Việt Nam khó chen chân vào cuộc đua xây những mô hình AI lớn nhất thế giới — cuộc đua đó cần lượng vốn, chip và dữ liệu mà chỉ vài nền kinh tế lớn có. Nhưng AI không chỉ có một cuộc đua. Ở tầng ứng dụng AI vào sản xuất, dịch vụ, nông nghiệp và tiếng Việt, Việt Nam có những lợi thế thật, đi kèm vài điểm yếu cần nói thẳng.
Bài này không đưa ra con số hay bảng xếp hạng, vì chúng đổi liên tục và dễ bị dùng để tô hồng hoặc bôi đen. Thay vào đó là một bức tranh cơ chế: mình mạnh ở đâu, vướng ở đâu, và con đường nào thực tế cho một nước đi sau.
Hai cuộc đua khác nhau: xây mô hình nền và dùng AI cho việc thật
Cuộc đua thứ nhất là xây mô hình nền — những mô hình ngôn ngữ, mô hình hình ảnh cực lớn học từ khối dữ liệu khổng lồ. Cuộc đua này cần trung tâm dữ liệu với rất nhiều chip chuyên dụng, nguồn điện lớn ổn định, và đội ngũ nghiên cứu hàng đầu. Đây là sân chơi của các tập đoàn và quốc gia có tiềm lực rất lớn.
Cuộc đua thứ hai là đưa AI vào việc thật: giúp xưởng may giảm vải hỏng, giúp nhà vườn phát hiện bệnh sớm, giúp phòng khám tuyến huyện đọc phim nhanh hơn, giúp cơ quan hành chính trả lời dân. Cuộc đua này cần hiểu ngành, hiểu người dùng, có dữ liệu địa phương và biết tích hợp vào quy trình. Vốn cần ít hơn nhiều, và lợi thế thuộc về người ở gần bài toán.
Hai cuộc đua liên quan nhau. Nước đi sau có thể dùng mô hình nền có sẵn, điều chỉnh cho tiếng Việt và ngành cụ thể, thay vì xây từ đầu. Nhưng phụ thuộc hoàn toàn vào mô hình nước ngoài cũng có rủi ro về chi phí, dữ liệu và sự hiểu văn hoá. Vì vậy nhiều nước vừa ứng dụng, vừa giữ một năng lực tự xây ở quy mô vừa phải, nhất là cho ngôn ngữ của mình.
Với Việt Nam, câu hỏi chiến lược không phải "có làm được mô hình lớn nhất không", mà là "làm sao để nhiều doanh nghiệp, cơ quan, người dân dùng AI giỏi nhất, trên nền dữ liệu và ngôn ngữ của mình".
Những lợi thế thật của Việt Nam
Nguồn kỹ sư trẻ đông và học nhanh. Nhiều sinh viên kỹ thuật, quen với công nghệ, sẵn lòng học cái mới.
Thị trường tiếng Việt riêng. Tiếng Việt có thanh điệu, từ địa phương, cách xưng hô phức tạp; hiểu sâu nó là lợi thế của người Việt.
Nhiều ngành sản xuất cần tối ưu. Dệt may, điện tử, chế biến thực phẩm có nhiều khâu kiểm tra, lên kế hoạch mà AI giúp được.
Nông nghiệp đa dạng. Lúa, cà phê, cây ăn trái, thuỷ sản tạo ra nhiều bài toán ứng dụng cụ thể.
Người dùng quen điện thoại. Thanh toán điện tử, mạng xã hội phổ biến giúp ứng dụng AI tiếp cận người dùng nhanh.
Kinh nghiệm gia công phần mềm. Nhiều doanh nghiệp đã quen làm dự án cho khách nước ngoài, có quy trình kỹ thuật.
Cộng đồng người Việt ở nước ngoài. Nhiều người làm trong lĩnh vực AI ở nước ngoài có thể kết nối, chia sẻ kinh nghiệm.
Chi phí vận hành cạnh tranh. Xây đội ngũ kỹ thuật và vận hành dịch vụ có chi phí hợp lý so với nhiều nơi.
Doanh nghiệp nhỏ linh hoạt. Quyết định nhanh, thử nhanh khi thấy lợi ích rõ.
Nhu cầu chuyển đổi số của khu vực công. Dịch vụ công trực tuyến tạo ra bài toán lớn về hỏi đáp, xử lý hồ sơ.
Sự quan tâm của xã hội. AI là chủ đề được bàn rộng, tạo động lực cho đầu tư giáo dục và nghiên cứu.
Điểm yếu cần nói thẳng
Dữ liệu phân tán, khó dùng. Dữ liệu nằm rải rác ở giấy tờ, tệp riêng, định dạng không thống nhất.
Dữ liệu tiếng Việt chất lượng chưa nhiều. Nhiều văn bản trên mạng lặp lại, sai chính tả, thiếu giọng địa phương và chuyên ngành.
Hạ tầng tính toán hạn chế. Chip chuyên dụng đắt và khó mua, trung tâm dữ liệu lớn cần thời gian và nguồn điện.
Khoảng cách nghiên cứu và doanh nghiệp. Đề tài ở trường ít khi thành sản phẩm doanh nghiệp dùng thật.
Doanh nghiệp nhỏ thiếu kỹ năng dùng. Nhiều chủ cơ sở chưa biết bắt đầu từ đâu, ngại rủi ro dữ liệu.
Thiếu chuyên gia tầng cao. Người dẫn dắt nghiên cứu và kiến trúc hệ thống lớn còn ít, dễ bị thu hút ra nước ngoài.
Quy định còn đang hình thành. Doanh nghiệp chưa chắc chắn về trách nhiệm khi dùng AI ở lĩnh vực nhạy cảm.
