Thời đại đại diện AI, CPU cần cân bằng 1:1 với GPU?

Làn sóng Agentic AI đang thay đổi căn bản kiến trúc tính toán của trung tâm dữ liệu, qua đó vị thế chiến lược của CPU cũng tăng mạnh.

Bộ phận chứng khoán Ngân hàng Mỹ (Bank of America Securities) trong báo cáo nghiên cứu mới nhất đã nâng dự báo quy mô tổng thị trường tiềm năng (TAM) CPU máy chủ vào năm 2030 lên hơn 210 tỷ USD, tăng hơn 20% so với dự báo trước đó khoảng 170 tỷ USD, đồng thời nâng kỳ vọng tốc độ tăng trưởng kép hàng năm từ 30% lên 36%.

Lý do cốt lõi của điều chỉnh này là: Khi khối lượng công việc AI chuyển từ huấn luyện sang suy luận và phát triển lên Agentic AI, vai trò của CPU trong hệ thống trung tâm dữ liệu đang được nâng cấp từ “diễn viên phụ” của GPU lên “mặt phẳng điều khiển” cho tác vụ phân phối thông minh. Bank of America dự đoán tỷ lệ CPU và GPU sẽ chuyển dần từ khoảng 1:4 ở thời kỳ huấn luyện, thu hẹp về khoảng 1:2 trong giai đoạn AI suy luận, và tiến tới gần như 1:1 trong thời đại Agentic AI. Điều này đồng nghĩa đến năm 2030, CPU sẽ chiếm khoảng 10% trên tổng TAM hệ thống trung tâm dữ liệu khoảng 2.2 nghìn tỷ USD, cao hơn rất nhiều so với mức chưa đầy 7% của thời kỳ huấn luyện giai đoạn 2024-2025.

Ở cấp độ từng cổ phiếu, Bank of America duy trì xếp hạng mua đối với AMD, đặt mục tiêu giá 620 USD, coi đây là cổ phiếu CPU tốt nhất; duy trì xếp hạng mua Nvidia (NVDA), đặt mục tiêu giá 350 USD, xem đây là lựa chọn hàng đầu trong toàn ngành bán dẫn.

Agentic AI tái cấu trúc động lực nhu cầu CPU

Nhóm phân tích của Vivek Arya – Bank of America chỉ ra rằng, sự phát triển của khối lượng công việc AI đang nâng mật độ nhu cầu CPU một cách có hệ thống.

Ở thời kỳ huấn luyện, CPU chủ yếu đảm nhận các chức năng hỗ trợ như tiền xử lý dữ liệu, phân tách từ, xử lý theo lô và cung cấp dữ liệu cho GPU, còn GPU/accelerator mới là trung tâm sức mạnh tính toán. Mô hình này khiến thị trường AI accelerator từ năm 2022 đến 2025 tăng phi mã với tốc độ kép hàng năm +139%, trong khi CPU máy chủ chỉ đạt +14%. Đến năm 2025, accelerator AI đã chiếm 85% chi phí tính toán trung tâm dữ liệu, CPU chỉ còn 15%, trong khi năm 2021 con số này vẫn là 26% so với 74%.

Bước vào thời đại Agentic AI, tình hình thay đổi về cấu trúc. Agentic AI không chỉ là “hỏi đáp một cách đơn giản”, mà liên quan đến lập kế hoạch, truy xuất ngữ cảnh, gọi công cụ, quản lý trạng thái, tương tác API, định tuyến đa mô hình và đánh giá kết quả – tức là quy trình vòng lặp đa bước. Những tác vụ này chủ yếu là xử lý tuần tự đậm đặc CPU, thay vì xử lý ma trận song song mà GPU giỏi. Bank of America cho rằng, CPU vì vậy nâng vai trò từ “host processor” lên “mặt phẳng điều khiển” cho suy luận AI.

Đáng chú ý, Bank of America nhấn mạnh đây không phải là CPU thay thế GPU, mà là nhu cầu cả hai cùng mở rộng. GPU giữ vai trò trung tâm với vận hành ma trận, suy luận mô hình lớn, tải trước lượng lớn và thử nghiệm mô hình tiên tiến; trong khi CPU đảm nhận nhiều nhiệm vụ hơn về phối hợp, quản lý bộ nhớ, thực hiện công cụ và di chuyển dữ liệu, do vậy điểm nghẽn hệ thống được mở rộng ra toàn bộ tầng hạ tầng, giúp tổng TAM trung tâm dữ liệu mở rộng hơn nữa.

