Cán cân quyền lực hiện tại trong thế giới mô hình AI mã nguồn mở

Gần đây, tôi được mời tham luận trước một nhóm các nghị sĩ và nhân viên Quốc hội về tình trạng của các mô hình mở (open-weight models) dưới góc nhìn cạnh tranh Mỹ-Trung. Tôi xin chia sẻ những nội dung đã chuẩn bị như một bản báo cáo về tình trạng các mô hình mở, nhằm giúp đông đảo khán giả có thể tiếp cận dễ dàng hơn.

Các mô hình ngôn ngữ mở là những mô hình AI có trọng số (weights) được công khai để kiểm tra hoặc sử dụng cho các mục đích hạ nguồn. Chúng thường được đặt trong thế đối lập với các mô hình AI "đóng". Các mô hình đóng chỉ cung cấp quyền truy cập thông qua Giao diện lập trình ứng dụng (API) để các nhà phát triển truy vấn trực tiếp, ví dụ như GPT-4 hay Claude Opus 4.5, hoặc thông qua các sản phẩm như ChatGPT và Claude Code.

Các mô hình ngôn ngữ mở chủ yếu được chia thành hai loại: mô hình trọng số mở (open-weight) và mô hình mã nguồn mở (open-source). Mô hình trọng số mở là dạng phổ biến nhất, bao gồm các mô hình nổi tiếng như Llama của Meta, Qwen của Alibaba, Gemma của Google hoặc các mô hình của DeepSeek. Các mô hình này được quản lý bởi các giấy phép và tài liệu quy định những gì được phép thực hiện ở hạ nguồn, và thường đi kèm với mã suy luận (inference code) trong các thư viện như Transformers, VLLM, SGLANG, v.v. Kể từ khoảng tháng 4 năm 2025, các công ty AI Trung Quốc đã trở thành những người dẫn đầu rõ rệt trong lĩnh vực mô hình trọng số mở.

Các mô hình "mã nguồn mở" thực thụ cũng tương tự, vì chúng bao gồm trọng số, giấy phép và mã suy luận, nhưng còn bao gồm cả thông tin đầy đủ cần thiết để tái tạo mô hình – đó là mã huấn luyện và dữ liệu huấn luyện. Các mô hình mã nguồn mở nổi bật nhất được xây dựng tại Hoa Kỳ, gần đây nhất là các mô hình Olmo của Viện Allen về AI (Allen Institute for AI) mà tôi đã góp phần xây dựng trong 2,5 năm làm việc tại đó. Các mô hình mã nguồn mở nổi bật khác cũng được xây dựng bởi các tổ chức phi lợi nhuận của Mỹ, bao gồm các mô hình Marin của OpenAthena và Pythia của EleutherAI.

Mô hình trọng số mở, mã nguồn mở và mọi nhãn dán khác cho một mô hình – bao gồm cả các mô hình đóng chủ yếu được cung cấp qua API – đều tồn tại trên một dải phổ. Ví dụ, các mô hình Nemotron của Nvidia cởi mở hơn nhiều so với hầu hết các mô hình trọng số mở khác khi phát hành một lượng lớn dữ liệu huấn luyện theo các giấy phép cho phép, nhưng chúng không hoàn toàn là mã nguồn mở vì không công bố toàn bộ dữ liệu. Các mô hình đóng cũng tồn tại trên một dải phổ dựa trên thông tin mà API tiết lộ và các điều khoản sử dụng.

Chúng ta đang sống trong một thế giới mà GLM-5.2 và Kimi K3, một số mô hình hàng đầu mới nhất của Trung Quốc, đã tạo ra một bước ngoặt về khả năng thương mại của các mô hình mở — vượt qua ngưỡng tương tự về khả năng tác nhân (agentic capabilities) mà Claude Code của Anthropic đã đạt được vào tháng 12 năm 2025.

