LỜI GIẢI NÀO CHO BÀI TOÁN MÔ HÌNH AI VIỆT NAM?

Năm 2015, mình đặt GrabBike từ quận 1 về quận 7 với giá chỉ với 9000đ. Không đùa đâu, chỉ với 9000đ mà thôi. Tài xế nhìn mình bằng ánh mắt kiểu “anh biết chứ, giá này chạy thì lỗ” nhưng rồi anh ý vẫn chạy, vì hệ thống của Grab lúc đó đang bù tiền mỗi cuốc. Mình biết, tài xế biết, Grab biết. Nhưng ai cũng chấp thuận điều, vì ai cũng nghĩ mình sẽ là người rời bàn cuối cùng.

Mười một năm sau, ngồi nhìn người ta la hét trên Reddit vì Anthropic cắt giảm mức dùng Claude Code khi trả $200/tháng mà bốn cái tin nhắn đã ngốn $10 tiền tính toán, cảm giác lúc này déjà vu rõ ràng đến mức hơi buồn cười. Cùng một vở kịch. Khác diễn viên. Khác sân khấu. Nhưng kịch bản thì y hệt.

Hay ít nhất, mình tưởng nó y hệt. Nhìn kỹ hơn thì khác, và khác theo hướng tệ hơn nhiều.

Cái kịch bản mà ai cũng biết nhưng ai cũng chấp nhận

Alvin Roth - người đoạt Nobel Kinh tế 2012 với cuốn "Who Gets What – and Why?", có một nhận xét cực kỳ thú vị như sau: một thị trường chỉ hoạt động được khi nó đủ “dày”. Nghĩa là phải có đủ người mua và người bán cùng hiện diện, cùng lúc, cùng chỗ, để các giao dịch có ý nghĩa xảy ra.

Vấn đề là: “dày” không tự nhiên mà có. Phải xây. Và cách nhanh nhất để xây một thị trường dày? Đó là đốt tiền.

Trong câu chuyện các hãng xe công nghệ, có lẽ các hãng Việt Nam đã thành công một phần với việc đốt tiền để giành lại thị trường. Nhưng trong cuộc đua AI thì câu chuyện phức tạp hơn thế rất nhiều.

Ngày 31 tháng 5 vừa qua, một hội nghị chuyên ngành lớn về AI tại TP.HCM đã đưa ra một kết luận gây xôn xao dư luận và làm bùng nổ rất nhiều thảo luận tại các diễn đàn công nghệ. Nhận định đó là: "Việt Nam không nên cố xây mô hình AI lớn". Các chuyên gia hàng đầu từ Google DeepMind và Qualcomm tham gia hội nghị đêu gật đầu đồng tình với điều này. Dù phần thảo luận bên ngoài hội thảo có nhiều ý kiến đa chiều, vấn đề cốt lõi vẫn hiển hiện rõ ràng qua các con số tài chính.

Để vận hành và huấn luyện một mô hình ngôn ngữ lớn (LLM) - thứ công nghệ lõi chạy phía sau ChatGPT hay Gemini - đòi hỏi một hạ tầng khổng lồ: hàng chục nghìn chip GPU, ngân sách từ hàng trăm triệu đến hàng tỷ đô la, và quá trình chạy liên tục suốt nhiều tháng trời. Cạnh tranh trong sân chơi này là một nỗ lực gần như bất khả thi đối với Việt Nam ở thời điểm hiện tại. 

Như Tiến sĩ Bùi Hải Hưng, người từng dẫn dắt VinAI Research đã thẳng thắn thừa nhận, chính VinAI đã từng thử nghiệm và buộc phải đổi hướng. Làm sao chúng ta có thể cạnh tranh với một OpenAI đang nắm trong tay 200.000 GPU, trong khi nguồn lực nội địa chỉ đếm được vài trăm? Về mặt toán học và vật lý, chúng ta đã thua trước khi đánh.

Câu hỏi không chỉ nằm ở việc chúng ta không đủ tiền để xây, mà còn nằm ở việc chúng ta có thể đang đổ tiền vào một kiến trúc sắp lỗi thời. Có một yếu tố nền tảng mà cả phe ủng hộ lẫn phản đối việc xây dựng LLM nội địa đều bỏ sót. Nhà khoa học máy tính Yann LeCun - một trong những khối óc vĩ đại nhất của AI hiện đại, đã liên tục cảnh báo rằng LLM thực chất chỉ là những cỗ máy thống kê ngôn ngữ cực kỳ tinh vi. Chúng hoàn toàn không hiểu thế giới, không có bộ nhớ liên tục và thường xuyên thất bại trước những bài toán suy luận logic cơ bản mà một đứa trẻ ba tuổi có thể dễ dàng giải quyết. Ông thẳng thừng gọi cả ngành công nghiệp AI hiện tại đang bị "nghiện LLM" đến mức mất phương hướng.

