Sau cơn sốt GPU, linh kiện bán dẫn nào sẽ là tâm điểm tiếp theo của AI?

Trong vài năm trở lại đây, GPU gần như trở thành biểu tượng của làn sóng trí tuệ nhân tạo. Sự phát triển của mô hình ngôn ngữ lớn (LLM), AI tạo sinh và các hệ thống đa phương thức đã khiến nhu cầu về năng lực tính toán tăng nhanh, kéo theo những khoản đầu tư lớn vào GPU và các bộ tăng tốc dành cho trung tâm dữ liệu.

Đến năm 2026, quy mô của xu hướng này đã thể hiện rõ trong toàn ngành bán dẫn. Theo Deloitte trong Báo cáo Triển vọng ngành bán dẫn 2026, doanh thu bán dẫn toàn cầu có thể đạt khoảng 975 tỷ USD trong năm nay, trong đó chip phục vụ AI tạo sinh được dự báo chiếm gần 500 tỷ USD. Điều đáng chú ý là nhóm chip AI có giá trị rất cao nhưng chỉ chiếm một phần rất nhỏ về số lượng linh kiện được bán ra, cho thấy AI đang tạo ra sự phân hóa mạnh trong cơ cấu giá trị của thị trường bán dẫn.

Tuy nhiên, cơn sốt GPU chưa phải toàn bộ câu chuyện. Khi hàng nghìn bộ xử lý cùng hoạt động trong một cụm AI, hiệu năng của hệ thống bắt đầu phụ thuộc ngày càng nhiều vào tốc độ đưa dữ liệu đến bộ xử lý, khả năng kết nối giữa các chip, hiệu suất cấp nguồn và cách nhiều thành phần được tích hợp trong cùng một hệ thống. Sự dịch chuyển này đang đưa nhiều linh kiện bán dẫn từng đứng phía sau GPU trở thành những mắt xích chiến lược của hạ tầng AI.

I. Graphics Processing Unit (GPU) và làn sóng AI

1. GPU trong hạ tầng AI

GPU ban đầu được phát triển để xử lý đồ họa, nhưng kiến trúc có khả năng thực hiện nhiều phép tính song song khiến loại bộ xử lý này đặc biệt phù hợp với huấn luyện và suy luận mô hình AI. Khi quy mô mô hình tăng lên, hàng trăm hoặc hàng nghìn GPU có thể được kết nối thành một cụm để cùng xử lý một khối lượng dữ liệu rất lớn.

Sự phát triển này đã làm thay đổi đáng kể cơ cấu thị trường bán dẫn. Theo Deloitte, AI đang trở thành động lực chính đưa doanh thu ngành bán dẫn lên mức cao kỷ lục trong năm 2026, trong khi nhiều phân khúc truyền thống như điện thoại, máy tính cá nhân và một số ứng dụng ngoài trung tâm dữ liệu tăng trưởng chậm hơn.

GPU vì vậy vẫn giữ vị trí rất quan trọng trong hạ tầng AI. Tuy nhiên, khi số lượng GPU và năng lực tính toán tiếp tục tăng, phần còn lại của hệ thống cũng phải mở rộng theo cùng tốc độ. Nếu dữ liệu không được đưa đến GPU đủ nhanh hoặc các bộ xử lý không thể trao đổi dữ liệu hiệu quả với nhau, phần năng lực tính toán bổ sung sẽ khó được khai thác đầy đủ.

Hình 1. Hiệu năng GPU tăng mạnh qua nhiều thế hệ, thúc đẩy sự phát triển của hạ tầng AI

2. Hiệu năng toàn hệ thống AI

Một hệ thống AI hiện đại có thể được nhìn như sự phối hợp giữa tính toán, bộ nhớ, kết nối dữ liệu, cấp nguồn và đóng gói. Mỗi thành phần đều có hạn chế riêng và một nút thắt tại bất kỳ vị trí nào cũng có thể ảnh hưởng đến hiệu năng tổng thể.

