CEO Intel: AI Trung Quốc được ứng dụng rất nhanh, vốn có thể là nút thắt lớn nhất
Lip-Bu Tan, Giám đốc điều hành Intel, hôm 12/10 cho biết chi phí sử dụng các mô hình AI tiên tiến hàng đầu Trung Quốc tính theo token đang ở mức thấp và việc áp dụng diễn ra "rất nhanh".
CEO Intel đánh giá cao các mô hình AI Trung Quốc
Tại Hội nghị DBS Asia Future Forward được tổ chức ở Singapore hôm 12/10, ông Lip-Bu Tan nhận xét các mô hình AI Trung Quốc như DeepSeek, Kimi của Moonshot AI và GLM của Z.ai đã đạt hiệu năng đủ tốt để đáp ứng nhiều nhu cầu thực tế.
“Tôi là người rất tin tưởng vào mã nguồn mở. Đây là cách tốt nhất để nâng cao hiệu quả”, Giám đốc điều hành Intel nói, đồng thời cho rằng thị trường sẽ quyết định mô hình AI nào phù hợp nhất với từng mục đích sử dụng.
Sức cạnh tranh của các mô hình AI Trung Quốc nằm ở sự kết hợp giữa năng lực xử lý ngày càng tốt và chi phí sử dụng thấp. Khi doanh nghiệp đưa AI vào các hoạt động như lập trình, chăm sóc khách hàng, phân tích dữ liệu hay tự động hóa quy trình, chi phí vận hành có thể trở thành yếu tố quyết định việc triển khai ở quy mô lớn. Một mô hình AI có thể không đứng đầu mọi bài kiểm tra năng lực, nhưng vẫn đủ sức đảm nhiệm phần lớn công việc thường ngày với mức chi phí thấp hơn, qua đó mang lại hiệu quả kinh tế tốt hơn.
DeepSeek là ví dụ đáng chú ý. Bảng giá API (giao diện lập trình ứng dụng) chính thức của DeepSeek cho thấy chi phí được tính theo lượng dữ liệu đầu vào và đầu ra mà mô hình AI xử lý, đồng thời có mức giá khác nhau tùy thời điểm sử dụng và việc dữ liệu đầu vào đã được lưu trong bộ nhớ đệm hay chưa.
Theo bảng giá công bố, DeepSeek-V4.1-Flash có giá ngoài giờ cao điểm là 0,15 USD cho mỗi triệu token đầu vào chưa được lưu trong bộ nhớ đệm và 0,60 USD cho mỗi triệu token đầu ra.
Lợi thế của các mô hình AI trọng số mở từ Trung Quốc còn nằm ở khả năng cho phép nhà phát triển tải về trọng số, triển khai và tùy chỉnh trong những điều kiện nhất định. Cách tiếp cận này giúp doanh nghiệp chủ động hơn trong việc xây dựng ứng dụng, lựa chọn hạ tầng và kiểm soát chi phí, thay vì phụ thuộc hoàn toàn vào dịch vụ AI của một nhà cung cấp.
Một dấu hiệu cho thấy sức hút của hệ sinh thái này là các mô hình trọng số mở Trung Quốc đã bắt đầu được doanh nghiệp nước ngoài sử dụng. Tờ The Washington Post ngày 11/10 đưa tin Kimi K3 của Moonshot AI được một số công ty Mỹ, trong đó có DoorDash và Airbnb, sử dụng cho các tác vụ tự động hóa với chi phí thấp. Diễn biến này cho thấy nguồn gốc của mô hình AI không nhất thiết là yếu tố quyết định duy nhất, mà doanh nghiệp còn cân nhắc hiệu năng, giá thành và khả năng tích hợp vào quy trình hiện có.
Dù vậy, chi phí thấp không đồng nghĩa mô hình AI của Trung Quốc đều phù hợp với mọi ứng dụng. Doanh nghiệp vẫn phải đánh giá độ chính xác, độ ổn định, khả năng bảo vệ dữ liệu, yêu cầu tuân thủ và rủi ro khi sử dụng mô hình AI bên ngoài. Với những công việc có hậu quả lớn nếu AI đưa ra câu trả lời sai, giá thành chỉ là một trong nhiều tiêu chí lựa chọn.
Tại Hội nghị DBS Asia Future Forward, Lip-Bu Tan dự đoán điện toán lượng tử có thể được ứng dụng rộng rãi trong vòng 3 - 5 năm tới. Theo ông, phần mềm sẽ góp phần giúp sử dụng hiệu quả những cơ sở hạ tầng cần thiết cho công nghệ này.
Điện toán lượng tử là công nghệ máy tính sử dụng các nguyên lý của vật lý lượng tử - lĩnh vực nghiên cứu cách vật chất và năng lượng hoạt động ở cấp độ nguyên tử, electron và các hạt cực nhỏ - để giải quyết một số bài toán phức tạp mà máy tính thông thường khó xử lý hoặc mất rất nhiều thời gian.
Máy tính thông thường xử lý thông tin bằng các bit, mỗi bit có giá trị 0 hoặc 1. Trong khi đó, máy tính lượng tử sử dụng bit lượng tử (qubit), có thể tồn tại trong trạng thái kết hợp của 0 và 1 theo các quy luật lượng tử. Nhờ những đặc tính như chồng chập và giao thoa lượng tử, máy tính lượng tử có thể xử lý một số loại bài toán theo cách hoàn toàn khác máy tính truyền thống. Tuy nhiên, điều đó không đồng nghĩa máy tính lượng tử luôn nhanh hơn hoặc có thể thử mọi đáp án cùng lúc rồi lập tức tìm ra đáp án đúng. Lợi thế của công nghệ này chỉ xuất hiện với những bài toán phù hợp, sử dụng thuật toán được thiết kế riêng.
