AI mã nguồn mở trọng số của Trung Quốc đang thắng về độ phủ: Mỹ sẽ phản ứng ra sao?

Cuộc thách thức AI từ Trung Quốc giờ đây không chỉ còn là câu hỏi liệu các phòng thí nghiệm nước này có thể tạo ra một mô hình ngang ngửa hệ thống hàng đầu của Mỹ hay không. Mặt trận ngày càng quan trọng là khả năng phân phối: bên nào có thể đưa AI đủ năng lực đến tay nhiều nhà phát triển, doanh nghiệp và chính phủ nhất với chi phí thấp nhất.

DeepSeek, Kimi của Moonshot AI và Qwen của Alibaba đang biến mô hình trọng số mở thành trung tâm của cuộc cạnh tranh đó. Đánh giá của các nhà nghiên cứu Stanford cho thấy mô hình trọng số mở của Trung Quốc đã nhanh chóng thu hẹp khoảng cách, thậm chí bắt kịp hoặc vượt đối thủ quốc tế ở một số khía cạnh về năng lực và mức độ được sử dụng. Tháng 9/2025, dòng mô hình Qwen cũng vượt Llama của Meta để trở thành họ mô hình ngôn ngữ lớn được tải xuống nhiều nhất trên Hugging Face. 18

Kết quả là một bài toán khó đối với Washington. Hạn chế mô hình Trung Quốc có thể làm giảm rủi ro khi chúng được dùng trong môi trường nhạy cảm. Nhưng một lệnh cấm quá rộng cũng có thể khiến Mỹ nhường lớp phát triển AI mở cho Trung Quốc, đồng thời loại bỏ một phần khả năng minh bạch và kiểm soát tại chỗ vốn khiến mô hình tự lưu trữ trở nên hấp dẫn.

Trọng số mở không đồng nghĩa với mã nguồn mở hoàn toàn

Mô hình trọng số mở công bố các tham số đã được huấn luyện để bên thứ ba có thể tải xuống, chạy hoặc điều chỉnh hệ thống hoàn thiện. Điều này khác căn bản với mô hình đóng, vốn thường chỉ cho người dùng tiếp cận thông qua ứng dụng hoặc API do nhà cung cấp kiểm soát. 33

Tuy nhiên, việc công bố trọng số không nhất thiết bao gồm:

• Mã nguồn huấn luyện ban đầu;
• Dữ liệu huấn luyện hoặc nguồn gốc dữ liệu;
• Công thức huấn luyện có thể tái lập;
• Kết quả đánh giá đầy đủ;
• Quyền sử dụng thương mại hoặc phân phối lại không hạn chế;
• Thông tin minh bạch về lọc dữ liệu, tinh chỉnh an toàn hay quá trình phát triển mô hình.

Vì vậy, chữ “mở” cần được xem xét theo từng bản phát hành. Một mô hình có thể tải xuống được nhưng vẫn khó tái tạo, bị ràng buộc bởi giấy phép hạn chế hoặc thiếu minh bạch về dữ liệu đã định hình hành vi của nó. AI mã nguồn mở hoàn toàn là tiêu chuẩn cao hơn, đòi hỏi quyền tiếp cận có ý nghĩa đối với mã nguồn, thông tin liên quan đến dữ liệu và những thành phần cần thiết để nghiên cứu, sửa đổi hoặc tái lập hệ thống. 41

Điểm khác biệt này đặc biệt quan trọng khi so sánh DeepSeek, Kimi và Qwen. Tình trạng phát hành, giấy phép và mức độ công bố kỹ thuật có thể thay đổi theo từng phiên bản; thông tin công khai đôi khi cũng chưa theo kịp các thay đổi đó.

Trung Quốc đang cạnh tranh bằng mức độ được sử dụng, không chỉ bằng điểm chuẩn

Các phòng thí nghiệm Trung Quốc đã kết hợp hiệu năng cạnh tranh với giá thấp, khả năng suy luận hiệu quả và lựa chọn triển khai tại chỗ. Điều này tạo ra một phương án thay thế cho startup, nhà nghiên cứu và doanh nghiệp không muốn phụ thuộc hoàn toàn vào các API lưu trữ tại Mỹ với chi phí cao. Nghiên cứu chính sách và các bài phân tích mô tả một vòng lặp: mô hình giá rẻ thu hút người dùng, người dùng tạo công cụ và phiên bản phái sinh, còn hệ sinh thái đó lại thúc đẩy các vòng cải tiến tiếp theo. 1720

Lợi thế này không chỉ nằm ở số người trò chuyện với chatbot. Mỗi lần triển khai có thể tạo ra:

• Các phiên bản tinh chỉnh cho ngành hoặc nhiệm vụ cụ thể;
• Công cụ dành cho nhà phát triển và các tích hợp mới;
• Bộ điểm chuẩn, báo lỗi và dữ liệu phản hồi;
• Sự quen thuộc với một họ mô hình;
• Các phụ thuộc thương mại và mặc định kỹ thuật.

