Việc chính phủ Mỹ yêu cầu Anthropic ngừng cung cấp hai mô hình AI Fable 5 và Mythos 5 cho khách hàng nước ngoài đã làm rung chuyển giới công nghệ toàn cầu. Động thái này không chỉ cho thấy AI đang ngày càng trở thành một tài sản chiến lược trong cạnh tranh địa chính trị, mà còn đặt ra câu hỏi cấp thiết đối với những quốc gia đang trong giai đoạn tăng tốc như Việt Nam: Điều gì sẽ xảy ra nếu các công nghệ nền tảng mà nền kinh tế phụ thuộc đột ngột bị hạn chế tiếp cận?

Trong bối cảnh đó, khái niệm AI chủ quyền (Sovereign AI) được nhắc đến ngày càng nhiều như một hướng đi nhằm giảm phụ thuộc vào các nền tảng nước ngoài. Tuy nhiên, với nguồn lực còn hạn chế và khoảng cách đáng kể so với các cường quốc công nghệ, liệu việc xây dựng các mô hình ngôn ngữ lớn "Made in Vietnam" có phải là con đường tối ưu? Hay Việt Nam cần một chiến lược khác để tham gia cuộc đua AI theo cách thực tế và bền vững hơn?

Đi tìm lời giải cho bài toán này, Bloomberg Businessweek Vietnam đã có cuộc trò chuyện với tiến sĩ Michael Liebmann, chuyên gia trí tuệ nhân tạo, từng tham gia sáng lập và điều hành bốn doanh nghiệp công nghệ, thực hiện các vòng gọi vốn với tổng giá trị khoảng 50 triệu USD. Hiện ông là đồng sáng lập kiêm CEO của Dream Lab AI, nền tảng ứng dụng công nghệ nhằm hỗ trợ và ươm tạo thế hệ nhà sáng lập startup mới tại Việt Nam.

Nhìn từ sự kiện Anthropic chịu lệnh cấm xuất khẩu AI gần đây, Việt Nam có nên nhìn nhận AI chủ quyền là yêu cầu sống còn, hay chỉ là một khoản đầu tư đắt đỏ?

Thay vì bắt đầu từ câu hỏi Việt Nam có cần một mô hình AI nền tảng do chính mình phát triển hay không, các bạn cần xác định mục tiêu muốn đạt được với AI. Theo tôi, có ba mục tiêu cốt lõi: Nâng cao năng suất nền kinh tế, xây dựng các sản phẩm AI giải quyết các bài toán trong nước, và quan trọng nhất về dài hạn là không bị bỏ lại phía sau khi AI tái định hình kinh tế toàn cầu.

Tuy nhiên, cả ba mục tiêu này đều không đòi hỏi Việt Nam phải sở hữu một mô hình AI nền tảng do chính mình phát triển. Hai mục tiêu đầu tiên hoàn toàn có thể đạt được bằng cách tùy biến các mô hình nguồn mở và thuê hạ tầng máy tính. Mục tiêu thứ ba phụ thuộc vào tốc độ ứng dụng AI trong thực tiễn nhiều hơn.

Thành thật mà nói, một mô hình AI chủ quyền không phải điều kiện cần để Việt Nam tồn tại, nhưng cũng không đủ để đưa Việt Nam trở thành quốc gia dẫn đầu trên đường đua AI. Cần nhìn nhận thực tế rằng số lượng tác vụ chỉ các mô hình AI hàng đầu mới làm được đang ngày càng thu hẹp. Các hoạt động nghiên cứu tiên tiến cũng thường bị hạn chế bởi chính sách xuất khẩu công nghệ.

Trong khi đó, phần lớn giá trị kinh tế thực tế đã có thể được tạo ra bằng các mô hình mã nguồn mở hoặc mô hình quy mô nhỏ. Việc xây dựng một mô hình AI tiếng Việt ở đẳng cấp cao hiện nay, bằng cách tinh chỉnh các mô hình nguồn mở từ Trung Quốc như DeepSeek hay Qwen, chỉ tốn khoảng 200-500.000 USD mỗi lần, thấp hơn nhiều so với hình dung của nhiều người. 

