
Giáo sư Young-Sup Joo, bà Myung-Hee Na, Bà Nguyễn Bích Yến, ông Suresh Venkatarayalu và ông Alvin Loke (từ trái qua phải).
Ông Suresh Venkatarayalu mở đầu cuộc thảo luận bằng việc nhấn mạnh rằng, AI ngày nay phụ thuộc rất nhiều vào dữ liệu, nhưng việc thu thập và khai thác dữ liệu vẫn gặp nhiều rào cản. Một trong những thách thức lớn nhất là quyền sở hữu dữ liệu thường nằm trong tay các chính phủ và doanh nghiệp, khiến việc tiếp cận và sử dụng dữ liệu trở nên phức tạp. Ngoài ra, dữ liệu được thu thập từ nhiều nguồn khác nhau, nhưng lại không có sự kết nối thống nhất, dẫn đến tình trạng phân mảnh thông tin. Điều này gây khó khăn cho việc huấn luyện AI trên quy mô lớn, khi các mô hình AI phải liên tục xử lý những tập dữ liệu không đồng nhất. Nếu không có một cách tiếp cận hiệu quả để tổng hợp và xử lý dữ liệu, AI sẽ không thể phát huy tối đa tiềm năng của nó.
Từ đó, ông Suresh Venkatarayalu đề xuất một giải pháp để khắc phục vấn đề này là xây dựng các cổng dữ liệu (gateway) có thể giúp AI truy cập thông tin một cách nhanh chóng và tự động. Ông hình dung một hệ thống nơi AI có thể thu thập dữ liệu chỉ bằng một thao tác đơn giản, thay vì phải qua nhiều bước xử lý phức tạp như hiện nay. Bằng cách này, AI sẽ có thể phản ứng với thông tin theo thời gian thực, nâng cao tốc độ xử lý và tối ưu hóa hiệu suất.
Trong kỷ nguyên AI, các doanh nghiệp không những cần dữ liệu. Họ còn cần khả năng sử dụng dữ liệu một cách hiệu quả. Do đó, việc tạo ra một nền tảng dữ liệu có khả năng kết nối mạnh mẽ sẽ giúp AI phát triển nhanh hơn, đồng thời mang lại giá trị thực tiễn cao hơn cho doanh nghiệp và người dùng.
Tương tự, chuyên gia Myung-Hee Na nhận định, mặc dù AI mang lại nhiều tiềm năng đột phá, nhưng tốc độ phát triển hiện tại đang tiêu tốn quá nhiều tài nguyên tính toán và năng lượng. Bà nhấn mạnh rằng, các hệ thống AI hiện nay ngoài yêu cầu phần cứng mạnh mẽ, còn tiêu thụ lượng điện năng khổng lồ, tạo ra áp lực lớn về chi phí và môi trường. Do đó, ngành công nghiệp AI cần tìm kiếm các phương pháp tối ưu hóa để giúp AI hoạt động hiệu quả hơn mà không phụ thuộc vào tài nguyên vô hạn.

Chuyên gia Myung-Hee Na (giữa) chia sẻ tại sự kiện.
Một trong những cách tiếp cận quan trọng là cải tiến cả phần cứng lẫn phần mềm để giảm mức tiêu thụ điện năng mà vẫn đảm bảo hiệu suất cao. Bà cũng đề cập đến một số hướng nghiên cứu mới trong AI nhằm phát triển các mô hình nhỏ gọn hơn nhưng vẫn giữ được khả năng học sâu, giúp tiết kiệm chi phí và phù hợp với nhiều ứng dụng hơn. Bên cạnh đó, chuyên gia Myung-Hee Na cho rằng, AI không chỉ là một lĩnh vực độc lập mà cần sự kết hợp giữa nhiều ngành khoa học khác nhau để đạt được sự tối ưu hóa. Cụ thể, các chuyên gia về phần mềm, phần cứng, vật liệu bán dẫn và quản lý dữ liệu cần phải hợp tác chặt chẽ để tạo ra những hệ thống AI hiệu quả hơn. AI không thể phát triển theo hướng tiêu tốn nhiều tài nguyên hơn mà cần trở nên tinh gọn hơn, tiết kiệm hơn và có thể triển khai trên quy mô lớn mà không làm tăng gánh nặng tài chính.
