#23 - Kỹ Thuật: “Nghề cao quý nhất” trong Kỷ Nguyên AI?
Tiến Phong
Cuối tháng 4, tại New York, người đàn ông 63 tuổi trong chiếc áo khoác da đen đặc trưng bước lên sân khấu Lễ Vinh danh của Viện Kỹ sư Điện và Điện tử (IEEE) để nhận Huy chương Danh dự – giải thưởng cao nhất của tổ chức chuyên gia kỹ thuật lớn nhất thế giới, kèm giá trị 2 triệu USD, vinh danh những cá nhân mở rộng biên giới “Công nghệ vì nhân loại.”
Người đó là Jensen Huang, CEO kiêm đồng sáng lập Nvidia – công ty có vốn hóa vượt 5.100 tỷ USD, lớn nhất hành tinh. Và thông điệp mà ông mang đến không phải về chip hay GPU, mà về một câu hỏi tưởng chừng giản dị: Trong kỷ nguyên AI, giới trẻ nên học ngành gì? Câu trả lời khiến nhiều người bất ngờ. Không phải khoa học máy tính. Không phải IT. Không phải khoa học dữ liệu. Mà là ngành Kỹ thuật (Engineering) – cụ thể là các nhánh gắn liền với vật lý, toán học và thế giới vật chất.
Từ cậu bé rửa bát đến “Vua chip”
Sinh năm 1963 tại Đài Bắc, Huang lớn lên ở Đài Nam, chuyển đến Thái Lan rồi sang Mỹ từ khi còn nhỏ. Tại Kentucky, cậu bé nhập cư học ở một trường nội trú. Tại Oregon, từ năm 15 tuổi, cậu giao báo, rửa bát tại nhà hàng Denny’s, nhổ cỏ thuê... Huang tốt nghiệp Trung học sớm hai năm và theo học ngành Kỹ thuật điện (Electrical Engineering – ngành thiết kế, phát triển và thử nghiệm các hệ thống điện và điện tử) tại Đại học bang Oregon, lấy bằng cử nhân (BSEE – Bachelor of Science in Electrical Engineering) năm 1984 khi mới 20 tuổi. Chính tại giảng đường kỹ thuật điện này, chàng sinh viên 17 tuổi gặp Lori Mills – cô bạn cùng phòng thí nghiệm, người sau này trở thành vợ ông. Tại Oregon, ông gia nhập IEEE và bắt đầu nhìn thấy sức mạnh biến đổi của công nghệ.
Sau bằng thạc sĩ kỹ thuật điện (MSEE – Master of Science in Electrical Engineering) tại Stanford (1992), Huang cùng hai đồng nghiệp kỹ sư Chris Malachowsky và Curtis Priem phác thảo ý tưởng Nvidia trên chiếc bàn nhà hàng Denny’s năm 1993. Ba mươi ba năm sau, công ty này trở thành nền tảng phần cứng cho toàn bộ cuộc cách mạng AI. Hành trình từ cậu bé rửa bát đến người đứng đầu công ty giá trị cao nhất hành tinh là minh chứng sống động nhất cho sức mạnh của nền tảng kỹ thuật: Không phải nhờ thiên tài lập trình, mà tư duy kỹ sư đã xây dựng nên Nvidia hôm nay.
“Engineering” cụ thể là gì?
Khi Huang nói “Engineering”, ông không nói về lập trình phần mềm hay phát triển ứng dụng di động – những kỹ năng mà ông công khai cho rằng đã bão hòa và ngày càng bị AI tự động hóa. Ông nói rõ với tạp chí Fortune: “Kỹ thuật dạy bạn bắt đầu từ các nguyên lý cơ bản (first principles – những chân lý nền tảng không thể rút gọn hơn), lấy vật lý và toán học làm nền tảng và áp dụng vào các vấn đề thực tế.” “Engineering” của Huang bao gồm một phổ rộng:
Thứ nhất, Kỹ thuật điện và điện tử (Electrical & Electronic Engineering – ngành thiết kế mạch điện, hệ thống truyền tải điện và các thiết bị điện tử) – đây chính là ngành mà bản thân Huang theo học. Nó bao gồm thiết kế vi mạch (microchip design), kiến trúc chip (chip architecture), xử lý tín hiệu (signal processing), hệ thống nhúng (embedded systems – máy tính nhỏ được tích hợp vào thiết bị). Không có kỹ sư điện tử, không có GPU, và không có AI.
