Phát triển trí tuệ nhân tạo của Đài Loan và chiến lược tương lai: Tấm vé phần cứng đã lấy, trận chiến kế tiếp sẽ ở đâu

Toàn cảnh 30 giây: Ngày 8 tháng 10 năm 2024, Giải Nobel Vật lý được trao cho nhà vật lý viết ra Hopfield Network và nhà khoa học nhận thức viết ra backpropagation¹. Ngày 9 tháng 10, Giải Nobel Hóa học được trao cho ba nhà nghiên cứu sử dụng AI để giải quyết bài toán gấp protein đã kéo dài năm mươi năm². Cùng năm đó, ngày 29 tháng 5, Giám đốc điều hành NVIDIA Hoàng Nhân Huân xuất hiện tại chợ đêm Ninh Hạ ở Đài Bắc ăn sò nướng với Morris Chang, Lâm Bá Lý, Thái Lực Hành. TSMC nắm 72% doanh thu thị trường gia công wafer toàn cầu, Foxconn, Quanta, Wistron hợp lực sản xuất chín mươi phần trăm máy chủ AI toàn cầu. Nhưng trong buổi lễ khoa học kéo dài hai ngày này - buổi lễ công khai lịch sử mạng nơ-ron bốn mươi hai năm - không có bất kỳ tên nào đến từ Đài Loan. Từ Đài Loan AI Labs được thành lập bởi Chu Dịch Cận, tác giả PTT, đến mô hình ngôn ngữ lớn TAIDE về tiếng Trung phức tạp mà chính phủ ủy thác, một cuộc đặt cược từ "sản xuất AI" sang "trở thành AI" đang diễn ra.

42 năm khẳng định: Hai giải Nobel năm 2024 liên tiếp trao

Sáng ngày 8 tháng 10 năm 2024, tại Stockholm. Viện Hàn lâm Khoa học Hoàng gia Thụy Điển đã công bố trao Giải Nobel Vật lý cho hai nhà khoa học AI: Giáo sư danh dự John J. Hopfield (91 tuổi) của Đại học Princeton, và Geoffrey Hinton (76 tuổi), người vừa rời Google cách đây năm tháng³. Với số tiền thưởng 11 triệu Krona Thụy Điển, cả hai được chia đều³.

Ủy ban xét duyệt lý giải rằng: "Vì những khám phá và phát minh nền tảng thúc đẩy học máy bằng mạng nơ-ron nhân tạo" (for foundational discoveries and inventions that enable machine learning with artificial neural networks)³. Đây là lần đầu tiên trong lịch sử Giải Nobel Vật lý trực tiếp trao giải cho lĩnh vực mạng thần kinh.

Ngày hôm sau, ngày 9 tháng 10, là Giải Hóa học. Ba người đoạt giải: David Baker từ Đại học Washington, cùng với hai thành viên của DeepMind là Demis Hassabis và John Jumper. Ông Baker nhận một nửa số tiền thưởng, còn Hassabis và Jumper chia sẻ phần còn lại⁴. Lý do trao giải được chia làm hai phần: phần đầu dành cho ông Baker về "thiết kế protein bằng máy tính", và phần sau dành cho Hassabis và Jumper về "dự đoán cấu trúc protein".

Hai ngày, hai giải Nobel, đều liên quan đến AI. Điều này chưa từng có tiền lệ trong lịch sử Giải Nobel.

Hãy đối chiếu dòng thời gian: Khi Hopfield công bố bài báo mang tên Neural networks and physical systems with emergent collective computational abilities trên Tạp chí Khoa học Quốc gia Hoa Kỳ (PNAS) vào năm 1982, ông vừa chuyển từ vật lý trạng thái rắn sang khoa học thần kinh⁵. Từ năm 1982 đến 2024 là trọn vẹn 42 năm. Bài báo năm 1986 của Hinton và Rumelhart về thuật toán lan truyền ngược (backpropagation)⁶, từ khi công bố đến khi được trao giải cũng mất 38 năm. Còn AlphaFold, chỉ mất 6 năm để từ lần ra mắt đầu tiên tại CASP13 vào năm 2018 cho đến khi nhận Nobel vào năm 2024.

Rốt cuộc, những người đoạt giải trong hai ngày này không phải là ChatGPT, mà là những bài báo khó hiểu cách đây ba bốn mươi năm. Sự chênh lệch thời gian giữa nghiên cứu cơ bản và ứng dụng công nghiệp vẫn luôn tồn tại như vậy.

Geoffrey Hinton, người đoạt Giải Nobel Vật lý năm 2024, tại tuần lễ Nobel ở Stockholm. Ảnh: Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons.

Bữa ăn triệu đô tại chợ đêm Ninh Hạ

Tối ngày 29 tháng 5 năm 2024, trước sự kiện Computex, tại chợ đêm Ninh Hạ Đài Bắc xuất hiện một nhóm thực khách khác thường. Giám đốc điều hành NVIDIA Hoàng Nhân Huân đã đưa người sáng lập TSMC Morris Chang, Chủ tịch Quanta Lâm Bá Lý, CEO MediaTek Thái Lực Hành, xếp hàng trước quầy để ăn sò nướng⁷. Những người bộ hành nhận ra Hoàng Nhân Huân, ngay lập tức bị vây quanh bởi fan hâm mộ và phóng viên, cảnh tượng cạnh tranh với việc đuổi sao.

