黄仁勋 CES2026 bài phát biểu mới nhất: Ba chủ đề chính, một "quái vật chip"

Tác giả: Lý Hải Luân Tô Dương

Giờ Bắc Kinh ngày 6 tháng 1, CEO của Nvidia, Huang Renxun, khoác áo da đặc trưng lần nữa xuất hiện trên sân khấu chính của CES2026.

Trong CES 2025, Nvidia trình diễn chip Blackwell thương mại hóa và toàn bộ hệ sinh thái AI vật lý. Tại hội nghị, Huang Renxun nhấn mạnh rằng một “thời đại AI vật lý” đang mở ra. Ông mô tả một tương lai đầy tưởng tượng: ô tô tự lái có khả năng suy luận, robot có thể hiểu và suy nghĩ, AIAgent (đại lý thông minh) có thể xử lý các nhiệm vụ dài với hàng triệu token.

Chớp mắt một năm trôi qua, ngành AI đã trải qua những biến đổi lớn. Khi nhìn lại sự thay đổi trong buổi giới thiệu, Huang Renxun đặc biệt đề cập đến các mô hình mã nguồn mở.

Ông nói rằng, các mô hình suy luận mã nguồn mở như DeepSeek R1 đã khiến toàn ngành nhận thức rõ rằng: khi mở cửa và hợp tác toàn cầu thực sự bắt đầu, tốc độ lan tỏa AI sẽ cực kỳ nhanh. Dù các mô hình mã nguồn mở vẫn chậm hơn các mô hình hàng đầu khoảng nửa năm về khả năng tổng thể, nhưng cứ sau mỗi sáu tháng, chúng sẽ gần kịp, và lượng tải xuống cùng sử dụng đã bùng nổ.

So với năm 2025, khi chủ yếu trình diễn các tầm nhìn và khả năng, lần này Nvidia bắt đầu hệ thống hóa mong muốn giải quyết câu hỏi “làm thế nào để thực hiện”: xung quanh AI suy luận, bổ sung các hạ tầng tính toán, mạng lưới và lưu trữ cần thiết cho hoạt động lâu dài, giảm đáng kể chi phí suy luận, và tích hợp trực tiếp các khả năng này vào các cảnh quan thực tế như tự lái và robot.

Trong bài phát biểu tại CES, Huang Renxun tập trung vào ba chủ đề chính:

● Ở cấp hệ thống và hạ tầng, Nvidia đã tái cấu trúc lại kiến trúc tính toán, mạng lưới và lưu trữ dựa trên nhu cầu suy luận dài hạn. Với các nền tảng như Rubin, NVLink 6, Spectrum-X Ethernet và nền tảng bộ nhớ trong suy luận, các cập nhật này nhằm giải quyết các điểm nghẽn như chi phí cao của suy luận, khó duy trì ngữ cảnh dài hạn và hạn chế quy mô, giúp AI có thể suy nghĩ lâu hơn, tính toán nhanh hơn và chạy bền hơn.

● Ở cấp mô hình, Nvidia đặt trọng tâm vào AI suy luận (Reasoning / Agentic AI). Thông qua các mô hình và công cụ như Alpamayo, Nemotron, Cosmos Reason, thúc đẩy AI từ “tạo nội dung” tiến tới “suy nghĩ liên tục”, chuyển từ “mô hình phản hồi một lần” sang “đại lý có thể hoạt động lâu dài”.

● Ở cấp ứng dụng và thực thi, các khả năng này được tích hợp trực tiếp vào các cảnh quan AI vật lý như tự lái và robot. Dù là hệ thống tự lái do Alpamayo điều khiển, hay hệ sinh thái robot của GR00T và Jetson, đều hợp tác với các nhà cung cấp đám mây và nền tảng doanh nghiệp để thúc đẩy triển khai quy mô lớn.

01 Từ lộ trình đến sản xuất hàng loạt: Rubin lần đầu tiết lộ đầy đủ dữ liệu hiệu năng

Tại CES lần này, Nvidia lần đầu công bố đầy đủ các chi tiết kỹ thuật của kiến trúc Rubin.

