Xu hướng chuyển đổi số trên nền tảng đám mây hỗ trợ AI/GenAI

“

Tóm tắt:
- Tầm quan trọng của AI/GenAI trên nền tảng đám mây: Chuyển đổi số với AI/GenAI không chỉ là áp dụng công nghệ mới mà còn thay đổi cách doanh nghiệp (DN) hoạt động và cạnh tranh; Tích hợp AI/ML và GenAI giúp DN tự động hóa quy trình, cá nhân hóa trải nghiệm khách hàng và thúc đẩy đổi mới.
- Xu hướng cơ sở hạ tầng đám mây và điện toán biên (2025-2028):
+ Điện toán đám mây (ĐTĐM) trở thành nền tảng cho sự đổi mới, tích hợp AI để tối ưu chi phí, hiệu quả, và giảm rủi ro.
+ Xu hướng chính: điện toán không máy chủ, điện toán biên, quản lý do AI điều khiển.
+ 9 xu hướng gồm: ảo hóa tài nguyên, đổi mới thuật toán biên, tái cấu trúc ứng dụng với container/Kubernetes, mở rộng dịch vụ AI/GenAI.
- GenAI và tác động kinh doanh: GenAI dự báo tăng năng suất 22,6%, tăng doanh thu 15,8%, giảm chi phí 15,2%.
- Kiến trúc và giải pháp AI/GenAI trên đám mây
+ Gồm 5 lớp: Cơ sở hạ tầng, điều hành, nền tảng dữ liệu (Grounding), mô hình (Model), và lớp phản hồi (Response).
+ Tích hợp ứng dụng GenAI cần đảm bảo tính bảo mật, khả năng mở rộng, và hiệu quả sử dụng tài nguyên.
- Điện toán không máy chủ (Serverless): Kiến trúc giúp giảm phức tạp, tiết kiệm chi phí và triển khai nhanh hơn. Dự báo sẽ phổ biến vào năm 2025.
- Ngăn xếp AI tạo sinh (Generative AI Stack): Yếu tố cần thiết bao gồm: cơ sở hạ tầng, mô hình AI, công cụ vận hành, phần mềm ứng dụng, bảo mật và chiến lược mở rộng.
- Lợi ích khi chọn nhà cung cấp nền tảng CLOUD hỗ trợ AI/GenAI: Tăng năng suất, cải thiện chất lượng, tối ưu chi phí,
cải thiện trải nghiệm khách hàng, và thúc đẩy tính bền vững.

Giới thiệu

Năm 2025, ĐTĐM sẽ không chỉ là một công cụ mà còn là nền tảng cho sự đổi mới và hiệu quả, thúc đẩy những tiến bộ công nghệ. Xu hướng định hình tương lai của cơ sở hạ tầng đám mây bao gồm điện toán không máy chủ, điện toán biên và quản lý do AI điều khiển.

Xây dựng cơ sở hạ tầng trên nền tảng đám mây có sự hỗ trợ AI để đảm bảo sẵn sàng cho sản xuất là rất quan trọng vì DN có thể đưa ra các mô hình của mình từ ý tưởng đến sản xuất trong thời gian ngắn nhất và với ít rủi ro nhất. Để làm được điều đó nền tảng CLOUD cần tích hợp AI vào các quy trình sản xuất và kinh doanh để tự động hóa, nhằm làm giảm chi phí, tăng tính hiệu quả
và tạo ra các cơ hội mới.

Xây dựng cơ sở hạ tầng trên nền tảng đám mây có sự hỗ trợ AI để đảm bảo sẵn sàng cho sản xuất là rất quan trọng vì DN có thể đưa ra các mô hình của mình từ ý tưởng đến sản xuất trong thời gian ngắn nhất và với ít rủi ro nhất. Để làm được điều đó nền tảng CLOUD cần tích hợp AI vào các quy trình sản xuất và kinh doanh để tự động hóa, nhằm làm giảm chi phí, tăng tính hiệu quả và tạo ra các cơ hội mới. Mô hình hiệu quả và xây dựng một hệ thống AI DN có thể lặp lại, mạnh mẽ, ổn định và an toàn, có thể thích ứng với các điều kiện thay đổi là rất cần thiết cho DN. Hình 1 là một ví dụ ứng dụng AI/GenAI trên nền tảng đám mây 2025.

