Năng lực tính toán không thay thế được cơ chế thể chế: Trí tuệ nhân tạo (AI) có thể tăng tốc độ sản sinh giả thuyết và ý tưởng khoa học lên nhiều lần, nhưng bản thân nó bất lực trước một hệ thống thể chế ngăn trở sự chia sẻ, kiểm chứng thực nghiệm và thương mại hóa các ý tưởng đó.
Nguy cơ sai lệch trong phân bổ vốn đầu tư: Các chính phủ và doanh nghiệp hiện đối mặt với nguy cơ đổ dồn hàng tỷ USD vào mô hình và hạ tầng tính toán (phần cứng, trung tâm dữ liệu), trong khi đầu tư quá ít vào hệ sinh thái tri thức mở – điều kiện tiên quyết để AI chuyển hóa thành năng suất kinh tế thực tế.
Chính sách dữ liệu và ý tưởng là chìa khóa chủ quyền: Để thu hồi vốn đầu tư công và hiện thực hóa mục tiêu tự chủ công nghệ, nhà nước cần xây dựng thể chế tạo điều kiện thuận lợi cho việc lưu chuyển tự do dữ liệu, giải trừ độc quyền sở hữu trí tuệ phòng thủ và tài trợ cho cơ sở hạ tầng nghiên cứu mở.
1. Ảo tưởng về "Trí thông minh thuần túy" và bẫy năng suất nghiên cứu
Dario Amodei, Giám đốc điều hành của Anthropic, từng nhận định rằng tốc độ phát hiện trong các lĩnh vực then chốt như khoa học đời sống và công nghệ sinh học có thể tăng gấp 10 lần hoặc hơn nếu thế giới có thêm nhiều nhà nghiên cứu tài năng và sáng tạo, một nguồn lực mà theo ông, các tác nhân trí tuệ nhân tạo tự hành (AI agents) hoàn toàn có thể lấp đầy trong tương lai gần. Cách tiếp cận này dựa trên một tiền đề kinh tế học ngầm định: nút thắt cổ chai lớn nhất kìm hãm sự tích lũy tri thức và tăng trưởng kinh tế chính là nguồn cung trí thông minh và sức lao động trí tuệ.
Nếu giả định này đúng, tăng trưởng kinh tế sẽ chỉ đơn giản là bài toán mở rộng quy mô tính toán. Thế nhưng, lịch sử kinh tế và thực tế nghiên cứu khoa học lại chỉ ra một thực tế hoàn toàn khác. Vấn đề không chỉ nằm ở việc chúng ta nghĩ ra cái mới nhanh hay chậm, mà nằm ở cách thức xã hội tổ chức, phân phối và hấp thụ tri thức.
Trong nhiều thập kỷ qua, các nền kinh tế phát triển đối mặt với hiện tượng mà các nhà kinh tế gọi là "hiệu ứng quả treo thấp" (low-hanging fruit): những ý tưởng khoa học dễ tiếp cận, dễ tạo đột phá đã cơ bản được khai thác triệt để. Mỗi khám phá mới ngày nay đòi hỏi mức chi phí lớn hơn, quy mô phòng thí nghiệm phức tạp hơn và thời gian thẩm định kéo dài hơn. Nghiên cứu kinh tế định lượng cho thấy, để duy trì cùng một tốc độ tăng trưởng kinh tế mà Hoa Kỳ từng đạt được vào thập niên 1930, nền kinh tế hiện nay cần số lượng nhà nghiên cứu nhiều gấp 41 lần.
Việc tự động hóa quá trình sáng tạo ý tưởng thông qua AI được kỳ vọng là đòn bẩy bù đắp cho sự suy giảm hiệu suất biên này. Giáo sư Charles Jones (Đại học Stanford) từng mô tả một kịch bản kinh tế lý tưởng, nơi các cỗ máy thông minh có thể phát minh ra toàn bộ các ý tưởng khả thi, đẩy năng suất nghiên cứu lên mức tối đa.
Tuy nhiên, mô hình tăng trưởng nội sinh dạy chúng ta rằng: ý tưởng chỉ chuyển hóa thành của cải khi nó được thử nghiệm, phổ biến và tái sử dụng. Nếu hạ tầng thể chế hiện tại vốn được thiết kế để cô lập dữ liệu, phân mảnh nguồn lực và dựng rào cản độc quyền, thì việc AI tạo ra thêm hàng triệu ý tưởng mỗi ngày chỉ tạo ra một sự quá tải thông tin mà không tạo ra bất kỳ bước nhảy vọt nào về năng suất lao động tổng hợp (TFP).
