AI không phải là tầm nhìn đầu tiên được 3 nhà sáng lập Chris Malachowsky, Curtis Priem và Jen-Hsun Huang dành cho NVIDIA khi khởi nghiệp vào năm tháng 4/1993. Bên trong một quán café với mặt tiền đầy vết đạn, 3 chàng trai trẻ bỗng nảy sinh ý tưởng tạo ra những con chip có thể tạo ra trải nghiệm đồ họa ấn tượng nhất, chân thực nhất.

Cảm giác vui sướng đó lại gắn liền với một cuộc đua vô cùng khốc liệt và vô cùng tiềm năng. 2 năm sau khi thành lập, NVIDIA suýt nữa phá sản trước khi được cứu sống nhờ "siêu phẩm" RIVA 128. Năm 1999, khi vẫn còn thua kém đối thủ ATI về thị phần, NVIDIA thay đổi cuộc chơi với GeForce, "GPU" đầu tiên trên thế giới: vượt mặt hàng chục đối thủ, NVIDIA đã trở thành tên tuổi đầu tiên ra mắt một con chip đơn nhất tích hợp đầy đủ các tính năng đồ họa tân tiến, bao gồm cả engine dựng hình, đổ bóng, đổ sáng và cắt khối.

Trải qua gần 20 năm, cục diện cuộc chiến đồ họa dần dần ngã ngũ. Gần như toàn bộ 70 tên tuổi đồ họa của thập niên 90 chìm vào dĩ vãng. Với những thành công tột bậc như GeForce 2,GeForce 8000, GeForce 700 và mới đây nhất là GTX 1000 (Pascal), vị thế thống trị của NVIDIA trên mảng đồ họa được xác lập. Kết thúc năm 2016, bất chấp thị trường PC toàn cầu đánh dấu 5 năm suy thoái liên tiếp, doanh số của GeForce vẫn tăng 63%.

Nhưng bất chấp sự trỗi dậy mạnh mẽ của những chiếc card màn hình cao cấp trong thời đại u ám nhất của PC kể từ năm 1981 cho tới nay, đồ họa game không phải là lĩnh vực khiến cho Phố Wall phát cuồng. Với giới tài chính đang ngày một thức thời với công nghệ, tương lai của NVIDIA nằm ở một lĩnh vực cho tới nay vẫn còn khá mơ hồ: trí thông minh nhân tạo.

Như một trò đùa của số phận, loại công nghệ vốn trước đây được dùng để tạo ra những khung cảnh viễn tưởng cho gamer thoải mái bắn giết (và thóa mạ) nhau cũng lại là công nghệ thích hợp nhất để giúp những chiếc siêu máy tính có thể tự học mà không cần sự can thiệp trực tiếp của lập trình viên. Vượt qua ranh giới của những thuật toán tuyến tính, siêu máy tính ngày nay có thể tự học cách nhận thức, tự đưa ra kết luận khi vẫn chưa có đầy đủ đầu vào của dữ liệu. Trên các lĩnh vực trước đây tin học "bó tay" vì dữ liệu quá lớn, logic vượt ngoài khả năng xử lý của các con chip như nhận diện hình ảnh và nhận diện giọng nói, deep learning đang mang đến những kết quả đầy nhiệm màu.

Thật trớ trêu, trong lúc Intel đang mải mê tìm cách nâng tầm cho đồ họa tích hợp của dòng Core, gã khổng lồ vi xử lý một thời không nhận ra rằng vai trò của các con chip sắp sửa bị thay đổi hoàn toàn. Tất cả các gã khổng lồ có tiếng nói trên 2 lĩnh vực điện toán đám mây và AI như Amazon, Microsoft, Google, Facebook và IBM đều đang lựa chọn NVIDIA làm đối tác quan trọng cho các trung tâm dữ liệu - nền tảng xây dựng tương lai của loài người. Facebook sử dụng GPU của NVIDIA để tăng tốc cho các server của Big Sur, nền tảng machine learning trọng tâm của hãng. Google sử dụng Tesla K80 cho Compute Engine và Cloud Machine Learning, kết hợp chất lượng dịch vụ và tư tưởng "mở" của Google với sức mạnh phần cứng của NVIDIA. Còn Microsoft thì trong năm 2016 đã ra mắt dịch vụ Cognitive Toolkit trên đám mây Azure với sự trợ giúp đắc lực của siêu máy tính NVIDIA DGX-1.