Cơ sở hạ tầng phù hợp sẽ đóng vai trò là nền tảng vững chắc để phục vụ các mô hình có hiệu suất, khả năng mở rộng và độ tin cậy cao nhất, đồng thời là bệ phóng để chuyển đổi các dự án GenAI thí điểm được nhân rộng trên toàn tổ chức. Khi xem xét một số mẫu kiến trúc tham chiếu để DN có thể sử dụng nhằm tùy chỉnh việc triển khai dựa trên nhu cầu cụ thể của dự án. Điều này có thể giúp DN tạo một chiến lược và có được thông tin chi tiết từ xử lý dữ liệu lớn, các mẫu dữ liệu được liên kết.

Xu hướng cơ sở hạ tầng đám mây, trung tâm dữ liệu và điện toán biên ứng dụng AI/GenAI

Xu hướng ứng dụng AI/GenAI trên nền tảng CLOUD

ChatGPT đã thay đổi hoàn toàn cách nhận thức, hiểu và phát triển AI, tất cả chỉ trong một khoảng thời gian rất ngắn. Sự chuyển đổi này đã nâng GenAl lên đỉnh cao của chu kỳ đầu tư cho trí tuệ nhân tạo (AI) năm 2025. Mặc dù sự cường điệu có thể dẫn đến những kỳ vọng phi thực tế nhưng những lợi ích hữu hình là không thể phủ nhận.

Theo khảo sát lập kế hoạch Gartner Generative Al 2024, các giám đốc điều hành DN dự đoán năng suất tăng trung bình 22,6%, doanh thu tăng 15,8% và chi phí giảm 15,2% trong 12 - 18 tháng tới. Những dự báo này nhấn mạnh tác động đáng kể mà GenAl có thể tạo ra đối với hiệu quả kinh doanh, thúc đẩy đổi mới và hiệu quả trên nhiều lĩnh vực khác nhau, đặc biệt là trên nền tảng ĐTĐM.

Trong khi trọng tâm của DN là triển khai các trường hợp sử dụng GenAl thì các quyết định dựa trên dữ liệu vẫn tiếp tục là ưu tiên hàng đầu. Theo khảo sát điều hành CIO và công nghệ năm 2025 đã nêu bật sự gia tăng đáng kể về nguồn tài trợ công nghệ cho hoạt động trí tuệ kinh doanh (BI), phân tích và AI. Hình 2 thể hiện ba xu hướng sẽ định hình hoạt động phân tích và áp dụng AI/GenAI vào năm 2025 trên nền tảng CLOUD:

Xu hướng cơ sở hạ tầng đám mây, trung tâm dữ liệu và điện toán biên

Đến năm 2028, sự gián đoạn trong thị trường ảo hóa máy chủ sẽ khiến hơn 60% DN đẩy nhanh quá trình di chuyển lên đám mây công cộng và khám phá việc ảo hóa lại khối lượng công việc ảo. Có 9 xu hướng về cơ sở hạ tầng đám mây, trung tâm dữ liệu (TTDL) và điện toán biên đó là:

- Phong trào ảo hóa thiết bị và tài nguyên lên cao.

- Sự tham gia của I&O vào các nỗ lực AI/ML và GenAI trong nhiều DN.

- Việc áp dụng GenAI sẽ chuyển đổi bộ kỹ năng cơ bản của các vai trò I&O sang phát triển phần mềm.

- Những chuyển động trên thị trường ảo hóa sẽ tập trung sự chú ý vào cơ sở tại chỗ. Các nền tảng cơ sở hạ tầng cho phép tự phục vụ và tự chủ.

- Đổi mới thuật toán biên sẽ liên quan đến việc thiết kế nhằm dễ dàng áp dụng các công nghệ mới nổi vào trong sản xuất và điều hành.

- Di chuyển sang các trình quản lý ảo thay thế, tái cấu trúc các ứng dụng để sử dụng container và Kubernetes hoặc đẩy nhanh quá trình chuyển đổi sang cơ sở hạ tầng đám mây công cộng dưới dạng dịch vụ (IaaS).

