Kinh nghiệm Trung Quốc trong phát triển công nghệ số và trí tuệ nhân tạo

TS ĐINH VĂN THỤY
Học viện Chính trị quốc gia Hồ Chí Minh
TS NGUYỄN PHƯỚC TÀI
Trường Đại học Y Dược Cần Thơ
ThS TRẦN THỊ KIM HOÀNG
Trường Chính trị thành phố Cần Thơ

1. Mở đầu

C.Mác từng chỉ rõ rằng, khoa học ngày càng trở thành “lực lượng sản xuất trực tiếp” (C.Mác và Ăngghen, 1998, tr.373), khi tri thức khoa học được vật hóa vào công cụ lao động và quy trình sản xuất, làm biến đổi năng lực chinh phục tự nhiên của con người. Luận điểm này được Đặng Tiểu Bình phát triển thành mệnh đề “khoa học kỹ thuật là lực lượng sản xuất số một” (Ministry of Education of the People’s Republic of China, 2004), đặt nền móng tư tưởng cho các chiến lược công nghệ của Trung Quốc từ cải cách mở cửa đến nay. Hơn bốn thập niên sau, mệnh đề đó vẫn được viện dẫn mỗi khi giới hoạch định chính sách Trung Quốc lý giải vì sao ngân sách nghiên cứu và phát triển quốc gia lại tập trung mạnh vào công nghệ số và trí tuệ nhân tạo (AI) đến vậy.

Tháng 7/2017, Quốc vụ viện Trung Quốc ban hành Kế hoạch phát triển trí tuệ nhân tạo thế hệ mới (Next Generation Artificial Intelligence Development Plan - NGAIDP), văn kiện đặt mục tiêu đưa Trung Quốc trở thành trung tâm đổi mới sáng tạo AI hàng đầu thế giới vào năm 2030 (Quốc vụ viện nước Cộng hòa nhân dân Trung Hoa, 2017). Sáu năm sau, tháng 02/2023, Ban Chấp hành Trung ương Đảng Cộng sản Trung Quốc và Quốc vụ viện tiếp tục công bố Quy hoạch tổng thể xây dựng Trung Quốc số, gắn kết hạ tầng số, dữ liệu, chính phủ số, kinh tế số và văn hóa số thành một chỉnh thể chiến lược (Ban Chấp hành Trung ương Đảng Cộng sản Trung Quốc và Quốc vụ viện, 2023). Hai văn kiện này, cùng với các sáng kiến bổ trợ như Chế tạo tại Trung Quốc 2025 và Con đường tơ lụa số, đưa công nghệ số và AI lên tầm vóc địa - chính trị, gắn liền với mục tiêu hiện đại hóa kiểu Trung Quốc.

Nghiên cứu quốc tế về kinh nghiệm phát triển công nghệ số, AI của Trung Quốc tập trung theo ba hướng chính. Hướng thứ nhất phân tích chiến lược và động cơ địa - chính trị đằng sau chính sách AI quốc gia. Wenning phân tích ảnh hưởng của chiến lược AI đến chính sách đối ngoại và phát triển kinh tế Trung Quốc, cảnh báo rằng quá trình tự động hóa có thể thay thế tới 12% việc làm trong ngành công nghiệp nước này, đồng thời dẫn lại ước tính của giới nghiên cứu quốc tế cho rằng tự động hóa và AI có khả năng làm biến mất tới 800 triệu việc làm trên phạm vi toàn cầu vào năm 2030 (S. Wenning, 2023). Hướng phân tích này đặt trọng tâm vào việc NGAIDP tác động ra sao đến vị thế cạnh tranh toàn cầu của Trung Quốc, quan hệ đối ngoại và cấu trúc quyền lực công nghệ quốc tế, trong bối cảnh Hoa Kỳ liên tục mở rộng danh sách hạn chế xuất khẩu chip bán dẫn tiên tiến sang Trung Quốc từ năm 2019 đến nay (S. Wenning, 2023).

