Bài toán hạ tầng AI: không còn là chuyện mua vài cái máy chủ
Hạ tầng AI Việt Nam là toàn bộ lớp năng lượng, chip, máy chủ GPU, mạng, lưu trữ và phần mềm điều phối giúp các mô hình và AI agent vận hành ổn định, an toàn, đáp ứng khối lượng giao dịch tài chính lớn, đồng thời bảo đảm chủ quyền dữ liệu và khả năng mở rộng cho ngân hàng, doanh nghiệp trong nước. Đây không phải câu chuyện mua vài thiết bị, mà là quyết định chiến lược về vốn, nhân sự và rủi ro công nghệ. Nếu phải chọn một thông điệp trọng tâm, đó là: ngân hàng và doanh nghiệp Việt không nên ôm tham vọng tự làm tất cả, từ chip, hạ tầng đến mô hình nền tảng, trong một cuộc chơi AI đang đòi hỏi vốn khổng lồ và tốc độ đổi mới chóng mặt. Bài toán đúng lúc này là xác định ranh giới rõ ràng giữa phần cần làm chủ và phần nên thuê ngoài, thay vì chạy theo phong trào “tự xây mọi thứ” rồi mắc kẹt trong chi phí triển khai AI phình to mà hiệu quả kinh tế không tương xứng.
Máy chủ 8 GPU giá 20 tỷ và rủi ro đầu tư dài hạn trong thế giới AI đổi từng tháng
Khi nói đến đầu tư máy chủ GPU, nhiều lãnh đạo ngân hàng vẫn hình dung đây là khoản chi một lần cho một tài sản cố định. Thực tế, một máy chủ tích hợp 8 GPU chuyên dụng cho AI có giá khoảng 20 tỷ đồng – con số đủ khiến bất kỳ ban điều hành nào phải cân nhắc rất kỹ về khả năng thu hồi vốn và áp lực lợi nhuận trên mỗi đồng đầu tư. Tệ hơn, thời gian tiếp cận thiết bị không hề ngắn: phải chờ phê duyệt từ phía Mỹ, và nếu không thuận lợi thì việc chờ 10 tháng đến 1 năm là bình thường, trong khi tốc độ thay đổi của AI diễn ra liên tục. Đây chính là điểm nghịch lý: hạ tầng AI càng đắt đỏ, vòng đời công nghệ càng ngắn. Một thế hệ GPU mới, một kiến trúc mô hình mới có thể khiến dàn máy chủ vừa mua trở nên kém hiệu quả chỉ sau vài quý. Điều này bào mòn lợi thế time-to-market – yếu tố sống còn khi ngân hàng chạy đua tung sản phẩm số mới. Nếu vẫn giữ tư duy đầu tư hạ tầng như đầu tư trụ sở, nhiều tổ chức sẽ biến bảng cân đối kế toán thành bảo tàng thiết bị lỗi thời.
Bài học từ Citi: tái cấu trúc bộ máy AI, làm chủ con người và ứng dụng thay vì ôm phần cứng
Trong khi nhiều ngân hàng Việt còn đang tranh luận chuyện tự xây hay thuê ngoài hạ tầng AI, một số tổ chức lớn trên thế giới đã chọn cách đi khác: tái cấu trúc bộ máy AI quanh con người và ứng dụng. Citi đang đẩy nhanh chiến lược AI khi bổ nhiệm một chuyên gia từng làm việc tại Google, đồng thời tái cấu trúc bộ máy AI trên toàn hệ thống. Theo American Banker, ngân hàng này đã đưa Sebastian Gnagnarella – cựu giám đốc kỹ thuật tại Google – về phụ trách AI ứng dụng và bộ phận Agent Factory. Trước đó, họ cũng tuyển Brian Saluzzo, một cựu nhân sự Google, làm CIO. Citi không dừng ở việc nói về chiến lược AI trên giấy. Họ đã triển khai các công cụ AI cho hơn 180.000 nhân viên tại 87 quốc gia, đưa AI vào quy trình KYC và quản lý tài sản. Khoảng 14.000 kỹ sư đang dùng Devin – công cụ viết mã bằng AI – và ngân hàng cho biết chi phí trả cho nhà cung cấp công nghệ bên ngoài đã giảm 30% so với cùng kỳ năm trước. Đây là câu trả lời rõ ràng: thay vì đổ tiền vào mô hình nền tảng, họ đầu tư vào đội ngũ, quy trình và khả năng ứng dụng AI ở quy mô lớn.
