Theo Techcritter, tại sự kiện AI Tech 2026 ở Seoul (Hàn Quốc), ASUS đã giới thiệu loạt hạ tầng phục vụ triển khai AI quy mô lớn, với sự tham gia của NVIDIA và các đối tác như AMD, IBM, Intel, Samsung, Schneider Electric và Western Digital.
Trọng tâm của lần giới thiệu này là ASUS AI POD tích hợp NVIDIA Vera Rubin NVL72. Bên cạnh đó, hãng còn đưa vào danh mục các nền tảng NVIDIA HGX Rubin, NVIDIA MGX, hệ thống lưu trữ doanh nghiệp và thiết bị xử lý AI tại biên.
ASUS và NVIDIA giới thiệu giải pháp hạ tầng AI đầu-cuối, hướng đến triển khai, vận hành và mở rộng các ứng dụng AI trong doanh nghiệp
ẢNH: ASUS
Việc đưa Vera Rubin vào danh mục cho thấy ASUS đang chuẩn bị hạ tầng cho các hệ thống AI có quy mô và mật độ phần cứng ngày càng lớn. Tuy nhiên, nội dung tại sự kiện không chỉ tập trung vào bộ xử lý. Theo ASUS, hiệu năng của một hệ thống AI hiện đại còn phụ thuộc vào khả năng phối hợp giữa mạng, lưu trữ, nguồn điện và làm mát.
Khi mật độ thiết bị tăng, mạng phải đáp ứng lượng dữ liệu truyền tải lớn, trong khi hệ thống lưu trữ liên tục cung cấp mô hình, dữ liệu và ngữ cảnh cho quá trình xử lý. Nguồn điện và làm mát cũng phải duy trì hoạt động ổn định khi hệ thống thực hiện những khối lượng công việc cường độ cao.
Hạ tầng AI không chỉ phụ thuộc vào GPU
Cách triển khai đồng bộ máy chủ, mạng, lưu trữ, nguồn điện và làm mát được gọi là mô hình “nhà máy AI”, trong đó các thành phần được thiết kế và vận hành như một hệ thống thống nhất.
Tại sự kiện, hãng trình diễn máy chủ UF920-E3-RS24 CMX, hệ thống lưu trữ đối tượng OJ340A-RS60 và VS320D-RS26N, phục vụ các nhu cầu như lưu dữ liệu mô hình, bộ nhớ ngữ cảnh và dữ liệu cho quy trình xử lý AI trong doanh nghiệp.
Một công cụ khác được giới thiệu là NVIDIA DSX Sim Blueprint, dùng để mô phỏng hệ thống điện toán, mạng, lưu trữ, nguồn điện, làm mát và điều kiện cơ sở vật chất trước khi triển khai. Signal Virtual Lab tiếp tục kiểm tra thiết kế trên hệ thống vật lý, trong khi công cụ quản lý trung tâm theo dõi tình trạng phần cứng và mức sử dụng tài nguyên khi hệ thống đi vào vận hành.
Ở nhóm sản phẩm dành cho tác nhân AI (AI Agent), XA P2N-E2 sử dụng nền tảng NVIDIA MGX với hai bộ xử lý NVIDIA Vera C2, phục vụ suy luận, xử lý dữ liệu và điều phối tác vụ. Với điện toán biên, PE3000N dùng NVIDIA Jetson Thor T5000, hướng đến xử lý AI gần thiết bị và các hệ thống tự động.
Khi AI có mức độ tự chủ cao hơn, yêu cầu quản lý cũng được mở rộng sang kiểm soát quyền truy cập, xác thực và phê duyệt của con người đối với những hành động có mức rủi ro cao.
//Chèn ads giữa bài (runinit = window.runinit || []).push(function () { //Nếu k chạy ads thì return if (typeof _chkPrLink != 'undefined' && _chkPrLink) return; var mutexAds = '<zone id="l2srqb41"></zone>'; var content = $('[data-role="content"]'); if (content.length > 0) { var childNodes = content[0].childNodes; for (i = 0; i < childNodes.length; i++) { var childNode = childNodes[i]; var isPhotoOrVideo = false; if (childNode.nodeName.toLowerCase() == 'div') { // kiem tra xem co la anh khong? var type = $(childNode).attr('class') + ''; if (type.indexOf('VCSortableInPreviewMode') >= 0) { isPhotoOrVideo = true; } } try { if ((i >= childNodes.length / 2 - 1) && (i < childNodes.length / 2) && !isPhotoOrVideo) { if (i <= childNodes.length - 3) { childNode.after(htmlToElement(mutexAds)); arfAsync.push("l2srqb41"); } break; } } catch (e) { } } } }); function htmlToElement(html) { var template = document.createElement('template'); template.innerHTML = html; return template.content.firstChild; } function tnDetailInsertMidArticleWidget(rootSelector, widgetId) { var root = document.querySelector(rootSelector); if (!root) return null; var contentRoot = root.querySelector('[data-role="content"]') || root; var blocks = Array.from(contentRoot.children).filter(function (el) { if (el.id === widgetId) return false; if (el.hasAttribute('data-check-position')) return false; if (el.hasAttribute('data-type')) return false; if (/^(SCRIPT|STYLE|TEMPLATE|LINK|NOSCRIPT)$/.test(el.tagName)) return false; if (el.tagName === 'P' && !el.textContent.trim()) return false; return el.getClientRects().length > 0; }); if (!blocks.length) return null; var rootRect = contentRoot.getBoundingClientRect(); var idx; if (rootRect.height > 0) { var midY = rootRect.top + rootRect.height / 2; for (idx = 0; idx < blocks.length; idx++) { if (blocks[idx].getBoundingClientRect().bottom >= midY) break; } if (idx >= blocks.length) idx = blocks.length - 1; } else { idx = Math.floor(blocks.length / 2); } var target = blocks[idx]; var isMedia = target.tagName === 'FIGURE' || target.classList.contains('VCSortableInPreviewMode'); var newDiv = document.createElement('div'); newDiv.id = widgetId; contentRoot.insertBefore(newDiv, isMedia ? target : target.nextSibling); return newDiv; } function tnAfterLoad(fn) { if (document.readyState === 'complete') fn(); else window.addEventListener('load', fn, { once: true }); } (function () { if (!(window.pageSettings && pageSettings.allow3rd && (typeof window._isAdsHidden === 'undefined' || !window._isAdsHidden))) return; if (laNuocNgoai) return; tnAfterLoad(function () { var pernewDiv = tnDetailInsertMidArticleWidget('div.detail-cmain', 'tn_detail_foryou1_pc_per'); if (!pernewDiv) return; loadJsAsync('https://js.aiservice.vn/rec/tn_detail_foryou1_pc_per.js', function(){}, function() { window.boxTNRecs.err.push('rec/tn_detail_foryou1_pc_per.js'); }); }); })(); (function() { if (!(window.pageSettings && pageSettings.allow3rd && (typeof window._isAdsHidden === 'undefined' || !window._isAdsHidden))) return; if (typeof window.laNuocNgoai === 'undefined' || !window.laNuocNgoai) return; tnAfterLoad(function () { var newDiv = tnDetailInsertMidArticleWidget('div.detail-cmain', 'taboola-mid-article-widget'); if (!newDiv) return; window._taboola = window._taboola || []; window._taboola.push({ mode: 'thumbnails-4x1', container: 'taboola-mid-article-widget', placement: 'Mid Article Widget', target_type: 'mix' }); }); })();
