Làm chủ công nghệ chiến lược

Xây nền tảng tự chủ công nghệ chiến lược

Làm chủ công nghệ chiến lược không chỉ là tạo ra sản phẩm mới, mà còn là khả năng kiểm soát công nghệ lõi, dữ liệu, hạ tầng và quy trình vận hành, từng bước phát triển các thế hệ sản phẩm tiếp theo. Đây là quá trình đòi hỏi nguồn lực lớn, thời gian dài và sự phối hợp giữa Nhà nước, nhà trường, viện nghiên cứu và doanh nghiệp.

Thực tế, khoảng cách giữa nghiên cứu và ứng dụng vẫn là một trong những điểm nghẽn của hệ sinh thái khoa học, công nghệ Việt Nam. Chi nghiên cứu và phát triển do khu vực doanh nghiệp thực hiện mới tương đương 0,3% GDP, thấp hơn Singapore (1,3%), Trung Quốc (2,1%) và Hàn Quốc (4,2%). Nhiều kết quả nghiên cứu vẫn gặp khó khi chuyển sang giai đoạn thử nghiệm, hoàn thiện và thương mại hóa.

Điều này cho thấy liên kết “3 nhà” không thể chỉ dừng ở thỏa thuận hợp tác hay trao đổi học thuật. Doanh nghiệp cần tham gia từ khâu xác định bài toán, đặt hàng nghiên cứu đến thử nghiệm và tiếp nhận sản phẩm; viện, trường phát huy năng lực nghiên cứu, phát triển công nghệ; Nhà nước tạo hành lang chính sách, hỗ trợ nguồn lực và chia sẻ rủi ro phù hợp.

Một ví dụ về nỗ lực làm chủ công nghệ lõi là nghiên cứu, phát triển mô hình ngôn ngữ lớn tiếng Việt (LLM) tại Viettel AI. Theo ông Trịnh Đình Hoàn, Trung tâm Dịch vụ dữ liệu và Trí tuệ nhân tạo Viettel, phát triển LLM tiếng Việt đặt ra nhiều thách thức về hạ tầng tính toán, dữ liệu và nhân lực chuyên sâu. Để giải quyết bài toán này, Viettel AI đầu tư hệ thống gồm 22 máy chủ NVIDIA DGX B200 với 176 GPU, năng lực tính toán được công bố đạt 1,5 ExaFLOPS FP8.

Cùng với hạ tầng, đơn vị triển khai các giai đoạn huấn luyện và hậu huấn luyện mô hình, sử dụng Nemotron Super 120B cùng các phương pháp huấn luyện tiếp tục, tinh chỉnh có giám sát và học tăng cường. Kết quả đánh giá trên bộ chuẩn VMLU được tham luận công bố đạt 90,04%.

Trường hợp này cho thấy làm chủ công nghệ AI không chỉ là sở hữu một mô hình, mà còn phải xây dựng năng lực tính toán, dữ liệu và quy trình phát triển phù hợp với ngôn ngữ, nhu cầu trong nước. Tuy nhiên, năng lực nghiên cứu cần được kết nối với bài toán ứng dụng cụ thể và có đơn vị tiếp nhận để công nghệ tạo ra giá trị.

Nếu Viettel AI cho thấy yêu cầu đầu tư đồng bộ để phát triển công nghệ lõi, các nghiên cứu của nhóm NAVIS thuộc Đại học Bách khoa Hà Nội lại gợi mở cách đưa sản phẩm từ môi trường học thuật đến thử nghiệm và ứng dụng.

Theo PGS. TS Lã Thế Vinh, hệ thống mô phỏng tín hiệu vệ tinh dẫn đường NAVISIM đã được chuyển giao cho Trung tâm Kỹ thuật Tiêu chuẩn Đo lường Chất lượng 2 (QUATEST 2) từ năm 2019 và được sử dụng tại Trung tâm Ứng dụng và Phát triển công nghệ (NACENTECH). Đây là minh chứng cho vai trò của các đơn vị kiểm định, thử nghiệm trong quá trình đưa công nghệ nghiên cứu vào môi trường thực tế.

