Mạng nơ-ron đã định hình gần như mọi video bạn xem, nhưng ở hai đầu của một codec chuẩn, chứ không thay cho nó. Dưới đây là những nơi mã hóa nơ-ron được triển khai trong năm 2026, cái giá của nó trên chip và ai kiếm được tiền, kèm báo cáo đầy đủ và bản trình chiếu.
Tóm tắt
Năm 2026, mã hóa nơ-ron đã trở nên phổ biến, nhưng nó hoạt động quanh các codec chuẩn thay vì thay thế chúng. Mạng nơ-ron định hình hình ảnh trước khi mã hóa, trong camera điện thoại và trong quy trình mã hóa của Netflix, rồi sửa lại hình ảnh sau khi giải mã, trong Super Resolution của YouTube, tại Meta và trong các bộ xử lý của TV; luồng bit ở giữa vẫn là AV1, HEVC, AVC hoặc VVC, do phần cứng chức năng cố định giải mã. Codec nơ-ron đầu cuối chỉ được triển khai trong các vòng khép kín, nơi một công ty kiểm soát cả hai đầu: MLVC của Microsoft trong cuộc gọi Teams, các bộ token hóa bên trong mọi mô hình giọng nói và video, texture nơ-ron trong một trò chơi. Phát video đại chúng bằng luồng bit nơ-ron phải chờ H.267, dự kiến ra đời cuối năm 2029, và một chu kỳ chip sau đó. Lý do nằm ở chip: thiết kế bộ giải mã video nơ-ron duy nhất đã công bố cần năng lượng mỗi pixel gấp khoảng 12 lần một bộ giải mã HEVC đã đo, và một codec nghiên cứu tốc độ cao cần khoảng 22 TOPS cho 1080p30. Tiền đi theo các tiêu chuẩn và nền tảng; những startup codec nơ-ron nổi tiếng nhất đều đã được mua lại.
Vì sao tôi tìm hiểu chủ đề này
Cứ vài tháng lại có người nói với tôi rằng codec AI sắp thay thế H.264, HEVC và AV1. Phần lớn những gì tôi đọc về chủ đề này đến từ các bài báo nghiên cứu, nơi có các kỷ lục nén, hoặc từ các nhà cung cấp. Cả hai nguồn đều không nói nhiều về những gì thực sự được triển khai, cho ai, và với chi phí bao nhiêu.
Tôi có nhiều năm nghiên cứu, phát triển và quản lý chip fabless, bao gồm thiết kế đường dữ liệu (datapath) ASIC full-custom và các dự án chip camera đa phương tiện như bộ tăng tốc codec video, nên tôi xem xét vấn đề theo cách tôi thẩm định một con chip: năng lượng mỗi pixel, lưu lượng bộ nhớ, những gì một tiêu chuẩn cho phép cố định trên silicon, và ai trả tiền. Tôi đã đọc tài liệu tiêu chuẩn và báo cáo cuộc họp của JVET, MPEG, JPEG, AOMedia và IETF, blog kỹ thuật của các công ty, bài báo về chip, bảng phí của các nhóm bằng sáng chế, văn bản kiểm soát xuất khẩu và báo chí. Mọi con số dưới đây tính đến ngày 12/11/2026, và số tiền tính bằng đô la Mỹ. Báo cáo đầy đủ, kèm toàn bộ nguồn, nằm ở cuối bài.
Kết quả tóm lược
Hình 1. Mã hóa nơ-ron được triển khai ở đâu năm 2026. Các hàng được sắp theo số người mà mỗi lĩnh vực tiếp cận.
