Triển khai LLM được quyết định bởi cách sở hữu nền tảng – API thương mại, tự vận hành, kết hợp

Triển khai LLM được quyết định bởi cách sở hữu nền tảng – API thương mại, tự vận hành, kết hợp

Doanh nghiệp đã đi tới giai đoạn cân nhắc nghiêm túc việc triển khai LLM thì phần lớn đã vượt qua ngã rẽ thứ nhất. Đó là ngã rẽ về chuyện có cho phép dùng các công cụ hội thoại như ChatGPT trong công việc hay không. Chính vì đã dùng thử và thấy có hiệu quả nên câu hỏi tiếp theo mới xuất hiện. Khi đưa LLM vào nghiệp vụ của toàn công ty, doanh nghiệp sẽ sở hữu chính cái hạ tầng tính toán mang tên LLM đó theo hình thức nào. Tiếp tục ký hợp đồng API thương mại, đặt mô hình lên máy chủ của chính mình, hay dùng cả hai tùy theo mục đích. Bài viết này chỉ tập trung sắp xếp đúng một điểm đó.

Câu hỏi này không thể trả lời bằng cách ngồi ngắm một bảng so sánh sản phẩm. Bởi vì đây không phải chuyện công cụ nào ưu việt hơn, mà là chuyện được quyết định bởi tính chất dữ liệu doanh nghiệp xử lý, lượng xử lý mỗi tháng và mức trách nhiệm bảo mật doanh nghiệp có thể tự gánh. Cách tiến hành và bức tranh tổng thể về chi phí của việc triển khai AI tạo sinh nói chung đã được trình bày trong bài Cách tiến hành và chi phí triển khai AI tạo sinh, còn việc so sánh giữa các sản phẩm như ChatGPT hay Copilot thì nằm ở bài So sánh AI tạo sinh dành cho doanh nghiệp. Bài viết này lùi về một bước trước đó, đào sâu duy nhất vào quyết định về cách sở hữu nền tảng mà cả hai bài kia đều không đề cập.

LLM là gì – trong kinh doanh hãy tách riêng công cụ và nền tảng

LLM là viết tắt của mô hình ngôn ngữ lớn (Large Language Model), chỉ những mô hình được huấn luyện trên khối lượng văn bản khổng lồ và sinh ra phần tiếp theo của ngữ cảnh được đưa vào theo cơ chế xác suất. Định nghĩa kỹ thuật chỉ có vậy, nhưng khi ra quyết định kinh doanh thì cần hiểu thêm một tầng nữa.

Khi trong công ty có ai đó nói rằng chúng ta đưa AI tạo sinh vào, thực tế là ba lớp có tính chất khác hẳn nhau đang bị trộn lẫn trong cùng một câu chuyện.

Chỗ nhiều doanh nghiệp vấp phải là chỉ so sánh lớp ứng dụng rồi chọn, sau đó phó mặc lựa chọn ở lớp nền tảng cho hoàn cảnh của công cụ đã chọn. Kết quả là tới lúc phát hiện ra rằng dữ liệu này không được phép đưa ra ngoài, doanh nghiệp phải làm lại từ đầu cả lớp ứng dụng.

Khi đưa LLM vào kinh doanh, thứ tự phải ngược lại. Quyết định trước cách sở hữu lớp nền tảng, rồi chọn lớp ứng dụng bên trong các ràng buộc đó. Theo thứ tự này thì về sau phạm vi dữ liệu xử lý được có thể mở rộng thêm, chứ không bị thu hẹp lại tới mức phải làm lại.

Ba cách sở hữu nền tảng LLM – API thương mại, tự vận hành, kết hợp

Trên thực tế, các lựa chọn ở lớp nền tảng gần như gom lại được thành ba.

Dùng API thương mại là hình thức gọi các mô hình như Claude, GPT hay Gemini trên đám mây của nhà cung cấp. Thứ doanh nghiệp phải tự chuẩn bị chỉ gồm khóa API và ứng dụng gọi khóa đó. Đầu tư ban đầu gần như bằng không, việc bám theo mô hình mới nhất cũng không cần đổi hợp đồng. Đổi lại, câu lệnh và dữ liệu nội bộ được gửi tới máy chủ nằm ngoài phạm vi quản lý của doanh nghiệp. Xử lý điểm này ra sao chính là vấn đề của hợp đồng và của quy định pháp luật.

Tự vận hành nội bộ (self-host) là hình thức đặt mô hình nguồn mở lên máy chủ hoặc đám mây riêng do doanh nghiệp quản lý, và việc suy luận cũng chạy dưới quyền quản lý của doanh nghiệp. Vì dữ liệu không ra khỏi ranh giới của công ty nên đây là lựa chọn mạnh cho những mục đích có tính bảo mật cao. Tuy nhiên, toàn bộ gánh nặng về bảo mật và tuân thủ mà trước đây nhà cung cấp thương mại đảm nhiệm sẽ được đưa nguyên vẹn vào trong nội bộ.

