Sau khi Kimi K3 ra mắt ấn tượng, cần nhìn nhận lại cục diện cạnh tranh mô hình lớn giữa Trung Quốc và Mỹ.
Tiêu đề gốc: "Kimi K3 ra mắt ấn tượng: Cục diện cạnh tranh mô hình lớn Trung-Mỹ đột ngột thay đổi?"
Nguồn gốc: Biteye
TL;DR
Nếu bạn đặt cược bên ngoài vào ai sẽ thắng trong một ván poker Texas Hold'em, tuyệt đối đừng vội vàng đặt cược ngay từ đầu ván.
1. Bài khởi đầu, Mỹ hiện đang chiếm ưu thế. Các mô hình tiên tiến, chip cao cấp, vốn USD, nền tảng đám mây và cửa ngõ phần mềm toàn cầu tạo nên bộ bài đồng đều nhất của Mỹ. Nếu phải lật bài ngay hôm nay, tỷ lệ thắng của Mỹ cao hơn.
2. Bài trên bàn thay đổi quá nhanh, lợi thế không phải là thế thắng. Khoảng cách dẫn đầu của các mô hình lớn đang thu hẹp từ chênh lệch thế hệ ổn định thành chênh lệch thời gian liên tục mở ra và đóng lại. Sự vượt trội cục bộ của Kimi K3 trong một số bài kiểm tra mã nguồn dài cho thấy tốc độ xem bài, phân tích bài và tái tổ hợp của Trung Quốc đã tăng tốc đáng kể.
3. Sức mạnh tính toán quyết định độ sâu của chip, thuật toán định giá lại mệnh giá chip. Mỹ nắm giữ chip cao cấp, HBM, kết nối, CUDA và cụm siêu lớn, có nhiều cơ hội đặt cược đồng thời và thử sai lặp lại; Trung Quốc không thể có được nhiều chip mệnh giá cao như vậy, nên tìm cách nâng cao sức mua của từng chip.
4. Mỹ giữ bài tẩy, Trung Quốc mở rộng bàn chơi. OpenAI và Anthropic muốn biến lợi thế năng lực thành "tiền thuê mô hình" có thể thu phí lặp lại; các công ty Trung Quốc dùng giá thấp, trọng số mở và triển khai cục bộ để đổi lấy quyền phân phối, tranh giành "tiền thuê hệ sinh thái" từ dịch vụ đám mây, triển khai công nghiệp và tiêu chuẩn phát triển.
5. Giá Token chỉ là số tiền đặt cược, chi phí cho mỗi tác vụ mới tương ứng với pot. Rẻ chưa chắc đã là chiến thắng tuyệt đối. Cuộc cạnh tranh thực sự là cuối cùng phải tốn bao nhiêu tiền để hoàn thành cùng một công việc. Mỹ bảo vệ các tác vụ quan trọng có chi phí thất bại cao nhất, trong khi Trung Quốc cố gắng làm cho số lượng lớn các tác vụ thông thường cũng có đủ tư cách tham gia pot.
6. Vốn vừa mua quyền thử sai, vừa khởi động đồng hồ đếm ngược lợi nhuận. Quy mô đầu tư AI tư nhân của Mỹ dẫn đầu đáng kể, có thể đặt cược đồng thời vào nhiều hướng hơn; vốn của Trung Quốc phân tán hơn, phụ thuộc nhiều hơn vào các ông lớn, vốn công nghiệp và chính sách. Cả hai bên đều đốt không chỉ tiền, mà còn cả thời gian vay mượn từ tương lai.
7. Có nhiều kịch bản không có nghĩa là đã thành bài. Trung Quốc không thiếu các bộ bài kinh doanh có thắng thua thực tế, nhưng chỉ khi kết quả của giao dịch, thực hiện hợp đồng, kiểm tra chất lượng và vận hành thiết bị có thể quay lại huấn luyện, quy mô công nghiệp mới chuyển hóa thành lợi thế mô hình.
8. Cuối cùng, còn phải xem ai có thể kiểm soát mức sụt giảm và né tránh các biến số lật bàn. Biến động việc làm, lừa đảo, sự cố quyền riêng tư, Agent mất kiểm soát, bong bóng vốn, leo thang phong tỏa, thậm chí AGI đến sớm, đều có thể khiến những con chip giá trị nhất hôm nay bị định giá lại.
Lời mở đầu: Người chơi vào bàn, Texas mở bài
Đèn treo thấp từ trần nhà, ánh sáng lạnh bị mặt bàn nhung xanh hút hết, chỉ còn lại chip, bài poker và hai đôi mắt không chịu chớp trước. Không khí pha trộn giữa cà phê, khói thuốc lạnh, nhiệt tản từ máy chủ và mùi tiền mới in kỳ ảo. Đó là mùi của một ai đó sẵn sàng đem tương lai ra làm tài sản thế chấp.
Người chia bài cúi xuống xào bài, ngón tay sạch sẽ, động tác nhẹ nhàng. Thời gian luôn như vậy. Nó chia bài cho bạn, nhưng không chịu trách nhiệm.
Bàn AI từng có khá nhiều người ngồi. Châu Âu mang theo hồ sơ quản lý đến, Nhật Bản và Hàn Quốc bám chặt vị trí trong chuỗi cung ứng chip, Trung Đông chất từng chồng vốn năng lượng và dầu mỏ lên bàn. Nhưng khi mù blind tăng lên, những người thực sự có thể theo kịp các vòng cược với mô hình tiên tiến, cụm siêu lớn và cổng vào toàn cầu, chủ yếu chỉ còn lại Mỹ và Trung Quốc.
Trước mặt Mỹ, những chồng chip chất cao như đường chân trời Manhattan. OpenAI, Anthropic, Google và Meta lộ diện rõ ràng, phong độ vô song; Nvidia, nền tảng đám mây, vốn USD và cổng phần mềm toàn cầu nằm bên dưới, vững chắc. Chip của Trung Quốc không được gọn gàng như vậy, nhưng đang dày lên nhanh chóng: DeepSeek, Qwen, Kimi, Zhipu, MiniMax, Jieyue, cùng với các nền tảng Internet, cộng đồng mã nguồn mở, chip nội địa và thị trường ứng dụng rộng lớn phía sau, đã dày đến mức khiến đối thủ không thể thoải mái đặt cược theo tỷ lệ cũ.
Người chia bài im lặng, lật bài, trên đó viết rõ ràng bằng mực nước bóng: Mô hình lớn.
Khi ChatGPT ra mắt, nó thực sự gây chấn động, nhưng ban đầu khi đi vào cuộc sống người dùng, có lẽ nó chỉ là một Siri thông minh hơn. Mọi người bắt nó làm thơ, viết truyện, giải thích cơ học lượng tử, và cũng chụp màn hình những lời nói vô nghĩa nghiêm túc của nó để chia sẻ khắp nơi. Chỉ vài năm trôi qua, cái hộp trò chuyện đó đã lặng lẽ len lỏi vào quy trình tìm kiếm, lập trình, văn phòng, dịch vụ khách hàng và nghiên cứu.
Nó thực sự bắt đầu tiếp quản công việc, hay nói đúng hơn là năng suất.
Một: Năng lực mô hình tiên tiến: Trước hết xem bài, sau đó xem có thể thành bài không
Dù chơi Texas hay bất kỳ ván bài nào, đều có một nguyên lý rất đơn giản: Có bài lớn không đồng nghĩa với thắng. Bởi vì từ bài lớn đến thành bài vẫn còn đường xa vời vợi.
Cầm A và K trên tay đương nhiên là uy lực, nhưng nếu bài chung không liên quan gì, tạm thời chúng cũng chỉ là một đôi A cao. Ngược lại, hai lá bài nhỏ không mấy nổi bật, một khi kết nối được với bài chung, lại có thể lén lút qua cầu, tạo thành sảnh liên tiếp.
Mô hình lớn chính là lá bài tẩy này.
1. Nhìn vào bài trên bàn: Bài Mỹ lớn, Trung Quốc đã ngồi vào vị trí đầu
Các Benchmarks khác nhau đo lường những năng lực khác nhau, không thể gộp chung thành một điểm tổng. Nhưng nếu trải rộng một vài bảng xếp hạng cốt lõi tính đến ngày 17 tháng 7 năm 2026, vẫn có thể thấy được hình dạng tổng thể của bàn bài hiện tại.
Ngày càng có nhiều lá bài lớn, nhưng chưa có lá bài nào có thể thống trị tất cả.
Nếu chỉ nhìn vào các mô hình mạnh nhất, Mỹ vẫn nắm giữ lá bài tẩy lớn hơn. Anthropic, OpenAI, Google, xAI và Meta tạo thành một pháo đài mô hình tiên tiến, có thể luân phiên dẫn đầu trong suy luận tổng quát, Coding, đa phương thức và Agent. Lợi thế của Mỹ không phải là một công ty nào đó tình cờ vươn lên đỉnh bảng, mà là độ dày tổng thể của nguồn cung mô hình tiên tiến.
Nhưng Kimi K3 ra mắt hôm nay đã thu hẹp đáng kể khoảng cách giữa Trung Quốc và lá bài lớn nhất. Bên thứ ba Artificial Analysis chấm K3 57 điểm, xếp thứ 4 trong bảng xếp hạng trí tuệ tổng hợp, chỉ cách Claude Fable 5 khoảng 60 điểm và GPT-5.6 Sol khoảng 59 điểm vài ba điểm. Nhờ đó, mô hình Trung Quốc bắt đầu tiến sát đến giới hạn năng lực tổng thể toàn cầu.
Coding là lá bài mà K3 đánh đẹp nhất. Trong các bài kiểm tra cùng nhóm công khai, Program Bench của K3 đạt 77,8 điểm, cao hơn một chút so với 77,6 điểm của GPT-5.6 Sol; SWE Marathon đạt 42,0 điểm, cao hơn 39,0 điểm của Sol; Terminal-Bench 2.1 đạt 88,3 điểm, bám sát 88,8 điểm của Sol. Trong Frontend Code Arena, nơi người dùng mù chọn tác phẩm, K3 đạt 1679 điểm đứng đầu, và đứng thứ nhất ở sáu trong bảy lĩnh vực frontend cụ thể.
Do đó, cục diện trên bàn đã thay đổi. Mỹ vẫn nắm giữ giới hạn trên về năng lực tổng hợp, trải nghiệm chung và năng lực Agent có hệ thống, nhưng Trung Quốc đã có thể thắng vài ván trên lá bài chung giá trị cao là Coding.
Cuộc cạnh tranh mô hình tiên phong giữa Trung Quốc và Mỹ đang chuyển từ việc đuổi kịp toàn diện sang cục bộ có thắng thua lẫn nhau.
2. Nhịp độ ván bài: Khoảng cách thế hệ đang trở thành chênh lệch thời gian
Benchmarks vẫn quan trọng, nhưng dần không còn quan trọng như trước.
Vấn đề cốt lõi là, nó ngày càng chỉ có thể cho chúng ta biết bức ảnh chụp nhanh của bàn chơi tại thời điểm đó, nhưng khó lòng cho biết ai sẽ còn đứng đầu bảng xếp hạng sau vài tuần nữa.
