Các tập đoàn công nghệ Trung Quốc đồng loạt tung ra loạt AI trong dịp Tết Nguyên đán

Chiến dịch phối hợp nhằm chinh phục biên giới AI vật lý

Trong khi thị trường Mỹ vẫn chăm chú theo dõi những thông báo mới nhất từ Anthropic và OpenAI, các tập đoàn công nghệ Trung Quốc tuần này đã phối hợp ra mắt loạt hệ thống trí tuệ nhân tạo tiên tiến, báo hiệu sự thay đổi đáng kể trong cục diện AI toàn cầu. Alibaba, ByteDance và Kuaishou công bố các mô hình sẵn sàng đưa vào sử dụng, thuộc nhiều lĩnh vực như robot, tạo video mang tính điện ảnh và hệ thống tác tử tự hành. Những sản phẩm này cho thấy các công ty Trung Quốc đã thu hẹp khoảng cách công nghệ với đối thủ phương Tây xuống chỉ còn vài tháng.

Thời điểm ra mắt rõ ràng được tính toán có chủ đích. Các sản phẩm được công bố trùng với dịp Tết Nguyên đán, thời điểm tiêu dùng quan trọng nhất ở Trung Quốc, khi các công ty công nghệ thường giới thiệu sáng kiến mới tới hàng trăm triệu khán giả trong chương trình Gala Tết Xuân của CCTV. ByteDance giành được thỏa thuận độc quyền hợp tác điện toán đám mây AI với đài truyền hình nhà nước, trong khi Alibaba triển khai chiến dịch quảng bá trị giá 434 triệu USD và Tencent cam kết chi 1 tỷ nhân dân tệ cho các chương trình tặng quà dịp lễ. Sự hội tụ giữa năng lực công nghệ và tiếp thị văn hóa cho thấy quyết tâm của Bắc Kinh nhằm chiếm ưu thế trong lĩnh vực mà giới trong ngành gọi là biên giới AI vật lý: các hệ thống vượt xa chatbot, có thể thao tác đồ vật, tạo nội dung truyền thông chân thực như ảnh chụp và tự thực hiện quy trình phức tạp.

Khi máy móc ghi nhớ: Cược lớn của Alibaba vào trí tuệ hiện thân

Viện DAMO của Alibaba giới thiệu RynnBrain, một mô hình robot mã nguồn mở đánh dấu bước tiến căn bản trong cách máy móc cảm nhận và tương tác với thế giới vật lý. Khác với các hệ thống thị giác thông thường xử lý từng khung hình riêng lẻ, RynnBrain được tích hợp khả năng nhận thức thời gian và không gian, giúp robot ghi nhớ sự việc xảy ra khi nào và ở đâu, theo dõi tiến độ nhiệm vụ qua nhiều bước và tiếp tục các hoạt động bị gián đoạn.

Trong các video trình diễn, robot được trang bị những chiếc kẹp đơn giản đã thực hiện các nhiệm vụ có vẻ đơn giản nhưng thực chất khá phức tạp: đếm cam, chọn những quả cụ thể trong đống trái cây và lấy sữa trong tủ lạnh. Những việc này rất dễ với con người nhưng đòi hỏi năng lực tính toán đáng kể, bao gồm nhận diện vật thể, lập bản đồ không gian, hoạch định quỹ đạo và ghi nhớ trình tự. Adina Yakefu, nhà nghiên cứu tại Hugging Face, giải thích ý nghĩa của cải tiến kiến trúc này.

Thay vì chỉ phản ứng với đầu vào tức thời, robot có thể ghi nhớ sự việc xảy ra khi nào và ở đâu, theo dõi tiến độ nhiệm vụ và tiếp tục thực hiện qua nhiều bước. Nhờ đó, robot hoạt động đáng tin cậy và nhất quán hơn trong những môi trường thực tế phức tạp.

Mô hình sử dụng kiến trúc hỗn hợp chuyên gia, chỉ kích hoạt 3 tỷ tham số khi suy luận, giúp kiểm soát chi phí tính toán. Theo báo cáo, mô hình vượt trội hơn Gemini Robotics-ER 1.5 của Google và Cosmos-Reason2 của Nvidia trong nhiều bài đánh giá. Việc đưa RynnBrain lên GitHub và Hugging Face dưới dạng mã nguồn mở giúp Alibaba cạnh tranh với các đối thủ thu phí cho năng lực tương đương trên nền tảng đám mây, đồng thời phát đi tín hiệu về tham vọng xây dựng một lớp trí tuệ nền tảng cho tự động hóa công nghiệp, logistics và các ứng dụng y tế.

