Showing posts with label Jensen Huang. Show all posts
Showing posts with label Jensen Huang. Show all posts

11.12.2026

Một Cây Hay Cả Hòn Núi? Jensen Huang Ra Đi, Và Nvidia Còn Giữ Được Gì

Written by: Claude AI.

Curator/Editor: Học Trò.


Ông bà ta dạy: "Một cây làm chẳng nên non, ba cây chụm lại nên hòn núi cao." Suốt mười năm qua, giới đầu tư nhìn Nvidia như một trường hợp ngoại lệ của câu ca dao ấy: một cây duy nhất mà thành cả hòn núi. Jensen Huang lập công ty năm 1993, làm tổng giám đốc ba mươi ba năm liền, có hơn sáu mươi người báo cáo thẳng cho mình, tự tay giữ mối quan hệ với các ông chủ chuỗi cung ứng ở châu Á, tự mình vận động ở Nhà Trắng, tự đứng ra làm "nhà băng" cho cả ngành trí tuệ nhân tạo. Sáng thứ Năm, 12 tháng 11 năm 2026, cái cây ấy đổ. Hội đồng quản trị Nvidia thông báo ông Huang từ chức, có hiệu lực ngay, sau một tuần dồn dập tin tức về hai mối quan hệ ngoài hôn nhân: một với người phụ nữ mà tình báo Mỹ cho là làm việc cho Trung Quốc, một với một nữ giám đốc dưới quyền ông. Bài này không kể lại chuyện đời tư cho thêm chi tiết; báo chí đã làm việc ấy rồi. Bài này hỏi một câu khác, câu mà mấy năm nay tôi đã đọc quanh ông Huang để chuẩn bị mà không ngờ có ngày phải hỏi thật: trong những lợi thế làm Nvidia trở thành hãng chip không ai đuổi kịp, phần nào là hòn núi — nằm trong tổ chức, trong phần mềm, trong hai mươi năm tích lũy — và phần nào chỉ là cái cây, mọc từ một con người, và sẽ đổ theo người ấy?


1. Một Thông Cáo Báo Chí Không Nói Điều Gì

Văn bản chính thức ngắn đến mức lạnh lùng. Thông cáo Nvidia nộp cho Ủy ban Chứng khoán Mỹ (SEC) đề ngày 12 tháng 11 có ba gạch đầu dòng: Jensen Huang từ chức; bà Colette Kress, phó chủ tịch điều hành kiêm giám đốc tài chính, làm tổng giám đốc tạm quyền; ông Harvey C. Jones được bổ nhiệm làm "chủ tịch hội đồng quản trị đầu tiên trong lịch sử" công ty. Ông Huang rời cả ba chức vụ cùng lúc: chủ tịch công ty (president), tổng giám đốc, và thành viên hội đồng quản trị. Bản 8-K đi kèm ghi rõ một chi tiết nhỏ mà báo chí ít để ý: hội đồng đã chấp nhận đơn từ chức từ ngày 11 tháng 11, tức tối hôm trước. Sáng hôm sau mới công bố.

Thông cáo cảm ơn ông vì "những đóng góp không thể đo đếm cho công ty và cho cả ngành", gọi Nvidia là "một trong những công ty công nghệ quan trọng nhất thế giới". Nó không có một chữ nào về lý do. Bà Kress được trích lời cam kết "xây tiếp trên nền móng phi thường mà Jensen đã tạo ra trong ba mươi ba năm qua". Ông Jones nói hội đồng "hoàn toàn tin tưởng" bà Kress và ban lãnh đạo, và kỳ vọng "hoạt động, cam kết với khách hàng và lộ trình sản phẩm sẽ tiếp tục không gián đoạn". Câu cuối thông cáo nhắc rằng Nvidia vẫn công bố kết quả quý ba tài khóa 2027 vào thứ Ba, 17 tháng 11, "như đã lên lịch".

Đọc kỹ, thông cáo ấy là một lời trấn an được viết bằng ngôn ngữ của sổ sách: lộ trình sản phẩm, cam kết với khách hàng, lịch công bố lợi nhuận. Nó nói với thị trường rằng hòn núi vẫn đứng. Nhưng việc phải bổ nhiệm "chủ tịch đầu tiên" — sau ba mươi ba năm công ty không có chủ tịch hội đồng — lại là một lời thú nhận ngầm rằng có một chỗ trống không ai lấp, vì trước giờ chỗ ấy chưa từng được coi là trống.

Thị trường đọc ra cả hai thông điệp. Theo New York Times, cổ phiếu Nvidia sáng thứ Năm có lúc mất tới 14 phần trăm, rồi hồi lại phần lớn, đóng cửa giảm hơn 4 phần trăm. CNBC ghi nhận trong phiên có lúc giá trị vốn hóa tưởng như sẽ rơi xuống dưới mốc 4 nghìn tỷ đô-la lần đầu tiên kể từ tháng 7 năm 2025, nhưng gần giờ đóng cửa thì nhích lên lại trên mốc ấy. Chỉ số bán dẫn Philadelphia chỉ giảm khoảng 2 phần trăm, và vài đối thủ của Nvidia — Broadcom, Qualcomm, AMD — còn tăng giá đầu phiên. Nỗi sợ ban đầu là "cây đổ thì núi lở"; đến chiều, giới đầu tư có vẻ tin hơn rằng núi vẫn còn, chỉ là không biết ai sẽ trông.


2. Mười Ngày, Và Những Gì Đã Được Biết

Phải kể lại diễn tiến, dù ngắn gọn, vì cách sự việc diễn ra nói nhiều về cách Nvidia được điều hành.

Theo dòng thời gian New York Times dựng lại, năm 2023 một nữ doanh nhân Trung Quốc tên Alice Huang (không có họ hàng với ông Jensen Huang) lập một công ty dữ liệu ở Singapore tên Megaspeed. Công ty này, lúc đầu có chủ sở hữu người Trung Quốc, sớm trở thành khách mua chip AI của Nvidia trị giá hàng tỷ đô-la. Hai người họ Huang quen nhau ít nhất từ tháng 12 năm 2023, khi cùng ăn tối với đồng nghiệp ở Singapore. Từ tháng 6 năm 2024 đến tháng 6 năm 2025, một công ty con của Megaspeed nhận hơn hai trăm chuyến hàng thiết bị AI của Nvidia. Tháng 9 năm 2025, Bộ Thương mại Mỹ mở điều tra xem có phải một phần số chip ấy đã bị chuyển sang Trung Quốc, trái luật kiểm soát xuất khẩu. Tháng 10 năm 2025, theo tờ báo, giới tình báo Mỹ báo cho Tổng thống Trump rằng ông Huang có quan hệ với bà Huang, người họ mô tả là "một nguồn tình báo của Trung Quốc"; ông Trump chọn không làm gì. Tháng 12 năm 2025, Tổng thống chấp thuận cho bán chip H200 mạnh hơn sang Trung Quốc. Tháng 5 năm 2026, Ngoại trưởng Marco Rubio cảnh báo các quan chức Mỹ về mối quan hệ này; cũng tháng ấy, ông Trump mời ông Huang theo mình sang Bắc Kinh.

Tháng 10 năm 2026, New York Times đăng tin về mối quan hệ. Chủ nhật, 8 tháng 11, ông Huang gửi thư cho nhân viên, nhận mình đã "không chung thủy" với vợ, làm tổn thương vợ con, và viết: "Tôi chịu hoàn toàn trách nhiệm về việc mình đã làm và nỗi đau mình gây ra, và tôi chấp nhận mọi chỉ trích đi kèm." Ông không nêu tên người kia. Cùng ngày, hội đồng quản trị lập một ủy ban gồm các thành viên độc lập và luật sư bên ngoài để điều tra những thông tin cho rằng ông là "mục tiêu của một chiến dịch tình báo nước ngoài", nhưng nói rõ hội đồng "không có lý do để tin rằng an ninh quốc gia hay bí mật của Nvidia đã bị xâm phạm". Người phát ngôn Nvidia nói với CNN: "Jensen cam kết tiếp tục lãnh đạo Nvidia với tư cách tổng giám đốc, không gián đoạn."

Lời cam kết ấy giữ được bốn ngày. Thứ Tư, 11 tháng 11, New York Times đưa tin ông Huang còn có quan hệ với bà Kimberly Powell, phó chủ tịch phụ trách mảng y tế của Nvidia, người báo cáo trực tiếp cho ông, dựa trên lời năm người từng làm ở công ty. Theo Al Jazeera dẫn Reuters, hội đồng họp ngay chiều hôm ấy để cân nhắc việc phế truất. Tối đó, đơn từ chức được chấp nhận.

Thêm hai mạch tin đáng ghi lại, vì chúng chạm vào chính cách Nvidia vận hành chứ không chỉ đời tư một người. Mạch thứ nhất: theo tin New York Times được The Next Web thuật lại, tháng 8 năm 2025, khi cuộc điều tra Megaspeed đang chạy, tổng cố vấn pháp lý của Nvidia là ông Tim Teter đã gửi email cho các điều tra viên của Cục Công nghiệp và An ninh (BIS), viết rằng thứ trưởng Jeff Kessler đã cho phép Nvidia liên hệ về vụ này. Các điều tra viên từ chối gặp. Về sau Bộ Tư pháp đề nghị Bộ Thương mại ngưng điều tra, và hiện Bộ Tư pháp đang tiến hành một cuộc điều tra hình sự với Megaspeed. Một quan chức Bộ Thương mại nói ông Kessler đã dặn cấp dưới làm "đúng quy trình". Mạch thứ hai: New York Times ghi nhận rằng cuối năm 2025, khi lo ngại về Megaspeed đang lên, Nvidia đổi cách ghi nhận doanh thu theo khu vực, khiến người ngoài khó thấy bao nhiêu doanh thu đi qua Đông Nam Á và Singapore. Báo cáo quý gần nhất của Nvidia nộp cho SEC đúng là ghi: doanh thu theo khu vực được xác định "theo vị trí trụ sở của khách hàng trực tiếp", và "khách hàng cuối cùng cũng như nơi giao hàng có thể khác với vị trí trụ sở". Một câu chữ kế toán khô khan, nhưng trong bối cảnh này nó có sức nặng.


3. Điều Chưa Ai Chứng Minh

Trước khi đi tiếp, cần nói cho công bằng, vì một bài viết về sự sụp đổ của một con người dễ trượt thành phán xử.

Thứ nhất, những gì được xác nhận chắc chắn là: ông Huang tự thừa nhận ngoại tình; hội đồng quản trị chấp nhận đơn từ chức; Bộ Tư pháp đang điều tra Megaspeed. Còn việc bà Alice Huang là gián điệp thì cho đến hôm nay vẫn là kết luận của các cơ quan tình báo Mỹ được báo chí thuật lại, chưa phải điều được chứng minh công khai trước tòa. Bộ Ngoại giao Trung Quốc gọi cáo buộc ấy là "suy đoán hoàn toàn vô căn cứ, một nỗ lực bôi nhọ" Trung Quốc. Megaspeed phủ nhận buôn lậu chip, nói đang tự điều tra và đã đề nghị hợp tác với chính phủ Mỹ mà không được trả lời. Bà Huang không trả lời báo chí. Al Jazeera dẫn lời phóng viên của họ: "Chưa có bằng chứng xác lập rằng ông ấy cố ý giúp Bắc Kinh hay bí mật công ty bị xâm phạm."

Thứ hai, ông Dave Lu, người sáng lập quỹ Hyphen Capital và một tổ chức phi lợi nhuận chống kỳ thị người Mỹ gốc Á, viết cho CNBC một đoạn mà người Việt ở hải ngoại đọc sẽ thấy nhói: "Thật khó tả việc nhìn thấy một người trông giống chúng tôi trở thành gương mặt của cuộc cách mạng AI trên sân khấu thế giới có ý nghĩa thế nào. Ông là hình mẫu di dân tay trắng làm nên của giấc mơ Mỹ. Từ rửa chén ở Denny's đến điều hành công ty giá trị nhất thế giới. Con cái chúng tôi mặc áo khoác da đi Halloween đầy tự hào. Tất cả sụp đổ trong vài ngày." Ông Lu lo rằng câu chuyện "gián điệp mỹ nhân kế" sẽ nuôi định kiến rằng người Mỹ gốc Á không đáng tin, và làm tổn thương phụ nữ gốc Á vốn đã bị truyền thông Mỹ "tình dục hóa". Ông cũng chỉ ra rằng nhiều tỷ phú da trắng từng ngoại tình, có người với cả cấp dưới, mà vẫn giữ ghế.

Đó là một lập luận cần nghe, dù không phải là toàn bộ câu chuyện. Điều khiến trường hợp ông Huang khác không nằm ở chuyện ngoại tình, mà ở hai điểm cụ thể. Một là quan hệ với cấp dưới trực tiếp, điều hầu hết các công ty lớn đều cấm; bộ quy tắc ứng xử của chính Nvidia dặn nhân viên "tránh các tình huống mà hành động của mình tạo ra xung đột", kể cả "quan hệ cá nhân". New York Times nhắc lại một danh sách dài những tổng giám đốc ra đi vì lý do ấy: Mark Hurd ở HP năm 2010, Brian Krzanich ở Intel năm 2018, Steve Easterbrook ở McDonald's năm 2019. Hai là mối quan hệ kia dính tới một khách hàng đang bị điều tra vì nghi buôn lậu chip của chính công ty, đúng vào lúc người đứng đầu công ty đang vận động Washington nới lệnh cấm bán chip cho Trung Quốc. Ngay cả khi không có gì bị lộ, xung đột lợi ích ấy là có thật, và một hội đồng quản trị không thể bỏ qua.

Bài này sẽ dừng phần đời tư ở đây. Từ đây trở đi, câu hỏi là về công ty.


4. Hòn Núi: Những Lợi Thế Nằm Trong Tổ Chức

Mấy năm nay tôi đọc và viết khá nhiều về Nvidia: con chip GeForce khác con chip Intel ở chỗ nào, lập trình cho GPU bằng CUDA ra sao, chiếc "bánh năm tầng" ông Huang hay vẽ, phép ví "nhà máy AI như chiếc máy bay". Nếu phải gom tất cả lại thành một danh sách những lợi thế độc nhất của Nvidia với tư cách một hãng chip, tôi sẽ chia làm hai cột. Cột thứ nhất là những thứ đã được đúc vào công ty — phần cứng, phần mềm, quy trình, hàng triệu người dùng — tức là hòn núi. Cột thứ hai là những thứ vẫn còn sống trong một con người. Bắt đầu với cột thứ nhất.

4.1. CUDA: hai mươi năm đào hào

Một GPU, nói gọn, là con chip có hàng ngàn "người thợ" đơn giản cùng làm một lúc, trong khi CPU có vài người thợ rất giỏi làm lần lượt từng việc. Ý tưởng ấy sinh ra để vẽ hình cho trò chơi điện tử, nơi hàng triệu điểm ảnh cần tính cùng lúc. Nhưng muốn dùng đội thợ ấy cho việc khác — mô phỏng phân tử, dự báo thời tiết, huấn luyện mạng nơ-ron — thì phải có cách ra lệnh cho họ. CUDA, ra đời năm 2006, chính là cách ra lệnh ấy: một bộ công cụ cho phép lập trình viên viết chương trình chạy trên GPU bằng ngôn ngữ quen thuộc như C++, rồi về sau Python.

Báo cáo năm tài khóa 2026 của Nvidia (kết thúc ngày 25 tháng 1 năm 2026) tự tóm lịch sử của mình bằng mấy cột mốc: phát minh ra GPU năm 1999, giới thiệu CUDA năm 2006 "mở khả năng xử lý song song của GPU cho một loạt ứng dụng tính toán nặng, mở đường cho AI hiện đại", rồi năm 2012 mạng AlexNet huấn luyện trên GPU Nvidia thắng cuộc thi nhận dạng ảnh ImageNet — báo cáo gọi đó là khoảnh khắc "Big Bang" của AI. Cũng trong báo cáo ấy là con số mà mọi phân tích về "con hào" của Nvidia đều quay về: hơn 7,5 triệu lập trình viên trên thế giới đang dùng CUDA và các công cụ phần mềm khác của hãng, hỗ trợ khoảng 6.000 ứng dụng.

Đây là lợi thế lớn nhất, và quan trọng hơn, là lợi thế ít phụ thuộc vào một người nhất. Bảy triệu rưỡi lập trình viên không dùng CUDA vì quý ông Huang. Họ dùng vì mã của họ, thư viện của họ, khóa học họ đã học, luận văn họ đã viết, đều chạy trên đó. Hàng trăm thư viện chuyên ngành mà Nvidia gọi chung là CUDA-X — cho đại số tuyến tính, cho xử lý ảnh y khoa, cho mô phỏng vật lý — là sản phẩm của hàng ngàn kỹ sư qua gần hai mươi năm. Đổi sang chip khác nghĩa là viết lại, kiểm lại, chấp nhận rủi ro chạy chậm hơn. Chi phí chuyển đổi ấy không biến mất khi tổng giám đốc rời ghế.

Đúng là chính ông Huang đã "đặt cược cả công ty" vào CUDA khi chưa ai thấy thị trường — câu chuyện ông kể đi kể lại trên podcast Acquired, ở lễ tốt nghiệp Đại học Quốc gia Đài Loan, ở Stanford. Nhưng cược đã thắng rồi. Một khi con hào đã đào xong và đã có nước, người đào đi đâu thì hào vẫn ở đó.