Khi tốc độ lặp lại mô hình chậm, một lần dẫn đầu thường đồng nghĩa với khoảng cách thế hệ kéo dài nửa năm hoặc hơn. Lúc đó, điểm số cao trên bảng xếp hạng không chỉ là một bảng thành tích đẹp, mà còn đại diện cho một hào công nghệ đủ rộng. Tháng 3 năm 2026, Báo cáo Chỉ số AI Stanford 2026 cho thấy, các mô hình hàng đầu của Mỹ đã tập trung trong khoảng hẹp dưới 25 điểm Arena Elo, Qwen và DeepSeek cũng đã tiến vào khu vực tiên phong; kể từ năm 2025, các mô hình Trung-Mỹ đã nhiều lần đổi chỗ cho nhau, đến tháng 3 năm 2026, khoảng cách hiệu suất công khai giữa các mô hình hàng đầu của hai bên là khoảng 2,7%.
Vì vậy, benchmark không mất đi khả năng đo lường, mà là khả năng dự đoán kết cục cuối cùng.
Câu nói "Mô hình lớn Trung-Mỹ chỉ cách nhau ba tháng" xuất hiện trong bối cảnh này. Thực tế, điều này không có nghĩa là Trung Quốc luôn tụt hậu so với Mỹ ba tháng ở mọi hướng, mà là cuộc cạnh tranh giữa hai bên đang chuyển từ "khoảng cách thế hệ" tương đối ổn định sang "chênh lệch thời gian" liên tục mở ra và đóng lại. Moon's Dark Side (月之暗面) chỉ cách 35 ngày từ khi phát hành mô hình chuyên về mã K2.7 Code vào ngày 12 tháng 6 đến khi ra mắt flagship K3 vào ngày 17 tháng 7. Mã, toán học, đa phương thức, Agent và trải nghiệm sản phẩm thực tế mỗi thứ đều có nhịp điệu riêng, có thứ cách nhau vài tháng, có khi chỉ còn vài tuần.
Thứ càng đẩy nhanh tốc độ đuổi kịp là distillation. Mô hình học sinh không cần nhìn thấy tham số của mô hình giáo viên, chỉ cần học nhiều câu trả lời, giải pháp mã và cách sử dụng công cụ của nó, là có thể nhanh chóng nắm bắt một phần đường lối phán đoán dọc theo con đường mà đối phương đã đi qua. Distillation bản thân là một kỹ thuật phổ biến; tranh cãi chỉ nằm ở chỗ, liệu đối thủ có tự ý gọi mô hình thương mại của bên khác với quy mô lớn mà không được phép hay không.
Tháng 6 năm 2026, Anthropic đã gửi thư cho các thượng nghị sĩ Mỹ, cáo buộc các nhà vận hành liên quan đến Alibaba và nhóm Qwen đã sử dụng gần 25.000 tài khoản giả để tương tác với Claude khoảng 28,8 triệu lần, nhằm trích xuất khả năng suy luận Agent, kỹ thuật phần mềm và nhiệm vụ tầm xa của nó. Thông tin liên quan đến từ Anthropic, cần được phân biệt với kết luận điều tra độc lập. Nhưng ít nhất nó tiết lộ một điều: Các công ty mô hình tiên phong của Mỹ không còn chỉ coi tham số, chip và mã huấn luyện là tài sản chiến lược, mà ngay cả câu trả lời do mô hình tạo ra cũng bắt đầu được xem là cửa ngõ có thể rò rỉ năng lực.
Mỹ vẫn đang liên tục tung ra những quân bài mới với tần suất cao hơn, nhưng tốc độ xem bài, phá bài và tái tổ hợp của Trung Quốc đã nhanh hơn nhiều so với trước đây. Vị trí dẫn đầu giờ đây trở thành quyền hành động ngắn hạn, không còn đồng nghĩa với thế thắng lâu dài.
2. Tính lại tỷ lệ thắng: Sức mạnh tính toán, thuật toán, dữ liệu và nhân tài thay đổi cục diện như thế nào
Cây muốn lặng mà gió chẳng ngừng, bài muốn yên mà lòng chẳng tĩnh.
Một người chơi dù cầm bài tốt hơn rõ ràng, nhưng có thể thua vì vốn cược quá mỏng, thiếu thông tin, hoặc hoàn toàn không hiểu phạm vi bài của đối thủ; một người chơi khác khởi đầu yếu hơn, chỉ cần có thể xem thêm vài vòng với chi phí thấp hơn, cũng có thể từ từ kéo lại tỷ lệ thắng.
Sức mạnh tính toán, thuật toán, dữ liệu và nhân tài, kết hợp lại quyết định chính xác phần tỷ lệ thắng chưa được hiện thực hóa này. Chúng quyết định một công ty AI có thể thử nghiệm bao nhiêu hướng đi, một lần thử sai tốn kém bao nhiêu, kinh nghiệm có thể được lưu giữ hay không, và liệu sau vòng cập nhật mô hình tiếp theo có thể ngồi lại vào bàn chơi hay không.
1. Sức mạnh tính toán: Mỹ kiểm soát mệnh giá cao nhất, Trung Quốc tranh giành khả năng kinh tế
So với quân bài khởi đầu là mô hình nền tảng, sức mạnh tính toán mới thực sự là con chip vàng trong tay Mỹ. Bài không tốt còn có thể chờ lá bài chung tiếp theo, nhưng nếu chip bị đứt, sẽ rất khó để tiếp tục ngồi lại bàn.
Mỹ nắm quyền đúc sức mạnh tính toán AI cao cấp: Nvidia định nghĩa bộ tăng tốc, kết nối và ngăn xếp phần mềm, TSMC đảm nhận sản xuất tiên tiến, các công ty Nhật Bản và Hàn Quốc cung cấp HBM, và các nhà cung cấp đám mây tổ chức hàng chục nghìn chip thành các cụm huấn luyện. Chip, mạng, lưu trữ, nguồn điện và CUDA gắn kết chặt chẽ với nhau. Cạnh tranh tiên phong từ lâu đã không còn là so sánh điểm số của một card đơn lẻ, mà là xem một "nhà máy AI" có thể kết nối hàng chục nghìn chip thành một khối thống nhất hay không.
Trung Quốc đã vượt qua ngưỡng "có hay không có chip AI nội địa". CloudMatrix của Huawei tổ chức các chip Ascend, Kunpeng, mạng và phần mềm thành một hệ thống thống nhất, và được sử dụng cho việc huấn luyện và suy luận mô hình DeepSeek. Điều thực sự cần vượt qua là từ "có thể chạy" đến "kinh tế và thực dụng": chip phải được cung cấp đủ, kết nối ổn định, điều phối linh hoạt; việc di chuyển mô hình không được gây ra chi phí kỹ thuật không thể chấp nhận; một cụm vạn thẻ chạy trong một tháng không được để phần lớn thời gian bị ngốn bởi truyền thông, lỗi và vấn đề tương thích.
Sức mạnh tính toán hiệu quả trung thực hơn số lượng chip. Sức mạnh tính toán lý thuyết phải trải qua nhiều lớp tổn thất từ băng thông bộ nhớ, giao tiếp nút, toán tử phần mềm, lỗi và tỷ lệ sử dụng. Mười nghìn thẻ trên giấy trông rất ấn tượng, nhưng khả năng thực sự được sử dụng liên tục cho huấn luyện có thể thấp hơn nhiều so với phép nhân đơn giản. Lợi thế của Mỹ là chip, HBM, kết nối và phần mềm đã được tối ưu hóa chung xoay quanh cùng một nhu cầu huấn luyện; khó khăn của Trung Quốc là mỗi khi bổ sung một mắt xích, nút thắt có thể ngay lập tức chuyển sang mắt xích tiếp theo.
Một khi Trung Quốc không vượt qua được ngưỡng "kinh tế thực dụng", Mỹ sẽ có thể liên tục phản ánh lợi thế về chip vào tỷ lệ thắng của mô hình; một khi vượt qua, các biện pháp kiểm soát xuất khẩu vẫn sẽ làm tăng chi phí, nhưng khó có thể khiến Trung Quốc rời khỏi bàn đàm phán.
2. Thuật toán và Kỹ thuật: DeepSeek định giá lại chip
Trong poker Texas Hold'em, càng nhiều chip thì càng có lợi thế. Nhưng nếu đối thủ có thể xóa hai số 0 khỏi chip 10.000 của bạn, sức mua trên bàn sẽ được tính toán lại.
Trung Quốc đã từng đánh ra một quân bài gây chấn động như vậy, DeepSeek.
Báo cáo kỹ thuật của DeepSeek-V3 đưa ra một bảng chi tiết hiếm thấy: lần huấn luyện hoàn chỉnh cuối cùng sử dụng khoảng 2,788 triệu giờ GPU H800. Con số này không bao gồm các nghiên cứu sơ bộ, thí nghiệm thất bại, mua sắm phần cứng và cơ sở hạ tầng, vì vậy câu nói "chỉ tốn khoảng 6 triệu USD để huấn luyện mô hình tiên tiến" đã bỏ qua phần lớn hóa đơn. Nhưng nó vẫn gây chấn động ngành, vì nó xé toạc một tỷ lệ cược cũ từng được nhiều người coi là lẽ thường: giữa năng lực mô hình và đầu tư sức mạnh tính toán không có tỷ giá cố định.
V3 sử dụng kiến trúc MoE, mỗi token chỉ kích hoạt một phần tham số; cơ chế chú ý tiềm ẩn đa đầu nén bộ nhớ đệm, huấn luyện FP8 giảm chi phí tính toán và truyền thông, cân bằng tải giảm thời gian chết của chuyên gia. R1 lại đẩy hiệu quả lên giai đoạn hậu huấn luyện: trong các nhiệm vụ có thể xác minh kết quả như toán học và mã hóa, mô hình thông qua học tăng cường lặp đi lặp lại thử và sai, thay thế một phần suy luận mẫu đắt đỏ của con người bằng tín hiệu thưởng có thể tự động xác định. Nói cách khác, DeepSeek không có được nhiều chip hơn từ hư không, mà nó làm cho chip hoạt động hiệu quả hơn.
Mỹ vẫn giỏi hơn trong việc khám phá các hướng đi mới. Transformer, Scaling Law, RLHF và nhiều framework Agent khác, phần lớn đều do các viện nghiên cứu và doanh nghiệp Mỹ đưa lên tiên phong; vốn sâu hơn cũng cho phép các phòng thí nghiệm đặt cược đồng thời vào nhiều hướng chưa được xác nhận. Trung Quốc trước đây mạnh hơn về tái tạo, nén và tối ưu hóa kỹ thuật. Sau DeepSeek, ranh giới này bắt đầu lung lay: các đội ngũ Trung Quốc không chỉ làm cho các hướng đi của người khác rẻ hơn, mà còn bắt đầu đề xuất các phương pháp đủ để thay đổi kỳ vọng chi phí của ngành.
