Graphcore, một công ty có trụ sở tại Bristol đang nuôi tham vọng đưa sản phẩm của mình, “bộ xử lý thông minh”, thành một sản phẩm có tầm quan trọng trong AI, tương đương với GPU trong khoa học máy tính.

Vào hồi tháng 9 năm 2015, 2 nhà chế tạo phần cứng kỳ cựu, Nigel Toon và Simon Knowles đã xem qua hàng loạt văn phòng tại Thung lũng Silicon và London, nhằm tìm một địa điểm phù hợp để bắt đầu start-up – Graphcore. Trước đó, cặp đôi này đã có những thành tựu ấn tượng, bao gồm công ty chất bán dẫn Icera, được bán cho NVIDIA với cái giá 435 triệu đô-la vào 4 năm trước. Họ đang đặt tham vọng lớn với start-up mới này với mong muốn xây dựng một thế hệ microchip mới, gọi là các bộ xử lý thông minh (IPU), qua đó tiếp cận gần hơn với kỷ nguyên của trí tuệ nhân tạo.

Nhưng các nhà đầu tư lại không mấy hứng khởi với dự án này. Thậm chí, Toon, hiện là CEO của Graphcore còn kể lại rằng: “Nhiều lần, họ còn cười nhạo chúng tôi trong các phiên trình bày.”

Theo Toon, cặp đôi thường sẽ tìm kiếm đối tác là một công ty VC có hứng thú với sản phẩm của họ. Song, với start-up lần này, họ lại nhận được những câu hỏi kiểu như: “AI là gì?”, một câu hỏi quá lỗi thời cho năm 2015. Và khó khăn cứ vậy mà tiếp diễn. Toon bày tỏ: “Kể cả khi hiểu được tầm quan trọng của AI, thì các nhà đầu tư cũng sẽ nói: ‘Mô hình kinh doanh là thông qua việc tạo chip cho cái thứ AI này phải không? Nhưng mà đã qua 10 năm rồi, mà chả có ai thu lời từ việc làm chip cả.’”

Toon cũng chia sẻ rằng, tại thời điểm đó, việc đầu tư vào sản xuất chip được coi là vừa yêu cầu vốn cao, vừa thu lời thấp. Theo Knowles, đồng sáng lập và CTO của Graphcore: “Đầu tư vào phần mềm cũng yêu cầu nguồn vốn lớn. Tuy nhiên, ta có thể thử nghiệm phần mềm trước ở quy mô nhỏ, trong khi với chip, ta bắt buộc phải có một khởi đầu lớn. Và hiển nhiên, nếu khởi đầu này không thành công, thì số vốn đầu tư sẽ đi tong.”

Nhưng đó là chuyện của năm 2015. Hiện nay, phần cứng AI là một trong những lĩnh vực đầu tư béo bở nhất, với số vốn VC vào các công ty AI tại Mỹ tăng tới 72% chỉ trong năm 2018, đạt ngưỡng kỷ lục là 9,3 tỷ đô-la. Đây cũng là năm thứ 5 liên tiếp số vốn liên tục tăng, theo báo cáo của CB Insights và PwC.

Vậy điều gì đã thay đổi trong 3 năm vừa qua? Toon đã chỉ ra 2 thay đổi chính. Trước hết, gã khổng lồ sản xuất chip AI – Intel, đã mua Nervana, một start-up về phần cứng và phần mềm AI với giá 350 triệu đô-la, và đây là một sự ngạc nhiên lớn với giới công nghệ. Thứ hai, Google công bố sẽ bắt đầu tự sản xuất chip, một bước đi chỉ ra rằng, các chip hiện hành không còn phù hợp nữa.

Và động thái của Google, theo Knowles, đã gây song chấn lớn trong ngành công nghiệp này. Cụ thể, Google đã chấp nhận hàng loạt khó khăn, bỏ ra những chi phí lớn để xây dựng đội ngũ chip riêng, chỉ để xử lý các ứng dụng của AI. Trước đó, Knowles và Toon đã thống nhất rằng, việc đầu tư để phát triển các GPU hiện tại là vô cùng cần thiết – bởi lẽ chúng không được thiết kế để chạy các tác vụ AI như Machine Learning và Deep Learning.

