Việt Nam dựa vào AI của ai, dữ liệu của ai, luật chơi của ai?

AI được gọi là cơ hội vàng cho Việt Nam, nhưng nếu chỉ dừng ở gia công rẻ và điều chỉnh (fine-tune) từ mô hình ngoại, Việt Nam có thể lặp lại đúng con đường cũ của công nghiệp hóa phụ thuộc.

Cơ hội vàng nhưng không tự đến

Năm Việt Nam có thu nhập bình quân đầu người tính theo sức mua (GDP per capita PPP) khoảng 17.000 USD¹, tiến bộ lên rất nhiều so với trước tuy vẫn còn dưới mức trung bình (25.000 USD) của thế giới. Việt Nam vẫn đang đứng trước bài toán quen thuộc của một nền kinh tế phát triển muộn: làm sao bứt khỏi ngưỡng thu nhập trung bình mà không lặp lại con đường tăng trưởng dựa vào lao động giá rẻ và gia công.

Ta thử hình dung nếu trong 10-20 năm tới mỗi năm Việt Nam tăng trưởng gần 12% thì sẽ ra sao? Với mức tăng trưởng như vậy, thì sau 10 năm sẽ tăng lên ba lần, từ 17 nghìn thành 50 nghìn USD, và sau 10 năm nữa lại tăng lên thêm ba lần nữa thành 150 nghìn. Từ mức trung bình thấp, Việt Nam sẽ trở thành một nước thu nhập khá cao, rồi thành rất phồn vinh.

Lịch sử cho thấy, điều này không phải bất khả thi. Hãy nhìn lại lịch sử phát triển của các “con rồng châu Á”. Ví dụ, Hàn Quốc trong 20 năm 1970-1990 đã tăng trưởng kinh tế hơn 20 lần. Tuy nhiên, phép màu không tự đến, để tăng như vậy các con rồng châu Á đều nắm bắt tốt các cơ hội. Và ngày nay AI chính là một cơ hội vàng, không thể bỏ lỡ. 

Vì sao AI lại là cơ hội vàng được kỳ vọng đặc biệt như vậy với Việt Nam ?

Thứ nhất là vì lĩnh vực AI phát triển rất nhanh, ở mức 30%-40% một năm, và càng ngày sẽ càng chiếm tỷ trọng cao trong nền kinh tế thế giới. Có thể hình dung là trong vòng 20 năm tới, phần lớn nền kinh tế sẽ do AI đảm nhiệm.

AI là lĩnh vực hiếm hoi cho phép Việt Nam vượt giới hạn quy mô thị trường nội địa. Nhưng AI cũng buộc Việt Nam phải ra khỏi “vùng an toàn” của thị trường nội địa và cạnh tranh giá rẻ.

Thứ hai là tiếp cận AI dễ hơn tiếp cận các lĩnh vực công nghiệp khác. AI chủ yếu đòi hỏi đầu tư vào chất xám chứ không cần quá nhiều đầu tư vào máy móc, và chất xám là thứ Việt Nam có nhiều.

Thứ ba là vì công nghệ AI khá là mới nên tại thời điểm hiện tại nếu Việt Nam có bị chậm hơn một số nơi khác về AI thì cũng chỉ chậm một vài năm chứ không đến hàng chục năm, và do vậy cũng dễ đuổi kịp hơn. 

Thứ tư là thế cạnh tranh của các công nghệ cũ không có AI ngày càng giảm đi, trở thành lỗi thời. Việt Nam chưa công nghiệp hóa hoàn toàn nên cũng rất tiện cho việc sử dụng thẳng các công nghệ mới có AI thay vì phải “tiếc rẻ” dùng tiếp các máy móc công nghệ ngũ.

Thứ năm là xuất khẩu AI ra thế giới dễ hơn là xuất khẩu các thứ khác, không tốn kém tiền chuyên chở, bảo quản, v.v.  

Thứ sáu là Việt Nam có vị trí địa lý và quan hệ quốc tế thuận lợi cho việc phát triển kinh tế nói chung và AI nói riêng. Chỉ cần sang Quảng Đông hay Singapore là có thể học hỏi, mua bán rất nhiều thứ hiện đại. 

Nhưng cơ hội không tự đến. Chúng ta chỉ nắm bắt được cơ hội vàng này khi hiểu rõ quá trình phát triển AI hiện nay.

