Sau sáu tháng triển khai khóa đầu tiên với gần 60 nhà nghiên cứu, 10 nhóm nghiên cứu và một dự án đã bước đầu thương mại hóa, Saigon AI Hub chuyển sang cách tiếp cận mới: thay vì bắt đầu từ đề tài mà giới nghiên cứu quan tâm, chương trình sẽ tìm những bài toán thực tế từ doanh nghiệp, cơ quan nhà nước và tổ chức, sau đó kết nối với các nhóm nghiên cứu AI phù hợp để phát triển giải pháp.
Ngày 8/10, tại Thành phố Hồ Chí Minh, Trung tâm Trí tuệ nhân tạo Sài Gòn (Saigon AI Hub - SAIH) cùng Quỹ Google AI Futures Fund tổ chức Ngày hội giới thiệu sản phẩm của Phòng thí nghiệm Trí tuệ nhân tạo ứng dụng (Applied AI Lab Demo Day) 2026, nhìn lại kết quả sau sáu tháng triển khai Khóa 1 và chính thức khởi động Khóa 2.
Nếu ở giai đoạn đầu, trọng tâm của chương trình là tạo điều kiện để các nhóm nghiên cứu tiếp cận hạ tầng, mô hình AI và chuyên gia quốc tế, thì từ Khóa 2, một thay đổi đáng chú ý được đặt ra: bài toán thực tế sẽ đi trước, nghiên cứu đi sau.
Đây cũng có thể xem là nỗ lực xử lý một trong những khoảng cách dai dẳng của nghiên cứu công nghệ: Từ một kết quả có giá trị học thuật đến một sản phẩm có thể vận hành trong môi trường thực tế và tạo ra giá trị kinh tế-xã hội.
Từ những nguyên mẫu đầu tiên đến bài toán thương mại hóa
Saigon AI Hub được VNG và Đại học Quốc gia Thành phố Hồ Chí Minh đồng sáng lập vào cuối năm 2025. Đến tháng 5/2026, SAIH và Quỹ Google AI Futures Fund công bố quan hệ đối tác, triển khai mô hình Applied AI Lab tại Việt Nam.
Khóa đầu tiên quy tụ gần 60 nhà nghiên cứu từ các trường đại học tại Thành phố Hồ Chí Minh, với 10 nhóm được lựa chọn dựa trên năng lực nghiên cứu, khả năng ứng dụng và định hướng phát triển AI có trách nhiệm.
Trong sáu tháng, các nhóm vừa tiếp tục hoàn thiện nghiên cứu, vừa xây dựng nguyên mẫu, được hỗ trợ về hạ tầng AI, mô hình, kỹ thuật và tư vấn từ các chuyên gia Google Labs, Google DeepMind và VNG.
Các hướng nghiên cứu trải khá rộng, từ phát hiện sớm ung thư đại trực tràng, phát hiện deepfake, tách giọng nói tiếng Việt, hiểu cảm xúc đa phương thức, truy vấn kho video bằng ngôn ngữ tự nhiên đến các ứng dụng thực tế ảo và hệ thống điều khiển thiết bị bay không người lái. Sáu trong số 10 nhóm được lựa chọn trình diễn trực tiếp các nguyên mẫu tại Demo Day.
Điểm đáng chú ý nhất là đã xuất hiện trường hợp bước đầu vượt khỏi khuôn khổ nghiên cứu. Một nhóm chuyển hướng từ nghiên cứu tương tác người-robot sang xây dựng môi trường học điều khiển máy bay không người lái, kết hợp thiết bị thật với hình ảnh mô phỏng và đã có kết quả thương mại hóa đầu tiên.
Các nhóm cũng đạt một số kết quả tại những hội nghị, cuộc thi học thuật quốc tế. Nhóm phát hiện deepfake xếp thứ 4 trong tổng số 337 đội tại NTIRE 2026 Robust Deepfake Detection Challenge; SoccerNet-VQA lọt Top 5 SoccerNet Challenge và Top 3 TRIDENT Challenge; các nghiên cứu về thực tế ảo, truy vấn đa phương thức, cảm xúc đa phương thức và tách giọng nói tiếng Việt cũng được trình bày hoặc chấp nhận tại một số hội nghị quốc tế.