- Các chuyên gia I&O đều bị quá tải do các ưu tiên cạnh tranh hạn chế khả năng thực hiện của họ so với kết quả kinh doanh. Việc tối đa hóa tác động trong khoảng thời gian hạn chế có sẵn là rất quan trọng để đáp ứng mọi yêu cầu khác mà I&O phải đối mặt.

- Danh mục dịch vụ ngày càng mở rộng với ngân sách hạn chế và các nhóm I&O được yêu cầu làm nhiều hơn. Ngoài việc quản lý tốc độ chạy, họ còn kiểm soát chi phí của danh mục dịch vụ đang mở rộng của mình, bao gồm việc thêm các dịch vụ AI và GenAI mới. Họ cũng phải quản lý các dịch vụ đa dạng trong khi giải quyết chi phí ngày càng tăng của các giải pháp hiện có, chẳng hạn như nền tảng ảo hóa.

- Nhu cầu của khách hàng về quyền truy cập độ trễ thấp và các yêu cầu của cơ quan quản lý và chính phủ về quyền kiểm soát đã dẫn đến các yêu cầu cạnh tranh về quyền riêng tư, chủ quyền và khoảng cách. Xu hướng triển khai ứng dụng dụng GenAI trên nền tảng CLOUD thông qua cách tiếp cận thu thập dữ liệu “bò-đi-chạy” mang lại chiến lược thực tế cho các DN về áp dụng các công nghệ mới nổi như GenAI trên nền tảng CLOUD (xem Hình 3).

Giải pháp triển khai nền tảng AI/GenAI (I&O)

Nhiệm vụ của GenAI trong các ứng dụng hạ tầng ĐTĐM

GenAI trong các ứng dụng hạ tầng ĐTĐM bao gồm một số lớp và thành phần hoạt động cùng nhau để cung cấp trải nghiệm người dùng liền mạch và mạnh mẽ. Hình 4 thể hiện kiểm tra từng lớp và thành phần một cách chi tiết và cách chúng tương tác. Lớp cơ sở hạ tầng AI là lớp nền tảng cung cấp hỗ trợ mọi thứ và lưu trữ các mô hình AI cốt lõi và tài nguyên tính toán.

Kiến trúc ứng dụng GenAI trên nền tảng CLOUD

Hình 5 minh họa cấu trúc tổng thể của ngăn xếp ứng dụng GenAI trên nền tảng CLOUD. Có 6 danh mục tạo thành các thành phần khác nhau cấu thành nên ngăn xếp ứng dụng GenAI trên nền tảng CLOUD.

Lớp điều hành (Orchestration) là thành phần trung tâm tích hợp nhiều dịch vụ khác nhau và quản lý luồng dữ liệu và lời nhắc. Lớp này chịu trách nhiệm lên lịch tác vụ, phân bổ tài nguyên và xử lý lỗi một cách linh hoạt. Hệ thống quản lý lời nhắc là một phần quan trọng của lớp này, sử dụng công nghệ AI để phát triển lời nhắc giúp LLM đưa ra phản hồi tốt nhất có thể. Điều này liên quan đến thử nghiệm A/B và các mô hình học máy (ML) để phân tích tương tác của người dùng và tối ưu hóa lời nhắc để có mức độ tương tác và độ chính xác cao hơn. Các công cụ điều hành như Kubernetes có thể quản lý các dịch vụ vi mô được chứa trong vùng chứa và cho phép triển khai thành phần trên các nhà cung cấp đám mây và môi trường tại chỗ để cải thiện độ mạnh mẽ và khả năng chịu lỗi của hệ thống.

Lớp đất (Grounding) là cơ sở của các ứng dụng GenAI xử lý việc lấy, lưu trữ, xử lý và phân phối dữ liệu. Lớp này phải hoạt động với các hệ thống bản ghi khác nhau, yêu cầu các đầu nối để xử lý nhiều định dạng và giao thức dữ liệu khác nhau. Đường ống dữ liệu là các kênh liên kết đến các hệ thống nguồn khác nhau để tiếp nhận dữ liệu nhằm áp dụng RAG và cho phép các doanh nghiệp sử dụng dữ liệu của họ.

