"Muốn làm chủ AI, Việt Nam phải coi dữ liệu và năng lực tính toán là hạ tầng quốc gia"

Tại Hội nghị toàn quốc sơ kết triển khai thực hiện Nghị quyết 57-NQ/TW về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số, Tập đoàn Vingroup đã đề xuất 6 nhóm đột phá chiến lược. Trọng tâm của các đề xuất này là đưa Trí tuệ nhân tạo (AI) và Dữ liệu lớn (Big Data) trở thành hạ tầng cốt lõi của nền kinh tế số.

Chung quanh đề xuất xây dựng hạ tầng dữ liệu AI quốc gia cùng những vấn đề đặt ra đối với hệ sinh thái AI Việt Nam, Giáo sư Dương Nguyên Vũ, Phó Hiệu trưởng, Giám đốc Khoa học Trung tâm Nghiên cứu Trí tuệ nhân tạo (CAIR), Trường đại học VinUni chia sẻ với phóng viên Báo Nhân Dân về những điều kiện để Việt Nam xây dựng năng lực AI tự chủ, những điểm nghẽn cần tháo gỡ và các lợi thế có thể tạo nên vị thế riêng của Việt Nam trên bản đồ AI toàn cầu.

Dữ liệu - nền móng cho năng lực AI tự chủ

Phóng viên: Vingroup vừa đề xuất xây dựng hạ tầng dữ liệu AI quốc gia. Theo ông, vì sao đây là một ưu tiên chiến lược ở thời điểm hiện nay?

Giáo sư Dương Nguyên Vũ: Nếu ví AI như một cỗ máy, thì dữ liệu chính là nhiên liệu. Không có nguồn dữ liệu đủ lớn, đủ sạch, được chuẩn hóa và có cơ chế chia sẻ an toàn, rất khó để phát triển các mô hình AI có năng lực cạnh tranh quốc tế.

Hiện nay, dữ liệu của Việt Nam vẫn nằm rải rác ở nhiều bộ, ngành, địa phương và doanh nghiệp. Mỗi nơi có cách thu thập, lưu trữ và quản trị khác nhau, khiến việc kết nối và khai thác còn rất hạn chế. Điều chúng ta thiếu không chỉ là dữ liệu, mà là một hạ tầng giúp dữ liệu có thể được sử dụng như một tài sản chiến lược của quốc gia.

Superlab – Viện Kỹ thuật và Khoa học Máy tính, Trường đại học VinUni.

Đề xuất xây dựng hạ tầng dữ liệu AI quốc gia của Vingroup xuất phát từ chính nhu cầu đó. Khi có một nền tảng dữ liệu được chuẩn hóa, bảo đảm quyền riêng tư và có cơ chế chia sẻ minh bạch, các viện nghiên cứu, trường đại học và doanh nghiệp sẽ có điều kiện phát triển những mô hình AI phục vụ các lĩnh vực trọng điểm như y tế, giáo dục, sản xuất hay quản trị công.

Đó cũng là điều kiện để Việt Nam hình thành năng lực AI nội sinh, thay vì chỉ sử dụng các công nghệ được phát triển ở nước ngoài.

Phóng viên: Theo ông, đâu là những điều kiện tiên quyết để xây dựng hạ tầng AI quốc gia? Việt Nam đã có những nền tảng nào và còn thiếu điều gì?

Giáo sư Dương Nguyên Vũ: Theo tôi, có 4 yếu tố cốt lõi.

Thứ nhất là một hành lang pháp lý rõ ràng cho việc chia sẻ, khai thác và bảo vệ dữ liệu.

Thứ hai là hệ thống tiêu chuẩn dữ liệu thống nhất để các nguồn dữ liệu khác nhau có thể kết nối với nhau.

Thứ ba là hạ tầng tính toán đủ mạnh để phục vụ nghiên cứu và phát triển AI ở quy mô lớn.

Và cuối cùng là cơ chế hợp tác hiệu quả giữa Nhà nước, doanh nghiệp và các trường đại học.

Ở góc độ này, Việt Nam đã có nhiều bước tiến rất đáng ghi nhận. Chúng ta đã ban hành Luật AI và cơ chế Sandbox AI khá sớm, thể hiện quyết tâm xây dựng khung thể chế cho công nghệ mới. Việt Nam cũng có lợi thế về lực lượng kỹ sư trẻ, tốc độ chuyển đổi số nhanh và một thị trường trong nước đủ lớn để thử nghiệm các giải pháp AI.

Tuy nhiên, vẫn còn một số điểm nghẽn cần được giải quyết. Trước hết là dữ liệu vẫn còn phân tán, trong khi cơ chế chia sẻ dữ liệu an toàn giữa khu vực công và khu vực tư chưa thực sự hoàn chỉnh.

