Theo nghiên cứu do IDC phối hợp với Intel thực hiện, 89% lãnh đạo CNTT được khảo sát cho rằng AI có khả năng tự thực hiện nhiều bước công việc sẽ trở thành ưu tiên quan trọng trong 12–24 tháng tới. Tuy nhiên, chỉ 56% cho biết tổ chức của họ có đủ ngân sách để đầu tư cho hạ tầng phục vụ công nghệ này.
Báo cáo cho thấy khi AI chuyển từ việc trả lời câu hỏi sang khả năng thực hiện các công việc phức tạp, doanh nghiệp cần chuẩn bị hệ thống máy chủ, dữ liệu và mạng lưới phù hợp để công nghệ này hoạt động hiệu quả.
Khác với các công cụ AI thông thường chủ yếu nhận yêu cầu rồi đưa ra câu trả lời, AI tác nhân (Agentic AI) có thể thực hiện một chuỗi công việc liên tiếp để hoàn thành mục tiêu. Chẳng hạn, thay vì chỉ trả lời câu hỏi về doanh thu, hệ thống có thể tìm dữ liệu từ nhiều nguồn, phân tích thông tin, sử dụng các ứng dụng liên quan rồi tổng hợp kết quả.
Để làm được điều đó, AI cần truy cập dữ liệu, sử dụng phần mềm, thực hiện các phép tính và tuân thủ quy định bảo mật trong suốt quá trình xử lý. Vì vậy, yêu cầu đối với hệ thống CNTT không chỉ nằm ở sức mạnh của một bộ xử lý hay một mô hình AI, mà còn ở khả năng phối hợp giữa nhiều thành phần.
Doanh nghiệp muốn ứng dụng AI nhưng chưa đầu tư đủ
Khảo sát của IDC cho thấy 89% người ra quyết định về CNTT đánh giá Agentic AI sẽ là ưu tiên quan trọng trong 12–24 tháng tới. Tuy nhiên, chỉ 56% tổ chức cho biết họ được cấp ngân sách đầy đủ hoặc ở mức phù hợp cho hạ tầng phục vụ công nghệ này.
Khoảng cách giữa nhu cầu và nguồn lực đầu tư cho thấy doanh nghiệp không thể chỉ tập trung mua thêm máy chủ hoặc bộ xử lý mạnh hơn. Điều quan trọng là xác định AI sẽ được sử dụng vào công việc nào, cần truy cập những dữ liệu gì và phải phối hợp với hệ thống hiện có ra sao.
Chẳng hạn, một ứng dụng AI xử lý hồ sơ khách hàng có thể cần truy xuất dữ liệu nội bộ, kiểm tra thông tin trên phần mềm quản lý và thực hiện nhiều bước xử lý trước khi trả kết quả. Nếu các thành phần này không được kết nối hiệu quả, hệ thống có thể hoạt động chậm, phát sinh chi phí hoặc gặp khó khăn trong việc bảo vệ dữ liệu.
Do đó, doanh nghiệp cần xây dựng hạ tầng đủ linh hoạt để sử dụng nhiều loại năng lực xử lý khác nhau, đồng thời phân bổ tài nguyên phù hợp với từng công việc. Mục tiêu không phải là đầu tư thiết bị đắt tiền nhất, mà là giúp toàn bộ hệ thống hoạt động hiệu quả với chi phí hợp lý.
Đưa AI đến gần nơi lưu trữ dữ liệu
Một vấn đề quan trọng khác là vị trí lưu trữ dữ liệu. Theo khảo sát của IDC, 55% người tham gia cho biết tổ chức của họ kết hợp sử dụng hệ thống CNTT đặt tại doanh nghiệp với dịch vụ đám mây công cộng. Trong khi đó, 38% chủ yếu hoặc hoàn toàn ưu tiên hạ tầng nội bộ.
Đám mây công cộng cho phép doanh nghiệp sử dụng tài nguyên điện toán linh hoạt mà không cần tự xây dựng toàn bộ hệ thống. Tuy nhiên, những dữ liệu quan trọng vẫn có thể được lưu trữ trong trung tâm dữ liệu riêng để đáp ứng yêu cầu về bảo mật, tốc độ truy cập, chi phí truyền tải hoặc quy định pháp lý.
Vì vậy, thay vì chuyển toàn bộ dữ liệu và ứng dụng lên đám mây, doanh nghiệp có thể lựa chọn triển khai AI ở cả hai môi trường, tùy theo nhu cầu. Cách tiếp cận này thường được gọi là AI lai (hybrid AI).
