AI chuyên dụng giá rẻ đe dọa sự thống trị của OpenAI và Anthropic?

Trong nhiều năm qua, chúng ta nghe thấy những tuyên bố các mô hình AI chuyên biệt cho từng lĩnh vực như y tế, luật hay tài chính có thể đạt hiệu suất ngang ngửa sản phẩm hàng đầu của OpenAI và Anthropic. Ý tưởng khá đơn giản: Thay vì dùng AI đa năng đắt đỏ, doanh nghiệp lấy mô hình AI rẻ hơn rồi tinh chỉnh bằng dữ liệu chuyên môn để biến nó thành chuyên gia trong lĩnh vực cụ thể.

Tuy nhiên, phần lớn các thử nghiệm trước đây chưa thực sự tạo ra bước đột phá. Nhiều AI chuyên biệt chỉ hơn các phiên bản đời cũ, nhưng nhanh chóng bị mô hình thế hệ mới của OpenAI hay Anthropic vượt qua. Gần đây, tình hình bắt đầu thay đổi.

AI giá rẻ bắt đầu thu hẹp khoảng cách với OpenAI và Anthropic

Đầu năm nay, Harvey AI (công ty AI pháp lí) hợp tác với Fireworks AI (startup hạ tầng AI) để xây dựng một trợ lí luật dựa trên mô hình mã nguồn mở Kimi 2.6 của Trung Quốc. Nhóm nghiên cứu cho mô hình này làm các bài kiểm tra pháp lí, giữ lại những câu trả lời tốt nhất rồi dùng chúng để huấn luyện lại AI. Kết quả là hiệu suất tăng gần 40%, đạt trình độ tương đương các mô hình AI tiên tiến nhưng chi phí chỉ bằng khoảng 1/11.

Dù vậy, lợi thế này không kéo dài lâu. Chỉ ít ngày sau, Anthropic tung ra phiên bản Claude Opus mới với thành tích tốt hơn trên cùng bộ bài kiểm tra. Điều đó cho thấy các mô hình AI hàng đầu vẫn liên tục tiến bộ và rất khó bị vượt mặt lâu dài.

Thế nhưng, một thử nghiệm khác của Bridgewater Associates lại gây chú ý hơn nhiều.

Bridgewater Associates chứng minh AI chuyên dụng có thể vượt mô hình hàng đầu

Tháng trước, Bridgewater Associates hợp tác với Thinking Machines Lab - startup AI do Mira Murati (cựu giám đốc công nghệ OpenAI) sáng lập - để xây dựng một mô hình AI mô phỏng cách các chuyên gia đầu tư của công ty đưa ra quyết định. Thay vì chỉ học kiến thức tài chính chung, AI được huấn luyện bằng chính dữ liệu nội bộ, quy trình làm việc và kinh nghiệm tích lũy của các chuyên gia Bridgewater Associates.

Ban đầu, các chuyên gia chỉ viết những bộ hướng dẫn thật chi tiết cho AI. Cách này giúp cải thiện kết quả nhưng độ chính xác vẫn dưới 80%. Sau đó, Bridgewater Associates chuyển sang một phương pháp khác: Để AI học trực tiếp từ các công việc thực tế hằng ngày của đội ngũ đầu tư, đồng thời cung cấp những câu trả lời mẫu phản ánh chính xác cách các chuyên gia của công ty phân tích vấn đề.

Kết quả khá bất ngờ. Mô hình tinh chỉnh đạt độ chính xác khoảng 85%, cao hơn các AI tiên tiến nhất mà nhóm nghiên cứu thử nghiệm. Quan trọng hơn, chi phí vận hành mô hình AI chuyên biệt chỉ bằng khoảng 1/14. Theo báo cáo của Thinking Machines Lab, mô hình AI này giảm gần 30% số lỗi so với những hệ thống tiên tiến nhất được đưa vào thử nghiệm.

Điểm khác biệt nằm ở dữ liệu. Các mô hình AI của OpenAI hay Anthropic có thể tiếp tục thông minh hơn nhờ được huấn luyện trên nhiều dữ liệu công khai hơn. Thế nhưng, chúng không thể dễ dàng tiếp cận kiến thức nội bộ, quy trình riêng và kinh nghiệm tích lũy của từng doanh nghiệp. Chính yếu tố đó tạo ra lợi thế cho các mô hình AI được tinh chỉnh riêng.

