Google âm thầm rút khỏi cuộc đua AI với OpenAI và Anthropic?

Google không còn chạy về cùng đích với các đối thủ

Google vẫn ra mô hình, vẫn kiếm tiền — nhưng định hướng chiến lược đã thay đổi đáng kể. Trong khi OpenAI và Anthropic dốc toàn lực vào mục tiêu xây dựng AI có thể tự cải thiện bản thân, Google DeepMind lại hướng tới một bài toán khác: dạy AI hiểu thế giới thực.

Ngày 21/7, Google phát hành Gemini 3.6 Flash với trọng tâm là tốc độ và chi phí thay vì sức mạnh thuần túy. Theo blog chính thức, mô hình tạo ra ít hơn 17% token so với phiên bản trước, đồng nghĩa với chi phí vận hành thấp hơn. Tuy nhiên, trên bảng xếp hạng độc lập Artificial Analysis Index, Gemini 3.6 Flash chỉ đứng thứ 10 — tất cả các lab lớn còn lại đều xếp trên.

CEO Sundar Pichai không đặt mục tiêu dẫn đầu bảng xếp hạng. Ông gắn lộ trình phát triển với các tác nhân AI cá nhân hóa (personalized agents) — một hướng đi khác so với cuộc đua năng lực thuần túy. Giới đầu tư tỏ ra lo ngại: cổ phiếu Alphabet giảm 6% trong tháng 6 sau khi hai nhà nghiên cứu cấp cao rời đi để gia nhập đối thủ.

DeepMind đặt cược vào "world models"

Trang chủ DeepMind phân loại Genie 3 và Gemini Robotics dưới nhãn "world models và embodied AI" — tức phần mềm điều khiển máy móc trong thế giới vật lý. Tháng 5, lab này mở rộng Project Genie sang dữ liệu Street View và ra mắt SIMA 2, tác nhân học bằng cách tương tác trong môi trường 3D ảo.

Khác với mô hình ngôn ngữ dự đoán từ tiếp theo, world model học cách vật thể vận hành: trọng lực, chuyển động, quan hệ nhân quả. Mục tiêu là AI có thể dự đoán điều xảy ra trong một căn phòng, không chỉ trong một văn bản.

Nhà phân tích Alberto Romero lập luận rằng Google rút khỏi cuộc đua RSI một cách có chủ đích: "Hassabis đang đặt cược vào thứ khác: world models — các mô hình có thể hiểu và mô phỏng thế giới thực, không chỉ dự đoán token tiếp theo."

Đối thủ nhận định DeepMind là "kẻ ngoài cuộc thận trọng"

Nhận xét sắc bén nhất đến từ chính đối thủ. Jack Clark, đồng sáng lập Anthropic, trong bài luận tháng 5 ước tính khả năng AI tự chạy nghiên cứu đạt 60% vào cuối 2028. Ông xếp DeepMind là lab "thận trọng nhất trong ba ông lớn" khi theo đuổi RSI.

Anthopic đi theo hướng ngược lại. Trong một nghiên cứu về RSI, công ty tiết lộ rằng đến tháng 5/2026, Claude tự viết hơn 80% code được đưa vào sản phẩm — con số gần bằng 0 trước tháng 2/2025. Trên một bài kiểm tra tốc độ, mô hình Anthropic đạt mức tăng 52 lần trong tháng 4, so với 2,9 lần một năm trước.

Áp lực tài chính ngày càng lớn

Lý lẽ cho sự kiên nhẫn của Google từng rất vững: doanh thu quảng cáo từ Search đủ sức tài trợ cho mọi thí nghiệm dài hạn. Nhưng khoảng đệm đó đang thu hẹp.

Theo báo cáo tài chính quý II/2026 (công bố ngày 22/7):

• Doanh thu: 119,8 tỷ USD, tăng 24%
• Search: đóng góp 63,3 tỷ USD
• Chi đầu tư hạ tầng: 44,9 tỷ USD trong ba tháng — gần gấp đôi cùng kỳ
• Dòng tiền tự do: âm 5,86 tỷ USD (so với dương 10,1 tỷ vào tháng 3 và dương 24,6 tỷ vào tháng 12)

Để bù đắp, Alphabet phát hành 49,6 tỷ USD cổ phiếu mới trong tháng 6 và vay thêm 20,3 tỷ USD. Nợ dài hạn tăng gấp đôi trong sáu tháng, từ 46,5 tỷ lên 98,2 tỷ USD. Mảng nghiên cứu AI chung ghi lỗ 5,79 tỷ USD.

Những gì cần theo dõi

Thực tế, Google vẫn dẫn đầu MLE-Bench — bài kiểm tra đo năng lực AI trong việc tự xây dựng hệ thống machine learning. Gemini 3 đạt 64,4% vào tháng 2, kết quả tốt nhất thời điểm đó. Các lab đã rút lui thực sự hiếm khi dẫn đầu bảng xếp hạng như vậy.

Theo nhà phân tích, điều đáng theo dõi trong 30 ngày tới bao gồm: liệu Gemini 3.5 Pro có ra mắt và xếp hạng ra sao, kết quả thực tế từ world models của DeepMind gắn với Gemini 4, và liệu dòng tiền tự do của Alphabet có phục hồi vào tháng 9 hay không. Gemini 4 sẽ là phép thử thực sự: nếu world models tạo ra đột phá ở nơi các coding agent đang bế tắc, chiến lược chậm mà chắc của Google sẽ trông khôn ngoan hơn là e ngại.