Ngày 27/07, hai tin tức AI đáng chú ý bao gồm: hơn 20 công ty công nghệ Mỹ nêu AI là lý do trong các đợt cắt giảm nhân sự năm nay, nhưng phản ứng của thị trường cho thấy nhà đầu tư không hoàn toàn tin vào lý do này; và Kimi K3, mô hình mở 2,8 nghìn tỷ tham số của Moonshot AI, dự kiến phát hành toàn bộ trọng số chậm nhất trong hôm nay. Hai tin chạm vào cùng một câu hỏi: giữa những gì doanh nghiệp nói về AI và những gì AI thực sự làm được, khoảng cách còn bao xa.
1. Gần 140.000 việc làm công nghệ Mỹ bị cắt trong năm 2026: AI là nguyên nhân hay chỉ là cái cớ?
Ngày 22/07, Monday.com nộp hồ sơ lên Ủy ban Chứng khoán Mỹ (SEC), thông báo cắt giảm khoảng 20% nhân sự, tương đương hơn 600 người, trong kế hoạch tái cấu trúc gắn với chiến lược tăng trưởng dựa trên AI. Công ty này là cái tên mới nhất trong danh sách hơn 20 doanh nghiệp công nghệ Mỹ viện dẫn AI như một yếu tố trong các đợt cắt giảm nhân sự năm nay.
Theo phân tích của Financial Times được TechCrunch dẫn lại, các công ty công nghệ Mỹ đã cắt gần 140.000 việc làm từ đầu năm. Riêng Amazon, Oracle, Meta và Microsoft chiếm gần 50.000 vị trí, trong bối cảnh các hãng này đồng thời đổ hàng trăm tỷ USD vào hạ tầng AI và trung tâm dữ liệu.
Tuy nhiên, thị trường không hoàn toàn bị thuyết phục. Financial Times cho biết cổ phiếu của những công ty viện dẫn AI khi công bố sa thải đã có diễn biến kém chỉ số Nasdaq gần 10% trong 30 phiên giao dịch sau thông báo, cho thấy nhà đầu tư vẫn hoài nghi về lời giải thích này.
Đáng chú ý, chính các doanh nghiệp cũng tránh nói rằng AI trực tiếp thay thế con người. Đồng sáng lập Monday.com, Eran Zinman, khẳng định quyết định cắt giảm “không nhằm giảm chi phí hay thay thế con người bằng AI”. Microsoft cũng cho biết các vị trí bị cắt “không bị AI thay thế”, dù thừa nhận AI đang làm thay đổi cách công việc được thực hiện. Trong khi đó, CEO Atlassian Mike Cannon-Brookes nhận định: AI không thay thế con người, nhưng đang thay đổi cơ cấu kỹ năng và số lượng vị trí cần thiết ở một số bộ phận.
Trong khi đó, theo Financial Times, các công ty AI như Anthropic và OpenAI đang tuyển dụng rất nhanh, hấp thụ một phần nhân lực từ các doanh nghiệp khác. Ngay trong các công ty đang cắt giảm, lao động cũng chủ yếu được tái phân bổ hơn là bị sa thải: Meta chuyển khoảng 7.000 nhân viên sang các vai trò liên quan đến AI trong khi cho nghỉ 8.000 người; IBM cho biết đang tăng gấp ba số tuyển dụng cấp đầu vào cho các mảng AI và điện toán đám mây.
Điểm đáng chú ý có lẽ không nằm ở số việc làm bị cắt, mà ở cách các công ty lý giải quyết định của mình. Việc dùng AI để giải thích cho những đợt tinh giản vốn xuất phát từ nhiều nguyên nhân khác nhau ngày càng được gọi là “AI washing”. Nếu AI trở thành lời giải thích mặc định cho mọi quyết định nhân sự, doanh nghiệp có thể làm mờ đi những nguyên nhân thực sự của việc tái cấu trúc, đồng thời khiến các nỗ lực chuyển đổi AI nghiêm túc trở nên kém thuyết phục hơn trong mắt chính nhân viên và nhà đầu tư.
Nguồn: TechCrunch
Ghi chú thuật ngữ
- SEC (Ủy ban Chứng khoán Mỹ): Cơ quan quản lý thị trường chứng khoán Mỹ. Công ty niêm yết phải nộp cho cơ quan này các hồ sơ công bố thông tin quan trọng, trong đó có kế hoạch tái cấu trúc và cắt giảm nhân sự.
- Nasdaq: Một trong hai sàn chứng khoán lớn nhất Mỹ, tập trung nhiều công ty công nghệ. Chỉ số Nasdaq thường được dùng làm mốc so sánh cho cổ phiếu ngành công nghệ.