Thứ hai, Kỹ thuật phần cứng máy tính (Computer hardware engineering – ngành thiết kế bộ xử lý, bộ nhớ và các linh kiện vật lý của máy tính) – bao gồm thiết kế bộ xử lý (processors), bộ nhớ (memory), kiến trúc trung tâm dữ liệu (data center architecture – những “nhà máy” chứa hàng nghìn máy chủ phục vụ AI). Theo Cục Thống kê Lao động Hoa Kỳ (BLS – Bureau of Labor Statistics), mức lương trung vị năm 2024 của kỹ sư phần cứng máy tính đạt 155.020 USD/năm – cao nhất trong tất cả các ngành kỹ thuật.
Thứ ba, Khoa học Vật lý ứng dụng (Physical Sciences – nhóm ngành nghiên cứu các quy luật tự nhiên của thế giới vật chất) – vật lý, hóa học, khoa học vật liệu, thiên văn, khoa học Trái Đất. Tại Bắc Kinh tháng 7/2025, Huang nói thẳng: Nếu được quay lại tuổi 20, ông sẽ chọn khoa học vật lý. Lý do: Thế hệ AI tiếp theo – Physical AI (AI Vật lý – hệ thống AI có khả năng tương tác với thế giới vật chất như lái xe, vận hành robot) – đòi hỏi hiểu biết về định luật chuyển động, ma sát, quán tính, quan hệ nhân quả.
Thứ tư, Kỹ thuật hệ thống và vi kiến trúc (Systems Engineering & Microarchitecture – lĩnh vực tối ưu hiệu năng và thiết kế cấu trúc bên trong của chip) – lĩnh vực tối ưu hiệu năng chip, thiết kế pipeline (quy trình xử lý dữ liệu tuần tự) và tích hợp phần cứng-phần mềm ở cấp thấp nhất. Jonah Alben, kỹ sư trưởng GPU của Nvidia suốt 28 năm, là hiện thân của mẫu nhân lực này.
Bốn làn sóng AI và sự trỗi dậy không thể đảo ngược của “AI vật lý”
Để hiểu vì sao Huang đặt cược vào kỹ thuật và vật lý thay vì phần mềm, cần nắm bắt bản đồ tiến hóa AI mà ông đã trình bày tại nhiều diễn đàn quốc tế.
Làn sóng 1 – Perception AI (AI Nhận thức, ~2012): Khởi đầu với AlexNet (một mô hình học sâu đột phá trong nhận dạng hình ảnh năm 2012), khi thị giác máy tính (computer vision) đạt bước đột phá. Máy học cách “nhìn” hình ảnh.
Làn sóng 2 – Generative AI (AI Tạo sinh, ~2022): Mô hình AI hiểu ý nghĩa thông tin và chuyển đổi giữa ngôn ngữ, hình ảnh, mã lệnh. ChatGPT là biểu tượng của làn sóng này.
Làn sóng 3 – Reasoning AI (AI Lý luận, ~2024–2025): AI có thể suy luận, giải quyết vấn đề, nhận dạng điều kiện chưa từng gặp. Tác nhân AI tự chủ (AI Agent) ra đời. Khác với chatbot (trợ lý hội thoại) thông thường chỉ trả lời câu hỏi, AI Agent là hệ thống phần mềm có khả năng tự nhận thức môi trường, tư duy, ra quyết định và thực hiện hành động tự động để đạt được mục tiêu cụ thể – bao gồm tự thao tác các công cụ, tra cứu dữ liệu và xử lý quy trình phức tạp. Tại Hội nghị Công nghệ GPU thường niên của Nvidia (GTC 2026), Huang dự báo mỗi kỹ sư sẽ có 100 AI Agent, và Nvidia sẽ có “hàng trăm nghìn nhân viên kỹ thuật số” bên cạnh 42.000 nhân viên “sinh học”.
Làn sóng 4 – Physical AI (AI Vật lý, đang đến): AI không chỉ xử lý ngôn ngữ trên màn hình mà phải hiểu và tương tác với thế giới vật chất: lái xe tự hành, vận hành robot công nghiệp, điều phối nhà máy thông minh. Huang giải thích: “Làn sóng tiếp theo đòi hỏi chúng ta phải hiểu những thứ như định luật vật lý, ma sát, quán tính, nguyên nhân và kết quả.”
