Ba nhà sáng lập đang thay đổi cuộc đua AI Trung Quốc

Ý nghĩa của Liang Wenfeng, Tang Jie và Yang Zhilin không chỉ nằm ở việc ba nhà sáng lập Trung Quốc đã tạo ra những mô hình AI được chú ý trên toàn cầu. DeepSeek, Z.ai và Moonshot AI cùng mở rộng định nghĩa về cạnh tranh ở biên giới công nghệ: một mô hình giờ đây phải được đánh giá đồng thời qua năng lực, độ mở, chi phí suy luận, khả năng tiếp cận của nhà phát triển và lượng điện toán cần để vận hành.

Điều đó chưa chứng minh Trung Quốc đã vượt Silicon Valley. Nhưng nó cho thấy thị trường AI đang bớt độc quyền bởi Mỹ — và một mô hình không nhất thiết phải đóng, cực kỳ đắt đỏ hay được chống lưng bởi một tập đoàn công nghệ Mỹ niêm yết mới có thể thay đổi kỳ vọng toàn cầu.

Ba nhà sáng lập, ba con đường tiến vào AI tiên phong

Liang Wenfeng: DeepSeek và cuộc chơi ưu tiên hiệu quả

Liang Wenfeng học kỹ thuật điện tử và thông tin tại Đại học Chiết Giang trước khi đồng sáng lập High-Flyer, một quỹ đầu cơ định lượng sử dụng AI. Ông thành lập DeepSeek vào năm 2023, mang tư duy được rèn luyện trong ngành tài chính — đặc biệt là tối ưu hóa toán học và hiệu quả tính toán — vào nghiên cứu mô hình nền tảng. 4144

DeepSeek-R1, ra mắt vào tháng 1 năm 2025, trở thành thành tựu định hình tên tuổi công ty. Mô hình suy luận này được phân phối kèm trọng số có thể tải xuống và được định vị như một lựa chọn chi phí thấp hơn so với các hệ thống đóng hàng đầu. Những tuyên bố riêng của DeepSeek về chi phí và hiệu năng không thể thay thế hoàn toàn cho đánh giá độc lập, nhưng đủ mạnh để khiến giới đầu tư xem xét lại kinh tế học của việc huấn luyện và suy luận AI. 172226

Phản ứng của thị trường đặc biệt dữ dội. Nvidia mất 593 tỷ USD vốn hóa chỉ trong một ngày, khi nhà đầu tư đặt câu hỏi liệu AI tiên phong có thực sự cần ngân sách phần cứng khổng lồ và liên tục tăng như nhiều dự báo trước đó hay không. Đợt bán tháo sau đó phần nào đảo chiều, vì vậy nên được hiểu là một lần định giá lại kỳ vọng trong thời gian ngắn, chứ chưa phải bằng chứng cho thấy nhu cầu chip AI tiên tiến đã biến mất. 1718

Triết lý của Liang cũng khá khác biệt. Reuters đưa tin ông từng nói DeepSeek ưu tiên mục tiêu phát triển trí tuệ nhân tạo tổng quát (AGI) trong dài hạn hơn là tối đa hóa lợi nhuận trước mắt, đồng thời nhiều khả năng sẽ tiếp tục mở các mô hình tiên tiến nhất. 33 Tuy nhiên, tình hình tài chính đầy đủ, định giá, kế hoạch niêm yết của DeepSeek và tài sản cá nhân của Liang chưa được các bằng chứng hiện có xác lập đủ đáng tin cậy để xem là sự thật đã ngã ngũ.

Tang Jie: Z.ai và mô hình từ nghiên cứu đến doanh nghiệp

Tang Jie là giáo sư khoa học máy tính tại Đại học Thanh Hoa, đồng thời là đồng sáng lập và nhà khoa học trưởng của Z.ai, tên gọi trước đây là Zhipu AI. Công ty được tách ra từ hoạt động nghiên cứu tại Thanh Hoa ở Bắc Kinh vào năm 2019 và bắt đầu phát hành dòng mô hình GLM từ năm 2021. 4950

Chiến lược của Z.ai có cấu trúc thể chế rõ ràng hơn DeepSeek: kết hợp nền tảng nghiên cứu đại học với tham vọng thương mại và doanh nghiệp. Các mô hình GLM ngày càng tập trung vào suy luận, lập trình, sử dụng công cụ và quy trình làm việc của các tác tử AI. Trung tâm CAISI thuộc chính phủ Mỹ cho biết GLM-5.2 được phát hành dưới dạng mô hình open-weight vào ngày 16 tháng 6 năm 2026. 49

Tang từng lập luận rằng sự xuất hiện của DeepSeek-R1 đã khép lại giai đoạn trước đó vốn xoay quanh chatbot, còn lập trình và suy luận sẽ trở nên quan trọng hơn khi các tác tử AI phát triển. 52 Đây là chìa khóa để hiểu vị thế của Z.ai: công ty không chỉ cạnh tranh bằng khả năng trò chuyện trôi chảy, mà hướng tới các mô hình có thể xử lý nhiệm vụ dài hơn và tương tác với công cụ phần mềm.