| Câu hỏi | Trả lời ngắn |
|---|---|
| Mã hóa nơ-ron được triển khai ở quy mô lớn ở đâu? | Quanh codec: ISP camera, giảm độ phân giải phía mã hóa, siêu phân giải khi phát. Đầu cuối thì chỉ trong vòng khép kín: cuộc gọi, tài nguyên trò chơi, bộ token hóa của AI tạo sinh |
| Codec nơ-ron có thay thế AV1, HEVC và VVC trong phát video không? | Không trước H.267 (phiên bản 1 vào cuối năm 2029) và một chu kỳ thiết bị sau đó; theo ước tính của tôi, sẽ phổ cập vào giữa thập niên 2030 |
| Chi phí trên chip là bao nhiêu? | Năng lượng mỗi pixel gấp khoảng 12 lần bộ giải mã HEVC phần cứng, cộng thêm lưu lượng bộ nhớ và yêu cầu giải mã chính xác đến từng bit |
| Ai kiếm được tiền? | Nền tảng giữ lại phần tiết kiệm; nhà cung cấp IP và nhóm bằng sáng chế thu tiền theo thiết kế và theo thiết bị; các startup codec nơ-ron đã được mua lại |
| Doanh nghiệp có thể tham gia ở đâu? | Tiền xử lý và hậu xử lý nơ-ron, sản phẩm vòng khép kín, chip codec cộng NPU, cùng công việc đánh giá và tiêu chuẩn nằm giữa các mảng đó |
Ba con đường
“Mã hóa nơ-ron” bao hàm ba thứ khác nhau, và phần lớn tranh luận về nó bắt nguồn từ việc lẫn lộn chúng. Một mạng nơ-ron có thể hoạt động quanh một codec chuẩn, xử lý pixel trước khi mã hóa hoặc sau khi giải mã trong khi luồng bit vẫn theo chuẩn. Nó có thể nằm trong một tiêu chuẩn, như một công cụ mà mọi bộ giải mã phải chạy, nghĩa là nó phải được đặc tả chính xác. Hoặc nó có thể thay thế codec từ đầu đến cuối, với bộ mã hóa và bộ giải mã học máy chỉ hoạt động theo cặp.
Hình 2. Ba cách mạng nơ-ron đi vào codec. Phần lớn những gì được triển khai năm 2026 thuộc cách thứ nhất.
Cách thứ nhất không cần ai cho phép. Cách thứ hai cần một tiêu chuẩn. Cách thứ ba cần kiểm soát cả hai đầu. Đó cũng là thứ tự chúng đến với người dùng.
Phát video và phát trực tuyến: nơ-ron ở hai đầu, chuẩn ở giữa
Các dịch vụ lớn đã hoàn tất một lần chuyển đổi codec và đang bắt đầu lần tiếp theo, và cả hai lần đều không liên quan đến bộ giải mã nơ-ron. Tháng 12/2025, Netflix cho biết AV1 chiếm khoảng 30% lượng xem của họ; YouTube cho biết hơn 90% kho nội dung của họ, tính theo thời lượng xem, đã có sẵn ở AV1. AV2 hoàn tất ngày 28/5/2026 với khả năng nén tốt hơn AV1 khoảng 30%, và trong vòng ba tuần, Chips&Media, Allegro DVT và VeriSilicon đã công bố khách hàng cho IP giải mã AV2. Hệ thống TV 3.0 của Brazil bắt đầu phát sóng VVC thương mại vào tháng 6/2026.
Phần nơ-ron nằm ở hai đầu. Từ năm 2022, Netflix dùng một mạng nơ-ron nhỏ thay cho bộ lọc truyền thống để giảm độ phân giải các bản gốc, cách làm không đòi hỏi thay đổi gì trên thiết bị nào và được khoảng 77% người xem ưa chọn trong thử nghiệm của Netflix. YouTube dùng học máy để nâng độ phân giải trên TV cho các video tải lên dưới 1080p, Meta chạy siêu phân giải trên máy chủ và trên điện thoại, còn bộ xử lý TV hàng đầu của Samsung quảng cáo 768 mạng nâng độ phân giải.
Thứ chưa tồn tại là luồng bit nơ-ron trên màn hình đại chúng, và lý do là thời gian. Một định dạng phát video phải giải mã được trên mọi thiết bị sẽ phát nó. AV1 mất gần tám năm từ khi hoàn tất đặc tả đến lúc chiếm 30% lượng xem của Netflix.
Hình 3. Từ tiêu chuẩn hoàn tất đến màn hình đại chúng mất gần trọn một thập kỷ.
Tiêu chuẩn có thể đưa công cụ nơ-ron đến mọi màn hình là H.267, tên tạm của thế hệ kế nhiệm VVC. JVET phát hành lời kêu gọi đề xuất vào tháng 7/2026; các hồ sơ phản hồi được đánh giá vào tháng 1/2027 và phiên bản đầu tiên dự kiến ra đời cuối năm 2029. Hướng truyền thống đã tiết kiệm khoảng 28% so với VVC, trong khi các bộ lọc nơ-ron trong vòng lặp của JVET tiết kiệm 6–14% với chi phí giải mã từ 10 nghìn MAC mỗi pixel trở lên. Tôi dự đoán đó sẽ là một lõi truyền thống cùng vài công cụ nơ-ron ở nơi lượng bit tiết kiệm được xứng với chi phí.