Phân tích của Stanford cho biết các nhà phát triển mô hình mở của Trung Quốc chiếm 17,1% lượt tải trên Hugging Face trong giai đoạn từ tháng 8/2024 đến tháng 8/2025, nhỉnh hơn mức 15,8% của các nhà phát triển Mỹ. 18 Một số báo cáo khác cũng ghi nhận doanh nghiệp Mỹ ngày càng sử dụng mô hình Trung Quốc để tìm kiếm mức chi phí thấp hơn. 31

Nếu mô hình có nguồn gốc Trung Quốc được tích hợp sâu vào phần mềm, thiết bị, dịch vụ chính phủ và hệ thống công nghiệp trên toàn cầu, Bắc Kinh có thể tạo ảnh hưởng lên các mặc định kỹ thuật, bản cập nhật và chuỗi cung ứng liên quan. Đây là một điểm có thể tạo đòn bẩy địa chính trị — nhưng không phải bằng chứng rằng mọi mô hình được triển khai tại chỗ đều đã bị cài cắm.

“Rủi ro AI Trung Quốc” thực ra gồm nhiều vấn đề khác nhau

Cụm từ “rủi ro AI Trung Quốc” có thể chỉ ít nhất bốn mối lo riêng biệt. Không nên gộp chúng thành một kết luận duy nhất.

1. Dữ liệu khi sử dụng dịch vụ lưu trữ tại Trung Quốc

Khi người dùng gửi câu lệnh, tệp tin hoặc thông tin định danh tới một dịch vụ đặt máy chủ tại Trung Quốc, dữ liệu đó rời khỏi môi trường của họ và có thể chịu sự điều chỉnh của luật pháp cũng như thẩm quyền nơi nhà cung cấp hoạt động. Vì vậy, dữ liệu nhạy cảm của chính phủ, quốc phòng, y tế, hạ tầng trọng yếu hoặc doanh nghiệp cần được đánh giá rủi ro chính thức trước khi gửi tới bất kỳ dịch vụ bên ngoài nào.

Tự lưu trữ mô hình có thể giải quyết riêng câu hỏi về luồng dữ liệu này. Nếu được cấu hình đúng, hạ tầng có thể giữ câu lệnh và tài liệu bên trong mạng lưới của tổ chức. Tuy nhiên, điều đó không bảo đảm gói mô hình, phần mềm vận hành hay các công cụ kết nối đều an toàn.

2. Kiểm duyệt, thiên lệch và hành vi mô hình

Dữ liệu huấn luyện và quá trình căn chỉnh có thể khiến mô hình tạo ra cách từ chối, bỏ sót, diễn giải hoặc thông tin sai lệch mang màu sắc chính trị. Một báo cáo của Quốc hội Mỹ cáo buộc sản phẩm lưu trữ của DeepSeek chuyển dữ liệu người Mỹ về Trung Quốc và thao túng câu trả lời. Đây là các phát hiện và cáo buộc từ một cuộc điều tra của Quốc hội, không phải bằng chứng cho thấy mọi tệp trọng số có thể tải xuống đều chứa mã độc. 2

Hành vi của sản phẩm lưu trữ cũng có thể khác với một phiên bản phái sinh chạy tại chỗ. Lớp bao bọc ứng dụng, chỉ dẫn hệ thống, bộ lọc kiểm duyệt, công cụ truy xuất dữ liệu và quy trình cập nhật đều có thể ảnh hưởng đến đầu ra.

3. Cửa hậu và nguy cơ chuỗi cung ứng

Về lý thuyết, gói mô hình tải xuống hoặc phần mềm đi kèm có thể chứa mã nạp không an toàn, hành vi bị đầu độc hoặc các kích hoạt ẩn. Nhưng nguồn gốc quốc gia của một mô hình không tự nó chứng minh sự tồn tại của cửa hậu. Đội ngũ an ninh cần xác minh nguồn gốc, mã băm và chữ ký, kiểm tra hoạt động mạng, cô lập các thành phần trong môi trường sandbox và thử nghiệm toàn bộ hệ thống triển khai.

4. Mô hình đóng cũng có rủi ro riêng

Mô hình độc quyền đóng đặt ra những rủi ro khác về tập trung quyền lực và trách nhiệm giải trình. Người dùng thường không thể kiểm tra trọng số, dữ liệu huấn luyện, chỉ dẫn ẩn, dữ liệu đo lường, bộ lọc hoặc quy trình cập nhật. API tập trung cũng có thể trở thành mục tiêu lớn cho giám sát, gián đoạn, tấn công và thay đổi chính sách đơn phương.

