói trong tuyên bố rằng AI đang trở thành mặt điều khiển của máy lượng tử, biến các qubit dễ bị tổn thương thành hệ thống GPU lượng tử mở rộng, đáng tin cậy.

Theo Nvidia tiết lộ, đã có nhiều tổ chức tiên phong áp dụng mô hình Ising, bao gồm Trường Kỹ thuật và Khoa học Ứng dụng Harvard, Phòng thí nghiệm Gia tốc Fermi, IQM Quantum Computers, Phòng thí nghiệm Quốc gia Lawrence Berkeley, Phòng thí nghiệm Vật lý Quốc gia Anh.

Cổ phiếu lượng tử đồng loạt tăng mạnh, IonQ tăng 18% trong ngày

Ngày phát hành Ising, cổ phiếu lượng tử trên thị trường Mỹ đồng loạt tăng mạnh. Theo dữ liệu Yahoo Finance, IonQ tăng khoảng 18%, D-Wave Quantum tăng khoảng 15%, Rigetti Computing tăng khoảng 12%.

Ngược lại, đà tăng này xuất phát từ việc cổ phiếu lượng tử đã trải qua đợt điều chỉnh sâu từ đầu năm đến nay. Trước ngày 14 tháng 4, IonQ giảm khoảng 22% trong năm, D-Wave giảm khoảng 35%, Rigetti giảm khoảng 23%. Sự phục hồi hai chữ số trong ngày không thay đổi xu hướng giảm trong năm, nhưng mức độ liên kết nhóm vẫn đáng chú ý.

Cần nhấn mạnh rằng, đợt tăng giá này không chỉ do việc ra mắt Ising. Cùng ngày, IonQ công bố tiến bộ trong mạng lưới lượng tử và một hợp đồng của DARPA, Rigetti cũng có tin về đơn hàng trị giá 8,4 triệu USD từ Trung tâm Phát triển Tính toán Cao cấp Ấn Độ (C-DAC). Nhiều yếu tố thúc đẩy cộng hưởng đã làm tăng hiệu ứng nhóm.

Các tổ chức phân tích dự đoán, quy mô thị trường tính toán lượng tử toàn cầu đến năm 2030 sẽ vượt quá 11 tỷ USD. Liên minh Phát triển Kinh tế Lượng tử (QED-C) trong báo cáo cùng ngày cho biết, đến năm 2025, thị trường lượng tử toàn cầu đã đạt 1,9 tỷ USD, số nhân viên của các doanh nghiệp lượng tử thuần tăng 14%.

80 người tháng được rút ngắn thành một đêm: AI định hình lại quy trình thiết kế chip của Nvidia

Ising hướng ra các ngành công nghiệp bên ngoài, còn nội bộ Nvidia dùng AI để định hình lại quy trình thiết kế chip của chính mình.

Nhà khoa học trưởng của Nvidia, William Dally, tiết lộ trong cuộc trò chuyện tại GTC 2026 với nhà khoa học trưởng của Google, Jeff Dean, nhiều ví dụ cụ thể. Dữ liệu gây sốc nhất là về chuyển đổi thư viện đơn vị tiêu chuẩn: mỗi khi Nvidia chuyển sang quy trình bán dẫn mới (ví dụ từ 7 nm sang 5 nm), cần thiết kế lại khoảng 2.500 đến 3.000 đơn vị tiêu chuẩn phù hợp với công nghệ mới, trước đây mất khoảng 8 kỹ sư 10 tháng. Nvidia đã phát triển một công cụ tăng cường học gọi là NVCell, hiện có thể hoàn thành trong một đêm trên một GPU, và các đơn vị tạo ra còn phù hợp hoặc tốt hơn về diện tích, tiêu thụ năng lượng và độ trễ so với thiết kế thủ công.

Theo Tom’s Hardware, Dally mô tả quá trình này như một “trò chơi điện tử sửa lỗi quy tắc thiết kế”, trong đó học tăng cường rất giỏi trong việc thử và sai để tối ưu hóa.

Ở cấp độ trừu tượng cao hơn, Nvidia đã phát triển các mô hình ngôn ngữ lớn nội bộ là Chip Nemo và Bug Nemo. Các mô hình này dựa trên dữ liệu độc quyền tích lũy trong 30 năm của Nvidia, tinh chỉnh dựa trên tất cả mã RTL của GPU, tài liệu thiết kế phần cứng và thông số kiến trúc của công ty. Theo Dally, kỹ sư cấp thấp có thể trực tiếp hỏi Chip Nemo, tiết kiệm thời gian làm phiền các nhà thiết kế cấp cao. Ông mô tả Chip Nemo như “một người hướng dẫn rất kiên nhẫn”.

Trong tối ưu hóa mạch điện, Nvidia còn áp dụng học tăng cường vào các vấn đề thiết kế mạch cổ điển như chuỗi dự đoán mang. Dally nói rằng, các thiết kế do AI tạo ra “hoàn toàn là những phương án kỳ quặc mà con người không nghĩ tới, nhưng hiệu năng thực tế lại tốt hơn 20% đến 30% so với thiết kế của con người”.

Chưa thể tự thiết kế chip hoàn toàn bằng AI

Tuy nhiên, Dally cũng xác định rõ giới hạn mong đợi. Ông nói rằng, ông rất muốn đạt được trạng thái thiết kế tự động toàn diện, nhưng hiện còn rất xa mục tiêu đó.

Thiết kế chip AI của Nvidia hiện vẫn là hỗ trợ chứ chưa thay thế. AI đang giúp trong các bước chuyển đổi thư viện đơn vị tiêu chuẩn, phân loại và tóm tắt lỗi, dự đoán bố cục mạch, khám phá kiến trúc, nhưng chưa hình thành quy trình tự động hoàn chỉnh từ đầu đến cuối. Dally hình dung hướng dài hạn là mô hình đa tác nhân, các hệ thống AI khác nhau phụ trách các phần khác nhau của quá trình thiết kế, tương tự cách các nhóm kỹ sư con người phân chia công việc.

Theo Computer Weekly, Dally và Dean còn thảo luận về tác động của trí tuệ nhân tạo đối với các công cụ phần mềm truyền thống: khi AI vận hành nhanh hơn con người, các công cụ phần mềm truyền thống dành cho người dùng sẽ trở thành điểm nghẽn hiệu suất, từ công cụ lập trình đến ứng dụng doanh nghiệp đều cần được thiết kế lại.