Bản đồ ngành MAD (ML, AI, Data) năm 2025

 (mattturck.com)
38 điểm bởi GN⁺ 2025-11-07 | 2 bình luận | Chia sẻ qua WhatsApp
  • Tóm tắt bản đồ ngành MAD 2025: Bubble & Build trong một hình ảnh duy nhất và giải thích 25 chủ đề của năm
  • Thị trường AI·dữ liệu năm 2025 đang chuyển từ trọng tâm chatbot sang hệ thống agent có công cụ, bộ nhớ và mô hình suy luận, trong bối cảnh đầu tư quá nhiệt và triển khai thực tế cùng tồn tại
  • Thông qua 25 xu hướng cốt lõi, bài viết tổng hợp những thay đổi trên toàn bộ các lĩnh vực như bong bóng, hạ tầng, nghiên cứu, địa chính trị, kinh doanh, hạ tầng và ứng dụng
  • Bản đồ MAD lần này phản ánh mức độ tập trung của thị trường bằng cách giảm số lượng logo từ hơn 2.000 xuống còn khoảng 1.150, đồng thời mở rộng tỷ trọng của các hyperscaler và các đơn vị dẫn đầu danh mục như NVIDIA, Databricks, OpenAI
  • Bổ sung mới các mục agent stack và local AI (LLM chạy trên thiết bị), đồng thời tích hợp khu vực mã nguồn mở vào cấu trúc tổng thể để tái sắp xếp luồng thành dữ liệu–hạ tầng–AI–agent–ứng dụng
  • Nhìn chung, đây là cấu trúc thị trường nơi bong bóng và xây dựng thực chất (Bubble & Build) diễn ra đồng thời, với năng lượng, hạ tầng phân tán và xu hướng agent hóa nổi lên như các trục chính

Tổng quan và định hướng biên tập

  • Bản MAD Landscape 2025 là phiên bản thứ 11 kể từ năm 2012, với đợt tái cấu trúc lớn nhất
    • Giảm số lượng logo từ hơn 2.000 xuống khoảng 1.150 để tăng khả năng đọc, đồng thời dành nhiều không gian hơn cho hyperscaler và các đơn vị dẫn đầu danh mục
    • Xóa hộp mã nguồn mở, thay vào đó bổ sung các mục agent stack·local AI
  • Kết quả là hình thành một cấu trúc phân tầng đơn giản và rõ ràng đi từ dữ liệu sang hạ tầng, ML/AI, agent và ứng dụng
  • Được cung cấp dưới dạng PDF độ phân giải cao và phiên bản tương tác có thể tìm kiếm - mad.firstmark.com

