Inteligência Artificial: Tecnologia e Bolha Econômica có gì mới?

• AI đang được đầu tư rất mạnh, nhưng không phải khoản đầu tư nào cũng sẽ sinh lời ngay.
• Khi một thứ gì đó tăng giá quá nhanh vì ai cũng lao vào mua, nguy cơ “bong bóng” sẽ xuất hiện.
• ChatGPT đã khiến AI bùng nổ, kéo theo nhu cầu lớn về chip, máy chủ và trung tâm dữ liệu.
• Nhiều lời hứa về AI còn vượt xa khả năng thật của công nghệ hiện tại.
• Câu hỏi lớn nhất không phải “AI có quan trọng không”, mà là “kỳ vọng thị trường có đang quá cao không”.

Trong vài năm gần đây, trí tuệ nhân tạo trở thành tâm điểm của thị trường công nghệ và tài chính. Nhiều công ty coi AI là chìa khóa để tăng năng suất, giảm chi phí và tạo ra lợi nhuận mới.

Liệu AI đang thực sự là một cuộc cách mạng công nghệ, hay thị trường đang bị cuốn vào một “cơn sốt” đầu tư quá đà? Để hiểu chuyện này, trước hết cần hiểu khái niệm “bong bóng kinh tế”. Đây là tình huống khi giá của một tài sản tăng quá nhanh, vượt xa giá trị thật mà nó có thể mang lại. Lúc đầu, mọi người mua vào vì tin rằng giá sẽ còn tăng nữa. Nhưng khi kỳ vọng không còn khớp với thực tế, giá có thể rơi mạnh, và nhiều người mua sau sẽ chịu thiệt. Nói đơn giản, bong bóng không có nghĩa là thứ đó “vô giá trị”. Nó chỉ có nghĩa là giá bị đẩy lên quá cao so với giá trị thực tế trong hiện tại. Ví dụ dễ hiểu nhất là bong bóng bất động sản hoặc bong bóng chứng khoán. Khi ai cũng tin rằng một tài sản sẽ còn tăng mãi, dòng tiền sẽ đổ vào liên tục. Nhưng thị trường không tăng mãi được. Đến lúc niềm tin yếu đi, người ta bán tháo, và giá lao dốc.

AI hiện nay đang đứng trước một bối cảnh khá giống như vậy. Sự bùng nổ bắt đầu rõ rệt từ cuối năm 2022, khi ChatGPT xuất hiện. Trước đó, AI đã tồn tại từ lâu, nhưng chủ yếu nằm trong các hệ thống gợi ý nội dung, nhận diện hình ảnh, chơi game hay dự đoán dữ liệu. ChatGPT làm một việc rất khác: nó có thể trò chuyện với người dùng bằng ngôn ngữ tự nhiên, trả lời linh hoạt và tạo cảm giác “hiểu” câu hỏi. Điều này khiến công chúng và doanh nghiệp chú ý mạnh mẽ. Từ đó, các công ty công nghệ đua nhau phát triển sản phẩm AI tạo sinh của riêng mình. AI tạo sinh là loại AI có thể tạo ra văn bản, hình ảnh, mã lệnh hoặc nội dung khác dựa trên yêu cầu của người dùng.

• ChatGPT làm AI trở nên dễ thấy hơn với số đông.
• Doanh nghiệp bắt đầu tin rằng AI có thể giúp làm việc nhanh hơn.
• Nhà đầu tư nhìn thấy cơ hội tăng trưởng lớn.
• Các công ty chip và phần cứng được hưởng lợi vì AI cần rất nhiều sức mạnh máy tính.
• Thị trường bắt đầu định giá AI không chỉ theo sản phẩm hiện tại, mà còn theo kỳ vọng tương lai.

Kỳ vọng tăng nhanh hơn thực tế. Rất nhiều chiến dịch tiếp thị đã mô tả AI như một công cụ có thể thay thế nhiều công việc, cắt giảm chi phí đáng kể và tối đa hóa lợi nhuận. Xa hơn nữa, một số người còn nói đến “AI tổng quát”. AI tổng quát là ý tưởng về một hệ thống AI có năng lực trí tuệ ngang hoặc gần ngang con người trong nhiều việc khác nhau. Nghe rất hấp dẫn, nhưng hiện tại đây vẫn chỉ là giả thuyết, chưa phải sản phẩm có thật trong đời sống. Nói cách khác, thị trường đang định giá không chỉ thứ AI đang làm được, mà còn thứ AI “có thể sẽ làm được” trong tương lai. Và đó là mảnh đất rất dễ hình thành bong bóng.