Tuy nhiên, chính kết quả của Khóa 1 cũng cho thấy một vấn đề khác: có năng lực nghiên cứu chưa đồng nghĩa với việc kết quả nghiên cứu tự động tìm được đường ra thị trường.
Theo ông Lê Hồng Minh, Nhà sáng lập và Chủ tịch Hội đồng quản trị VNG, ý tưởng về Saigon AI Hub bắt đầu từ những cuộc trao đổi với các trường đại học về ba khó khăn của các nhóm nghiên cứu AI: quá trình xin ngân sách cho tài nguyên tính toán mất nhiều thời gian. Một chu trình từ hình thành đề tài đến được cấp kinh phí và triển khai có thể kéo dài khoảng hai năm; và nhiều đề tài vẫn còn tách rời nhu cầu thực tế.
Khóa 1 đã góp phần tháo gỡ hai nút thắt đầu tiên là nguồn lực và tốc độ triển khai. Nhưng theo ông Lê Hồng Minh, việc đưa kết quả nghiên cứu vào ứng dụng vẫn là phần cần tiếp tục thúc đẩy. Một nguyên nhân là các hướng nghiên cứu chủ yếu xuất phát từ mối quan tâm học thuật của chính các nhà nghiên cứu.
Vì vậy, trong Khóa 2, chương trình lựa chọn cách tiếp cận ngược lại. “Thay vì bắt đầu từ đề tài nghiên cứu, chúng tôi sẽ bắt đầu từ những bài toán thực tế cần được giải quyết”, ông Lê Hồng Minh cho biết.
Đảo chiều quy trình: Tìm bài toán trước, tìm nhóm nghiên cứu sau
Theo mô hình mới, trước hết, SAIH sẽ tiếp nhận và lựa chọn các vấn đề do doanh nghiệp, cơ quan nhà nước và các tổ chức đề xuất. Sau khi bài toán được xác định đủ rõ về phạm vi, dữ liệu, nguồn lực và giá trị thực tế, chương trình mới mời các nhóm nghiên cứu AI, kể cả các nhóm liên ngành, đề xuất giải pháp.
Điểm đáng chú ý là đơn vị đưa ra bài toán không chỉ dừng lại ở việc “đặt hàng”.
Các đơn vị này được kỳ vọng cung cấp chuyên gia am hiểu lĩnh vực, dữ liệu thực tế và môi trường để các nhóm nghiên cứu kiểm nghiệm giải pháp. Theo ông Lê Hồng Minh, đối với nhiều bài toán, nguồn lực quan trọng không nhất thiết chỉ là kinh phí hay GPU, mà còn là dữ liệu và những người hiểu sâu vấn đề mà công nghệ cần giải quyết.
Theo thiết kế của Khóa 2, SAIH sẽ đóng vai trò nền tảng kết nối ba thành tố: đơn vị sở hữu bài toán; cộng đồng nghiên cứu AI có năng lực phù hợp; và hệ thống nguồn lực gồm hạ tầng, mô hình, vốn, không gian làm việc, mạng lưới chuyên gia cùng các cơ chế hỗ trợ đưa giải pháp pilot thành sản phẩm thương mại.
Bốn nhóm bài toán được ưu tiên trong giai đoạn đầu gồm sản xuất, nông nghiệp, biến đổi khí hậu và các bài toán có quy mô quốc gia.
Trong sản xuất, AI có thể được đặt vào các bài toán kiểm tra chất lượng, bảo trì dự đoán, tối ưu hóa quy trình. Trong nông nghiệp là giám sát cây trồng, phát hiện dịch bệnh, dự báo năng suất. Với biến đổi khí hậu, các hướng được đề cập gồm phân tích thông tin khí hậu, đánh giá rủi ro thiên tai và giám sát môi trường. Các bộ, ngành, địa phương và cơ quan nhà nước cũng có thể đưa ra những vấn đề có phạm vi và tác động rộng, chẳng hạn khai thác dữ liệu để nâng cao chất lượng giao thông công cộng.