Hướng thứ hai thuộc dòng nghiên cứu ứng dụng theo ngành, khảo sát vai trò của AI trong tối ưu hóa quy trình sản xuất, quản lý chuỗi cung ứng và phát triển sản phẩm của ngành chế tạo. K. Na khảo sát thực trạng và triển vọng ứng dụng AI trong ngành chế tạo Trung Quốc, chỉ ra rằng công nghệ này đang định hình lại cách vận hành nhà máy theo hướng thông minh và linh hoạt hơn (K. Na, 2024). Lin và cộng sự, dựa trên dữ liệu bảng gồm 6.960 quan sát từ 870 doanh nghiệp chế tạo niêm yết, phát hiện mức độ ứng dụng AI có tác động dương, có ý nghĩa thống kê ở mức 1%, đến độ phức tạp công nghệ của hàng hóa xuất khẩu, thông qua các kênh trung gian là năng lực đổi mới sáng tạo và hiệu quả phân bổ nguồn lực nội bộ doanh nghiệp (H. Lin, M. Wang, M. Guo, Z. Wang, Z. Cheng, W. Li & M. U. Arshad, 2026). Số liệu ngành cho thấy bối cảnh của phát hiện này: năm 2021, số lượng robot công nghiệp lắp đặt mới tại Trung Quốc đạt 243,300 đơn vị, chiếm khoảng một nửa tổng số toàn cầu, với tốc độ tăng trưởng 44% so với năm trước, trong khi kim ngạch nhập khẩu robot công nghiệp của nước này vẫn đạt 2.196 tỷ USD, một nghịch lý phản ánh khoảng cách công nghệ lõi mà Trung Quốc đang nỗ lực thu hẹp (H. Lin, M. Wang, M. Guo, Z. Wang, Z. Cheng, W. Li & M. U. Arshad, 2026).

Hướng thứ ba xem xét mối quan hệ giữa AI với các mục tiêu phát triển bền vững. Chen, Wang và Wang phân tích tác động của AI đến hiệu quả phát triển xanh tại Trung Quốc, phát hiện một quan hệ hình chữ U ngược có ý nghĩa thống kê ở mức 1% (M. Chen, S. Wang & X. Wang, 2024), đồng thời dẫn lại các nghiên cứu trước cho thấy công nghệ AI có thể giúp cải thiện hiệu quả năng lượng tới 97,86% trong một số ứng dụng cụ thể, còn việc sử dụng robot công nghiệp mang lại hiệu ứng giảm phát thải carbon biên khoảng 5,44% (M. Chen, S. Wang & X. Wang, 2024). Sreeja và Philip đặt phát hiện này trong khung lý thuyết rộng hơn về AI và phát triển kinh tế bền vững, với các cơ hội tối ưu hóa phân bổ nguồn lực song hành cùng những thách thức về an ninh mạng và bất bình đẳng số (S. K. & S. Philip, 2026). Điểm chung của ba hướng nghiên cứu này là đều ghi nhận vai trò dẫn dắt chủ động của Nhà nước Trung Quốc trong việc định hình quỹ đạo phát triển công nghệ. Ít công trình phân tích tổng thể mối liên hệ giữa thể chế chiến lược cấp quốc gia với hiệu ứng lan tỏa cụ thể ở cấp ngành, đây là khoảng trống mà bài viết hướng tới bổ khuyết.

2. Nội dung

2.1. Cơ sở lý luận và phương pháp nghiên cứu

Bài viết vận dụng luận điểm duy vật lịch sử về vai trò của khoa học - công nghệ như một lực lượng sản xuất đặc biệt, có khả năng thúc đẩy nhảy vọt về chất trong năng lực sản xuất xã hội khi được thể chế hóa và tổ chức triển khai ở quy mô quốc gia. Khoa học tự nó chưa phải là lực lượng sản xuất trực tiếp và chỉ trở thành lực lượng sản xuất khi được vật hóa vào công cụ lao động, quy trình quản lý và kỹ năng người lao động thông qua các cơ chế, thể chế cụ thể. Chính quá trình chuyển hóa tri thức khoa học thành năng lực sản xuất thực tế là khâu quyết định để khoa học phát huy vai trò của một lực lượng sản xuất đặc biệt. Quá trình đó không diễn ra tự phát mà đòi hỏi sự tác động đồng thời của thể chế nhà nước, cơ chế thị trường và năng lực tổ chức, ứng dụng của doanh nghiệp.

Bài viết tham chiếu khung lý thuyết về “thể chế cả nước dồn lực” (举国体制), mô hình huy động tập trung nguồn lực nhà nước, doanh nghiệp và viện nghiên cứu để đột phá các công nghệ lõi. Mô hình này khác với cách phát triển công nghệ chủ yếu dựa vào thị trường tự do là nhà nước không chỉ tài trợ nghiên cứu cơ bản mà còn trực tiếp xác định lộ trình công nghệ ưu tiên, phân bổ đất đai, vốn tín dụng ưu đãi và đơn hàng mua sắm công cho những lĩnh vực được coi là chiến lược. Đây được xem là một biểu hiện đặc thù của kinh tế thị trường xã hội chủ nghĩa mang đặc sắc Trung Quốc.