AI không phải là chiêu trò. Đây là công nghệ có giá trị thật. Nó giúp viết, dịch, tóm tắt, phân tích và hỗ trợ nhiều công việc. Vấn đề không nằm ở bản thân công nghệ, mà nằm ở mức độ kỳ vọng của thị trường. Một nền tảng quan trọng để hiểu AI là câu hỏi mà Alan Turing đặt ra từ năm 1950: liệu máy móc có thể “suy nghĩ” hay không? Turing không đi theo hướng triết học trừu tượng, mà đưa ra một cách kiểm tra thực tế: nếu một người không phân biệt được câu trả lời của máy và của con người, thì máy có thể được xem là có khả năng “suy nghĩ” theo nghĩa quan sát được. Từ đó, nhiều người bắt đầu nghiên cứu sâu hơn về trí tuệ máy móc. Câu hỏi của Turing không chỉ mở đường cho AI, mà còn giúp định hình cách con người nghĩ về trí thông minh của máy. Trong lịch sử phát triển AI, có nhiều cột mốc quan trọng.

Từ những năm 1950 đến 1980, máy tính phát triển nhanh nhờ nhu cầu quân sự, nghiên cứu và cạnh tranh công nghệ. Một số nền tảng quan trọng của AI được xây dựng trong giai đoạn này, như:

• SNARC: một hệ thống thử nghiệm liên quan đến mô phỏng mạng thần kinh.
• Perceptron: mô hình rất sớm của mạng nơ-ron nhân tạo.
• Lisp: ngôn ngữ lập trình từng được dùng nhiều trong AI.
• Backpropagation: phương pháp giúp mô hình học từ lỗi để cải thiện kết quả.

Sau này, AI bước sang giai đoạn mới nhờ một công nghệ gọi là LLM. LLM là viết tắt của Large Language Model, nghĩa là mô hình ngôn ngữ lớn. Hiểu đơn giản, đây là kiểu AI được huấn luyện trên lượng dữ liệu văn bản rất lớn để học cách dùng ngôn ngữ. Nhờ đó, nó có thể trả lời câu hỏi, viết nội dung, dịch thuật và tạo ra các đoạn văn giống như con người. Các sản phẩm như ChatGPT, Gemini, Claude, Llama hay DeepSeek đều dựa trên nền tảng này ở những mức độ khác nhau. Bước ngoặt quan trọng đến từ bài báo “Attention Is All You Need” năm 2017, giới thiệu kiến trúc Transformer. Kiến trúc này dùng cơ chế “chú ý” để xác định phần nào của dữ liệu quan trọng hơn trong ngữ cảnh. Nói cho dễ hiểu, nó giống như việc con người khi đọc một câu sẽ tự động để ý những từ khóa quan trọng để hiểu ý cả câu. Nhờ Transformer, mô hình ngôn ngữ trở nên mạnh hơn, linh hoạt hơn và mở đường cho làn sóng AI tạo sinh hiện nay.

Tuy vậy, AI vẫn có giới hạn rõ ràng. Nhiều người dễ nghĩ rằng chỉ cần đổ thêm tiền là AI sẽ tiến bộ mãi. Nhưng thực tế không đơn giản như vậy.

• Giới hạn về mặt lý thuyết, tức là những việc máy tính không thể giải quyết bằng thuật toán nói chung.
• Giới hạn về mặt vật lý và kinh tế, tức là máy móc cần chip, điện, làm mát và chi phí rất lớn.

Một ví dụ kinh điển về giới hạn lý thuyết là “vấn đề dừng”. Đây là câu hỏi liệu có thể viết một chương trình để biết trước một chương trình khác sẽ chạy mãi hay sẽ dừng lại hay không. Turing đã chứng minh rằng không thể có một phương pháp chung giải được tất cả trường hợp như vậy. Điều này nghe có vẻ rất học thuật, nhưng ý nghĩa của nó rất lớn: không phải mọi vấn đề đều có thể được máy tính giải quyết trọn vẹn.

• Có những giới hạn nằm ngay trong bản chất của tính toán.
• Không phải cứ tăng sức mạnh máy là vượt qua được tất cả.
• Một số bài toán có thể kiểm tra, nhưng không thể giải hoàn toàn.
• Điều này cũng áp dụng cho AI, vì AI vẫn chạy trên nền tảng tính toán.
• Nghĩa là AI giỏi đến đâu cũng không biến mọi điều không thể thành có thể.

Bên cạnh đó là giới hạn về phần cứng. Các mô hình AI hiện đại cần lượng tính toán rất lớn, cả khi huấn luyện lẫn khi phục vụ người dùng. Điều này đòi hỏi chip mạnh, máy chủ lớn và hệ thống tản nhiệt phức tạp. Từ trước đến nay, ngành máy tính phát triển nhờ thu nhỏ linh kiện, tăng số transistor trên chip và làm mọi thứ nhanh hơn. Nhưng quá trình đó không thể kéo dài mãi. Khi linh kiện quá nhỏ, sẽ xuất hiện rào cản về vật lý, nhiệt độ và độ ổn định. Ngoài ra, AI còn gặp giới hạn kinh tế. Chip mạnh như GPU rất đắt và có lúc khan hiếm. Điều này khiến các công ty nhỏ khó cạnh tranh với tập đoàn lớn có vốn mạnh và hạ tầng tốt. Kết quả là AI không chỉ là cuộc chơi của công nghệ, mà còn là cuộc chơi của vốn, chuỗi cung ứng và quyền tiếp cận tài nguyên. Một điểm khiến nhiều người lo ngại là dòng tiền trong ngành AI có xu hướng quay vòng trong cùng một hệ sinh thái.

