Một nhóm nghiên cứu từ Đại học Cambridge vừa tạo ra loại vật liệu chip máy tính mới có khả năng bắt chước cách não người xử lý thông tin — và kết quả ban đầu cho thấy công nghệ này có thể cắt giảm lượng điện tiêu thụ của AI tới 70%. Đây là tin tức đáng chú ý trong bối cảnh các trung tâm dữ liệu AI đang ngốn điện ở mức kỷ lục.
Vấn đề: AI đang 'ăn' điện như thế nào?
Các hệ thống AI hiện tại hoạt động trên những con chip thông thường, nơi dữ liệu phải liên tục di chuyển qua lại giữa bộ nhớ và đơn vị xử lý. Quá trình vận chuyển dữ liệu không ngừng này tiêu tốn lượng điện khổng lồ. Khi AI ngày càng được ứng dụng rộng rãi hơn trong mọi ngành công nghiệp, nhu cầu điện năng toàn cầu dành cho AI cũng tăng theo cấp số nhân.
Đây không chỉ là vấn đề chi phí — đây còn là vấn đề môi trường và khả năng mở rộng của toàn ngành công nghệ.
Giải pháp: Chip học theo não người
Não người xử lý thông tin theo cách hoàn toàn khác máy tính truyền thống. Não không tách biệt bộ nhớ và xử lý — chúng xảy ra đồng thời tại cùng một nơi, tại các khớp thần kinh (synapse). Điều này giúp não cực kỳ tiết kiệm năng lượng.
Nhóm nghiên cứu Cambridge đã phát triển một loại vật liệu gọi là hafnium oxide được biến đổi đặc biệt — thêm strontium và titanium — để tạo ra thiết bị gọi là memristor. Memristor hoạt động giống như khớp thần kinh nhân tạo: nó vừa lưu trữ vừa xử lý thông tin tại chỗ, không cần vận chuyển dữ liệu liên tục.
Memristor là gì?
Memristor (memory + resistor) là linh kiện điện tử có thể thay đổi điện trở tùy theo lịch sử dòng điện chạy qua nó — giống như cách khớp thần kinh trong não thay đổi độ mạnh yếu tùy theo kinh nghiệm học tập. Đây là nền tảng của điện toán thần kinh hình thái (neuromorphic computing).
Điều gì khiến phát minh này đặc biệt?
Hầu hết các memristor trước đây hoạt động bằng cách tạo ra các sợi dẫn điện cực nhỏ bên trong vật liệu. Vấn đề là những sợi này hoạt động rất thất thường và không ổn định — giống như một bóng đèn hay bị chập chờn.
Nhóm Cambridge giải quyết vấn đề này theo cách hoàn toàn khác. Thay vì dùng sợi dẫn điện, thiết bị mới thay đổi trạng thái bằng cách điều chỉnh một rào cản năng lượng tại bề mặt tiếp xúc giữa các lớp vật liệu. Cơ chế này ổn định hơn rất nhiều và có thể tái lập chính xác.
Thiết bị mới tạo ra hàng trăm mức dẫn điện ổn định và phân biệt — điều kiện cần thiết để thực hiện tính toán tương tự kiểu não người, thay vì chỉ lưu trữ dữ liệu nhị phân 0 và 1.
Chip này có thể học như não người không?
Câu trả lời ngắn gọn là: có dấu hiệu hứa hẹn. Trong thử nghiệm, các thiết bị này tái hiện được một cơ chế học tập sinh học quan trọng gọi là spike-timing dependent plasticity — cơ chế mà qua đó các khớp thần kinh tăng cường hoặc suy yếu kết nối tùy thuộc vào thời điểm tín hiệu đến.
Nói đơn giản hơn: chip này có thể học và thích nghi theo thời gian, thay vì chỉ lưu trữ dữ liệu cố định.
Các thử nghiệm trong phòng lab cho thấy thiết bị có thể chịu được hàng chục nghìn chu kỳ chuyển đổi và lưu giữ trạng thái được lập trình trong khoảng một ngày.
Còn bao lâu nữa mới có sản phẩm thực tế?
Cần nói thẳng: đây vẫn là nghiên cứu cơ bản trong phòng thí nghiệm. Từ kết quả thử nghiệm đến chip thương mại còn là một chặng đường dài, thường mất nhiều năm hoặc hàng thập kỷ. Tuy nhiên, tính ổn định và mức tiêu thụ điện cực thấp của vật liệu mới là những tín hiệu rất tích cực cho hướng phát triển này.
Đây là nghiên cứu phòng thí nghiệm — chưa có sản phẩm thương mại. Thời gian từ phát hiện khoa học đến chip thực tế thường mất từ 10 đến 20 năm trong lĩnh vực vật liệu bán dẫn.
Điều này có nghĩa gì với bạn?
Nếu bạn đang dùng ChatGPT, Gemini, hay bất kỳ dịch vụ AI nào hàng ngày, bạn đang gián tiếp đóng góp vào lượng điện khổng lồ mà các trung tâm dữ liệu tiêu thụ. Công nghệ chip mới này, nếu được thương mại hóa thành công, có thể giúp AI trở nên rẻ hơn để vận hành — đồng nghĩa với chi phí dịch vụ AI thấp hơn và tác động môi trường nhỏ hơn.
Với Việt Nam, nơi điện năng và chi phí vận hành hạ tầng công nghệ ngày càng được quan tâm, những đột phá như thế này có thể mở ra cơ hội để các doanh nghiệp và tổ chức trong nước tiếp cận AI hiệu quả hơn trong tương lai.
Những điểm chính cần nhớ
- Đại học Cambridge phát triển vật liệu chip mới mô phỏng cách não người hoạt động, có thể giảm điện năng AI tiêu thụ tới 70%
- Công nghệ memristor mới dùng hafnium oxide biến đổi, ổn định hơn và tiêu thụ ít điện hơn khoảng một triệu lần so với thiết bị thông thường
- Chip có thể vừa lưu trữ vừa xử lý thông tin tại chỗ, loại bỏ việc vận chuyển dữ liệu liên tục — nguồn gốc chính của lãng phí điện năng
- Thiết bị đã tái hiện thành công cơ chế học tập sinh học, mở ra khả năng phần cứng AI có thể học và thích nghi
- Đây vẫn là nghiên cứu cơ bản — ứng dụng thương mại còn cần nhiều năm phát triển thêm