Trên cơ sở đó, bài viết xây dựng khung phân tích ba cấp độ. Cấp độ thứ nhất là chiến lược và thể chế quốc gia, bao gồm hoạch định chính sách, quy hoạch và pháp luật. Cấp độ thứ hai là lan tỏa ngành, tức ứng dụng cụ thể công nghệ số và AI trong chế tạo, thương mại, năng lượng và môi trường. Cấp độ thứ ba là hệ quả kinh tế - xã hội, gồm cả thành tựu và thách thức phát sinh từ quá trình lan tỏa đó. Ba cấp độ này không vận động tách biệt: chính sách cấp quốc gia định hình động lực đầu tư ở cấp ngành, còn hệ quả kinh tế - xã hội ở cấp ngành lại phản hồi ngược trở lại, buộc nhà nước điều chỉnh chính sách. Khung phân tích này làm cơ sở hệ thống hóa kinh nghiệm Trung Quốc ở phần kết quả nghiên cứu.

Phương pháp nghiên cứu

Bài viết sử dụng phương pháp nghiên cứu định tính, kết hợp phân tích chính sách với tổng thuật tài liệu học thuật. Nguồn tài liệu là các bài báo khoa học tiếng Anh công bố trên tạp chí và bài kỷ yếu hội thảo quốc tế có bình duyệt trong giai đoạn 2023 - 2026, được tuyển chọn theo tiêu chí liên quan trực tiếp đến chiến lược, chính sách và ứng dụng công nghệ số, AI tại Trung Quốc. Phương pháp phân tích và tổng hợp được dùng để rút ra các phát hiện cốt lõi từ từng công trình, còn phương pháp lịch sử - lôgíc giúp tái hiện quá trình hình thành và lan tỏa chiến lược công nghệ theo trình tự thời gian, từ văn kiện năm 2017 đến các điều chỉnh chính sách đến gần đây.

Phần lớn bằng chứng thực chứng được khảo cứu tập trung ở cấp ngành chế tạo và một số chỉ báo kinh tế - môi trường cụ thể. Khu vực dịch vụ số, nông nghiệp số và các ngành phi chế tạo khác chưa được bao quát đầy đủ do hạn chế về nguồn tài liệu tiếp cận được trong khuôn khổ nghiên cứu này.

2.2. Kết quả nghiên cứu: Kinh nghiệm Trung Quốc trong phát triển công nghệ số, trí tuệ nhân tạo

a) Thể chế và chiến lược phát triển cấp quốc gia

NGAIDP xác lập ba giai đoạn phát triển: bắt kịp trình độ AI thế giới vào năm 2020, đạt đột phá lớn về lý luận cơ bản vào năm 2025 và trở thành trung tâm đổi mới sáng tạo AI hàng đầu thế giới vào năm 2030. Mục tiêu giai đoạn đầu, theo đánh giá chung của giới nghiên cứu, đã cơ bản đạt được, thể hiện qua số lượng công bố khoa học và bằng sáng chế AI tăng nhanh (Quốc vụ viện nước Cộng hòa nhân dân Trung Hoa, 2017). Chiến lược này được lồng ghép vào các quy hoạch phát triển kinh tế - xã hội 5 năm liên tiếp và tích hợp với sáng kiến Chế tạo tại Trung Quốc 2025, vốn đặt mục tiêu nâng cấp toàn diện năng lực chế tạo nội địa ở mười lĩnh vực công nghệ then chốt, cũng như sáng kiến Con đường tơ lụa số nhằm mở rộng xuất khẩu công nghệ và ảnh hưởng số ra bên ngoài lãnh thổ Trung Quốc thông qua các dự án cáp quang biển, trung tâm dữ liệu và hệ thống thanh toán số tại nhiều quốc gia dọc Vành đai và Con đường.

