Tạm biệt sức mạnh tính toán dựa trên brute force: Nhìn vào "GrainBot" của Đại học Khoa học và Công nghệ Hồng Kông để hiểu lại logic định giá của AI for Science

Dưới đây là bản dịch hoàn chỉnh và chính xác của văn bản nguồn sang tiếng Việt:

Năm 2026, lĩnh vực trí tuệ nhân tạo của Hong Kong thể hiện rõ xu hướng “bùng nổ mật độ cao”. Nếu như kế hoạch trợ cấp tính toán 3 tỷ HKD trong dự toán ngân sách tháng trước được xem như một liều thuốc tinh thần mạnh mẽ cho ngành, thì những đột phá học thuật quan trọng và các cuộc đối thoại cao cấp trong ngành diễn ra liên tiếp trong những ngày gần đây chính là dấu hiệu cho thấy AI Hong Kong đang nhanh chóng từ giai đoạn “xây dựng hạ tầng” tiến vào “ứng dụng thực tiễn” trong vùng nước sâu.

Chỉ trong ngày hôm qua (3 tháng 3), khi phần lớn các nhà quan sát thị trường vẫn còn chú ý đến sự bùng nổ công suất của GPU thế hệ mới nhất của NVIDIA hoặc là OpenAI lại vừa ra mắt một mô hình lớn đa năng với tham số gây sốc, thì nhóm do Giáo sư Guo Yike, Phó Hiệu trưởng Đại học Khoa học và Công nghệ Hong Kong (HKUST), dẫn đầu đã tung ra một “bom tấn” trong giới học thuật và công nghiệp — GrainBot.

Đây không chỉ đơn thuần là một bộ công cụ AI mới, mà còn là ví dụ điển hình cho quá trình chuyển đổi từ khái niệm “AI cho Khoa học” (AI4S) sang thực tế công nghiệp hóa. Là một người lâu nay theo dõi các lĩnh vực công nghệ định lượng và công nghệ sâu (Deep Tech), tôi cho rằng sự xuất hiện của GrainBot đánh dấu trọng tâm phát triển của AI Hong Kong đang chuyển từ “giao tiếp chung chung” sang “phát hiện theo chiều dọc”. Đối với các nhà đầu tư tài chính, việc hiểu rõ logic đằng sau GrainBot chính là chìa khóa để nắm bắt các cơ hội đầu tư vào công nghệ cứng trong 5 năm tới, tức là xác định được “Alpha” của các khoản đầu tư này.

(Ảnh nguồn: analyticalscience.wiley.com)

Để hiểu giá trị của GrainBot, trước tiên chúng ta cần hiểu những “điểm đau” của khoa học vật liệu.

Trong các ngành sản xuất cao cấp như bán dẫn, pin năng lượng mới, tấm quang điện, thì hiệu suất của vật liệu thường quyết định thành bại của sản phẩm. Và hiệu suất của vật liệu — dù là dẫn điện, độ bền hay khả năng chống ăn mòn — phần lớn phụ thuộc vào cấu trúc vi mô của nó, cụ thể là kích thước, hình dạng và phân bố của các “hạt tinh thể” (Grains). Trong thời gian dài, các nhà khoa học vật liệu như những nghệ nhân cầm kính lúp. Họ sử dụng kính hiển vi điện tử quét (SEM) hoặc kính hiển vi lực nguyên tử (AFM) để chụp hàng nghìn bức ảnh, rồi dựa vào các nghiên cứu sinh hoặc các nhà nghiên cứu mất hàng trăm giờ để thủ công nhận diện, vẽ và đánh dấu ranh giới của từng hạt tinh thể. Quá trình này vừa cực kỳ chậm, vừa dễ mắc phải sai lệch chủ quan do con người gây ra.

Sự ra đời của GrainBot về cơ bản chính là việc trang bị cho kính hiển vi một “trí tuệ tự lái cấp độ L4”.

Theo kết quả nghiên cứu mới nhất đăng trên tạp chí hàng đầu của Cell Press mang tên Matter, GrainBot sử dụng các thuật toán thị giác máy tính (CV) tiên tiến và học sâu (Deep Learning) để tự động hoàn thành các bước phân đoạn hình ảnh, trích xuất đặc trưng và phân tích định lượng. Nó không còn cần sự can thiệp của con người nữa, mà có thể chính xác xác định ranh giới các hạt tinh thể, đồng thời tính toán các tham số hình học phức tạp như diện tích bề mặt, hình dạng khe nứt, thể tích lõm và lồi.

