Tại sao các mô hình trọng số mở lại quan trọng vào lúc này

Các nhà lãnh đạo AI Hoa Kỳ như OpenAI, Google và Anthropic giữ các mô hình mạnh mẽ nhất của họ dưới dạng mã nguồn đóng. Người dùng truy cập chúng thông qua các API đám mây, cho phép các nhà cung cấp kiểm soát phần mềm, dữ liệu truyền qua đó và doanh thu từ mỗi truy vấn. Các startup Trung Quốc—DeepSeek, Qwen và Moonshot—lại làm điều ngược lại. Họ công bố các trọng số thô (raw weights), cho phép bất kỳ ai cũng có thể tải các tệp xuống, tinh chỉnh (fine-tune) và chạy suy luận (inference) trên phần cứng sở hữu cục bộ.

Đối với một quốc gia không thể nhập khẩu các GPU mới nhất, việc bàn giao mô hình thay vì năng lực tính toán (compute) giúp duy trì tính phù hợp. Một người dùng ở Senegal, một công ty quy mô vừa ở Brazil hay một trường đại học ở Ấn Độ có thể khởi chạy một máy chủ với bất kỳ phần cứng nào họ có thể kiếm được và chạy mô hình Trung Quốc mà không bao giờ phải chạm tới dịch vụ đám mây của Hoa Kỳ. Dữ liệu không bao giờ rời khỏi quyền tài phán của người dùng, một điểm bán hàng hấp dẫn đối với các chính phủ đang lo ngại về các quy tắc truy cập dữ liệu của Mỹ.

Góc độ ngoại giao

Bắc Kinh định nghĩa AI là “trí tuệ tập thể của nhân loại” để tự trình bày mình như một giải pháp thay thế mang tính hợp tác đối với cái mà họ gọi là “sự độc quyền loại trừ” của Hoa Kỳ. Lập luận này cho rằng phương Tây che giấu các mô hình có khả năng nhất của họ đằng sau các lập luận về an ninh quốc gia, trong khi Trung Quốc cung cấp một nguồn tài nguyên mở và được chia sẻ. Nếu có đủ các nhà phát triển trên toàn thế giới áp dụng các mô hình Trung Quốc, một hệ sinh thái song song có thể xuất hiện—một hệ sinh thái được xây dựng trên kiến trúc, chuỗi công cụ (toolchains) và kết quả nghiên cứu có nguồn gốc từ Trung Quốc.

Hệ sinh thái đó sẽ mang lại cho Bắc Kinh quyền lực mềm vượt xa các dự án thương mại hoặc cơ sở hạ tầng thông thường. Các quốc gia xây dựng ngăn xếp AI (AI stacks) của họ dựa trên các mô hình Trung Quốc có thể sẽ liên kết chặt chẽ hơn với các tiêu chuẩn của Trung Quốc về quản trị dữ liệu, an ninh mạng và địa chính trị.

Sự thật phũ phàng: năng lực tính toán vẫn là nút thắt cổ chai

Chiến lược trọng số mở không xóa bỏ khoảng cách về phần cứng. Việc huấn luyện một mô hình ngôn ngữ lớn là một khoản chi phí một lần. Ví dụ, V3 của DeepSeek đã được huấn luyện trên khoảng 2.000 GPU H800—một cụm máy chủ quy mô lớn nhưng có thể quản lý được đối với một phòng thí nghiệm được tài trợ tốt. Việc phục vụ mô hình—xử lý hàng tỷ yêu cầu suy luận mỗi ngày—đòi hỏi một đội ngũ GPU liên tục mở rộng.

Các công ty Hoa Kỳ đã lên kế hoạch triển khai vượt quá một triệu GPU. Những con số đó cho thấy quy mô cần thiết để giữ cho một mô hình phản hồi nhanh chóng cho hàng triệu người dùng trên toàn thế giới. Các công ty Trung Quốc không thể theo kịp quy mô đó vì các lệnh cấm xuất khẩu ngăn chặn dòng chảy của các GPU tiên tiến cũng đã hạn chế các nhà máy sản xuất (fabs) trong nước như SMIC, vốn vẫn đang tụt hậu so với các tiến trình sản xuất tiên tiến nhất.

Bằng cách công bố các trọng số mô hình, các công ty Trung Quốc chuyển gánh nặng tính toán sang người dùng. Người dùng cung cấp phần cứng, trả hóa đơn tiền điện và xử lý chi phí vận hành. Về lý thuyết, điều này giúp né tránh tình trạng thiếu chip trong nước; nhưng trên thực tế, nó biến các dịch vụ AI của Trung Quốc thành dạng “tải về” (as-a-download) thay vì “dịch vụ” (as-a-service). Sự đánh đổi là rõ ràng: mô hình vẫn có sẵn, nhưng hiệu suất và độ trễ phụ thuộc vào phần cứng của người dùng cuối, thường kém mạnh hơn nhiều so với các cụm đám mây đang vận hành ChatGPT của OpenAI hay Gemini của Google.