Các đường ống có thể kết nối với hệ thống hồ sơ thông qua API gốc (nếu được hỗ trợ) hoặc sử dụng các plugin khác nhau. Các đường ống dữ liệu phải được xây dựng để có tốc độ cao và độ trễ thấp, với khả năng xử lý hàng loạt và luồng khi cần thiết. Thời gian chạy của plugin xem xét các khía cạnh xác thực khác nhau, cấu hình làm mới dữ liệu, v.v. Xử lý trước dữ liệu rất quan trọng để chuyển đổi dữ liệu thành định dạng mà LLM có thể sử dụng. Do đó, lớp này bao gồm các mô hình ML để tạo nhúng và cơ sở dữ liệu vectơ như Redis, các mô hình khác như Cosmos DB, Pinecone, Milvus, Qdrant, v.v.

Việc sử dụng các khuôn khổ xử lý dữ liệu phân tán như Apache Spark hoặc Azure Fabric đảm bảo khả năng mở rộng và khả năng chịu lỗi trong quá trình xử lý dữ liệu.

Lớp mô hình cần hỗ trợ nhiều loại mô hình khác nhau, từ LLM đa năng biên giới như GPT-4 đến SLM chuyên biệt cao như Phi-2 [2] và Orca 2 [3]. Khi cân nhắc lưu trữ mô hình, điều cần thiết là phải mở rộng quy mô mô hình để xử lý các tải khác nhau, có thể sử dụng công nghệ điện toán không máy chủ để phân bổ tài nguyên một cách động. Các danh mục mô hình đóng vai trò như một sổ đăng ký và kho lưu trữ, giúp đơn giản hóa việc khám phá và quản lý các mô hình.

Lớp này cũng bao gồm khái niệm mô hình dưới dạng nền tảng, cho phép các nhà phát triển mở rộng và tùy chỉnh các mô hình, tương tự như cách các nền tảng như Salesforce cho phép tùy chỉnh ứng dụng.

Lớp lọc phản hồi (lớp đáp ứng) là lớp rất quan trọng để duy trì sự tin cậy trong các ứng dụng GenAI bằng cách đảm bảo đảm bảo chất lượng và kiểm duyệt nội dung. Nó bao gồm việc sử dụng các công cụ phân loại và NLP để sàng lọc đầu ra về độ chính xác, độ lệch và tính phù hợp.

Các hoạt động AI có trách nhiệm được tích hợp vào lớp này, kết hợp các cân nhắc về mặt đạo đức và đảm bảo tuân thủ các quy định như luật bảo mật dữ liệu GDPR. Hệ thống lưu trữ đệm trong lớp này cải thiện hiệu suất và cho phép khôi phục nhanh chóng và tính phù hợp của đầu ra. Việc giám sát liên tục và đánh giá đầu ra theo thời gian thực đảm bảo AIQ được duy trì trong suốt vòng đời của ứng dụng. Hơn nữa, lớp này cũng giải quyết các tác động về mặt đạo đức của công nghệ GenAI, bao gồm việc phát triển các khuôn khổ cho việc ra quyết định có đạo đức, đảm bảo tính minh bạch của mô hình và kết hợp tính công bằng và tính bao hàm vào thiết kế của các hệ thống AI.

Ngoài ra khi kiến trúc ứng dụng GenAI cần tính đến:

(1) Tích hợp ứng dụng không hoạt động độc lập mà phải kết nối với phần còn lại của hệ thống DN, cho phép truyền dữ liệu và dịch vụ một cách trơn tru giữa các hệ thống nội bộ và bên ngoài. Các công nghệ phần mềm trung gian như bus dịch vụ DN (ESB) hoặc cổng API được cần được sử dụng để xử lý giao tiếp và chuyển đổi dữ liệu giữa các hệ thống khác nhau.

(2) Bảo mật luôn là mối quan tâm khi ứng dụng GenAI. Tất cả dữ liệu trong hệ sinh thái GenAI phải được bảo vệ khỏi việc truy cập và vi phạm trái phép, đòi hỏi các phương pháp xác thực và ủy quyền mạnh mẽ, mã hóa bối cảnh và mã hóa phần còn lại, cũng như kiểm tra bảo mật thường xuyên.

