AI hôm nay: OpenAI gọi vốn 30 tỷ USD, NVIDIA chạy GLM 5.3 753B tại chỗ
OpenAI được cho là đàm phán gọi vốn tới 30 tỷ USD trước IPO. NVIDIA mở rộng cụm DGX Spark để chạy mô hình 753B tại chỗ, trong khi MCP và các công cụ agent tiếp tục đi sâu vào quy trình doanh nghiệp.
Cuộc đua AI hôm nay xoay quanh hai lớp nền tảng: vốn và hạ tầng tính toán. Đồng thời, các công cụ kết nối dữ liệu, huấn luyện agent và quản trị AI đang trở nên thiết thực hơn với doanh nghiệp.
1. OpenAI được cho là gọi vốn 30 tỷ USD với định giá 1,25 nghìn tỷ USD
OpenAI được cho là đang đàm phán vòng gọi vốn mới trị giá tới 30 tỷ USD, với định giá trước đầu tư 1,25 nghìn tỷ USD; Coatue và các nhà đầu tư từ UAE được nêu là bên dẫn dắt. Công ty được cho là tìm vốn tư nhân thay vì tiến thẳng tới IPO, và thỏa thuận từ UAE có thể đi kèm thêm năng lực tính toán; các điều khoản cuối cùng vẫn có thể thay đổi.
Vì sao đáng chú ý: Quy mô vòng vốn và khả năng đổi vốn lấy năng lực tính toán cho thấy hạ tầng vẫn là nút thắt trung tâm của cuộc đua mô hình AI.
Đọc chi tiết →
2. Cụm 8 DGX Spark có thể chạy GLM 5.3 753B tại chỗ
NVIDIA công bố hỗ trợ cụm tối đa 8 DGX Spark với 1 TB unified memory để chạy GLM 5.3 753B tại chỗ. Benchmark cho thấy cấu trúc mạng và mức độ chạy đồng thời ảnh hưởng trực tiếp đến throughput suy luận.
Vì sao đáng chú ý: Nhóm muốn tự triển khai mô hình lớn cần tính cả bộ nhớ, mạng và concurrency, không chỉ nhìn vào kích thước mô hình.
Đọc chi tiết →
3. Google dùng AI đọc X-quang để sàng lọc lao ở vùng thiếu bác sĩ
Google Research, Google for Health và Nexus AI mô tả nỗ lực dùng AI phân tích X-quang ngực để phát hiện người có thể mắc lao phổi hoạt động ở khu vực thiếu bác sĩ chẩn đoán hình ảnh. Dự án dựa trên quá trình từ nghiên cứu năm 2019, các đánh giá độc lập, thử nghiệm xác thực tiền cứu năm 2024 và khuyến nghị của WHO về phần mềm phát hiện tự động trong sàng lọc lao.
Vì sao đáng chú ý: Đây là ví dụ cụ thể về AI hỗ trợ mở rộng năng lực y tế tại nơi thiếu nhân lực và thiết bị.
Đọc chi tiết →
4. MCP mở đường nối AI với Drive, Slack và dữ liệu công ty
MCP là chuẩn mã nguồn mở giúp ứng dụng AI kết nối với nguồn dữ liệu, công cụ và workflow. Bài viết nêu cách áp dụng tư duy MCP khi thiết kế luồng AI làm việc với Google Drive, Slack và cơ sở dữ liệu doanh nghiệp.
Vì sao đáng chú ý: Nếu đang làm chatbot nội bộ hoặc agent, MCP là khái niệm đáng nắm để chuẩn hóa cách AI truy cập công cụ và dữ liệu.
Đọc chi tiết →
5. Microsoft và Hugging Face dùng dữ liệu thật để thưởng agent RL
ThinkingBox biến các phép kiểm tra cơ sở dữ liệu có thể thực thi thành phần thưởng học tăng cường cho agent AI. Benchmark gồm 507 nhiệm vụ, đánh giá agent qua trạng thái cuối của backend thực thay vì chỉ chấm câu trả lời hay chuỗi gọi công cụ; nhóm đã tinh chỉnh Qwen3.8-27B bằng 50 bước GRPO.
Vì sao đáng chú ý: Cách đánh giá theo kết quả thật của hệ thống có thể giúp agent đáng tin hơn trong các tác vụ vận hành có backend.
Đọc chi tiết →
6. TensorRT 11.1 thêm Global Performance Tuner cho suy luận
NVIDIA giới thiệu Global Performance Tuner trong TensorRT 11.1 để tự động tìm kiếm nhiều lộ trình biên dịch mạng nơ-ron. Tính năng này tạo và đo các cấu hình build khác nhau, rồi chọn cấu hình nhanh nhất vẫn đáp ứng yêu cầu về độ chính xác.
Vì sao đáng chú ý: Đội ngũ triển khai mô hình trên NVIDIA có thêm cách tối ưu hiệu năng đầu-cuối mà giảm phụ thuộc vào heuristic thủ công.
Đọc chi tiết →
7. Google Vault cho xuất dữ liệu Gemini trong Workspace theo bộ lọc
Google Vault nay cho phép xuất dữ liệu eDiscovery có bộ lọc đối với hội thoại Gemini trong Workspace, theo tài khoản hoặc đơn vị tổ chức, thời gian và các ứng dụng như Gmail, Drive, Docs, Sheets, Slides và Meet. Dữ liệu có thể xuất JSON qua Vault hoặc API, gồm prompt, phản hồi, tệp đính kèm được tạo và liên kết tới tệp Workspace được tham chiếu.
Vì sao đáng chú ý: Doanh nghiệp dùng Gemini cần lưu ý khả năng này cho tuân thủ, điều tra nội bộ và chính sách quản trị dữ liệu.
Đọc chi tiết →
Đáng theo dõi nhất là liệu vòng gọi vốn và năng lực tính toán mới có thay đổi tốc độ phát triển của OpenAI hay không.