# Ising Intelligence gọi vốn gần 100 triệu NDT, đẩy mạnh kiến trúc tính toán quang điện mới

- Nguồn: elsewhere: Bài viết
- Thời gian phát hành: 2026-09-18 07:30 (giờ Việt Nam)
- Điểm AI: 26/100
- Link AIHOT.vn: https://aihot.vn/items/c5231093fc44fe95
- Nguồn dữ liệu AI HOT: https://aihot.news/items/cmu73c7900ou8rowkjeg1j9jg
- Link gốc: https://elsewhere.news/zh/lanchi/bluerun-ventures-backed-ising-intelligence-closes-nearly-100

## Tóm tắt AI

Startup Ising Intelligence vừa hoàn tất vòng gọi vốn gần 100 triệu NDT với sự hỗ trợ từ BlueRun Ventures, nhằm thương mại hóa kiến trúc tính toán quang điện thế hệ mới giúp tối ưu hiệu suất AI.

## Thân bài

![BlueRun Ventures angel project Ising Intelligent closes nearly 100 million yuan funding round to accelerate new photonic-electronic computing architecture](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/66b5d51d-18db-488c-b6e9-8e39b177298f/5c14975b3845.jpg)

![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/66b5d51d-18db-488c-b6e9-8e39b177298f/cd42d511bbbb.jpg)

Gần đây, Yising Intelligence đã hoàn tất vòng gọi vốn mới trị giá gần 100 triệu RMB. Công nghệ của công ty có nguồn gốc từ Viện Bán dẫn thuộc Viện Hàn lâm Khoa học Trung Quốc. Công ty tập trung vào các bài toán tối ưu hóa tổ hợp, sử dụng phần cứng quang điện để cung cấp khả năng giải quyết chuyên dụng, đồng thời đang khám phá cách tích hợp máy tính Ising như một đơn vị tính toán mới vào các kiến trúc tính toán không đồng nhất hiện có.

BlueRun Ventures đã dẫn đầu vòng gọi vốn thiên thần của Yising Intelligence và tiếp tục rót vốn trong vòng Pre-A, đồng hành cùng đội ngũ trong quá trình nghiên cứu, phát triển và thương mại hóa các kiến trúc tính toán quang điện mới.

Trong năm qua, Yising Intelligence cũng đã tiến hành thương mại hóa sản phẩm một cách ổn định: chuyển từ các nguyên mẫu khoa học đòi hỏi mô hình hóa thủ công, lập trình và bảo trì tại chỗ sang các sản phẩm có thể truy cập thông qua API, cho phép tích hợp vào phần mềm và quy trình tính toán hiện có của khách hàng.

Trong bài phỏng vấn chuyên sâu dưới đây, Xiao Ye, đồng sáng lập kiêm CEO của Yising Intelligence, chia sẻ về các nguyên lý kỹ thuật và tiến độ sản phẩm của máy tính Ising, cùng với những suy nghĩ của ông về tính toán không đồng nhất, thương mại hóa và sản phẩm hóa. Từ một công nghệ trong phòng thí nghiệm đến một dạng sức mạnh tính toán mới có thể đi vào các hệ thống tính toán thực tế, Yising Intelligence đang từng bước kiểm chứng lộ trình kỹ thuật này. Mời các bạn theo dõi:

Máy tính Ising là gì? Để hiểu giá trị của nó, trước tiên hãy nhìn vào lịch sử phát triển của GPU. Đây là một thí nghiệm tư duy: bản chất của GPU là gì? Câu trả lời phổ biến nhất chắc chắn sẽ là "sức mạnh tính toán", nhưng câu trả lời đó thực tế chỉ đúng một nửa.

Trong một thời gian dài, GPU thường được gọi là "card đồ họa". Mục đích thiết kế ban đầu của chúng là giúp máy tính xử lý đồ họa, kết xuất mô hình 3D và xử lý kết cấu hình ảnh. Những tác vụ này không phức tạp nhưng lại có đặc điểm là khối lượng tính toán khổng lồ. Nói cách khác, trong phần lớn thời gian tồn tại, sự hiện diện lớn nhất của GPU thực sự là "sức mạnh tính toán chuyên dụng".

Nhưng ai sẽ gắn kết thứ này với thuật ngữ gợi lên trí tuệ là "bộ xử lý" (processor)?

NVIDIA và Jensen Huang đã thay đổi tất cả những điều này. NVIDIA đã tạo ra bước đột phá bằng cách làm cho các đường ống (pipeline) của GPU không còn cố định mà hoàn toàn có thể lập trình được, đồng thời phát triển nền tảng tính toán mang tính cách mạng CUDA. Với sự trợ giúp của CUDA, các đặc tính của GPU liên tục được khuếch đại — vì GPU về cơ bản là hàng ngàn lõi xử lý xếp chồng lên nhau, chúng vượt trội trong việc xử lý song song một số lượng lớn các tác vụ tính toán đơn giản, lặp đi lặp lại — mạng thần kinh đã trở nên khả thi, và cuối cùng là việc huấn luyện các mô hình AI đòi hỏi phép nhân và cộng ma trận khổng lồ cũng trở nên khả thi.

