Nvidia đề xuất hệ thống CPU cực khủng cho PC Windows

• Hệ thống hiệu năng cao cho PC Windows của NVIDIA dùng cấu hình chip trong đó CPU và GPU cùng sử dụng 128GB bộ nhớ dùng chung và cung cấp tối đa 6.144 lõi CUDA
• CPU có 10 lõi hiệu năng và 10 lõi tiết kiệm điện; các lõi hiệu năng dựa trên Cortex-X925, và SVE2 tuy kém các chip AMD gần đây nhưng vẫn nhỉnh hơn Apple Silicon
• Điểm khác biệt cốt lõi là bộ nhớ hợp nhất không tách riêng bộ nhớ CPU và GPU; tuy chậm hơn bộ nhớ GPU chuyên dụng nhưng nhắm tới mức băng thông và chi phí cần thiết để chạy các mô hình AI cục bộ
• Nhu cầu chạy mô hình AI cục bộ vẫn được xem là một ứng dụng ngách, nhưng cũng có quan điểm cho rằng 128GB bộ nhớ dùng chung có thể quan trọng hơn mức TFLOPs GPU đỉnh trong các thử nghiệm quy mô sinh viên
• Các trục so sánh gồm AMD Strix Halo, GPU AI Intel Xe3P và AVX-512 trên các bộ xử lý AMD gần đây; ngoài ra còn có hạn chế là RAM hàn chết nên khó nâng cấp sau này

---

Thông số hệ thống và cấu trúc bộ nhớ

• Hệ thống CPU cho PC Windows mà Nvidia đề xuất có cấu hình với 128GB bộ nhớ dùng chung và tối đa 6.144 lõi CUDA thế hệ mới
• CPU gồm 10 lõi hiệu năng và 10 lõi tiết kiệm điện, trong đó các lõi hiệu năng dựa trên Cortex-X925
• So sánh cho rằng SVE2 của Cortex-X925 trên phương diện thông số kém các chip AMD gần đây, nhưng tốt hơn Apple Silicon
• So sánh cũng cho biết các bộ xử lý AMD gần đây đều hỗ trợ AVX-512, và AVX-512 vượt trội đáng kể so với SVE2 của Cortex-X925, xử lý được nhiều dữ liệu hơn và mang tính đa dụng hơn
  • Intel cho đến nay vẫn thận trọng trong việc đưa AVX-512 lên các hệ thống tiêu dùng
• 128GB bộ nhớ hợp nhất hoạt động theo cách dùng chung một vùng nhớ duy nhất thay vì bộ nhớ tách biệt cho CPU và GPU; đây cũng là hướng Apple đã chọn từ vài năm trước
• Bộ nhớ hợp nhất ngày càng phổ biến; dù không nhanh bằng bộ nhớ GPU chuyên dụng, ưu điểm là đủ rẻ để cung cấp mức băng thông cần thiết cho việc chạy mô hình AI cục bộ
  • Có quan điểm cho rằng với RAM hợp nhất, không cần chuyển dữ liệu giữa CPU và GPU, và mọi thứ nằm trong một vùng nhớ duy nhất nên giống như phép toán zero-copy
• Việc Intel và AMD sẽ phản ứng ra sao là điểm đáng chú ý