Xu hướng này thể hiện khá rõ trong năm 2026. Deloitte cũng nhận định cuộc đua đang chuyển mạnh sang hiệu năng cấp hệ thống, nơi bộ xử lý, HBM, chiplet và hạ tầng mạng phải được tích hợp chặt chẽ hơn. Trong khi đó, một phân tích của Gartner vào tháng 5/2026 cho rằng các điểm nghẽn quan trọng của hạ tầng AI giai đoạn 2026–2027 đang tập trung ngày càng nhiều vào HBM và đóng gói tiên tiến, thay vì chỉ nằm ở bản thân chip tăng tốc.

Cách nhìn này cũng giúp giải thích vì sao thị trường linh kiện bán dẫn dành cho AI đang mở rộng ra ngoài GPU. Giá trị đang lan sang những thành phần giúp GPU nhận dữ liệu nhanh hơn, liên lạc với nhiều bộ xử lý hơn và vận hành hiệu quả hơn trong các cụm có mật độ ngày càng cao.

Hình 2. Một hệ thống chip hiện đại tích hợp nhiều thành phần thông qua công nghệ đóng gói tiên tiến

II. Sự dịch chuyển của thị trường linh kiện bán dẫn

1. Bộ nhớ

GPU có thể thực hiện khối lượng tính toán rất lớn, nhưng các phép tính đó cần được cung cấp dữ liệu liên tục. Nếu băng thông bộ nhớ không theo kịp, bộ xử lý phải chờ dữ liệu và khả năng tính toán sẵn có không được sử dụng hiệu quả.

Đây là lý do HBM – bộ nhớ băng thông cao trở thành một trong những linh kiện quan trọng nhất của chip AI hiện đại. HBM sử dụng nhiều lớp DRAM xếp chồng và được đặt rất gần bộ xử lý thông qua công nghệ đóng gói tiên tiến, nhờ đó tăng đáng kể băng thông truyền dữ liệu và giảm khoảng cách giữa bộ nhớ với bộ xử lý.

Tầm quan trọng của HBM hiện đã vượt ra ngoài vấn đề hiệu năng kỹ thuật và ảnh hưởng trực tiếp đến thị trường chip AI. Tháng 9/2026, Reuters ghi nhận tình trạng thiếu HBM đã góp phần khiến một số nhà sản xuất bộ tăng tốc AI tại Trung Quốc tăng giá sản phẩm, cho thấy nguồn cung bộ nhớ có thể trở thành một điểm nghẽn thực tế của toàn hệ thống.

PMAC đã phân tích chi tiết hơn về cấu trúc xếp chồng DRAM, TSV và vai trò của loại bộ nhớ này trong bài HBM là gì? Vì sao chip AI cần bộ nhớ băng thông cao?.

Hình 3. HBM được đặt gần bộ xử lý để đáp ứng nhu cầu băng thông ngày càng lớn của AI

2. Nhu cầu kết nối dữ liệu và sự phát triển của các công nghệ kết nối quang học

Khi một cụm AI có hàng nghìn GPU, lượng dữ liệu cần di chuyển giữa các bộ xử lý cũng tăng mạnh. Trong môi trường này, tốc độ của từng GPU chỉ là một phần của bài toán; toàn bộ mạng kết nối giữa GPU, bộ nhớ, máy chủ và các cụm xử lý phải duy trì băng thông tương ứng.

Deloitte dự báo chi tiêu cho mạng AI sẽ tiếp tục tăng nhanh trong những năm tới, đồng thời nhận định những kết nối điện bằng đồng truyền thống ngày càng gặp nhiều thách thức về băng thông, điện năng và khoảng cách khi quy mô cụm AI tăng lên. Đây là một trong những động lực thúc đẩy các công nghệ kết nối quang tiến sâu hơn vào bên trong trung tâm dữ liệu.

Xu hướng này đặc biệt rõ với CPO – quang học đồng đóng gói, trong đó các bộ phận quang được đưa đến gần chip mạng hơn để rút ngắn đường truyền điện. Theo TrendForce, thị trường CPO và NPO được dự báo tăng từ khoảng 100 triệu USD năm 2025 lên hơn 39 tỷ USD vào năm 2030 khi các trung tâm dữ liệu AI chuyển sang kết nối quang ở mật độ cao hơn.

3. Nhu cầu điện năng

Một cụm GPU mạnh hơn đồng nghĩa với lượng điện cần cấp và lượng nhiệt phải xử lý cũng tăng theo. Vì vậy, hệ thống nguồn đang trở thành một phần quan trọng của kiến trúc AI thay vì chỉ là hạ tầng phụ trợ phía sau máy chủ.