Mỹ từng là người dẫn đầu sớm trong lĩnh vực mô hình ngôn ngữ mở, chủ yếu thông qua các mô hình Llama của Meta, vốn được sử dụng rộng rãi trong các tác vụ nghiên cứu và thương mại. Các mô hình trọng số mở của Trung Quốc đã vượt qua các mô hình tương đương của Mỹ trong hai lĩnh vực then chốt này khoảng 18 tháng trước. Chỉ số đơn giản thể hiện điều này là lượt tải xuống trên Hugging Face, nơi Trung Quốc đã vươn lên dẫn đầu vào tháng 7 năm 2025, chủ yếu nhờ sự thành công của các mô hình Qwen từ Alibaba. Cá nhân tôi duy trì các công cụ để theo dõi dữ liệu này, và kể từ khi tôi xuất bản Dự án Mô hình Mở Thực thụ của Mỹ (ATOM) vào tháng 8 năm 2025, khoảng cách dẫn đầu về lượt tải xuống của Trung Quốc đã tăng lên khoảng 1,6 tỷ – với tổng cộng 3,2 tỷ lượt tải xuống, gấp đôi tổng số của Mỹ.

Trên các bảng xếp hạng khả năng phổ biến như Chỉ số Trí tuệ Phân tích Nhân tạo (AAII), các mô hình trọng số mở của Trung Quốc có ưu thế rõ rệt so với các đối thủ Mỹ. Ba mô hình Trung Quốc hàng đầu tính đến thời điểm viết bài này vào ngày 14 tháng 9 năm 2026 là GLM-5.3 và GLM-5.3-Flash của Z.ai cùng Kimi K3 của Moonshot AI với số điểm lần lượt là 45, 42 và 44. Để so sánh, các mô hình hàng đầu của Mỹ là Inkling và Inkling Small của Thinking Machines, cả hai đều đạt 26 điểm, và Nemotron 3 Ultra của Nvidia với 23 điểm. Các mô hình hàng đầu của Mỹ được phát hành vào tháng 6 và tháng 7 năm 2026 và được cập nhật ít thường xuyên hơn so với các đối thủ Trung Quốc. Ví dụ, các phòng thí nghiệm Trung Quốc đã phát hành các mô hình có điểm số cao hơn các mô hình Mỹ này từ 2-6 tháng trước khi các công ty Mỹ đạt được (ví dụ: GLM-5 hoặc DeepSeek V4 Pro). Có một xu hướng là ngày càng nhiều công ty Mỹ phát hành mô hình, bao gồm các tên tuổi như Arcee AI, Poolside và IBM, nhưng họ không nhanh chóng thu hẹp được khoảng cách hiệu suất này. Các bảng xếp hạng khác cũng cho thấy câu chuyện tương tự.

Nhìn chung, các mô hình trọng số mở của Trung Quốc chậm hơn khoảng 2-5 tháng so với các mô hình tiên phong (frontier) đóng của Mỹ, trong khi các mô hình trọng số mở của Mỹ chậm hơn khoảng 6-9 tháng so với các đơn vị như OpenAI và Anthropic. Các phòng thí nghiệm Trung Quốc đạt kết quả gần nhất trong các tác vụ có nhu cầu người dùng rõ ràng, chẳng hạn như lập trình tác nhân, và tụt hậu hơn ở các tác vụ khoa học mở hơn, như vật lý hoặc sinh học.

Lý do tại sao các phòng thí nghiệm Trung Quốc có thể tạo ra những mô hình mạnh mẽ này, dù có ít tài nguyên hơn các đối thủ Mỹ, vẫn là một cuộc tranh luận mở và chịu ảnh hưởng nặng nề bởi văn hóa làm việc khác biệt, nhưng cũng bị tác động bởi một vài yếu tố kỹ thuật then chốt. Các phòng thí nghiệm Trung Quốc phát hành mô hình nhanh hơn và tập trung vào phân phối tác vụ hẹp hơn một chút, giúp họ đạt điểm cao hơn trên các bảng xếp hạng công khai. Việc phát hành nhanh giúp họ đạt điểm cao hơn vì tất cả các phòng thí nghiệm đều đang tiến bộ liên tục, vì vậy khi bạn "hoàn thiện" một mô hình để phát hành, đó là một ảnh chụp nhanh về hiệu suất tại thời điểm đó – các phòng thí nghiệm có thời điểm phát hành muộn hơn thường có xu hướng đạt điểm cao hơn. Tuy nhiên, các mô hình do các phòng thí nghiệm Trung Quốc xây dựng thực sự mạnh mẽ và đại diện cho sự cạnh tranh thực sự đối với ngành công nghiệp Mỹ. Sự cạnh tranh này sẽ không giảm đi đáng kể khi các phòng thí nghiệm mô hình đóng vá các lỗ hổng trong các dịch vụ API của họ vốn cho phép chưng cất (distillation).