Trên một lĩnh vực đã từng được Bill Gates ví von với PC, NVIDIA cũng đang nhận được sự ủng hộ nhiệt tình của các ông lớn. Trong số này, 4 tên tuổi tiến xa nhất trên lĩnh vực xe tự lái (Tesla, Volvo, Audi và Mercedes-Benz) đều đã biến các hệ thống NVIDIA trở thành "bộ não" cho trí thông minh nhân tạo gắn trên chiếc xe của họ.

Và dĩ nhiên AI không chỉ thuộc về những ông lớn. Bệnh viện Massachusetts General đang sử dụng chip NVIDIA để tự động tìm kiếm các tín hiệu lạ trên ảnh chụp CT. Hàng nghìn startup đang dùng các nền tảng AI có NVIDIA đứng sau để đưa ra các giải pháp sáng tạo chưa từng có cho bất cứ một lĩnh vực kinh tế/xã hội nào của loài người: Smartvid.io dùng AI của NVIDIA để cải thiện an toàn lao động trong các công trình xây dựng, Focal dùng AI của NVIDIA để tự động hóa xe đẩy trong siêu thị, Athelas dùng AI của NVIDIA để tìm bạch cầu.

Một startup có tên June gọi được 30 triệu USD tiền vốn để tạo ra một chiếc lò nướng thông minh có thể tự động nhận diện nguyên liệu một cách chuẩn xác và nấu ra món ăn phù hợp nhất. Bên trong lò nướng ấy, Tegra K1 của NVIDIA sẽ tự học cách nhận diện thức ăn ngày một thông minh hơn và đưa ra những quyết định chính xác nhất.

Phố Wall không thể đứng ngoài một cuộc cách mạng có thể thay đổi bản chất của loài người. Mối lương duyên của tài chính và công nghệ nằm ở những niềm hy vọng của tương lai, và NVIDIA đang là xương sống của lĩnh vực viễn tưởng nhất là con người có thể nghĩ đến. Kết quả là trong 2 năm vừa qua, "NVIDIA growth story" ("câu chuyện tăng trưởng của NVIDIA") trở thành từ khóa hot nhất của giới tài chính.

Riêng trong năm tài chính 2017, cổ phiếu NVIDIA đã tăng giá gấp đôi, đem lại hơn 2,4 tỷ USD cho khối tài sản kếch xù của ông Huang. Hiện tại, trị giá thị trường của NVIDIA đã lên tới 62 tỷ USD. Nhà đầu tư huyền thoại Marc Andreessen (của Andressen Horowitz) khẳng định: "Để cho vui, Andressen Horowitz hay tổ chức một trò chơi nơi mọi người có thể lựa chọn sẽ đầu tư vào công ty nào. Ai cũng chọn NVIDIA".

Dĩ nhiên, kỳ vọng này của Phố Wall cũng là hoàn toàn có cơ sở. Hãy nghe CEO Huang nói về tiềm năng kinh tế của GPU NVIDIA: "Những người đầu tiên đặt chân lên lĩnh vực điện toán GPU cho data center là các siêu tập đoàn như Microsoft, Facebook và Google, vốn sử dụng deep learning để đưa dịch vụ AI của riêng họ tới hàng tỷ khách hàng. Nhóm tăng trưởng tiếp theo sẽ thuộc về các lĩnh vực y tế, bán lẻ, giao thông và tài chính".

Kết thúc quý tài chính vừa qua, doanh thu của mảng data center đã tăng tới 205%, một con số khó có thể mơ ước tới trên một lĩnh vực đã quá lâu đời và bão hòa như bán dẫn. Theo tuyên bố mới nhất, thị trường mà NVIDIA có thể vươn tới sẽ có trị giá 5 tỷ USD.

Từ lâu, Jen Hsun-Huang đã dự đoán được rằng tiềm năng của GPU không chỉ là Doom, Quake và Half-Life. Ông thèm muốn cả AI. Lĩnh vực AI siêu việt nhất, tiềm năng nhất - deep learning (học sâu) đã có mặt từ tận thập niên 1960 và đến cuối thế kỷ 20 cũng đã có một số bước tiến nhất định. Dù vậy nhưng deep learning vẫn có 2 trở ngại lớn: không có đủ dữ liệu để dạy dỗ AI và không đủ sức mạnh tính toán để AI có thể thực sự "tự học".