Trong bài phát biểu, Huang Renxun bắt đầu từ khái niệm Test-time Scaling (mở rộng khi suy luận), có thể hiểu là, muốn AI trở nên thông minh hơn, không chỉ cần “học nhiều hơn”, mà còn cần “suy nghĩ nhiều hơn khi gặp vấn đề”.

Trước đây, khả năng của AI chủ yếu tăng lên nhờ đào tạo, đổ nhiều sức mạnh tính toán hơn, làm mô hình ngày càng lớn; còn bây giờ, thay đổi mới là, ngay cả khi mô hình không tiếp tục lớn hơn, chỉ cần dành thêm thời gian và sức mạnh tính toán để suy nghĩ mỗi lần sử dụng, kết quả cũng rõ ràng cải thiện.

Làm thế nào để “AI suy nghĩ nhiều hơn một chút” trở nên kinh tế khả thi? Nền tảng AI tính toán thế hệ mới của Rubin chính là để giải quyết vấn đề này.

Huang giới thiệu, đây là một hệ thống tính toán AI hoàn chỉnh thế hệ tiếp theo, thông qua sự phối hợp của Vera CPU, Rubin GPU, NVLink 6, ConnectX-9, BlueField-4, Spectrum-6, nhằm cách mạng hóa chi phí suy luận.

Nvidia Rubin GPU là chip trung tâm chịu trách nhiệm tính toán AI trong kiến trúc Rubin, mục tiêu là giảm đáng kể chi phí đơn vị của suy luận và huấn luyện.

Nói rõ ra, nhiệm vụ chính của Rubin GPU là “làm cho AI dùng ít hơn, thông minh hơn”.

Khả năng cốt lõi của Rubin GPU nằm ở chỗ: cùng một GPU có thể làm nhiều việc hơn. Nó có thể xử lý nhiều nhiệm vụ suy luận hơn, ghi nhớ ngữ cảnh dài hơn, và giao tiếp giữa các GPU nhanh hơn, nghĩa là nhiều cảnh trước đây phải dùng “đa card cứng” giờ có thể hoàn thành với ít GPU hơn.

Kết quả là, suy luận không chỉ nhanh hơn mà còn rẻ hơn rõ rệt.

Huang đã trực tiếp ôn lại các thông số phần cứng của kiến trúc Rubin NVL72: gồm 220 nghìn tỷ bóng bán dẫn, băng thông 260 TB/giây, là nền tảng đầu tiên trong ngành hỗ trợ tính toán bí mật quy mô rack.

Nhìn chung, so với Blackwell, Rubin GPU đã đạt bước nhảy vọt qua các thế hệ về các chỉ số chính: hiệu năng suy luận NVFP4 tăng lên 50 PFLOPS (gấp 5 lần), hiệu năng huấn luyện tăng lên 35 PFLOPS (gấp 3,5 lần), băng thông bộ nhớ HBM4 tăng lên 22 TB/giây (gấp 2,8 lần), băng thông liên kết NVLink của GPU đơn tăng gấp đôi lên 3,6 TB/giây.

Những nâng cấp này phối hợp giúp một GPU có thể xử lý nhiều nhiệm vụ suy luận hơn, ngữ cảnh dài hơn, từ đó giảm đáng kể sự phụ thuộc vào số lượng GPU.

Vera CPU là thành phần trung tâm dành riêng cho di chuyển dữ liệu và xử lý Agentic, sử dụng 88 nhân Olympus do Nvidia tự phát triển, có bộ nhớ hệ thống 1,5 TB (gấp 3 lần so với thế hệ Grace trước), kết nối nhất quán giữa CPU và GPU qua công nghệ NVLink-C2C 1,8 TB/giây.

Khác với CPU phổ thông, Vera tập trung vào các tác vụ dữ liệu trong cảnh tự lái AI, xử lý logic suy luận nhiều bước, về bản chất là điều phối hệ thống để “AI suy nghĩ nhiều hơn một chút” một cách hiệu quả.

NVLink 6 với băng thông 3,6 TB/giây và khả năng tính toán mạng giúp 72 GPU trong kiến trúc Rubin hoạt động như một GPU siêu lớn, là hạ tầng then chốt để giảm chi phí suy luận.

