Các chuyên gia quốc tế tại Diễn đàn Kinh tế Mùa thu chia sẻ kinh nghiệm để Việt Nam từng bước tự chủ trí tuệ nhân tạo (AI), từ việc xác định những năng lực công nghệ thiết yếu, đồng thời tận dụng hợp tác quốc tế để tiếp cận hạ tầng, mô hình và nguồn lực tính toán…

Trong cuộc đua AI, tự chủ công nghệ không đồng nghĩa với việc mỗi quốc gia phải tự phát triển mọi thành phần, từ bán dẫn, hạ tầng tính toán đến mô hình nền tảng. Với những công nghệ đòi hỏi vốn đầu tư lớn và chuỗi cung ứng phức tạp, việc tự làm tất cả có thể khiến chi phí tăng cao mà chưa chắc tạo ra lợi thế cạnh tranh.

Thay vào đó, vấn đề cốt lõi là xác định những năng lực cần được kiểm soát, những lĩnh vực có thể phát triển dựa trên thế mạnh trong nước và những khâu nên hợp tác với đối tác quốc tế. Đây là nội dung được thảo luận tại phiên chuyên đề “Năng lực chủ quyền AI” vào ngày 27/10, trong khuôn khổ Diễn đàn Kinh tế Mùa thu 2026.

TỰ CHỦ KHÔNG ĐỒNG NGHĨA VỚI TỰ PHÁT TRIỂN MỌI CÔNG NGHỆ

Chia sẻ về kinh nghiệm của Ấn Độ, ông Ajit Kumar, Vụ trưởng Bộ Điện tử và Công nghệ thông tin Ấn Độ, tự chủ AI không có nghĩa là phải tự phát triển mọi công nghệ, mà quan trọng là xác định những năng lực cần xây dựng trong nước và những lĩnh vực có thể tận dụng hợp tác quốc tế. Mục tiêu cuối cùng là phát triển công nghệ đáp ứng nhu cầu thực tế của người dân, thay vì chỉ chạy theo việc sở hữu công nghệ.

Với hơn 1,4 tỷ dân và 22 ngôn ngữ chính thức nên Ấn Độ cần phát triển các hệ thống AI phù hợp với nhiều ngôn ngữ và bối cảnh sử dụng khác nhau. Vì vậy, nước này triển khai Sứ mệnh AI theo hướng đầu tư đồng thời vào hạ tầng tính toán, phát triển mô hình, nghiên cứu bán dẫn và đào tạo nhân lực.

Tự chủ AI không có nghĩa là phải tự phát triển mọi công nghệ, mà quan trọng là xác định những năng lực cần xây dựng trong nước và những lĩnh vực có thể tận dụng hợp tác quốc tế. Mục tiêu cuối cùng là phát triển công nghệ đáp ứng nhu cầu thực tế của người dân, thay vì chỉ chạy theo việc sở hữu công nghệ.

Được phê duyệt vào tháng 3/2024 với ngân sách 103 tỷ rupee (khoảng 1,08 tỷ USD) trong 5 năm, chương trình AI của Ấn Độ đã lựa chọn 15 nhà cung cấp dịch vụ điện toán qua 4 vòng, phân bổ hơn 38.000 bộ xử lý đồ họa (GPU) cho hạ tầng tính toán và công bố bổ sung 20.000 GPU vào tháng 2/2026.

Thay vì yêu cầu từng đơn vị tự đầu tư hệ thống thiết bị đắt đỏ, Ấn Độ hỗ trợ các nhóm nghiên cứu và doanh nghiệp tiếp cận nguồn lực tính toán ở cấp độ quốc gia. Theo ông Ajit Kumar, có 237 dự án được phê duyệt trợ cấp, với 9,3 triệu giờ GPU được cấp. Trong số 506 hồ sơ đề xuất phát triển mô hình AI trong nước, 20 đề xuất được lựa chọn hỗ trợ, gồm 12 mô hình đa phương thức quy mô lớn và 8 mô hình ngôn ngữ nhỏ.

Cách làm này giúp giảm chi phí tiếp cận hạ tầng, tạo điều kiện để nhiều đơn vị nghiên cứu và phát triển sản phẩm AI mà không phải tự gánh toàn bộ chi phí đầu tư ban đầu. Đáng chú ý, Ấn Độ vẫn sử dụng GPU từ thị trường toàn cầu, đồng thời đầu tư vào nghiên cứu bán dẫn và phát triển công nghệ trong nước.

Như vậy, tự chủ công nghệ không nhất thiết đồng nghĩa với việc loại bỏ sự phụ thuộc vào công nghệ nhập khẩu. Điều quan trọng là năng lực trong nước đủ để lựa chọn công nghệ, kiểm soát những khâu thiết yếu và tránh phụ thuộc hoàn toàn vào một nhà cung cấp.

KIỂM SOÁT RỦI RO PHỤ THUỘC, THAY VÌ CHẠY ĐUA SỞ HỮU

Từ góc độ quản trị, bà Emilie Esparon, đồng sáng lập kiêm Giám đốc Điều hành Trung tâm Xuất sắc về AI châu Âu (ECAIE), cho rằng không quốc gia hay khu vực nào dễ dàng tự chủ toàn bộ chuỗi giá trị AI. Vì vậy, các chính phủ cần nhận diện những mối phụ thuộc và xây dựng khả năng quản lý.