Vào đầu năm 2026, LeCun đã hiện thực hóa tầm nhìn của mình bằng cách rời tập đoàn Meta, thành lập AMI Labs tại Paris và huy động hơn một tỷ đô la để theo đuổi một thứ có tên là "mô hình thế giới - world models”. Có thể hiểu đơn giản, đây là một hệ thống học cách vận hành của thế giới vật lý thay vì chỉ chơi trò đoán chữ tiếp theo như LLM hiện nay. Ông dự báo kiến trúc mới này sẽ thay thế LLM chỉ trong vài năm tới. Đặt trong bối cảnh đó, cuộc tranh cãi về việc Việt Nam có nên xây LLM hay không trở nên mong manh hơn bao giờ hết. Nếu Việt Nam phải mất tới ba năm và tiêu tốn hàng núi tiền để hoàn thành một LLM, nhưng chỉ bốn năm nữa kiến trúc đó bị thay thế hoàn toàn, thì bài toán hoàn vốn sẽ được giải quyết như thế nào?

Ngay cả khi nhắm mắt bỏ qua rủi ro về kiến trúc công nghệ, việc tự xây dựng và vận hành một LLM vấp phải một bức tường kinh tế khó giải quyết: Sau khi xây dựng xong, ai sẽ là người trả tiền? Giả sử Việt Nam xây dựng thành công một LLM tiếng Việt đủ tốt, liệu thị trường nội địa có đủ sức nuôi nổi nó không, nhất là khi hầu hết các công ty AI trên toàn cầu đều đang trong trạng thái "đốt tiền"?

Nền kinh tế AI hiện tại rất phi lý nếu chúng ta nhìn vào cơ chế thị trường. AI trợ cấp không giống như các nền tảng truyền thống ở ba điểm sau:

- Thứ nhất là mục tiêu trợ cấp: Grab trợ cấp cuốc xe để xây dựng hệ sinh thái nền tảng và kiếm lời từ GrabPay. Ngược lại, AI đang trợ cấp cho chính sản phẩm cốt lõi. Phía sau một gói thuê bao AI không hề có bất kỳ nguồn lợi nhuận ẩn nào đang chờ đợi.

- Thứ hai là chi phí biên: Nền tảng như Grab có chi phí biên giảm dần khi quy mô tăng, thêm một tài xế tốn gần như 0 đồng chi phí biên. Ngược lại, chi phí biên của AI tăng lên cùng với quy mô. Thêm một người dùng cường độ cao, hệ thống Claude sẽ tiêu tốn thêm vài trăm đô la tiền máy chủ GPU. AI hoàn toàn không có hiệu ứng mạng và Claude không trở nên thông minh hơn chỉ vì có thêm bạn bè của bạn sử dụng.

- Thứ ba là việc không có cơ chế thoát: Startup AI hiện nay đang bế tắc trong khủng hoảng thanh khoản. Họ không thể lên sàn, không thể bán mình, vì giá trị cốt lõi của họ chỉ là một lớp vỏ bọc mỏng manh bên trên API của OpenAI hoặc Anthropic, hoàn toàn không sở hữu tài sản trí tuệ lõi nào.

Sự phi lý này tạo ra một hệ thống mà chuyên gia phê bình trong ngành công nghệ Ed Zitron gọi là "chuỗi đau thương". Trong chuỗi này:

Đáng sợ là, ở chuỗi cung ứng bình thường, người tiêu dùng cuối cùng sẽ trả đủ tiền để nuôi cả hệ thống; nhưng trong AI, người tiêu dùng đang trả 200 USD cho một dịch vụ thực tế tốn tới 2.000 USD. Khoảng trống khổng lồ đó đang được lấp đầy bằng tiền của các quỹ đầu tư mạo hiểm - một nguồn lực có giới hạn. Mọi mắt xích trong chuỗi trên đều đang gánh khoản lỗ khổng lồ, ngoại trừ NVIDIA. Điển hình là OpenAI, dù đạt doanh thu 13-20 tỷ USD năm 2025, nhưng chỉ riêng chi phí xử lý dữ liệu, trả lời câu hỏi, hoặc đưa ra dự đoán mới đã ngốn mất 8,4 đến 8,7 tỷ USD.