Kết hợp (hybrid) là hình thức dùng cả hai theo mục đích. Trong tài liệu so sánh triển khai giữa tự vận hành nội bộ và đám mây do Prediction Guard công bố, kiến trúc vận hành thực tế có xu hướng hội tụ về mô hình kết hợp, và cấu hình đang dần trở thành chủ đạo là xử lý trong nội bộ những tác vụ có tính bảo mật cao và lượng xử lý lớn, còn để lại cho API thương mại những tác vụ suy luận nặng nhất. Vì đây là tài liệu do một nhà cung cấp viết nên không thể coi là số liệu thống kê, nhưng về mặt xu hướng thì trùng với cảm nhận thực tế. Ý nghĩa của nó là ôm hết vào trong nội bộ hay đẩy hết ra bên ngoài đều là thái cực.

Bảng dưới đây sắp xếp lại khác biệt về tính chất của ba cách sở hữu. Đây là các xu hướng mang tính định tính, không phải số liệu đo được từ nguồn trích dẫn.

Khác biệt về cấu trúc chi phí – chọn tính theo mức dùng hay chi phí cố định

Trung tâm của việc ra quyết định là cấu trúc chi phí. Chỗ này cần nắm bằng con số chứ không phải bằng cảm giác.

Trước hết hãy xem mặt bằng giá của API thương mại. Dưới đây là các mức tham chiếu được trích từ nhiều bài so sánh giá tính đến tháng 8 năm 2026, chưa được kiểm chứng sơ cấp trên trang công bố chính thức. Vì các hãng điều chỉnh giá khá thường xuyên, xin hãy kiểm tra lại trên website chính thức của từng hãng đối với những con số sẽ đưa vào hồ sơ trình phê duyệt nội bộ.

Thứ cần đọc ra từ bảng này không phải là hơn thua giữa từng mức giá. Đó là sự thật rằng đơn giá trên mỗi 1 triệu token chênh nhau cực kỳ lớn giữa mô hình cao cấp nhất và nhóm giá rẻ nhất. Claude Opus thế hệ 4.8 được cho là vẫn giữ mặt bằng giá tương đương từ Opus 4.5, còn DeepSeek V4 Flash nằm ở nhóm giá rẻ nhất. Khoảng cách đó cũng có nghĩa là thiết kế đem toàn bộ mục đích sử dụng trong công ty dồn vào một mô hình cao cấp nhất sẽ là phương án bất lợi nhất về chi phí. Ngay từ khi thiết kế nền tảng, doanh nghiệp cần đặt sẵn tiền đề rằng sẽ dùng các mô hình khác nhau theo từng mục đích.

Ngoài ra, với hợp đồng dành cho doanh nghiệp lớn, thông thường mức chiết khấu theo sản lượng khoảng 20-60% được áp dụng khi vượt một lượng sử dụng nhất định. Biên độ rộng như vậy là vì điều kiện thay đổi rất nhiều theo hình thức hợp đồng và mức cam kết theo năm. Khi đã tới giai đoạn ước lượng được tương đối lượng xử lý dự kiến của cả năm, việc đàm phán trực tiếp với nhà cung cấp là đáng làm, thay vì tính toán theo giá niêm yết.

Cấu trúc chi phí của phương án tự vận hành nội bộ có tính chất hoàn toàn khác. Xử lý bao nhiêu token cũng không phát sinh phí thêm, đổi lại là đầu tư ban đầu cho phần cứng cùng các chi phí cố định hằng tháng gồm điện, bảo trì và nhân sự. Trong tài liệu hướng dẫn triển khai AI riêng tư của Petronella Technology Group, tính đến năm 2026, ngay cả doanh nghiệp cỡ vừa cũng có thể dựng được môi trường AI riêng tư bằng cách kết hợp phần cứng khoảng 10,000-15,000 USD với các mô hình nguồn mở có năng lực ngang ngửa API thương mại ở nhiều mục đích nghiệp vụ. Tuy nhiên con số này là mức tham chiếu cho đầu tư phần cứng ban đầu, chi phí vận hành và bảo trì vẫn phải tính riêng. Cũng cần đọc với lưu ý rằng đây là ước tính của một trang thuộc phía nhà cung cấp.

Điểm hòa vốn nằm ở đâu – mốc 10 triệu token mỗi ngày

Vậy từ mức xử lý bao nhiêu thì tự vận hành nội bộ trở nên có lợi. Cũng trong tài liệu đó, ở vùng khối lượng lớn với lượng token mỗi ngày vượt 10 triệu token, tự vận hành nội bộ chắc chắn chiếm ưu thế về chi phí trong vòng 18 tháng. Con số 18 tháng ở đây chỉ khoảng thời gian cần để thu hồi đầu tư ban đầu, hoàn toàn không liên quan tới thời gian ân hạn của Luật AI Việt Nam sẽ nói ở phần sau. Đây cũng là ước tính chứ không phải con số được bảo đảm, nhưng dùng làm điểm xuất phát cho việc ra quyết định thì được.