Từ năm 2019, Bộ Khoa học và Công nghệ Trung Quốc lần lượt phê duyệt hàng loạt khu thí điểm đổi mới sáng tạo AI thế hệ mới tại Bắc Kinh, Thượng Hải, Quảng Châu, Thâm Quyến, Hàng Châu và nhiều thành phố khác, mỗi khu được giao thử nghiệm một trọng tâm ứng dụng khác nhau, từ giao thông thông minh, y tế số đến quản trị đô thị (Bộ Khoa học và Công nghệ nước Cộng hòa nhân dân Trung Hoa, 2019 - 2023). Cách làm này nhà nước có thể phân tán rủi ro chính sách: nếu một mô hình thí điểm thất bại ở địa phương, thiệt hại được giới hạn trong phạm vi hẹp, còn nếu thành công, kinh nghiệm được nhân rộng ra toàn quốc theo cơ chế học hỏi chính sách vốn đã quen thuộc trong quản trị nhà nước Trung Quốc từ thời cải cách ruộng đất và mở cửa kinh tế đặc khu.

Đặc trưng thể chế cốt lõi là sự kết hợp giữa quy hoạch tập trung của Nhà nước với động lực cạnh tranh thị trường. Nhà nước xác định lĩnh vực công nghệ lõi cần đột phá và phân bổ nguồn lực tài chính nghiên cứu, trong khi các doanh nghiệp công nghệ lớn như: Baidu, Alibaba, Tencent, Huawei cạnh tranh quyết liệt để triển khai ứng dụng thương mại. Baidu tập trung vào xe tự hành và mô hình ngôn ngữ lớn; Alibaba phát triển hạ tầng điện toán đám mây và thương mại điện tử thông minh; Tencent khai thác thế mạnh mạng xã hội và trò chơi trực tuyến để thử nghiệm AI tạo sinh; còn Huawei dồn lực vào chip AI nội địa nhằm ứng phó với các lệnh hạn chế xuất khẩu từ Hoa Kỳ. Sự phân công tự phát nhưng có định hướng này tạo ra hiệu ứng tập trung nguồn lực nhanh và mạnh hơn so với mô hình thị trường tự do thuần túy.

Tháng 01/2025, việc công ty khởi nghiệp DeepSeek công bố mô hình ngôn ngữ lớn có chi phí huấn luyện thấp nhưng năng lực suy luận cạnh tranh được với các mô hình hàng đầu của Hoa Kỳ đã gây chấn động thị trường công nghệ toàn cầu, đồng thời trở thành minh chứng cụ thể cho thấy các doanh nghiệp Trung Quốc vẫn có thể đạt đột phá AI dù bị hạn chế tiếp cận chip bán dẫn tiên tiến nhất (IISS, 2025). Sự kiện này minh họa sinh động cho luận điểm về thể chế cả nước dồn lực: khi con đường tiếp cận phần cứng bị chặn, nguồn lực quốc gia và doanh nghiệp dồn sang tối ưu hóa thuật toán và hiệu suất tính toán.

Mô hình thể chế này cũng đặt Trung Quốc vào thế cạnh tranh trực diện về công nghệ với các nền kinh tế phát triển khác. Hoa Kỳ đã nhiều lần mở rộng danh sách thực thể bị hạn chế xuất khẩu (Entity List) đối với các công ty công nghệ Trung Quốc kể từ năm 2019, đồng thời siết chặt kiểm soát xuất khẩu thiết bị sản xuất chip tiên tiến từ năm 2022 (S. Wenning, 2023). Phản ứng chính sách của Trung Quốc là đẩy nhanh tự chủ chuỗi cung ứng bán dẫn nội địa, làm gia tăng nguy cơ phân mảnh công nghệ toàn cầu thành hai hệ sinh thái tương đối tách biệt.

b) Lan tỏa ứng dụng vào các ngành kinh tế thực

Trong lĩnh vực chế tạo, AI được ứng dụng rộng rãi vào tối ưu hóa quy trình sản xuất, bảo trì dự đoán, quản lý chuỗi cung ứng và phát triển sản phẩm, giúp các nhà máy chuyển dịch theo hướng thông minh và tự chủ hơn. Với việc phân tích dữ liệu lớn và học máy, doanh nghiệp chế tạo có thể cải thiện đáng kể chất lượng ra quyết định vận hành. K. Na mô tả quá trình này qua hình ảnh những nhà máy “đèn tắt”, nơi robot công nghiệp và hệ thống thị giác máy tính vận hành gần như không cần công nhân giám sát trực tiếp trên dây chuyền, dù mô hình này mới phổ biến ở một số ngành có mức độ chuẩn hóa cao như điện tử tiêu dùng và phụ tùng ô tô (K. Na, 2024).

