Ngày 20/6, hai tin tức AI đáng chú ý bao gồm: Tại Ấn Độ, Reliance Jio công bố Jio Call Agent đưa AI thẳng vào cuộc gọi điện thoại cho hơn 500 triệu thuê bao mà không cần tải ứng dụng. Tại Miami, công ty khởi nghiệp Subquadratic lần đầu chia sẻ kết quả kiểm tra từ bên ngoài cho tuyên bố về một kiến trúc LLM tiết kiệm hơn hẳn, sau nhiều tuần bị cộng đồng nghiên cứu hoài nghi.
1. Jio Call Agent: AI không cần tải ứng dụng, trực tiếp kết nối mạng viễn thông
Ngày 19/6, tại đại hội cổ đông thường niên của Reliance Industries, Mukesh Ambani công bố Jio Call Agent, một trợ lý AI tích hợp trực tiếp vào mạng viễn thông. Người dùng nói “Hey Jio” trong cuộc gọi là AI tham gia ngay, không cần cài thêm ứng dụng nào. Với hơn 500 triệu thuê bao, hiện Jio là một trong những lần triển khai AI tiêu dùng có quy mô lớn nhất từ trước đến nay.
Jio Call Agent có thể tham gia cuộc gọi để phiên âm nội dung trò chuyện, tạo bản tóm tắt, và thực hiện tác vụ ngay trong lúc người dùng vẫn đang nói, như đặt xe, gọi đồ ăn hay đặt lịch hẹn. Tính năng này dự kiến ra mắt cuối năm 2026.
Song song với Call Agent, Jio giới thiệu TeleFrame, một màn hình AI cho nhà thông minh, để các AI agent chủ động đưa ra thông tin và gợi ý như cảnh báo thời tiết, lịch trình hay nhắc việc trong nhà. MyJio cũng được nâng cấp thành trợ lý AI có thể thay người dùng thực hiện tác vụ qua yêu cầu bằng lời, từ kích hoạt eSIM đến chọn gói roaming. Về hạ tầng, tuần trước Reliance công bố hợp tác với Meta để xây trung tâm dữ liệu AI tại bang Gujarat, nằm trong kế hoạch đầu tư 110 tỷ USD vào hạ tầng AI mà công ty đã công bố đầu năm.
Ý nghĩa lớn nhất không nằm ở danh sách tính năng, mà ở cách tiếp cận: thay vì ra một ứng dụng mới, Reliance nhúng AI vào lớp hạ tầng mạng. AI đến tay người dùng ngay khi mở cuộc gọi, không phụ thuộc vào loại điện thoại hay thói quen tải ứng dụng. Đây là hướng triển khai khác hẳn với các chatbot hay trợ lý AI truyền thống.
Khi AI trực tiếp bước chân vào tận cuộc gọi và ngôi nhà của hơn 500 triệu người, câu hỏi về dữ liệu trở nên trọng yếu. Reliance nói các dịch vụ hoạt động dựa trên sự đồng ý của người dùng, nhưng chưa trả lời liệu dữ liệu sinh ra từ cuộc gọi, ứng dụng và thiết bị trong nhà có được dùng để huấn luyện mô hình AI hay chia sẻ với đối tác công nghệ hay không. Cùng dịp này, hội đồng quản trị Jio Platforms đã duyệt bản cáo bạch IPO với kế hoạch phát hành mới tối đa 270 triệu cổ phiếu.
Nguồn: TechCrunch
Ghi chú thuật ngữ
- eSIM: SIM điện tử tích hợp sẵn trong máy, kích hoạt bằng phần mềm thay vì lắp thẻ SIM vật lý.
- IPO: Lần phát hành cổ phiếu đầu tiên ra công chúng, tức công ty niêm yết trên thị trường chứng khoán.
2. Subquadratic SubQ: Kiến trúc LLM mới và bài kiểm tra đầu tiên
Tháng 5/2026, công ty khởi nghiệp Miami tên Subquadratic công khai tuyên bố: Họ đã giải được nút thắt toán học đã kìm hãm các mô hình ngôn ngữ lớn gần một thập kỷ, bằng cách xây mô hình không dùng cơ chế attention bậc hai, vốn là phần tính toán tốn kém nhất khi xử lý văn bản dài. Ngày 19/6, MIT Technology Review đưa tin startup này bắt đầu chia sẻ kết quả đánh giá từ bên ngoài, sau nhiều tuần bị cộng đồng nghiên cứu hoài nghi.