AI không biên giới: không thể chỉ trông vào thị trường nội địa

Với những đặc điểm trên, AI là lĩnh vực hiếm hoi cho phép Việt Nam vượt giới hạn quy mô thị trường nội địa. Nhưng AI cũng buộc Việt Nam phải ra khỏi “vùng an toàn” của thị trường nội địa và cạnh tranh giá rẻ.

Bài học của Nhật Bản trong giai đoạn hậu tăng trưởng vì thế đặc biệt đáng để suy ngẫm. Nhật Bản sau thời kỳ hoàng kim của những năm 1980-1990 thì bị chững lại so với thế giới, và trong danh sách các công ty lớn nhất thế giới không còn bóng dáng các công ty Nhật trừ Toyota. Một trong những lý do là người Nhật rất sáng tạo nhưng quá hướng nội. Họ làm ra những thứ như là iPhone trước iPhone nhiều năm, nhưng chỉ cho thị trường Nhật. Thị trường nội địa của họ đủ to để sống, nhưng không đủ to để phát triển nhanh. Sáng tạo thôi chưa đủ, nếu thị trường bị giới hạn.

Thị trường nội địa Việt Nam cũng đủ to để các mặt hàng chỉ phục vụ trong nước sống được, nhưng cũng không đủ to để phát triển nhanh. Muốn phát triển nhanh phải chú trọng xuất nhập khẩu, đặc biệt là trong lĩnh vực AI – nơi rào cản địa lý gần như không còn. 

Nhờ có quyết tâm của những công ty như FPT mà Việt Nam trở thành một trung tâm gia công phần mềm trên thế giới. Kinh nghiệm này cho thấy Việt Nam có thể tham gia sâu vào chuỗi giá trị toàn cầu nếu chọn đúng hướng. Việt Nam cũng cần có một quyết tâm tương tự như vậy, thậm chí cao hơn, cho xuất khẩu AI, để gây dựng hình ảnh một trung tâm phát triển đủ các loại AI với chất lượng cao, giá thành phải chăng để phục vụ thế giới, thu hút đầu tư từ nước ngoài.

Chủ quyền về AI không chỉ là một vấn đề kinh tế lớn, mà còn là thách thức về chính trị và an ninh, cho Việt Nam cũng như cho mọi nước trên thế giới. 

Việt Nam đang thu hút khá nhiều đầu tư từ nước ngoài, kể cả trong lĩnh vực AI, nhờ có ổn định chính trị và giá thành rẻ. Những quỹ đầu tư do người Việt ở hải ngoại lập ra để đầu tư vào Việt Nam cũng là dấu hiệu tốt. Việc cho phép người nước ngoài lưu trú 45 ngày ở Việt Nam không cần visa cũng là một bước tiến bộ lớn. Tuy nhiên, giấy tờ thủ tục đầu tư và chuyển tiền xuyên biên giới vẫn còn cồng kềnh, và sẽ là rào cản với các dự án AI. 

Việt Nam không nên chỉ trông cậy vào giá thành rẻ mà cần chú trọng tăng uy tín và chất lượng. Một lần tôi gặp lãnh đạo của hãng ô tô Geely, họ nói họ lo ngại chất lượng sản xuất ô tô ở Việt Nam có thể không đạt chuẩn. Khi nói chuyện với những người Pháp về phát triển phần mềm, họ cũng tỏ ý băn khoăn về chất lượng khi giao việc cho công ty ở Việt Nam. Những lo ngại đó cho thấy Việt Nam vẫn chưa thực sự thoát khỏi hình ảnh “giá rẻ, chất lượng thấp”. Trung Quốc cũng đã chuyển vị thế từ “giá thành thấp” sang “chất lượng cao”. Cạnh tranh dựa trên giá thành thì có thể thoát nghèo, nhưng muốn phồn vinh thì phải cạnh tranh về chất lượng. 

Muốn có chất lượng cao thì cần có chiến lược đầu tư mạnh vào các trung tâm xuất sắc, và bỏ nhiều tiền chiêu mộ những người tài giỏi, kể cả người nước ngoài. Trung Quốc từ cách đây rất nhiều năm đã dám trả lương trên 10.000 USD một tháng để thu hút các nhà khoa học giỏi từ nước ngoài, là một điều đáng để học tập.   