Chưng cất có tác động lớn nhất trong các lĩnh vực mới và không làm cho việc tạo ra một mô hình cuối cùng mạnh mẽ trên toàn cầu trở nên dễ dàng. Tôi ước tính rằng nếu việc chưng cất bị ngăn chặn hoàn toàn, ví dụ như với các công cụ xác minh danh tính khách hàng (KYC) tại Anthropic và OpenAI, khoảng cách từ các mô hình Mỹ mạnh nhất đến các mô hình trọng số mở của Trung Quốc sẽ chỉ tăng thêm 1-2 tháng.

Ví dụ, các phòng thí nghiệm Trung Quốc đang nhanh chóng thay đổi tư thế đối với việc chi trả cho dữ liệu huấn luyện trong năm 2026. Đầu năm, các phòng thí nghiệm hàng đầu Trung Quốc bao gồm Moonshot AI và Z.ai có ưu tiên mạnh mẽ đối với việc xây dựng quy trình dữ liệu nội bộ, nhưng đến mùa hè, họ đã bắt đầu mua dữ liệu tiên tiến – các môi trường RL đầy thách thức cho các tác vụ tác nhân – từ cả các công ty Mỹ lâu đời và các startup mới của Trung Quốc.

Với sự tiến bộ của các mô hình trọng số mở ở Trung Quốc hướng tới ngưỡng năng lực tiên phong, và các tài liệu gần đây về rủi ro ngày càng tăng xung quanh các mô hình tiên phong trong các lĩnh vực như an ninh mạng (ví dụ: sự cố OpenAI-HuggingFace), đang có sự không chắc chắn về mặt pháp lý ngày càng tăng về việc làm thế nào để các đợt phát hành tiếp theo có thể tạo ra một hệ sinh thái an toàn hơn?

Một thách thức mang tính cấu trúc trong các mô hình trọng số mở là có rất ít phương pháp hiệu quả để ngăn chặn các phần mềm mở tiếp cận những kẻ xấu. Nếu có một nỗ lực nhằm hạn chế quyền truy cập vào các mô hình trọng số mở mạnh nhất từ Trung Quốc vì chúng làm gia tăng rủi ro, thì các bên bị ảnh hưởng sẽ là các doanh nghiệp Mỹ. Chúng ta có một ví dụ về điều này – HuggingFace đã sử dụng một mô hình trọng số mở của Trung Quốc để hiểu về cuộc tấn công mạng vì các mô hình đóng không trả lời các yêu cầu của họ. Do đó, việc quản lý rủi ro của các mô hình trọng số mở thường quy về sự chuẩn bị của hệ sinh thái.

Các mô hình trọng số mở đang trở thành công cụ thiết yếu cho sự phổ biến AI, và con đường tốt nhất để đi trước các rủi ro này cũng như các mối quan hệ mất cân bằng nơi các công ty Mỹ dựa vào các mô hình xây dựng tại Trung Quốc là tiếp tục cho phép đầu tư vào các mô hình mở tại Mỹ. Quyền sở hữu các mô hình mở cho phép phối hợp và chuẩn bị tốt hơn cho các rủi ro mang tính toàn cầu, đồng thời đẩy nhanh việc phổ biến các dịch vụ AI trong nền kinh tế nội địa.

Để lại bình luận

Các mô hình ngôn ngữ trọng số mở đã tăng trưởng đáng kể về sự quan tâm chung và khả năng kinh tế trong năm 2026, cho phép những cái nhìn đầu tiên về các cách so sánh trực tiếp hơn việc áp dụng các mô hình từ Mỹ, Trung Quốc hoặc nơi khác dựa trên các chỉ số của Hugging Face. Một ví dụ là việc sử dụng OpenRouter. OpenRouter là một nền tảng suy luận LLM phổ biến cung cấp một giao diện duy nhất để chuyển đổi giữa các mô hình, mở và đóng, từ Mỹ và Trung Quốc. Nền tảng này chủ yếu được biết đến với việc thử nghiệm các mô hình trọng số mở khác nhau. Nền tảng đã chia sẻ dữ liệu sử dụng cho các mô hình hàng đầu kể từ ngày 1 tháng 1 năm 2025 và cho thấy sự tăng trưởng trong việc sử dụng từ ~1 nghìn tỷ token được xử lý từ các mô hình mở trong một tuần của tháng 9 năm 2025 lên ~80 nghìn tỷ token mỗi tuần hiện nay. Trong thời gian đó, các mô hình Trung Quốc đã tăng từ ~70% thị phần lên hơn 80% mức sử dụng. Các nền tảng khác được thiết kế để thương mại hóa các mô hình mở cũng cho thấy dữ liệu tương tự, chẳng hạn như tác nhân lập trình mã nguồn mở OpenCode, cho thấy khối lượng suy luận ~95% hoặc cao hơn với các mô hình Trung Quốc.