Đây chính là điểm mấu chốt: Ba làn sóng đầu chủ yếu cần kỹ sư phần mềm và nhà khoa học dữ liệu. Nhưng làn sóng thứ tư – Physical AI – đòi hỏi người hiểu vật lý, cơ học, điện tử, thiết kế hệ thống phần cứng. Đó là lãnh thổ của kỹ sư, không phải lập trình viên. Và đó là lý do Huang tuyên bố kỹ thuật sẽ “thống trị” kỷ nguyên AI.
Nhận định của Jensen Huang không treo lơ lửng trong không trung. Dữ liệu từ báo cáo Dự báo việc làm 2024–2034 công bố tháng 3/2026 cho thấy một bức tranh rõ ràng:
Tốc độ tăng trưởng việc làm trung bình toàn thị trường Mỹ là 3,1%. Trong khi đó, kỹ sư công nghiệp tăng 11%, kỹ sư cơ khí tăng 9,1%, kỹ sư điện tăng 7% – đều vượt xa mức trung bình. Mức lương trung vị (median salary – mức lương mà 50% người kiếm nhiều hơn và 50% kiếm ít hơn) của kỹ sư phần cứng máy tính đạt 155.020 USD/năm, kỹ sư điện tử đạt 127.590 USD/năm, kỹ sư điện đạt 111.910 USD/năm. Nhu cầu điện năng liên quan đến AI, xe điện và trung tâm dữ liệu đang đẩy các ngành sản xuất thiết bị điện trở thành nhóm tăng trưởng nhanh nhất.
Ba yếu tố cộng hưởng tạo ra “cơn khát” kỹ sư chưa từng có: Thế hệ Baby Boomer (những người sinh từ 1946–1964) nghỉ hưu ồ ạt khỏi ngành kỹ thuật, rào cản nhập cư tại Mỹ thu hẹp nguồn cung kỹ sư quốc tế, và nhu cầu bùng nổ từ ba lĩnh vực chiến lược – AI, năng lượng sạch và quốc phòng. Nvidia – minh chứng sống – hiện có khoảng 42.000 nhân viên và công bố kế hoạch nhân đôi lên 75.000 trong thập kỷ tới.
Vì sao AI không thay thế mà là mở rộng việc làm kỹ thuật
Một trong những lập luận tinh tế nhất của Huang xuất hiện trong cuộc trò chuyện với Lex Fridman vào tháng 4/2026. Ông kể về “nghịch lý bác sĩ X-quang” (radiology paradox): các nhà khoa học máy tính từng dự đoán X-quang là nghề đầu tiên bị AI thay thế, vì computer vision sẽ đạt mức “siêu phàm.” Đúng là đến khoảng năm 2020, mọi nền tảng X-quang đều chạy bằng AI. Nhưng trên thực tế, số lượng bác sĩ X-quang không giảm – mà lại tăng. Lý do: Con người đọc phim nhanh hơn, chẩn đoán chính xác hơn, phục vụ nhiều bệnh nhân hơn. Nhu cầu tăng vọt, và ngành này vẫn thiếu người.
Bài học cho ngành kỹ thuật hoàn toàn tương tự: AI không xóa bỏ kỹ sư mà biến mỗi kỹ sư thành một “nhạc trưởng” chỉ huy dàn nhạc gồm hàng trăm Tác nhân AI tự chủ. Tại GTC 2026, Huang dự báo: “Trong quá khứ, chúng ta viết code (mã lệnh). Trong tương lai, chúng ta sẽ viết ý tưởng, kiến trúc, đặc tả… định nghĩa thế nào là tốt.” Giá trị của kỹ sư chuyển từ “người thực thi” sang “người đạo diễn”. Và để đạo diễn được dàn nhạc AI, bạn cần hiểu nguyên lý vật lý sâu sắc hơn, chứ không chỉ biết gõ code.
Tại GTC 2026, Huang đưa ra mô hình bồi thường hoàn toàn mới: Bên cạnh lương cơ bản, kỹ sư sẽ được cấp “ngân sách token” (token là đơn vị dữ liệu mà hệ thống AI sử dụng để xử lý thông tin; càng nhiều token được tiêu thụ nghĩa là kỹ sư càng tận dụng AI nhiều hơn). Ông nói: “Kỹ sư lương 500.000 USD mà cuối năm không tiêu thụ ít nhất 250.000 USD token, tôi sẽ vô cùng lo ngại”. Phát biểu này đảo ngược tư duy quản trị truyền thống: Thước đo không còn là hiệu suất cá nhân thuần túy, mà là khả năng khuếch đại năng suất thông qua AI.