Thách thức Hollywood: ByteDance và Kuaishou viết lại quy trình sản xuất video

Seedance 2.0 của ByteDance và Kling 3.0 của Kuaishou đã biến công nghệ tạo video từ văn bản từ một thứ mới lạ thành công cụ sản xuất chuyên nghiệp, trực tiếp thách thức Sora của OpenAI và tạo nên điều mà các nhà phân tích mô tả là một nền tảng tiêu chuẩn công nghiệp cho nội dung sáng tạo.

Seedance 2.0 xử lý đồng thời văn bản, hình ảnh, âm thanh và video, tạo ra các cảnh quay mang tính điện ảnh dài tới 15 giây với nhân vật nhất quán, chuyển động vật lý chân thực và âm thanh đa ngôn ngữ đồng bộ. Hệ thống được tích hợp vào bộ công cụ Dreamina của ByteDance trong CapCut, trở thành công cụ dễ tiếp cận với nhà quảng cáo, nhà sáng tạo nội dung mạng xã hội và nhà sản xuất phim. Billy Boman, giám đốc sáng tạo ở Stockholm chuyên sản xuất nội dung bằng AI, mô tả quỹ đạo phát triển công nghệ này là bước chuyển mang tính đột phá.

Năm 2023, chỉ cần khiến một người chạy hoặc đi bộ đã là rất khó. Mọi dạng hình ảnh chân thực đều chỉ giới hạn trong những đoạn clip rất ngắn; mọi thứ đều rất chậm, kết cấu hình ảnh kém, thiếu kết cấu da và chi tiết. Giờ đây tình thế đã đảo ngược. Tôi có thể làm bất cứ điều gì. Những tiến bộ công nghệ đạt được thật sự xuất sắc.

Tuy nhiên, việc triển khai nhanh chóng đã phơi bày những lỗ hổng trong quản trị. ByteDance đình chỉ tính năng Face-to-Voice gây tranh cãi, vốn có thể tái tạo giọng nói và phong cách diễn đạt riêng của một người chỉ từ một bức ảnh, không cần mẫu âm thanh hay sự đồng ý. Nhà đánh giá công nghệ Trung Quốc Tim Pan trình diễn khả năng này vào ngày 10/2 và mô tả trải nghiệm là gây kinh hãi, sau khi hệ thống sao chép giọng ông chỉ từ một hình ảnh. Sự việc cho thấy căng thẳng giữa năng lực công nghệ và các rào chắn đạo đức, nhất là khi một video lan truyền mô tả cuộc ẩu đả giả mạo giữa Tom Cruise và Brad Pitt khiến Hiệp hội Điện ảnh Mỹ chính thức khiếu nại về hành vi xâm phạm bản quyền trên diện rộng.

Kling 3.0 của Kuaishou có những thế mạnh bổ trợ, tập trung vào kể chuyện chuyên nghiệp thông qua độ nhất quán cao hơn của chủ thể giữa các cảnh quay, tính chân thực vật lý trong cảnh phức tạp và khả năng tạo âm thanh gốc bằng nhiều ngôn ngữ, phương ngữ. Mô hình hỗ trợ tạo hàng loạt ảnh theo nhóm để lập bảng phân cảnh, kéo dài thời lượng mỗi lần tạo video lên 15 giây và cho phép xác định chính xác thời lượng, khuôn hình và chuyển động máy quay của từng cảnh. Kling hiện dành cho người đăng ký trả phí, dự kiến sớm phát hành rộng rãi. Sản phẩm giúp giá cổ phiếu Kuaishou tăng hơn 50% trong năm qua, phản ánh niềm tin của nhà đầu tư rằng các công cụ nội dung ứng dụng AI sẽ tăng mức độ tương tác và tạo nguồn doanh thu mới trong hệ sinh thái video ngắn.

