Sau nhiều năm các phòng thí nghiệm AI cạnh tranh với tốc độ ngày càng cao, một số lãnh đạo hàng đầu trong ngành bất ngờ bắt đầu kêu gọi làm chậm quá trình phát triển AI tiên tiến.
Điểm đáng chú ý là lời kêu gọi này không còn đến từ một vài nhà nghiên cứu riêng lẻ. CEO Anthropic Dario Amodei, CEO OpenAI Sam Altman, nhà khoa học trưởng của Google DeepMind Demis Hassabis và CEO Microsoft Satya Nadella đều lần lượt thể hiện sự ủng hộ đối với việc phát triển AI có kiểm soát hơn.
Ars Technica gọi xu hướng mới này là “AI pacing” – chủ động kiểm soát tốc độ tiến bộ của AI thay vì chạy đua tối đa về năng lực.
Trong một bài viết dài gần 4.000 từ, CEO Anthropic Dario Amodei cho rằng ngành AI cần làm chậm tốc độ cải thiện năng lực của các mô hình. Theo Amodei, nếu các công ty tiếp tục cạnh tranh bằng động lực thương mại để đạt được những mô hình mạnh hơn càng nhanh càng tốt, ngành AI có thể rơi vào một cuộc đua khiến các rủi ro nghiêm trọng trở nên khó kiểm soát hơn. Ông cho rằng việc giảm tốc độ phát triển sẽ tạo thêm thời gian để các nhà nghiên cứu hiểu rõ hơn về những hệ thống ngày càng phức tạp và xây dựng các biện pháp an toàn trước khi năng lực AI vượt quá khả năng kiểm soát. Quan điểm này nhanh chóng nhận được sự đồng tình từ nhiều nhân vật lớn trong ngành. Sam Altman cho biết OpenAI cũng đã có những cuộc thảo luận tương tự về tốc độ phát triển AI. Demis Hassabis nói bài viết của Amodei đang chỉ ra một hướng đi phù hợp và tiếp tục kêu gọi xây dựng một tổ chức tiêu chuẩn chung cho toàn ngành. Satya Nadella cũng ủng hộ việc nghiên cứu và phát triển AI với tốc độ có chủ đích, trong khi Elon Musk chia sẻ bài viết của Amodei kèm nhận xét rằng ông đồng ý với quan điểm này.
Một trong những lý do được Amodei đưa ra liên quan đến một sự cố giữa OpenAI và Hugging Face, trong đó một nhóm các AI agent đã phối hợp thực hiện hành động tấn công vào một hệ thống bên ngoài mà không được yêu cầu trực tiếp. Thiệt hại trong sự cố này được cho là không lớn, nhưng Amodei cho rằng vấn đề nằm ở khả năng mở rộng của những hành vi như vậy. Nếu một hệ thống có năng lực cao hơn nhưng vẫn tồn tại vấn đề về alignment – tức hành vi của AI không hoàn toàn phù hợp với mục tiêu của con người – hậu quả có thể nghiêm trọng hơn nhiều. Amodei cảnh báo rằng nếu tốc độ phát triển hiện tại tiếp tục, chỉ trong khoảng 6–12 tháng, những hệ thống agent tương tự có thể đạt khả năng hoạt động trên quy mô lớn hơn rất nhiều.
Một khái niệm đặc biệt được Amodei nhấn mạnh là recursive self-improvement (RSI) - khả năng một hệ thống AI tự xây dựng hoặc cải thiện những phiên bản AI tốt hơn chính nó. Đây vẫn là chủ đề gây tranh luận trong giới nghiên cứu. Một số nhà nghiên cứu cho rằng kịch bản này còn rất khó xác định hoặc có thể chưa thực tế. Tuy nhiên, cả Anthropic và OpenAI đều cho rằng những tiến bộ gần đây khiến khả năng xuất hiện các hệ thống có mức độ tự cải thiện cao trở thành vấn đề cần được nghiên cứu nghiêm túc. Anthropic từng nhận định rằng RSI chưa xảy ra và cũng không phải điều chắc chắn sẽ xảy ra, nhưng có thể xuất hiện sớm hơn thời điểm mà nhiều tổ chức hiện nay chuẩn bị. Theo Amodei, nếu quá trình này diễn ra mà không có sự kiểm soát phù hợp, tốc độ cải thiện của AI có thể vượt quá khả năng hiểu và kiểm soát của con người.
Một trong những đề xuất cụ thể nhất của Amodei là đưa các tổ chức đánh giá độc lập vào bên trong những phòng thí nghiệm AI tiên tiến. Các nhóm bên ngoài, chẳng hạn METR, có thể được trao quyền tiếp cận đủ rộng để kiểm tra quy trình an toàn, đánh giá hệ thống và báo cáo những sự cố. Mục tiêu là tạo ra một lớp kiểm tra độc lập thay vì để chính công ty phát triển AI vừa xây dựng hệ thống vừa tự đánh giá mức độ an toàn của mình. Anthropic cho biết họ sẵn sàng triển khai mô hình giám sát này. Sam Altman cũng cho biết OpenAI sẽ thực hiện tương tự. Đề xuất thứ hai là các công ty AI tiên tiến cùng xây dựng tiêu chuẩn an toàn chung và giới hạn tốc độ phát triển AI không được kiểm soát. Theo ý tưởng này, một mô hình đạt đến một mức năng lực nhất định sẽ phải đi kèm những chứng nhận về các đặc tính an toàn tương ứng. Nếu các công ty không tự nguyện tuân thủ, Amodei cho rằng có thể cần đến những quy định áp dụng chung cho các công ty AI tiên tiến. Đây là điểm khiến vấn đề trở nên phức tạp hơn, bởi việc thống nhất tiêu chuẩn giữa nhiều công ty và nhiều quốc gia sẽ khó khăn hơn đáng kể.
