Hook: Ngày 12/04/2026, Google xác nhận bán chip TPU (Tensor Processing Unit) thế hệ v5p cho Meta và Anthropic, đánh dấu lần đầu tiên “ông lớn” này chính thức cạnh tranh với NVIDIA trên thị trường phần cứng AI. Các đầu báo nhanh chóng ca ngợi đây là bước ngoặt giải phóng sự phụ thuộc vào CUDA, nhưng với góc nhìn của một nhà điều tra kỹ thuật đã từng mổ xẻ các hợp đồng thông minh ICO 2017 và phân tích AMM Uniswap V2, tôi nhìn thấy một câu chuyện phức tạp hơn nhiều. Dựa trên kinh nghiệm kiểm toán của tôi, việc bán TPU không chỉ là câu chuyện về hiệu năng chip, mà là một canh bạc phần mềm mà hầu hết các nhà đầu tư đang bỏ qua.
Context: Trong suốt 6 năm qua, Google chỉ cho thuê TPU qua Google Cloud, giữ độc quyền sản xuất và vận hành. Quyết định bán trực tiếp cho Meta (đối thủ cạnh tranh trong mảng AI) và Anthropic (công ty khởi nghiệp được Google hậu thuẫn) thay đổi hoàn toàn cục diện. Thị trường đang trong giai đoạn tăng trưởng nóng – giá NVIDIA H100 liên tục lập đỉnh, hàng trăm dự án Layer 2 và DeFi kêu gọi vốn hàng tỷ USD nhờ câu chuyện AI. Nhưng tôi cảnh báo: sự phấn khích thị trường tăng che giấu lỗi kỹ thuật. Khi nhìn xuyên qua marketing bằng con mắt audit code, tôi thấy ba vấn đề then chốt: sự phụ thuộc vào hệ sinh thái đóng, chi phí chuyển đổi cực kỳ cao, và rủi ro tập trung hóa mới.
Core: Hãy bắt đầu từ kiến trúc: TPU là ASIC (Application-Specific Integrated Circuit), tối ưu cho ma trận nhân ma trận – lý tưởng cho các mô hình Transformer. Nhưng trong thực tế, tôi đã từng chứng kiến quá nhiều dự án blockchain “tối ưu hóa” cho một tác vụ nhưng thất bại khi mở rộng. TPU v5p sử dụng ICI (Inter-Chip Interconnect) độc quyền, tương tự NVLink nhưng không tương thích. Điều này buộc Meta và Anthropic phải thiết kế lại toàn bộ hạ tầng mạng và làm mát cho trung tâm dữ liệu của họ – một bài toán tốn kém mà không có báo cáo nào đề cập.
Vấn đề thứ hai là phần mềm. CUDA đã có hơn 15 năm phát triển, với thư viện cuDNN, TensorRT, NCCL – tất cả đều được tối ưu cho hàng ngàn model phổ biến. Dựa trên kinh nghiệm audit của tôi, việc chuyển một model PyTorch đơn giản từ GPU sang TPU có thể gây ra sai lệch gradient do khác biệt về độ chính xác số học (FP8, BF16). Khi còn làm nghiên cứu về impermanent loss, tôi đã thấy nhiều dự án mất hàng triệu USD vì không hiểu rõ cơ chế định giá. Tương tự, các kỹ sư của Meta sẽ phải tinh chỉnh lại toàn bộ pipeline training, một công việc có thể mất 6-12 tháng và tiêu tốn hàng chục triệu USD.
Thứ ba, vấn đề về “phi tập trung hóa” giả. Google vừa là nhà cung cấp chip, vừa là nhà cung cấp cloud, vừa là đối thủ cạnh tranh trực tiếp với Meta trong lĩnh vực AI tạo sinh. Điều này tạo ra xung đột lợi ích: việc mua TPU từ Google đồng nghĩa với việc giao phó toàn bộ dữ liệu kiến trúc mô hình cho đối thủ. Năm 2021, tôi đã chỉ ra rằng 70% dự án NFT lưu trữ metadata trên máy chủ tập trung; bây giờ, vấn đề tương tự xảy ra với phần cứng AI. Đây là “NFT: lưu trữ trên IPFS, bản quyền bay theo token” – phiên bản phần cứng.
Contrarian: Mặc dù hầu hết các bài phân tích đều ca ngợi sự cạnh tranh, tôi cho rằng động thái này thực chất là một chiến lược “kềm” của Google nhằm kiểm soát hệ sinh thái rộng hơn. Meta và Anthropic không phải là đối tác chiến lược ngang hàng; họ là những con chuột thí nghiệm để Google hoàn thiện sản phẩm. Hãy nhìn vào lịch sử: Google từng bỏ rơi TensorFlow một cách lặng lẽ, thay vào đó ưu tiên JAX/OpenXLA. Khi cuộc chơi chuyển sang version tiếp theo (TPU v6), các khách hàng này sẽ bị mắc kẹt trong hệ sinh thái độc quyền, không khác gì cảnh tù ngục CUDA hiện tại. Sự khác biệt duy nhất: NVIDIA bán giải pháp đóng, còn Google bán giải pháp nửa vời.
Takeaway: Trước khi vội vàng kết luận rằng thị trường chip AI đã được “phi tập trung hóa”, hãy nhìn vào chi tiết kỹ thuật. Trong lúc các nhà đầu tư FOMO mua cổ phiếu Alphabet, tôi sẽ chờ xem Meta công bố benchmark đầu tiên. Một khi bạn thấy họ lặng lẽ thuê thêm cluster A100 bên cạnh TPU, thì hãy biết rằng: chiến lược đa chip mới chỉ là PowerPoint, chưa phải thực tế. Hãy nhớ: càng nhiều giao thức interop thì thanh khoản càng phân mảnh; càng nhiều nhà cung cấp chip thì chi phí ẩn càng cao.