Những gã khổng lồ nằm ngoài bảng xếp hạng

Cuộc đua trí tuệ nhân tạo đang tạo ra một nghịch lý: những cụm máy tính đồ sộ nhất thế giới chưa chắc xuất hiện trên bảng xếp hạng siêu máy tính danh tiếng nhất. Trong nhiều thập niên, Top500 là thước đo quen thuộc của lĩnh vực tính toán hiệu năng cao, hay HPC. Nhưng khi các doanh nghiệp đổ nguồn lực vào AI tạo sinh — công nghệ tạo văn bản, hình ảnh và nhiều dạng nội dung khác — khoảng cách giữa thứ hạng và quy mô hạ tầng thực tế ngày càng rõ rệt.

Lineshine của Trung Quốc đứng đầu bảng xếp hạng công bố hai lần mỗi năm với hiệu năng tính toán chính xác kép đạt 2,2 exaFLOPS, tương đương khoảng 2,2 tỷ tỷ phép tính dấu phẩy động mỗi giây. Dù vậy, xét về quy mô cụm máy, hệ thống này vẫn bị những tên tuổi như Colossus của SpaceXAI, Promethius của Meta và Stargate của OpenAI bỏ xa. Các siêu cụm AI này tập hợp hàng trăm nghìn GPU, loại bộ xử lý có khả năng thực hiện nhiều phép tính song song và giữ vai trò trung tâm trong hạ tầng AI.

Top500 đo sức mạnh theo cách nào?

Vấn đề không đơn giản là những hệ thống AI chưa gửi kết quả dự thi. Theo Torsten Hoefler, chuyên gia tại ETH Zürich, các doanh nghiệp vận hành chúng không quan tâm đến việc tham gia Top500. Sâu xa hơn, tiêu chí đánh giá hiện nay không phản ánh đúng mục tiêu thiết kế của các cụm máy này.

Top500 sử dụng HPL, viết tắt của High-Performance Linpack, một phép đo hiệu năng dựa trên việc giải hệ phương trình tuyến tính. Erich Strohmaier, một trong những người xây dựng bảng xếp hạng, giải thích rằng nguyên tắc cốt lõi là toàn bộ hệ thống phải cùng chạy một chương trình để được đánh giá. Nhà vận hành không thể đo riêng hai phần rồi cộng kết quả thành một con số chung.

Cách tiếp cận đó tập trung vào khả năng huy động cả siêu máy tính cho một bài toán thống nhất, thay vì chỉ phản ánh tổng lượng công việc mà hạ tầng có thể xử lý.

Cụm AI được xây cho một cuộc chơi khác

Trong thời gian dài, khả năng giải một bài toán lớn và tổng năng lực xử lý công việc của hệ thống phát triển tương đối đồng nhịp. Làn sóng AI đã làm thay đổi điều này. Theo Strohmaier, thị trường dành cho hạ tầng xử lý nhiều công việc đã tăng mạnh, trong khi Top500 vẫn chủ yếu chú trọng khả năng chạy một chương trình trên toàn cụm.

Các hệ thống của doanh nghiệp đám mây và nhà vận hành hạ tầng quy mô cực lớn thường được tổ chức để đảm nhiệm nhiều tác vụ nhỏ hoặc vừa. Đó có thể là huấn luyện mô hình, tinh chỉnh mô hình bằng dữ liệu chuyên biệt, học tăng cường thông qua cơ chế thưởng và phạt, hay suy luận — giai đoạn mô hình đã huấn luyện tạo ra câu trả lời hoặc dự đoán.

Bởi vậy, Strohmaier cho rằng khó có thể kỳ vọng SpaceXAI đưa toàn bộ Colossus vào chạy HPL. Không xuất hiện trên Top500 vì thế không đồng nghĩa với thiếu sức mạnh; nó còn phản ánh sự khác biệt về mục đích sử dụng và cách đo.

Độ chính xác số học cũng trở thành điểm vênh

Một hướng điều chỉnh là chấp nhận rộng hơn các mức độ chính xác số học thấp. HPL truyền thống nhấn mạnh tính toán chính xác kép, thường gọi là FP64, tức biểu diễn số dấu phẩy động bằng 64 bit. Trong khi đó, các chip tăng tốc AI ngày càng ưu tiên những định dạng ít bit hơn như FP8 hoặc FP4, sử dụng lần lượt 8 bit và 4 bit.

Đổi lại độ chính xác biểu diễn thấp hơn, những định dạng này có thể giúp tăng tốc các phép tính phù hợp với AI. Vì vậy, một phép đo tập trung vào FP64 có thể không làm nổi bật ưu thế mà chip AI được thiết kế để khai thác. HPL-MxP, biến thể sử dụng phối hợp nhiều mức độ chính xác, đã phần nào tiếp cận hướng giải quyết này.

Thước đo mới phải theo kịp AI mà không mất giá trị lịch sử

Các chuyên gia nhìn nhận rằng những siêu cụm AI vẫn cần được theo dõi, nhưng có thể phải bằng cả một phương pháp đánh giá mới chứ không chỉ thay bài kiểm tra. Thước đo ấy cần phản ánh đúng năng lực hệ thống, đồng thời hạn chế việc nhà vận hành tận dụng kẽ hở để làm đẹp thành tích.

Sửa trực tiếp phép đo hiện hành cũng có cái giá riêng. Hoefler cảnh báo rằng thay đổi bài kiểm tra sẽ làm mất tính liên tục của chuỗi dữ liệu lịch sử, vốn rất có giá trị khi theo dõi tiến bộ tính toán qua nhiều thập niên.

Một bảng đánh giá riêng cho AI là lựa chọn khác, nhưng lại đối mặt với tốc độ thay đổi chóng mặt của ngành. Theo Hoefler, công việc AI biến chuyển nhanh đến mức một bài kiểm tra được chọn hôm nay có thể không còn phù hợp trong vòng một năm, trong khi các thước đo lớn cần tồn tại hàng chục năm. Thách thức của Top500 vì thế không chỉ là tìm ra máy tính nào nhanh nhất, mà còn là xác định nên đo điều gì khi khái niệm sức mạnh tính toán đang thay đổi.

Danh mục máy quét mã vạch

Máy quét mã vạch - Quét mã Qr - Quét mã vạch sản phẩm.

DÒNG MÁY CÓ DÂY

máy quét mã vạch không dây

DÒNG MÁY KHÔNG DÂY

DÒNG MÁY KIỂM KHO PDA

DÒNG MÁY FITMOUNT