Cuộc đua AI đã bước sang một giai đoạn hoàn toàn mới

Trong hai năm đầu của làn sóng Generative AI, sự chú ý của thế giới tập trung gần như tuyệt đối vào các mô hình ngôn ngữ lớn (Large Language Models – LLMs). OpenAI tạo dấu ấn với ChatGPT, Google đáp trả bằng Gemini, Anthropic phát triển Claude, còn Meta công khai chiến lược nguồn mở với Llama.

Ở giai đoạn đó, câu hỏi lớn nhất của thị trường là:

• Mô hình nào thông minh hơn?

• Mô hình nào hiểu ngữ cảnh tốt hơn?

• Mô hình nào có khả năng suy luận vượt trội?

Tuy nhiên, đến năm 2026, trọng tâm của cuộc cạnh tranh đã thay đổi.

Thay vì chỉ so sánh chất lượng mô hình, các tập đoàn công nghệ bắt đầu cạnh tranh về khả năng xây dựng và vận hành hạ tầng AI. Đây là sự dịch chuyển mang tính chiến lược bởi AI hiện đại không chỉ cần thuật toán tốt mà còn đòi hỏi năng lực tính toán ở quy mô chưa từng có.

Một mô hình ngôn ngữ với hàng trăm tỷ tham số cần được huấn luyện trên hàng chục nghìn GPU trong nhiều tuần hoặc nhiều tháng liên tục. Sau khi hoàn tất huấn luyện, hệ thống vẫn phải duy trì năng lực tính toán rất lớn để phục vụ hàng triệu, thậm chí hàng tỷ lượt truy vấn mỗi ngày.

Điều đó khiến chi phí của AI không còn nằm chủ yếu ở nghiên cứu thuật toán, mà chuyển sang đầu tư hạ tầng.

Cuộc chiến AI vì thế đã bước sang chương mới: cuộc chiến về Data Center, GPU và năng lượng.

Vì sao Data Center được ví như "mỏ dầu" của kỷ nguyên AI?

Trong thế kỷ XX, dầu mỏ là nguồn tài nguyên quyết định sức mạnh kinh tế và địa chính trị của nhiều quốc gia. Quốc gia nào kiểm soát được nguồn dầu, quốc gia đó có lợi thế về công nghiệp, vận tải và sản xuất.

Ngày nay, nhiều chuyên gia cho rằng Data Center đang đóng vai trò tương tự đối với nền kinh tế AI.

Lý do nằm ở chỗ mọi ứng dụng AI đều cần một hạ tầng vật lý để hoạt động.

Một câu hỏi gửi tới ChatGPT tưởng chừng chỉ mất vài giây để có câu trả lời, nhưng phía sau là cả một chuỗi quy trình phức tạp:

• Dữ liệu được truyền đến trung tâm dữ liệu.

• Hệ thống phân phối yêu cầu đến cụm máy chủ phù hợp.

• Hàng nghìn GPU cùng xử lý phép tính song song.

• Bộ nhớ tốc độ cao liên tục trao đổi dữ liệu.

• Hệ thống làm mát vận hành để giữ nhiệt độ ổn định.

• Kết quả được trả về người dùng gần như tức thì.

Tất cả quy trình này diễn ra trong vài giây, nhưng yêu cầu hạ tầng có quy mô cực lớn.

Khác với các dịch vụ điện toán đám mây truyền thống, AI tiêu thụ lượng tài nguyên tính toán lớn hơn nhiều lần. Điều này khiến Data Center không còn đơn thuần là nơi lưu trữ dữ liệu, mà trở thành “nhà máy sản xuất trí tuệ nhân tạo”.

Chính vì vậy, ngày càng nhiều chuyên gia ví Data Center là “mỏ dầu” của kỷ nguyên AI – nơi tạo ra năng lực cạnh tranh cốt lõi cho doanh nghiệp và quốc gia.

Cuộc đua nghìn tỷ USD giữa các “ông lớn” công nghệ

Nhận thấy vai trò chiến lược của hạ tầng AI, các tập đoàn công nghệ lớn đã đồng loạt tăng tốc đầu tư vào Data Center.

