Chiến lược của Mỹ nhằm duy trì vị thế dẫn đầu trong cuộc đua trí tuệ nhân tạo (AI) dựa trên một giả định tương đối đơn giản: kiểm soát nguồn cung chip tiên tiến sẽ hạn chế khả năng phát triển những mô hình AI mạnh nhất của Trung Quốc. Tuy nhiên, cách tiếp cận này đang tạo ra một kết quả trái với kỳ vọng của Washington. Các công ty Trung Quốc buộc phải tìm cách làm nhiều hơn với ít tài nguyên tính toán hơn, qua đó thúc đẩy một hệ sinh thái AI có chi phí thấp, mã nguồn mở và khả năng phổ cập rộng.

Cuộc cách mạng mô hình ngôn ngữ lớn (LLM) ban đầu được xây dựng trên niềm tin rằng doanh nghiệp sở hữu càng nhiều GPU, có thể huấn luyện trên càng nhiều dữ liệu, sẽ càng có cơ hội phát triển những mô hình mạnh hơn và tiến gần đến trí tuệ nhân tạo tổng quát (AGI). Theo logic này, việc bảo đảm các công ty Mỹ tiếp cận những con chip tiên tiến nhất và số lượng GPU lớn nhất là một lợi thế chiến lược.

Nhưng sức mạnh phần cứng không phải yếu tố duy nhất quyết định khả năng cạnh tranh. Khi nguồn cung chip tốt nhất bị hạn chế, các công ty Trung Quốc phải tập trung vào tối ưu hóa mô hình, cải thiện hiệu suất tính toán và tiết kiệm chi phí huấn luyện lẫn suy luận. Áp lực đó góp phần thúc đẩy sự xuất hiện của một loạt mô hình mã nguồn mở có chất lượng ngày càng cao.

Khoảng cách công nghệ vẫn tồn tại. Các mô hình Trung Quốc có thể đi sau những sản phẩm hàng đầu của Mỹ từ 6 đến 12 tháng, nhưng chi phí phát triển và vận hành thấp hơn đáng kể, thậm chí chỉ bằng khoảng một phần mười trong một số trường hợp. Đây là khác biệt có ý nghĩa thương mại lớn. Một mô hình không cần đứng đầu về năng lực vẫn có thể trở thành lựa chọn hấp dẫn nếu đáp ứng đủ nhu cầu với mức giá thấp hơn nhiều.

Sự phân hóa này có thể được hình dung qua cuộc cạnh tranh giữa iPhone và Android. Các công ty Mỹ phát triển những mô hình đóng, kiểm soát sản phẩm và có khả năng thu về doanh thu lớn từ người dùng. Các công ty Trung Quốc tập trung mở rộng độ phủ thông qua mô hình mở, chấp nhận kiếm ít tiền hơn trên mỗi người dùng để tiếp cận thị trường rộng hơn.

Đây là hai cách xây dựng lợi thế kinh doanh khác nhau. Một bên ưu tiên năng lực công nghệ và khả năng thu tiền từ sản phẩm cao cấp. Bên còn lại đặt trọng tâm vào quy mô hệ sinh thái, mức độ phổ cập và thị phần.

Sự phổ biến của các mô hình mở không đơn thuần đến từ giá thấp. Có ba nhóm người dùng đang tạo ra nhu cầu đáng kể đối với loại công nghệ này.

Nhóm đầu tiên là những người không đủ khả năng hoặc không muốn trả mức phí cao cho các mô hình hàng đầu của Mỹ. Các nhà phát triển mô hình phải chi những khoản tiền khổng lồ cho huấn luyện, hạ tầng và vận hành. Chi phí đó được phản ánh vào giá token, đơn vị cơ bản dùng để tính phí xử lý dữ liệu của mô hình AI. Với những khách hàng có ngân sách hạn chế, lựa chọn một mô hình rẻ hơn có thể mang lại hiệu quả kinh tế tốt hơn.

