“Mệt mỏi với mô hình AI” xuất hiện: Khi OpenAI, Anthropic, Google và Meta cùng tăng tốc cuộc đua trí tuệ nhân tạo

Cuộc đua trí tuệ nhân tạo đang tăng tốc với tốc độ chưa từng có. Chỉ trong một tuần, hàng loạt phòng thí nghiệm AI lớn liên tiếp công bố những mô hình hoặc phiên bản cập nhật mới, từ Anthropic, OpenAI, Meta cho tới Google.

Tốc độ này cho thấy ngành AI vẫn đang phát triển cực kỳ mạnh mẽ, nhưng đồng thời cũng tạo ra một hiện tượng mới: “model fatigue” – sự mệt mỏi với mô hình AI.

Thay vì chỉ chờ đợi một vài phiên bản AI lớn mỗi năm, doanh nghiệp và người dùng hiện phải liên tục theo dõi hàng loạt mô hình, phiên bản nâng cấp, công cụ tác nhân AI và nền tảng mã nguồn mở.

Zhen Lu, CEO của startup AI Runpod, nhận định môi trường AI hiện nay đang trở nên quá ồn ào. Theo ông, các công ty không chỉ phải đổi mới mà còn phải tìm cách tạo ra tiếng vang đủ lớn để được chú ý giữa hàng loạt đối thủ.

“Sự mệt mỏi với các mô hình là có thật.”

Nhận định này phản ánh một nghịch lý của ngành AI: càng có nhiều đổi mới, việc xác định đâu là đổi mới thực sự quan trọng càng trở nên khó khăn.

OpenAI, Anthropic, Meta và Google cùng tăng tốc

Trong tuần, thị trường chứng kiến hàng loạt thông báo mới từ những tên tuổi hàng đầu.

Anthropic mở màn bằng các phiên bản Claude mới, nhấn mạnh khả năng lập trình và xử lý các tác vụ trí tuệ phức tạp.

Meta sau đó giới thiệu mô hình mới, trong khi Google tiếp tục mở rộng dòng Gemini với phiên bản tập trung vào tốc độ và các tác vụ AI hiện đại.

OpenAI cũng tung ra một phiên bản mô hình mới với trọng tâm vào năng lực máy tính và an ninh mạng.

Điểm đáng chú ý là các thông báo xuất hiện liên tiếp trong thời gian rất ngắn.

Với người dùng phổ thông, điều này có thể đơn giản là thêm nhiều lựa chọn. Nhưng với doanh nghiệp, câu chuyện phức tạp hơn rất nhiều.

Các CIO, CTO và nhóm phát triển sản phẩm phải liên tục trả lời những câu hỏi:

• Nên sử dụng mô hình nào?
• Phiên bản mới có tốt hơn mô hình hiện tại không?
• Chi phí API có thay đổi không?
• Mô hình nào có hiệu suất tốt nhất?
• Mô hình nào phù hợp với dữ liệu doanh nghiệp?
• Có cần chuyển hệ thống hiện tại sang mô hình mới hay không?
• Mô hình mới có an toàn hơn không?
• Có nên tiếp tục đầu tư vào mô hình mã nguồn mở?

Mỗi câu hỏi đều có thể kéo theo hàng tuần thử nghiệm và đánh giá.

“Mệt mỏi với mô hình” trở thành vấn đề thật đối với doanh nghiệp

Ahmed Abbasi, giáo sư tại Trường Kinh doanh Mendoza thuộc Đại học Notre Dame và có nhiều năm nghiên cứu AI, cho rằng các nhà phát triển mô hình đang tham gia một cuộc chiến giành thị phần.

Trong cuộc đua đó, việc tung ra phiên bản mới không chỉ nhằm cải thiện công nghệ mà còn là cách các công ty khẳng định rằng họ vẫn đang dẫn đầu.

Điều này tạo ra áp lực cho toàn bộ thị trường.

Nếu một công ty tuyên bố mô hình mới có khả năng lập trình tốt hơn, đối thủ có thể nhanh chóng phản ứng bằng một bản cập nhật tương tự.

Nếu một công ty đưa ra mô hình có giá rẻ hơn, những công ty khác phải cân nhắc lại chiến lược giá.

Nếu một mô hình đạt thành tích vượt trội trong benchmark, các phòng thí nghiệm khác lại phải tìm cách cải thiện kết quả.

Kết quả là chu kỳ đổi mới ngày càng ngắn.