Microsoft tiếp tục mở rộng hệ thống Azure AI để phục vụ nhu cầu triển khai Copilot và các dịch vụ AI dành cho doanh nghiệp. Google tăng cường năng lực của Google Cloud nhằm hỗ trợ Gemini và các mô hình AI thế hệ mới. Meta công bố kế hoạch phát triển các cụm AI Data Center quy mô lớn để phục vụ quá trình huấn luyện Llama cũng như các sản phẩm AI trong tương lai.

Không chỉ các nhà phát triển mô hình AI, những doanh nghiệp cung cấp hạ tầng cũng hưởng lợi trực tiếp từ làn sóng đầu tư này.

NVIDIA trở thành công ty có giá trị vốn hóa hàng đầu thế giới nhờ nhu cầu GPU bùng nổ. AMD liên tục mở rộng danh mục chip AI để cạnh tranh. Các nhà sản xuất máy chủ, thiết bị mạng tốc độ cao và hệ thống lưu trữ cũng ghi nhận nhu cầu tăng mạnh.

Điều đáng chú ý là các khoản đầu tư không còn được tính bằng hàng triệu USD như trước đây.

Nhiều dự án AI Data Center hiện có quy mô hàng chục tỷ USD, với diện tích tương đương hàng chục sân bóng đá và tiêu thụ lượng điện ngang một thành phố cỡ trung.

Điều này cho thấy AI không còn là một lĩnh vực phần mềm thuần túy. Nó đã trở thành cuộc chơi của hạ tầng, năng lượng và chuỗi cung ứng toàn cầu.

GPU, điện năng và dữ liệu: Ba tài nguyên chiến lược của AI

Nếu Data Center là "mỏ dầu", thì GPU chính là động cơ khai thác nguồn tài nguyên đó.

Khác với CPU truyền thống được tối ưu cho các tác vụ tuần tự, GPU có khả năng xử lý hàng nghìn phép tính song song. Đây là điều kiện tiên quyết để huấn luyện và vận hành các mô hình AI hiện đại.

Chính vì vậy, GPU đã trở thành tài sản chiến lược của mọi doanh nghiệp AI.

Tuy nhiên, GPU chỉ là một phần của bài toán.

Một cụm AI Data Center hiện đại cần đồng thời đáp ứng ba yếu tố:

Thứ nhất là năng lực tính toán. Hàng chục nghìn GPU phải hoạt động đồng bộ với độ trễ cực thấp để đảm bảo hiệu suất huấn luyện và suy luận.

Thứ hai là nguồn điện ổn định. Một cụm AI có thể tiêu thụ hàng trăm megawatt điện liên tục. Điều này khiến nhiều quốc gia phải xem xét lại quy hoạch lưới điện, phát triển thêm nguồn năng lượng tái tạo và nâng cấp hạ tầng truyền tải.

Thứ ba là dữ liệu chất lượng cao. Không có dữ liệu sạch, được quản trị tốt và có khả năng truy xuất nhanh, sức mạnh của GPU cũng không thể phát huy tối đa.

Đó là lý do nhiều chuyên gia cho rằng trong kỷ nguyên AI, lợi thế cạnh tranh không chỉ đến từ mô hình ngôn ngữ, mà đến từ khả năng sở hữu đồng thời ba nguồn lực chiến lược: GPU – điện năng – dữ liệu.

Đây cũng chính là nền tảng để các doanh nghiệp triển khai AI ở quy mô lớn, đồng thời là yếu tố quyết định ai sẽ dẫn đầu cuộc đua công nghệ trong thập kỷ tới.

Microsoft, Meta, Google và Amazon đang xây dựng điều gì?

Nếu như trong giai đoạn đầu của cuộc đua AI, lợi thế được đo bằng chất lượng mô hình ngôn ngữ, thì hiện nay, năng lực đầu tư vào hạ tầng tính toán mới là yếu tố tạo nên khoảng cách giữa các doanh nghiệp công nghệ.

Theo nhiều báo cáo của các tổ chức nghiên cứu thị trường, chi tiêu vốn (CapEx) của các "hyperscaler" – nhóm các nhà cung cấp hạ tầng đám mây quy mô lớn như Microsoft, Google, Amazon hay Meta – đã tăng mạnh kể từ sau làn sóng bùng nổ của Generative AI. Hàng chục tỷ USD được rót vào việc mở rộng trung tâm dữ liệu, mua sắm GPU, nâng cấp hệ thống mạng tốc độ cao và phát triển các giải pháp làm mát thế hệ mới.

