Sẽ cần bao nhiêu Bộ xử lý đồ họa (GPU) để biến việc tạo văn bản thành video thành xu hướng chủ đạo? Hàng trăm nghìn – và nhiều hơn thế nữa hiện đang được Microsoft {{MSFT}}, Meta {{META}} và Google {{GOOG}} cộng lại sử dụng.

Bản demo đầu tiên của trình tạo văn bản thành video Sora của OpenAI đã khiến cả thế giới ngạc nhiên và mối quan tâm mới này đối với các mã thông báo Trí tuệ nhân tạo (AI), với nhiều mã tăng vọt sau bản demo.

Trong những tuần tiếp theo, nhiều dự án AI tiền điện tử đã xuất hiện, cũng hứa hẹn sẽ thực hiện chuyển văn bản thành video và chuyển văn bản thành hình ảnh, đồng thời danh mục mã thông báo AI hiện có vốn hóa thị trường là 25 tỷ USD theo dữ liệu của CoinGecko.

Đằng sau lời hứa về video do AI tạo ra là đội quân Bộ xử lý đồ họa (GPU), bộ xử lý từ Nvidia {{NVDA}} và AMD {{AMD}}, giúp tạo nên cuộc cách mạng AI nhờ khả năng tính toán của chúng khối lượng lớn dữ liệu.

Nhưng cần bao nhiêu GPU để biến video do AI tạo ra trở thành xu hướng chủ đạo? Nhiều hơn những công ty công nghệ lớn có trong kho vũ khí của họ vào năm 2023.

Một báo cáo nghiên cứu gần đây của Factorial Funds ước tính rằng cần có 720.000 GPU Nvidia H100 cao cấp để hỗ trợ cộng đồng người sáng tạo TikTok và YouTube.

Sora, Factorial Funds viết, cần tới 10.500 GPU mạnh mẽ trong một tháng để đào tạo và chỉ có thể tạo ra khoảng 5 phút video mỗi giờ cho mỗi GPU để suy luận.

Như biểu đồ trên chứng minh, việc đào tạo điều này đòi hỏi sức mạnh tính toán cao hơn đáng kể so với GPT4 hoặc tạo hình ảnh tĩnh.

Với việc áp dụng rộng rãi, khả năng suy luận sẽ vượt qua việc đào tạo về cách sử dụng máy tính. Điều này có nghĩa là khi nhiều người và công ty bắt đầu sử dụng các mô hình AI như Sora để tạo video, sức mạnh máy tính cần thiết để tạo video mới (suy luận) sẽ lớn hơn sức mạnh cần thiết để đào tạo mô hình AI ban đầu.

Để dễ hình dung, Nvidia đã xuất xưởng 550.000 GPU H100 vào năm 2023.

Dữ liệu từ Statista cho thấy rằng tổng cộng 12 khách hàng lớn nhất sử dụng GPU H100 của Nvidia có 650.000 thẻ và hai khách hàng lớn nhất—Meta và Microsoft—có 300.000 thẻ.

Giả sử chi phí là 30.000 USD cho mỗi thẻ, sẽ phải mất 21,6 tỷ USD để mang lại giấc mơ của Sora về xu hướng chuyển văn bản thành video do AI tạo ra, gần như toàn bộ vốn hóa thị trường của mã thông báo AI vào thời điểm hiện tại.

Đó là nếu bạn có thể có được tất cả GPU để làm việc đó.

Mặc dù Nvidia đồng nghĩa với cuộc cách mạng AI nhưng điều quan trọng cần nhớ là đây không phải là trò chơi duy nhất trong thị trấn.

Đối thủ chip lâu năm của họ là AMD tạo ra các sản phẩm cạnh tranh và các nhà đầu tư cũng đã khen thưởng xứng đáng cho công ty, đẩy cổ phiếu của họ từ mức 2 USD vào mùa thu năm 2012 lên hơn 175 USD hiện nay.

Ngoài ra còn có nhiều cách khác để thuê ngoài sức mạnh tính toán cho các trang trại GPU. Kết xuất (RNDR) cung cấp tính toán GPU phân tán, Akash Network (AKT) cũng vậy. Nhưng phần lớn GPU trên các mạng này là GPU chơi game cấp bán lẻ, kém mạnh hơn đáng kể so với đối thủ H100 cấp máy chủ của Nvidia hoặc đối thủ cạnh tranh của AMD.

Bất chấp điều đó, lời hứa chuyển văn bản thành video mà Sora và các giao thức khác hứa hẹn sẽ yêu cầu nâng cấp phần cứng cực lớn. Mặc dù đây là tiền đề hấp dẫn và có thể cách mạng hóa quy trình sáng tạo của Hollywood nhưng đừng hy vọng nó sẽ sớm trở thành xu hướng chủ đạo.

Chúng ta sẽ cần nhiều chip hơn.