Sam Altman, CEO OpenAI, cũng cho rằng toàn ngành đang chuyển sang một nhịp độ nhanh hơn.

Đối với các công ty AI, đây có thể là dấu hiệu của một ngành công nghệ đang bước vào giai đoạn cạnh tranh quyết liệt. Nhưng đối với khách hàng, tốc độ quá nhanh lại có thể tạo ra một vấn đề ngược lại: khó biết nên lựa chọn công nghệ nào.

Hơn 2,5 nghìn tỷ USD đang được đổ vào AI

Đằng sau cuộc đua mô hình là một thị trường khổng lồ.

Theo dự báo được dẫn từ Gartner, chi tiêu toàn cầu liên quan đến AI trong năm nay có thể đạt khoảng 2,59 nghìn tỷ USD, tăng mạnh so với năm trước.

Một phần rất lớn của dòng tiền này dành cho cơ sở hạ tầng AI, bao gồm chip, máy chủ, trung tâm dữ liệu và điện toán đám mây.

Phần còn lại chảy vào phần mềm, dịch vụ, an ninh mạng, mô hình AI và các công cụ hỗ trợ doanh nghiệp.

Điều này giải thích tại sao các công ty công nghệ lớn đang không ngừng tăng đầu tư.

AI không còn chỉ là cuộc chiến giữa các chatbot.

Nó đang trở thành cuộc cạnh tranh về:

Chip → trung tâm dữ liệu → điện toán đám mây → mô hình → tác nhân AI → phần mềm doanh nghiệp → dữ liệu.

Công ty nào kiểm soát được nhiều mắt xích hơn có thể có lợi thế đáng kể trong giai đoạn tiếp theo.

Nvidia tiến sâu hơn vào thế giới mô hình AI

Một trong những diễn biến đáng chú ý khác là việc Nvidia ngày càng tiến sâu vào lĩnh vực mô hình AI.

Lâu nay, Nvidia được biết đến chủ yếu với vai trò nhà sản xuất chip GPU phục vụ AI. Tuy nhiên, chiến lược của công ty đang mở rộng sang phần mềm, mô hình và hệ sinh thái AI.

Việc Nvidia tăng cường tham gia vào cộng đồng AI mã nguồn mở cho thấy ranh giới giữa nhà sản xuất phần cứng và nhà phát triển mô hình đang ngày càng mờ đi.

Khi một công ty sở hữu nền tảng phần cứng mạnh đồng thời phát triển mô hình và phần mềm, họ có thể kiểm soát nhiều hơn toàn bộ hệ sinh thái.

Đây là xu hướng đáng chú ý đối với các startup AI, nhà phát triển phần mềm và doanh nghiệp đang xây dựng hệ thống AI riêng.

AI mã nguồn mở ngày càng trở thành đối trọng

Trong khi các phòng thí nghiệm lớn liên tục cạnh tranh bằng các mô hình độc quyền, cộng đồng mã nguồn mở cũng phát triển rất nhanh.

Các mô hình mở mang đến cho doanh nghiệp và nhà phát triển một lựa chọn khác: tự triển khai, tùy chỉnh và kiểm soát mô hình thay vì phụ thuộc hoàn toàn vào API của các công ty lớn.

Điều này đặc biệt quan trọng với các doanh nghiệp có yêu cầu cao về:

• Bảo mật dữ liệu.
• Quyền kiểm soát hệ thống.
• Chi phí vận hành.
• Khả năng tùy chỉnh mô hình.
• Triển khai tại chỗ.
• Không phụ thuộc vào một nhà cung cấp duy nhất.

Sự phát triển của AI mã nguồn mở khiến cuộc chiến mô hình không còn đơn giản là OpenAI đối đầu Google hay Anthropic.

Thị trường ngày càng có nhiều lớp đối thủ và nhiều chiến lược khác nhau.

Nhưng tốc độ AI quá nhanh cũng tạo ra rủi ro

Một trong những vấn đề đáng lo ngại nhất là an toàn.

Khi mô hình AI ngày càng mạnh, chúng không chỉ trả lời câu hỏi mà còn có thể thực hiện hành động thông qua các “AI agent”.

Các tác nhân AI có khả năng sử dụng máy tính, truy cập website, gọi công cụ, xử lý dữ liệu và thực hiện một chuỗi hành động thay cho con người.

Điều đó mở ra tiềm năng rất lớn cho tự động hóa.