Từ ngày 8/10 đến cuối tháng 11/2026, chương trình tiếp nhận đề bài. Dự kiến trong tháng 12, các đề bài được lựa chọn sẽ được công bố để mời nhóm nghiên cứu đăng ký; tháng 1/2027 thực hiện đánh giá, kết nối; và đến tháng 2/2027 bắt đầu chu kỳ nghiên cứu kéo dài sáu tháng.
Mục tiêu đặt ra cho năm 2027 là lựa chọn ít nhất 10 dự án, trong đó có 6 giải pháp pilot thành công trong môi trường thực tế, 3 dự án được thương mại hóa và một start-up được hình thành; đồng thời vẫn tiếp tục theo đuổi các công bố nghiên cứu đạt chuẩn quốc tế.
Thành phố không chỉ “đặt đề”, mà phải tạo điều kiện giải đề
Tại Applied AI Lab Demo Day 2026, Phó Chủ tịch Ủy ban nhân dân Thành phố Hồ Chí Minh, Tiến sĩ Trương Minh Huy Vũ cho rằng, những đề bài dành cho AI phải xuất phát từ nhu cầu thực tế, nhưng đồng thời phải đủ lớn, đủ sức thu hút các nhóm nghiên cứu mạnh.
Theo Tiến sĩ Trương Minh Huy Vũ, “đề bài cho AI không có địa giới hành chính”. Một vấn đề công nghệ có giá trị không nên chỉ được giới hạn trong phạm vi một địa phương nếu lời giải của nó có thể mang lại tác động lớn hơn.
"Hiện nay, Thành phố Hồ Chí Minh đang tập trung xây dựng và hoàn thiện các hệ thống dữ liệu, trước mắt trong những lĩnh vực như đất đai, thuế, tài chính và nhiều lĩnh vực quản lý đô thị khác. Đây sẽ là những nền tảng quan trọng để xác định các bài toán ứng dụng AI phù hợp", Tiến sĩ Trương Minh Huy Vũ gợi ý.
Việc đề xuất bài toán cũng không chỉ giới hạn ở các cơ quan nhà nước, mà cần mở rộng đến doanh nghiệp, tổ chức xã hội và những đơn vị trực tiếp phục vụ người dân.
Một thí dụ được Phó Chủ tịch Ủy ban nhân dân Thành phố Hồ Chí Minh đưa ra là khai thác dữ liệu để nhận diện nhu cầu đặc thù của các nhóm hành khách sử dụng xe buýt, qua đó nâng cao chất lượng dịch vụ giao thông công cộng.
"Đây là những vấn đề có thể ứng dụng AI và dữ liệu để nâng cao chất lượng dịch vụ, hướng đến xây dựng một đô thị văn minh, nghĩa tình và phục vụ người dân tốt hơn", Phó Chủ tịch Ủy ban nhân dân Thành phố Hồ Chí Minh nói.
Nhưng theo Tiến sĩ Trương Minh Huy Vũ, đặt ra bài toán mới chỉ là một nửa công việc.
“Khi Thành phố cùng các đối tác đặt ra một bài toán, chúng tôi cũng cần xác định rõ trách nhiệm đồng hành, từ việc cung cấp dữ liệu, điều kiện thử nghiệm đến các nguồn lực cần thiết khác”, Tiến sĩ Trương Minh Huy V nhấn mạnh. Việc hỗ trợ, theo đó, cần được chuyển từ tuyên bố sang các cam kết và nguồn lực triển khai cụ thể.
Một nội dung khác được lãnh đạo Thành phố Hồ Chí Minh đề cập là hạ tầng dữ liệu và AI. Thành phố đang nghiên cứu, đề xuất các dự án phát triển hạ tầng tại các khu công nghệ cao mở rộng, khu công nghệ Quang Trung mới và các khu công nghệ số tập trung.