Chẳng hạn, khi cơ quan nhà nước hoặc doanh nghiệp sử dụng mô hình AI do đối tác cung cấp, họ cần biết dữ liệu được xử lý và lưu trữ ở đâu, ai có quyền truy cập, cách bảo vệ thông tin và liệu có phương án thay thế khi dịch vụ gián đoạn hay không.

Bà Esparon đề xuất ưu tiên quyền kiểm soát đối với những lĩnh vực trọng yếu, đặc biệt là an ninh công cộng, dữ liệu y tế và dữ liệu dân cư. Đồng thời, mỗi quốc gia nên tập trung nguồn lực vào những lĩnh vực có thế mạnh, thay vì dàn trải đầu tư cho toàn bộ chuỗi công nghệ.

Bài toán này cũng gắn trực tiếp với chi phí. Theo ông Albert Antoine, Giám đốc Chiến lược và đồng sáng lập Avaiga (Singapore), mức độ kiểm soát càng cao thì nguồn lực đầu tư cần thiết càng lớn. Do đó, các quốc gia phải cân nhắc mức độ phụ thuộc có thể chấp nhận, đồng thời chuẩn bị phương án dự phòng đối với các hệ thống thiết yếu.

Điều này đặt ra yêu cầu đối với doanh nghiệp: trước khi lựa chọn một giải pháp AI, cần đánh giá không chỉ hiệu quả sử dụng mà còn cả chi phí dài hạn, khả năng tích hợp, quyền kiểm soát dữ liệu và mức độ phụ thuộc vào nhà cung cấp. "Một giải pháp có thể giúp triển khai nhanh trong ngắn hạn nhưng sẽ tạo ra rủi ro nếu doanh nghiệp không thể chuyển đổi hoặc duy trì hoạt động khi điều kiện cung cấp dịch vụ thay đổi", ông Antoine nhấn mạnh.

Đối với Việt Nam, thách thức sắp tới là xây dựng nền tảng dữ liệu, nhân lực và cơ chế quản trị để đưa AI vào hoạt động thực tế.

Theo Giáo sư Matthieu Guitton, Đại học Laval (Canada), khi AI ngày càng được ứng dụng rộng rãi, quyền kiểm soát hạ tầng và dữ liệu trở thành vấn đề gắn trực tiếp với đời sống người dân. Điều này đặc biệt quan trọng trong các lĩnh vực như quản lý giao thông, y tế và dịch vụ công, nơi dữ liệu có thể ảnh hưởng đến quyền lợi của nhiều người.

Ở góc độ địa phương, bà Võ Thị Trung Trinh, Giám đốc Trung tâm Chuyển đổi số TP.HCM, cho biết chính quyền đô thị cần chuyển sang phương thức quản trị dựa trên dữ liệu, đồng thời nâng cao năng lực dự báo và đánh giá chính sách.

TP.HCM đã bắt đầu xây dựng nền tảng dữ liệu dùng chung từ năm 2020, nhưng việc kết nối và chia sẻ dữ liệu giữa các ngành vẫn cần tiếp tục hoàn thiện. Dữ liệu phải được chuẩn hóa, cập nhật thường xuyên và có quy định rõ về quyền quản lý, sử dụng. Nếu thông tin thiếu nhất quán hoặc chậm cập nhật, kết quả phân tích của AI có thể không phản ánh đúng tình hình thực tế.

“Các bài toán ưu tiên gồm ngập nước, ùn tắc giao thông, ô nhiễm môi trường và chậm giải ngân đầu tư công. Tuy nhiên, việc ứng dụng AI cần bắt đầu từ xác định rõ vấn đề cần giải quyết, dữ liệu đầu vào, kết quả mong muốn và trách nhiệm của từng bên, thay vì chỉ triển khai công nghệ riêng lẻ”, bà Trinh nhấn mạnh.

Theo bà Trinh, TP.HCM đã bắt đầu xây dựng nền tảng dữ liệu dùng chung từ năm 2020, nhưng việc kết nối và chia sẻ dữ liệu giữa các ngành vẫn cần tiếp tục hoàn thiện. Dữ liệu phải được chuẩn hóa, cập nhật thường xuyên và có quy định rõ về quyền quản lý, sử dụng. Nếu thông tin thiếu nhất quán hoặc chậm cập nhật, kết quả phân tích của AI có thể không phản ánh đúng tình hình thực tế.

Bên cạnh hạ tầng, năng lực con người cũng quyết định hiệu quả ứng dụng. Cán bộ, công chức cần hiểu giới hạn của mô hình, biết kiểm chứng các khuyến nghị và chịu trách nhiệm về quyết định của mình. AI có thể hỗ trợ từ phát hiện vấn đề, xây dựng chính sách đến giám sát và đánh giá, nhưng không thể thay thế yêu cầu về quản trị và trách nhiệm giải trình.

Từ kinh nghiệm quốc tế và thực tiễn Việt Nam, tự chủ AI cần được nhìn nhận như quá trình xây dựng năng lực có trọng tâm, thay vì cuộc đua sở hữu công nghệ. Khi xác định được những khâu thiết yếu cần làm chủ, tận dụng hợp tác quốc tế ở những lĩnh vực phù hợp và gắn đầu tư với các bài toán cụ thể, Việt Nam có thể sử dụng nguồn lực hiệu quả hơn, giảm rủi ro phụ thuộc và từng bước nâng cao năng lực công nghệ trong nước.