Doanh nghiệp bứt phá “không tưởng” nhờ AI và bán dẫn

Trong khuôn khổ Hội nghị Quốc tế về Trí tuệ Nhân tạo và Bán dẫn (AISC) 2025 do Aitomatic (Mỹ) và Trung tâm Đổi mới sáng tạo Quốc gia (NIC) tổ chức tiếp, các chuyên gia quốc tế đã chia sẻ về thành tựu của doanh nghiệp nhờ AI.

Edge AI và bước đột phá với xe tự lái

Trong bài phát biểu với nội dung “AI-NL trong Intelligent Edge: Xu hướng và ứng dụng”, ông Daniel Weyl - Phó chủ tịch cấp cao phụ trách Automotive, NXP nhấn mạnh sự chuyển đổi mạnh mẽ của ngành ô tô, từ một ngành dựa trên phần cứng sang một lĩnh vực ngày càng phụ thuộc vào phần mềm.

Ông cho rằng trong quá khứ, một chiếc xe chỉ có một số đơn vị điều khiển (ECU) đơn giản, nhưng ngày nay, số lượng này có thể lên đến hàng trăm. Tuy nhiên, với sự phức tạp ngày càng gia tăng, xu hướng tiếp tục tăng số lượng ECU là không khả thi. Do đó, ngành ô tô đang chuyển sang mô hình xe định nghĩa bằng phần mềm (Software-Defined Vehicle - SDV), nơi phần mềm đóng vai trò trung tâm trong việc kiểm soát và tối ưu hóa hoạt động của xe.

“Ngành công nghiệp ô tô đang chuyển đổi từ một lĩnh vực dựa trên phần cứng sang một tương lai tập trung vào phần mềm - nơi xe hơi không đơn thuần là máy móc, mà trở thành những nền tảng thông minh và linh hoạt”, ông Weyl nói.

Một trong những yếu tố quan trọng thúc đẩy sự phát triển của SDV chính là trí tuệ nhân tạo (AI). AI giúp cải thiện nhiều khía cạnh của xe hơi hiện đại, từ hệ thống lái tự động đến tối ưu hóa hiệu suất và nâng cao trải nghiệm người dùng. Thay vì dựa vào các mô hình điều khiển truyền thống, AI có thể học hỏi và thích nghi với các tình huống thực tế, từ đó nâng cao độ an toàn và hiệu quả vận hành.

Ông Daniel Weyl - Phó chủ tịch cấp cao phụ trách Automotive, NXP chia sẻ tại Hội nghị

Ông cho biết thêm AI đang chuyển từ đám mây xuống biên (Edge AI). Có nghĩa là thay vì xử lý dữ liệu từ xa trên nền tảng đám mây, các mô hình AI sẽ được nhúng trực tiếp vào các bộ xử lý trong xe. Sự thay đổi này rất quan trọng đối với các quyết định thời gian thực, chẳng hạn như hệ thống phanh khẩn cấp hay điều hướng trong điều kiện giao thông phức tạp. Việc di chuyển AI xuống thiết bị biên giúp giảm độ trễ, đảm bảo xe có thể đưa ra quyết định nhanh chóng mà không cần phụ thuộc vào kết nối Internet.

“Edge AI là bước nhảy vọt tiếp theo - di chuyển trí thông minh từ đám mây xuống chính chiếc xe, cho phép ra quyết định ngay lập tức mà không cần phụ thuộc vào kết nối mạng”, ông khẳng định.

Một xu hướng quan trọng khác trong SDV là tích hợp phần cứng và phần mềm theo cách tối ưu hơn. Thay vì hàng trăm ECU phân tán, các nhà sản xuất xe đang hướng tới việc gom nhóm chức năng vào một số bộ điều khiển trung tâm, có thể xử lý nhiều tác vụ khác nhau. Hướng đi mới sẽ giảm độ phức tạp trong thiết kế, nâng cao hiệu suất tổng thể, tiết kiệm chi phí và tạo ra những chiếc xe linh hoạt hơn.