Nhóm thứ hai gồm những người có tác vụ không đòi hỏi năng lực cao nhất. Trong nhiều ứng dụng, sự khác biệt về chất lượng giữa mô hình mở và mô hình đóng không đủ lớn để biện minh cho mức giá chênh lệch. Khi một mô hình có chi phí thấp hơn vẫn đáp ứng được yêu cầu công việc, lợi thế về hiệu suất kinh tế trở nên rõ ràng.

Nhóm thứ ba là các doanh nghiệp muốn kiểm soát dữ liệu nội bộ. Những mô hình mở trọng số (open-weight) cho phép khách hàng tải mô hình về máy chủ riêng và vận hành tại chỗ, thay vì phải gửi dữ liệu đến hệ thống của nhà cung cấp AI.

Đối với doanh nghiệp, dữ liệu nội bộ thường chứa thông tin nhạy cảm và tạo nên lợi thế cạnh tranh. Việc đưa dữ liệu ra ngoài có thể phát sinh rủi ro về bảo mật và quyền kiểm soát. Một công ty phát triển ứng dụng chuyên ngành bằng cách gửi yêu cầu đến mô hình đóng có thể vô tình để lộ dữ liệu và cách thức vận hành của mình cho nhà cung cấp mô hình. Trong dài hạn, nhà cung cấp có thể cải thiện sản phẩm dựa trên những dữ liệu thu thập được, làm suy giảm lợi thế của chính công ty ứng dụng.

Khả năng triển khai tại chỗ giúp mô hình mở giải quyết một phần mối lo này. Doanh nghiệp có thể kiểm soát môi trường vận hành, tùy chỉnh mô hình và hạn chế việc dữ liệu rời khỏi hệ thống. Nhu cầu này có thể trở thành động lực quan trọng thúc đẩy các công ty chuyển sang mô hình mở, ngay cả khi họ vẫn thừa nhận các mô hình đóng có năng lực cao hơn.

Cú sốc DeepSeek

Một trong những cách hiểu chưa đầy đủ về ngành AI Trung Quốc là cho rằng các công ty nước này không biết cách kiếm tiền từ công nghệ. Lịch sử internet di động đã cho thấy điều ngược lại. Pinduoduo, Meituan và ByteDance đều từng đối mặt với nghi ngờ về khả năng tạo lợi nhuận, nhưng cuối cùng đã tìm được mô hình kinh doanh có quy mô lớn.

Khả năng tạo ra đột phá công nghệ và khả năng thương mại hóa là hai vấn đề khác nhau. Mỹ vẫn có lợi thế đáng kể trong nghiên cứu AI tiên tiến, nhưng không nên đánh giá thấp khả năng tìm kiếm doanh thu, kiểm soát chi phí và mở rộng sản phẩm của doanh nghiệp Trung Quốc.

Một hiểu lầm khác là xem hệ sinh thái AI Trung Quốc như một khối thống nhất, trong đó chính phủ chỉ đạo các công ty mở mã nguồn để thực hiện chiến lược quốc gia. Trên thực tế, các doanh nghiệp AI Trung Quốc cũng huy động vốn từ các quỹ đầu tư mạo hiểm, có nhà đầu tư trong nước và nước ngoài, đồng thời phải đáp ứng kỳ vọng thương mại của những người cấp vốn.

Làn sóng mở mô hình tại Trung Quốc có thể được giải thích rõ hơn qua áp lực cạnh tranh sau sự xuất hiện của DeepSeek. Khi một công ty chứng minh rằng mô hình mở có thể đạt chất lượng rất cao, các đối thủ phải đối diện với một lựa chọn khó khăn: phát triển sản phẩm có năng lực tương đương hoặc có nguy cơ bị loại khỏi cuộc chơi.

Nếu một mô hình mở đã đủ tốt và có giá thấp hơn, một sản phẩm đóng có chất lượng kém hơn sẽ khó thuyết phục khách hàng trả thêm tiền. Vì vậy, những doanh nghiệp có khả năng cạnh tranh buộc phải xem xét việc mở trọng số mô hình để thu hút nhà phát triển và mở rộng hệ sinh thái.