AI trong doanh nghiệp: Cơ hội chỉ đến khi chuyển đổi nhanh

AI không giúp tái cấu trúc sản xuất, đảo chiều lợi thế cạnh tranh nhưng AI cũng đòi hỏi doanh nghiệp phải có năng lực hấp thụ và gây sốc với doanh nghiệp hay nguồn nhân lực chưa kịp chuyển đổi.

Ở Trung Quốc đã xuất hiện những nhà máy, ví dụ như nhà máy sản xuất ô tô Zeekr, được tự động hóa hầu như hoàn toàn, với các robot do AI điều khiển, số lượng nhân viên giảm đi chỉ còn bằng 1/10 so với những nhà máy khác. Nhờ những thứ như vậy mà họ trở thành nước mạnh nhất thế giới về sản xuất ô tô, đồng thời cũng là thị trường lớn nhất, chiếm hơn 1/3 thị trường ô tô thế giới.

Những lĩnh vực kinh doanh sản xuất mà càng có tính lặp đi lặp lại cùng một động tác bao nhiêu, thì máy móc được điều khiển bằng AI càng dễ làm tốt hơn con người bấy nhiêu. 

Xu hướng tinh giảm nhân viên, thay thế bằng AI là tất yếu không thể tránh khỏi trong nhiều lĩnh vực, và Việt Nam cũng cần mạnh dạn áp dụng. Các doanh nghiệp càng mạnh dạn chuyển đổi AI, đưa AI vào sử dụng ở mọi chỗ có thể, từ dây chuyển sản xuất cho đến bảo trì máy móc cho đến tài chính kế toán cho đến quản lý nhân sự, v.v., thì sẽ càng có lợi thế cạnh tranh. Ông Vũ Đình Độ Chủ tịch TASCO có nói với tôi một câu khá tâm đắc, là “nhanh thắng to”, tức là các công ty nhanh nhẹn sẽ cạnh tranh thắng các công ty lớn, và một phần nhanh nhẹn ở đây chính là nhanh nhẹn chuyển đổi AI.  

Một ví dụ điển hình là các chatbot/voicebot AI hỏi đáp phục vụ bán hàng và chăm sóc khách hàng có thể giúp giảm 9/10 nhân viên, chỉ cần giữ 1/10 để giám sát và xử lý các trường hợp khó, tiết kiệm được rất nhiều. 

Nhưng không phải cứ ứng dụng AI là thành công. Để đạt hiệu quả và giảm rủi ro, doanh nghiệp cần AI được huấn luyện phù hợp với dữ liệu và quy trình riêng. Chẳng hạn, cách đảm bảo thành công và ít rủi ro nhất là thuê công ty chuyên về AI luyện riêng chatbot/voicebot (và những AI khác) hợp với nhu cầu của mình, cùng với dịch vụ bảo trì, nâng cấp, sửa lỗi liên tục. Nếu thiếu năng lực công nghệ hoặc không có công ty chuyên về AI hỗ trợ như vậy thì sẽ rất rủi ro về mặt kỹ thuật, dẫn đến rủi ro về kinh doanh. 

Các mô hình AI nhỏ (small model) sẽ ngày càng được quan tâm hơn các mô hình lớn (large model). Mô hình nhỏ. ngoài chuyện tiếp kiệm năng lượng, còn có ưu thế là chạy được tại chỗ (ở máy tính bàn. điện thoại. vv) chứ không cần chạy trên đám mây, tăng tính an toàn và giá trị sử dụng cho người dùng.

Ngành gia công phần mềm là một ví dụ điển hình cho thấy tác động hai mặt của AI. Nếu một nhóm viết phần mềm trước kia cần 1 kỹ sư chính cùng 4 kỹ sư trẻ, thì ngày nay chỉ cần 1 kỹ sư chính hiểu rõ vấn đề cùng với công cụ AI “copilot” hỗ trợ là có thể viết phần mềm nhanh hơn và tốt hơn trước. Hệ quả là rất nhiều công ty, từ Mỹ cho đến Việt Nam, sa thải hàng loạt nhân viên viết phần mềm.

Như ông Jensen Huang, CEO của Nvidia, có nói, ngôn ngữ lập trình quan trọng nhất ngày nay là ngôn ngữ tự nhiên. Để tạo sản phẩm phần mềm tốt ngày nay quan trọng nhất không còn là khả năng viết các dòng code chi tiết, mà là khả năng logic, hiểu thực sự vấn đề và tạo ra thuật toán tổng thể thích hợp, còn chi tiết có thể để cho AI lo. 