Kinh tế vĩ mô và thị trường

  • 1. Động lực bong bóng không có phanh
    – Thị trường lại xuất hiện bong bóng, nhưng khác năm 1999: dòng vốn dồi dào, định giá ở mức tầng bình lưu, và đặc biệt áp dụng "AI premium" cho agent, frontier AI và các công ty tăng trưởng nhanh
    • Như thường thấy trong các chuyển dịch mô hình, chi tiêu vốn/chi phí vận hành được rót vào trước; để hạ cánh an toàn thì nhu cầu phải được hiện thực hóa ở quy mô lớn, nhưng thay đổi thói quen cần thời gian và mức độ chấp nhận diễn ra không đồng đều
    • Nhiều đội ngũ đang làm việc với cường độ kiểu 996, tăng tốc độ xuất xưởng nhưng cũng làm tăng rủi ro kiệt sức
    • Nghịch lý (Paradox) của năm 2025 là cả mức độ cường điệu lẫn nền tảng cơ bản đều tăng lên, và về mặt lịch sử, hệ quả xấu có thể đến trước phần thưởng
    • Năm nay tạo cảm giác vừa căng thẳng vừa tăng tốc
  • 2. Tính mong manh (Fragility): tính chu kỳ và mức độ tập trung khách hàng
    – Bên dưới các con số tăng trưởng lớn, rất nhiều vốn đang chảy vào chỉ một số ít người chơi
    • Một số thương vụ trông có tính tuần hoàn: khi OpenAI ký hợp đồng mua GPU quy mô lớn với NVIDIA thì NVIDIA lại cam kết đầu tư lớn vào OpenAI; OpenAI cũng ký hợp đồng chip trị giá hàng tỷ USD với AMD và nắm quyền chọn mua cổ phần
    • Mô hình tương tự đang lan rộng trên toàn bộ stack, khi hoạt động huy động vốn và hợp đồng cung ứng của ngành kết nối model lab, nhà sản xuất chip, cloud và startup AI thành một mạng lưới phụ thuộc lẫn nhau, làm dấy lên lo ngại về "round-tripping"
    • Mức độ tập trung khách hàng khiến khả năng chống sốc của hệ sinh thái AI thấp đi: phần lớn chi tiêu đi qua một số ít hyperscaler và frontier lab, còn nhiều nhà cung cấp đột phá phụ thuộc vào một vài khách hàng lớn
  • 3. Bức tranh lớn còn mơ hồ, còn triển vọng ngắn hạn thì rất thực tế
    – Có nhiều ý kiến trái chiều về việc tiến bộ đang chững lại hay chúng ta đang bỏ lỡ đợt tăng trưởng theo hàm mũ tiếp theo; con đường tới AGI/ASI chưa được xác định, bản thân định nghĩa cũng mơ hồ, và tiếng trống của phe tận thế luận cũng lắng xuống
    • Trong khi đó, ngắn và trung hạn lại cực kỳ cụ thể: một trận tuyết lở AI slop trên video, văn bản và mã đang ập tới, đồng thời kéo theo những lo ngại cấp bách hơn về việc làm
    • Mức độ thay đổi, tốc độ thay đổi và thay đổi đó phục vụ ai là những vấn đề tức thời, trong khi phản ứng của con người, chính trị và xã hội đang tụt lại phía sau tốc độ công nghệ
  • 4. Viện nghiên cứu vs. doanh nghiệp hiện hữu: bảng cân đối khác nhau, cạnh tranh giống nhau
    – Cuộc chiến giành quyền thống trị AI đang khốc liệt hơn bao giờ hết, nhưng sân chơi lại không cân bằng
    • Big Tech sở hữu mạng lưới triển khai quy mô lớn, danh mục sản phẩm đồ sộ và ngân sách đủ để bán theo gói, chờ chu kỳ và lì lợm bào mòn đối thủ
    • Google rõ ràng đã lấy lại đà với loạt ra mắt AI gây chú ý trong năm 2025, Meta mở rộng tham vọng với SuperIntelligence Lab; cả hai đều vận hành trên lõi doanh thu khổng lồ và bảng cân đối gần như vô hạn
    • Các frontier lab độc lập cần những đột phá mang tính bước ngoặt để biện minh cho định giá
    • Những cái tên mới—SSI, Thinking Machines, Reflection—đã gia nhập nhóm đỉnh cao, đồng thời sức nóng quanh agent/suy luận tăng lên dù rào cản triển khai vẫn còn
    • OpenAI là bên dẫn đầu rõ ràng và vẫn tiếp tục huy động “ngân quỹ chiến tranh”; Anthropic cũng không kém, nhưng vẫn có câu hỏi về việc mức vốn ở quy mô này có thể kéo dài bao lâu
    • Dù theo kịch bản nào thì người dùng vẫn được hưởng lợi. Doanh nghiệp hiện hữu cung cấp các gói tích hợp, còn các viện nghiên cứu thì tiến bộ với tốc độ chói mắt
  • 5. IPO và các công ty đại chúng: cánh cửa cơ hội đang mở (có chọn lọc)
    – Màn ra mắt của CoreWeave vào tháng 3 mang đến đúng điều thị trường cần: một IPO hạ tầng AI “sạch”, và sau đó giao dịch tốt
    • Palantir là đối tượng so sánh gây tranh cãi ở trung tâm, đang hưởng mức bội số EV/NTM cao cấp (gần đây khoảng 80~90 lần), điều có thể khiến các hồ sơ nộp ở giai đoạn muộn trở nên táo bạo hơn
    • Tiếp theo: Cohere cho biết có thể IPO “sớm”, Dataiku đã chọn ngân hàng, Cerebras rút S-1 sau khi huy động vốn mới
    • Khoảng 10 công ty AI tư nhân hàng đầu gần như không có động lực lên sàn nếu xét đến khả năng tiếp cận vốn và sự linh hoạt chiến lược;
      nhưng nếu Databricks (> $100B khi còn tư nhân) và các frontier lab (OpenAI, Anthropic) cuối cùng niêm yết, có thể sẽ xuất hiện những thương vụ IPO kỷ lục
  • 6. M&A: hợp nhất và chiến tranh nhân tài
    – Các tay chơi lớn đã cố xây dựng một agent stack hoàn chỉnh nhưng nhận ra điều đó khó hơn dự kiến, nên chuyển sang đi mua sắm; tuy vậy ngay cả các thương vụ đình đám cũng bị đình lại (Adobe–Synthesia, SoftBank–Agility)
    • Vì vậy, “mua lại hay tự xây” không phải là một lựa chọn hiển nhiên
    • Những thương vụ thành công đều rất chính xác như phẫu thuật: ServiceNow–Moveworks($2.85B) ở mảng agent doanh nghiệp; Salesforce–Informatica(khoảng $8B) để củng cố lớp control plane dữ liệu
    • Hạ tầng dữ liệu cũng đang tự hợp nhất từ bên trong: dbt Labs và Fivetran(giao dịch hoàn toàn bằng cổ phiếu; ≈$600M ARR) đưa thu thập và chuyển đổi dữ liệu về chung một mái nhà
    • Câu chuyện ồn ào nhất là nhân tài và acqui-hire: Meta đặc biệt quyết liệt
      – Mua khoảng 49% của Scale AI với giá khoảng ~$14–15B để đưa Alexandr Wang vào nỗ lực siêu trí tuệ, rồi đặt ra các mốc đãi ngộ 9 chữ số để chiêu mộ các nhà nghiên cứu OpenAI, tạo ra một vòng xoáy giữ người bằng mọi giá
    • Tóm lại, năm 2025 là năm của các thương vụ thâu tóm chính xác, mua cả đội ngũ và các cấu trúc sáng tạo
      • Trong bối cảnh rủi ro tích hợp và sự soi xét của luật chống độc quyền, những thương vụ thật sự quy mô lớn vẫn còn hiếm
      Quảng cáo