Giá trị thị trường của bữa ăn này cộng lại hơn hàng ngàn tỷ đô la Mỹ. Nhưng câu chuyện thực sự không nằm ở bàn ăn, mà nằm ở phía sau bàn ăn trên chuỗi cung ứng: những người này đại diện cho những công ty hỗ trợ nền tảng vật lý của toàn bộ tính toán AI toàn cầu. Hoàng Nhân Huân công khai nói trong chuyến thăm Đài Loan đó: "Đài Loan là một trong những quốc gia quan trọng nhất trên thế giới."⁸ Đây không phải lời nói sáo rỗng. Không có Đài Loan, nền tảng phần cứng của cuộc cách mạng AI không tồn tại.

Hoàng Nhân Huân sinh năm 1963 tại Đài Bắc, trải qua thời thơ ấu ở Đài Nam, chín tuổi di cư sang Mỹ⁹. Năm 1993, công ty NVIDIA do ông đồng sáng lập hiện là từ đồng nghĩa của chip AI. Mỗi chiếc GPU tiên tiến được thiết kế bởi NVIDIA, từ A100, H100 được sử dụng để huấn luyện ChatGPT, cho tới series Blackwell mới nhất, đều được giao cho TSMC sản xuất¹⁰.

Bốn tháng sau tại Stockholm công bố danh sách người đoạt Giải Nobel, không có bất kỳ tên nào trong nhóm này. Sự khác biệt này không phải là trùng hợp, mà là một sự thật có cấu trúc.

Phần cứng: Một hòn đảo hỗ trợ toàn bộ cuộc cách mạng AI

Vị trí của Đài Loan trong chuỗi cung ứng phần cứng AI, sử dụng từ "then chốt" để mô tả thậm chí còn quá nhẹ nhàng.

Ở khía cạnh sản xuất chip, năm 2025 TSMC nắm 72% thị phần doanh thu thị trường gia công wafer toàn cầu¹¹. Trong quy trình tiên tiến dưới 7 nanomet, thị phần của TSMC vượt quá chín mươi phần trăm. Thị phần GPU AI của NVIDIA là khoảng 86%, và hầu hết các GPU này được gia công bởi TSMC¹². Phần lớn sức mạnh tính toán được sử dụng để huấn luyện và chạy các mô hình AI trên thế giới được sinh ra trong phòng sạch của Đài Loan.

Sau khi chip được tạo ra, chúng phải được lắp ráp thành máy chủ để vào trung tâm dữ liệu. Khía cạnh này cũng được Đài Loan dẫn đầu. Ba nhà sản xuất ODM lớn Foxconn, Quanta, Wistron hợp lực sản xuất khoảng chín mươi phần trăm máy chủ AI toàn cầu¹³. Năm 2025, doanh thu hàng năm của ba công ty này mỗi công ty vượt qua một nghìn tỷ đô la Đài Loan (khoảng 32 tỷ đô la Mỹ), trong đó doanh thu máy chủ AI lần đầu tiên vượt quá sản phẩm điện tử tiêu dùng trong quý thứ hai¹⁴.

Hiệu suất của chip AI không chỉ phụ thuộc vào thu gọn quy trình, mà còn phụ thuộc vào công nghệ đóng gói. Công nghệ đóng gói tiên tiến CoWoS (Chip on Wafer on Substrate) của TSMC là chìa khóa để GPU cấp cao của NVIDIA đạt được mục tiêu hiệu suất. Năm 2026, yêu cầu từ chính NVIDIA đối với wafer CoWoS dự kiến sẽ đạt 595.000 cái, chiếm 60% tổng nhu cầu toàn cầu¹⁵.

Foxconn còn hợp tác với NVIDIA và chính phủ Đài Loan để xây dựng một siêu máy tính nhà máy AI cấp 100 megawatt (MW) ở Cao Hùng, sử dụng kiến trúc NVIDIA Blackwell mới nhất¹⁶. Đài Loan đang nâng cấp từ "nơi sản xuất chip AI" lên "nơi chạy AI".

Nhà máy Fab 5 của TSMC ở Tân Trúc, bối cảnh vật lý của gia công chip AI. Photo: Wikimedia Commons via TSMC Fab 5 file.

Vấn đề là: sau khi phần cứng lấy được tấm vé, trận chiến kế tiếp sẽ ở đâu?

📝 Ghi chú của người sưu tầm

Cách nói phổ biến là "Đài Loan là 'núi bảo vệ đất nước' hỗ trợ cuộc cách mạng AI". Cách nói này rất tiện lợi trong tường thuật, nhưng nó đảo ngược một nửa quan hệ nhân quả. Đó là cuộc cách mạng AI cần GPU nên mới chọn TSMC, không phải TSMC lớn lên từ cuộc cách mạng AI. Căng thẳng thực sự nằm ở đâu: khi GPU trở thành hàng hóa, giá trị giai đoạn tiếp theo sẽ trượt tới đâu? Câu trả lời mà hai giải Nobel năm 2024 đưa ra là bản thân mô hình — 12 trang giấy của Hopfield, đêm OP 2012 khi Hinton và sinh viên Alex Krizhevsky sử dụng AlexNet được huấn luyện bằng GPU để nâng độ chính xác nhận dạng hình ảnh ImageNet từ 26,2% xuống 15,3%¹⁷, và chiều chiều khi nhóm của Hassabis khiến AlphaFold đạt trung vị GDT 92,4 ở CASP14.