AI đòi hỏi những lựa chọn chiến lược rõ ràng, không chỉ xuất khẩu giá rẻ, không chỉ ứng dụng AI theo phong trào, và không chỉ chạy theo các mô hình có sẵn từ bên ngoài.

Chính tại đây, bật ra câu hỏi tiếp theo: Việt Nam sẽ dựa vào AI của ai, dữ liệu của ai, và luật chơi của ai? Đó là chủ quyền AI – vấn đề sẽ quyết định liệu cơ hội này có thực sự thuộc về Việt Nam hay không.

Thách thức về chủ Quyền AI

Châu Âu ước tính bị thiệt hại 250 tỷ USD mỗi năm vì phụ thuộc về AI, và kêu gọi phải đầu tư nhiều hơn để đảm bảo chủ quyền về AI.

Ta thử hình dung một số tình huống đơn giản nhưng có thể gây hệ quả nghiêm trọng. Chẳng hạn, một người Việt hỏi AI về một hòn đảo nào đó thuộc về Việt Nam nhưng AI lại bảo là nó thuộc về nước khác, hay hỏi về một hoạt động gì đó bất hợp pháp ở Việt Nam nhưng nó lại bảo là hợp pháp, hay đưa cho AI một thông tin nào đó chỉ được phép lưu trữ ở Việt Nam nhưng nó lại chuyển ra nước ngoài. Những điều như vậy không thể chấp nhận được theo luật Việt Nam, tuy nhiên chúng hoàn toàn có thể xảy ra trên thực tế nếu ta dùng các AI đa dụng làm ở nước ngoài.

Để tránh xảy ra những rủi ro kiểu như trên, thì các mô hình AI đem vào sử dụng ở Việt Nam, nhất là các mô hình ngôn ngữ nền tảng, phải đảm bảo thể hiện đúng thông tin, pháp luật và văn hóa của Việt Nam, và phải đảm bảo chủ quyền về dữ liệu, đặc biệt là đối với các tổ chức và các doanh nghiệp có tính nhạy cảm cao. 

Muốn có chủ quyền cao thì không thể cứ đem nguyên xi những mô hình như ChatGPT, Gemini, Grok, Deepseek hay Qwen về dùng, mà cần xây dựng những mô hình AI đa dụng của Việt Nam. Giá thành để tạo ra và duy trì phát triển một mô hình AI như vậy có thể tính theo đơn vị trăm triệu USD/năm, không phải là rẻ, nhưng rất rẻ nếu chia theo đầu người: mỗi người chỉ mất một vài đô la một năm để có AI đa dụng có chủ quyền. 

Nếu không có công ty hay tổ chức nào sẵn sàng bỏ ra nhiều tiền đến thế thì nhà nước cần đầu tư và huy động các công ty lớn cùng tham dự để lập riêng một công ty cho việc đó, vì lợi ích chung. Số tiền đó có thể đủ để tạo dựng kho dữ liệu cho Việt Nam mà AI đa dụng dùng để học (cộng với dữ liệu từ thế giới), và phát triển một trung tâm xuất sắc, cùng với máy móc thích hợp, để nghiên cứu những thuật toán tân tiến nhất, những mẫu hình (paradigm) mới tốt hơn là những mô hình ngôn ngữ lớn (LLM) hiện tại, chứ không chỉ dừng lại ở mức “fine-tune” (mông má) những mô hình đem từ nước ngoài về như hiện nay. 

Trong bối cảnh các mô hình AI đa dụng ngày càng phình to, tiêu tốn tài nguyên khổng lồ và tiềm ẩn nhiều rủi ro, việc lựa chọn con đường phát triển phù hợp trở thành yếu tố mang tính quyết định. Chính từ đây, vấn đề chủ quyền AI và lựa chọn mô hình công nghệ không còn là câu chuyện kỹ thuật, mà là lựa chọn chiến lược cho tương lai phát triển của Việt Nam.

Cuộc cách mạng AI sẽ tất yếu dẫn đến cuộc cách mạng lớn trong giáo dục, Các học tập, thi cử, lấy chứng chỉ v.v. sẽ thay đổi hoàn toàn. Không có nghĩa là trường lớp, thầy cô sẽ mất vị trí, mà chỉ có nghĩa là cách hoạt động sẽ khác đi. 

