Nghiên cứu AI tại Trung Quốc tăng tốc: Cuộc đua công nghệ đang dịch chuyển?

Từ lựa chọn du học đến cơ hội trong nước

Khi chuẩn bị tốt nghiệp một trường đại học (ĐH) hàng đầu Trung Quốc, nhà khoa học máy tính Lu Yi đứng trước lựa chọn mà nhiều sinh viên xuất sắc từng cân nhắc: sang Mỹ học tiến sĩ về trí tuệ nhân tạo (AI) hay ở lại quê nhà để theo đuổi nghiên cứu.

Theo Lu Yi, Mỹ vẫn có ưu thế về chế độ đãi ngộ và cơ sở vật chất, nhưng khoảng cách với Trung Quốc đang dần thu hẹp. Nhận thấy cơ hội nghiên cứu AI trong nước ngày càng rộng mở, Lu Yi. quyết định ở lại thay vì sang Mỹ học tiến sĩ.

Lựa chọn này phản ánh sức hút ngày càng tăng của môi trường nghiên cứu AI tại Trung Quốc. Dữ liệu của Digital Science cho thấy, Trung Quốc hiện có khoảng 51.000 nhà nghiên cứu AI đang hoạt động, cao hơn đáng kể so với con số 14.000 tại Mỹ.

Đáng chú ý, lực lượng nghiên cứu của Trung Quốc có tỷ lệ nhân sự ở giai đoạn đầu sự nghiệp khá lớn, tạo nguồn nhân lực trẻ dồi dào cho lĩnh vực này [1].

Một phân tích về tỷ lệ các tác giả tham dự Hội nghị NeurIPS năm 2025 cho thấy sự thay đổi rõ rệt này. Có 57% tác giả được khảo sát có bằng ĐH tại Trung Quốc, tăng từ mức 46% vào năm 2022. Trong số những tác giả được đào tạo ĐH tại Trung Quốc và công bố nghiên cứu tại hội nghị, 69% vẫn làm việc trong nước, so với 57% vào ba năm trước [2].

Tỷ lệ giữ chân nhân lực này cao hơn mức 60% của châu Âu, nhưng vẫn thấp hơn Mỹ, nơi giữ lại khoảng 89% nhà nghiên cứu thuộc nhóm được khảo sát [2].

Bên cạnh sức hút ngày càng lớn của thị trường trong nước, môi trường nghiên cứu tại Mỹ cũng xuất hiện những rào cản đối với sinh viên quốc tế. Các cuộc phỏng vấn do Tạp chí Nature thực hiện với những nhà nghiên cứu Trung Quốc cho thấy tình trạng thị thực bị trì hoãn hoặc từ chối khiến kế hoạch học tập và làm việc trở nên khó dự đoán hơn.

Tuy nhiên, dòng dịch chuyển nhân tài không hoàn toàn theo một chiều. Nghiên cứu của Carnegie Endowment cho thấy, 87% nhà nghiên cứu gốc Trung Quốc trong mẫu khảo sát, từng làm việc tại Mỹ vào năm 2019, vẫn ở lại nước này đến năm 2025. Điều đó cho thấy Mỹ vẫn có khả năng giữ chân nhiều nhà khoa học hàng đầu, dù Trung Quốc đang gia tăng sức cạnh tranh [3].

Khoảng cách công nghệ chưa hoàn toàn biến mất

Trung Quốc đã vươn lên về số lượng công bố khoa học liên quan đến AI, mức độ trích dẫn và số bằng sáng chế. Theo Tạp chí Nature, có 156 tổ chức nghiên cứu tại Trung Quốc công bố hơn 50 bài báo về AI mỗi năm [1].

Chất lượng nghiên cứu cũng có dấu hiệu cải thiện. Năm 2025, lần đầu tiên NeurIPS ghi nhận số tác giả chính đang công tác tại Trung Quốc nhiều hơn số tác giả đến từ Mỹ hoặc châu Âu.

Dù vậy, số lượng công bố khoa học không đồng nghĩa với vị thế dẫn đầu trên mọi phương diện.

Báo cáo Stanford AI Index 2026 cho thấy, năm 2025, Mỹ phát triển 50 mô hình AI nổi bật, so với 30 mô hình của Trung Quốc. Mỹ cũng dẫn đầu về số bằng sáng chế có tác động cao, trong khi Trung Quốc chiếm ưu thế về tổng số bằng sáng chế được cấp, số lượng công bố khoa học và mức độ trích dẫn [4].

Scott Singer, đồng giám đốc Sáng kiến AI Trung Quốc thuộc Carnegie Endowment for International Peace nhận định, ước tính các mô hình Trung Quốc vẫn chậm hơn những hệ thống tiên tiến nhất của Mỹ khoảng 3 đến 7 tháng.

Một trong những nguyên nhân chính là khả năng tiếp cận chip tính toán. Từ năm 2022, Mỹ đã áp dụng các biện pháp hạn chế xuất khẩu chip xử lý đồ họa (GPU) hiệu năng cao sang Trung Quốc vì lý do an ninh quốc gia. Đây là loại phần cứng quan trọng đối với quá trình huấn luyện và vận hành các mô hình AI quy mô lớn.

