Động thái này đặt Huawei vào cuộc cạnh tranh ngày càng trực tiếp với Nvidia và Broadcom trong một lĩnh vực đang trở thành nút thắt quan trọng của hạ tầng AI.

Khi kết nối trở thành nút thắt của AI

Trong các hệ thống AI thế hệ mới, năng lực tính toán của chip không còn là yếu tố duy nhất quyết định hiệu suất. Khi số lượng GPU hoặc bộ tăng tốc AI trong một cụm tăng từ hàng nghìn lên hàng chục nghìn, thậm chí hàng trăm nghìn chip, lượng dữ liệu phải trao đổi giữa các chip tăng nhanh đến mức hệ thống kết nối có thể trở thành điểm nghẽn.

Kết nối bằng đồng truyền thống đang đối mặt với giới hạn về khoảng cách truyền, băng thông, kích thước dây dẫn, nhiệt lượng và mức tiêu thụ điện.

Đây là lý do ngành bán dẫn và hạ tầng AI đang chuyển mạnh sang kết nối quang học, trong đó tín hiệu dữ liệu được truyền bằng ánh sáng thay vì tín hiệu điện. TrendForce dự báo công nghệ quang học đồng đóng gói (CPO) sẽ ngày càng phổ biến trong trung tâm dữ liệu AI và có thể đạt tỷ lệ thâm nhập khoảng 35% vào năm 2030.

Huawei muốn đưa quang học đến gần chip hơn

Huawei đang phát triển kiến trúc Hi-ONE (High-density Optical-interconnect-Node Engine), một dạng quang học gần đóng gói (NPO), nhằm đưa bộ phận chuyển đổi quang học đến gần chip AI hơn.

Theo tài liệu kỹ thuật do Huawei công bố, Hi-ONE có thể cung cấp tới 8 Tb/s băng thông mỗi module, đồng thời rút ngắn khoảng cách truyền tín hiệu điện giữa chip và bộ phận quang học từ khoảng 1 m xuống chỉ còn khoảng 5 cm. Hệ thống có thể mở rộng khoảng cách truyền quang lên tới 100 m.

Huawei cho rằng khi băng thông của mỗi chip AI tăng lên mức nhiều Tb/s, việc tiếp tục sử dụng cáp đồng sẽ ngày càng khó đáp ứng yêu cầu về không gian, điện năng và nhiệt.

Theo cách tiếp cận của Huawei, đưa kết nối quang học tới gần chip giúp giảm phần đường truyền điện tốc độ cao, từ đó giảm tổn hao và cho phép mở rộng quy mô hệ thống AI.

Huawei muốn biến công nghệ thành hệ sinh thái mở

Điểm đáng chú ý không chỉ nằm ở bản thân Hi-ONE mà còn ở nỗ lực của Huawei trong việc xây dựng các giao thức và tiêu chuẩn kết nối mới cho hệ thống AI.

Trong kiến trúc được Huawei phát triển theo “Tau Scaling Law”, công ty kết hợp Unified Bus (UB) với Hi-ONE để giảm độ trễ truyền dữ liệu ở cấp hệ thống.

Unified Bus được Huawei thiết kế nhằm thay thế việc sử dụng nhiều lớp giao thức khác nhau trong các hệ thống AI bằng một cơ chế giao tiếp thống nhất. Huawei cho biết giải pháp này có thể giảm đáng kể độ trễ truy cập giữa các nút trong hệ thống.

Cách tiếp cận này phản ánh quan điểm mới của Huawei: thay vì chỉ tìm cách tăng mật độ transistor bằng cách thu nhỏ tiến trình, hiệu năng AI có thể được cải thiện bằng cách rút ngắn thời gian dữ liệu di chuyển giữa các thành phần của hệ thống.

Đối đầu với Nvidia và Broadcom trên “mặt trận ánh sáng”

Huawei không phải doanh nghiệp duy nhất theo đuổi hướng đi này.

Nvidia đang tích hợp công nghệ quang học vào các nền tảng AI thế hệ mới. Công ty cho biết nền tảng Vera Rubin sử dụng Spectrum-X Ethernet Photonics, kết hợp chuyển mạch với quang học đồng đóng gói để phục vụ các “AI factory” quy mô rất lớn.

