Nghịch lý lao động của AI: Tại sao Huang tin rằng thiếu hụt, chứ không phải thất nghiệp, đang đến gần—Thực tế, nó đã xảy ra rồi

Tại Diễn đàn Kinh tế Thế giới 2026 tại Davos, Jensen Huang, CEO của Nvidia, đã tham gia một cuộc thảo luận toàn diện với Larry Fink, CEO của BlackRock, về tiềm năng biến đổi của trí tuệ nhân tạo. Thay vì xem AI như một lực lượng tiêu diệt việc làm, Huang trình bày một luận đề phản biện: công nghệ này thực tế sẽ dẫn đến thiếu hụt lao động trong nhiều lĩnh vực. Luận điểm này thách thức câu chuyện phổ biến về sự dịch chuyển hàng loạt và cung cấp một khung để hiểu cách AI định hình lại công việc, nhu cầu hạ tầng và cơ hội kinh tế toàn cầu.

Cuộc trò chuyện đã làm rõ cách Nvidia đã mang lại lợi nhuận cổ đông gộp 37% kể từ đợt phát hành cổ phiếu lần đầu ra công chúng năm 1999—cùng năm BlackRock niêm yết, đạt lợi nhuận hàng năm là 21%. Tuy nhiên, cuộc thảo luận vượt ra ngoài hiệu suất tài chính để khám phá các câu hỏi sâu hơn về vai trò của công nghệ trong việc định hình lại xã hội. Huang định vị AI không chỉ như một ứng dụng riêng lẻ như ChatGPT hay Claude, mà như một sự chuyển đổi nền tảng cơ bản tương tự như sự xuất hiện của máy tính cá nhân, internet và điện toán đám mây di động.

Cuộc cách mạng hạ tầng năm lớp: Tại sao AI đòi hỏi hàng nghìn tỷ đầu tư toàn cầu

Huang giới thiệu mô hình “bánh kem năm lớp” mà ông gọi để minh họa sự phức tạp hệ thống và yêu cầu hạ tầng của AI. Lớp dưới cùng là năng lượng—việc xử lý theo thời gian thực và tạo ra trí tuệ của AI đòi hỏi nguồn điện lớn. Trên đó là lớp hạ tầng bán dẫn và tính toán, nơi các công ty như TSMC đang xây dựng 20 nhà máy chế tạo wafer mới. Lớp thứ ba gồm các dịch vụ đám mây cung cấp các khả năng này trên toàn cầu.

Lớp thứ tư chứa các mô hình AI chính—các thuật toán và mạng neural thu hút phần lớn sự chú ý công chúng. Tuy nhiên, Huang nhấn mạnh rằng các mô hình chỉ là chưa đủ nếu không có các lớp hỗ trợ phía dưới. Lớp thứ năm và cao nhất là các ứng dụng—dịch vụ tài chính, chăm sóc sức khỏe, sản xuất và các lĩnh vực mới nổi sẽ cuối cùng tạo ra giá trị kinh tế.

Khung năm lớp này tiết lộ lý do tại sao chúng ta đang chứng kiến, theo ước tính của Huang, “là dự án xây dựng hạ tầng lớn nhất trong lịch sử loài người.” Hàng trăm tỷ đã được đầu tư, và hàng nghìn tỷ nữa cần thiết để xử lý sự tăng trưởng theo cấp số nhân trong nhu cầu năng lượng, xây dựng trung tâm dữ liệu, chế tạo chip và mở rộng nhà máy máy tính. Foxconn, Wistron và Quanta đang hợp tác xây dựng 30 nhà máy máy tính mới. Trong khi đó, các nhà sản xuất chip nhớ như Micron (đầu tư 200 tỷ đô la vào các cơ sở tại Mỹ), SK Hynix và Samsung đang mở rộng năng lực sản xuất nhanh chóng.

Từ X-quang đến Điều dưỡng: AI tăng cường mục đích con người chứ không thay thế công nhân

Câu hỏi về việc làm nằm ở trung tâm của lo lắng về AI. Huang phản bác sự bi quan phổ biến bằng cách phân biệt giữa “mục đích” của công việc và “nhiệm vụ” của nó. Cách đây một thập kỷ, ngành chẩn đoán hình ảnh dự đoán sẽ trở nên lỗi thời do khả năng siêu nhân của thị giác máy tính của AI. Tuy nhiên ngày nay, số lượng bác sĩ chẩn đoán hình ảnh đã tăng lên, ngay cả khi AI đã xử lý nhiệm vụ phân tích quét trung tâm.