Hopfield năm 1982: Mô hình trí nhớ do nhà vật lý viết

Năm 1982, John Hopfield, một nhà vật lý chất rắn tại Princeton, đã viết một bài báo chỉ dày 12 trang với tựa đề dài: 《Neural networks and physical systems with emergent collective computational abilities》⁵, được công bố trên Proceedings of the National Academy of Sciences (Tạp chí Khoa học Quốc gia Hoa Kỳ) ⁵.

Điều ông làm về cơ bản là "dịch" khái niệm "trí nhớ" thành vật lý.

Trong vật lý có một thứ gọi là spin glass (thủy tinh spin): một tập hợp các nguyên tử từ tính, mỗi nguyên tử có hướng spin riêng và tương tác với nhau, khiến toàn bộ hệ thống tự phát tìm ra điểm năng lượng thấp nhất. Hopfield đã áp dụng khái niệm này vào tế bào thần kinh: coi các tế bào thần kinh như các spin, coi cường độ kết nối như sự tương tác, và toàn bộ mạng lưới sẽ tự thu hội về một trạng thái ổn định tại "giá trị năng lượng cực tiểu" (energy minimum) ⁵. Mỗi giá trị năng lượng cực tiểu chính là một ký ức được lưu trữ.

Sự tinh tế của mô hình này nằm ở chỗ nó biến trí nhớ thành thứ có thể được mô tả bằng ngôn ngữ vật lý. Khi được cung cấp các manh mối chưa hoàn chỉnh, mạng lưới sẽ tự tìm ra điểm năng lượng thấp nhất gần nhất để bổ sung lại toàn bộ ký ức đó. Đây chính là tổ tiên toán học của những gì Trí tuệ nhân tạo sinh thành (Generative AI) đang làm ngày nay.

Vào năm 1982, Đài Loan vẫn còn ở giai đoạn sơ khai của ngành điện tử và TSMC chưa được thành lập. Ông Trương Trung Mô phải đợi đến năm 1987 mới sáng lập công ty sẽ trở thành "ngọn núi hộ quốc" sau 42 năm. Số lần trích dẫn bài báo của Hopfield trên Google Scholar đã tích lũy hơn hai mươi bảy nghìn lần tính đến năm 2026 ¹⁸.

Điều thú vị hơn là lời ông nói sau này. Ông dành cả đời nghiên cứu vật lý chất rắn tại Princeton, và việc chuyển sang khoa học thần kinh bị các đồng nghiệp thời đó coi là "trò giải trí". Cho đến khi danh sách Nobel năm 2024 được công bố, ở tuổi 91, trong một cuộc phỏng vấn qua điện thoại với Viện Hàn lâm Khoa học Hoàng gia Thụy Điển, ông bày tỏ sự lo lắng về "hướng đi của AI mà không ai hiểu hoặc kiểm soát được" ¹⁹.

Người đã viết nên nền tảng toán học cho toàn bộ Trí tuệ nhân tạo hiện đại lại nhắc nhở mọi người cẩn thận vào ngày nhận giải.

_John J. Hopfield, người đoạt giải Nobel Vật lý năm 2024, Tuần lễ Nobel ở Stockholm. Ảnh: Arthur Petron, ngày 08/12/2024. CC BY-SA 4.0 via Wikimedia Commons._

Hinton: Bài báo 1986 năm đó, và cảnh báo khi rời Google năm 2023

Geoffrey Hinton, sinh năm 1947 ở Wimbledon, London, là một người khác bị lịch sử chậm công nhận 38 năm²⁰.

Năm 1986, Hinton cùng David Rumelhart và Ronald Williams xuất bản một bài báo về backpropagation trên tạp chí Nature⁶. Ý nghĩa của thuật toán này là: khi một mạng nơ-ron mắc lỗi, có thể truyền ngược tín hiệu lỗi qua từng lớp, từng bước điều chỉnh trọng lượng kết nối. Đây là cách tất cả các mô hình học sâu hiện nay huấn luyện chính mình.

Thuật toán này được viết năm 1986, nhưng phải chờ ba điều hòa trộn thì mới gây nổ: sức mạnh tính toán đủ rẻ, dữ liệu đủ lớn, và người sẵn sàng tin tưởng con đường này. Hai điều đầu tiên đã sẵn sàng vào đầu những năm 2010, cá nhân đại diện cho điều thứ ba là Hinton cùng hai sinh viên của ông là Alex Krizhevsky và Ilya Sutskever. Năm 2012, họ sử dụng mạng nơ-ron tích chập được huấn luyện bằng GPU là AlexNet để đoạt được tỷ lệ lỗi top-5 là 15,3% trong cuộc thi nhận dạng hình ảnh ImageNet, vượt xa vị trí thứ hai là 26,2%¹⁷. Vào thời điểm đó toàn bộ ngành công nghiệp mới tin rằng backpropagation thực sự có thể hoạt động.

Tháng 3 năm 2013, Google đã mua công ty nhỏ DNNresearch của Hinton với giá 44 triệu đô la Mỹ, đưa vào biên chế người 65 tuổi²⁰. Trong mười năm tiếp theo, ông là nhà khoa học AI có uy tín nhất ở Thung lũng Silicon.

Sau đó ngày 1 tháng 5 năm 2023, New York Times đăng một bài phỏng vấn: Hinton đã rời khỏi Google.