Cụ thể, một trong những hướng đi tiềm năng là tận dụng các vật liệu mới trong thiết kế bán dẫn, giúp tăng hiệu suất AI mà không làm tăng đáng kể chi phí sản xuất. Bà kết luận rằng, sự hợp tác giữa các ngành không chỉ giúp AI hoạt động tốt hơn mà còn đảm bảo AI có thể phát triển theo hướng bền vững, thân thiện với môi trường hơn.
Bà Nguyễn Bích Yến (Soitec) cho rằng, AI và tích hợp số hóa đang tạo ra những thay đổi quan trọng trong ngành bán dẫn, đặc biệt là trong việc tối ưu hóa quy trình sản xuất và quản lý dự án. Nhờ vào công nghệ số hóa tiên tiến, các linh kiện chip có thể được lựa chọn và kết nối một cách thông minh, giúp đáp ứng hiệu quả hơn các yêu cầu của AI. Điều này không chỉ rút ngắn thời gian đưa sản phẩm ra thị trường mà còn thúc đẩy sự đổi mới trong lĩnh vực AI. Bên cạnh đó, AI đang từng bước cải thiện cách thức quản lý dự án và tối ưu hóa quy trình sản xuất. Trước đây, khi một tấm wafer được sản xuất, việc đánh giá chất lượng thường dựa trên tài liệu giấy và kinh nghiệm cá nhân. Tuy nhiên, với sự hỗ trợ của AI, toàn bộ dữ liệu sản xuất có thể được phân tích và tối ưu hóa liên tục, giúp quy trình sản xuất trở nên chính xác và hiệu quả hơn. AI cũng cho phép doanh nghiệp điều chỉnh thiết kế và nâng cấp sản phẩm một cách linh hoạt, đồng thời tối ưu hóa chi phí sản xuất. Nhờ đó, ngành công nghiệp bán dẫn có thể phát triển nhanh hơn, mạnh hơn và bền vững hơn trong kỷ nguyên AI.
Nhìn chung, cả bốn diễn giả đều đồng tình là mặc dù AI có tiềm năng thay đổi nhiều ngành công nghiệp, nhưng vẫn còn một khoảng cách lớn giữa tốc độ phát triển công nghệ và khả năng thương mại hóa. Các công ty đang đổ hàng tỷ USD vào nghiên cứu AI, nhưng việc chuyển đổi các công nghệ này thành sản phẩm có lợi nhuận vẫn là một thách thức. Chẳng hạn, bà Myung-Hee Na nhấn mạnh để AI thực sự tạo ra giá trị kinh tế, các doanh nghiệp cần tập trung vào những ứng dụng thực tiễn có thể mang lại lợi ích ngay lập tức cho ngành công nghiệp.
Giáo sư Young-Sup Joo cho rằng, trong đào tạo nguồn nhân lực cho công nghiệp bán dẫn, cần có sự hiện diện của mảng đào tạo nghề, để đảm bảo nguồn nhân lực phù hợp với nhu cầu thực tế. Chẳng hạn, nếu Việt Nam muốn phát triển lĩnh vực đóng gói bán dẫn, thì cần xác định rõ hướng đi cụ thể để xây dựng mô hình kinh doanh phù hợp. Trong khi đó, giáo dục bậc cao lại là một chiến lược dài hạn, đòi hỏi nhiều năm để đào tạo và phát triển đội ngũ kỹ sư có chuyên môn cao. Do đó, khoảng thời gian cần thiết để phát triển nhân lực trình độ cao và nhân lực trong lĩnh vực sản xuất, chế tạo có sự khác biệt rõ rệt.
Khi phiên thảo luận kết thúc, một câu hỏi quan trọng được đặt ra: đâu là thay đổi quan trọng nhất cần xảy ra trong 5 năm tới để đảm bảo khả năng phục hồi và phát triển bền vững của ngành bán dẫn trong kỷ nguyên AI? Đây là một thách thức lớn, đòi hỏi sự kết hợp giữa đầu tư công nghệ, phát triển nhân lực và đổi mới chính sách để tạo ra một hệ sinh thái bền vững cho ngành công nghiệp cốt lõi này.
CM