Hướng đi cho VN: AI chuyên dụng, nhỏ nhưng tinh  

Các mô hình ngôn ngữ lớn (LLM) càng ngày càng phình to, lên đến hàng nghìn tỷ biến số, với tham vọng “nuốt chửng kiến thức của toàn thế giới”. Việt Nam có thể, và có chỗ đứng nếu chạy đuổi theo những mô hình “AI to” như vậy không?

Sự đồ sộ của các mô hình LLM khiến rất nhiều người tin là AI cái gì cũng biết, cái gì cũng hỏi AI, AI nói sai cũng tin, đôi khi gây ra hậu quả tai hại. Đã có những quyển sách khoa học do ChatGPT viết, với các trích dẫn không có thật được ChatGPT bịa ra. Thậm chí có những người khi gặp khủng hoảng tinh thần, hỏi AI thì AI khuyên nên tự tử, thế là tự tử chết thật. Trong y tế thì từ khi có LLM các trang mạng thông tin nghiêm túc về y tế bị ế vì dân tình đi hỏi những thứ như ChatGPT thay vì tra cứu các trang đó, và thế là họ hay nhận được những thông tin sai lệch, rất nguy hiểm.

Nguyên nhân nằm ở cấu trúc và cách học của các mô hình ngôn ngữ hiện tại dựa trên xác suất chứ không dựa trên kiến thức có đảm bảo và suy luận chặt chẽ. Nên các mô hình ngôn ngữ rất “dẻo mồm” nhưng cũng rất dễ “râu ông nọ cắm cằm bà kia”, khả năng nói nhảm (hallucination) cao, nhất là khi đi vào cách lĩnh vực chuyên môn. Một lần tôi thử kiểm tra MedGemma của Google (một mô hình VLM – ngôn ngữ hình ảnh lớn, dành cho y tế) cho các ảnh bệnh về da thì kết quả là có trên 90% các trường hợp là nói sai, đặc biệt khi gặp phải các bệnh hơi hiếm, chỉ đúng khi gặp trường hợp phổ biến của bệnh phổ biến. 

Thế giới cần có những mẫu hình (paradigm) AI đa dụng mới tốt hơn, đáng tin hơn là LLM. Đây là một cuộc chơi mới mà Việt Nam hoàn toàn có thể tham dự. Giáo sư Yann LeCun, một trong những người đi đầu trong lĩnh vực học sâu, cũng đã bỏ Meta để lập công ty nghiên cứu những hướng mới này. 

Mặt khác, thế giới rất cần phát triển nhiều AI chuyên dụng cho rất nhiều lĩnh vực khác nhau, có độ tin tưởng cao hơn nhiều so với AI đa dụng. Những AI chuyên dụng này thường có kích thước nhỏ, có cấu trúc mạng thần kinh, dữ liệu để học và cách huấn luyện phù hợp nhất với vấn đề mà nó giải quyết, là những thứ mà AI đa dụng không làm được.   

Tương lai của một “trợ thủ AI biết tất” sẽ không nằm ở những LLM to tướng, mà ở những mô hình đa dụng khác không nhất thiết phải to, mà có thể nhỏ có logic tốt hơn, hiểu các khái niệm chính xác hơn, biết kết nối đến các AI chuyên dụng thích hợp nhất khi gặp mỗi vẫn đề. Trí tuệ “siêu việt” sẽ không phải là một trí tuệ tập trung nằm ở một nơi, mà là một mạng rất rộng các trí tuệ chuyên gia cho từng lĩnh vực khác nhau, kết nối vào với nhau, ai có vấn đề về lĩnh vực nào có thể gọi ngay đến chuyên gia lĩnh vực đó. Việt Nam có khả năng làm ra nhiều AI chuyên dụng tham gia vào mạng trí tuệ siêu việt phi tập trung này.

“Nhỏ là đẹp”, và những xu hướng mới

Trong cuộc cách mạng tin học từ mấy chục năm trước đã có khái niệm nhỏ là đẹp, tức là các chương trình phần mềm nhỏ gọn, có thể chạy trên các máy nhỏ, tiết kiệm chi phí phần cứng, nhiều khi có giá trị hơn nhiều so với các chương trình cồng kềnh.
Khi công suất tính toán tăng nhanh, nhu cầu nhỏ là đẹp giảm đi, người ta ít quan tâm tối ưu hóa dung lượng của các phần mềm, mà quan tâm nhiều hơn đến việc làm sao để tạo ra nhanh các phần mềm với chi phí thấp, và muốn làm nhanh, làm rẻ thì không thể làm nhỏ đẹp được mà chỉ làm sao cho nó chạy được thôi. Trừ một số vấn đề chuyên dụng như là phần mềm nhúng, gài trong các chip nhỏ, bắt buộc phải làm nhỏ. 