Nếu quy khối lượng 10 triệu token mỗi ngày về cảm nhận thực tế thì ở giai đoạn nhân viên dùng công cụ hội thoại một cách riêng lẻ, doanh nghiệp gần như chắc chắn sẽ không chạm tới. Chỗ chạm tới là khi LLM đã được nhúng vào hệ thống nghiệp vụ và các tác vụ theo lô bắt đầu chạy. Đọc trọn vẹn bản vẽ và tài liệu quy cách, tóm tắt biên bản của toàn bộ dự án theo ngày, phân loại toàn bộ email hỏi đáp. Khi những xử lý cứ chạy liên tục mà không cần người ra lệnh như vậy chồng lên nhau, lượng token sẽ nhảy hẳn một bậc về độ lớn.

Kết luận thực tiễn rút ra từ đây rất đơn giản. Bắt đầu bằng tự vận hành nội bộ ngay ở giai đoạn khởi động là lựa chọn dễ trở thành đắt đỏ. Vừa phải chốt trước chi phí cố định khi chưa đọc được lượng xử lý, lại vừa chưa biết mục đích nào sẽ phát triển lên. Trước hết hãy nuôi các mục đích sử dụng bằng API thương mại, tới khi có số liệu đo thực tế về lượng token thì hãy đánh giá lại cách sở hữu nền tảng. Về mặt chi phí, thứ tự này là hợp lý.

Tuy nhiên, có một vùng không thể quyết định chỉ bằng chi phí. Đó là tính chất của dữ liệu, nội dung sẽ nói ngay sau đây.

Dùng dữ liệu nội bộ với AI tạo sinh và tìm kiếm tài liệu – vì sao cách sở hữu nền tảng lại quan trọng

Trong các mục đích doanh nghiệp kỳ vọng ở LLM, nhu cầu lớn nhất là khai thác dữ liệu nội bộ, đặc biệt là tìm kiếm tài liệu. Báo cáo sự cố trong quá khứ, hồ sơ bảo trì thiết bị, trao đổi với khách hàng, quy chế nội bộ. Cơ chế tìm kiếm những thứ này bằng ngôn ngữ tự nhiên và trả về câu trả lời kèm căn cứ là vùng dễ đọc ra hiệu quả đầu tư nhất trong các mục đích của AI tạo sinh.

Phương pháp tiêu chuẩn để hiện thực hóa mục đích này là RAG, tức sinh nội dung có tăng cường bằng tìm kiếm. Tài liệu nội bộ được xử lý trước thành dạng tìm kiếm được, khi có câu hỏi thì hệ thống tìm các tài liệu liên quan, đưa cho mô hình và bắt mô hình trả lời dựa trên chính các tài liệu đó. Cách tiến hành cụ thể để xử lý tri thức của nhà máy bằng RAG được trình bày chi tiết trong bài Cách khai thác tri thức hiện trường sản xuất bằng RAG.

Đây chính là chỗ lựa chọn ở lớp nền tảng phát huy tác dụng. Bởi vì về mặt cấu trúc, RAG là cơ chế gửi nội dung tài liệu nội bộ tới mô hình mỗi lần có câu hỏi. Ở giai đoạn cá nhân dùng công cụ hội thoại, nội dung nhân viên nhập vào là do chính nhân viên chọn. Nhưng ngay khi RAG được dựng lên, tài liệu đã đưa vào phạm vi tìm kiếm sẽ tự động được gửi tới mô hình nếu khớp với câu hỏi. Không có ai đứng ra phán đoán rồi mới gửi.

Nói cách khác, ở giai đoạn công cụ hội thoại thì doanh nghiệp còn quản lý được việc không đưa những gì vào, bằng quy tắc vận hành, còn ở giai đoạn tìm kiếm tài liệu thì tính chất chuyển thành một đặc tính thiết kế là đưa vào phạm vi tìm kiếm nghĩa là đã trở thành đối tượng gửi đi. Đây chính là lý do lớn nhất khiến cách sở hữu nền tảng phải được quyết định trước.

Tài liệu hướng dẫn triển khai AI riêng tư của Petronella Technology Group nêu các trường hợp điển hình nên chọn tự vận hành nội bộ, gồm dữ liệu mật liên quan tới quốc phòng, dữ liệu tài chính thuộc diện bị quản lý, tài sản trí tuệ của ngành sản xuất, và dữ liệu cần giữ nhật ký kiểm toán nhiều năm dưới quyền quản lý của doanh nghiệp. Quy chiếu sang các doanh nghiệp sản xuất vốn Nhật tại Thái Lan và Việt Nam thì những thứ dễ rơi vào diện này là như sau.

Việc lập ra bảng này chính là bản thân việc thiết kế cấu hình kết hợp. Kết hợp là kết quả của việc quyết định nhóm tài liệu nào đặt lên nền tảng nào, chứ không phải thứ được quyết định trước bằng một câu tuyên bố rằng chúng ta sẽ làm kết hợp.

Thực hành bảo mật và quản trị dữ liệu – lưu nhật ký và dấu vết kiểm toán ra sao

Sau khi quyết định cách sở hữu nền tảng, bước tiếp theo là triển khai quản trị. Thứ dễ bị bỏ sót ở đây là khối lượng công việc tăng thêm khi chọn tự vận hành nội bộ.

