Vì sao các doanh nghiệp chuyển sang mã nguồn mở để đảm bảo chủ quyền AI?

Anastasios Angelopoulos, Giám đốc điều hành của Arena. Ảnh: Anastasios Angelopoulos

Anastasios Angelopoulos, đồng sáng lập kiêm giám đốc điều hành Arena, cho rằng chủ quyền AI, tức quyền kiểm soát trọn vẹn dữ liệu và mô hình, đang trở thành lý do chính khiến doanh nghiệp chuyển sang mã nguồn mở. Ông nêu quan điểm này trong chuỗi video 20VC do Harry Stebbings thực hiện.

Theo Angelopoulos, khi hệ thống mở ngày càng hoàn thiện, doanh nghiệp đặt chủ quyền AI lên trên hiệu năng hay mức giá. Xu hướng này mở ra cơ hội lớn cho nhà phát triển mã nguồn mở của Mỹ, ngay cả khi nhà phát triển Trung Quốc liên tục cho ra đời mô hình mạnh hơn, thu hẹp khoảng cách với sản phẩm hàng đầu phương Tây.

Ông xem sự xuất hiện của Kimi K3 là một bước ngoặt. Các mô hình mở của Trung Quốc, theo Angelopoulos, không còn đơn thuần bám đuổi mà đã vượt qua một số mô hình hàng đầu của Mỹ ở một số tác vụ, dù ông thừa nhận có thể vẫn dùng kỹ thuật chưng cất tri thức như bước trung gian. Khoảng cách hiệu năng thu hẹp trong khi mô hình mở vẫn rẻ và dễ tùy biến hơn có thể khiến nhà cung cấp AI độc quyền đối mặt áp lực giảm giá.

Nhiều doanh nghiệp đã dùng mô hình mở mạnh hơn làm đòn bẩy đàm phán với nhà cung cấp mô hình đóng, nhưng đòn bẩy này đi kèm giới hạn. Dù muốn tận dụng hiệu năng cao của mô hình mở nước ngoài, doanh nghiệp vẫn từ chối xây hạ tầng cốt lõi trên công nghệ họ không hoàn toàn tin tưởng, bởi khi phần mềm ngày càng thành hàng hóa phổ thông, kiểm soát AI trở thành chiến lược then chốt để tự bảo vệ mình.

Angelopoulos cho rằng doanh nghiệp sẽ muốn sở hữu trọn vẹn trí tuệ nhân tạo của mình, hay chủ quyền AI, tức làm chủ toàn bộ chuỗi cung ứng bằng cách lấy một mô hình mã nguồn mở, tinh chỉnh bằng dữ liệu riêng rồi sở hữu toàn bộ ngăn xếp công nghệ từ đầu đến cuối. Nhu cầu này tạo khoảng trống thị trường lớn cho một nhà cung cấp mã nguồn mở dẫn đầu tại Mỹ, bởi mô hình nước ngoài thường không vượt qua được rà soát an ninh doanh nghiệp. Bên chiến thắng sẽ là nhà cung cấp vừa có năng lực hàng đầu vừa đảm bảo quyền kiểm soát toàn hệ thống.

Việc sở hữu ngăn xếp AI chỉ có ý nghĩa khi doanh nghiệp có dữ liệu độc quyền để huấn luyện, và khi mô hình nền tảng ngày càng hoàn thiện, dữ liệu nội bộ trở thành một trong số ít lợi thế cạnh tranh còn bền vững. Angelopoulos cho rằng mô hình càng mở rộng quy mô, nhu cầu dữ liệu chuyên biệt càng tăng, buộc doanh nghiệp và nhà đầu tư nhìn nhận lại cách định giá dữ liệu, xem đây là khoản đầu tư hạ tầng tương tự phần cứng.

Nếu dữ liệu là nguyên liệu huấn luyện AI thì khâu đánh giá mới quyết định công nghệ có vận hành được trong thực tế hay không, bởi điểm số trên bài kiểm thử chuẩn hiếm khi phản ánh đúng hiệu năng sản xuất. Angelopoulos cho rằng khâu đánh giá vẫn là rào cản lớn nhất với việc doanh nghiệp áp dụng AI, bởi phần lớn tổ chức chưa biết định nghĩa giá trị thực sự mà công nghệ mang lại, trong khi cắt giảm chi phí bằng mô hình rẻ hơn lại dễ làm hơn nhiều.

Ông cho rằng việc đánh giá nên mô phỏng sát quy trình vận hành thực tế, kiểm tra khả năng mô hình duy trì thông tin xuyên suốt nhiều bước liên tiếp, nơi phần lớn lỗi phát sinh, đồng thời đặt mục tiêu và ngưỡng rủi ro rõ ràng trước khi so sánh nhà cung cấp. Thiếu hệ thống đánh giá có ý nghĩa, phần mềm định tuyến mô hình mang lại giá trị hạn chế, vì không thể xác định một mô hình có thực sự cải thiện kết quả kinh doanh hay chỉ giúp giảm chi phí, và đó cũng là điều biến mô hình mã nguồn mở ngày càng mạnh thành hệ thống doanh nghiệp có thể tin tưởng vận hành.

Theo tạp chí Điện tử và Ứng dụng