Tôi không tin vào những thông cáo báo chí kiểu "team up" mơ hồ. Nhưng khi DDN — một gã khổng lồ lưu trữ hiệu năng cao — tuyên bố hợp tác với Nvidia để "giảm độ trễ và chi phí" trong AI, tôi phải dừng lại. Với tôi, bài toán lớn nhất của ngành AI training không nằm ở GPU, mà nằm ở đường ống dữ liệu. Một GPU đắt tiền ngồi chờ dữ liệu là một thảm họa âm thầm. Và cái bắt tay này nhắm thẳng vào điểm đó. Nhưng liệu đây có phải là một bước đột phá thực sự, hay chỉ là một chiêu bài marketing? Tôi sẽ để kỹ thuật tự trả lời.
Trong các cụm training phân tán quy mô lớn, GPU thường xuyên rơi vào trạng thái "đói dữ liệu" — chờ đợi dữ liệu được nạp từ ổ cứng qua CPU trước khi tới GPU. Con đường truyền thống: storage → CPU → GPU, trải qua nhiều lần copy bộ nhớ, system call và xử lý giao thức, tạo ra độ trễ khổng lồ. Nvidia từ năm 2016 đã giới thiệu GPUDirect Storage (GDS), cho phép GPU truy cập trực tiếp NVMe storage qua DMA, bỏ qua CPU và page cache. DDN, với các dòng sản phẩm như AI400X và Exascaler, là một trong những hãng lưu trữ hiệu năng cao sớm ủng hộ GDS. Vì vậy, khi hai bên bắt tay, giới kỹ thuật lập tức nhìn về hướng này. Bài toán này không chỉ ám ảnh các phòng lab AI, mà còn ám ảnh cả những mạng lưới tính toán phi tập trung trong thế giới crypto, nơi từng đồng token phải trả cho băng thông và lưu trữ.
Điều đầu tiên tôi muốn xác nhận: đây không phải là một kiến trúc mới, mà là một sự tích hợp sâu ở tầng kỹ thuật. Cụ thể, khả năng cao là họ sẽ tối ưu hoá đường truyền GPU → storage qua GDS, kết hợp với RDMA/InfiniBand và có thể thêm cả BlueField DPU để giảm tải xử lý giao thức. Tôi không tin vào những thứ gọi là "thần kỳ" — giá trị ở đây đến từ việc loại bỏ các bước thừa trong chuỗi dữ liệu, chứ không phải phát minh ra một cách tính toán mới. Mỗi lần sao chép bộ nhớ bị cắt giảm, GPU có thêm thời gian để tính toán thay vì chờ đợi. CPU cũng được giải phóng, giảm chi phí vận hành. Với các cụm hàng nghìn GPU, lợi ích cộng dồn rất lớn. Dựa trên kinh nghiệm audit của tôi với các hệ thống lưu trữ trong quỹ, tôi biết rằng những cải tiến kiểu này rất khó để đo đếm trong phòng lab, nhưng lại tạo ra khác biệt rõ rệt khi chạy thực tế. Vấn đề là chúng ta cần bằng chứng từ production, không phải từ slide.
Nhìn từ góc thương mại, đây là một vụ bắt tay B2B điển hình. DDN cần "con dấu chứng nhận" từ Nvidia để trấn an khách hàng doanh nghiệp — những người luôn lo sợ về rủi ro tương thích. Nvidia, về phía mình, có động cơ ngầm: nếu dữ liệu không được nạp kịp, GPU sẽ nhàn rỗi, và khách hàng sẽ đắn đo khi mua thêm GPU. Nói thẳng ra, Nvidia đang bảo vệ doanh số GPU của chính mình bằng cách tối ưu hoá hệ sinh thái xung quanh. Đó là một nước cờ phòng thủ chiến lược, không phải một cuộc cách mạng công nghệ. Nhưng cái bắt tay này cũng có thể là tín hiệu cho các nhà đầu tư: DDN có thể đang chuẩn bị cho một vòng gọi vốn hoặc IPO, và cái tên Nvidia giúp câu chuyện định giá thêm phần hấp dẫn. Trong thị trường crypto, chúng ta đã thấy quá nhiều lần "hợp tác chiến lược" chỉ để làm đẹp bảng cân đối kế toán.