Nhiều ý kiến liên quan

• Chưa rõ nhu cầu chạy mô hình AI cục bộ sẽ lớn đến đâu, và hiện đây vẫn là một ứng dụng ngách
• Có nhận định rằng hệ thống này có thể là một cỗ máy chơi game ổn, nhưng cũng có ý kiến phản bác rằng nó được thiết kế cho các mô hình lớn chứ không phải game, nên có thể không chơi game tốt như kỳ vọng
• Có ý kiến cho rằng trong các thử nghiệm quy mô sinh viên, 128GB bộ nhớ dùng chung có thể quan trọng hơn TFLOPs GPU đỉnh, và có thể thay đổi những mô hình hay khối lượng công việc nào có thể được thử nghiệm cục bộ
• Đánh đổi là RAM không thể thay sau này vì đều được hàn chết
• Về nhu cầu dung lượng bộ nhớ, có ý kiến cho rằng 128GB là chưa đủ và muốn 256GB hoặc 512GB; cũng có ý kiến rằng một “quái thú” cho tác vụ AI cần tối thiểu 512GB, thậm chí muốn có tùy chọn 1TB bộ nhớ hợp nhất
  • Câu trả lời ngắn của tác giả về lý do chọn 128GB là "chi phí"
• Liên quan đến hệ điều hành, có người bày tỏ thất vọng về OS và cho rằng nó không chạy “regular Windows”, đồng thời đề xuất cài Linux
• AMD Strix Halo là một sản phẩm tương tự với 128GB bộ nhớ hợp nhất và iGPU lớn, đồng thời là đối tượng so sánh với AVX-512 của Zen 5 desktop
  • Theo kinh nghiệm dùng AMD Strix Halo vài tháng cho homelab LLM cục bộ, nó có thể chạy LLM cấp prosumer nhưng nút thắt thực tế là băng thông bộ nhớ
  • Chip Nvidia mới được cho là cần băng thông bộ nhớ trên 300GB/s
• RTX5090 có thể rẻ hơn cho các mô hình nhỏ hơn và nhanh hơn nếu đã có desktop sẵn, còn dòng bo mạch này phù hợp hơn với các mô hình cục bộ lớn hơn
• Ưu điểm của việc chạy AI cục bộ là không phải gửi dữ liệu bí mật hay dữ liệu khách hàng cho bên thứ ba có trách nhiệm không rõ ràng, tránh phí thuê bao SaaS và giá token, đồng thời gắn với khả năng mô hình cục bộ học hành vi sử dụng PC để thực thi công việc
• Mô hình cục bộ có thể hoạt động như chức năng người dùng không nhìn thấy, còn các tác vụ cần trí tuệ cao hơn hoặc ngữ cảnh lớn hơn có thể được offload từ xa
• Cốt lõi không hẳn là bản thân mô hình cục bộ mà là nền tảng phần mềm hỗ trợ các ứng dụng AI tích hợp, cũng như cách giữ cho desktop tiếp tục phù hợp
• Ví dụ về việc chạy Google Chrome như một trường hợp dùng AI cục bộ là tài liệu built-in AI của Chrome
• Mục so sánh với GPU AI Intel Xe3P gồm 160GB LPDDR5X, khả năng lên tới 480GB, giao tiếp bộ nhớ 640-bit, cấu hình PCIe x16: https://tomshardware.com/pc-components/gpus/…

[GN⁺]

Ý kiến Hacker News

• Bộ nhớ hợp nhất có vẻ sẽ tiếp tục là một “yếu tố thay đổi cuộc chơi”, đặc biệt trong kiến trúc hệ thống ngoài trung tâm dữ liệu
  Ngay cả game hiện đại hay các tác vụ tiêu dùng thực tế cũng không dùng hết băng thông PCIe của GPU hay băng thông bộ nhớ GDDR, còn AI cục bộ thì với người dùng phổ thông trung bình, lợi ích từ bộ nhớ nhanh hơn cũng không quá lớn
  Bộ nhớ hợp nhất cho phép tối ưu mức sử dụng theo nhu cầu, đồng thời giúp giảm chi phí bộ nhớ tổng thể trên các thiết bị nhỏ gọn, di động vì không phải cân nhắc riêng cách bố trí GDDR/DDR
  Mặt trái là bảo mật: tấn công kênh kề bộ nhớ từ phía GPU hoặc CPU có thể xâm phạm cả phía còn lại, nên về sau thiết kế an toàn bộ nhớ sẽ càng quan trọng, và đây có vẻ là xu hướng tốt cho những người ủng hộ Rust