Nghiên cứu và tuyến đầu

  • 7. Suy luận + RL là tuyến đầu
    – Bước nhảy lớn nhất năm nay không phải là transformer lớn hơn, mà là huấn luyện mô hình để tập trung sức mạnh tính toán vào quá trình suy nghĩ
    • Học tăng cường cho suy luận—phân bổ token cho suy luận—được phổ biến bởi DeepSeek R1 và các mô hình kiểu "o-series", đang thực sự tạo khác biệt trong toán học, code và lập kế hoạch nhiều bước
    • Thiết kế curriculum, thiết kế phần thưởng và vòng lặp phản hồi khi dùng công cụ đang trở nên quan trọng hơn kích thước mô hình thuần túy
    • RL không phải thuốc chữa bách bệnh—phần thưởng tệ vẫn dạy ra thói quen tệ—nhưng khi mở rộng đúng cách, nó mang lại đòn bẩy rất lớn cho pretraining
    • Thử thách tiếp theo là khái quát hóa vượt ra ngoài code và toán sang các công việc thực tế lộn xộn, nơi "đúng" và "sai" không phải lúc nào cũng rõ ràng;
      ở đây các tín hiệu phong phú hơn trở nên quan trọng, từ phản hồi của con người dựa trên kết quả kinh doanh đến các benchmark mới như GDPVal (chấm điểm chuỗi tác vụ end-to-end)
  • 8. AI có đang chậm lại không? Ý kiến trái chiều giúp chúng ta tỉnh táo
    – Một số nhà nghiên cứu hàng đầu—bao gồm cả khách mời podcast MAD (Sholto Douglas, Julian Schrittwieser, Jerry Tworek)—vẫn cho rằng còn nhiều "trái thấp dễ hái" và nhiều năm tiến bộ nữa ở phía trước với mô hình pretraining + RL hiện tại
    • Những người khác kêu gọi thận trọng: Andrej Karpathy nói rằng "agent còn cách 10 năm nữa", Bitter Lesson của Rich Sutton cho rằng phương pháp tổng quát + compute sẽ thắng việc tinh chỉnh thủ công, còn Yann LeCun thúc đẩy một lộ trình khác với world model và dự đoán tự giám sát
    • Những cuộc tranh luận này là lành mạnh: bớt đi sân khấu leaderboard, tăng thêm tiết chế, red team và các tác vụ thực tế
  • 9. Những tuyến đầu chuyển động nhanh: AI làm khoa học sáng tạo; robot học
    – Chúng ta đang thấy các ý tưởng kiểu "Move 37" trong phòng thí nghiệm—mô hình đề xuất những giả thuyết và lộ trình phản trực giác mà con người sẽ không thử trước
    • AlphaFold 3 chuyển sang tương tác sinh học phân tử; GNoME đã đưa ra khoảng 2,2 triệu bề mặt tinh thể khả dĩ; Cell2Sentence-Scale 27B của Yale × Google chỉ ra các lộ trình điều trị ung thư tiềm năng từ dữ liệu đơn bào
    • Không chỉ trong sinh học, robot học cũng đang tăng tốc:
      Mô hình nền tảng cho robot học (các chính sách vision-language-action được huấn luyện trên các bộ dữ liệu gộp quy mô lớn) đang cải thiện khả năng chuyển giao giữa robot và tác vụ,
      trong khi robot thao tác di động ghi nhận nhiều giờ thực tế hơn và thiết bị phòng thí nghiệm tự động siết chặt vòng lặp thiết kế–xây dựng–kiểm thử
    • Liệu AI có thể tạo ra đột phá tầm Nobel hoặc tạo ra robot hiện trường có thể thực hiện ổn định các công việc hữu ích?
      • Cả hai dường như đều đang tiến gần hơn qua từng quý
  • 10. Open source (open weight) vẫn trụ vững—sau một năm đầy sóng gió
    – Khoảnh khắc R1 của DeepSeek (và các biến thể open weight) đã định hình tông màu, nhưng Llama 4 không đạt kỳ vọng và Meta cho thấy lập trường cứng rắn hơn với các bản phát hành permissive
