Thử đặt một câu hỏi: trên thế giới này, có quốc gia nào tự một mình làm ra được con chip AI mạnh nhất không? Tự khai thác cát, tự luyện silic, tự thiết kế, tự chế tạo máy quang khắc, tự đóng gói, tự viết phần mềm điều khiển – từ đầu đến cuối, không nhờ ai?

Câu trả lời là không. Không một nước nào. Kể cả Mỹ.

Con chip Nvidia mà cả thế giới đang tranh nhau được thiết kế ở California, nhưng nó chỉ ra đời được nhờ máy quang khắc của một công ty Hà Lan tên ASML, mà cỗ máy ấy lại dùng linh kiện quang học của Đức, được gia công thành chip tại nhà máy của TSMC ở Đài Loan, đóng gói ở vài nơi khác nữa. Rút một mắt xích bất kỳ ra khỏi cái chuỗi đó, cả ngành dừng lại. Nửa thế kỷ trước, nhà kinh tế Leonard Read viết một tiểu luận nổi tiếng để chứng minh rằng không một con người đơn lẻ nào trên Trái Đất biết cách làm ra một cây bút chì hoàn chỉnh – vì gỗ, than chì, sơn, kim loại, keo dán đến từ hàng chục quốc gia và hàng nghìn bàn tay không hề quen biết nhau. Con chip AI là cây bút chì của thế kỷ 21, chỉ phức tạp hơn cây bút chì cũ chừng một triệu lần.

Tôi bắt đầu bằng hình ảnh này vì nó giúp ta gỡ ngay một hiểu lầm phổ biến. Khi nói “tự chủ về AI”, rất nhiều người hình dung ra một trạng thái nhị phân: hoặc ta tự làm được tất cả và độc lập hoàn toàn, hoặc ta phụ thuộc và thua cuộc. Nhưng nếu ngay cả siêu cường số một cũng không độc lập hoàn toàn, thì rõ ràng cái thước đo “có hay không” ấy sai từ gốc. Một báo cáo của trung tâm CNAS (Mỹ) tổng kết rất gọn: với mọi quốc gia, kể cả nước giàu nhất, tự chủ AI không bao giờ là xóa bỏ sự phụ thuộc, mà là quản lý sự phụ thuộc – chọn lấy vài tầng quan trọng nhất để làm chủ và chấp nhận đi nhờ ở những tầng còn lại.

Hiểu được điều đó rồi, ta mới hỏi đúng câu: tự chủ AI khó ở chỗ nào và một nước có tiềm lực vừa phải như Việt Nam thì nên làm chủ tầng nào, đi nhờ tầng nào.

Để làm ra và vận hành một hệ thống AI hiện đại, người ta phải xếp chồng nhiều tầng lên nhau, giống một cái tháp. Tự chủ AI thực ra là câu chuyện về việc bạn kiểm soát được bao nhiêu tầng trong cái tháp ấy. Hãy đi từ móng lên nóc.

Tầng móng là con chip. Đây là chỗ nghẹt thở nhất và cũng là chỗ ít nước nào với tới được. Cả thế giới gần như phụ thuộc vào một vài cái tên: Nvidia thiết kế, TSMC gia công, ASML làm máy. Đây không phải chuyện tiền. Ả Rập Xê Út hay Nhật Bản thừa tiền nhưng vẫn phải xếp hàng. Đây là chuyện tri thức tích lũy: để chạy được một dây chuyền 2 nanomет cần hàng chục năm kinh nghiệm mà không thể mua bằng séc. Tệ hơn, tầng này còn bị chính trị hóa: chip AS cao cấp nằm trong danh sách kiểm soát xuất khẩu, nghĩa là việc bạn có được mua hay không nhiều khi không do túi tiền của bạn quyết định, mà do quan hệ địa chính trị quyết định. Một con số nói lên tất cả: theo nghiên cứu của Viện Internet Oxford, khoảng 90% năng lực tính toán AI của cả hành tinh đang nằm trong tay các công ty Mỹ và Trung Quốc; chỉ 34 quốc gia có chút năng lực tính toán AI công khai, và chỉ 24 nước trong số đó đủ sức để huấn luyện mô hình. Phần còn lại của thế giới, gần 170 quốc gia, về cơ bản đang thuê máy của người khác để suy nghĩ.