Về tác động ngành, câu chuyện "GPU hunger" là có thật. Trong nhiều bài toán training quy mô lớn, thời gian nạp dữ liệu có thể chiếm tỷ trọng đáng kể trong tổng thời gian huấn luyện. Đây là một vấn đề kỹ thuật mà các kỹ sư AI đều thừa nhận, dù con số chính xác còn phụ thuộc vào kiến trúc hạ tầng và kích thước dataset. Nếu giải pháp này được chứng minh hiệu quả, nó sẽ thay đổi cuộc chơi: các doanh nghiệp có thể giảm số lượng server cần thiết, tiết kiệm điện năng và chi phí vận hành. Về lâu dài, ngành lưu trữ sẽ bị cuốn vào vòng xoáy "tương thích GPU". Các hãng không theo kịp sẽ bị đẩy ra ngoài rìa, trở thành nhà cung cấp không có giá trị đặc biệt.
Tuy nhiên, tôi không tin vào những gì không có số liệu. Thông cáo báo chí không công bố một con số hiệu năng nào. Nếu đã có kết quả ấn tượng từ production, chắc chắn họ sẽ khoe. Sự im lặng đó cho thấy dự án có thể chỉ mới ở giai đoạn POC, hoặc chưa vượt qua được các bài kiểm tra quy mô lớn. Tôi cũng không tin vào mức độ "độc quyền" của thỏa thuận. Nvidia đã có quan hệ với nhiều hãng lưu trữ khác. Với DDN, đây có thể chỉ là một mắt xích bình thường trong chuỗi hệ sinh thái, chứ không phải đặc quyền gì ghê gớm. Nếu không có thỏa thuận độc quyền, lợi thế cạnh tranh của DDN so với các đối thủ còn lại là gì? Thị trường đang chứng kiến một xu hướng ai cũng "kết bạn với Nvidia" — và khi tất cả đều có cùng một tấm vé, giá trị của tấm vé đó sẽ bị pha loãng.
Hãy nhìn vào lỗ hổng logic: nếu bài toán chỉ là "GDS + NVMe-oF", tại sao các đối thủ khác lại không làm được? Hoặc họ đã làm rồi, nhưng không được truyền thông đưa tin rầm rộ. Điều khiến tôi nghi ngờ là vấn đề tương thích với kiến trúc mạng. Liệu giải pháp có yêu cầu khách hàng mua cả bộ InfiniBand/NVLink của Nvidia để đạt hiệu quả? Nếu vậy, đó là một hình thức khóa chặt nhà cung cấp, đẩy tổng chi phí sở hữu lên cao hơn, đi ngược lại câu chuyện "giảm chi phí". Đây chính là một góc khuất mà các thông cáo báo chí thường cố tình bỏ qua. Trong một thị trường mà mọi thứ được tô hồng, việc giữ một cái đầu lạnh là tài sản lớn nhất của nhà phân tích.
Điều tôi rút ra không phải là "hợp tác tốt hay xấu", mà là câu hỏi: khi mọi hãng lưu trữ đều lao vào ôm chân Nvidia, đâu là thứ thực sự tạo ra khác biệt? Tôi không tin vào lời hứa suông; tôi tin vào số liệu benchmark được công bố công khai, vào thiết kế có thể kiểm chứng, và vào việc liệu khách hàng có thực sự được hưởng lợi hay chỉ đang trả tiền cho một logo đẹp. Các nhà đầu tư blockchain nên theo dõi chặt chẽ, vì nếu mô hình này thành công, nó sẽ đặt ra tiêu chuẩn mới cho hạ tầng AI phi tập trung. Tuần tới, tôi sẽ để mắt đến bất kỳ con số nào — dù là throughput, latency, hay chi phí trên mỗi token — để xem ai là người rửa tiền cho cuộc chơi này.