Năm nguyên tắc cho giới trẻ
Tổng hợp từ phỏng vấn Fortune, phát biểu tại IEEE, GTC 2026 và podcast Lex Fridman, Jensen Huang để lại năm nguyên tắc cốt lõi:
1. Trở thành chuyên gia AI ngay bây giờ: “Mỗi người trẻ nên trở thành chuyên gia AI. Đó là công nghệ đáng kinh ngạc, giúp hạ thấp đáng kể rào cản kiến thức của bất kỳ lĩnh vực nào”. AI là công cụ khuếch đại, nhưng bạn cần có nền tảng để khuếch đại.
2. Xây nền tảng từ nguyên lý cơ bản: Vật lý, toán ứng dụng, kỹ thuật điện tử – đó là những viên gạch không bao giờ lỗi thời.
3. Rèn luyện sự kiên cường: “Những kết quả quan trọng nhất ban đầu thường có vẻ bất khả thi”. Kỹ thuật dạy bạn chấp nhận thất bại và tiếp tục. Nvidia dưới sự dẫn dắt của Huang từng đi qua nhiều giai đoạn suýt phá sản trước khi thành công.
4. Phân biệt nghề nghiệp và công cụ: “Mục đích công việc của bạn, và các nhiệm vụ cùng công cụ bạn dùng, có liên quan nhưng không giống nhau”. Đừng sợ AI thay thế công việc – hãy sợ bị thay thế bởi người biết dùng AI giỏi hơn mình.
5. Giữ sự tò mò và tiến về phía trước: “Chúng ta đang ở khởi đầu của một cuộc cách mạng công nghiệp mới. AI đã reset (khởi động lại từ đầu) khoa học và kỹ thuật, và theo nhiều cách, mọi người đều đang đứng cùng một vạch xuất phát. Chưa bao giờ có thời điểm nào tốt hơn để bước chân vào lĩnh vực này”.
Khi được tạp chí Fortune hỏi ông coi kỹ thuật là gì, Jensen Huang trả lời: “Theo thời gian, tôi đã nhận ra kỹ thuật là nghề cao quý nhất (the most noble profession). Đó là viên gạch nền tảng của xã hội hiện đại, tạo điều kiện cho mọi thứ từ hạ tầng đến tính toán đến khoa học”.
Phát biểu trên không đến từ một giáo sư hay nhà lý thuyết. Nó đến từ người đã xây dựng nên một công ty lớn nhất hành tinh bằng chính nền tảng kỹ thuật điện mà ông học từ tuổi 17. Nó được hậu thuẫn bởi dữ liệu thị trường lao động Mỹ, bởi tầm nhìn về AI Vật lý – làn sóng AI tiếp theo sẽ xâm nhập thế giới vật chất, bởi kế hoạch nhân đôi nhân sự Nvidia, và bởi thực tế rằng mọi mô hình AI dù tiên tiến đến đâu cũng chạy trên chip – sản phẩm của kỹ sư.
Việt Nam - từ “nhà cung cấp phần mềm” đến “cường quốc kỹ thuật”?
Jensen Huang đã nhiều lần đến và ca ngợi Việt Nam. Ông gọi đất nước này là “ngôi nhà thứ hai” của Nvidia và nhấn mạnh Việt Nam là “nhà cung cấp kỹ sư phần mềm lớn thứ hai thế giới”. Chính phủ Việt Nam và Nvidia đã thỏa thuận mở Trung tâm Nghiên cứu và Phát triển và Trung tâm Dữ liệu AI.
