Những điều mong đợi từ AI năm 2025
ĐIỀU GÌ ĐANG CHỜ ĐÓN THẾ GIỚI CÔNG NGHỆ?
Không có gì ngạc nhiên khi AI sẽ tiếp tục quỹ đạo phát triển mạnh mẽ của nó. Trí tuệ nhân tạo đã hoàn toàn nổi lên như công nghệ mang tính quyết định của thế hệ chúng ta, và trong năm tới, cơn sốt AI sẽ chỉ càng gia tăng. Tuy nhiên, chính môi trường xung quanh AI mới là yếu tố đang thay đổi, và đây sẽ là nơi chứng kiến nhiều sự chuyển biến trong những tháng tới.
Từ điều phối đám mây lai đến bảo mật do AI dẫn dắt và hơn thế nữa, dưới đây là sáu dự đoán lớn về cách AI sẽ thay đổi thế giới vào năm 2025.
1. Kiến trúc dữ liệu hỗ trợ AI sẽ phát triển và thích ứng khi môi trường trở nên phức tạp hơn
Dữ liệu từ lâu đã là huyết mạch của doanh nghiệp, và khi AI ngày càng trở thành yếu tố then chốt cho sự thành công của các tổ chức, dữ liệu giờ đây không chỉ là dòng chảy mà còn là bộ não và tất cả các yếu tố quan trọng khác. Vào năm 2025, các doanh nghiệp sẽ phải đầu tư mạnh mẽ hơn vào hệ thống dữ liệu của mình để đảm bảo chúng sẵn sàng và có thể được truy cập bởi các công cụ AI nhằm thúc đẩy ra quyết định theo thời gian thực.
Tuy nhiên, việc tổ chức dữ liệu luôn là một thách thức, và sắp tới nó sẽ còn phức tạp hơn. Khi các tổ chức tiếp tục đầu tư vào AI, họ sẽ sớm phải quản lý nhiều hệ thống AI khác nhau. Làm thế nào để chuẩn hóa chúng? Chúng sẽ hoạt động cùng nhau như thế nào? Nếu không giải quyết đúng cách, các tổ chức sẽ gặp phải sự thiếu kết nối giữa các nhà cung cấp dịch vụ, các mô hình ngôn ngữ lớn (LLMs) và chính các mô hình AI – điều này sẽ dẫn đến những lỗi nghiêm trọng như kết quả thiên lệch hoặc các “ảo giác” của AI.
Một hướng đi khả thi có thể là xây dựng các mô hình AI chuyên biệt hơn. Việc tạo ra những mô hình nhỏ hơn, tập trung vào các tác vụ cụ thể sẽ giúp cung cấp thông tin chính xác hơn mà không gây nhiễu đến các mô hình khác đang xử lý cùng một nguồn dữ liệu. Hơn nữa, do có kích thước nhỏ gọn, các mô hình này sẽ giúp tiết kiệm chi phí cả trong quá trình đào tạo lẫn khi vận hành.
Bên cạnh đó, các quy định kiểm soát bổ sung sẽ cần được thiết lập để xác định cách dữ liệu được đưa vào và xuất ra khỏi hệ thống. Một loại khung quản lý mới có thể sẽ xuất hiện, giúp kiểm tra kết quả AI để đảm bảo chúng tuân thủ các chính sách nội bộ của doanh nghiệp.
2. Hoạt động tự động sẽ giúp điều hướng môi trường đám mây lai ngày càng phức tạp
Các tổ chức thuộc mọi quy mô đã và đang áp dụng môi trường đám mây lai (hybrid cloud), và đó là một xu hướng tích cực. Đám mây lai cho phép doanh nghiệp triển khai khối lượng công việc (workloads) tại các vị trí phù hợp nhất, xét trên nhiều khía cạnh như hiệu suất, chi phí và quản trị. Tuy nhiên, sự kết hợp giữa đám mây riêng và đám mây công cộng cũng làm gia tăng độ phức tạp, khiến việc điều hướng và quản lý trở thành một thách thức.
Để giải quyết vấn đề này, mạng lưới sẽ có sự thay đổi đáng kể vào năm 2025, với các hoạt động tự động hỗ trợ những tính năng như tự động phân bổ khối lượng công việc và vận hành mạng tự phục hồi. Một số công nghệ tiên tiến đang được áp dụng tại HPE, chẳng hạn như Morpheus, cho phép các nhà phát triển mang lại trải nghiệm on-premises (tại chỗ) vào môi trường đám mây, chuẩn hóa mã nguồn trên nhiều nền tảng khác nhau và di chuyển khối lượng công việc một cách linh hoạt theo nhu cầu.
