Giấy phép MIT giúp doanh nghiệp triển khai DeepSeek nhưng không loại bỏ rủi ro pháp lý

Ngày 17 tháng 10, DeepSeek giới thiệu mô hình trí tuệ nhân tạo DeepSeek-V4.1-Flash-1017, với những cải thiện về lập trình và khả năng hoàn thành các tác vụ phức tạp. Nhưng chỉ hai ngày sau, Bộ An ninh Nội địa Mỹ công khai một lệnh yêu cầu các cơ quan dân sự liên bang loại bỏ công nghệ DeepSeek. Hai diễn biến trái chiều đặt doanh nghiệp trước một bài toán khó: một mô hình có hiệu năng tốt, chi phí thấp và giấy phép sử dụng cởi mở vẫn có thể trở thành lựa chọn không phù hợp nếu thị trường mục tiêu thay đổi quy định. Trong cuộc cạnh tranh trí tuệ nhân tạo, giá thành và chất lượng không còn là những yếu tố duy nhất quyết định công nghệ nào được triển khai.

1. DeepSeek ra mắt mô hình mới giữa lúc Mỹ siết chặt sử dụng AI Trung Quốc

DeepSeek-V4.1-Flash-1017 được công bố ngày 17 tháng 10, tập trung cải thiện năng lực lập trình và tốc độ hoàn thành những nhiệm vụ phức tạp. Đây là bản nâng cấp có sức hấp dẫn đối với doanh nghiệp muốn giảm chi phí phát triển phần mềm, tự động hóa công việc và vận hành các ứng dụng trí tuệ nhân tạo.

Tuy nhiên, ngày 19 tháng 10, Bộ An ninh Nội địa Mỹ công khai lệnh được ban hành từ mùa hè, yêu cầu các cơ quan dân sự liên bang loại bỏ công nghệ DeepSeek, kể cả khi công nghệ đó được cung cấp thông qua sản phẩm của doanh nghiệp thứ ba.

Lệnh này ảnh hưởng đến các cơ quan như Bộ Ngoại giao, Bộ Tài chính và Sở Thuế vụ Mỹ. Trong khi đó, lĩnh vực quốc phòng đã có quy định riêng hạn chế DeepSeek trong các hợp đồng thuộc phạm vi áp dụng.

Với những doanh nghiệp cung cấp phần mềm, dịch vụ hoặc giải pháp trí tuệ nhân tạo cho chính phủ Mỹ, câu trả lời trước mắt khá rõ ràng. Họ không thể tiếp tục coi DeepSeek là một lựa chọn thông thường cho công việc thuộc phạm vi bị hạn chế.

2. Điểm đánh giá lập trình của DeepSeek tăng lên 77,0

Sức hấp dẫn của mô hình mới nằm ở những kết quả đánh giá mà DeepSeek công bố.

Theo bảng đánh giá của công ty, điểm kỹ thuật phần mềm DeepSWE v1.1 tăng từ 74,2 lên 77,0. Mức này cao hơn điểm 74,0 được đưa ra để so sánh với Claude Opus 5. Trong bài kiểm tra Terminal-Bench 4.0, điểm DeepSeek tăng từ 31,2 lên 42,3, dù Claude Opus 5 vẫn đạt 51,8.

Đây là những kết quả do DeepSeek báo cáo, không phải bằng chứng độc lập rằng mô hình vượt trội trong mọi công việc doanh nghiệp. Kết quả thực tế còn phụ thuộc vào loại mã nguồn, độ phức tạp của nhiệm vụ, công cụ được sử dụng và cách thiết lập bài kiểm tra.

Dù vậy, các số liệu này cho thấy DeepSeek đang cạnh tranh trong một lĩnh vực có giá trị thương mại rõ ràng. Nếu mô hình giúp lập trình viên hoàn thành công việc với chi phí thấp hơn, doanh nghiệp có thể giảm chi phí phát triển sản phẩm hoặc mở rộng số lượng tác vụ tự động hóa.

Vấn đề là lợi thế kỹ thuật không tự động chuyển thành lợi thế thương mại tại mọi thị trường.