Nhiếp ảnh: nơ-ron trong camera, truyền thống trên web
Mọi bức ảnh từ một chiếc điện thoại cao cấp gần đây đều đã đi qua mạng nơ-ron trước khi được lưu. Cognitive ISP của Qualcomm chạy phân đoạn ngữ nghĩa thời gian thực từ năm 2023, và tại CES 2026, Chips&Media cùng Visionary.ai đã trình diễn một ISP hoàn chỉnh chạy hoàn toàn trên NPU. Sau đó, kết quả được lưu dưới dạng JPEG hoặc HEIF.
JPEG AI, tiêu chuẩn ảnh học máy đầu tiên, được ban hành năm 2025, với mức cải thiện 12,5–27,9% so với mã hóa nội khung VVC ở chi phí giải mã từ 7 đến 216 nghìn MAC mỗi pixel. Tôi không tìm thấy camera, ứng dụng thư viện ảnh hay trình duyệt nào dùng nó mặc định. Định dạng mà web chọn trong năm 2026 là định dạng truyền thống: Chrome 155 bật JPEG XL từ ngày 6/10, với một bộ giải mã nhanh, an toàn bộ nhớ, chạy trên mọi CPU. Mã hóa nơ-ron thắng thế bên trong quy trình của một công ty; các định dạng phải mở được ở mọi nơi vẫn là truyền thống.
Cuộc gọi: nơi codec nơ-ron đầu cuối được triển khai
Cuộc gọi là một vòng khép kín: hai đầu chạy cùng một ứng dụng và có thể chuyển về codec chuẩn ngay giữa cuộc gọi. Đó là lý do những codec nơ-ron đầu cuối đầu tiên ở quy mô lớn xuất hiện ở đây. Satin, codec giọng nói AI của Microsoft, đã chạy trong mọi cuộc gọi hai người trên Teams và Skype từ năm 2021. Tháng 7/2026, Microsoft mở mã nguồn MLVC, một codec video nơ-ron đang được triển khai trong các cuộc gọi ngang hàng trên Teams.
Hình 4. Trong cuộc gọi, codec nơ-ron vượt HEVC phần cứng 65–76%, trên bộ thử nghiệm của chính Microsoft.
Con số 88% trên tiêu đề là so với H.264; so với HEVC phần cứng vốn đã có trong chính những chiếc laptop đó, mức tiết kiệm là 65–76%, vẫn rất lớn. MLVC chạy ở 540p và 360p, dùng không quá một nửa NPU, và đã hy sinh một phần khả năng nén để giải mã giống hệt nhau trên phần cứng không thuộc về Microsoft.
Không phải ai cũng chọn con đường này. Opus bổ sung học sâu vào năm 2024 dưới dạng các phần bổ trợ tùy chọn, tương thích ngược. Meta xây dựng MLow, một codec giọng nói truyền thống, vì hơn 20% cuộc gọi của hãng chạy trên điện thoại ARMv7 cũ và mỗi ngày có hàng chục triệu cuộc gọi WhatsApp chạy trên điện thoại hơn mười năm tuổi. Codec nơ-ron được triển khai trước ở nơi thiết bị còn mới và một nhà cung cấp kiểm soát cả hai đầu.
AI tạo sinh: nơi triển khai lớn nhất mà không ai gọi là codec
Mọi mô hình giọng nói và video đều chạy trên một codec học máy. Mô hình giọng nói đọc và ghi token của các codec âm thanh nơ-ron như Mimi của Kyutai, ở 12,5 khung mỗi giây và 1,1 kbps. Các mô hình tạo video làm việc trong không gian tiềm ẩn của các bộ tự mã hóa video như của LTX-Video, với tỷ lệ nén 1:192. Không cái nào trong số này là định dạng mà bên khác giải mã, nhưng chúng chứng minh rằng nén bằng học máy hoạt động ở quy mô lớn khi một công ty sở hữu bộ mã hóa, bộ giải mã và phần cứng. Với bất kỳ ai cung cấp video tạo sinh, hiệu quả của bộ token hóa là một dòng chi phí trực tiếp.
Trò chơi: tái tạo nơ-ron đã phổ biến, tài nguyên nơ-ron mới bắt đầu
DLSS của NVIDIA kết xuất ít pixel và khung hình hơn rồi để một mạng nơ-ron dựng lại phần còn lại. Nén texture nơ-ron đã có mặt trong Assassin's Creed Mirage, nhưng chỉ dùng cho một số tài nguyên chọn lọc vì chi phí khi chạy.