Tiếp theo là năng lực tính toán. Chi phí GPU hiện vẫn rất cao, vượt quá khả năng đầu tư của phần lớn doanh nghiệp vừa và nhỏ cũng như các trường đại học. Ngay tại VinUni, nhiều nhóm nghiên cứu cũng phải liên tục tối ưu nguồn lực tính toán để có thể phát triển các mô hình AI quy mô lớn.

Bên cạnh đó, chúng ta cũng cần tiếp tục hoàn thiện các tiêu chuẩn dữ liệu, xây dựng các cơ chế "Data Trust" cho những lĩnh vực quan trọng, đồng thời phát triển đội ngũ chuyên gia AI chất lượng cao và có chính sách đủ hấp dẫn để thu hút nhân tài quốc tế.

Đầu tư hạ tầng AI: Không chỉ là câu chuyện về GPU

Phóng viên: AI thay đổi rất nhanh, trong khi đầu tư hạ tầng tính toán lại rất tốn kém. Theo ông, làm thế nào để đầu tư công không rơi vào tình trạng nhanh lạc hậu hoặc kém hiệu quả?

Giáo sư Dương Nguyên Vũ: Theo tôi, điều quan trọng không phải là Nhà nước sở hữu bao nhiêu GPU, mà là các nhà nghiên cứu và doanh nghiệp có thể tiếp cận năng lực tính toán với chi phí hợp lý hay không.

Vì vậy, mô hình phù hợp nên là kiến trúc đám mây lai (hybrid cloud). Nhà nước tập trung đầu tư vào những hạ tầng nền tảng như kết nối, tiêu chuẩn, bảo mật và điều phối; còn phần năng lực tính toán có thể kết hợp giữa đầu tư công với việc thuê hoặc mua dịch vụ từ khu vực tư nhân theo nhu cầu thực tế.

Phòng thí nghiệm Cơ khí – Viện Kỹ thuật và Khoa học Máy tính, Trường đại học VinUni.

Đối với các trường đại học và viện nghiên cứu, đây là yếu tố đặc biệt quan trọng. Họ cần quyền truy cập vào hạ tầng tính toán để thử nghiệm các mô hình AI mới, chứ không nhất thiết phải tự đầu tư toàn bộ hệ thống GPU.

Một kinh nghiệm quốc tế rất đáng tham khảo là Nhà nước trở thành "khách hàng đầu tiên" của các doanh nghiệp AI. Điều này giúp tạo thị trường ban đầu, tạo doanh thu để doanh nghiệp tiếp tục đầu tư và đồng thời bảo đảm hạ tầng được khai thác hiệu quả ngay từ đầu.

Quan trọng hơn, hiệu quả đầu tư cần được đo bằng giá trị sử dụng thay vì giá trị tài sản sở hữu. Giống như điện toán đám mây, mục tiêu không phải là sở hữu nhiều máy chủ nhất, mà là bảo đảm người dùng luôn có đủ năng lực tính toán khi cần.

Cuối cùng, cơ chế đầu tư và nghiệm thu các dự án AI cũng cần linh hoạt hơn để theo kịp tốc độ đổi mới rất nhanh của công nghệ này.

Phóng viên: Sandbox AI được kỳ vọng tạo không gian thử nghiệm chính sách. Theo ông, hiện nay những "vùng xám" pháp lý nào đang khiến doanh nghiệp còn e ngại?

Giáo sư Dương Nguyên Vũ: Có một số vấn đề mà doanh nghiệp AI hiện vẫn gặp nhiều lúng túng.

Ví dụ, một startup có thể đồng thời chịu sự điều chỉnh của sandbox công nghệ số và sandbox AI. Khi các quy định giao thoa, doanh nghiệp sẽ gặp khó trong việc xác định cơ quan quản lý, phạm vi áp dụng cũng như nghĩa vụ tuân thủ.

Một điểm khác là trách nhiệm tự phân loại mức độ rủi ro của hệ thống AI. Đây là yêu cầu cần thiết, nhưng với các doanh nghiệp nhỏ, việc tự đánh giá không hề đơn giản. Nếu đánh giá chưa chính xác, họ có thể đối mặt với rủi ro pháp lý, trong khi cơ chế hỗ trợ chuyên môn vẫn cần tiếp tục được hoàn thiện.

Yersin Lab - Phòng thí nghiệm Y sinh, Viện Khoa học sức khỏe, Trường đại học VinUni.