Tuy nhiên, lợi ích từ thuật toán sẽ không vĩnh viễn thay thế phần cứng. Các bài báo sẽ lan truyền, các mô hình dẫn đầu cũng sẽ hấp thụ các kỹ thuật tương tự; hiệu quả tăng lên còn kích thích nhiều lệnh gọi hơn, khiến sức mạnh tính toán tiết kiệm được nhanh chóng bị nhu cầu mới nuốt chửng. Người chơi đã học cách kiểm soát cược chính xác hơn, nhưng mù (blind) vẫn tiếp tục tăng.
Vì vậy, giá trị chiến lược của hiệu quả kỹ thuật đối với Trung Quốc, chủ yếu là có thể sử dụng sức mạnh tính toán hạn chế để tăng số lần thí nghiệm, rút ngắn chu kỳ xác minh và giành thời gian cho phần cứng nội địa trưởng thành.
3. Dữ liệu: Dữ liệu có kết quả đang tăng giá, và Mỹ hiện đang chiếm ưu thế
Một người chơi bài chuyên nghiệp khi xem lại ván bài, tất nhiên sẽ không chỉ ghi nhớ mình có lá A hay K. Anh ta phải lưu lại toàn bộ hành động: ai cược trước, vòng turn tăng cược thế nào, bài chung thay đổi ra sao, đối thủ cuối cùng lật bài gì, và phán đoán của mình sai ở đâu.
Dữ liệu đối với mô hình cũng chính là như vậy.
Các mô hình lớn thời kỳ đầu chủ yếu học ngôn ngữ, kiến thức và mã nguồn từ internet công khai. Mỹ dựa vào các trang web tiếng Anh, GitHub, bài báo khoa học và nền tảng kỹ thuật số toàn cầu để có lợi thế đi trước. Khi các kho dữ liệu công khai chất lượng cao bị sử dụng lặp đi lặp lại, thứ thực sự khan hiếm không chỉ là văn bản mà mô hình chưa từng đọc, mà còn là dữ liệu có kết quả rõ ràng, có thể đánh giá thành bại của nhiệm vụ.
Giá trị của một đoạn hội thoại chăm sóc khách hàng không chỉ nằm ở nội dung nhân viên nói, mà còn ở việc vấn đề có được giải quyết hay không; giá trị của một đoạn mã chương trình không chỉ nằm ở việc nó có vẻ hợp lý, mà còn ở việc sau khi sửa có vượt qua bài kiểm tra hay không. Dữ liệu không thể chỉ ra kết quả, phần lớn chỉ là nhiễu.
Đầu năm 2026, Alibaba đã huấn luyện phiên bản tùy chỉnh Qwen-Coder cho Agent lập trình Qoder, đưa các nhiệm vụ phần mềm thực tế, môi trường sản phẩm và phần thưởng kỹ thuật vào quá trình huấn luyện. Alibaba tiết lộ rằng sau khi lặp lại, tỷ lệ giữ mã trên môi trường trực tuyến tăng 3,85%, tỷ lệ bất thường công cụ giảm 61,5%, và mức tiêu thụ token giảm 14,5%. Con số đến từ nhà sản xuất, vẫn cần xác minh bên ngoài, nhưng nó chỉ ra phần đắt nhất của dữ liệu chuyên ngành: không phải đoạn văn bản đó, mà là một kết quả có thể kiểm chứng đằng sau văn bản.
Mỹ có nhiều cổng phản hồi hơn. ChatGPT, Claude, Gemini, GitHub và các bộ ứng dụng văn phòng kết nối người tiêu dùng, nhà phát triển và doanh nghiệp toàn cầu. Các công ty mô hình có thể quan sát nơi người dùng sửa câu trả lời, lập trình viên giữ lại mã nào, và Agent thất bại ở bước nào.
Cơ hội của Trung Quốc nằm ở các quy trình kinh doanh dày đặc hơn. Video ngắn và quảng cáo của ByteDance, giao đồ ăn và vận chuyển của Meituan, thương mại điện tử và thực thi đơn hàng của Alibaba, lái xe thông minh của xe năng lượng mới, kiểm tra chất lượng và vận hành thiết bị trong nhà máy – mỗi chuỗi đều mang theo kết quả thắng thua thực tế.
Điều Trung Quốc thực sự thiếu là những bản ghi bài hoàn chỉnh chất lượng cao. Phần lớn dữ liệu công nghiệp vẫn bị phân mảnh trong các doanh nghiệp, bộ phận và hệ thống địa phương khác nhau. Chỉ khi nhiệm vụ có thể được tiêu chuẩn hóa, kết quả có thể được xác minh, và dữ liệu có thể lưu thông trong điều kiện tuân thủ, thì dấu vết kinh doanh mới trở thành tài sản của mô hình. Có nhiều kịch bản chỉ là có nhiều nguyên liệu thô; liệu có thể hình thành một chuỗi ngắn "mô hình thực thi, phản hồi thực tế, kết quả quay vòng" hay không mới quyết định liệu vòng huấn luyện tiếp theo có nhận được dinh dưỡng hay chỉ là một kho bài cũ không thể kiểm kê.
4. Nhân tài: Trung Quốc là thượng nguồn nhân tài, còn Mỹ là bộ khuếch đại nhân tài
Trong vài ván bài trước, cuộc cạnh tranh giữa Trung Quốc và Mỹ dường như luôn do các công ty công nghệ đại diện. Về phía Mỹ, có OpenAI, Anthropic, Google, Meta; về phía Trung Quốc, có DeepSeek, Zhipu, Moonshot AI, Alibaba, ByteDance.
Các công ty công nghệ ra mắt mô hình, tích trữ sức mạnh tính toán, tranh giành người dùng, và cũng đại diện cho quốc gia của họ liên tục "ra trận" trên bàn bài. Nhưng cuối cùng, công ty chỉ là phương tiện của cuộc cạnh tranh giữa các cường quốc trong thế giới thương mại. Thứ thực sự quyết định một công ty có thể đọc được loại bài nào, dám đặt cược vào hướng đi nào, và liệu có thể duy trì lợi thế hay không, vẫn là nhân tài đứng sau tổ chức.
Nhân tài có thể là nhà nghiên cứu đề xuất kiến trúc mới, là kỹ sư xây dựng hệ thống huấn luyện, hoặc là đội ngũ sản phẩm đưa mô hình ra thị trường. Nếu mở rộng phạm vi, còn có thể bao gồm các trường đại học, phòng thí nghiệm và hệ thống thi đấu liên tục đào tạo và cung cấp nhân tài mới cho toàn bộ hệ thống mô hình lớn.
Thành công của mô hình lớn thường được kể như một khoảnh khắc lóe sáng của một nhà khoa học nào đó, đây là một sai lầm có xu hướng tạo ra thần tượng. Giống như poker chuyên nghiệp, dù chỉ một người ngồi trước bàn, nhưng đằng sau tay chơi đỉnh cao lại có huấn luyện viên, Solver, cơ sở dữ liệu bài, quản lý thể lực và quản lý vốn dài hạn. Lợi thế và thế thắng thực sự ổn định không chỉ đến từ một pha xuất thần nào đó, mà đến từ một hệ thống liên tục xem xét lại và sửa lỗi.
Các công ty AI cũng vậy. Nhà nghiên cứu hàng đầu có thể đưa ra quyết định về việc có nên đặt cược vào một hướng đi nào đó hay không, nhưng đằng sau đó, hàng trăm kỹ sư hệ thống sẽ đầu tư vào việc giảm tổn thất tính toán, xử lý sự cố, và biến một thành công ngẫu nhiên thành một quy trình huấn luyện và sản phẩm có thể lặp lại nhiều lần.
Cạnh tranh nhân tài giữa các cường quốc, về bản chất là so sánh ai có thể cung cấp một bàn bài đáng để ngồi xuống hơn. Nhà nghiên cứu hàng đầu sẽ chọn nơi có mức lương cao hơn, sức mạnh tính toán sâu hơn, đồng nghiệp mạnh hơn, vấn đề quan trọng hơn, và cũng cho phép thất bại nhiều hơn. Mỹ từ lâu đã thu hút các chuyên gia hàng đầu toàn cầu, chính nhờ "quyền chọn bàn bài" này.
Điều kỳ lạ nhất của bảng này là: Trung Quốc không thiếu nhân tài. Hoàn toàn ngược lại, Trung Quốc đã trở thành một trong những thượng nguồn quan trọng nhất của nhân tài AI hàng đầu toàn cầu. Vấn đề là, nhiều nhân tài sau khi hoàn thành giai đoạn đào tạo ban đầu, cuối cùng lại kết nối với bộ khuếch đại của Mỹ.
Lợi thế mô hình lớn của Mỹ không phải là kết quả của một hệ thống khép kín tự cung tự cấp. Nó giống như một cỗ máy ly tâm nhân tài toàn cầu khổng lồ: hút những người trẻ thông minh nhất từ Trung Quốc, Ấn Độ, châu Âu và khắp nơi trên thế giới vào hệ thống tiến sĩ của Mỹ, sau đó đưa vào các phòng thí nghiệm hàng đầu của Stanford, MIT, Berkeley, CMU, và cuối cùng chuyển đến các công ty như OpenAI, Anthropic, Google DeepMind, Meta, Microsoft, NVIDIA.
Các trường đại học vẫn cung cấp phương pháp, luận văn và nhân tài, nhưng chủ thể thực sự có thể mở rộng phương pháp lên quy mô cụm vạn card, sản phẩm toàn cầu và doanh thu thương mại ngày càng tập trung vào doanh nghiệp. Thống kê từ Stanford AI Index cũng cho thấy, các chủ thể phát hành các mô hình tiên tiến quan trọng đã mang tính công nghiệp hóa cao. Các trường đại học chịu trách nhiệm phát minh ra các dạng bài, còn doanh nghiệp nắm giữ những bàn chơi lớn thực sự.
Bài của Trung Quốc không hoàn toàn giống nhau. Lợi thế của Trung Quốc nằm ở nguồn nhân lực kỹ thuật lớn hơn, chuỗi trách nhiệm ngắn hơn và mật độ nhiệm vụ gần với hiện trường công nghiệp hơn.
Giá trị của đội ngũ kỹ thuật này chỉ thực sự bộc lộ khi các mô hình lớn bước vào các hệ thống phức tạp. Các mô hình tiên tiến cần một số ít nhà khoa học hàng đầu, nhưng việc triển khai mô hình cần hàng trăm, hàng nghìn kỹ sư hệ thống, kỹ sư dữ liệu, kỹ sư tối ưu suy luận, kỹ sư thích ứng chip và đội ngũ sản phẩm. Mỹ giỏi đưa một số ít nhân tài xuất sắc đến giới hạn năng lực, còn Trung Quốc giỏi triển khai số lượng lớn kỹ sư vào hiện trường công nghiệp. Cách tiếp cận trước phù hợp để tấn công giới hạn năng lực tổng quát, cách sau phù hợp để cải tạo, triển khai và bàn giao nhanh chóng.