Tầng thứ hai là điện và trung tâm dữ liệu. Đây là tầng mà người ta hay quên, nhưng nó mới là cái trần thật sự. Một cụm máy huấn luyện AI lớn ngốn điện ngang một thị trấn nhỏ, tỏa nhiệt như một lò luyện kim và cần nước để làm mát. Bạn có thể có tiền mua chip, nhưng nếu lưới điện của bạn chập chờn hay thiếu công suất, đống chip đắt tiền ấy chỉ là kim loại nằm im. Pháp hiểu rõ điều này nên trong kế hoạch France 2030 họ chi tới 109 tỷ euro, đặt mục tiêu triển khai 1,2 triệu GPU và đào tạo 100.000 kỹ sư AI mỗi năm và lý do họ dám mơ lớn một phần là vì họ có điện hạt nhân dồi dào, sạch và ổn định. Có một câu nói đang lan truyền trong giới làm AI: thứ quyết định trần của một quốc gia không phải là khung pháp lý hay tham vọng, mà là công suất lưới điện. Nghe thì phũ, nhưng đúng.

Tầng thứ ba là dữ liệu. Đây là tầng thú vị, vì nó đảo ngược logic. Ở hai tầng dưới, nước nhỏ luôn yếu thế. Nhưng dữ liệu thì khác – đặc biệt là dữ liệu ngôn ngữ và văn hóa. Không một mô hình nào của Mỹ hay Trung Quốc thật sự sở hữu tiếng Việt, hiểu cách một cán bộ xã ở Lâm Đồng viết báo cáo, hay nắm được sắc thái giữa “dạ” và “vâng”. Dữ liệu tiếng Việt sạch, có bản quyền rõ ràng, phủ được các phương ngữ và các loại văn bản hành chính – thứ đó chỉ người Việt làm được và cũng chỉ người Việt cần. Đây là tầng đầu tiên mà một nước nhỏ có thể làm chủ thật sự chứ không phải đi nhờ.

Tầng thứ tư là mô hình. Và đây là tầng dễ gây ảo tưởng nhất. Mấy năm trước, ai làm chủ được một mô hình nền (foundation model) thì được xem như cường quốc AI. Nhưng ngọn núi này có một đặc tính ác nghiệt: nó di chuyển. Mô hình tốt nhất của hôm nay sẽ là mô hình tầm thường của mười tám tháng sau. Bạn đổ hàng trăm triệu đô để huấn luyện một mô hình đỉnh, vừa ra lò thì một mô hình mã nguồn mở miễn phí đã đuổi kịp. Nó giống như chạy đua với một đoàn tàu mà đoàn tàu lại tăng tốc đúng lúc bạn vừa chạm tay vào toa cuối. Với phần lớn quốc gia, dồn toàn lực để tự huấn luyện một mô hình nền “của riêng mình” chỉ để cắm cờ là một canh bạc đốt tiền, bởi giá trị của nó bốc hơi nhanh hơn tốc độ ta xây.

Tầng trên cùng là con người và vốn. Nhân lực AI giỏi thật sự là tài nguyên khan hiếm nhất hành tinh, và nó có chân, nó bay sang nơi trả lương cao và có máy tốt để chơi. Còn vốn thì đã vượt khỏi tầm với của ngân sách nhà nước: chi phí cho một cụm huấn luyện đầu bảng giờ lớn đến mức ngân sách của cả một quốc gia tầm trung cũng không gánh nổi một mình.

Xếp năm tầng ấy lại, ta hiểu vì sao tự chủ AI khó: nó không phải một bài toán, mà là năm bài toán chồng lên nhau, mỗi bài lại có nút thắt riêng – kẻ thì thắt ở tri thức, kẻ thắt ở điện, kẻ thắt ở chính trị, kẻ thắt ở tiền. Và quan trọng nhất: không ai gỡ được cả năm nút. Kể cả người giỏi nhất.

Vậy thì “tự chủ” nên hiểu là gì?