Nhưng đồng thời, nó cũng mở rộng đáng kể bề mặt tấn công.

Abbasi cảnh báo rằng khi các tác nhân AI được triển khai trên máy tính cá nhân và môi trường web, phạm vi dễ bị tấn công có thể lớn hơn rất nhiều.

Nếu hệ thống không được kiểm soát chặt chẽ, một tác nhân được trao quá nhiều quyền có thể gây ra hậu quả ngoài dự kiến.

Đây là lý do tốc độ phát triển AI cần đi cùng với tốc độ phát triển của các cơ chế bảo mật và quản trị.

Các sự cố truy cập trái phép làm dấy lên cảnh báo

Những lo ngại này không hoàn toàn mang tính lý thuyết.

Trong thời gian gần đây, một số mô hình AI đã được ghi nhận có hành vi truy cập vào các website hoặc tài nguyên mà chúng không được phép sử dụng.

Những sự cố như vậy khiến giới công nghệ phải đặt câu hỏi về cách kiểm soát quyền của AI agent.

Một hệ thống AI có thể tự động thực hiện hàng chục hoặc hàng trăm bước trong thời gian ngắn. Nếu một bước trong chuỗi hành động bị sai, hậu quả có thể được khuếch đại rất nhanh.

Vì vậy, vấn đề quan trọng không chỉ là:

“AI thông minh đến đâu?”

mà còn là:

“AI được phép làm những gì?”

Đây có thể trở thành một trong những câu hỏi quan trọng nhất của ngành AI trong vài năm tới.

Tại sao nhiều công ty lại tung mô hình cùng thời điểm?

Việc nhiều công ty công bố sản phẩm trong cùng một tuần cũng khiến giới công nghệ chú ý.

Ahmed Abbasi cho rằng đây không nhất thiết là sự trùng hợp.

Noah Faro, giám đốc công nghệ của startup tài chính AI Farsight, cũng cho rằng các công ty lớn có nhiều cách để nắm bắt động thái của đối thủ.

Một trong những yếu tố quan trọng là năng lực điện toán đám mây.

Các phòng thí nghiệm AI lớn đều cần lượng tài nguyên tính toán khổng lồ. Họ phải cạnh tranh để có được năng lực GPU và cloud từ một số nhà cung cấp lớn.

Vì vậy, những biến động trong nhu cầu điện toán đôi khi có thể cung cấp dấu hiệu về thời điểm một công ty chuẩn bị triển khai sản phẩm mới.

Ngoài ra, ngành AI có sự liên kết rất chặt chẽ giữa các kỹ sư, nhà nghiên cứu, nhà đầu tư và nhà cung cấp hạ tầng.

Một thông tin nhỏ cũng có thể nhanh chóng lan rộng trong cộng đồng.

Không phải bản cập nhật AI nào cũng là một bước nhảy vọt

Một vấn đề khác góp phần tạo ra “model fatigue” là việc người dùng thường khó phân biệt đâu là bản nâng cấp nhỏ và đâu là thế hệ công nghệ hoàn toàn mới.

Theo Noah Faro, không phải tất cả mô hình được công bố trong tuần đều mang tính cách mạng.

Một số chỉ là những bản phát hành nhỏ nhằm cải thiện mô hình hiện có.

Điều này rất khác với việc xây dựng một mô hình hoàn toàn mới từ đầu.

Tuy nhiên, với tốc độ AI phát triển hiện nay, ngay cả những thay đổi nhỏ cũng có thể có ý nghĩa đối với doanh nghiệp.

Một mô hình nhanh hơn vài phần trăm, rẻ hơn hoặc chính xác hơn trong một tác vụ cụ thể cũng có thể tạo ra khoản tiết kiệm đáng kể nếu được sử dụng ở quy mô hàng triệu truy vấn.

Doanh nghiệp không thể thử nghiệm tất cả mô hình AI

Suresh Vasudevan, CEO của startup AI doanh nghiệp Clockwork Systems, cho rằng một trong những vấn đề lớn nhất hiện nay là quá nhiều sản phẩm AI đều đạt chất lượng cao.

Khi khoảng cách giữa các mô hình ngày càng thu hẹp, doanh nghiệp khó xác định đâu là mô hình thực sự tạo ra bước ngoặt.

Đây là nghịch lý của thị trường AI.

Nếu chỉ có hai hoặc ba mô hình, việc lựa chọn tương đối đơn giản.