4.2. Không bán chip, mà bán cả trung tâm dữ liệu

Lợi thế thứ hai ít người ngoài ngành để ý hơn: Nvidia không còn chỉ bán con chip. Báo cáo năm viết rằng các hệ thống trung tâm dữ liệu của hãng được "đồng thiết kế đến tận cùng" gồm GPU, CPU, bộ chuyển mạch NVLink, DPU, card mạng, mạng mở rộng, cùng các tầng phần mềm và thuật toán, để thành "giải pháp tính toán quy mô trung tâm dữ liệu". Bước ngoặt cho chuyện này là thương vụ mua Mellanox, công ty mạng Israel, hoàn tất năm 2020; báo cáo nói nó "mở rộng sản phẩm của chúng tôi sang mạng, giúp nền tảng có quy mô trung tâm dữ liệu".

Lý do mạng quan trọng là vì AI hiện đại không chạy trên một con chip mà trên hàng chục ngàn, thậm chí hàng trăm ngàn con chip phải nói chuyện với nhau liên tục. Nếu đường nối chậm, chip nhanh mấy cũng phải ngồi chờ. Con số trong báo cáo cho thấy Nvidia đã biến điều này thành tiền ra sao: trong tài khóa 2026, doanh thu mạng trung tâm dữ liệu tăng 142 phần trăm, nhờ "kết cấu tính toán NVLink" của các hệ thống GB200 và GB300; riêng quý 4, doanh thu mạng tăng 263 phần trăm lên 11 tỷ đô-la. Một đối thủ muốn cạnh tranh với Nvidia giờ không chỉ phải làm ra một con chip nhanh bằng, mà phải làm ra cả một tủ máy, cả một hệ thống dây nối, cả một lớp phần mềm điều phối — và làm cho chúng khớp nhau.

Đây cũng là hòn núi. Kiến trúc hệ thống được ghi vào bản vẽ, vào hợp đồng với nhà sản xuất máy chủ, vào quy trình kiểm thử. Nó không nằm trong đầu một người.

4.3. Bảy mươi sáu tỷ đô-la nghiên cứu, và một lộ trình đã khóa

Theo báo cáo năm, từ khi thành lập Nvidia đã chi hơn 76,7 tỷ đô-la cho nghiên cứu và phát triển. Phần lớn số tiền ấy chi trong vài năm gần đây, khi doanh thu bùng nổ: từ 4,28 tỷ đô-la năm 2013, năm bà Kress vào công ty, lên gần 215,94 tỷ trong tài khóa gần nhất, theo New York Times — gấp hơn năm mươi lần. Riêng quý hai tài khóa 2027 (kết thúc cuối tháng 7 năm 2026), doanh thu là 96,22 tỷ, trong đó trung tâm dữ liệu chiếm 89 tỷ, tăng 117 phần trăm so với cùng kỳ, theo báo cáo quý nộp SEC.

Điều quan trọng với câu hỏi của bài này: chip AI được thiết kế trước nhiều năm. Những thế hệ sắp ra — Vera Rubin mà ông Huang giới thiệu ở Đài Bắc năm nay, và những thế hệ sau nữa — đã nằm trên bàn kỹ sư, đã đặt chỗ ở xưởng đúc. Câu của ông Jones trong thông cáo, "lộ trình sản phẩm sẽ tiếp tục không gián đoạn", vì thế không phải lời sáo. Trong hai, ba năm tới, Nvidia gần như chắc chắn vẫn ra chip đúng hẹn. New York Times cũng nhận định: "có rất ít lý do để nghĩ việc ông Huang từ chức sẽ đe dọa khả năng của Nvidia phát triển và sản xuất những con chip đã hứa với khách hàng."

4.4. Ba tầng của hòn núi, gói lại

Nếu chỉ nhìn ba lợi thế trên — phần mềm CUDA với 7,5 triệu người dùng, hệ thống đồng thiết kế từ chip đến dây mạng, và lộ trình sản phẩm đã khóa nhiều năm — thì câu trả lời cho câu hỏi đầu bài khá rõ: phần lõi kỹ thuật của Nvidia là hòn núi. Nó sẽ không lở vì một người ra đi. Nhà phân tích CJ Muse của Cantor Fitzgerald, người rất bi quan về sự kiện này, vẫn nói với CNBC: "Ở Nvidia có những người rất tài giỏi." Câu hỏi của ông không phải là năm sau Nvidia còn chip không, mà là "họ giữ lộ trình công nghệ ra sao trong năm năm tới".

Năm năm. Chỗ ấy là nơi cột thứ hai bắt đầu.


5. Cái Cây: Những Lợi Thế Sống Trong Một Con Người

5.1. Mạng lưới cung ứng ở châu Á, giữ bằng tình người

Nvidia là hãng chip không có nhà máy. Báo cáo năm liệt kê đủ: dùng xưởng đúc TSMC và Samsung để làm tấm bán dẫn; mua bộ nhớ của SK Hynix, Micron và Samsung; dùng công nghệ đóng gói CoWoS; thuê Hồng Hải (Foxconn), Wistron và Fabrinet lắp ráp, kiểm thử, đóng gói sản phẩm cuối. Mọi con chip mang tên Nvidia là kết quả của một chuỗi cam kết giữa nhiều công ty độc lập, phần lớn ở châu Á.

Ở một ngành mà năng lực sản xuất luôn thiếu, ai được ưu tiên chỗ ở xưởng đúc, ai được nhận bộ nhớ băng thông cao trước, là chuyện sống còn. Phóng viên Paul Mozur của New York Times, viết từ Đài Bắc, mô tả rằng qua mấy chục năm đi lại Đài Loan, Hàn Quốc, Nhật Bản và Trung Quốc, ông Huang đã dựng nên "một hệ thống tinh vi gồm những nhà cung cấp chồng lớp lên nhau, dựa vào quan hệ cá nhân của ông với rất nhiều giám đốc mà bản thân họ cũng là những người khổng lồ công nghệ". Ai sẽ đảm nhận vai ấy, và người đó có được cùng mức uy quyền hay không, theo Mozur, là "một câu hỏi bỏ ngỏ". Ông cũng ghi lại rằng đây là dấu chấm hết cho một quan hệ đặc biệt giữa ông Huang và ông Morris Chang, người sáng lập TSMC; hai người rất thân, và ở Đài Loan nhiều người đang tự hỏi mất ông Huang thì các công ty ở đó sẽ ra sao, thậm chí liệu Nvidia có còn xây trụ sở lớn đã định trên đảo.

Ai làm ăn với người Hoa, người Đài, người Hàn đều hiểu chỗ này hơn mọi bảng phân tích. Hợp đồng ghi số lượng và giá, nhưng khi thiếu hàng, thứ quyết định ai được giao trước là chữ tín giữa hai người đứng đầu, là bữa cơm ăn với nhau hai mươi năm. Đây là cái cây. Bà Kress, theo New York Times, "đã quen thuộc với Phố Wall, nhưng không có những mối quan hệ của ông Huang với chuỗi cung ứng trải rộng của Nvidia hay với Washington".

Tuy nhiên cũng cần cân lại. Mozur ghi nhận rằng có một công ty miễn nhiễm với cơn chấn động: TSMC, "có lẽ là công ty duy nhất được săn đón hơn cả Nvidia". Nếu Nvidia buông bớt năng lực sản xuất, Google và Amazon — những hãng tự làm chip — sẽ lấy ngay. Nghĩa là quan hệ cá nhân giúp Nvidia được ưu tiên, nhưng nó không phải thứ duy nhất giữ chỗ cho Nvidia ở TSMC: một khách hàng trả tiền đúng hạn với khối lượng lớn nhất thế giới thì vẫn là khách hàng lớn nhất, ai ngồi ghế tổng giám đốc cũng vậy. Cái cây đổ có thể làm mất phần ưu tiên ở biên, không làm mất chỗ đứng.

5.2. "Ngân hàng trung ương của AI"

Lợi thế thứ hai trong cột này mới nhất, lớn nhất, và có lẽ gắn với cá nhân ông Huang nhiều nhất. Mấy năm gần đây, Nvidia không chỉ bán chip mà còn cấp vốn cho người mua chip. New York Times liệt kê: khi OpenAI ký thuê một trung tâm dữ liệu 10 gigawatt ở Ohio hồi tháng 8, chính Nvidia đứng ra bảo lãnh vay 105 tỷ đô-la; vài ngày sau, Nvidia cùng vài công ty Phố Wall lập một quỹ 500 tỷ đô-la để tài trợ hạ tầng AI; Nvidia sở hữu hơn 10 phần trăm CoreWeave, một nhà vận hành trung tâm dữ liệu lớn, và bảo lãnh hàng tỷ đô-la nợ của công ty này. TechCrunch thêm: đến cuối quý hai, Nvidia báo cáo 99 tỷ đô-la đầu tư và 25 tỷ cam kết khác, cùng 36 tỷ "cam kết dịch vụ đám mây" — những thỏa thuận Nvidia hứa mua lại sức tính toán từ các nhà vận hành đám mây, giúp họ có tiền mua chính GPU của Nvidia. Theo một ước tính của ông Ryan Cummings, chánh văn phòng Viện Nghiên cứu Chính sách Kinh tế Stanford, được New York Times dẫn, chỉ riêng các cam kết cho vay và tài trợ đã đủ đưa Nvidia vào vị trí "ngân hàng lớn thứ mười nước Mỹ".

Trong một bài trước, tôi đã ví cấu trúc này với chuyện sở hữu chéo quen thuộc ở Việt Nam: không nhất thiết là gian lận, nhưng mọi rủi ro chạy cùng chiều. Chip là tài sản thế chấp tốt vì nhu cầu cao; nhu cầu cao một phần vì vốn rẻ; vốn rẻ một phần vì chip là tài sản thế chấp tốt. Hệ thống như thế rất đẹp khi đi lên. Và điều quan trọng: nó chạy được một phần vì có một người đứng giữa mà ai cũng tin. Ông Cummings nói thẳng: "Nvidia nằm ở tâm của dòng tài chính vòng tròn này, và tâm của Nvidia rõ ràng là Jensen Huang." New York Times viết thêm rằng trước đây, mỗi lần niềm tin vào câu chuyện AI lung lay, chính ông Huang và Nvidia là người trấn an — bằng doanh số khổng lồ, hoặc bằng cách bước vào cấp vốn cho những dự án trung tâm dữ liệu đang chông chênh. "Lần này", tờ báo viết, "không rõ ai sẽ lấp khoảng trống."

Phản ứng của thị trường ngày thứ Năm cho thấy chỗ này nhạy cảm đến đâu. Cổ phiếu Nvidia đóng cửa chỉ giảm hơn 4 phần trăm, nhưng theo TechCrunch, CoreWeave giảm khoảng 9 phần trăm, Nebius giảm khoảng 16 phần trăm — tức là những công ty sống nhờ vốn và bảo lãnh của Nvidia bị bán mạnh hơn chính Nvidia. Nhà đầu tư dường như hiểu đúng chỗ cái cây che bóng.

Ông Aaron Klein của Viện Brookings đặt một câu hỏi nửa đùa nửa thật: "Đời tư của một tổng giám đốc có thể kéo sập cả nền kinh tế không?" Câu trả lời, theo chính New York Times, "gần như chắc chắn là không", ít ra là không trực tiếp. Nhưng ông Klein cũng cảnh báo rằng mạng lưới tài trợ AI chằng chịt đang đe dọa ổn định tài chính, và "có vẻ các cơ quan quản lý tài chính đang ngủ qua tiếng chuông báo thức". Nếu ban lãnh đạo mới của Nvidia thận trọng hơn với việc cấp vốn — mà một giám đốc tài chính làm tổng giám đốc thì rất có thể thận trọng hơn — thì cơn sốt xây trung tâm dữ liệu, thứ đang đỡ cả ngành xây dựng và sản xuất Mỹ, có thể chậm lại. Nhiều nhà kinh tế cho rằng chậm lại một chút là lành mạnh. Nỗi lo thật là chậm lại đột ngột.

5.3. Washington

Lợi thế thứ ba trong cột này là chính trị. Phóng viên Cecilia Kang của New York Times viết rằng ông Huang là "một tiếng nói dẫn đầu và có ảnh hưởng" ở Washington, ủng hộ mở cửa bán chip cho Trung Quốc và phản đối các quy định về an toàn AI, và là một trong những người vận động mạnh nhất, đích thân đến Nhà Trắng, để đảo ngược lệnh kiểm soát xuất khẩu. CNBC ghi nhận Nvidia đã cam kết ít nhất 26 triệu đô-la cho các dự án do ông Trump hậu thuẫn, kể cả phòng khiêu vũ ở Nhà Trắng, và chi kỷ lục 2,15 triệu đô-la cho vận động hành lang liên bang trong quý ba.

Đây có lẽ là cái cây đổ dứt khoát nhất. Không chỉ vì người vận động không còn, mà vì chính cách người ấy ra đi làm cho lập trường của ông trở thành gánh nặng. Thượng nghị sĩ Elizabeth Warren nói việc ông từ chức "không miễn trách nhiệm cho ông, cho các giám đốc khác hay cho cả công ty" và đòi Bộ trưởng Thương mại Howard Lutnick cùng thứ trưởng Kessler phải giải thích vì sao chưa vá các kẽ hở kiểm soát xuất khẩu. Thượng nghị sĩ Tim Scott, Cộng hòa, chủ tịch Ủy ban Ngân hàng Thượng viện, đã gửi thư mời ông Huang điều trần ngày 3 tháng 12 và ông Lutnick ngày 10 tháng 12, kèm lời cảnh báo sẵn sàng dùng trát hầu tòa. Lãnh đạo đa số Thượng viện John Thune, cũng Cộng hòa, nói việc Quốc hội giám sát là "hợp lý vì bản chất của mối liên hệ". Lãnh đạo thiểu số Chuck Schumer đòi chính quyền Trump phải "trả lời cho những gì họ đã làm khi biết về quan hệ của ông Huang với một người bị nghi là nguồn tình báo Trung Quốc". Và sau cuộc bầu cử giữa kỳ tuần trước, Đảng Dân chủ sắp nắm đa số cả hai viện.

Tổng thống Trump vẫn bênh ông Huang đến cùng: gọi ông là "người đáng kính", khen ông làm "việc tuyệt vời", và trên mạng xã hội còn đề nghị ông Tim Cook, cựu tổng giám đốc Apple, sang thay: "Một huyền thoại thay một huyền thoại!" Nhưng sự che chở của một tổng thống không phải là một tài sản công ty chuyển giao được. Nó gắn với một mối quan hệ cá nhân, và mối quan hệ ấy giờ là đề tài điều trần.

Kết quả dễ đoán: chính sách bán chip cho Trung Quốc gần như chắc chắn sẽ chặt hơn. CNBC dẫn lời một người buôn chip ở Trung Quốc: "Năm nay kiểm soát đã cực kỳ chặt rồi. Có lẽ còn chặt hơn nữa." Người này kể những kẻ buôn lậu chip Mỹ vào Trung Quốc được dặn tạm ngưng sang tuần sau. Trên mạng xã hội Trung Quốc, theo CNBC, một bộ tám GPU B300 — loại vẫn bị cấm — được rao giá chợ đen 20 triệu nhân dân tệ, khoảng 2,99 triệu đô-la, gấp gần sáu lần giá chính thức 550 ngàn đô-la ở Mỹ. Con số ấy cho thấy hai điều cùng lúc: luật cấm có tác dụng (nên mới có chênh lệch giá khổng lồ), và luật cấm có kẽ hở (nên mới có hàng để rao).

Với Nvidia, thị trường Trung Quốc đã teo lại nhiều: TechCrunch cho biết khách hàng Trung Quốc chiếm khoảng 7,9 tỷ đô-la doanh thu quý hai, cỡ 8 phần trăm. Báo cáo quý của Nvidia còn ghi nhận dù chính phủ Mỹ đã cấp giấy phép bán một lượng nhỏ H200, chính phủ Trung Quốc lại hạn chế mua, khiến Nvidia không bán hết được và phải ghi một khoản lỗ 0,4 tỷ đô-la cho hàng tồn. Nghĩa là thứ ông Huang vận động bao năm, kể cả khi thắng ở Washington, cũng chưa chắc đã thành tiền ở Bắc Kinh.

5.4. Sáu mươi người báo cáo thẳng, và tốc độ của một bộ óc

Lợi thế cuối cùng trong cột cái cây là cách ra quyết định. Ông Huang nổi tiếng điều hành công ty với hơn sáu mươi người báo cáo trực tiếp, không họp riêng từng người theo lịch, phản hồi công khai trước cả nhóm với lý lẽ: "Phản hồi là bài học cho mọi người. Sao chỉ một người được học từ một sai lầm?" Trên một podcast hồi tháng 1, ông gọi đội ngũ ấy là "sáu mươi người có thể làm tổng giám đốc đẳng cấp thế giới cho nhiều công ty khác".

Cấu trúc phẳng ấy là một lợi thế cạnh tranh thật. Nó cho Nvidia tốc độ mà những tập đoàn nhiều tầng nấc không có: một thông tin từ khách hàng ở Đài Bắc có thể đến tai người quyết định trong một ngày, một lộ trình sản phẩm có thể đổi trong một tuần. Nhưng nó có một điều kiện: ở tâm phải có một người đủ sức nghe sáu mươi người. Bỏ người ấy đi, cấu trúc phẳng không tự động thành cấu trúc tốt; nó thành sáu mươi người không biết báo cáo cho ai. New York Times nhận xét cấu trúc ấy "sẽ khó gỡ". Bà Kress đã thông báo một cuộc họp toàn công ty ngày 18 tháng 11 để bàn về tương lai.


