Jensen Huang định nghĩa lại AGI như thế nào?

Trong podcast của mình phát sóng ngày 23.3, Lex Fridman nhắc lại rằng Jensen Huang từng nói mốc thời gian đạt AGI phụ thuộc rất nhiều vào cách định nghĩa. Nhà khoa học máy tính người Mỹ đồng ý và hỏi: “Nếu theo định nghĩa AGI của Jensen Huang là hệ thống AI về cơ bản có thể làm việc, thành lập, phát triển và điều hành một doanh nghiệp công nghệ thành công trị giá hơn 1 tỉ USD, thì khi nào AGI sẽ trở thành hiện thực?”

Giám đốc điều hành Nvidia trả lời: "Tôi nghĩ là ngay bây giờ. Tôi nghĩ chúng ta đã đạt được AGI rồi".

Jensen Huang giải thích thêm rằng theo định nghĩa này, AI không cần phải xây dựng một công ty bền vững trong nhiều năm, cũng không cần quản lý nhân sự, điều hành hội đồng quản trị hay duy trì hoạt động kinh doanh lâu dài. Thay vào đó, AI chỉ cần tạo ra một sản phẩm hoặc dịch vụ đạt giá trị 1 tỉ USD, dù chỉ trong thời gian ngắn, cũng có thể được xem là đạt ngưỡng AGI.

Ông hình dung AI có thể tạo ra một ứng dụng web đơn giản, trở nên phổ biến toàn cầu và thu phí nhỏ (chẳng hạn 50 cent mỗi lần sử dụng) từ hàng tỉ người dùng. Trong trường hợp đó, chỉ trong thời gian ngắn, AI có thể giúp một sản phẩm đạt doanh thu hàng tỉ USD.

Tỷ phú 63 tuổi người Mỹ gốc Đài Loan cũng nhắc đến thời kỳ bong bóng dot-com cuối thập niên 1990 như một ví dụ lịch sử. Theo Jensen Huang, nhiều website thành công trong giai đoạn đó không phức tạp hơn những gì các tác tử AI hiện nay tạo ra. Điều này khiến ông tin rằng AI hoàn toàn có thể tạo ra những sản phẩm thành công tương tự trong thời đại hiện nay.

Tuy nhiên, Jensen Huang khẳng định rằng khả năng để 100.000 tác tử AI có thể xây dựng một công ty lớn và bền vững như Nvidia gần như bằng không.

Phát biểu của Jensen Huang phản ánh một thay đổi lớn trong cách ngành công nghiệp nhìn nhận AI. Thay vì chỉ tập trung vào trí tuệ, cuộc tranh luận đang chuyển sang việc AI có thể tạo ra giá trị và thay đổi nền kinh tế như thế nào.

Khi đến nhận Giải thưởng Nữ hoàng Elizabeth về Kỹ thuật tại Hội nghị Thượng đỉnh Tương lai AI của tờ Financial Times ở London (thủ đô Anh) vào tháng 11.2025, Jensen Huang cùng một số nhà khoa học máy tính hàng đầu cho rằng máy móc hiện đã có trí thông minh tương đương con người trong một số lĩnh vực.

“AI lần đầu tiên là dạng trí tuệ giúp con người làm việc tốt hơn, hỗ trợ lao động và thực hiện công việc. Chúng ta đã có đủ trí tuệ tổng quát để chuyển công nghệ này thành vô số ứng dụng hữu ích cho xã hội trong những năm tới. Thực tế thì chúng ta đang làm điều đó ngay hôm nay”, Jensen Huang nói.

AGI truyền thống: Trí tuệ ngang con người

Trong phần lớn lịch sử AI, AGI được định nghĩa khá rõ ràng. Đây là hệ thống có khả năng suy luận, học hỏi và giải quyết vấn đề tương đương con người trong nhiều lĩnh vực khác nhau, thay vì chỉ giỏi một nhiệm vụ cụ thể. Khái niệm này bao gồm khả năng lập kế hoạch dài hạn, hiểu ngữ cảnh, học từ kinh nghiệm và thích nghi với môi trường mới.

