Con voi còi
Writer
Đến cuối năm 2025, một thực tế không còn có thể phủ nhận đã hiện rõ. Google Gemini bắt kịp OpenAI, Claude từng vượt GPT-4 trong một số thời điểm, còn các mô hình đến từ Trung Quốc thì rút ngắn khoảng cách với tốc độ đáng kinh ngạc. Cuộc đua “ai thông minh hơn” giữa các mô hình lớn đang dần đi đến hồi kết. Khoảng cách giữa nhóm dẫn đầu thu hẹp nhanh hơn nhiều so với dự đoán.
Ngày 14/01/2026, podcast Big Technology đặt ra một câu hỏi thẳng thắn: nếu tất cả các mô hình hàng đầu đều hoạt động gần như nhau, điều gì sẽ xảy ra tiếp theo?
Người trả lời là Arthur Mensch, đồng sáng lập kiêm CEO của Mistral AI, một trong những phòng thí nghiệm mô hình lớn quan trọng nhất châu Âu. Câu trả lời của ông không vòng vo.
Khi các mô hình trở nên tương đương nhau, cuộc cạnh tranh không còn nằm ở bản thân mô hình. Trước đây là ai thông minh hơn, còn bây giờ là ai khiến khách hàng thực sự dùng được. Một mô hình mạnh là chưa đủ. Nó phải đi vào hệ thống, quy trình và hoạt động thực tế của doanh nghiệp.
Đây không còn là vấn đề kỹ thuật, mà là vấn đề kinh doanh.
Khi chênh lệch hiệu năng không còn rõ rệt, giá sẽ bị ép xuống và biên lợi nhuận co lại. Không ai sẵn sàng trả gấp đôi chỉ vì thêm vài phần trăm độ chính xác. Vậy dòng tiền sẽ chảy về đâu?
Câu trả lời nằm ở chỗ khác, không phải trong mô hình.
Vì sao các mô hình ngày càng giống nhau?
Arthur Mensch thừa nhận thẳng thắn rằng phát triển mô hình lớn không còn là một lợi thế kinh doanh độc quyền. Trên thế giới hiện nay có khoảng hơn mười phòng thí nghiệm lớn, sử dụng những phương pháp huấn luyện, kiến trúc và dữ liệu tương tự nhau. Với mã nguồn mở lan truyền nhanh, bất kỳ đột phá nào cũng sớm bị sao chép và cải tiến.
Đầu năm 2024, Mistral công bố kiến trúc Sparse Mixture of Experts. Chỉ vài tháng sau, DeepSeek tại Trung Quốc đã đưa ra phiên bản tối ưu hơn, đạt hiệu năng tương đương với chi phí thấp hơn. Ngược lại, nhiều kỹ thuật huấn luyện từ châu Á cũng nhanh chóng được các nhóm tại Mỹ và châu Âu áp dụng. Công nghệ lan tỏa quá nhanh để tạo ra độc quyền lâu dài.
Theo Mensch, năm 2024 việc huấn luyện mô hình đạt ngưỡng 10^26 FLOPs còn là thách thức lớn. Đến cuối 2025, bất kỳ đội nào có đủ nguồn lực đều có thể bắt kịp chỉ trong vài tháng. Ngưỡng gia nhập đang giảm, và lợi thế kỹ thuật thuần túy dần biến mất.
Điều khiến ông lo ngại không phải là các mô hình giống nhau, mà là chúng chỉ “trông rất thông minh” nhưng không thể dùng được trong doanh nghiệp. Nếu AI không tạo ra giá trị thực tế, mọi khoản đầu tư đều trở nên vô nghĩa.
Quan điểm này cũng trùng với hướng đi của OpenAI. Sam Altman từng chia sẻ rằng một ưu tiên lớn của OpenAI trong năm 2026 là xây dựng ứng dụng cho doanh nghiệp, chứ không chỉ cải thiện chỉ số thông minh của mô hình.
Giá trị thật sự không nằm ở mô hình
Theo Mistral, AI trong doanh nghiệp chỉ thực sự có giá trị khi nó làm được hai việc.
Thứ nhất là nâng cao hiệu quả, tức là cho phép vài người làm được khối lượng công việc mà trước đây cần cả chục hoặc vài chục người.
Thứ hai là tạo ra đột phá, giúp doanh nghiệp làm được những điều trước đây họ hoàn toàn không thể.