Do vậy, khi Google bắt đầu chú trọng tới AI, thì startup của cặp đôi đã vượt xa những công ty khác trong việc phát triển các kiến trúc xử lý mới. Lúc này, các nhà đầu tư lại vô cùng hứng thú với ý tưởng của họ, và vào tháng 7 năm 2017, Atomico – một trong những VC hàng đầu Châu Âu, đã rót 30 triệu đô-la vốn đầu tư cho Graphcore. 6 tháng sau, Sequoia Capital, một quỹ đầu tư hàng đầu của thung lũng Silicon, cũng gia nhập cuộc chơi. Tuy nhiên, Graphcore lúc đó lại không cần những khoản đầu tư này, và chỉ đồng ý sau sự thuyết phục của Sequoia. Toon vui vẻ chia sẻ với báo giới: “Họ tới Bristol, và khẳng định rằng họ vô cùng muốn đầu tư vào công ty của chúng tôi. Vậy nên chúng tôi đã ngồi lại, trao đổi về các điều kiện, và nhận khoản đầu tư 50 triệu đô-la từ Sequoia. Rất hiếm khi họ đầu tư vào các công ty tại Anh, bởi lẽ họ vốn đã có quá nhiều cơ hội trong khu vực của họ.”

Partner của Sequoia, Matt Miller, hiện là một thành viên ban điều hành của Graphcore, đã bày tỏ cảm xúc của mình trong việc thuyết phục Graphcore như sau: “Chúng tôi biết rằng có cơ hội cho việc phát triển một cấu trúc mới từ đầu, rằng cơ hội này sẽ đẩy mạnh đà tiến của chúng tôi trong kỷ nguyện của AI, và vì vậy, chúng tôi đã tìm kiếm các công ty tại Trung Quốc, Mỹ, và Châu Âu. Và cuối cùng, một công ty mà chúng tôi chưa hề biết tới, có trụ sở của Bristol, lại là công ty thỏa mãn những gì chúng tôi mong muốn.”

Miller vui vẻ kể lại sự việc: “Một tháng trước, nếu ai đó bảo rằng tôi sẽ trở thành thành viên ban điều hành ở Bristol, thì chắc chắn tôi sẽ không tin. Nó không phải một địa điểm nổi tiếng gì ở Châu Âu. Nhưng những tài năng ở đất nước này thật sự là đáng kinh ngạc, đặc biệt là trong lĩnh vực bán dẫn. Và đội ngũ của họ có thể được coi là đội ngũ tốt nhất thế giới.”

Sau khoản đầu tư 200 triệu đô-la vào Series D vào tháng 12/2018, Graphcore đã được định giá ở ngưỡng 1,7 tỷ đô-la, đồng thời được tin tưởng là sẽ thống trị lĩnh vực AI như cách ARM từng thống trị lĩnh vực thiết bị di động. Và cơ hội của Graphcore cũng đã phần nào định hình tương lai của lĩnh vực này, với các ứng dụng trong y tế, xe tự lái, khám phá vũ trụ, và vô vàn những lĩnh vực khác.

Joanna Taylor, kỹ sư tại Graphcore, một thành viên của “đội ngũ bán dẫn có thể được coi là đứng đầu thế giới”. Ảnh: Nick Rochowski.

Trên thực tế, Bristol đã là một tụ điểm của lĩnh vực kỹ sư phần cứng từ lâu, cụ thể là từ năm 1978, Inmos, một start-up về bộ vi xử lý tại thành phố này nhận được một khoản đầu tư gốc 50 triệu bảng (mà sau đó được đầu tư thêm 150 triệu bảng) từ chính phủ Anh. “Chúng ta thường quên mất tầm quan trọng của các khoản đầu tư tới từ chính phủ,” Hermann Hauser, một doanh nhân người Áo, nổi tiếng vì tạo ra ARM, đồng thời là nhà đầu tư đầu tiên của Graphcore phát biểu. “Chính khoản đầu tư 200 triệu bảng này đã hình thành một cơ sở vật chất và hệ sinh thái tại Bristol, bao gồm những người thật sự am hiểu về bán dẫn, như David May, Simon, và Nigel. Họ sẽ không ở đó nếu chính phủ không thực hiện khoản đầu tư này.”

Năm 1989, Knowles chuyển tới Bristol để làm việc cho Inmos. “Về mặt lịch sử, Bristol mới là trung tâm của lĩnh vực thiết kế chip tại Anh, và ARM và CSR mới là những kẻ lạc loài,” ông nói. “Họ là những kẻ lạc loài thành công, bởi lẽ bây giờ mọi người đều nghĩ về Cambridge khi nói về chip. Nhưng nói về số lượng start-up và năm lịch sử, thì Bristol mới là trung tâm của lĩnh vực này tại Anh.”

