AI chuyển sang cuộc đua mới: Lớn nhất không còn là 'tốt nhất'

Theo hãng tin CNBC, sau hơn hai năm bùng nổ của trí tuệ nhân tạo (AI), cuộc cạnh tranh giữa các hãng công nghệ dường như đã có một thước đo khá rõ ràng: ai sở hữu mô hình lớn hơn, đạt điểm cao hơn trên các bài kiểm tra và liên tục tung ra những phiên bản mạnh hơn sẽ được xem là người dẫn đầu. Tuy nhiên, khi AI bắt đầu được triển khai rộng rãi trong hoạt động sản xuất, kinh doanh và các quy trình doanh nghiệp, cách đánh giá này đang dần trở nên lỗi thời.

Thay vì chỉ chạy đua xây dựng những mô hình ngày càng lớn và đắt đỏ, các doanh nghiệp hiện quan tâm nhiều hơn đến việc lựa chọn mô hình phù hợp nhất với từng tác vụ, tối ưu chi phí vận hành và đảm bảo dữ liệu được xử lý trong môi trường phù hợp. Điều đó đang mở ra một giai đoạn cạnh tranh mới của AI, nơi yếu tố quyết định không còn là quy mô mô hình mà là khả năng điều phối, tối ưu chi phí, kiểm soát dữ liệu và tận dụng tài nguyên tính toán hiệu quả.

TỪ CUỘC ĐUA MÔ HÌNH SANG CUỘC ĐUA HỆ THỐNG AI

Theo ông Aravind Srinivas, CEO của Perplexity, bản thân mô hình AI không còn là sản phẩm cốt lõi. Giá trị thực sự nằm ở hệ thống điều phối có khả năng lựa chọn đúng mô hình cho từng nhiệm vụ, đồng thời kết hợp với các công cụ và nguồn dữ liệu cần thiết để hoàn thành công việc.

Nói cách khác, các sản phẩm AI hiện đại đang dần trở thành những "hệ thống thông minh" có khả năng tự quyết định nên sử dụng mô hình nào, thời điểm nào cần kích hoạt mô hình mạnh hơn và khi nào chỉ cần một mô hình nhỏ, chi phí thấp.

Ví dụ, một tác vụ chăm sóc khách hàng thông thường không nhất thiết phải sử dụng mô hình AI đắt đỏ nhất. Ngược lại, những bài toán lập trình phức tạp hay phân tích chuyên sâu có thể cần đến các mô hình tiên tiến hơn. Trong khi đó, các quy trình nội bộ lặp đi lặp lại hoàn toàn có thể vận hành bằng những mô hình mã nguồn mở với chi phí thấp hơn, chỉ chuyển sang mô hình mạnh hơn khi gặp các yêu cầu vượt quá khả năng xử lý.

Theo ông Srinivas, nguyên tắc hiện nay rất đơn giản: doanh nghiệp nên sử dụng mô hình phù hợp nhất cho từng nhiệm vụ, thay vì mặc định lựa chọn mô hình lớn nhất.

Sự thay đổi này diễn ra trong bối cảnh nhiều doanh nghiệp bắt đầu kiểm soát chặt chẽ ngân sách dành cho AI sau giai đoạn đầu tư mạnh mẽ. Điều đó cũng đặt ra áp lực mới đối với các công ty như OpenAI hay Anthropic, vốn phát triển nhanh trong vài năm qua nhờ cung cấp những mô hình AI tiên tiến nhất với mức giá cao.

Ông Aravind Srinivas, CEO của Perplexity. Ảnh: CNBC

Perplexity mới đây đã giới thiệu hệ thống mới cho sản phẩm điều khiển máy tính của mình, trong đó sử dụng GLM 5.2 – mô hình mã nguồn mở do công ty Z.ai của Trung Quốc phát triển. Thiết kế này cho phép mô hình chi phí thấp xử lý phần lớn công việc, chỉ chuyển sang mô hình mạnh hơn khi thực sự cần thiết, qua đó giảm đáng kể chi phí tính toán.

MÔ HÌNH MÃ NGUỒN MỞ TẠO SỨC ÉP LÊN AI THƯƠNG MẠI

Xu hướng trên phản ánh một thay đổi lớn của thị trường AI. Các mô hình mã nguồn mở (open-weight), vốn cho phép doanh nghiệp tải về, tinh chỉnh và vận hành trên hạ tầng riêng, đang ngày càng cải thiện về năng lực xử lý. Đồng thời, chi phí vận hành của chúng thấp hơn đáng kể so với các mô hình độc quyền do những phòng thí nghiệm AI hàng đầu phát triển.