Cơ chế: Khi các bác sĩ chẩn đoán hình ảnh được giải phóng khỏi gánh nặng lặp đi lặp lại của việc giải thích quét, họ dành nhiều thời gian hơn cho các hoạt động có giá trị cao hơn—chẩn đoán trực tiếp, giao tiếp với bệnh nhân, hợp tác lâm sàng. Các bệnh viện giờ đây có thể phục vụ nhiều bệnh nhân hơn một cách hiệu quả, tạo ra doanh thu cao hơn và đủ lý do để tuyển thêm bác sĩ chẩn đoán hình ảnh. Cơ chế tương tự cũng áp dụng cho điều dưỡng. Hoa Kỳ đang đối mặt với thiếu hụt khoảng 5 triệu điều dưỡng, nhưng các hệ thống ghi chép y tế và chuyển đổi cuộc hẹn dựa trên AI đang giải phóng điều dưỡng khỏi các nhiệm vụ hành chính đã chiếm gần một nửa thời gian của họ. Với khả năng tiếp cận nhiều bệnh nhân hơn, các bệnh viện mở rộng và tuyển dụng thêm điều dưỡng thay vì cắt giảm.

Khung của Huang gợi ý rằng đối với bất kỳ nghề nghiệp nào, câu hỏi không phải là AI có loại bỏ nó hay không, mà là công nghệ tự động hóa các nhiệm vụ thường lệ trong khi nâng cao mục đích cốt lõi. Nếu tự động hóa thực sự giúp công nhân tập trung vào các chức năng nhân văn không thể thay thế—chăm sóc, phán đoán, giải quyết vấn đề phức tạp—thì việc làm thường sẽ mở rộng thay vì thu hẹp.

Việc xây dựng hạ tầng này còn tạo ra nhu cầu bổ sung cho các công nhân kỹ năng lao động phổ thông: thợ điện, công nhân xây dựng, kỹ thuật viên, thợ thép và chuyên gia mạng lưới. Ở Hoa Kỳ, các vai trò này đang trải qua nhu cầu chưa từng có, với mức lương hiện đạt sáu chữ số đối với những người làm trong chế tạo chip và xây dựng nhà máy AI.

AI như công nghệ dễ tiếp cận nhất thế giới

Huang lập luận rằng AI là “phần mềm dễ sử dụng nhất trong lịch sử.” Khác với các thời kỳ tính toán trước đây, đòi hỏi phải học các ngôn ngữ lập trình, hệ thống AI chấp nhận hướng dẫn bằng ngôn ngữ tự nhiên. Một người không có đào tạo khoa học máy tính chính thức có thể yêu cầu, “Hướng dẫn tôi cách xây dựng một trang web,” và nhận hướng dẫn từng bước. Khả năng tiếp cận này có ảnh hưởng sâu rộng đối với các nền kinh tế đang phát triển.

Thay vì mở rộng khoảng cách công nghệ toàn cầu, AI có thể thực sự thu hẹp nó lại. Rào cản gia nhập thấp hơn nhiều so với thời kỳ phần mềm. Các cá nhân từ các quốc gia không có hạ tầng công nghệ rộng lớn giờ đây có thể tận dụng AI để tham gia vào nền kinh tế tri thức toàn cầu. Các mô hình mã nguồn mở như của Deepseek và các cộng tác viên khác đã dân chủ hóa khả năng tiếp cận hơn nữa, cho phép các công ty và quốc gia tùy chỉnh các giải pháp phù hợp với ngôn ngữ, văn hóa và dữ liệu địa phương.

Yêu cầu AI chủ quyền: Tại sao mỗi quốc gia cần có hạ tầng AI riêng

Huang mạnh mẽ ủng hộ khái niệm “AI chủ quyền”—mỗi quốc gia xây dựng hạ tầng AI của riêng mình, đào tạo các mô hình dựa trên ngôn ngữ và dữ liệu văn hóa bản địa. Ông mô tả điều này là thiết yếu để cạnh tranh quốc gia, tương tự như việc có lưới điện hoặc mạng lưới giao thông. Mối quan tâm vượt ra ngoài kinh tế còn liên quan đến bảo tồn văn hóa và chủ quyền công nghệ.