6. Cùng Một Cái Rễ

Đến đây, có một điều tôi nghĩ là cốt lõi của cả câu chuyện, và nó không dễ chịu: những thứ làm nên lợi thế của Nvidia ở cột thứ hai, và những thứ làm cho cú ngã này có thể xảy ra, mọc lên từ cùng một cái rễ.

Hãy nhìn vào hội đồng quản trị. CNBC ghi nhận trước khi ông Huang ra đi, hội đồng có mười một thành viên và không có chủ tịch. Không ai trong mười người kia là tổng giám đốc đương nhiệm hay cựu tổng giám đốc của một công ty trong nhóm S&P 500. Nhiệm kỳ trung bình của họ là mười lăm năm, trong khi con số trung bình của thành viên độc lập ở các công ty S&P 500 là 7,8 năm, theo dữ liệu Conference Board năm 2025. Chính ông Harvey Jones, người vừa được bầu làm chủ tịch đầu tiên, đã ngồi trong hội đồng từ năm 1993 — từ trước khi Nvidia lên sàn. Giáo sư Jeffrey Sonnenfeld của Trường Quản trị Yale nói với CNBC rằng ông Huang đã thành một "vị quân vương", "đồng thương hiệu đến mức không thể tách" người với công ty, và rằng các hội đồng như thế thường "say mê tổng giám đốc, gần như sùng bái". Với New York Times, ông nói hội đồng Nvidia "đã làm đúng, nhưng mất quá lâu", vì "có rất nhiều dấu hiệu cho bất kỳ hội đồng nào chịu để ý".

Một hội đồng gắn bó lâu năm, tin tưởng tuyệt đối nhà sáng lập, là thứ cho phép ông Huang đặt cược cả công ty vào CUDA năm 2006 mà không bị cổ đông ép bỏ. Cũng chính hội đồng ấy đã không có chủ tịch suốt ba mươi ba năm, không có người kế vị, và theo lời một nhà báo công nghệ trên CNN, công ty "không có người kế nhiệm rõ ràng". Cái giúp Nvidia thắng trong dài hạn và cái làm Nvidia lúng túng hôm nay là một.

Hãy nhìn vào mạng lưới quan hệ châu Á. Những bữa cơm ở Đài Bắc, Singapore, Seoul là cách ông Huang giữ được chỗ ưu tiên ở xưởng đúc và nhà cung cấp bộ nhớ. Cũng chính những bữa cơm ấy — một bữa ở Singapore tháng 12 năm 2023, một sự kiện ở Đài Bắc tháng 6 năm 2024, một bữa tối ở Đài Bắc tháng 5 năm 2025 mà New York Times kể chi tiết — là nơi mối quan hệ dẫn đến sự sụp đổ được nuôi lớn. Người đứng đầu một công ty mà khách hàng gặp được tổng giám đốc là chuyện bình thường; Nvidia từng nói các cuộc gặp của ông Huang "không có gì bất thường", vì "gặp khách hàng là việc của tổng giám đốc; Jensen nói chuyện với hàng ngàn lãnh đạo khách hàng mỗi năm". Lời giải thích ấy đúng với cách Nvidia vận hành. Và chính vì đúng, nó cho thấy cái lỗ hổng: khi mọi quan hệ quan trọng đều đi qua một người, thì người ấy cũng là cửa ngõ duy nhất mà một đối thủ, hay một cơ quan tình báo, cần tìm.

Hãy nhìn vào cấu trúc sở hữu. Theo New York Times, ông Huang là cổ đông cá nhân lớn nhất với 3,56 phần trăm, nhưng không có cổ phiếu "siêu quyền biểu quyết" như Mark Zuckerberg ở Meta. Tháng 1 năm nay, trên một podcast, chính ông nói: "Nếu tổng giám đốc không làm đúng việc theo đánh giá của mười hai hay mười lăm thành viên hội đồng, tổng giám đốc sẽ bị cho nghỉ." Rồi ông thêm: "Sẽ không bao giờ có ai giống tôi, vì tôi được chính công ty nuôi lớn." Câu đầu là lý do ông có thể bị thay. Câu sau là lý do việc thay ông khó đến thế. Cả hai cùng đúng.

Tôi không viết điều này để kết tội một mô hình quản trị. Phần lớn những công ty vĩ đại do nhà sáng lập điều hành đều có cái rễ chung ấy. Tôi viết để nói rằng câu hỏi "Nvidia không có Jensen thì sao?" không thể trả lời bằng cách gạch bỏ ông khỏi bảng tổ chức. Phải hỏi: trong từng lợi thế, ông là người trồng hay là người đang giữ cho nó sống? Với CUDA, ông là người trồng; cây đã tự đứng được. Với tài chính vòng tròn, chuỗi cung ứng ưu tiên và Washington, ông là người đang giữ.


7. Ai Đứng Chờ Dưới Gốc Cây

Khi một cây lớn đổ, những cây con dưới tán bỗng có nắng. Ai đang chờ?

Các hãng tự làm chip. Phóng viên Karen Weise của New York Times viết rằng trong những ngày trước khi ông Huang từ chức, nhiều nhà phân tích đã chỉ ra rằng bất ổn kéo dài ở Nvidia có thể mở cơ hội cho Google và Amazon, những hãng đã đầu tư rất nhiều vào chip AI riêng như những phương án rẻ hơn chip đầu bảng đắt đỏ của Nvidia. Điều đáng lưu ý là các hãng này cũng chính là những khách hàng lớn nhất của Nvidia. Báo cáo năm cho thấy mức tập trung: trong tài khóa 2026, một khách hàng trực tiếp chiếm 22 phần trăm tổng doanh thu, một khách khác chiếm 14 phần trăm. Khi vài khách hàng chiếm hơn một phần ba doanh thu và đồng thời đang tự làm chip, thì mỗi tháng bất ổn ở Nvidia là một tháng họ có thêm lý do để đẩy nhanh phương án riêng.

Các đối thủ trực tiếp. New York Times nhận định sóng gió ở Nvidia "có thể mở cửa cho các đối thủ như AMD và Intel lấn vào" thị phần khoảng 90 phần trăm của Nvidia trong chip AI tiên tiến. Sáng thứ Năm, cổ phiếu AMD, Broadcom và Qualcomm đều tăng đầu phiên. Nhưng như đã nói ở phần 4, khoảng cách phần mềm và hệ thống không đóng lại trong một quý. Đối thủ được lợi về tâm lý khách hàng trước khi được lợi về năng lực. Một giám đốc mua sắm ở một hãng đám mây, trước đây có thể ngại chọn chip khác vì sợ mất lòng nhà cung cấp số một, giờ có cái cớ để "đa dạng hóa rủi ro". Đó là cách hào bắt đầu cạn: không phải đối thủ nhảy qua, mà khách hàng tập bước qua.

Trung Quốc. Ở đây có một nghịch lý. Nếu Washington siết chặt xuất khẩu hơn sau vụ này, các hãng Trung Quốc mất thêm nguồn chip Nvidia, và Huawei — đối thủ lớn nhất của Nvidia ở Trung Quốc — được lợi về thị phần nội địa. CNBC dẫn kết quả của công ty tình báo tư nhân Tesari, theo đó bà Alice Huang có thể từng có cổ phần trong những doanh nghiệp ở Trung Quốc làm lợi cho Huawei. Nếu điều ấy đúng, nghịch lý càng sâu: một câu chuyện bắt đầu từ nghi vấn đưa chip Nvidia vào Trung Quốc có thể kết thúc bằng việc chip Nvidia khó vào Trung Quốc hơn bao giờ hết. Ông Muse của Cantor Fitzgerald nói gọn: "Theo tôi, chúng ta đang nhường vị trí dẫn đầu AI cho Trung Quốc." Đó là một nhận định, không phải sự thật đã xảy ra, nhưng nó cho thấy nỗi lo của giới phân tích.

AI mã nguồn mở. Đây là nạn nhân ít ai nghĩ tới. Theo New York Times dẫn báo cáo của SemiAnalysis, ông Huang là người cổ vũ hàng đầu cho các hệ thống AI mã nguồn mở, rẻ hơn khi vận hành; những hệ thống mở tiên tiến nhất lại được phát triển ở Trung Quốc trên chip Nvidia, và hệ sinh thái mở của Mỹ cùng nhiều start-up Mỹ dựa vào chúng. "Điều này bị suy yếu đáng kể khi Jensen ra đi", các nhà phân tích viết. Báo cáo năm của chính Nvidia đã cảnh báo trước rủi ro này: bất kỳ quy định nào hạn chế khả năng hỗ trợ các ứng dụng và mô hình gốc Trung Quốc "như DeepSeek, Qwen hay KIMMI" có thể "tác động trọng yếu" đến kinh doanh. Thương vụ 12,9 tỷ đô-la mua Hugging Face, thư viện mô hình mở lớn nhất thế giới, công bố tháng 9, là ván cược lớn nhất của ông Huang vào tầng này. Ông Clément Delangue, tổng giám đốc Hugging Face, sau tin từ chức đã khẳng định lại cam kết với AI mã nguồn mở, và viết một dòng mà tôi nghĩ sẽ còn được nhắc lâu: "Buồn cho Jensen. Đúng chất Shakespeare." Rồi ông mượn câu của tướng de Gaulle: "Nghĩa địa đầy những người không thể thay thế."


8. Bà Kress Và Bài Toán Người Kế Vị

Bà Colette Kress năm nay 59 tuổi, có bằng cử nhân tài chính Đại học Arizona và thạc sĩ quản trị kinh doanh Đại học Southern Methodist, từng làm tài chính ở Texas Instruments, Microsoft và Cisco trước khi vào Nvidia năm 2013. New York Times kể ông Huang đã phỏng vấn hai mươi hai ứng viên trước khi chọn bà; hai con trai bà, vốn mê trò chơi điện tử, khuyến khích mẹ nhận việc. Tuần đầu đi làm, bà hỏi ông Huang muốn bà ở vị trí này bao lâu. Ông kể lại trên một podcast năm nay: "Tôi bảo: chừng nào ta còn sống, cho đến khi cái chết chia lìa." Theo báo cáo thường niên, tính đến tháng 3, bà sở hữu hơn 4,4 triệu cổ phiếu, trị giá khoảng 780 triệu đô-la lúc ấy.

Bà Kress là lựa chọn tạm quyền hợp lý theo đúng nghĩa của chữ "tạm": Phố Wall biết bà, bà biết mọi con số, và trong giai đoạn mà nỗi lo lớn nhất là dòng tiền và các cam kết tài chính, một giám đốc tài chính ngồi ghế lái là tín hiệu trấn an. Nhưng xem lại cột "cái cây" ở phần 5, bà chỉ mạnh ở đúng một ô — quan hệ với nhà đầu tư. Các ô còn lại — chuỗi cung ứng châu Á, Washington, tầm nhìn kỹ thuật dài hạn — là những chỗ bà chưa từng phải giữ. New York Times còn nêu một câu hỏi khó hơn: Washington chắc chắn sẽ hỏi bà biết gì về các giao dịch với Megaspeed, và về việc công ty đổi cách báo cáo doanh thu theo khu vực.

Ai sẽ là người thay lâu dài? Al Jazeera điểm vài cái tên. Trong nội bộ có ông Ian Buck, phó chủ tịch phụ trách siêu quy mô và tính toán hiệu năng cao, vào Nvidia năm 2004 và, theo Al Jazeera, đã góp phần phát triển thứ công nghệ đưa Nvidia từ một hãng chip trò chơi thành lực lượng dẫn đầu phần cứng AI — tức là người của hòn núi. Bên ngoài có bà Lisa Su của AMD, ông Sanjay Mehrotra của Micron, và ông Tim Cook mà Tổng thống đề cử. Phóng viên Kalley Huang của New York Times nhận định khó hình dung ông Cook sang Nvidia, vì ông vẫn rất quan trọng ở Apple trong vai chủ tịch điều hành từ tháng 9; nhưng cũng thừa nhận ông có những phẩm chất hội đồng Nvidia sẽ thích: kinh nghiệm dựng chuỗi cung ứng toàn cầu và quan hệ gần gũi với Tổng thống.

Đặt các ứng viên lên hai cột của bài này, ta thấy mỗi người lấp một phần khác nhau. Một người như ông Buck giữ được hòn núi — phần mềm, kiến trúc, văn hóa kỹ sư. Một người như ông Cook có thể dựng lại một phần cái cây — chuỗi cung ứng, Washington. Một người như bà Su có cả hai nửa kỹ thuật và quản trị, nhưng là người của đối thủ trực tiếp. Không ai lấp được cả hai cột như ông Huang từng lấp. Có lẽ đó chính là bài học: Nvidia sau ông Huang sẽ phải chọn mình muốn là công ty gì hơn, thay vì là mọi thứ cùng lúc.

Thời gian cũng không chờ. Ngày 17 tháng 11, Nvidia công bố lợi nhuận quý và trả lời câu hỏi của giới phân tích — lần đầu tiên sau ba mươi ba năm không có ông Huang trên đường dây. Ngày 18, bà Kress họp toàn công ty. Đầu tháng 12, ông Huang ra trước Ủy ban Ngân hàng Thượng viện, nếu ông chấp nhận lời mời. Theo New York Times, ông đã thuê hãng luật Paul Weiss, với những luật sư từng đại diện cho các giám đốc trong các cuộc điều tra của chính phủ. Các nhà phân tích đã hạ giá mục tiêu: J.P. Morgan từ 320 xuống 215 đô-la một cổ phiếu, Citi từ 315 xuống 225, trong khi cổ phiếu giao dịch quanh 160 đô-la. Văn phòng luật Rosen ở New York đã nộp đơn kiện tập thể thay mặt nhà đầu tư; luật sư của họ nói với CNBC đã có "vài trăm nhà đầu tư" liên hệ, "từ ông bà bỏ vốn nhỏ đến những người lỗ rất lớn".


9. Nhìn Từ Việt Nam

Người Việt có ba lý do để theo dõi chuyện này kỹ hơn một tin kinh doanh bình thường.

Lý do thứ nhất là Nvidia đã có mặt ở Việt Nam. Tháng 12 năm 2024, Nvidia ký thỏa thuận với Chính phủ Việt Nam để lập trung tâm nghiên cứu phát triển AI, và cùng lúc cho biết đã mua lại VinBrain, công ty AI y tế của Vingroup, theo VietnamPlus. Những cam kết ấy được đưa ra trong thời ông Huang, nhiều phần nhờ cá nhân ông, người đã đích thân sang Hà Nội và được báo chí trong nước đón như một ngôi sao. Theo cách phân loại của bài này, một thỏa thuận như thế nằm đâu đó giữa hòn núi và cái cây: nó đã thành văn bản, nhưng việc thực hiện nhanh hay chậm, rộng hay hẹp, phụ thuộc nhiều vào việc ban lãnh đạo mới có coi Đông Nam Á là ưu tiên hay không. Và trong lúc Washington đang soi kỹ mọi đồng doanh thu đi qua Singapore, một nước Đông Nam Á muốn nhận đầu tư và mua chip AI đời mới càng phải giữ cho được tiếng là nơi tuân thủ kiểm soát xuất khẩu nghiêm túc. Như tôi từng viết, với tầng chip, uy tín tuân thủ cũng là một loại hạ tầng.

Lý do thứ hai là bài học quản trị. Doanh nghiệp Việt, từ những tập đoàn tư nhân lớn đến những công ty gia đình, rất quen với mô hình người sáng lập nắm hết: quan hệ với ngân hàng, với cơ quan nhà nước, với đối tác nước ngoài đều đi qua một người; hội đồng quản trị là những người đi cùng từ thuở hàn vi; người kế vị là chuyện "tính sau". Câu chuyện Nvidia cho thấy mô hình ấy có thể đưa một công ty lên đến đỉnh cao nhất thế giới, và cũng cho thấy giá của nó khi người ở tâm gặp chuyện. Bài học không phải là "đừng để nhà sáng lập nắm quyền". Bài học là: hãy biết rõ lợi thế nào của mình là hòn núi, lợi thế nào là cái cây, và với mỗi cái cây, hãy hỏi ai sẽ tưới khi người trồng không còn đó. Việc Nvidia phải bổ nhiệm "chủ tịch đầu tiên" vào đúng buổi sáng khủng hoảng là việc lẽ ra nên làm từ nhiều năm trước, lúc trời yên biển lặng.

Lý do thứ ba gần lòng hơn. Như ông Dave Lu viết, với cộng đồng gốc Á ở Mỹ, ông Huang là một biểu tượng: đứa trẻ chín tuổi từ Đài Loan bị gửi nhầm vào một trường nội trú cho trẻ cá biệt ở vùng đồi Kentucky, cậu thanh niên rửa chén ở Denny's, người đàn ông mặc áo da đen đứng trên sân khấu trước hàng chục ngàn người. Người Việt ở hải ngoại có những câu chuyện tương tự, và có những biểu tượng của riêng mình. Khi một biểu tượng sụp đổ vì lỗi của chính người đó, ta vẫn có quyền buồn, nhưng không nên để nỗi buồn ấy biến thành hoặc chối bỏ sự thật, hoặc vơ đũa cả nắm. Một người gốc Á phạm sai lầm thì đó là sai lầm của một người. Và nếu có một cuộc điều tra, thì cuộc điều tra ấy phải dựa vào bằng chứng, không dựa vào định kiến về gương mặt hay họ tên — nhất là khi người phụ nữ trong câu chuyện, đến nay, vẫn chỉ bị cáo buộc chứ chưa bị chứng minh.