Nếu tự chủ hoàn toàn là điều bất khả, thì cái đáng theo đuổi không phải là sự độc lập, mà là sự chủ động – tiếng Anh gọi là agency. Tức là: ta có đủ quyền tự quyết về cách AI được dùng trên đất nước mình hay không; khi có biến cố – một lệnh cấm vận, một cú tăng giá, một mô hình nước ngoài đột ngột đóng cửa – ta có bị đẩy vào thế bí hay vẫn còn đường đi.

Ấn Độ đưa ra một cách nghĩ rất đáng học, mà giới phân tích gọi là “chủ quyền phân tầng”. Thay vì cố làm chủ tất cả, họ chia cái tháp ra làm ba vùng ứng xử khác nhau. Vùng thứ nhất là làm chủ – những tầng mà nhà nước có năng lực thể chế mạnh: dữ liệu, danh tính số, chuẩn mực, hạ tầng số công cộng (India Stack). Vùng thứ hai là dẫn dắt – những tầng nhà nước không tự làm hết nhưng có thể định hướng bằng đầu tư và chính sách: phát triển mô hình, ứng dụng trong khu vực công, một phần năng lực tính toán. Vùng thứ ba là phụ thuộc có quản lý – những tầng mà rào cản cấu trúc quá lớn nên khôn ngoan nhất là hợp tác chứ đừng giả vờ tự làm: chip cao cấp, điện ở quy mô khổng lồ, huấn luyện ở quy mô biên giới công nghệ.

Cái hay của khung tư duy này là nó biến một câu hỏi khiến người ta tê liệt (“làm sao tự chủ hết được?”) thành một loạt câu hỏi có thể trả lời (“ở tầng nào ta nên cắm rễ, ở tầng nào ta nên cầm lái, ở tầng nào ta nên bắt tay người khác?”). Đây chính là khung mà Việt Nam nên dùng. Và để dùng được nó, trước hết phải nhìn thẳng vào mình.

Việt Nam đang đứng ở đâu?

Tin tốt là Việt Nam không xuất phát từ con số không và cũng không còn ở vạch xuất phát như hai năm trước nữa.

Về thể chế, Việt Nam vừa làm một việc mà cả khu vực phải nhìn: ban hành Luật Trí tuệ nhân tạo riêng – Luật số 134/2025/QH15, Quốc hội thông qua ngày 10/12/2025, có hiệu lực từ 1/3/2026. Đây là đạo luật AI độc lập đầu tiên ở Đông Nam Á, đi trước cả Singapore, Malaysia hay Indonesia (những nước này vẫn đang dùng khung tự nguyện). Luật theo cách tiếp cận phân loại theo mức độ rủi ro – thấp, trung bình, cao – học khá nhiều từ Đạo luật AI của châu Âu, và lập ra một Cơ sở dữ liệu AI quốc gia để đăng ký và giám sát. Quan trọng hơn cả nội dung, nó cho thấy nhà nước đã coi AI là hạ tầng quốc gia ngang điện, viễn thông, internet, chứ không còn là một thứ công cụ bên lề.

Về năng lực, FPT đã vận hành “nhà máy AI” trị giá khoảng 200 triệu đô cùng Nvidia, chạy hàng nghìn GPU H100 từ tháng 1/2025, phục vụ hơn 18.000 người dùng và đang bổ sung thế hệ H200, B300. Viettel vận hành một cụm 22 hệ thống DGX B200 cho năng lực khoảng 1,5 exaFLOP – tức một triệu rưỡi tỷ tỷ phép tính mỗi giây – và đang tinh chỉnh mô hình Nemotron-3 (hơn 30 tỷ tham số, cửa sổ ngữ cảnh tới một triệu token) cho một ứng dụng pháp luật quy mô toàn dân. Đầu tháng 6/2026, FPT cùng Nvidia phát hành bộ dữ liệu Nemotron-Personas-Vietnam: 900.000 “chân dung dân cư” tổng hợp, dựa trên số liệu nhân khẩu và lao động thật, mở miễn phí cho cả mục đích thương mại – một món quà hạ tầng cho startup và trường đại học. Trong bảng WIN World AI Index 2025, Việt Nam xếp hạng 6 trên 40 nước về mức độ sẵn sàng cho AI, đạt 59,2 trên 100. Và nếu ứng dụng rộng, AI được dự báo có thể đóng góp khoảng 80 tỷ đô, tương đương 12% GDP, vào năm 2030.