Đối với đầu tư mạo hiểm, Thành phố cũng đã đề xuất phương án đồng đầu tư với các quỹ tư nhân, trong đó có thể xem xét các tỷ lệ đối ứng 1:1, 1:2 hoặc 1:3 tùy mức độ ưu tiên và tính chất từng dự án. Đây mới là phương án đang được đề xuất, nhưng phản ánh cách tiếp cận đáng chú ý: chấp nhận một mức độ rủi ro phù hợp nếu muốn tạo điều kiện cho những công nghệ có khả năng tăng trưởng cao.
Đích đến không chỉ là công bố khoa học
Khóa 1 đã cho thấy các nhóm nghiên cứu Việt Nam có thể tạo ra những kết quả đủ khả năng cạnh tranh tại các sân chơi học thuật quốc tế. Nhưng câu hỏi lớn hơn mà Khóa 2 đặt ra là: những năng lực nghiên cứu ấy sẽ được chuyển hóa thành sản phẩm, dịch vụ và doanh nghiệp như thế nào?
Deepfake Detection là một thí dụ. Phó Chủ tịch Ủy ban nhân dân Thành phố Hồ Chí Minh cho rằng, công nghệ phát hiện nội dung giả mạo có tiềm năng ứng dụng trong tài chính, ngân hàng, nhận diện và xác thực. Các giải pháp thực tế ảo cũng có thể được đưa vào lĩnh vực văn hóa, du lịch để tạo những trải nghiệm mới.
Điều đó đồng nghĩa các nhóm nghiên cứu không chỉ cần năng lực kỹ thuật. Khi một nguyên mẫu bước sang giai đoạn sản phẩm, bài toán còn bao gồm mô hình kinh doanh, vốn, thương hiệu, khả năng tiếp cận khách hàng và thị trường.
Theo Phó Giáo sư, Tiến sĩ Trần Minh Triết, Phó Hiệu trưởng Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Thành phố Hồ Chí Minh, môi trường nghiên cứu mở và mạng lưới kết nối chuyên môn giúp các nhà nghiên cứu trẻ phát triển năng lực nghiên cứu, thử nghiệm ứng dụng và hợp tác theo chuẩn quốc tế; trong giai đoạn tiếp theo, sự hợp tác giữa nhà trường, doanh nghiệp và các đối tác quốc tế cần tiếp tục giúp các nhóm tiếp cận hạ tầng tính toán, cố vấn chuyên môn và những đề bài thực tế để rút ngắn hành trình từ nghiên cứu đến ứng dụng.
Ở một góc độ khác, ông David Benjamin, đồng sáng lập Google AI Futures Fund thuộc Google Labs, cho rằng vấn đề không nằm ở tài năng hay khát vọng. Điều cần hướng tới là những nghiên cứu đạt chất lượng quốc tế nhưng đồng thời phải tạo được tác động thực chất đối với xã hội.
Sau “mùa thu hoạch” đầu tiên, thách thức của Saigon AI Hub vì thế không đơn thuần là tạo thêm nhiều nguyên mẫu.
Nếu Khóa 2 vận hành đúng như thiết kế, thay đổi đáng chú ý nhất sẽ nằm ở chính quy trình hình thành một dự án AI: nhu cầu thực tiễn tạo ra đề bài; dữ liệu và chuyên gia ngành tạo môi trường giải bài; giới nghiên cứu cung cấp năng lực công nghệ; còn doanh nghiệp, nhà đầu tư và khu vực công cùng tạo đường ra cho sản phẩm.
Như Phó Chủ tịch Ủy ban nhân dân Thành phố Hồ Chí Minh Trương Minh Huy Vũ ví von tại sự kiện, “hạt giống tốt cần được gieo vào đất tốt”. Với nghiên cứu AI, “đất tốt” lúc này không chỉ là máy tính mạnh hay kinh phí nghiên cứu, mà còn là dữ liệu, môi trường thử nghiệm, những bài toán đủ ý nghĩa và một cơ chế giúp kết quả nghiên cứu thực sự đi vào đời sống.
LÂM THẢO