Intel được cho là đang đàm phán với nhà sản xuất màn hình Đài Loan AU Optronics (AUO) về các công nghệ đóng gói bán dẫn thế hệ mới, trong đó đáng chú ý là việc sử dụng Micro LED, đế kính và quang học đồng đóng gói (CPO) cho các hệ thống tính toán mật độ cao. Nếu thành hiện thực, hướng đi này có thể mở rộng đáng kể vai trò của Micro LED, từ công nghệ hiển thị sang một thành phần trong hạ tầng kết nối chip AI.
Theo thông tin được Wccftech dẫn lại từ truyền thông Đài Loan, Intel đang được cho là muốn hợp tác với AUO để phát triển các giải pháp đóng gói sử dụng đế Micro LED, hướng tới CPO và các hệ thống chip có mật độ tích hợp cao. Intel hiện có kinh nghiệm với công nghệ đóng gói tiên tiến như EMIB (Embedded Multi-die Interconnect Bridge) và đế kính, trong khi AUO sở hữu nền tảng về Micro LED, xử lý kính, RDL và tích hợp quang điện. Một điểm đáng chú ý khác là Intel được cho là đã có bằng sáng chế tại Mỹ liên quan đến việc tích hợp IC vào đế Micro LED. Ý tưởng này sử dụng TGV (Through-Glass Via) để tạo các kết nối xuyên qua đế kính, thay vì dựa hoàn toàn vào TSV (Through-Silicon Via) truyền thống. Về lý thuyết, cách tiếp cận này có thể hỗ trợ những thiết kế package phức tạp, kết hợp nhiều loại chip và thành phần quang điện trên cùng một cấu trúc.
Lý do Micro LED và đóng gói tiên tiến ngày càng được quan tâm là tốc độ truyền dữ liệu giữa các chip đang trở thành một trong những nút thắt của hệ thống AI. CPO đưa các thành phần quang học đến gần hoặc tích hợp trực tiếp với chip xử lý, nhằm giảm khoảng cách truyền tín hiệu và cải thiện hiệu quả kết nối. AUO thực tế đã công bố một hướng phát triển rất gần với những gì được đề cập trong báo cáo về Intel. Tại SEMICON Taiwan 2026, công ty trình diễn module Micro LED CPO cấp hệ thống dành cho kết nối tốc độ cao trong các trung tâm dữ liệu AI. Thiết kế sử dụng nhiều kênh Micro LED song song để truyền dữ liệu, đồng thời hướng tới giảm nhu cầu bù tín hiệu và tải nhiệt. AUO cho biết giải pháp này nhắm tới các kết nối tầm ngắn lên tới khoảng 10 mét. AUO cũng đang phát triển Glass Core Substrate (GCS) cùng Corning. Đế kính có độ ổn định kích thước cao, hệ số giãn nở nhiệt thấp và đặc tính truyền tín hiệu phù hợp với các package lớn, mật độ kết nối cao. Công ty định hướng công nghệ này cho AI, HPC, HBM và CPO.
Nếu Intel thực sự kết hợp thế mạnh về EMIB và advanced packaging với Micro LED, RDL, TGV và công nghệ quang học của AUO, mục tiêu sẽ không chỉ là tạo ra một loại package mới mà còn hướng tới việc tích hợp tính toán và truyền dữ liệu quang học ở cấp độ hệ thống. Tuy nhiên, cần phân biệt rõ giữa công nghệ đang được hai công ty phát triển và thông tin về một thỏa thuận hợp tác cụ thể. Intel hiện chưa xác nhận việc hợp tác với AUO theo những báo cáo nói trên. AUO cũng mới xác nhận rộng hơn rằng họ đang hợp tác với các đối tác trong lĩnh vực advanced packaging, Micro LED CPO và glass substrate, chứ chưa công bố Intel là đối tác trong dự án này. Nếu kế hoạch được triển khai, đây sẽ là một hướng tiếp cận đáng chú ý trong cuộc đua đóng gói chip AI: thay vì chỉ thu nhỏ transistor, các nhà sản xuất đang tìm cách cải thiện hiệu năng bằng cách tích hợp chiplet, bộ nhớ, kết nối quang học và vật liệu đóng gói mới vào cùng một hệ thống. Đây cũng là lý do các công nghệ như CPO và glass substrate ngày càng được xem là một phần quan trọng của hạ tầng AI thế hệ tiếp theo.
MSI đã đưa EdgeMesa N AI+ lên trang sản phẩm toàn cầu, đánh dấu sự xuất hiện của một trong những mini PC đầu tiên sử dụng nền tảng NVIDIA RTX Spark N1X. Hệ thống hướng tới AI cục bộ, phát triển mô hình, sáng tạo nội dung và các workload cần lượng bộ nhớ lớn, với cấu hình cao nhất gồm CPU NVIDIA Grace 20 nhân, GPU Blackwell 6.144 CUDA cores và tối đa 128 GB LPDDR5X unified memory.