Quay lại với bài toán AI nội địa: Trong một thị trường mà chỉ 18% doanh nghiệp dùng AI thường xuyên và chủ yếu chỉ dùng để tóm tắt văn bản, viết email, liệu doanh nghiệp có sẵn sàng trả mức giá thực tế khổng lồ để nuôi một LLM chuyên sâu? Rủi ro xây xong mà thị trường chưa chín chắn là một thảm họa tài chính, bởi chi phí vận hành bằng điện và chip vẫn đốt tiền mỗi ngày ngay cả khi không có người dùng.

Đứng trước chi phí phát triển tự thân quá đắt đỏ, các doanh nghiệp và tổ chức thường tìm đến giải pháp thứ hai: hợp tác với các ông lớn Big Tech. Theo lựa chọn này, chúng ta sẽ bước vào sảnh một hệ sinh thái rực rỡ, ký hợp đồng chuyển đổi số, tận hưởng sự phục vụ của đội ngũ kỹ sư thông minh và tin rằng mình đang mua được tự do hiệu suất. Nhưng thực tế không phải vậy. Thị trường công nghệ đang trượt qua điểm bùng phát.

Nhà kinh tế học Carlota Perez mô tả rằng mọi siêu chu kỳ công nghệ đều đi qua hai nửa: Nửa đầu là "thời kỳ lắp đặt" đầy rẫy sự đầu cơ mạo hiểm vào hạ tầng; nửa sau là "thời kỳ triển khai" khi công nghệ bắt đầu cọ xát với kinh tế thực. Thời kỳ chạy đua làm mô hình lõi đã qua, giờ là lúc các tập đoàn đem AI đắp vào bộ máy vận hành thực tế. Và để làm điều này, các doanh nghiệp truyền thống như ngân hàng, bán lẻ tại Châu Á đang điên cuồng ký các hợp đồng đối tác chiến lược với đám mây của Microsoft hay Google, thuê những đội kỹ sư tinh nhuệ từ họ để xây dựng hệ thống.

Sự chiều chuộng và mức giá rẻ mạt ban đầu này không phải là sự trợ cấp cho thử nghiệm, mà là một bài toán kinh tế. Việc Big Tech sẵn sàng bỏ ra 100 triệu USD chi phí kỹ sư để bảo vệ và khóa chặt một cái rãnh doanh thu 10 tỷ USD của doanh nghiệp trong thập kỷ tới là một khoản đầu tư siêu lợi nhuận. Khi bạn xây dựng hệ thống trên ngăn xếp công nghệ của họ, thiết kế quy trình quanh API độc quyền của họ, thì "trọng lực dữ liệu" sẽ hút bạn lún sâu vào hệ sinh thái đó. Các kỹ sư tinh nhuệ đó thực chất làm việc để mở rộng lãnh địa công nghệ và trói buộc chuỗi giá trị của bạn vào công ty mẹ.

Đó chính là rủi ro mà giới chiến lược gọi là "rủi ro Hotel California", lấy cảm hứng từ câu hát kinh điển của ban nhạc The Eagles: "You can check out any time you like, but you can never leave - Bạn có thể đi ra bất cứ lúc nào, nhưng không bao giờ có thể rời khỏi đây”. Đây là bản hợp đồng tinh vi nhất của kỷ nguyên đám mây. Bạn có quyền pháp lý để ngừng dịch vụ, nhưng toàn bộ dữ liệu, thói quen vận hành và quy trình kinh doanh sống còn của bạn đã vĩnh viễn kẹt lại trên nền tảng của họ. Nếu một ngày hóa đơn đám mây tăng theo cấp số nhân và bạn muốn rời đi, bạn sẽ cay đắng nhận ra định dạng file đã bị khóa cứng, API kẹt cứng. Sự xuất sắc của một mô hình AI là vô nghĩa nếu bạn không thể mang nó ra khỏi cửa. Bạn không còn làm chủ AI của mình, mà nó đang làm chủ bạn.

Bị kẹp giữa hai lằn ranh: tự xây LLM thì cạn kiệt tài chính và đi ngược dòng kiến trúc, còn mua trọn gói từ Big Tech thì rơi vào lồng sắt mạ vàng của rủi ro Hotel California. Vậy đâu là lối thoát cho Việt Nam và các doanh nghiệp nội địa?