10. Kết: Nghĩa Địa Đầy Những Người Không Thể Thay Thế

Câu của tướng de Gaulle mà ông Delangue mượn thường được hiểu như lời nhắc khiêm tốn: không ai là không thể thay thế. Nhưng đọc kỹ thì nó nói một điều tinh tế hơn: những người không thể thay thế vẫn nằm trong nghĩa địa. Họ không thể thay thế theo nghĩa không ai làm được đúng như họ. Thế giới vẫn đi tiếp theo nghĩa nó đi theo một hướng khác.

Áp vào Nvidia, tôi nghĩ câu trả lời cho câu hỏi đầu bài là thế này. Phần lõi kỹ thuật — CUDA với 7,5 triệu lập trình viên, hệ thống đồng thiết kế từ chip đến dây mạng, bảy mươi sáu tỷ đô-la nghiên cứu, lộ trình sản phẩm đã khóa nhiều năm — là hòn núi. Nó đã được ông Huang trồng, nhưng nay đã tự đứng. Trong vài năm tới, Nvidia vẫn sẽ là hãng chip AI hàng đầu, và người dùng cuối hầu như sẽ không thấy khác biệt nào. Còn những thứ đã biến Nvidia từ một hãng chip giỏi thành trung tâm của cả nền kinh tế AI — vai trò "ngân hàng trung ương" cấp vốn cho khách hàng, chỗ ưu tiên trong chuỗi cung ứng châu Á giữ bằng tình người, tiếng nói ở Nhà Trắng, tốc độ ra quyết định của một tổ chức phẳng xoay quanh một bộ óc — là cái cây. Một phần sẽ được người kế vị dựng lại, một phần sẽ chuyển sang tay người khác, và một phần sẽ không bao giờ trở lại như cũ.

Nói cách khác, ông Huang để lại một hãng chip vẫn tốt nhất thế giới, nhưng có lẽ không còn là trung tâm của thế giới theo cách nó đã là trong ba năm qua. Với cổ đông Nvidia, đó là tin xấu. Với phần còn lại của ngành — những hãng tự làm chip, những đối thủ nhỏ, những người lo về một hệ thống tài chính xoay quanh một công ty — có khi đó lại là một sự cân bằng lành mạnh mà lẽ ra không cần đến một vụ bê bối mới có được.

Còn một khả năng nữa mà lịch sử ngành công nghệ không cho phép loại trừ. New York Times nhắc rằng năm 1985 Steve Jobs bị đẩy khỏi Apple và trở lại năm 1997; năm 2023 Sam Altman bị hội đồng OpenAI phế truất vào chiều thứ Sáu và được phục chức năm ngày sau. Ông Huang không có cổ phiếu siêu quyền biểu quyết, ông đang đối diện điều trần ở Quốc hội và một cuộc điều tra hình sự có liên quan đến khách hàng của công ty, nên đường trở lại của ông hẹp hơn nhiều. Nhưng những người đã quen kể chuyện Nvidia qua ba lần suýt chết — con chip NV1 thất bại, canh bạc CUDA, cuộc rút lui khỏi thị trường điện thoại — sẽ nhận ra rằng đây là lần suýt chết thứ tư, và là lần đầu tiên người kể chuyện lại chính là nguyên nhân.

Ông Huang từng chúc sinh viên Stanford "thật nhiều đau khổ", vì "tính cách được tôi luyện từ những người đã chịu đựng". Ông cũng từng dặn sinh viên Đài Loan: "Hãy chạy, đừng đi." Hôm nay, công ty ông dựng nên phải học chạy mà không có ông. Hòn núi vẫn ở đó. Câu hỏi của những năm tới là: những cây khác trên núi có đủ lớn để che bóng chưa, hay vẫn còn quá non, vì suốt ba mươi ba năm, chúng đã quen sống dưới tán một cây duy nhất.


Nguồn Tham Khảo

Văn bản chính thức của Nvidia (nộp cho SEC)

  1. Nvidia — Form 8-K, ngày 12-11-2026 (Mục 5.02: chấp nhận đơn từ chức ngày 11-11; bổ nhiệm Colette Kress và Harvey C. Jones)
  2. Nvidia — Thông cáo báo chí "NVIDIA Announces CEO Transition", 12-11-2026 (Exhibit 99.1)
  3. Nvidia — Báo cáo thường niên Form 10-K, tài khóa 2026 (CUDA, 7,5 triệu lập trình viên, 76,7 tỷ đô-la R&D, Mellanox, chuỗi cung ứng, mức tập trung khách hàng)
  4. Nvidia — Báo cáo quý Form 10-Q, quý 2 tài khóa 2027 (doanh thu 96,22 tỷ; trung tâm dữ liệu 89,0 tỷ; cách xác định doanh thu theo khu vực; H200)
  5. Nvidia — Kết quả quý 4 và tài khóa 2026

Báo chí về sự kiện

  1. The New York Times — "Nvidia Updates: Huang's Resignation Reverberates Through A.I. Industry" (cập nhật trực tiếp, 12-11-2026)
  2. CNN — "Nvidia CEO Jensen Huang admits affair as company launches investigation into foreign spy accusations" (8-11-2026)
  3. The Next Web — "Commerce halted its Megaspeed probe after Nvidia stepped in, NYT reports"
  4. TechCrunch — "Nvidia's Jensen Huang resigns, chipmaker names CFO Colette Kress as interim CEO" (12-11-2026)
  5. CNBC — "Nvidia CEO Jensen Huang resigns: Live updates" (12-11-2026)
  6. Al Jazeera — "Why did Nvidia CEO Jensen Huang resign, and who is Colette Kress?" (12-11-2026)

Bối cảnh về Nvidia và Jensen Huang

  1. The New York Times — Nvidia mua Hugging Face (3-9-2026)
  2. Acquired — phỏng vấn Jensen Huang nhân dịp Nvidia tròn 30 năm
  3. Nvidia Blog — Bài phát biểu tốt nghiệp ở Đại học Quốc gia Đài Loan, 2023 ("Run, Don't Walk")
  4. CNBC — Jensen Huang ở Stanford: "pain and suffering" (3-2024)
  5. Nvidia — Lịch sử công ty
  6. VietnamPlus — Chính phủ Việt Nam và Nvidia ký thỏa thuận hợp tác (12-2024)

Written by: Claude AI.

Curator/Editor: Học Trò.

Mọi trích dẫn đều phải ghi chú với dòng trên và nói rõ bài khảo luận được lấy từ trang https://hoctroviet.blogspot.com/

10.03.2026

Chiếc Bánh Năm Tầng Của Jensen Huang: Ăn Từ Trên Xuống, Nướng Từ Dưới Lên — Và Vì Sao Nvidia Phải Mua Hugging Face

Written by: Claude Opus 5.5 AI.

Curator/Editor: Học Trò.


Muốn hiểu cách Jensen Huang nhìn ngành trí tuệ nhân tạo, chỉ cần nhớ một hình ảnh ông lặp đi lặp lại suốt năm 2026: một chiếc bánh năm tầng. Tầng dưới cùng là năng lượng, kế đến là chip, rồi hạ tầng mà ông gọi là "nhà máy AI", rồi mô hình, và trên cùng là ứng dụng. Hình ảnh nghe giản dị, gần như để dỗ trẻ con, nhưng nó gói trọn một lý thuyết kinh tế: cái bánh được nướng từ dưới lên, mà lại được ăn từ trên xuống. Tiền và công sức đổ vào các tầng dưới; còn lý do để ai đó chịu trả tiền thì chỉ nằm ở tầng trên cùng. Bài này đi theo thứ tự người ăn bánh — bắt đầu từ tầng ứng dụng, đi dần xuống tới nhà máy điện — để hỏi ba câu cho từng tầng: nó là gì, nó vận hành thế nào, và vì sao tự thân nó đã quan trọng. Sau đó bài quay lại thương vụ 12,9 tỷ đô-la Nvidia mua Hugging Face vào tháng 9 năm 2026: một công ty không làm chip, không xây nhà máy, cũng không bán ứng dụng nào đáng kể — nhưng lại đứng đúng chỗ mà tầng thứ tư biến thành tầng thứ năm. Cuối cùng, bài đặt chiếc bánh xuống đất Việt: với từng tầng, Việt Nam đang có gì, nên tự làm, mượn, thuê, mua hay xây trước, và một chiến lược quốc gia trông ra sao khi đọc theo năm tầng ấy.

1. Một Hình Ảnh, Kể Đi Kể Lại

Ông Huang kể rằng ý tưởng này đã có từ mười lăm năm trước, khi học sâu (deep learning) bắt đầu cho kết quả thật. Nói chuyện với Y Combinator, ông bảo khi đó ông đã nhận ra đây là "một cách làm phần mềm mới, kéo theo hệ quả cho bộ xử lý, cho tầng trung gian, cho thuật toán, cho ứng dụng — cái mà giờ tôi gọi là chiếc bánh năm tầng", và ông đã hình dung "tái tạo lại toàn bộ chuỗi công nghiệp đó cùng một lúc".

Nhưng phải đến năm 2026, hình ảnh này mới thành câu cửa miệng. Tháng Giêng, tại Diễn đàn Kinh tế Thế giới ở Davos, ngồi cạnh Larry Fink của BlackRock, ông mô tả AI là "một chiếc bánh năm tầng" và nói về tầng trên cùng: "chính tầng này, rốt cuộc, là nơi lợi ích kinh tế xảy ra" (NVIDIA Blog, Davos). Ngày 10 tháng 3, ông ký tên dưới một bài viết ngắn trên trang của Nvidia, tựa đề gọn lỏn "AI Is a 5-Layer Cake" (NVIDIA Blog). Trong bài có một câu đáng chép ra giấy dán lên bàn: "Mỗi ứng dụng thành công đều kéo theo mọi tầng bên dưới nó, kéo tới tận nhà máy điện đang giữ cho nó sống."

Đến mùa thu, chiếc bánh xuất hiện ở khắp nơi. Ezra Klein dùng nó làm xương sống cho cả cuộc phỏng vấn dài trên New York Times, đi từ tầng ứng dụng xuống tới tầng năng lượng. Hội Hàn Quốc (Korea Society) mời ông nói về vai trò của Hàn Quốc "qua cả năm tầng". Còn trên CBS, khi bị hỏi vì sao không đồng ý cấm bán chip cho Trung Quốc, ông trả lời bằng chính chiếc bánh — và lỡ miệng thêm một chi tiết hiếm khi nhắc: "có thể nói là sáu tầng, hoặc năm", vì "phía trên đó về cơ bản là tầng dữ liệu và tầng ứng dụng". Chi tiết "tầng dữ liệu" này sẽ quay lại ở phần Hugging Face.

2. Tầng Năm — Ứng Dụng: Lý Do Duy Nhất Để Trả Tiền

Nó là gì. Phần mềm mà bác sĩ, luật sư, người điều phối kho vận hay kỹ sư nhà máy thật sự dùng: nền tảng tìm thuốc mới, robot công nghiệp, trợ lý pháp lý, xe tự lái, và AI cài sẵn trong những hệ thống doanh nghiệp quen thuộc. Với Klein, ông Huang gọi đây là "tầng quan trọng nhất, tầng tôi quan tâm nhất, và là tầng mà đất nước chúng ta tận dụng được".

Nó vận hành thế nào. Ví dụ ông thích dùng nhất là ngành chẩn đoán hình ảnh. Thị giác máy tính đã đọc phim "giỏi hơn người" từ khoảng mười năm nay, vậy mà bác sĩ X-quang không mất việc. Lý do, theo ông, là "công việc của ai cũng có mục đích của công việc, và có những tác vụ mình làm để đạt mục đích đó". Tác vụ ngồi trong phòng tối soi từng tấm phim đã được tự động hóa; mục đích — chẩn đoán bệnh, giúp bác sĩ điều trị, giúp bệnh nhân biết mình bị gì — thì vẫn nguyên đó. Trong bài viết tháng 3, ông kết ví dụ này bằng một câu: khi AI gánh phần việc lặp lại, bác sĩ X-quang "có thể tập trung vào phán đoán, giao tiếp và chăm sóc". Mô hình ấy có đúng cho mọi nghề hay không là câu hỏi lớn nhất của cả cuộc tranh luận, bài này không trả lời được. Nhưng nó giải thích vì sao ông đặt giá trị ở tầng trên: ứng dụng là nơi AI gặp một vấn đề có người chịu trả tiền để giải.

Vì sao tự thân nó quan trọng. Thứ nhất, đây là tầng duy nhất người thường nhìn thấy. Người dùng "sẽ hưởng công nghệ ở tầng cao nhất", không cần biết "giải tích, vật lý hay hóa lượng tử". Lòng tin của công chúng với AI được hay mất ở đây, không phải trong xưởng đúc chip.

Thứ hai, đây là tầng mà cả một nền kinh tế, chứ không chỉ vài công ty, được lợi. "Walmart phải được lợi, Safeway phải được lợi, FedEx phải được lợi," ông nói với Klein; trên CBS thì: "Tôi rất thích chuyện FedEx sẽ thành một công ty AI, Walmart sẽ thành một công ty AI." Với ông, đó mới là cuộc đua thật: "Đó là tầng chạm vào xã hội — mọi tầng bên dưới chỉ là công nghệ hỗ trợ."

Thứ ba — và đây là lý do quan trọng nhất đối với chính Nvidia — tầng ứng dụng là nguồn sinh ra mọi nhu cầu ở các tầng dưới. Ông Huang nói điều này rất thật thà: "Chúng tôi không thể tạo ra cầu, vì rốt cuộc nếu các dịch vụ AI không có người dùng thì xây máy tính cho chúng là vô nghĩa." Ghép câu đó với câu "mỗi ứng dụng kéo theo mọi tầng bên dưới", ta có chìa khóa để đọc toàn bộ chiến lược đầu tư của Nvidia. Ông kể với Klein rằng khoản tiền Nvidia rót vào tầng ứng dụng "để từng ngành có thể đưa công nghệ thấm vào mình" có lẽ là "một trong những việc lớn nhất chúng tôi làm".

3. Tầng Bốn — Mô Hình: Người Phiên Dịch Của Chiếc Bánh

Nó là gì. Các hệ thống AI đã được huấn luyện. Công chúng nghĩ tầng này chỉ có dăm ba chatbot quen tên. Ông Huang cố gắng mở rộng bức tranh: ngoài mô hình ngôn ngữ còn có "mô hình hóa học, sinh học, vật lý, mô hình cử động, robot, định vị, xe tự lái — đủ mọi loại".

Nó vận hành thế nào. Ở tầng này, chiếc bánh tách làm hai nền kinh tế. Mô hình đóng — ông kể tên OpenAI, Anthropic, Grok, Gemini — được bán như một dịch vụ, và ông không chê họ; họ "ở biên giới công nghệ", là những người "phi thường". Mô hình mở trọng số (open weights) thì ai tải về cũng được, sửa được, chạy trên máy mình được. Lý lẽ của ông cho mô hình mở không mang màu ý thức hệ mà rất thực dụng: một công ty muốn đưa AI vào chính hoạt động của mình cần "trọng số mở để tinh chỉnh, đưa vào vòng quay dữ liệu của mình, làm nó giỏi hơn mỗi ngày bằng chuyên môn của mình, rồi tôi phải kiểm soát được nó, vì tôi có công ty phải điều hành, tôi không thể trông vào dịch vụ của người khác".

Ông còn đưa ra một con số: đầu năm, khoảng 70% lượng token đến từ mô hình đóng, giờ thì tỷ lệ đã đảo ngược thành "khoảng 70–30 theo chiều kia". Đây là con số của chính ông, không phải số liệu đo đạc độc lập, nên chỉ nên xem như một nhận định. Nhưng nó cùng chiều với một nhận xét khác của ông: "80% start-up Mỹ" hiện đang dùng mô hình mở có nguồn gốc Trung Quốc — "chúng ta tải về, biến nó thành của mình, tinh chỉnh, bỏ vào khung tác tử của mình, bỏ vào hộp cát của mình."

Vì sao tự thân nó quan trọng. Mô hình là người phiên dịch của cả chiếc bánh: mọi thứ bên dưới chỉ là sức tính toán đa dụng, mọi thứ bên trên là việc cụ thể. Chính mô hình biến một megawatt điện thành một bản đọc phim X-quang hay một bản rà soát hợp đồng. Tầng này cũng là nơi cuộc chiến chính trị nóng nhất. Washington đang bàn chuyện hạn chế mô hình mở, nhất là mô hình Trung Quốc, và trong hồ sơ chứng khoán nộp kèm thương vụ Hugging Face, Nvidia viết thẳng rằng "những bên khác đang tích cực vận động chính phủ Mỹ và các bên liên quan trên thế giới áp dụng các biện pháp lập pháp hoặc quản lý nhằm hạn chế hoặc gây bất lợi cho mô hình mã nguồn mở" (New York Times). Với Nvidia, đây không phải chuyện lý thuyết. Trong bài viết tháng 3, ông Huang dẫn DeepSeek-R1: khi một mô hình suy luận mạnh được phát hành tự do, nó "đẩy nhanh việc ứng dụng ở tầng ứng dụng". Mô hình mở là cách rẻ nhất để nhân số lượng ứng dụng lên — mà ứng dụng chính là thứ kéo nhu cầu chip.

4. Tầng Ba — Nhà Máy AI: Nơi Chiếc Bánh Biến Thành Bê Tông

Nó là gì. Mọi thứ cần để biến một đống chip thành một cỗ máy khổng lồ chạy được: "đất đai, đường cấp điện, làm mát, xây dựng, mạng lưới, và hệ thống điều phối hàng vạn bộ xử lý", theo lời bài viết tháng 3. Cộng thêm các dịch vụ đám mây cho thuê lại sức tính toán ấy.