2. Sự nghẽn mạch trong dòng chảy ý tưởng: Vì sao hệ thống đổi mới suy giảm hiệu quả?
Nghiên cứu kéo dài 45 năm theo dõi hoạt động đăng ký sáng chế của toàn bộ các doanh nghiệp tại Mỹ cho thấy một nghịch lý kinh tế rõ rệt: sự bùng nổ của số lượng bằng sáng chế trên mỗi đô la chi tiêu cho R&D không đi kèm với sự tăng trưởng năng suất tương ứng. Vấn đề của nền kinh tế không nằm ở sự khan hiếm ý tưởng thô, mà nằm ở sự suy giảm nghiêm trọng trong năng lực lan tỏa tri thức từ phòng thí nghiệm vào chuỗi giá trị sản xuất.
Sự nghẽn mạch này bắt nguồn từ cấu trúc thị trường và các động lực kinh tế sai lệch:
Rào cản độc quyền và thâu tóm phòng thủ: Các tập đoàn công nghệ lớn nhất hiện nay nắm giữ phần lớn các bằng sáng chế đột phá. Thay vì phát triển chúng để phục vụ cộng đồng, các tập đoàn có xu hướng sử dụng bằng sáng chế như một công cụ phòng thủ (patent thickets) nhằm loại trừ các đối thủ cạnh tranh mới nổi.
Hiện tượng thâu tóm nhằm mục đích triệt tiêu đã trở nên phổ biến. Một nghiên cứu chuyên sâu trong ngành công nghiệp dược phẩm chỉ ra rằng: có từ 5% đến 7% các vụ mua lại doanh nghiệp khởi nghiệp được thực hiện không phải để phát triển tiếp các dự án thuốc tiềm năng, mà nhằm mục đích đóng cửa hoàn toàn các dự án đó, ngăn chặn nguy cơ chúng làm giảm thị phần của các dòng thuốc hiện có. Khi tri thức bị khóa chặt sau các thương vụ thâu tóm, tiến bộ công nghệ toàn diện bị kéo lùi.
Chi phí giao dịch và ma trận pháp lý: Các doanh nghiệp nhỏ và viện nghiên cứu độc lập vốn là cội nguồn của những ý tưởng mang tính đột phá – bị trói buộc bởi hệ thống thỏa thuận chuyển giao vật liệu sinh học (MTAs), giấy phép sở hữu trí tuệ phức tạp và các vụ kiện tụng kéo dài. Sự tập trung tri thức vào tay một số ít tập đoàn khổng lồ khiến chi phí tiếp cận công cụ nghiên cứu vượt quá khả năng tài chính của các bên tham gia thị trường quy mô vừa và nhỏ.
Thiên lệch xuất bản và sự lãng phí tài nguyên nghiên cứu: Một khiếm khuyết thể chế dai dẳng khác là cơ chế xuất bản khoa học hiện hành chỉ ưu tiên các phát hiện khẳng định và gần như từ chối công bố các kết quả thất bại. Hàng ngàn phòng thí nghiệm trên thế giới vô tình lặp đi lặp lại những thử nghiệm không có kết quả, thiêu đốt hàng triệu giờ công và hàng tỷ USD ngân sách vào những ngõ cụt mà lẽ ra cộng đồng đã có thể nhận biết và phòng tránh nếu dữ liệu được công khai minh bạch.
3. Đặt lại nền móng tăng trưởng: Bài học từ CRISPR và công nghệ mRNA
Trong các cuộc tranh luận về AI, Dario Amodei gọi những chướng ngại kể trên là các "ràng buộc từ phía con người" (human constraints), bao gồm sự phức tạp của luật pháp, quy trình hành chính và phản ứng thận trọng của xã hội. Ông đặt niềm tin rằng năng lực vượt trội của AI sẽ giúp con người từng bước vượt qua các rào cản này.
Thế nhưng, đây là một sự nhầm lẫn giữa năng lực nhận thức và khuyết tật thể chế:
Trường hợp của Francisco Mojica: Nhà vi sinh học người Tây Ban Nha từng bị bốn tạp chí khoa học danh tiếng hàng đầu từ chối công bố công trình đặt nền móng xác định cơ chế miễn dịch của vi khuẩn, tiền đề trực tiếp của công nghệ chỉnh sửa gen CRISPR-Cas9 làm thay đổi y học hiện đại.
Trường hợp của Katalin Karikó: Nhà khoa học đoạt giải Nobel Y học từng bị Đại học Pennsylvania giáng chức vào năm 1995 chỉ vì không thể xin được tài trợ nghiên cứu cho dự án mRNA, nền tảng then chốt sản xuất vaccine cứu sống hàng triệu người trong đại dịch COVID-19.
Những ví dụ trên không phản ánh sự thiếu hụt trí thông minh của Mojica, Karikó hay các hội đồng xét duyệt. Chúng phơi bày sự xơ cứng của các chỉ số đánh giá, tính bảo thủ của hệ thống tài trợ và tiêu chuẩn xuất bản cứng nhắc.
Nếu chúng ta chỉ đưa một mô hình AI tối tân vào hệ thống thể chế hiện hành, thuật toán AI, vốn được huấn luyện dựa trên các dữ liệu đánh giá truyền thống sẽ tiếp tục chấm trượt hồ sơ của Karikó vì bà không đáp ứng các chỉ số KPI ngắn hạn, và tiếp tục từ chối bài báo của Mojica vì nó đi ngược lại hệ hình nghiên cứu chủ lưu thời điểm đó. Không một năng lực tính toán nào có thể thay đổi được kết quả khi các tiêu chí đánh giá bên dưới vẫn vận hành theo lối mòn bảo thủ.
