AMD CTO Mark Papermaster argues that agentic AI workloads demand significantly more CPU resources than traditional AI inference — roughly four times more — because orchestrating multiple agents, managing context, and coordinating sub-agents all run on CPUs before GPU matrix math kicks in. This dynamic partly explains AMD's stock surge from ~$200 to ~$500 and its push toward a trillion-dollar valuation. AMD's strategy has shifted from selling individual chips to selling optimized full-stack systems, exemplified by the $4.9bn ZT Systems acquisition and the upcoming Helios rack-scale AI system packing 72 Instinct GPUs alongside server CPUs. AMD is also betting on openness via its ROCm software stack and open rack standards, positioning itself against Nvidia's more closed ecosystem, particularly targeting European customers seeking sovereign AI infrastructure.
Nguồn: https://thenextweb.com/news/amd-papermaster-raise-agentic-ai-cpus-gpus. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
Agentic AI đang thay đổi ngành quan sát IT bằng cách tự động hóa phân tích nguyên nhân gốc rễ (RCA), giảm nhiễu cảnh báo và đẩy nhanh phản hồi sự cố cho các nhóm SRE và DevOps. Các tác nhân (agents) tự động có thể xử lý song song các tác vụ điều tra lặp đi lặp lại, từ phân loại cảnh báo đến gỡ lỗi hiệu suất, đồng thời giúp phi kỹ thuật viên truy vấn dữ liệu quan sát bằng ngôn ngữ tự nhiên. Theo dự đoán, trong vòng 24 tháng tới, các agent sẽ đảm nhận hầu hết quá trình RCA với sự giám sát của con người ở mức tối thiểu.
Lập trình viên nên đọc bài này để hiểu cách Agentic AI tự động hóa phân tích nguyên nhân gốc của vấn đề, giúp giảm thời gian debug và cải thiện hiệu quả trong việc phát hiện và giải quyết lỗi trong hệ thống.
Bolt Graphics ra mắt GPU Zeus dành cho kiến trúc sư, game thủ, nghệ sĩ và nhà nghiên cứu, hứa hẹn hiệu năng render/simulate nhanh hơn, tiết kiệm điện hơn, hỗ trợ real-time path tracing, photorealistic rendering, giảm thời gian render phim/TV cùng khả năng mô phỏng vật lý cho HPC.
Lập trình viên chuyên về đồ họa và AI nên đọc bài này để khám phá cách GPU mới như Zeus có thể tối ưu hóa các công cụ rendering và simulation cho các ứng dụng như ray tracing, vật lý và HPC, giúp phát triển các giải pháp hiệu quả hơn cho các dự án tương tác và thực tế ảo.
Hiện nay, các mô hình AI tiên tiến bị hạn chế chủ yếu bởi băng thông bộ nhớ (memory bandwidth) chứ không phải tốc độ tính toán, khi dữ liệu di chuyển giữa bộ nhớ và bộ xử lý trở thành rào cản hiệu suất chính. Các giải pháp đang được nghiên cứu bao gồm cải tiến kiến trúc bộ nhớ, tính toán gần bộ nhớ, nén mô hình và sử dụng kết nối quang học.
Lập trình viên AI nên đọc bài này để hiểu cách tối ưu hóa hiệu suất hệ thống bằng kiến thức về giới hạn băng thông bộ nhớ—chìa khóa quyết định tốc độ xử lý mô hình lớn trong cả giai đoạn huấn luyện và dự đoán.
Phân tích chi phí sơ lược cho thấy suy luận (inference) AI thực sự sinh lời, với chi phí ước tính khoảng 1 USD cho mỗi triệu token đầu ra, thấp hơn nhiều so với mức giá 4,5 USD trở lên của các nhà cung cấp như OpenAI, qua đó đạt biên lợi nhuận gộp 70–80%. Suy luận AI có lợi nhuận, nhưng các phòng thí nghiệm AI như OpenAI và Anthropic sử dụng khoản lợi nhuận này để bù đắp chi phí đào tạo mô hình tốn kém.