3. Chi phí đánh giá mỗi tác vụ giảm từ 0,49 USD xuống 0,26 USD

Theo tổ chức đánh giá trí tuệ nhân tạo độc lập Artificial Analysis, DeepSeek-V4.1-Flash-1017 đạt 45 điểm, tăng so với mức 39 của phiên bản tiền nhiệm. Chi phí đánh giá trung bình cho mỗi tác vụ giảm từ 0,49 USD xuống 0,26 USD.

Như vậy, chi phí cho mỗi tác vụ trong phép đánh giá này giảm gần một nửa. Đây là tín hiệu đáng chú ý đối với các doanh nghiệp xử lý số lượng lớn yêu cầu mỗi ngày.

Khi chi phí mỗi lần sử dụng giảm, những ứng dụng trước đây khó đạt hiệu quả kinh tế có thể trở nên khả thi hơn. Một doanh nghiệp có thể thử nghiệm thêm công cụ hỗ trợ lập trình, xử lý tài liệu hoặc tự động hóa các công việc lặp lại mà không phải tăng ngân sách tương ứng.

Tuy nhiên, chi phí đánh giá không đồng nghĩa với tổng chi phí vận hành. Doanh nghiệp vẫn cần tính đến hạ tầng, kiểm tra đầu ra, bảo mật, giám sát, nhân sự và chi phí chuyển đổi khi mô hình không còn phù hợp.

4. Giá sử dụng DeepSeek qua giao diện lập trình chỉ còn 0,75 USD vào giờ thấp điểm

DeepSeek công bố mức giá 0,30 USD cho mỗi một triệu đơn vị dữ liệu đầu vào chưa được lưu bộ nhớ đệm và 1,20 USD cho mỗi một triệu đơn vị dữ liệu đầu ra vào giờ cao điểm. Mức giá giờ thấp điểm giảm còn một nửa, tương ứng 0,15 USD cho đầu vào và 0,60 USD cho đầu ra.

Tính theo bảng giá được cung cấp, tổng chi phí đầu vào và đầu ra trên mỗi triệu đơn vị dữ liệu là 1,50 USD vào giờ cao điểm và 0,75 USD vào giờ thấp điểm. DeepSeek xác định giờ cao điểm từ 01 giờ đến 04 giờ và từ 06 giờ đến 10 giờ theo giờ quốc tế phối hợp, từ thứ Hai đến thứ Sáu, ngoại trừ các ngày nghỉ lễ của Trung Quốc.

Mức giá này tạo ra động lực để doanh nghiệp thử nghiệm mô hình trên các quy trình có khối lượng lớn. Tuy nhiên, khi tự vận hành mô hình trên phần cứng riêng hoặc thông qua nhà cung cấp đám mây tại Mỹ, chi phí thực tế sẽ phụ thuộc vào cấu hình và cách triển khai.

Điều quan trọng là phải so sánh tổng chi phí cho cùng một công việc, thay vì chỉ nhìn vào giá sử dụng giao diện lập trình.

5. DeepSeek cạnh tranh bằng giá nhưng không phải lựa chọn rẻ nhất ở mọi thời điểm

Bảng giá trong tài liệu gốc cho thấy thị trường mô hình trí tuệ nhân tạo có nhiều mức chi phí khác nhau. Chẳng hạn, mô hình Muse Spark 1.2 hoặc 1.3 Contributor của Meta được liệt kê ở mức tổng cộng 0,30 USD cho đầu vào và đầu ra theo đơn vị so sánh của bảng. MiMo-V2.6-Flash của Xiaomi ở mức 0,42 USD.

Ở giờ thấp điểm, DeepSeek-V4.1-Flash-1017 có mức tổng cộng 0,75 USD, ngang với MiniMax-M3.1-Flash. Ở giờ cao điểm, mức tổng cộng 1,50 USD ngang với MiniMax-M3 và mức giá khuyến mại được liệt kê của LongCat-2.0.

Những con số này cần được hiểu trong đúng điều kiện định giá và cách tính của bảng. Giá giữa các mô hình không phải lúc nào cũng có thể so sánh trực tiếp nếu giới hạn đầu vào, chất lượng đầu ra, thời gian phản hồi hoặc điều kiện khuyến mại khác nhau.

Đối với người mua, câu hỏi có ý nghĩa hơn là mô hình nào hoàn thành được nhiệm vụ với chất lượng chấp nhận được, trong giới hạn ngân sách và quy định áp dụng cho hoạt động kinh doanh.