Cách hiểu rằng cứ tự vận hành nội bộ thì dữ liệu không ra ngoài nên an toàn chỉ đúng một nửa. Điều tài liệu so sánh triển khai của Prediction Guard chỉ ra là khi chọn tự vận hành nội bộ, toàn bộ gánh nặng bảo mật và tuân thủ mà trước đây nhà cung cấp thương mại đảm nhiệm sẽ được đưa vào trong nội bộ. Và nền móng của việc đó là xây dựng cơ chế kiểm toán ghi lại câu lệnh, kết quả và sự kiện truy cập dưới dạng không thể sửa đổi.

Trong thời gian còn dùng API thương mại, một phần đáng kể của mảng này có thể dựa vào các chứng nhận và báo cáo kiểm toán của nhà cung cấp. Ngay khi chuyển sang tự vận hành nội bộ, những thứ đó trở thành công việc của người phụ trách trong công ty. Cụ thể là các hạng mục sau.

Những việc này đều cần thiết bất kể có chọn tự vận hành nội bộ hay không, nhưng với tự vận hành nội bộ thì chủ thể triển khai là chính doanh nghiệp. Có bố trí được nhân sự này hay không mới là điều kiện tham gia thực chất của phương án tự vận hành nội bộ. Nhiều doanh nghiệp trả nổi 10,000-15,000 USD tiền phần cứng nhưng không đặt được người tiếp tục vận hành phần này, và bỏ sót chỗ đó thì chỉ ít lâu sau khi khởi động, việc cập nhật sẽ dừng lại.

Cách cấu hình an toàn cho toàn bộ môi trường được trình bày trong bài Cách xây dựng môi trường AI tạo sinh an toàn, còn việc xây dựng quy tắc sử dụng trong nội bộ nằm ở bài Cách xây dựng chính sách sử dụng AI tạo sinh. Khi lựa chọn ở lớp nền tảng đã chốt, doanh nghiệp sẽ triển khai song song hai việc này.

Diễn biến pháp lý tại Thái Lan và Việt Nam – đừng nhầm lẫn giữa đã có hiệu lực và còn là dự thảo

Với doanh nghiệp có cơ sở tại Thái Lan hoặc Việt Nam, cách sở hữu nền tảng cũng là vấn đề của quy định pháp luật. Chỗ này thông tin rất dễ rối và nhiều nguồn thứ cấp đang lẫn lộn tình hình của hai nước, nên cần phân biệt thật chính xác.

Việt Nam – Luật AI đã có hiệu lực. Đang ở giai đoạn đếm ngược thời gian ân hạn

Luật AI của Việt Nam, luật số 134/2025/QH15, đã có hiệu lực từ ngày 1 tháng 3 năm 2026. Đây là một đạo luật đã phát sinh hiệu lực. Tuy nhiên luật không được áp dụng toàn diện ngay lập tức. Các hệ thống AI thông thường được cho thời gian ân hạn 12 tháng, tức tới tháng 3 năm 2027, còn các lĩnh vực trọng yếu như y tế và tài chính được cho thời gian ân hạn 18 tháng, tức tới tháng 9 năm 2027. Nói cách khác, với doanh nghiệp đang chọn nền tảng lúc này, đây là giai đoạn phải thiết kế bằng cách tính ngược từ thời điểm kết thúc ân hạn.

Thứ liên quan trực tiếp tới cách sở hữu nền tảng là các quy định về nơi dữ liệu nằm. Luật AI của Việt Nam mở rộng yêu cầu nội địa hóa dữ liệu không chỉ tới nơi lưu trữ dữ liệu mà tới cả nơi xử lý dữ liệu. Nền tảng AI muốn được phê duyệt cho mua sắm chính phủ phải đặt hạ tầng vận hành trong lãnh thổ Việt Nam, và dịch vụ AI đám mây xử lý tài liệu của cơ quan nhà nước Việt Nam trên máy chủ ở nước ngoài như Singapore hay Hoa Kỳ thì không đáp ứng được tiêu chuẩn này.

Chỗ này cần đọc thật chính xác. Đây là yêu cầu dành cho mua sắm chính phủ, không phải thứ được áp dụng đồng loạt cho toàn bộ hoạt động của doanh nghiệp tư nhân. Tuy nhiên, với doanh nghiệp cung cấp cho các gói thầu của cơ quan nhà nước Việt Nam, hoặc doanh nghiệp có khả năng làm việc đó trong tương lai, quy định này ảnh hưởng trực tiếp tới thiết kế ở lớp nền tảng. Ngoài ra, luật cũng đặt điều khoản yêu cầu nhà cung cấp nước ngoài cung ứng AI rủi ro cao phải thiết lập hiện diện thương mại trong lãnh thổ Việt Nam hoặc chỉ định người đại diện.

Thái Lan – Luật AI vẫn chưa có hiệu lực. Nhưng PDPA thì đã thi hành đầy đủ

Tình hình của Thái Lan khác hẳn Việt Nam. Các đạo luật liên quan tới AI của Thái Lan tính đến tháng 8 năm 2026 vẫn chưa có hiệu lực và đang ở giai đoạn dự thảo. Cơ quan quản lý đã hợp nhất sắc lệnh hoàng gia năm 2022 với dự luật hỗ trợ năm 2023, rồi công bố bản dự thảo về các nguyên tắc của luật AI vào tháng 5 năm 2025. Bộ Kinh tế và Xã hội số đã công bố phương hướng hoàn tất việc xây dựng các đạo luật liên quan tới AI trong năm tài khóa 2026, tại sự kiện Tuần lễ Quản trị AI 2026 ngày 29 tháng 6 năm 2026.

