Từ nghiên cứu vì đam mê sang nghiên cứu theo ‘đặt hàng’
Mô hình ‘đặt hàng’ nghiên cứu tại Saigon AI Hub là cách tổ chức nghiên cứu AI dựa trên bài toán cụ thể từ doanh nghiệp, cơ quan nhà nước và tổ chức, sau đó kết nối với các nhóm nhà khoa học phù hợp để phát triển lời giải và nguyên mẫu có khả năng triển khai trong môi trường thực tế, hướng tới thương mại hóa và tạo tác động kinh tế – xã hội. Mô hình này quan trọng vì nó tấn công trực diện vào nút thắt lớn nhất của nghiên cứu AI Việt Nam: khoảng cách giữa bài báo khoa học và sản phẩm có người dùng. Ngày 8/10 tại Thành phố Hồ Chí Minh, Saigon AI Hub (SAIH) cùng Quỹ Google AI Futures Fund tổ chức Applied AI Lab Demo Day để tổng kết sáu tháng Khóa 1 và đồng thời khởi động Khóa 2 theo hướng tiếp nhận đề bài từ bên ngoài. Quyết định chuyển sang mô hình ‘đặt hàng’ không phải một khẩu hiệu đổi mới, mà là phản ứng rất thực tế trước việc nhiều kết quả nghiên cứu xuất sắc vẫn loay hoay ở dạng nguyên mẫu, thiếu con đường đi tới người dùng. Theo cách tiếp cận mới, vai trò của Saigon AI Hub dịch chuyển từ chỗ chỉ hỗ trợ hạ tầng và chuyên gia cho các nhóm nghiên cứu sang vai trò nền tảng kết nối ba bên: đơn vị có bài toán, nhóm khoa học có năng lực giải và hệ sinh thái hỗ trợ triển khai, thử nghiệm, thương mại hóa. Đây là bước tái định vị quan trọng: thay vì chờ các nhóm nảy ra ý tưởng rồi đi tìm ứng dụng, chương trình bắt đầu từ nhu cầu thực tế và ép nghiên cứu phải đối mặt với những ràng buộc dữ liệu, quy định, người dùng cụ thể.
Khóa 1: năng lực nghiên cứu đã có, con đường ứng dụng còn gập ghềnh
Khóa 1 của Saigon AI Hub – Applied AI Lab quy tụ gần 60 nhà nghiên cứu từ các trường đại học tại TP Hồ Chí Minh, chia thành 10 nhóm được tuyển chọn dựa trên năng lực nghiên cứu, khả năng ứng dụng và định hướng phát triển AI có trách nhiệm. Sáu tháng đầu tiên cho thấy một bức tranh lạc quan: nghiên cứu AI Việt Nam hoàn toàn có thể cạnh tranh học thuật quốc tế, nhưng việc biến kết quả đó thành sản phẩm là câu chuyện khác. Các dự án trải rộng từ y tế (phát hiện sớm ung thư đại trực tràng, phòng chống ung thư), phát hiện deepfake, tách giọng nói tiếng Việt, hiểu cảm xúc đa phương thức, truy vấn kho video bằng ngôn ngữ tự nhiên, thị giác máy tính cho thể thao đến thực tế ảo và hệ thống điều khiển thiết bị bay không người lái. Nhiều nhóm đạt thành tích ở các cuộc thi và hội nghị tại Hoa Kỳ, Hà Lan, Thụy Điển, Úc, Ý và Trung Quốc, chứng minh năng lực khoa học không còn là điểm yếu chính. Điểm sáng nổi bật là một nhóm chuyển hướng từ nghiên cứu tương tác người – robot (XR-MR) sang ứng dụng AI tạo môi trường học điều khiển drone, kết hợp thiết bị thật với hình ảnh mô phỏng, và đã có kết quả thương mại hóa đầu tiên. Đây là minh chứng sống động rằng khi nghiên cứu được đặt trong bối cảnh nhu cầu cụ thể, nó có thể bước qua ranh giới phòng lab. Nhưng đồng thời, việc chỉ có một dự án thương mại hóa cho thấy: nếu vẫn giữ cách làm “đề tài xuất phát từ nhà khoa học”, việc thương mại hóa AI sẽ diễn tiến rất chậm.