    • Mistral chao đảo rồi lấy lại đà; Qwen3 âm thầm trở thành nền tảng chủ lực "đủ tốt" trong nhiều stack
    • Ở mặt tích cực, AI2 vẫn tiếp tục ship tài sản thực sự (OLMo/OLMo-2, dữ liệu cấp Dolma), còn vòng gọi vốn của Reflection AI làm sống lại câu chuyện "DeepSeek của Mỹ"
    • Doanh nghiệp vẫn muốn quyền kiểm soát (Control) và lưu trú dữ liệu (Residency); startup vẫn muốn biên lợi nhuận
    • Tương lai có vẻ là hybrid: định tuyến sang open source khi có thể, và bùng lên tuyến đầu khi cần
    • Khi NPU hiện diện khắp nơi, mô hình nhỏ sẽ đóng vai trò quan trọng;
      những stack lành mạnh nhất sẽ duy trì tính đa nguyên—mở và đóng, cloud và thiết bị, lớn và nhỏ—không rơi vào chiến tranh tôn giáo hay phụ thuộc nhà cung cấp

Địa chính trị (Geopolitics)

  • 11. Trung Quốc đang lắp ráp một stack AI song song
    – Trung Quốc đang xây dựng một lộ trình end-to-end ít phụ thuộc hơn vào NVIDIA và CUDA:
    Huawei Ascend 910B/910C nằm dưới một lớp phần mềm đang phát triển (CANN, MindSpore),
    phía trên là các mô hình nội địa phù hợp với dữ liệu và chính sách địa phương (DeepSeek, Qwen3, Kimi, ERNIE, v.v.)
    • Sau khoảnh khắc DeepSeek, đây là một năm lớn đối với các mô hình Trung Quốc, với Qwen và Kimi mở rộng trong production,
      không chỉ ở mức "đủ tốt" mà còn cạnh tranh trong nhiều lĩnh vực
    • Kiểm soát xuất khẩu đã làm chậm tiến độ nhưng không chặn được;
      quá trình bản địa hóa đang trở thành một tính năng trong lúc công nghệ tách rời: vẫn tương thích, ngày càng tự chủ hơn và ở một số mảng còn giành vị trí dẫn đầu
    Quảng cáo
  • 12. AI chủ quyền (Sovereign AI) chuyển từ khẩu hiệu sang mua sắm thực tế
    – "Xây dựng mô hình nội địa trên năng lực tính toán nội địa" giờ đã có phần cứng, ngân sách và người mua thực sự hậu thuẫn
    • Vương quốc Anh đã khởi động Isambard-AI và hoàn tất kết nối lưới điện
    • IndiaAI đã vượt 34.000 GPU và bắt đầu phân bổ được trợ cấp
    • Các quốc gia vùng Vịnh tiếp tục mở rộng các "nhà máy AI" cấp quốc gia thông qua G42 × Cerebras (Condor Galaxy)
    • Châu Âu đang nuôi dưỡng các nhà vô địch—Mistral giờ có ASML hậu thuẫn—trong khi OpenAI triển khai lưu trú dữ liệu EU/Anh để đáp ứng nhu cầu chủ quyền
  • 13. Năng lượng đang trở thành nút thắt compute mới, và các quốc gia đã nhận ra điều đó
    – Không phải GPU mà điện năng mới là nút thắt
    • Việc chọn vị trí datacenter giờ đây phụ thuộc vào các hợp đồng megawatt, quyền sử dụng nước và kết nối lưới điện
    • Chính phủ đang thu hút các nhà máy AI giống như từng thu hút fab
    • Hãy chờ đợi các PPA mang tính chủ quyền và việc đồng đặt cùng hạt nhân/năng lượng tái tạo (kết nối lưới của Isambard-AI tại Anh; pilot Google – TVA/Kairos SMR; Microsoft-Helion Fusion PPA)
    • Các ưu đãi ưu tiên điện năng sẽ định hình nơi mô hình được huấn luyện và khu vực nào thắng trong triển khai AI
    • Kiểm soát xuất khẩu vẫn quan trọng, nhưng kilowatt giờ đây quyết định tiến độ

