Vì sao AI Trung Quốc khó lặp lại "cú sốc" DeepSeek?

Ngày 3/8, Alibaba công bố Qwen3.8-Max, mô hình AI mạnh nhất trong dòng Qwen của tập đoàn, với tổng cộng 2,4 nghìn tỷ tham số và cửa sổ ngữ cảnh lên tới một triệu token. Theo các bài kiểm tra do Alibaba công bố, mô hình đạt kết quả cạnh tranh với một số hệ thống AI hàng đầu thế giới.

Mô hình Qwen mới của Alibaba được thị trường toàn cầu đón nhận một cách bình thản.

Về quy mô và năng lực, Qwen3.8-Max là một bước tiến đáng kể của ngành AI Trung Quốc. Tuy nhiên, phản ứng của thị trường tài chính lại cho thấy một câu chuyện khác đáng chú ý hơn.

Cổ phiếu Alibaba niêm yết tại Mỹ tăng hơn 4% trong phiên 3/8, còn cổ phiếu của tập đoàn này tại Hong Kong tăng khoảng 7%. Quan trọng hơn, nhóm cổ phiếu bán dẫn Mỹ không xuất hiện làn sóng bán tháo. Nvidia tăng gần 3%, trong khi chỉ số bán dẫn Philadelphia cũng đi lên.

Diễn biến này trái ngược rõ rệt với những gì xảy ra cách đó khoảng 18 tháng, khi DeepSeek làm rung chuyển thị trường công nghệ toàn cầu.

Khi DeepSeek làm Wall Street chao đảo

DeepSeek chính thức phát hành mô hình suy luận R1 ngày 20/1/2025. Một tuần sau, khi năng lực của mô hình và ứng dụng của công ty Trung Quốc thu hút sự chú ý rộng rãi, nhà đầu tư Mỹ đồng loạt bán tháo các cổ phiếu liên quan đến AI.

Trong phiên 27/1/2025, cổ phiếu Nvidia giảm gần 17%, khiến vốn hóa của hãng bốc hơi khoảng 593 tỷ USD trong một ngày. Đây là mức mất vốn hóa một phiên lớn nhất trong lịch sử thị trường chứng khoán Mỹ.

Nasdaq Composite giảm 3,1%, chỉ số bán dẫn Philadelphia mất 9,2%. Broadcom giảm 17,4%, còn Alphabet mất hơn 4%.

Phản ứng mạnh của thị trường xuất phát từ một câu hỏi khá trực tiếp: nếu các mô hình AI có thể đạt năng lực cao với lượng tài nguyên tính toán thấp hơn đáng kể, liệu các hãng công nghệ Mỹ còn cần chi hàng trăm tỷ USD cho chip, máy chủ và trung tâm dữ liệu?

DeepSeek khi đó khiến giả định vốn được thị trường chấp nhận rộng rãi bị lung lay. Trong những năm đầu của làn sóng AI tạo sinh, năng lực mô hình thường được gắn chặt với lượng tài nguyên tính toán sử dụng để huấn luyện và vận hành. Mô hình càng lớn, nhu cầu chip càng cao.

Câu chuyện chi phí của DeepSeek sau đó bị đơn giản hóa khá nhiều. Báo cáo kỹ thuật của hãng cho biết quá trình huấn luyện chính của DeepSeek-V3 sử dụng khoảng 2,788 triệu giờ GPU H800, tương đương chi phí tính toán khoảng 5,6 triệu USD nếu áp mức giá thuê 2 USD mỗi giờ GPU.

Tuy nhiên, con số này không bao gồm toàn bộ chi phí nghiên cứu, thử nghiệm kiến trúc, thuật toán, dữ liệu và các bước phát triển trước đó. Nó cũng không phải tổng chi phí để tạo ra mô hình R1.

Dù vậy, DeepSeek vẫn đủ sức đặt lại câu hỏi về hiệu quả vốn của cuộc chạy đua AI và kích hoạt một đợt điều chỉnh mạnh trên thị trường chứng khoán.

Các khoản đầu tư vào hạ tầng AI đang thu hút dòng vốn khổng lồ bất chấp hàng loạt mô hình AI có giá rẻ hơn và tối ưu hơn xuất hiện (Ảnh: Pexels)

Một thị trường khác sau 18 tháng

Qwen3.8-Max xuất hiện trong một bối cảnh rất khác. Mô hình sử dụng kiến trúc mixture-of-experts, với tổng cộng 2,4 nghìn tỷ tham số nhưng chỉ kích hoạt khoảng 95 tỷ tham số cho mỗi truy vấn. Cách thiết kế này nhằm giảm lượng tài nguyên tính toán cần sử dụng trong quá trình vận hành.

Alibaba cũng cho biết sẽ phát hành trọng số của Qwen3.8-Max trong tuần tiếp theo, tiếp tục chiến lược đưa các mô hình Qwen theo hướng open-weight.

Nếu áp logic từng chi phối cú bán tháo DeepSeek, một mô hình Trung Quốc có quy mô lớn nhưng vận hành hiệu quả hơn có thể tiếp tục gây sức ép lên triển vọng nhu cầu chip.