Z.ai cũng cho thấy bước chuyển từ phòng thí nghiệm tư nhân sang doanh nghiệp trên thị trường vốn. Các báo cáo cho biết công ty đã huy động khoảng 1,25 tỷ USD trước IPO tính đến giữa năm 2025, trong khi đánh giá công khai của chính phủ Mỹ nói rằng Z.ai đã hoàn tất IPO tại Hong Kong vào ngày 8 tháng 1 năm 2026. 4950 Các ước tính công khai về giá trị thị trường của công ty không đồng nhất, nên không nên xem chúng là những con số có thể thay thế cho nhau hoặc đã được xác nhận dứt khoát. Tương tự, chưa có đủ bằng chứng đáng tin cậy về tài sản cá nhân của Tang.

Yang Zhilin: Moonshot AI và canh bạc ngữ cảnh dài

Yang Zhilin từng học tại Đại học Thanh Hoa và hoàn thành bằng tiến sĩ tại Đại học Carnegie Mellon. Các bài viết cũng cho biết ông từng có kinh nghiệm nghiên cứu tại Google và Meta trước khi đồng sáng lập Moonshot AI ở Bắc Kinh vào năm 2023. 2712

Moonshot ban đầu gây chú ý nhờ Kimi, sản phẩm gắn liền với khả năng tương tác trong ngữ cảnh dài. Mô hình Kimi K3 đưa chiến lược đó lên quy mô lớn hơn: các nguồn mô tả đây là mô hình mixture-of-experts có 2,8 nghìn tỷ tham số, với cửa sổ ngữ cảnh lên tới 1 triệu token. 15

Trọng số của K3 được phát hành sau khi mô hình đã có mặt trên các sản phẩm và API của Moonshot. Cách làm này nối một doanh nghiệp chatbot hướng tới người dùng với chiến lược xây dựng nền tảng dành cho nhà phát triển. 2 Quy mô của K3 rất đáng chú ý, nhưng số lượng tham số tự nó không chứng minh trí thông minh, chi phí vận hành hay tính hữu ích. Kết quả trên các bảng xếp hạng độc lập có thể giúp so sánh, song thứ hạng luôn biến động và không thể thay thế việc kiểm thử về độ tin cậy, lập trình, an toàn và khả năng thực hiện nhiệm vụ tác tử trong đời thực.

Các con số tài chính của Moonshot cũng thay đổi theo từng báo cáo. TechCrunch đưa tin công ty huy động khoảng 2 tỷ USD với mức định giá 20 tỷ USD vào tháng 5 năm 2026; các báo cáo sau đó đề cập khả năng định giá trên 30 tỷ USD và công tác chuẩn bị cho một đợt niêm yết tiềm năng tại Hong Kong. Đây là các ước tính về thị trường tư nhân được báo cáo, không phải giá trị thị trường công khai đã kiểm toán. 41215 Chưa có đủ bằng chứng đáng tin cậy về tài sản cá nhân của Yang.

Vì sao đây không chỉ là cuộc đua Mỹ - Trung?

1. Năng lực đang được đặt cạnh chi phí

DeepSeek biến suy luận hiệu quả thành tiêu đề lớn của ngành. Z.ai nhấn mạnh lập trình, triển khai doanh nghiệp và tác tử. Moonshot kết hợp ngữ cảnh dài, trọng số mở ở quy mô rất lớn và khả năng phân phối qua sản phẩm. Cách tiếp cận khác nhau, nhưng cả ba đều đẩy ngành đến một câu hỏi rộng hơn: với mỗi đô la huấn luyện hoặc suy luận, nhà phát triển có thể nhận được bao nhiêu năng lực hữu ích?

So sánh này không hoàn toàn đồng nhất. Chi phí huấn luyện được công bố thường là tuyên bố của chính doanh nghiệp và có thể chưa bao gồm dữ liệu, kỹ thuật, quyền tiếp cận phần cứng, đánh giá, triển khai hay vận hành. Dù vậy, tác động chiến lược là có thật: DeepSeek buộc nhà đầu tư và các phòng thí nghiệm phải xem xét lại giả định về đường cong chi phí của AI tiên phong. 1722

2. Trọng số mở tạo thêm lựa chọn cho nhà phát triển

Trọng số có thể tải xuống cho phép nhà phát triển tự lưu trữ, tinh chỉnh hoặc tích hợp mô hình mà không phải hoàn toàn phụ thuộc vào API độc quyền. Điều này giúp DeepSeek, GLM và Kimi có con đường đi vào các hệ sinh thái phần mềm toàn cầu, ngay cả khi doanh nghiệp đứng sau chúng gặp hạn chế trong phân phối ở nước ngoài.