Nguồn vốn có thể trở thành nút thắt lớn nhất với cơn sốt AI
Lip-Bu Tan và Hock Tan (Giám đốc điều hành Broadcom) cảnh báo khả năng tiếp cận nguồn vốn có thể trở thành trở ngại lớn với sự bùng nổ AI, ngay cả khi nhu cầu về hạ tầng tính toán vẫn vượt xa nguồn cung.
Hock Tan cho rằng việc huy động vốn có thể trở thành rào cản lớn hơn cả tình trạng thiếu chip bán dẫn, chip nhớ hay điện năng. Ngành công nghệ đang chạy đua xây dựng cơ sở hạ tầng để vận hành các mô hình AI ngày càng tiên tiến.
“Tôi cho rằng nguồn vốn có thể là trở ngại lớn nhất”, Hock Tan phát biểu tại Hội nghị DBS Asia Future Forward.
Lip-Bu Tan cũng bày tỏ lo ngại về vấn đề tài chính. Ông đề cập đến chi phí vốn ngày càng tăng và câu hỏi liệu các doanh nghiệp đầu tư mạnh vào AI có thu được lợi nhuận tương xứng trong tương lai hay không.
“Nếu có thách thức nào xuất hiện trước mắt, đó sẽ là nguồn vốn và chi phí vốn. Về lâu dài, điều mà nhiều người muốn thấy là hiệu quả đầu tư”, Lip-Bu Tan nói.
Những nhận xét này cho thấy ngành AI đang đối mặt với một thách thức mới. Các doanh nghiệp đã đổ những khoản tiền khổng lồ vào trung tâm dữ liệu, chip tiên tiến và hạ tầng năng lượng, với kì vọng nhu cầu năng lực tính toán sẽ tăng mạnh.
Cảnh báo trên được đưa ra trong bối cảnh chi phí vay vốn gia tăng có thể khiến các hãng công nghệ khó huy động tiền hơn để đầu tư vào hạ tầng AI. Lợi suất trái phiếu tăng có thể làm chi phí xây dựng trung tâm dữ liệu và mua chip đắt đỏ hơn, gây sức ép lên hiệu quả kinh tế của những dự án có thể mất nhiều năm mới mang lại lợi nhuận.
Hock Tan cho biết ngành công nghệ liên tục gặp các điểm nghẽn về nguồn cung trong hai năm qua, nhưng ông kì vọng một số trở ngại sẽ giảm bớt khi năng lực sản xuất được mở rộng.
“Trong hai năm qua, chúng ta liên tục gặp những nút thắt mới, nhưng rồi đều tìm cách vượt qua. Tình trạng thiếu chip nhớ hiện nay có thể sẽ không còn như vậy sau một năm nữa”, Giám đốc điều hành Broadcom nói.
Ông dự đoán tình trạng thiếu hụt wafer silicon - vật liệu nền để sản xuất chip bán dẫn - có thể giảm bớt vào năm 2028 hoặc 2029. Nguồn cung điện cũng có thể được cải thiện khi các công trình hạ tầng mới đi vào hoạt động.
Wafer silicon là tấm vật liệu bán dẫn rất mỏng được dùng làm nền để chế tạo chip. Trong quá trình sản xuất, các mạch điện tử siêu nhỏ sẽ được khắc và tạo lớp trực tiếp lên bề mặt wafer silicon này. Sau đó, wafer silicon được cắt thành nhiều chip riêng lẻ để lắp vào các sản phẩm như chip nhớ, chip xử lý hay chip AI. Một wafer silicon có thể tạo ra hàng trăm hoặc hàng nghìn chip, tùy kích thước và độ phức tạp của từng loại.
Nhu cầu năng lực tính toán vẫn vượt xa nguồn cung
Dù lo ngại về nguồn vốn, lãnh đạo Intel và Broadcom vẫn lạc quan về nhu cầu hạ tầng tính toán phục vụ AI trong ngắn hạn.
“Nhu cầu về hạ tầng tính toán đang vượt quá khả năng cung ứng của chúng tôi”, Hock Tan nói. Ông cho rằng tình trạng mất cân đối này có thể kéo dài đến năm 2029, thậm chí sang 2030.
Lip-Bu Tan cũng nhận định ngành công nghiệp AI khó chứng kiến sự giảm tốc đáng kể trong 2 - 3 năm tới, nhờ ngày càng nhiều ứng dụng AI được triển khai và nhu cầu năng lực tính toán tiếp tục tăng.
Tuy nhiên, theo hai lãnh đạo, khả năng duy trì đà tăng trưởng sau vài năm tới sẽ phụ thuộc vào tốc độ doanh nghiệp ứng dụng AI và việc công nghệ này có mang lại lợi ích kinh tế rõ rệt hay không.
Hock Tan cảnh báo nhu cầu hạ tầng tính toán có thể chững lại nếu việc ứng dụng các mô hình AI tiên tiến không đạt kì vọng, hoặc năng lực của những sản phẩm này không còn cải thiện đáng kể.
Trong khi đó, Lip-Bu Tan nhấn mạnh doanh nghiệp ngày càng phải chứng minh được hiệu quả thực tế từ các khoản đầu tư AI, thông qua việc nâng cao năng suất, giảm chi phí và phát triển mô hình kinh doanh mới.