Theo cách hiểu phổ biến, AGI phải có khả năng làm được nhiều công việc trí tuệ như nghiên cứu khoa học, lập trình, sáng tạo nghệ thuật hay ra quyết định chiến lược. Nói cách khác, AGI truyền thống hướng đến trí tuệ tổng quát, không bị giới hạn vào một lĩnh vực cụ thể.

Chính vì vậy, nhiều chuyên gia vẫn cho rằng hiện chúng ta chưa đạt tới AGI. Các mô hình AI như GPT, Gemini hay Claude có thể rất mạnh trong xử lý ngôn ngữ hay lập trình, nhưng vẫn gặp khó khăn khi phải suy luận dài hạn, hiểu thế giới vật lý hoặc tự đặt mục tiêu.

Trong bối cảnh đó, phát biểu của Jensen Huang rằng “AGI đã xuất hiện” khiến nhiều người bất ngờ, đặc biệt khi Nvidia là công ty giữ vai trò trung tâm trong làn sóng AI hiện nay.

Vera Rubin giúp mở rộng trí tuệ của AI

Một yếu tố quan trọng khiến Jensen Huang tin rằng AGI đang đến gần là Vera Rubin. Đây là nền tảng siêu máy tính AI thế hệ mới của Nvidia nhằm phục vụ các hệ thống AI cực lớn như tác tử AI, mô hình suy luận nhiều bước và AGI trong tương lai.

Theo Nvidia, Vera Rubin được cấu thành từ 1,3 triệu linh kiện, sẽ mang lại hiệu năng trên mỗi watt cao hơn gấp 10 lần so với hệ thống trước đó là Grace Blackwell. Đó là bước tiến quan trọng trong bối cảnh mức tiêu thụ năng lượng là một trong những vấn đề then chốt với quá trình xây dựng hạ tầng AI.

Nvidia cho biết Vera Rubin là một mạng lưới phức tạp gồm các linh kiện được cung cấp từ khắp nơi trên thế giới. Các chip lõi gồm 72 GPU (bộ xử lý đồ họa) Rubin và 36 CPU (bộ xử lý trung tâm) Vera, chủ yếu do TSMC sản xuất. TSMC (Đài Loan) là hãng sản xuất chip theo hợp đồng số 1 thế giới. Các linh kiện khác, từ hệ thống làm mát bằng chất lỏng đến nguồn điện và khay tính toán, đến từ hơn 80 nhà cung cấp tại ít nhất 20 quốc gia, gồm cả Trung Quốc, Việt Nam, Thái Lan, Mexico, Israel và Mỹ.

Theo Nvidia, GPU Rubin có thể mang lại hiệu năng suy luận cao hơn nhiều lần so với Blackwell, đồng thời giảm đáng kể chi phí vận hành AI quy mô lớn. Mỗi GPU Rubin được trang bị 288 GB bộ nhớ HBM4 và hiệu suất suy luận khoảng 50 PFLOPS, giúp xử lý các mô hình AI phức tạp hơn, gồm cả các hệ thống suy luận nhiều bước và tác tử AI.

Nvidia tuyên bố nền tảng Vera Rubin có thể giảm chi phí suy luận AI tới 10 lần so với thế hệ Grace Blackwell. Ngoài ra, Vera Rubin còn giúp huấn luyện các mô hình Mixture-of-Experts (MoE) với số lượng GPU ít hơn khoảng 4 lần. Mô hình MoE là một kiến trúc AI trong đó nhiều “chuyên gia” khác nhau cùng tồn tại, nhưng chỉ một số “chuyên gia” được kích hoạt mỗi lần xử lý, mang đến hiệu năng cao hơn nhưng vẫn tiết kiệm tài nguyên tính toán.