Mô hình ‘đặt hàng’ nghiên cứu: đặt bài toán lên trước, đặt nhà khoa học vào đúng chỗ
Từ kinh nghiệm Khóa 1, Saigon AI Hub quyết định chính thức khởi động Khóa 2 theo mô hình ‘đặt hàng nghiên cứu’: chương trình chủ động tìm, tiếp nhận và chọn lọc đề bài thực tế từ doanh nghiệp, cơ quan nhà nước và các tổ chức công, rồi mới mời các nhóm AI đề xuất lời giải. Thay vì để nhà khoa học tự nghĩ đề tài rồi đi tìm nơi ứng dụng, mô hình này đảo chiều: thị trường nêu vấn đề, cộng đồng nghiên cứu trả lời. Cụ thể, từ ngày 8/10 đến cuối tháng 11/2026, chương trình mở Call for Challenges, kêu gọi đề bài trong bốn lĩnh vực ưu tiên và tiếp nhận qua hòm thư của Saigon AI Hub. Sau khi đánh giá phạm vi, dữ liệu, nguồn lực và giá trị thực tế, những đề bài đủ rõ sẽ được công bố trong tháng 12 để các nhóm nghiên cứu đăng ký; tháng 1/2027 tiến hành đánh giá và kết nối, và đến tháng 2/2027 Khóa 2 bắt đầu chu kỳ nghiên cứu sáu tháng. Theo tôi, điểm tiến bộ nằm ở chỗ SAIH buộc cả ba bên cùng chịu trách nhiệm: doanh nghiệp và cơ quan nhà nước không chỉ “kêu khó” mà phải cung cấp dữ liệu, bối cảnh, cam kết thử nghiệm; nhóm nghiên cứu phải nghĩ tới thiết kế sản phẩm ngay từ đầu; còn Hub đứng ra làm trọng tài, đảm bảo bài toán đủ thực tế và lộ trình đủ dài để đi tới thử nghiệm, pilot, rồi thương mại hóa AI chứ không chỉ dừng ở bài báo.
Tác động tiềm năng với người dân và hệ sinh thái AI Việt Nam
Nếu mô hình ‘đặt hàng’ được vận hành đúng, người hưởng lợi đầu tiên phải là người dân chứ không phải chỉ cộng đồng học thuật. Các bộ, ngành, địa phương và cơ quan nhà nước có thể đưa ra những vấn đề có tác động rộng, như khai thác dữ liệu để nâng cao chất lượng giao thông công cộng. Theo Phó Chủ tịch UBND TP Hồ Chí Minh, đây là những bài toán có thể dùng AI và dữ liệu để nâng chất lượng dịch vụ, hướng tới một đô thị văn minh, nghĩa tình và phục vụ người dân tốt hơn. Trong năm 2027, SAIH đặt mục tiêu lựa chọn tối thiểu 10 dự án cho Khóa 2, trong đó có 6 dự án pilot thành công trong môi trường thực tế, 3 dự án thương mại hóa thành công và một start-up được hình thành. Nếu hoàn thành, đây sẽ là cú hích đáng kể cho hệ sinh thái AI ứng dụng, khi mỗi chu kỳ nghiên cứu không chỉ thêm vài bài báo mà có thêm startup và sản phẩm mới. Tác động lớn nhất, theo tôi, là thay đổi văn hóa nghiên cứu AI Việt Nam: từ tâm lý “có bài báo là xong” sang tư duy “phải có người dùng”. Một dự án deepfake chẳng hạn, không chỉ dừng ở thuật toán mà có thể dùng ngay trong ngân hàng, định danh và bảo mật khi thành phố thúc đẩy trung tâm tài chính quốc tế. Khi những ví dụ như vậy ngày càng nhiều, chuyện ứng dụng AI thực tế sẽ không còn là khẩu hiệu, mà trở thành thói quen vận hành của cả thành phố.
Kết luận: ‘Đặt hàng’ không phải đũa thần, nhưng là bước đi đúng hướng
Mô hình Saigon AI Hub đang thử nghiệm có một tham vọng rõ ràng: biến nghiên cứu AI Việt Nam từ hoạt động hướng nội, nặng công bố, thành chuỗi giá trị có đầu vào là bài toán thực, đầu ra là sản phẩm và doanh nghiệp công nghệ. Việc đã có một dự án thương mại hóa AI từ Khóa 1 cho thấy hướng đi này không viển vông; nó có thể tạo ra kết quả cụ thể nếu bài toán đủ đúng và nhóm nghiên cứu đủ bền bỉ. Tất nhiên, ‘đặt hàng nghiên cứu’ không phải cây đũa thần. Nếu doanh nghiệp và cơ quan nhà nước chỉ coi đó là phong trào, gửi vài đề bài rồi bỏ mặc, mô hình sẽ trở lại quỹ đạo cũ. Nhưng so với cách làm truyền thống, đây là bước tiến quan trọng: nó buộc mọi bên đối diện với câu hỏi khó nhất của AI Việt Nam – làm sao đưa công trình từ phòng lab vào đời sống. Theo tôi, thành công hay thất bại của Khóa 2 sẽ là thử nghiệm quan trọng cho cả hệ sinh thái. Nếu Saigon AI Hub chứng minh được rằng một Hub có thể kết nối bài toán, nhà khoa học và thị trường quanh chuyện thương mại hóa AI, thì mô hình này xứng đáng được nhân rộng, không chỉ cho AI mà cho nhiều ngành công nghệ khác đang mắc kẹt giữa nghiên cứu và ứng dụng.