Về ngoại thương, mức độ ứng dụng AI có tác động tích cực đến độ phức tạp công nghệ của hàng hóa xuất khẩu Trung Quốc, thông qua hai kênh trung gian: nâng cao năng lực đổi mới sáng tạo nội bộ doanh nghiệp và cải thiện hiệu quả phân bổ nguồn lực (H. Lin, M. Wang, M. Guo, Z. Wang, Z. Cheng, W. Li & M. U. Arshad, 2026). Điều đáng chú ý là hiệu ứng này không đồng đều giữa các doanh nghiệp: những doanh nghiệp đã có sẵn năng lực nhập khẩu máy móc công nghệ cao được hưởng lợi rõ rệt hơn từ việc ứng dụng AI so với nhóm doanh nghiệp thuần túy gia công.

Về môi trường, Chen, Wang và Wang phát hiện AI có tác động dạng chữ U ngược đến hiệu quả phát triển xanh ở cấp tỉnh. Ở giai đoạn đầu, chi phí chuyển đổi công nghệ và tiêu thụ năng lượng của hạ tầng tính toán có thể làm giảm hiệu quả môi trường trong ngắn hạn. Khi vượt qua một ngưỡng đầu tư và ứng dụng nhất định, AI bắt đầu thúc đẩy đổi mới công nghệ xanh và tối ưu hóa cơ cấu ngành, tạo hiệu ứng lan tỏa tích cực tới các vùng lân cận thông qua chuyển giao công nghệ và di chuyển lao động có kỹ năng (M. Chen, S. Wang & X. Wang, 2024). Phát hiện này gợi mở một hàm ý chính sách quan trọng: đầu tư công nghệ số dưới ngưỡng tới hạn có thể tạo ấn tượng sai lệch rằng AI “gây hại” cho môi trường, trong khi vấn đề thực chất nằm ở quy mô và thời điểm đầu tư chưa đủ để phát huy hiệu ứng chuyển đổi.

Ngoài chế tạo, ngoại thương và môi trường, AI cũng lan tỏa vào khu vực dịch vụ công. Nghiên cứu của Li Xiaoyan và Segumpan khảo sát việc ứng dụng AI trong khu vực công Trung Quốc thông qua phỏng vấn và khảo sát, ghi nhận nhiều rào cản: thiếu hụt nhân lực có kỹ năng, hạ tầng dữ liệu chưa đồng bộ giữa các địa phương, và tâm lý hoài nghi của một bộ phận công chức và người dân về độ tin cậy của dịch vụ do AI vận hành (X. Li & R. G. Segumpan, 2024). Một nghiên cứu tiếp nối của cùng nhóm tác giả, công bố năm sau, dẫn lại ước tính cho rằng AI có khả năng tự động hóa gần một nửa khối lượng công việc tại Trung Quốc, đồng thời chỉ ra tình trạng ứng dụng AI không đồng đều giữa các vùng miền khiến khoảng cách tiếp cận dịch vụ công số giữa đô thị lớn và khu vực nông thôn có nguy cơ nới rộng thay vì thu hẹp (X. Li & R. G. Segumpan, 2025).

c) Thành tựu và thách thức

Về thành tựu, việc theo đuổi nhất quán chiến lược AI trong gần một thập niên đã giúp Trung Quốc gia tăng đáng kể số lượng công bố khoa học liên quan đến AI và đạt nhiều thành tích trong các cuộc thi AI quốc tế. Các cụm công nghiệp công nghệ cao hình thành với vai trò đầu tàu cho phát triển kinh tế vùng, tiêu biểu là Khu vực vịnh lớn Quảng Đông - Hồng Kông - Ma Cao, nơi tập trung một mật độ cao các doanh nghiệp phần cứng, phần mềm và startup AI. Sự kiện DeepSeek đầu năm 2025 củng cố thêm nhận định rằng Trung Quốc đang giảm dần khoảng cách với Hoa Kỳ ở lớp mô hình AI, dù khoảng cách về chip bán dẫn tiên tiến nhất vẫn còn đáng kể.

Về thách thức, con số 12% việc làm công nghiệp có nguy cơ bị thay thế bởi tự động hóa (M. Arntz, T. Gregory & U. Zierahn, 2016) đặt ra áp lực chuyển dịch cơ cấu lao động và đào tạo lại kỹ năng trên diện rộng, đặc biệt tại các tỉnh phụ thuộc nhiều vào công nghiệp chế tạo thâm dụng lao động như Quảng Đông, Giang Tô, Chiết Giang. Kinh nghiệm quốc tế về ứng dụng AI cho thấy các thách thức mang tính phổ quát: thiên vị thuật toán, xâm phạm quyền riêng tư, rủi ro an ninh mạng, bất bình đẳng số và tiêu thụ năng lượng gia tăng do hạ tầng tính toán quy mô lớn.