Kết luận cho bài phát biểu, ông vẫn nhất quán quan điểm ngành công nghiệp ô tô đang trải qua một giai đoạn mà phần mềm và AI sẽ định hình lại cách chúng ta thiết kế và vận hành xe. Trong tương lai, các hệ thống AI sẽ giúp xe tự lái có thể tối ưu hóa mọi khía cạnh của trải nghiệm người dùng, từ quản lý năng lượng đến cá nhân hóa dịch vụ. Muốn vậy, ngành công nghiệp cần đầu tư mạnh mẽ vào dữ liệu, nền tảng phần mềm mở và các kiến trúc xe hơi linh hoạt hơn.

Digital Twin - Cuộc cách mạng trong ngành bán dẫn

Đem đến hội thảo bài phát biểu chủ đề “Kiểm soát quy trình bán dẫn với Gen AI: Chuyển đổi ngành sản xuất”, ông Da-Shan Shiu - Giám đốc điều hành MediaTek - nhận định tầm quan trọng của kiểm soát quy trình trong sản xuất bán dẫn. Bởi vì, ngành công nghiệp này đòi hỏi độ chính xác cao và phải đảm bảo chất lượng sản phẩm ở mức tối ưu, với mục tiêu đạt tỷ lệ sản phẩm đạt chuẩn gần như 100%. Trong bối cảnh đó, trí tuệ nhân tạo (AI) và dữ liệu sẽ tối ưu hóa quy trình sản xuất, từ kiểm soát thông số đến cải thiện hiệu suất thiết bị.

“Sản xuất bán dẫn là vấn đề về độ chính xác, đồng thời còn phải đạt được kiểm soát quy trình gần như hoàn hảo để tối đa hóa hiệu suất và sản lượng. Kiểm soát quy trình bằng AI tạo quy trình tự động hóa, giúp đưa ra quyết định theo thời gian thực để đảm bảo ổn định, giảm lãng phí và nâng cao độ tin cậy của sản phẩm”, ông cho biết.

Một trong những khái niệm quan trọng được đề cập là Digital Twin (bản sao kỹ thuật số). Có thể hiểu nôm na, đây là hệ thống tích hợp nhiều lớp dữ liệu khác nhau, từ thiết kế nhà máy, dây chuyền sản xuất đến quy trình kiểm tra chất lượng. Digital Twin sẽ dự đoán và điều chỉnh các biến số trong quy trình sản xuất một cách chính xác, giảm thiểu lỗi và tối ưu hiệu suất.

“Bản sao kỹ thuật số đang cách mạng hóa ngành công nghiệp bán dẫn bằng cách tạo ra các mô phỏng đa lớp giúp dự đoán, phân tích và tối ưu hóa từng bước trong quy trình sản xuất”, chuyên gia này nói.

Ông Da-Shan Shiu cũng đề cập đến cách AI hỗ trợ kiểm soát quy trình theo thời gian thực, đặc biệt là trong sản xuất chip bán dẫn. AI có thể phân tích các dữ liệu từ hệ thống đo lường, nhận diện những sai lệch nhỏ trong quá trình sản xuất và đề xuất các điều chỉnh ngay lập tức. Điều này giúp giảm thiểu tổn thất vật liệu và nâng cao độ tin cậy của sản phẩm đầu ra.

Một ứng dụng nổi bật khác là việc AI hỗ trợ tối ưu hóa năng lượng và tài nguyên. Trong sản xuất bán dẫn, mỗi bước xử lý đều tiêu tốn một lượng lớn điện năng và tài nguyên hóa học. AI có thể điều chỉnh các thông số hoạt động sao cho tiết kiệm năng lượng mà vẫn đảm bảo chất lượng sản phẩm. Ví dụ, AI có thể theo dõi mức tiêu thụ năng lượng của từng giai đoạn sản xuất, từ đó tối ưu hóa quy trình để giảm thiểu lãng phí mà không ảnh hưởng đến hiệu suất.

“Để khai thác trọn vẹn AI trong sản xuất bán dẫn, các doanh nghiệp cần đầu tư vào hệ thống dữ liệu mạnh mẽ và các mô hình AI chuyên biệt phù hợp với độ phức tạp của sản xuất”, ông kết luận.

Mở rộng khả năng của AI thông qua quy mô suy diễn

Trong phần chia sẻ của mình, Tiến sĩ Azalia Mirhoseini, chuyên gia từ Google Deepmind, giới thiệu cách mở rộng khả năng của trí tuệ nhân tạo (AI) thông qua quá trình suy diễn (inference scaling), một lĩnh vực đang thu hút sự quan tâm lớn trong nghiên cứu AI và thiết kế bán dẫn. Bà nhấn mạnh, môi trường nghiên cứu AI hiện nay đang hướng đến việc tận dụng tối đa tiềm năng của các mô hình ngôn ngữ lớn (LLM) bằng cách tối ưu hóa quy trình suy diễn, thay vì chỉ tập trung vào huấn luyện mô hình ban đầu.

Một trong những nguyên lý quan trọng được đề cập là quy luật mở rộng của các mô hình AI. Khi dữ liệu huấn luyện, khả năng tính toán và kích thước mô hình tăng lên, hiệu suất của AI cũng được cải thiện một cách có thể dự đoán. Quy luật này đã được chứng minh bởi các phòng nghiên cứu tiên phong như DeepMind, OpenAI và Anthropic. Bài toán đặt ra là có thể mở rộng khả năng của AI trong giai đoạn suy diễn, giúp tăng độ chính xác và hiệu suất ngay cả khi sử dụng phần cứng giới hạn.

“Mở rộng khả năng AI không đơn thuần là huấn luyện các mô hình lớn hơn. Ở đây còn là sự tối ưu hóa suy diễn để khai thác tối đa hiệu suất từ kiến trúc hiện có”, bà Azalia Mirhoseini nói. “Mở rộng suy diễn là biên giới tiếp theo của AI - bằng cách cho phép các mô hình nhỏ suy nghĩ lâu hơn, chúng ta có thể đạt đến khả năng suy luận gần như con người với chi phí tính toán thấp hơn nhiều”.

Tiến sĩ Azalia Mirhoseini, chuyên gia từ Google Deepmind iới thiệu về dự án Large Language Monkeys

Diễn giả cũng giới thiệu về dự án Large Language Monkeys, lấy cảm hứng từ giả thuyết “infinite monkey theorem” - nếu một con khỉ liên tục gõ phím trên bàn phím, cuối cùng nó có thể tạo ra tác phẩm của Shakespeare. Dự án đề xuất phương pháp để cải thiện hiệu suất suy diễn bằng cách tạo ra nhiều lần trả lời từ mô hình AI và sử dụng cơ chế chọn lọc để giữ lại kết quả tốt nhất. Cách tiếp cận giúp cải thiện đáng kể độ chính xác của mô hình, đặc biệt là trong các bài toán phức tạp như lập trình và toán học.

Một điểm nhấn khác là khả năng mở rộng suy diễn trong lập trình phần mềm và tối ưu hóa phần cứng. Các kỹ thuật suy diễn có thể giúp AI viết mã tốt hơn bằng cách tạo ra nhiều đoạn mã khác nhau và chọn ra phương án tối ưu nhất thông qua phản hồi từ hệ thống kiểm thử. Ngoài ra, AI còn có thể hỗ trợ tạo ra các kernel GPU một cách tự động – một nhiệm vụ đòi hỏi chuyên môn cao mà các nhà phát triển thường phải mất nhiều thời gian để thực hiện.

“Bằng cách tận dụng mở rộng suy diễn, chúng ta sẽ giảm chi phí, đồng thời có thể định nghĩa lại cách hệ thống AI tạo ra tri thức và giải quyết các vấn đề phức tạp. Nếu huấn luyện là quá trình giúp AI có trí tuệ, thì suy diễn là cách để AI sử dụng trí tuệ đó một cách khôn ngoan”, bà Azalia Mirhoseini nói.

Còn Tiến sĩ Azalia Mirhoseini cho rằng mở rộng AI không dừng lại ở việc tăng cường khả năng huấn luyện mô hình, còn phải tập trung vào quá trình suy diễn (inference scaling). “Tối ưu hóa suy diễn AI sẽ giúp khai thác tối đa hiệu suất mô hình hiện có, thay vì chỉ đơn thuần mở rộng dữ liệu huấn luyện”, bà Azalia Mirhoseini nói.

Bà cũng đề cập đến một trong những thách thức lớn nhất hiện nay là sự phức tạp trong ứng dụng AI, khiến doanh nghiệp khó khăn trong việc tích hợp công nghệ mới. Bà cho rằng: “Chúng ta cần một hệ sinh thái AI dễ sử dụng hơn, tương tự như cách iPhone đã thay đổi hoàn toàn trải nghiệm người dùng đối với công nghệ di động”.