Kiến trúc mới có tên SSA, viết tắt của Subquadratic Sparse Attention. Thay vì so sánh từng token với mọi token khác như attention thông thường (dense attention), SSA chỉ giữ lại các cặp thực sự liên quan, nhờ đó giảm mạnh khối lượng tính toán. Theo công ty công bố, SubQ có cửa sổ ngữ cảnh tới 12 triệu token, gấp khoảng 12 lần mức 1 triệu token của hầu hết mô hình hàng đầu hiện nay, và xử lý văn bản dài với chi phí thấp hơn nhiều lần so với transformer dày đặc tiêu chuẩn.
Bài kiểm tra do Appen, một công ty chuyên đánh giá mô hình của bên thứ ba, thực hiện ghi nhận: trong bài kiểm tra tốc độ thuần, SubQ nhanh hơn 56 lần so với mô hình dùng FlashAttention; trên LiveCodeBench (bài kiểm tra lập trình từ các kỳ thi thực tế), SubQ đạt 89,7%, ngang nhóm mô hình lập trình hàng đầu; và ở bài kiểm tra tìm thông tin trong khối dữ liệu lớn, SubQ đạt 98% độ chính xác ở cả cửa sổ 6 triệu và 12 triệu token. Về chi phí, CEO Justin Dangel đưa ra so sánh: chạy bài kiểm tra RULER 128 trên Claude Opus tốn 2.600 USD, còn SubQ chỉ tốn 8 USD.
Tuy nhiên, kiến trúc này vẫn còn nhiều điểm gây hoài nghi. SubQ chưa được mở rộng rãi để mọi người tự kiểm chứng; chưa có bài báo khoa học qua bình duyệt. Đặc biệt, Subquadratic tái dùng trọng số từ một phiên bản của Qwen, mô hình mã nguồn mở Trung Quốc, để khởi tạo SubQ thay vì huấn luyện từ đầu, đi ngược với tuyên bố rằng họ đã tái phát minh hoàn toàn cách xây LLM. Như một kỹ sư AI tóm tắt: SubQ “hoặc là đột phá lớn nhất kể từ Transformer, hoặc là Theranos của giới AI”.
Nếu SSA chứng minh được trên quy mô thực tế, chi phí xử lý văn bản rất dài sẽ giảm đáng kể, mở ra nhiều ứng dụng hiện còn quá tốn kém để triển khai. Giám đốc công nghệ Alex Whedon thừa nhận lẽ ra nên công bố kết quả kiểm tra từ bên ngoài ngay từ đầu thay vì đợi đến bây giờ.
Nguồn: MIT Technology Review
Ghi chú thuật ngữ
- LLM (mô hình ngôn ngữ lớn): Loại AI huấn luyện trên lượng văn bản khổng lồ để xử lý và tạo ra ngôn ngữ.
- Cơ chế attention: Phương pháp tính toán giúp mô hình xác định phần văn bản nào quan trọng khi xử lý chuỗi dài; đây cũng là phần tính toán tốn kém nhất trong kiến trúc transformer.
- Dense attention (attention dày đặc): Cách attention truyền thống, so sánh mọi token với mọi token khác, nên càng nhiều chữ thì khối lượng tính toán càng tăng theo cấp số nhân.
- SSA (Subquadratic Sparse Attention): Kiến trúc attention mới của Subquadratic, chỉ tính các cặp token thực sự liên quan thay vì mọi cặp, giúp giảm lượng tính toán khi xử lý văn bản rất dài.
- Token: Đơn vị xử lý văn bản trong mô hình AI, khoảng 3/4 từ tiếng Anh.
- Cửa sổ ngữ cảnh: Lượng văn bản tối đa mô hình có thể xem xét cùng một lúc khi xử lý hoặc tạo nội dung.
- FlashAttention: Thuật toán tối ưu tốc độ tính toán attention, dùng làm chuẩn so sánh phổ biến khi đánh giá hiệu suất mô hình.
- Transformer: Kiến trúc mạng nơ-ron làm nền tảng của hầu hết LLM hiện đại, đặc trưng bởi cơ chế attention.
- Fine-tune (tinh chỉnh): Quá trình tinh chỉnh mô hình đã huấn luyện sẵn bằng dữ liệu mới cho một nhiệm vụ cụ thể.
Bài viết của đội ngũ ZTO Labs, chuyên đào tạo và nghiên cứu AI tại Việt Nam.