Lý do ông từ chức không phải là nghỉ hưu. Ông nói trong bài phỏng vấn, ông muốn "có khả năng tự do nói về rủi ro AI mà không cần phải cân nhắc tác động của nó đối với Google"²¹. Những điều ông cảnh báo bao gồm: các hệ thống AI có thể sớm thông minh hơn con người, có thể bị người xấu lợi dụng để làm chuyện xấu, và "rất khó thấy có cách nào" để ngăn chặn điều này²¹. Ông thậm chí còn nói mình "trách phần nào công việc cả đời của mình"²¹.

Năm 2024, khi Giải Nobel Vật lý được trao cho ông, ông đã lặp lại cảnh báo một lần nữa trong cuộc phỏng vấn qua điện thoại: hãy cẩn thận với khả năng AI mất kiểm soát²².

Người đã viết ra thuật toán huấn luyện học sâu, và người đã viết ra mô hình bộ nhớ, cùng nhau đứng trên bục địa Sweden Viện Hàn lâm Khoa học Hoàng gia vào những ngày tháng 10 năm 2024, cùng nhắc nhở mọi người hãy cẩn thận cái thứ này có thể nguy hiểm hơn người ta tưởng. Bức ảnh này có vị trí đối lập với cảnh J. Robert Oppenheimer nhìn cái nấm mây bốc lên từ sa mạc New Mexico năm 1945.

Hai tháng sau, ngày 8 tháng 12 năm 2024, Hinton đã phát biểu bài giảng Giải Nobel tại Aula Magna của Đại học Stockholm. Đề tài là "Boltzmann Machines" — đó là công việc sơ khai thừa kế từ Hopfield, sử dụng phân bố xác suất nhiệt động lực để viết vào mạng nơ-ron. Cho tới sau khi nghe xong mới biết rằng, bài báo backpropagation năm 1986 không phải là một hiểu biết cô lập, mà là toàn bộ bộ suy nghĩ nảy sinh từ sự giao thoa giữa vật lý và khoa học nhận thức những năm 80:

Kênh chính thức Viện Hàn lâm Khoa học Hoàng gia Thụy Điển: Bài giảng Giải Nobel Vật lý "Boltzmann Machines" của Geoffrey Hinton vào ngày 8 tháng 12 năm 2024. Từ những năm 1980 khi ông cùng Sejnowski viết Boltzmann machine, tới backpropagation, tới LLM ngày hôm nay — chính xác bốn mươi năm. Năm phút cuối cùng ông đã nói lại một lần nữa lo lắng về rủi ro AI, lần này đứng trên bục giảng Nobel.

Từ PTT đến Đài Loan AI Labs: Hai lần khởi nghiệp của Chu Dịch Cận

Quay trở lại hòn đảo Đài Loan. Cùng thời gian Hopfield viết mô hình bộ nhớ, Đài Loan mới bắt đầu có khoa Khoa học Máy tính.

Năm 1995, sinh viên năm thứ hai Khoa học máy tính Đại học Quốc gia Đài Loan Chu Dịch Cận sử dụng một máy tính 486 và phần mềm nguồn mở, tại ký túc xá đã thiết lập Hệ thống BBS điện tử lớn nhất Đài Loan, sau này trở thành tấm bảng thông báo điện tử lớn nhất Đài Loan. Ba mươi năm sau, PTT vẫn có hàng chục vạn người trực tuyến mỗi ngày, là hóa thạch sống của nền văn hóa internet Đài Loan.

Chu Dịch Cận sau đó đã đến Microsoft, tham gia vào phát triển trợ lý giọng nói Cortana. Tháng 4 năm 2017, ông từ bỏ lương cao ở Thung lũng Silicon trở về Đài Loan, thành lập "Đài Loan AI Labs" (Đài Loan Artificial Intelligence Labs), đây là tổ chức nghiên cứu AI không lợi nhuận, mở cửa đầu tiên ở Châu Á²³.

Động lực của ông rất thẳng thắn: Đài Loan có những tài năng phần mềm cấp thế giới, nhưng những người tài này đã chạy tới Thung lũng Silicon. Ông muốn xây dựng một nền tảng, để cho những người muốn quay trở lại hoặc muốn ở lại có nơi thực hiện nghiên cứu AI.

Sản phẩm nổi tiếng nhất của Đài Loan AI Labs là "Yating Verbatim", một hệ thống nhận dạng giọng nói được tối ưu hóa cho tiếng Trung phức tạp và giọng Đài Loan. Trong giai đoạn đại dịch COVID-19, phòng thí nghiệm còn phát triển công cụ phát hiện thông tin sai lệch và AI y tế học tập liên kết²⁴. Điểm chung của những dự án này là: chúng giải quyết những vấn đề ở địa phương Đài Loan, sử dụng dữ liệu địa phương Đài Loan, thay vì dịch lại mô hình Mỹ để sử dụng.

Câu chuyện của Chu Dịch Cận, từ PTT đến Đài Loan AI Labs, ở một mức độ nào đó chính là thước phim về phát triển phần mềm Đài Loan: không thiếu khả năng kỹ thuật, thiếu của là hệ sinh thái để giữ lại tài năng.