Một ví dụ điển hình là tập đoàn vận tải biển CMA CGM của Pháp. Quy trình khi tàu lớn cập cảng cực kỳ phức tạp, liên quan đến nhiều cơ quan, nhiều hệ thống và hàng chục nhân sự làm việc theo ca. Trước đây, việc điều phối cần hơn 20 người.
Hiện nay, hệ thống AI của Mistral có thể kết nối với hàng chục hệ thống bên ngoài, tự động gửi thông báo, điều phối và xác nhận quy trình. Con người vẫn giám sát, nhưng chỉ còn đóng vai trò kiểm soát cuối. Công việc từng cần 20 người giờ chỉ cần 2 người. AI không còn chỉ trả lời câu hỏi, mà thực sự đang làm việc.
Nguyên lý ở đây không hề thần bí. Con người đặt ra luật chơi và giới hạn. AI thực thi trong phạm vi đó, tự đưa ra quyết định phù hợp với tình huống thực tế. Khi hai bên phối hợp, hệ thống mới trở nên hữu dụng.
Một ví dụ khác là ASML trong ngành sản xuất chip. Quá trình quang khắc đòi hỏi độ chính xác cực cao, trước đây phải dựa vào các chuyên gia phân tích hình ảnh thủ công. AI của Mistral kết hợp xử lý hình ảnh và suy luận logic để tự động phát hiện lỗi, gắn nhãn và tối ưu hóa.
Giá trị ở đây không chỉ là tiết kiệm nhân lực, mà là phá vỡ giới hạn vật lý. AI có thể phát hiện những sai lệch mà mắt người không nhìn thấy, từ đó nâng năng suất, cải thiện độ chính xác và mở đường cho các thế hệ chip nhỏ hơn nữa.
Theo Mensch, những lĩnh vực như năng lượng hạt nhân hay bán dẫn đều đang chạm trần vật lý. AI có thể giúp vượt qua những giới hạn đó, và giá trị này lớn hơn rất nhiều so với việc chỉ cắt giảm chi phí nhân sự.
Quyền kiểm soát mới là thứ đáng tiền
Khi AI trở thành hạ tầng sản xuất, câu hỏi quan trọng nhất không còn là mô hình thông minh đến đâu, mà là ai kiểm soát nó.
Mistral xây dựng lợi thế quanh ba điểm: dùng được, kiểm soát được và không bị khóa chặt.
Mô hình của họ là mã nguồn mở, cho phép doanh nghiệp chỉnh sửa, triển khai nội bộ và tích hợp sâu vào hệ thống hiện có. Điều này khác hoàn toàn với các mô hình đóng, nơi doanh nghiệp phụ thuộc vào nhà cung cấp.
Mensch ví von việc phụ thuộc hoàn toàn vào AI đám mây giống như dùng điện của người khác. Họ có thể ngắt bất cứ lúc nào. Khi AI trở thành công cụ sản xuất cốt lõi, rất ít doanh nghiệp dám giao toàn bộ quyền kiểm soát cho bên ngoài.
Rủi ro lớn nhất là chi phí chuyển đổi. Nếu một doanh nghiệp huấn luyện hệ thống trên mô hình đóng trong sáu tháng, tích lũy dữ liệu và quy trình, rồi nhà cung cấp tăng giá hoặc thay đổi điều khoản, họ gần như không có đường lui.
Với mã nguồn mở, doanh nghiệp có thể chuyển đổi và triển khai khi cần. Vì thế, khách hàng chọn Mistral không phải vì mô hình của họ mạnh nhất, mà vì nó nằm trong tay họ.
Tháng 01/2026, Pháp ký thỏa thuận khung với Mistral, yêu cầu các hệ thống AI quan trọng phải chạy trên hạ tầng trong nước. Lý do rất rõ ràng. Các hoạt động thiết yếu không thể phụ thuộc vào nhà cung cấp bên ngoài.
Về mặt kinh tế, điều này cũng giúp giữ tiền, năng lực kỹ thuật và nhân lực ở lại trong nước, thay vì chảy ra ngoài mà không tích lũy được giá trị dài hạn.
Khi tất cả các mô hình lớn đều gần như giống nhau, bản thân mô hình sẽ trở thành hàng hóa phổ thông. Rào cản kỹ thuật sụp đổ, và lợi thế cạnh tranh dịch chuyển.
Thứ tạo ra tiền không còn là mô hình, mà là khả năng triển khai AI vào doanh nghiệp một cách thực sự hiệu quả, cùng với việc trao quyền kiểm soát cho khách hàng.