Quan trọng hơn, GrainBot không chỉ đơn thuần là một “máy đếm”. Nó còn có khả năng phân tích liên kết, có thể liên kết dữ liệu cấu trúc vi mô này với các đặc tính vật liệu ở cấp độ vĩ mô. Trong các thử nghiệm với màng mỏng perovskite — loại vật liệu được xem là thành phần then chốt của pin mặt trời hiệu suất cao thế hệ tiếp theo — GrainBot đã thành công xây dựng một cơ sở dữ liệu gồm hàng nghìn hạt tinh thể đã được đánh dấu, qua đó khám phá ra các mối quan hệ cấu trúc-đặc tính vốn rất khó lượng hóa trước đây. Trong buổi ra mắt, Giáo sư Guo Yike đã nói một câu rất có tầm nhìn: “Khi quy trình khoa học trở nên tự động hóa và dữ liệu ngày càng dồi dào, các bộ công cụ như này sẽ trở thành động lực chính của ‘phòng thí nghiệm tự chủ’ trong tương lai.”

Đối với các nhà đầu tư tài chính, sự xuất hiện của các thành tựu như GrainBot đồng nghĩa với việc chúng ta cần phải điều chỉnh lại mô hình định giá các dự án AI. Trong hai năm qua (2024-2025), thị trường chủ yếu tập trung vào “mô hình lớn chung” và “SaaS ứng dụng”. Các chỉ số định giá chủ yếu dựa trên MAU (người dùng hoạt động hàng tháng), ARR (doanh thu định kỳ hàng năm) và lượng token tiêu thụ. Tuy nhiên, khi hiệu ứng biên của các mô hình chung bắt đầu giảm dần, các nguồn tăng trưởng mới bắt đầu được tìm kiếm. AI for Science (AI4S) cung cấp một logic hoàn toàn khác biệt: giá trị của nó không nằm ở việc “phục vụ bao nhiêu người”, mà ở chỗ “rút ngắn bao nhiêu chu kỳ nghiên cứu phát triển” và “phát hiện ra bao nhiêu vật liệu mới”.

Lấy ví dụ, nếu GrainBot có thể giúp rút ngắn chu kỳ phát triển pin perovskite từ 3 năm xuống còn 6 tháng, hoặc giúp Công ty CATL tìm ra một loại cathode mới có thể tăng gấp 10% dung lượng năng lượng, thì giá trị kinh tế sinh ra sẽ là cấp số nhân.

Đây chính là logic của “sở hữu trí tuệ công nghiệp”. Trong tương lai, các kỳ lân AI không còn chỉ là các công ty phát triển chatbot nữa, mà là những “phòng thí nghiệm số” sở hữu dữ liệu và thuật toán cốt lõi trong các lĩnh vực đặc thù như vật liệu, sinh học y học, hóa chất, có khả năng sản xuất hàng loạt các bằng sáng chế.

Trong bối cảnh này, lợi thế của các trường đại học Hong Kong lại càng được nhân lên rõ rệt. Khác với Silicon Valley chủ yếu dựa vào các kỹ sư phần mềm, Hong Kong sở hữu mật độ cao các chuyên gia về vật liệu, hóa học và y sinh. Thành công của HKUST lần này chính là kết quả của sự hợp tác sâu sắc giữa khoa học máy tính (nhóm của Guo Yike) và kỹ thuật hóa học (nhóm của Giáo sư Zhou Yuanyuan). Sự kết hợp “AI + Kiến thức chuyên ngành” này chính là hàng rào bảo vệ khó bị các công ty internet thuần túy sao chép.