6. Giấy phép MIT mở ra cơ hội tự vận hành mô hình

Một lợi thế quan trọng của DeepSeek là doanh nghiệp Mỹ có thể tải các tệp trọng số mô hình được cấp phép theo giấy phép MIT để tự vận hành hoặc điều chỉnh theo nhu cầu.

Trọng số là các tệp chứa những gì mô hình đã học được trong quá trình huấn luyện. Khi có thể tải về và tự triển khai, doanh nghiệp có thêm lựa chọn thay vì phải gửi mọi yêu cầu tới dịch vụ trực tuyến do nhà phát triển vận hành.

Cách triển khai này có thể giúp doanh nghiệp chủ động hơn về hạ tầng, cách tích hợp và quy trình xử lý dữ liệu. Tài liệu gốc cũng nêu rằng việc tải trọng số hoặc vận hành qua nhà cung cấp đám mây tại Mỹ có thể tránh một vấn đề cụ thể liên quan đến việc gửi dữ liệu kỹ thuật chịu kiểm soát xuất khẩu tới các dịch vụ DeepSeek đặt tại Trung Quốc.

Nhưng cần phân biệt giữa khả năng tự vận hành và quyền được sử dụng trong mọi hoàn cảnh. Giấy phép phần mềm cởi mở không tự động miễn trừ doanh nghiệp khỏi các quy định mua sắm chính phủ, kiểm soát xuất khẩu hoặc điều khoản hợp đồng.

7. Lệnh cấm của Mỹ áp dụng cả khi DeepSeek chạy trên máy chủ Mỹ

Một điểm đặc biệt quan trọng đối với nhà thầu là địa điểm đặt máy chủ không nhất thiết quyết định việc một mô hình có thuộc phạm vi hạn chế hay không.

Theo phân tích pháp lý được dẫn trong bài gốc, các quy định mua sắm liên bang có thể tập trung vào doanh nghiệp phát triển mô hình, chứ không chỉ vào trung tâm dữ liệu đang chạy mô hình đó. Vì vậy, đưa DeepSeek lên máy chủ đặt tại Mỹ không tự động loại bỏ vấn đề đối với công việc thuộc phạm vi lệnh cấm.

Phạm vi áp dụng còn có thể bao gồm sản phẩm của bên thứ ba tích hợp hoặc tinh chỉnh mô hình DeepSeek. Bài gốc nêu Perplexity từng xây dựng R1-1776 dựa trên DeepSeek R1, trong khi Tencent sử dụng các mô hình thuộc dòng V4.1 Flash cho những sản phẩm hỗ trợ công việc và lập trình.

Điều này khiến việc kiểm tra nguồn gốc mô hình trở thành một phần của quản trị chuỗi cung ứng công nghệ. Chỉ đổi tên sản phẩm hoặc thay đổi nơi lưu trữ không đồng nghĩa với việc thay đổi mô hình nền tảng.

8. Nhà thầu liên bang phải rà soát cả sản phẩm và phần mềm của nhà thầu phụ

Theo nội dung bài gốc, lệnh của Bộ An ninh Nội địa được ban hành theo Đạo luật An ninh Chuỗi Cung ứng Mua sắm Liên bang năm 2018. Trong lĩnh vực quốc phòng, Điều 1532 của luật ủy quyền quốc phòng tài khóa năm 2026 đặt ra những hạn chế riêng đối với DeepSeek và công ty mẹ High-Flyer trong các hoạt động thuộc phạm vi áp dụng.

Nhà thầu và nhà thầu phụ cần xem xét những công nghệ được sử dụng trong quá trình thực hiện hợp đồng, chứ không chỉ kiểm tra phần mềm cuối cùng bàn giao cho cơ quan chính phủ.

Điều khoản hợp đồng liên bang FAR 52.204-30 được bài gốc nhắc đến trong bối cảnh cấm cung cấp hoặc sử dụng công nghệ thuộc diện hạn chế khi thực hiện công việc liên quan. Bài viết gốc cũng nêu thời hạn ba ngày làm việc để báo cáo công nghệ thuộc diện bị phát hiện và thêm mười ngày để giải trình biện pháp khắc phục.