Trung Quốc đã có bước đi thể chế đáng chú ý để ứng phó: tháng 8/2023, Cục Quản lý Không gian mạng Trung Quốc cùng 6 cơ quan liên quan ban hành Biện pháp tạm thời về quản lý dịch vụ trí tuệ nhân tạo tạo sinh, yêu cầu các nhà cung cấp dịch vụ AI tạo sinh phải tuân thủ nguyên tắc giá trị xã hội chủ nghĩa, bảo vệ quyền sở hữu trí tuệ và chịu trách nhiệm về nội dung do mô hình tạo ra (Cục Quản lý Không gian mạng Trung Quốc và các cơ quan liên quan, 2023).

Riêng tại Trung Quốc, việc mở rộng ảnh hưởng công nghệ ra bên ngoài thông qua Con đường tơ lụa số và Chế tạo tại Trung Quốc 2025 làm gia tăng cọ xát thương mại và cạnh tranh địa - công nghệ với các nền kinh tế phát triển khác. Một khía cạnh nữa là niềm tin công chúng vào dịch vụ do AI vận hành sụt giảm khi người dân cảm thấy quy trình ra quyết định của thuật toán thiếu minh bạch, kể cả khi kết quả cuối cùng chính xác hơn con người (X. Li & R. G. Segumpan, 2025). Đây là một thách thức mang tính quản trị hơn là kỹ thuật, đòi hỏi giải pháp về truyền thông chính sách và cơ chế giải trình song song với đầu tư hạ tầng.

d) Hạ tầng dữ liệu, điện toán và quản trị an ninh mạng

Một kinh nghiệm ít được đề cập, nhưng lại là điều kiện nền tảng, là hạ tầng dữ liệu và điện toán. Từ năm 2022, Trung Quốc triển khai dự án “Đông dữ liệu Tây tính toán” (东数西算), chuyển một phần khối lượng tính toán từ các trung tâm dữ liệu ở khu vực duyên hải phía Đông, nơi đất đai và điện năng đắt đỏ, sang các cụm trung tâm dữ liệu mới xây dựng tại Quý Châu, Cam Túc, Ninh Hạ và Nội Mông, những tỉnh có nguồn điện giá rẻ, bao gồm cả thủy điện và điện gió (Ủy ban Cải cách và Phát triển Quốc gia Trung Quốc (NDRC) và các cơ quan liên quan, 2022). Cách bố trí không gian này giải quyết đồng thời hai bài toán: giảm áp lực lên hạ tầng điện năng ở các đô thị lớn, và tạo động lực phát triển kinh tế cho các tỉnh nội địa vốn tụt hậu so với duyên hải.

Song song với mở rộng hạ tầng cứng, khung pháp lý về dữ liệu cũng được xây dựng khá sớm so với nhiều nền kinh tế đang phát triển khác. Luật An ninh mạng năm 2017, Luật Bảo mật dữ liệu năm 2021 và Luật Bảo vệ thông tin cá nhân năm 2021 hình thành ba trụ cột pháp lý điều chỉnh việc thu thập, lưu trữ, xử lý và chuyển giao dữ liệu xuyên biên giới. Khung pháp lý này, một mặt tạo niềm tin cho doanh nghiệp đầu tư vào các mô hình AI cần lượng dữ liệu huấn luyện lớn, mặt khác cũng bị một số đối tác thương mại phương Tây coi là công cụ để nhà nước kiểm soát chặt luồng dữ liệu ra khỏi lãnh thổ, làm phức tạp thêm quan hệ hợp tác công nghệ quốc tế vốn đã căng thẳng vì các biện pháp hạn chế xuất khẩu chip.

Xét từ góc độ lý luận đã trình bày, hạ tầng dữ liệu và điện toán chính là biểu hiện vật chất của việc khoa học được “vật hóa” vào tư liệu sản xuất. Nếu thiếu các trung tâm dữ liệu, mạng lưới cáp quang tốc độ cao và khung pháp lý đủ rõ ràng để doanh nghiệp yên tâm đầu tư dài hạn, những mục tiêu đầy tham vọng của NGAIDP sẽ khó có cơ sở vật chất để hiện thực hóa. Đây là lý do vì sao kinh nghiệm Trung Quốc không thể tách rời khỏi khối lượng đầu tư hạ tầng khổng lồ đi kèm.

