AI cho Business

Trung Quốc đề xuất dự thảo kiểm soát xuất khẩu đối với các mô hình AI tiên tiến và các bản thiết kế chip. Động thái này cho thấy nỗ lực siết chặt quản lý tài sản trí tuệ và công nghệ cốt lõi trong nước, có thể tác động đến việc phân phối mô hình AI cũng như chuỗi cung ứng bán dẫn toàn cầu.

Theo thông tin từ bài báo của Financial Times, Tesla được cho là sẽ ngừng phát triển và sản xuất dòng xe bán tải điện Cybertruck nhằm chuyển dịch trọng tâm đầu tư sang lĩnh vực robot và trí tuệ nhân tạo (AI). Dù vậy, dữ liệu cung cấp chỉ gồm tiêu đề và chưa có xác nhận chi tiết về lộ trình cụ thể từ phía Tesla.

Nghiên cứu giới thiệu phương pháp tinh chỉnh tự giám sát dựa trên độ tin cậy (confidence training) giúp các mô hình suy luận giảm tới 25% lượng token sinh ra mà vẫn giữ nguyên độ chính xác. Chỉ với 600 bài toán huấn luyện dự đoán độ tin cậy ở các bước trung gian, mô hình tự động rút ngắn chuỗi suy luận trong quá trình sinh chuẩn mà không cần áp đặt hàm phạt độ dài hay cơ chế dừng sớm.

SEEK là khung đánh giá chất lượng tìm kiếm công nghiệp sử dụng LLM, giải quyết hạn chế của việc nhồi nhét tiêu chí vào prompt hoặc tốn kém chi phí khi huấn luyện lại mô hình. Phương pháp này tách các tiêu chí đánh giá vào một ngân hàng kỹ năng (skill bank), định tuyến động các kỹ năng liên quan cho từng cặp truy vấn - danh sách kết quả, và dùng bộ đánh giá danh sách (listwise evaluator) để đưa ra phán đoán cấp trang cùng chẩn đoán nguyên nhân lỗi. Với quy trình huấn luyện hai giai đoạn và cơ chế replay-gated skill bank, hệ thống cho phép liên tục cập nhật tri thức đánh giá mà không cần huấn luyện lại mô hình. SEEK đã được triển khai thực tế tại Kuaishou (hơn 400 triệu DAU).

OpenAI đã phát triển hệ thống Habitat từ một thư viện Python ban đầu thành nền tảng lưu trữ phân tán toàn cầu, phục vụ hơn 1 tỷ người dùng ChatGPT và xử lý tải lưu lượng lên tới 22 triệu truy vấn mỗi giây (22M RPS).

Canva công bố mô hình AI tạo ảnh nội bộ đầu tiên với cơ chế lập kế hoạch thiết kế trước khi tạo ảnh, giúp cải thiện khả năng kiểm soát bố cục và tối ưu hóa cho quy trình thiết kế đồ họa.

Dữ liệu khảo sát BTOS của Cục Thống kê Dân số Mỹ cho thấy tỷ lệ ứng dụng AI tại các doanh nghiệp lớn tăng từ ~12% lên ~40% (tháng 10/2026), tuy nhiên mức tăng vọt này chủ yếu đến từ việc nới rộng câu hỏi khảo sát sang 'bất kỳ chức năng kinh doanh nào' từ cuối năm 2025 khiến dữ liệu trước và sau không thể so sánh trực tiếp. Đặc biệt, từ ngày 19/10/2026, theo Sắc lệnh 14434, thuật ngữ 'AI' tiếp tục bị đổi thành 'Super Intelligence' (SI), tạo thêm nguy cơ gây nhiễu loạn kết quả thống kê.

Bài viết từ Apify cảnh báo tình trạng AI agent bị ảo giác (hallucination) giá cả sản phẩm khi không có dữ liệu thực tế, đồng thời đề xuất giải pháp neo dữ liệu (grounding) LLM với dữ liệu trực tiếp từ web theo thời gian thực để đảm bảo độ chính xác cho các tác vụ thương mại.

Tiêu đề bài viết cho thấy các AI agent được cho là đã được Railway sử dụng (hoặc liên quan đến Railway) để xâm nhập hệ thống của đối thủ cạnh tranh Primcloud. Do dữ liệu cung cấp chỉ bao gồm tiêu đề và chưa có nội dung chi tiết, các khía cạnh kỹ thuật cụ thể, phương thức khai thác và mức độ thiệt hại thực tế hiện vẫn chưa được xác thực.

Nghiên cứu về Active In-Context Learning cho các mô hình nền tảng dạng bảng (TFMs) nhằm giải quyết chi phí gán nhãn đắt đỏ trong thực tế. Khảo sát trên 20 benchmark với 2 TFM và mô hình GBDT chỉ ra ba nguyên tắc: (1) Khi nào: chọn mẫu theo độ đa dạng tốt nhất ở các vòng đầu; (2) Ở đâu: gán nhãn các dòng phục vụ trực tiếp input mục tiêu bằng quy tắc Target-Aware Nearest Neighbor (TANN) tạo khác biệt lớn; (3) Như thế nào: phương pháp EPIC giúp đạt 80-87% hiệu năng tối đa chỉ với 5-10% dữ liệu được gán nhãn và cải thiện cả hiệu năng của mô hình GBDT.

WeAct (Weight-level Internal Actions) giới thiệu cơ chế chuyển đổi trọng số động cho AI agent bằng cách đưa việc lựa chọn LoRA adapter chuyên biệt vào không gian hành động thông qua giao diện tool-calling bản địa trên một mô hình nền cố định. Thử nghiệm trên Qwen3-32B với 8 benchmark deep-research cho thấy WeAct vượt qua full fine-tuning 6,2% độ chính xác (dùng ít compute hơn) và vượt trội hơn 27,5% so với static LoRA-merging, đồng thời cho phép bổ sung hoặc nâng cấp kỹ năng theo từng mô-đun mà không gây ra hiện tượng quên kiến thức cũ (catastrophic forgetting).