Đây cũng là sự thay đổi mà DeepSeek, Moonshot AI và các công ty khác mang lại cho câu chuyện về mô hình lớn của Trung Quốc. Chúng chứng minh rằng các công ty Trung Quốc có thể tham gia ván bài bằng một cách tổ chức khác: đội ngũ gắn kết hơn, vòng phản hồi ngắn hơn, khả năng nén kỹ thuật mạnh hơn và không gian để những người trẻ nhanh chóng tham gia vào các nhiệm vụ cốt lõi.
Có lẽ, thắng thua thực sự của ván bài mô hình lớn Trung-Mỹ không nằm ở hiện tại, mà phụ thuộc vào việc khi thế hệ học sinh xuất sắc tiếp theo xuất phát từ Bắc Kinh, Thượng Hải, Quảng Châu, họ sẽ coi địa điểm nào là sân nhà của mình. Là bay đến Thung lũng Silicon, kết nối với bộ khuếch đại siêu lớn của Mỹ; hay ở lại Trung Quốc, trên một bàn chơi mới đang được mở rộng, kết nối các mô hình nội địa, chip, hệ thống và bối cảnh công nghiệp thành một vòng khép kín.
Ba, Lối chơi: Mỹ chiếm cao điểm, Trung Quốc bao vây thành thị từ nông thôn
Khi lợi thế mô hình thu hẹp từ khoảng cách thế hệ thành khoảng cách thời gian, vấn đề không còn chỉ là "ai ra lá bài lớn trước", mà là liệu lá bài đó có thể được chuyển hóa thành lợi thế lâu dài hay không.
1. Mỹ giữ bài tẩy để chứng minh quyền định giá
OpenAI, Anthropic và Google giữ các mô hình mạnh nhất trong các sản phẩm đăng ký, API và nền tảng đám mây. Nhà phát triển có thể gọi, nhưng không thể tải xuống trọng số đầy đủ, tự do sửa đổi hoặc triển khai vòng qua nền tảng.
Mã nguồn đóng trước hết là một chiến lược định giá.
Dù OpenAI và Anthropic có tham gia thị trường công khai vào lúc nào, họ cũng phải đối mặt với logic định giá của Thung lũng Silicon và Phố Wall. Thị trường vốn sẽ không trả tiền lâu dài cho một lần leo lên đỉnh benchmark, mà quan tâm hơn đến doanh thu, tỷ lệ giữ chân, lợi nhuận gộp và khả năng thương lượng. Chỉ bằng cách kiểm soát lối vào của các mô hình tiên tiến nhất, họ mới có thể tính phí cho mỗi lần gọi, mỗi người dùng đăng ký và mỗi hợp đồng doanh nghiệp, biến lợi thế tạm thời thành tài sản có thể bán đi lặp lại.
Hai công ty này chịu chi phí tài sản nặng nề về chip, trung tâm dữ liệu và năng lượng, nhưng lại hy vọng đạt được định giá như một nền tảng phần mềm. Nếu trọng số được mở hoàn toàn, các nhà cung cấp dịch vụ đám mây và công ty ứng dụng có thể nhanh chóng lưu trữ, đóng gói và giảm giá, khiến các mô hình nền tảng trở thành hàng hóa đồng nhất. Người đào tạo chịu rủi ro lớn nhất, nhưng lợi nhuận lại chảy về phía sức mạnh tính toán và cửa ngõ truy cập.
Vì vậy, những gì Mỹ bảo vệ không chỉ là bí mật công nghệ, mà còn là "tiền thuê" từ mô hình. API, khung Agent, quyền doanh nghiệp, kết nối dữ liệu và kiểm toán bảo mật đều tạo thêm các lớp khóa xung quanh mô hình. Khách hàng càng kết nối sâu, chi phí chuyển đổi càng cao, và lợi thế tạm thời mới có thể vượt qua lần xáo trộn bảng xếp hạng tiếp theo.
2. Trung Quốc công bố một phần chiến lược để đổi lấy quyền phân phối
Hôm nay, tại WAIC (Hội nghị Trí tuệ Nhân tạo Thế giới), Tập Cận Bình đề xuất kiên trì hợp tác cởi mở và cùng có lợi, khuyến khích mã nguồn mở, hợp tác chia sẻ, đồng thời coi việc giúp các nước Nam Bán cầu tăng cường năng lực và thu hẹp khoảng cách số là hướng đi quan trọng trong quản trị AI toàn cầu. Tuyên bố của chủ tịch hội nghị cùng ngày cũng nhấn mạnh cần xây dựng hệ sinh thái mã nguồn mở một cách có trách nhiệm, nâng cao khả năng tiếp cận công nghệ và dịch vụ AI trên cơ sở tôn trọng lựa chọn độc lập của doanh nghiệp và bảo vệ quyền sở hữu trí tuệ.
Hầu hết các công ty mô hình AI của Trung Quốc không có cửa ngõ toàn cầu như ChatGPT, Google và Workspace. Do đó, việc khóa các mô hình lớn trong nền tảng riêng của họ khó có thể mang lại lợi nhuận cao như mô hình Silicon Valley.
Vì vậy, mở trọng số trước hết là một phương tiện phân phối.
DeepSeek, Qwen, GLM và các nền tảng khác đang cạnh tranh giành nhà phát triển bằng trọng số có thể tải xuống, API giá rẻ, tương thích giao diện và triển khai cục bộ. Kimi K3 ra mắt hôm nay còn đẩy chiến lược này đến mức "hào phóng" tột độ: tổng tham số 2,8 nghìn tỷ, hỗ trợ thị giác gốc, ngữ cảnh tối đa lên tới 1 triệu token. Moonshot AI tuyên bố đây là mô hình 3T mở đầu tiên và cam kết phát hành đầy đủ trọng số trước ngày 27 tháng 7.
Trung Quốc cho phép người khác lấy bộ bài trong tay mình, tự mình xem xét và khám phá, để nhiều quốc gia hơn có một lựa chọn công nghệ khác không hoàn toàn phụ thuộc vào API của Mỹ. Đây là logic của "nông thôn bao vây thành thị": không tranh giành trung tâm thị trường đắt đỏ và khép kín nhất trước, mà dùng trọng số mở, API giá rẻ và khả năng tương thích phần cứng để thâm nhập vào các kịch bản có số lượng lớn hơn, ngân sách eo hẹp hơn và dữ liệu không muốn rời khỏi lãnh thổ.
Đối với nhiều quốc gia đang phát triển, điều quan trọng nhất không nhất thiết là mô hình thắng thêm vài điểm trên bảng xếp hạng. Họ quan tâm hơn đến việc mô hình có hỗ trợ ngôn ngữ địa phương không, dữ liệu có phải rời khỏi biên giới không, giá cả có chấp nhận được không, có thể triển khai trên máy chủ nội địa không, và nhà cung cấp có đột ngột cắt dịch vụ vì thay đổi địa chính trị hay không.
Trong bài phát biểu, ông Tập Cận Bình tuyên bố rằng trong 5 năm tới, Trung Quốc sẽ cung cấp 5.000 suất đào tạo chuyên đề về trí tuệ nhân tạo cho các nước đang phát triển, xây dựng các trung tâm hợp tác ứng dụng AI quốc tế với ASEAN, Liên đoàn Ả Rập, Liên minh châu Phi, Cộng đồng các quốc gia Mỹ Latinh và Caribe, Tổ chức Hợp tác Thượng Hải và BRICS, đồng thời thúc đẩy triển khai các giải pháp cảnh báo thông minh khí tượng tại 30 quốc gia. Tổ chức Hợp tác Trí tuệ Nhân tạo Thế giới cũng chính thức được thành lập tại Thượng Hải.
Từ đó, Trung Quốc đang hình thành một hệ thống phân phối ba lớp phối hợp với nhau.
Lớp đầu tiên là mô hình: Sử dụng trọng số mở và API giá rẻ để hạ thấp rào cản sử dụng.
Lớp thứ hai là hạ tầng: Sử dụng điện toán đám mây, chip nội địa, triển khai cục bộ và các giải pháp ngành để đáp ứng nhu cầu thực tế.
Lớp thứ ba là mạng lưới thể chế: Thông qua đào tạo, trung tâm hợp tác và tổ chức quốc tế, biến một lần tải mô hình thành mối quan hệ công nghệ dài hạn hơn.
Tất nhiên, việc mở cửa có thể thu hút sự chú ý và tỷ lệ áp dụng toàn cầu, nhưng không thể kỳ vọng rằng các dịch vụ đám mây khổng lồ sẽ tự động thu hồi chi phí cho chúng. Chúng phải tìm kiếm dòng tiền từ API chính thức, dịch vụ doanh nghiệp, triển khai riêng tư và các sản phẩm cấp cao hơn.
Trung Quốc phải, trong một khung thời gian có thể dự đoán, chuyển đổi trọng số mở thành tiêu chuẩn phát triển, tiêu chuẩn phát triển thành doanh thu từ đám mây và ứng dụng, và sự áp dụng quốc tế thành hệ sinh thái dài hạn. Nếu không, cái gọi là quyền phân phối chỉ là số lượt tải xuống tạm thời, chứ không phải là vòng lặp kinh doanh có thể nuôi dưỡng thế hệ mô hình tiếp theo.
3. Mỹ thu phí mô hình, Trung Quốc tranh giành phí hệ sinh thái
Mỹ muốn thu phí mô hình: Dựa vào năng lực cao nhất và sự khóa chặt nền tảng, khiến các cuộc gọi, đăng ký và hợp đồng doanh nghiệp liên tục đi qua cổng thu phí của mình. Trung Quốc thiên về tranh giành phí hệ sinh thái hơn: Giảm giá thành của chính mô hình, dùng sự mở cửa để đổi lấy nhà phát triển, khối lượng công việc đám mây, triển khai doanh nghiệp và tiêu chuẩn công nghệ, rồi thu hồi giá trị từ một trong các lớp đó.
Cả hai hướng đi đều có thể rơi vào bẫy của chính mình. Nền tảng đóng cửa sợ nhất là khoảng cách năng lực bị thu hẹp; nếu bức tường cao không có năng lực vượt trội rõ rệt để hỗ trợ, nó sẽ biến từ hào thành trạm thu phí; hướng đi mở cửa dễ dàng giành được tràng pháo tay nhưng mất tiền mặt, các công ty đám mây và ứng dụng nước ngoài lấy đi doanh thu, trong khi nhà sản xuất ban đầu phải chịu chi phí đào tạo đắt đỏ nhất.
Hướng đi của Trung Quốc phải hoàn thành một sự chuyển đổi: Từ trọng số mở thành tiêu chuẩn phát triển, từ tiêu chuẩn phát triển thành doanh thu đám mây và triển khai, rồi từ doanh thu và nhiệm vụ thực tế để có được sức mạnh tính toán và dữ liệu cần thiết cho thế hệ mô hình tiếp theo. Mỹ cũng phải chứng minh rằng sự dẫn đầu của mình đủ sâu để thâm nhập vào quy trình làm việc của người dùng, trở thành lớp trí tuệ không thể dễ dàng thay thế.
Mỹ đang chứng minh: Lá bài của tôi đủ khan hiếm, nên mỗi lần xem đều phải trả tiền.
Trung Quốc đang đặt cược: Chỉ cần đủ nhiều người dùng cùng một bộ bài, thì bản thân sự lan tỏa cũng sẽ tạo ra quyền thương lượng giá.