Ngân hàng Việt: tập trung vào dữ liệu, kỹ năng và AI agent, để hạ tầng cho đối tác chuyên sâu
Tại một hội thảo về chiến lược AI ngân hàng, câu hỏi thẳng thắn được đặt ra: khi dữ liệu là “dầu mỏ” của ngành, ngân hàng nên tự xây hệ thống AI đến đâu, và bắt tay với đối tác ở phần nào. Từ góc nhìn cấu trúc 5 lớp của ngành AI – năng lượng, chip, hạ tầng, mô hình, ứng dụng – CEO một đơn vị AI Cloud nội địa cho rằng doanh nghiệp Việt, kể cả các tập đoàn công nghệ lớn, không nên lao vào lớp mô hình nền tảng vì đó là cuộc chơi “đốt tiền rất khủng khiếp và phải đốt liên tục” mà có lẽ chỉ Mỹ và Trung Quốc kham nổi. Thay vào đó, ông nhấn mạnh các ngân hàng chỉ nên tập trung làm chủ hai yếu tố: tốc độ đổi mới kỹ năng của con người, cùng dữ liệu và tri thức nghiệp vụ riêng. Thực tế, sự chuyển dịch từ chiến lược AI sang vận hành đang diễn ra rất nhanh ở lớp ứng dụng AI agent. Một lãnh đạo ngân hàng cho biết họ phục vụ 18 triệu khách hàng với khoảng 12.000 nhân sự, quy mô nhân sự gần như không đổi nhưng doanh thu vẫn tăng 20–25% mỗi năm; riêng AI và Copilot đã giúp năng suất tăng thêm 25–30%. Đây là câu nói đáng trích: “Lợi thế cạnh tranh không còn nằm ở việc ngân hàng nào ứng dụng nhiều công nghệ hơn, mà ở khả năng biến dữ liệu thành giá trị, biến công nghệ thành năng suất”.
Kết luận: lựa chọn khó nhưng rõ – làm chủ cái không thể thuê, thuê cái không cần làm chủ
Nhìn từ chi phí đầu tư máy chủ GPU, thời gian chờ thiết bị kéo dài và tốc độ đổi mới của AI, việc coi hạ tầng AI như một khoản đầu tư dài hạn, cố định là một sai lầm chiến lược. Hạ tầng AI Việt Nam đang bước vào giai đoạn mà mỗi quyết định mua sắm đều mang theo rủi ro công nghệ: một thế hệ GPU mới, một mô hình mới có thể khiến cả kiến trúc phải thiết kế lại. Trong bối cảnh đó, ngân hàng và doanh nghiệp Việt cần dũng cảm từ bỏ tư duy “tự làm cho oai”, chuyển sang tư duy tối ưu nguồn lực: làm chủ dữ liệu, kỹ năng con người, khung quản trị và các ứng dụng AI gắn với nghiệp vụ; còn phần hạ tầng tính toán hiệu năng cao nên được xây trên nền hợp tác với các đối tác chuyên sâu. Bài học từ các tổ chức lớn như Citi cho thấy: tái cấu trúc bộ máy AI quanh con người, ứng dụng và quản trị rủi ro có thể vừa giảm chi phí triển khai AI, vừa tăng tốc đưa sản phẩm ra thị trường. Nếu ngân hàng Việt tiếp tục chạy theo cuộc đua phần cứng và mô hình nền tảng, họ sẽ tiêu hao nguồn lực vào nơi ít tạo khác biệt. Ngược lại, nếu chọn đúng điểm để đầu tư – dữ liệu, kỹ năng, niềm tin khách hàng và khả năng chống chịu số – AI sẽ trở thành lợi thế cạnh tranh bền vững, chứ không phải một “chiếc áo khoác đẹp” để khoe trong báo cáo.