Xu hướng này cũng đang được thúc đẩy bởi sự nổi lên của các mô hình AI mã nguồn mở hoặc trọng số mở từ Trung Quốc như Kimi và Qwen của Alibaba. Những mô hình AI này có chi phí thấp hơn đáng kể nhưng vẫn sở hữu năng lực rất mạnh, tạo nền tảng để doanh nghiệp tự xây dựng AI riêng thay vì phụ thuộc hoàn toàn vào OpenAI hay Anthropic.

Điều đó đặt ra một câu hỏi lớn cho ngành AI. Nếu các công ty có thể tự tạo ra những mô hình AI phù hợp với nhu cầu riêng, hiệu quả hơn và rẻ hơn nhiều lần, liệu OpenAI và Anthropic có còn duy trì được vị thế thống trị hiện nay hay không?

Mối đe dọa mới với OpenAI, Anthropic

Một vấn đề khác là yếu tố con người. Để xây dựng các mô hình AI thực sự vượt trội, doanh nghiệp cần đưa vào những kinh nghiệm, quy trình và cách ra quyết định mà nhân viên tích lũy trong nhiều năm làm việc. Điều đó đặt ra câu hỏi liệu người lao động có sẵn sàng chia sẻ toàn bộ bí quyết nghề nghiệp của mình để huấn luyện AI hay không, trước mối lo công nghệ này có thể một ngày nào đó thay thế chính mình. Ngược lại, nhiều người cũng có thể xem đây là cơ hội để tạo ra những công cụ AI hữu ích hơn, phù hợp với nhu cầu công việc thực tế hơn so với các chatbot đa năng hiện nay.

Câu chuyện của Bridgewater Associates cho thấy một xu hướng mới đang hình thành: Tương lai của AI trong doanh nghiệp có thể không nằm ở việc mọi người cùng sử dụng một mô hình quy mô lớn của OpenAI hay Anthropic, mà là hàng nghìn mô hình chuyên biệt được xây dựng riêng cho từng công ty, từng ngành nghề và từng quy trình kinh doanh khác nhau.

Satya Nadella, Giám đốc điều hành Microsoft, cho rằng điều nguy hiểm nhất là để toàn bộ doanh nghiệp trong mọi lĩnh vực phụ thuộc vào một số ít mô hình AI quy mô lớn. Khi đó, giá trị được tạo ra từ kiến thức, dữ liệu và kinh nghiệm của hàng nghìn công ty sẽ chảy về tay một vài nhà cung cấp AI. Theo ông, nếu lợi ích kinh tế chỉ tập trung vào một nhóm nhỏ công ty AI, còn các doanh nghiệp khác dần mất đi lợi thế cạnh tranh của mình, xã hội và các chính phủ sẽ khó chấp nhận hình thức phát triển đó.

Sarah O'Connor, đồng tác giả bản tin AI Shift của tờ FT, nhận định nếu các doanh nghiệp thực sự chuyển sang xây dựng những mô hình riêng dựa trên dữ liệu và kinh nghiệm nội bộ, đây có thể là mối đe dọa với OpenAI và Anthropic - hai công ty đang hưởng lợi lớn từ nhu cầu AI doanh nghiệp hiện nay.

Tuy nhiên, làn sóng AI chuyên biệt cũng kéo theo những câu hỏi mới. Một số dự án tiên phong hiện nay được xây dựng trên các mô hình nền tảng của Trung Quốc, chẳng hạn Bridgewater sử dụng Qwen3-235B của Alibaba. Điều này làm dấy lên lo ngại rằng doanh nghiệp có thể đối mặt với những rủi ro địa chính trị mới khi phụ thuộc vào công nghệ từ nước ngoài. Mặt khác, ngay cả các mô hình AI của Mỹ cũng không hoàn toàn miễn nhiễm trước các biến động chính trị và các biện pháp kiểm soát từ chính phủ.

Chẳng hạn, chính phủ Mỹ gần đây yêu cầu Anthropic hạn chế người nước ngoài truy cập hai mô hình AI tiên tiến Claude Mythos 5 và Fable 5 vì các lo ngại liên quan đến an ninh quốc gia.

Sơn Vân