Lời giải cho vấn đề thứ nhất là Internet. Bong bóng dot-com vào cuối thập niên 2000 đem đến một lượng dữ liệu khổng lồ để các chuyên gia toán học có thể "nhồi" vào bộ não của AI. Nhưng sức mạnh tính toán vẫn nằm ngoài tầm với. Thực tế, ngay đến cả những con chip Core i7 của ngày hôm nay vẫn không phải là thực sự phù hợp cho máy học.

Tiềm năng deep learning nằm ở phần cứng từ trước đến nay vẫn bị các bà mẹ, bà vợ coi là "chỉ để chơi game": card màn hình. So với CPU thông thường, GPU có số nhân cao hơn hàng trăm lần, xung nhịp RAM cao gấp hàng chục lần - xét cho cùng thì có hàng chục thứ đang diễn ra song song trên màn hình DOTA2 của bạn. Trong khi xung nhịp của GPU thấp hơn đáng kể, lợi thế này giúp cho những chiếc card màn hình "chỉ để chơi game" trở thành công cụ tuyệt vời nhất để xử lý ma trận và vector đa chiều. Nói cách khác, GPU là những con chip bán dẫn phổ thông phù hợp nhất để sử dụng cho máy học.

Chính lợi thế này đã tạo ra một trong những mạng neural network (kết nối nhiều máy tính để tạo ra mô hình tính toán mô phỏng theo não người) đầu tiên trên thế giới: Google Brain.

Năm 2008, một giáo sư Stanford có tên Andrew Ng công bố một trong những tài liệu khoa học đầu tiên về mức độ hiệu quả của GPU đối với deep learning. Năm 2010, ông ăn tối cùng Larry Page, nhà sáng lập/CEO của Google và Sebastian Thrun, giám đốc Google X. Bữa tối tại Palo Alto làm nảy sinh ra một ý tưởng thú vị: mạng lưới máy tính khổng lồ mà Google đang sở hữu có thể được tận dụng để tạo ra một neural network khổng lồ.

Google Brain sinh ra từ đó, và hiện nay bộ não này đang bổ trợ cho tất cả các lĩnh vực của Google: tìm kiếm, nhận diện giọng nói, nhận diện hình ảnh, lựa chọn quảng cáo...

Năm 2012, Andrew Ng thực hiện một thí nghiệm quan trọng: sử dụng 1000 siêu máy tính và 16.000 CPU trị giá 1 triệu USD để tạo ra một neural network chuyên dùng để nhận diện hình ảnh... mèo trên YouTube. Tổng cộng, neural network này có 1 tỷ liên kết (connection) giữa các CPU.

Một năm sau, giáo sư Ng tái hiện lại 1 tỷ connection đó trên phần cứng trị giá 20.000 USD: 16 máy tính có trang bị 64 GPU của NVIDIA.

Cũng trong năm 2012, Alex Krizhevsky, một nghiên cứu sinh đang theo đuổi bằng tiến sĩ tại Đại Học Toronto đã mang tới một đột phá quan trọng trong lĩnh vực hình ảnh. Chỉ với 2 chiếc card GeForce, Krizhevsky đã có thể sử dụng 1,2 triệu tấm ảnh để tạo ra một AI có thể nhận diện hình ảnh với độ sai sót chỉ 15%. Mức kỷ lục trước đó là 25%.

Những thành tựu đột phá của Andrew Ng và Alex Krizhevsky nhanh chóng tạo ra một cuộc đua mới trên lĩnh vực AI, nhưng ít ai biết rằng các công trình đột phá của họ chỉ có thể xảy ra sau khi NVIDIA đưa ra một đột phá quan trọng mang tên CUDA vào năm 2006. Trước khi bộ công cụ này được ra mắt, lập trình cho các tác vụ xử lý bằng GPU là một nhiệm vụ cực kỳ vất vả do lập trình viên phải can thiệp quá nhiều vào các tầng phần mềm gần phần cứng (gần ngôn ngữ máy).

Với CUDA, lập trình viên nay có thể can thiệp vào GPU thông qua những ngôn ngữ bậc cao (gần ngôn ngữ người hơn) như JAVA hay C . Từ vai trò là một máy tính nhỏ trong mạng lưới hàng nghìn máy tính tí hon hoạt động đồng thời để đổ bóng và vẽ sáng, CUDA trở thành mô hình hoàn hảo để giả lập neural network. 