Đây là vấn đề tuân thủ hợp đồng cụ thể. Doanh nghiệp cần xác định chính xác điều khoản được áp dụng cho hợp đồng của mình, trao đổi với cán bộ phụ trách hợp đồng và tìm tư vấn pháp lý khi cần thiết.

9. Mỹ có thể mở rộng hạn chế sang Qwen, Kimi và các mô hình khác

DeepSeek không phải cái tên duy nhất được nhắc đến trong những tranh luận về hạn chế công nghệ AI Trung Quốc.

Theo bài gốc, phiên bản dự luật quốc phòng tài khóa năm 2027 của Ủy ban Quân vụ Thượng viện đề xuất mở rộng lệnh cấm sang trí tuệ nhân tạo từ mười công ty Trung Quốc khác và cả các mô hình phái sinh. Một đề xuất khác, mang tên Đạo luật AI Đối kháng, hướng tới việc xây dựng danh sách công khai các hệ thống AI từ Trung Quốc và những quốc gia bị xem là đối thủ, với cơ chế hạn chế mua sắm liên bang nếu không có ngoại lệ.

Bài gốc cũng cho biết chính quyền Mỹ từng cân nhắc các biện pháp liên quan đến Kimi của Moonshot và Qwen của Alibaba. GLM của Zhipu AI được đề cập trong bối cảnh công ty này đã nằm trong Danh sách thực thể của Mỹ từ tháng 1 năm 2025.

Cần phân biệt rõ đề xuất với quy định đã có hiệu lực. Không phải mọi biện pháp được thảo luận đều đã trở thành luật. Tuy nhiên, xu hướng chính sách tạo ra một rủi ro mà doanh nghiệp không thể bỏ qua khi xây dựng sản phẩm có vòng đời dài.

10. Mô hình phái sinh khiến rủi ro lan sang cả sản phẩm mang thương hiệu khác

Một doanh nghiệp có thể tải mô hình nền, tinh chỉnh bằng dữ liệu riêng rồi phát hành sản phẩm dưới tên thương hiệu của mình. Về mặt sản phẩm, đây có thể là một giải pháp khác biệt. Nhưng về nguồn gốc kỹ thuật, sản phẩm vẫn có thể phụ thuộc vào mô hình nền ban đầu.

Đây là lý do các đề xuất mở rộng hạn chế sang mô hình phái sinh có ý nghĩa lớn đối với hệ sinh thái AI. Một sản phẩm được phát triển tại Mỹ hoặc được cung cấp bởi một công ty khác chưa chắc đã nằm ngoài phạm vi quy định nếu thành phần nền tảng của nó thuộc diện bị hạn chế.

Với doanh nghiệp cung cấp phần mềm cho khách hàng tư nhân, việc sử dụng mô hình phái sinh có thể vẫn là một lựa chọn kinh doanh tùy theo pháp luật áp dụng. Nhưng với sản phẩm hướng tới hợp đồng liên bang, nguồn gốc mô hình phải được kiểm tra từ sớm.

Một bảng kê đầy đủ nên ghi rõ nhà phát triển mô hình nền, phiên bản, các thay đổi đã thực hiện, nơi vận hành và những sản phẩm đang phụ thuộc vào nó.

11. Các vấn đề bảo mật khiến lựa chọn mô hình không thể chỉ dựa vào giá

Bài gốc nêu những lo ngại cụ thể liên quan đến việc xử lý dữ liệu trên dịch vụ DeepSeek. Theo thông tin được dẫn, Bộ An ninh Nội địa đề cập đến máy chủ tại Trung Quốc, khả năng tiếp cận hạ tầng theo luật Trung Quốc và nguy cơ thông tin nhạy cảm từ người dùng liên bang được gửi tới dịch vụ. Tuy nhiên, tài liệu được mô tả không nêu trường hợp dữ liệu chính phủ thực tế đã đến DeepSeek.

Bài gốc cũng nhắc đến nghiên cứu của NowSecure, phát hiện ứng dụng DeepSeek trên iPhone từng gửi một số dữ liệu đăng ký và thiết bị mà không mã hóa. Cơ quan quản lý quyền riêng tư của Hàn Quốc được dẫn lời về việc văn bản người dùng nhập vào từng được chuyển tới Beijing Volcano Engine Technology mà không có sự đồng ý riêng, trước khi việc này dừng lại ngày 10 tháng 4 năm 2025.

