Xu hướng phát triển của AI trong 5 đến 10 năm tới: điều có cơ sở, điều chỉ là suy đoán và việc nên làm

Dự báo AI đến năm 2030 còn dựa được vào các đường xu hướng đang đo, nhưng nhìn xa hơn đến 2036 thì phần lớn con số biến thành suy đoán. Bài này không hứa vẽ ra bức tranh năm 2036.

Nó làm việc khác: tách rõ điều có bằng chứng, điều chỉ là phép ngoại suy, và điều chưa ai biết, rồi chỉ ra 6 cấu trúc dài hạn đáng để doanh nghiệp Việt Nam chuẩn bị mà không cần biết trước tốc độ.

Số liệu lấy từ tài liệu giá của Anthropic, phân tích của Epoch AI, báo cáo của Cơ quan Năng lượng Quốc tế (IEA), bản đo của METR, báo cáo AI Diffusion của Microsoft, Diễn đàn Kinh tế Thế giới (WEF), Quỹ Tiền tệ Quốc tế (IMF) và các nguồn khác, đối chiếu đến ngày 20/10/2026.

Click Star đã có bài riêng về AI đến năm 2030 với các kịch bản và mức tự tin; bài này bổ sung cho bài đó, không lặp lại.

Điểm chính

• Độ tin cậy giảm nhanh theo thời gian: 2026 đến 2028 còn dựa được vào dữ liệu đang chạy, 2029 đến 2031 là vùng của kịch bản, 2032 đến 2036 gần như chỉ là suy luận cấu trúc.
• Ngoại suy đường thẳng cho kết quả vô lý, nên đường xu hướng chắc chắn phải cong: tính theo mức tăng 4 lần mỗi năm của sức tính huấn luyện (Epoch AI), 10 năm cho hệ số khoảng 1 triệu lần; tính theo thời gian nhân đôi 4,3 tháng của "chân trời thời gian" (METR), 10 năm cho khoảng 28 lần nhân đôi, tức khoảng 250 triệu lần.
• Điện là ràng buộc hiện rõ nhất: Epoch ước tính một lần huấn luyện cỡ 2e29 FLOP cần khoảng 6 GW vào năm 2030, và theo tường thuật về báo cáo tháng 4/2026 của IEA, nhu cầu điện của trung tâm dữ liệu tăng 17% trong năm 2025, nhanh hơn nhiều mức 3% của toàn nhu cầu điện thế giới.
• Bằng chứng mạnh nhất cho dài hạn là giá: theo bảng giá Anthropic, giá đầu vào hạng Opus giảm từ 15 USD (Opus 4.1) xuống 4 USD (Opus 5.5) cho mỗi triệu token, và hạng Haiku từ 1 USD (Haiku 4.5) xuống 0,10 USD (Haiku 5.5), dù mỗi thế hệ không so sánh trực tiếp được về năng lực.
• Mức áp dụng còn thấp so với khả năng: Microsoft ước tính 18,8% dân số 15 đến 64 tuổi trên thế giới dùng AI tạo sinh tháng 6/2026, và 27,9% ở Việt Nam, nên phần lớn tác động kinh tế chưa xảy ra.
• Việc nên làm bây giờ là các quyết định "không hối tiếc" (dữ liệu sạch, đồng ý, kỹ năng kiểm chứng, đo lường) thay vì cược vào một kịch bản tốc độ.

Vì sao 5 đến 10 năm khó hơn đến 2030

Có 3 vùng với độ tin cậy khác nhau. Click Star dùng cách chia này để mỗi nhận định trong bài gắn với một mức tin cậy rõ ràng; đây là khung của Click Star, không phải của nguồn nào.

• 2026 đến 2028 (tin cậy cao hơn): các mô hình, giá, quy định và dự án hạ tầng đã công bố hoặc đang xây. Dữ liệu đo được có thể kiểm tra mỗi quý.
• 2029 đến 2031 (vùng kịch bản): còn dựa được vào một số đường xu hướng (sức tính, điện, giá) nhưng phụ thuộc vào việc các ràng buộc có nới ra hay không. Bài về AI đến 2030 của Click Star bàn kỹ vùng này.
• 2032 đến 2036 (suy luận cấu trúc): không nguồn nào Click Star tìm thấy đưa ra định lượng đáng tin cho giai đoạn này. Những gì nói được là về cấu trúc: cái gì có khả năng bền (giá giảm, điện là giới hạn, quy định trưởng thành), không phải con số cụ thể.