💡 Bạn có biết không

Năm 1986 khi Hinton xuất bản backpropagation, GDP của Đài Loan khoảng 77,9 tỷ đô la Mỹ, GDP bình quân đầu người khoảng 4.007 đô la Mỹ, Công viên Khoa học Tân Trúc mới chạy được sáu năm²⁵. Ba điều trên cùng một hành tinh xảy ra cùng lúc, nhưng phải chờ 26 năm sau trên bộ dữ liệu ImageNet, dòng lịch sử này mới giao nhau. Thang thời gian của nghiên cứu cơ bản, luôn dài hơn bất kỳ câu chuyện ngành công nghiệp nào cảm nhận được.

AlphaFold: Nửa còn lại của giải Nobel cho bài toán gấp protein 50 năm

Câu chuyện Giải Nobel Hóa học năm 2024, phải bắt đầu từ một câu hỏi năm 1972.

Năm đó, nhà sinh hóa học Mỹ Christian Anfinsen khi phát biểu Giải Nobel Hóa học đã đề xuất một giả thuyết: cấu trúc ba chiều gấp của protein, hoàn toàn do trình tự axit amin của nó quyết định²⁶. Nếu giả thuyết này đúng, thì về mặt lý thuyết chúng ta chỉ cần nhìn thấy một dòng trình tự axit amin, thì có thể tính toán được cấu trúc 3D tương ứng. Nhưng cái "có thể" này đã duy trì nửa thế kỷ mà không làm được. Gấp protein được gọi là một thách thức lớn. Giới khoa học mỗi hai năm tổ chức một cuộc thi CASP, mọi người nộp kết quả dự đoán của mình so sánh với cấu trúc thực nghiệm, từ năm 1994 tổ chức 13 lần, không ai vượt qua được²⁷.

Cho đến năm 2018 CASP13, DeepMind gửi AlphaFold thế hệ đầu tiên đoạt giải, nhưng độ chính xác chưa đủ thực dụng. Bước ngoặt thực sự là ngày 30 tháng 11 năm 2020 CASP14: AlphaFold 2 đạt được điểm trung vị GDT 92,4²⁷. Ý nghĩa của GDT 92,4 là, hơn một nửa kết quả dự đoán, độ lệch vị trí nguyên tử so với giá trị thực nghiệm nhỏ hơn một ångström, đạt tới mức độ phân giải thực nghiệm. Chủ tọa CASP John Moult hôm đó nói rằng "ở một mức độ nào đó, bài toán này đã được giải quyết"²⁷.

Một bài toán không ai giải được trong 50 năm, bị giải quyết trong sáu năm bởi một nhóm nghiên cứu tại London.

Tiếp theo sự việc đi nhanh hơn. Tháng 7 năm 2021, mã nguồn AlphaFold 2 được mở; cùng năm đó DeepMind cùng với Phòng thí nghiệm Sinh học Phân tử Châu Âu (EMBL-EBI) hợp tác đưa cấu trúc protein được AlphaFold dự đoán thành cơ sở dữ liệu công khai. Tháng 7 năm 2022, cơ sở dữ liệu này bao gồm 100 triệu loài sinh vật, khoảng 200 triệu cấu trúc protein, tương đương phát hành miễn phí mô hình 3D của hầu như tất cả những loài protein đã biết trên Trái Đất²⁸.

Ngày 8 tháng 5 năm 2024, DeepMind xuất bản AlphaFold 3 trên tạp chí Nature, mở rộng khả năng dự đoán từ protein đơn lẻ sang tương tác giữa protein và DNA, RNA, ligand (chất liên kết) và ion²⁹. Từ phát triển thuốc mới, thiết kế vắc xin cho tới kỹ thuật enzim, tất cả những lĩnh vực cần biết các phân tử kết lại như thế nào, đều bị công cụ này viết lại đáy.

Demis Hassabis, người viết AlphaFold, không phải là nhà sinh hóa học truyền thống. Ông bắt đầu chơi cờ vua khi bốn tuổi, mười ba tuổi đã đạt chuẩn vua; năm 17 tuổi cùng Peter Molyneux đồng phát triển trò chơi mô phỏng "Theme Park", bán được hàng triệu bản³⁰. Năm 2010 ông cùng Shane Legg, Mustafa Suleyman thành lập DeepMind tại London, năm 2014 bị Google mua lại với giá 400 triệu bảng Anh³⁰. Năm 2016 AlphaGo của DeepMind đánh bại Lee Sedol, năm 2020 là AlphaFold 2, năm 2024 là Nobel, ba sự kiện cách nhau chưa đến mười năm.

Dòng giữa là cùng một cuộc đặt cược: sử dụng mạng nơ-ron để giải quyết những bài toán mà con người không thể giải bằng bộ não. Cờ vua là quy tắc đóng kín, gấp protein là quy tắc mở nhưng ràng buộc vật lý mạnh mẽ. Hai điều này Hassabis đều chọn đúng chiến trường.

Phía Đài Loan, nghiên cứu thủy cách protein phân tử đường được thành lập dưới nhiệm kỳ của Viện trưởng Viện Hàn lâm Sinica Ông Khả Huệ (2006-2016), là khoảng đầu tư học thuật gần nhất Đài Loan với phía trước tuyến này³¹. Viện Hàn lâm Sinica - Viện Nghiên cứu Y sinh, Viện Sinh hóa cũng có những nhóm đang sử dụng trọng số nguồn mở của AlphaFold để làm nghiên cứu hạ lưu. Nhưng phát triển mô hình cốt lõi ở cấp độ AlphaFold, Đài Loan hiện tại không có cơ cấu tương ứng.