AI càng quan trọng trong hoạt động sản xuất, thì quyền kiểm soát nó càng có giá trị. Và đó chính là nơi các công ty AI sẽ kiếm tiền trong giai đoạn tiếp theo.
Ngày 14/01/2026, podcast Big Technology đặt ra một câu hỏi thẳng thắn: nếu tất cả các mô hình hàng đầu đều hoạt động gần như nhau, điều gì sẽ xảy ra tiếp theo?
Người trả lời là Arthur Mensch, đồng sáng lập kiêm CEO của Mistral AI, một trong những phòng thí nghiệm mô hình lớn quan trọng nhất châu Âu. Câu trả lời của ông không vòng vo.
Khi các mô hình trở nên tương đương nhau, cuộc cạnh tranh không còn nằm ở bản thân mô hình. Trước đây là ai thông minh hơn, còn bây giờ là ai khiến khách hàng thực sự dùng được. Một mô hình mạnh là chưa đủ. Nó phải đi vào hệ thống, quy trình và hoạt động thực tế của doanh nghiệp.
Đây không còn là vấn đề kỹ thuật, mà là vấn đề kinh doanh.
Khi chênh lệch hiệu năng không còn rõ rệt, giá sẽ bị ép xuống và biên lợi nhuận co lại. Không ai sẵn sàng trả gấp đôi chỉ vì thêm vài phần trăm độ chính xác. Vậy dòng tiền sẽ chảy về đâu?
Câu trả lời nằm ở chỗ khác, không phải trong mô hình.
Vì sao các mô hình ngày càng giống nhau?
Arthur Mensch thừa nhận thẳng thắn rằng phát triển mô hình lớn không còn là một lợi thế kinh doanh độc quyền. Trên thế giới hiện nay có khoảng hơn mười phòng thí nghiệm lớn, sử dụng những phương pháp huấn luyện, kiến trúc và dữ liệu tương tự nhau. Với mã nguồn mở lan truyền nhanh, bất kỳ đột phá nào cũng sớm bị sao chép và cải tiến.
Đầu năm 2024, Mistral công bố kiến trúc Sparse Mixture of Experts. Chỉ vài tháng sau, DeepSeek tại Trung Quốc đã đưa ra phiên bản tối ưu hơn, đạt hiệu năng tương đương với chi phí thấp hơn. Ngược lại, nhiều kỹ thuật huấn luyện từ châu Á cũng nhanh chóng được các nhóm tại Mỹ và châu Âu áp dụng. Công nghệ lan tỏa quá nhanh để tạo ra độc quyền lâu dài.
Theo Mensch, năm 2024 việc huấn luyện mô hình đạt ngưỡng 10^26 FLOPs còn là thách thức lớn. Đến cuối 2025, bất kỳ đội nào có đủ nguồn lực đều có thể bắt kịp chỉ trong vài tháng. Ngưỡng gia nhập đang giảm, và lợi thế kỹ thuật thuần túy dần biến mất.
Điều khiến ông lo ngại không phải là các mô hình giống nhau, mà là chúng chỉ “trông rất thông minh” nhưng không thể dùng được trong doanh nghiệp. Nếu AI không tạo ra giá trị thực tế, mọi khoản đầu tư đều trở nên vô nghĩa.
Quan điểm này cũng trùng với hướng đi của OpenAI. Sam Altman từng chia sẻ rằng một ưu tiên lớn của OpenAI trong năm 2026 là xây dựng ứng dụng cho doanh nghiệp, chứ không chỉ cải thiện chỉ số thông minh của mô hình.
Giá trị thật sự không nằm ở mô hình
Theo Mistral, AI trong doanh nghiệp chỉ thực sự có giá trị khi nó làm được hai việc.
Thứ nhất là nâng cao hiệu quả, tức là cho phép vài người làm được khối lượng công việc mà trước đây cần cả chục hoặc vài chục người.
Thứ hai là tạo ra đột phá, giúp doanh nghiệp làm được những điều trước đây họ hoàn toàn không thể.
Một ví dụ điển hình là tập đoàn vận tải biển CMA CGM của Pháp. Quy trình khi tàu lớn cập cảng cực kỳ phức tạp, liên quan đến nhiều cơ quan, nhiều hệ thống và hàng chục nhân sự làm việc theo ca. Trước đây, việc điều phối cần hơn 20 người.