Một cảnh báo từ chính các nguồn: phân tích của Epoch AI về việc mở rộng quy mô đến 2030 công bố ngày 20/8/2024, tức đã 2 năm tuổi; cần đối chiếu cập nhật mới trước khi dựa vào các số cụ thể.

Phép tính cho thấy vì sao đường thẳng sẽ cong

Đây là phép tính minh họa của Click Star dựa trên số của các nguồn; nó không phải dự báo.

Sức tính huấn luyện. Epoch AI ghi nhận sức tính huấn luyện tăng khoảng 4 lần mỗi năm và cho rằng các lần huấn luyện khoảng 2e29 FLOP nhiều khả năng khả thi đến năm 2030, và điện là ràng buộc chạm trước tiên (khoảng 6 GW cho một lần huấn luyện cỡ đó).

Nếu giữ nguyên tốc độ 4 lần mỗi năm thêm 6 năm từ 2030 đến 2036, hệ số là 4 mũ 6, khoảng 4.096 lần. Nếu điện cho một lần huấn luyện tiếp tục gấp đôi mỗi năm, 6 GW năm 2030 thành khoảng 384 GW năm 2036.

So với điện của cả ngành. IEA (báo cáo Energy and AI, tháng 4/2025) ước tính điện của toàn bộ trung tâm dữ liệu thế giới khoảng 945 TWh vào năm 2030. Chia cho 8.760 giờ trong năm, đó là khoảng 108 GW công suất trung bình.

Một lần huấn luyện đơn lẻ cỡ 384 GW sẽ gấp khoảng 3,5 lần toàn bộ trung tâm dữ liệu thế giới năm 2030, điều khó xảy ra. Kết luận: đường tăng gấp đôi mỗi năm cho điện không thể kéo dài đến 2036; hoặc hiệu quả sức tính phải tăng rất mạnh, hoặc tốc độ phải chậm lại.

Độ dài việc AI làm được. METR ước tính (Time Horizon 1.1, tháng 1/2026) chân trời thời gian nhân đôi khoảng 130,8 ngày, tức 4,3 tháng, kể từ năm 2023 (sai số rộng, chủ yếu đo việc phần mềm, mức tin cậy 50%).

Lấy "chân trời 4 giờ" làm ví dụ, 10 năm có khoảng 28 lần nhân đôi (khoảng 250 triệu lần), nhân với 4 giờ thành khoảng 1 tỷ giờ, tương đương khoảng 110.000 năm công việc. Không ai coi đó là dự báo; nó cho thấy mức tăng này chắc chắn sẽ chậm lại hoặc ngừng đo được bằng thước hiện nay.

Đánh giá của Click Star. Bài học không phải là "AI sẽ dừng lại" mà là: khi một đường xu hướng cho kết quả vô lý, kế hoạch dài hạn không nên dựa vào nó. Điều đáng tin hơn là các giới hạn vật lý và kinh tế (điện, chip, chi phí) sẽ định hình nhịp độ, và các giới hạn đó có thể đo từng năm.

Bằng chứng mạnh nhất cho dài hạn: giá giảm

Giá niêm yết hiện hành trong tài liệu của Anthropic cho thấy xu hướng rõ.

Hạng Opus: Opus 4.1 là 15 USD đầu vào và 75 USD đầu ra cho mỗi triệu token; Opus 4.5 đến 4.8 và Opus 5 là 5 và 25 USD; Opus 5.5 là 4 và 20 USD. Hạng Sonnet: Sonnet 4.x là 3 và 15 USD; Sonnet 5.5 là 2 và 10 USD. Hạng Haiku: Haiku 4.5 là 1 và 5 USD; Haiku 5.5 là 0,10 và 0,50 USD cho prompt đến 100.000 token (trên mức đó giá cao hơn).

Theo đó, giá đầu vào hạng Opus giảm khoảng 73% từ Opus 4.1 đến Opus 5.5, và hạng Haiku giảm 90% từ 4.5 đến 5.5.

Cần đọc đúng giới hạn.

Đây là giá niêm yết, không phải chi phí thực của một công việc; mỗi thế hệ có năng lực khác nhau nên không so sánh trực tiếp được; Anthropic nêu bộ mã hóa văn bản mới từ Claude 4.7 tạo ra nhiều hơn khoảng 30% token cho cùng một văn bản, nên số token cho một việc có thể tăng dù giá một token giảm; và đây chỉ là dữ liệu của một nhà cung cấp.