Do đó, chi phí cơ hội lớn nhất mà các quốc gia đang gánh chịu không đến từ tốc độ xử lý dữ liệu của máy tính, mà đến từ sự lãng phí nguồn lực do thể chế quản trị nghiên cứu và phát triển (R&D) bị lỗi thời.
4. Thiết kế chính sách AI gắn liền với hệ sinh thái tri thức mở
Trong kinh tế học tăng trưởng, động cơ cốt lõi thúc đẩy lợi nhuận gia tăng chính là tính không cạnh tranh của ý tưởng. Một công thức toán học, một đoạn mã nguồn hay một chuỗi cấu trúc phân tử có thể được sử dụng đồng thời bởi hàng triệu người mà không làm hao mòn giá trị của nó.
Nếu chính phủ các nước chỉ tập trung vào việc trợ cấp xây dựng trung tâm dữ liệu, mua sắm chip bán dẫn và đảm bảo nguồn điện cho các cụm siêu máy tính, họ mới chỉ giải quyết một nửa phương trình kinh tế. Nếu dòng chảy ý tưởng bị chặn đứng bởi độc quyền và rào cản dữ liệu, các khoản đầu tư công khổng lồ đó sẽ chỉ làm giàu thêm cho một số tập đoàn hạ tầng công nghệ, trong khi năng lực đổi mới sáng tạo quốc gia và chủ quyền kinh tế của các doanh nghiệp nội địa vẫn rơi vào cảnh lệ thuộc.
Để biến trí tuệ nhân tạo thành động lực tăng trưởng bao trùm, chính sách công cần thực hiện các chuyển dịch mang tính chiến lược:
Chuẩn hóa và mở hóa dữ liệu nghiên cứu công: Chính phủ cần đặt ra điều kiện tiên quyết đối với mọi đề tài nghiên cứu sử dụng ngân sách nhà nước. Toàn bộ dữ liệu thô và kết quả thử nghiệm phải được công bố dưới các định dạng chuẩn hóa, có khả năng tương tác và tái sử dụng cao. Đồng thời, cần xây dựng cơ chế bắt buộc hoặc khuyến khích chia sẻ các kết quả nghiên cứu âm tính để ngăn ngừa sự lãng phí tài nguyên xã hội.
Cải cách chế định sở hữu trí tuệ trong các lĩnh vực nền tảng: Các cơ quan quản lý cần ngăn chặn việc lạm dụng luật sáng chế để bao vây các công cụ nghiên cứu thượng nguồn. Trong những lĩnh vực mà tri thức khoa học đang trong giai đoạn hình thành và cần sự tham gia của toàn ngành, chính sách cần ưu tiên các cơ chế cấp phép nghiên cứu mở, bảo đảm các doanh nghiệp khởi nghiệp và viện nghiên cứu không bị tước đoạt quyền tiếp cận.
Tài trợ tài chính cho các nền tảng khoa học mở dùng chung: Bên cạnh các khoản trợ cấp cho cụm tính toán, chính phủ cần đóng vai trò là nhà đầu tư nền móng cho các hạ tầng dữ liệu mở phi lợi nhuận. Một ví dụ tiêu biểu là sáng kiến BEACON của tổ chức Conscience, mô hình vận hành các cuộc thi khoa học mở, nơi các nhà nghiên cứu cùng giải quyết các bài toán hóc búa về cấu trúc sinh học, chia sẻ dữ liệu và giải pháp công khai thay vì đăng ký sáng chế độc quyền, giúp tối ưu hóa tiến độ phát triển thuốc và vật liệu mới.
Trí tuệ nhân tạo là một công cụ khuếch đại phi thường, nhưng bản chất của nó chỉ là một bộ máy nhân hệ số. Khi đưa một bộ máy nhân công suất lớn vào một hệ thống thể chế đóng kín, phân mảnh và nặng tính độc quyền, cái chúng ta nhận về không phải là tăng trưởng kinh tế bền vững, mà là sự lãng phí vốn đầu tư và gia tăng bất bình đẳng công nghệ.
Lợi ích kinh tế mà một quốc gia thu được từ cuộc cách mạng AI phụ thuộc bình đẳng vào hai yếu tố: sức mạnh của các mô hình thuật toán và độ thông thoáng của cơ sở hạ tầng thể chế tri thức. Đầu tư hàng chục tỷ đô la vào phần cứng AI nhưng bỏ quên việc xây dựng hệ sinh thái khoa học mở là một sự lệch pha chính sách nguy hiểm, một sai lầm phân bổ nguồn lực sẽ giới hạn chính tiềm năng thịnh vượng của nền kinh tế trong kỷ nguyên số.