Mô hình đóng giúp nhà cung cấp dễ theo dõi hành vi lạm dụng, triển khai thay đổi an toàn và ngăn việc phân phối không kiểm soát. Nhưng khả năng tiếp cận khép kín không khiến một mô hình mặc nhiên đáng tin. Hệ thống mở và đóng chỉ tạo ra những nhóm rủi ro cũng như hình thức kiểm soát khác nhau.

Vì sao tự lưu trữ là lập luận mạnh nhất chống lệnh cấm toàn diện?

Tự lưu trữ có thể giúp tổ chức kiểm soát tốt hơn mô hình đe dọa của mình. Đội ngũ an ninh có thể cố định phiên bản, xác minh tệp, hạn chế kết nối ra ngoài, quét các phụ thuộc, cô lập dịch vụ, tiến hành kiểm thử tấn công và giữ câu lệnh nhạy cảm trong hạ tầng nội bộ. Quyền tiếp cận công khai cũng cho phép nhà nghiên cứu độc lập tái hiện lỗi, điều tra thiên lệch hoặc tìm kiếm các kích hoạt ẩn.

Sự minh bạch này có giá trị, nhưng không đồng nghĩa với an toàn tự động. Phần lớn tổ chức không thể kiểm toán toàn bộ hành vi đã học của một mô hình cực lớn. Tinh chỉnh có thể tạo ra lỗ hổng mới, còn hệ thống tách biệt mạng chỉ bảo vệ dữ liệu khỏi bị đưa ra ngoài nếu toàn bộ ngăn xếp phục vụ được cấu hình chính xác.

Bài học thực tế là cần đánh giá cách triển khai, chứ không chỉ nhìn vào nhãn của mô hình. API do Trung Quốc lưu trữ, bản mô hình được kiểm toán và chạy tại chỗ, hay một phiên bản phái sinh từ bên thứ ba chưa được xác minh là những trường hợp có mức rủi ro rất khác nhau.

Chưng cất là tâm điểm của tranh cãi

Chưng cất là phương pháp huấn luyện một mô hình “học sinh” nhỏ hơn hoặc mới hơn bằng thông tin do mô hình “giáo viên” mạnh hơn cung cấp.

• Chưng cất hộp đen sử dụng đầu ra có thể quan sát, thường thu thập qua các truy vấn API. Phương pháp này có thể hợp pháp nếu được cho phép, nhưng việc trích xuất với quy mô lớn có thể vi phạm điều khoản dịch vụ, né biện pháp bảo vệ hoặc sao chép hành vi độc quyền.
• Chưng cất hộp trắng sử dụng thông tin nội bộ như trọng số, logits hoặc trạng thái ẩn. Cách này có thể chuyển giao năng lực hiệu quả hơn, nhưng quyền truy cập các dữ liệu nội bộ đó thường cần được cấp phép; việc lấy chúng trái phép làm gia tăng những lo ngại trực tiếp về an ninh và bí mật thương mại.

OpenAI và Anthropic đã cáo buộc các công ty Trung Quốc, trong đó có DeepSeek, sử dụng đầu ra của mô hình để huấn luyện sản phẩm mới. Ủy ban Đánh giá Kinh tế và An ninh Mỹ - Trung mô tả các cáo buộc liên quan đến tài khoản gian lận, dịch vụ proxy và hoạt động trích xuất có phối hợp. Reuters cũng đưa tin OpenAI cáo buộc DeepSeek cố “đi nhờ” năng lực do các phòng thí nghiệm AI tiên phong của Mỹ phát triển. Đây vẫn là các cáo buộc, chưa phải kết luận đã được phân xử tại tòa án hoặc một cơ quan tài phán khác. 35

Thách thức chính sách nằm ở chỗ rất khó phân biệt việc trích xuất qua hộp đen với hoạt động sử dụng API hợp pháp ở quy mô lớn. Trong khi đó, việc chứng minh công khai có thể buộc các bên phải tiết lộ bằng chứng điều tra nhạy cảm. Vì vậy, không nên coi mọi hình thức chưng cất đều là bất hợp pháp: chưng cất được cấp phép là một kỹ thuật tiêu chuẩn trong phát triển AI.

Silicon Valley và Washington đang đối mặt với điều gì?

Các mô hình trọng số mở của Trung Quốc gây sức ép lên mô hình kinh doanh của Mỹ, vốn dựa nhiều vào những API độc quyền có giá cao. Các công ty Mỹ phải cân nhắc liệu việc giữ trọng số kín có thực sự bảo vệ lợi thế năng lực hay lại để Trung Quốc và các đối thủ khác giành nhà phát triển, các tích hợp và khả năng phân phối toàn cầu.