Trong khi đó, Broadcom cũng đang đầu tư mạnh vào CPO và các công nghệ quang học dành cho AI. Tại các diễn đàn công nghệ trong năm 2026, Broadcom tập trung vào những giải pháp nhằm đáp ứng nhu cầu kết nối với tốc độ ngày càng cao giữa các bộ tăng tốc AI và các thành phần mạng.

Sự khác biệt nằm ở cách tiếp cận.

Nvidia và Broadcom đang thúc đẩy các kiến trúc quang học phục vụ hệ sinh thái AI mà họ xây dựng, trong khi Huawei muốn kết hợp chip AI Ascend, kiến trúc hệ thống, giao thức Unified Bus và Hi-ONE thành một nền tảng tương đối hoàn chỉnh.

Huawei từng công bố hệ thống Atlas 950 SuperPoD có thể tích hợp tới 8.192 chip Ascend 950DT, với tổng băng thông kết nối lên tới 16 PB/s và sử dụng kết nối hoàn toàn bằng quang học. Hệ thống dự kiến được cung cấp từ quý IV/2026.

Cuộc đua không còn chỉ là “ai có chip nhanh hơn”

Sự phát triển của kết nối quang cho thấy cấu trúc cạnh tranh trong ngành AI đang thay đổi.

Trong giai đoạn đầu, cuộc đua chủ yếu xoay quanh GPU, bộ nhớ HBM và tiến trình sản xuất. Nhưng khi các cụm AI mở rộng, khả năng kết nối hàng nghìn chip với nhau nhanh và tiết kiệm điện ngày càng quan trọng.

Điều này kéo theo cuộc đua ở nhiều lớp công nghệ: chip mạng, SerDes, optical engine, silicon photonics, CPO/NPO, cáp quang, switch, giao thức kết nối và đóng gói tiên tiến.

Nói cách khác, “băng thông giữa các chip” đang trở thành một loại tài nguyên quan trọng không kém năng lực tính toán của chính chip AI.

Huawei có lợi thế nhưng vẫn đối mặt nhiều thách thức

Huawei đang cố gắng tận dụng lợi thế về khả năng tích hợp hệ thống để bù đắp những hạn chế do các lệnh kiểm soát công nghệ của Mỹ.

Việc Trung Quốc gặp khó khăn trong tiếp cận các công nghệ bán dẫn tiên tiến đã thúc đẩy Huawei tìm kiếm những cách tăng hiệu năng không hoàn toàn phụ thuộc vào việc thu nhỏ transistor.

Tau Scaling Law được Huawei công bố tháng 5/2026 đặt trọng tâm vào việc giảm thời gian truyền tín hiệu ở nhiều cấp độ, từ transistor, mạch điện, chip đến toàn hệ thống. Huawei cho biết đã thiết kế và sản xuất hàng loạt 381 chip dựa trên nguyên lý này.

Tuy nhiên, các tuyên bố về hiệu năng và khả năng thay thế những kiến trúc hiện hành vẫn cần được kiểm chứng độc lập trong các hệ thống AI thực tế. Huawei cũng phải giải quyết những bài toán về sản xuất, công cụ thiết kế, vật liệu, đóng gói và hệ sinh thái nhà cung cấp nếu muốn biến công nghệ thành một nền tảng có quy mô toàn cầu.

Quang học trở thành hạ tầng chiến lược của AI

Cuộc cạnh tranh giữa Huawei, Nvidia và Broadcom vì thế không chỉ là cuộc đua giữa ba doanh nghiệp.

Nó phản ánh một xu hướng lớn hơn của ngành bán dẫn: khi khả năng tính toán tăng nhanh hơn khả năng truyền dữ liệu, kết nối quang học trở thành một trong những công nghệ nền tảng để mở rộng AI.

Đối với các trung tâm dữ liệu thế hệ mới, việc chuyển từ đồng sang quang có thể giúp tăng băng thông, giảm tiêu thụ năng lượng và mở rộng quy mô kết nối giữa các chip.

Trong bối cảnh đó, Huawei đang tìm cách xây dựng một hướng đi riêng dựa trên Tau Scaling Law, Unified Bus và Hi-ONE, trong khi Nvidia và Broadcom tiếp tục đẩy mạnh CPO, photonics và các kiến trúc mạng AI tốc độ cao.

Cuộc đua AI vì thế đang chuyển sang một mặt trận mới: không chỉ ai có bộ xử lý mạnh nhất, mà còn ai có thể đưa dữ liệu giữa hàng nghìn bộ xử lý với tốc độ cao nhất và mức tiêu thụ năng lượng thấp nhất.