⚠️ Quan điểm gây tranh cãi

Việc AlphaFold đoạt Giải Nobel Hóa học có tranh cãi trong giới học thuật: một phần các nhà sinh vật học cấu trúc tin rằng giải thưởng này nên được trao cho những nhà khoa học thực hiện các thí nghiệm then chốt sớm nhất, tay giữ tia X quanh xoay tinh thể hoặc cộng hưởng từ hạt nhân, thay vì nâng công cụ tính toán lên điện hall hóa học³². Phần khác cho rằng tranh luận này đã quá cũ — khi thuật toán có thể giúp con người bổ sung hoàn chỉnh cấu trúc 3D của hầu như tất cả protein đã biết trên Trái Đất trong năm năm, đó là hóa học. Tranh luận giữa hai quan điểm đã dần quay hướng tới quan điểm sau đó sau tháng 10 năm 2024, nhưng căng thẳng mà nó đại diện không biến mất: khi AI có khả năng mở rộng, ranh giới của các học thuyết truyền thống có nên vẽ lại không?

TAIDE: Tại sao Đài Loan lại cần một mô hình ngôn ngữ của riêng mình

Tháng 4 năm 2023, sáu tháng sau ChatGPT quét qua toàn cầu, Ủy ban Khoa học và Công nghệ Quốc gia Đài Loan (NSTC) khởi động kế hoạch "TAIDE", tên đầy đủ là Trustworthy AI Dialogue Engine (Máy tạo đối thoại AI đáng tin cậy)³³.

Tại sao một hòn đảo với hai trăm ba mươi triệu dân lại phải tự mình xây dựng mô hình ngôn ngữ lớn?

Lý do không chỉ là tự chủ về mặt kỹ thuật. Tiếng Trung phức tạp chiếm tỷ lệ cực kỳ thấp trong dữ liệu huấn luyện AI toàn cầu, phần lớn dữ liệu tiếng Trung đến từ các trang web tiếng Trung đơn giản. Khi người Đài Loan sử dụng ChatGPT hoặc các mô hình khác, câu trả lời mà họ nhận được thường mang theo thói quen sử dụng ngôn ngữ và đặt định trước quan điểm từ đại lục Trung Quốc. "Video" thay vì "phim", "chất lượng" thay vì "chất lượng", những khác biệt tưởng chừng nhỏ này, phía sau là những vấn đề về chủ thể văn hóa. Tạp chí Thiên Hạ trực tiếp dùng "Ngăn chặn cuộc xâm lăng văn hóa AI của Trung Quốc" làm tiêu đề để báo cáo TAIDE³⁴.

Tháng 4 năm 2024, nhóm TAIDE phát hành phiên bản thương mại TAIDE-LX-7B và phiên bản nghiên cứu TAIDE-LX-13B, thể hiện hiệu suất tốt trên các nhiệm vụ viết, dịch thuật, tóm tắt³⁵. Cho đến năm 2026, TAIDE 2.0 được phát hành, cộng với mô hình Breeze-8B được hỗ trợ bởi MediaTek, hệ sinh thái LLM của Đài Loan đã chuyển từ giai đoạn "đuổi theo" sang giai đoạn "có thể sử dụng được"³⁶.

Điều thú vị hơn là sự nở rộ ở đầu ứng dụng. Đại học Trung Hoa sử dụng TAIDE để xây dựng hệ thống truy xuất kiến thức nông nghiệp "Thần nông TAIDE"; Đại học Đài Nam phát triển robot đối thoại tiếng Đài-Anh được sử dụng để dạy tiếng Đài; Yang Ming Chiao Tung then luyện các phiên bản TAIDE của tiếng Đài và tiếng Khách Gia³⁷. Những ứng dụng này chứng minh một sự thật: mô hình ngôn ngữ đồng thời là sản phẩm công nghệ và vật chuyên chở văn hóa. Một AI không hiểu "Ngày Thiên Xuyên" và "Ma Tổ Vinh Ngoạn", không thể thực sự phục vụ được người Đài Loan.

Tuy nhiên, quy mô TAIDE vẫn còn nhỏ: tham số thương mại 8B và học tập 13B, với mô hình GPT-4 của OpenAI cấp độ (suy đoán hơn một nghìn tỷ tham số) khác nhau hơn hai cấp độ. Khoảng cách này phía sau là vấn đề ngân sách GPU chứ không phải vấn đề khả năng. Huấn luyện một mô hình LLM cấp tiên phong, cần sức mạnh tính toán tính bằng trăm triệu đô la Mỹ, ngang với ngân sách hàng năm của một tổ chức nghiên cứu cấp quốc gia.

AI An ninh bị hack

Đài Loan là một trong những quốc gia chịu tấn công mạng thường xuyên nhất thế giới. Thực tế không may mắn này, tình cờ đã xúc tác ra một ngành công nghiệp an ninh AI mạnh mẽ.

CyCraft (Tư Tưởng Trí Tuệ Thần Thông - bộ máy định danh an ninh giả định trong tiếng Việt) được thành lập vào cuối năm 2017, là công ty an ninh lần đầu tiên ở Đài Loan kết hợp AI và giám sát điểm cuối. Công nghệ của nó bảy lần được tổ chức nghiên cứu toàn cầu Gartner bao gồm trong báo cáo, là nhà cung cấp đơn độc Đài Loan ba lần vượt qua bài kiểm tra quyền lực MITRE ATT&CK của Mỹ³⁸. Tháng 2 năm 2026, CyCraft niêm yết trên bảng đổi công nghệ Đài Loan, trở thành nhà sản xuất phần mềm an ninh AI tự chủ lần đầu tiên ở Đài Loan trong thị trường vốn³⁹.