Các linh kiện bán dẫn công suất dựa trên silicon carbide (SiC) và gallium nitride (GaN) đang được quan tâm trong bối cảnh này nhờ khả năng hoạt động ở điện áp hoặc tần số cao với hiệu suất chuyển đổi tốt trong những ứng dụng phù hợp. TrendForce nhận định năm 2026 SiC và GaN đang bước vào giai đoạn triển khai quy mô lớn hơn, trong đó nhu cầu từ trung tâm dữ liệu AI là một trong những động lực quan trọng do hệ thống ngày càng tiến gần giới hạn về điện năng.

>> Xem thêm: Silicon, SiC và GaN khác nhau thế nào? Vì sao mỗi vật liệu phù hợp với ứng dụng khác nhau?

Deloitte cũng dự báo thị trường bộ nguồn cho máy chủ AI có thể tăng từ khoảng 1,5 tỷ USD năm 2024 lên hơn 31 tỷ USD vào năm 2028. Khi mật độ công suất trên mỗi rack tiếp tục tăng, thiết kế nguồn, chuyển đổi điện áp và hiệu suất của linh kiện công suất sẽ ảnh hưởng ngày càng rõ đến khả năng mở rộng của trung tâm dữ liệu.

4. Công nghệ đóng gói

Một thay đổi khác đang diễn ra ở cách các linh kiện bán dẫn được đặt cạnh nhau. Thay vì để bộ xử lý, bộ nhớ và nhiều thành phần nằm xa nhau trên bảng mạch, các công nghệ đóng gói tiên tiến đưa chúng đến gần hơn để giảm khoảng cách truyền dữ liệu và tăng mật độ kết nối.

Xu hướng này đặc biệt quan trọng với AI vì GPU hoặc bộ tăng tốc thường phải liên tục trao đổi dữ liệu với nhiều khối HBM. Những công nghệ như interposer, tích hợp 2.5D/3D và liên kết mật độ cao vì vậy trở thành một phần trực tiếp của kiến trúc hệ thống.

PMAC đã phân tích sự thay đổi này trong bài Đóng gói bán dẫn là gì? Vì sao chip bán dẫn cần được đóng gói?, trong đó vai trò của đóng gói đang chuyển từ bảo vệ chip sang hỗ trợ kết nối, cấp nguồn, quản lý nhiệt và tích hợp nhiều thành phần trong cùng hệ thống.

Hình 4. Các kiến trúc đóng gói 2.5D và 3D đưa nhiều die đến gần nhau hơn

III. Các nhóm linh kiện đang nổi lên cùng sự bùng nổ của AI

1. HBM4

HBM hiện là một trong những nhóm linh kiện có sự liên hệ trực tiếp nhất với cơn sốt AI. Khi lượng tham số và dữ liệu xử lý tăng lên, băng thông giữa bộ nhớ và bộ xử lý phải tiếp tục mở rộng, khiến ngành chuyển từ HBM3E sang thế hệ HBM4.

Đầu năm 2026, TrendForce cho biết Samsung, SK hynix và Micron đang bước vào giai đoạn cuối của quá trình xác nhận HBM4 cho các nền tảng AI thế hệ mới. Sự chuyển dịch này cho thấy bộ nhớ đang trở thành một phần ngày càng chặt chẽ của thiết kế bộ tăng tốc thay vì được xem như thành phần có thể lựa chọn tương đối độc lập.

HBM4 cũng kéo theo những yêu cầu mới đối với đóng gói và kết nối, bởi số lượng tín hiệu tăng lên trong khi khoảng cách giữa bộ nhớ và logic phải tiếp tục được rút ngắn. Điều này khiến sự phát triển của HBM liên kết trực tiếp với chiplet, interposer, đế đóng gói và các công nghệ liên kết mật độ cao.

2. Bộ tăng tốc AI chuyên dụng

GPU vẫn là nền tảng phổ biến cho AI, nhưng sự phát triển mạnh của suy luận đang mở rộng không gian cho các ASIC và bộ tăng tốc được thiết kế chuyên biệt. Những chip này có thể được tối ưu cho một nhóm mô hình hoặc tải công việc cụ thể, qua đó cân bằng giữa hiệu năng, điện năng và chi phí theo nhu cầu của từng hệ thống.

