Khi DeepSeek trình làng mô hình R1 vào đầu năm 2025, khoảng 600 tỉ USD vốn hóa thị trường của Nvidia Corp. đã bị thổi bay chỉ trong một ngày do mối lo ngại rằng trí tuệ nhân tạo sẽ đòi hỏi ít năng lực tính toán hơn so với dự báo trước đó. Việc Moonshot AI phát hành Kimi K3 vào thứ Sáu tuần qua kích hoạt phản ứng tương tự, góp phần đẩy nhóm cổ phiếu bán dẫn giảm điểm mạnh.

Tuy nhiên, việc so sánh hai trường hợp này có thể đã bỏ qua một điểm khác biệt quan trọng. Bước đột phá của DeepSeek tập trung vào việc giảm chi phí huấn luyện và vận hành các mô hình AI. Kimi K3 cũng giúp cải thiện hiệu suất tính toán, nhưng đạt được điều đó với một mô hình lớn hơn rất nhiều, qua đó đặt ra yêu cầu cao hơn hẳn đối với hạ tầng bộ nhớ. Yếu tố này có thể sẽ tiếp tục duy trì nhu cầu đối với dòng bộ nhớ băng thông cao (HBM) từ SK Hynix, các hệ thống AI thế hệ mới nhất của Nvidia, cũng như quy trình sản xuất chip tiên tiến từ Taiwan Semiconductor Manufacturing Co. (TSMC).

Theo dữ liệu do Bloomberg tổng hợp từ công bố của các nhà phát triển, Kimi K3 sở hữu 2.800 tỉ tham số, trở thành mô hình AI lớn nhất từ trước đến nay của Trung Quốc, đồng thời đẩy tỷ lệ thưa (sparsity ratio, chỉ số đo lường hiệu suất tính toán) lên mức kỷ lục. Tỉ lệ này càng cao đồng nghĩa với việc số lượng tham số cần kích hoạt cho mỗi tác vụ càng ít so với tổng quy mô của mô hình.

Dù vậy, toàn bộ 2.800 tỉ tham số đó vẫn bắt buộc phải được lưu trữ trong bộ nhớ. Ngay cả khi đã nén mô hình bằng các định dạng dữ liệu độ chính xác thấp hơn, Kimi K3 vẫn chiếm khoảng 1,4 terabyte dung lượng bộ nhớ. Do đó, việc triển khai mô hình này đòi hỏi các cụm bộ xử lý AI giàu tài nguyên bộ nhớ, chẳng hạn như hệ thống Blackwell GB300 của Nvidia.

Một cột mốc quan trọng khác cũng đang đến gần. Vào ngày 27.7, Moonshot dự kiến sẽ công khai trọng số mô hình của Kimi K3, cho phép các doanh nghiệp tự vận hành mô hình thay vì phải truy cập qua dịch vụ đám mây của hãng. Dù phần mềm được cung cấp miễn phí, các tổ chức muốn triển khai trên quy mô lớn vẫn sẽ cần tới hạ tầng phần cứng AI đắt lực.

Cuối tuần qua Alibaba Group Holding vừa trình làng phiên bản thử nghiệm Qwen 3.8-Max, mô hình 2.400 tỉ tham số có năng lực ngang ngửa với các mô hình hàng đầu hiện nay, dù chưa công bố kết quả đánh giá hiệu năng. Trong bối cảnh các nhà phát triển AI Trung Quốc ngày càng tối ưu hóa mô hình cho các dòng chip nội địa, hệ sinh thái phần cứng của quốc gia này có thể sẽ là bên hưởng lợi. Tinh thần lạc quan đó đã giúp chỉ số ChiNext (tập trung vào nhóm cổ phiếu công nghệ của Trung Quốc) tăng tới 3,6% trong phiên giao dịch thứ Hai.

Tổng thể, các đợt phát hành mới cho thấy cuộc cạnh tranh phát triển các mô hình AI tiên tiến đang mở rộng ra ngoài phạm vi các phòng lab hàng đầu của Mỹ như OpenAI và Anthropic PBC. Xu hướng này có thể gây áp lực lên quyền định giá của các nhà cung cấp mô hình Mỹ, đồng thời tiếp tục thúc đẩy dòng vốn đầu tư vào hạ tầng cơ sở cần thiết để vận hành các hệ thống AI ngày càng mạnh mẽ hơn.