  • Cách nói rằng phải “tận dụng tối đa” băng thông PCIe của GPU hay băng thông GDDR hơi khó hiểu
    Mấu chốt của game không phải là làm phần cứng bão hòa, mà là tạo ra đầu ra ổn định trong thời gian hoàn thành mỗi khung hình
    Ngay cả nếu cố bão hòa một chiếc 5090 bằng game thì thị trường mục tiêu cũng nhỏ, và để đạt mức khung hình đó, cấu hình thực tế của người dùng cũng phải chạy tốt chứ không chỉ riêng máy thử nghiệm
  • Từ góc nhìn của nhà phát triển game, việc game hiện đại không dùng hết băng thông GPU không phải vì lười biếng mà vì thực sự rất khó
    Một trong những khác biệt lớn nhất giữa console thế hệ hiện tại và PC thế hệ hiện tại chính là bộ nhớ hợp nhất
  • Nếu biến thiết bị thành thứ không thể nâng cấp, nhà sản xuất sẽ thuận tiện hơn trong việc ép phân khúc thị trường và gắn mức premium lớn cho những nâng cấp RAM nhỏ, giống Apple
  • Lập luận kinh tế này không thật sự thuyết phục
    99% tác vụ cần bộ nhớ hệ thống nhiều hơn bộ nhớ GPU ít nhất một bậc độ lớn, còn phần lớn hệ thống hầu như không cần bộ nhớ GPU vượt quá mức phục vụ video hay duyệt web
    Việc xuất hiện ca sử dụng mới không có nghĩa cấu trúc đó sẽ bị đảo ngược hoàn toàn; nếu hiện tại cần 128GB và AI cục bộ cũng cần 128GB, thì để tiếp tục làm cả hai việc đó sẽ cần 256GB
    Có vẻ đây gần như là lập luận rằng không nên dùng loại bộ nhớ đắt như vậy cho GPU, và nếu chỉ làm suy luận thì có thể điều đó đúng
  • DRAM tối ưu cho CPU và DRAM tối ưu cho GPU có đặc tính khá khác nhau
    Trong kiến trúc bộ nhớ hợp nhất, bạn sẽ phải đánh đổi khá nhiều hiệu năng; trong một số tình huống điều này hợp lý, nhưng không phải lời giải vạn năng

• Không rõ sẽ có bao nhiêu người chạy mô hình AI cục bộ, và hiện vẫn có vẻ là thị trường ngách, nhưng nhìn vào các bản phát hành Gemma gần đây thì chỉ riêng về chi phí cũng đã khiến khả năng chạy một số mô hình tại chỗ tăng lên
  Nếu tính cả bảo mật doanh nghiệp thì lại càng như vậy, chỉ là tôi không rõ vì sao kiểu kiến trúc này lại tốt cho chơi game, nên tôi nghi ngờ cả câu trong bài gốc
  Ngoài ra, việc gắn khắp nơi những dòng như “top 2% nhà khoa học toàn cầu Stanford/Elsevier 2025, top 1000 nhà phát triển GitHub” lại tạo cảm giác phản tác dụng

  • Nghe như phiên bản năm 2026 của câu nói Ken Olsen rằng “không có lý do gì để có máy tính ở nhà”
  • Khi thấy những câu như vậy trong tiểu sử cá nhân, tôi chỉ xem đó như một biểu ngữ bảo rằng hãy hiểu mọi phát ngôn theo ngữ cảnh tự quảng bá
  • Với đa số tác vụ, Qwen 3.6 vượt Gemma khá xa
    Tôi đã triển khai nó trên nhiều máy MacBook M5 và trong nhiều tác vụ nó thực sự hữu ích
    Nó chưa thể thay thế các mô hình cỡ Opus hay Sonnet thế hệ hiện tại, nhưng xét theo kích thước thì tốt một cách đáng ngạc nhiên, có vẻ tương đương hoặc hơi trước thời kỳ Sonnet 4
    Trong gọi công cụ, lập trình và tác vụ tác tử, nó ổn định hơn hẳn các mô hình Gemma, và đặc biệt còn nhanh hơn khi dùng MTP
  • Độc giả HN nhìn chung không phải đối tượng cho màn tự quảng bá của ông ấy, nhưng rõ ràng vẫn có đối tượng và có lẽ cũng hiệu quả ở mức nào đó
  • Thật khó tin vào nhận định rằng chạy mô hình trên laptop sẽ rẻ hơn chạy trong trung tâm dữ liệu
    Tôi không hiểu vì sao lợi thế kinh tế theo quy mô lại không áp dụng ở đây như với các dạng tính toán khác

