Từ đối thoại đến chương trình nghiên cứu chung
Hợp tác nghiên cứu AI là việc các bên cùng huy động chuyên môn, dữ liệu và hạ tầng để phát triển, kiểm nghiệm công nghệ và đưa kết quả vào ứng dụng. Với Việt Nam và Trung Quốc, đề xuất hợp tác này đáng chú ý nhất ở nghiên cứu AI tiên tiến, phát triển mô hình ngôn ngữ lớn và kết nối nguồn lực thay vì dừng ở trao đổi kinh nghiệm. Ngày 29/10/2026, Bộ Khoa học và Công nghệ tổ chức Hội thảo Việt Nam – Trung Quốc về Nghiên cứu và Ứng dụng AI trong khuôn khổ Tuần lễ Số Quốc tế 2026. Hội thảo hướng tới kết nối cơ quan quản lý, cơ sở nghiên cứu, trường đại học và doanh nghiệp hai nước. Đây là hướng đi hợp lý: muốn AI giải quyết vấn đề thực tế thì nhà khoa học không thể làm việc tách rời doanh nghiệp, người dùng và hạ tầng dữ liệu.
Phía Trung Quốc đề xuất cùng Việt Nam nghiên cứu công nghệ tiên tiến và thúc đẩy hợp tác công nghiệp. Phía Học viện Công nghệ Bưu chính Viễn thông nêu mong muốn thử nghiệm, phát triển giải pháp AI, mô hình ngôn ngữ lớn và AI tác nhân; đồng thời hình thành các nhóm nghiên cứu về mô hình hiệu quả, tiêu chuẩn kỹ thuật và quản trị AI. Những nội dung này cho thấy hợp tác cần có cả nghiên cứu nền tảng lẫn cơ chế kiểm thử và triển khai. Nếu thiếu vế sau, dự án dễ dừng ở trình diễn công nghệ, không tạo ra sản phẩm phù hợp với nhu cầu trong nước.
Mô hình ngôn ngữ lớn cần dữ liệu và mục tiêu tiếng Việt
Một trọng tâm có ý nghĩa trực tiếp với người dùng là tối ưu mô hình ngôn ngữ lớn tiếng Việt. Ông Triệu Chí Cương, đại diện Khu tự trị Quảng Tây, đề nghị hai bên tối ưu các mô hình này và xây dựng kịch bản ứng dụng xuyên biên giới để đem lại lợi ích thiết thực cho người dân. Đây là đề xuất đúng hướng, nhưng chất lượng không thể chỉ đo bằng quy mô mô hình. Tiếng Việt đa dạng theo vùng miền, lĩnh vực và ngữ cảnh; vì vậy dữ liệu phù hợp, đánh giá độc lập và khả năng xử lý các yêu cầu đời thường sẽ quyết định mức độ hữu dụng.
Lợi ích công chúng cũng phụ thuộc vào khả năng tiếp cận. Phía Trung Quốc cho biết sẵn sàng chia sẻ kinh nghiệm, hỗ trợ nâng cao năng lực ứng dụng AI và phát triển sản phẩm có chi phí hợp lý, dễ sử dụng nhằm thu hẹp khoảng cách công nghệ. Muốn lời hứa ấy thành kết quả, hai bên cần xác định rõ bài toán ưu tiên—chẳng hạn dịch vụ công, giáo dục hay giao tiếp xuyên biên giới—rồi kiểm tra hiệu quả và độ an toàn trong môi trường sử dụng thật. Một mô hình tiếng Việt tốt không chỉ trả lời trôi chảy; nó phải đáng tin, dễ tiếp cận và hữu ích cho nhiều nhóm người.
Mã nguồn mở và nguồn lực chung là phép thử thực chất
Đề xuất còn nhấn mạnh mã nguồn mở AI và liên kết nguồn lực công nghệ, nhân lực, dữ liệu. Đây có thể là phần tạo giá trị lâu dài nhất: chia sẻ công cụ và tri thức giúp các nhóm nghiên cứu, trường đại học và doanh nghiệp cùng thử nghiệm, thay vì mỗi bên xây dựng những năng lực rời rạc. Tuy nhiên, mở mã nguồn không đồng nghĩa với tự động chia sẻ dữ liệu nhạy cảm. Hợp tác cần quy định rõ quyền truy cập, bảo vệ dữ liệu, an ninh và trách nhiệm khi mô hình gây sai lệch hoặc bị lạm dụng.
Học viện cũng nhấn mạnh kết nối doanh nghiệp với nhà khoa học, giảng viên và sinh viên để đưa kết quả nghiên cứu vào giải quyết bài toán thực tiễn. Điều đó đòi hỏi nguồn lực AI không chỉ là năng lực tính toán hay kho dữ liệu, mà còn gồm đội ngũ hiểu lĩnh vực ứng dụng và có thể duy trì sản phẩm sau thử nghiệm. Quảng Tây đề xuất duy trì đối thoại thường xuyên với Việt Nam về dữ liệu, an ninh và quản trị AI, tạo nền tảng cho hợp tác lâu dài. Đối thoại định kỳ là cần thiết, nhưng phải gắn với dự án cụ thể, phân công rõ và tiêu chí đánh giá công khai.
Đặt hợp tác song phương trong mạng lưới quốc tế
Đề xuất với Trung Quốc không đứng riêng lẻ. Ngày 22/10, tại Hà Nội, Trung tâm Đổi mới sáng tạo Quốc gia phối hợp với Đại sứ quán Thụy Điển tổ chức làm việc với đoàn Chương trình Wallenberg AI, Autonomous Systems & Software. Các cuộc trao đổi kết nối trường đại học, doanh nghiệp và nhóm nghiên cứu, đồng thời giới thiệu hướng chia sẻ dữ liệu, hạ tầng nghiên cứu và đánh giá mô hình. Bức tranh đó cho thấy Việt Nam đang mở rộng quan hệ nghiên cứu AI với nhiều hệ sinh thái quốc tế; lợi ích sẽ lớn hơn nếu các kết nối này bổ trợ cho năng lực trong nước, thay vì tạo ra những dự án biệt lập.
Bước tiếp theo nên là chuyển các đề xuất thành chương trình có phạm vi, đối tác và nguyên tắc quản trị rõ ràng: thử nghiệm mô hình ngôn ngữ lớn tiếng Việt, lập nhóm nghiên cứu chuyên sâu, kết nối doanh nghiệp với trường viện và duy trì đối thoại về dữ liệu, an ninh, quản trị AI. Hợp tác nghiên cứu AI với Trung Quốc có tiềm năng, nhưng không nên được đánh giá bằng số cuộc gặp hay tuyên bố thiện chí. Thước đo thuyết phục hơn là công nghệ có được kiểm chứng, tri thức có được chia sẻ có trách nhiệm, và người dùng có nhận được sản phẩm dễ tiếp cận, hữu ích hay không.
