AI cho Business

Latent Sparse Attention (LSA) là phương pháp chú ý thưa hiệu quả giúp duy trì độ chính xác ở ngữ cảnh siêu dài (>1M token) bằng cách phân cụm phân cấp các key trong không gian tiềm ẩn đã học, giúp query chấm điểm theo cụm thay vì từng key riêng lẻ. Nghiên cứu giới thiệu hai biến thể: Distilled-LSA (D-LSA) áp dụng cho mô hình pre-trained qua chưng cất và Native-LSA (N-LSA) huấn luyện trực tiếp qua next-token loss. Trên GLM-5.3-FLASH (QWEN-3.8-27B) ở 10M token, D-LSA tăng tốc một lớp attention lên 22,7x (72,4x) khi prefill và 4,6x (42,5x) khi decode so với sparse (full) attention gốc mà vẫn giữ độ chính xác; N-LSA đạt chất lượng tương đương full attention với tốc độ huấn luyện nhanh hơn 1,6x/layer ở 128k token.

Theo bài viết từ The Wall Street Journal, nỗ lực tìm kiếm nguồn vốn mới cho AI của Meta đang vấp phải sự hoài nghi và phản ứng căng thẳng từ Phố Wall, trong bối cảnh các nhà đầu tư ngày càng lo ngại về quy mô chi tiêu CapEx cho AI và khả năng thu hồi vốn (ROI).

Theo IEEE Spectrum, Andon Labs đang đưa các tác tử AI (AI agents) vào trực tiếp quản lý và vận hành các doanh nghiệp thực tế. Đây là bước chuyển dịch đáng chú ý từ AI hỗ trợ (copilot) sang AI tự chủ trong môi trường kinh doanh thực tiễn. Dù vậy, dữ liệu nguồn chưa công bố chi tiết về kiến trúc kỹ thuật, quy mô thử nghiệm và mức độ can thiệp của con người, do đó cần theo dõi thêm các đánh giá thực tế về tính ổn định và an toàn.

Nghiên cứu đánh giá sự đánh đổi giữa độ chính xác và mức tiêu hao năng lượng trong các pipeline trích xuất thông tin (IE) chạy cục bộ (on-premise) bằng mô hình nhỏ (<= 8B tham số) cho dữ liệu nhạy cảm. Kết quả chỉ ra rằng mô hình thị giác-ngôn ngữ (VLM) tối ưu cho tài liệu giàu cấu trúc (VRDU), trong khi mô hình chỉ xử lý văn bản (text-only) kết hợp parser cổ điển lại vượt trội cả về độ chính xác lẫn hiệu năng năng lượng trên tài liệu thuần văn bản (Kleister-NDA). Ngoài ra, batching là yếu tố tiết kiệm năng lượng hiệu quả nhất (giảm 38-85%), còn neural OCR tiêu tốn năng lượng gấp 17 lần classical OCR và không đạt tối ưu Pareto.

Nghiên cứu giải quyết bài toán cốt lõi của các LLM đóng vai trò điều tra sự cố: xác định thời điểm bằng chứng đã đủ để đóng án thay vì phóng đại suy diễn. Nhóm tác giả giới thiệu Nautil - bộ dữ liệu 731 ca điều tra thực tế từ nhiều ngành công nghiệp và sự cố server. Kết quả cho thấy fine-tuning và học tăng cường giúp mô hình 9B giảm mạnh tỷ lệ phóng đại bằng chứng từ 97% xuống 35% và đạt balanced accuracy 83.3 trong quyết định đóng án.

Giám đốc tài chính của OpenAI, Sarah Friar, giải thích cách thức các cải tiến đồng bộ trên toàn bộ ngăn xếp công nghệ—bao gồm vi mạch, năng lực tính toán, mô hình và sản phẩm—tạo ra hiệu ứng cộng hưởng để cung cấp trí tuệ nhân tạo hữu ích hơn ở quy mô lớn hơn với chi phí thấp hơn.

Startup phần cứng Positron đạt mức định giá 5 tỷ USD trong vòng gọi vốn mới trong bối cảnh nhu cầu đối với chip AI tiếp tục tăng vọt.

Nvidia công bố định hướng đầu tư lớn vào Physical AI (AI vật lý) nhằm cải thiện độ an toàn cho robotaxi và đẩy mạnh phát triển robot hình người. Dữ liệu trích dẫn từ tiêu đề bài viết Ars Technica, chưa công bố chi tiết kỹ thuật cụ thể trong ngữ cảnh.

Nghiên cứu giới thiệu khung mô hình ngôn ngữ lớn OpenPerov và bộ benchmark PSM-Bench (800 câu hỏi) phục vụ suy luận khoa học và tối ưu hóa pin mặt trời perovskite. Được huấn luyện từ dữ liệu thực nghiệm tái cấu trúc của 4.532 bài báo, OpenPerov (bản Flash và Pro) vượt qua các chuyên gia và hệ thống closed-book trong việc giải thích cơ chế và thiết kế vật liệu. Trong thử nghiệm thực tế về lớp phân tử tự lắp ráp (SAM), mô hình đã chọn giải pháp tương tự K (K analogue) vượt trội hơn lựa chọn Na của chuyên gia, giúp pin đạt hiệu suất 27,05% và duy trì 96,74% hiệu suất sau 1.000 giờ lão hóa nhiệt ở 85°C.