Graphcore là kết quả của nhiều sự giao thoa giữa các công ty bán dẫn. Cụ thể, Toon và Knowles đã biết nhau thông qua Stan Boland, cựu CEO của Tập đoàn Acorn, nay là CEO đương nhiệm tại start-up FiveAI, chuyên về xe tự lái. Stan Boland lại là đồng nghiệp cũ của Knowles tại công ty chip Element 14, trước khi cả hai chuyển qua thành lập Icera cùng Toon vào 2002, 2 năm sau khi Element 14 được mua lại bởi Broadcom với cái giá 640 triệu đô-la. Sau phi vụ bán Icera cho NVIDIA, Knowles đã kiếm được tới hơn 1 tỷ đô-la. Nhưng ông và Toon lại không hề dừng bước. Vậy, cảm hứng nào đã thúc đẩy họ thành lập Graphcore?

Quan điểm của Simon có lẽ sẽ khác,” Toon nói, “nhưng tôi thì nghĩ rằng đây là lý do mà mình thức dậy vào mỗi buổi sáng. Sự thật là cơ hội trước mặt còn quá rộng lớn, và rằng đây có thể là mục tiêu cả đời của tôi.” Ông cũng chia sẻ rằng, tất cả đều là vì một mục đích duy nhất: “Bạn có thể cảm thấy thỏa mãn thông qua việc kết nối mọi người với nhau qua mạng xã hội, hay mua đồ ăn cho họ qua ứng dụng trên Internet. Nhưng những gì chúng tôi đang làm lại có thể thay đổi hoàn toàn tương lại của máy tinh, giúp mọi người phá bỏ nhiều rào cản hơn, đạt được nhiều mục đích lớn hơn. Với công nghệ mà chúng tôi đang nghiên cứu, có thể, một ngày nào đó, ai đó sẽ tìm ra được cách chữa ung thư.”

Knowles chia sẻ: “Chúng tôi đang xây dựng những động cơ giúp AI lăn bánh. Và rồi từ đó sẽ những người tạo ra những động cơ khác tốt hơn nhiều. Chúng tôi muốn được trở thành Roll-Royce của ngành thiết bị AI.”

Về cơ bản, Graphcore đang giải quyết vấn đề mà các thế hệ vi xử lý trước đang gặp phải – chúng không được thiết kế để xử lý trí tuệ máy, bởi công nghệ này yêu cầu dữ liệu được xử lý theo một hình thức khác.

Trên tay Knowles là một con chip của Graphcore – nhỏ như một chiếc bánh quy, có màu ghi đậm, lõi bằng kim loại, và chứa đựng 23,6 tỷ thiết bị dẫn, được kết nối bởi hàng dặm dây dẫn. Qua nhiều thập kỷ, các thiết bị dẫn đã ngày một trở nên nhỏ hơn để vừa vào trong chip, trong khi chip lại ngày một trở nên nóng hơn do số năng lượng cần sử dụng ngày một tăng. “Và điều này đang đạt tới giới hạn. Trước kia, mục đích của thiết kế chip là xử lý càng nhanh càng tốt, còn bây giờ, mục đích là tận dụng năng lượng càng hiệu quả càng tốt,” Knowles chia sẻ.

Ông tiếp tục: “Và khi thay đổi mục đích, thì thiết kế cũng sẽ thay đổi hoàn toàn. Nhưng câu hỏi là, tại sao chúng tôi lại muốn đạt hiệu quả xử lý cao hơn? Hiện giờ, chúng tôi mới chỉ bắt đầu việc máy hóa trí tuệ. Nhưng “trí tuệ” ở đây có nghĩa là gì? Một cỗ máy có thể học hỏi từ kinh nghiệm, từ ví dụ, hay thậm chí là tự học qua tìm tòi, khám phá. Trước đây, một cỗ máy không thể tự giải quyết vấn đề – người viết phần mềm mới là người làm điều đó. Nhưng với AI, mọi thứ đã thay đổi.”

Mọi người bắt đầu muốn nâng cao hiệu quả xử lý để chạy AI, vào đúng thời điểm mà việc thu nhỏ phần cứng không còn hiệu quả nữa. Knowles bày tỏ: “Giải thích cách học cho máy tính rất khác việc giải thích, chẳng hạn, cách tính toán cho chúng. Và vì vậy, với IPU, chúng tôi mong muốn giải quyết được 2 vấn đề này – xử lý một thứ hoàn toàn mới mẻ là “trí tuệ”, và tập trung vào hiệu quả, chứ không vào tốc độ.”