Kinh doanh AI

  • 14. Phân phối đánh bại phát minh (một lần nữa)
    – Cả một thế hệ startup AI-native đang tăng trưởng nhanh hơn những gì chúng ta từng thấy
    • Sản phẩm lan truyền trên mạng xã hội, còn hội đồng quản trị thì tiếp tục lo lắng và tò mò về AI, thúc đẩy làn sóng thử nghiệm và thực nghiệm
    • Câu hỏi còn lại là độ bền vững (Durability): đây là ARR thực sự hay chỉ là doanh thu thử nghiệm sẽ sớm rời bỏ?
    • Các đơn vị đương nhiệm thường nắm lợi thế phân phối: trợ lý được đóng gói kèm iOS/Android, Windows Copilot, Chrome, Salesforce Einstein, ServiceNow Now Assist
      — nhưng không phải lúc nào cũng vậy
    • Quan hệ đối tác và tích hợp có thể bẻ cong đường cong:
      • Cursor đi sâu hơn vào VS Code;
      • Supabase cưỡi làn sóng Lovable;
      • những người chiến thắng thầm lặng hơn đang len vào IDE, CRM và tài liệu
    • Sản phẩm tìm thấy thành công khi hiện diện ngay tại khoảnh khắc tạo ra nội dung (viết, lập trình, gửi case)
      • Những gì được nhúng sẵn sẽ thắng thứ “tốt hơn”, và có thể mở rộng theo mức sử dụng thực tế
  • 15. Biên lợi nhuận và định giá: từ chiếm đất đến hạ cánh máy bay
    – Khi mức sử dụng tăng và khách hàng muốn những mô hình mới nhất, thông minh nhất, chi phí tăng vọt rất nhanh
    • Thực tế phũ phàng: nếu bạn đang ngồi trên mô hình frontier của người khác, tăng trưởng có thể lật tổng biên lợi nhuận của bạn sang âm
      — câu chuyện của Windsurf và Cognition là lời cảnh báo đó
    • Vốn VC có thể tài trợ cho cuộc đua chiếm đất, nhưng không thể che phủ mãi một unit economics tệ
    • Các startup AI đang thích nghi: mặc định dùng mô hình nhỏ hơn, rẻ hơn, có dung lượng dự phòng cho giờ cao điểm, và cache một cách chủ động
    • Cách tiếp cận thống trị đang trở thành định giá theo kết quả
      — theo mỗi case được đóng, theo mỗi ticket được giải quyết, v.v.
      — kèm các tùy chọn thông lượng được đảm bảo, để doanh thu bám sát kết quả thực tế
    • Người chiến thắng sẽ đồng thời theo đuổi kỷ luật chi phí và định giá đo được giá trị thực
  • 16. AI doanh nghiệp: xây dựng chậm hơn demo (nhưng đang thương mại hóa)
    – Triển khai trong doanh nghiệp diễn ra chậm hơn những màn demo hào nhoáng trên mạng xã hội
    • Người mua muốn có quản trị agent, trích dẫn, nguồn gốc, xử lý PII, audit trail và kết nối chặt với các hệ thống doanh nghiệp trước khi áp dụng tính tự chủ
    • Đã có tiến triển thực chất trong việc xác định và triển khai use case
      • AI chăm sóc khách hàng, AI coding, chatbot nội bộ là những chiến thắng rõ ràng
      • Nhiều chiến lược theo ngành hoặc theo từng công ty vẫn cần tùy biến, pipeline dữ liệu và công việc về chính sách để thực sự thành hình
    • Chúng ta đã vượt qua “giai đoạn Accenture” và giờ đã nhìn thấy đường cong (Arc)
      — từ copilot sang agent hẹp, rồi tới tự động hóa được quản lý
      — nhu cầu đang trở nên vững chắc
    • Trong làn sóng nhu cầu này, các đơn vị đương nhiệm có lợi thế phân phối, tung ra “nền tảng agent” bên trong CRM/ERP/ITSM (Salesforce, ServiceNow, Microsoft)
      • Gộp guardrail, telemetry và phê duyệt vào một nơi
      Quảng cáo
    • Nhìn chung, thị trường doanh nghiệp Global 2000 đang nghiêm túc làm nóng lên với việc mua và triển khai AI, nhưng vẫn chưa đến mức sôi sục