Thời nay, vấn đề nhỏ là đẹp lại được đặt ra, khi mà các trung tâm điện toán đám mây chạy LLM ngốn quá nhiều năng lượng của thế giới, hơn tổng sản lượng điện của cả một quốc gia lớn, khiến người ta phải nghĩ đến xây hàng loạt nhà máy điện nguyên tử để phục vụ AI, và khối năng lượng khổng lồ đó để phục vụ AI cũng biến thành nhiệt làm hại môi trường.  

Các mô hình AI nhỏ (small model) sẽ ngày càng được quan tâm hơn các mô hình lớn (large model). Mô hình nhỏ. ngoài chuyện tiếp kiệm năng lượng, còn có ưu thế là chạy được tại chỗ (ở máy tính bàn. điện thoại. vv) chứ không cần chạy trên đám mây, tăng tính an toàn và giá trị sử dụng cho người dùng.

Mạng thần kinh tiết kiệm (frugal/parcimonious) cũng là một xu hướng rất quan trọng. Các nạng này còn nhỏ hơn nhiều lần so với các mô hình nhỏ vừa kể trên. Một điều thú vị là mạng quá to thì chỉ học vẹt còn mạng nhỏ thì mới dễ học các quy luật hơn, nên các mạng này đặc biệt quan trọng với những vấn đề liên quan đến vật lý hay logic. Nhưng nếu mạng cố định về cấu trúc thì khó học, mà mạng phải được phép thay đổi cấu trúc (như trong não động vật, phải cho phép các tế bào thần kinh và các đường dây nối chúng sinh ra và mất đi) thì mới dễ học được các qui luật. Cách học và cách tạo mạng thần kinh của các mạng tiết kiệm này bởi vậy cũng khác các mạng như kiểu mạng tích chập (CNN) hay mạng Transformer (dùng trong chatGPT) phổ biến hiện tại. 

Ngoài ra còn nhiều xu hướng mới khác trong AI, mà các trung tâm nghiên cứu phát triển AI ở Việt Nam cũng như trên thế giới cần nắm bắt. 

Hợp tác và mã nguồn mở

Khi nguồn lực còn hạn chế, hợp tác là điều kiện để tồn tại và đi nhanh hơn. 

Ví dụ, về dữ liệu cho AI học, đừng kỳ vọng rằng chỉ cần dữ liệu do một cơ sở nào đó (ví dụ như một bệnh viện) sinh ra là đủ để làm một AI tốt. Muốn có AI tốt thì cần dữ liệu rất phong phú, đa dạng, từ nhiều nguồn khác nhau. Mỗi nơi có một ít dữ liệu mà cứ dữ khư khư sợ “mất của” như hiện tại thì không kết hợp được các dữ liệu đó thành một kho dữ liệu đủ lớn, đủ phong phú. Nhưng tất nhiên chia sẻ dữ liệu phải đi cùng với cơ chế tốt để các bên không cảm thấy bị thiệt thòi. 

Có lần tôi nói chuyện với một bác sĩ, tích lũy cả đời được khoảng 20.000 dữ liệu, và nghĩ là như thế là đủ huấn luyện AI chẩn đoán bệnh. Tuy con số 20 nghìn dữ liệu là rất lớn so với cá nhân, nhưng so với thế giới thì chỉ là muối bỏ bể, và AI trong lĩnh vực của bác sĩ cần đến hàng triệu dữ liệu để huấn luyện.

Về mặt thuật toán, mã nguồn mở là một cách hợp tác tốt nhất để phát triển nhanh. Mã nguồn mở tạo được niềm tin cao hơn là mã nguồn đóng, thu hút được nhiều người quan tâm phát triển và nhiều người dùng hơn, tạo nên hệ sinh thái tốt hơn, đem lại nhiều giá trị cho xã hội hơn và nhờ vậy cũng đem lại nhiều giá trị cho người tạo ra sản phẩm hơn. Chính phủ nên có các chính sách nhằm khuyến khích mã nguồn mở. 