Cộng thêm vào đó là hai lợi thế mềm mà tiền không mua được: một dân số trẻ, ham công nghệ, học nhanh; và một cộng đồng người Việt giỏi đang làm việc trong các phòng thí nghiệm AI hàng đầu thế giới – một “kho chất xám lưu vong” sẵn sàng quay về nếu có lý do đủ tốt.

Giờ đến phần ít vui hơn, nhưng phải nói cho sòng phẳng.

Việt Nam không tự làm được chip, và trong tầm nhìn thực tế thì sẽ không tự làm được chip AI cao cấp – đó là tầng phụ thuộc có quản lý. Điện là một ràng buộc thật: muốn mở rộng trung tâm dữ liệu quy mô lớn, lưới điện phải theo kịp, mà đây là bài toán hạ tầng nhiều năm chứ không phải vài quý. Nhân lực AI tinh hoa thì mỏng và vẫn đang chảy ra ngoài nhiều hơn chảy về. Vốn của ta nhỏ so với cuộc chơi ở biên giới công nghệ – không có cách nào để một quỹ Việt Nam đấu tay đôi về tiền với những cụm máy hàng chục tỷ đô. Và có một điểm yếu ít ai để ý nhưng rất căn cốt: ta chưa có một bộ thước đo chung. Hiện mỗi đơn vị làm mô hình tiếng Việt – FPT, Viettel, GreenNode, các nhóm như AITeamVN, 5CD-AI, hay nhóm nghiên cứu mạnh ở UIT – lại tự chấm điểm theo cách riêng, không có một “bộ đề thi” thống nhất để biết mô hình nào thật sự hiểu tiếng Việt tốt hơn mô hình nào. Nghe nhỏ, nhưng ai định ra được bộ đề thi ấy thì người đó định nghĩa thế nào là “tiếng Việt tốt” cho cả thập kỷ sau.

Tóm lại một câu: Việt Nam mạnh bất ngờ ở tầng ứng dụng và thể chế, đang vươn lên được ở tầng tính toán nhờ hợp tác, có lợi thế tự nhiên ở tầng dữ liệu tiếng Việt, và sẽ còn yếu dài ở tầng chip, điện quy mô lớn, vốn biên giới. Bản đồ sức mạnh đã rõ. Vấn đề chỉ còn là đánh vào đâu.

Việt Nam nên làm gì?

Nguyên tắc bao trùm, tôi xin nói thẳng: đừng lao vào cuộc đua mô hình nền ở biên giới công nghệ chỉ để cắm cờ. Đó là trận đánh tốn kém nhất, hào nhoáng nhất, và vô nghĩa nhất với một nước có tiềm lực như Việt Nam – vì giá trị của nó bốc hơi trên chu kỳ mười tám tháng, còn chi phí thì đủ làm kiệt một ngân sách. Tự chủ AI của Việt Nam không nằm ở chỗ “ta cũng có một mô hình ngàn tỷ tham số như người ta”, mà nằm ở chỗ khác, khôn ngoan hơn. Tôi đề xuất năm hướng, xếp theo thứ tự từ chắc thắng nhất đến tham vọng nhất.

Một, làm chủ tuyệt đối tầng dữ liệu và tiếng Việt. Đây là điều duy nhất mà không một thế lực nước ngoài nào sẽ làm thay cho ta, đơn giản vì họ không cần. Hãy hình dung thế này: nếu coi các mô hình khổng lồ của thế giới là những cỗ máy phát điện công suất cực lớn, thì tiếng Việt, văn bản hành chính Việt, dữ liệu pháp luật Việt, dữ liệu y tế và nông nghiệp Việt chính là mạng lưới dây dẫn để dòng điện ấy chảy được tới từng nhà ở Việt Nam. Cỗ máy phát điện ta đi mua, nhưng mạng dây thì phải tự kéo. Cụ thể: xây những kho dữ liệu tiếng Việt sạch, có bản quyền minh bạch, phủ đủ phương ngữ và thể loại văn bản; và dựng cho được một bộ đánh giá (benchmark) tiếng Việt dùng chung mà tất cả các bên cùng công nhận. Việc Nvidia–FPT mở bộ Nemotron-Personas-Vietnam cho thấy hướng đi này đã được khởi động; vấn đề là biến nó thành một nỗ lực có tổ chức, chứ không phải vài bộ dữ liệu rời rạc.