Theo Nvidia, bước tiến này đặc biệt quan trọng trong bối cảnh các mô hình AI ngày càng lớn và các tác tử AI yêu cầu khả năng suy luận nhiều bước, khiến chi phí tính toán trở thành yếu tố then chốt.

Nhờ đó, Vera Rubin được kỳ vọng giúp các tác tử AI hoạt động ở quy mô lớn với chi phí hợp lý hơn. Điều này mở đường cho việc triển khai AI tự động trong nhiều lĩnh vực như doanh nghiệp, nghiên cứu, robot và dịch vụ số - yếu tố mà Jensen Huang cho rằng đang đưa ngành công nghiệp tiến gần hơn tới AGI mang giá trị thương mại thực tế.

Vera Rubin được sản xuất tại Mỹ và những nơi khác, gồm cả Đài Loan và một nhà máy mới của Foxconn ở Mexico, nặng gần 2 tấn và chứa khoảng 1.300 vi mạch, so với 864 vi mạch trong Grace Blackwell.

Meta đã thông báo kế hoạch sử dụng Vera Rubin trong các trung tâm dữ liệu của mình vào năm 2027. Danh sách khách hàng khác của Nvidia dự kiến gồm OpenAI, Anthropic, Amazon, Google và Microsoft.

Tác tử AI trở thành lao động kỹ thuật số?

Yếu tố khác khiến Jensen Huang tin rằng chúng ta đang tiến gần AGI là sự bùng nổ của các tác tử AI. Khác với chatbot truyền thống chỉ trả lời câu hỏi, tác tử AI có thể tự động thực hiện nhiều nhiệm vụ, chẳng hạn viết mã, phân tích dữ liệu, vận hành phần mềm hoặc phối hợp với các hệ thống khác.

Theo Jensen Huang, điều này biến AI từ công cụ hỗ trợ thành một dạng “lao động kỹ thuật số”. Thay vì chỉ giúp con người làm việc nhanh hơn, các tác tử AI có thể trực tiếp tạo ra giá trị kinh tế, ví dụ xây dựng ứng dụng, tự động hóa doanh nghiệp hoặc vận hành dịch vụ trực tuyến.

Trong podcast của Lex Fridman, Giám đốc điều hành Nvidia nói ông hình dung trong tương lai, mỗi nhân viên có thể làm việc cùng hàng chục hoặc hàng trăm tác tử AI. Các tác tử AI này hoạt động liên tục 24/7, tương tự robot trong nhà máy, nhưng xử lý công việc trí tuệ thay vì lao động tay chân.

Khi kết hợp với sức mạnh tính toán của nền tảng Vera Rubin, Jensen Huang cho rằng AI đang bước sang giai đoạn mới, nơi các hệ thống AI có thể trở thành những tác nhân kinh tế độc lập.

AGI: Từ nghiên cứu sang kinh tế

Phát biểu của Jensen Huang phản ánh sự thay đổi lớn trong ngành AI. Trước đây, AGI chủ yếu là mục tiêu nghiên cứu, song hiện nay, nó đang trở thành câu chuyện kinh tế.

Các hãng công nghệ đang đầu tư hàng trăm tỉ USD vào trung tâm dữ liệu AI. Nvidia là bên hưởng lợi lớn nhất từ xu hướng này do cung cấp GPU số lượng lớn cho các gã khổng lồ công nghệ và công ty khởi nghiệp AI hàng đầu.

Jensen Huang tin rằng nếu các tác tử AI thực sự trở thành lực lượng lao động số và được sử dụng rộng rãi trong doanh nghiệp, nhu cầu về tính toán sẽ bùng nổ. Ông cho rằng sự tăng trưởng này cùng khả năng tạo ra giá trị kinh tế lớn là một dấu hiệu cho thấy AI đang tiến gần đến một dạng AGI theo cách hiểu thực dụng.