Nhóm nghiên cứu cũng phát triển các giải pháp BKCA và BKCAeID phục vụ nhận dạng, xác thực sinh trắc học, phối hợp với Bộ Công an và Tecapro. Trong lĩnh vực công nghệ biển, nhóm hợp tác với Vietsovpetro và Viện Dầu khí Việt Nam phát triển robot lặn điều khiển từ xa (ROV). Nền tảng BK16 được thử nghiệm trong quan sát chân đế công trình biển; thiết bị PROV-02 ghi nhận hoạt động ở độ sâu khoảng 95 m. Những kết quả này cho thấy tiềm năng kết hợp năng lực nghiên cứu của trường đại học với nhu cầu và điều kiện thử nghiệm từ doanh nghiệp.

Đặt hàng nghiên cứu, đồng đầu tư để đi đến sản phẩm

Từ thực tiễn phát triển LLM tiếng Việt, ông Trịnh Đình Hoàn đề xuất tăng cường phối hợp giữa Nhà nước, nhà trường và doanh nghiệp trên ba phương diện. Trước hết, nghiên cứu cần gắn với nhu cầu thực tiễn và những bài toán lớn của quốc gia. Các bộ, ngành, địa phương và tổ chức cần tham gia xác định bài toán, đặt hàng, cung cấp yêu cầu nghiệp vụ, dữ liệu và môi trường thử nghiệm; doanh nghiệp công nghệ phối hợp với trường đại học nghiên cứu, hoàn thiện mô hình theo nhu cầu sử dụng.

Bên cạnh đó, cần hình thành nguồn dữ liệu tiếng Việt chất lượng và cơ chế khai thác hiệu quả. Ba nhà cần phối hợp trong số hóa, chuẩn hóa, phân loại, làm sạch, lưu trữ và chia sẻ dữ liệu; đồng thời làm rõ quyền khai thác, trách nhiệm quản lý, bảo vệ dữ liệu cá nhân, sở hữu trí tuệ và an toàn thông tin.

Viettel AI cũng đề xuất tập hợp nguồn lực chuyên gia, hình thành các chương trình nghiên cứu chung giữa doanh nghiệp với trường đại học, viện nghiên cứu. Doanh nghiệp có lợi thế về hạ tầng và kinh nghiệm triển khai, trong khi trường, viện có đội ngũ chuyên gia và năng lực nghiên cứu chuyên sâu. Sự kết hợp này cần được duy trì trong các chương trình dài hạn, từ xác định bài toán đến nghiên cứu, đánh giá và ứng dụng sản phẩm.

Ở góc độ trường đại học, PGS. TS Lã Thế Vinh đề xuất cơ chế đặt hàng và đồng đầu tư theo từng giai đoạn, nhằm rút ngắn khoảng cách giữa nguyên mẫu trong phòng thí nghiệm và sản phẩm có thể vận hành ổn định. NAVIS kiến nghị quy trình phát triển gồm bốn mốc: chứng minh nguyên lý, hoàn thiện nguyên mẫu, thử nghiệm trong điều kiện sử dụng và chuẩn bị cung ứng. Mỗi giai đoạn cần có chỉ tiêu đo lường cụ thể và sự tham gia đánh giá của đơn vị sử dụng; quyết định chuyển tiếp, điều chỉnh hay dừng nghiên cứu phải dựa trên kết quả kiểm chứng.

Theo nhóm nghiên cứu, sau khi có nguyên mẫu, các hoạt động thử nghiệm hiện trường, hiệu chuẩn, kiểm tra độ bền và xây dựng dịch vụ đi kèm vẫn cần kinh phí đáng kể. Việc mua sắm vật tư đặc thù, đáp ứng yêu cầu hợp chuẩn, hợp quy và thiếu cơ sở pháp lý cho thử nghiệm cũng có thể làm chậm quá trình hoàn thiện sản phẩm.

Với robot lặn mini ROV, dù đã có kết quả nghiên cứu và thử nghiệm, việc chuyển sang sản xuất thử vẫn gặp khó do chưa dễ chứng minh hiệu quả kinh tế và khả năng cạnh tranh về giá. Vì vậy, NAVIS kiến nghị cơ chế đồng đầu tư nối tiếp giữa các giai đoạn, đồng thời hoàn thiện hành lang pháp lý cho thử nghiệm công nghệ mới, trong đó có cơ chế thử nghiệm có kiểm soát (sandbox).

Hai nhóm đề xuất từ Viettel AI và NAVIS cho thấy chính sách hỗ trợ cần đi sát từng khâu phát triển công nghệ. Đây là điều kiện để liên kết “3 nhà” không dừng ở hợp tác nghiên cứu, mà tạo ra sản phẩm có khả năng ứng dụng và phát triển trên thị trường.