Theo nghiên cứu được Reuters trích dẫn, các mô hình AI của Anthropic đang có tốc độ cải thiện nhanh gần gấp đôi nhờ việc tận dụng chính AI để hỗ trợ trong quá trình nghiên cứu và phát triển.

Jump Trading ứng dụng OpenAI và ChatGPT để mở rộng quy mô nghiên cứu định lượng (quant research), kết hợp các quy trình AI chạy dài hạn với việc tổng hợp đa nguồn dữ liệu và duy trì sự kiểm duyệt từ con người.

Etsy đang triển khai các biện pháp hạn chế nội dung do AI tạo ra nhằm ngăn chặn làn sóng sản phẩm kém chất lượng từ người bán ('seller slop') và bảo vệ giá trị cốt lõi của đồ thủ công trên sàn thương mại điện tử.

Bài viết thảo luận về làn sóng phần mềm nhân bản bằng AI (AI software clones) đang bắt đầu thách thức các công ty công nghệ hàng đầu như Adobe, đe dọa đến mô hình kinh doanh và hào phòng thủ sản phẩm truyền thống.

Thống đốc bang California Gavin Newsom đã ký một sắc lệnh hành pháp mới nhằm tăng cường các biện pháp an toàn AI, nhấn mạnh việc thiết lập kiểm soát rủi ro kịp thời tại trung tâm công nghệ hàng đầu thế giới.

Bài viết từ Mercor thông báo kết quả thử nghiệm chuẩn hóa (benchmarks) với mức cơ sở con người, cho thấy các hệ thống AI hiện tại đã có hiệu suất vượt qua kế toán viên cấp độ sơ cấp (junior accountants) trong các bài kiểm tra nghiệp vụ.

Bài viết từ OpenClaw AI đề cập đến việc Kế hoạch 5 năm của Trung Quốc được cho là đưa ra định hướng bắt buộc triển khai AI Agent trên toàn bộ nền kinh tế. Do dữ liệu đầu vào chỉ có tiêu đề và liên kết từ Hacker News mà không có nội dung toàn văn, các quy định và lộ trình cụ thể chưa được xác minh, nhưng phản ánh xu thế chính sách vĩ mô thúc đẩy tự động hóa bằng AI tự trị cấp quốc gia.

Calif Research công bố bản demo WeWorm, sâu máy tính zero-click đầu tiên lây lan qua cuộc gọi WeChat trên cả iOS và Android mà không cần người dùng tương tác. Đáng chú ý, nhóm nghiên cứu đã ứng dụng AI để tìm lỗ hổng và phát triển mã khai thác RCE chỉ trong khoảng 2 ngày, hoàn thiện toàn bộ sâu trong 1 tuần—rút ngắn quy trình vốn từng mất nhiều tháng của một đội ngũ lớn.

Các công ty trung tâm dữ liệu AI thừa nhận với các Thượng nghị sĩ Hoa Kỳ (Warren, Blumenthal, Van Hollen) rằng họ không chi trả toàn bộ chi phí thực tế phát sinh, đồng thời tiếp tục sử dụng thỏa thuận bảo mật (NDA) và tìm kiếm các khoản miễn giảm thuế, làm dấy lên quan ngại về tính minh bạch và gánh nặng tài chính công.

Bài viết trên Computerworld và thảo luận trên Hacker News đặt vấn đề về việc AI chưa thực sự giúp doanh nghiệp gia tăng năng suất như kỳ vọng, phản ánh sự chênh lệch giữa chi phí đầu tư công nghệ và hiệu quả vận hành thực tế.

Tập đoàn bán lẻ Kroger lên kế hoạch sa thải khoảng 3.000 nhân viên khối văn phòng trong lộ trình 3 năm tới để tái cơ cấu bộ máy và đẩy mạnh đầu tư ứng dụng trí tuệ nhân tạo (AI) vào vận hành.

Bài viết trên CIO.com khẳng định AI không trực tiếp làm mất việc làm, mà nguyên nhân thực sự đến từ thiết kế đội ngũ kém hiệu quả. Việc ứng dụng AI đòi hỏi tái cấu trúc mô hình tổ chức và luồng làm việc, thay vì đơn thuần cắt giảm nhân sự hay bổ sung công cụ mới vào bộ máy cũ.

Ngân hàng Barclays dự kiến cắt giảm khoảng 5.000 việc làm khi tăng cường sự phụ thuộc vào trí tuệ nhân tạo (AI) nhằm tối ưu chi phí và quy trình vận hành. Thông tin xuất phát từ BBC News phản ánh làn sóng ứng dụng AI để thay thế lao động truyền thống trong ngành tài chính, dù chi tiết lộ trình và các công nghệ AI cụ thể triển khai chưa được công bố.

Marvell và Lumentum công bố thỏa thuận kết hợp kinh doanh (sáp nhập) nhằm tạo ra công ty dẫn đầu trong lĩnh vực kết nối AI (AI Connectivity), giải quyết bài toán băng thông quang học và bán dẫn cho hạ tầng tính toán AI.

Báo cáo từ State of AI (2026) phân tích tình hình ứng dụng AI trong doanh nghiệp, tập trung vào ba khía cạnh: mức độ sử dụng thực tế, quy mô chi tiêu ngân sách và tỷ suất hoàn vốn đầu tư (ROI). Lưu ý: Dữ liệu cung cấp chỉ gồm tiêu đề và liên kết bài viết, nội dung thống kê chi tiết chưa được cung cấp trong bằng chứng.