Các nền tảng mở này là sự xấp xỉ tốt nhất về việc sử dụng mô hình mở mà chúng ta có – một tỷ lệ lớn việc sử dụng mô hình mở nằm trên các nền tảng không tiết lộ phân tích theo từng mô hình, chẳng hạn như Together AI hoặc Fireworks AI, và trong các triển khai riêng tư cho các ứng dụng doanh nghiệp.

Nhiều công ty công nghệ và startup nổi tiếng đã xây dựng trên các mô hình trọng số mở của Trung Quốc cho các tính năng AI của họ, chẳng hạn như Harvey (tác nhân pháp lý), Cursor (tác nhân lập trình), và việc DoorDash sử dụng các mô hình Kimi, Airbnb sử dụng Qwen, hoặc Perplexity sử dụng DeepSeek. Những công ty nổi tiếng này chỉ là phần nổi của tảng băng chìm, nơi một bộ phận lớn các startup trẻ ở Thung lũng Silicon đang xây dựng trên các mô hình Trung Quốc để có các lựa chọn linh hoạt, chi phí thấp. Có một xu hướng ngày càng tăng là các startup và công ty Mỹ ký kết các thỏa thuận doanh nghiệp với các phòng thí nghiệm mô hình Trung Quốc để có quyền sử dụng mô hình của họ trong sản phẩm của mình – một hình thức hợp tác công nghệ xuyên biên giới mới mà tôi chưa từng chứng kiến trong sự nghiệp của mình.

Nền tảng đổi mới trên các mô hình Trung Quốc còn mở rộng hơn nữa vào hệ sinh thái AI. Theo ước tính bậc nhất, hầu hết các nghiên cứu học thuật đều được thực hiện trên dòng mô hình Qwen của Alibaba. Sau khi gặp gỡ nhiều thành viên của đội ngũ lãnh đạo Qwen trong chuyến đi đến Trung Quốc, tôi thấy họ rất đầu tư và có chủ đích về loại hình áp dụng này, điều mà sẽ không dễ dàng để quay trở lại với các mô hình Mỹ.

Để định lượng việc áp dụng các mô hình mở trong giới học thuật, tôi đã quét mọi bài báo trong 5 danh mục ML phổ biến nhất của arXiv (cs.AI, cs.CL, cs.CV, cs.LG, stat.ML), nền tảng tiền ấn phẩm phổ biến trong nghiên cứu AI. Kết quả theo dõi rõ ràng sự hiểu biết của tôi về vai trò lãnh đạo đang thay đổi trong nghiên cứu AI, cho thấy LLM đang trở thành một lớp nền tảng của nghiên cứu ML – các đề cập đến bất kỳ mô hình mở nào là 2% vào tháng 1 năm 2023 và 50% vào tháng 9 năm 2026 – và sự chuyển dịch vai trò dẫn đầu từ Mỹ sang Trung Quốc trong cùng khoảng thời gian đó.

Ví dụ, từ tháng 4 đến tháng 5 năm 2023, vài tháng sau Llama gốc của Meta (một từ viết tắt ngược, Large Language Model Meta AI, được phát hành lần đầu vào tháng 2 năm 2023), khoảng 2.600 trong số 12.000 bài báo AI/ML mới trên arXiv đã đề cập đến ít nhất một dòng mô hình mở nổi bật. Trong tất cả các bài báo được quét, ~5,5% đề cập đến Llama và ~1% đề cập đến một mô hình Trung Quốc. Vào mùa thu năm 2024, trong thời kỳ đỉnh cao của Llama, khoảng 23% bài báo đề cập đến Llama với khoảng 7,5% đề cập đến Qwen, đối thủ cạnh tranh trực tiếp nhất của Trung Quốc. Ngày nay, Llama đã mất vị trí dẫn đầu trong giới học thuật, vẫn được đề cập trong khoảng 21% bài báo, một sự trường tồn đáng kinh ngạc, nhưng thị phần của Qwen đã tăng lên 30% số bài báo. Nhìn chung, bất kỳ mô hình trọng số mở nào của Trung Quốc đều được đề cập trong hơn 40% bài báo, vượt qua con số 30% của Mỹ, với thị phần của Trung Quốc tiếp tục tăng trưởng.