GrainBot không phải là ví dụ duy nhất. Nếu nâng tầm nhìn ra một chút, chúng ta sẽ thấy Hong Kong đang xây dựng một mô hình nghiên cứu mới dựa trên “phòng thí nghiệm tự chủ”. Phòng thí nghiệm tự chủ là khái niệm sử dụng robot và AI để tự động hóa toàn bộ quy trình thiết kế, thực hiện, phân tích dữ liệu và tối ưu lặp lại các thí nghiệm. Trong vòng khép kín này, AI (như GrainBot) đảm nhận vai trò “nhìn” và “suy nghĩ”, còn robot sẽ “làm”. Xu hướng này có ý nghĩa sâu xa đối với chuyển đổi cấu trúc kinh tế của Hong Kong. Từ lâu, Hong Kong được xem như trung tâm tài chính và cảng thương mại, còn trong lĩnh vực R&D công nghệ cứng thì thường bị xem là “thiếu chân”. Tuy nhiên, khi bước vào kỷ nguyên AI4S, hình thái nghiên cứu và phát triển đã thay đổi — trở nên số hóa và thông minh hơn. Hong Kong không cần phải có đất đai rộng lớn để xây nhà máy như trong nội địa, chỉ cần tận dụng hạ tầng tính toán và các trí tuệ nghiên cứu hàng đầu, thì có thể trở thành trung tâm xuất khẩu “các công thức vật liệu mới” toàn cầu.

Hãy hình dung, trong tương lai, khu công nghệ cao Hong Kong không chỉ có các tòa nhà văn phòng, mà còn hàng trăm, hàng nghìn “phòng thí nghiệm không người” hoạt động 24/7. Chúng liên tục thu thập dữ liệu, phân tích kết quả bằng các công cụ như GrainBot, rồi tự động điều chỉnh tham số thí nghiệm, cuối cùng xuất ra các công thức sáng chế có giá trị cao. Những công thức này có thể được cấp phép cho các nhà máy sản xuất trong Vùng Vịnh để chế tạo hàng loạt. Đó chính là phiên bản 2.0 của “Nghiên cứu và phát triển Hong Kong + Sản xuất Vùng Vịnh”.

Tất nhiên, với tư cách là một nhà quan sát lý trí, chúng ta cũng không thể bỏ qua những vấn đề và mối lo ngại tiềm tàng.

Thách thức lớn nhất của AI for Science vẫn chính là dữ liệu. Khác với lượng lớn dữ liệu internet dùng để huấn luyện ChatGPT, dữ liệu khoa học chất lượng cao (như hình ảnh kính hiển vi được chú thích hoàn hảo) cực kỳ khan hiếm. Thành công của GrainBot phần lớn nhờ nhóm đã bỏ ra nhiều công sức để xây dựng bộ dữ liệu ban đầu chất lượng cao. Thêm vào đó, hiệu ứng “đảo dữ liệu” (data silo) trong lĩnh vực khoa học còn nghiêm trọng hơn nhiều so với internet. Mỗi công ty vật liệu, mỗi phòng thí nghiệm đều giữ bí mật dữ liệu của riêng mình. Làm thế nào để xây dựng một cơ chế chia sẻ dữ liệu an toàn (có thể kết hợp công nghệ Web3 hoặc tính toán riêng tư) để các mô hình AI có thể “ăn chung” và phát triển là bước then chốt cho thương mại hóa trong tương lai.

Vào mùa xuân năm 2026, khi chúng ta đứng trên khuôn viên HKUST nhìn ra vịnh Tịnh Water Bay, không chỉ thấy cảnh đẹp mà còn cảm nhận rõ sự thay đổi của các mô hình nghiên cứu thế hệ mới.

Việc ra mắt GrainBot chính là biểu tượng cho sự kết hợp hoàn hảo giữa “tinh thần hacker” (lặp lại nhanh, dựa trên thuật toán) và “tinh thần thợ thủ công” (quan sát tỉ mỉ, mài giũa vật liệu). Đối với các nhà đầu tư, điểm quan tâm không còn chỉ là ai sở hữu nhiều card đồ họa NVIDIA nhất nữa, mà là ai có thể dùng AI để giải quyết các bài toán vật lý phức tạp nhất của thế giới thực.

Trong lĩnh vực mới này, Hong Kong đã mở ra một bước đi tốt đẹp. GrainBot có thể chỉ là bước khởi đầu, còn trong tầm nhìn rộng hơn, một thị trường phát hiện vật liệu AI trị giá hàng nghìn tỷ đô la đang dần hình thành, từng bước mở ra.