Nghiên cứu cũng cho biết 45% người tham gia xem việc hiện đại hóa hoặc hợp nhất hạ tầng trung tâm dữ liệu là một trong những ưu tiên CNTT hàng đầu trong năm 2026. Điều này cho thấy việc chuẩn bị hạ tầng hiện có vẫn là một phần quan trọng trong kế hoạch ứng dụng AI.
Không chỉ cần GPU, doanh nghiệp còn cần CPU
Khi nói đến AI, GPU thường được nhắc đến nhờ khả năng xử lý khối lượng tính toán lớn. Tuy nhiên, một hệ thống AI tác nhân còn phải thực hiện nhiều công việc khác, như truy xuất cơ sở dữ liệu, điều phối ứng dụng, kết nối các dịch vụ và kiểm tra quyền truy cập.
Đây là những nhiệm vụ mà CPU vẫn giữ vai trò quan trọng. CPU là bộ xử lý trung tâm, đảm nhận nhiều loại công việc khác nhau trong máy tính và máy chủ; trong khi GPU có thế mạnh ở những tác vụ tính toán song song với khối lượng lớn.
Theo khảo sát của IDC, 27% người tham gia cho rằng GPU là yếu tố quyết định hiệu năng, 23% đánh giá cao vai trò của CPU, còn khoảng một nửa cho biết hiệu quả phụ thuộc vào từng loại công việc và cần kết hợp cả hai.
Điều này có nghĩa doanh nghiệp không nhất thiết phải lựa chọn giữa CPU và GPU. Tùy ứng dụng, hệ thống có thể cần CPU để điều phối các bước xử lý, GPU để thực hiện những phép tính AI chuyên sâu và các bộ tăng tốc khác để đảm nhận những nhiệm vụ phù hợp.
Khoảng 40% người tham gia khảo sát cũng ưu tiên các máy chủ tiêu chuẩn có khả năng hỗ trợ tăng tốc tính toán ma trận, vector hoặc lắp thêm card mở rộng qua chuẩn kết nối PCIe. Đây là cách giúp doanh nghiệp bổ sung năng lực xử lý mà không nhất thiết phải thay thế toàn bộ hệ thống đang sử dụng.
Trong bối cảnh đó, Intel giới thiệu bộ xử lý Xeon như một thành phần phục vụ hạ tầng AI doanh nghiệp. Theo Intel, các bộ xử lý này có những tính năng hỗ trợ tính toán ma trận và vector, đồng thời đảm nhận các công việc như điều phối ứng dụng, truy xuất dữ liệu và kết nối các thành phần trong hệ thống. Doanh nghiệp có thể kết hợp CPU Xeon với GPU hoặc bộ tăng tốc chuyên dụng tùy theo nhu cầu thực tế.
Tận dụng hạ tầng hiện có để triển khai AI
Bên cạnh năng lực xử lý, khả năng tương thích với phần mềm và hệ thống đang sử dụng cũng ảnh hưởng đến quyết định đầu tư của doanh nghiệp. Việc chuyển sang một kiến trúc hoàn toàn mới có thể đòi hỏi điều chỉnh ứng dụng, đào tạo nhân sự và kiểm tra lại quy trình vận hành.
Theo số liệu IDC công bố, mức độ phù hợp về mặt lý thuyết của kiến trúc x86 và Arm đối với Agentic AI khá tương đương, lần lượt đạt 87,5% và 87,2%. Tuy nhiên, khi đánh giá các yếu tố phục vụ triển khai thực tế, kiến trúc x86 dẫn đầu ở 9 trong 12 tiêu chí khảo sát.
Trong đó, x86 được đánh giá cao hơn Arm về khả năng tương thích phần mềm, với tỷ lệ 88% so với 80%; khả năng mở rộng đạt 89% so với 81%; độ tin cậy và khả năng phục hồi đạt 88% so với 82%. Kiến trúc này cũng có lợi thế về mức độ phổ biến trong hệ thống hiện tại và nguồn nhân lực có chuyên môn, theo kết quả khảo sát.
Những yếu tố này có ý nghĩa với các doanh nghiệp đã sử dụng máy chủ x86 trong nhiều năm. Thay vì xây dựng một hệ thống AI hoàn toàn tách biệt, họ có thể xem xét tích hợp AI vào hạ tầng hiện hữu, qua đó tận dụng các ứng dụng, dữ liệu và quy trình đã có.
Intel cho biết hãng cũng tối ưu hóa các nền tảng phần mềm nguồn mở như PyTorch, vLLM và OpenVINO để hỗ trợ triển khai AI trên các