Hiện nay, hệ thống AI của Mistral có thể kết nối với hàng chục hệ thống bên ngoài, tự động gửi thông báo, điều phối và xác nhận quy trình. Con người vẫn giám sát, nhưng chỉ còn đóng vai trò kiểm soát cuối. Công việc từng cần 20 người giờ chỉ cần 2 người. AI không còn chỉ trả lời câu hỏi, mà thực sự đang làm việc.
Nguyên lý ở đây không hề thần bí. Con người đặt ra luật chơi và giới hạn. AI thực thi trong phạm vi đó, tự đưa ra quyết định phù hợp với tình huống thực tế. Khi hai bên phối hợp, hệ thống mới trở nên hữu dụng.
Một ví dụ khác là ASML trong ngành sản xuất chip. Quá trình quang khắc đòi hỏi độ chính xác cực cao, trước đây phải dựa vào các chuyên gia phân tích hình ảnh thủ công. AI của Mistral kết hợp xử lý hình ảnh và suy luận logic để tự động phát hiện lỗi, gắn nhãn và tối ưu hóa.
Giá trị ở đây không chỉ là tiết kiệm nhân lực, mà là phá vỡ giới hạn vật lý. AI có thể phát hiện những sai lệch mà mắt người không nhìn thấy, từ đó nâng năng suất, cải thiện độ chính xác và mở đường cho các thế hệ chip nhỏ hơn nữa.
Theo Mensch, những lĩnh vực như năng lượng hạt nhân hay bán dẫn đều đang chạm trần vật lý. AI có thể giúp vượt qua những giới hạn đó, và giá trị này lớn hơn rất nhiều so với việc chỉ cắt giảm chi phí nhân sự.
Quyền kiểm soát mới là thứ đáng tiền
Khi AI trở thành hạ tầng sản xuất, câu hỏi quan trọng nhất không còn là mô hình thông minh đến đâu, mà là ai kiểm soát nó.
Mistral xây dựng lợi thế quanh ba điểm: dùng được, kiểm soát được và không bị khóa chặt.
Mô hình của họ là mã nguồn mở, cho phép doanh nghiệp chỉnh sửa, triển khai nội bộ và tích hợp sâu vào hệ thống hiện có. Điều này khác hoàn toàn với các mô hình đóng, nơi doanh nghiệp phụ thuộc vào nhà cung cấp.
Mensch ví von việc phụ thuộc hoàn toàn vào AI đám mây giống như dùng điện của người khác. Họ có thể ngắt bất cứ lúc nào. Khi AI trở thành công cụ sản xuất cốt lõi, rất ít doanh nghiệp dám giao toàn bộ quyền kiểm soát cho bên ngoài.
Rủi ro lớn nhất là chi phí chuyển đổi. Nếu một doanh nghiệp huấn luyện hệ thống trên mô hình đóng trong sáu tháng, tích lũy dữ liệu và quy trình, rồi nhà cung cấp tăng giá hoặc thay đổi điều khoản, họ gần như không có đường lui.
Với mã nguồn mở, doanh nghiệp có thể chuyển đổi và triển khai khi cần. Vì thế, khách hàng chọn Mistral không phải vì mô hình của họ mạnh nhất, mà vì nó nằm trong tay họ.
Tháng 01/2026, Pháp ký thỏa thuận khung với Mistral, yêu cầu các hệ thống AI quan trọng phải chạy trên hạ tầng trong nước. Lý do rất rõ ràng. Các hoạt động thiết yếu không thể phụ thuộc vào nhà cung cấp bên ngoài.
Về mặt kinh tế, điều này cũng giúp giữ tiền, năng lực kỹ thuật và nhân lực ở lại trong nước, thay vì chảy ra ngoài mà không tích lũy được giá trị dài hạn.
Khi tất cả các mô hình lớn đều gần như giống nhau, bản thân mô hình sẽ trở thành hàng hóa phổ thông. Rào cản kỹ thuật sụp đổ, và lợi thế cạnh tranh dịch chuyển.
Thứ tạo ra tiền không còn là mô hình, mà là khả năng triển khai AI vào doanh nghiệp một cách thực sự hiệu quả, cùng với việc trao quyền kiểm soát cho khách hàng.
AI càng quan trọng trong hoạt động sản xuất, thì quyền kiểm soát nó càng có giá trị. Và đó chính là nơi các công ty AI sẽ kiếm tiền trong giai đoạn tiếp theo.