Xu hướng này ngày càng rõ khi các nhà cung cấp dịch vụ đám mây phát triển chip riêng và nhiều công ty bán dẫn tập trung vào bộ tăng tốc suy luận. Tháng 9/2026, Reuters ghi nhận d-Matrix đang phát triển bộ xử lý Raptor dành cho suy luận AI và tích hợp với công nghệ kết nối NVLink Fusion của Nvidia, phản ánh mô hình trong đó nhiều loại chip tăng tốc có thể cùng tồn tại trong một kiến trúc AI.

Sự phát triển của ASIC, GPU và các chip tăng tốc chuyên dụng cũng tạo thêm nhu cầu đối với các công nghệ tích hợp dị thể, nơi các khối chức năng được thiết kế riêng có thể được ghép lại thay vì xây dựng toàn bộ hệ thống trên một die rất lớn.

3. Chip mạng và linh kiện quang

Khả năng truyền dữ liệu đang trở thành một lớp giá trị mới của thị trường bán dẫn AI. Các chip chuyển mạch tốc độ cao, bộ xử lý tín hiệu, mạch điều khiển quang và linh kiện silicon photonics đều tham gia vào quá trình đưa dữ liệu giữa hàng nghìn bộ xử lý trong trung tâm dữ liệu.

Một tín hiệu đáng chú ý xuất hiện ngay trong tháng 9/2026 khi STMicroelectronics cho biết khoảng 80% mục tiêu doanh thu AI data center hơn 2 tỷ USD của hãng vào năm 2027 được kỳ vọng đến từ chip phục vụ các liên kết dữ liệu quang. Điều này cho thấy kết nối quang đang hình thành một thị trường bán dẫn đáng kể bên cạnh các bộ xử lý AI.

Một bài tổng quan đăng trên Nature Electronics tháng 8/2026 cũng chỉ ra rằng lượng dữ liệu rất lớn trong AI và điện toán hiệu năng cao đang làm lộ rõ giới hạn của kết nối điện về tổn hao, băng thông và năng lượng. Các kiến trúc CPO và kết nối quang chip-to-chip được xem là hướng phát triển tiềm năng, dù ngành vẫn phải giải quyết các bài toán về nhiệt, khả năng sản xuất và tiêu chuẩn hóa.

4. Linh kiện công suất SiC và GaN

SiC và GaN thường được nhắc đến nhiều trong xe điện và điện tử công suất, nhưng sự phát triển của AI đang mở thêm một hướng ứng dụng đáng chú ý. Các trung tâm dữ liệu mới phải chuyển đổi và phân phối lượng điện lớn hơn nhiều so với trước, đồng thời giảm tối đa tổn hao trên từng bước chuyển đổi.

Trong những ứng dụng phù hợp, SiC có lợi thế ở điện áp và công suất cao, trong khi GaN có thể phát huy hiệu quả ở các hệ thống chuyển mạch tần số cao. Khi trung tâm dữ liệu dịch chuyển sang kiến trúc nguồn có điện áp cao hơn và mật độ rack lớn hơn, hai nhóm vật liệu bán dẫn này có thêm không gian ứng dụng.

Có thể khái quát sự dịch chuyển này như sau:

IV. Chiplet và đóng gói tiên tiến

1. Kiến trúc chiplet

Sự phát triển của AI đang thúc đẩy một thay đổi khác ở cấp kiến trúc. Thay vì cố gắng tích hợp toàn bộ chức năng trên một die nguyên khối ngày càng lớn, các nhà thiết kế có thể chia hệ thống thành nhiều chiplet với chức năng riêng rồi kết nối chúng bằng công nghệ đóng gói tiên tiến.

Cách tiếp cận này giúp từng khối logic, bộ nhớ hoặc giao tiếp có thể sử dụng quy trình sản xuất phù hợp với chức năng của mình. Nó cũng tạo điều kiện để tái sử dụng các khối thiết kế và giảm một số rủi ro về năng suất khi kích thước die tăng lên.