Ngoài ra, thử nghiệm năm 2025 của Viện Tiêu chuẩn và Công nghệ Quốc gia Mỹ trên các trọng số DeepSeek R1-0528 đã ghi nhận các tác nhân xây dựng từ mô hình này làm theo chỉ dẫn độc hại được cài sẵn thường xuyên hơn khoảng 12 lần so với những tác nhân sử dụng GPT-5 và Claude Opus 4 trong thử nghiệm đó.

Những kết quả này liên quan đến các phiên bản cũ, không chứng minh rằng DeepSeek-V4.1-Flash-1017 có cùng đặc điểm hoặc có cơ chế gián điệp. Chúng cho thấy doanh nghiệp cần đánh giá bảo mật theo phiên bản và cấu hình thực tế, thay vì suy rộng từ tên thương hiệu.

12. Lệnh hạn chế cũng có thể thay đổi nhanh đối với nhà cung cấp Mỹ

Rủi ro chính sách không chỉ liên quan đến các công ty Trung Quốc. Bài gốc cho biết chính quyền Mỹ từng chỉ đạo các cơ quan ngừng sử dụng công nghệ Anthropic trong một giai đoạn, trước khi tòa án chặn một phần biện pháp đó. Trong tháng 6, Bộ Thương mại Mỹ cũng đình chỉ quyền tiếp cận các mô hình mới nhất của Anthropic từ nước ngoài trong gần ba tuần.

Những diễn biến này không có nghĩa các nhà cung cấp Mỹ và Trung Quốc có cùng tình trạng pháp lý. Chúng cho thấy một vấn đề rộng hơn: doanh nghiệp có thể gặp rủi ro khi phụ thuộc quá sâu vào một nhà cung cấp hoặc một phiên bản mô hình.

Một thay đổi chính sách, điều khoản dịch vụ hoặc khả năng cung ứng có thể buộc doanh nghiệp phải chuyển đổi nhanh hơn dự kiến. Nếu hệ thống được xây dựng phụ thuộc chặt vào một giao diện hoặc định dạng riêng, chi phí chuyển đổi có thể tăng mạnh.

Vì vậy, khả năng thay thế nhà cung cấp nên được xem là yêu cầu thiết kế ngay từ đầu.

13. Doanh nghiệp cần thiết kế hệ thống có thể chuyển đổi mô hình

Một chiến lược giảm rủi ro không nhất thiết phải loại bỏ ngay mọi mô hình có chi phí thấp. Thay vào đó, doanh nghiệp nên xác định rõ những công việc nào được phép sử dụng từng mô hình và những công việc nào cần nhà cung cấp thay thế.

Tên mô hình và phiên bản cần được khai báo rõ trong cấu hình. Những tác vụ quan trọng nên có ít nhất một phương án thay thế đã được thử nghiệm trên dữ liệu và tình huống gần với hoạt động thực tế.

Việc thử nghiệm cần so sánh độ chính xác, tốc độ phản hồi, chi phí tổng thể và khả năng đáp ứng yêu cầu bảo mật. Khi có thay đổi, doanh nghiệp nên có thể chuyển mô hình bằng cách điều chỉnh cấu hình, thay vì phải xây dựng lại toàn bộ sản phẩm.

Đối với hệ thống có khách hàng chính phủ, doanh nghiệp cần tách biệt kỹ thuật và hợp đồng giữa công việc liên bang với hoạt động thương mại tư nhân. Bài gốc cho biết quy định hiện tại không đặt ra lệnh cấm liên bang chung đối với mọi doanh nghiệp Mỹ sử dụng DeepSeek cho khách hàng tư nhân, miễn là hoạt động đó không thuộc phạm vi bị hạn chế và tuân thủ những quy định khác có liên quan.

Sự tách biệt này phải có thực chất, không chỉ tồn tại trên sơ đồ tổ chức.