Vì vậy, đối với câu hỏi mở đầu đó, câu trả lời thời thượng nhất sẽ là GPU lẽ ra nên được coi là một "mô hình tính toán mới" từ thời điểm đó.

Trong hai năm qua, ngoài cuộc đua vũ trang về mô hình lớn, sức mạnh tính toán cũng đã trở thành nguồn tài nguyên nền tảng mà mọi người đang tranh giành, và việc không đồng nhất hóa (heterogenization) cùng chuyên biệt hóa là những hướng quan trọng để tối ưu hóa các nút thắt cổ chai về tính toán. CPU xử lý logic và điều phối chung, GPU vượt trội trong các phép toán ma trận song song quy mô lớn, và TPU cung cấp khả năng tăng tốc chuyên dụng cho các phép tính tensor trong AI. Sự phối hợp của các đơn vị tính toán này tạo nên ý tưởng cơ bản của tính toán không đồng nhất. Và một số tác vụ tối ưu hóa tổ hợp liên quan đến "cách chọn, cách chia, cách lập lịch" để lại dư địa cho các đơn vị tính toán chuyên dụng mới. "Máy tính Ising" mà Xiao Ye và Yising Intelligence lựa chọn chính là câu trả lời hàng đầu cho vấn đề này.

Cái tên "Ising" bắt nguồn từ "mô hình Ising" trong vật lý. Ban đầu, nhà vật lý người Đức Ernst Ising đã phát minh ra mô hình này để mô tả các mô hình sắp xếp của vật liệu từ tính sau khi chúng ảnh hưởng lẫn nhau. Ising phát hiện ra rằng ở trạng thái tự nhiên, các vật liệu từ tính này liên tục điều chỉnh và cuối cùng có xu hướng đạt đến trạng thái năng lượng thấp nhất và ổn định tổng thể cao nhất — sau này các kỹ sư nhận ra rằng nhiều kịch bản trong thế giới thực có thể được viết theo cùng một cấu trúc, từ đó thiết kế một hệ thống vật lý chuyên dụng cho loại bài toán hoàn toàn mới này.

Đây là nguyên lý của "máy tính Ising" — hãy coi nó như một chiếc máy tính được thiết kế đặc biệt để "giúp con người đưa ra lựa chọn". Máy tính thông thường vượt trội trong việc thực hiện các thao tác xác định, chẳng hạn như xử lý tài liệu, huấn luyện mô hình hoặc kết xuất hình ảnh. Máy tính Ising xử lý một loại bài toán khác: khi có quá nhiều giải pháp ứng viên để so sánh từng cái một, làm thế nào để nhanh chóng tìm ra một giải pháp đủ tốt. Ví dụ, làm thế nào để định tuyến 1.000 phương tiện nhằm giảm thiểu tắc nghẽn giao thông và chạy rỗng? Một nhà máy có nhiều đơn hàng — làm thế nào để lập lịch sản xuất nhằm rút ngắn thời gian thực hiện?

Trong số các bài toán này, nhiều trường hợp điển hình thuộc lớp NP-hard. Khi quy mô mở rộng và các ràng buộc nhân lên, khối lượng tính toán bùng nổ, dễ dàng trở thành nút thắt cổ chai quan trọng trong quy trình tính toán. Việc tích hợp máy tính Ising như một đơn vị tính toán chuyên dụng vào các hệ thống tính toán hiện có, để nó xử lý các tác vụ tối ưu hóa tổ hợp phù hợp, có thể làm giảm bớt các nút thắt giải quyết này, từ đó cải thiện hiệu quả tính toán tổng thể — cho phép các hệ thống xử lý các bài toán quy mô lớn hơn trong các ràng buộc về thời gian và chi phí nhất định, hoặc đạt được các giải pháp chất lượng cao hơn.

Trên nền tảng lý thuyết vững chắc, "máy tính Ising" thực sự đã bắt đầu khám phá thương mại khá sớm. Ví dụ, D-Wave, công ty đầu tiên trên thế giới đạt được thành tựu về điện toán lượng tử và chủ yếu tập trung vào các máy tính Ising/máy tính cổng logic dựa trên mạch siêu dẫn, đã tập hợp đội ngũ từ năm 1999 và phát hành sản phẩm đầu tiên, D-Wave One, từ năm 2011. Ngày nay, D-Wave đã trở thành một công ty niêm yết trên NASDAQ, với vốn hóa thị trường từng vượt quá 12 tỷ USD (khoảng 80,4 tỷ RMB).

Trên trang web của mình, đội ngũ D-Wave tự hào tuyên bố: "Khi các phương pháp cổ điển không thể giải quyết các bài toán mô hình hóa, mô phỏng và tối ưu hóa khó khăn nhất hiện nay, D-Wave sẽ thúc đẩy doanh nghiệp tiến lên phía trước."

Đội ngũ Yising Intelligence bắt đầu nghiên cứu dao động quang điện, bộ dao động tham số quang điện và các máy tính Ising sơ khai từ năm 2015, với công nghệ bắt nguồn từ nhóm nghiên cứu của Giáo sư Li Ming tại Viện Bán dẫn thuộc Viện Hàn lâm Khoa học Trung Quốc. Đội ngũ tin rằng việc liệu các khả năng thuật toán có thực sự được giải phóng hay không phụ thuộc phần lớn vào việc liệu có tồn tại một nền tảng phần cứng phù hợp với cấu trúc tính toán của chúng hay không. Dưới tiền đề này, nhiều thuật toán không phải là không khả thi về mặt lý thuyết, mà là quá tốn kém và kém hiệu quả về mặt tính toán trong các điều kiện phần cứng hiện tại, khiến chúng khó được kiểm chứng và mở rộng quy mô hoàn toàn.

Theo quan điểm của họ, lịch sử phát triển của GPU cho thấy giá trị của một kiến trúc tính toán mới không chỉ nằm ở việc làm cho các thuật toán hiện có "nhanh hơn", mà quan trọng hơn là thay đổi các ranh giới khả thi của đổi mới thuật toán. Yising Intelligence hy vọng sẽ sử dụng công nghệ quang điện để dần dần phát triển từ một thiết bị giải quyết đơn điểm thành một sức mạnh tính toán chuyên dụng dạng nền tảng cho các bài toán tối ưu hóa tổ hợp rộng lớn, và thiết lập một vị thế lâu dài tương tự như một "bộ xử lý tối ưu hóa" trong hệ thống tính toán không đồng nhất thế hệ tiếp theo.

Họ cũng đã và đang kiểm chứng nhận định của mình từng bước một. Năm 2022, đội ngũ đã đạt được cột mốc quan trọng khi công bố kết quả máy tính Ising quang điện quy mô lớn trên tạp chí Light: Science & Applications, sử dụng các xung vi sóng ngắn làm spin nhân tạo để đạt được 25.600 spin với hoạt động ổn định vượt quá 12 giờ. Đến năm 2026, hệ thống mới nhất được công bố của họ đã đạt được 4.096 spin kết nối hoàn toàn với thời gian dao động ổn định tối đa là 5,5 giờ. Trong một thí nghiệm dữ liệu giao thông tại Vành đai 2 Bắc Kinh, đội ngũ đã xây dựng mô hình 485 spin cho bài toán lập lịch liên quan đến 1.200 phương tiện, báo cáo thời gian giải quyết vật lý là 2,71 mili giây so với mức cơ sở 6,46 giây của phương pháp mô phỏng luyện kim (simulated annealing).

Vậy mục tiêu tiếp theo của Yising Intelligence là gì? Là một giải pháp được mong đợi cao trong kỷ nguyên mở rộng sức mạnh tính toán, khi nào máy tính Ising có thể thâm nhập thị trường ở quy mô lớn và thường xuyên? Là một "tay chơi trẻ", Yising Intelligence có những lợi thế gì so với các kỳ lân như D-Wave?

Để có cái nhìn rõ ràng hơn về tất cả những điều này, ChinaVenture đã thực hiện một cuộc trò chuyện với Xiao Ye, đồng sáng lập kiêm CEO của Yising Intelligence, ngay sau khi công ty hoàn tất vòng gọi vốn mới.

![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/66b5d51d-18db-488c-b6e9-8e39b177298f/bd0d2361c63d.jpg)

ChinaVenture: Bạn có thể giải thích một cách đơn giản, trực diện nhất rằng Yising Intelligence thực sự là loại công ty như thế nào không?

Xiao Ye: Chúng tôi sử dụng phần cứng quang điện để triển khai một phương pháp tính toán vật lý, cung cấp khả năng giải quyết chuyên dụng cho tối ưu hóa tổ hợp để giúp mọi người giải quyết các bài toán NP-hard mà máy tính truyền thống khó giải quyết hiệu quả.

ChinaVenture: Vậy máy tính Ising là gì? Ban đầu tôi mất rất nhiều thời gian để hiểu rằng máy tính Ising mang đến một mô hình tính toán mới. Nó không thực hiện tác vụ theo một quy trình định sẵn — chức năng cuối cùng của nó là giải quyết, tìm ra một câu trả lời đủ tốt trong vô vàn khả năng.

