Từ cuộc đua công nghệ đến chuyển dịch quyền lực toàn cầu

Vào tháng 4/2025, Viện trí tuệ nhân tạo lấy con người làm trung tâm của Đại học Stanford (HAI) đã công bố ấn phẩm thứ 8 về Chỉ số trí tuệ nhân tạo toàn cầu – một báo cáo toàn diện nhất từ trước đến nay về phát triển trí tuệ nhân tạo (AI) trên thế giới.

Cuộc cạnh tranh AI toàn cầu không những là về thuật toán hay chip xử lý, mà là cuộc đấu giữa các mô hình giá trị và cách nhân loại muốn tổ chức lại chính mình. (Nguồn: DALL-E)

Cuộc cạnh tranh hai cực và sự trỗi dậy của Trung Quốc

Bản đồ quyền lực AI toàn cầu đang phản ánh một cuộc cạnh tranh hai cực gay gắt giữa Mỹ và Trung Quốc, trong khi châu Âu thì ngày càng tụt hậu. Năm 2024, các công ty và tổ chức có trụ sở tại Mỹ đã tạo ra 40 mô hình AI đáng chú ý, vượt xa con số 15 mô hình của Trung Quốc và chỉ 3 mô hình của toàn bộ châu Âu [*5]. Sự thống trị này được củng cố bởi dòng vốn đầu tư khổng lồ: Tổng đầu tư tư nhân vào AI tại Mỹ trong năm 2024 đạt mức kỷ lục 109,1 tỷ USD, gấp gần 12 lần so với 9,3 tỷ USD của Trung Quốc và gấp 24 lần so với 4,5 tỷ USD của Vương quốc Anh [*6].

Tuy nhiên, bức tranh về khối lượng nghiên cứu học thuật lại cho thấy một câu chuyện khác. Trung Quốc hiện dẫn đầu thế giới về tổng số lượng ấn phẩm nghiên cứu về AI với 23,2% và số lượng trích dẫn với 22,6%, vượt qua cả Mỹ và châu Âu. Điều này chứng tỏ Trung Quốc đang xây dựng một nền tảng nghiên cứu vững chắc, mặc dù Mỹ vẫn giữ lợi thế về các đột phá công nghệ mang tính ứng dụng cao và thương mại hóa nhanh chóng.

Đặc biệt đáng chú ý là tốc độ thu hẹp khoảng cách về chất lượng mô hình. Cuối năm 2023, các mô hình của Mỹ dẫn trước Trung Quốc với khoảng cách lớn trên các bài kiểm tra chuẩn như MMLU (17,5 điểm), MMMU (13,5 điểm) và MATH (24,3 điểm). Đến cuối năm 2024, các khoảng cách này đã thu hẹp đến mức không đáng kể, lần lượt chỉ còn 0,3 điểm, 8,1 điểm và 1,6 điểm. Sự trỗi dậy của các mô hình như DeepSeek và Qwen cho thấy năng lực kỹ thuật của Trung Quốc đang bắt kịp với tốc độ đáng kinh ngạc [*7].

Trong lĩnh vực tự động hóa Vật lý, Trung Quốc đã thiết lập một vị thế thống trị rõ rệt. Năm 2023, Trung Quốc lắp đặt 276.300 robot công nghiệp, chiếm 51,1% tổng số lượng toàn cầu, gấp 6 lần Nhật Bản và 7,3 lần Mỹ. Điều này phản ánh một chiến lược toàn diện: Trong khi Mỹ dẫn đầu về AI phần mềm và mô hình ngôn ngữ, Trung Quốc đang thống trị trong việc tự động hóa sản xuất công nghiệp, tạo nên một bức tranh cạnh tranh đa chiều và phức tạp.

Đột phá kỹ thuật: Sự hội tụ và dân chủ hóa công nghệ

Năm 2024 chứng kiến những bước tiến vượt bậc về năng lực kỹ thuật của các hệ thống AI. Tốc độ chinh phục các thử thách mới đang diễn ra nhanh hơn bao giờ hết. Theo phân tích của IBM về báo cáo Stanford, trên các bộ tiêu chuẩn mới được giới thiệu năm 2023 như MMMU (đa phương thức), GPQA (câu hỏi cấp độ Tiến sĩ) và SWE-bench (kỹ thuật phần mềm), điểm số chỉ sau 1 năm đã tăng lần lượt 18,8%, 48,9% và 67,3% [*8]. Đặc biệt ấn tượng là tiến bộ trên SWE-bench, nơi khả năng giải quyết các vấn đề lập trình của AI tăng từ mức khiêm tốn 4,4% năm 2023 lên 71,7% năm 2024. Con số này không chỉ phản ánh sự cải thiện về độ chính xác mà còn cho thấy AI đang chuyển dịch từ các hệ thống thụ động trả lời câu hỏi sang các tác nhân (agents) có khả năng thực hiện hành động phức tạp.

