Vì sao AI Trung Quốc phát triển nhanh? Mạng lưới nhân tài, mã nguồn mở và cuộc đua tối ưu sức mạnh tính toán

Trong vài năm gần đây, khoảng cách giữa các mô hình trí tuệ nhân tạo (AI) hàng đầu của Trung Quốc và Mỹ đã thu hẹp nhanh chóng. Điều đáng chú ý là quá trình này dường như không xuất phát từ một đột phá công nghệ đơn lẻ, mà là kết quả của nhiều yếu tố tích lũy trong thời gian dài.

Từ hệ thống đào tạo nhân tài tại các trường đại học hàng đầu, mạng lưới nghiên cứu – startup, sự trở về của các nhà nghiên cứu từng làm việc tại nước ngoài, cho đến chiến lược phát triển công nghệ mã nguồn mở và tối ưu hóa hiệu quả tính toán, Trung Quốc đang hình thành một hệ sinh thái AI có khả năng tự củng cố.

Một số chuyên gia trong ngành tại Trung Quốc và Mỹ cho rằng khoảng cách giữa những mô hình AI tốt nhất của hai nước hiện chỉ còn tính bằng vài tháng trong một số lĩnh vực. Đây là sự thay đổi đáng kể so với vài năm trước, khi các công ty Mỹ gần như nắm vị trí dẫn đầu tuyệt đối về mô hình ngôn ngữ lớn.

Cuộc cạnh tranh hiện nay vì thế không đơn thuần là cuộc đua giữa các công ty AI, mà còn là cuộc đua về nhân tài, dữ liệu, thuật toán, chip, vốn đầu tư và hiệu quả sử dụng sức mạnh tính toán.

Nền tảng quan trọng: Mạng lưới nhân tài AI được xây dựng từ hơn 20 năm trước

Một trong những nguyên nhân quan trọng giúp AI Trung Quốc phát triển nhanh là hệ thống đào tạo nhân tài được xây dựng từ khá sớm.

Năm 2005, nhà khoa học máy tính nổi tiếng Andrew Yao đã thành lập “Lớp Yao” tại Đại học Thanh Hoa, với mục tiêu đào tạo những sinh viên xuất sắc nhất trong lĩnh vực khoa học máy tính.

Đây không chỉ là một chương trình đào tạo thông thường. Theo hướng tiếp cận được mô tả trong báo cáo, “Lớp Yao” góp phần tạo ra một thế hệ nhà nghiên cứu có nền tảng toán học, khoa học máy tính và thuật toán rất mạnh.

Một trong những nhân vật nổi bật trong mạng lưới này là Tang Jie, người đồng sáng lập Zhipu AI. Ông dành nhiều năm nghiên cứu khai thác dữ liệu và học máy tại Thanh Hoa. Phòng thí nghiệm của Tang Jie sau đó trở thành một trong những nguồn cung cấp nhân lực quan trọng cho hệ sinh thái AI Trung Quốc.

Một trường hợp đáng chú ý khác là Yang Zhilin, người từng học dưới sự hướng dẫn của Tang Jie tại Thanh Hoa, sau đó tiếp tục theo học tiến sĩ tại Đại học Carnegie Mellon ở Mỹ.

Sau khi trở về Trung Quốc, Yang Zhilin thành lập công ty Dark Side of the Moon, được biết đến với các mô hình AI mang thương hiệu Kimi.

Những mối liên kết như vậy tạo thành một mạng lưới nhân tài có tính liên tục:

Đại học → phòng thí nghiệm → nghiên cứu sinh → startup AI → công ty công nghệ → đào tạo thế hệ nhân tài mới.

Đây chính là một trong những nền móng quan trọng giải thích vì sao Trung Quốc có thể nhanh chóng chuyển kết quả nghiên cứu thành sản phẩm thương mại.

Từ phòng thí nghiệm đại học đến các công ty AI hàng đầu

Sự phát triển của AI Trung Quốc không chỉ dựa vào các tập đoàn công nghệ lớn.

Một phần quan trọng đến từ khả năng biến nghiên cứu trong trường đại học thành doanh nghiệp.

Năm 2018, Trung Quốc tiếp tục nới lỏng các hạn chế liên quan đến việc các nhà nghiên cứu thành lập doanh nghiệp và thương mại hóa kết quả nghiên cứu. Một năm sau, Tang Jie ươm mầm Zhipu AI, công ty phát triển từ hệ sinh thái nghiên cứu của Đại học Thanh Hoa.

Sau khi OpenAI công bố GPT-3 vào năm 2020, Zhipu AI nhanh chóng đặt mục tiêu phát triển các mô hình có năng lực tương đương.