Nhờ đó, dữ liệu và kết quả trung gian cần thiết cho AI suy luận có thể nhanh chóng luân chuyển giữa các GPU, không cần chờ đợi, sao chép hoặc tính lại nhiều lần.

Trong kiến trúc Rubin, NVLink-6 đảm nhiệm tính toán hợp tác nội bộ GPU, BlueField-4 xử lý điều phối ngữ cảnh và dữ liệu, còn ConnectX-9 đảm nhiệm kết nối mạng tốc độ cao bên ngoài hệ thống. Nó đảm bảo hệ thống Rubin có thể giao tiếp hiệu quả với các rack khác, trung tâm dữ liệu và đám mây, là điều kiện tiên quyết để các nhiệm vụ huấn luyện và suy luận quy mô lớn vận hành trôi chảy.

So với thế hệ trước, Nvidia còn cung cấp số liệu trực quan rõ ràng: so với nền tảng NVIDIA Blackwell, có thể giảm tối đa 10 lần chi phí token trong giai đoạn suy luận, và giảm số lượng GPU cần cho mô hình MoE (mixture of experts) huấn luyện xuống còn 1/4.

Chính thức, Nvidia cho biết, hiện Microsoft đã cam kết triển khai hàng trăm nghìn chip Vera Rubin trong siêu nhà máy AI Fairwater thế hệ mới, CoreWeave và các nhà cung cấp dịch vụ đám mây khác sẽ cung cấp các instance Rubin vào nửa cuối năm 2026, hệ hạ tầng “làm AI suy nghĩ nhiều hơn một chút” này đang chuyển từ trình diễn kỹ thuật sang thương mại quy mô lớn.

02 “Choke point” lưu trữ: Giải pháp ra sao?

Việc AI “suy nghĩ nhiều hơn một chút” vẫn đối mặt với một thách thức công nghệ then chốt: dữ liệu ngữ cảnh nên để ở đâu?

Khi AI xử lý các nhiệm vụ phức tạp đòi hỏi nhiều vòng đối thoại, nhiều bước suy luận, sẽ phát sinh lượng lớn dữ liệu ngữ cảnh (KV Cache). Kiến trúc truyền thống hoặc là nhét chúng vào bộ nhớ GPU đắt đỏ và hạn chế, hoặc là để vào bộ lưu trữ thông thường (chậm truy cập). “Choke point” này nếu không giải quyết, ngay cả GPU mạnh nhất cũng sẽ bị kéo lùi.

Để giải quyết vấn đề này, tại CES lần này, Nvidia lần đầu công bố toàn diện nền tảng lưu trữ bộ nhớ ngữ cảnh suy luận do BlueField-4 điều khiển (Inference Context Memory Storage Platform), mục tiêu chính là tạo ra “lớp thứ ba” giữa bộ nhớ GPU và bộ lưu trữ truyền thống. Vừa đủ nhanh, vừa đủ dung lượng, lại có thể duy trì hoạt động lâu dài của AI.

Về mặt kỹ thuật, nền tảng này không phải là một thành phần đơn lẻ, mà là kết quả của một thiết kế phối hợp:

BlueField-4 đảm nhiệm tăng tốc quản lý và truy cập dữ liệu ngữ cảnh phần cứng, giảm thiểu di chuyển dữ liệu và chi phí hệ thống;

Spectrum-X Ethernet cung cấp mạng hiệu suất cao, hỗ trợ chia sẻ dữ liệu tốc độ cao dựa trên RDMA;

Các phần mềm như DOCA, NIXL và Dynamo đảm nhiệm tối ưu hóa điều phối, giảm độ trễ, nâng cao thông lượng tổng thể.

Chúng ta có thể hiểu rằng, nền tảng này mở rộng dữ liệu ngữ cảnh vốn chỉ có thể nằm trong bộ nhớ GPU, thành một “lớp nhớ” độc lập, tốc độ cao, có thể chia sẻ. Một mặt giảm tải GPU, mặt khác cho phép chia sẻ nhanh các thông tin ngữ cảnh này giữa nhiều nút, nhiều đại lý AI.