Hạ tầng AI

  • 17. NVIDIA vẫn thống trị, nhưng đa dạng hóa là có thật
    – Rack Blackwell GB200 vẫn là mốc tham chiếu, nhưng người mua nay cũng thêm Google TPU, AMD MI350 và trong một số footprint cụ thể là Intel Gaudi 3
    • Khi thiết kế ở quy mô rack chi phối TCO, các bên đang trộn nhiều nhà cung cấp để tối ưu giá/hiệu năng và nguồn cung, vận hành các cụm không đồng nhất dưới scheduler thông minh hơn, thay vì một hệ sinh thái độc canh từ một nhà cung cấp duy nhất
  • 18. Sự trỗi dậy của AI cục bộ: thiết bị, edge gần, private cloud
    – NPU mới trên laptop và điện thoại đang đẩy công việc thực tế về thiết bị: nhanh, đa phương thức và riêng tư theo mặc định
    • Khi tác vụ quá lớn, nó sẽ tràn sang “private cloud” ở gần hoặc do nhà cung cấp vận hành (ví dụ: Private Cloud Compute của Apple), thay vì endpoint công khai thông thường
    • Các công cụ như LM Studio và Ollama biến mô hình cục bộ thành trải nghiệm click-to-run
    • On-device xử lý UX nhanh và ngữ cảnh cá nhân; cloud xử lý suy luận nặng hơn và bộ nhớ dùng chung
    • Trong nhà máy, phòng khám và ô tô, các box edge gần bảo vệ băng thông, quyền riêng tư và thời gian hoạt động
    • Những sản phẩm tốt nhất chuyển giao liền mạch giữa thiết bị, edge và cloud
  • 19. Agent stack đang trở thành lớp hạ tầng
    – Bên dưới ứng dụng là một runtime mới: planner và gọi công cụ, đầu ra có cấu trúc và danh mục hàm, bộ nhớ ngắn/dài hạn (vector, graph), thực thi công cụ trong sandbox, phê duyệt và điều phối có lưu trạng thái
    • Xung quanh đó là các bộ đánh giá cho tác vụ, policy/guardrail, truy vết và telemetry chi phí, dataset/kiểm soát phiên bản và rollback
    • Những gì trông giống “App Glue” vào năm 2024 giờ giống một tầng platform với SLA và dòng mua sắm riêng
  • 20. Compliance, bảo mật và red team giờ là mặc định
    – Bảo mật và compliance không còn là ô checkbox, mà là cái giá phải trả để vận hành AI trong production
    • Các hướng dẫn được cập nhật (ví dụ: OWASP LLM Top 10, playbook về prompt injection) đang đặt ra chuẩn mực
      • Cho thấy dữ liệu đến từ đâu, ghi lại prompt/công cụ/quyết định, thực thi chính sách và chứng minh khả năng chống jailbreak
    • Doanh nghiệp kỳ vọng bằng chứng, audit trail và quy trình “break-glass(kiểu mở)” rõ ràng được gắn với các lớp như cung cấp dịch vụ và lưu trữ
    • Nếu không thể đánh giá, truy vết và quản trị, thì đó không phải hạ tầng
Quảng cáo

