AI thiếu cả bộ nhớ: CXMT muốn bước vào NAND

CXMT, nhà sản xuất bộ nhớ lớn của Trung Quốc, được cho là đang chuẩn bị bước vào thị trường NAND flash khi nhu cầu từ máy chủ AI làm nguồn cung bộ nhớ toàn cầu căng thẳng. Tín hiệu này nhắc lại một thực tế thường bị bỏ qua: hạ tầng AI không chỉ thiếu GPU và HBM; nó còn cần khối lượng lưu trữ rất lớn cho model, dữ liệu, checkpoint và kết quả trung gian.

CXMT đang chuẩn bị điều gì?

Reuters ngày 18/09/2026 dẫn ba nguồn thạo tin cho biết CXMT dự kiến thiết lập một dây chuyền R&D NAND tại nhà máy mới ở Bắc Kinh. Công ty cũng đã thành lập viện nghiên cứu tại thành phố này và được cho là đã thảo luận kế hoạch với khách hàng, gồm một startup muốn mua NAND cho sản phẩm lưu trữ dùng trong AI và siêu máy tính.

Điểm cần đọc thận trọng: chưa rõ dây chuyền R&D sẽ bắt đầu khi nào, và CXMT có chuyển từ nghiên cứu, sản xuất thử sang thương mại quy mô lớn hay không. CXMT, YMTC, Samsung và chính quyền Bắc Kinh chưa phản hồi Reuters tại thời điểm bài báo được xuất bản.

NAND khác gì HBM và DRAM?

HBM là bộ nhớ băng thông rất cao, đặt gần bộ xử lý AI để cung cấp dữ liệu nhanh trong lúc tính toán. DRAM là bộ nhớ làm việc chính của hệ thống. NAND là lưu trữ không mất dữ liệu khi tắt nguồn, thường xuất hiện trong SSD và các tầng lưu trữ của máy chủ.

Một cụm AI cần cả ba. HBM giúp GPU không “đói dữ liệu”; DRAM giữ trạng thái làm việc; NAND lưu trọng số model, tập dữ liệu, checkpoint, embedding và kết quả. NAND không thay thế HBM, nhưng thiếu NAND hoặc SSD phù hợp vẫn làm hệ thống chậm, đắt và khó mở rộng.

Fact: Reuters cho biết nhu cầu máy chủ AI đã góp phần tạo ra thiếu hụt bộ nhớ toàn cầu mà một số lãnh đạo ngành cho rằng có thể kéo dài ít nhất đến năm 2027. TrendForce dự kiến căng thẳng NAND chỉ bắt đầu giảm trong nửa sau năm 2027. Nhận định của Học viện AI: đây là tín hiệu doanh nghiệp nên tính tổng chi phí dữ liệu, không chỉ giá GPU.

Vì sao nguồn cung NAND bị siết?

Các hãng sản xuất bộ nhớ đã ưu tiên vốn cho DRAM và HBM, nơi nhu cầu AI tăng nhanh và biên lợi nhuận hấp dẫn. Hệ quả là năng lực bổ sung cho NAND bị hạn chế. Khi nhu cầu lưu trữ từ trung tâm dữ liệu đồng thời tăng, thị trường dễ rơi vào thiếu cung và giá cao.

Reuters dẫn TrendForce cho biết Samsung dẫn đầu thị trường NAND theo doanh thu trong quý II/2026 với 29,3%, sau đó là SK Hynix và Micron. Việc CXMT — vốn chuyên DRAM — muốn bước sang NAND sẽ khiến công ty cạnh tranh trực tiếp với cả các hãng quốc tế và YMTC trong nước.

Hai “ngôi sao bộ nhớ” Trung Quốc bắt đầu lấn sân nhau

Trong nhiều năm, CXMT tập trung vào DRAM còn YMTC dẫn đầu NAND tại Trung Quốc. Nhưng ranh giới đang mờ đi: Reuters từng đưa tin YMTC gửi mẫu DRAM tiết kiệm điện cho khách hàng, trong khi CXMT nay được cho là nghiên cứu NAND.

Cả hai doanh nghiệp đều là mắt xích quan trọng trong mục tiêu tự chủ bán dẫn của Bắc Kinh và nhận hỗ trợ từ quỹ bán dẫn quốc gia cùng chính quyền địa phương. CXMT huy động 57,92 tỷ nhân dân tệ, tương đương 8,6 tỷ USD, trong đợt IPO tháng 7/2026; công ty cũng dự kiến xây nhà máy bộ nhớ thứ hai tại Bắc Kinh.

Những con số tài chính này cho thấy quy mô vốn cần thiết để gia nhập thị trường, nhưng không bảo đảm công nghệ NAND của CXMT sẽ đạt sản lượng, năng suất hoặc chất lượng cạnh tranh. Khoảng cách giữa dây chuyền R&D và sản xuất hàng loạt có thể kéo dài nhiều năm.

Nút thắt AI đang lan ra toàn bộ chuỗi hạ tầng

Câu chuyện CXMT bổ sung một mảnh ghép vào bức tranh rộng hơn. ASML High NA EUV cho thấy nút thắt ở thiết bị chế tạo; Huawei Peerium cho thấy nút thắt ở liên kết và mở rộng cụm; còn NAND cho thấy áp lực ở tầng lưu trữ.

Đối với doanh nghiệp triển khai AI, lựa chọn kiến trúc cần bắt đầu từ workload. Hệ thống suy luận thời gian thực cần băng thông và latency khác với kho dữ liệu phục vụ huấn luyện, RAG hay lưu trữ checkpoint. Mua “máy GPU mạnh” nhưng bỏ qua luồng đọc–ghi dữ liệu có thể khiến phần cứng đắt tiền phải chờ.

Ba việc cần tính trước khi mở rộng hạ tầng AI

• Đo dữ liệu chứ không chỉ token: dung lượng model, corpus, embedding, checkpoint và log tăng bao nhiêu mỗi tháng?
• Phân tầng lưu trữ: dữ liệu nóng cần SSD nhanh; dữ liệu lạnh có thể chuyển sang lớp rẻ hơn.
• Kiểm tra đường dữ liệu đầu cuối: GPU, mạng, RAM và lưu trữ phải cân bằng; một thành phần chậm có thể kéo hiệu suất toàn cụm xuống.

Nhận định của Học viện AI: làn sóng AI đang biến bộ nhớ thành tài sản chiến lược. Doanh nghiệp không nhất thiết phải dự trữ phần cứng, nhưng cần thiết kế workload để có thể thay đổi nhà cung cấp và giảm lượng dữ liệu đắt tiền phải lưu ở tầng tốc độ cao.

Nguồn tham khảo

• Reuters, 18/09/2026 — kế hoạch NAND của CXMT và dữ liệu thị trường được Reuters dẫn từ TrendForce.

Cần thiết kế hạ tầng AI theo workload và chi phí thực? Nhận proposal triển khai AI cho doanh nghiệp từ Học viện AI.