14. Doanh nghiệp Việt Nam nên ưu tiên tính linh hoạt và khả năng kiểm tra

Đối với doanh nghiệp Việt Nam, bài học không nằm ở việc phải tránh hoàn toàn một quốc gia hay một thương hiệu mô hình. Điều cần thiết là hiểu mối liên hệ giữa lựa chọn công nghệ, thị trường mục tiêu và các nghĩa vụ hợp đồng.

Nếu sản phẩm chỉ phục vụ khách hàng tư nhân tại Việt Nam, quyết định lựa chọn mô hình có thể tập trung vào chất lượng, chi phí, quyền sử dụng và yêu cầu bảo vệ dữ liệu. Nhưng nếu doanh nghiệp muốn cung cấp dịch vụ cho khách hàng Mỹ, đặc biệt là nhà thầu chính phủ hoặc các đơn vị chịu quy định mua sắm liên bang, việc rà soát nguồn gốc mô hình cần được thực hiện trước khi ký hợp đồng.

Doanh nghiệp cũng nên kiểm kê các thành phần AI trong sản phẩm của mình, bao gồm mô hình nền, phiên bản tinh chỉnh, dịch vụ bên thứ ba và công cụ mà nhân viên đang sử dụng. Những thành phần phụ thuộc cần được ghi lại để có thể đánh giá khi quy định thay đổi.

Đây là công việc quản trị sản phẩm và chuỗi cung ứng, không chỉ là nhiệm vụ của bộ phận kỹ thuật.

15. Doanh nghiệp nhỏ và vừa cần biến việc thay mô hình thành thao tác cấu hình

Các doanh nghiệp nhỏ thường không đủ nguồn lực để duy trì nhiều hệ thống AI song song trong thời gian dài. Tuy nhiên, họ vẫn có thể giảm rủi ro bằng cách thiết kế phần mềm theo hướng ít phụ thuộc vào một nhà cung cấp.

Trước tiên, hãy tách phần gọi mô hình ra khỏi logic kinh doanh chính. Tiếp theo, lưu lại phiên bản đang sử dụng và chuẩn bị một phương án thay thế phù hợp với những tác vụ quan trọng nhất.

Không nên chỉ thử mô hình thay thế bằng vài câu hỏi đơn giản. Hãy dùng một tập hợp công việc thực tế, kiểm tra độ chính xác, tốc độ, chi phí và các tình huống thất bại. Nếu sản phẩm xử lý dữ liệu nhạy cảm, cần đánh giá cả nơi dữ liệu được gửi đến và điều kiện lưu giữ.

Cuối cùng, hãy tính trước chi phí chuyển đổi. Một mô hình có giá sử dụng thấp hơn nhưng yêu cầu nhiều công sức kiểm tra hoặc khiến doanh nghiệp phải xây dựng lại sản phẩm có thể không phải lựa chọn tiết kiệm nhất.

16. Lợi thế dài hạn thuộc về doanh nghiệp quản lý tốt cả công nghệ lẫn hợp đồng

DeepSeek cho thấy một mô hình giá thấp có thể tạo áp lực cạnh tranh lên thị trường. Khi chi phí xử lý giảm, doanh nghiệp có cơ hội mở rộng tự động hóa và thử nghiệm những sản phẩm mới.

Nhưng lợi thế chi phí chỉ bền vững nếu doanh nghiệp có thể tiếp tục sử dụng mô hình trong thị trường mà họ phục vụ. Với nhà thầu chính phủ, khả năng tuân thủ và tính liên tục của hợp đồng có thể quan trọng hơn khoản tiết kiệm trên mỗi tác vụ.

Nhà cung cấp mô hình cần được đánh giá trên nhiều khía cạnh: hiệu năng thực tế, giá thành, giấy phép, bảo mật, nguồn gốc công nghệ và khả năng thay thế. Những yếu tố này nên được xem xét cùng nhau thay vì giao riêng cho từng bộ phận mà không có một tiêu chuẩn chung.

17. Tách biệt hoạt động thương mại giúp giữ lựa chọn nhưng làm tăng chi phí quản trị

Theo phạm vi quy định được mô tả trong bài gốc, doanh nghiệp vẫn có thể sử dụng DeepSeek cho hoạt động thương mại tư nhân không thuộc hợp đồng chính phủ, ngay cả khi doanh nghiệp đó đồng thời cung cấp dịch vụ cho chính phủ. Điều kiện quan trọng là phải giữ sự tách biệt phù hợp đối với công việc thuộc phạm vi hạn chế.