Dân chủ hóa trí tuệ: Làn sóng mã nguồn mở

Ngoài các ứng dụng hướng tới người tiêu dùng, các phòng thí nghiệm Trung Quốc đang đẩy nhanh việc phân phối mô hình ngôn ngữ lớn và hệ thống tác tử dưới dạng mã nguồn mở. Zhipu AI ra mắt GLM-5, tuyên bố mô hình đạt gần mức Claude Opus 4.5 của Anthropic trong các bài đánh giá lập trình, đồng thời vượt Gemini 3 Pro của Google trong một số bài kiểm tra cụ thể. MiniMax giới thiệu phiên bản cập nhật M2.5 mã nguồn mở với các công cụ nâng cao dành cho tác tử tự hành, tức những hệ thống AI có thể thực hiện quy trình nhiều bước như lên lịch, nghiên cứu hoặc triển khai phần mềm mà chỉ cần con người can thiệp ở mức tối thiểu.

Chiến lược mã nguồn mở này tương phản rõ rệt với cách tiếp cận thương mại đóng của một số công ty AI hàng đầu phương Tây. Bằng cách công bố trọng số mô hình, mã huấn luyện và tập dữ liệu, các công ty Trung Quốc thúc đẩy hệ sinh thái ứng dụng, nhanh chóng thu thập phản hồi và kích thích đổi mới ở các khâu tiếp theo, đồng thời giảm bớt những hạn chế về năng lực tính toán do các biện pháp kiểm soát xuất khẩu chất bán dẫn tiên tiến của Mỹ gây ra. Năm 2025, dòng Qwen của Alibaba vượt Llama của Meta để trở thành dòng mô hình được tải xuống nhiều nhất trên Hugging Face; các nhóm có xuất xứ Trung Quốc hiện chiếm tám trong mười vị trí hàng đầu trên danh sách xu hướng của nền tảng.

Alibaba tiếp tục mở rộng danh mục với Qwen 3.5, được thiết kế riêng cho kỷ nguyên AI tác tử, tích hợp khả năng tác tử thị giác để tự hành động trên các ứng dụng di động và máy tính để bàn. Công ty cho biết chi phí vận hành mô hình thấp hơn 60% và khả năng xử lý khối lượng công việc lớn tốt gấp tám lần so với phiên bản tiền nhiệm. Cùng lúc đó, ByteDance ra mắt Doubao 2.0, phiên bản nâng cấp của ứng dụng chatbot được sử dụng rộng rãi nhất Trung Quốc, hiện có gần 200 triệu người dùng.

Ba con đường dẫn tới ưu thế: Hiệu quả, kể chuyện và thương mại

Phân tích thị trường của Huachuang Securities cho thấy ba tập đoàn công nghệ lớn có định hướng chiến lược khác biệt. ByteDance đang xây dựng hạ tầng nâng cao hiệu quả, cung cấp các công cụ dễ tiếp cận, chi phí thấp và đa năng tương tự một phiên bản CapCut tiên tiến, nhằm giảm chi phí sản xuất nội dung trên mạng và nuôi dưỡng hệ sinh thái thông qua sản lượng khổng lồ.

Kuaishou nhấn mạnh khả năng kể chuyện chuyên nghiệp, tập trung vào mô phỏng vật lý, tính chân thực trong những cảnh phức tạp và độ nhất quán của nhân vật, phục vụ các video trình diễn phim, nội dung điện ảnh và nội dung chất lượng cao đòi hỏi mạch truyện liền lạc. Trong khi đó, Alibaba tập trung tích hợp theo chiều dọc vào thương mại điện tử. Qwen-Image-2.0 củng cố năng lực số hóa sản phẩm và xử lý quy trình thương mại, với sự hỗ trợ của các chiến dịch quảng bá tạo ra hơn 120 triệu đơn hàng trong sáu ngày nhờ phân phối phiếu giảm giá bằng AI và tích hợp dịch vụ giao đồ ăn.

Sự khác biệt này phản ánh cuộc cách mạng rộng hơn ở phía cung trong lĩnh vực sáng tạo nội dung. Khi khả năng kiểm soát được cải thiện và các hệ thống kiểu “quay thưởng”, trong đó nhà sáng tạo phải liên tục tạo nội dung mới có được kết quả dùng được, nhường chỗ cho quy trình sản xuất công nghiệp có thể dự đoán, chi phí biên của việc tạo video đang tiến gần tới mức chỉ còn là chi phí tính toán. Các nhà phân tích dự báo điều này sẽ tác động đáng kể đến các công ty tiếp thị, nhà cung cấp dịch vụ thương mại điện tử, ngành truyện tranh và phim ngắn; trong khi giá trị sở hữu trí tuệ có thể tập trung vào nội dung hàng đầu khi rào cản sản xuất giảm xuống.