PMAC đã phân tích kỹ hơn về cấu trúc này trong bài Chiplet là gì? Vì sao ngành bán dẫn chuyển sang kiến trúc chiplet?. Khi kết hợp chiplet với HBM, vai trò của đóng gói càng lớn vì package phải xử lý đồng thời mật độ kết nối, truyền dữ liệu, cấp nguồn và nhiệt.

2. Đế đóng gói

Số lượng chiplet và HBM tăng làm diện tích package lớn hơn, trong khi khoảng cách giữa các đường kết nối phải tiếp tục thu nhỏ. Điều này tạo áp lực lên độ phẳng, độ ổn định kích thước và đặc tính nhiệt của vật liệu đế.

Đây là một trong những lý do vật liệu kính đang được nghiên cứu cho các thế hệ đế đóng gói tiếp theo. PMAC đã phân tích chủ đề này trong bài Glass Core Substrate là gì? Vì sao vật liệu kính đang được nhắm tới cho chip AI thế hệ mới?, trong đó độ ổn định kích thước của kính được xem xét trong bối cảnh package AI ngày càng lớn và mạng kết nối ngày càng dày đặc.

Những thay đổi ở cấp wafer cho thấy cơn sốt AI đang tạo tác động sâu xuống các lớp vật liệu vốn ít được người dùng cuối nhìn thấy. Khi giới hạn hiệu năng chuyển từ transistor sang tích hợp hệ thống, substrate, interposer và vật liệu kết nối bắt đầu ảnh hưởng trực tiếp đến khả năng mở rộng của chip AI.

3. Công nghệ tạo màng

Các linh kiện bán dẫn thế hệ mới cũng đặt ra yêu cầu cao hơn đối với những lớp vật liệu cực mỏng được tạo trong quá trình sản xuất. Màng kim loại, lớp cản khuếch tán, lớp điện môi và nhiều lớp chức năng phải được kiểm soát chặt về chiều dày, thành phần và độ đồng đều.

Các công nghệ PVD, CVD và ALD giải quyết những nhóm yêu cầu khác nhau trong quá trình này. PVD có thế mạnh ở nhiều lớp kim loại, CVD cung cấp phạm vi vật liệu rộng và năng suất cao, trong khi ALD phù hợp với những lớp cực mỏng hoặc cấu trúc ba chiều cần độ phủ đồng đều.

>> Xem thêm: PVD, CVD và ALD khác nhau thế nào?

Đối với một số công đoạn phía sau wafer và đóng gói, xử lý bề mặt và xi mạ cũng giữ vai trò đáng kể. Những lớp Au, Pd, Ni hay Cu có thể ảnh hưởng đến khả năng dẫn điện, liên kết và độ ổn định của linh kiện; PMAC đã phân tích sâu hơn mối liên hệ giữa vật liệu và quy trình trong bài Vật liệu xi mạ bán dẫn: Cơ hội mới cho PMAC và Umicore.

V. Chuỗi cung ứng linh kiện bán dẫn

1. Vật liệu

Sự mở rộng của AI làm tăng nhu cầu đối với nhiều loại vật liệu nằm phía sau linh kiện hoàn chỉnh, từ wafer Si, SiC và GaN đến bia vật liệu PVD, tiền chất CVD/ALD, hóa chất độ tinh khiết cao, vật liệu xi mạ, vật liệu liên kết và các loại vật tư phục vụ đóng gói.

Các vật liệu này có ảnh hưởng trực tiếp đến khả năng kiểm soát quy trình. Khi cấu trúc linh kiện thu nhỏ và số lượng lớp tăng lên, mức nhiễm tạp có thể chấp nhận được cũng giảm xuống, trong khi độ ổn định giữa các lô vật liệu trở nên quan trọng hơn đối với năng suất sản xuất.

Điều đó mở rộng phạm vi của thị trường bán dẫn AI ra xa hơn các hãng thiết kế GPU. Một hệ thống AI cuối cùng phụ thuộc vào mạng lưới nhà cung cấp vật liệu, thiết bị, công nghệ phân tích, đóng gói và thử nghiệm ở nhiều tầng khác nhau.