Đầu tiên, chúng ta phải tái định nghĩa khái niệm "chủ quyền số". Trong hai thập kỷ qua, chủ quyền số chỉ được hiểu ở tầng vật lý: quốc gia nào sở hữu cáp quang, thì quốc gia đó nắm giữ trung tâm dữ liệu. Nhưng trong kỷ nguyên AI, khi các mô hình ngôn ngữ đảm nhận việc tóm tắt hồ sơ y tế, phân tích hợp đồng pháp lý hay hỗ trợ ra quyết định, nó đang âm thầm định hình cách chúng ta tư duy. Một hệ thống được huấn luyện hoàn toàn trên văn bản tiếng Anh sẽ hiểu tập quán thương mại và pháp lý Việt Nam theo một góc nhìn sai lệch. Phụ thuộc hạ tầng vật lý đã đáng lo, phụ thuộc vào "cách máy nghĩ hộ" còn đáng lo ngại hơn gấp bội.

Tuy nhiên, vì không có quốc gia nào có thể tự cung tự cấp AI một cách hoàn toàn, đến đầu năm 2026, tổ chức BCG đã đưa ra một mục tiêu thực tế hơn: "Khả năng phục hồi". Đó là năng lực đảm bảo quốc gia và doanh nghiệp không bị khóa cứng vào bất kỳ một nhà cung cấp độc quyền nào, và luôn hiểu rõ hệ thống AI đang tạo ra kết quả từ đâu.

Ở khía cạnh này, các nỗ lực mã nguồn mở như GreenMind của VNG - một LLM tiếng Việt mã nguồn mở trên nền tảng NVIDIA NIM, là giải pháp sẽ mang lại giá trị chiến lược to lớn. Dù nhỏ hơn ChatGPT rất nhiều, GreenMind hiểu được bối cảnh Việt Nam và nằm trong tầm kiểm soát. Chiến lược mã nguồn mở này mở ra một hệ sinh thái để các nhà phát triển nội địa tự tinh chỉnh cho các bài toán đặc thù, nuôi dưỡng cả thị trường và sản phẩm cùng một lúc mà không cần đốt hàng tỷ đô la vô ích. Khi kỷ nguyên trợ giá xì hơi, những ai tận dụng giai đoạn giá rẻ này để thu thập, gắn nhãn dữ liệu và huấn luyện một mô hình nhỏ gọn chạy trên máy chủ nội bộ mới thực sự là người chiến thắng. Khi trợ cấp biến mất, API tăng giá 5 lần, các chatbot dựa hoàn toàn vào API sẽ chết, nhưng dữ liệu và mô hình nội bộ của bạn vẫn còn chạy. Đó mới là "tài sản cấu trúc" thực sự.

Khi doanh nghiệp muốn áp dụng công nghệ, có một nguyên tắc sống còn: Đừng bao giờ chọn những đối tác hứa hẹn “anh muốn tính năng gì chúng tôi cũng chiều”. Việc thuê một đội IT bên ngoài để tự tay xây dựng một hệ thống riêng từ A đến Z sẽ ngốn sạch ngân sách và khiến bạn phụ thuộc hoàn toàn vào họ. Nếu một nhóm tư vấn tự tin tuyên bố “yêu cầu nào chúng tôi cũng làm được”, hãy cẩn thận! Thực chất, họ chỉ đang cố vẽ thêm việc để tính thêm tiền công theo giờ mà thôi. 

Thay vì vậy, lối thoát bền vững nhất là hợp tác với các công ty triển khai AI chuyên biệt. Khác với những bên nhận làm đủ mọi thứ, các công ty này có kỷ luật cực kỳ khắt khe: họ chỉ tập trung phục vụ một nhóm khách hàng mục tiêu rất hẹp và cụ thể. Họ từ chối ôm đồm các dự án rườm rà chỉ để chiều theo ý thích cá nhân của ban lãnh đạo. Thay vào đó, họ dồn sức tạo ra một sản phẩm công nghệ cốt lõi thật mạnh để giải quyết triệt để đúng một bài toán duy nhất. Ví dụ như chuyên làm phần mềm dự báo hàng tồn kho, hoặc chuyên tự động hóa quy trình xác minh danh tính khách hàng.