Nếu soạn tài liệu giải thích nội bộ dựa trên tiền đề rằng Việt Nam đã có hiệu lực thì chắc Thái Lan cũng vậy, doanh nghiệp sẽ nhầm lẫn khác biệt này. Ngược lại, cách hiểu rằng Thái Lan chưa có luật nên tự do cũng là sai. Tại Thái Lan đã có Luật Bảo vệ dữ liệu cá nhân, gọi tắt là PDPA, được thi hành đầy đủ.

PDPA của Thái Lan được thi hành đầy đủ từ ngày 1 tháng 6 năm 2022 và có nội dung tuân theo GDPR. Luật có quy định về chuyển dữ liệu xuyên biên giới, và việc rò rỉ dữ liệu phải được báo cáo trong vòng 72 giờ. Khi vi phạm, mức phạt tiền tối đa là 5 triệu baht và có khả năng chịu án phạt tù.

Trong bối cảnh triển khai LLM, PDPA phát huy tác dụng ở hai điểm sau. Thứ nhất, hành vi gửi câu lệnh có chứa thông tin cá nhân tới API thương mại có thể được coi là hoạt động xử lý dữ liệu cá nhân theo PDPA. Thứ hai, nhật ký câu lệnh và kết quả được lưu cho mục đích kiểm toán cũng có thể chứa dữ liệu cá nhân, nên thời hạn lưu trữ và biện pháp bảo vệ cũng thuộc phạm vi của PDPA. Doanh nghiệp không cần chờ luật AI được thông qua, chỉ riêng từ góc nhìn PDPA là đã có thể rà soát ngay thiết kế của lớp nền tảng.

Ngoài ra, việc công bố các dịch vụ công như TH-AI Passport là chuyện khác với việc xây dựng luật AI. Xin lưu ý đừng viết vào tài liệu nội bộ rằng luật đã có, chỉ vì chính phủ công bố một chính sách liên quan tới AI.

EU AI Act – thông tin tham khảo khi có cơ sở hoặc giao dịch trong EU

Nếu khách hàng chính là các doanh nghiệp tại Thái Lan và Việt Nam thì trọng tâm nằm ngoài lãnh thổ EU, nhưng khi có cơ sở hoặc giao dịch trong EU thì vẫn có thể bị ảnh hưởng, nên xin đề cập để tham khảo. Việc thực thi chính thức EU AI Act bắt đầu từ ngày 2 tháng 8 năm 2026, và mức phạt khi vi phạm được nêu là tối đa 35 triệu euro hoặc 6% doanh thu toàn cầu. Ngay trong các doanh nghiệp sản xuất vốn Nhật, những công ty xuất hàng sang châu Âu hoặc có pháp nhân tại châu Âu cũng nên kiểm tra xem mình có thuộc diện điều chỉnh hay không.

Khung ra quyết định – doanh nghiệp ứng dụng LLM hợp với cách sở hữu nào

Xin đưa toàn bộ nội dung tới đây về dạng có thể phán đoán được. Trả lời lần lượt các mục sau thì phương hướng về cách sở hữu nền tảng sẽ hiện ra.

Kết quả của tám mục này gần như hội tụ về ba mẫu hình.

Mẫu hình A, API thương mại là đủ. Là doanh nghiệp có lượng xử lý chưa chạm 10 triệu token mỗi ngày, tài liệu xử lý không có tính nhạy cảm cao, và không bố trí được nhân sự hạ tầng chuyên trách. Phần lớn doanh nghiệp bắt đầu từ đây. Nếu ở đây mà cố chọn tự vận hành nội bộ thì cả chi phí lẫn nhân sự đều không tương xứng.

Mẫu hình B, kết hợp là hợp lý. Là doanh nghiệp có nhóm tài liệu nhạy cảm và nhóm tài liệu thông thường tách bạch rõ ràng, đồng thời lượng xử lý cũng đang tăng lên. Chỉ đặt các tác vụ nhạy cảm ở phía tự vận hành nội bộ, phần còn lại giữ ở API thương mại. Đây cũng chính là hình thức mà tài liệu so sánh triển khai nêu trên coi là điểm hội tụ của kiến trúc vận hành thực tế.

Mẫu hình C, lấy tự vận hành nội bộ làm trung tâm. Là doanh nghiệp có lượng xử lý lớn, phần lớn dữ liệu xử lý là tài sản trí tuệ hoặc thuộc diện bị quản lý, có yêu cầu tự giữ nhật ký kiểm toán, và bảo đảm được nhân sự vận hành. Số doanh nghiệp thuộc diện này không nhiều, nhưng nếu đã thuộc diện thì cấu trúc của bài toán khiến các lựa chọn khác khó thực hiện.