• Tôi không muốn hạ thấp công việc của tác giả, nhưng bài này có cảm giác được viết chỉ bằng cách nhìn bảng thông số, chứ không phải xem xét thật sâu
  Nó có cùng số lõi với 5070 mobile, nhưng băng thông đỉnh dùng chung và TDP đỉnh dùng chung đều chỉ ở mức 2/3, nên hiệu năng GPU riêng có khả năng chỉ khoảng một nửa đơn vị chuyên dụng
  Apple không có SVE2 nhưng lại có AMX và SME độc quyền, và tôi không hiểu vì sao lại cho rằng SVE2 sẽ nhanh hơn SME
  Bài có nhắc đến một loại lõi CPU đơn lẻ nhưng không đề cập toàn bộ cấu hình, còn việc DGX Spark so với chip Apple ra sao thì thực tế đã được biết từ hơn 1 năm trước
  CPU vào khoảng mức M3 Pro; năng lực tính toán GPU, nếu bỏ qua băng thông, nằm đâu đó giữa M4 Pro và M4 Max; và lợi thế thật sự duy nhất là nó chạy được CUDA
  Đến lúc ra mắt, nó rất có thể sẽ chậm hơn Apple 2–3 thế hệ và AMD 1 thế hệ; ngoài ra NIC để ghép nhiều máy, vốn cũng là một điểm mạnh khác của DGX Spark, ở đây cũng đã biến mất

  • Một lợi thế khác so với Apple là prefill
    Trên Spark, phần này nhanh hơn M5 Max rất nhiều; nếu so cùng mô hình, cùng lượng tử hóa, cùng truy vấn và cấu hình vllm giống nhau nhất có thể, thì với các tác vụ có prompt lớn và khả năng cache thấp, thường một máy Spark đã trả lời xong trước khi MBP hoàn thành prefill
  • Có vẻ phần “tính toán GPU” ở đây đang hình dung các tác vụ phụ thuộc vào băng thông bộ nhớ, như sinh token
    Ở điểm đó Apple có lợi thế, nhưng hiệu năng tính toán GPU của Spark vẫn cao hơn khá nhiều so với 17 FP32 TFLOPS của M5 Max, vào khoảng gấp đôi
    Nó có 6144 lõi CUDA như 5070 desktop, và là một biến thể bị làm chậm do bộ nhớ chậm hơn và TDP thấp hơn, nên so với 31 FP32 TFLOPS của 5070 thì nó ở mức khoảng 29.7
  • Lemire có mối quan tâm khá hẹp vào SIMD trên CPU, nên trong ngách đó thì điều này có thể thú vị
    Nhìn chung Spark ổn, nhưng không quá ghê gớm
  • Đây rõ ràng là bài tâng bốc rỗng tuếch, và việc dòng tweet vô giá trị này lên trang nhất HN có vẻ bắt nguồn từ thói quen thần thánh hóa một số nhân vật và xem mọi phát biểu của họ như lời tiên tri
    Cảm giác như người ta vừa mới biết đến một con chip mà ngành đã biết từ lâu, lại hầu như không biết gì về sản phẩm cạnh tranh mà đã đăng những từ như “BEAST”, “GAME CHANGER”
    Nếu hỏi DGX Spark có phải là yếu tố thay đổi cuộc chơi không thì nhìn chung nó là một nỗi thất vọng lớn, và có lẽ một chiếc laptop Nvidia đắt đỏ cũng sẽ không làm thay đổi cục diện

• Qualcomm Snapdragon X2 Elite Extreme vượt xa chip Nvidia về hiệu năng CPU đơn nhân, đồng thời cũng đánh bại các sản phẩm cao cấp nhất của Intel và AMD
  Nó cũng có bộ nhớ hợp nhất, và là CPU duy nhất hiện đang cùng đẳng cấp với dòng Apple M cả về hiệu năng CPU lẫn hiệu quả điện năng
  Có thể mua dưới dạng laptop ngay bây giờ chứ không phải cuối năm nay, nhưng mọi người đang đánh giá thấp Qualcomm