Điều này cho thấy một thay đổi quan trọng trong hệ sinh thái công nghệ Trung Quốc: khoảng cách giữa nghiên cứu hàn lâm và thương mại hóa công nghệ ngày càng được rút ngắn.

Nhà nghiên cứu có thể rời trường đại học để thành lập startup. Startup tiếp tục tuyển dụng sinh viên và nhà nghiên cứu. Những người này lại tạo ra công nghệ mới, công bố nghiên cứu hoặc phát triển các mô hình mã nguồn mở.

Một vòng tuần hoàn nhân tài và công nghệ dần được hình thành.

Vì sao thiếu chip nhưng AI Trung Quốc vẫn có thể tiến nhanh?

Đây là một trong những điểm đáng chú ý nhất của cuộc đua AI hiện nay.

Các công ty AI Trung Quốc từ lâu phải đối mặt với những hạn chế về vốn và đặc biệt là khả năng tiếp cận chip AI tiên tiến.

Theo ước tính được nêu trong báo cáo, trong giai đoạn liên quan, quy mô đầu tư của các công ty công nghệ Trung Quốc chỉ bằng chưa đến một phần năm so với các đối tác Mỹ.

Trong khi đó, việc huấn luyện những mô hình AI lớn đòi hỏi hàng nghìn, thậm chí hàng chục nghìn GPU hiệu năng cao.

Khi không thể cạnh tranh bằng số lượng chip, một hướng đi quan trọng trở thành:

Làm nhiều hơn với ít chip hơn.

Đây chính là lĩnh vực mà DeepSeek tạo được dấu ấn đáng kể.

DeepSeek và chiến lược “AI hiệu quả”

DeepSeek là ví dụ điển hình cho cách các công ty Trung Quốc tìm kiếm lợi thế thông qua tối ưu hóa thuật toán.

Báo cáo đề cập đến việc DeepSeek sử dụng Multi-Head Latent Attention (MLA) nhằm giảm lượng bộ nhớ cần thiết trong quá trình vận hành mô hình.

Bên cạnh đó, DeepSeek cũng là một trong những công ty sớm tại Trung Quốc áp dụng các kiến trúc Mixture of Experts (MoE) để giảm nhu cầu tính toán.

Thay vì kích hoạt toàn bộ mạng lưới của mô hình cho mọi tác vụ, kiến trúc MoE có thể lựa chọn những “chuyên gia” phù hợp để xử lý từng loại yêu cầu.

Điều này có thể giúp giảm lượng tài nguyên tính toán cần thiết trong một số tình huống, qua đó cải thiện hiệu quả của hệ thống.

Những kỹ thuật như MLA và MoE góp phần tạo nền tảng cho cái gọi là “cú sốc DeepSeek” đầu năm 2025, khi mô hình mã nguồn mở với chi phí phát triển được công bố là tương đối thấp gây chấn động thị trường công nghệ.

Điều đáng chú ý hơn là tác động của DeepSeek không dừng ở bản thân công ty.

Các đối thủ Trung Quốc bắt đầu đánh giá lại phương pháp phát triển mô hình của mình. Những kỹ thuật được công bố, thử nghiệm và kiểm chứng nhanh chóng lan truyền trong cộng đồng AI.

Mã nguồn mở đang tạo ra tốc độ lan truyền công nghệ mới

Một điểm khác biệt quan trọng giữa hệ sinh thái AI Trung Quốc và mô hình phát triển khép kín là mức độ trao đổi kỹ thuật.

Các công ty có thể học hỏi lẫn nhau thông qua:

• Bài nghiên cứu khoa học.
• Mô hình mã nguồn mở.
• Các thư viện và công cụ AI.
• Kết quả benchmark.
• Kinh nghiệm huấn luyện mô hình.
• Các phương pháp tối ưu hóa phần cứng và phần mềm.

Theo báo cáo, các mô hình tiếp theo của Dark Side of the Moon đã áp dụng những biến thể của MoE và MLA được DeepSeek sử dụng hoặc kiểm chứng.

Ở chiều ngược lại, DeepSeek cũng áp dụng một số kỹ thuật huấn luyện được Dark Side of the Moon tối ưu hóa.

Điều này tạo ra một cơ chế “học hỏi lẫn nhau”.

Thay vì mỗi công ty phải tự xây dựng toàn bộ hệ thống từ đầu, một phát hiện kỹ thuật có thể nhanh chóng được cộng đồng nghiên cứu tiếp nhận, cải tiến và ứng dụng vào mô hình mới.

Đây có thể là một trong những lý do khiến tốc độ phát triển AI Trung Quốc nhanh hơn đáng kể trong những năm gần đây.