Ngoài ra, rất nhiều startup hiện tích hợp các API AI quốc tế như OpenAI, Claude hay Gemini. Khi các nền tảng này thay đổi tính năng, sản phẩm của doanh nghiệp cũng có thể phát sinh những rủi ro pháp lý mới mà bản thân doanh nghiệp khó kiểm soát hoàn toàn.

Một ví dụ khác là quy định về gắn nhãn nội dung do AI tạo ra. Ranh giới giữa việc chỉnh sửa bằng AI và việc tạo mới nội dung vẫn còn cần được hướng dẫn cụ thể hơn.

Theo tôi, để Sandbox AI thực sự phát huy hiệu quả, cần có 3 đột phá.

Thứ nhất là cơ chế "safe harbor", giúp doanh nghiệp tham gia sandbox được bảo vệ khỏi rủi ro bị xử phạt hồi tố khi thử nghiệm trong phạm vi được phê duyệt.

Thứ hai là cơ chế một cửa, tránh việc doanh nghiệp phải xin ý kiến của nhiều cơ quan quản lý cho cùng một sản phẩm.

Và cuối cùng là quy trình xét duyệt có thời hạn rõ ràng, đồng thời cho phép doanh nghiệp thử nghiệm ở quy mô thương mại nhỏ, bởi chỉ khi tiếp xúc với thị trường thực tế, những vấn đề của sản phẩm AI mới bộc lộ đầy đủ.

Giáo sư Dương Nguyên Vũ làm Tổng Giám khảo trong cuộc thi Asian Hackathon for Green.

Tìm vị thế riêng cho AI Việt Nam

Phóng viên: Nếu không thể cạnh tranh trực diện với những "ông lớn" như OpenAI hay Google, AI Việt Nam nên tìm lợi thế ở đâu?

Giáo sư Dương Nguyên Vũ: Theo tôi, Việt Nam không nên đi theo cuộc đua về quy mô với các tập đoàn công nghệ toàn cầu, mà nên tập trung vào những lợi thế mà chúng ta có tính khác biệt.

Đầu tiên là ngôn ngữ và văn hóa. Tiếng Việt có hơn 100 triệu người sử dụng nhưng vẫn chưa được các mô hình AI quốc tế hỗ trợ đủ tốt. Đây là khoảng trống mà các doanh nghiệp và viện nghiên cứu trong nước có thể tạo ra giá trị vượt trội.

Hệ sinh thái Vingroup hiện đã xây dựng bộ dữ liệu tiếng Việt với hơn 350 tỷ token, phát triển các mô hình ngôn ngữ lớn tới 420 tỷ tham số. Tại VinUni, chúng tôi cũng phát triển V-Bench - bộ tiêu chuẩn đánh giá AI dành cho tiếng Việt với hơn 40.000 câu hỏi và tác vụ. Điều đó cho thấy người Việt hoàn toàn có khả năng làm chủ công nghệ AI nền tảng.

Lợi thế thứ hai là khả năng giải quyết các bài toán của những nền kinh tế đang phát triển. Đông Nam Á, Nam Á hay châu Phi có rất nhiều vấn đề mà các mô hình được xây dựng cho thị trường phương Tây chưa tối ưu, từ y tế cộng đồng, nông nghiệp đến quản trị địa phương. Đây là không gian rất lớn để AI Việt Nam tạo dấu ấn.

Một hướng đi khác là tập trung vào những lĩnh vực công nghiệp nền tảng như sản xuất thông minh, nông nghiệp thông minh hay y tế cộng đồng. Đây có thể không phải là ưu tiên hàng đầu của các tập đoàn AI lớn, nhưng lại là nhu cầu thiết yếu của hàng tỷ người trên thế giới.

Bên cạnh đó, chiến lược phát triển các mô hình AI theo hướng mở (open-weight) cũng sẽ giúp hình thành hệ sinh thái đổi mới sáng tạo rộng lớn hơn, thay vì chỉ cạnh tranh bằng mô hình độc quyền.

Cuối cùng, tôi cho rằng cộng đồng kỹ sư và nhà khoa học người Việt trên toàn cầu là một lợi thế rất đặc biệt. Đây không chỉ là nguồn tri thức, mà còn là cầu nối tự nhiên để chuyển giao công nghệ, hợp tác nghiên cứu và đưa các sản phẩm AI của Việt Nam ra thị trường quốc tế.

Nếu tận dụng được đồng thời dữ liệu, nhân lực, hạ tầng và hệ sinh thái đổi mới sáng tạo, Việt Nam hoàn toàn có cơ hội trở thành một trung tâm AI có vị trí riêng trên bản đồ công nghệ thế giới, thay vì chỉ là người đi sau trong cuộc đua toàn cầu.

Phóng viên: Xin cảm ơn Giáo sư Dương Nguyên Vũ!