4. Đánh giá tỷ lệ cược Pot Odds: Rẻ không phải là ân huệ, mà là tiền đề cho quy mô hóa
Pot Odds trả lời một câu hỏi lạnh lùng: Để tranh giành số chip trên bàn, còn phải trả giá bao nhiêu nữa? Dù bài có đẹp đến đâu, nếu mỗi lần theo cược đều đắt đỏ một cách vô lý, về lâu dài cũng sẽ đốt sạch vốn.
1. Bảng giá API chỉ là hóa đơn đầu tiên
Tính đến ngày 17 tháng 7 năm 2026, giá API công khai của một số mô hình đại diện như sau, đơn vị là mỗi triệu token. (Giá có thể thay đổi bất cứ lúc nào và không đại diện cho giá hợp đồng dài hạn của doanh nghiệp. Giá đầu vào của Kimi K3 được tính theo trường hợp cache miss.)
Bảng này vẫn cho thấy lợi thế về giá của các mô hình nội địa, nhưng không còn có thể khái quát bằng câu "mô hình nội địa luôn rẻ hơn hàng chục lần". DeepSeek tiếp tục đẩy giá thấp xuống mức tối đa, trong khi Kimi K3 cố gắng định giá cao hơn nhờ khả năng code tiên tiến và ngữ cảnh 1 triệu token. Chiến lược của các mô hình Trung Quốc đang phân hóa từ một cuộc chiến giá đơn thuần thành hai hướng: giá thấp để chiếm thị phần và giá cao cho phân khúc cao cấp.
Mọi chuyện không đơn giản như vậy, và Token cũng không hào phóng đến thế.
Hóa đơn hoàn chỉnh của doanh nghiệp ít nhất cần bao gồm: token, gọi công cụ, thử lại sau lỗi, kiểm tra thủ công, và dự phòng cho độ trễ và độ ổn định. Bảng giá chỉ liệt kê mục đầu tiên, một khi xảy ra lỗi, doanh nghiệp phải trả tiền cho tất cả các bước sửa lỗi phía sau.
So sánh thực sự công bằng không phải là "một triệu token giá bao nhiêu", mà là để hoàn thành cùng một công việc, cuối cùng đã bị trừ bao nhiêu tiền khỏi tài khoản.
Tuy nhiên, dù vậy, giá thấp vẫn là một lá bài rất mạnh. Dịch vụ khách hàng, tóm tắt, xử lý tài liệu và kiểm tra mã hàng loạt có thể được gọi hàng triệu lần mỗi ngày, và chênh lệch đơn giá sẽ nhanh chóng được khuếch đại theo quy mô. Giá rẻ có nghĩa là các đội khởi nghiệp dám thử sai, các doanh nghiệp vừa và nhỏ có thể tham gia, và Agent cũng có cơ hội bước ra khỏi bục trình diễn để đi vào công việc hàng ngày. Trung Quốc đang cố gắng để nhiều tác vụ thông thường hơn có đủ tư cách tham gia vào "pot" (ván bài).
2. Con dao hai lưỡi của vốn: Quy mô tài trợ mua quyền thử sai, cũng khởi động đồng hồ đếm ngược lợi nhuận
Nếu tiếp tục đặt bốn phòng thí nghiệm tiên tiến lại với nhau, sự khác biệt về cấu trúc vốn sẽ càng trở nên trực quan hơn.
Quy mô tài trợ khác biệt đủ để thấy rằng các phòng thí nghiệm hàng đầu của Mỹ có thể dồn toàn bộ ngân sách chip, trung tâm dữ liệu và nhân tài của vài năm tới vào hôm nay.
Thực chất, vốn hỗ trợ là quyền thử sai của các công ty mô hình lớn. Chỉ cần tiền đủ sâu, họ có thể cho mười hướng nghiên cứu chạy đồng thời, để chín hướng thất bại trong khi hướng thứ mười vẫn sống sót, và cũng có thể khóa hợp đồng trung tâm dữ liệu và điện trước khi doanh thu hình thành.
Nhưng mọi món quà của số phận đều có giá ngầm. Càng nhiều tiền, đồng hồ lợi nhuận càng kêu to. Định giá khổng lồ, tín dụng và cam kết cơ sở hạ tầng đều đang đòi nợ từ dòng tiền tương lai. OpenAI và Anthropic phải biến lợi thế năng lực thành đăng ký, API và hợp đồng doanh nghiệp, chứng minh rằng họ gánh chi phí công nghiệp nặng nhưng lại có cấu trúc lợi nhuận của nền tảng phần mềm. Vốn cho họ con bài sâu hơn, nhưng cũng âm thầm ghi ngày có lãi dưới mặt bàn.
Cấu trúc vốn của Trung Quốc tương đối phân tán hơn. Các ông lớn internet dùng mây và tiêu dùng làm nền tảng, công ty khởi nghiệp nhận hỗ trợ từ vốn công nghiệp và chính sách địa phương, thậm chí trung ương, cơ sở hạ tầng tính toán công cộng gánh một phần đầu tư cơ bản. Điều này giúp các hướng quan trọng không bị dừng ngay vì thiếu lợi nhuận ngắn hạn, nhưng cũng có thể tạo ra xây dựng trùng lặp, cụm máy sử dụng thấp và các dự án chỉ chịu trách nhiệm với trợ cấp.
Rủi ro của Mỹ là tiền nóng đủ nhiều, dễ vốn hóa sớm các nhu cầu chưa được kiểm chứng; rủi ro của Trung Quốc là tiền nóng không đủ tập trung, nghiên cứu tiên phong có thể bị buộc chuyển hướng sang giao hàng ngắn hạn khi cần đầu tư dài hạn nhất. Bên trước phải chứng minh mô hình giá cao đủ bù đắp đầu tư khổng lồ, bên sau phải chứng minh giá thấp và mở cửa không phải trợ cấp vĩnh viễn, mà có thể đổi lấy doanh thu mây, triển khai doanh nghiệp và hiệu quả công nghiệp.
Trong ván bài này, cả hai bên đốt không chỉ tiền, mà thứ quý giá nhất là thời gian vay mượn từ tương lai.
3. Hạn chế về điện chiến lược không gian: Trung Quốc có chiều sâu cơ sở hạ tầng
Huấn luyện là tải trọng bùng nổ tập trung, còn tìm kiếm, văn phòng và suy luận Agent là tải trọng không ngừng ngày đêm. Khi mô hình được gọi hàng tỷ lần, giá điện, kết nối lưới, tản nhiệt và tỷ lệ sử dụng chip đều đi vào chi phí của mỗi nhiệm vụ.
Lợi thế cơ sở hạ tầng năng lượng của Trung Quốc trước hết là quy mô.
Là "ông trùm cơ sở hạ tầng", Trung Quốc có hệ thống điện lớn hơn, và liên tục xây dựng thêm điện gió, điện mặt trời, lưu trữ năng lượng, điện hạt nhân và mạng lưới truyền tải liên vùng. Khi việc xây dựng trung tâm dữ liệu cần thiết cho mô hình lớn mang lại tải trọng quy mô mới, Trung Quốc rõ ràng có chiều sâu cung cấp lớn hơn và khả năng mở rộng kỹ thuật mạnh hơn.
Vấn đề của Mỹ là vốn và chip đã sẵn sàng chờ bên ngoài, nhưng lưới điện lại không thể mở rộng chỉ bằng một lần cập nhật phần mềm. Nghiên cứu của Bộ Năng lượng Mỹ cho thấy, thời gian trung bình từ phát triển, phê duyệt đến vận hành một dự án truyền tải cao áp là khoảng 10 năm, với khoảng điển hình từ 5 đến 17 năm; thời gian trung bình từ khi nộp đơn kết nối lưới đến vận hành của các dự án nguồn điện cũng đã kéo dài từ khoảng 2 năm vào năm 2008 lên khoảng 5 năm vào năm 2023.
Vào tháng 6 năm 2026, Ủy ban Điều tiết Năng lượng Liên bang Mỹ đã yêu cầu thêm sáu nhà vận hành lưới điện khu vực giải thích hoặc cải cách các quy tắc kết nối tải lớn. Đặc điểm phân quyền của hệ thống liên bang quyết định quá trình phê duyệt đường dây truyền tải khu vực chậm chạp, thời gian giao hàng các thiết bị như máy biến áp kéo dài, và giữa các bang, doanh nghiệp phát điện, nhà vận hành lưới điện và trung tâm dữ liệu phải liên tục thương lượng về việc ai chịu chi phí.
Ngược lại, Khu trung tâm dữ liệu Ninh Hạ Trung Vệ của China Mobile, đi vào hoạt động toàn diện vào năm 2026, có tổng công suất IT đạt 332 megawatt, quy mô tính toán thông minh vượt quá 100 EFLOPS, tỷ lệ điện xanh ổn định trên 80%, và giá điện tổng hợp khoảng 0,36 NDT/kWh. Ý nghĩa của dự án này không chỉ nằm ở giá điện rẻ, mà còn ở việc nguồn điện, lưới điện, lưu trữ năng lượng và trung tâm dữ liệu có thể được xây dựng đồng bộ, biến trực tiếp tài nguyên năng lượng thành nguồn cung cấp sức mạnh tính toán.
Do đó, ở lớp cơ sở hạ tầng năng lượng, lợi thế của Trung Quốc thậm chí còn rõ ràng hơn so với lợi thế trên Benchmarks. Cơ quan Năng lượng Quốc tế dự báo, điện năng tiêu thụ của các trung tâm dữ liệu toàn cầu sẽ tăng từ khoảng 485 TWh vào năm 2025 lên khoảng 950 TWh vào năm 2030. Mỹ và Trung Quốc sẽ đóng góp gần 80% mức tăng này. Khi cạnh tranh chuyển từ huấn luyện mô hình sang suy luận liên tục hàng tỷ lần, lợi thế cơ sở hạ tầng năng lượng của Trung Quốc sẽ càng trở nên quan trọng hơn: huấn luyện có thể chờ đợi một lần lên lịch cụm, nhưng dịch vụ suy luận cần nguồn điện ổn định, giá rẻ không gián đoạn quanh năm.
Tuy nhiên, lợi thế năng lượng cuối cùng vẫn cần được quy đổi thông qua hiệu suất chip, tối ưu hóa phần mềm và tỷ lệ sử dụng cụm. Điện giá rẻ nếu bị tiêu hao bởi chip hiệu suất thấp và phòng máy không hoạt động cũng không thể tự động biến thành trí tuệ chi phí thấp. Điều thực sự cần so sánh là cần bao nhiêu điện năng, khấu hao chip và vận hành bảo trì nhân công để hoàn thành một triệu tác vụ thực tế.
Bên nào có thể đạt được chi phí trên mỗi tác vụ thấp hơn trước, bên đó sẽ có khả năng kéo cuộc cạnh tranh này thành một cuộc chiến tiêu hao dài hạn. Về điểm này, hệ thống huy động toàn quốc của Trung Quốc có thể chiếm ưu thế hơn.