Về hiệu quả thực tế, Nvidia cung cấp số liệu: trong một số cảnh, phương pháp này có thể nâng cao số token xử lý mỗi giây lên tới 5 lần, đồng thời tối ưu hóa hiệu suất năng lượng tương đương.

Huang Renxun nhiều lần nhấn mạnh trong buổi giới thiệu rằng, AI đang tiến hóa từ “chatbot đối thoại một lần” thành “đối tác trí tuệ thực sự”: chúng cần hiểu thế giới thực, suy luận liên tục, gọi công cụ để hoàn thành nhiệm vụ, đồng thời giữ lại trí nhớ ngắn hạn và dài hạn. Đây chính là đặc điểm cốt lõi của Agentic AI. Nền tảng lưu trữ ngữ cảnh suy luận chính là dành cho dạng AI hoạt động lâu dài, suy nghĩ liên tục này, mở rộng dung lượng ngữ cảnh, tăng tốc chia sẻ giữa các nút, giúp các cuộc đối thoại nhiều vòng và hợp tác đa đại lý trở nên ổn định hơn, không còn “chạy chậm dần”.

03

Hệ thống DGX SuperPOD thế hệ mới: 576 GPU hợp tác

Tại CES lần này, Nvidia công bố ra mắt hệ thống DGX SuperPOD (siêu nút) dựa trên kiến trúc Rubin, mở rộng từ rack đơn lên toàn bộ trung tâm dữ liệu.

DGX SuperPOD là gì?

Nếu Rubin NVL72 là một “siêu rack” chứa 72 GPU, thì DGX SuperPOD chính là kết nối nhiều rack như vậy, tạo thành một cụm tính toán AI quy mô lớn hơn. Phiên bản mới này gồm 8 rack Vera Rubin NVL72, tương đương 576 GPU hợp tác.

Khi quy mô nhiệm vụ AI tiếp tục mở rộng, 576 GPU trong một rack có thể chưa đủ. Ví dụ, huấn luyện các mô hình siêu lớn, phục vụ hàng nghìn AI Agentic cùng lúc, hoặc xử lý các nhiệm vụ phức tạp với hàng triệu token ngữ cảnh. Lúc này, cần nhiều rack hợp tác, và DGX SuperPOD chính là giải pháp tiêu chuẩn cho các cảnh này.

Với các doanh nghiệp và nhà cung cấp dịch vụ đám mây, DGX SuperPOD cung cấp một hệ hạ tầng AI quy mô lớn “dễ dùng ngay”, không cần tự nghiên cứu cách kết nối hàng trăm GPU, cấu hình mạng, quản lý lưu trữ.

Năm thành phần cốt lõi của DGX SuperPOD thế hệ mới:

○8 rack Vera Rubin NVL72 - cung cấp khả năng tính toán trung tâm, mỗi rack 72 GPU, tổng cộng 576 GPU;

○Mạng mở rộng NVLink 6 - giúp 8 rack này hoạt động như một GPU siêu lớn;

○Mạng Ethernet Spectrum-X mở rộng - kết nối các SuperPOD khác, và kết nối tới lưu trữ, mạng bên ngoài;

○Nền tảng lưu trữ bộ nhớ ngữ cảnh suy luận - cung cấp bộ nhớ chia sẻ cho các nhiệm vụ suy luận dài hạn;

○Phần mềm Nvidia Mission Control - quản lý điều phối, giám sát và tối ưu hệ thống.

Lần nâng cấp này, SuperPOD dựa trên hệ thống rack NVL72 của DGX Vera Rubin làm trung tâm. Mỗi NVL72 là một siêu máy tính AI hoàn chỉnh, kết nối 72 GPU Rubin bằng NVLink 6, có thể thực hiện các nhiệm vụ suy luận và huấn luyện quy mô lớn trong cùng một rack. DGX SuperPOD mới gồm nhiều NVL72, tạo thành một hệ thống có thể vận hành lâu dài.

Khi quy mô tính toán mở rộng từ “một rack” sang “nhiều rack”, xuất hiện các điểm nghẽn mới: làm thế nào để truyền tải dữ liệu khối lượng lớn giữa các rack một cách ổn định, hiệu quả? Để giải quyết, Nvidia đồng thời công bố các switch Ethernet thế hệ mới dựa trên chip Spectrum-6, lần đầu tiên giới thiệu công nghệ “cáp quang tích hợp chung” (CPO).