Bức tranh thị trường 2030: ARM lên ngôi, Intel chịu áp lực

Bank of America chia TAM CPU máy chủ năm 2030 thành ba loại: Truyền thống/IaaS khoảng 30 tỷ USD, AI tính toán/nút đầu khoảng 90 tỷ USD, AI agent riêng biệt khoảng 90 tỷ USD, hai mục sau cộng lại chiếm thị trường CPU AI khoảng 180 tỷ USD, bằng 86% tổng số.

Từ dự báo thị phần, ARM là phe thắng lớn nhất. Bank of America dự đoán đến năm 2030, CPU thương mại ARM (bao gồm Nvidia Vera, ARM AGI, Qualcomm CPU…) sẽ chiếm khoảng 38% trị giá CPU máy chủ, ARM tùy biến (như AWS Graviton, Google Axion, Microsoft Cobalt…) chiếm khoảng 9%, tổng cộng gần 47%. AMD dự kiến giữ khoảng 31% giá trị thị phần, trong khi Intel (INTC) sẽ từ khoảng 34% năm 2026 tụt xuống còn khoảng 22%, mặc dù doanh thu tuyệt đối vẫn tăng với tốc độ kép hàng năm khoảng 22%.

Tính theo đơn vị, Intel vẫn dẫn đầu với khoảng 36%, nhưng sự sụt giảm thị phần giá trị phản ánh nhược điểm cạnh tranh ở các khối lượng công việc AI giá trị gia tăng cao. Bank of America chỉ ra, lợi thế tương đối của Intel nằm ở khối lượng công việc doanh nghiệp truyền thống, và nền tảng Coral Rapids dựa trên tiến trình 18A-P dự kiến sẽ rút ngắn khoảng cách hiệu năng với đối thủ vào năm 2028.

AMD: Dẫn đầu kép về số lượng nhân và tần số xung nhịp

Bank of America xem AMD là cổ phiếu CPU tốt nhất, bởi sở hữu ưu thế vượt trội kép về tần số xung nhịp và số lõi nhân.

Về tần số cao, AMD Turin (thế hệ thứ 5 EPYC) đạt đỉnh 5.0GHz, vượt xa Intel Granite Rapids 4.3GHz và Nvidia Grace khoảng 3.35GHz. Venice (thế hệ thứ 6 EPYC) dự kiến ra mắt nửa cuối 2026 sẽ củng cố thêm lợi thế, khiến CPU AMD trở thành lựa chọn lý tưởng cho các cluster mở rộng AI với các nút đầu/ nút tính toán.

Về số lượng lõi, AMD càng áp đảo. Venice dự kiến hỗ trợ tối đa 256 lõi/512 luồng, vượt trội Nvidia Vera sắp ra mắt (88 lõi/176 luồng) và Intel Diamond Rapids (tối đa 192 lõi). Bank of America ước tính, AMD EPYC 9965 (Turin, 192 lõi) có hiệu năng rack-level AI agent gấp 2,37 lần Nvidia Vera, còn Venice (256 lõi) có thể nâng lợi thế này lên thành 3,30 lần.

Ngoài ra, Bank of America còn đánh giá cao năng lực thực thi trên tiến trình Zen 6/2nm cùng khả năng kiểm soát chuỗi cung ứng của AMD, cũng như hệ sinh thái x86 có tính bảo mật, độ tin cậy cao (RAS) đáp ứng rất tốt các khối lượng công việc Agentic AI.

CPU rack độc lập của Nvidia mở ra không gian nhu cầu mới

Nvidia sẽ trình làng các rack CPU Vera độc lập (CPX rack) cùng nền tảng Vera Rubin vào nửa cuối năm 2026, là động lực quan trọng khiến Bank of America nâng dự báo CPU TAM.

Rack này tích hợp tối đa 256 CPU Vera, thiết kế làm mát bằng chất lỏng, tối ưu chuyên biệt cho khối lượng công việc Agentic AI, đảm nhiệm điều phối, kiểm soát bộ nhớ và quản lý I/O, đồng thời có thể kiểm thử, thi hành và xác minh đầu ra từ các rack máy tính Vera Rubin NVL72. Trong toàn bộ Vera Rubin SuperPOD 40 rack, mỗi Pod chứa 1152 GPU Rubin, 576 CPU Vera là thành phần rack máy tính, và tối đa thêm 512 CPU Vera các rack độc lập, tỷ lệ CPU/GPU tiệm cận 1:1.

Bank of America nhận định các rack CPU độc lập như vậy sẽ đảm nhận các pipeline RAG, cơ sở dữ liệu vector, chuẩn bị dữ liệu, thực thi API/công cụ và suy luận mô hình cỡ vừa và nhỏ – các tác vụ trước đây quá manh mún đối với rack GPU đắt tiền, qua đó mở rộng thực chất quy mô TAM chung, thay vì chỉ thay thế nhu cầu hiện hữu.