Các doanh nghiệp (DN) Trung Quốc đang tìm cách phát triển chip trong nước, nhưng những sản phẩm này chưa đạt vị thế tương đương các dòng chip được DN Mỹ sử dụng cho những hệ thống tiên tiến nhất.

Nguồn vốn cũng là một bất lợi đáng kể. Theo Stanford AI Index 2026, đầu tư tư nhân vào AI tại Mỹ trong năm 2025 cao hơn Trung Quốc hơn 23 lần [5]. Khoảng cách về vốn và năng lực tính toán khiến DN Trung Quốc khó theo đuổi những hướng nghiên cứu đòi hỏi nhiều tài nguyên.

Thiếu tài nguyên thúc đẩy đổi mới hiệu quả

Mặc dù những hạn chế về chip và ngân sách tạo ra nhiều bất lợi, nhưng đây chính là động lực để thúc đẩy các nhóm nghiên cứu Trung Quốc tìm cách sử dụng tài nguyên hiệu quả hơn.

Zilan Qian, nhà nghiên cứu về sự phát triển AI Trung Quốc tại tổ chức phi lợi nhuận GovAI ở London, cho rằng những ràng buộc về năng lực tính toán đang khuyến khích các nhà khoa học phát triển thuật toán và phương pháp huấn luyện tiết kiệm tài nguyên.

Một ví dụ là cơ chế “sparse attention” do DeepSeek phát triển. Thay vì thực hiện tính toán trên toàn bộ các thành phần đầu vào theo cùng một cách, phương pháp này tập trung vào những phần được xem là quan trọng hơn, qua đó giảm khối lượng tính toán khi huấn luyện hoặc vận hành mô hình.

Hướng tiếp cận này có ý nghĩa quan trọng trong bối cảnh chi phí tính toán ngày càng trở thành yếu tố quyết định khả năng phát triển AI. Nếu một mô hình đạt hiệu quả tương đương với mức tài nguyên thấp hơn, DN có thể giảm chi phí triển khai và mở rộng khả năng tiếp cận công nghệ.

Một phương pháp khác là kỹ thuật “distillation” (chưng cất mô hình), được sử dụng để phát triển các hệ thống nhỏ hơn dựa trên đầu ra của mô hình lớn. Kỹ thuật này có thể giúp huấn luyện mô hình học theo phản hồi của một hệ thống mạnh hơn, hoặc sử dụng hệ thống đó để đánh giá và cải thiện câu trả lời của mô hình nhỏ.

Tuy nhiên, vẫn còn một rào cản lớn là nguồn dữ liệu chất lượng cao. Các mô hình ngôn ngữ lớn cần nguồn dữ liệu được tuyển chọn kỹ lưỡng, chẳng hạn những bài toán đã có lời giải trong toán học hoặc hóa học.

Theo Grace Shao, chi phí tiếp cận một số bộ dữ liệu giá trị có thể lên tới hàng triệu USD. Những thỏa thuận độc quyền khiến các DN khác phải chờ một thời gian mới có thể tiếp cận cùng nguồn dữ liệu với chi phí thấp hơn.

Mô hình mở giúp Trung Quốc mở rộng ảnh hưởng

Một chiến lược đáng chú ý của các công ty Trung Quốc là phát hành mô hình theo dạng “open-weight”, cho phép người dùng tải mô hình về và triển khai trên hệ thống riêng nếu có đủ năng lực tính toán.

Cách tiếp cận này giúp DN thu hút cộng đồng phát triển, mở rộng lượng người dùng và đưa công nghệ vào các sản phẩm thực tế. Nhiều mô hình cũng được cung cấp qua máy chủ với mức giá thấp hơn đáng kể so với một số dịch vụ của Mỹ.

Nhờ đó, các công ty Trung Quốc có thể gia tăng ảnh hưởng trong hệ sinh thái AI toàn cầu ngay cả khi chưa dẫn đầu về năng lực của những mô hình tiên tiến nhất. Scott Singer cho biết nhiều DN, trong đó có một số công ty tại Mỹ, đang xây dựng sản phẩm dựa trên hạ tầng AI do Trung Quốc phát triển.

Khác biệt về cách tiếp cận thị trường cũng là một điểm đáng chú ý. Theo Grace Shao, tại Thung lũng Silicon, các cuộc thảo luận về AI thường xoay quanh triển vọng AI tổng quát (AGI). Trong khi đó, tại Trung Quốc, AI thường được nhìn nhận như một hạ tầng hoặc công cụ có thể đưa vào nền kinh tế thực.

Điều này thể hiện rõ trong lĩnh vực robot. Trung Quốc có lợi thế về chuỗi cung ứng phần cứng, giúp DN tích hợp phần mềm AI vào sản phẩm với chi phí thấp và tốc độ nhanh hơn. Tuy nhiên, ranh giới giữa hai cách tiếp cận không hoàn toàn rõ ràng: các công ty Mỹ cũng phát triển sản phẩm thương mại, trong khi một số nhà sáng lập AI Trung Quốc vẫn theo đuổi mục tiêu AGI.