Điểm chung trong chiến lược của các doanh nghiệp này là họ không còn coi Data Center là một tài sản hỗ trợ, mà là nền tảng cốt lõi quyết định năng lực cạnh tranh.

Microsoft: Biến Azure thành "xương sống" của AI doanh nghiệp

Microsoft là một trong những doanh nghiệp đi đầu trong việc thương mại hóa AI ở quy mô lớn. Sau khi tích hợp Copilot vào hệ sinh thái Microsoft 365, Dynamics 365, GitHub và Power Platform, nhu cầu xử lý AI trên nền tảng Azure tăng trưởng nhanh chóng.

Điều này buộc Microsoft phải liên tục mở rộng năng lực hạ tầng trên toàn cầu.

Không chỉ phục vụ các mô hình AI của chính mình, Azure còn là nơi vận hành nhiều dịch vụ AI dành cho doanh nghiệp, từ phân tích dữ liệu, Machine Learning đến các ứng dụng AI Agent và Microsoft Fabric.

Với Microsoft, đầu tư vào Data Center không đơn thuần là xây thêm máy chủ, mà là xây dựng một nền tảng đủ khả năng đáp ứng hàng triệu tác vụ AI đồng thời, với độ tin cậy và bảo mật ở cấp doanh nghiệp.

Meta: AI không thể phát triển nếu thiếu siêu cụm GPU

Meta lựa chọn một hướng đi khác.

Thay vì tập trung vào các dịch vụ doanh nghiệp, công ty đẩy mạnh phát triển các mô hình AI mã nguồn mở như Llama, đồng thời xây dựng những cụm hạ tầng chuyên dụng phục vụ việc huấn luyện các mô hình thế hệ tiếp theo.

Huấn luyện một mô hình AI hiện đại không còn là công việc của vài trăm GPU như trước.

Quá trình này có thể yêu cầu hàng chục nghìn GPU hoạt động song song, liên tục trong nhiều tuần hoặc nhiều tháng. Chỉ riêng chi phí phần cứng đã lên tới hàng tỷ USD, chưa kể điện năng, hệ thống mạng nội bộ, lưu trữ và làm mát.

Đó là lý do Meta liên tục mở rộng các AI Data Center quy mô lớn, coi đây là tài sản chiến lược để duy trì lợi thế trong cuộc đua AI.

Google và Amazon: Cuộc chơi của hệ sinh thái

Google sở hữu lợi thế đặc biệt khi vừa phát triển mô hình Gemini, vừa vận hành Google Cloud và đồng thời tự thiết kế các bộ xử lý AI chuyên dụng (TPU).

Việc kiểm soát từ phần cứng, nền tảng đám mây đến mô hình AI giúp Google tối ưu hiệu suất và chi phí tốt hơn nhiều doanh nghiệp khác.

Trong khi đó, Amazon tiếp tục tận dụng AWS để cung cấp hạ tầng AI cho hàng triệu khách hàng trên toàn thế giới. Không chỉ đầu tư GPU từ NVIDIA, AWS còn phát triển các dòng chip AI riêng như Trainium và Inferentia nhằm giảm phụ thuộc vào nguồn cung bên ngoài.

Xu hướng này cho thấy các doanh nghiệp công nghệ đang chuyển từ việc mua năng lực tính toán sang tự xây dựng năng lực tính toán, coi đây là lợi thế cạnh tranh dài hạn.

Khi AI không chỉ tiêu thụ dữ liệu mà còn tiêu thụ điện

Một trong những thay đổi lớn nhất mà AI mang lại là sự gia tăng đột biến về nhu cầu năng lượng.

Khác với các ứng dụng văn phòng hay website thông thường, mô hình AI phải thực hiện hàng tỷ phép tính mỗi giây. Mỗi truy vấn của người dùng đều kích hoạt hàng loạt GPU hoạt động đồng thời, kéo theo lượng điện tiêu thụ lớn hơn rất nhiều so với các hệ thống CNTT truyền thống.

Theo nhiều nghiên cứu quốc tế, điện năng đang trở thành một trong những chi phí vận hành lớn nhất của AI Data Center.

Không chỉ vậy, các trung tâm dữ liệu AI còn phát sinh lượng nhiệt rất lớn. Để đảm bảo GPU hoạt động ổn định, các doanh nghiệp phải đầu tư vào những hệ thống làm mát bằng chất lỏng hoặc các công nghệ tản nhiệt tiên tiến, thay thế dần phương pháp làm mát bằng không khí vốn đã gần chạm tới giới hạn hiệu quả.