  • Hỗ trợ hệ điều hành quá tệ
    Nếu không hỗ trợ được Linux thì gần như vô nghĩa, và hai nền tảng quan trọng trong lĩnh vực này là Linux và Darwin
    Qualcomm giống như AMD trong mảng GPU suốt hàng chục năm qua: công bố thì rất nhiều, fan trên mạng đọc web cũng đông, nhưng khi thật sự bắt tay vào chạy thì là cơn ác mộng
    Snapdragon X Elite không chạy được trên Linux nên vô dụng với tư cách một nền tảng; thậm chí cộng đồng người dùng nhiệt huyết còn làm cho M1 chạy tốt hơn, khiến người ta thà dùng Mac cũ còn hơn chọn Qualcomm
  • X925 trên chip Nvidia là thiết kế CPU Arm đời cũ đã 2 năm, nên việc vượt qua nó cũng là điều dễ hiểu
    Đối tượng so sánh đúng ra phải là X930 hoặc C1 trên Mediatek Dimensity 9500, tức phía Snapdragon 8 Elite Gen 5 / X2 Elite
    Qualcomm vẫn còn nhỉnh hơn về hiệu năng nhưng khoảng cách đang dần thu hẹp, và quan trọng hơn là Nvidia đang xây dựng hệ sinh thái tốt hơn nhiều
    Nvidia có kênh phân phối và đối tác tốt hơn hẳn nhờ nền tảng GPU gaming PC, đồng thời quan hệ với nhà phát triển game cũng là vô đối trong ngành
    Qualcomm vẫn chưa cho thấy năng lực thực thi ở cả mảng CPU PC lẫn server
  • Microsoft đã làm hỏng bản port Arm của Windows, nên không thể giúp Qualcomm thực sự phát huy được
  • Qualcomm đang ở tình huống kiểu “lừa tôi một lần là lỗi của anh, lừa tôi hai lần thì tôi sẽ không mắc nữa”
    Trải nghiệm tồi tệ trong quá khứ quá nhiều khiến mọi người không thể không do dự, và dù hiện tại có vẻ họ đang cố gắng hơn, sẽ vẫn cần thời gian để phục hồi danh tiếng trong thị trường PC
  • Linux có được hỗ trợ tử tế không?

• Thông cáo báo chí về thiết bị thực tế ở đây
  https://nvidianews.nvidia.com/news/nvidia-microsoft-windows-...
  Tôi khá ngạc nhiên vì có quá ít người chỉ ra rằng Microsoft và đặc biệt là NVIDIA về bản chất đang tung ra những thiết bị xung đột với mô hình AI đám mây tính phí theo mức dùng
  Nhìn vào các thông báo và tín hiệu khác như Copilot BYOK ngoại tuyến tốt hơn, hay tương lai AI không giới hạn, có vẻ hai công ty hiểu rằng AI chỉ chạy trên đám mây vừa không bền vững, vừa không thực sự có lợi cho chính họ
  Dù vậy, thái độ muốn dùng các sản phẩm này để làm suy yếu OpenAI vẫn rất dễ nhận ra

  • Tuần trước tại MS BUILD, unmetered intelligence có lẽ là cụm từ được nhắc tới nhiều nhất
    Microsoft đang đẩy rất mạnh AI cục bộ
  • Cũng có thể, nhưng cũng có thể họ chỉ đang đặt cược cho cả hai phía

• Tôi không chắc LLM cục bộ sẽ được chấp nhận rộng rãi trừ khi giá thực sự tăng lên
  Việc dùng các mô hình nhỏ được host với chi phí rẻ hơn như Sonnet hay Kimi vẫn hợp lý, còn các thiết bị kiểu này có lẽ cũng không chạy nổi mô hình cỡ Kimi, trong khi đó mới là mức sàn để làm các tác vụ agent nghiêm túc chứ không phải đồ chơi
  Bỏ ra $5,000 chỉ để tránh gói thuê bao $20 thì khó mà hợp lý, trừ các lý do bảo mật rất ngách

  • Ngược lại, tôi sẽ cược vào khả năng Trung Quốc tiếp tục tăng sản xuất DRAM, làm giá sụp đổ, và kéo theo thị trường chứng khoán Mỹ vốn đang được chống đỡ bởi sự khan hiếm đó cũng đi xuống
  • Tôi nghĩ chúng ta vẫn chưa thực sự thấy được AI tạo sinh có thể tác động thế nào tới sản phẩm mới và game
    Bạn đã từng xem Dungeon Crawler Carl chưa?