2. Thiết bị và đo lường

Những linh kiện ngày càng phức tạp đòi hỏi thiết bị sản xuất và đo lường phát triển tương ứng. Các hệ thống PVD, CVD, ALD, plasma, khắc, làm sạch và xi mạ tạo nên các lớp vật liệu, trong khi những công nghệ như XRF, ICP, SEM, X-Ray hay các hệ đo độ dày và biên dạng giúp xác nhận quá trình có nằm trong giới hạn kỹ thuật hay không.

Vai trò của đo lường tăng lên khi sai số cho phép tiếp tục thu hẹp. Một lớp màng, một điểm liên kết hay một bề mặt có kích thước rất nhỏ vẫn phải duy trì đặc tính ổn định trên hàng nghìn wafer và hàng triệu linh kiện. Vì vậy, năng lực sản xuất bán dẫn luôn gắn với khả năng đo, kiểm soát và truy xuất dữ liệu chất lượng.

3. Hệ sinh thái PMAC

Đây cũng là hướng PMAC đang phát triển trong lĩnh vực bán dẫn. Trên nền tảng kinh nghiệm về vật liệu, hóa chất, xử lý bề mặt, phân tích và phòng LAB, PMAC đang mở rộng danh mục theo hướng kết nối vật liệu bán dẫn, hóa chất công nghệ, thiết bị sản xuất, phân tích – đo lường, đóng gói và hỗ trợ kỹ thuật.

Trong hệ sinh thái này, PMAC định hướng cung cấp các nhóm giải pháp từ Si, SiC, GaN, vật liệu PVD, tiền chất CVD/ALD và hóa chất độ tinh khiết cao đến thiết bị xử lý wafer, giải pháp xi mạ, phân tích và kiểm soát quy trình.

>> Xem thêm: PMAC bước vào giai đoạn mới: Hệ sinh thái kiến tạo giá trị ngành Công nghiệp.

Cách tiếp cận này phù hợp với sự thay đổi của thị trường AI hiện nay. Khi hiệu năng chuyển dần sang cấp hệ thống, nhu cầu của nhà sản xuất cũng mở rộng từ từng linh kiện riêng lẻ sang khả năng kết nối vật liệu – thiết bị – quy trình – đo lường thành một chuỗi công nghệ ổn định.

VI. Kết luận

Cơn sốt GPU vẫn đang tiếp tục, nhưng sự phát triển của AI trong năm 2026 cho thấy giá trị của thị trường bán dẫn đang phân bổ rộng hơn trong toàn bộ hệ thống. HBM đang trở thành một trong những điểm nghẽn rõ nhất ở hiện tại; chip mạng và linh kiện quang tăng vai trò khi cụm AI mở rộng; SiC và GaN được thúc đẩy bởi áp lực điện năng; chiplet và đóng gói tiên tiến trở thành nền tảng để kết nối các thành phần này ở mật độ cao hơn.

Vì vậy, tâm điểm tiếp theo của AI không nằm ở một linh kiện bán dẫn duy nhất. Xu hướng rõ hơn là sự dịch chuyển từ cuộc đua nâng sức mạnh của một bộ xử lý sang cuộc đua tối ưu toàn bộ hệ thống, nơi tính toán, bộ nhớ, kết nối, nguồn và đóng gói phải phát triển đồng thời.

Sự thay đổi này cũng mở rộng phạm vi cơ hội trong chuỗi cung ứng bán dẫn. Giá trị của AI ngày càng đi sâu vào các lớp vật liệu, thiết bị và công nghệ nằm phía sau chip, tạo thêm không gian cho những doanh nghiệp có khả năng tham gia vào các công đoạn chuyên biệt thay vì phải bắt đầu từ việc thiết kế hoặc sản xuất một GPU hoàn chỉnh.

Liên hệ PMAC để tìm hiểu thêm về vật liệu, thiết bị và công nghệ phân tích – đo lường phục vụ các quy trình sản xuất bán dẫn.

Công ty Cổ phần PMAC

HCM: Trung Tâm Công nghệ cao, Lầu 4, Tòa nhà HUTECH, đường D1, Khu Công Nghệ Cao, Phường Tăng Nhơn Phú, TP. Hồ Chí Minh

HN: Số 22B Ơ2 Bán Đảo Linh Đàm, Phường Hoàng Liệt, TP Hà Nội

Hotline: 0387 235 878

Fanpage: PMAC