- AI washing: Việc doanh nghiệp nêu AI làm lý do công khai cho một quyết định mà nguyên nhân thực có thể nằm ở chỗ khác, chẳng hạn cắt giảm chi phí thông thường.
2. Moonshot AI mở trọng số Kimi K3: mô hình mở gần 3.000 tỷ tham số, nhưng không còn là AI giá rẻ
Ngày 16/07, Moonshot AI ra mắt Kimi K3 qua API. Theo The Decoder, toàn bộ trọng số của mô hình dự kiến được phát hành chậm nhất vào ngày 27/07, tức trong hôm nay. Moonshot gọi đây là mô hình mở đầu tiên ở quy mô gần 3.000 tỷ tham số.
K3 là mô hình đa phương thức với cửa sổ ngữ cảnh 1 triệu token, có thể xử lý cả ảnh và video. Mô hình sử dụng kiến trúc Mixture of Experts (MoE) gồm 896 chuyên gia, nhưng mỗi lần suy luận chỉ kích hoạt 16 chuyên gia. Nhờ đó, K3 đạt quy mô rất lớn trong khi vẫn giữ chi phí tính toán ở mức hợp lý.
Trên các benchmark do Moonshot công bố, K3 đứng sau Claude Fable 5 và GPT-5.6 Sol, nhưng vượt các mô hình còn lại như Opus 4.8 và GLM-5.2. Cần lưu ý đây đều là kết quả do Moonshot tự đánh giá và không phải mọi mô hình đều được thử trong cùng điều kiện. Tuy nhiên, kiểm chứng độc lập của Artificial Analysis cho kết quả khá tương đồng: K3 đạt 57 điểm trên Intelligence Index, xếp sau Fable 5 (60), GPT-5.6 Sol (59) và đứng trước Opus 4.8 (56).
Đổi lại, khả năng suy luận tốt hơn cũng đi kèm một điểm trừ. Theo Artificial Analysis, độ chính xác của K3 tăng từ 33% lên 46% so với K2.6, nhưng tỷ lệ bịa đặt cũng tăng từ 39% lên 51%. Nói cách khác, mô hình trả lời đúng nhiều hơn, nhưng cũng tự tin đưa ra thông tin sai nhiều hơn.
Về giá, K3 không còn đi theo chiến lược “AI Trung Quốc giá rẻ”. Mô hình tính phí 3 USD cho mỗi triệu token đầu vào và 15 USD cho mỗi triệu token đầu ra, tăng mạnh so với mức 0,95 USD và 4 USD của K2.6, tương đương mặt bằng của Claude Sonnet 5. Theo Artificial Analysis, chi phí trung bình mỗi tác vụ của K3 vào khoảng 0,94 USD, gần bằng GPT-5.6 Sol (1,04 USD) và bằng khoảng một nửa Opus 4.8 (1,80 USD), nhưng vẫn cao hơn đáng kể so với nhiều mô hình mở khác như GLM-5.2 (0,32 USD) hay DeepSeek V4 Pro (0,04 USD).
Với các tổ chức tại Việt Nam, giá trị lớn nhất của việc mở trọng số không nằm ở chi phí mà ở quyền tự chủ. Khi tự vận hành mô hình trên hạ tầng của mình, dữ liệu không phải rời khỏi hệ thống nội bộ, một yêu cầu quan trọng đối với ngân hàng, bảo hiểm và các đơn vị chịu quy định về lưu trữ dữ liệu. Tuy nhiên, triển khai một mô hình gần 3.000 tỷ tham số vẫn là một dự án hạ tầng quy mô lớn, không phải thứ có thể cài đặt và vận hành trên máy tính cá nhân.
Nguồn: The Decoder
Ghi chú thuật ngữ
- Trọng số (weights): Các tham số số học cấu thành “kiến thức” của mô hình AI, học được trong quá trình huấn luyện. Khi bên phát triển công bố trọng số, người khác có thể tải về và tự vận hành mô hình.
- Mixture of Experts (MoE): Kiến trúc chia mô hình thành nhiều khối “chuyên gia”, mỗi lần chạy chỉ kích hoạt một số ít trong đó, giúp mô hình rất lớn vẫn vận hành với chi phí tính toán vừa phải.
- Artificial Analysis: Đơn vị kiểm chứng độc lập chuyên chấm điểm và so sánh hiệu năng, chi phí của các mô hình AI thương mại.
Bài viết của đội ngũ ZTO Labs, chuyên đào tạo và nghiên cứu AI tại Việt Nam.