Cách phát triển này giống một nhóm học tập hơn là cuộc cạnh tranh giữa những tập đoàn hoạt động hoàn toàn độc lập. Không công ty Trung Quốc nào có mật độ nhân tài nghiên cứu dày đặc như OpenAI hay Anthropic, nhưng nhiều doanh nghiệp đều sở hữu những đội ngũ kỹ sư và nhà nghiên cứu có năng lực. Họ vừa cạnh tranh, vừa có thể phân tích thành quả của nhau thông qua mô hình mở trọng số, bài báo khoa học và sự dịch chuyển nhân sự.

Những kết quả nghiên cứu được công bố tạo điều kiện để các công ty khác tiếp tục thử nghiệm và cải thiện công nghệ. Một doanh nghiệp không cần tự mình giải quyết mọi vấn đề từ đầu. Thành tựu của một bên có thể trở thành nền tảng cho những bên còn lại, tạo ra hiệu ứng nâng cao năng lực trên toàn hệ sinh thái.

DeepSeek cũng tạo ra tác động vượt khỏi phạm vi ngành công nghệ. Việc mô hình này xuất hiện ngay trước Tết Nguyên đán giúp thông tin lan truyền nhanh chóng trong xã hội Trung Quốc, khi nhiều người trở về quê và chia sẻ với gia đình. Trước đó, nhiều người tin rằng Trung Quốc tụt hậu Mỹ khoảng hai năm hoặc lâu hơn. Sự xuất hiện của một mô hình được đánh giá thuộc nhóm hàng đầu thế giới đã tạo ra niềm tự hào và thay đổi nhận thức về khả năng cạnh tranh của nước này.

Hai mô hình đầu tư khác nhau

Sự khác biệt giữa Mỹ và Trung Quốc còn thể hiện trong cách phân bổ vốn cho AI. Các công ty Mỹ như OpenAI và Anthropic đặt nhân tài và mật độ nhân tài ở vị trí trung tâm. Để thu hút những nhà nghiên cứu hàng đầu, họ phải cung cấp nguồn lực tính toán rất lớn, cho phép các nhóm thực hiện hàng triệu thử nghiệm mà không bị giới hạn quá nhiều bởi chi phí GPU.

Chi phí huấn luyện thực tế không chỉ nằm ở lần chạy cuối cùng để tạo ra một mô hình. Các công ty còn phải chi tiền cho hàng nghìn nhà nghiên cứu thực hiện thử nghiệm, tinh chỉnh và đánh giá. Tổng chi phí cho quá trình này có thể cao gấp năm lần hoặc hơn so với chi phí của lần huấn luyện chính thức.

Đây là mô hình đầu tư đặc trưng của Thung lũng Silicon: tập trung nguồn lực vào một đội ngũ tinh hoa với kỳ vọng tạo ra bước đột phá đủ lớn để mang lại lợi nhuận và giá trị doanh nghiệp vượt trội. Cách tiếp cận này có logic riêng, đặc biệt với những công ty đặt mục tiêu phát triển AGI.

Các doanh nghiệp Trung Quốc thận trọng hơn. Họ cân nhắc ngân sách, huy động vốn khi có cơ hội và sử dụng nguồn lực tiết kiệm để duy trì hoạt động. Ngay cả những tập đoàn lớn như Alibaba và Tencent cũng chi tiền cho huấn luyện AI, nhưng quy mô đầu tư vẫn thấp hơn đáng kể so với các đối thủ Mỹ.

Khác biệt này một phần bắt nguồn từ văn hóa kinh doanh, nhưng còn phản ánh bản năng sinh tồn của các công ty Trung Quốc. Họ ưu tiên khả năng duy trì hoạt động và tìm kiếm doanh thu hơn việc đặt cược toàn bộ nguồn lực vào tham vọng phát triển AGI.

Điều đó không có nghĩa mô hình đầu tư của Mỹ thiếu cơ sở. Anthropic có những luận điểm đáng chú ý để giải thích mức định giá cao, đặc biệt là tốc độ tăng trưởng doanh thu và khả năng phát triển công nghệ tự cải tiến.

