Ưu tiên tăng nhanh, ngân sách chưa theo kịp
Agentic AI là hệ thống trí tuệ nhân tạo sử dụng các tác nhân tự thực hiện chuỗi công việc nhiều bước, từ truy xuất dữ liệu và gọi ứng dụng đến thực thi mã, thay vì chỉ trả lời một câu lệnh đơn lẻ. Ngày 28/10, Intel công bố nghiên cứu phối hợp với IDC, cho thấy công nghệ này đang đẩy bài toán AI doanh nghiệp từ lựa chọn mô hình sang năng lực của toàn bộ hạ tầng CNTT.
Khoảng cách giữa kỳ vọng và nguồn lực hiện rõ: 89% người ra quyết định CNTT cho rằng Agentic AI sẽ giữ vai trò trọng yếu trong 12–24 tháng tới, nhưng chỉ 56% tổ chức nói ngân sách dành cho hạ tầng AI đã đầy đủ hoặc thỏa đáng. Đây không phải chênh lệch có thể khắc phục bằng vài dự án thử nghiệm. Nếu doanh nghiệp xem tác nhân AI là ưu tiên chiến lược mà không cấp vốn cho nền tảng vận hành, các thử nghiệm dễ dừng ở bản trình diễn, không thể mở rộng thành dịch vụ đáng tin cậy.
AI tác nhân đặt ra bài toán cho cả hệ thống
Một tác nhân trong doanh nghiệp không chỉ tạo nội dung rồi dừng lại. Nó có thể liên tục truy xuất dữ liệu độc quyền, kích hoạt mô hình, gọi ứng dụng nghiệp vụ, thực thi mã và áp dụng chính sách an ninh trước khi hoàn tất một nhiệm vụ. Mỗi vòng xử lý kéo theo yêu cầu về năng lực tính toán, thông lượng mạng, quyền truy cập và cách phân bổ tài nguyên. Bởi vậy, cài một ứng dụng AI trên hạ tầng hiện hữu chưa đủ để chứng minh doanh nghiệp đã sẵn sàng.
Đây là lý do hạ tầng AI doanh nghiệp cần được hoạch định như một hệ thống vận hành, chứ không phải danh sách thiết bị cần mua. Tăng số lượng GPU nhưng để mạng, lưu trữ, CPU hay tích hợp ứng dụng thành điểm nghẽn có thể khiến hiệu quả không tương xứng. Nghiên cứu cho thấy khoảng 40% người mua ưu tiên máy chủ tiêu chuẩn có khả năng tăng tốc ma trận, vector hoặc hỗ trợ thẻ PCIe; lựa chọn này gợi ý nhu cầu phối hợp nhiều loại năng lực tính toán thay vì đặt cược vào một bộ xử lý duy nhất.
Mô hình AI lai phù hợp với dữ liệu phân tán
Doanh nghiệp khó có thể mặc định chuyển mọi dữ liệu lên đám mây. Dữ liệu độc quyền và ứng dụng nghiệp vụ nằm trên các hệ thống khác nhau; độ trễ, băng thông, bảo mật, chủ quyền dữ liệu và quy định pháp lý đều ảnh hưởng đến nơi xử lý phù hợp. Khảo sát ghi nhận 55% tổ chức duy trì cách tiếp cận cân bằng giữa hạ tầng nội bộ và đám mây công cộng, còn 38% chủ yếu hoặc hoàn toàn ưu tiên hệ thống nội bộ.
Trong bối cảnh đó, mô hình AI lai không chỉ là phương án trung dung mà là cách đặt năng lực xử lý gần nơi dữ liệu và quy trình đang tồn tại. Doanh nghiệp có thể chọn môi trường phù hợp với từng tác vụ, thay vì ép dữ liệu di chuyển về một điểm. Với người dùng, cách bố trí này có thể giúp dịch vụ phản hồi phù hợp hơn với yêu cầu về tốc độ, quyền riêng tư và tính sẵn sàng; với doanh nghiệp, nó giảm áp lực phải thay thế đồng loạt hạ tầng đang vận hành.
Từ thử nghiệm đến năng lực vận hành
Thách thức tiếp theo là biến mức độ ưu tiên thành kế hoạch đầu tư có thứ tự. Hạ tầng cần triển khai linh hoạt giữa nội bộ và đám mây, kết hợp CPU, GPU cùng các bộ tăng tốc khi phù hợp, rồi liên tục phân bổ tài nguyên theo đặc điểm từng tác vụ. Không nên đồng nhất tiến độ AI với việc mua phần cứng mới: khả năng tích hợp, độ tin cậy, bảo mật và vận hành trên nền tảng sẵn có cũng quyết định dự án có thể mở rộng hay không.
Khoảng 45% người tham gia xác định hiện đại hóa hoặc hợp nhất trung tâm dữ liệu là ưu tiên CNTT hàng đầu trong năm 2026. Con số này cho thấy nhu cầu chuẩn bị nền tảng đã đi vào chương trình nghị sự, nhưng tỷ lệ ngân sách đủ mới dừng ở 56%. Lãnh đạo cần gắn ngân sách đầu tư AI với các trường hợp sử dụng cụ thể, chi phí vận hành và tiêu chí an toàn, thay vì phê duyệt thử nghiệm rời rạc rồi kỳ vọng hạ tầng tự theo kịp.
Nghiên cứu cũng ghi nhận mức độ phù hợp lý thuyết của x86 và Arm với Agentic AI gần như ngang nhau, lần lượt là 87,5% và 87,2%. Vì vậy, quyết định kiến trúc nên dựa trên điều kiện triển khai thực tế—khả năng tương thích, quy mô, nhân lực và hệ thống hiện có—chứ không chỉ một chỉ số hay lời hứa hiệu năng. Agentic AI doanh nghiệp chỉ tạo giá trị bền vững khi tham vọng được hậu thuẫn bằng một lộ trình cấp vốn và nâng cấp hạ tầng thực chất.