Nói đơn giản, là gói các module quang có thể tháo rời ban đầu được tích hợp trực tiếp vào chip chuyển mạch, rút ngắn khoảng cách truyền tín hiệu từ vài mét xuống còn vài milimet, giảm tiêu thụ năng lượng và độ trễ, đồng thời nâng cao độ ổn định của hệ thống.

04 Mở nguồn “trọn gói” AI của Nvidia: Từ dữ liệu đến mã nguồn đầy đủ

Tại CES lần này, Huang Renxun tuyên bố mở rộng hệ sinh thái mô hình mã nguồn mở (Open Model Universe), bổ sung và cập nhật một loạt mô hình, bộ dữ liệu, thư viện mã và công cụ. Hệ sinh thái này bao gồm sáu lĩnh vực chính: AI y sinh (Clara), mô phỏng vật lý AI (Earth-2), AI đại lý (Nemotron), AI vật lý (Cosmos), robot (GR00T) và tự lái (Alpamayo).

Huấn luyện một mô hình AI không chỉ cần sức mạnh tính toán, mà còn cần bộ dữ liệu chất lượng cao, mô hình tiền huấn luyện, mã huấn luyện, công cụ đánh giá, tạo thành một hệ hạ tầng đầy đủ. Đối với phần lớn doanh nghiệp và viện nghiên cứu, xây dựng từ đầu các thành phần này quá tốn thời gian.

Cụ thể, Nvidia đã mở nguồn sáu cấp độ nội dung: nền tảng tính toán (DGX, HGX, v.v.), bộ dữ liệu huấn luyện các lĩnh vực, mô hình tiền huấn luyện, thư viện mã suy luận và huấn luyện, kịch bản quy trình huấn luyện đầy đủ, và mẫu giải pháp toàn diện.

Trong đó, Nemotron là điểm nhấn của lần cập nhật này, bao gồm bốn hướng ứng dụng.

Trong hướng suy luận, gồm Nemotron 3 Nano, Nemotron 2 Nano VL các mô hình suy luận nhỏ gọn, cùng các công cụ huấn luyện như NeMo RL, NeMo Gym. Trong hướng RAG (tăng cường truy xuất), cung cấp Nemotron Embed VL (mô hình nhúng vector), Nemotron Rerank VL (mô hình sắp xếp lại), bộ dữ liệu liên quan và thư viện truy xuất NeMo Retriever. Trong lĩnh vực an toàn, có Nemotron Content Safety và bộ dữ liệu đi kèm, NeMo Guardrails.

Trong lĩnh vực giọng nói, gồm Nemotron ASR nhận dạng giọng nói tự động, bộ dữ liệu âm thanh Granary, và thư viện xử lý giọng nói NeMo. Điều này có nghĩa là doanh nghiệp muốn xây dựng hệ thống chăm sóc khách hàng AI có RAG, không cần tự huấn luyện mô hình nhúng và sắp xếp lại, mà có thể dùng mã nguồn mở đã được Nvidia huấn luyện sẵn.

05 Lĩnh vực AI vật lý, hướng tới thương mại hóa

Lĩnh vực AI vật lý cũng có cập nhật mô hình – Cosmos, mô hình nền tảng chung cho robot Isaac GR00T, mô hình thị giác-ngôn ngữ-hành động tự lái Alpamayo.

Huang Renxun tại CES tuyên bố, “Khoảnh khắc ChatGPT của AI vật lý” sắp đến, nhưng cũng đối mặt nhiều thách thức: thế giới vật lý quá phức tạp, biến đổi liên tục, thu thập dữ liệu thực chậm và đắt, mãi vẫn chưa đủ.

Phải làm sao? Dữ liệu tổng hợp là một hướng đi. Vì vậy Nvidia ra mắt Cosmos.

Đây là mô hình nền AI vật lý mã nguồn mở, đã được huấn luyện trước bằng lượng lớn video, dữ liệu lái xe thực và robot, cùng mô phỏng 3D. Nó có thể hiểu cách thế giới vận hành, liên kết ngôn ngữ, hình ảnh, 3D và hành động.