Hai, đánh chiếm “tầng giữa” -những mô hình nhỏ chuyên biệt và công cụ tuân thủ. Đây là phát hiện chiến lược quan trọng nhất, và cũng là điều ít người nói tới vì nó không hào nhoáng. Giữa tầng mô hình nền khổng lồ (vốn sẽ thành hàng hóa phổ thông, ai cũng mua được) và tầng ứng dụng cuối, có một tầng ở giữa: các mô hình nhỏ được tinh chỉnh cho từng lĩnh vực, các bộ công cụ kiểm thử, và đặc biệt là công cụ giúp doanh nghiệp tuân thủ Luật AI mới. Tầng này có hai đặc tính tuyệt vời cho Việt Nam: rào cản vốn thấp (không cần ngân sách nhà nước khổng lồ), nhưng rào cản hiểu biết bản địa lại cao (không một mô hình nước ngoài nào thay thế được). Luật 134/2025 buộc các hệ thống AI rủi ro cao trong y tế, tài chính, giáo dục phải có quản trị chất lượng dữ liệu, hồ sơ kỹ thuật, nhật ký vận hành, cơ chế con người giám sát – và phải hoàn tất tuân thủ vào tháng 9/2027. Cái luật ấy vừa tạo ra một thị trường: hàng nghìn doanh nghiệp sẽ cần công cụ và mô hình “đo ni đóng giày” cho bối cảnh pháp lý Việt Nam, thứ mà không Google hay OpenAI nào ngồi làm cho họ. Đây là nơi quyền sở hữu thật sự đối với “những phán đoán bằng tiếng Việt” được mã hóa lại và là nơi nhà nước không cần bỏ vốn khổng lồ vẫn cạnh tranh được.

Ba, tự chủ bằng cách dùng, chứ không chỉ bằng cách xây. Đây là chỗ tôi muốn nhấn mạnh nhất, vì nó đảo ngược một định kiến. Người ta hay nghĩ một nước tự chủ AI là nước làm ra AI. Nhưng với Việt Nam ở giai đoạn này, phần lớn giá trị – chính là con số 12% GDP kia – đến từ việc triển khai AI rộng khắp nền kinh tế: trong hành chính công, nông nghiệp, sản xuất, y tế cơ sở, giáo dục. Một quốc gia biết dùng AI thành thạo, phổ cập, ở mọi cấp, thì có sức đề kháng và sức bật lớn hơn nhiều một quốc gia có một phòng thí nghiệm hào nhoáng nhưng dân chúng và bộ máy vẫn loay hoay. Lợi thế lịch sử của Việt Nam vốn là người đi sau biết chạy nhanh: ta từng nhảy thẳng từ không có điện thoại bàn sang điện thoại di động, từ ít thẻ ngân hàng sang quét mã QR khắp nơi. AI là cơ hội nhảy cóc tiếp theo. Và muốn nhảy được thì phải phổ cập năng lực dùng AI cho hàng triệu người – từ cán bộ xã, giáo viên, đến chủ tiệm tạp hóa – chứ không phải chỉ đào tạo vài trăm tiến sĩ.

