Khôi Nguyên
Writer
Tương lai của Trí tuệ Nhân tạo (AI) sẽ đi về đâu? Liệu chúng ta sẽ chứng kiến sự thống trị của một vài siêu mô hình ngôn ngữ lớn (LLM) toàn năng, có khả năng giải quyết mọi vấn đề như các phiên bản tiếp theo của ChatGPT hay Gemini? Hay AI sẽ phân mảnh thành hàng triệu "tác tử" (agent) chuyên biệt, mỗi con được tối ưu cho một nhiệm vụ cụ thể, hoạt động hiệu quả với chi phí thấp? Theo các nhà phân tích và diễn biến thị trường gần đây (như Financial Times ghi nhận), câu trả lời có lẽ là cả hai xu hướng này đang phát triển song song và có thể sẽ cùng tồn tại, đáp ứng những nhu cầu khác nhau.
Con đường "AI toàn năng": Tiện lợi nhưng đắt đỏ
Xu hướng thứ nhất được dẫn dắt bởi các phòng thí nghiệm AI hàng đầu như OpenAI, Google và Anthropic. Họ đang không ngừng xây dựng các mô hình ngày càng lớn hơn, mạnh mẽ hơn, với tham vọng tạo ra một AI tổng quát có thể hiểu và xử lý mọi yêu cầu của con người. Ví dụ mới nhất là việc OpenAI tích hợp tính năng mua sắm trực tuyến vào ChatGPT, cho phép AI tự nghiên cứu sản phẩm và đề xuất mua hàng chỉ từ một yêu cầu duy nhất, tiềm năng thay đổi cả ngành thương mại điện tử.
Ưu điểm của hướng đi này là sự tiện lợi tối đa cho người dùng cuối – chỉ cần một giao diện duy nhất cho mọi nhu cầu. Tuy nhiên, chi phí phát triển và vận hành các siêu mô hình này là cực kỳ tốn kém, đòi hỏi hạ tầng điện toán khổng lồ, khiến nó trở thành cuộc chơi gần như độc quyền của các đại gia công nghệ.
Làn sóng tác tử AI chuyên biệt: Linh hoạt, chi phí thấp
Song song đó, một xu hướng khác đang âm thầm nhưng mạnh mẽ trỗi dậy: phát triển các tác tử AI chuyên biệt. Đây là những hệ thống AI nhỏ hơn, được thiết kế và tối ưu hóa để thực hiện hiệu quả một hoặc một vài nhiệm vụ cụ thể như đặt lịch họp, tóm tắt email, dịch thuật chuyên ngành, phân tích tài liệu pháp lý, hay hỗ trợ bán hàng theo ngữ cảnh... Chúng có khả năng tự động lên kế hoạch và thực hiện hành động để đạt mục tiêu.
Sự trỗi dậy này được thúc đẩy mạnh mẽ bởi sự phổ biến của các mô hình AI mã nguồn mở (hoặc "mở có giới hạn") chất lượng cao như Llama của Meta. Dù không công khai hoàn toàn dữ liệu huấn luyện, việc Meta cho phép cộng đồng truy cập, tinh chỉnh trọng số mô hình đã tạo điều kiện cho hàng nghìn nhà phát triển và doanh nghiệp tự xây dựng các tác tử AI chuyên biệt, phù hợp với nhu cầu riêng. Các mô hình Llama đã ghi nhận hơn 1,2 tỷ lượt tải về, chủ yếu cho mục đích tùy chỉnh này.
Chiến lược tối ưu hóa AI hiện nay cũng chuyển trọng tâm từ giai đoạn tiền huấn luyện (pre-training) tốn kém sang các kỹ thuật hậu kỳ như học tăng cường (reinforcement learning) dùng dữ liệu nội bộ (theo CEO Databricks Ali Ghodsi, điều này dễ thực hiện hơn với mô hình mở) hoặc kết hợp các kỹ thuật từ nhiều mô hình khác nhau (như áp dụng cách lý luận của DeepSeek R1 lên Llama).
Nguy cơ "hàng hóa hóa" và tương lai song hành
Sự phát triển của các tác tử chuyên biệt hiệu quả, giá rẻ (có thể chạy trên phần cứng phổ thông) tạo ra áp lực cạnh tranh lớn lên các mô hình độc quyền, đắt đỏ. Nguy cơ "hàng hóa hóa" AI (AI commoditization) là có thật, khi các mô hình nền tảng trở nên dễ thay thế và cạnh tranh chủ yếu về giá. Đây là lý do các công ty như OpenAI, Google đang nỗ lực xây dựng hệ sinh thái khép kín, tích hợp AI sâu vào các dịch vụ khác (tìm kiếm, mua sắm...) để tạo ra giá trị gia tăng độc quyền.