Theo tôi, thách thức không nằm ở chi phí, mà nằm ở tính phù hợp và khả năng tạo ra năng lực nội sinh lâu dài. Rủi ro lớn nhất là tốc độ ứng dụng AI quá chậm, khiến Việt Nam bị bỏ lại phía sau khi các nền kinh tế tiên phong tăng tốc.

Đâu là những lợi thế thực sự để Việt Nam tiến bước trong cuộc đua AI?

Việt Nam sở hữu một lợi thế đáng kể mà nhiều quốc gia Đông Nam Á khác không có, đó là khả năng triển khai AI theo mô hình từ trên xuống. Các doanh nghiệp nhà nước hoặc có hỗ trợ từ chính phủ như Viettel hay FPT vừa sở hữu hạ tầng viễn thông, vừa có khả năng đưa công nghệ tới hàng chục triệu người dân và hệ thống hành chính công với tốc độ nhanh hơn nhiều thị trường phân mảnh trong khu vực. Đây là lợi thế đặc biệt quan trọng đối với giai đoạn phổ cập AI. Các chính sách như Nghị quyết 57 về phát triển khoa học công nghệ và Nghị quyết 86 về đổi mới sáng tạo trong giáo dục đại học cũng đang tạo nền tảng hỗ trợ quá trình này.

Tuy nhiên, dữ liệu tập trung của Việt Nam hiện mới là tài sản tiềm năng chứ chưa trở thành lợi thế thực tế. Dữ liệu hành chính vẫn nằm rải rác trong nhiều hệ thống khác nhau và chưa ở trạng thái có thể được khai thác hiệu quả để huấn luyện các mô hình AI. Quốc gia nào có thể kết nối, chuẩn hóa và quản trị tốt nguồn dữ liệu này sẽ có thể biến tài sản tiềm ẩn thành lợi thế cạnh tranh thực sự.

Lợi thế bền vững nhất của Việt Nam nằm ở doanh nghiệp và nhân tài phát triển trên nền hạ tầng đó. Việt Nam đang sở hữu nguồn nhân lực công nghệ lớn, với khoảng 100.000 sinh viên ICT dự kiến tốt nghiệp mỗi năm từ năm 2030. Đất nước các bạn cũng đang ghi nhận cả làn sóng các chuyên gia và nhà sáng lập công nghệ từ nước ngoài trở về đất tổ.

Dù vậy, lợi thế này chỉ phát huy tác dụng nếu hạ tầng và dữ liệu được duy trì theo hướng mở. Nếu dữ liệu quốc gia hoặc hạ tầng cốt lõi bị tập trung vào một đơn vị duy nhất, Việt Nam vẫn sẽ có nguy cơ phụ thuộc, lần này vào một đơn vị trong nước.

Trong bối cảnh nguồn cung toàn cầu hạn chế và các liên minh địa chính trị liên tục thay đổi, liệu việc phụ thuộc vào phần cứng nước ngoài có phải là rào cản không thể vượt qua với tham vọng đạt được chủ quyền AI của Việt Nam?

Phụ thuộc phần cứng là việc thực sự khó tránh khỏi trong cuộc đua AI, nhưng gọi đó là rào cản không thể vượt qua là cách nhìn nhận quá bi quan. Việt Nam cũng đã có vị trí nhất định trong chuỗi cung ứng bán dẫn toàn cầu nhờ các hoạt động lắp ráp và kiểm thử chip quy mô lớn. Tuy nhiên, điều này hiện chủ yếu mang lại việc làm, kỹ năng và vị thế trong chuỗi cung ứng quốc tế, chứ chưa giúp Việt Nam tự chủ nguồn chip cho các trung tâm dữ liệu trong nước.

Thay vào đó, Việt Nam cần tập trung bảo đảm khả năng tiếp cận ổn định với nguồn cung chip thông qua đa dạng hóa đối tác và xây dựng các quan hệ hợp tác chiến lược. Trong khi việc xây dựng một mô hình AI nền tảng từ đầu đòi hỏi lượng GPU khổng lồ, việc triển khai các mô hình đã được tùy biến hoặc nhỏ hơn lại rẻ hơn nhiều và ngày càng tiết kiệm chi phí.