Châu Âu là một ví dụ đặc biệt hấp dẫn. Trong thời kỳ phần mềm, Hoa Kỳ chiếm ưu thế, còn châu Âu có nền công nghiệp và sản xuất mạnh mẽ nhưng bị khai thác chưa hết trong giai đoạn đó. Quá trình chuyển đổi sang AI, đặc biệt với tiến bộ trong AI vật lý và robot, mang đến châu Âu cơ hội “cơ hội một lần trong đời” mà ông gọi là. Thay vì “viết” AI, các quốc gia nên tập trung vào “dạy” AI—kết hợp xuất sắc trong sản xuất với trí tuệ nhân tạo để dẫn đầu trong sản xuất thông minh và robot.

Truyền thống nghiên cứu khoa học của châu Âu có thể kết hợp với AI để thúc đẩy nhanh các khám phá trong nhiều lĩnh vực. Tuy nhiên, để hiện thực hóa tiềm năng này, cần có cam kết nghiêm túc về cung cấp năng lượng và đầu tư hạ tầng. Huang kêu gọi các nhà lãnh đạo châu Âu xem trọng nền tảng này.

Thử nghiệm luận đề bong bóng AI

Khi được hỏi liệu các khoản đầu tư lớn vào AI có biểu hiện quá mức đầu cơ hay không, Huang đưa ra một chỉ số thị trường rõ ràng: GPU của Nvidia qua tất cả các thế hệ rất khó thuê trong đám mây do giá spot tăng vọt. Điều này phản ánh nhu cầu thực sự từ các startup và doanh nghiệp chuyển hướng ngân sách R&D sang trí tuệ nhân tạo. Eli Lilly là ví dụ điển hình—một công ty từng dành hầu hết ngân sách R&D cho nghiên cứu phòng thí nghiệm ướt nay đầu tư đáng kể vào siêu máy tính AI và phòng thí nghiệm nghiên cứu AI.

Sự bùng nổ đầu tư hạ tầng này thực ra được chứng minh bởi các yêu cầu tính toán mà mỗi lớp tạo ra. Khi các mô hình AI cải thiện và các ứng dụng phát triển, nhu cầu về năng lượng, chip, dịch vụ đám mây và các cơ sở vật chất vật lý càng tăng chứ không giảm. Chỉ riêng năm ngoái, hơn 100 tỷ đô la đã chảy vào các công ty gốc AI, biến đây thành một trong những năm đầu tư mạo hiểm lớn nhất trong lịch sử.

Định hình lại tính toán kinh tế toàn cầu

Luận đề rút ra từ cuộc thảo luận này là AI hoạt động như một sự chuyển đổi nền tảng, định hình lại toàn bộ hệ thống tính toán. Lần đầu tiên, máy tính có thể xử lý thông tin không có cấu trúc—hình ảnh, âm thanh, ngôn ngữ tự nhiên—theo thời gian thực, suy luận ý định của con người và thực hiện các nhiệm vụ phức tạp. Sự chuyển đổi từ hệ thống “đã ghi âm” sang hệ thống sinh ra theo thời gian thực xác định sự khác biệt của AI so với tất cả các công nghệ trước đây.

Thay vì thu hẹp cơ hội toàn cầu, Huang trình bày AI như một động lực thúc đẩy sự bao gồm kinh tế rộng lớn hơn. Các thị trường mới nổi không có hạ tầng công nghệ di sản có thể vượt qua các giai đoạn trung gian bằng cách áp dụng AI ngay từ đầu. Yếu tố khả năng tiếp cận có nghĩa là một lập trình viên ở một quốc gia đang phát triển mà không có giáo dục chính quy về công nghệ cũng có các công cụ tương đương với các kỹ sư của Silicon Valley.

Thử nghiệm kinh tế cuối cùng sẽ là liệu việc xây dựng hạ tầng có tạo ra đủ của cải và việc làm để xác thực luận đề đầu tư hay không. Nếu các mô hình chẩn đoán hình ảnh và điều dưỡng có thể tổng quát hóa—nếu tự động hóa tăng cường mục đích con người trong các nghề nghiệp—thì dự đoán của Huang về thiếu hụt lao động thay vì thất nghiệp có thể trở thành hiện thực. Thực tế, các chỉ số sớm cho thấy động thái này đã bắt đầu xuất hiện trong chăm sóc sức khỏe, sản xuất và các ngành công nghiệp gốc AI đang nổi lên.