Việc Qwen vượt Llama về lượt tải là một dấu hiệu cụ thể cho thấy cuộc cạnh tranh mô hình mở có ý nghĩa chiến lược. 18 Tuy nhiên, các bằng chứng hiện có chưa xác lập một phản ứng cụ thể, được công bố chính thức và có ngày tháng, của Nvidia hoặc Meta trước DeepSeek V4 Pro hay Kimi K3. Những tuyên bố về phản ứng của từng công ty cần dựa trên phát biểu gốc, thay vì được suy luận từ xu hướng chung của thị trường.

Washington đang tăng cường giám sát. Các ủy ban Hạ viện Mỹ đã công bố cuộc điều tra chung về rủi ro an ninh quốc gia và an ninh mạng liên quan đến việc sử dụng mô hình do Trung Quốc phát triển, bao gồm các hệ thống trọng số mở và API giá thấp từ những công ty như DeepSeek, Alibaba và Moonshot AI. 14

Một số báo cáo cũng cho biết Washington đang thảo luận các biện pháp hạn chế. Tuy vậy, bằng chứng được cung cấp chưa cho thấy Mỹ đã ban hành lệnh cấm thương mại toàn diện đối với các mô hình trọng số mở của Trung Quốc. 912

Những lựa chọn chính sách nằm giữa “cấm hết” và “không làm gì”

Một khuôn khổ có mục tiêu hơn có thể kết hợp nhiều biện pháp:

1. Kiểm soát các mục đích sử dụng rủi ro cao. Yêu cầu cấp phép hoặc cấm mô hình chưa được thẩm định trong quốc phòng, tình báo, hạ tầng trọng yếu, hệ thống chính phủ nhạy cảm và các môi trường xử lý dữ liệu có tác động lớn.
2. Đặt chuẩn triển khai an toàn. Với hệ thống nhạy cảm, cần yêu cầu hồ sơ nguồn gốc, gói phần mềm có chữ ký, danh mục vật liệu phần mềm, kiểm thử độc lập, kết quả đánh giá tấn công và khả năng cô lập mạng.
3. Phân biệt dịch vụ lưu trữ với trọng số chạy tại chỗ. API đặt máy chủ tại Trung Quốc tạo ra rủi ro tiếp cận dữ liệu khác với một tệp mô hình được kiểm toán độc lập và triển khai trong hạ tầng nội bộ.
4. Xử lý hành vi trích xuất trái phép. Cải thiện xác minh tài khoản, giám sát tần suất truy vấn, phát hiện lạm dụng, kỹ thuật xác định nguồn gốc và thực thi hợp đồng — nhưng không định nghĩa mọi hoạt động chưng cất là trộm cắp.
5. Duy trì kiểm soát xuất khẩu và đầu tư có mục tiêu. Tập trung vào chip tiên tiến, thiết bị sản xuất, quyền tiếp cận điện toán đám mây và các thực thể có liên hệ đáng tin cậy với mục đích quân sự hoặc tình báo; đồng thời thừa nhận rằng hạn chế quá rộng có thể thúc đẩy Trung Quốc phát triển sản phẩm thay thế trong nước nhanh hơn.
6. Xây dựng hệ sinh thái mô hình mở của Mỹ và đồng minh. Đầu tư vào mô hình an toàn, có tài liệu tốt, hỗ trợ nhiều ngôn ngữ, suy luận hiệu quả và công cụ triển khai. Một đối trọng cạnh tranh sẽ trực tiếp đáp trả chiến lược giành người dùng của Trung Quốc hơn là chỉ hạn chế lựa chọn của thị trường. 10

Kết luận

Mô hình trọng số mở của Trung Quốc đang định hình lại cuộc đua AI vì chúng khiến các hệ thống đủ năng lực trở nên rẻ hơn, dễ tùy chỉnh hơn và khó bị ngăn chặn hơn sau khi đã được phát hành. Tầm quan trọng chiến lược của chúng nằm ở quy mô hệ sinh thái không kém chất lượng mô hình.

Các lo ngại an ninh là có thật, đặc biệt với dịch vụ lưu trữ, dữ liệu nhạy cảm, tính toàn vẹn của chuỗi cung ứng và những cáo buộc về chưng cất trái phép. Nhưng quốc tịch không cho biết đầy đủ một hệ thống có an toàn hay không; mô hình đóng của Mỹ cũng không tự nhiên an toàn chỉ vì trọng số không được công bố.

Cách ứng phó có cơ sở nhất là quản lý theo rủi ro: bảo vệ chuỗi cung ứng, hạn chế các mục đích sử dụng nhạy cảm, điều tra những bằng chứng đáng tin về hành vi chiếm đoạt năng lực mô hình, đồng thời xây dựng một hệ sinh thái AI mở của Mỹ và các đồng minh đủ sức cạnh tranh không chỉ về hiệu năng mà cả về khả năng phân phối.