“Open-weight” không đồng nghĩa với “mã nguồn mở hoàn toàn”. Trọng số có thể được công khai, trong khi dữ liệu huấn luyện, phương pháp xử lý dữ liệu, mã huấn luyện và toàn bộ quy trình phát triển vẫn không được tiết lộ. Sự khác biệt này có ý nghĩa đối với khả năng tái lập, giấy phép, bảo mật và quản trị.

3. Cú sốc thị trường lan ra ngoài các phòng thí nghiệm AI

Bản phát hành DeepSeek vào tháng 1 năm 2025 tác động đến định giá công nghệ Mỹ vì nó thách thức giả định rằng AI càng mạnh thì tất yếu phải cần lượng phần cứng cao cấp tăng theo tỷ lệ tương ứng. Mức sụt giảm vốn hóa trong một ngày của Nvidia cho thấy đổi mới ở cấp độ mô hình có thể nhanh chóng tác động tới cả lớp hạ tầng. 1718

Kimi K3 của Moonshot cũng tạo ra sự chú ý tương tự quanh khả năng một công ty Trung Quốc phát hành mô hình open-weight có quy mô vốn thường gắn với các phòng thí nghiệm lớn nhất của Mỹ. Phản ứng này nên được hiểu là áp lực lên các giả định phổ biến, chứ chưa phải bằng chứng về một chiến thắng công nghệ đã hoàn tất. 14

Những rào cản có thể quyết định giai đoạn tiếp theo

Ba công ty vẫn phải đối mặt với nhiều vấn đề mang tính cấu trúc:

• Điện toán và phần cứng: Các biện pháp kiểm soát xuất khẩu cùng việc hạn chế tiếp cận bộ tăng tốc AI cao cấp khiến việc huấn luyện và phục vụ mô hình tiên phong khó khăn hơn. Kỹ thuật tối ưu hiệu quả có thể thu hẹp khoảng cách, nhưng không loại bỏ nhu cầu về chip, điện năng, mạng lưới, nhân lực kỹ thuật và vốn. 45
• Thương mại hóa: Mô hình mở hoặc giá rẻ có thể lan truyền nhanh, đồng thời khiến nhà phát triển khó chuyển mức độ phổ biến thành doanh thu. Danh tiếng kỹ thuật cần được biến thành các hoạt động kinh doanh bền vững trong doanh nghiệp, API hoặc thị trường tiêu dùng.
• Bất định của benchmark: Một chiến thắng trên benchmark hẹp hoặc do chính doanh nghiệp tự công bố không thể quyết định độ tin cậy, chất lượng đa ngôn ngữ, năng lực lập trình, mức độ an toàn hay độ bền của tác tử. Các tuyên bố vượt trội cần được tái hiện độc lập.
• Niềm tin và quản trị: Vấn đề quyền riêng tư, bảo mật, hạn chế nội dung và sự giám sát địa chính trị có thể giới hạn việc áp dụng ở nước ngoài, ngay cả khi mô hình hấp dẫn về mặt kỹ thuật.
• Áp lực từ thị trường vốn: Việc Z.ai hoàn tất niêm yết mang lại vị thế tài chính khác với DeepSeek tư nhân, trong khi kế hoạch IPO được báo cáo của Moonshot vẫn mới là khả năng trong tương lai. Cấu trúc sở hữu và kế hoạch niêm yết của DeepSeek còn ít rõ ràng hơn trong các nguồn công khai đáng tin cậy. 495015

Kết luận

Liang Wenfeng, Tang Jie và Yang Zhilin không theo đuổi một chiến lược AI Trung Quốc thống nhất. Liang đặt hiệu quả và nghiên cứu AGI dài hạn vào trung tâm bản sắc của DeepSeek. Tang đưa nghiên cứu mô hình nền tảng xuất phát từ đại học vào lập trình, tác tử AI và quy mô thị trường vốn. Yang xây dựng Moonshot quanh ngữ cảnh dài, hệ thống mixture-of-experts khổng lồ và phương thức phân phối open-weight cho nhà phát triển.

Thành tựu chung của họ là khiến AI tiên phong trở nên đa cực hơn. DeepSeek, Z.ai và Moonshot AI mở rộng lựa chọn cho nhà phát triển, thách thức kinh tế học của hạ tầng mô hình đóng và làm suy yếu giả định rằng Trung Quốc sẽ mãi đứng sau Mỹ.

Kết luận thận trọng hơn cũng là kết luận có cơ sở hơn: ba công ty đã thay đổi cục diện cạnh tranh, nhưng các giới hạn về điện toán, benchmark chưa chắc chắn, thương mại hóa và niềm tin mới quyết định sự thay đổi đó có kéo dài hay không.