Kỳ vọng đặt vào MN-Core

GPU của NVIDIA, dù có hiệu năng tính toán cực cao, lại tiêu tốn lượng điện năng khổng lồ. Hơn nữa, dòng điện lớn chạy trên mạch siêu tinh vi còn gây nhiệt lượng cao, dẫn đến suy giảm hiệu suất hoạt động – đây là vấn đề đang được các chuyên gia chỉ ra ngày càng rõ rệt. Trái lại, chip MN-Core của Preferred Networks được tối ưu hóa chuyên biệt cho xử lý học sâu (deep learning). Nhờ vậy, nó đạt được tỷ lệ hiệu năng tính toán trên mỗi đơn vị tiêu thụ điện năng vượt trội hơn hẳn GPU truyền thống.

Hiện nay, PFN vẫn đang nhờ TSMC gia công MN-Core, nhưng trong tương lai gần, khả năng họ chuyển sang đặt hàng Rapidus là hoàn toàn có cơ sở.

Như đã đề cập ở chương trước, để giảm thâm hụt kỹ thuật số của Nhật Bản, đất nước cần phải tự phát triển hạ tầng công nghệ lõi — chẳng hạn như:

• dịch vụ đám mây quốc nội (domestic public cloud) có thể cạnh tranh với Amazon AWS hay Microsoft Azure,

• AI tạo sinh nội địa có năng lực tương đương với OpenAI – ChatGPT.

Một trong những trở ngại lớn nằm ở đặc điểm ngôn ngữ Nhật Bản. Tiếng Nhật có số lượng token (đơn vị ký tự nhỏ nhất trong xử lý ngôn ngữ) gấp 2–4 lần so với các ngôn ngữ khác, do đặc tính mơ hồ và cấu trúc phức tạp. Điều đó khiến khối lượng xử lý trên CPU/GPU tăng lên gấp bội, kéo theo mức tiêu thụ điện năng cũng tăng tương ứng.

Nếu Nhật Bản có thể phát triển thành công GPU quốc nội tiêu thụ điện năng thấp, đó sẽ trở thành một vũ khí chiến lược cực kỳ mạnh mẽ. MN-Core chính là ứng viên hàng đầu cho vị trí đó.
Hơn thế, một số nhà nghiên cứu còn chỉ ra rằng ngôn ngữ vốn có tính chất lượng tử (quantum nature).
Nếu trong tương lai, việc xử lý ngôn ngữ tự nhiên bằng máy tính lượng tử (Quantum NLP) trở nên khả thi, thì khái niệm “token” hiện nay có thể hoàn toàn thay đổi —và khi đó, bất lợi của tiếng Nhật trong AI ngôn ngữ có thể sẽ được xóa bỏ.