Nhờ áp dụng chung công nghệ lõi độc quyền này, họ giúp bạn giảm thiểu chi phí một cách đột phá và bán cho bạn đúng giải pháp mang lại lợi nhuận thực tế, chứ không gài bạn mua một hệ thống khổng lồ mà bạn không thể dứt ra. Các dịch vụ xây dựng hệ thống riêng lẻ theo yêu cầu thực chất chỉ là một chiếc lồng mạ vàng đắt đỏ. Trên thực tế, chỉ có những giải pháp AI đã được đóng gói sẵn chuẩn mực mới đủ sức đem lại kết quả trọn vẹn cho doanh nghiệp.

Đừng nhầm lẫn giữa toàn bộ AI và AI tạo sinh. GenAI rất tuyệt, nhưng nó chỉ là một nhánh nhỏ. Giá trị thực tiễn khổng lồ đang nằm ở những khoảng giữa ít ồn ào hơn như: các camera phát hiện lỗi trong dây chuyền sản xuất, cảm biến dự báo sâu bệnh, hệ thống định tuyến logistics hay AI quản lý máy bán hàng. Chẳng hạn, Masan đã tích hợp thành công AI vào chuỗi WinX để dự báo nhu cầu cho 15 triệu thành viên; MoMo dùng học máy phân tích chi tiêu thời gian thực cho 30 triệu người dùng. Họ không cần tự xây LLM khổng lồ như OpenAI, họ chỉ đơn giản là dùng đúng công cụ, đặt ra đúng bài toán vi mô và đem lại hiệu quả thật sự.

Tranh luận về việc Việt Nam có nên xây dựng một mô hình AI tiên phong để đảm bảo chủ quyền số từng được coi là bài toán dài hạn của các nhà hoạch định chính sách. Nhưng thực tế đã chứng minh, đây là mối nguy. 

Rạng sáng ngày 13/6/2026, khi Anthropic vô hiệu hóa quyền truy cập Fable 5 và Mythos 5 đối với người dùng không mang quốc tịch Mỹ, mọi thứ đã rõ ràng: AI không còn là thị trường tự do. Trí tuệ nhân tạo đã chính thức trở thành một "hàng hóa chiến lược", tương tự như dầu mỏ hay công nghệ lõi bán dẫn.

Ảo tưởng về "Giấc mơ Mỹ" trong công nghệ – nơi thị trường tự do định đoạt mọi thứ – đã sụp đổ. Rủi ro phụ thuộc vào nhà cung cấp giờ đây không chỉ gói gọn trong giá cả, bảo mật hay thỏa thuận dịch vụ mà còn nằm ở quan hệ giữa nhà cung cấp đó với chính phủ sở tại. Việc giao phó toàn bộ "bộ não" vận hành của doanh nghiệp hay quốc gia cho một nền tảng ngoại là rủi ro chí tử, vì họ có thể ngắt kết nối bất cứ lúc nào chỉ sau một sắc lệnh.

Tuy nhiên, sự kiện này cũng là cú hích cho khát vọng tự chủ AI, dù câu hỏi "Tiền đâu?" để xây dựng LLM nội địa vẫn là thực tế phũ phàng. Lời giải tối ưu và thực tế nhất cho phần lớn doanh nghiệp Việt Nam lúc này là chiến lược "tự chủ theo lớp":

Với người xây dựng sản phẩm và doanh nghiệp: Phải kiểm soát chặt chẽ các lớp ứng dụng, dữ liệu nội bộ và quy trình nghiệp vụ thay vì phụ thuộc hoàn toàn vào một cấu trúc.

Tối ưu hóa nguồn lực: Áp dụng kiến trúc kết hợp linh hoạt, dùng mô hình quốc tế cho các tác vụ đòi hỏi sức mạnh lớn, và dùng mô hình mã nguồn mở hoặc nội địa cho những dữ liệu nhạy cảm.

Chuẩn bị cho rủi ro: Quan trọng nhất là luôn phải có kiến trúc dự phòng, khả năng chuyển đổi giữa nhiều nhà cung cấp để hệ thống không sụp đổ khi một API bị khóa đột ngột.

Khi AI đã trở thành một loại hàng hóa chiến lược trên bàn cờ của các siêu cường, doanh nghiệp Việt Nam không thể mãi đóng vai một người mua hàng ngây thơ. Chỉ bằng cách tích lũy tài sản cấu trúc và thiết lập sự tự chủ vững vàng theo từng lớp, chúng ta mới có thể tránh được cả quả bom nổ chậm của bong bóng tài chính lẫn rào cản địa chính trị ngày càng khắc nghiệt.

________ Tác giả bài viết: Long Nguyễn - Chuyên gia CNTT, tư vấn chiến lược chuyển đổi số