Khoảng cách thu hẹp trong một thế giới phân cực

Demis Hassabis, lãnh đạo Google DeepMind, gần đây nhận định các mô hình AI Trung Quốc chỉ chậm hơn đối thủ phương Tây vài tháng. Khoảng cách này tiếp tục thu hẹp khi các phòng thí nghiệm Trung Quốc tối ưu mô hình cho phần cứng sẵn có trong nước và phát triển năng lực sản xuất chip nội địa. Hiện Trung Quốc chiếm hơn 70% số đơn đăng ký bằng sáng chế AI toàn cầu, dù các công ty Mỹ vẫn dẫn đầu về kiến trúc nền tảng và mức độ được trích dẫn.

Cạnh tranh ngày càng được quyết định bởi hiệu quả suy luận và mức độ tích hợp hệ sinh thái thay vì chỉ dựa vào kết quả đánh giá hiệu năng thô. Đà nổi lên nhanh chóng của DeepSeek vào cuối năm 2025 cho thấy các phòng thí nghiệm Trung Quốc có thể đạt hiệu năng ngang các mô hình phương Tây với chi phí tính toán chỉ bằng một phần nhỏ, thúc đẩy toàn ngành tăng tốc. Các biện pháp kiểm soát xuất khẩu của Mỹ đối với chip bộ nhớ băng thông cao và thiết bị sản xuất tiên tiến đã gây khó khăn nhưng không chặn được tiến trình này; các công ty như Huawei đang phát triển những dây chuyền sản xuất bán dẫn tự chủ.

Đồng thời, các công ty công nghệ Mỹ siết chặt quyền tiếp cận của nhà phát triển Trung Quốc. OpenAI chặn quyền truy cập API vào tháng 7/2024, Microsoft chấm dứt dịch vụ Azure OpenAI dành cho nhà phát triển cá nhân ở Trung Quốc đại lục, còn các thông tin cho biết Anthropic đã đình chỉ tài khoản Claude. Những hạn chế này chỉ càng thúc đẩy nỗ lực phát triển trong nước, tạo nên cục diện AI đa cực, nơi vị thế dẫn đầu khác nhau tùy lĩnh vực chứ không chỉ tùy khu vực địa lý.

Điểm chính

• Alibaba, ByteDance và Kuaishou đồng loạt ra mắt các mô hình AI trong dịp Tết Nguyên đán, tập trung vào robot, tạo video và hệ thống tác tử
• Mô hình robot mã nguồn mở RynnBrain của Alibaba tích hợp nhận thức thời gian và không gian, giúp robot theo dõi nhiệm vụ qua nhiều bước và ghi nhớ tương tác với đồ vật
• Seedance 2.0 của ByteDance tạo video điện ảnh từ yêu cầu bằng văn bản, nhưng đã đình chỉ tính năng sao chép giọng nói vì lo ngại về sự đồng ý sau khi một nhà đánh giá trình diễn năng lực gây kinh hãi của hệ thống
• Kling 3.0 của Kuaishou chú trọng kể chuyện chuyên nghiệp với khả năng tạo video dài 15 giây, âm thanh đa ngôn ngữ và độ nhất quán nhân vật cao hơn, góp phần thúc đẩy giá cổ phiếu tăng 50% trong năm qua
• Các công ty AI Trung Quốc theo đuổi chiến lược mã nguồn mở quyết liệt; dòng Qwen của Alibaba đã vượt Llama của Meta để trở thành dòng mô hình được tải xuống nhiều nhất trên Hugging Face
• Định hướng chiến lược khác biệt: ByteDance tập trung vào hạ tầng hiệu quả, Kuaishou vào tính chân thực điện ảnh và Alibaba vào tích hợp thương mại điện tử theo chiều dọc
• Google DeepMind ước tính mô hình Trung Quốc chỉ chậm hơn các đối thủ phương Tây vài tháng; khoảng cách thu hẹp nhanh nhất ở hiệu quả suy luận và ứng dụng đa phương thức