Ngay cả khi các công ty AI tại Mỹ và các quốc gia dân chủ đồng ý giảm tốc độ phát triển, một vấn đề lớn vẫn còn đó: các mô hình AI nguồn mở từ Trung Quốc. Theo dữ liệu được Ars Technica dẫn lại từ Epoch AI, năng lực của một số mô hình Trung Quốc chỉ còn cách các hệ thống hàng đầu của các công ty Mỹ vài tháng. Amodei cho rằng nếu Mỹ và các nước khác cùng giảm tốc nhưng Trung Quốc không làm như vậy, lợi thế công nghệ có thể nhanh chóng thay đổi. Ông vì thế đề cập đến khả năng cần có những thỏa thuận quốc tế về AI safety, thậm chí ở mức hạn chế tốc độ phát triển AI trên diện rộng. Tuy nhiên, chính Amodei cũng thừa nhận một thỏa thuận ở cấp độ này khó có khả năng đạt được trong thời gian ngắn.
Điểm đáng chú ý nhất hiện nay là sự thay đổi trong cách các lãnh đạo AI nói về tốc độ phát triển. Trong nhiều năm, thông điệp chủ đạo của ngành là xây dựng mô hình mạnh hơn, nhanh hơn và quy mô lớn hơn. Giờ đây, một số lãnh đạo lại bắt đầu nói về việc kiểm soát tốc độ, tiêu chuẩn an toàn, đánh giá độc lập và phối hợp giữa các công ty. Tuy nhiên, việc biến những lời kêu gọi này thành một cơ chế thực tế sẽ rất khó. Các công ty vẫn cạnh tranh với nhau, trong khi sự phát triển AI cũng gắn trực tiếp với lợi ích kinh tế và vị thế công nghệ của từng quốc gia. Vì vậy, “AI pacing” có thể trở thành một hướng tiếp cận mới đối với an toàn AI, nhưng câu hỏi lớn vẫn còn nguyên: liệu các công ty AI có thực sự giảm tốc độ khi đối thủ vẫn tiếp tục tiến lên?
Nguồn: arstechnica
CEO NVIDIA Jensen Huang cho rằng ngành AI không cần thêm các quy định pháp lý mới, mà doanh nghiệp nên tự chịu trách nhiệm về mức độ an toàn của sản phẩm.
Axelera AI vừa chính thức đưa Europa vào thế hệ sản phẩm mới, đánh dấu bước chuyển từ AI edge sang các hệ thống enterprise và server. Với tối đa 629 TOPS INT8, mức tiêu thụ 45 W và kiến trúc Digital In-Memory Computing, Europa hướng tới bài toán AI inference với yêu cầu cao hơn nhưng vẫn đặt trọng tâm vào hiệu năng trên mỗi watt.
NVIDIA đang ứng dụng trí tuệ nhân tạo và các thuật toán tối ưu hóa để giải quyết một trong những bài toán phức tạp nhất phía sau sự bùng nổ của hạ tầng AI: làm thế nào để phân bổ linh kiện, năng lực sản xuất và nguồn cung trên toàn bộ chuỗi cung ứng một cách hiệu quả nhất. Hệ thống này kết hợp Palantir Foundry, nền tảng quản lý dữ liệu và vận hành doanh nghiệp, với NVIDIA cuOpt, công cụ tối ưu hóa được tăng tốc bằng GPU. Bên cạnh đó, NVIDIA còn sử dụng mô hình ngôn ngữ Nemotron để hỗ trợ xử lý những thông tin mà các mô hình tối ưu hóa truyền thống khó đưa trực tiếp vào bài toán.
AMD đang đưa khả năng xử lý AI cục bộ lên phân khúc workstation với Threadripper Halo Station, một hệ thống máy trạm tản nhiệt bằng chất lỏng được thiết kế để chạy các mô hình AI cực lớn mà không cần phụ thuộc vào hạ tầng cloud.
Intel được cho là đã thay đổi kế hoạch đối với một mẫu CPU desktop Nova Lake-S sở hữu GPU tích hợp 12 nhân Xe3P. Thay vì xuất hiện trên Nova Lake-S, cấu hình này hiện được cho là sẽ được chuyển sang thế hệ Razor Lake-S.
Biwin đã bổ sung hỗ trợ AMD EXPO ULL (Ultra Low Latency) cho dòng Black Opal DW100 DDR5. Kit ram này có cấu hình DDR5-6000 CL28, được thiết kế nhằm giảm độ trễ bộ nhớ trên nền tảng AMD Ryzen.
Doanh thu bán dẫn toàn cầu vượt mốc 425 tỷ USD trong quý 2 năm 2026, đạt mức cao kỷ lục khi thị trường tăng trưởng 31,4% so với quý trước.
QNAP vừa ra mắt TS-h966TX, mẫu 9-bay hybrid NAS mới hướng tới các nhà sáng tạo nội dung và studio nhỏ, nổi bật với Thunderbolt 4, 10GbE cùng thiết kế lưu trữ kết hợp giữa HDD và U.2 NVMe SSD.