Nó vận hành thế nào. Ông Huang đòi đổi tên gọi, và việc đổi tên chính là lập luận của ông. Ngày trước gọi là trung tâm dữ liệu, vì nó là "nơi chứa dữ liệu", ông giải thích với Korea Society; bây giờ phải gọi là nhà máy AI, vì "chúng ta đang sản xuất ra trí tuệ". Đã là nhà máy thì phải đo bằng sản lượng chứ không chỉ bằng chi phí. Ông đưa ra một phép tính: "Xây một nhà máy AI một gigawatt tốn 50 tỷ đô-la, và có thể cho thuê 40 đến 50 tỷ đô-la mỗi năm." Con số cho thuê này là của ông và khá hào phóng; nên hiểu nó như cách những người xây tầng này nhìn kinh tế của chính họ, không phải một con số lợi nhuận đã được kiểm toán.

Vì sao tự thân nó quan trọng. Đây là tầng mà chiếc bánh biến thành thép, xi măng và việc làm. Khi muốn nói chuyện với những người không bao giờ viết một dòng mã, ông Huang dựa vào tầng này: tầng này cần "thợ điện, thợ ống nước, thợ lắp ống, công nhân thép, kỹ thuật viên mạng, thợ lắp đặt và người vận hành" — những việc làm "lành nghề, lương cao" đang thiếu người. Quy mô cũng lộ ra rõ nhất ở đây: riêng năm 2026, năm hãng điện toán đám mây lớn nhất của Mỹ dự kiến chi từ 660 đến 690 tỷ đô-la đầu tư, phần lớn vào sức tính toán AI, trung tâm dữ liệu và mạng (Futurum Group). Theo ông Huang, thế giới mới đi được "vài trăm tỷ đô-la" và "còn hàng nghìn tỷ đô-la hạ tầng phải xây".

Đây cũng là tầng tích tụ rủi ro tài chính. Một nhà máy xây cho nhu cầu đến trễ hai năm là một tòa nhà rất đắt tiền. Ông Huang không phủ nhận chu kỳ: "đến một lúc nào đó, cung sẽ nhiều hơn cầu, tôi chỉ không biết khi nào", nhưng ông chỉ đoán một "giai đoạn tiêu hóa" dài sáu tháng, chín tháng, cùng lắm một năm. Ông đúng hay sai, câu trả lời không nằm ở tầng ba mà nằm hai tầng phía trên.

5. Tầng Hai — Chip: Lát Bánh Ở Giữa, Và Cũng Là Lát Bánh Phơi Ra Nhiều Nhất

Nó là gì. Các bộ xử lý biến điện thành phép tính: GPU và các bộ tăng tốc khác, cùng bộ nhớ băng thông cao và đường nối giữa chúng. Đây là sân nhà của Nvidia. Bài viết tháng 3 mô tả tầng này bằng đúng ngôn ngữ Nvidia vẫn dùng: AI đòi hỏi "song song hóa khổng lồ, bộ nhớ băng thông cao và kết nối nhanh", và việc của con chip là "biến năng lượng thành tính toán một cách hiệu quả ở quy mô cực lớn".

Nó vận hành thế nào. Thước đo ở đây không phải tốc độ suông mà là bao nhiêu trí tuệ trên mỗi watt. Nếu điện là giới hạn cứng, thì con chip tạo ra nhiều token có ích nhất từ cùng một megawatt sẽ thắng. Nhưng lập luận thứ hai của ông Huang về tầng này mới là cốt lõi của mô hình kinh doanh Nvidia. Ông bảo phần cứng Nvidia "có thể hoán đổi, vì nó đa dụng": cùng một cỗ máy làm được từ xử lý dữ liệu, huấn luyện, hậu huấn luyện, đánh giá đến suy luận, nên "nếu một khách hàng không cần nữa thì khách hàng khác sẵn sàng nhận". Lại thêm Nvidia liên tục ra phần mềm mới cho phần cứng cũ, nên "tuổi thọ hữu ích" của máy dài hơn. Ông so nó với máy bay: bắt đầu đời chở khách, kết thúc đời chở hàng, nên ngân hàng sẵn lòng cho vay để mua như một loại tài sản.

Vì sao tự thân nó quan trọng. Hiện tại, lợi nhuận của chiếc bánh dồn về đây. Quý gần nhất trước thương vụ Hugging Face, Nvidia có doanh thu 96,22 tỷ đô-la và lợi nhuận gần 60 tỷ, gấp khoảng mười lần lợi nhuận một quý ba năm trước (New York Times). Đây cũng là tầng mà chính sách quốc gia can thiệp mạnh nhất: luật kiểm soát xuất khẩu viết bằng ngôn ngữ chip, không phải ngôn ngữ mô hình hay ứng dụng.

Nhưng chính vì đứng giữa, tầng hai cũng là tầng phơi ra nhiều nhất. Nó kiếm được đúng bằng những gì các tầng trên chịu trả, không hơn. Câu "chúng tôi không thể tạo ra cầu" của ông Huang, nhìn từ tầng hai, là một lời thú nhận về sự lệ thuộc: một công ty đang lãi 60 tỷ mỗi quý vẫn phải trông vào hàng ngàn công ty mà nó không sở hữu, trong những ngành nó không hiểu tường tận, làm thành công những việc nó không thể làm thay.

6. Tầng Một — Năng Lượng: Tầng Duy Nhất Có Thể Chặn Đứng Mọi Tầng Khác

Nó là gì. Điện — nhà máy phát, đường truyền tải, trạm biến áp, nguồn phát tại chỗ — để nuôi các nhà máy AI. Bài viết tháng 3 nói không cần trang trí: "Trí tuệ được tạo ra theo thời gian thực đòi hỏi điện được phát ra theo thời gian thực."

Nó vận hành thế nào. Máy tính kiểu cũ có thể giấu hóa đơn tiền điện, vì phần lớn việc của trung tâm dữ liệu là cất và lấy tệp. AI tạo sinh thì không giấu được: mỗi token được sinh mới, và mỗi lần sinh tốn một lượng điện đo được, cộng thêm điện để giải nhiệt. Theo kịch bản cơ sở của Cơ quan Năng lượng Quốc tế (IEA), điện tiêu thụ của trung tâm dữ liệu toàn cầu sẽ tăng hơn gấp đôi, từ khoảng 415 terawatt-giờ năm 2024 lên khoảng 945 TWh năm 2030, với AI là động lực tăng trưởng quan trọng nhất và Mỹ chiếm phần lớn nhất trong mức tiêu thụ hiện nay (IEA; Carbon Brief).

Vì sao tự thân nó quan trọng. Năng lượng là tầng duy nhất mà tiền không mua được tốc độ. Đơn hàng chip có thể đẩy nhanh; đường dây truyền tải thì mất nhiều năm xin phép. Vì vậy, một người lạc quan đến cùng về năng lực Mỹ như ông Huang lại chịu nhường tầng này cho Trung Quốc: "họ có nhiều năng lượng hơn chúng ta rất nhiều, và họ định xây thêm nhiều hơn những gì chúng ta đã xây." Ông đổ lỗi cho chuyện nước Mỹ "bị vướng víu" trong tranh cãi về biến đổi khí hậu nên "đã không lên kế hoạch đủ sản lượng điện". Có thể không đồng ý với quan điểm chính trị năng lượng ấy, nhưng vẫn chấp nhận được điểm cấu trúc của ông. Ông cũng thừa nhận một cái giá khác: ngành đã "đi quá nhanh", không chuẩn bị cho những thị trấn nơi nhà máy AI mọc lên, và giờ "có khá nhiều bực bội khắp nước". Thiếu điện, con chip tốt nhất cũng nằm im, nhà máy không chạy, mô hình không được phục vụ, ứng dụng không tới được bệnh viện.

7. Năm Tầng Trong Một Bảng

Tầng Là gì Điểm nghẽn chính Vì sao tự thân quan trọng
5. Ứng dụng Phần mềm người dùng thật sự chạm vào Có giải được việc thật, có người chịu trả tiền không Nguồn của mọi nhu cầu bên dưới; nơi xã hội được lợi
4. Mô hình Hệ thống đã huấn luyện, đóng và mở Quyền truy cập, chính sách về mô hình mở Phiên dịch sức tính toán thành kỹ năng cụ thể
3. Nhà máy AI Đất, điện, làm mát, mạng, điều phối Vốn, nhân lực, thời gian xây Nơi canh bạc thành bê tông; việc làm và rủi ro tài chính
2. Chip GPU, bộ nhớ, kết nối Năng lực sản xuất, kiểm soát xuất khẩu Quyết định giá thành của trí tuệ; hiện giữ phần lớn lợi nhuận
1. Năng lượng Phát điện, truyền tải Giấy phép, lưới điện, thời gian Tầng duy nhất có thể chặn đứng mọi tầng khác

Đọc bảng theo cột cuối, ta thấy mỗi tầng quan trọng theo một cách riêng, không tầng nào thay được tầng nào. Đọc theo cột giữa, ta thấy điểm nghẽn càng xuống dưới càng mang tính vật lý và càng chậm gỡ; càng lên trên càng mang tính thị trường và càng khó đoán.

8. Chiếc Bánh Do Người Bán Lát Giữa Vẽ Ra

Một tấm bản đồ cũng là một lập luận. Chiếc bánh của ông Huang đúng về mặt kỹ thuật, nhưng đáng để ý ba điều.

Thứ nhất, nó đặt người vẽ vào giữa. Mọi tầng trên chip đều cần chip, mọi tầng dưới chip đều tồn tại để nuôi chip. Klein nói nhẹ nhàng: "Ông đã trở thành một thứ chính sách công nghiệp của AI Mỹ gói gọn trong một công ty." Ông Huang không cãi; theo ước tính của ông, tổng tiền Nvidia rót vào các tầng "có lẽ khoảng 100 tỷ đô-la", lớn hơn cả Đạo luật CHIPS.

Thứ hai, nó tách nơi tạo ra giá trị khỏi nơi thu lợi nhuận. Ông gọi tầng trên cùng là quan trọng nhất, và về mặt xã hội có lẽ ông đúng. Nhưng năm 2026, tiền đang đọng ở tầng hai và tầng ba. Đó không phải mâu thuẫn trong khung lý thuyết của ông, mà chính là bài toán khung lý thuyết ấy được dựng ra để giải: nếu tầng trên vẫn mỏng — nếu AI vẫn chỉ là vài chatbot thay vì hàng vạn công cụ cho từng ngành — thì lợi nhuận ở các tầng dưới sớm muộn sẽ thành bong bóng.

Thứ ba, nó giấu câu hỏi "tài trợ vòng tròn" sau một chữ. Khi Nvidia rót tiền vào phòng thí nghiệm AI, hãng đám mây mới, trung tâm dữ liệu, rồi những nơi đó quay lại mua chip Nvidia, New York Times gọi đó là một "danh sách ngày càng dài các thương vụ tài trợ" làm dấy lên lo ngại rằng cơn sốt AI đang được nuôi bằng "những canh bạc ngày càng rủi ro, với Nvidia ở trung tâm". Ông Huang trả lời bằng ngôn ngữ chiếc bánh: Nvidia không tạo ra cầu mà "hỗ trợ" cầu ở mọi tầng, và có khoản đầu tư chỉ để "mở thị trường mới", mở "một đường mới ra thị trường cho chúng tôi", hay "giữ một nguồn lực thiết yếu". Hai cách đọc có thể cùng đúng. Phép thử là ứng dụng có xuất hiện hay không.

9. Hugging Face: Cái Chợ Đầu Mối Giữa Tầng Bốn Và Tầng Năm

Nvidia mua gì. Ngày 3 tháng 9 năm 2026, ông Huang loan báo Nvidia đồng ý mua Hugging Face với giá khoảng 12,93 tỷ đô-la (NVIDIA Blog). Theo số liệu hai bên công bố, nền tảng có hơn 18 triệu lập trình viên, hơn 3 triệu mô hình, 500.000 bộ dữ liệu, 1 triệu ứng dụng, và hơn 200.000 công ty dùng nó để triển khai AI (TechCrunch). Năm 2021, con số mô hình chỉ là 13.590. Chỉ một năm trước, Hugging Face còn từ chối lời đề nghị 500 triệu đô-la của chính Nvidia, khi doanh thu quy năm của họ khoảng 150 triệu. Lần này, theo lời ông Huang với Klein, chính Clément Delangue tìm đến: Hugging Face "cần quy mô lớn hơn nhiều", và "chúng tôi rất muốn Nvidia là nhà của mình".

Nó nằm ở tầng nào. Nói cho đúng, Hugging Face không phải tầng năm. Nó chủ yếu thuộc tầng mô hình: một thư viện, một điểm phân phối, một nơi cộng tác cho mô hình mở. Nhưng hình ảnh hợp nhất để hiểu nó là cái chợ đầu mối. Chợ đầu mối không nấu món nào cho khách ăn; nó là nơi hàng vạn người bán nguyên liệu gặp hàng vạn người nấu. Hugging Face là nơi mô hình được đem ra trao đổi, được người khác mua về (miễn phí), sơ chế bằng dữ liệu riêng, rồi nấu thành món — tức là thành ứng dụng. Một triệu ứng dụng được lưu trên đó, cùng dịch vụ triển khai và 200.000 công ty dùng nó để đưa mô hình vào vận hành, cho thấy đây là con đường tấp nập nhất từ tầng bốn lên tầng năm trong thế giới mô hình mở. Thêm nửa triệu bộ dữ liệu, nó cũng là thứ gần nhất với "tầng dữ liệu" mà ông Huang buột miệng gọi là tầng thứ sáu khi nói trên CBS.

Như vậy, nói Nvidia mua Hugging Face để "giúp tầng năm" là đúng, với điều kiện hiểu chính xác cách giúp: Nvidia không mua một món ăn, mà mua cái chợ nơi món ăn được làm ra. Nvidia đã có chip, đã có thiết kế nhà máy, đã tự làm mô hình — trong thông báo, hãng tự nhận là bên đóng góp mô hình và dữ liệu mở nhiều nhất cho Hugging Face, với hơn 500 mô hình và 250 bộ dữ liệu. Thứ Nvidia còn thiếu là cái chợ, nơi diễn ra đúng quy trình ông Huang mô tả khi bênh vực mô hình mở: tải về, tinh chỉnh, đưa vào vòng quay dữ liệu, giữ quyền kiểm soát.

Vì sao về lâu dài nó có lợi cho Nvidia. Nhìn qua lăng kính chiếc bánh, thương vụ này giúp Nvidia theo năm cách, mà chỉ một cách liên quan trực tiếp đến doanh thu của chính Hugging Face.

Nuôi khách hàng của khách hàng. Khách hàng trực tiếp của Nvidia là các hãng đám mây và phòng thí nghiệm AI. Nhưng khách hàng của những khách hàng ấy — các công ty làm ứng dụng — mới là người quyết định các hãng đám mây có tiếp tục mua chip hay không. Hugging Face là nơi khách hàng tầng thứ hai ấy bắt đầu. Bài viết của ông Huang hôm công bố thương vụ nói rõ: mô hình mở cho phép "start-up, doanh nghiệp, đại học và cơ quan công quyền xây trên năng lực tiên tiến mà không phải tự huấn luyện mọi mô hình từ đầu", để AI tới được "nhà máy, bệnh viện, nông trại, lớp học và cửa hàng nhỏ" (New York Times).

Bớt lệ thuộc vào vài ông lớn. Một hãng chip có nhu cầu dồn về dăm ba phòng thí nghiệm AI sẽ bị lệ thuộc vào lựa chọn của họ — kể cả lựa chọn tự thiết kế chip riêng. Một hãng chip có nhu cầu đến từ hàng trăm nghìn doanh nghiệp, chính phủ và start-up chạy mô hình mở trên đủ loại đám mây thì khó bị gạt ra hơn nhiều. Với Nvidia, tầng ứng dụng không chỉ là thị trường mà còn là bảo hiểm.

Thấy nhu cầu trước khi nhu cầu thành đơn hàng. Jeff Pollard của hãng nghiên cứu Forrester nói với New York Times rằng "Hugging Face là nơi phần lớn hệ sinh thái AI trao đổi mô hình, bộ dữ liệu và mã nguồn", nên Nvidia "giờ đứng gần hơn với toàn bộ chuỗi cung ứng AI". Theo ngôn ngữ chiếc bánh: Nvidia thấy được mô hình nào, loại ứng dụng nào đang lên ở tầng bốn, tầng năm nhiều tháng trước khi xu hướng đó thành đơn đặt hàng ở tầng hai. Với một công ty mà ông Huang bảo phải "sống trước tương lai năm đến mười năm" vì một hệ thống mất nhiều năm để thiết kế và sản xuất, tín hiệu sớm ấy rất đáng tiền.

Biến lập trường chính sách thành tài sản. Hồ sơ của Nvidia thừa nhận các hạn chế với mô hình mở "có thể ảnh hưởng xấu" tới thương vụ. Đó là rủi ro, nhưng cũng là đòn bẩy: khi công ty giàu nhất ngành đặt gần 13 tỷ đô-la vào mô hình mở, Washington khó gạt lập luận bênh vực mô hình mở đi như tiếng nói của một start-up.

Làm cho tầng mô hình "thanh khoản" như tầng chip. Lập luận "chip Nvidia là một loại tài sản" dựa trên chuyện máy đa dụng luôn tìm được khách mới. Hugging Face làm điều tương tự cho mô hình: một mô hình do phòng thí nghiệm này phát hành được hàng ngàn nơi khác nhặt lấy, chỉnh sửa, triển khai lại. Tầng mô hình càng lưu thông, nhu cầu cho sức tính toán đa dụng bên dưới càng đều đặn.

Những gì có thể hỏng. Cũng chiếc bánh ấy cho thấy rủi ro.