Khách hàng của CyCraft bao quát các cơ quan chính phủ Đài Loan, các đơn vị quốc phòng, các ngân hàng và các công ty bán dẫn, đây là những mục tiêu bị các hacker cấp quốc gia nhắm tới nhiều nhất. Công ty thiết lập các chi nhánh ở Nhật Bản và Singapore, đang đẩy "kinh nghiệm thực chiến được hack ra" sang khắp khu vực Châu Á-Thái Bình Dương.

Ví dụ này cho thấy một sự thật: lợi thế AI của Đài Loan không chỉ đến từ bán dẫn, mà còn đến từ khả năng thực chiến được mài giũa bởi tình huống địa chính trị đặc biệt.

Chính sách: Từ "Năm AI" đến Bộ Phát triển Số

Sự phát triển chính sách AI của Đài Loan có thể được hiểu qua ba giai đoạn.

Giai đoạn 2017 đến 2018 là giai đoạn khởi đầu. Bộ trưởng Khoa học và Công nghệ Trần Lương Cơ đã tuyên bố năm 2017 là "Năm AI", đưa ra "Chiến lược lớn của quốc gia nhỏ về AI" ³⁹, thừa nhận thị trường Đài Loan còn nhỏ nhưng nhấn mạnh ba thế mạnh: sản xuất chất bán dẫn, chuỗi cung ứng ICT và nhân tài kỹ thuật. Năm 2018, "Kế hoạch hành động AI Đài Loan" giai đoạn đầu được khởi động, đầu tư hơn NT$40 tỷ trong bốn năm, tập trung xây dựng cơ sở hạ tầng tính toán AI là "Đám mây AI Đài Loan" (TWCC) ³⁸.

Năm 2022 đánh dấu sự thể chế hóa. Bộ Phát triển Số (moda) được thành lập, hợp nhất các nhiệm vụ số vốn phân tán trước đây thuộc Bộ Khoa học và Công nghệ, Bộ Kinh tế và Bộ Giao thông. Ý nghĩa của bước này là: chính sách AI đã được nâng cấp từ "dự án của Bộ Khoa học và Công nghệ" thành "chiến lược quốc gia liên ngành". Cùng năm đó, chính phủ ban hành "Hướng dẫn phát triển nghiên cứu trí tuệ nhân tạo", nhấn mạnh các nguyên tắc lấy con người làm trung tâm, minh bạch, có thể giải thích được và không phân biệt đối xử.

Giai đoạn từ 2023 đến nay là sự chuyển hướng sang AI tạo sinh (Generative AI). Sự chấn động của ChatGPT đã khiến chính sách thay đổi nhanh chóng. Kế hoạch TAIDE được khởi động, dự thảo Luật cơ bản về AI được thúc đẩy và việc áp dụng AI trong khu vực công được tăng tốc. Chiến lược của Đài Loan rất thực tế: không cạnh tranh với Trung Quốc và Mỹ bằng số lượng bài báo nghiên cứu cơ bản, mà là gắn kết AI với lợi thế sản xuất sẵn có. Sản xuất thông minh, hình ảnh y tế, dự đoán năng suất chất bán dẫn, đây đều là những lĩnh vực mà Đài Loan có dữ liệu, bối cảnh và khả năng cạnh tranh.

Vấn đề là, trong danh sách người đoạt giải Nobel hai ngày tháng 10 năm 2024, không có ai đến từ con đường "sản xuất thông minh".

Lo lắng: Khoảng trống phần mềm của đế chế phần cứng

Phía sau những con số lấp lánh, phát triển AI của Đài Loan có một vấn đề cơ cấu: sự mất cân bằng nghiêm trọng giữa phần cứng và phần mềm.

Đài Loan sản xuất chín mươi phần trăm máy chủ AI toàn cầu và hầu hết chip AI, nhưng ở những khía cạnh "mềm" như phát triển mô hình AI, hệ sinh thái dữ liệu, phần mềm nền tảng, có mặt rất yếu. Hai mươi mô hình AI hàng đầu toàn cầu, bao gồm GPT, Claude, Gemini, LLaMA, không có cái nào đến từ Đài Loan. So sánh lại công việc được trao giải Nobel kép năm 2024, từ Hopfield Network, backpropagation tới AlphaFold, ba đường này đều cách xa ngành công nghiệp Đài Loan.

Lý do là phiên bản mới của vấn đề cũ. Khi kỹ sư TSMC lương năm có thể vượt qua hai triệu đô la Đài Loan, startup phần mềm rất khó tranh giành được tài năng hàng đầu. Google, Microsoft, NVIDIA thiết lập trung tâm R&D tại Đài Loan, hình thành hiệu ứng hút mạnh trong lương bổng và phúc lợi. Học sinh tốt nghiệp Đài Loan về Khoa học máy tính lựa chọn đầu tiên, thường là công ty nước ngoài hoặc TSMC IT, chứ không phải gia nhập một startup AI bản địa.