Tuy nhiên, tranh luận vẫn còn tiếp diễn. Nhiều chuyên gia cho rằng AI hiện nay vẫn thiếu khả năng suy luận dài hạn và hiểu thế giới thực. Do đó, AGI theo nghĩa truyền thống có thể vẫn còn nhiều năm nữa mới xuất hiện.

Elon Musk, Sam Altman, Dario Amodei và các CEO khác định nghĩa AGI như thế nào?

Trong podcast Moonshots được phát sóng đầu năm 2026, Elon Musk (Giám đốc điều hành SpaceX và Tesla) cho rằng AGI có thể xuất hiện ngay trong 2026, và đến năm 2030, trí tuệ của AI sẽ vượt toàn bộ trí tuệ con người cộng lại. Định nghĩa của tỷ phú giàu nhất thế giới về AGI là AI đạt đến mức năng lực rộng và linh hoạt như con người, thậm chí có thể vượt xa năng lực đó. Ông thừa nhận rằng việc định nghĩa AGI chính xác là khó và con người có thể liên tục thay đổi tiêu chuẩn.

Đầu năm nay, Sam Altman (Giám đốc điều hành OpenAI) thông báo: “Về cơ bản, chúng tôi đã xây dựng được AGI, hoặc rất gần với nó”. Tuy nhiên, ông giải thích rằng đây không phải là AGI hoàn chỉnh, mà là tập hợp nhiều đột phá nhỏ chứ không phải một bước nhảy lớn. Theo Sam Altman, điều này có nghĩa AGI không phải một khoảnh khắc mà là quá trình tiến hóa dần dần.

Trước đây, OpenAI định nghĩa AGI là "một hệ thống tự động cao có thể hoạt động tốt hơn con người trong hầu hết các công việc có giá trị kinh tế".

Hồi tháng 5.2025, Demis Hassabis (Giám đốc điều hành Google DeepMind - đơn vị phát triển mô hình Gemini) dự đoán AGI có thể xuất hiện trong khoảng 5 - 10 năm tới, với thời điểm sớm nhất nằm gần cuối thập kỷ này.

Demis Hassabis thường định nghĩa AGI theo cách rất gần với cách giới nghiên cứu AI hiểu thuật ngữ này, tức là hệ thống máy tính có khả năng học, suy luận và giải quyết vấn đề ở mức độ tổng quát tương đương con người, không chỉ ở nhiệm vụ đơn lẻ hay chuyên biệt. Theo ông, AGI phải có khả năng học liên tục, suy nghĩ lâu dài và duy trì sự nhất quán trong nhiều nhiệm vụ khác nhau, không gặp phải “gián đoạn” hay mắc lỗi ngớ ngẩn khi chuyển từ nhiệm vụ này sang nhiệm vụ khác.

Mustafa Suleyman (Giám đốc điều hành Microsoft AI) định nghĩa AGI là "một hệ thống học tập có mục đích chung có thể hoạt động tốt trong mọi môi trường đào tạo ở cấp độ con người, gồm cả lao động chân tay". Cuối năm 2024, ông dự đoán AGI sẽ không xuất hiện sớm với phần cứng hiện tại. Theo ông, các hệ thống hiện nay còn cần nhiều thời gian để đạt mốc AGI thực sự.

Dario Amodei (Giám đốc điều hành Anthropic) tin rằng AI có thể sánh ngang với những lập trình viên giỏi nhất vào cuối năm 2026. Theo ông, hệ thống AI rất mạnh, tiệm cận AGI, có thể xuất hiện vào năm 2026-2027.

Song không như nhiều lãnh đạo AI khác, Dario Amodei thường phản đối dùng thuật ngữ AGI theo nghĩa thông dụng. Trong cuộc phỏng vấn trên kênh CNBC đầu năm 2025, Giám đốc điều hành Anthropic cho rằng AGI là một thuật ngữ tiếp thị hơn là định nghĩa rõ ràng về năng lực AI.

Sơn Vân