Điều quan trọng là phán đoán này không kết thúc sau một lần. Lượng xử lý thay đổi khi mục đích sử dụng tăng lên, còn quy định pháp luật thì tiến triển kèm theo mốc thời hạn, giống như thời gian ân hạn của Việt Nam. Ít nhất mỗi năm một lần, doanh nghiệp nên đưa việc đối chiếu giá trị đo thực tế với tình hình pháp lý rồi phán đoán lại vào trong quy trình vận hành.

Câu hỏi thường gặp (FAQ)

LLM là gì

LLM là viết tắt của mô hình ngôn ngữ lớn, chỉ những mô hình được huấn luyện trên khối lượng văn bản khổng lồ và sinh ra từ ngữ tiếp theo của ngữ cảnh được đưa vào theo cơ chế xác suất. Khi ra quyết định kinh doanh, điều quan trọng là tách riêng ba lớp gồm ứng dụng mà người dùng chạm vào, cơ chế kết nối đưa dữ liệu nội bộ tới mô hình, và bản thân LLM thực hiện suy luận. Các công cụ hội thoại như ChatGPT là sản phẩm thuộc lớp ứng dụng, còn việc vận hành LLM chạy phía sau nó ở đâu và như thế nào là một quyết định khác, thuộc lớp nền tảng.

Chi phí triển khai LLM khoảng bao nhiêu

Vì tính chất chi phí thay đổi theo cách sở hữu nền tảng nên không thể đưa ra một mức tham chiếu duy nhất. API thương mại tính phí theo mức dùng, và theo các bài so sánh giá tính đến tháng 8 năm 2026 thì đơn giá trên mỗi 1 triệu token chênh nhau rất lớn giữa mô hình cao cấp nhất và nhóm giá rẻ nhất. Tự vận hành nội bộ có cấu trúc gồm đầu tư phần cứng ban đầu và chi phí cố định khi vận hành, với ước tính rằng ngay cả doanh nghiệp cỡ vừa cũng dựng được môi trường AI riêng tư bằng cách kết hợp phần cứng khoảng 10,000-15,000 USD với các mô hình nguồn mở có năng lực ngang ngửa API thương mại ở nhiều mục đích nghiệp vụ. Tuy nhiên con số này là mức tham chiếu cho đầu tư ban đầu, chi phí vận hành bảo trì và nhân sự vẫn phải tính riêng. Trên thực tế, chúng tôi khuyến nghị thứ tự là trước hết nuôi các mục đích sử dụng bằng API thương mại và đo thực tế lượng xử lý, rồi dựa vào con số đó để phán đoán lại.

Dùng dữ liệu nội bộ cho AI tạo sinh có an toàn không

Phán đoán khác nhau theo từng loại dữ liệu. Các tài liệu thông thường như quy chế nội bộ hay quy trình thao tác thì nhiều trường hợp xử lý bằng API thương mại cũng không có vấn đề gì. Ngược lại, tài sản trí tuệ như bản vẽ và điều kiện gia công, đối tượng thuộc thỏa thuận bảo mật với khách hàng, cùng dữ liệu cá nhân thì cần chốt xong nơi gửi tới và điều kiện lưu trữ rồi mới xử lý. Đặc biệt khi đã dựng cơ chế tìm kiếm tài liệu, tài liệu đã đưa vào phạm vi tìm kiếm sẽ tự động được gửi tới mô hình ngay khi khớp với câu hỏi. Vì không phải mỗi lần đều có người phán đoán rồi mới gửi, nên điểm mấu chốt trên thực tế là hoàn tất việc phân loại tài liệu đưa vào phạm vi tìm kiếm trước.

Khi triển khai LLM tại Thái Lan cần tuân thủ những quy định nào

Tính đến tháng 8 năm 2026, các đạo luật liên quan tới AI của Thái Lan vẫn chưa có hiệu lực và đang ở giai đoạn dự thảo. Bộ Kinh tế và Xã hội số đã nêu phương hướng hoàn tất việc xây dựng luật trong năm tài khóa 2026. Mặt khác, Luật Bảo vệ dữ liệu cá nhân, gọi tắt là PDPA, đã được thi hành đầy đủ từ ngày 1 tháng 6 năm 2022, có quy định về chuyển dữ liệu xuyên biên giới và nghĩa vụ báo cáo rò rỉ dữ liệu trong vòng 72 giờ, khi vi phạm thì mức phạt tiền tối đa là 5 triệu baht và có khả năng chịu án phạt tù. Việc cần làm trước không phải là chờ luật AI được thông qua, mà là rà soát việc gửi câu lệnh và việc lưu nhật ký theo góc nhìn PDPA. Ngoài ra, Luật AI của Việt Nam đã có hiệu lực từ ngày 1 tháng 3 năm 2026, tức tình hình khác với Thái Lan. Doanh nghiệp có cơ sở tại cả hai nước xin lưu ý đừng bê nguyên cùng một thiết kế sang cả hai bên.

Tổng kết – quyết định cách sở hữu nền tảng trước sẽ giảm việc làm lại về sau

Quyết định triển khai LLM không phải là công việc so đo hơn thua giữa các sản phẩm. Cách sở hữu nền tảng được quyết định bởi ba biến số gồm tính chất dữ liệu doanh nghiệp xử lý, lượng xử lý mỗi tháng, và mức trách nhiệm bảo mật doanh nghiệp có thể tự gánh.