Là người phát triển muốn tối ưu chi phí cho ứng dụng AI của mình, bài viết này giúp bạn hiểu rõ về lợi nhuận thực tế của quá trình inference AI, từ đó có thể xây dựng mô hình kinh doanh hiệu quả và tránh bỏ lỡ cơ hội tiết kiệm chi phí mà không phụ thuộc vào sự hỗ trợ từ các công ty lớn.
Zscaler phát hiện 26 LLMs, bao gồm Llama và Gemini, dễ bị tấn công IPI (indirect prompt injection) khi các tác nhân AI tự động mắc bẫy từ nội dung web độc hại mà con người dễ nhận ra. Bốn mô hình bị xếp vào nhóm dễ bị tấn công, trong khi ba mô hình an toàn, do kiến trúc transformer không thể tách biệt nội dung web không tin cậy khỏi hướng dẫn tin cậy. Nguy cơ lớn nhất nằm ở các quy trình doanh nghiệp tự động hóa, như thanh toán hay mua sắm, nơi tấn công có thể gây thiệt hại tài chính nghiêm trọng.
Lập trình viên cần đọc bài này để hiểu cách bảo mật AI hiện nay bị lỗ hổng trong việc phân biệt nội dung web không đáng tin cậy với các lệnh thực thi, đặc biệt khi các mô hình lớn như Llama và Gemini dễ bị tấn công trong môi trường doanh nghiệp, đòi hỏi kiến thức về các rủi ro mới trong hệ sinh thái AI.
Các nhà nghiên cứu của Sysdig đã ghi nhận JadePuffer, chiến dịch ransomware đầu tiên được thực thi hoàn toàn bởi một tác nhân LLM mà không cần sự can thiệp của con người. Kẻ tấn công khai thác CVE-2025-3248 (lỗ hổng RCE không cần xác thực trong Langflow) để xâm nhập máy chủ MySQL sản xuất, đánh cắp dữ liệu, xóa cơ sở dữ liệu và để lại lời đe dọa tống tiền, với khả năng phục hồi nhanh chóng sau thất bại.
Lập trình viên nên đọc bài này để hiểu cách một hệ thống AI tự động hóa tấn công phức tạp, từ khai thác lỗ hổng đến phá hủy dữ liệu, và nhận thức về nguy cơ mới khi các công cụ tự động hóa của AI được sử dụng trong cybercrime.
OpenAI và Broadcom hợp tác phát triển chip AI tùy chỉnh Jalapeño nhằm cạnh tranh với Nvidia Blackwell và Google TPU, nhắm vào workloads inference. Chip này đã được thử nghiệm với mô hình GPT-5.3-Codex-Spark và dự kiến triển khai vào cuối năm 2025, trong khi tình trạng thiếu hụt HBM đang ảnh hưởng đến biên lợi nhuận của Broadcom.
Lập trình viên nên đọc bài này để hiểu cách các công ty lớn như OpenAI và Broadcom hợp tác phát triển chip AI chuyên dụng, giúp tối ưu hóa hiệu suất cho các mô hình lớn như GPT-5.3, ảnh hưởng trực tiếp đến hiệu năng và chi phí của các ứng dụng AI trong tương lai.
Năm 2026 nửa đầu chứng kiến 10 sự kiện AI đáng chú ý, từ lệnh ngừng hoạt động Fable 5 và Mythos 5 của Anthropic vì lỗ hổng jailbreak, tranh cãi về quyền truy cập quân sự không giới hạn, sự cạnh tranh từ các mô hình open-weight của Trung Quốc như GLM-5.2, cho đến sự bùng nổ của agentic AI trong doanh nghiệp, chiến trường tokenomics, và sắc lệnh an ninh AI của Trump. Nửa cuối năm hứa hẹn nhiều đột phá hơn như code AI trong sản xuất, tăng cường tự chủ cho agent, và sự phổ biến của open-weight trong doanh nghiệp.
Lập trình viên nên đọc bài này để hiểu cách các công nghệ AI đang thay đổi nhanh chóng không chỉ là công cụ hỗ trợ, mà còn trở thành tiêu chuẩn trong phát triển phần mềm, từ việc giải quyết rủi ro an ninh đến tối ưu hóa chi phí và tích hợp vào các workflow doanh nghiệp.