Ông Peter Fenton, đối tác của quỹ đầu tư Benchmark, cho rằng sự chuyển dịch này có thể diễn ra nhanh hơn nhiều người dự đoán.

Theo ông, trong vòng 18-24 tháng tới, thậm chí ngay cuối năm nay, hơn 90% lượng "token" – đơn vị dữ liệu mà mô hình AI xử lý và tạo ra – có thể sẽ được tạo ra bởi các mô hình mã nguồn mở.

Điều này đồng nghĩa với việc lợi nhuận từ dịch vụ suy luận AI của các công ty sở hữu mô hình tiên phong sẽ chịu sức ép ngày càng lớn. Khi doanh nghiệp có thể tự vận hành các mô hình đủ tốt trên hạ tầng riêng mà không phải trả mức phí cao cho các nhà cung cấp, khả năng duy trì biên lợi nhuận của các hãng AI thương mại sẽ trở nên khó khăn hơn.

Ông Fenton cũng cho rằng động lực chuyển sang mô hình mở không chỉ xuất phát từ yếu tố tiết kiệm chi phí. Trong nhiều trường hợp, những mô hình nhỏ được tinh chỉnh riêng cho từng nhiệm vụ còn có tốc độ xử lý nhanh hơn và hiệu quả hơn so với các mô hình đa năng khổng lồ.

Đó cũng là lý do Benchmark đầu tư vào Ollama – công ty phát triển nền tảng giúp doanh nghiệp dễ dàng tải xuống, triển khai và quản lý các mô hình AI mã nguồn mở.

Theo CEO Jeff Morgan, hơn 85% doanh nghiệp thuộc danh sách Fortune 500 đã sử dụng Ollama, bao gồm nhiều lĩnh vực chịu yêu cầu quản lý nghiêm ngặt như hàng không, bảo hiểm và y tế.

Ông cho biết phần lớn doanh nghiệp đều bắt đầu bằng việc triển khai các mô hình nhỏ hoạt động gần nguồn dữ liệu nội bộ để đảm bảo tốc độ và quyền kiểm soát, sau đó mới mở rộng sang những mô hình lớn hơn khi đã tích lũy đủ kinh nghiệm.

CUỘC CẠNH TRANH MỚI VỀ HẠ TẦNG VÀ LỢI THẾ QUỐC GIA

Sự phát triển mạnh của các mô hình mã nguồn mở cũng tạo ra thách thức chiến lược đối với Mỹ khi ngày càng nhiều mô hình có năng lực cạnh tranh xuất phát từ các phòng nghiên cứu AI của Trung Quốc như Z.ai hay DeepSeek.

Điều này khiến AI mã nguồn mở không còn đơn thuần là câu chuyện công nghệ hay kinh doanh, mà còn trở thành vấn đề liên quan đến chính sách công nghiệp và năng lực cạnh tranh quốc gia.

Ông Aravind Srinivas cho rằng Mỹ cần tiếp tục ủng hộ các mô hình mở nếu muốn AI trở nên phổ cập hơn đối với doanh nghiệp nhỏ cũng như các quốc gia đồng minh. Theo ông, chỉ khi AI có mức chi phí đủ thấp thì lợi ích của công nghệ này mới được phân bổ rộng rãi thay vì chỉ tập trung ở các tập đoàn lớn.

Sự thay đổi trong cách triển khai AI cũng có thể ảnh hưởng đến làn sóng đầu tư hàng nghìn tỷ USD vào các trung tâm dữ liệu đang diễn ra trên toàn cầu. Hiện nay, nhiều dự báo tăng trưởng của ngành AI được xây dựng trên giả định rằng nhu cầu tính toán sẽ tiếp tục đổ về các trung tâm dữ liệu đám mây với những bộ xử lý cao cấp.

Tuy nhiên, theo ông Srinivas, trong tương lai, một phần đáng kể khối lượng công việc AI có thể được xử lý trực tiếp trên máy tính hoặc thiết bị của doanh nghiệp và người dùng, thay vì luôn phải gửi lên đám mây. Điều đó không có nghĩa vai trò của các trung tâm dữ liệu sẽ biến mất. Thay vào đó, ngành AI có thể chuyển sang mô hình lai (hybrid), trong đó các tác vụ thông thường được xử lý cục bộ, còn những nhiệm vụ phức tạp mới được chuyển tới các mô hình mạnh trên nền tảng điện toán đám mây.

Hoàng Hà