Xin sắp xếp lại nội dung của bài viết này. Lựa chọn ở lớp nền tảng có ba, gồm dùng API thương mại, tự vận hành nội bộ và kết hợp, trong đó kiến trúc vận hành thực tế được cho là có xu hướng hội tụ về kết hợp. Cấu trúc chi phí khác nhau về tính chất giữa tính theo mức dùng và chi phí cố định, còn vùng được cho là chắc chắn có lợi cho tự vận hành nội bộ là vùng khối lượng lớn vượt 10 triệu token mỗi ngày. Chốt chi phí cố định ngay ở giai đoạn khởi động khi chưa đọc được lượng xử lý là bất lợi, hợp lý hơn là nuôi các mục đích sử dụng bằng API thương mại rồi đo thực tế.

Mặt khác, thứ không thể quyết định chỉ bằng chi phí là tính chất của dữ liệu. Ngay khi dựng cơ chế tìm kiếm tài liệu, thiết kế sẽ chuyển sang trạng thái sau. Tài liệu nằm trong phạm vi tìm kiếm sẽ tự động được gửi tới mô hình. Kết quả của việc phân loại xem dữ liệu thiết kế, bản vẽ do khách hàng cung cấp và dữ liệu cá nhân sẽ đặt lên nền tảng nào chính là thiết kế của cấu hình kết hợp.

Về quy định pháp luật, xin tuyệt đối đừng nhầm lẫn khác biệt rằng Luật AI của Việt Nam đã có hiệu lực từ ngày 1 tháng 3 năm 2026 với thời gian ân hạn được đặt tới tháng 3 năm 2027 và tháng 9 năm 2027, trong khi các đạo luật liên quan tới AI của Thái Lan tính đến tháng 8 năm 2026 vẫn ở giai đoạn dự thảo. Và tại Thái Lan thì PDPA đã được thi hành đầy đủ, nên có những điểm cần rà soát mà không phải chờ luật AI được thông qua.

Thứ tăng thêm khi chọn tự vận hành nội bộ là công việc vận hành chứ không phải chi phí phần cứng. Doanh nghiệp có xây dựng và duy trì được bằng nhân sự của mình một cơ chế kiểm toán ghi lại câu lệnh, kết quả và sự kiện truy cập dưới dạng không thể sửa đổi hay không. Xin hãy kiểm tra triển vọng về nhân sự này trước cả chi phí phần cứng.

Chúng tôi cũng nhận tư vấn ở giai đoạn bạn còn chưa quyết định nền tảng, hoặc giai đoạn bạn muốn sắp xếp lại xem rốt cuộc công ty mình rơi vào mẫu hình nào. Những điểm như cách ước lượng lượng xử lý, cách tiến hành phân loại tài liệu nội bộ, hay cách chia thiết kế giữa cơ sở tại Thái Lan và cơ sở tại Việt Nam, nếu được sắp xếp trước khi đi lấy báo giá thì việc phải làm lại về sau sẽ ít đi. Ngay khi bạn còn đang trong quá trình cân nhắc, hãy liên hệ với chúng tôi qua biểu mẫu liên hệ bất cứ lúc nào.

Thông tin tham khảo

1. So sánh triển khai LLM giữa tự vận hành nội bộ và đám mây

Đây là nguồn cho các nội dung sau: xu hướng kiến trúc vận hành thực tế hội tụ về mô hình kết hợp, cấu hình xử lý trong nội bộ những tác vụ có tính bảo mật cao và lượng xử lý lớn còn để lại cho API thương mại những tác vụ suy luận nặng nhất, việc chọn tự vận hành nội bộ đồng nghĩa với đưa gánh nặng bảo mật và tuân thủ vào trong nội bộ, và việc cơ chế kiểm toán ghi lại câu lệnh, kết quả cùng sự kiện truy cập dưới dạng không thể sửa đổi là nền móng của việc đó. Vì đây là bài kỹ thuật do một nhà cung cấp viết nên chúng tôi trích dẫn như một xu hướng chứ không phải số liệu thống kê.

Self-Hosted vs Cloud LLM Deployment Guide | Prediction Guard

2. Hướng dẫn triển khai AI riêng tư cho doanh nghiệp

Đây là nguồn cho các nội dung sau: ở vùng khối lượng lớn vượt 10 triệu token mỗi ngày thì tự vận hành nội bộ chiếm ưu thế về chi phí trong vòng 18 tháng, tính đến năm 2026 ngay cả doanh nghiệp cỡ vừa cũng dựng được môi trường AI riêng tư bằng cách kết hợp phần cứng khoảng 10,000-15,000 USD với các mô hình nguồn mở, và các loại dữ liệu phù hợp với tự vận hành nội bộ gồm dữ liệu mật liên quan tới quốc phòng, dữ liệu tài chính thuộc diện bị quản lý, tài sản trí tuệ của ngành sản xuất cùng việc tự giữ nhật ký kiểm toán nhiều năm. Tất cả đều là ước tính của một trang thuộc phía nhà cung cấp, không phải con số được bảo đảm.