Tuy nhiên, tương lai có lẽ không phải là sự loại trừ lẫn nhau. Nhiều khả năng cả hai xu hướng sẽ cùng tồn tại: người dùng cuối có thể tương tác với các chatbot toàn năng cho các nhu cầu đa dạng, trong khi doanh nghiệp sẽ triển khai hàng loạt tác tử AI chuyên biệt, chi phí thấp được "gắn" vào từng quy trình vận hành cụ thể để tăng hiệu quả. Dù theo hướng nào, AI đang ngày càng trở nên rẻ hơn, dễ tiếp cận hơn, mở ra cơ hội ứng dụng rộng rãi cho cả doanh nghiệp vừa và nhỏ, hứa hẹn một làn sóng đổi mới và tối ưu hóa quy trình làm việc mạnh mẽ trong thời gian tới.
Con đường "AI toàn năng": Tiện lợi nhưng đắt đỏ
Xu hướng thứ nhất được dẫn dắt bởi các phòng thí nghiệm AI hàng đầu như OpenAI, Google và Anthropic. Họ đang không ngừng xây dựng các mô hình ngày càng lớn hơn, mạnh mẽ hơn, với tham vọng tạo ra một AI tổng quát có thể hiểu và xử lý mọi yêu cầu của con người. Ví dụ mới nhất là việc OpenAI tích hợp tính năng mua sắm trực tuyến vào ChatGPT, cho phép AI tự nghiên cứu sản phẩm và đề xuất mua hàng chỉ từ một yêu cầu duy nhất, tiềm năng thay đổi cả ngành thương mại điện tử.
Ưu điểm của hướng đi này là sự tiện lợi tối đa cho người dùng cuối – chỉ cần một giao diện duy nhất cho mọi nhu cầu. Tuy nhiên, chi phí phát triển và vận hành các siêu mô hình này là cực kỳ tốn kém, đòi hỏi hạ tầng điện toán khổng lồ, khiến nó trở thành cuộc chơi gần như độc quyền của các đại gia công nghệ.
Làn sóng tác tử AI chuyên biệt: Linh hoạt, chi phí thấp
Song song đó, một xu hướng khác đang âm thầm nhưng mạnh mẽ trỗi dậy: phát triển các tác tử AI chuyên biệt. Đây là những hệ thống AI nhỏ hơn, được thiết kế và tối ưu hóa để thực hiện hiệu quả một hoặc một vài nhiệm vụ cụ thể như đặt lịch họp, tóm tắt email, dịch thuật chuyên ngành, phân tích tài liệu pháp lý, hay hỗ trợ bán hàng theo ngữ cảnh... Chúng có khả năng tự động lên kế hoạch và thực hiện hành động để đạt mục tiêu.
Sự trỗi dậy này được thúc đẩy mạnh mẽ bởi sự phổ biến của các mô hình AI mã nguồn mở (hoặc "mở có giới hạn") chất lượng cao như Llama của Meta. Dù không công khai hoàn toàn dữ liệu huấn luyện, việc Meta cho phép cộng đồng truy cập, tinh chỉnh trọng số mô hình đã tạo điều kiện cho hàng nghìn nhà phát triển và doanh nghiệp tự xây dựng các tác tử AI chuyên biệt, phù hợp với nhu cầu riêng. Các mô hình Llama đã ghi nhận hơn 1,2 tỷ lượt tải về, chủ yếu cho mục đích tùy chỉnh này.
Chiến lược tối ưu hóa AI hiện nay cũng chuyển trọng tâm từ giai đoạn tiền huấn luyện (pre-training) tốn kém sang các kỹ thuật hậu kỳ như học tăng cường (reinforcement learning) dùng dữ liệu nội bộ (theo CEO Databricks Ali Ghodsi, điều này dễ thực hiện hơn với mô hình mở) hoặc kết hợp các kỹ thuật từ nhiều mô hình khác nhau (như áp dụng cách lý luận của DeepSeek R1 lên Llama).
Nguy cơ "hàng hóa hóa" và tương lai song hành
Sự phát triển của các tác tử chuyên biệt hiệu quả, giá rẻ (có thể chạy trên phần cứng phổ thông) tạo ra áp lực cạnh tranh lớn lên các mô hình độc quyền, đắt đỏ. Nguy cơ "hàng hóa hóa" AI (AI commoditization) là có thật, khi các mô hình nền tảng trở nên dễ thay thế và cạnh tranh chủ yếu về giá. Đây là lý do các công ty như OpenAI, Google đang nỗ lực xây dựng hệ sinh thái khép kín, tích hợp AI sâu vào các dịch vụ khác (tìm kiếm, mua sắm...) để tạo ra giá trị gia tăng độc quyền.
Tuy nhiên, tương lai có lẽ không phải là sự loại trừ lẫn nhau. Nhiều khả năng cả hai xu hướng sẽ cùng tồn tại: người dùng cuối có thể tương tác với các chatbot toàn năng cho các nhu cầu đa dạng, trong khi doanh nghiệp sẽ triển khai hàng loạt tác tử AI chuyên biệt, chi phí thấp được "gắn" vào từng quy trình vận hành cụ thể để tăng hiệu quả. Dù theo hướng nào, AI đang ngày càng trở nên rẻ hơn, dễ tiếp cận hơn, mở ra cơ hội ứng dụng rộng rãi cho cả doanh nghiệp vừa và nhỏ, hứa hẹn một làn sóng đổi mới và tối ưu hóa quy trình làm việc mạnh mẽ trong thời gian tới.
