Vì sao Databricks chọn Azure Cobalt cho AI Agent và dữ liệu doanh nghiệp?

Khi Microsoft và Databricks công bố mở rộng quan hệ đối tác chiến lược đến thập niên 2030, phần lớn sự chú ý đổ dồn vào việc hai doanh nghiệp tiếp tục đầu tư vào Azure Databricks và xây dựng các nền tảng AI dành cho doanh nghiệp. Tuy nhiên, một chi tiết nhỏ trong thông báo lại mang ý nghĩa chiến lược rất lớn: Databricks sẽ mở rộng sử dụng Azure Cobalt, dòng vi xử lý dựa trên kiến trúc Arm do Microsoft tự thiết kế, để phục vụ các tác vụ AI Agent và xử lý dữ liệu chuyên sâu.

Thoạt nhìn, đây có vẻ chỉ là một quyết định về hạ tầng. Nhưng nếu đặt trong bối cảnh cuộc đua AI hiện nay, động thái này phản ánh sự thay đổi quan trọng trong cách các tập đoàn công nghệ xây dựng hệ sinh thái AI.

Trong nhiều năm, khi nhắc đến AI, hầu hết mọi người đều nghĩ ngay đến GPU, đặc biệt là các dòng GPU của NVIDIA. Điều này hoàn toàn có cơ sở bởi quá trình huấn luyện các mô hình ngôn ngữ lớn đòi hỏi năng lực tính toán khổng lồ mà GPU là lựa chọn tối ưu. Tuy nhiên, sau khi mô hình được xây dựng, hệ thống AI vẫn cần thực hiện hàng loạt tác vụ khác như xử lý dữ liệu, chạy pipeline ETL, truy vấn SQL, quản lý metadata, điều phối AI Agent và vận hành các ứng dụng doanh nghiệp. Những công việc này không phải lúc nào cũng cần đến GPU, mà nhiều trường hợp CPU được tối ưu đúng cách sẽ mang lại hiệu quả cao hơn về chi phí và khả năng mở rộng.

Đó là vai trò của Azure Cobalt. Đây là dòng vi xử lý Arm do Microsoft tự phát triển nhằm phục vụ các trung tâm dữ liệu Azure. Theo Microsoft, Databricks hiện đã sử dụng Cobalt 100 và sẽ tiếp tục chuyển sang Cobalt 200 – thế hệ mới được hãng giới thiệu có thể cải thiện hiệu năng tới 50% trong một số khối lượng công việc, đồng thời tích hợp mã hóa bộ nhớ mặc định để tăng cường bảo mật.

Việc Databricks mở rộng sử dụng Azure Cobalt cho thấy AI doanh nghiệp đang bước sang một giai đoạn mới. Thay vì chỉ tập trung vào việc xây dựng những mô hình AI mạnh hơn, các doanh nghiệp công nghệ bắt đầu tối ưu toàn bộ chuỗi giá trị, từ phần cứng, hạ tầng Cloud đến nền tảng dữ liệu. Mục tiêu không chỉ là tăng sức mạnh tính toán, mà còn giảm chi phí vận hành và giúp AI có thể mở rộng đến hàng nghìn, thậm chí hàng triệu tác vụ mỗi ngày.

Một điểm đáng chú ý khác là Microsoft không phát triển Azure Cobalt như một sản phẩm độc lập. Dòng vi xử lý này được tích hợp vào toàn bộ hệ sinh thái Azure, nơi Azure Databricks, Microsoft Fabric, OneLake, Purview và Copilot cùng hoạt động trên một nền tảng dữ liệu thống nhất. Điều đó có nghĩa là khi doanh nghiệp triển khai AI Agent hoặc các ứng dụng phân tích dữ liệu quy mô lớn, phần cứng, hạ tầng và nền tảng dữ liệu đều được tối ưu để làm việc cùng nhau thay vì hoạt động rời rạc.

Đối với Databricks, quyết định mở rộng sử dụng Azure Cobalt cũng phù hợp với định hướng phát triển Data Intelligence Platform. Thay vì chỉ cung cấp công cụ xử lý dữ liệu, Databricks đang hướng tới một nền tảng nơi AI có thể truy cập dữ liệu doanh nghiệp theo đúng ngữ cảnh kinh doanh, vận hành AI Agent và hỗ trợ ra quyết định theo thời gian thực. Muốn đạt được điều đó, hiệu năng của hạ tầng phía sau đóng vai trò không kém bản thân mô hình AI.

Nhìn rộng hơn, xu hướng này không chỉ diễn ra giữa Microsoft và Databricks. Các tập đoàn công nghệ lớn đều đang đầu tư mạnh vào chip và hạ tầng AI. Google phát triển Tensor Processing Unit (TPU), Amazon có dòng chip Graviton và Trainium, còn Microsoft tiếp tục mở rộng Azure Cobalt. Điều này cho thấy cuộc đua AI đã không còn giới hạn ở việc ai sở hữu mô hình ngôn ngữ mạnh nhất, mà đã mở rộng sang cuộc đua làm chủ toàn bộ hệ sinh thái từ phần cứng đến nền tảng dữ liệu.

Sự kiện Databricks lựa chọn Azure Cobalt vì thế không chỉ là một quyết định kỹ thuật. Nó phản ánh cách AI doanh nghiệp đang phát triển: muốn AI hoạt động hiệu quả, doanh nghiệp không chỉ cần mô hình thông minh mà còn cần dữ liệu được quản trị tốt, nền tảng Cloud đủ mạnh và hạ tầng phần cứng được tối ưu cho từng loại tác vụ. Trong kỷ nguyên AI, lợi thế cạnh tranh sẽ không còn được quyết định bởi một công nghệ đơn lẻ, mà bởi khả năng kết hợp chip, Cloud, dữ liệu và AI thành một hệ sinh thái thống nhất, có khả năng mở rộng và tạo ra giá trị thực cho doanh nghiệp.