Những gì chiến lược này chưa giải quyết được

  • Các mối lo ngại về bảo mật – Việc phân phối mở giúp các tác nhân độc hại dễ dàng nhúng các chức năng ẩn hoặc tinh chỉnh mô hình trên dữ liệu thiên kiến. Nếu không có một cơ quan trung ương để thực thi các bản cập nhật bảo mật, các lỗ hổng có thể tồn tại dai dẳng.

Góc nhìn từ Ấn Độ

Ấn Độ đang đứng trước ngã rẽ, nơi cách tiếp cận trọng số mở của Trung Quốc mang lại cả cơ hội lẫn lời cảnh báo.

  • Quyền tự chủ chiến lược – Các nhà phát triển Ấn Độ có thể thử nghiệm các mô hình chất lượng cao mà không phải trả phí theo từng token cho các nhà cung cấp Hoa Kỳ, giúp giảm chi phí xây dựng chatbot tùy chỉnh, công cụ dịch thuật và các trợ lý chuyên biệt theo lĩnh vực.
  • Sự cấp thiết về phần cứng – Kinh nghiệm của Trung Quốc nhấn mạnh nhu cầu về một chuỗi cung ứng bán dẫn nội địa. Nếu không có năng lực sản xuất (fab) trong nước cho các GPU tiên tiến hoặc các bộ tăng tốc AI, Ấn Độ có thể trở nên phụ thuộc vào hàng nhập khẩu, vốn có thể bị hạn chế trong các tranh chấp địa chính trị trong tương lai.
  • Quản trị rủi ro – Các mô hình mở không phải là một "bữa trưa miễn phí". Các nhà hoạch định chính sách phải đánh giá nguồn gốc của dữ liệu huấn luyện và khả năng tồn tại các cửa sau (backdoors) ẩn. Một quy trình kiểm toán minh bạch và chuyên môn địa phương trong việc xác minh mô hình trở nên thiết yếu.

Lập luận phản bác: sự cởi mở có thể là một thế mạnh

Những người ủng hộ lập luận rằng sự cởi mở thúc đẩy đổi mới nhanh hơn bất kỳ nền tảng đóng nào của một công ty riêng lẻ. Việc cho phép bất kỳ ai cũng có thể sửa đổi mô hình sẽ giúp các ứng dụng chuyên biệt xuất hiện, điều mà các nhà cung cấp lớn sẽ không bao giờ ưu tiên. Một mô hình tính toán phân tán cũng có thể có khả năng phục hồi tốt hơn; một mạng lưới toàn cầu gồm các máy chủ độc lập có thể duy trì hoạt động của dịch vụ ngay cả khi trung tâm dữ liệu của một nhà cung cấp bị ngoại tuyến.

Nhược điểm là giới hạn hiệu suất vẫn gắn liền với phần cứng mà mỗi người dùng có thể chi trả. Các doanh nghiệp cần thời gian phản hồi dưới một giây ở quy mô lớn vẫn sẽ được hưởng lợi từ mô hình đám mây.

Những điều cần theo dõi tiếp theo

  • Sự thay đổi trong chính sách xuất khẩu – Bất kỳ sự nới lỏng hay thắt chặt nào đối với các biện pháp kiểm soát xuất khẩu chip của Hoa Kỳ sẽ ảnh hưởng trực tiếp đến khả năng huấn luyện các mô hình mới hơn của Trung Quốc và có thể buộc họ phải chuyển hướng trở lại các sản phẩm đóng hơn.

Bài học rút ra

Việc Trung Quốc thúc đẩy các mô hình AI trọng số mở là một giải pháp thực tế để khắc phục tình trạng thiếu hụt phần cứng do các lệnh cấm xuất khẩu gây ra. Động thái này thể hiện thiện chí ngoại giao và tạo ra một điểm khởi đầu chi phí thấp cho các nhà phát triển toàn cầu, nhưng nó không giải quyết được sự thiếu hụt năng lực tính toán cốt lõi. Đối với các quốc gia như Ấn Độ, chiến lược này vừa là một khuôn mẫu để xây dựng sự độc lập về AI, vừa là một bài học cảnh giác về việc phụ thuộc vào chuỗi cung ứng bán dẫn nước ngoài. Những tháng tới sẽ cho thấy liệu các mô hình trọng số mở sẽ trở thành một trụ cột lâu dài của hệ sinh thái AI hay chỉ là một giải pháp tạm thời cho đến khi khoảng cách về chip được thu hẹp.