Dù vậy, hướng đi (cùng hạng năng lực, giá giảm mạnh qua các thế hệ) phù hợp với giả định cấu trúc đáng tin nhất cho dài hạn: AI dần thành dịch vụ tiện ích có giá theo đơn vị rẻ đi.

Mức áp dụng: phần lớn tác động chưa xảy ra

Microsoft (báo cáo AI Diffusion quý 2/2026, công bố 21/9/2026) ước tính 18,8% dân số 15 đến 64 tuổi trên thế giới dùng AI tạo sinh trong tháng 6/2026, tăng khoảng 1 điểm phần trăm so với quý 1; Việt Nam là 27,9% (theo tường thuật của báo chí Việt Nam về báo cáo).

Stanford AI Index 2026, theo bài về AI đến 2030 của Click Star, ghi nhận 88% tổ chức đã áp dụng AI nhưng hiệu ứng lên năng suất toàn nền kinh tế vẫn đang được đo. Nghĩa là trong 5 đến 10 năm tới, phần lớn việc "phổ cập" chưa diễn ra; kỹ năng, quy trình và dữ liệu của người dùng sẽ quyết định ai hưởng lợi.

Về việc làm, Diễn đàn Kinh tế Thế giới (Future of Jobs 2025, tháng 1/2025, khảo sát hơn 1.000 doanh nghiệp lớn) ước tính đến 2030 có 170 triệu vai trò mới và 92 triệu vai trò bị thay thế, tăng ròng 78 triệu, và khoảng 22% việc làm bị xáo trộn.

IMF (tháng 1/2024) ước tính khoảng 40% việc làm toàn cầu và 60% ở nền kinh tế phát triển chịu tác động của AI, "chịu tác động" nghĩa là bị thay đổi chứ không phải bị xóa. Đây là các ước tính cho 2030 hoặc đo mức tiếp xúc, không phải dự báo 2036.

6 cấu trúc dài hạn đáng chuẩn bị (2031 đến 2036)

Mỗi cấu trúc dưới đây kèm mức tin cậy của Click Star dựa trên bằng chứng hiện có.

1. AI thành hạ tầng có giá rẻ dần (tin cậy cao ở hướng). Giá theo đơn vị năng lực giảm qua các thế hệ như trên. Hệ quả cho doanh nghiệp: tránh ký các cam kết dài hạn với một nhà cung cấp hoặc một model; ưu tiên kiến trúc thay model được.
2. Giao việc dài hơn cho tác tử, trách nhiệm vẫn thuộc người (trung bình). Chân trời thời gian đang tăng, nhưng thước đo hẹp và sai số rộng. Hệ quả: đầu tư vào quy trình giao việc, kiểm chứng và nhật ký thay vì chờ "AI tự làm hết".
3. Điện, chip và mạng định hình ai chạy được gì (trung bình đến cao). Epoch và IEA đều cho thấy đây là điểm nghẽn. Hệ quả cho Việt Nam: phần lớn doanh nghiệp sẽ dùng dịch vụ đám mây; chi phí và vị trí dữ liệu thành tiêu chí chọn nhà cung cấp.
4. Model nhỏ, mở và hỗ trợ ngôn ngữ địa phương tiến gần người dùng (trung bình). Microsoft ghi nhận model trọng số mở chiếm phần ngày càng lớn trong khối lượng token qua API và có thể giảm chi phí, hỗ trợ ngôn ngữ địa phương, nhưng hạ tầng, kết nối và kỹ năng vẫn là rào cản. Hệ quả: chạy một phần việc nhạy cảm ở nơi dữ liệu nằm là lựa chọn thực tế.
5. Quy định và niềm tin thành điều kiện vận hành (cao ở hướng, thấp ở chi tiết). Việt Nam có Luật Trí tuệ nhân tạo số 134/2025/QH15 (thông qua 10/12/2025, hiệu lực 1/3/2026, khung quản lý theo 3 mức rủi ro) bên cạnh Luật Bảo vệ dữ liệu cá nhân; theo tóm tắt của hãng luật, nhiều chi tiết còn chờ văn bản hướng dẫn. Hệ quả: dựng sẵn hồ sơ dữ liệu, đồng ý và nhật ký sử dụng AI; đối chiếu văn bản gốc khi có hướng dẫn.
6. Kỹ năng dịch chuyển từ làm sang giao việc, kiểm chứng và phán đoán (trung bình đến cao). WEF ghi nhận khoảng 40% kỹ năng cần thiết sẽ thay đổi đến 2030. Click Star đã có bài về 7 kỹ năng sử dụng AI cho nhóm này. Hệ quả: đào tạo là khoản đầu tư có tuổi thọ dài nhất.