Công ty làm mô hình cần hạ tầng. Công ty hạ tầng cần chip. Công ty chip lại sống nhờ nhu cầu từ mô hình AI. Khi các bên liên tục đầu tư cho nhau, tăng trưởng trên báo cáo có thể rất đẹp. Nhưng câu hỏi là: tiền đó có đang tạo ra giá trị mới thật sự, hay chỉ đang luân chuyển giữa những người chơi cùng một vòng? Một số thỏa thuận gần đây giữa các công ty lớn càng làm nhiều người chú ý. Chẳng hạn, nếu một hãng chip đầu tư vào một công ty AI, rồi công ty AI lại dùng tiền đó để mua hạ tầng, thì dòng tiền nhìn qua có vẻ rất mạnh. Nhưng thực chất, nó làm dày thêm một hệ sinh thái mà giá trị cuối cùng vẫn phải chứng minh bằng sản phẩm và doanh thu thật. Đó là lý do nhiều nhà phân tích nhắc đến khả năng hình thành bong bóng. Khi nhìn sang lịch sử, nhiều người thấy AI có nét giống thời bong bóng internet cuối thập niên 1990 và đầu 2000.

Khi internet bùng nổ, ai cũng tin rằng mọi thứ gắn với web đều sẽ thành công. Kết quả là nhiều công ty nhận được vốn lớn dù mô hình kinh doanh chưa rõ ràng. Sau đó bong bóng vỡ, nhiều nhà đầu tư thua lỗ nặng. Nhưng cũng từ đống đổ nát đó, những công ty thật sự mạnh như Google và Amazon đã lớn lên và định hình thế giới ngày nay.

Bong bóng không đồng nghĩa với việc công nghệ là sai. Nó chỉ cho thấy thị trường đã trả giá quá cao cho kỳ vọng quá sớm. AI hôm nay cũng có thể đi theo quỹ đạo tương tự. Công nghệ nền tảng là có thật. Ứng dụng là có thật. Nhưng mức định giá và tốc độ kỳ vọng của thị trường có thể đi quá xa so với khả năng tạo ra giá trị ngắn hạn. Nếu hỏi AI có thể trở thành bong bóng kinh tế không, câu trả lời là có khả năng. Nhưng cũng chưa thể khẳng định chắc chắn nó đã là bong bóng. Vấn đề ở đây là bong bóng chỉ thường được nhận ra rõ nhất sau khi nó vỡ. Trước đó, mọi thứ vẫn có thể trông rất hợp lý, rất tăng trưởng, rất thuyết phục. Chính vì vậy, nhà đầu tư và doanh nghiệp cần thận trọng, không nên nhầm lẫn giữa tiềm năng dài hạn và giá trị có thể chứng minh ngay hôm nay. Tóm lại, AI là một công nghệ thật, đáng chú ý và có tác động lớn.

Nhưng câu chuyện đáng bàn không chỉ là bản thân công nghệ, mà là cách thị trường đang đặt cược vào nó.

• AI đang tạo ra giá trị thực trong nhiều lĩnh vực.
• Nhưng thị trường có thể đang định giá tương lai quá sớm.
• Giới hạn về lý thuyết, phần cứng và chi phí vẫn tồn tại.
• Dòng tiền trong ngành có xu hướng quay vòng trong cùng hệ sinh thái.
• Vì vậy, cần phân biệt rõ giữa tiến bộ công nghệ và cơn sốt đầu tư.

Insight giúp bạn nắm được ý chính của một bài dài chỉ trong vài phút, thay vì phải đọc toàn bộ nội dung gốc. Với những chủ đề như AI, kinh tế hay công nghệ, điều này rất hữu ích vì thông tin thường nhiều thuật ngữ và dễ gây nhiễu. Các bài tóm tắt trên Insight được viết lại theo cách dễ hiểu, ngắn gọn và bám sát ý chính. Nhờ đó, bạn có thể nhanh chóng biết bài đang nói gì, đâu là luận điểm quan trọng, đâu là phần cần quan tâm thêm nếu muốn tìm hiểu sâu hơn. Lợi ích thực tế là tiết kiệm thời gian, lọc bỏ phần lan man và giữ lại phần cốt lõi. Bạn không cần là người học công nghệ vẫn có thể hiểu được vấn đề. Đây là cách đọc phù hợp khi bạn muốn cập nhật nhanh, hiểu đúng và đưa ra quyết định tốt hơn trong công việc hoặc cuộc sống hằng ngày.