Rủi ro lớn nhất là tính trung lập. Một cái chợ đầu mối chỉ sống được khi mọi người bán, mọi người mua tin rằng cân không bị gian. Ông Huang biết điều đó, nên cam kết ngay trong thông báo: "Không bắt buộc phải dùng sức tính toán của NVIDIA để xây dựng hay triển khai qua Hugging Face", và nền tảng sẽ "tiếp tục hỗ trợ phát triển và triển khai trên nhiều đám mây, nhiều loại bộ tăng tốc". Trong ngắn hạn, lời hứa này nhiều khả năng được giữ. Rủi ro dài hạn tinh vi hơn: tính năng mới chạy tốt nhất trên phần cứng Nvidia trước, các nền tảng khác đến sau vài tháng, và lập trình viên dần dồn về con đường được hỗ trợ tốt nhất. Nếu các đối thủ và cộng đồng nghi ngờ cái cân bị nghiêng, họ sẽ dựng chợ khác — và cái phễu ứng dụng mà Nvidia bỏ tiền ra mở rộng sẽ bị chia đôi.

Rủi ro thứ hai là chống độc quyền: Nvidia vốn đã thống trị tầng hai, giờ nắm thêm điểm giao chính giữa tầng bốn và tầng năm, gần như chắc chắn sẽ bị Mỹ và châu Âu xem xét kỹ.

Rủi ro thứ ba là chính sách: 12,9 tỷ đô-la, trong đó khoảng một tỷ là tiền giữ chân nhân viên Hugging Face theo hồ sơ của Nvidia, đặt cược vào một kết quả ở Washington mà Nvidia không kiểm soát.

Rủi ro thứ tư quay về mục 8: nếu tầng trên không dày lên đủ nhanh, có chợ cũng vô ích. Chợ chỉ có giá khi có người đến mua bán.

10. Việt Nam Và Chiếc Bánh: Ăn Được Gì, Nướng Tầng Nào

Có một chi tiết trong lời ông Huang mà người đọc ở một nước thu nhập trung bình nên để ý: ông gọi tầng ứng dụng là tầng "mà đất nước chúng ta tận dụng được". Ông nói về nước Mỹ, nhưng logic của chiếc bánh áp dụng cho bất kỳ ai. Tầng năng lượng cần lưới điện và hàng chục năm quy hoạch. Tầng chip cần những xưởng đúc trị giá hàng chục tỷ đô-la mà chỉ vài nước có. Tầng nhà máy AI cần vốn mà ít quốc gia nào kham nổi một mình. Tầng mô hình tiên tiến cần cả ba thứ trên. Chỉ có tầng ứng dụng là cửa vào rẻ nhất: một nhóm kỹ sư nhỏ, hiểu sâu một ngành — y tế, nông nghiệp, kế toán, giáo dục bằng tiếng Việt — tải một mô hình mở về, tinh chỉnh bằng dữ liệu của mình, là đã đứng ở tầng trên cùng của chiếc bánh.

Nhưng "cửa vào rẻ nhất" không có nghĩa là chỉ cần một cửa. Một quốc gia không phải một start-up. Start-up có thể chọn một tầng rồi thuê hết phần còn lại. Quốc gia thì phải trả lời cho cả năm tầng, dù câu trả lời ở mỗi tầng khác nhau: tầng nào tự làm, tầng nào mượn rồi sửa, tầng nào thuê, tầng nào mua, và tầng nào phải xây trước mọi thứ khác. Phần này đi qua từng tầng theo đúng thứ tự của bài, từ trên xuống, để hỏi Việt Nam đang có gì, nên làm gì, và không nên làm gì.

10.1. Giấy tờ đã phủ đủ năm tầng

Trước hết phải công bằng: về mặt văn bản, Việt Nam không hề chậm. Nghị quyết 57-NQ/TW của Bộ Chính trị, ký ngày 22 tháng 12 năm 2024, coi khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số là "yếu tố quyết định", đặt mục tiêu đến năm 2030 chi cho nghiên cứu và phát triển đạt 2% GDP, dành ít nhất 3% tổng chi ngân sách hằng năm cho lĩnh vực này, kinh tế số đạt ít nhất 30% GDP, và Việt Nam vào nhóm ba nước dẫn đầu Đông Nam Á về nghiên cứu AI (VnEconomy). Luật Công nghiệp Công nghệ số số 71/2025/QH15 được thông qua ngày 14 tháng 6 năm 2025, điều chỉnh cả công nghiệp bán dẫn lẫn AI (LuatVietnam). Rồi ngày 10 tháng 12 năm 2025, Quốc hội thông qua Luật Trí tuệ Nhân tạo số 134/2025/QH15, có hiệu lực từ 1 tháng 3 năm 2026, chia hệ thống AI thành ba mức rủi ro cao, trung bình, thấp, kèm cơ chế thử nghiệm có kiểm soát (sandbox) (Tilleke & Gibbins). Luật còn giao Chính phủ xây "hạ tầng AI quốc gia" gồm năng lực tính toán, tài nguyên dữ liệu dùng chung, nền tảng thử nghiệm và mô hình, và quy định các ứng dụng AI "quan trọng" trong lĩnh vực thiết yếu phải triển khai trên hạ tầng quốc gia (Allen & Gledhill).

Mới nhất, ngày 29 tháng 8 năm 2026, Chính phủ phê duyệt Chiến lược quốc gia về AI đến năm 2030, tầm nhìn 2045. Mục tiêu 2030: vào nhóm ba nước dẫn đầu Đông Nam Á; có ít nhất năm nền tảng AI dùng chung cấp quốc gia, ít nhất mười thương hiệu AI Việt vươn ra khu vực, ít nhất tám mô hình AI tiếng Việt; AI hỗ trợ 100% dịch vụ công trực tuyến và 100% hồ sơ hành chính (Cổng thông tin Chính phủ).

Đặt các văn bản ấy lên chiếc bánh, ta thấy chúng chạm đủ năm tầng: điện (Quy hoạch điện VIII điều chỉnh), chip (chiến lược bán dẫn), nhà máy AI (hạ tầng tính toán quốc gia), mô hình (tám mô hình tiếng Việt), ứng dụng (dịch vụ công, mười thương hiệu). Vậy câu hỏi không còn là "có chiến lược chưa", mà là thứ tự và liều lượng: tiền và người có hạn thì đổ vào tầng nào trước, tầng nào chỉ cần vừa đủ, và mục tiêu nào dễ biến thành con số để báo cáo hơn là kết quả thật.

10.2. Tầng năm — Ứng dụng: nơi đặt cược lớn nhất

Đây là tầng Việt Nam nên dồn sức nhiều nhất, vì ba lẽ.

Thứ nhất, nó rẻ nhất, như đã nói. Thứ hai, ở Việt Nam, khách hàng lớn nhất của tầng này đã có sẵn: chính nhà nước. Mục tiêu "100% hồ sơ hành chính có AI hỗ trợ" là một đơn đặt hàng khổng lồ. Câu hỏi chiến lược là ai sẽ làm đơn hàng ấy. Nếu nó chỉ chảy về vài tập đoàn lớn gắn với nhà nước, thì tầng năm của Việt Nam sẽ mỏng như tầng năm mà ông Huang lo cho nước Mỹ: vài sản phẩm lớn thay vì hàng nghìn công cụ nhỏ. Nếu nhà nước chịu làm "khách hàng đầu tiên" cho các nhóm nhỏ — chia gói thầu theo bài toán cụ thể (đọc phim X-quang tuyến tỉnh, tra cứu thủ tục hải quan, dự báo mặn cho hợp tác xã Đồng bằng sông Cửu Long, chấm bài tập làm văn), trả tiền theo kết quả đo được — thì mục tiêu hành chính trở thành cái lò ấp cho cả tầng ứng dụng.

Thứ ba, Việt Nam có một thứ mà ông Huang gọi là "danh sách việc tồn đọng" dài hơn hẳn các nước giàu: giấy tờ chờ số hóa, bệnh nhân tuyến huyện chờ chẩn đoán, học sinh vùng sâu chờ người kèm, công trình chờ kiểm định. Lý thuyết của ông là có công cụ thì những việc tồn đọng ấy được làm, nên cần thêm người chứ không bớt. Lý thuyết đó có đúng hay không, một nước đang ở thời "dân số vàng" có lý do riêng để muốn nó đúng: AI phải nhân sức người lao động lên trước khi dân số già đi.

Việt Nam cũng đã có bằng chứng rằng ứng dụng ngành làm ở đây có giá trị thật. Tháng 12 năm 2024, cùng lúc ký thỏa thuận lập trung tâm nghiên cứu phát triển AI với Chính phủ Việt Nam, Nvidia cho biết đã mua lại VinBrain, công ty AI y tế của Vingroup (VietnamPlus; Yahoo Finance). Đó là tin vui, và cũng là lời nhắc: lối ra quen thuộc của một công ty ứng dụng giỏi ở nước đang phát triển là bán cho nước ngoài. Không có gì sai trong chuyện đó. Nhưng chính sách nên làm sao cho có thêm lối ra khác — được nhà nước, bệnh viện, ngân hàng trong nước mua sản phẩm — để những công ty kế tiếp có thể lớn lên ở nhà.

Không nên: đo tầng này bằng số "thương hiệu AI" hay số hội thảo. Nên đo bằng những con số người dân cảm được: bao nhiêu bệnh viện huyện đọc phim có AI hỗ trợ, một thủ tục rút từ mấy ngày xuống mấy giờ. Và vì người Việt lạc quan về AI vào hàng nhất thế giới — 91% tin AI sẽ giúp ích cho đất nước theo Gallup — nhưng chưa tới một phần ba nói mình hiểu rõ AI là gì theo Ipsos, mọi ứng dụng công phải đi kèm quy trình kiểm tra, đối chiếu. Tin nhiều mà kiểm ít là công thức của sai sót hàng loạt.

10.3. Tầng bốn — Mô hình: đừng đua mô hình biên giới, hãy làm chủ tiếng Việt

Việt Nam không cần, và không nên, đua làm một mô hình hàng đầu thế giới từ con số không. Ông Huang nói thẳng ai đang ở "biên giới công nghệ": vài phòng thí nghiệm Mỹ, cùng các mô hình mở của Trung Quốc mà 80% start-up Mỹ đang tải về dùng. Chi phí để đuổi theo họ đủ nuốt trọn ngân sách khoa học công nghệ của cả nước mà vẫn đến sau.

Con đường hợp lý là con đường ông Huang mô tả khi bênh vực mô hình mở: tải về, tinh chỉnh, đưa vào vòng quay dữ liệu của mình, giữ quyền kiểm soát. Việt Nam đã có những bước đi đúng hướng. Năm 2023, VinAI mở mã PhoGPT, dòng mô hình tiếng Việt khoảng bốn tỷ tham số (arXiv). Tháng 9 năm 2025, GreenNode công bố GreenMind-Medium-14B-R1, mô hình tiếng Việt mã nguồn mở 14 tỷ tham số, chạy được trên một GPU H100 duy nhất (VietNamNet). Zalo cũng đang tự phát triển mô hình tiếng Việt riêng.

Mục tiêu "ít nhất tám mô hình tiếng Việt" trong chiến lược mới vì thế cần đọc cho khéo. Nếu hiểu là tám đội đua nhau huấn luyện tám mô hình na ná nhau thì đó là lãng phí. Nếu hiểu là tám mô hình cho tám việc khác nhau — y tế, pháp luật, giáo dục, hành chính, nông nghiệp, tiếng dân tộc thiểu số, đọc chữ Hán Nôm, giọng nói vùng miền — mỗi cái tinh chỉnh từ một mô hình mở mạnh, thì đó là một danh mục có ích.

Chỗ Việt Nam có lợi thế độc quyền thật sự không phải mô hình, mà là cái tầng ông Huang buột miệng gọi là "tầng thứ sáu" trên CBS: dữ liệu. Không ai trên thế giới có động lực số hóa báo chí miền Nam trước 1975, công báo, án lệ, sách giáo khoa, kho Hán Nôm bằng người Việt. Một kho dữ liệu tiếng Việt dùng chung, sạch, có giấy phép rõ ràng, mở cho mọi nhóm trong nước — và đăng lên chính những cái chợ như Hugging Face để thế giới cũng huấn luyện mô hình biết tiếng Việt — có lẽ là khoản đầu tư hiệu quả nhất ở tầng này. Mỗi mô hình mở nước ngoài thế hệ sau đọc tiếng Việt giỏi hơn là một món quà miễn phí cho mọi nhóm làm ứng dụng ở Việt Nam.

Không nên: đặt cược vào một nguồn mô hình mở duy nhất. Như mục 3 đã kể, Washington đang bàn hạn chế mô hình mở, nhất là của Trung Quốc; phía Trung Quốc cũng có thể đổi chính sách. Một nước đứng giữa nên giữ bản sao những mô hình mình dựa vào, thử nghiệm song song nhiều dòng mô hình, và đừng để hệ thống công nào chỉ chạy được với một nhà cung cấp.

10.4. Tầng ba — Nhà máy AI: thuê trước, xây có chọn lọc

Tầng này đang sôi động nhất. Tháng 4 năm 2024, Viettel khánh thành trung tâm dữ liệu Hòa Lạc 30 MW, khi đó lớn nhất Việt Nam, thiết kế công suất mỗi tủ máy gấp đôi mức trung bình để sẵn sàng cho AI, 30% điện từ năng lượng tái tạo (Viettel/PR Newswire). Cùng tháng, FPT công bố đầu tư 200 triệu đô-la xây "nhà máy AI" với GPU H100 của Nvidia — dùng đúng chữ ông Huang (The Investor). Đến cuối năm 2025, danh sách dự án đã dài: một dự án 2 tỷ đô-la, 200 MW, khoảng 100.000 GPU ở khu công nghiệp Tân Phú Trung; một trung tâm dữ liệu siêu lớn khoảng 2 tỷ đô-la do G42, Microsoft, FPT, VinaCapital và Việt Thái đề xuất ở TP HCM; Viettel 140 MW cũng ở Tân Phú Trung; CMC 250 triệu đô-la. Tổng công suất trung tâm dữ liệu được dự báo tăng từ khoảng 525 MW năm 2025 lên khoảng 1.000 MW năm 2030 (VietnamPlus).

Đặt cạnh phép tính của ông Huang, các con số này có một ý nghĩa rõ. Ông nói một nhà máy AI một gigawatt tốn 50 tỷ đô-la. Toàn bộ công suất trung tâm dữ liệu Việt Nam dự kiến cho năm 2030, khoảng một gigawatt, chỉ bằng một nhà máy như thế ở Mỹ. Các dự án có công bố số vốn trong danh sách trên cộng lại khoảng năm tỷ đô-la, chưa bằng một nửa số tiền Nvidia trả cho riêng Hugging Face. Việt Nam sẽ không thắng ở tầng này bằng quy mô. Lợi thế thật là giá: chi phí xây khoảng 6–7 triệu đô-la mỗi MW, thấp hơn Singapore 40–60%, giá điện 6–10 xu mỗi kWh, khoảng một phần ba Singapore, theo cùng bài VietnamPlus. Cũng cần đọc cho đúng: con số 6–7 triệu là tiền xây vỏ, điện, làm mát; con số 50 tỷ của ông Huang gồm cả chip, phần đắt nhất, mà giá chip thì ở đâu cũng như nhau.

Chiến lược hợp lý vì thế gồm ba việc. Một: chia dữ liệu theo độ nhạy. Dữ liệu công dân, y tế, quốc phòng thì chạy trên hạ tầng trong nước, như Luật AI đã quy định cho ứng dụng "quan trọng". Phần còn lại cứ thuê đám mây toàn cầu khi rẻ hơn, đừng ép mọi thứ về nhà cho đẹp chữ "chủ quyền". Hai: biến "năm nền tảng AI dùng chung" thành một thứ giống thư viện công: giờ GPU giá rẻ cho đại học, viện nghiên cứu, start-up — những người không đủ tiền thuê theo giá thị trường nhưng chính là nguồn của tầng năm. Ba: đừng xây nhà máy đón trước nhu cầu. Chính ông Huang thừa nhận "đến một lúc nào đó, cung sẽ nhiều hơn cầu". Nước Mỹ có thể chịu một "giai đoạn tiêu hóa" vài quý. Một nước có ngân sách nhỏ hơn, mà nhiều nhà đầu tư là doanh nghiệp nhà nước hay ngân hàng trong nước, thì một trung tâm dữ liệu nằm im là món nợ cả xã hội phải gánh.

10.5. Tầng hai — Chip: khâu sau đã vững, khâu giữa mới đặt móng

Ở tầng này, Việt Nam có một chỗ đứng thật, nhưng không phải chỗ người ta hay tưởng. Việt Nam không làm GPU, và trong thời gian đọc được của chiến lược này cũng sẽ không làm. Thứ Việt Nam làm là khâu sau: lắp ráp, đóng gói, kiểm thử. Nhà máy của Intel ở Khu Công nghệ cao TP HCM là nhà máy lớn nhất loại ấy trong mạng lưới toàn cầu của Intel (VIR); Amkor khánh thành nhà máy đóng gói chip 1,6 tỷ đô-la ở Bắc Ninh năm 2023 (Amkor). Quyết định 1018/QĐ-TTg năm 2024 đặt mục tiêu đến 2030 có hơn năm vạn kỹ sư, cử nhân bán dẫn và khoảng mười nhà máy đóng gói, kiểm thử (LuatVietnam).