4. Điều Trung Quốc cần vượt qua là một vòng khép kín chi phí
Khi xếp chồng API, vốn và năng lượng, thắng thua rất dễ bị quy gọn một cách đơn giản là "ai có nhiều tiền hơn". Mỹ thực sự có thể dùng đầu tư cao để đẩy giới hạn mô hình, sau đó thu hồi chi phí thông qua đăng ký toàn cầu, đám mây và phần mềm doanh nghiệp; Trung Quốc thì cố gắng dùng tối ưu hóa kỹ thuật, mô hình giá rẻ và cơ sở hạ tầng để hạ thấp ngưỡng gọi API, rồi tìm kiếm doanh thu và dữ liệu từ việc sử dụng quy mô lớn.
Rủi ro của con đường Trung Quốc nằm ở chỗ, mỗi mắt xích đều bị ép giá, nhưng không có chỗ nào để lại lợi nhuận đủ lớn. Nếu API giá rẻ chỉ mang lại số lượng cuộc gọi, trọng số mở chỉ mang lại số lượt tải xuống, và trung tâm dữ liệu địa phương chỉ có quy mô xây dựng, thì cả ba cộng lại vẫn có thể là một khoản lỗ khổng lồ. Ngược lại, rủi ro của con đường Mỹ là: mỗi mắt xích đều có thể thu giá cao, nhưng chi phí cao đến mức phải duy trì liên tục một khoảng cách năng lực đáng kể.
Tỷ lệ cược hiện tại của pot vẫn nghiêng về Mỹ, vì nó có thể bán công nghệ dẫn đầu cho những khách hàng đắt đỏ nhất toàn cầu. Nhưng một khi năng lực mô hình dần tiến gần, trọng số của chi phí trên mỗi đơn vị nhiệm vụ sẽ nhanh chóng trở nên nặng nề, và lợi thế về giá rẻ, điện năng và hiệu quả kỹ thuật của Trung Quốc cũng sẽ lộ rõ sức mạnh.
Điều kiện tiên quyết là, những lợi thế này cuối cùng phải hội tụ vào cùng một dòng tiền, chứ không để lại ba cuốn sổ kế toán riêng lẻ, mỗi cuốn đẹp đẽ nhưng cô đơn.
Năm, Thu về pot: Ai có thể đưa mô hình vào công việc thực tế
Dẫn đầu trên bàn bài không tự động đẩy chip về phía bạn. Chỉ khi người dùng liên tục sử dụng, doanh nghiệp sẵn sàng trả phí, và nhiệm vụ để lại kết quả có thể kiểm chứng, thì lợi thế công nghệ mới được hiện thực hóa. Pot thực sự của cuộc cạnh tranh LLM chỉ có bốn thứ: doanh thu, điểm vào, dữ liệu phản hồi, và quy trình làm việc được tổ chức lại bởi mô hình.
1. Mỹ chiếm điểm vào trước, Trung Quốc gần giao dịch hơn
ChatGPT trước tiên thay đổi thói quen tìm kiếm câu trả lời của mọi người, sau đó thâm nhập vào viết lách, nghiên cứu, mã nguồn và không gian làm việc doanh nghiệp; Google nhúng Gemini vào Tìm kiếm, Workspace và Cloud; Anthropic dựa vào Claude và Claude Code để thâm nhập vào công việc tri thức và phát triển phần mềm. Đằng sau các công ty mô hình Mỹ vốn đã có trình duyệt, bộ ứng dụng văn phòng, kho mã nguồn và nền tảng đám mây toàn cầu.
Điểm vào là lợi thế khó bắt kịp hơn bảng xếp hạng. Một khi doanh nghiệp đã kết nối danh tính, quyền hạn, dữ liệu và mua sắm, việc thay đổi mô hình không chỉ là đổi tên, mà còn phải tháo dỡ một phần quy trình làm việc. Dữ liệu Signals do OpenAI công bố cho thấy, sau nửa năm đăng ký, số tin nhắn trung bình hàng ngày của người dùng tăng khoảng 50%, số loại nhiệm vụ thử nghiệm tăng gấp đôi, và người dùng chủ yếu sử dụng ngôn ngữ không phải tiếng Anh đã chiếm hơn một nửa số người dùng hoạt động.
Các nền tảng Trung Quốc xa hơn với điểm vào văn phòng toàn cầu, nhưng lại gần hơn với các giao dịch cụ thể. Alibaba kết nối Qwen với danh mục hàng tỷ sản phẩm trên Taobao và Tmall, người dùng có thể so sánh, đặt hàng, tra cứu vận chuyển và xử lý hậu mãi trong cuộc trò chuyện. Mô hình không chỉ kết nối trang web, mà còn kết nối người bán, đơn hàng và hệ thống thực thi. Người dùng có đặt hàng không, đề xuất có được chấp nhận không, vận chuyển và hậu mãi có hoàn thành không, mỗi bước đều có kết quả.
Các mô hình tổng quát của Mỹ trước tiên chiếm điểm vào người dùng, sau đó kết nối dịch vụ bên ngoài; các siêu nền tảng Trung Quốc có thể đưa mô hình vào vòng lặp giao dịch ngay từ ngày đầu. Bên trước có khả năng phân phối toàn cầu mạnh hơn, bên sau gắn liền với phản hồi hành vi dày đặc hơn.
2. Coding là mảnh đất thử nghiệm giá trị cao đầu tiên
Coding sớm hình thành thanh toán ổn định, vì kết quả dễ dàng xác minh: đề xuất hoàn thiện có được chấp nhận không, dự án có biên dịch được không, kiểm thử có vượt qua không, lỗi có được sửa không, mô hình lớn nào tốt hơn, tất cả đều rõ ràng.
Về mảng Coding, Mỹ vốn nắm giữ những quân bài mạnh nhất: GitHub, Microsoft, OpenAI, Anthropic và vô số công cụ phát triển kiểm soát lối vào mã nguồn toàn cầu, các mô hình hàng đầu cũng dẫn đầu lâu dài trong các tác vụ kho lưu trữ phức tạp. Kimi K3 đã tạo ra một khoảng trống mới trong khả năng của mô hình. Theo đánh giá công bố của Moonshot AI, nó vượt qua GPT-5.6 Sol và Claude Fable 5 trong Program Bench và SWE Marathon, chỉ kém GPT-5.6 Sol 0,5 điểm trong Terminal-Bench 2.1, đồng thời thể hiện khả năng thực thi dài hạn trong một số tác vụ tối ưu hóa nhân GPU, phát triển trình biên dịch và thiết kế chip. Nhưng mô hình thắng một vài bài đánh giá không đồng nghĩa với việc đã chiếm lĩnh môi trường phát triển. Kimi Code và trọng số mở đang bổ sung cho việc phân phối, Trung Quốc vẫn cần bắt kịp người dùng, chuỗi công cụ và vòng phản hồi mà GitHub, Codex và Claude Code đã tích lũy.
Mã nguồn đã hé lộ hình dạng của thị trường tương lai: mô hình mạnh nhất đảm nhận các tác vụ phức tạp, mô hình giá rẻ phụ trách hoàn thiện, kiểm thử và đánh giá hàng loạt, doanh nghiệp sẽ chuyển đổi giữa đám mây đóng và mô hình cục bộ tùy theo độ khó và độ nhạy cảm. Cuối cùng, người nắm giữ giá trị có thể không phải là một mô hình cụ thể, mà là một hệ thống biết khi nào nên sử dụng mô hình nào.
Ai nắm giữ môi trường phát triển, người đó có thể sửa mô hình nhanh hơn. Mã nguồn được giữ lại hay rút lui, kiểm thử thất bại ở bước nào, nhà phát triển thay đổi ra sao, tất cả sẽ trở thành bài học cho vòng huấn luyện tiếp theo.
3. To C Agent: Quân bài chủ lực chinh phục tâm trí người dùng
Nếu nói các mô hình tiên tiến so sánh về quân bài, thì To C Agent tranh giành xem ai có thể biến khả năng của mô hình thành hành động vô thức của hàng triệu người dùng.
Khi một người muốn tìm kiếm tài liệu, sắp xếp tệp tin, tạo bản trình bày, lên kế hoạch du lịch hoặc giải quyết vấn đề công việc, anh ta sẽ mở ai trước tiên?
Đại diện nhất hiện tại của Mỹ là hai quân bài OpenAI và Anthropic.
ChatGPT đã hình thành tâm trí thương hiệu AI bản địa mạnh nhất. OpenAI lại chia quân bài này thành hai hướng: ChatGPT Work (CodeX) chịu trách nhiệm nghiên cứu, tài liệu, bảng tính, bản trình bày và các sản phẩm hoàn chỉnh khác. Người dùng không cần rời khỏi ChatGPT, có thể đi từ đặt câu hỏi đến khi nhận được sản phẩm hoàn chỉnh.
Anthropic chiếm lĩnh một phần tâm trí tương đối hẹp hơn, nhưng lại sâu hơn và có giá trị hơn, thậm chí từng vượt qua OpenAI về doanh thu hàng năm được công bố. Claude Code đã trở thành lựa chọn ưu tiên của nhiều lập trình viên khi xử lý các dự án phức tạp; Claude Cowork thì đưa phương thức làm việc tương tự đến với các nhà nghiên cứu, nhà phân tích và những người lao động tri thức khác, cho phép Claude trực tiếp xử lý các tệp cục bộ, ứng dụng trên máy tính và các tác vụ đa bước.
Mỹ đang xây dựng một nhận thức rất rõ ràng về sản phẩm: khi gặp một công việc phức tạp, không cần phải nghĩ xem nên mở phần mềm nào trước, hãy giao nó cho Agent.
Còn Trung Quốc thực ra ban đầu không đi theo con đường này.
Ban đầu, các doanh nghiệp Trung Quốc luôn cố gắng nhồi nhét Agent vào những bối cảnh mà họ vốn đã giỏi.
Alibaba đã kết nối Qianwen với 40 tỷ sản phẩm trên Taobao và Tmall. Người dùng có thể tìm kiếm, so sánh, đặt hàng, tra cứu vận chuyển và xử lý hậu mãi trong cuộc trò chuyện. Đứng sau Qianwen là toàn bộ chuỗi giao dịch bao gồm hàng hóa, người bán, thanh toán, vận chuyển và hậu mãi mà Alibaba đã vận hành hơn hai mươi năm.
ByteDance thì đặt cược vào sản xuất nội dung. Seedance 2.0 cho phép người dùng thông thường kiểm soát toàn bộ quá trình sáng tạo nghe nhìn bằng văn bản, hình ảnh, âm thanh và video, tích hợp đầy đủ với mạng lưới phân phối nội dung bao gồm Doubao, Douyin, CapCut và hệ sinh thái người sáng tạo.
Meituan, với "Xiao Tuan" được nâng cấp dựa trên LongCat, đã can thiệp sâu vào các bối cảnh đời sống như ăn uống, giải trí, đi lại và khám bệnh. Trong kỳ nghỉ Lễ Lao động năm 2026, Meituan tuyên bố "Xiao Tuan" đã phục vụ hơn 100 triệu lượt người. So với các Agent đa năng, Meituan không chỉ nắm giữ câu trả lời, mà còn bao gồm người bán, đánh giá, vị trí, tồn kho, thực hiện đơn hàng và kết quả giao dịch.