Trung Quốc rất chú trọng áp dụng mã nguồn mở trong cuộc cạnh tranh với Mỹ về AI. Công ty khởi nghiệp Mistral ở Pháp cạnh tranh với OpenAI cũng đi theo hướng mã nguồn mở, cũng đã có giá trị hàng tỷ đô la, và thu tiền chủ yếu từ dịch vụ cho các tổ chức cần chủ quyền cao về AI. 

Hạ tầng cho AI

Khi nói đến hạ tầng cơ sở cho AI, người ta hay nói đến các trung tâm điện toán đám mây hiệu suất cao và trung tâm dữ liệu. Trong dự thảo luật về AI của chính phủ năm 2025 cũng nhấn mạnh ưu tiên điện toán đám mây, là các trung tâm tính toán dùng nhiều GPU, tức là các bộ “vi xử lý hình ảnh” mà tác dụng chính nằm ở khả năng tính toán song song rất nhiều phép tính cùng một lúc của chúng. Không nên mua ngay quá nhiều bộ vi xử lý GPU như kiểu của NVIDIA làm gì, cần đến đâu mua đến đấy thôi, bởi vì sắp tới sẽ xuất hiện nhiều bộ vi xử lý song song khác nữa, ví dụ như kiểu TPU (tensor processing unit), mạnh hơn và rẻ hơn, hoặc thậm chí tương lai còn hứa hẹn những máy tính lượng tử nhanh gấp bội lần. 

Nói đến hạ tầng cơ sở cho điện toán và AI, chúng ta không nên quên sức mạnh của tính toán phi tập trung (distributed computing): nhiều trung tâm máy tính nhỏ nằm ở nhiều nơi nối vào với nhau có thể tạo thành hệ thống mạnh hơn và an toàn hơn là một vài trung tâm lớn quá tập trung. Điều này thế giới đã nhận thấy khi xảy ra những sự cố sập mạng dẫn đến phần lớn các khách hàng của AWS hay Google Cloud bị mất dịch vụ trong khi những mạng lưới phi tập trung vẫn hoạt động tốt. 

Khuyến khích mạng phi tập trung cũng có nghĩa là nên khuyến khích nhiều công ty, tổ chức, cá nhân tham gia vào hạ tầng AI chứ không nên chỉ trông cậy vào vài “ông lớn”. Tương tự như là vấn đề năng lượng: một mạng điện phi tập trung với nhiều nguồn phát rải rác khắp nơi sẽ không những giảm thiểu tiêu tốn điện trên đường tải mà còn đỡ rủi ro mất điện hơn là một mạng quá tập trung.  

Có một điểm rất quan trọng khác không thể coi nhẹ, đó là hệ thống truyền tin, tức là hệ thống telecom. Tầm quan trọng của nó cũng tương tự như là tầm quan trọng của hệ thống giao thông trong nền kinh tế nói chung. Trong nhiều vấn đề thực tế dùng AI trên “đám mây”, nút thắt cổ chai không nằm ở bản thân AI trên đám mây mà là ở đường tải : thời gian để tải dữ liệu từ người dùng lên đám mây, đặc biệt là những dữ liệu có dung lượng lớn như phim ảnh, lớn gấp nhiều lần thời gian mà AI xử lý dữ liệu đó. Mấu chốt để tăng tiện ích cho người sử dụng khi đó là làm sao tăng được vận tốc đường truyền. 

Thế giới phát triển nhiều giải pháp cho đường truyền cao tốc, từ cáp quang cho đến 5G/6G cho đến hệ thống vệ tinh tầng thấp như là Starlink, và gần đây hơn là các khinh khí cầu truyền tin (communication balloons) hứa hẹn nhanh và rẻ hơn các hệ thống phi tuyến khác. 

Tốc độ truyền tải càng nhanh thì AI đám mây càng trở nên tiện lợi, càng có nhiều ứng dụng AI trở nên hữu ích, và sẽ càng thu hút được nhiều tài năng về AI đến Việt Nam làm việc. 

Cách mạng AI sẽ thay đổi căn bản giáo dục 

Cuộc cách mạng AI sẽ không thể thành công nếu không đi kèm một cuộc cách mạng giáo dục. Chúng ta đang bước vào thời đại Giáo dục 4.0. 