Cách tiếp cận này có thể giúp doanh nghiệp tiếp tục khai thác lợi thế chi phí của mô hình trong một số sản phẩm, nhưng cũng tạo thêm nghĩa vụ quản trị. Doanh nghiệp cần bảo đảm rằng các mô hình, dữ liệu, môi trường triển khai và quy trình thực hiện hợp đồng không bị trộn lẫn theo cách vi phạm yêu cầu áp dụng.

Việc tách biệt còn cần được kiểm tra định kỳ, bởi một sản phẩm thương mại có thể dần được mở rộng sang khách hàng chính phủ hoặc một thành phần dùng chung có thể được đưa vào hợp đồng mới.

Do đó, khả năng giữ nhiều mô hình trong cùng hệ thống cần đi kèm kiểm soát rõ ràng về nơi và cách chúng được sử dụng.

18. Quyết định mua AI cần tính cả chi phí tuân thủ và chi phí chuyển đổi

Khi so sánh hai mô hình, doanh nghiệp thường nhìn vào giá đầu vào, giá đầu ra và chất lượng phản hồi. Nhưng với sản phẩm phục vụ thị trường có quy định chặt chẽ, cần cộng thêm chi phí kiểm tra nguồn gốc, rà soát hợp đồng, giám sát bảo mật và chuẩn bị phương án thay thế.

Một mô hình có thể rẻ hơn khi vận hành nhưng tạo ra chi phí lớn nếu phải thay thế gấp. Ngược lại, duy trì một phương án dự phòng có thể làm tăng chi phí thử nghiệm ban đầu nhưng giúp giảm thời gian gián đoạn khi chính sách thay đổi.

Không có một công thức duy nhất cho mọi doanh nghiệp. Điều quan trọng là phải đưa rủi ro chính sách vào quyết định công nghệ ngay từ đầu, thay vì chỉ xử lý sau khi có thông báo hạn chế.

19. Chiến lược AI bền vững cần cân bằng giá, hiệu năng và khả năng thích ứng

DeepSeek-V4.1-Flash-1017 cho thấy cuộc cạnh tranh mô hình AI vẫn có thể tạo ra những cải thiện đáng kể về hiệu năng và chi phí. Điểm đánh giá của Artificial Analysis tăng từ 39 lên 45, trong khi chi phí trung bình mỗi tác vụ giảm từ 0,49 USD xuống 0,26 USD theo phép đánh giá được nêu trong bài gốc.

Nhưng cùng lúc, lệnh hạn chế của Mỹ cho thấy một mô hình hấp dẫn về mặt kỹ thuật có thể không phù hợp với một số thị trường và hợp đồng. Các đề xuất mở rộng hạn chế sang những công ty AI Trung Quốc khác cũng khiến doanh nghiệp cần chuẩn bị cho khả năng quy định thay đổi.

Đối với doanh nghiệp cung cấp dịch vụ cho chính phủ Mỹ, việc rà soát nguồn gốc mô hình và xác định phạm vi sử dụng cần được ưu tiên. Với doanh nghiệp chỉ phục vụ khách hàng tư nhân, lựa chọn mô hình vẫn có thể dựa trên hiệu năng và chi phí, nhưng cần tính đến bảo mật, giấy phép và khả năng chuyển đổi.

Trong một thị trường AI thay đổi nhanh, lợi thế không chỉ thuộc về bên tìm được mô hình rẻ nhất. Lợi thế bền vững thuộc về doanh nghiệp có thể tận dụng công nghệ mới mà không để một nhà cung cấp, một phiên bản mô hình hay một quyết định chính sách làm gián đoạn toàn bộ hoạt động kinh doanh.

Giấy phép MIT giúp doanh nghiệp triển khai DeepSeek nhưng không loại bỏ rủi ro pháp lý

DeepSeek AI, DeepSeek V4.1, mô hình AI, lệnh cấm DeepSeek, AI Trung Quốc, chi phí AI, giấy phép MIT, bảo mật AI, quy định AI Mỹ, mô hình phái sinh, nhà thầu chính phủ, chiến lược AI, thay thế mô hình, doanh nghiệp Việt Nam