Môi trường nghiên cứu có sức hút riêng

Ngoài quy mô thị trường, cơ hội nghề nghiệp cũng góp phần giúp Trung Quốc thu hút nhân tài. Theo kết quả phỏng vấn do Tạp chí Nature thực hiện, DNTrung Quốc thường cởi mở hơn trong tuyển dụng thực tập sinh và cho phép họ tham gia vào những phần việc cốt lõi của nghiên cứu.

Các công ty khởi nghiệp tại Trung Quốc cũng có xu hướng ít phân cấp hơn và đặt yêu cầu kinh nghiệm thấp hơn khi tuyển dụng. Phân tích của Epoch AI cho thấy các phòng thí nghiệm AI thương mại tại Mỹ yêu cầu ứng viên trung bình 5,5 năm kinh nghiệm, trong khi con số này tại Trung Quốc là 1,6 năm [6].

Mối liên hệ giữa ĐH và DN cũng tương đối chặt chẽ. Một số công ty AI hình thành từ các nhóm nghiên cứu trong trường ĐH, giúp kiến thức học thuật được chuyển hóa thành sản phẩm nhanh hơn. Các mô hình mở cũng có thể tạo điều kiện để sinh viên nghiên cứu công nghệ mà không phải tiếp cận những quy trình phát triển quá khép kín.

Tuy nhiên, môi trường này đi kèm áp lực cạnh tranh cao. Các nhà nghiên cứu được phỏng vấn cho biết họ thường phải làm việc nhiều giờ, chịu sức ép công bố bài báo và đáp ứng các tiêu chí định lượng trong tuyển dụng hoặc xét thăng tiến học thuật.

Vì vậy, khả năng giữ chân nhân tài không chỉ phụ thuộc vào số lượng nhà nghiên cứu hay mức độ phát triển của DN. Chất lượng môi trường làm việc, cơ hội theo đuổi ý tưởng dài hạn và khả năng tiếp cận nguồn lực cũng có thể quyết định liệu các nhà khoa học có tạo ra đột phá hay không.

Cuộc đua AI sẽ phụ thuộc vào những ý tưởng mới

Trung Quốc đang có nhiều điều kiện để tiếp tục thu hẹp khoảng cách với Mỹ: nguồn nhân lực đông đảo, hệ sinh thái nghiên cứu và DN kết nối chặt chẽ, cùng động lực phát triển những phương pháp AI tiết kiệm tài nguyên. Các mô hình mở và chi phí sử dụng thấp cũng giúp công nghệ Trung Quốc tiếp cận nhiều người dùng trên thế giới.

Dẫu vậy, Mỹ vẫn giữ lợi thế về vốn đầu tư, chip tính toán và năng lực của những mô hình tiên tiến nhất. Những hạn chế này có thể khiến khoảng cách công nghệ tiếp tục tồn tại, thậm chí nới rộng nếu các DN Mỹ tận dụng hiệu quả hơn AI để tự cải thiện hệ thống của mình.

Cuộc cạnh tranh AI vì thế không chỉ là cuộc đua về số lượng mô hình, nhân lực hay chip. Khả năng chuyển hóa nguồn lực thành phương pháp hiệu quả, xây dựng môi trường nghiên cứu bền vững và tạo ra những đột phá thực sự sẽ góp phần quyết định vị thế của mỗi quốc gia trong những năm tới./.

“

Tài liệu tham khảo

[1] Daniel Hook (2025), "DeepSeek and the New Geopolitics of AI: China’s Ascent to Research Pre-eminence in AI", Digital Science, https://www.digital-science.com/press-releases/new-report-shows-china-dominates-in-ai-research/, accessed 14 October 2026.

[2] D. Ma, B. Yang (2025), “Who’s ahead in the global AI talent race?”, Carnegie Endowment for International Peace - Carnegie China, https://lync.ceip.org/china/features/whos-ahead-in-the-global-ai-talent-race, accessed 14 October 2026.

[3] Matt Sheehan, Sophie Zhuang (2025), “Have top chinese AI researchers stayed in the United States?”, Carnegie Endowment for International Peace - Emissary, https://carnegieendowment. org/emissary/2025/12/china-ai-researchers-us-talent-pool, accessed 14 October 2026.

[4] Stanford Institute for Human-Centered Artificial Intelligence (2026), “Research and development”, AI Index Report 2026, https://hai.stanford.edu/assets/files/ai_index_report_2026_chapter_1_research_development.pdf, accessed 14 October 2026.

[5] Stanford Institute for Human-Centered Artificial Intelligence (2026), “Economy”, AI Index Report 2026, https://hai.stanford. edu/assets/files/ai_index_report_2026_chapter_4_economy.pd, accessed 14 October 2026.

[6] Epoch AI (2026), “What we learned from 1,604 Chinese AI job postings”, https://epoch.ai/gradient-updates/what-we-learned-from-1604-chinese-ai-job-postings, accessed 14 October 2026.