CPU Vera của NVIDIA vừa cho thấy một lợi thế đáng chú ý trước Intel Xeon 6 trong bài kiểm tra cơ sở dữ liệu TPC-H. Dù chỉ có 88 lõi, ít hơn 96 lõi của Xeon 6, Vera vẫn đạt hiệu năng truy vấn cao hơn khoảng 46–48% trong các thử nghiệm với DuckDB. Đây là kết quả đáng chú ý bởi TPC-H không phải benchmark AI mà tập trung vào các truy vấn cơ sở dữ liệu và phân tích dữ liệu doanh nghiệp.
Giá một loạt linh kiện AMD có thể tăng khoảng 10% trong quý IV/2026, theo một thông tin rò rỉ mới. GPU Radeon dành cho người dùng phổ thông, chip tăng tốc AI và chipset bo mạch chủ được cho là nằm trong diện điều chỉnh giá. Thông tin xuất phát từ ChannelGate và được PCWorld dẫn lại từ các nguồn trong ngành. Theo báo cáo, AMD đã thông báo cho một số đối tác về đợt tăng giá dự kiến, với nguyên nhân chính đến từ chi phí sản xuất wafer tăng tại TSMC.
Thế hệ GPU GeForce RTX 60 tiếp theo của Nvidia có thể phải đến 2028 mới được ra mắt, theo thông tin mới từ leaker phần cứng nổi tiếng Kopite7Kimi. Đây là thay đổi đáng chú ý so với dự đoán trước đó. Hồi đầu năm, nguồn tin này từng cho rằng GPU thế hệ mới của Nvidia có thể xuất hiện vào nửa cuối năm 2027. Tuy nhiên, trong cập nhật mới trên X, ông cho biết dòng GPU mang mã GR20x hiện được xem là sản phẩm của năm 2028. Cần nhấn mạnh rằng Nvidia chưa xác nhận RTX 60, mã GR20x hay thời điểm ra mắt. Vì vậy, mốc 2028 hiện chỉ là thông tin rò rỉ.
Apple đang biến Mac Studio thành một trong những nền tảng đáng chú ý nhất cho AI chạy cục bộ (local AI). Trong bài đánh giá mới, Tom’s Hardware cho thấy phiên bản Mac Studio sử dụng M5 Ultra không chỉ là một máy tính nhỏ gọn dành cho dân sáng tạo, mà còn có khả năng xử lý các mô hình AI lớn ngay trên thiết bị. Điểm đáng chú ý nhất nằm ở bộ nhớ hợp nhất (Unified Memory) dung lượng lớn và băng thông lên tới 1,2 TB/s. Trong các bài kiểm tra AI với Qwen 3.8-27B-Q4_K_M, Mac Studio M5 Ultra đạt tốc độ xử lý prompt cao hơn Nvidia DGX Spark, trong khi tốc độ sinh token gần gấp bốn lần DGX Spark và gấp đôi Mac Studio M4 Max. Tuy nhiên, mức hiệu năng này đi kèm mức giá rất cao. Cấu hình Tom’s Hardware thử nghiệm có giá tới 12.299 USD, biến Mac Studio M5 Ultra thành một thiết bị gần với workstation hoặc máy chủ AI cá nhân hơn là một chiếc desktop thông thường.
Trong nhiều năm, cuộc đua AI chủ yếu xoay quanh việc đào tạo những mô hình ngày càng lớn. Các công ty công nghệ liên tục xây dựng siêu máy tính với hàng chục nghìn GPU để huấn luyện các mô hình có hàng trăm tỷ, thậm chí hàng nghìn tỷ tham số.
Các mô hình AI đang bắt đầu chuyển từ việc xử lý tác vụ trong môi trường số sang trực tiếp điều khiển robot trong thế giới thực. Một ví dụ mới đến từ Đại học Thanh Hoa (Tsinghua University), 无问芯穹 và 正行创新, khi các bên vừa công bố mã nguồn mở RPent, một nền tảng dành cho xây dựng tác tử AI có khả năng tương tác với robot và môi trường vật lý.
Anthropic đang âm thầm mở rộng hoạt động từ nghiên cứu AI trên máy tính sang sinh học thực nghiệm, khi công ty thành lập một phòng thí nghiệm sinh học (wet lab) tại khu vực Vịnh San Francisco. Động thái này nằm trong tham vọng sử dụng AI để thúc đẩy nghiên cứu thuốc và tìm kiếm phương pháp điều trị cho những căn bệnh hiếm hoặc chưa được ngành dược chú trọng.