Cũng chính vào năm 2012, NVIDIA ra mắt Kepler. Khi kiến trúc này đạt được đánh giá cao vời vợi từ báo giới, ông viết thư cảm ơn nhân viên NVIDIA:

"Tôi muốn cảm ơn các bạn đã dành trọn trái tim và tâm hồn để tạo ra Kepler. Các bạn đã tạo ra một thứ quá tuyệt vời".

Tất cả mọi người cũng biết Huang cũng dành trọn trái tim và tâm hồn cho nhân viên của NVIDIA. Năm 2015, sau khi gặp gỡ và trò chuyện trực tiếp với các nhân viên nữ, Huang nhận ra rằng chế độ thai sản của NVIDIA có vấn đề. Ngay sau đó, ông đưa ra quyết định cho phép các bậc cha mẹ có thể nghỉ tối đa 22 tuần lễ (có trả lương) sau khi sinh và tự chọn giờ làm việc trong 8 tuần sau đó. Quy định của luật pháp Mỹ chỉ là 12 tuần lễ nghỉ không lương.

Cuối năm 2016, Forbes ra mắt bản báo cáo Just 100, nơi vinh danh 100 công ty Hoa Kỳ đáng khâm phục nhất dựa trên 10 tiêu chí về giá trị mang lại cho cổ đông, cho khách hàng cũng như cách đối đãi với nhân viên. NVIDIA nắm giữ vị trí cao nhất của toàn bộ ngành công nghiệp bán dẫn.

Trong số 10 tiêu chí, NVIDIA tỏ ra đặc biệt áp đảo về lương thưởng/chế độ dành cho nhân viên, chất lượng sản phẩm và các yếu tố môi trường. Giờ làm việc của nhân viên NVIDIA được nới lỏng, thời gian nghỉ được tăng cao, các chương trình kỹ năng mềm giúp giảm stress khiến cho NVIDIA trở thành tập đoàn bán dẫn được đánh giá cao nhất trên Glassdoor (trang đánh giá ẩn danh của nhân viên dành cho công ty). Trong một lĩnh vực nổi tiếng là khốc liệt, công ty GPU số 1 thế giới đã chinh phục được lòng người.

Đằng sau vị CEO hết lòng vì con người ấy lại là một tinh thần chiến đấu cực kỳ mãnh liệt. Sinh ra tại Đài Loan, năm 10 tuổi Jen-Hsun Huang cùng cha mẹ đến Mỹ và vô tình bị xếp vào một trường học dành cho học sinh cá biệt. Bạn cùng phòng đầu tiên của cậu bé gốc Đài lúc đó đã 17 tuổi, đang hồi phục sau một cuộc ẩu đả với 7 vết đâm. Để tìm cách trốn tránh khỏi khung cảnh ngột ngạt tại vùng hẻo lánh Kentucky, Huang theo đuổi môn bóng bàn. 15 tuổi, Huang đạt được vị trí thứ 3 trong giải Bóng bàn Mở rộng Mỹ.

Những chiếc máy tính trở thành thú vui tiếp theo của Huang. Tốt nghiệp bộ môn Khoa học Máy tính và Thiết kế Chip tại ĐH Oregon và sau đó là tấm bằng thạc sĩ bộ môn Kỹ thuật Điện tại Stanford, ông bắt đầu công việc của mình tại AMD trước khi chuyển sang LSI, nơi ông gặp 2 nhà sáng lập còn lại của NVIDIA. Năm Huang 30 tuổi, NVIDIA ra đời. Mất 15 năm vật lộn, đến năm 1999, NVIDIA chính thức tạo lập thế song mã cùng ATI nhờ vào GeForce.

Năm 2005, AMD đưa ra đề nghị sáp nhập với NVIDIA để có thể tạo ra các siêu phẩm kết hợp GPU và CPU trên cùng một bo mạch. Jen-Hsun Huang yêu cầu phải trở thành CEO của tập đoàn mới. AMD từ chối và chuyển sang thâu tóm ATI. 10 năm sau, thị phần card đồ họa rời của NVIDIA lúc nào cũng cao gấp đôi AMD.