Trong nhiều trường hợp, có thể dự đoán một số khối lượng công việc sẽ có xu hướng quay trở lại môi trường on-premises. Điều này xuất phát từ thực tế rằng các cơ sở dữ liệu khổng lồ của các mô hình AI mới nổi có chi phí quá cao để duy trì và vận hành trên đám mây. Hơn nữa, độ trễ (latency) trong việc di chuyển dữ liệu qua lại giữa on-premises và đám mây không phải lúc nào cũng khả thi, đặc biệt đối với các ứng dụng yêu cầu hiệu suất cao và thời gian phản hồi tức thời.
3. Edge sẽ tích hợp sâu hơn vào đám mây lai, trở thành một thành phần quan trọng
Điện toán biên (edge computing) đã phát triển mạnh trong nhiều năm qua, và năm 2025 sẽ chứng kiến sự bùng nổ của lĩnh vực này. Tuy nhiên, trước hết, chúng ta cần làm rõ khái niệm về edge, vì nó không chỉ có một định nghĩa duy nhất mà tồn tại dưới nhiều dạng khác nhau:
- “Thick edge” – những trung tâm dữ liệu biên lớn, có thể là các máy chủ mạnh mẽ ở xa, chạy khối lượng công việc khổng lồ.
- “Thin edge” – các thiết bị nhỏ gọn hơn như máy POS (point-of-sale) trong cửa hàng bán lẻ.
- Các dạng trung gian – nằm giữa hai loại trên, với những đặc điểm riêng biệt.
Đây là một dải rộng lớn về nhu cầu và yêu cầu công nghệ, và các ứng dụng AI sẽ phát triển trên tất cả các cấp độ này. Ngày càng có nhiều khách hàng yêu cầu hệ thống AI có thể chạy trên các thiết bị “thin edge”, đặc biệt là các ứng dụng xử lý hình ảnh AI cục bộ.
Xử lý hình ảnh AI sẽ trở thành một xu hướng phổ biến, và khả năng thực hiện nó ngay tại thiết bị biên sẽ trở thành yếu tố then chốt. Đơn giản là không có đủ băng thông để truyền tải toàn bộ dữ liệu về trung tâm xử lý trên đám mây với độ trễ thấp như doanh nghiệp mong muốn.
Bán lẻ chỉ là một ví dụ – y tế, sản xuất, giao thông và các thành phố thông minh cũng sẽ hưởng lợi lớn từ sự kết hợp giữa điện toán biên và AI, giúp tối ưu hóa khả năng xử lý và phản hồi trong thời gian thực.
4. Các công cụ bảo mật sẽ khai thác toàn bộ sức mạnh của AI
Những hacker độc hại đã đi trước một bước trong việc sử dụng AI để thực hiện các cuộc tấn công mạng. Theo khảo sát năm 2024 của Deep Instinct với 500 chuyên gia an ninh mạng, AI deepfake và AI độc hại là hai mối đe dọa lớn nhất mà doanh nghiệp hiện đang đối mặt – và tình hình này sẽ còn trở nên nghiêm trọng hơn vào năm 2025.
Các khung bảo mật truyền thống không còn đủ mạnh để chống lại các cuộc tấn công hiện đại, vì vậy chúng ta cần “lấy độc trị độc”. Tôi tin rằng điều này sẽ được thực hiện bằng cách kết hợp mô hình Zero Trust với AI, tạo ra một mô hình bảo mật mới có khả năng giải quyết các thách thức đặc thù trong môi trường đám mây lai hiện đại.
Sự kết hợp mạnh mẽ này sẽ đóng vai trò thiết yếu, tận dụng tự động hóa để tạo ra hệ thống phòng thủ linh hoạt và vững chắc trước các mối đe dọa do AI tạo ra.
HPE cũng đang tập trung hơn vào lập trình phòng thủ, đảm bảo rằng mã nguồn (code) được bảo mật tối đa ngay từ khi viết, đồng thời sử dụng AI để kiểm thử mã trong suốt quá trình phát triển.
Việc củng cố bảo mật cho mã nguồn tốn nhiều thời gian và kỹ năng, nhưng nếu làm đúng cách, nó sẽ giúp các doanh nghiệp nâng cao năng lực phòng thủ trước các cuộc tấn công mạng đang ngày càng tinh vi.