Private AI Deployment Guide for Enterprise | Petronella Technology Group

3. Thông tin giá của Claude Opus

Đây là nguồn cho nội dung rằng giá API của Claude Opus thế hệ 4.8 là 5 USD trên mỗi 1 triệu token đầu vào và 25 USD trên mỗi 1 triệu token đầu ra, giữ nguyên mặt bằng từ Opus 4.5. Đây là mức tham chiếu theo các bài so sánh giá tính đến tháng 8 năm 2026, chưa được kiểm chứng sơ cấp trên trang công bố chính thức.

Claude Opus Pricing | eesel AI

4. So sánh giá API của các LLM

Đây là nguồn cho các mức giá GPT-5.2 là 1.75 USD đầu vào và 14.00 USD đầu ra, GPT-5.5 là 5 USD đầu vào và 30 USD đầu ra, DeepSeek V4 Flash là 0.14 USD đầu vào và 0.28 USD đầu ra, tất cả tính trên mỗi 1 triệu token, cùng nội dung rằng hợp đồng dành cho doanh nghiệp lớn thông thường được áp dụng chiết khấu theo sản lượng khoảng 20-60% khi vượt một lượng sử dụng nhất định.

LLM API Pricing Comparison – GPT, Claude, Gemini, DeepSeek 2026 | Spheron Network

5. Chủ quyền dữ liệu AI của doanh nghiệp

Đây là nguồn cho nội dung rằng việc thực thi chính thức EU AI Act bắt đầu từ ngày 2 tháng 8 năm 2026 và mức phạt khi vi phạm là tối đa 35 triệu euro hoặc 6% doanh thu toàn cầu.

AI Data Sovereignty for Enterprise | NeuralTrust

6. Bài phân tích về Luật AI của Việt Nam

Đây là nguồn cho nội dung rằng Luật AI của Việt Nam, luật số 134/2025/QH15, có hiệu lực từ ngày 1 tháng 3 năm 2026, với thời gian ân hạn 12 tháng cho các hệ thống AI thông thường, tức tới tháng 3 năm 2027, và thời gian ân hạn 18 tháng cho các lĩnh vực trọng yếu như y tế và tài chính, tức tới tháng 9 năm 2027.

Vietnam – Artificial Intelligence Law, Foundation and Outlook | Baker McKenzie

7. Chỉ thị thực thi đối với các nền tảng AI tại Việt Nam

Đây là nguồn cho các nội dung sau: Luật AI của Việt Nam mở rộng yêu cầu nội địa hóa dữ liệu không chỉ tới nơi lưu trữ mà tới cả nơi xử lý, nền tảng AI muốn được phê duyệt cho mua sắm chính phủ phải đặt hạ tầng vận hành trong lãnh thổ Việt Nam và dịch vụ AI đám mây xử lý tài liệu của cơ quan nhà nước trên máy chủ ở nước ngoài không đáp ứng tiêu chuẩn, cùng yêu cầu nhà cung cấp nước ngoài cung ứng AI rủi ro cao phải thiết lập hiện diện thương mại trong lãnh thổ Việt Nam hoặc chỉ định người đại diện. Đây là yêu cầu dành cho mua sắm chính phủ, không được áp dụng đồng loạt cho toàn bộ hoạt động của doanh nghiệp tư nhân.

Vietnam Bans Classified Documents on AI Platforms | Tech Times

8. Tình hình xây dựng luật AI của Thái Lan

Đây là nguồn cho nội dung rằng cơ quan quản lý Thái Lan đã hợp nhất sắc lệnh hoàng gia năm 2022 với dự luật hỗ trợ năm 2023 và công bố bản dự thảo về các nguyên tắc của luật AI vào tháng 5 năm 2025, cùng nội dung rằng các đạo luật liên quan tới AI của Thái Lan tính đến tháng 8 năm 2026 vẫn chưa có hiệu lực và đang ở giai đoạn dự thảo.

Diễn biến về Luật AI của Thái Lan | Bangkok Shuho

9. Phương hướng của chính phủ Thái Lan tại Tuần lễ Quản trị AI 2026

Đây là nguồn cho nội dung rằng Bộ Kinh tế và Xã hội số đã công bố phương hướng hoàn tất việc xây dựng các đạo luật liên quan tới AI trong năm tài khóa 2026, tại sự kiện Tuần lễ Quản trị AI 2026 ngày 29 tháng 6 năm 2026.

Đưa tin về chính sách AI của Thái Lan | Thaich.net

10. Luật Bảo vệ dữ liệu cá nhân của Thái Lan, gọi tắt là PDPA

Đây là nguồn cho nội dung rằng PDPA của Thái Lan được thi hành đầy đủ từ ngày 1 tháng 6 năm 2022 với nội dung tuân theo GDPR, có quy định về chuyển dữ liệu xuyên biên giới và nghĩa vụ báo cáo rò rỉ dữ liệu trong vòng 72 giờ, và khi vi phạm thì mức phạt tiền tối đa là 5 triệu baht cùng khả năng chịu án phạt tù.

Luật Bảo vệ Thông tin Cá nhân của Thái Lan (PDPA) | KPMG Japan