Điều chưa ai biết

• Tốc độ sau 2030: không có nghiên cứu đáng tin Click Star tìm thấy định lượng cho 2032 đến 2036, và các đường xu hướng hiện tại phải cong như phần trên đã chỉ ra.
• Định nghĩa và thời điểm của "AI tổng quát" (AGI): các tổ chức dùng định nghĩa khác nhau nên các mốc năm không so sánh được; Click Star không đưa mốc năm nào.
• Mức chuyển hóa khả năng thành năng suất toàn nền kinh tế: khả năng của model tăng nhanh hơn việc doanh nghiệp tổ chức lại quy trình.
• Tác động lên từng ngành và từng vị trí ở Việt Nam: các nghiên cứu lớn đo ở thị trường khác; chưa có số đo tương đương cho Việt Nam mà Click Star kiểm chứng được.

Doanh nghiệp nên làm gì: không hối tiếc, quyền chọn, cược

Click Star chia quyết định thành 3 loại (khung của Click Star).

• Không hối tiếc (làm ngay, có ích trong mọi kịch bản): dữ liệu khách và vận hành sạch, có đồng ý; đào tạo kỹ năng giao việc và kiểm chứng; đo lường kết quả theo công việc thật; chọn kiến trúc cho phép thay model.
• Quyền chọn (đầu tư nhỏ để giữ khả năng): thử tác tử cho một quy trình có rủi ro thấp; thử model nhỏ hoặc mở cho việc nhạy cảm; theo dõi 8 chỉ báo hằng năm.
• Cược (chỉ khi có lý do rõ, chấp nhận mất): đặt toàn bộ quy trình lõi lên một nhà cung cấp hoặc một kịch bản tốc độ; mua cam kết dung lượng nhiều năm.

Lộ trình gợi ý: giai đoạn 2026 đến 2028 xây nền (dữ liệu, đồng ý, kỹ năng, đo lường, thử nghiệm nhỏ); giai đoạn 2029 đến 2031 mở rộng các quy trình đã chứng minh và rà lại kiến trúc theo giá và hạ tầng; giai đoạn 2032 đến 2036 đánh giá lại từ đầu theo chỉ báo, không giữ kế hoạch cũ chỉ vì đã lập.

8 chỉ báo theo dõi hằng năm

1. Giá niêm yết cho mỗi triệu token ở hạng model bạn dùng (và số token thực mỗi việc).
2. Thời gian nhân đôi của chân trời thời gian (METR) và sai số công bố kèm theo.
3. Tăng trưởng nhu cầu điện của trung tâm dữ liệu so với toàn nhu cầu điện (IEA).
4. Tỷ lệ người dùng AI tạo sinh ở Việt Nam và thế giới (Microsoft AI Diffusion).
5. Tỷ lệ doanh nghiệp áp dụng AI ở nhóm quy mô của bạn (khảo sát thống kê).
6. Số văn bản hướng dẫn thi hành Luật Trí tuệ nhân tạo và hạn chuyển tiếp áp vào bạn.
7. Tỷ lệ việc của chính bạn mà AI làm được ở mức chấp nhận, đo bằng bộ kiểm tra riêng.
8. Chi phí AI trên doanh thu hoặc trên mỗi đơn vị công việc của doanh nghiệp.

Những sai lầm thường gặp

1. Lấy một đường xu hướng ngắn hạn kéo thẳng ra 10 năm.
2. Coi mốc năm của một nhà phân tích là sự thật, nhất là mốc về AGI.
3. Cam kết dài hạn với một nhà cung cấp trong khi giá và năng lực thay đổi theo quý.
4. Chờ "AI đủ tốt" rồi mới bắt đầu, thay vì xây kỹ năng và dữ liệu từ bây giờ.
5. Bỏ qua điện, chi phí và vị trí dữ liệu khi chọn giải pháp.
6. Khái quát số liệu việc làm của thị trường khác thành dự báo cho Việt Nam.
7. Không rà lại kế hoạch hằng năm theo chỉ báo.