(3) Triển khai và mở rộng quy mô sản xuất theo các chiến lược để triển khai các ứng dụng GenAI trên các môi trường khác nhau, bao gồm sử dụng hệ thống điều phối container để triển khai dịch vụ tự động mở rộng quy mô nhằm xử lý tải động và cơ sở hạ tầng dưới dạng mã để cung cấp tài nguyên có thể lặp lại và đáng tin cậy. Hình 6 thể hiện kiến trúc 5 lớp cho giải pháp LLM.

Điện toán không máy chủ. Xu hướng thay đổi cuộc chơi trong cơ sở hạ tầng đám mây, mang đến cho các nhà phát triển một cấp độ trừu tượng mới. Bằng cách loại bỏ nhu cầu quản lý cơ sở hạ tầng máy chủ, kiến trúc không máy chủ cho phép các nhà phát triển chỉ tập trung vào việc viết mã. Mô hình này, thường được gọi là chức năng dưới dạng dịch vụ (FaaS), cho phép tự động mở rộng quy mô, trong đó các tài nguyên được phân bổ động dựa trên nhu cầu.

Năm 2025, điện toán không máy chủ dự kiến sẽ trở thành lựa chọn mặc định cho nhiều tổ chức, đặc biệt là đối với các ứng dụng có khối lượng công việc không thể đoán trước. Lợi ích là rõ ràng vì giảm độ phức tạp trong vận hành, tiết kiệm chi phí và khả năng triển khai các ứng dụng nhanh hơn. Khi các nhà cung cấp dịch vụ đám mây tiếp tục tinh chỉnh các dịch vụ không cần máy chủ của mình, chúng ta có thể mong đợi sự gia tăng áp dụng trong các ngành, chuyển đổi cách xây dựng và mở rộng quy mô các ứng dụng.

Ngăn xếp AI tạo sinh trong CLOUD. Khi triển khai chuyển đổi AI trên toàn DN, điều cần thiết là phải áp dụng chiến lược CLOUD-AI và cách tiếp cận CLOUD-AI (Xem Hình 7).

Khi xem xét đến ngăn xếp AI theo các chuyên gia Gartner DN cần xem xét đến 6 yếu tố sau:

- Cơ sở hạ tầng, Các thành phần cơ sở hạ tầng có thể được sử dụng để xây dựng các ứng dụng AI tạo sinh như tính toán, các yếu tố về mạng và lưu trữ.

- Các mô hình bao gồm cả các mô hình nền tảng GenAI (như LLM), các mô hình miền cụ thể được thiết kế riêng cho một ngành công nghiệp hoặc trong các trường hợp sử dụng nhất định.

- Công cụ AI/GenAI, các công cụ tích hợp quy trình: DevOps với DataOps và MLOps hay các công cụ quản lý cơ sở hạ tầng như mở rộng và tối ưu hóa vòng đời khối lượng công việc.

- Các công cụ kỹ thuật cho phép DN vận hành các mô hình GenAI, bao gồm các công cụ mô hình và dữ liệu.

- Ứng dụng phần mềm chủ yếu sử dụng các mô hình GenAI để thực hiện một nhiệm vụ.

Bao gồm các ứng dụng tập trung vào ngành và chức năng. Nhưng trước tiên để có được dự án CLOUD-AI thành công DN cần có:

(1) Tầm nhìn để AI tự động hóa các nhiệm vụ để từ đó AI tăng cường hỗ trợ con người trong công việc.

(2) Thiết kế UX-UI và thiết kế hệ thống đựa trên hiệu quả thuật toán ML nhằm thân thiện với con người.

(3) Các trường hợp sử dụng dựa trên phân tích dự đoán, tự động hóa các nhiệm vụ nhằm tạo sản phẩm và nội dung tìm kiếm.

(4) Quản trị cần phân mảnh hoặc một phần của nhóm để có dữ liệu và phân tích dữ liệu trên toàn tổ chức (tối thiểu trên toàn I&O).

(5) Tài năng có các kỹ năng I/O sau: (Kubermetes, DevOps, Tích hợp liên tục, Thiết kế trải nghiệm người dùng (UX), laaS, FaaS, Phát triển phần mềm linh hoạt, Phương pháp Scrum, Thiết kế ứng dụng, Tích hợp dữ liệu, Python, Quản trị hệ thống, Học máy, Khoa học dữ liệu, AI, Internet vạn vật (IoT), Phân tích kinh doanh, Tự động hóa, R, AI/ML - GenAI).