• Có vẻ đa số mọi người vẫn chưa thật sự hiểu những chiếc laptop kiểu này sẽ mang lại điều gì
  Trước khi đến AI cục bộ hoàn toàn, khả năng cao chúng ta sẽ dùng AI lai trước
  Chạy mô hình lớn hoàn toàn trên máy là không thực tế, nhưng nếu nghĩ theo hướng một phần workflow agent chạy trên đám mây còn các tác vụ nhỏ hơn chạy cục bộ, thì đó là một sự kết hợp tuyệt vời
  Những công việc cơ bản không cần các mô hình như Opus/Code/DeepSeek/Kimi; các mô hình như Gemma4:12b/Qwen-27b có thể xử lý cục bộ với độ trễ thấp hơn nhiều
  Nếu có một chiếc laptop kết hợp được mô hình lớn từ xa với 5 mô hình cục bộ chuyên biệt theo miền, tôi muốn dùng ngay lập tức
  Tôi có thể hình dung OpenCode sẽ để mô hình nhỏ quyết định tác vụ nào nên chạy cục bộ, rồi xác định xem có mô hình cục bộ phù hợp cho tác vụ đó hay nên dùng mô hình đám mây
  Điều tôi lo là liệu phần cứng này có đủ mạnh để chịu được chuyển đổi nhanh giữa các mô hình cục bộ hay không; có lẽ là không, nhưng tôi hy vọng mình sai

  • Nhìn vào tốc độ tiến bộ của các mô hình cục bộ, theo quỹ đạo hiện tại thì trong vòng 2 năm, có vẻ chúng ta sẽ thấy hiệu năng tiệm cận mô hình frontier với RAM hợp nhất 128GB và lượng tử hóa 6-bit
    Các mô hình frontier giờ cũng đang đạt benchmark tốt hơn chỉ với 200.000 token, và chưng cất vẫn còn rất nhiều dư địa để cải thiện

• Tôi không rõ đây là “quái vật” ở chỗ nào
  Băng thông bộ nhớ 300GB/s chỉ nhỉnh hơn một chút so với 256GB/s của AMD Strix Halo, và còn chưa bằng một nửa 614GB/s của M5 Max 128GB ở cùng cấu hình RAM 128GB
  Có lẽ phần lớn người quan tâm là người mê AI nên mới nhấn mạnh băng thông bộ nhớ, chưa kể đây lại là Windows

  • Không như M5 Max, có vẻ nó sẽ làm được context prefill đủ dùng
    Ngay cả các workflow 256k token vốn sẽ khiến M5 mất gần gấp đôi thời gian để ra token đầu tiên cũng có thể chạy thực tế được
  • Nếu Nvidia thực sự muốn biến CPU ARM thành lựa chọn thực dụng cho cả nhu cầu desktop ngoài suy luận hay huấn luyện, thì vẫn còn rất nhiều việc về phần mềm phải làm
    AMD là máy x86 nên chạy được mọi thứ, Apple thì duy trì toàn bộ stack MacOS, còn Nvidia thì đến mức đáng xấu hổ: mỗi thế hệ Jetson chỉ cố lắm mới khớp được với một bản phát hành Ubuntu
    Sẽ tốt hơn nếu họ đem mấy agent nói chuyện suốt ngày đó đi làm việc hỗ trợ hệ điều hành thực tế

• Tôi thật sự muốn biết nó khác gì so với những thứ như AMD Ryzen AI Max, vốn đã có thể mua được và hỗ trợ bộ nhớ hợp nhất 128GB