Do đó, các Agent To C của Trung Quốc và Mỹ hình thành hai cách mở rộng khác nhau – Mỹ mở rộng từ lối vào AI nguyên bản ra bên ngoài, còn Trung Quốc thì bao vây từ các bối cảnh hiện có vào bên trong.
Rủi ro của con đường Trung Quốc nằm ở sự phân mảnh tâm trí: khi mua sắm thì mở Qianwen, khi sáng tạo thì mở Doubao, khi làm việc thì sử dụng WorkBuddy – bản thân điều này đã là một sự hỗn loạn. Bối cảnh rất sâu, nhưng lối vào vẫn bị phân tán. Trung Quốc có nhiều bàn chơi ở vị trí tốt, nhưng vẫn chưa xuất hiện một siêu lối vào như ChatGPT, có thể thu hút mọi tâm trí người dùng về cùng một cái tên.
Còn bây giờ, các ông lớn công nghệ Trung Quốc đều đã nhận ra điều này, bắt đầu hướng tới hình thái Agent đa năng đã được Mỹ kiểm chứng, biến hộp chat thành bàn làm việc.
Tencent WorkBuddy đã có thể hoàn thành việc sắp xếp tài liệu, phân tích dữ liệu, tạo tài liệu và sáng tạo nội dung chỉ từ một lệnh duy nhất; Kimi Agent tổng quát, Kimi Claw và Xiaomi MiMo Claw cũng đang thử nghiệm tiếp quản các tệp, công cụ và các tác vụ dài hạn. Những gì chúng làm ngày càng giống với ChatGPT Work và Claude Cowork: người dùng chỉ đưa ra mục tiêu, Agent chịu trách nhiệm phân tích các bước, gọi công cụ và cuối cùng bàn giao sản phẩm hoàn chỉnh.
Bởi vì, một quân bài tốt chỉ có thể thắng một ván, nhưng chiếm được lối vào mặc định của người dùng lại có thể "gian lận" biến mọi kịch bản ứng dụng sau đó thành kinh nghiệm huấn luyện, từ đó "gian lận" để nhìn thấy tất cả các quân bài.
6. Kiểm soát rút lui: Khả năng chịu áp lực của hệ thống và xã hội
Poker chưa bao giờ là trò chơi chỉ thắng không thua. Ngay cả người chơi giỏi nhất cũng có thể nhận bài xấu, bị lật ngược bởi xác suất nhỏ khi phán đoán đúng, và chứng kiến một pot khổng lồ bị đẩy về phía đối thủ.
Điều thực sự phân biệt người chơi chuyên nghiệp và người chơi bình thường không phải là người trước không bao giờ thua lỗ, mà là anh ta có thể kiểm soát rút lui, tránh mất kiểm soát cảm xúc, không để tổn thất của ván trước hủy hoại phán đoán của ván sau.
Cạnh tranh AI cũng vậy. Mô hình nâng cao năng suất, nhưng cũng có thể thu hẹp việc làm; giảm chi phí nội dung, nhưng cũng khuếch đại lừa đảo và deepfake; khi đi vào hệ thống doanh nghiệp, nó có thể tăng hiệu quả, nhưng cũng có thể lan truyền một lỗi đến thanh toán, mã nguồn và dữ liệu quan trọng.
1. Quy định quyết định phạm vi vào pot
Mỹ gần với lối chơi phạm vi rộng hơn. Doanh nghiệp phát hành sản phẩm trước, sau đó thị trường, tòa án, luật pháp tiểu bang và cơ quan quản lý vạch ranh giới. Nó cho doanh nghiệp nhiều cơ hội thử nghiệm hơn, nhưng cũng có nghĩa là một phần bản quyền, quyền riêng tư và thiệt hại sản phẩm sẽ do xã hội gánh chịu trước, sau đó mới sửa chữa.
Trung Quốc nhấn mạnh việc vạch ranh giới trước. Đăng ký, quản lý nội dung, trách nhiệm nền tảng và thí điểm ngành có thể giảm rủi ro rõ ràng và dễ dàng hình thành tiêu chuẩn thống nhất; nhưng nếu ranh giới mơ hồ, doanh nghiệp và địa phương, để tránh trách nhiệm, có thể chồng chất các lớp, biến việc cắt lỗ thành bỏ bài quá sớm.
Mỹ chịu biến động cao hơn để đổi lấy nhiều thử nghiệm hơn; Trung Quốc giảm xác suất mất kiểm soát để đổi lấy tiến triển ổn định hơn. Một hệ thống thực sự tinh tế không phải lúc nào cũng lỏng lẻo hay lúc nào cũng chặt chẽ, mà là biết khi nào mở rộng phạm vi và khi nào thu hồi chip.
2. Tác động việc làm quyết định xã hội có thể chịu được bao nhiêu rút lui
LLM ảnh hưởng đầu tiên đến các công việc có tỷ lệ ngôn ngữ và xử lý thông tin cao: dịch vụ khách hàng, dịch thuật, hành chính, nội dung, lập trình cơ bản, tra cứu pháp lý và một số phân tích. Tổ chức Lao động Quốc tế ước tính khoảng một phần tư việc làm trên toàn cầu có mức độ tiếp xúc nhất định với AI tạo sinh, nhưng việc làm ở mức tiếp xúc cao nhất chỉ chiếm khoảng 3,3%. Điều này giống như các nhiệm vụ được tái cấu trúc, chứ không phải tất cả các nghề nghiệp biến mất đồng loạt.
Nguy hiểm không biến mất ở một vị trí công việc nào đó, mà nằm ở tốc độ thay đổi vượt quá tốc độ xã hội có thể sắp xếp lại việc làm, thu nhập và bảo đảm. Doanh nghiệp có thể đưa AI vào trong vài tháng, nhưng người lao động có thể mất vài năm để học lại kỹ năng; nền kinh tế vẫn tăng trưởng trong dài hạn, nhưng một bộ phận người đã gần như phá sản.
Thị trường lao động Mỹ linh hoạt hơn, doanh nghiệp dám tái cấu trúc vị trí, nhưng chi phí lại đổ lên vai cá nhân và gia đình nhiều hơn. Trung Quốc có thể thông qua giáo dục nghề nghiệp, chính sách công nghiệp và các tổ chức lớn để điều phối đào tạo, nhưng lại đối mặt với dân số lao động lớn hơn và yêu cầu ổn định cao hơn.
3. Nguy hiểm nhất không phải là thua bài, mà là Tilt
Tilt, là khi người chơi bài mất lý trí sau một chuỗi xui xẻo, bắt đầu đuổi theo thua lỗ, tăng cược, và từ bỏ chiến lược vốn hiệu quả. Xã hội cũng có thể liên tục Tilt giữa cơn sốt công nghệ và hoảng loạn quản lý.
Nếu AI liên tục mang đến lừa đảo, nội dung giả mạo, lo lắng việc làm và sự cố quyền riêng tư, công chúng sẽ chuyển từ tò mò sang mất lòng tin. Doanh nghiệp có thể vẫn tin rằng thế hệ mô hình tiếp theo sẽ giải quyết mọi thứ, nhưng xã hội có thể yêu cầu hạn chế toàn diện sau vài sự cố nghiêm trọng. Trường hợp đầu dễ hình thành bong bóng, trường hợp sau có thể từ bỏ lợi ích dài hạn vì tổn thất ngắn hạn.
Sự chấp nhận trưởng thành của xã hội, không phải yêu cầu tất cả mọi người lạc quan, mà là để công chúng biết ranh giới công nghệ, có quyền được biết, quyền rút lui và quyền khiếu nại. Quản trị rủi ro cũng không thể chỉ nhìn vào mô hình "đã nói gì", mà còn phải hỏi nó "có quyền làm gì": Khi Agent thực hiện chuyển tiền, sửa mã hoặc gọi hệ thống quan trọng, quyền tối thiểu, xác nhận lần hai, kiểm toán nhật ký và trách nhiệm sự cố phải được đưa vào quy trình.
Bảy. Biến số lật bàn: Các cú sốc bên ngoài có thể khiến ván bài mất hiệu lực
Tất cả các so sánh trước đây đều ngầm chứa một tiền đề: Ván bài sẽ tiếp tục theo quy tắc hiện tại. Mô hình tiến bộ dần dần, sức mạnh tính toán vẫn khan hiếm, vốn tiếp tục đầu tư, chuỗi cung ứng duy trì hoạt động, và xã hội sẵn sàng chịu đựng biến động.
2. Rào cản sức mạnh tính toán có bị phá vỡ không. Nếu kiến trúc mới, tính toán độ chính xác thấp hoặc chip chuyên dụng giảm một bậc lượng tính toán cần thiết cho cùng một năng lực, một phần lợi thế của các cụm siêu lớn ở Mỹ sẽ được định giá lại; nếu suy luận chuỗi dài và Agent tiếp tục tiêu thụ nhiều token hơn, chip, năng lượng, đám mây và vốn sẽ càng tập trung hơn.
3. Phong tỏa có leo thang không, chuỗi cung ứng có bị gián đoạn không. Nếu Mỹ mở rộng hạn chế sang sức mạnh tính toán đám mây, HBM, bảo trì thiết bị, truy cập mô hình và hợp tác nhân tài, chi phí ngắn hạn của Trung Quốc sẽ tăng đáng kể. Nhưng phong tỏa càng kéo dài, Trung Quốc càng ít coi nguồn cung của Mỹ là nền tảng đáng tin cậy. Xung đột địa chính trị cực đoan hơn sẽ đồng thời tấn công liên minh thiết kế của Mỹ và thị trường sản xuất của Trung Quốc, cạnh tranh sẽ chuyển từ ai đổi mới nhanh hơn sang ai có kho dự trữ dày hơn và năng lực thay thế nhiều hơn.
4. Bong bóng AI có vỡ không. Nếu chi phí tiết kiệm được từ Agent không đủ bù đắp hóa đơn mô hình, thị trường vốn sẽ định giá lại dựa trên dòng tiền và lợi nhuận. Bong bóng vỡ sẽ không làm LLM biến mất, nhưng sẽ loại bỏ những người tham gia dựa vào định giá, trợ cấp và cơ sở hạ tầng sử dụng thấp khỏi bàn chơi.
5. Thất nghiệp do AI có gây ra phản ứng xã hội không. Xã hội không cần đợi đến khi thất nghiệp hàng loạt xảy ra mới phản ứng. Chỉ cần việc làm cấp thấp giảm, cơ hội nghề nghiệp thu hẹp, và lợi ích năng suất chủ yếu chảy vào nền tảng và vốn, thì tự động hóa phê duyệt, bảo vệ việc làm và các chính sách phân phối mới có thể đến sớm.