5. Gia tăng tập trung vào điện toán tiết kiệm năng lượng
Các số liệu mới nhất về mức tiêu thụ năng lượng của trung tâm dữ liệu (data center) và AI đang gây choáng ngợp: các trung tâm dữ liệu tại Mỹ có thể chiếm 8% tổng lượng điện tiêu thụ trong nước vào năm 2030, và riêng các ứng dụng AI có thể sử dụng 0,5% tổng sản lượng điện toàn cầu vào năm 2027.
Vậy làm thế nào để duy trì tốc độ đổi mới mà vẫn đảm bảo tính bền vững?
Một phần quan trọng của giải pháp nằm ở việc tối ưu hóa vị trí triển khai khối lượng công việc (workload placement). Các công cụ như Morpheus sẽ không chỉ giúp xác định vị trí chạy workload dựa trên hiệu suất và chi phí, mà còn tính đến tác động môi trường.
Ngoài ra, chúng ta sẽ thấy sự tập trung nhiều hơn vào:
- Gia tăng mật độ máy ảo (VM) trên máy chủ vật lý để tối ưu hiệu suất.
- Công nghệ làm mát tiên tiến, chẳng hạn như làm mát bằng chất lỏng trực tiếp (direct liquid cooling).
- Tối ưu hóa mã nguồn (code refinements) để phần mềm hoạt động hiệu quả hơn, giảm tiêu thụ tài nguyên.
Hiện tại, nhiều quyết định tối ưu hóa năng lượng này đã có thể được tự động hóa, giúp việc vận hành bền vững hơn mà không cần quá nhiều sự can thiệp thủ công.
Tuy nhiên, sẽ không tránh khỏi những khó khăn trong quá trình thích nghi, đặc biệt là trên quy mô toàn cầu. Ở châu Âu, tối ưu hóa năng lượng đã là một ưu tiên trong nhiều năm, trong khi tại Mỹ, quan điểm truyền thống vẫn là tăng cường công suất phát điện để đáp ứng nhu cầu ngày càng cao. Điều này khó có thể thay đổi ngay lập tức, nhưng tôi không ngạc nhiên nếu các khu vực mới nổi đột ngột trở thành trung tâm dữ liệu lớn, đơn giản vì chúng có nguồn năng lượng rẻ hoặc tái tạo sẵn có.
6. Agentic AI sẽ giúp các mô hình đưa ra quyết định và hành động mà không cần sự can thiệp của con người
Tự động hóa là một chủ đề quan trọng. Agentic AI là các hệ thống AI được thiết kế để hoạt động tự động, sử dụng khả năng lý luận nâng cao để giải quyết vấn đề và thực hiện các hành động cần thiết mà không có sự can thiệp của con người.
Agentic AI có thể được ứng dụng trong nhiều lĩnh vực của doanh nghiệp, bao gồm dịch vụ khách hàng, IT, mua sắm và hơn thế nữa.
Tuy nhiên, có một thách thức lớn đang chờ đợi chúng ta: Làm thế nào để nhiều agent AI có thể hoạt động cùng nhau?
Với quá nhiều hệ thống AI khác nhau tương tác với nhau, ngành công nghiệp có nguy cơ tạo ra sự thiếu kết nối giữa LLMs (mô hình ngôn ngữ lớn), các agent AI và các nhà cung cấp dịch vụ.
Những doanh nghiệp tiên phong trong lĩnh vực Agentic AI đang xây dựng các quy tắc để hạn chế AI xử lý một số loại yêu cầu nhất định trong khi chờ đợi các tiêu chuẩn chung về Agentic AI được thiết lập.
Cuối cùng, một vấn đề quan trọng khác là người dùng cuối. Ngày càng có nhiều tính năng được tích hợp vào các công cụ AI, nhưng người dùng thường không được hướng dẫn đầy đủ về các khả năng mới của AI và cách sử dụng chúng.
Nếu bạn đưa cho mọi người một bộ công cụ đầy đủ nhưng không có sách hướng dẫn, thì không nhiều người sẽ biết cách dùng chúng để xây dựng một ngôi nhà. Vì vậy, chúng ta cần làm tốt hơn trong việc giúp khách hàng hiểu rõ sức mạnh ngày càng phát triển của AI – năm 2025, điều này sẽ trở thành một trọng tâm quan trọng.
Nguồn bài viết: HPE
https://www.hpe.com/psnow/doc/a50012006enw?jumpid=in_pdfviewer-psnow