Một số chuyên gia chỉ ra rằng mô hình AI của các tập đoàn công nghệ hàng đầu Việt Nam hiện chỉ được xây dựng dựa trên các kiến trúc có sẵn. Vậy hệ sinh thái công nghệ Việt Nam đã đủ trưởng thành để xây dựng hạ tầng AI cốt lõi chưa? 

Đúng là các mô hình AI hiện nay của Việt Nam chủ yếu dựa trên việc tiếp tục huấn luyện các kiến trúc có sẵn, thay vì tạo ra đột phá kiến trúc. Tuy nhiên, đây là điểm xuất phát, chứ chưa phải phán quyết cuối cùng về năng lực của hệ sinh thái công nghệ Việt Nam.

Nhiều mô hình quốc gia nổi tiếng trong khu vực như Singapore hay Indonesia cũng được xây dựng trên nền tảng các mô hình nguồn mở hiện có. Việc tùy biến thành công các mô hình này vẫn là năng lực công nghệ thực sự chứ không đơn thuần là “đóng gói lại” công nghệ nước ngoài.

Giá trị lớn nhất không nằm ở việc xây dựng mô hình, mà nằm ở cách sử dụng. Những hướng đi như kết hợp nhiều mô hình, xây dựng hệ thống tác tử AI (AI agent), bộ nhớ dài hạn hay các cấu trúc học tập mới vẫn còn rất rộng mở và không đòi hỏi nguồn lực khổng lồ.

Cơ hội lớn nhất của Việt Nam là đưa AI vào nền kinh tế thực. Trong khi thế giới tập trung tối ưu hóa công việc văn phòng, phần lớn lực lượng lao động Việt Nam vẫn làm việc trong các lĩnh vực như sản xuất, xây dựng, nông nghiệp và logistics. Việc hỗ trợ nhóm lao động này bằng AI hoặc tự động hóa các tác vụ vật lý bằng robot có thể tạo ra tác động năng suất lớn hơn nhiều so với các công cụ hỗ trợ nhân viên văn phòng.

Những trở ngại quan trọng cần giải quyết lúc này sẽ gồm xây dựng bộ tiêu chuẩn đánh giá AI bằng tiếng Việt, phát triển nguồn dữ liệu sạch và có bản quyền, đồng thời giữ chân lực lượng nhân tài trong nước.

Nếu không theo đuổi AI chủ quyền, Việt Nam nên làm gì? Chuyện gì sẽ xảy ra nếu Việt Nam xác định sai chiến lược phát triển AI?

Theo tôi, lựa chọn của Việt Nam sẽ là sự kết hợp chiến lược của cả Thái Lan và Singapore: Tiếp tục mua quyền truy cập vào các công cụ AI hàng đầu toàn cầu khi điều đó mang lại hiệu quả kinh tế tốt nhất như Thái Lan. Song song với đó, các bạn cần phát triển các mô hình nguồn mở được tùy biến cho dữ liệu và nhu cầu địa phương, giống với Singapore.

Khái niệm “chủ quyền” nên được dành cho những yếu tố có thể bị gián đoạn từ bên ngoài như dữ liệu, năng lực tính toán và nguồn nhân lực. Các khoản đầu tư nên tập trung vào trung tâm dữ liệu trong nước, các mô hình AI chuyên biệt phục vụ từng ngành, nền kinh tế lao động phổ thông và AI vật lý, cũng như các kiến trúc AI thế hệ tiếp theo.

Nếu chiến lược đầu tư của Việt Nam thất bại, nguyên nhân nhiều khả năng không phải vì thiếu công nghệ, mà vì đầu tư sai lớp giá trị. Chẳng hạn như dồn quá nhiều nguồn lực vào phần cứng hoặc các mô hình khó kiểm chứng, trong khi bỏ quên nhân tài và ứng dụng thực tiễn. Kịch bản nguy hiểm hơn là tốc độ triển khai quá chậm khiến khoảng cách với các nền kinh tế tiên phong ngày càng lớn.