Ấy vậy nhưng NVIDIA lại để lỡ mất cuộc cách mạng quan trọng nhất của thế giới hi-tech. Phải đến tận 2013, tức 6 năm sau khi cuộc cách mạng smartphone bắt đầu, NVIDIA mới tạo dựng được chút tên tuổi bằng Tegra 3 trên một vài mẫu tablet tên tuổi. Trong những năm sau đó, Tegra hoàn toàn chìm khuất dưới sự thống trị của Qualcomm.

Nhưng cuộc chiến khốc liệt nhất trước mắt sẽ không phải là với AMD mà là với chính các đối tác quan trọng nhất của hiện tại. Tại sự kiện I/O 2016, Google đã ra mắt một mẫu chip tự thiết kế mang tên Tensor Processing Unit để sử dụng cho nền tảng TensorFlow của hãng này. Tensor Processor Unit hiện đang được sử dụng tại các data center phục vụ cho bản đồ và tìm kiếm.

Kỳ phùng địch thủ của Google là Microsoft cũng không kém cạnh. Một con chip tự thiết kế mang tên FPGA đang được Microsoft tận dụng ngày càng nhiều cho data center. Hạ tầng của Microsoft vẫn phụ thuộc rất lớn vào NVIDIA, nhưng Microsoft cũng là một gã khổng lồ thuộc vào top đầu trong 2 cuộc chiến Azure và AI. Nếu như Microsoft chuyển sang sử dụng FPGA cho Office 365 và bộ Cognitive API ra mắt vào năm 2016, NVIDIA sẽ gặp bất lợi không hề nhỏ.

Cuối cùng là hãng chip đã và đang tạo ra những mẫu chip có thể kết hợp với GeForce để tạo ra những chiếc PC hoàn hảo cho game thủ: Intel. Thị phần của Intel trên mảng data center là 99%. Sản phẩm của NVIDIA không thể ảnh hưởng đến Intel: dù có quan trọng đến mấy, GPU vẫn chủ yếu đóng vai trò tăng tốc cho máy chủ Intel mà thôi.

Đáng sợ nhất, Intel muốn nhòm ngó vào miếng ăn đang làm nên tương lai của NVIDIA. Giữa năm 2016, gã khổng lồ chip tuyên bố ra mắt Xeon Phi với 72 nhân và lời hứa sẽ tăng tốc các neural network lên gấp 100 lần vào năm 2020. Nhưng lợi thế dẫn đầu vẫn sẽ thuộc về NVIDIA. Từ vị tướng đại tài của Intel, Andy Grove, gã khổng lồ GPU đã học được một bài học quan trọng: chỉ những kẻ hoang tưởng biết sợ hãi mới có thể tồn tại mà thôi:

Tháng 1/2017, Huang tuyên bố với cả hội trường chật kín tại CES rằng GPU của NVIDIA sẽ là bộ não của những chiếc Audi tự lái. Tháng 2, Viện Công nghệ Tokyo tuyên bố sẽ sử dụng Tesla P100 để xây dựng ra "siêu máy tính AI" mạnh nhất của Nhật Bản. Đầu tháng 3/2017, NVIDIA ra mắt Jetson TX2 để tăng tốc cho các thiết bị đầu cuối trong mạng neural network. Giữa tháng 4, NVIDIA bắt tay với Facebook ra mắt một nền tảng đào tạo AI có tên Caffe2. Cuối tháng 4, NVIDIA rót vốn đầu tư vào 6 startup AI nổi trội qua chương trình GPU Ventures.

Những nỗ lực ấy giúp cho doanh số của NVIDIA tăng tới 48% trong quý đầu năm. Doanh thu mảng GPU cho Datacenter tăng tới 3 lần so với cùng kỳ 2016. Cùng lúc, Intel lại chứng kiến cổ phiếu sụt giảm vì doanh thu từ data center không thể đáp ứng kỳ vọng của giới đầu tư.

Chìa khóa để NVIDIA đánh bại Intel và trở thành bộ mặt mới của ngành bán dẫn? Câu trả lời dĩ nhiên là AI. "Nền tảng deep learning của NVIDIA là công cụ số 1 của các nhà nghiên cứu, các gã khổng lồ và startup Internet khi họ sáng tạo ra tương lai", Jen Hsun-Huang vui mừng khẳng định khi công bố kết quả tài chính cho quý đầu tiên của năm 2017.