Thách thức thêm sâu xa hơn nữa là dữ liệu. Giá trị của mô hình AI đến từ dữ liệu huấn luyện, và lượng dữ liệu tiếng Trung phức tạp chất lượng cao, so với tiếng Anh hoặc tiếng Trung đơn giản, thì lượng nhỏ hạt. Hai trăm ba mươi triệu dân của Đài Loan, khối lượng văn bản được tạo ra, thầm sẵn kém hơn thế giới tiếng Anh hoặc Trung Quốc đại lục. Kế hoạch TAIDE cố gắng giải quyết vấn đề này, nhưng nhược điểm quy mô dữ liệu là cấu trúc được xác định.

Cược chân thực của Đài Loan về AI, rơi vào ứng dụng chuyên áp chứ không phải mô hình cơ sở: thay vì trực diện so tài với OpenAI hoặc Google trên mô hình phổ quát, Đài Loan lựa chọn tìm vị trí không thể thay thế được ở AI quy trình bán dẫn, AI ảnh y tế, AI an ninh mạng, NLP tiếng Trung phức tạp. Những lĩnh vực này Đài Loan có dữ liệu độc quyền và kịch bản ưu thế, người khác rất khó nhân bản.

Lựa chọn AI của một hòn đảo

Năm 2026, Đài Loan đứng ở vị trí độc nhất vô nhị: nó chưa bao giờ như vậy không thể thiếu trong chuỗi cung ứng phần cứng AI, nhưng vẫn còn chu vi trong hệ sinh thái phần mềm AI.

Điều này không hoàn toàn là xấu. Lịch sử cho thấy, mô hình thành công của Đài Loan luôn là "không làm thương hiệu, mà làm thương hiệu phía sau thương hiệu". Mô hình gia công thuần túy được phát minh bởi Morris Chang năm 1987, khiến TSMC trở thành doanh nghiệp top mười giá trị thị trường toàn cầu. Hôm nay, logic tương tự lại diễn ra trong ngành công nghiệp máy chủ AI: Foxconn không làm mô hình AI, nhưng toàn bộ mô hình AI toàn cầu chạy trên máy chủ Foxconn lắp ráp.

Nhưng quy tắc trò chơi thời AI có thể khác. Khi trọng tâm giá trị trượt từ phần cứng sang phần mềm và dữ liệu, khoảng lợi nhuận chỉ làm gia công sẽ bị nén. Hai ngày Nobel năm 2024 trao giải cho những người là phần mềm. Hopfield viết của là mô hình toán học, Hinton viết của là thuật toán huấn luyện, Hassabis viết của là phương pháp giải quyết sinh vật học. Công việc này tất cả chạy trên phần cứng Đài Loan sản xuất, nhưng cúp không được trao cho phần cứng.

Đài Loan cần trên nền cơ sở chiều haut phần cứng nối dài ra khả năng phần mềm và dữ liệu: phần cứng vẫn là đáy, lớp giá trị mới xếp chồng lên trên. TAIDE là một cố gắng, CyCraft là một cố gắng, Taiwan AI Labs là một cố gắng. Điểm chung của chúng là: không đuổi theo "AI toàn cầu lớn nhất", mà là "AI hiểu rõ Đài Loan nhất".

Bốn mươi hai năm trước, khi Hopfield viết 12 trang giấy đó ở Princeton, không ai biết điều này sẽ trở thành nền tảng toán học mô hình bộ nhớ con người ngày hôm nay. Năm mươi năm trước, khi Anfinsen nói trong bài diễn thuyết Nobel giả thuyết gấp protein, không ai dự tính phải chờ tới chiều chiều năm 2020 một nhóm người London mới mở nó. Thang thời gian của nghiên cứu cơ bản, dài hơn mỗi Computex.

Bữa ăn chợ đêm Ninh Hạ, là vị trí Đài Loan tích lũy được sau 42 năm. Trận chiến kế tiếp ở đâu — không ở trước quầy sò nướng, mà ở liệu Đài Loan có dũng cảm để cho một sinh viên đang ngồi viết code trong ký túc xá Đại học Quốc gia Đài Loan hai ba mươi năm sau nhận được một Giải Nobel thuộc về hòn đảo này hay không.

Nguồn hình ảnh

Bài viết sử dụng 4 hình ảnh thuộc phạm vi công cộng / cấp phép CC, tất cả đều được lưu trữ trong public/article-images/technology/ để tránh liên kết nóng đến máy chủ nguồn:

• Estructura tridimensional de la proteïna CBLN1 per AlphaFold amb codificació rainbow — ảnh chính, cấu trúc dự đoán protein CBLN1 của AlphaFold, mã hóa màu rainbow từ đầu N đến C. Ảnh: BQUB25-UPoch (tác phẩm riêng, AlphaFold + PyMOL), 15/11/2025, CC BY 4.0.
• Geoffrey E. Hinton, 2024 Nobel Prize Laureate in Physics (3x4 cropped) — ảnh nội dung, chân dung chính thức của Geoffrey E. Hinton trong tuần trao giải Nobel 2024. Ảnh: Arthur Petron, 08/12/2024, CC BY-SA 4.0.
• John J. Hopfield, 2024 Nobel Prize Laureate in Physics 1 (cropped) — ảnh nội dung, chân dung chính thức của John J. Hopfield trong tuần trao giải Nobel 2024. Ảnh: Arthur Petron, 08/12/2024, CC BY-SA 4.0.
• TSMC Fab 5 — ảnh nội dung, nhà máy TSMC Fab 5 tại Tân Trúc, hiện trường sản xuất chip AI. Ảnh: Wikimedia Commons (bản sao lưu sẵn có).

Tài liệu tham khảo