Hình 5. Khi một công ty kiểm soát cả hệ thống, tái tạo bằng mạng nơ-ron lan nhanh.
Liên kết vệ tinh, drone và robot là nơi codec nơ-ron đầu cuối phù hợp nhất về kỹ thuật, nhưng đó là một thị trường nhỏ và ngày càng bị kiểm soát xuất khẩu ở cả hai phía: quy định xuất khẩu drone của Trung Quốc áp dụng từ ngày 18/11/2026 thậm chí còn lấy nén ảnh ngữ nghĩa làm một ngưỡng.
Góc nhìn từ chip
Đây là phần mà kinh nghiệm của chính tôi có ý nghĩa nhất. Một đội thiết kế chip đặt bốn câu hỏi với bất kỳ codec mới nào: bao nhiêu joule mỗi pixel, bao nhiêu lưu lượng DRAM mỗi pixel, bao nhiêu cổng logic, và liệu mọi bộ giải mã trên thế giới có tính ra đúng cùng các bit hay không. Ở cả bốn câu hỏi, bộ giải mã nơ-ron năm 2026 đang ở vị trí của HEVC phần cứng trước khi có những con chip đầu tiên.
Hình 6. Năng lượng mỗi pixel giải mã: bộ giải mã chức năng cố định dẫn trước một bậc độ lớn.
Thiết kế chip giải mã video nơ-ron duy nhất đã công bố, NVCA, cần 14,6 nJ mỗi pixel; chip giải mã HEVC của MIT cần 1,19 khi tính cả DRAM và 0,31 cho lõi. Ở 1080p30, đó là khoảng 900 mW so với 74 mW. Codec nghiên cứu tốc độ cao DCVC-RT của Microsoft, theo tổng tôi cộng từ chính bảng số liệu theo từng mô-đun của nó, cần khoảng 175 nghìn MAC cho mỗi pixel giải mã, tức khoảng 22 TOPS ở 1080p30: một nửa trong số 40 TOPS dùng để định nghĩa một PC AI, cho một luồng video.
Hình 7. Một công cụ nơ-ron tốn hàng chục nghìn MAC mỗi pixel; cả một bộ giải mã nơ-ron tốn hàng trăm nghìn.
Còn hai chi phí nữa đáng kể. Bộ nhớ: trong chip của MIT, khoảng ba phần tư năng lượng hệ thống dành cho DRAM, và bộ giải mã nơ-ron mang theo các bản đồ đặc trưng lớn giữa các khung hình. Độ chính xác: giải mã entropy thất bại nếu hai thiết bị tính một xác suất khác nhau, vì thế mọi codec nơ-ron nghiêm túc hiện nay đều dùng số học số nguyên, và cũng vì thế MLVC đánh đổi khả năng nén để giải mã giống hệt nhau.
Hình 8. Phân chia đã vào sản phẩm: phần cứng chức năng cố định cho luồng bit, khối xử lý nơ-ron cho pixel.
Những con chip bán được đều kết hợp cả hai. Tencent đã triển khai hơn 100.000 chip codec Canghai tự phát triển, và thế hệ thứ hai bổ sung H.266 cùng siêu phân giải trên chip; các nhà cung cấp IP bán song song khối codec và NPU video. Nếu bây giờ tôi lên kế hoạch cho một SoC đa phương tiện: bộ giải mã chức năng cố định cho mọi tiêu chuẩn phải phát, kể cả AV2; một NPU đủ sức tăng cường chất lượng ở độ phân giải hiển thị mà không thêm một vòng qua DRAM; các chế độ số nguyên tất định; và coi H.267 là điểm khởi đầu thiết kế sau năm 2029.
Ai kiếm được tiền, và doanh nghiệp có thể tham gia ở đâu
Hình 9. Tiền đi theo các tiêu chuẩn và nền tảng.
Các nền tảng giữ lại phần tiết kiệm và đôi khi cho không mã nguồn, như Microsoft đã làm với MLVC. Nhà cung cấp IP cấp phép bộ giải mã cho mỗi tiêu chuẩn mới. Các nhóm bằng sáng chế thu phí theo thiết bị: với VVC, 0,50 USD mỗi điện thoại và 1,00–1,50 USD mỗi TV 4K tại Mỹ và các thị trường Khu vực 1 khác. WaveOne về tay Apple, iSIZE về Sony và Deep Render về InterDigital. Tôi không tìm thấy công ty độc lập nào sống được nhờ cấp phép một codec video nơ-ron đầu cuối.