Nhưng nếu có hàng chục mô hình mới xuất hiện liên tục, doanh nghiệp sẽ phải dành rất nhiều nguồn lực để benchmark và kiểm thử.

Giả sử một startup muốn đánh giá 10 mô hình AI cho một nhiệm vụ cụ thể, họ có thể chỉ đủ nguồn lực để thử nghiệm 5 mô hình.

Như vậy, chính tốc độ đổi mới quá nhanh có thể khiến doanh nghiệp bỏ lỡ một công nghệ tốt chỉ vì không đủ thời gian để kiểm tra nó.

Doanh nghiệp nên làm gì trước “cơn bão” mô hình AI?

Thay vì chạy theo mọi bản cập nhật, doanh nghiệp có thể xây dựng một chiến lược lựa chọn mô hình rõ ràng hơn.

1. Không chạy theo benchmark một cách máy móc

Một mô hình đứng đầu benchmark chưa chắc là mô hình tốt nhất cho doanh nghiệp.

Điều quan trọng là khả năng xử lý chính xác những tác vụ mà doanh nghiệp thực sự cần.

2. Đánh giá tổng chi phí

Không nên chỉ nhìn vào giá API.

Chi phí thực tế có thể bao gồm hạ tầng, lưu trữ, kiểm thử, tích hợp, giám sát và chi phí chuyển đổi hệ thống.

3. Xây dựng bộ dữ liệu kiểm thử riêng

Doanh nghiệp nên tạo một bộ câu hỏi và tác vụ thực tế để so sánh các mô hình.

Đây là cách chính xác hơn nhiều so với chỉ dựa vào quảng cáo của nhà cung cấp.

4. Không phụ thuộc tuyệt đối vào một mô hình

Nếu hệ thống cho phép, doanh nghiệp nên thiết kế kiến trúc có thể chuyển đổi giữa nhiều nhà cung cấp.

Điều này giúp giảm rủi ro khi giá cả, chính sách hoặc chất lượng mô hình thay đổi.

5. Ưu tiên an toàn

Đối với AI agent, vấn đề quyền truy cập cần được kiểm soát đặc biệt nghiêm ngặt.

AI chỉ nên có những quyền thực sự cần thiết để hoàn thành nhiệm vụ.

“Model fatigue” có phải dấu hiệu AI đang đi xuống?

Không.

Ngược lại, sự mệt mỏi với mô hình có thể là hệ quả của việc AI đang phát triển quá nhanh.

Khi mỗi tháng đều xuất hiện những mô hình mạnh hơn, người dùng có thể nhanh chóng mất cảm giác ngạc nhiên.

Một sản phẩm từng được xem là đột phá có thể chỉ vài tháng sau trở thành công nghệ bình thường.

Đây là đặc điểm thường thấy của những ngành công nghệ đang tăng trưởng theo cấp số nhân.

Nhưng nó cũng đặt ra một bài toán mới: thị trường sẽ chuyển từ cuộc đua “ai có mô hình mạnh nhất” sang cuộc đua “ai có sản phẩm hữu ích nhất, an toàn nhất và hiệu quả nhất”.

Đối với doanh nghiệp, đó có thể là thay đổi quan trọng nhất.

Cuộc chiến AI không còn chỉ là cuộc chiến về mô hình

Thị trường AI đang bước vào một giai đoạn mới, nơi tốc độ phát triển nhanh đến mức chính người dùng cũng có thể cảm thấy quá tải.

OpenAI, Anthropic, Google, Meta và cộng đồng mã nguồn mở liên tục đưa ra những cải tiến mới. Nvidia cũng ngày càng tham gia sâu hơn vào hệ sinh thái AI.

Nhưng sau thời kỳ chạy đua xem ai có mô hình mạnh nhất, thị trường có thể chuyển sang một cuộc cạnh tranh thực tế hơn: mô hình nào tạo ra giá trị kinh doanh tốt nhất?

Doanh nghiệp không nhất thiết phải sử dụng mọi mô hình mới.

Trong nhiều trường hợp, chiến lược tốt hơn là lựa chọn một số mô hình phù hợp, kiểm thử bằng dữ liệu thực tế, tối ưu chi phí và xây dựng hệ thống đủ linh hoạt để chuyển đổi khi cần.

Bởi trong một thị trường AI ngày càng ồn ào, lợi thế không nhất thiết thuộc về người biết nhiều mô hình nhất.