Điều này cho thấy chúng ta rõ ràng còn rất nhiều việc phải làm để tái thiết lập Mỹ trở thành ngôi nhà của nghiên cứu AI trong kỷ nguyên của các mô hình ngôn ngữ trọng số mở. Có những dấu hiệu hy vọng.

Trong nghiên cứu của mình, chúng tôi nhận thấy rằng các mô hình Mỹ có năng lực tương đương với các mô hình Trung Quốc cùng quy mô được áp dụng với tỷ lệ không cân xứng. Trong năm qua, chúng ta đã thấy các mô hình trọng số mở đầu tiên của OpenAI kể từ ChatGPT, gpt-oss, trở thành một trong những mô hình trọng số mở được áp dụng nhiều nhất mọi thời đại. Kể từ đó, các mô hình Gemma 4 của Google là một trong số ít những mô hình từng cho thấy số liệu áp dụng tương tự như các mô hình nhỏ phổ biến nhất của Qwen, và các mô hình Nemotron của Nvidia có mức độ áp dụng khiêm tốn mặc dù có nhiều mô hình có năng lực hơn ở cùng quy mô.

Chia sẻ

Câu chuyện về các mô hình mở vào năm 2026 là câu chuyện về việc thiết lập sự phù hợp về kinh tế. Đây là sự hội tụ của nhiều câu chuyện trên khắp hệ sinh thái AI, được tóm tắt như sau:

Khoảng cách từ các mô hình mở đến các mô hình đóng dành cho người dùng đã giảm dần trong 3 năm qua. Điều này thay đổi tùy theo tác vụ, nhưng có thể ước tính là khoảng cách 2-5 tháng về năng lực. Với năng lực tổng thể đang tiến triển rất nhanh, điều này đã chứng kiến các mô hình AI trọng số mở mở khóa các thị trường đáng kể vào năm 2026 và chỉ ra nhiều điểm uốn hơn trong tương lai gần.

Việc sử dụng mô hình mở đang bùng nổ trong các ngành công nghiệp giá trị cao (ví dụ: kỹ thuật phần mềm, dịch vụ pháp lý, dịch vụ tài chính), cho thấy sự xuất hiện của một hệ sinh thái thay thế cho các mô hình đóng tốt nhất. Các nền tảng cung cấp suy luận chủ yếu trên các mô hình mở, từ Together, OpenRouter, Fireworks, Baseten, v.v., đang chứng kiến sự tăng trưởng đáng kinh ngạc với tư cách là những người chiến thắng đầu tiên của nền kinh tế hậu huấn luyện mô hình mở (các lớp khác bao gồm các API tinh chỉnh như Tinker của Thinking Machines). Điều này kết hợp với vô số giai thoại từ nhân viên kỹ thuật trong ngành AI sử dụng các mô hình trọng số mở như GLM-5.3 thay thế cho Claude hoặc GPT do sự kết hợp của tốc độ, giá thấp hơn, các dịch vụ có thể tùy chỉnh và quyền riêng tư.

Các công ty AI Trung Quốc là những người dẫn đầu rõ rệt trong các mô hình trọng số mở. So với năm 2025, khi các mô hình Trung Quốc như DeepSeek R1 làm rung chuyển thế giới AI bằng sự bất ngờ, các phòng thí nghiệm AI Mỹ đã phục hồi vị thế của mình với các mô hình trọng số mở, nhưng bất chấp sự đầu tư đáng kể hơn ở Mỹ, các phòng thí nghiệm Trung Quốc thường xuyên tạo ra các mô hình mạnh mẽ hơn đáng kể, được nhiều loại người dùng yêu thích.