Hạ tầng dữ liệu

  • 21. Kết thúc một thời đại, bắt đầu hợp nhất
    – Sự tách gói của “modern data stack” đang dẫn tới hợp nhất:
    • dbt Labs và Fivetran kết hợp
    • Các nền tảng như Databricks tiếp tục bao phủ toàn bộ waterfront (batch và streaming, vector và graph, feature store, governance) với tỷ lệ build và buy gần như ngang nhau
    • Khung nhìn đang chuyển từ “warehouse vs lakehouse” sang object storage + open table + neutral catalog làm control plane
    • Mô hình hóa, di chuyển, feature, dataset đánh giá, lineage và policy đang hội tụ với AI serving và agent runtime
    • Trên thực tế, hạ tầng dữ liệu và hạ tầng AI đang sụp vào thành một mặt phẳng duy nhất, và giá trị đang rò rỉ ra khỏi những khe hở đó
  • 22. Nhưng các nền tảng cơ bản của dữ liệu lại quan trọng hơn bao giờ hết
    – Các bảng và catalog vững chắc, chất lượng và lineage, các query engine độ trễ thấp đã trở thành điều kiện tiên quyết cho agent, retrieval và CI ưu tiên đánh giá, chứ không còn là thứ nghĩ tới sau cùng
    • Tìm kiếm tăng cường bằng graph và vector đang chuyển từ bài blog sang mô hình thực tiễn
    • Observability giờ mở rộng sang prompt, công cụ và chi phí
    • Compliance nằm trên cùng một plane với hiệu năng
    • Lĩnh vực này đang nhận được sinh lực mới
      • Sự trỗi dậy của phân tích thời gian thực của ClickHouse (giờ có thêm vector) cho thấy nhu cầu về tốc độ ở quy mô lớn
      • Các stack cục bộ và edge vẫn cần những hợp đồng rõ ràng để hỗ trợ bộ nhớ trên cloud
    • Dữ liệu không biến mất, mà được nâng cấp thành miền kiểm soát của AI