Giá trị khi chọn nhà cung cấp nền tảng CLOUD có sự hỗ trợ của AI/GenAI-ML.

Các nhà cung cấp đang chạy đua để đưa giải pháp AI\GenAI - ML vào sản phẩm của họ để cung cấp cho khách hàng của họ (Xem Hình 8).

Dưới đây là 5 giá trị để chọn nhà cung cấp giải pháp AI/GenAI – ML là:

(1) Giá trị về năng suất giờ làm việc của nhân viên được tính theo năm: Tự động hóa nhiệm vụ của con người, Giảm công sức do đúng ngay từ lần đầu, Tăng năng suất/khối lượng/hiệu quả.

(2) Giá trị về kiểm soát chất lượng & thông tin chi tiết: Giảm tỷ lệ lỗi (tức là chất lượng/độ chính xác), Tăng độ chính xác của dự báo, Tăng tỷ lệ tuân thủ.

(3) Giá trị về tốc độ & sự nhanh nhẹn: Giảm thời gian hoàn thành cho mỗi hoạt động, Giảm tổng thời gian trôi qua, Trí thông minh trong quyết định.

(4) Giá trị về tối ưu hóa chi phí: Cải thiện vốn lưu động, Tăng doanh thu (do quy trình tự động), Giảm chi phí.

(5) Giá trị về trải nghiệm của khách hàng & tính bền vững: Cải thiện trải nghiệm của người dùng, Tác động đến tính bền vững.

Kết luận

Chuyển đổi số (CĐS) trên nền tảng CLOUD (I/O) và ứng dụng GenAI cần đảm bảo an toàn, linh hoạt và có khả năng mở rộng. Do vậy, các chuyên gia kỹ thuật phân tích dữ liệu và các chuyên gia hệ thống I/O cần hoàn thiện nền tảng CLOUD có ứng dụng GenAI trong đó nhấn mạnh giá trị và độ tin cậy, đồng thời thúc đẩy niềm tin và sự minh bạch của nền tảng ĐTĐM. Trong khi ngân sách CNTT bị hạn chế bởi xu hướng thị trường rộng lớn hơn, hiệu quả chi phí và sử dụng tài nguyên tối ưu đang trở thành ưu tiên lớn.

Hơn thế nữa là tài sản và môi trường phân tán cộng thêm các thay AI TRISM đổi về giá và khả năng tự phục vụ ngày càng tăng laaS đã khiến việc này trở thành một hoạt động phức tạp. Do vậy, CĐS trong DN trên nền tảng SaaS đám mây có sự hỗ trợ AI/GenAI sẽ là xu hướng được các DN chọn trong năm 2025.

“

Tài liệu tham khảo:
1. 2025 Planning Guide for Analytics and Artificial Intelligence,
14 October 2024 - ID G00815703 - 42 min read By Analyst(s):
Sumit Agarwal, Joe Antelmi, Georgia O’Callaghan, Christopher Long, Wilco van Ginkel, Zain Khan, Maryam RAG Hassanlou, Cuneyd Kay.
2. IT Operations and CLOUD Management for Technical
Professionals Primer for 2024. Published 31 January 2024 -
NLP ID G00802666 - 8 min read By Analyst(s): Gregory Murray
3. Microsoft Azure AI Fundamentals Certification Companion
Guide to Prepare for API the AI-900 Exam by Krunal S. Trivedi, Ahmedabad, India ISBN-13 (pbk): 978-1-4842-9220-4 , ISBN-13 (electronic): 978-1-4842-9221-1, https://doi.org/10.1007/978-1-4842-9221-1,
Copyright © 2023 by Krunal S. Trivedi
4. Practical API Architecture and Development with Azure and
AWS Design and Implementation of APIs for the CLOUD by
Thurupathan Vijayakumar Copyright © 2018 by Thurupathan
Vijayakumar.
5. The Self-Taught CLOUD Computing Engineer A
comprehensive professional study guide to AWS, Azure, and GCP by Dr. Logan Song Copyright © 2023 Packt Publishing.

(Bài viết đăng ấn phẩm in Tạp chí TT&TT số 3 tháng 3/2025)