Giáo dục 1.0 là thời cổ xưa không có trường lớp, chỉ có con nhà giàu mới có gia sư, còn phần lớn nhân dân là mù chữ. 

Giáo dục 2.0 là khi có trường lớp, sách in, và hầu hết trẻ em được đi học.

Giáo dục 3.0 là khi có thể học online, ngồi ở Huế mà nghe bài giảng ở Stanford nhờ có internet, lượng kiến thức và giáo viên tốt mà mọi người có thể tiếp cận lớn hơn nhiều so với khi chưa có internet. 

Giáo dục 4.0 là khi từng bài học, từng chương trình học được cá nhân hóa để thích hợp nhất, tốt nhất đối với từng cá nhân, nhờ có AI. Con người sẽ có điều kiện học nhiều hơn để trở nên hiểu biết thông tuệ hơn, học mọi lúc mọi nơi, học suốt đời. 

Ví dụ, khi một cô giáo giảng bài cho một lớp học thì sẽ có học sinh hiểu học sinh không, có học sinh thấy quá khó có học sinh thấy quá dễ, v.v., và cô giáo không thể thích ứng bài giảng của mình với tất cả các học sinh của cùng một lớp, không có đủ thời gian hướng dẫn từng học sinh. Nhưng AI có thể giúp cô giáo và học sinh nâng hiệu quả giảng dạy và học tập lên nhiều lần. 

Cuộc cách mạng AI sẽ tất yếu dẫn đến cuộc cách mạng lớn trong giáo dục, Các học tập, thi cử, lấy chứng chỉ v.v. sẽ thay đổi hoàn toàn. Không có nghĩa là trường lớp, thầy cô sẽ mất vị trí, mà chỉ có nghĩa là cách hoạt động sẽ khác đi. 

Đối với Việt Nam, đây cũng là cơ hội lớn để đầu tư phát triển những sản phẩm giải pháp giáo dục dựa trên AI nhằm phục vụ Việt Nam và toàn thế giới. Thị trường giáo dục thế giới không phải tính bằng đơn vị tỷ đô, mà là đơn vị ngàn tỷ đô, và phần lớn thị trường đó đang rộng mở hoặc đang mở ra.□

——————-

Điều kiện để làm AI thành công

Các công cụ để chế tạo AI ngày nay (như là các môi trường luyện AI, hay các mô hình đã học trước – “pretrained”)  trên thế  giới có sẵn nhiều, ai cũng có thể đem chúng về dùng, khiến cho nhiều vấn đề AI được cho là dễ quá, cứ dùng các công cụ có sẵn luyện thêm một chút là giải quyết được. Có những trung tâm dạy nghề quảng cáo chỉ cần học 3 tháng là làm được AI. Tương tự như là khi có máy đánh chữ thì ai cũng nghĩ mình có thể thành nhà văn. 

Trên thực tế, để làm ra những AI có chất lượng cao và được tin dùng là việc khó, và danh sách những lý do thất bại thì rất dài:

– Lãnh đạo thiếu khả năng quản lý, không đủ tầm nhìn

– Làm ra cái rất hay nhưng không đúng cái thị trường cần

– Sản phẩm không đủ hấp dẫn để có sức cạnh tranh

– Thiếu kiến thức chuyên ngành 

– Nguồn tài chính không đủ, nửa đường đứt gánh 

– Nhân viên thiếu trình độ, làm không ra sản phẩm

– Mâu thuẫn nội bộ

– Gặp rắc rối về mặt pháp lý 

– Bị đối tác quan trọng bỏ rơi 

– Phá hoại từ bên ngoài. v.v.

Ai muốn làm AI thành công thì phải chú ý nhận diện được hết những rủi ro trên. 

——————

Về tác giả: Nguyễn Tiến Dũng là giáo sư toán học, người sáng lập hay đồng sáng lập Torus AI ở Pháp và một số công ty khác như Belle.ai ở Mỹ, Aphea Tech ở Pháp, Taureau.ai và Torus.vn ở Việt Nam, phát triển các sản phẩm AI cho y tế, giáo dục, bán hàng, xe tự lái, xử lý tín hiệu, xử lý hình ảnh, phân tích dữ liệu, AI tạo sinh, v.v.  

¹ Theo số liệu của IMF và World Bank.

Bài đăng Tia Sáng số 24/2025