Một trong những kỳ vọng quan trọng là khả năng tự cải tiến đệ quy (recursive self-improvement, RSI), trong đó AI tham gia vào quá trình cải thiện những mô hình AI tiếp theo. Năng lực này đã xuất hiện ở một mức độ nhất định, dù con người vẫn tham gia trong quy trình. Khi AI đảm nhận phần lớn công việc huấn luyện, tốc độ phát triển mô hình có thể tăng lên đáng kể.

Anthropic cũng có lợi thế từ nhu cầu của các doanh nghiệp Mỹ sẵn sàng trả mức giá cao cho những mô hình có năng lực tốt. Nếu loại bỏ chi phí huấn luyện mô hình mới nhất, kết quả kinh doanh của công ty có thể trông lành mạnh hơn. Khoản đầu tư cho một thế hệ mô hình được kỳ vọng tạo ra doanh thu trong những năm tiếp theo, trước khi thế hệ kế tiếp mở ra chu kỳ tăng trưởng mới.

Tuy nhiên, mô hình này cũng đặt ra câu hỏi về tính bền vững. Các thế hệ AI mới xuất hiện ngày càng nhanh, trong khi chi phí huấn luyện tiếp tục tăng. Việc liên tục đầu tư những khoản tiền lớn để duy trì vị thế dẫn đầu chỉ có ý nghĩa khi doanh thu tương lai đủ bù đắp chi phí hiện tại.

Lợi thế của mô hình đóng đang bị thử thách

Có ba rủi ro đáng chú ý đối với các nhà phát triển mô hình đóng tại Mỹ.

Thứ nhất, khoảng cách chất lượng giữa những mô hình hàng đầu của Mỹ và các mô hình mở Trung Quốc có thể không đủ lớn để duy trì mức giá chênh lệch hiện nay. Khi người dùng chỉ phải chấp nhận một mô hình kém hơn đôi chút nhưng tiết kiệm đáng kể chi phí token, họ có thể chuyển sang sản phẩm Trung Quốc.

Thứ hai, mô hình đóng khiến khách hàng phụ thuộc vào nhà cung cấp. Những doanh nghiệp muốn triển khai AI trên máy chủ riêng, bảo vệ dữ liệu nội bộ và kiểm soát hoạt động vận hành sẽ có xu hướng lựa chọn mô hình mở trọng số.

Thứ ba, tốc độ tăng trưởng của các công ty AI Mỹ có thể khó duy trì ở mức của hai năm vừa qua. Lượng token sử dụng tiếp tục tăng, nhưng một phần nhu cầu có thể dịch chuyển sang những mô hình mở rẻ hơn. Điều này đặt ra câu hỏi về khả năng duy trì doanh thu và biên lợi nhuận trong dài hạn.

Cuộc đua AI đang bước sang một giai đoạn cạnh tranh khác. Lợi thế không còn chỉ được đo bằng khả năng huấn luyện mô hình lớn nhất hay sở hữu nhiều GPU nhất. Chi phí suy luận, khả năng thương mại hóa, quyền kiểm soát dữ liệu và quy mô hệ sinh thái ngày càng có ý nghĩa đối với vị thế của mỗi doanh nghiệp.

Mỹ vẫn có lợi thế về những phòng nghiên cứu hàng đầu và khả năng thu hút nhân tài. Trung Quốc đang tận dụng mô hình mở, chi phí thấp và sự hợp tác giữa các doanh nghiệp để mở rộng phạm vi ứng dụng. Hai cách tiếp cận này có thể cùng tồn tại, nhưng áp lực cạnh tranh về giá và khả năng tiếp cận công nghệ sẽ ngày càng lớn.

Sai lầm trong cách đánh giá cuộc đua AI Mỹ - Trung là chỉ nhìn vào khoảng cách công nghệ tại một thời điểm. Trong một thị trường mà AI đang dần trở thành hạ tầng kinh doanh, khả năng phổ cập công nghệ có thể quan trọng không kém việc tạo ra mô hình mạnh nhất.