  • Có lẽ là nhờ hỗ trợ CUDA hoặc những yếu tố đặc thù của NVIDIA

• Không hiểu ai mà đến năm 2026 vẫn còn ám ảnh với cụm từ “Windows PC”
  Nó đơn giản là máy tính cá nhân và thường có thể chạy tốt nhiều hệ điều hành
  Cách gọi là Windows PC nghe như kiểu либо được Microsoft trả tiền, либо là kiểu người nói về công nghệ như thể đang chèn hình vào tài liệu Word rồi gửi đi
  Không cần phải gượng ép trói cái thú vị của một thiết bị không phụ thuộc hệ điều hành vào một hệ điều hành tệ hại như vậy

  • Đương nhiên là đang nói đến thị trường doanh nghiệp
    Có lẽ họ sẽ mua nhiều PC hơn cả phần còn lại của thị trường cộng lại
    Ngay cả với nhu cầu cá nhân, những người dual-boot Windows với hệ điều hành khác cũng chỉ là một nhóm cực nhỏ
    “Windows PC” là cách gọi khá hợp lý để phân biệt giữa “đồ do Apple làm” và “đồ do bên khác làm”, và thị trường PC không phải do Apple sản xuất mà lại không mặc định dùng Windows thì thực sự rất nhỏ
    Thành thật mà nói, phản ứng hung hăng như vậy với chủ đề này trông khá kỳ cục
  • Có lẽ đây là cách diễn đạt để làm rõ rằng họ không nói về Mac
    Từ PC vốn mơ hồ, có thể chỉ toàn bộ máy tính cá nhân theo nghĩa gốc, hoặc chỉ dòng IBM PC tương phản với Mac
    Cứ nghĩ đến quảng cáo “I'm a Mac, I'm a PC” là hiểu
    Nếu chỉ nói PC thì ngày nay mọi người thực sự dễ nhầm nó đang mang nghĩa nào, còn “IBM PC” thì đã lỗi thời, “IBM PC clone” còn tệ hơn
    Vì vậy “Windows PC” là một cái tên khá ổn, còn “Non-Mac PC” thì nghe cũng chẳng hay
    Không cần phải nói theo kiểu xúc phạm như vậy
  • Đây thậm chí còn không phải “Windows PC” theo nghĩa truyền thống
    Lý do người ta vẫn dùng Windows trong doanh nghiệp hoặc trên một số desktop gia đình như máy chơi game vẫn là khả năng tương thích phần cứng·phần mềm
    Họ dùng nó vì công việc tạo ra các chương trình Windows, và cũng dùng các driver mà Win-for-ARM vẫn chưa có
    Vì vậy với đa số mọi người, “Windows PC” vẫn có nghĩa là Windows PC x64
    Nếu khả năng tương thích của Windows-Arm64 không đủ tốt thì vì đằng nào cũng phải cần phần mềm và phần cứng mới, người ta có thể rời bỏ luôn Windows, và đó chính là rủi ro của Microsoft
  • Hy vọng những ai định chạy thứ gì đó không phải Windows trên thiết bị do Nvidia làm giờ đã rút ra bài học
    Dù một chiếc Nvidia Hackintosh bị nguyền rủa chắc sẽ rất buồn cười
    Với người dùng phổ thông, hệ điều hành máy tính chỉ có ba lựa chọn là Windows, Apple và ChromeOS; Nvidia sẽ không đi theo ChromeOS, còn Apple thì ghét Nvidia, nên hệ điều hành bình thường duy nhất có thể đem ra tiếp thị là Windows
    Việc tiếp thị cũng làm rõ rằng các thiết bị này không phải Chromebook giá rẻ từng phá hỏng trải nghiệm desktop của rất nhiều người
    Qualcomm từng hứa hỗ trợ Linux rồi thất bại, và những ai đã bị cú hứa đó làm thất vọng sẽ không muốn mua lại phần cứng đó nữa
    Nếu hứa hẹn là Windows PC thì cũng bớt đi lý do để người ta phàn nàn rằng Linux, FreeBSD hay SerenityOS không boot được, và nhìn vào thất bại của Qualcomm thì có vẻ Nvidia đang đưa ra lựa chọn đúng
  • Việc Nvidia đang đẩy mạnh mạnh mẽ cho Windows ARM có vẻ là một thông tin liên quan