OpenAI chia sẻ phương pháp mở rộng hệ thống lưu trữ trực tuyến Habitat để phục vụ hơn 1 tỷ người dùng ChatGPT, kết hợp kiến trúc multi-tenancy tin cậy, global caching và Azure Cosmos DB nhằm giúp tốc độ đọc nhanh hơn 12 lần.

Evolving Agent Teams (EAT) là framework đa tác tử giúp giải quyết các bài toán tối ưu hóa mở như tối ưu kernel GPU mà các coding agent thông thường hay bị kẹt ở điểm tối ưu cục bộ. Hệ thống kết hợp một supervisor trung tâm để chẩn đoán và tái cơ cấu nhóm tác tử cùng hệ thống tệp bền vững lưu trữ kinh nghiệm tiến hóa. EAT có khả năng tự sinh kernel CUDA đạt tốc độ trung bình gấp 1.2 lần kernel FlashInfer MLA paged decode trong production, đồng thời tăng tốc đáng kể trên AMD MI350X, NVIDIA B200, Apple Silicon và bài toán robot RoboDojo. Mã nguồn đã được công khai trên GitHub.

OpenAI thông báo mua lại Orchestra Bio nhằm ứng dụng AI vào tối ưu hóa vận hành trong nghiên cứu và phát triển (R&D) thuộc lĩnh vực khoa học đời sống, giúp các nhóm sinh dược đẩy nhanh tiến độ phát triển thuốc và các phương pháp điều trị mới.

Anthropic đã ra mắt bộ công cụ mới giúp các doanh nghiệp theo dõi, minh bạch hóa và đánh giá chính xác giá trị thực tế mang lại từ các khoản chi tiêu cho AI.

Công ty AI pháp lý Legora đã huy động thành công 550 triệu USD trong vòng gọi vốn Series E, nâng mức định giá doanh nghiệp lên 8 tỷ USD.

Oracle đã nộp hồ sơ xin chào bán 20 tỷ USD dưới dạng cổ phiếu mới và trái phiếu nhằm tài trợ cho kế hoạch mở rộng và xây dựng hạ tầng AI.

SentinelOne ứng dụng giải pháp OpenAI Daybreak giúp cắt giảm thời gian phân tích mã độc từ nhiều tuần xuống chỉ còn vài giờ, tạo thêm năng lực điều tra và phát hiện nhiều mối đe dọa an ninh mạng hơn.

Pinocchio là bộ hiệu chuẩn ngoại vi giúp ước lượng độ bất định và tính chính xác của phản hồi từ các mô hình LLM dạng hộp đen (như GPT) mà không cần quyền truy cập log-probabilities, trọng số hay tinh chỉnh mô hình. Được huấn luyện trên phản hồi từ 7 LLM, Pinocchio đạt AUROC 0.862 và có khả năng chuyển giao zero-shot tới 13 mô hình khác nhau. Mô hình chỉ cần 1 lượt suy luận duy nhất (single forward pass), có phiên bản 0.8B gọn nhẹ tương đương bản lớn nhất và dễ dàng tích hợp vào codebase chỉ với 2 dòng mã.

Các ngân hàng lớn bày tỏ quan ngại sâu sắc về xu hướng người tiêu dùng sử dụng tác nhân AI (AI agents) để tự động mua sắm trực tuyến. Mối lo ngại tập trung vào rủi ro gian lận tài chính, khó khăn trong xác thực ủy quyền thanh toán, nguy cơ phát sinh tranh chấp hoàn tiền (chargeback) và sự thiếu hụt khung pháp lý phân định trách nhiệm khi agent thực hiện giao dịch sai sót.

Các băng nhóm tội phạm đường cao tốc đang nhắm vào quá trình vận chuyển thiết bị trung tâm dữ liệu AI, gây thiệt hại hàng triệu USD do giá trị chợ đen của phần cứng AI tăng vọt.

Anthropic cho biết mô hình Claude hiện đảm nhận khoảng 25% khối lượng công việc nghiên cứu và phát triển các mô hình AI thế hệ tiếp theo của công ty.

Nghiên cứu giới thiệu khung phương pháp luận đo lường toàn diện cho các AI agent đa lượt trong doanh nghiệp thay vì chấm điểm tĩnh. Hệ thống bao gồm đặc tả đánh giá mức hội thoại (phân định lỗi do năng lực agent hay thiếu tri thức nghiệp vụ), các LLM judge nguyên tử liên kết qua đồ thị tổng hợp, mô phỏng người dùng bảo toàn ý định và cơ chế quản trị con người can thiệp (HITL). Kết quả thực tế cho thấy độ chuẩn xác của đo lường được cải thiện liên tục và mô hình phối hợp người - máy đem lại hiệu quả vận hành vượt trội.

DIAL-OPD là phương pháp chọn lọc token mới cho quá trình chưng cất on-policy (OPD), chứng minh rằng huấn luyện trên ít token hơn (chỉ 40%) có thể vượt trội hơn full-token OPD. Bằng cách gán trọng số cho độ lớn phần thưởng bằng trung bình logarit của xác suất mô hình giáo viên và học sinh, DIAL-OPD triệt tiêu hiệu quả các 'low-low token' (token có xác suất cực thấp ở cả hai mô hình gây nhiễu học tập) trong khi giữ lại các token có giá trị suy luận cốt lõi, giúp giáo viên 4B vượt qua giáo viên 8B và nhân đôi tỷ lệ giải toán AIME25 Pass@16.