Nvidia ra mắt mô hình AI lượng tử nguồn mở Ising, lĩnh vực điện toán lượng tử đồng loạt tăng, IonQ tăng hơn 20%

Ising được đặt tên theo nhà vật lý Ernst Ising. Vào năm 1920, nhà vật lý Wilhelm Lenz đã đề xuất một mô hình mô tả sự tương tác của các hạt trong một mạng tinh thể, và vào năm 1925, học trò của ông là Ernst Ising đã hoàn thành nghiên cứu về trường hợp một chiều. Được biết đến với tên gọi mô hình Ising, đây là một trong những mô hình kinh điển của vật lý thống kê. Khái niệm cốt lõi của nó là các tương tác vi mô đơn giản có thể tạo ra các chuyển pha vĩ mô và hành vi tập thể; ban đầu nó được sử dụng để giải thích hiện tượng nam châm bị khử từ khi nung nóng và từ hóa trở lại khi làm nguội.

Các nguyên lý của mô hình Ising đã được ứng dụng rộng rãi trong AI, thị trường tài chính, sự lan truyền dư luận và tính toán lượng tử. Nvidia đã đặt tên cho mô hình AI lượng tử của mình là "Ising", nhằm mục tiêu tích hợp sâu lớp kiểm soát tính toán lượng tử với hệ sinh thái tính toán GPU của riêng mình để xây dựng một kiến trúc kỹ thuật gồm "Hệ thống điều khiển AI (Ising) + Nền tảng tính toán GPU (CUDA-Q)".

Máy tính lượng tử đang đối mặt với hai rào cản cốt lõi: hiệu chuẩn chậm và tỷ lệ lỗi cao. Hiện nay, các bộ vi xử lý lượng tử tiên tiến nhất có thể gặp lỗi sau mỗi 1.000 hoạt động, trong khi máy tính lượng tử thực sự hữu dụng yêu cầu tỷ lệ lỗi thấp hơn một phần nghìn tỷ. Mô hình Ising được thiết kế đặc biệt để giải quyết hai thách thức này.

Nhà sáng lập kiêm CEO NVIDIA Jensen Huang phát biểu: "AI đóng vai trò then chốt để đạt được điện toán lượng tử thực tiễn. Với Ising, AI sẽ đóng vai trò là hệ điều hành cho máy tính lượng tử, chuyển đổi các qubit mỏng manh thành các hệ thống GPU-lượng tử có khả năng mở rộng và đáng tin cậy."

Ising bao gồm hai thành phần.

Ising Calibration Là một mô hình ngôn ngữ thị giác với 35 tỷ tham số được sử dụng để tự động hóa quá trình hiệu chuẩn các bộ vi xử lý lượng tử. Mô hình có thể nhanh chóng diễn giải các kết quả đo lường của bộ vi xử lý lượng tử và điều khiển các tác nhân AI thực hiện hiệu chuẩn chủ động liên tục. Theo dữ liệu từ NVIDIA, mô hình có thể giảm thời gian hiệu chuẩn từ vài ngày xuống còn vài giờ. Dữ liệu huấn luyện bao gồm nhiều lộ trình kỹ thuật như qubit siêu dẫn, bẫy ion, nguyên tử trung hòa, chấm lượng tử và electron trên heli.

Trong bài kiểm tra hiệu năng QcalEval được phối hợp phát triển bởi NVIDIA, Fermilab, Đại học Harvard và các tổ chức khác, Ising Calibration đã vượt trội so với các mô hình mã nguồn đóng như Gemini 3,1 Pro, GPT 5,4 và Claude Opus 4,6 trên sáu khía cạnh đánh giá, bao gồm diễn giải kết quả thực nghiệm, phân loại kết quả, đánh giá ý nghĩa của kết quả, đánh giá chất lượng khớp và các đặc tính chính, cũng như đưa ra các khuyến nghị về tính khả thi.