6. Mô hình mở có thay đổi cấu trúc quyền lực không. Nếu trọng số mở tiếp tục thu hẹp khoảng cách xuống mức "đủ dùng cho hầu hết nhiệm vụ", quyền lực sẽ chuyển từ một số phòng thí nghiệm sang nền tảng đám mây, công ty ứng dụng và các quốc gia có dữ liệu địa phương. Nhưng mở không tự nhiên thuộc về Trung Quốc, điều thực sự cần xem là ai có thể chuyển đổi số lượt tải xuống thành chuỗi công cụ, tiêu chuẩn, doanh thu và tài nguyên đào tạo thế hệ tiếp theo.
7. Sự cố an toàn lớn có dẫn đến phanh gấp quy định không. Một khi Agent có quyền cao gây ra sự cố nghiêm trọng về tài chính, y tế, mạng hoặc cơ sở hạ tầng, giấy phép mô hình, bảo hiểm trách nhiệm và phê duyệt triển khai đều có thể bị thắt chặt nhanh chóng. An toàn cũng có thể trở thành công cụ ngành, vẽ lại ranh giới thị trường mà mô hình, dữ liệu và sức mạnh tính toán nước ngoài có thể tiếp cận.
Những biến số này sẽ không đến theo thứ tự. Phong tỏa có thể đẩy nhanh chip nội địa, mô hình mở có thể giảm chi phí nhưng cũng khuếch đại lạm dụng, bong bóng vỡ có thể trì hoãn AGI, hoặc dồn tài nguyên vào ít công ty hơn. Chấn động việc làm và sự cố an toàn, còn có thể đánh thức cơ quan quản lý của cả hai nước trong cùng một đêm.
Khi lịch sử thực sự rẽ ngoặt, động tĩnh thường đến từ bên ngoài ván bài đang diễn ra.
Nó có thể khiến những con chip giá trị nhất bỗng chốc mất giá, cũng có thể mở ra một con đường mà chưa ai từng tính đến cho phe vốn đang tụt lại phía sau.
Kết luận
Quay trở lại tấm bàn xanh lục ở đầu bài, ngọn đèn trên trần phòng máy vẫn lạnh lẽo sáng.
Mỹ vẫn nắm giữ những quân bài khởi đầu lớn hơn. Họ kiểm soát các mô hình tiên tiến, chip cao cấp, vốn và cửa ngõ toàn cầu; nếu lật bài ngay hôm nay, tỷ lệ thắng vẫn cao hơn. Trung Quốc, tuy nhiên, đang thay đổi cách theo bài: dùng thuật toán để định giá lại các con chip, dùng sự cởi mở để mở rộng bàn chơi, dùng các kịch bản công nghiệp để tìm kiếm những ván bài thắng thua thực sự, rồi cố gắng biến lợi thế chi phí thành một vòng lặp tự củng cố.
Cuộc cạnh tranh này sẽ tiếp tục tiêu hao điện năng, vốn, nhân tài và lòng kiên nhẫn của xã hội, cho đến khi một bên thực sự xây dựng được vòng khép kín giữa năng lực, doanh thu, dữ liệu và sức mạnh tính toán, hoặc cho đến khi cả hai bên nhận ra rằng cái giá để thắng ván bài này đã cao đến mức không còn giống như một chiến thắng.
Người chia bài không thúc giục, chỉ đặt tay lên chồng bài. Thỉnh thoảng, ngoài cửa vọng vào một tiếng gió, rất nhẹ, như một tin xấu chưa kịp ghi vào báo cáo tài chính.
Những người trên bàn bài đều chưa đứng dậy.
Tài liệu tham khảo
1.Stanford HAI: Báo cáo đầy đủ Chỉ số AI 2026 https://hai.stanford.edu/ai-index/2026-ai-index-report
2.Artificial Analysis: Chỉ số Trí tuệ https://artificialanalysis.ai/
3.Arena: Bảng xếp hạng Text Arena https://arena.ai/leaderboard/text
4.Arena: Bảng xếp hạng Code Arena https://arena.ai/leaderboard/code
5.Arena: Bảng xếp hạng Vision Arena https://arena.ai/leaderboard/vision/overall
6.Arena: Bảng xếp hạng Agent Arena https://arena.ai/leaderboard/agent
7.OpenAI: Ghi chú phát hành GPT-5.6 https://openai.com/index/gpt-5-6/
8.Kimi: Blog kỹ thuật Kimi K3, đánh giá đầy đủ và giá API https://www.kimi.com/blog/kimi-k3
9.DeepSWE: Bảng xếp hạng đánh giá kỹ thuật phần mềm đường dài https://deepswe.datacurve.ai/
10.SWE-bench-Live: Đánh giá kỹ thuật phần mềm cập nhật liên tục https://swe-bench-live.github.io/
11.The Japan Times: Cáo buộc của Anthropic về hành vi chưng cất liên quan đến Alibaba https://www.japantimes.co.jp/business/2026/06/25/companies/anthropic-alibaba-illegal-access/
12.Reuters: Cáo buộc của Anthropic về việc Alibaba trích xuất năng lực Claude https://www.investing.com/news/stock-market-news/anthropic-says-alibaba-illicitly-extracted-claude-ai-model-capabilities-4759021
13.OSWorld 2.0: Đánh giá Agent thao tác máy tính đường dài https://osworld-v2.xlang.ai/
14.NVIDIA: Thông báo sản xuất hàng loạt nền tảng Vera Rubin https://nvidianews.nvidia.com/news/vera-rubin-full-production-agentic-ai-factory
15.Bài báo hệ thống Huawei CloudMatrix 384 https://arxiv.org/abs/2506.12708
16.Associated Press: Báo cáo về DeepSeek V4 và khả năng tương thích với Ascend https://apnews.com/article/1ae6228c4928ddbb43f984e9b38f49dd
17.Nghiên cứu triển khai MoE và đa phương thức trong môi trường sản xuất Ascend https://arxiv.org/abs/2607.08215
18.Báo cáo kỹ thuật DeepSeek-V3 https://arxiv.org/abs/2412.19437
19.Bài báo DeepSeek-R1 https://arxiv.org/abs/2501.12948
20.Alibaba Cloud: Trường hợp huấn luyện Qoder và dữ liệu ứng dụng Qwen https://www.alibabacloud.com/blog/602859
21.MacroPolo: The Global AI Talent Tracker 2.0 https://macropolo.org/digital-projects/the-global-ai-talent-tracker/
22.Hội đồng Khoa học Quốc gia Hoa Kỳ: Dữ liệu về nhân tài STEM và giáo dục tiến sĩ Trung-Mỹ https://ncses.nsf.gov/pubs/nsbsep20261/stem-talent-education-training-and-workforce-2
23.South China Morning Post: Báo cáo về đợt tuyển dụng mở rộng của DeepSeek https://www.scmp.com/tech/big-tech/article/3358394/deepseek-hiring-spree-chinese-ai-firm-seeks-newcomers-it-pursues-agi
24.DeepSeek: Ghi chú phát hành DeepSeek-V4 https://api-docs.deepseek.com/news/news260424/
25.Alibaba Cloud: Dữ liệu hệ sinh thái mô hình mở Qwen https://www.alibabacloud.com/blog/603042
26.OpenAI: Mô hình GPT-5.6 Sol và giá API https://developers.openai.com/api/docs/models/gpt-5.6-sol
27.Anthropic: Mô hình Claude Fable và giá API https://www.anthropic.com/claude/fable
28.DeepSeek: Giải thích giá API https://api-docs.deepseek.com/quick_start/pricing/
29.OpenAI: Giải thích về đợt huy động vốn năm 2026 https://openai.com/index/accelerating-the-next-phase-ai/
30.Anthropic: Giải thích về đợt huy động vốn Series H https://www.anthropic.com/news/series-h
31.TechCrunch: Báo cáo về đợt huy động vốn của Moonshot AI https://techcrunch.com/2026/05/07/chinas-moonshot-ai-raises-2b-at-20b-valuation-as-demand-for-open-source-ai-skyrockets/
32.Investing.com: Báo cáo về đợt huy động vốn bên ngoài đầu tiên của DeepSeek https://www.investing.com/news/economy-news/deepseek-could-be-valued-at-up-to-50-billion-in-first-fundraising-sources-say-4663090
33.Reuters: Ngân hàng Mỹ cấp hạn mức tín dụng cho OpenAI https://www.reuters.com/legal/transactional/bofa-extends-first-520-million-loan-openai-ahead-ipo-source-says-2026-07-08/
34.Cơ quan Năng lượng Quốc tế: Báo cáo Năng lượng và AI https://www.iea.org/reports/energy-and-ai
35.Cơ quan Năng lượng Quốc tế: Báo cáo các vấn đề chính về Năng lượng và AI https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
36.Ủy ban Điều tiết Năng lượng Liên bang Hoa Kỳ: Hành động cải cách kết nối lưới điện tải lớn https://www.ferc.gov/news-events/news/ferc-launches-aggressive-targeted-action-speed-large-load-integration
37.Cục Quản lý Năng lượng Tây Bắc, Cơ quan Năng lượng Quốc gia: Tài liệu về Khu B Trung tâm Dữ liệu Trung Vệ, Ninh Hạ https://xbj.nea.gov.cn/dtyw/hyxx/202606/t20260626_303639.html
38.OpenAI: Báo cáo sử dụng AI doanh nghiệp https://openai.com/business/guides-and-resources/the-state-of-enterprise-ai-2025-report/
39.OpenAI Signals: Dữ liệu mở rộng sử dụng ChatGPT toàn cầu https://openai.com/index/how-chatgpt-adoption-has-expanded/
40.Alibaba: Tích hợp Qwen vào hệ thống hàng hóa Taobao và Tmall https://www.alibabagroup.com/en-US/document-1991231293551017984
41.Google Cloud: Giải thích nền tảng Gemini Enterprise https://cloud.google.com/blog/products/ai-machine-learning/the-new-gemini-enterprise-one-platform-for-agent-development
42.Alibaba: Báo cáo tài chính tháng 5 năm 2026 và giải thích về mảng kinh doanh đám mây https://www.alibabagroup.com/en-US/document-1991364841188622336
43.Văn phòng Thông tin Internet Quốc gia: "Biện pháp Nhận dạng Nội dung do AI Tạo ra" https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm
44.Tổ chức Lao động Quốc tế: Generative AI and Jobs https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
45.Tổ chức Lao động Quốc tế: Nghiên cứu về mức độ phơi nhiễm AI của người lao động ở các giai đoạn phát triển khác nhau https://live.ilo.org/event/workers-exposure-ai-across-development-stages-2025-11-27
46.Cơ quan An ninh mạng của năm quốc gia: Hướng dẫn thận trọng khi áp dụng dịch vụ Agent https://www.ncsc.govt.nz/protect-your-organisation/careful-adoption-of-agentic-ai-services/
47.Anthropic: Giải thích về việc triển khai lại Claude Fable 5 https://www.anthropic.com/news/redeploying-fable-5
48.Cục Công nghiệp và An ninh, Bộ Thương mại Hoa Kỳ: Hướng dẫn cấp phép tính toán tiên tiến tháng 5 năm 2026 https://media.bis.gov/media/documents/bis-guidance-may-31-2026.pdf
Liên kết gốc
Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:
Nhóm Telegram đăng ký: https://t.me/theblockbeats
Nhóm Telegram thảo luận: https://t.me/BlockBeats_App
Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia
