Ngày 27/1/2025, một phòng thí nghiệm Trung Quốc hầu như vô danh với giới đầu tư đã “thổi bay” 589 tỷ USD vốn hoá của Nvidia chỉ trong một phiên. Đây là mức sụt giảm trong ngày lớn nhất trong lịch sử thị trường chứng khoán Mỹ. Tác nhân là DeepSeek – và “tội danh” của nó là sự cởi mở.
Ngay cả Bitcoin (BTC) cũng chao đảo khi thị trường ngấm một thực tế đơn giản: AI biên – những mô hình ở sát rìa năng lực hiện tại – không còn là sân chơi độc quyền của vài phòng lab đóng kín.
Những điểm chính
- Mô hình “open weight” công bố toàn bộ tham số đã huấn luyện để bất kỳ ai cũng có thể tải về, chạy và tuỳ biến – khác với AI mã nguồn mở đầy đủ, vốn đòi hỏi cả dữ liệu lẫn mã huấn luyện.
- Khoảng cách chất lượng đo được giữa nhóm mô hình mở tốt nhất và mô hình đóng tốt nhất trên các bảng xếp hạng công khai đã co lại từ 8% xuống dưới 2% chỉ trong khoảng một năm, trong khi giá suy luận giảm hàng trăm lần.
- Chi phí triển khai rẻ, áp lực chủ quyền quốc gia, khung pháp lý “dễ thở” hơn và hệ sinh thái lập trình viên rộng lớn đang tạo đà thực sự cho mô hình mở trọng số trước các đối thủ chỉ bán API.
Open Weight AI thực sự là gì?
Khái niệm này thường bị dùng rất lỏng, nên việc định nghĩa chính xác là quan trọng. “Open weight” nghĩa là nhà phát triển công bố toàn bộ tham số cuối cùng của một mạng nơ-ron đã huấn luyện – những con số mã hoá toàn bộ thứ mô hình học được. Bạn có thể tải về, chạy trên hạ tầng riêng và tinh chỉnh lại.
Open weight không đồng nghĩa với mã nguồn mở. Open Source Initiative đã công bố “Định nghĩa AI mã nguồn mở” ngày 28/10/2024, đặt ra tiêu chuẩn cao hơn nhiều. Để đạt chuẩn, bản phát hành phải có: trọng số, mã huấn luyện và đủ thông tin về dữ liệu để một người có chuyên môn có thể tái tạo hệ thống ở mức đáng kể.
Phần lớn mô hình hiện đang được tiếp thị là “mã nguồn mở” không đạt yêu cầu này. Llama của Meta, Qwen của Alibaba và DeepSeek đều phát hành trọng số nhưng không kèm “công thức dữ liệu” đầy đủ.
Open Source Initiative nói thẳng về ranh giới này, nhấn mạnh rằng chỉ riêng trọng số không thể đem lại các quyền tự do giống phần mềm mã nguồn mở. Khoảng trống đó đã châm ngòi cho cuộc tranh luận dai dẳng về “open washing” – nơi các công ty gắn mác “mở” nhưng vẫn giữ lại những thành phần then chốt để người khác không thể tái tạo công trình.
Dù vậy, với phần lớn nhà xây dựng sản phẩm, trọng số mới là “chiến lợi phẩm”. Có trọng số, bạn có thể phục vụ mô hình, nén lại, huấn luyện tiếp và đóng gói đưa ra thị trường. Xét kỹ, mỗi dạng phát hành trao cho bạn những gì:
- Open weight: bộ tham số đã huấn luyện, thường theo giấy phép cho phép sử dụng, sửa đổi, và không ít trường hợp là khai thác thương mại.
- Mã nguồn mở đầy đủ: trọng số cộng với mã huấn luyện và tài liệu dữ liệu đủ chi tiết để tái tạo mô hình.
- Đóng: không có gì để tải; chỉ được truy cập đo đếm qua một giao diện.