Về mặt thể chế, Việt Nam đã có bước tiến quan trọng khi Quốc hội thông qua Luật Trí tuệ Nhân tạo số 134/2025/QH15 ngày 10/12/2025, có hiệu lực từ 1/3/2026. Đây là khung pháp lý đầu tiên tại Việt Nam điều chỉnh toàn bộ vòng đời của hệ thống AI, từ phát triển, triển khai đến vận hành. Luật phân loại hệ thống AI theo ba mức rủi ro (cao, trung bình, thấp), đặt ra yêu cầu minh bạch, trách nhiệm giải trình, và lấy con người làm trung tâm. Hiện nay, Bộ Khoa học và Công nghệ đang hoàn thiện dự thảo Nghị định quy định chi tiết và hướng dẫn thi hành Luật này, nhằm cụ thể hóa 15 khoản nội dung về phân loại rủi ro, cơ chế thử nghiệm có kiểm soát (sandbox – môi trường thử nghiệm giới hạn để test công nghệ mới mà không ảnh hưởng đến hệ thống thực), hạ tầng AI, và phát triển hệ sinh thái đổi mới sáng tạo. Đặc biệt, dự thảo Nghị định ưu tiên làm chủ các công nghệ then chốt bao gồm phần cứng, bán dẫn và các công nghệ kỹ thuật phục vụ phát triển AI – hoàn toàn trùng khớp với thông điệp của Jensen Huang về tầm quan trọng của nền tảng kỹ thuật cứng.
Tuy nhiên, nếu xu hướng toàn cầu chuyển dịch mạnh sang AI vật lý, robot và phần cứng chuyên dụng, thì lợi thế phần mềm hiện tại có thể chưa đủ. Việt Nam cần ba bước chuyển đổi chiến lược:
Thứ nhất, đẩy mạnh đào tạo kỹ thuật nền tảng: Các trường đại học kỹ thuật hàng đầu – Đại học Bách khoa Hà Nội, Đại học Quốc gia, Đại học Bách khoa TP.HCM – cần tăng cường chương trình liên ngành giữa kỹ thuật điện tử, vật lý bán dẫn (semiconductor physics – vật lý của các vật liệu dùng làm chip), thiết kế vi mạch (IC design – Integrated Circuit design) và AI. Mô hình Đại học Kỹ thuật Munich (TUM - Technische Universität München) với cơ chế Triple Helix (đại học – doanh nghiệp – nhà nước) là một tham chiếu quan trọng.
Thứ hai, xây dựng hệ sinh thái thiết kế chip: Việt Nam đã có FPT Semiconductor, nhưng cần mở rộng đáng kể hệ sinh thái này. Nghị quyết 57-NQ/TW về đột phá khoa học công nghệ và Luật Trí tuệ Nhân tạo 2025 đã xác định phần cứng và bán dẫn là công nghệ ưu tiên làm chủ; việc triển khai cụ thể qua Nghị định hướng dẫn sẽ là yếu tố quyết định.
Thứ ba, chuyển đổi nhận thức về nghề nghiệp: Trong xã hội Việt Nam, “học IT” hay “học lập trình” thường được hiểu đồng nghĩa với cơ hội việc làm tốt. Thông điệp của Jensen Huang là một lời nhắc nhở: Phần mềm có thể được AI viết thay, nhưng phần cứng, hệ thống vật lý và tư duy kỹ thuật nền tảng thì không. Đây là thông tin quan trọng cho phụ huynh, sinh viên và nhà hoạch định chính sách.
Trong lúc cả thế giới đang đổ xô vào “học AI,” “học code,” “học prompt” (kỹ thuật ra lệnh cho AI), Jensen Huang – người hiểu AI sâu sắc hơn hầu hết mọi người trên hành tinh – lại nói rằng nền tảng thực sự nằm ở vật lý, toán học, kỹ thuật điện tử và tư duy hệ thống. Việt Nam đã có Luật trí tuệ nhân tạo, đã có Nghị quyết 57 về đột phá công nghệ. Khung thể chế cơ bản đã sẵn sàng. Điều còn lại là đầu tư đúng vào con người – và con người đó chính là các kỹ sư. Kỹ thuật không phải nghề của quá khứ. Trong kỷ nguyên AI, nó chính là nghề của tương lai – và có lẽ, như Huang tin tưởng, là nghề cao quý nhất.
Nguồn tham khảo chính: Fortune (29/4/2026), IEEE Spectrum (16/1/2026), CNBC (18/7/2025, 20/3/2026), Inc.com (29/4/2026), Benzinga (29/4/2026), Medium/Activated Thinker (18/3/2026), BLS Employment Projections 2024–2034 (3/2026), Luật Trí tuệ Nhân tạo số 134/2025/QH15, Dự thảo Nghị định hướng dẫn thi hành Luật TTNT (Bộ KH&CN, 2/2026).