Bốn, làm chủ tầng tính toán theo kiểu “dẫn dắt”, qua hợp tác có chọn lọc. Ta không tự làm được chip, nhưng ta hoàn toàn có thể làm chủ năng lực vận hành các cụm tính toán đặt trên đất Việt, dữ liệu nằm trong biên giới Việt. Mô hình FPT–Nvidia hay Viettel–Nvidia chính là cách làm đúng: mua phần cứng tốt nhất có thể từ đối tác, nhưng nắm quyền vận hành, nắm dữ liệu, nắm ứng dụng. Đây là “phụ thuộc có quản lý” theo nghĩa lành mạnh – giống như bạn không tự đúc được động cơ máy bay nhưng vẫn có hãng hàng không quốc gia làm chủ đường bay của mình. Đi kèm là một việc kém hấp dẫn nhưng sống còn: đầu tư cho điện. Mọi tham vọng AI đều vô nghĩa nếu lưới điện không theo kịp. Đây là phần ít ai muốn nói trong các hội nghị AI, nhưng nó là cái trần thật sự, và bỏ quên nó thì mọi kế hoạch khác chỉ là giấy.

Năm, giải bài toán con người – nút thắt cuối cùng và khó nhất. Tất cả những hướng trên đều gãy nếu thiếu người. Có ba việc cần làm song song. Trước hết, dựng đường ống nhân lực từ phổ thông đến đại học, không chỉ dạy lập trình mà dạy tư duy dùng và kiểm soát AI. Tiếp theo, biến cộng đồng người Việt giỏi ở nước ngoài từ “chất xám chảy đi” thành “chất xám chảy về” – không nhất thiết phải về hẳn, mà có thể là cố vấn, là cầu nối, là người mang tri thức biên giới về cho các nhóm trong nước; muốn vậy phải có chính sách, có dự án xứng tầm và có sự trọng dụng thật lòng. Và sau cùng, đừng quên tầng dưới của kim tự tháp nhân lực: hàng triệu lao động phổ thông sẽ bị AI tác động. Một nền tự chủ AI mà bỏ rơi nhóm này thì không bền – phổ cập kỹ năng số căn bản cho số đông cũng là một dạng tự chủ, dạng âm thầm nhưng quan trọng nhất.

***

Hãy quay lại cây bút chì lúc đầu. Bài học của nó không phải là “đừng cố tự chủ vì chẳng ai tự chủ được”, mà tinh tế hơn: sức mạnh thật sự không nằm ở việc tự làm tất cả, mà ở việc bạn ở vị trí không thể bị thay thế trong một chuỗi mà ai cũng cần đến. Đài Loan nhỏ bé nhưng cả thế giới phải nể, không phải vì họ tự làm được mọi thứ, mà vì có một mắt xích – gia công chip – mà thiếu họ thì cả ngành đứng hình.

Việt Nam sẽ không bao giờ là nước làm ra con chip mạnh nhất, hay mô hình lớn nhất. Nhưng Việt Nam hoàn toàn có thể trở thành nơi mà tiếng Việt được AI hiểu sâu nhất, nơi AI được luật hóa sớm và rõ nhất khu vực, nơi một nền kinh tế trăm triệu dân dùng AI thành thạo và rộng khắp đến mức trở thành một thị trường và một nguồn dữ liệu mà không ai dám bỏ qua. Đó mới là thứ chủ quyền AI vừa tầm với, vừa đáng giá: không phải bức tường thành để cố thủ một mình, mà là một đòn bẩy đủ để khi thế giới rung chuyển vì một lệnh cấm vận hay một cú nhảy công nghệ, ta vẫn còn đường đi, còn quyền tự quyết, còn chỗ đứng để mặc cả.

Ngọn núi tự chủ AI không có đỉnh, không ai lên tới nóc cả, kể cả người khỏe nhất. Nhưng đó không phải lý do để đứng dưới chân nhìn lên. Việc của một nước có tiềm lực vừa phải như Việt Nam là chọn đúng sườn núi để leo: bỏ qua vách đá dựng đứng mà ta không có dây để bám (chip, mô hình nền, vốn biên giới) và dồn sức vào con đường mòn mà ta có lợi thế tự nhiên (dữ liệu tiếng Việt, thể chế, ứng dụng phổ cập, con người). Leo đúng đường, một nước nhỏ vẫn có thể lên rất cao – cao hơn nhiều so với những kẻ chọn nhầm vách đá rồi kiệt sức nửa chừng.

Nguyễn Anh Trung