Phụ thuộc công cụ nước ngoài. Chi phí, điều khoản và hướng phát triển do bên ngoài quyết định.
Chênh lệch vùng miền. Thành phố lớn đi nhanh, nông thôn và miền núi tụt lại.
Văn hoá thử nghiệm còn e dè. Ngại sai, ngại công khai thất bại làm chậm việc học hỏi.
An ninh mạng chưa theo kịp. Lừa đảo bằng AI phát triển nhanh hơn kỹ năng phòng vệ của người dùng.
Ai cần làm gì: nhà trường, doanh nghiệp, người dân
Trường phổ thông. Dạy học sinh dùng AI để học, không để chép, và dạy kỹ năng kiểm chứng thông tin.
Trường đại học. Đưa môn dữ liệu và AI vào mọi ngành, mời doanh nghiệp cùng ra đề tài thực tế.
Doanh nghiệp lớn. Mở dữ liệu nội bộ cho các thử nghiệm có kiểm soát, đào tạo nhân viên dùng AI.
Doanh nghiệp nhỏ. Bắt đầu từ một việc lặp lại, đo hiệu quả, rồi mới mở rộng.
Hợp tác xã, nhà vườn. Ghi chép mùa vụ, dịch bệnh đều đặn; đó là dữ liệu cho AI nông nghiệp sau này.
Bệnh viện, phòng khám. Số hoá hồ sơ theo chuẩn, thử AI ở khâu hỗ trợ trước khi đụng tới chẩn đoán.
Cơ quan hành chính. Công khai dữ liệu không nhạy cảm, dùng AI trả lời câu hỏi thủ tục kèm người kiểm.
Nhà nghiên cứu. Chọn đề tài gắn với bài toán có người dùng thật, công bố bộ dữ liệu để người khác dùng lại.
Người làm sản phẩm. Đặt chất lượng tiếng Việt và an toàn người dùng lên trước tốc độ ra mắt.
Báo chí, truyền thông. Giải thích AI đúng mức, không thổi phồng, không gieo hoảng sợ.
Mỗi gia đình. Dạy con và cha mẹ già nhận biết lừa đảo bằng AI; một xã hội an toàn mới dám dùng công nghệ mới.
Con đường thực tế cho một nước đi sau
Bước đầu tiên ít hào nhoáng nhất nhưng quan trọng nhất là dữ liệu. Một bệnh viện số hoá hồ sơ chuẩn, một hợp tác xã ghi chép mùa vụ đều đặn, một cơ quan công khai dữ liệu không nhạy cảm theo định dạng máy đọc được — mỗi việc nhỏ đó tạo nền cho AI về sau. Không có dữ liệu tốt, mô hình giỏi đến đâu cũng chỉ trả lời chung chung.
Bước thứ hai là đưa AI vào những ngành Việt Nam đã mạnh thay vì chạy theo mọi xu hướng. Dệt may, chế biến nông sản, logistics, du lịch là nơi người Việt hiểu bài toán hơn ai hết. Một giải pháp kiểm tra lỗi vải chạy tốt ở xưởng Việt có thể bán sang các nước có ngành dệt tương tự.
Bước thứ ba là đầu tư cho tiếng Việt như một hạ tầng chung: bộ dữ liệu giọng nói nhiều vùng miền, văn bản chuyên ngành đã chuẩn hoá, bộ đánh giá để đo mô hình hiểu tiếng Việt tốt đến đâu. Đây là việc khó có doanh nghiệp nào làm một mình, nhưng mọi doanh nghiệp đều hưởng lợi.
Và cuối cùng là con người: dạy dùng AI ở mọi cấp, từ người nông dân đến cán bộ xã, từ học sinh đến chủ xưởng. Một nước có hàng triệu người dùng AI thành thạo cho việc của mình có thể tạo ra nhiều giá trị hơn một nước chỉ có vài phòng thí nghiệm xuất sắc.
Câu hỏi thường gặp
Việt Nam có nên tự xây mô hình ngôn ngữ lớn cho riêng mình?
Có lý do để xây ở quy mô vừa phải, nhất là để hiểu tiếng Việt và giữ dữ liệu nhạy cảm trong nước. Nhưng điều chỉnh mô hình có sẵn cho từng ngành thường mang lại giá trị nhanh hơn với chi phí thấp hơn.
Người bình thường góp phần vào AI Việt Nam bằng cách nào?
Dùng AI giỏi trong công việc của mình, góp ý khi công cụ hiểu sai tiếng Việt, và tham gia các dự án đóng góp dữ liệu có minh bạch về mục đích. Đó là đóng góp thật, không chỉ của kỹ sư.
Vì sao dữ liệu lại quan trọng hơn chip với nước đi sau?
Chip có thể thuê hoặc mua dần, còn dữ liệu về ngành, ngôn ngữ, người dân Việt Nam chỉ có thể tạo ra ở Việt Nam. Dữ liệu tốt quyết định AI giải đúng bài toán địa phương hay không.
Doanh nghiệp Việt có cạnh tranh được với các hãng AI nước ngoài?
Ở mô hình nền thì rất khó, nhưng ở ứng dụng cho ngành và thị trường cụ thể thì có cơ hội rõ, nhờ hiểu khách hàng, ngôn ngữ và quy trình địa phương.
Chảy máu chất xám có phải vấn đề lớn với AI Việt Nam?
Là thách thức, vì chuyên gia giỏi được trả cao ở nước ngoài. Nhưng làm việc từ xa và kết nối cộng đồng người Việt toàn cầu giúp nhiều người vẫn đóng góp cho dự án trong nước.