Nhân tài trở về Trung Quốc cũng tạo cú hích lớn

Bên cạnh đào tạo trong nước, Trung Quốc còn hưởng lợi từ dòng nhân lực quốc tế quay trở lại.

Nhiều nhà nghiên cứu Trung Quốc từng làm việc tại các trung tâm AI hàng đầu của Mỹ sau đó trở về nước và gia nhập các tập đoàn công nghệ hoặc startup.

Tencent từng tuyển dụng những sinh viên tốt nghiệp Đại học Thanh Hoa từng làm việc tại OpenAI. ByteDance cũng thu hút các nhà nghiên cứu Trung Quốc từng làm việc tại Google.

Dòng nhân lực này tạo ra một hiệu ứng đáng chú ý.

Các nhà nghiên cứu mang theo:

Kinh nghiệm → phương pháp nghiên cứu → kiến thức kỹ thuật → mạng lưới chuyên môn → văn hóa phát triển AI.

Khi kết hợp với hệ thống nghiên cứu trong nước, những kinh nghiệm này có thể giúp rút ngắn đáng kể thời gian thử nghiệm và phát triển sản phẩm.

Tang Jie, Yang Zhilin và Liang Wenfeng trở thành những mắt xích đáng chú ý

Báo cáo nhấn mạnh vai trò của một nhóm các nhà nghiên cứu và doanh nhân AI tiêu biểu.

Tang Jie đại diện cho thế hệ nhân tài được đào tạo sâu trong hệ thống đại học Trung Quốc và sau đó chuyển hóa nghiên cứu thành doanh nghiệp AI.

Yang Zhilin là ví dụ về dòng nhân tài kết nối giữa Trung Quốc và Mỹ. Sau quá trình nghiên cứu tại Carnegie Mellon, ông trở về Trung Quốc và thành lập Dark Side of the Moon.

Trong khi đó, Liang Wenfeng, nhà sáng lập DeepSeek, đại diện cho một hướng tiếp cận khác: tập trung mạnh vào hiệu quả tính toán và nghiên cứu kỹ thuật.

Ba trường hợp này cho thấy hệ sinh thái AI Trung Quốc không phát triển theo một mô hình duy nhất.

Nó được thúc đẩy đồng thời bởi đại học, startup, nhân tài quốc tế, mã nguồn mở và tối ưu thuật toán.

Khoảng cách với Mỹ có thực sự chỉ còn vài tháng?

Đây là câu hỏi khó có câu trả lời tuyệt đối.

Một số chuyên gia trong ngành cho rằng khoảng cách giữa các mô hình AI hàng đầu Trung Quốc và Mỹ đã thu hẹp xuống chỉ còn vài tháng trong một số tiêu chí.

Tháng 6, Elon Musk từng dự đoán Trung Quốc sẽ chưa bắt kịp những mô hình hàng đầu của Anthropic cho đến quý I/2027. Tang Jie phản hồi rằng quá trình này có thể không mất nhiều thời gian đến vậy.

Tuy nhiên, “bắt kịp” AI không chỉ được đo bằng điểm benchmark.

Một mô hình AI có thể rất mạnh về suy luận nhưng vẫn gặp hạn chế về hạ tầng, chip, khả năng mở rộng, hệ sinh thái sản phẩm hoặc khả năng triển khai thương mại.

Vì vậy, khoảng cách giữa Mỹ và Trung Quốc có thể rất nhỏ ở một số lĩnh vực nhưng vẫn lớn ở những lĩnh vực khác.

Chip vẫn là điểm nghẽn lớn nhất của AI Trung Quốc

Dù có nhiều lợi thế về nhân tài và thuật toán, Trung Quốc vẫn phải đối mặt với một vấn đề rất lớn: sức mạnh tính toán.

Liang Wenfeng từng nhận định rằng chip, chứ không phải nhân tài, mới là khoảng cách quan trọng nhất giữa các công ty AI Trung Quốc và Mỹ.

Các nhà nghiên cứu tại những phòng thí nghiệm hàng đầu như Alibaba và Zhipu cho biết họ thường chỉ sở hữu số lượng chip cao cấp bằng khoảng một phần năm so với những đối thủ như OpenAI và Google.

Điều này có nghĩa rằng lợi thế về thuật toán và hiệu quả tính toán có thể giúp Trung Quốc rút ngắn khoảng cách, nhưng chưa thể hoàn toàn giải quyết bài toán hạ tầng.

Trong cuộc đua AI thế hệ tiếp theo, GPU, bộ nhớ, mạng kết nối tốc độ cao và trung tâm dữ liệu sẽ tiếp tục là những yếu tố chiến lược.

AI Trung Quốc có thể tiếp tục tăng tốc?