Trong khi những công ty phần cứng AI khác tập trung vào các mạng nơ-ron – một mô hình kiến thức sử dụng cho việc học mô phỏng con người, được thiết kế để nhận diện các xu hướng số, thì Graphcore lại xây dựng một kiến trúc mới hoàn toàn với độ linh hoạt cao hơn. Cụ thể, kiến trúc này có thể chạy được các phương thức Machine Learning hiện hành cũng như những phương thức mới, vốn không tương thích với các phần cứng sẵn có. “Trong khi các start-up đối thủ đang xây dựng các cỗ máy có thể chạy mạng nơ-ron nhanh hơn – một ý tưởng phù hợp để rao bán với số lượng lớn, trong vòng 1-2 năm nữa,” Knowles chia sẻ, “thì chúng tôi nuôi một tham vọng dài lâu hơn, với quy mô lớn hơn, bao phủ toàn bộ các thiết bị AI, chứ không chỉ tập trung vào chip – xây dựng một cỗ máy đa năng hơn. Nigel và tôi đều xác định mục tiêu này rất rõ ràng: chúng tôi từng xây dựng công ty rồi bán đi chúng, nhưng đây mới kiệt tác của chúng tôi.”

Toon cũng chia sẻ: “Đây là một cơ hội trăm năm có một. Nếu chúng tôi thành công, thì IPU sẽ trở thành tương lai của trí tuệ máy, trở thành tiền đề cho các kiến tạo thay đổi thế giới xuyên suốt nhiều thập kỷ.”

Colossus GC2 IPU của Graphcore là một thế hệ vi xử lý mới, được xây dựng phù hợp với thời đại AI. Ảnh: Nick Rochowski.

Thông thường, các VC sẽ không sử dụng quá nhiều lời có cánh, nhưng tới Sequoia cũng phải ca ngợi rằng: “Chúng tôi nghĩ Graphcore sẽ là một công ty thu lời được tới hàng chục tỷ đô-la”, bay tới nửa vòng thế giới để đầu tư vào một start-up và chưa hề có lợi nhuận – nhưng lại đang thu hút được sự chú ý của những gã khổng lồ như BMW, Microsoft, Bosch, Dell và Samsung.

Và lý do cho những sự chú ý này nằm ở khả năng vô tận của công nghệ IPU của Graphcore – chúng có thể ứng dụng ở mọi lĩnh vực, giúp trí tuệ máy hỗ trợ và nâng cao các hoạt động thông thường. “Sẽ có những điểm mà máy móc không thể vượt qua con người – thông thường là ở các hoạt động sáng tạo,” Siraj Khaliq, partner tại Atomico, nhà khoa học máy tính và cựu kinh doanh nói. “Nhưng máy móc lại có thể vượt xa con người trong những tác vụ yêu cầu xác định xu thế và đưa ra phỏng đoán – như chẩn đoán ung thư thông qua ảnh chụp phóng xạ, đưa ra gợi ý dựa trên lịch sử xem, hay thậm chí, là đưa ra đối tượng kết hôn phù hợp dựa trên các đặc điểm, thói quen, và sở thích của một người. Chính vì vậy, tôi không thể giới hạn khả năng của IPU chỉ trong vài mục đích, nhất là khi nó có thể làm tất cả.”

Còn Knowles lại cho rằng, y tế và luật là 2 lĩnh vực đầu tiên sẽ đón nhận những thay đổi lớn từ AI: “Thế nào là một bác sỹ và một luật sư giỏi? Là một người có nhiều kiến thức, nhiều kinh nghiệm, đã từng trải qua, nghiên cứu, tìm tòi nhiều tài liệu và đưa ra những câu trả lời phù hợp. Người đó không thể chính xác hoàn toàn, nhưng họ có thể đưa ra những câu trả lời hợp lý nhất, dựa trên những kinh nghiệm và kiến thức của mình.”

Và theo Knowles, điều thú vị là, trí tuệ máy có thể làm được tất cả những điều trên nếu chúng có kiến thức của con người, ông nói: “Thử tưởng tượng mà xem, một máy y tế có thể đọc mọi nghiên cứu từng được xuất bản, có thể giải quyết và phát hiện mọi điểm khác biệt. Nó cũng có thể theo dõi toàn bộ các hồ sơ bệnh lý, cũng như đưa ra những câu trả lời tốt nhất, dựa trên mọi kiến thức của con người. Đương nhiên, nó không hoàn hảo, bởi lẽ con người vốn không biết được tất cả, nhưng nó lại là lựa chọn tốt nhất, và với nó, chúng ta có thể giải quyết được rất nhiều điều.”

Ở Châu Âu, người ta Không chỉ tạo ra các “kỳ lân” mà tạo ra các “kỳ lân nhiều sừng” – Phần 2

FPT TechInsight
Theo: Wired

Tin liên quan: