AI Crazy
New member
Báo cáo của Futuresource dự báo đến cuối thập kỷ, điện thoại, đồng hồ thông minh, tai nghe không dây và các thiết bị đeo khác có thể cùng đóng góp thành một hệ thống AI phân tán mạnh mẽ. Mô hình này hứa hẹn cải thiện tốc độ, quyền riêng tư và giảm phụ thuộc vào đám mây.
Thiết bị cá nhân như smartphone, đồng hồ thông minh và tai nghe đang được trang bị ngày càng nhiều bộ xử lý thần kinh (NPU), và tổng hợp sức mạnh tính toán từ các thiết bị này có thể sánh với những hệ thống từng đòi hỏi phòng máy chuyên dụng.
Hiện nay những chip hàng đầu trên smartphone từ các hãng như Qualcomm, MediaTek, Samsung và Apple đã đạt tới khoảng 100 TOPS cho xử lý neural. Dự báo cho thấy hiệu năng NPU trên smartphone có thể gần như tăng gấp ba vào cuối thập kỷ, trong khi chip chuyên dụng bắt đầu xuất hiện trong đồng hồ thông minh thay vì chỉ chia sẻ khối xử lý chung.
Futuresource ước tính nếu một người mang theo smartphone, laptop, đồng hồ thông minh, kính thông minh và một thiết bị đeo khác, tổng khả năng tính toán AI phân tán có thể đạt trung bình khoảng 450–550 TOPS vào năm 2030. Trong một số trường hợp, tổng công suất có thể vượt quá 1.000 TOPS (1 POPS), dù điều này chưa phổ biến.
Sự phổ biến của thiết bị đeo góp phần quan trọng: lô hàng smartwatch đạt khoảng 94 triệu chiếc toàn cầu vào 2025; tai nghe không dây đạt khoảng 360 triệu chiếc mỗi năm, nghĩa là dấu chân silicon cho tai nghe đơn lẻ vượt quá 700 triệu chip hàng năm.
Mô hình "siêu máy tính di động" phân tán này mang lại lợi thế thực tế: thời gian phản hồi nhanh hơn, giữ dữ liệu nhạy cảm gần thiết bị hơn để tăng riêng tư, và giảm chi phí băng thông so với xử lý trên đám mây. Tuy nhiên, con số TOPS đơn thuần không phản ánh toàn bộ năng lực thực tế: kiến trúc chip, băng thông bộ nhớ và tối ưu phần mềm quyết định hiệu năng thực tế khi thực hiện các tác vụ AI.
Simon Forrest, Trưởng bộ phận công nghệ cốt lõi của Futuresource Consulting, nhận định: “Đây không phải kịch bản suy đoán. Chúng là hệ quả logic từ xu hướng thiết kế chip đang diễn ra. Edge AI đem lại lợi thế về tốc độ, bảo mật và chi phí, và các thuật toán truyền thống đang dần được thay thế bằng các mô hình học máy hiệu quả hơn. Với các hãng thiết bị điện tử tiêu dùng, hiểu rõ hướng đi của khả năng tính toán AI và những gì silicon có thể làm là một yếu tố chiến lược thiết yếu.”
Việc tiến tới xử lý phân tán trên nhiều thiết bị sẽ làm thay đổi cách chúng ta kỳ vọng về sức mạnh máy tính cá nhân, đồng thời đặt ra nhu cầu chú trọng hơn vào thiết kế phần cứng, tối ưu phần mềm và quản lý dữ liệu để tận dụng tối đa lợi ích của AI biên.
Nguồn: Techradar
Thiết bị cá nhân như smartphone, đồng hồ thông minh và tai nghe đang được trang bị ngày càng nhiều bộ xử lý thần kinh (NPU), và tổng hợp sức mạnh tính toán từ các thiết bị này có thể sánh với những hệ thống từng đòi hỏi phòng máy chuyên dụng.
Hiện nay những chip hàng đầu trên smartphone từ các hãng như Qualcomm, MediaTek, Samsung và Apple đã đạt tới khoảng 100 TOPS cho xử lý neural. Dự báo cho thấy hiệu năng NPU trên smartphone có thể gần như tăng gấp ba vào cuối thập kỷ, trong khi chip chuyên dụng bắt đầu xuất hiện trong đồng hồ thông minh thay vì chỉ chia sẻ khối xử lý chung.
Futuresource ước tính nếu một người mang theo smartphone, laptop, đồng hồ thông minh, kính thông minh và một thiết bị đeo khác, tổng khả năng tính toán AI phân tán có thể đạt trung bình khoảng 450–550 TOPS vào năm 2030. Trong một số trường hợp, tổng công suất có thể vượt quá 1.000 TOPS (1 POPS), dù điều này chưa phổ biến.
Sự phổ biến của thiết bị đeo góp phần quan trọng: lô hàng smartwatch đạt khoảng 94 triệu chiếc toàn cầu vào 2025; tai nghe không dây đạt khoảng 360 triệu chiếc mỗi năm, nghĩa là dấu chân silicon cho tai nghe đơn lẻ vượt quá 700 triệu chip hàng năm.
Mô hình "siêu máy tính di động" phân tán này mang lại lợi thế thực tế: thời gian phản hồi nhanh hơn, giữ dữ liệu nhạy cảm gần thiết bị hơn để tăng riêng tư, và giảm chi phí băng thông so với xử lý trên đám mây. Tuy nhiên, con số TOPS đơn thuần không phản ánh toàn bộ năng lực thực tế: kiến trúc chip, băng thông bộ nhớ và tối ưu phần mềm quyết định hiệu năng thực tế khi thực hiện các tác vụ AI.
Simon Forrest, Trưởng bộ phận công nghệ cốt lõi của Futuresource Consulting, nhận định: “Đây không phải kịch bản suy đoán. Chúng là hệ quả logic từ xu hướng thiết kế chip đang diễn ra. Edge AI đem lại lợi thế về tốc độ, bảo mật và chi phí, và các thuật toán truyền thống đang dần được thay thế bằng các mô hình học máy hiệu quả hơn. Với các hãng thiết bị điện tử tiêu dùng, hiểu rõ hướng đi của khả năng tính toán AI và những gì silicon có thể làm là một yếu tố chiến lược thiết yếu.”
Việc tiến tới xử lý phân tán trên nhiều thiết bị sẽ làm thay đổi cách chúng ta kỳ vọng về sức mạnh máy tính cá nhân, đồng thời đặt ra nhu cầu chú trọng hơn vào thiết kế phần cứng, tối ưu phần mềm và quản lý dữ liệu để tận dụng tối đa lợi ích của AI biên.
Nguồn: Techradar
Bài viết liên quan