2.3. Thảo luận và một số hàm ý chính sách

Kết quả tổng thuật cho thấy mô hình phát triển công nghệ số, AI của Trung Quốc là một mô hình trong đó nhà nước dẫn dắt chiến lược còn thị trường vận hành cạnh tranh. Vai trò quy hoạch tập trung không thay thế mà bổ sung cho động lực cạnh tranh doanh nghiệp, thể hiện rõ qua cách bốn tập đoàn công nghệ lớn phân công lĩnh vực chuyên sâu khác nhau trong cùng một khung chính sách quốc gia. Đây là điểm khác biệt căn bản so với mô hình phát triển công nghệ chủ yếu dựa vào thị trường tự do ở một số nền kinh tế phương Tây, đồng thời cũng là nguồn gốc của cả thành tựu tăng trưởng nhanh lẫn những cọ xát địa - công nghệ nảy sinh.

Cần thận trọng khi khái quát hóa phát hiện này thành một công thức có thể sao chép nguyên trạng. Các bằng chứng thực chứng hiện có chủ yếu tập trung ở cấp ngành chế tạo và một số chỉ báo kinh tế - môi trường cụ thể, chưa bao quát đầy đủ khu vực dịch vụ, nông nghiệp số hay tác động phân phối thu nhập giữa các nhóm lao động. Quy mô thị trường nội địa khổng lồ, dân số đông và nền tảng công nghiệp chế tạo đã tích lũy bốn thập niên là những điều kiện đặc thù của Trung Quốc so với các nền kinh tế quy mô nhỏ hơn.

Một điểm nữa là tính không nhất quán trong hiệu ứng của AI theo thời gian và ngưỡng đầu tư, như phát hiện dạng chữ U ngược trong tác động môi trường đã nêu ở trên. Nếu chính phủ một quốc gia đang phát triển đầu tư dàn trải, dưới ngưỡng tới hạn, kết quả quan sát được trong ngắn hạn có thể là hiệu ứng tiêu cực, dẫn tới nguy cơ dừng lại giữa chừng trước khi hiệu ứng tích cực kịp xuất hiện. Đây là một rủi ro thể chế thực sự, không chỉ là vấn đề kỹ thuật đo lường.

Trên cơ sở kinh nghiệm Trung Quốc, có thể rút ra một số hàm ý mang tính gợi mở cho Việt Nam trong xây dựng chiến lược phát triển công nghệ số và AI quốc gia, tuy nhiên cần được kiểm chứng thêm bằng khảo sát thực tiễn trước khi áp dụng.

Về thể chế, cần xác lập danh mục công nghệ lõi ưu tiên đột phá quốc gia, ví dụ chip bán dẫn chuyên dụng, AI tạo sinh tiếng Việt, dữ liệu lớn trong lĩnh vực y tế và nông nghiệp, đi kèm cơ chế phối hợp Nhà nước - viện nghiên cứu - doanh nghiệp theo hướng chọn lĩnh vực trọng điểm và dồn lực có thời hạn, tránh dàn trải nguồn lực như kinh nghiệm chữ U ngược đã cảnh báo ở trên.

Về lan tỏa ngành, nên ưu tiên thí điểm ứng dụng AI ở các ngành có lợi thế so sánh của Việt Nam, như chế biến, chế tạo xuất khẩu và nông nghiệp công nghệ cao, gắn với đo lường hiệu quả cụ thể để nhân rộng có chọn lọc thay vì phát triển đại trà. Mô hình khu thí điểm phân tán rủi ro của Trung Quốc là một cách tiếp cận đáng tham khảo cho một nền kinh tế còn hạn chế về nguồn lực tài chính công.

Về quản trị rủi ro, cần xây dựng sớm khung pháp lý về đạo đức AI, an toàn dữ liệu và an sinh cho lao động bị thay thế bởi tự động hóa. Kinh nghiệm Trung Quốc về Biện pháp tạm thời quản lý AI tạo sinh năm 2023, dù được ban hành trong bối cảnh thể chế chính trị khác biệt, cho thấy việc quy định trách nhiệm giải trình của nhà cung cấp dịch vụ AI có thể đi trước một bước so với việc chờ hệ quả xã hội bộc lộ đầy đủ rồi mới xử lý. Đồng thời, vấn đề về niềm tin công chúng đối với dịch vụ công do AI vận hành cho thấy đầu tư công nghệ cần song hành với minh bạch hóa quy trình ra quyết định của thuật toán.