Điều này lý giải vì sao khi lựa chọn địa điểm xây dựng Data Center, các doanh nghiệp không chỉ quan tâm đến hạ tầng viễn thông mà còn phải cân nhắc:

• Khả năng cung cấp điện liên tục.

• Giá điện và chính sách năng lượng.

• Nguồn nước phục vụ hệ thống làm mát.

• Điều kiện khí hậu.

• Khả năng mở rộng trong nhiều năm tới.

Nói cách khác, AI đang khiến việc xây dựng một trung tâm dữ liệu không khác nhiều so với việc quy hoạch một khu công nghiệp quy mô lớn.

Hạ tầng AI đang trở thành lợi thế cạnh tranh của quốc gia

Không chỉ doanh nghiệp, nhiều quốc gia cũng bắt đầu xem Data Center là hạ tầng chiến lược.

Nếu trong thế kỷ trước, các quốc gia cạnh tranh về dầu mỏ, khí đốt hay cảng biển, thì ngày nay họ còn cạnh tranh để thu hút các dự án AI Data Center, các nhà máy sản xuất chip và các doanh nghiệp công nghệ.

Lý do rất rõ ràng.

Một Data Center hiện đại không chỉ tạo ra doanh thu từ dịch vụ điện toán đám mây mà còn kéo theo hàng loạt ngành công nghiệp khác như:

• Sản xuất thiết bị điện tử.

• Xây dựng hạ tầng.

• Viễn thông.

• Năng lượng.

• Logistics.

• An ninh mạng.

• Phát triển phần mềm.

Nó cũng góp phần hình thành hệ sinh thái đổi mới sáng tạo, thu hút nhân lực chất lượng cao và tạo ra nhiều việc làm có giá trị gia tăng lớn.

Chính vì vậy, nhiều quốc gia đã ban hành các chính sách ưu đãi về đất đai, thuế và năng lượng để thu hút đầu tư vào lĩnh vực Data Center.

Trong bối cảnh AI ngày càng trở thành nền tảng của nền kinh tế số, việc sở hữu hạ tầng tính toán mạnh không chỉ mang ý nghĩa kinh tế mà còn gắn với năng lực cạnh tranh công nghệ và an ninh quốc gia.

Cuộc đua AI không còn là cuộc đua của riêng ngành công nghệ

Một trong những điểm đáng chú ý nhất của làn sóng AI hiện nay là phạm vi ảnh hưởng của nó đã vượt xa lĩnh vực công nghệ.

Khi một tập đoàn quyết định xây dựng AI Data Center, tác động không chỉ dừng lại ở ngành phần mềm.

Các doanh nghiệp điện lực phải nâng cấp lưới điện.

Các nhà sản xuất thiết bị làm mát phát triển công nghệ mới.

Các công ty xây dựng nhận những dự án quy mô hàng tỷ USD.

Các trường đại học điều chỉnh chương trình đào tạo để đáp ứng nhu cầu nhân lực về AI, dữ liệu và điện toán hiệu năng cao.

Điều đó cho thấy AI đang tạo ra một chuỗi giá trị hoàn toàn mới, trong đó Data Center đóng vai trò như nền móng.

Nếu mô hình AI là "bộ não", thì Data Center chính là "trái tim" cung cấp năng lượng và sức mạnh tính toán để bộ não ấy hoạt động không ngừng nghỉ.

Cuộc đua AI vì thế sẽ không chỉ được quyết định bởi thuật toán, mà bởi quốc gia và doanh nghiệp nào có đủ năng lực xây dựng, vận hành và mở rộng hạ tầng AI trong dài hạn.

Cuộc đua Data Center sẽ thay đổi ngành Data và AI như thế nào?

Nếu cuộc cách mạng AI đang được xây dựng trên nền tảng của Data Center, thì những ngành chịu tác động đầu tiên chính là Data, Cloud Computing và AI Engineering.

Trong nhiều năm, doanh nghiệp đầu tư vào dữ liệu chủ yếu để phục vụ báo cáo kinh doanh (Business Intelligence) hoặc phân tích xu hướng. Tuy nhiên, sự bùng nổ của AI đã thay đổi hoàn toàn vai trò của dữ liệu.

