Rocket One tài trợ thử linh kiện từ cho AI: mức 100 attojoule vẫn là ước tính

Rocket One ngày 20/10/2026 công bố thỏa thuận tài trợ nghiên cứu với Virginia Commonwealth University (VCU), tập trung chế tạo và thử linh kiện tính toán từ. Mức năng lượng 100 attojoule cho một phép nhân được nhắc trong kế hoạch là ước tính lý thuyết ở cấp linh kiện, chưa phải kết quả đo của chương trình hoặc một bộ xử lý AI hoàn chỉnh.

Theo công bố của Rocket One, ba hướng trình diễn gồm phép nhân analog, phần tử dẫn điện điều chỉnh tuyến tính và cổng XOR. Chương trình do giáo sư Supriyo Bandyopadhyay dẫn dắt, với thời hạn nghiên cứu từ 19/10/2026 tới 19/10/2027.

Biến dạng cơ học điều khiển điện trở như thế nào?

Straintronic magnetic tunnel junction, viết tắt s-MTJ, là linh kiện có lớp cách điện nằm giữa các lớp sắt từ. Bài perspective năm 2024 của Bandyopadhyay giải thích rằng điện áp có thể tạo biến dạng cơ học, làm thay đổi hướng từ hóa và qua đó điều chỉnh điện trở. Đây là tài liệu nền trước dự án, không phải kết quả mới công bố tháng 10/2026.

Điểm hữu ích cho tính toán analog nằm ở khả năng điều chỉnh theo một dải giá trị thay vì chỉ hai trạng thái. Trong miền mà độ dẫn biến thiên tuyến tính với tín hiệu điều khiển, linh kiện có thể tham gia biểu diễn phép toán bằng các đại lượng điện. Tuyến tính ở một miền hoạt động không có nghĩa toàn bộ đặc tuyến đều lý tưởng.

Từ một phép nhân tới phần cứng mạng nơ-ron

Hồ sơ nghiên cứu tại VCU liệt kê công việc về bộ nhân ma trận nanomagnetic cho mạng học sâu từ trước thông báo này. Vì vậy, hướng nghiên cứu có lịch sử học thuật; sự kiện mới là chương trình chế tạo và kiểm tra cụ thể, không phải lần đầu xuất hiện ý tưởng điện toán từ.

Về kiến trúc, một khối tính toán chuyên biệt chỉ giải quyết một phần công việc của hệ thống AI. Muốn đánh giá giá trị thực tế, cần xác định đầu vào và đầu ra được biểu diễn ra sao, phép tính có độ chính xác nào và kết quả được đưa tới phần tiếp theo như thế nào. Bài viết chưa có dữ liệu của chương trình mới để trả lời các câu hỏi này bằng con số.

Vì sao không thể so 100 attojoule trực tiếp với điện năng GPU?

Con số năng lượng chỉ có ý nghĩa khi ranh giới phép đo giống nhau. Điện năng của một linh kiện thực hiện một thao tác không bao quát việc chuẩn bị dữ liệu, điều khiển, đọc kết quả và vận hành cả hệ thống. Suy ra mức tiết kiệm của GPU hoặc trung tâm dữ liệu từ chỉ số đó sẽ là một bước nhảy chưa có bằng chứng.

Trong bài perspective, tác giả cũng bàn tới đánh đổi giữa năng lượng và độ tin cậy khi chuyển trạng thái. Cách sử dụng một linh kiện cho logic nhị phân và cho tính toán analog cần được xem xét riêng. Không thể chỉ chọn chỉ số thuận lợi nhất ở một chế độ rồi áp cho mọi ứng dụng.

Kết quả đo nào sẽ có giá trị hơn một thông báo phát triển?

Với chương trình chế tạo, câu hỏi đầu tiên là các mẫu linh kiện có thể hiện đặc tuyến mong muốn một cách lặp lại hay không. Một mẫu hoạt động tốt chưa nói được phân bố sai khác giữa nhiều mẫu. Đây là các tiêu chí đánh giá kỹ thuật được nêu từ góc biên tập, chưa phải số liệu hoặc cam kết nghiệm thu do nhóm nghiên cứu công bố.

Tiếp đó là sự nhất quán giữa độ chính xác, miền hoạt động và năng lượng đo trên cùng điều kiện. Một thiết kế có mức năng lượng thấp nhưng chỉ hoạt động trong phạm vi rất hẹp cần được so với nhu cầu ứng dụng cụ thể. Giá trị khoa học nằm ở việc công khai cả điều kiện thành công và giới hạn, thay vì chỉ một con số tối ưu.

Khoảng cách tới sản phẩm vẫn cần nhiều bước kiểm chứng

Rocket One xác định công nghệ còn ở giai đoạn sớm, chưa có sản phẩm thương mại; tích hợp bộ xử lý và đánh giá cho môi trường không gian cần thêm phát triển. Bài này không coi tên lĩnh vực ứng dụng trong thông cáo là bằng chứng về khách hàng, doanh thu hoặc khả năng chịu bức xạ đã được xác nhận.

Thỏa thuận đưa ra một việc có thể theo dõi: chuyển thiết kế thành linh kiện và công bố kết quả đo. Nếu bước đó hoàn thành, dữ liệu sẽ giúp đánh giá thiết kế nào đáng tích hợp tiếp. Trước đó, mô tả chính xác nhất vẫn là một chương trình thử nghiệm phần tử nền tảng cho phần cứng AI.

Ảnh minh họa hướng từ hóa của nanomagnet, không phải mẫu chip Rocket One. Nguồn: Supriyo Bandyopadhyay, npj Spintronics, 2024, Hình 1; giấy phép CC BY 4.0, dùng nguyên trạng. Tài liệu ảnh là kiến thức nền trước chương trình mới.

Nguồn tham khảo

Rocket One, 20/10/2026; Bandyopadhyay: perspective về s-MTJ, 2024; VCU: hồ sơ và hướng nghiên cứu. Chưa có kiểm thử độc lập đối với chương trình mới trong phạm vi bài.