Chính lớp ở giữa – open weight nhưng không “mở hết ruột gan” – đang bùng nổ về độ phổ biến, và đó cũng là thứ khiến các phòng lab đóng kín mất ngủ.
Đọc thêm: Nvidia mất gần 5% vì bảo chứng 250 tỷ USD cho OpenAI vẫn chưa được ký
Sự khác biệt với mô hình của OpenAI và Anthropic
OpenAI và Anthropic chọn con đường ngược lại. Họ khoá chặt các trọng số tốt nhất trong trung tâm dữ liệu của riêng mình và bán quyền truy cập qua API. Bạn gửi prompt, nhận phản hồi – và không bao giờ được chạm vào mô hình.
Cách làm này có lý về mặt thương mại: bảo vệ khoản đầu tư huấn luyện, duy trì “đồng hồ tính tiền” đăng ký, và cho phép phòng lab vá hành vi hoặc cắt quyền truy cập bất cứ lúc nào.
Đồng thời, họ viện dẫn lý do an toàn. CEO Anthropic, Dario Amodei, lập luận rằng một khi trọng số đã công khai, nhà phát triển mất khả năng cập nhật hàng rào bảo vệ hoặc “thu hồi” một hệ thống nguy hiểm.
Vấn đề là sự lệ thuộc.
Khi mô hình chỉ sống trên máy chủ của người khác, nhà cung cấp là người quyết định giá, thời gian hoạt động, điều khoản dữ liệu và lịch huỷ bỏ phiên bản. Sản phẩm của bạn gắn chặt vào một hạ tầng bạn không kiểm soát và không thể soi vào bên trong.
Dù nhiều năm nói nhiều về nghiên cứu mở, OpenAI từ 2019 đến tận 5/8/2025 không phát hành thêm ngôn ngữ mô hình mở nào sau GPT-2. Hai mô hình gpt-oss, được ra mắt dưới giấy phép Apache 2.0 rất “dễ chịu”, là một sự nhượng bộ trực tiếp trước áp lực từ làn sóng open weight. Công ty từng dựng nên cả ngành kinh doanh API đóng buộc phải trả lời phe “mở” ngay trên sân nhà của họ.
Đọc thêm: OpenAI tìm kiếm hạn mức tín dụng 250 tỷ USD từ Nvidia cho siêu campus tại Ohio
Mười lý do Open Weight đe doạ mô hình tập trung
Không có gì trong số dưới đây đảm bảo open weight sẽ thắng hoàn toàn. “Đỉnh biên” vẫn nằm trong tay các phòng lab lớn và rủi ro cũng rất thực. Nhưng xu hướng ba năm qua nhất quán: nó đi ngược lại mô hình API đóng, tính phí theo lượt.
Điều thay đổi là các lập luận ủng hộ việc trả tiền premium để “thuê một hộp đen” ngày càng khó đứng vững. Sự hội tụ diễn ra đồng thời cả về kỹ thuật, kinh tế lẫn chính trị.
Dưới đây là 10 lý do cán cân đã dịch chuyển.
Khoảng cách chất lượng gần như biến mất
Yếu tố quan trọng nhất là sự hội tụ. AI Index 2025 của Stanford ghi nhận chênh lệch điểm số giữa mô hình đóng tốt nhất và mô hình mở tốt nhất trên bảng xếp hạng Chatbot Arena giảm từ 8% tháng 1/2024 xuống còn 1,7% vào tháng 2/2025.
“Tuyến đầu” cũng đông đúc hơn hẳn. Khoảng cách giữa mô hình đứng thứ nhất và thứ mười thu hẹp từ 11,9% xuống 5,4% chỉ trong một năm.
Khi lựa chọn đứng thứ hai có chi phí chỉ bằng một phần nhỏ lựa chọn đứng đầu, khó có lý do để tiếp tục trả thêm cho mô hình đóng. Đó là bài toán giá không dễ giải cho bất kỳ ai xây cả doanh nghiệp dựa trên tính độc quyền.
