Ngày 8/7/2026, tại diễn đàn chủ đề 'Trí tuệ nhân tạo: Định hình lại các hình thái kinh tế thông minh' thuộc khuôn khổ Hội nghị thường niên Kinh tế Vỏ sò Bắc Kinh 2026, giáo sư danh dự xuất sắc của Đại học Tennessee (Mỹ), người đoạt giải thưởng Turing kiêm cố vấn cao cấp của Liên minh Thanh niên Toàn cầu (GYDA) Jack Dongarra đã có bài phát biểu về tương lai AI và vai trò của Trung Quốc.

AI giai đoạn tiếp theo: Không chỉ mở rộng mô hình mà còn phải thực dụng và hiệu quả

Theo Jack Dongarra, cốt lõi của giai đoạn phát triển tiếp theo của trí tuệ nhân tạo không chỉ là theo đuổi quy mô mô hình lớn hơn, mà là tạo ra các hệ thống AI thực dụng, hiệu quả, đáng tin cậy và kết nối sâu hơn với thế giới vật chất và hệ thống kinh tế. Ông nhấn mạnh rằng các tác nhân AI (AI Agents) đang nổi lên, có khả năng hiểu mục tiêu chiến lược, lập kế hoạch hành động, gọi công cụ phần mềm, giao tiếp với các hệ thống khác và thực hiện các nhiệm vụ ngày càng phức tạp. Trong các ngành công nghiệp, các tác nhân này sẽ kết nối chặt chẽ với cảm biến, robot, bản sao số, thiết bị khoa học và hệ thống sản xuất. Điều này có nghĩa là AI đang chuyển từ công cụ trả lời câu hỏi thành công nghệ tham gia vào quy trình kinh doanh.

Thành công kinh tế không đến từ thay thế lao động hàng loạt

Jack Dongarra nhấn mạnh rằng các nền kinh tế thực sự thành công trong tương lai không phải là những quốc gia thay thế nhiều công nhân nhất bằng máy móc, mà là những nền kinh tế kết hợp hiệu quả nhất kinh nghiệm con người với trí thông minh máy móc. Con người sẽ tiếp tục đảm nhận các vai trò ra quyết định, chịu trách nhiệm, đổi mới sáng tạo và hiểu biết bối cảnh xã hội, trong khi AI xử lý thông tin khổng lồ, nhận diện mẫu và khám phá các giải pháp thay thế ở quy mô vượt xa giới hạn cá nhân.

AI và tính toán khoa học không nên tách rời

Jack Dongarra cho rằng AI và tính toán khoa học không nên được coi là hai thế giới biệt lập. Khi học máy, mô hình vật lý, dữ liệu thực nghiệm và mô phỏng quy mô lớn cộng sinh, cơ hội công nghiệp to lớn sẽ xuất hiện. Ví dụ, các nhà nghiên cứu phát triển pin mới có thể sử dụng AI để sàng lọc vật liệu tiềm năng, sau đó kiểm tra tính chất vật lý thông qua mô phỏng truyền thống và cuối cùng tối ưu hóa mô hình dựa trên kết quả thí nghiệm, tạo ra vòng lặp liên tục dự đoán, mô phỏng, kiểm tra và tối ưu hóa, rút ngắn chu kỳ nghiên cứu vốn kéo dài nhiều năm.

Trung Quốc có cơ hội định nghĩa kỷ nguyên trí tuệ nhúng và công nghiệp

Jack Dongarra chỉ ra rằng trong giai đoạn đầu của AI tạo sinh, sự phát triển chủ yếu được thúc đẩy bởi quy mô: nhiều dữ liệu hơn, nhiều tham số hơn và sức mạnh tính toán lớn hơn. Tuy nhiên, việc mở rộng không giới hạn là không bền vững về kinh tế và môi trường. Tiến bộ trong tương lai phải đến từ các thuật toán tốt hơn, kiến trúc máy tính hiệu quả hơn, hệ thống lưu trữ cải tiến, bộ xử lý chuyên dụng tùy chỉnh và sử dụng dữ liệu thông minh hơn. Với thị trường nội địa rộng lớn, cơ sở hạ tầng số mạnh mẽ, cơ sở sản xuất dày đặc, năng lực R&D vượt bậc và các kịch bản ứng dụng thực tế cực kỳ rộng rãi, Trung Quốc có cơ hội giúp định nghĩa một kỷ nguyên mới về trí tuệ nhúng và công nghiệp, nơi AI kết nối chặt chẽ với máy móc, sản xuất xe cộ và cơ sở hạ tầng trong thế giới vật chất.

Đầu tư vào con người và hợp tác quốc tế là chìa khóa

Jack Dongarra nhấn mạnh rằng cần đầu tư không chỉ vào công nghệ mà còn vào con người. Hệ thống giáo dục phải dạy học sinh cách làm việc cộng tác với AI, đồng thời phát triển các kỹ năng toán học, khoa học, giao tiếp, tư duy phản biện và sáng tạo. Đối với người lao động hiện tại, cần cung cấp cơ hội đào tạo lại kỹ năng trong suốt sự nghiệp. Ông cũng kêu gọi hợp tác quốc tế trong kiểm tra, đánh giá và sử dụng AI có trách nhiệm, đồng thời giảm nguy cơ khoảng cách AI toàn cầu, tránh tình trạng chỉ một số ít quốc gia và tập đoàn độc quyền tài nguyên tính toán, dữ liệu và ứng dụng. Lòng tin là nền tảng: hệ thống AI phải an toàn, minh bạch về mục đích và chịu sự ràng buộc trách nhiệm của con người. Quy định cần linh hoạt để bảo vệ đổi mới, không nhằm loại bỏ mọi rủi ro trước khi triển khai, mà là xác định, định lượng, đánh giá rủi ro và quy trách nhiệm khi hệ thống gặp sự cố.

Ảnh: Pavel Danilyuk / Pexels