Ứng dụng và agent

  • 23. Các phòng thí nghiệm lớn và nền tảng dịch chuyển lên phía trên stack
    – Các frontier lab và những công ty hiện hữu không còn hài lòng chỉ với API mô hình
    • OpenAI, Anthropic, Google/Gemini tiếp tục tung ra sản phẩm ở lớp ứng dụng
      • Trợ lý giọng nói, ứng dụng desktop, gói cho nhóm, email, tài liệu, trình dựng workflow kết nối với CRM, v.v.
    • Điều này tạo ra rủi ro nền tảng và cạnh tranh trực diện
      • Khi nhà cung cấp mô hình sở hữu bề mặt tiếp cận và gói dịch vụ, họ có thể lấn sang lãnh địa của bạn ngay ngày mai
    • OpenAI là bên đẩy xa nhất
      • Tuyển chuyên gia theo lĩnh vực (ví dụ: cựu nhân viên ngân hàng) để dạy workflow
      • Thêm các đường ray thương mại vào bên trong ChatGPT
        • Ra mắt trình duyệt ưu tiên ChatGPT
          — Anthropic đào sâu luồng làm việc cho team/project và ra mắt Claude Code
    • Gemini tăng cường bề mặt cho người tiêu dùng và Workspace
    • Trong khi đó, mô hình đang hấp thụ một phần lớn của lớp “wrapper”
      • Structured output chính chủ, function calling, memory, công cụ browse/code/vision/voice, tự động hóa nhẹ, thậm chí cả thương mại
      Quảng cáo
    • Người dùng được hưởng lợi về tốc độ
      — Có thể tận dụng những tính năng vốn đã hoạt động tốt
    • Với startup, chu kỳ wrapper là mỏng → dày → rồi lại mỏng hơn
      • UI ban đầu đã phát triển thành sản phẩm thực sự (cầu nối dữ liệu, workflow, compliance), nhưng nền tảng kéo nhiều tính năng vào lõi
  • 24. Vibe coding là cú hit của năm 2025
    – Coding agent đã nhảy vọt từ thứ mới lạ thành thói quen hằng ngày
    — Đọc repository, spin sandbox, lập kế hoạch thay đổi, mở PR, chạy test, mô tả diff
    — Thậm chí các demo “video coding” giờ còn cho thấy agent thao tác UI ngay trong screencast
    • Tỷ lệ chấp nhận thật đáng kinh ngạc:
      • Cursor và Claude Code được trích dẫn rộng rãi là một trong những công cụ phát triển tăng trưởng nhanh nhất từ trước tới nay
      • Đang cho thấy quỹ đạo ARR 9 chữ số chỉ trong vài tháng
    • Về craft, trọng tâm đã chuyển từ autocomplete sang chỉ đạo và review, còn stack đã mở rộng thành workflow end-to-end như GitHub Copilot, Sourcegraph Cody, Codeium/Windsurf, Devin, v.v.
    • Ở khía cạnh sản phẩm, Vercel v0, Lovable, Replit biến “Describe, then ship” thành một vòng lặp production cho các nhóm nhỏ
    • Vấn đề là stickiness đặc biệt quan trọng, nhất là với nhà phát triển không chuyên; hành vi của các cohort ban đầu cho thấy những thói quen này có thể bền vững như tìm kiếm khi lập trình
  • 25. Modalities đang tỏa sáng
    – Hình ảnh, video và giọng nói đã đạt tới một cấp số mới: Veo3, Runway, Sora dẫn dắt làn sóng tạo sinh đậm chất điện ảnh
    • ElevenLabs và Synthesia khiến công việc với giọng nói chất lượng cao và avatar trở thành chuyện thường ngày
    • Voice agent thời gian thực duy trì hội thoại trôi chảy và vận hành công cụ
    • Mô hình thị giác giờ có thể phân tích UI, biểu đồ và ảnh hiện trường mà không cần các template mong manh
    • Trình biên tập video chuyển thẳng từ clip sang các cảnh storyboard có nguồn gốc rõ ràng
    • Trong khi đó, từ Genie 3 đến các nghiên cứu mới của nhóm Fei-Fei Li, world model đang hướng tới việc nhận thức và hành động trong môi trường tương tác
      • Điều này làm mờ ranh giới giữa phần mềm sáng tạo và phần mềm vận hành
    • Chuẩn đánh giá đang chuyển từ “có thể thêm phụ đề không?” sang “có thể nhận thức, lập kế hoạch và hành động một cách đáng tin cậy giữa các mode không?”
    • 2026 sẽ là một năm lớn cho modalities

Suy nghĩ kết lại

  • Bản đồ MAD 2025 là bản đồ của một thị trường đang cùng lúc diễn ra hai việc: sôi sục và bồi đắp
  • Nó đã được vẽ lại với ít logo hơn và nhiều trọng số hơn để phản ánh thực tế
  • Các hyperscaler và những công ty pure-play dẫn đầu đứng ở rìa, agent cùng data/control plane gặp nhau ở trung tâm, và không chỉ GPU mà cả điện năng cũng quyết định tốc độ
  • Các tuyến câu chuyện tạo nên sự cộng hưởng xuyên suốt địa hình
    • Trong khi open weight vẫn giữ được đà đàn hồi, các lab tiếp tục mở rộng thành ứng dụng
    • Dữ liệu và hạ tầng AI đã hợp nhất
    • Triển khai enterprise đang diễn ra dù tụt lại sau các bản demo
    • Coding agent đã trở thành thói quen thường nhật
  • Từ đây, đường chân trời rộng hơn bất kỳ một bản phát hành đơn lẻ nào:
    khi phân phối, biên lợi nhuận, quản trị và mức tiêu thụ điện được căn chỉnh, intelligence trở thành hạ tầng,
    và làn sóng tiếp theo sẽ dẫn tới những bước tiến tổng hợp thúc đẩy toàn bộ ngành công nghiệp

Bài viết liên quan

2 bình luận

 
ragingwind 2025-11-10

"Nếu điều chỉnh phân phối, biên lợi nhuận, quản trị và mức tiêu thụ điện năng, trí tuệ sẽ trở thành hạ tầng, và làn sóng tiếp theo sẽ dẫn tới một bước phát triển tổng hợp giúp thúc đẩy toàn bộ ngành công nghiệp" Không biết khi nào điều đó sẽ đến, nhưng sau khi được sắp xếp ổn thỏa, rất nhiều hàng hóa và hành khách sẽ đi lại trên đó.