3. Kết luận

Bài viết đã hệ thống hóa kinh nghiệm Trung Quốc trong phát triển công nghệ số và trí tuệ nhân tạo theo ba cấp độ: chiến lược và thể chế quốc gia, lan tỏa ứng dụng ngành, và hệ quả kinh tế - xã hội. Mô hình cả nước dồn lực, kết hợp quy hoạch tập trung với cạnh tranh thị trường giữa các tập đoàn công nghệ lớn, giúp Trung Quốc đạt tốc độ phát triển công nghệ nhanh, minh chứng gần nhất là sự kiện DeepSeek đầu năm 2025. Đồng thời, mô hình này tạo ra những thách thức về chuyển dịch cơ cấu lao động, quản trị rủi ro đạo đức, an ninh dữ liệu và cọ xát địa - công nghệ quốc tế mà bản thân Trung Quốc cũng chưa giải quyết triệt để.

Đây là bài học tham chiếu có giá trị trong quá trình xây dựng chiến lược phát triển công nghệ số và AI quốc gia, với điều kiện các hàm ý chính sách được điều chỉnh phù hợp với quy mô thị trường, năng lực tài khóa và thể chế chính trị của Việt Nam, thay vì sao chép nguyên trạng một mô hình được hình thành trong điều kiện lịch sử và thể chế riêng biệt của Trung Quốc.

_________________

Ngày nhận bài: 11/8/2026; Ngày bình duyệt: 17/8/2026; Ngày quyết định đăng: 24/8/2026.

Email tác giả: dinhvanthuy@gmail.com

Tài liệu tham khảo

Arntz, M., Gregory, T., & Zierahn, U. (2016). The risk of automation for jobs in OECD countries: A comparative analysis. OECD Social, Employment and Migration Working Papers, No. 189.

Ban Chấp hành Trung ương Đảng Cộng sản Trung Quốc và Quốc vụ viện (2023). Quy hoạch tổng thể xây dựng Trung Quốc số.

Bộ Khoa học và Công nghệ nước Cộng hòa Nhân dân Trung Hoa (2019 - 2023). Các văn bản phê duyệt khu thí điểm đổi mới sáng tạo trí tuệ nhân tạo thế hệ mới.

Chen, M., Wang, S., & Wang, X. (2024). How Does Artificial Intelligence Impact Green Development? Evidence from China. Sustainability, 16(3), 1260.

Cục Quản lý Không gian mạng Trung Quốc (2023). Biện pháp tạm thời về quản lý dịch vụ trí tuệ nhân tạo tạo sinh.

C. Mác và Ph. Ăngghen (1998). Toàn tập (Tập 46 phần II). Nxb Chính trị quốc gia.

International Institute for Strategic Studies (2025). DeepSeek's release of an open-weight frontier AI model. Strategic Comments.

K, S., & Philip, S. (2026). Artificial Intelligence and Sustainable Economic Development: Opportunities and Challenges. Economic Sciences, 22(6-S), 374-386.

Li, X., & Segumpan, R. G. (2024). Challenges of AI Adoption in China Public Service and its Impact on Efficiency and Performance. International Journal of Academic Research in Business and Social Sciences, 14(6), 404-416.

Li, X., & Segumpan, R. G. (2025). Navigating AI Adoption Challenges in China's Public Sector: Implications for Efficiency and Performance. International Journal of Academic Research in Business and Social Sciences, 15(3), 1366-1381.

Lin, H., Wang, M., Guo, M., Wang, Z., Cheng, Z., Li, W., & Arshad, M. U. (2026). Research on the impact of artificial intelligence on the export technological complexity of Chinese manufacturing enterprises: An analysis based on mediating effects. PLOS ONE, 21(7), e0351061.

Ministry of Education of the People’s Republic of China (2004). Speech: Science and technology are the primary productive forces. http://www.moe.gov.cn/

Na, K. (2024). The Role of Artificial Intelligence in China's Manufacturing Industry: Reality and Prospects. Highlights in Business, Economics and Management, 39.

Quốc vụ viện nước Cộng hòa Nhân dân Trung Hoa (2017). Kế hoạch phát triển trí tuệ nhân tạo thế hệ mới.

Ủy ban Cải cách và Phát triển Quốc gia Trung Quốc (2022). Thông báo phê duyệt dự án Đông dữ liệu Tây tính toán.

Wenning, S. (2023). What Influence Does the AI Strategy Have on Possible Outcomes of Chinese Foreign Policy and Economic Development? Advances in Social Sciences Research Journal, 10(4), 50-75.