Việc chưng cất các mô hình AI Mỹ bởi các phòng thí nghiệm Trung Quốc không giải thích toàn bộ câu chuyện về thành công của họ. Chưng cất là một kỹ thuật tiêu chuẩn trong ngành để huấn luyện một mô hình AI khác dựa trên đầu ra từ một mô hình thường mạnh hơn. Kỹ thuật này phổ biến nhất trong ngành công nghiệp AI Trung Quốc, vốn đã sử dụng các khai thác cơ bản để trích xuất các dấu vết suy luận và dữ liệu bổ sung từ các sản phẩm của các công ty Mỹ chưa được bảo mật hoàn toàn. Ước tính tốt nhất là việc chưng cất giúp giảm khoảng cách hiệu suất của các công ty Trung Quốc so với các đơn vị tiên phong của Mỹ từ 1-2 tháng.

Các mô hình Trung Quốc, đặc biệt là dòng Qwen của Alibaba, được thiết lập như một lớp nền tảng cho nghiên cứu và phát triển trong giới học thuật và người dùng mô hình địa phương. Trong những tháng gần đây, các mô hình trọng số mở của Trung Quốc đã được đề cập trong 38% các bài báo AI, cao hơn con số 28% của Mỹ – và thị phần của Trung Quốc đang tăng nhanh hơn nhiều so với các đối thủ Mỹ. Điều này, cùng với các yếu tố chính trị khác và bản chất đóng của các công ty AI hàng đầu Mỹ, đang góp phần vào sự suy giảm nhanh chóng vị thế dẫn đầu của Mỹ với tư cách là trung tâm nghiên cứu AI ưu việt trên thế giới.

Các mô hình trọng số mở đang bước vào các cấp độ năng lực nơi các rủi ro mới, ví dụ như an ninh mạng, có thể được kích hoạt bởi vô số mô hình trọng số mở có sẵn, đòi hỏi một phản ứng ở cấp độ hệ sinh thái để chuẩn bị. Kỷ nguyên rủi ro mới này cũng đang tạo ra một thời kỳ bất ổn chính trị, nơi có sự chú ý của cơ quan quản lý đối với các mô hình AI mạnh nhất, nhưng lại có sự không chắc chắn lớn về cách thức chính sách sẽ được thực thi về mặt pháp lý. Đồng thời, nhiều nhà nghiên cứu và kỹ sư dựa vào các mô hình mở do các biện pháp bảo vệ cởi mở hơn, nơi các mô hình đóng như Claude và GPT thường từ chối các công việc phòng thủ an ninh mạng quan trọng hoặc nghiên cứu sinh học.

Để biết thêm dữ liệu, hãy xem Bảng điều khiển Interconnects.

Vào năm 2026, các phòng thí nghiệm Trung Quốc rõ ràng đang duy trì vị thế là những người dẫn đầu hệ sinh thái AI trọng số mở. Điều này xảy ra khi các mô hình trọng số mở đã vượt qua điểm uốn về khả năng kinh tế và đối mặt với hoạt động gia tăng từ các phòng thí nghiệm Mỹ như một sự cạnh tranh mô hình. Các phòng thí nghiệm hàng đầu Trung Quốc dường như không bị thách thức đáng kể khi họ mở rộng sự áp dụng trong doanh nghiệp và nghiên cứu trên toàn cầu.

Bối cảnh các mô hình mở này xuất hiện vào thời điểm quan trọng trong hệ sinh thái AI rộng lớn hơn. Chúng ta đang thấy OpenAI và Anthropic thực hiện những bước tiến lớn với các mô hình công khai mới nhất của họ, đồng thời kêu gọi sự chăm sóc phối hợp về cách chúng ta quản lý giai đoạn tiếp theo của sự tiến bộ AI. Những gì đang diễn ra trong phạm vi của một vài phòng thí nghiệm AI ngày nay, đặc biệt là với tài năng và mật độ tính toán cực lớn, là tiền thân cho những gì sẽ sớm xuất hiện trong hệ sinh thái mô hình mở. Các mô hình mở sẽ là chất nền cho tất cả những người khác trên thế giới bên ngoài một vài phòng thí nghiệm AI tiên phong thực thụ, để khai thác sự tăng tốc trong kỹ thuật phần mềm và các thực tiễn tính toán khác. Điều này đại diện cho một nguồn sức mạnh mềm, ảnh hưởng và tiềm năng đáng kể cho các tổ chức cho phép quyền truy cập rộng rãi này vào trí tuệ mang tính chuyển đổi.