Ngày nay, dữ liệu không còn đơn thuần là "nguồn thông tin" mà trở thành nhiên liệu để huấn luyện mô hình, vận hành AI Agent và tạo ra lợi thế cạnh tranh.

Điều này cũng đồng nghĩa với việc các doanh nghiệp không thể chỉ đầu tư vào mô hình AI mà bỏ qua nền tảng dữ liệu.

Một hệ thống AI mạnh cần được xây dựng trên ba lớp nền tảng:

• Hạ tầng tính toán (Compute): GPU, CPU, hệ thống mạng tốc độ cao và Data Center.

• Nền tảng dữ liệu (Data Platform): Data Lake, Lakehouse, Data Warehouse, hệ thống lưu trữ và xử lý dữ liệu.

• Lớp quản trị (Governance): Bảo mật, phân quyền, chất lượng dữ liệu, metadata và khả năng truy xuất nguồn gốc.

Nếu thiếu một trong ba lớp này, AI rất khó phát huy hiệu quả ở quy mô doanh nghiệp.

Đó cũng là lý do các nền tảng như Microsoft Fabric, Azure Databricks, Snowflake hay Google BigQuery đều đang chuyển mình theo hướng AI-native – tích hợp AI ngay từ tầng dữ liệu thay vì chỉ bổ sung các tính năng AI ở lớp ứng dụng.

Microsoft Fabric và Databricks: Hai mảnh ghép của hạ tầng AI hiện đại

Trong vài năm gần đây, Microsoft Fabric và Databricks thường được đặt lên bàn cân như hai nền tảng cạnh tranh.

Thực tế, xu hướng mới của thị trường cho thấy chúng đang ngày càng bổ trợ cho nhau.

Microsoft Fabric hướng đến việc hợp nhất các dịch vụ dữ liệu trong một nền tảng duy nhất – từ tích hợp dữ liệu, phân tích thời gian thực, trực quan hóa đến AI Copilot. Trong khi đó, Azure Databricks tiếp tục giữ thế mạnh về xử lý dữ liệu lớn, kỹ thuật dữ liệu (Data Engineering), Machine Learning và phát triển các ứng dụng AI quy mô lớn.

Điểm giao thoa của hai nền tảng nằm ở mục tiêu chung: giúp doanh nghiệp xây dựng Data Platform đủ mạnh để triển khai AI.

Điều này phản ánh một thay đổi quan trọng trong tư duy công nghệ.

Doanh nghiệp không còn hỏi: "Nên chọn nền tảng nào?"

Thay vào đó, câu hỏi đang dần trở thành:

"Làm thế nào để kết nối dữ liệu, hạ tầng và AI thành một hệ sinh thái thống nhất?"

Đó cũng là lý do các khái niệm như Lakehouse, Data Governance, Metadata, Data Lineage hay Semantic Layer ngày càng được nhắc đến nhiều hơn trong các hội nghị công nghệ lớn.

Nghề Data Engineer sẽ thay đổi, nhưng không biến mất

Sự phát triển của AI khiến nhiều người lo ngại rằng các công việc liên quan đến dữ liệu sẽ dần bị thay thế.

Thực tế, AI đã có thể viết SQL, tạo dashboard hay tự động sinh mã lập trình. Tuy nhiên, điều đó không đồng nghĩa với việc vai trò của Data Engineer hay Data Architect trở nên kém quan trọng.

Ngược lại, khi doanh nghiệp triển khai AI ở quy mô lớn, nhu cầu về những người có khả năng thiết kế và vận hành hệ thống dữ liệu lại tăng lên.

AI có thể hỗ trợ viết một đoạn truy vấn SQL.

Nhưng AI không thể tự quyết định:

• Kiến trúc dữ liệu nào phù hợp với doanh nghiệp?

• Dữ liệu nào đủ chất lượng để huấn luyện mô hình?

• Chính sách phân quyền và bảo mật nên được thiết kế ra sao?

• Làm thế nào để tối ưu chi phí lưu trữ và xử lý dữ liệu?

• Làm thế nào để hệ thống vẫn hoạt động ổn định khi lượng dữ liệu tăng gấp nhiều lần?

Đây đều là những bài toán cần đến kinh nghiệm, tư duy hệ thống và hiểu biết sâu về nghiệp vụ.

Trong tương lai gần, vai trò của Data Engineer sẽ không còn chỉ xoay quanh việc xây dựng pipeline hay xử lý ETL.