Huang Renxun cho biết, Cosmos có thể thực hiện nhiều kỹ năng AI vật lý, như tạo nội dung, suy luận, dự đoán quỹ đạo (ngay cả khi chỉ cho nó một hình ảnh). Nó có thể dựa trên cảnh 3D tạo ra video chân thực, dựa trên dữ liệu lái xe tạo ra các chuyển động phù hợp quy luật vật lý, thậm chí từ giả lập, nhiều camera hoặc mô tả bằng văn bản để tạo ra toàn cảnh video. Thậm chí các cảnh hiếm cũng có thể phục hồi.

Huang Renxun cũng chính thức giới thiệu Alpamayo. Đây là bộ công cụ mã nguồn mở dành cho tự lái, đồng thời là mô hình suy luận thị giác-ngôn ngữ-hành động (VLA) mở nguồn đầu tiên. Khác với trước đây chỉ mở mã nguồn, lần này Nvidia mở toàn bộ tài nguyên phát triển từ dữ liệu đến triển khai.

Điểm đột phá lớn nhất của Alpamayo là nó là mô hình tự lái “suy luận”. Hệ thống tự lái truyền thống là kiến trúc “nhận thức-quy hoạch-điều khiển”, thấy đèn đỏ thì phanh, thấy người đi bộ thì giảm tốc, theo quy tắc đã định. Còn Alpamayo có khả năng “suy luận”, hiểu các mối quan hệ nhân quả trong cảnh phức tạp, dự đoán ý định của các phương tiện và người đi bộ khác, thậm chí xử lý các quyết định cần nhiều bước suy nghĩ.

Ví dụ, tại ngã tư, nó không chỉ nhận diện “xe phía trước”, mà còn có thể suy luận “xe đó có thể rẽ trái, nên tôi nên chờ đợi”. Khả năng này giúp tự lái nâng cấp từ “chạy theo quy tắc” thành “suy nghĩ như người”.

Huang Renxun tuyên bố hệ thống DRIVE của Nvidia chính thức bước vào giai đoạn sản xuất hàng loạt, ứng dụng đầu tiên là Mercedes-Benz CLA mới, dự kiến ra đường tại Mỹ năm 2026. Chiếc xe này sẽ trang bị hệ tự lái L2++, theo mô hình lai “AI toàn diện + quy trình truyền thống”.

Trong lĩnh vực robot, cũng có tiến bộ thực chất.

Huang Renxun cho biết, các doanh nghiệp robot hàng đầu thế giới như Boston Dynamics, Franka Robotics, LEM Surgical, LG Electronics, Neura Robotics và XRlabs đang dựa trên nền tảng Isaac của Nvidia và mô hình cơ bản GR00T để phát triển sản phẩm, bao gồm robot công nghiệp, robot phẫu thuật, robot hình người, robot tiêu dùng.

Tại hội nghị, Huang Renxun đứng phía sau là các robot đủ hình dạng, mục đích khác nhau, được trưng bày tập trung trên sân khấu phân tầng: từ robot hình người, robot hai chân và bánh xe dịch vụ, đến cánh tay robot công nghiệp, máy móc xây dựng, drone và thiết bị hỗ trợ phẫu thuật, tạo thành một “bản đồ hệ sinh thái robot”.

Từ ứng dụng AI vật lý đến nền tảng tính toán RubinAI, rồi đến nền tảng lưu trữ ngữ cảnh suy luận và hệ “trọn gói” AI mã nguồn mở.

Những hành động Nvidia trình diễn tại CES này tạo thành câu chuyện của Nvidia về hạ tầng AI thời kỳ suy luận. Như Huang Renxun nhấn mạnh nhiều lần, khi AI vật lý cần suy nghĩ liên tục, hoạt động lâu dài, và thực sự đi vào thế giới thực, vấn đề không còn chỉ là sức mạnh tính toán nữa, mà là ai có thể xây dựng toàn bộ hệ thống này thành công.

Tại CES 2026, Nvidia đã đưa ra một câu trả lời.