Câu trả lời nhiều khả năng là có, nhưng tốc độ sẽ phụ thuộc vào nhiều yếu tố.

Nếu Trung Quốc tiếp tục duy trì được nguồn cung nhân tài, thúc đẩy nghiên cứu đại học, hỗ trợ startup, mở rộng mã nguồn mở và nâng cao hiệu quả tính toán, các công ty AI nước này có khả năng tiếp tục thu hẹp khoảng cách với Mỹ.

Đặc biệt, mô hình phát triển dựa trên việc chia sẻ nghiên cứu và công nghệ có thể tạo ra tốc độ lan truyền nhanh hơn.

Tuy nhiên, hạn chế về chip tiên tiến vẫn là biến số quan trọng.

Nếu khả năng tiếp cận phần cứng tiếp tục bị giới hạn, các công ty Trung Quốc sẽ phải tiếp tục đầu tư vào những hướng như mô hình nhỏ hơn, kiến trúc MoE, tối ưu bộ nhớ, thuật toán huấn luyện hiệu quả và phần cứng nội địa.

Cuộc đua AI đang chuyển từ “ai có mô hình lớn nhất” sang “ai hiệu quả hơn”

Điều đáng chú ý nhất từ câu chuyện AI Trung Quốc không chỉ nằm ở tốc độ thu hẹp khoảng cách với Mỹ.

Nó còn cho thấy bản chất của cuộc cạnh tranh AI đang thay đổi.

Ở giai đoạn đầu, lợi thế thuộc về những doanh nghiệp sở hữu lượng vốn khổng lồ, GPU khổng lồ và khả năng huấn luyện những mô hình ngày càng lớn.

Nhưng khi chi phí tính toán tăng lên, hiệu quả trở thành một lợi thế cạnh tranh quan trọng.

Một mô hình có thể đạt hiệu năng tương đương nhưng cần ít tài nguyên hơn sẽ có giá trị kinh tế rất lớn.

Đó cũng là lý do những công nghệ như MoE, MLA, mô hình nhỏ, kỹ thuật nén và tối ưu suy luận ngày càng quan trọng.

Trong bối cảnh đó, Trung Quốc đang sở hữu một hệ sinh thái đặc biệt: nguồn nhân lực khoa học máy tính lớn, các trường đại học mạnh, cộng đồng startup năng động và khả năng phổ biến nhanh các công nghệ mã nguồn mở.

Nếu những yếu tố này tiếp tục kết hợp với nhau, khoảng cách giữa AI Trung Quốc và Mỹ có thể tiếp tục thu hẹp trong những năm tới.

Cuộc đua AI vì thế sẽ không chỉ được quyết định bởi ai sở hữu nhiều chip hơn, mà còn bởi ai có thể biến mỗi con chip thành nhiều năng lực AI hơn.

Câu hỏi thường gặp về AI Trung Quốc

Vì sao AI Trung Quốc phát triển nhanh?

Có nhiều nguyên nhân kết hợp, trong đó nổi bật là hệ thống đào tạo nhân tài lâu dài, mạng lưới giữa đại học và doanh nghiệp, dòng nhân tài trở về từ nước ngoài, mã nguồn mở và khả năng tối ưu hiệu quả tính toán.

DeepSeek đóng vai trò gì trong cuộc đua AI?

DeepSeek cho thấy một công ty có thể tìm kiếm lợi thế bằng cách tối ưu kiến trúc mô hình và giảm nhu cầu tính toán. Các kỹ thuật như MLA và MoE góp phần tạo ra cách tiếp cận mới đối với việc phát triển mô hình AI hiệu quả.

Trung Quốc đã vượt Mỹ về AI chưa?

Chưa thể kết luận như vậy. Khoảng cách đã thu hẹp đáng kể ở một số lĩnh vực, nhưng Mỹ vẫn có lợi thế lớn về vốn, hạ tầng tính toán, chip tiên tiến và hệ sinh thái AI.

Chip có phải điểm yếu lớn nhất của AI Trung Quốc?

Theo nhận định được dẫn trong báo cáo, chip là một trong những khoảng cách quan trọng nhất. Khả năng tiếp cận GPU cao cấp có ảnh hưởng trực tiếp đến quy mô và tốc độ huấn luyện các mô hình AI lớn.

Mã nguồn mở có giúp Trung Quốc bắt kịp nhanh hơn?

Có thể. Mã nguồn mở giúp các nhóm nghiên cứu chia sẻ phương pháp, mô hình và kinh nghiệm, từ đó rút ngắn thời gian phát triển. Tuy nhiên, hiệu quả cuối cùng vẫn phụ thuộc vào dữ liệu, nhân tài, phần cứng và năng lực triển khai.