Khâu giữa — chế tạo — vừa đặt móng. Ngày 16 tháng 1 năm 2026, Viettel khởi công nhà máy chế tạo chip đầu tiên của Việt Nam, rộng khoảng 27 héc-ta ở Khu Công nghệ cao Hòa Lạc, công nghệ 32 nanomet, dự kiến sản xuất thử cuối năm 2027 và hoàn thiện quy trình trong giai đoạn 2028–2030 (The Investor). Cần nói thẳng để khỏi kỳ vọng sai: 32 nanomet cách những con chip AI hàng đầu nhiều thế hệ. Nhà máy này sẽ không làm GPU cho nhà máy AI. Giá trị của nó nằm ở chỗ khác: chip cho viễn thông, quốc phòng, thiết bị, và nhất là làm trường học — nơi kỹ sư Việt lần đầu học nghề chế tạo trên đất mình. Đánh giá nó bằng số kỹ sư thành nghề, đừng bằng số chip bán ra.

Chỗ khâu sau chạm vào AI là ở đây: bài viết tháng 3 của ông Huang mô tả tầng chip không chỉ có bộ xử lý mà còn "bộ nhớ băng thông cao và kết nối nhanh". Ghép bộ nhớ với bộ xử lý thành một gói là việc của khâu đóng gói, và với chip AI, đó là khâu khó và quý. Nâng khâu đóng gói, kiểm thử ở Việt Nam từ loại phổ thông lên loại tiên tiến là con đường ngắn nhất để Việt Nam có tên trong chuỗi cung ứng chip AI. Đi kèm là một việc ít ai nhắc: tầng chip là tầng bị kiểm soát xuất khẩu chặt nhất. Một nước muốn vừa nhận nhà máy, vừa mua được GPU đời mới cho nhà máy AI của mình, phải giữ được tiếng là nơi tuân thủ quy định nghiêm túc. Uy tín ấy cũng là một loại hạ tầng.

10.6. Tầng một — Năng lượng: tầng phải xây trước tiên

Mọi điều ở trên đều dựa vào một điều kiện: có điện. Mùa hè năm 2023, nắng nóng và hạn hán làm cạn các hồ thủy điện, miền Bắc bị cắt điện luân phiên, có khi không báo trước, các khu công nghiệp có nhà máy Samsung và Foxconn đều bị ảnh hưởng (AFP/France 24). Một trung tâm dữ liệu AI đặt ở nơi lưới điện chưa vững là một cỗ máy đắt tiền chờ cắt điện.

Nhà nước đã phản ứng. Quy hoạch điện VIII điều chỉnh, ban hành theo Quyết định 768/QĐ-TTg ngày 15 tháng 4 năm 2025, đưa trở lại điện hạt nhân với hai nhà máy Ninh Thuận 1 và 2, tổng công suất 4.000–6.400 MW, dự kiến vận hành trong giai đoạn 2030–2035; đặt mục tiêu năng lượng tái tạo (không kể thủy điện) chiếm 28–36% sản lượng vào 2030; và lên kế hoạch 22.400 MW điện khí LNG (Vietnam Briefing).

Bài học từ chính nước Mỹ, qua lời ông Huang, có hai vế. Vế thứ nhất: nước Mỹ "đã không lên kế hoạch đủ sản lượng điện", và giờ điện là chỗ Trung Quốc vượt Mỹ. Việt Nam nên coi điện cho AI là một phần của quy hoạch điện, không phải chuyện để sau. Cụ thể là gắn mỗi nhà máy AI lớn với nguồn phát mới tương ứng, đặt chúng ở nơi điện dư hoặc nơi sắp có nguồn mới, chứ đừng để trung tâm dữ liệu giành điện với nhà máy và nhà dân ở những vùng vốn đã căng. Vế thứ hai: ngành AI Mỹ "đi quá nhanh", không chuẩn bị cho những thị trấn nơi nhà máy mọc lên, và giờ "có khá nhiều bực bội khắp nước". Với Việt Nam, vế này nặng hơn, vì nhà máy hạt nhân, đường dây, trạm biến áp đều cần đất của người dân. Nếu người dân thấy điện của mình bị đem đi nuôi máy chủ của người khác, cả chiếc bánh sẽ mất sự ủng hộ từ dưới đáy lên.

Và vì điện là tầng duy nhất "tiền không mua được tốc độ", đây là tầng duy nhất mà sai lầm hôm nay không sửa được trong vài năm. Đường dây không xây kịp, nhà máy hạt nhân trễ hạn — như mọi dự án hạt nhân trên thế giới vẫn hay trễ — thì mọi tầng phía trên đứng đợi.

10.7. Một chiến lược quốc gia, gói trong một bảng

Tầng Việt Nam đang có Nên làm Không nên làm
5. Ứng dụng Kỹ sư phần mềm đông; người dùng lạc quan; nhà nước là khách hàng lớn Tự làm. Nhà nước làm khách hàng đầu tiên, chia bài toán theo ngành, trả theo kết quả Đo bằng số thương hiệu, số hội thảo; dồn hết đơn hàng cho vài tập đoàn
4. Mô hình PhoGPT, GreenMind, Zalo; mục tiêu 8 mô hình tiếng Việt Mượn rồi dạy tiếng Việt. Kho dữ liệu tiếng Việt dùng chung, mở; mỗi mô hình cho một việc Đua mô hình biên giới; tám đội làm tám mô hình giống nhau; lệ thuộc một nguồn
3. Nhà máy AI Viettel, FPT, CMC và nhiều dự án mới; ~1 GW dự kiến năm 2030 Thuê trước, xây có chọn lọc. Dữ liệu nhạy cảm ở trong nước; GPU giá rẻ cho đại học, start-up Xây đón trước nhu cầu bằng nợ; ép mọi thứ về nhà vì chữ "chủ quyền"
2. Chip Khâu đóng gói, kiểm thử mạnh; xưởng 32nm đang xây Mua chip AI; nâng khâu đóng gói. Coi xưởng chế tạo là trường đào tạo Hứa làm GPU; đánh giá xưởng 32nm bằng doanh số
1. Năng lượng Quy hoạch điện VIII điều chỉnh; hạt nhân Ninh Thuận trở lại Xây trước tiên. Gắn nhà máy AI với nguồn phát mới; hỏi ý dân nơi đặt nhà máy Để trung tâm dữ liệu giành điện với dân và nhà máy; coi điện là chuyện để sau

Nếu phải nói gọn hơn nữa: mua chip đời mới, thuê và xây vừa đủ nhà máy, mượn rồi dạy tiếng Việt cho mô hình, tự làm ứng dụng, và xây điện trước tất cả. Còn một thứ không nằm trong tầng nào nhưng nằm dưới mọi tầng: con người. Mục tiêu năm vạn kỹ sư bán dẫn, mục tiêu hàng nghìn chuyên gia AI, đều bắt đầu từ việc mọi đứa trẻ học hết mười hai năm phổ thông, đủ toán, đủ khả năng đọc hiểu để dùng AI mà không bị AI dắt mũi. Một chiến lược AI quốc gia không có phần đó là một cái bánh không có đĩa.

10.8. Còn cái chợ đầu mối

Cuối cùng, quay về thương vụ ở mục 9. Việc ai sở hữu cái chợ đầu mối của mô hình mở không phải chuyện xa xôi đối với Việt Nam, vì gần như mọi lời khuyên ở trên — mượn mô hình mở, đăng dữ liệu tiếng Việt, cho start-up dùng chung — đều đi qua những cái chợ như Hugging Face. Nếu Hugging Face giữ được trung lập, những nhóm nhỏ ở Việt Nam có thêm một nền tảng mạnh hơn, được một công ty giàu có chống lưng. Nếu cái cân nghiêng dần, họ sẽ là những người đầu tiên thấy chi phí đổi đường tăng lên. Lời khuyên thực tế không phức tạp: dùng cái chợ, nhưng giữ bản sao những mô hình mình dựa vào, và đừng để sản phẩm của mình chỉ chạy được trên một loại phần cứng.

11. Kết: Người Giữ Lát Bánh Giữa Vẫn Sống Nhờ Người Ăn Lát Trên

Chiếc bánh của ông Huang hay hơn vẻ ngoài của nó. Bánh được nướng từ dưới lên — không thể phủ kem lên một tầng chưa có — nhưng được ăn từ trên xuống. Năng lượng, chip và nhà máy là nơi công sức và, hiện nay, lợi nhuận tập trung. Nhưng không ai trả tiền cho nhà máy điện vì yêu nhà máy điện. Người ta trả tiền vì ở tầng trên cùng, một bác sĩ đọc phim nhanh hơn, một công ty vận tải xếp tuyến tốt hơn, một cửa hàng nhỏ trả lời khách lúc nửa đêm.

Mỗi tầng quan trọng theo cách của nó: năng lượng vì nó có thể chặn đứng tất cả; chip vì nó quyết định giá thành của trí tuệ; nhà máy AI vì đó là nơi canh bạc hóa thành bê tông, việc làm và nợ; mô hình vì nó biến sức tính toán đa dụng thành kỹ năng, và vì cuộc tranh cãi đóng hay mở ở đó quyết định bao nhiêu người được xây lên trên; ứng dụng vì đó là tầng duy nhất trả tiền cho tất cả các tầng còn lại.

Nhìn như vậy, việc Nvidia mua Hugging Face không hẳn là bước vào một ngành mới, mà là bảo vệ ngành cũ của mình. Một công ty ở tầng hai đã mua cái chợ đầu mối giữa tầng bốn và tầng năm, vì đó là nơi nhu cầu cho tầng hai được sinh ra. Nếu ông Huang giữ lời để chợ mở cho tất cả, cả ngành được lợi và Nvidia — người bán hàng lớn nhất ở tầng dưới — được lợi nhiều nhất. Nếu cái cân nghiêng, ông sẽ đã trả 12,9 tỷ đô-la để thu hẹp chính cái phễu mà ông cần mở rộng. Chiếc bánh nói rõ điều đó: người giữ lát bánh ở giữa, dù đang lãi lớn đến đâu, vẫn sống nhờ những người ăn ở lát trên cùng.


Nguồn Tham Khảo

  1. NVIDIA Blog — Jensen Huang, "AI Is a 5-Layer Cake" (10-3-2026)
  2. NVIDIA Blog — Jensen Huang và Larry Fink tại Davos, "Largest Infrastructure Buildout in Human History" (1-2026)
  3. NVIDIA Blog — "NVIDIA to Acquire Hugging Face" (3-9-2026)
  4. New York Times — "Nvidia Extends A.I. Spending Spree With $12.9 Billion Deal for Hugging Face" (3-9-2026)
  5. TechCrunch — "Nvidia confirms it will buy Hugging Face for $12.9 billion"
  6. New York Times, The Ezra Klein Show — "Jensen Huang Thinks A.I. Alarmism Has Gone Too Far" (23-9-2026)
  7. CBS News — phỏng vấn Jensen Huang (Jo Ling Kent), 2026, đoạn "The Five-Layer Cake"
  8. Korea Society — trò chuyện với Jensen Huang (Juju Chang), 2026
  9. Y Combinator — trò chuyện với Jensen Huang, 2026
  10. Cơ quan Năng lượng Quốc tế (IEA) — Energy and AI, tóm tắt
  11. Carbon Brief — "AI: Five charts that put data-centre energy use and emissions into context"
  12. Futurum Group — "AI Capex 2026: The $690B Infrastructure Sprint" (12-2-2026)

Cho mục 10 (Việt Nam và chiếc bánh):

  1. VnEconomy — Nghị quyết 57-NQ/TW của Bộ Chính trị (22-12-2024)
  2. LuatVietnam — Luật Công nghiệp Công nghệ số số 71/2025/QH15 (14-6-2025)
  3. Tilleke & Gibbins — Luật Trí tuệ Nhân tạo số 134/2025/QH15
  4. Allen & Gledhill — Luật AI: hạ tầng AI quốc gia, sandbox, thời gian chuyển tiếp
  5. Cổng thông tin Chính phủ — Chiến lược quốc gia về AI đến 2030 (29-8-2026)
  6. VietnamPlus — Chính phủ Việt Nam và Nvidia ký thỏa thuận hợp tác (12-2024); Yahoo Finance — Nvidia mua VinBrain
  7. Gallup — "AI Optimism Globally Widespread Despite Uneven Use" (2026); Ipsos — "AI in Vietnam 2024"
  8. arXiv — PhoGPT (VinAI, 2023); VietNamNet — GreenMind-Medium-14B-R1 (9-2025)
  9. Viettel/PR Newswire — Trung tâm dữ liệu Hòa Lạc 30 MW (4-2024); The Investor — FPT đầu tư 200 triệu đô-la vào nhà máy AI (4-2024)
  10. VietnamPlus — "Vietnam emerges as new hotspot for AI data centre investment" (11-11-2025)
  11. VIR — nhà máy Intel ở TP HCM; Amkor — nhà máy Bắc Ninh; LuatVietnam — Quyết định 1018/QĐ-TTg (2024)
  12. The Investor — Viettel khởi công nhà máy chế tạo chip đầu tiên (16-1-2026)
  13. AFP/France 24 — khủng hoảng điện miền Bắc (6-2023); Vietnam Briefing — Quy hoạch điện VIII điều chỉnh, QĐ 768/QĐ-TTg (15-4-2025)

Written by: Claude Opus 5.5 AI.

Curator/Editor: Học Trò.

Mọi trích dẫn đều phải ghi chú với dòng trên và nói rõ bài khảo luận được lấy từ trang https://hoctroviet.blogspot.com/

The Five-Layer Cake: What Each Layer Is, How It Works, Why It Matters — and Why Nvidia Bought Hugging Face

Written by: Claude Opus AI.

Curator/Editor: Học Trò.


Jensen Huang has a habit of compressing a whole industry into a single image he can draw on a napkin. For the last year, that image has been a cake. AI, he says, is five layers stacked on top of each other: energy at the bottom, then chips, then the infrastructure he calls "AI factories," then models, and on top the applications that people and companies actually use. He has used the picture at Davos with Larry Fink, in a signed essay on Nvidia's own website, on CBS, at the Korea Society, and as the spine of a long interview with Ezra Klein. It is a good picture. It is also a picture drawn by the company that sells the second layer, and so it is worth taking seriously in two ways at once: as a real map of how AI gets made, and as a map that tells you where its author wants you to look. This essay walks up the cake one layer at a time — what each layer is, how it works, why it carries weight of its own — and then turns to the purchase that makes the most sense when you read it against the cake: Nvidia's $12.9 billion acquisition of Hugging Face, a company that does not sit in Nvidia's layer at all, but at the hinge where the fourth layer turns into the fifth.

1. Where the Cake Came From

The phrase is new, but the thinking behind it is not. In his conversation with Y Combinator, Huang placed the origin about fifteen years back, when deep learning first worked: "this is a way of doing software, with implications for the processor, the middleware, the algorithms, the applications — what I now describe as the five-layer cake. I imagined reinventing that entire industrial stack all together about 15 years ago." What changed in 2026 is that he started saying it out loud, everywhere.

The first big public outing was the World Economic Forum in January 2026, on stage with BlackRock's Larry Fink, where Huang described AI as "a five-layer cake" spanning energy, chips and computing infrastructure, cloud data centers, models and applications, and said of the top layer, "This layer on top, ultimately, is where economic benefit will happen" (NVIDIA Blog, Davos). Seven weeks later, on March 10, he put his name to a short essay on Nvidia's site titled simply "AI Is a 5-Layer Cake" (NVIDIA Blog). That essay is the canonical version, and its central sentence is the one to keep in mind for everything that follows: "Every successful application pulls on every layer beneath it, all the way down to the power plant that keeps it alive."

By the autumn the cake had become his default answer to almost any question. Asked by CBS why he disagreed with restricting chip sales to China, he answered with the cake: "remember that AI is a five-layer cake. It is not just the model." In that same answer he added a wrinkle he does not usually mention — "you could argue there's six layers, or five" — and named the extra one: "the data layer." Asked by Ezra Klein how Nvidia decides where to invest its money, he answered with the cake again: "if you look at my mental model of the A.I. industry, it's a five-layer cake, and we're investing across all of it." When a framework is used to explain export policy, capital allocation and job creation in the same month, it is no longer a slide. It is a worldview.

2. Layer One — Energy

What it is. Electricity: the power plants, transmission lines, substations and on-site generation that feed data centers. Huang's March essay states the point without decoration: "Intelligence generated in real time requires power generated in real time." Every answer a model produces "is the result of electrons moving, heat being managed and energy being converted into computation."

How it works. Older computing could hide its energy bill, because most of what a data center did was store and retrieve files. Generative AI cannot. Each token is produced fresh, and producing it costs a measurable amount of power, plus the power needed to remove the heat. Scale that across hundreds of millions of users and, in Huang's framing, hundreds of billions of software agents, and the power plant stops being background and becomes the binding constraint. The International Energy Agency's base case has global data-center electricity use more than doubling from about 415 terawatt-hours in 2024 to around 945 TWh by 2030, with the United States accounting for the largest share of current consumption and AI the most important driver of growth (IEA, Energy and AI; Carbon Brief). Carbon Brief's reading of the same work notes that grid-connection queues in developed countries were already long before data centers joined them.

Why it matters on its own. Energy is the only layer where money alone cannot buy speed. A chip order can be expedited; a transmission line takes years of permits. That is why Huang, who is otherwise relentlessly optimistic about American capability, concedes this layer to China. "One of the advantages China has right now in A.I. is energy," Klein put to him, and Huang agreed: "they just have a lot more energy than we do, and they plan to build a lot more than we did." His diagnosis of the American side is blunt — "we got ourselves really gummed up in climate change and sustainable energy, and as a result, we just didn't plan enough energy production" — and so is his admission of the political cost: the industry "moved so fast" that it failed to prepare the towns where data centers were going up, and "now there's a fair amount of frustration around the country."