Nhưng dự báo đó đã đã không xảy ra. Trong phiên 3/8, Nvidia tăng khoảng 2,9% và cổ phiếu bán dẫn nhìn chung đi lên. Dow Jones tăng 1,3% và đóng cửa ở mức kỷ lục. S&P 500 tăng 1,5%, tiến sát đỉnh lịch sử, còn Nasdaq tăng hơn 2%, hầu hệt chịu ảnh hưởng của các yếu tố khác, như kỳ vọng hạ nhiệt căng thẳng địa chính trị, giá dầu giảm và kết quả kinh doanh tích cực của một số doanh nghiệp lớn.

Kinh tế học của AI thay đổi

Một nguyên nhân nằm ở những gì thị trường quan sát được sau cú sốc DeepSeek.

Ngay trong tháng 1/2025, Nvidia và một số nhà phân tích đã phản bác lập luận rằng mô hình AI sử dụng tài nguyên hiệu quả hơn chắc chắn sẽ kéo nhu cầu chip đi xuống.

Lập luận này thường được liên hệ với nghịch lý Jevons trong kinh tế học. Khi hiệu suất sử dụng một nguồn lực tăng và chi phí giảm, lượng sử dụng có thể mở rộng nhanh đến mức tổng nhu cầu về nguồn lực đó vẫn tăng.

Trong AI, nếu chi phí của mỗi truy vấn hoặc mỗi tác vụ giảm, doanh nghiệp có thể triển khai nhiều ứng dụng hơn, phục vụ nhiều người dùng hơn và chạy khối lượng công việc lớn hơn. Khi đó, mức tiêu thụ tài nguyên trên từng tác vụ giảm nhưng tổng nhu cầu tính toán không nhất thiết đi xuống.

Diễn biến đầu tư trong 18 tháng qua ít nhất chưa xác nhận kịch bản nhu cầu hạ tầng AI suy giảm.

Moody's ước tính các tập đoàn công nghệ và nhà vận hành trung tâm dữ liệu lớn có thể đầu tư khoảng 700 tỷ USD cho hạ tầng AI và trung tâm dữ liệu trong năm 2026, cao gấp nhiều lần so với vài năm trước.

Ngay tại Alibaba, doanh thu của Cloud Intelligence Group trong quý kết thúc tháng 3/2026 tăng 38% so với cùng kỳ, lên hơn 41 tỷ nhân dân tệ. Công ty cho biết các sản phẩm liên quan đến AI tiếp tục đóng góp ngày càng lớn vào tăng trưởng điện toán đám mây.

Những con số này chưa chứng minh rằng nghịch lý Jevons luôn đúng với AI. Một mô hình hiệu quả hơn vẫn có thể làm giảm lượng chip cần thiết cho một khối lượng công việc cụ thể và gây sức ép lên giá dịch vụ tính toán.

Bên cạnh đó, DeepSeek gây sốc bởi thị trường khi đó chưa định giá đầy đủ khả năng các công ty Trung Quốc có thể phát triển những mô hình cạnh tranh trực tiếp với các hệ thống hàng đầu của Mỹ.

Đến tháng 8/2026, điều đó không còn mới. DeepSeek, Alibaba, Moonshot, ByteDance và nhiều công ty Trung Quốc đã liên tục giới thiệu những mô hình có năng lực ngày càng cao.

Một mô hình Trung Quốc lọt vào nhóm dẫn đầu thế giới vì vậy không còn tạo ra cú bất ngờ giống đầu năm 2025.

Cơ hội và giới hạn với Việt Nam

Với Việt Nam, diễn biến đáng chú ý hơn nằm ở sự gia tăng nhanh của các mô hình mạnh có trọng số mở và chi phí triển khai ngày càng cạnh tranh.

Xu hướng này có thể giảm rào cản tiếp cận AI đối với doanh nghiệp, trường đại học và cơ quan Nhà nước. Thay vì tự xây dựng mô hình từ đầu hoặc phụ thuộc hoàn toàn vào API của một số nhà cung cấp Mỹ, người dùng có thêm nhiều lựa chọn để triển khai và tinh chỉnh mô hình theo nhu cầu.

Tuy nhiên, open-weight không đồng nghĩa với độc lập về công nghệ. Việc triển khai AI vẫn phụ thuộc vào chip, điện toán đám mây, dữ liệu, phần mềm và năng lực kỹ thuật. Với các hệ thống xử lý thông tin nhạy cảm, vấn đề lưu trữ dữ liệu, bảo mật, khả năng kiểm toán và mức độ phụ thuộc nhà cung cấp vẫn cần được cân nhắc.

Vì vậy, Qwen không tạo ra một “cú sốc DeepSeek” thứ hai trên Wall Street. Sau 18 tháng, điều thay đổi lớn nhất có lẽ không nằm ở bản thân công nghệ, mà ở cách thị trường hiểu mối quan hệ giữa hiệu quả của mô hình AI và nhu cầu đối với hạ tầng tính toán.

Nguồn: https://diendandoanhnghiep.vn