Giá của “trí tuệ” sụp đổ
Chi phí rơi còn nhanh hơn khoảng cách chất lượng. Dựa trên dữ liệu của Epoch AI và Artificial Analysis, AI Index báo cáo giá chạy một truy vấn cỡ GPT‑3.5 giảm từ khoảng 20 USD mỗi triệu token tháng 11/2022 xuống 0,07 USD vào tháng 10/2024.
Tức là giảm khoảng 280 lần trong chưa đầy hai năm.
DeepSeek đẩy logic tương tự sang cả khâu huấn luyện. Báo cáo kỹ thuật V3 của hãng cho biết lượt huấn luyện cuối cùng chỉ tốn khoảng 5,6 triệu USD trên 2.048 GPU Nvidia H800, so với hàng chục, thậm chí hàng trăm triệu USD cho các mô hình phương Tây tương đương. Trí tuệ rẻ sẽ ưu ái người triển khai được nó rộng nhất, chứ không phải người canh giữ nó chặt nhất.
Bạn sở hữu chính mô hình
Thuê mô hình đóng nghĩa là bạn chấp nhận mọi luật chơi của “chủ nhà”. Nhà cung cấp có thể tăng giá, đổi điều khoản hay khai tử phiên bản mà sản phẩm của bạn đang phụ thuộc.
Sở hữu trọng số thì đòn bẩy đó biến mất. Bạn có thể “đóng băng” một phiên bản, chạy nó nhiều năm và thay đổi nhà cung cấp hạ tầng mà không phải viết lại toàn bộ hệ thống.
Khoá chặt nhà cung cấp không phải nỗi lo mơ hồ. Nó hiện ra thành chi phí chuyển đổi, các đợt di trú bị ép buộc và cấu trúc giá bạn không thể mặc cả. Sở hữu trọng số lần lượt vô hiệu hoá từng rủi ro:
- Đóng băng một phiên bản mô hình và giữ nó ổn định bao lâu tuỳ ý.
- Di chuyển giữa các nhà cung cấp cloud, hoặc kéo về chạy on-prem, mà không phải tái thiết kế.
- Tránh các đợt huỷ bỏ đột ngột có thể làm sập sản phẩm đang chạy chỉ sau một đêm.
Ngay cả những giấy phép được coi là “thoáng” cũng có điều kiện phải đọc kỹ. Điều khoản Llama của Meta buộc bất kỳ công ty nào có trên 700 triệu người dùng hoạt động hàng tháng phải thương lượng thoả thuận riêng, đó là lý do giới thuần tuý mã nguồn mở không công nhận Llama là “open source” thực sự.
Quyền riêng tư và chủ quyền dữ liệu
Có những loại dữ liệu theo luật không được phép rời khỏi “toà nhà”. Bệnh viện, ngân hàng, cơ quan nhà nước thường không thể chuyển hồ sơ nhạy cảm cho một bên API thứ ba.
Mô hình open weight giải bài toán này bằng cách “đem mô hình tới gần dữ liệu”. Bạn có thể chạy suy luận tại chỗ hoặc trong vùng cloud riêng, đảm bảo dữ liệu nhạy cảm không bao giờ vượt ra khỏi biên giới nhà cung cấp.
Chỉ riêng thuộc tính này đã mở ra những cánh cửa mà API đóng không thể bước vào. Với các triển khai chịu giám sát, quyền kiểm soát on-prem thường là yếu tố quyết định.
Các quốc gia tự xây mô hình
Nỗi lo về chủ quyền đang mang tính toàn cầu. Chính phủ ngày càng xem việc phụ thuộc vài API Mỹ hoặc Trung Quốc là rủi ro chiến lược.
Ngày 2/9/2025, EPFL, ETH Zurich và Trung tâm Siêu máy tính Quốc gia Thụy Sĩ ra mắt Apertus, mô hình hoàn toàn mở được huấn luyện trên 15.000 tỷ token ở hơn 1.000 ngôn ngữ. Technology Innovation Institute tại Abu Dhabi theo đuổi họ Falcon mã nguồn mở từ 2023, và nhiều quốc gia khác cũng phát động các chương trình tương tự.
Mẫu hình lặp lại ở nhiều khu vực:
- Thụy Sĩ phát hành Apertus với trọng số, dữ liệu và mã đều công khai.
- UAE tung nhiều thế hệ Falcon dưới giấy phép rộng rãi.
- Pháp, Ấn Độ, Nhật Bản và Hàn Quốc đều rót vốn cho các chương trình mô hình hoặc hạ tầng tính toán trong nước.
Bạn không thể xây “AI có chủ quyền” trên một mô hình chỉ được phép thuê. Open weight là điều kiện tiên quyết, và điều đó biến chính phủ thành nhà bảo trợ tự nhiên của phe “mở”.
Cơ quan quản lý đang nghiêng về phía “mở”
Chính sách cũng bắt đầu ủng hộ sự cởi mở. Ngày 23/7/2025, Nhà Trắng công bố “Kế hoạch Hành động AI cho nước Mỹ”, trong đó có hẳn một mục mang tên “Khuyến khích AI mã nguồn mở và AI mở trọng số”.
Châu Âu có xu hướng tương tự về mặt cấu trúc, dù tinh thần có thể khác. Đạo luật AI của EU cho phép nhà cung cấp mô hình mục đích chung, miễn phí và mã nguồn mở được miễn trừ một phần nghĩa vụ tài liệu, miễn là mô hình không bị xếp vào nhóm rủi ro hệ thống.
Các gói khuyến khích hiện hướng về phía “phát hành” hơn là “khoá chặt”, ít nhất với nhóm mô hình chưa chạm biên. Khi chính phủ dẫn đầu cuộc đua AI công khai khuyến khích open weight, “mặc định đóng” mất dần lợi thế hiển nhiên.
Hệ sinh thái nhà phát triển tạo hiệu ứng bánh đà
Quy mô sinh ra quy mô. Hugging Face tăng trưởng lên 13 triệu người dùng, hơn 2 triệu mô hình công khai và trên 500.000 bộ dữ liệu công khai chỉ riêng trong năm 2025.
Cuộc đua lượt tải cho thấy bức tranh rõ nét: Meta cho biết Llama vượt 1 tỷ lượt tải tính đến 18/3/2025, từ mức 650 triệu hồi đầu tháng 12/2024, trong khi Qwen của Alibaba đã chạm mốc 700… đạt hàng triệu lượt tải tích lũy trên Hugging Face tính đến tháng 1/2026 và tạo ra hơn 180.000 biến thể phái sinh, vượt Llama để trở thành dòng mô hình mở bị “fork” nhiều nhất trên thị trường.
Mỗi bản fine-tune, adapter hay phiên bản nén (quantization) xây dựng trên một mô hình mở đều làm sâu thêm “hào kinh tế” của nó. API đóng hoàn toàn không thể thu hoạch hiệu ứng cộng hưởng này từ cộng đồng, đơn giản vì không ai có thể thực sự xây dựng trên một mô hình mà họ không được nắm giữ.
Chạy Ngay Trên Laptop Của Bạn
Trọng số mở (open weights) chỉ thực sự có ý nghĩa khi kết nối được với phần cứng phổ thông thông qua một chuỗi công cụ giá rẻ. Quantization nén mô hình xuống độ chính xác thấp hơn để giảm dung lượng bộ nhớ, còn các kỹ thuật như LoRA cho phép fine-tune mà không phải huấn luyện lại toàn bộ từ đầu.
Các runtime cục bộ đã đưa điều này vào dòng chủ lưu. Ollama, llama.cpp và vLLM giờ cho phép nhà phát triển triển khai những mô hình đủ mạnh trên một GPU tiêu dùng đơn lẻ, thậm chí ngay trên laptop.
Một mô hình bạn có thể chạy trên cỗ máy trị giá 2.000 USD là một mô hình không ai có thể “tắt công tắc” từ xa. Mức độ độc lập đó là thứ mà mô hình tính phí theo lượt gọi API không bao giờ mang lại.
Khả Năng Kiểm Toán Và Diễn Giải
Bạn không thể kiểm tra thứ mà bạn không được nhìn thấy. API đóng chỉ trả về đầu ra, nhưng hoàn toàn không cho phép soi chiếu cơ chế vận hành phía sau.
Với open weights, giới nghiên cứu có thể can thiệp trực tiếp vào mô hình, phân tích các dạng lỗi, và kiểm thử an toàn một cách công khai. Chính sự minh bạch này là lý do phe ủng hộ mô hình mở cho rằng chúng dễ được củng cố độ tin cậy theo thời gian hơn, chứ không phải kém an toàn hơn.
Với các ngành chịu điều tiết, nơi mọi quyết định phải được giải thích rõ ràng, mức độ “nhìn xuyên” đó không phải lựa chọn thêm cho đẹp. Nó thường là yêu cầu bắt buộc về mặt pháp lý.
Biên Giới Phi Tập Trung
Lý do mới nhất nằm ở điểm giao nhau giữa AI và crypto. Khi trọng số là mở, năng lực tính toán để huấn luyện và vận hành mô hình không nhất thiết phải tập trung trong một trung tâm dữ liệu của một doanh nghiệp duy nhất.
Các dự án như Prime Intellect đã huấn luyện mô hình trên hạ tầng phần cứng phân tán toàn cầu, kèm theo cơ chế xác minh rằng các máy từ xa thực sự chạy đúng khối lượng công việc mà chúng khai báo. Bittensor vận hành một thị trường trí tuệ máy được khuyến khích bằng token, định giá bằng token TAO (TAO).
Cần thẳng thắn thừa nhận: ở thời điểm hiện tại, huấn luyện phi tập trung vẫn chậm hơn và đắt đỏ hơn so với một cụm máy chủ tập trung. Nhưng sự kết hợp giữa open weights với năng lực tính toán có thể xác minh và được token hóa đang mở ra một hướng cạnh tranh hoàn toàn mới mà các phòng lab đóng không thể sao chép.
Đọc thêm: Pixel 11 Sẽ Đắt Hơn, Và Google Đổ Lỗi Cho Các Trung Tâm Dữ Liệu AI
Phán Quyết
Open weights sẽ không xóa sổ các phòng lab AI đóng. Cuộc đua ở “điểm biên” vẫn ưu tiên người chi nhiều tiền nhất cho hạ tầng tính toán, các bản phát hành mở vẫn chậm hơn mô hình đóng tốt nhất vài tháng, và trọng số công khai luôn mang theo rủi ro lạm dụng mà một khi phát tán là không thể thu hồi.
Nhưng “vượt lên” không đồng nghĩa “xóa sạch”. Nó là dịch chuyển trọng tâm, và quá trình dịch chuyển đó đã bắt đầu.
Khoảng cách chất lượng đang rất mỏng, giá của “trí tuệ” tiến sát về gần 0, và các chính phủ, nhà phát triển, cơ quan quản lý ngày càng nghiêng về các mô hình mà họ thực sự có thể nắm giữ. AI tập trung sẽ tiếp tục kiếm tiền từ sự tiện lợi ở phân khúc đỉnh kim tự tháp. Phần còn lại của thị trường đang lặng lẽ bước về phía những mô hình mà họ có thể sở hữu.
Bài viết tiếp theo: Apple Đánh Mất Quyền Kiểm Soát Giá Bộ Nhớ Và Người Dùng Phải Trả Phần Chênh Lệch