One can argue with his energy politics and still accept his structural point. The bottom of the cake sets the ceiling for everything above it. If the power is not there, the best chip in the world sits dark, the factory does not run, the model is not served, and the application never reaches the hospital. It is the only layer that can stop all the others by itself.

3. Layer Two — Chips

What it is. The processors that turn electricity into computation: GPUs and other accelerators, plus the high-bandwidth memory and the interconnects that tie them together. This is Nvidia's home layer, and Huang's essay describes it in the terms Nvidia has always used: AI demands "enormous parallelism, high-bandwidth memory and fast interconnects," and the job of the chip is to "transform energy into computation efficiently at massive scale."

How it works. The key metric here is not speed in the abstract but intelligence per watt. If energy is the hard constraint, then the chip that produces the most useful tokens from the same megawatt wins, because it lets the same power plant support more customers. Huang's other argument about this layer is less obvious and more important to Nvidia's business. In the Klein interview he described Nvidia hardware as "fungible because we're general purpose": the same machines serve "data processing to pretraining to post-training to eval to inference," so "if a customer no longer needs it, another customer will be more than happy to pick it up." And because Nvidia keeps shipping new software for old hardware, he argued, "the useful life of our compute is much longer." His analogy was the airliner, which starts life carrying passengers and ends it carrying cargo, and which banks are therefore happy to finance as an asset class.

Why it matters on its own. The chip layer is where the cake's profits currently concentrate. Nvidia's most recent quarter, as reported by the New York Times when the Hugging Face deal was announced, brought revenue of $96.22 billion and nearly $60 billion in profit, roughly ten times its quarterly profit three years earlier (New York Times). It is also the layer where national policy bites hardest: export controls are written in terms of chips, not models or apps. And it is the layer with the longest lead times after energy, because every leading chip depends on a short chain of advanced fabrication and packaging plants.

But there is a deeper reason this layer is important on its own terms, and it is the reason the rest of this essay keeps returning to it. A chip has no value until something runs on it. Huang said this himself, in a sentence that is easy to skip: "We can't really create demand because in the end, if the A.I. services have no off take, then obviously, building computers for it is pointless." The second layer is the cake's profit center and its most exposed position at the same time. It earns everything the layers above it are willing to pay for, and nothing more.

4. Layer Three — Infrastructure, or the AI Factory

What it is. Everything required to turn a pile of chips into a working computer of continental size: "land, power delivery, cooling, construction, networking and the systems that orchestrate tens of thousands of processors," in the words of Huang's essay. It is also the cloud services that rent that capacity out.

How it works. Huang insists on a change of vocabulary here, and the change carries his argument. The old building was a data center, "a center that holds data," as he told the Korea Society; the new one is an AI factory, because "we're now producing intelligence." A factory is judged by output, not by cost alone. That is why he frames this layer in terms of yield: "It's $50 billion to build a one-gigawatt data center, one-gigawatt A.I. factory, and you can rent it for $40 to $50 billion per year." That rental figure is his, and it is generous; it is best read as a statement of how the builders of this layer see their own economics, not as an audited return.

Why it matters on its own. This is the layer where the cake turns into steel, concrete and jobs, and it is the one Huang leans on when he wants to talk to people who will never write a line of code. At Davos and again in his March essay he listed the workers it needs — "electricians, plumbers, pipefitters, steelworkers, network technicians, installers and operators" — and called them "skilled, well-paid jobs" in short supply. It is also where the sheer scale of the buildout is visible. The five largest American hyperscalers planned between $660 billion and $690 billion in capital spending for 2026 alone, most of it on AI compute, data centers and networking (Futurum Group). Huang's own estimate in the March essay is that the world is "a few hundred billion dollars into it" and that "trillions of dollars of infrastructure still need to be built."

The infrastructure layer is also where financial risk accumulates. A factory built for demand that arrives two years late is a very expensive building. Huang does not deny the cycle — "at some point, we will likely have more supply than demand. I just don't know when that is" — but he expects only "a period of digestion" of perhaps "six months... nine months... a year." Whether he is right depends entirely on what happens two floors up.

5. Layer Four — Models

What it is. The trained systems themselves. The public thinks of this layer as four or five chatbots. Huang works hard to widen that picture. "There are language models, but there are models of all kinds," he told Klein: "chemical models, biology models, physics models, articulation models, robotics, navigation models, self-driving cars." His March essay names the domains as "language, biology, chemistry, physics, finance, medicine and the physical world itself."

How it works. The model layer is where the cake splits into two economies. Closed models — he lists OpenAI, Anthropic, Grok and Gemini — are sold as services, and he has no quarrel with them: "the people working on them are incredible... they're at what we call the frontier." Open-weight models are downloaded, modified and run by whoever has them. Huang's argument for open models is not ideological; it is operational. A company that wants AI inside its own business needs "open weights so that I can fine-tune them, put them into my data flywheel, make them better and better every day with my intelligence and my domain expertise, and then I need to have control over it because I have a company to run and I can't rely on somebody else's service." He claims the market is moving his way, saying that at the beginning of the year about 70 percent of tokens came from closed models and that the ratio has since run "about 70-30 the other way." That is his figure, not an independent measurement, and it should be read as such; but the direction he describes is consistent with what he says about American start-ups, "80 percent" of which, in his account, now build on Chinese open models.

Why it matters on its own. The model layer is the cake's translator. Everything below it is general-purpose capacity; everything above it is specific use. A model is what turns a megawatt of computation into a radiology reading or a contract review. It is also the layer where the political fight is now fiercest. Washington has debated limits on open models, especially those from China, and Nvidia's own securities filing for the Hugging Face deal warned that "other parties are actively lobbying the U.S. government and other stakeholders worldwide to adopt legislative or regulatory measures that would restrict or disadvantage open-source models" (New York Times). For Nvidia this is not an abstract debate. Huang's March essay gives the reason in a single example: when DeepSeek-R1 made a strong reasoning model freely available, "it accelerated adoption at the application layer." Open models are the cheapest way to multiply the number of applications, and applications are what pull on chips.

6. Layer Five — Applications

What it is. The software that a doctor, a lawyer, a logistics manager or a factory engineer actually touches: drug-discovery platforms, robots, legal copilots, autonomous vehicles, and the AI built into everyday business systems. Huang calls this "the most important layer, and the layer that I care most about and the one that our country takes advantage of."

How it works. The application layer is where AI stops being a technology and becomes a change in how a job is done. Huang's favorite illustration is radiology. Computer vision has been "superhuman" at reading scans for about a decade, and yet radiologists were not replaced, because "for everybody's job, there's the purpose of the job and then there's the task you do as the job." The scan-reading task was automated; the purpose — diagnosing disease and helping patients — was not. In his March essay the same example ends with the line: "radiologists can focus on judgment, communication and care." Whether that pattern holds across other professions is the biggest open question in the whole debate, and it is not one this essay can settle. But it explains why Huang locates the value at the top: an application is the point where AI meets a paying problem.

Why it matters on its own. Three reasons, in ascending order of importance for Nvidia.

First, it is the only layer most people will ever see. "The consumers of the technology are going to enjoy it at the highest level," Huang said; they "don't have to deal with calculus and physics and quantum physics." Public trust in AI will be won or lost here, not in a fab.

Second, it is the layer through which a whole economy benefits, rather than a few companies. "Walmart has to benefit, Safeway has to benefit, Federal Express has to benefit," he told Klein; on CBS, "I love the fact that FedEx is going to be an AI company. I love the fact that Walmart's going to be an AI company." In his view, that is the real race: "That's the layer that touches society — all the layers underneath are technology enablers."

Third, and this is the one his business depends on, it is the source of all demand below it. Recall his own sentence: if the services have "no off take," building computers "is pointless." Recall the March essay: every application "pulls on every layer beneath it." Read together, these two lines explain Nvidia's investment strategy better than any press release. The company sits at layer two, but the oxygen for layer two is produced at layer five. Nvidia is therefore in the unusual position of needing thousands of companies it does not own, in industries it does not understand, to succeed at things it cannot build for them. That is why, as Huang told Klein, "the amount of investments that we're putting into the application layer so that each one of the industries could have the technology diffuse into them... that's probably one of the biggest things that we do."

7. Reading the Cake Critically

A map is also an argument, and this one has three features worth noticing.

It puts the mapmaker in the middle. In the cake, every layer above chips depends on chips, and every layer below chips exists to feed them. That is true as engineering. It is also a flattering picture for the company that holds roughly the middle slice. Klein put it gently — "You've become like a single-company industrial policy for American A.I." — and Huang did not object. By his own estimate, Nvidia's investment across the cake is "all in... $100 billion," "larger than the CHIPS and Science Act."

It separates where value is created from where profit is captured. Huang calls the top layer the most important, and in social terms he is probably right. But in 2026 the money is pooling in the second and third layers. That gap is not a contradiction in his framework; it is the problem his framework is designed to solve. If the application layer stays thin — if AI remains a handful of chatbots rather than ten thousand industrial tools — the profits in the layers below eventually become a bubble. Huang's strategy, read through the cake, is an attempt to thicken the top before the bottom gets ahead of it.

It hides the circularity question inside a word. When Nvidia invests in AI labs, new cloud providers and data centers that then buy Nvidia chips, critics see circular financing, and the Times says so plainly in its report on the Hugging Face deal, describing a "growing roster of financing deals" that "is raising concerns that the A.I. boom is being fueled through increasingly risky bets, with Nvidia at the center of many of them." Huang's reply, in the cake's language, is that he is not creating demand but "supporting" it at every layer, and that some investments simply "open new markets," open "a new route to market for us," or "secure a critical resource for us." Both readings can be true at once. The test is whether the applications show up.

That test is the right frame for the Hugging Face deal.

8. Hugging Face: Buying the Hinge Between the Fourth and Fifth Layers

What Nvidia bought. On September 3, 2026, Huang announced that Nvidia had agreed to acquire Hugging Face for about $12.93 billion (NVIDIA Blog). By the companies' own count, the platform serves more than 18 million developers and hosts more than 3 million models, 500,000 datasets and 1 million applications, and more than 200,000 companies use it to deploy AI (NVIDIA Blog; TechCrunch). In 2021 it hosted 13,590 models (New York Times). TechCrunch reports that Hugging Face had turned down a $500 million offer from Nvidia only a year earlier, and that the company runs at about $150 million in annualized revenue. Huang told Klein that the initiative came from the other side: Clément Delangue "came to the conclusion they need a lot more scale... and we'd really like Nvidia to be our home."

Which layer is it? The honest answer is: not quite the fifth. Hugging Face is mainly a model-layer company — a library, a distribution point and a collaboration space for open weights. It is fair to describe the deal as Nvidia strengthening the top of the cake, but only if one is precise about how. Hugging Face is not an application. It is the place where models become applications. Its million hosted apps, its deployment services, and the 200,000 companies that use it to put models into production make it the busiest on-ramp from layer four to layer five in the open ecosystem. And with half a million datasets, it is also the closest thing the industry has to the "data layer" Huang mentioned on CBS as the possible sixth slice of his own cake.

That is a more interesting purchase than "Nvidia buys an app layer." Nvidia already makes chips, already builds factory designs, and already publishes models — it describes itself in the announcement as the largest contributor of open models and data to Hugging Face, with more than 500 models and 250 datasets posted there. What it lacked was the junction where the world's developers pick a model, adapt it with their own data, and ship it. That junction is exactly the step Huang described when he explained why companies want open weights: download, fine-tune, put into "my data flywheel," and keep "control over it." Hugging Face is where that sentence happens, millions of times a month.

Why it helps Nvidia in the long run. Read against the cake, the deal does five things for Nvidia, and only one of them is about revenue.

It widens the funnel at the top. If every successful application pulls on every layer beneath it, then the number of applications matters more to Nvidia than the size of any single one. A few frontier labs building giant products is a narrow funnel. Hundreds of thousands of companies fine-tuning open models for narrow jobs — a hospital's triage tool, a freight company's routing agent, a bank's compliance checker — is a wide one. Hugging Face is the single most important piece of plumbing for that wide funnel, and Nvidia now owns it. Huang's own blog post put the mission in the cake's terms without using the word: open models let "start-ups, businesses, universities and public institutions build on advanced capabilities without training every model from scratch," and so carry AI to "factories, hospitals, farms, classrooms and Main Street businesses" (New York Times).

It diversifies who Nvidia depends on. A chip company whose demand comes from a handful of model labs is exposed to those labs' choices — including their choice to design their own chips. A chip company whose demand comes from a long tail of enterprises, governments and start-ups running open models on many clouds is much harder to disintermediate. The application layer, for Nvidia, is not just a market. It is insurance.

It gives Nvidia early sight of demand. Jeff Pollard of Forrester told the Times that "Hugging Face is where a large portion of the A.I. ecosystem exchanges models, data sets and code," and that Nvidia "now sits closer to the entire A.I. supply chain." In cake terms: Nvidia can see which models and which kinds of applications are gaining traction at layers four and five months before that traction turns into chip orders at layer two. For a company that, in Huang's words, has to "live in the future 5 to 10 years" because a system takes years to design and ramp, that early signal is worth a great deal.

It puts weight behind the open-model side of a policy fight. Nvidia's filing acknowledged that restrictions on open models "could negatively impact" the acquisition. That cuts both ways. It is a risk, but it also means Nvidia has turned its lobbying position into a balance-sheet position, which makes the argument for open models — the argument that most directly fattens the top of the cake — harder for Washington to dismiss as one start-up's special pleading.

It makes the "fungibility" story true one layer up. Huang's case for Nvidia hardware as an asset class rests on general-purpose machines finding a new customer when an old one leaves. Hugging Face does the same thing for models: a model released by one lab is picked up, adapted and redeployed by thousands of others. The more liquid the model layer is, the more steady the demand for general-purpose compute beneath it.

What could go wrong. The cake also shows the risks clearly.

The first is neutrality. Hugging Face's value depends on every chipmaker and every cloud treating it as common ground. Huang anticipated this in the announcement — "NVIDIA compute will not be required to build on or deploy through Hugging Face," and the platform will "continue to support multi-cloud and multi-accelerator development and deployment." The promise is sincere and probably kept in the near term. The long-run risk is subtler: features that arrive first or work best on Nvidia hardware, and a slow drift of developers onto the best-supported path. If rivals and developers come to suspect the hinge is tilted, they will build another hinge, and the application funnel Nvidia paid to widen will split.

The second is regulatory. Nvidia already dominates layer two; owning the main crossing point between layers four and five invites antitrust attention in the United States and Europe, where its earlier attempt to buy Arm was blocked.

The third is the open-model policy fight itself. Nvidia has bet $12.9 billion — including roughly $1 billion in retention incentives for Hugging Face staff, per its filing — on an outcome in Washington that it does not control.

The fourth goes back to section 7. If the top of the cake does not thicken fast enough, owning the on-ramp will not help. A wide funnel only matters if things are flowing through it.

9. Closing: A Cake Is Eaten From the Top

The image Huang chose is better than it first looks. A cake is built from the bottom up — you cannot frost a layer that is not there — but it is eaten from the top down. Energy, chips and factories are where the effort and, today, the profits sit. But nobody pays for a power plant because they love power plants. They pay because, at the top, a radiologist reads scans faster, a freight company routes trucks better, or a small business answers its customers at night. Every dollar spent in the lower layers is a bet that enough of that will happen soon enough.

Each layer earns its importance differently. Energy is important because it can stop everything. Chips are important because they set the cost of intelligence and currently capture most of its profit. Infrastructure is important because it is where the bet becomes concrete — literally — and where the jobs and the financial risk both pile up. Models are important because they translate general capacity into specific skill, and because the open-versus-closed question there decides how many people get to build on top. Applications are important because they are the only layer that pays for all the others.

Seen that way, Nvidia's purchase of Hugging Face is less a move into a new business than a move to protect its old one. A company at layer two has bought the busiest crossing between layers four and five, because that is where the demand for layer two is ultimately born. If Huang keeps his promise to leave the crossing open to everyone, the deal widens the top of the cake for the whole industry and Nvidia profits as the largest supplier underneath it. If the crossing tilts, he will have paid $12.9 billion to narrow the very funnel he needed to widen. The cake metaphor makes the stakes plain: whoever owns the middle of the cake still lives on what people eat at the top.


References

  1. NVIDIA Blog — Jensen Huang, "AI Is a 5-Layer Cake" (March 10, 2026)
  2. NVIDIA Blog — "'Largest Infrastructure Buildout in Human History': Jensen Huang on AI's 'Five-Layer Cake' at Davos" (January 2026)
  3. NVIDIA Blog — "NVIDIA to Acquire Hugging Face" (September 3, 2026)
  4. New York Times — "Nvidia Extends A.I. Spending Spree With $12.9 Billion Deal for Hugging Face" (September 3, 2026)
  5. TechCrunch — "Nvidia confirms it will buy Hugging Face for $12.9 billion"
  6. New York Times, The Ezra Klein Show — "Jensen Huang Thinks A.I. Alarmism Has Gone Too Far" (September 23, 2026)
  7. CBS News interview with Jensen Huang (Jo Ling Kent), 2026 — "The Five-Layer Cake" segment
  8. Korea Society fireside chat with Jensen Huang (Juju Chang), 2026
  9. Y Combinator conversation with Jensen Huang, 2026
  10. International Energy Agency — Energy and AI, Executive Summary
  11. Carbon Brief — "AI: Five charts that put data-centre energy use and emissions into context"
  12. Futurum Group — "AI Capex 2026: The $690B Infrastructure Sprint" (February 12, 2026)