Xiao Ye: Những gì chúng tôi muốn giải quyết là các bài toán tối ưu hóa quy mô lớn: tìm ra một câu trả lời tương đối tốt từ các tổ hợp khổng lồ. Bài toán người bán hàng (traveling salesman problem) là một ví dụ rất phổ biến. Bạn đi lại thường xuyên — làm thế nào để ghé thăm một vài thành phố mục tiêu nhằm giảm thiểu tổng quãng đường hoặc tổng chi phí? Bài toán này có vẻ rất đơn giản.

ChinaVenture: Nghe có vẻ như các mô hình lớn có thể giải quyết được.

Xiao Ye: Khi có ít thành phố, bạn có thể sử dụng các công cụ tính toán để so sánh và tính toán từng cái một. Nhưng khi số lượng thành phố tăng lên, số lượng tổ hợp lộ trình sẽ bùng nổ. Khi bạn đạt đến hàng chục thành phố, máy tính truyền thống đã gặp khó khăn trong việc so sánh tất cả các khả năng trong thời gian chấp nhận được. Mỗi biến số bổ sung sẽ nhân sức mạnh tính toán cần thiết lên nhiều lần.

ChinaVenture: Khi tôi tìm hiểu về máy tính Ising, tôi có một cảm giác rất mạnh mẽ: thế giới vật lý có nhiều ràng buộc — sức mạnh tính toán, thời gian và tài nguyên đều có hạn. Máy tính Ising là một công cụ giúp chúng ta tìm ra câu trả lời tốt hơn trong các ràng buộc này.

Xiao Ye: Bạn có thể hiểu theo cách đó. Nó nhắm chính xác vào loại bài toán bùng nổ theo cấp số nhân này.

ChinaVenture: Vậy sự khác biệt cơ bản giữa nó và các mô hình lớn là gì? Khả năng của mô hình không ngừng cải thiện, và khả năng hiểu cũng như suy luận chủ động đang ngày càng mạnh mẽ hơn. Dưới tiền đề này, tại sao chúng ta vẫn cần máy tính Ising?

Xiao Ye: Các mô hình lớn gặp khó khăn trong việc giải quyết trực tiếp các bài toán NP-hard quy mô lớn. Chúng có thể hiểu các yêu cầu, giúp bạn diễn đạt bài toán, thậm chí tạo mã mô hình hóa; nhưng khi đến giai đoạn giải quyết, các công cụ tính toán vẫn là cần thiết. Đó là phần mà máy tính Ising đảm nhận.

ChinaVenture: Vậy các mô hình lớn gần với sự hiểu biết và tương tác hơn, trong khi giá trị cốt lõi của máy tính Ising là tính toán.

Xiao Ye: Đúng vậy. Các bài toán thực tế trước tiên được chuyển đổi thành mô hình Ising, sau đó được chuyển cho máy tính Ising để giải quyết. Máy tính Ising sử dụng sự tiến hóa của các hệ thống vật lý để tìm ra các trạng thái năng lượng thấp, và các trạng thái này tương ứng với các câu trả lời chất lượng cao trong bài toán gốc.

![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/66b5d51d-18db-488c-b6e9-8e39b177298f/97b1d95e75f7.jpg)

ChinaVenture: Vì nó có thể giải quyết các bài toán thực tế, tại sao máy tính Ising vẫn là một dòng sản phẩm tương đối ngách cho đến nay? Những khó khăn nằm ở đâu?

Xiao Ye: Đầu tiên là sự trưởng thành của sản phẩm. Mọi người trên khắp thế giới đã và đang nghiên cứu máy tính Ising. Các phương pháp tiêu biểu bao gồm lộ trình siêu dẫn của D-Wave, các lộ trình toàn quang (all-optical) và một số đội ngũ trong nước đang làm việc trên máy tính Ising toàn quang — mỗi lộ trình khác nhau đều có những ràng buộc riêng. Chúng tôi chọn lộ trình quang điện.

Máy tính Ising siêu dẫn đòi hỏi môi trường hoạt động gần độ không tuyệt đối, và toàn bộ hệ thống rất lớn, khiến việc triển khai tại chỗ ở các trung tâm dữ liệu của khách hàng trở nên hạn chế. Các lộ trình toàn quang cũng có những thách thức kỹ thuật liên quan đến quy mô và thời gian hoạt động ổn định. Khi khách hàng gửi bài toán, nếu hệ thống đòi hỏi phải gỡ lỗi thường xuyên, lợi thế về tốc độ của chính quá trình tính toán có thể dễ dàng bị bù trừ bởi thời gian gỡ lỗi.

ChinaVenture: Vậy trong quá khứ, mọi người đã chứng minh được rằng nó có thể tính toán về mặt nguyên lý, nhưng khách hàng lại khó sử dụng nó một cách ổn định.