Ising Decoding Là một mô hình giải mã sửa lỗi dựa trên mạng thần kinh tích chập 3D, được thiết kế đặc biệt để giải mã theo thời gian thực trong quá trình sửa lỗi lượng tử. Người dùng chỉ cần xác định mô hình nhiễu, hướng của mã bề mặt xoay và độ sâu của mô hình, khung làm việc có thể tự động tạo dữ liệu tổng hợp để huấn luyện một 3D CNN tối ưu. Mô hình có hai phiên bản: phiên bản tốc độ có 912.000 tham số và nhanh hơn 2,5 lần với độ chính xác cao hơn 1,11 lần so với giải pháp pyMatching mã nguồn mở; phiên bản độ chính xác có 1,79 triệu tham số và nhanh hơn 2,25 lần với độ chính xác cao hơn 1,53 lần.

Ngay khi vừa ra mắt, mô hình Ising đã được nhiều tổ chức nghiên cứu quốc tế hàng đầu và các doanh nghiệp lượng tử áp dụng. Ising Calibration đã được triển khai tại Fermilab, Phòng thí nghiệm Quốc gia Lawrence Berkeley, Phòng thí nghiệm Vật lý Quốc gia Vương quốc Anh, Đại học Harvard, IONQ và Infleqtion. Ising Decoding đã được đưa vào thử nghiệm tại Phòng thí nghiệm Quốc gia Sandia, Đại học Cornell, Đại học Chicago và IQM Quantum Computers. Đồng thời, NVIDIA đã mã nguồn mở toàn bộ mã mô hình, công bố các hướng dẫn vận hành và các dịch vụ vi mô NIM, hỗ trợ triển khai tại chỗ nhằm đảm bảo an ninh cho các dữ liệu độc quyền.

Cổ phiếu IONQ đã tăng vọt 20,16% trong ngày. Trong cả năm 2025, IONQ báo cáo doanh thu đạt 130 triệu USD, tăng 202% so với cùng kỳ năm trước; dự báo doanh thu năm 2026 từ 225 triệu USD đến 245 triệu USD, tương ứng với mức tăng trưởng khoảng 81% so với cùng kỳ. Tính đến cuối năm 2025, số dư tiền mặt của công ty là khoảng 3,3 tỷ USD. IONQ đã giảm khoảng 20% tính từ đầu năm đến nay, và đợt phục hồi này đã bù đắp được một phần các khoản lỗ trước đó.

Công ty nghiên cứu Resonance dự báo thị trường máy tính lượng tử toàn cầu sẽ vượt 11 tỷ USD vào năm 2030. Việc Nvidia gia nhập được thị trường coi là tín hiệu cho thấy sự phát triển tăng tốc của ngành, từ giai đoạn thử nghiệm khái niệm sang triển khai kỹ thuật thực tế.

Về xếp hạng, IONQ đã nhận được 9 đánh giá "Mua" và 3 đánh giá "Giữ" trong ba tháng qua, dẫn đến xếp hạng đồng thuận là "Mua mạnh"; mức giá mục tiêu trung bình là 65,91 USD, tương ứng với tiềm năng tăng trưởng khoảng 84% so với mức hiện tại.

Xét từ góc độ rủi ro, khoản lỗ ròng theo chuẩn GAAP năm 2025 của IONQ là 510,4 triệu USD, với mức lỗ EBITDA điều chỉnh là 186,8 triệu USD, và dự kiến lỗ EBITDA sẽ nới rộng lên mức từ 310 triệu USD đến 330 triệu USD vào năm 2026. Nhìn chung, các công ty máy tính lượng tử vẫn đang ở giai đoạn đầu của quá trình thương mại hóa và chưa xác lập được khả năng sinh lời, do đó không nên bỏ qua rủi ro biến động giá cổ phiếu trong ngắn hạn.

Tóm lại, đà tăng trưởng của lĩnh vực này là phản ứng trực tiếp đối với năng lực kỹ thuật của Nvidia. Xu hướng tiếp theo phụ thuộc vào việc xác minh khả năng mở rộng của mô hình Ising trong các kịch bản triển khai thực tế và liệu các công ty dẫn đầu ngành như IONQ có thể tiếp tục đáp ứng kỳ vọng tăng trưởng cao hay không. Lĩnh vực này hiện vẫn đang trong giai đoạn mà động lực thúc đẩy bởi chủ đề và việc xác minh các yếu tố cơ bản diễn ra song song.

Nội dung này được dịch bằng trí tuệ nhân tạo và đã được hiệu đính cho dễ hiểu hơn. Chỉ mang tính chất tham khảo.