Với một doanh nghiệp, các hướng đi còn để ngỏ là tiền xử lý nơ-ron cho dịch vụ video, tăng cường phía hiển thị cho các hãng chip, codec nơ-ron vòng khép kín cho hội nghị truyền hình và liên kết riêng, chip codec cộng NPU, và công cụ đánh giá, kiểm tra tuân thủ mà mọi bên triển khai công cụ nơ-ron đều sẽ cần. Công việc tiêu chuẩn cho H.267 đòi hỏi kiên nhẫn và một chiến lược cấp phép.
Những tuyên bố cần dè dặt, và những gì cần theo dõi
Với bất kỳ tuyên bố nào về codec nơ-ron, hãy hỏi bốn điều: mốc so sánh, thước đo, độ phân giải và chi phí giải mã. “Tiết kiệm 88%” là so với H.264 ở 360p; “bộ nhớ video ít hơn 85–96%” là một cảnh demo, so với 30% trong trò chơi đã phát hành; “JPEG AI là một tiêu chuẩn” nhưng chưa có sản phẩm nào đứng sau.
Những mốc quan trọng: đợt đánh giá H.267 vào tháng 1/2027, những luồng AV2 đầu tiên của YouTube vào đầu năm 2027, mô hình thử nghiệm đầu tiên của H.267 vào nửa cuối năm 2027, liệu MLVC có lan ra ngoài Teams hay không, sản phẩm đầu tiên dùng JPEG AI mặc định, và ngân sách NPU trong điện thoại và PC. Phiên bản 1 của H.267 vào cuối năm 2029 sẽ khởi động chu kỳ chip cho công cụ nơ-ron trong phát video đại chúng.
Tải báo cáo đầy đủ và bản trình chiếu
Báo cáo đầy đủ trình bày chi tiết hơn từng lĩnh vực, các phép tính về chip, tiêu chuẩn và bằng sáng chế, một bảng đối chiếu tuyên bố với bằng chứng, cùng toàn bộ nguồn tham khảo.
- Mã hóa nơ-ron năm 2026: báo cáo đầy đủ (PDF)
- Mã hóa nơ-ron năm 2026: bản trình chiếu (PDF)
- Ấn bản tiếng Anh: báo cáo đầy đủ · bản trình chiếu
Đây là bản dịch từ ấn bản tiếng Anh; nếu hai bản có chỗ khác nhau, ấn bản tiếng Anh được ưu tiên.
Câu hỏi mở
Một vài câu hỏi ở đây chưa có câu trả lời công khai, và đó là những câu tôi thấy thú vị nhất về mặt kỹ thuật: một bộ giải mã nơ-ron có thể tiến gần đến mức nào tới số học số nguyên chính xác đến từng bit trên NPU của các hãng khác nhau trước khi đánh mất lợi thế nén; hậu xử lý nơ-ron tốn bao nhiêu lưu lượng DRAM mỗi pixel; ở mức chi phí mỗi pixel nào thì một công cụ nơ-ron trong bộ giải mã H.267 không còn đáng giá; những hệ thống khép kín nào ngoài cuộc gọi có thể áp dụng codec nơ-ron đầu cuối trước tiên; và cách đo độ trung thực khi bộ giải mã tự tạo chi tiết thay vì tái tạo chúng.
Đây là những lĩnh vực chúng ta có thể cùng khám phá trong những năm tới, qua trao đổi kỹ thuật và hợp tác kỹ thuật: i@tanshuai.com.
Về tác giả
Tan Shuai là chuyên gia công nghệ và nhà sáng lập, với hơn hai mươi năm làm việc trong các lĩnh vực chip, phần cứng và phần mềm hệ thống, và 20 bằng sáng chế đã được cấp. Ông có nhiều năm nghiên cứu, phát triển và quản lý chip fabless, bao gồm thiết kế đường dữ liệu (datapath) ASIC full-custom và các dự án chip camera đa phương tiện như bộ tăng tốc codec video. Công việc đã đưa ông qua Thung lũng Silicon, New York, Chicago, Đài Loan, Vùng Vịnh Lớn (Thâm Quyến và Hồng Kông), Việt Nam và Malaysia. Hiện ông làm việc với vai trò nhà nghiên cứu và phát triển AI.
Trao đổi kỹ thuật: i@tanshuai.com.