Apsara 2026 của Alibaba: Mô hình khổng lồ, thực tế mô hình nhỏ

Hội nghị AI lớn nhất Trung Quốc mỗi tháng 9 là Hội nghị Apsara của Alibaba Cloud tại Hàng Châu. Bài phát biểu chính năm nay chứa hai câu chuyện. Một là về quy mô: một mô hình lớn gấp nhiều lần bất cứ mô hình nào Alibaba từng huấn luyện. Câu chuyện còn lại, gần như chỉ được nhắc qua, là về một mô hình mở cỡ nhỏ mà các nhà phát triển thực sự sử dụng. Với marketer tại châu Á, câu chuyện thứ hai có thể quan trọng hơn.

Điều gì đã xảy ra

Theo Reuters, qua The Standard, ngày 22 tháng 9, CEO Alibaba Eddie Wu cho biết nhóm Qwen dự định huấn luyện một mô hình mới với 5 đến 10 nghìn tỷ tham số, hướng tới các tác vụ phức tạp hơn và có tầm xa hơn. Mô hình chủ lực hiện tại của Alibaba, Qwen 3.8 Max, có 2,4 nghìn tỷ tham số. Ông Wu cũng cho biết nhóm đã đạt "tiến bộ đáng kể" về tự cải thiện đệ quy, giới thiệu chip AI Zhenwu V900 từ đơn vị T-Head của Alibaba với hiệu năng gấp ba lần thế hệ trước, và đặt mục tiêu công suất trung tâm dữ liệu toàn cầu của Alibaba Cloud vượt 20 gigawatt vào năm 2032. Ông nói: "Nhu cầu trung và dài hạn của ngành vượt xa năng lực cung ứng của chúng tôi."

Trong văn bản bài phát biểu đăng trên Alizila, ông Wu gọi mô hình mã nguồn mở Qwen-27B là "mô hình được các nhà phát triển trên toàn thế giới ưa chuộng nhất" và cho biết Alibaba sẽ tiếp tục tinh chỉnh các mô hình để triển khai cục bộ. Ông cũng cho biết ông kỳ vọng agent sẽ trở thành "cư dân" lâu dài của đám mây, chạy các tác vụ tầm xa và tiêu thụ tài nguyên tính toán liên tục.

Vì sao điều này quan trọng

Với một marketer khu vực, cuộc đua nghìn tỷ tham số phần lớn là môn thể thao để xem. Bạn sẽ dùng những mô hình như vậy qua API, nếu có dùng. Mô hình mở, có thể triển khai cục bộ thì khác. Đó là thứ mà công ty bạn hoặc nhà cung cấp của bạn có thể chạy trên hạ tầng riêng, tại khu vực pháp lý tự chọn, được tinh chỉnh trên dữ liệu của chính mình.

Điều đó quan trọng ở châu Á vì những lý do thực tế. Quy định về lưu trữ dữ liệu khác nhau trong khu vực. Nhiều công ty không yên tâm khi gửi dữ liệu khách hàng đến một API nước ngoài. Và các ngôn ngữ cũng như tham chiếu văn hóa ở Đông Nam Á và Đông Á được phục vụ kém bởi các mô hình chủ yếu được tinh chỉnh bằng tiếng Anh. Một mô hình mở cỡ trung có năng lực tốt, có thể điều chỉnh tại chỗ, giải quyết được cả ba vấn đề.

Nhận xét của ông Wu về agent như "cư dân" của đám mây là tín hiệu còn lại. Nếu agent chạy liên tục, chi phí mỗi tác vụ trở thành biến số chiến lược. Các mô hình hiệu quả sẽ đảm nhận phần lớn khối lượng công việc đó.

Nghiên cứu của tôi nói gì

Tôi đã lập luận trên Forbes rằng trong marketing, kỹ thuật quan trọng hơn quy mô mô hình. Một mô hình nhỏ hơn được điều chỉnh tốt cho đối tượng, ngôn ngữ và tác vụ của bạn thường vượt trội một mô hình tổng quát khổng lồ được dùng thiếu cẩn trọng.

Nghiên cứu của tôi cũng cho thấy vì sao điều chỉnh theo bối cảnh địa phương lại quan trọng. Trong I Know Where You Are Coming From (AAAI 2020), chúng tôi phát hiện rằng mạng xã hội mà mô hình học từ đó làm thay đổi độ chính xác của nó. Trong Do we behave differently on Twitter and Facebook? (Frontiers in Big Data, 2022), chúng tôi chỉ ra rằng con người thể hiện tính cách khác nhau trên các nền tảng. Ý nghĩa rộng hơn: hành vi phụ thuộc vào bối cảnh, và mô hình cần dữ liệu đặc thù theo bối cảnh để hiểu đúng. Nền tảng, ngôn ngữ và văn hóa châu Á là bối cảnh mà một mô hình được huấn luyện ở nơi khác không tự động có được.

Và các mô hình hiệu quả giúp khả năng giải thích trở nên khả thi về chi phí ở quy mô lớn. Trong Fusing Predictive and Large Language Models (ACM TOIS 2025), chúng tôi kết hợp dự đoán hiệu quả với lời giải thích từ LLM. Chạy lớp giải thích cho mọi mẫu sáng tạo, mỗi ngày, chỉ thực tế khi mô hình ngôn ngữ đủ rẻ để chạy trên mọi thứ.

Đội ngũ marketing tại châu Á nên làm gì ngay bây giờ

• Thử nghiệm một mô hình mở cỡ trung cho một tác vụ khu vực, chẳng hạn phân loại bài đăng mạng xã hội bằng tiếng Indonesia hoặc tiếng Thái, và so sánh với mô hình API hiện tại về độ chính xác và chi phí.
• Quyết định dữ liệu của bạn được phép đi đâu. Xác định dữ liệu khách hàng nào có thể gửi đến API bên ngoài và dữ liệu nào cần xử lý tại chỗ.
• Tinh chỉnh trên bối cảnh của chính bạn. Ngay cả một lượng nhỏ dữ liệu địa phương đã gắn nhãn cũng có thể cải thiện đáng kể giọng điệu và độ chính xác.
• Lên kế hoạch cho agent hoạt động liên tục. Ước tính chi phí tính toán cho việc giám sát và báo cáo liên tục, và chọn mô hình phù hợp.
• Theo dõi các mô hình tiên phong mà không phụ thuộc vào chúng. Dùng mô hình lớn nhất ở nơi chúng rõ ràng tạo thêm giá trị, và mô hình hiệu quả ở mọi nơi khác.

Tiêu điểm từ Hàng Châu là một con số có mười hai chữ số không. Tin tức thực tế cho marketer là các mô hình nhỏ tốt ngày càng tốt hơn, và chúng có thể ở gần khách hàng của bạn hơn.

Câu hỏi thường gặp