Họ sẽ trở thành những người thiết kế nền tảng cho AI, kết nối dữ liệu, hạ tầng và các mô hình thông minh trong cùng một hệ sinh thái.

Doanh nghiệp cần chuẩn bị gì trước làn sóng AI Infrastructure?

Sự phát triển của AI khiến nhiều doanh nghiệp tập trung vào việc lựa chọn mô hình ngôn ngữ hay xây dựng chatbot.

Tuy nhiên, kinh nghiệm từ các dự án AI quy mô lớn cho thấy mô hình chỉ là phần nổi của tảng băng.

Để AI thực sự tạo ra giá trị, doanh nghiệp cần chuẩn bị trước những yếu tố nền tảng:

1. Xây dựng chiến lược dữ liệu dài hạn

Dữ liệu cần được chuẩn hóa, làm sạch, phân loại và quản trị ngay từ đầu. Một hệ thống AI không thể tạo ra kết quả đáng tin cậy nếu dữ liệu đầu vào thiếu nhất quán hoặc không được kiểm soát.

2. Đầu tư vào hạ tầng phù hợp

Không phải doanh nghiệp nào cũng cần xây dựng Data Center riêng. Tuy nhiên, việc lựa chọn nền tảng đám mây, kiến trúc dữ liệu và năng lực tính toán phù hợp sẽ quyết định khả năng mở rộng của các ứng dụng AI trong tương lai.

3. Đào tạo nguồn nhân lực

AI không chỉ là câu chuyện của lập trình viên.

Các doanh nghiệp sẽ cần đội ngũ có khả năng kết hợp giữa dữ liệu, nghiệp vụ và công nghệ. Những kỹ năng về Data Engineering, Cloud, AI Engineering và Data Governance sẽ trở thành lợi thế cạnh tranh quan trọng.

Từ "mỏ dầu" đến "hệ thần kinh" của nền kinh tế số

Trong hơn một thế kỷ, dầu mỏ từng được xem là nguồn tài nguyên quyết định sức mạnh của nền kinh tế công nghiệp.

Ngày nay, khi AI trở thành nền tảng của quá trình chuyển đổi số, Data Center đang dần đảm nhận vai trò tương tự.

Đó không chỉ là nơi lưu trữ dữ liệu.

Đó là nơi vận hành các mô hình AI, xử lý hàng tỷ phép tính mỗi giây, kết nối các hệ thống doanh nghiệp và cung cấp sức mạnh tính toán cho nền kinh tế số.

Nếu không có Data Center, những công nghệ như ChatGPT, Gemini, Copilot hay các AI Agent sẽ không thể phục vụ hàng trăm triệu người dùng trên toàn thế giới.

Nói cách khác, Data Center chính là lớp hạ tầng vô hình đang duy trì nhịp vận hành của kỷ nguyên AI.

Kết luận: Người chiến thắng sẽ là người sở hữu hạ tầng

Trong nhiều năm qua, ngành công nghệ thường được đánh giá qua những sản phẩm nổi bật hay các mô hình AI tiên tiến.

Tuy nhiên, cuộc đua AI đang bước sang một giai đoạn mới.

Khoảng cách giữa các doanh nghiệp sẽ không còn được quyết định bởi việc ai ra mắt chatbot sớm hơn hay mô hình nào đạt điểm số cao hơn trên các bảng xếp hạng.

Lợi thế dài hạn sẽ thuộc về những tổ chức có khả năng xây dựng một hệ sinh thái hoàn chỉnh: dữ liệu chất lượng, hạ tầng tính toán mạnh, năng lượng ổn định và đội ngũ nhân lực có đủ năng lực khai thác AI ở quy mô lớn.

Trong bức tranh đó, Data Center không còn là một công trình kỹ thuật đơn thuần.

Nó đang trở thành tài sản chiến lược, nền móng của nền kinh tế số và là "mỏ dầu" của kỷ nguyên AI.

Cuộc đua này mới chỉ bắt đầu. Nhưng có một điều đã trở nên rõ ràng: trong thế giới AI, sức mạnh không chỉ nằm ở thuật toán. Sức mạnh nằm ở hạ tầng đủ lớn để biến những thuật toán đó thành giá trị thực cho hàng triệu doanh nghiệp và hàng tỷ người dùng trên toàn cầu.