Một xu hướng có ý nghĩa sâu sắc là sự trỗi dậy của các mô hình mã nguồn mở. Trước đây, khoảng cách hiệu suất giữa các mô hình đóng như GPT-4 và các đối thủ mã nguồn mở là rất lớn. Tuy nhiên, khoảng cách này đã gần như biến mất vào năm 2024. Dữ liệu từ Chatbot Arena Leaderboard cho thấy sự chênh lệch hiệu suất giữa mô hình đóng hàng đầu và mô hình mở hàng đầu đã giảm từ 8,0% vào đầu năm 2024 xuống chỉ còn 1,7% vào tháng 2 năm 2025. Sự hội tụ này có ý nghĩa to lớn đối với việc dân chủ hóa công nghệ, cho phép các nhà phát triển và doanh nghiệp nhỏ tiếp cận sức mạnh của các mô hình tiên tiến mà không bị phụ thuộc hoàn toàn vào các tập đoàn lớn.

Một tiến bộ khác đáng chú ý là sự xuất hiện của các mô hình nhỏ nhưng hiệu quả cao. Năm 2022, để đạt điểm số trên 60% trong bài kiểm tra MMLU, cần một mô hình khổng lồ như PaLM với 540 tỷ tham số. Đến cuối năm 2024, mô hình Phi-3-mini của Microsoft chỉ với 3,8 tỷ tham số đã đạt được ngưỡng này, tương đương với mức giảm kích thước 142 lần trong vòng 2 năm [*9]. Sự tiến bộ này chứng tỏ rằng chất lượng thuật toán và dữ liệu đang cho phép tạo ra các hệ thống AI mạnh mẽ hơn nhưng tiêu tốn ít tài nguyên hơn, mở ra khả năng triển khai AI trên các thiết bị biên (edge devices) và trong các môi trường hạn chế về tài nguyên.

Vào tháng 4/2025, Viện trí tuệ nhân tạo lấy con người làm trung tâm của Đại học Stanford (HAI) đã công bố ấn phẩm thứ 8 về Chỉ số trí tuệ nhân tạo toàn cầu. (Ảnh minh họa)

Nhận thức cao nhưng hành động chậm

Khi AI ngày càng thâm nhập sâu vào đời sống, các vấn đề về đạo đức, an toàn và trách nhiệm trở nên cấp thiết hơn bao giờ hết. Báo cáo HAI phác họa một bức tranh đầy nghịch lý: Trong khi nhận thức về rủi ro ngày càng cao và các nỗ lực quản trị toàn cầu đang được đẩy mạnh, thì hành động thực tế tại các doanh nghiệp vẫn còn chậm trễ và các sự cố liên quan đến AI đang gia tăng đáng báo động.

Số lượng sự cố được báo cáo trong Cơ sở dữ liệu sự cố AI đã tăng vọt lên con số kỷ lục 233 vụ vào năm 2024, tăng 56,4% so với năm 2023 [*9]. Các sự cố này bao gồm từ việc tạo ra nội dung giả mạo (deepfake), vi phạm bản quyền, cho đến các lỗi trong hệ thống ra quyết định tự động có thể gây hại nghiêm trọng. Đặc biệt đáng lo ngại là khoảng cách giữa nhận thức và hành động trong khối doanh nghiệp. Theo khảo sát của McKinsey, mặc dù các nhà lãnh đạo doanh nghiệp nhận thức rõ về các rủi ro hàng đầu của AI như tính không chính xác (64%), tuân thủ quy định (63%) và an ninh mạng (60%), nhưng tỷ lệ các tổ chức thực sự triển khai các biện pháp giảm thiểu rủi ro lại thấp hơn đáng kể. Nghịch lý này cho thấy nhiều doanh nghiệp đang ưu tiên tốc độ triển khai và lợi ích kinh tế ngắn hạn hơn là sự an toàn và trách nhiệm dài hạn.

Một thách thức mới nổi lên là sự suy giảm nhanh chóng của nguồn dữ liệu công cộng (data commons). Các mô hình AI phụ thuộc lớn vào dữ liệu web để đào tạo, nhưng nghiên cứu gần đây cho thấy tỷ lệ các token bị hạn chế sử dụng trong các tập dữ liệu phổ biến đã tăng vọt từ mức 5-7% lên 20-33% chỉ trong vòng một năm từ 2023 đến 2024. Các chủ sở hữu website đang ngày càng áp dụng các biện pháp kỹ thuật để ngăn chặn việc thu thập dữ liệu (scraping) cho mục đích đào tạo AI. Xu hướng này đe dọa sự đa dạng dữ liệu và đặt ra câu hỏi nghiêm túc về tính bền vững của mô hình phát triển AI hiện tại nếu không có các thỏa thuận cấp phép dữ liệu công bằng và minh bạch.

Trên phương diện tích cực, tính minh bạch trong hệ sinh thái mô hình nền tảng đang có dấu hiệu cải thiện. Chỉ số minh bạch mô hình nền tảng cho thấy điểm minh bạch trung bình của các nhà phát triển lớn đã tăng từ 37% vào tháng 10 năm 2023 lên 58% vào tháng 5 năm 2024. Mặc dù vẫn còn nhiều dư địa để cải thiện, sự gia tăng này cho thấy áp lực từ cộng đồng nghiên cứu và các nhà làm chính sách đang bắt đầu có tác động đến hành vi của các tập đoàn công nghệ.