Ngân sách khoa học tăng mạnh với Nghị định 265 đang mở đường cho AI trong sản xuất. Vấn đề không còn là có tiền, mà là ai dùng hiệu quả.
Ngân sách khoa học tăng mạnh: doanh nghiệp sản xuất có kịp nắm cơ hội?
Từ năm 2025, ngân sách bổ sung cho khoa học công nghệ và chuyển đổi số lên tới 25.000 tỷ đồng, năm 2026 dự kiến 95.000 tỷ đồng. Đây không phải con số nhỏ lẻ nữa, mà là một “làn sóng vốn” đang chảy vào khoa học, công nghệ, đổi mới sáng tạo và đặc biệt là chuyển đổi số bằng AI trong sản xuất.
Vấn đề không còn là “có tiền hay không”, mà là: ai sử dụng nguồn vốn đó hiệu quả. Doanh nghiệp nào biết chủ động đề xuất dự án, xây lộ trình rõ ràng, đo được hiệu quả… sẽ đi rất nhanh. Phần còn lại sẽ đứng ngoài cuộc chơi, dù chính sách đã mở.
Bài viết này nhìn câu chuyện từ Nghị định 265 và phát biểu của Thứ trưởng Bùi Hoàng Phương ở Gia Lai, rồi “dịch” lại thành ngôn ngữ dễ hiểu cho các chủ nhà máy, giám đốc vận hành, phụ trách chuyển đổi số trong ngành sản xuất Việt Nam:
- Nhà nước đang ưu tiên nguồn lực cho AI, chuyển đổi số như thế nào?
- Doanh nghiệp sản xuất có thể tiếp cận và dùng nguồn lực đó ra sao?
- Cách thiết kế các dự án AI thực dụng: bảo trì dự đoán, kiểm soát chất lượng, tối ưu chuỗi cung ứng… để không dàn trải, không lãng phí.
1. Nghị định 265: “đường băng” tài chính cho AI và chuyển đổi số
Nghị định 265 đặt lại cơ chế phân bổ ngân sách cho khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số. Nói thẳng: đây là khung pháp lý giúp tiền từ ngân sách Nhà nước dễ đi vào các dự án công nghệ thực tiễn hơn, thay vì nằm trên giấy.
Theo chia sẻ tại hội nghị ở Quy Nhơn ngày 10/12/2025:
- Nhà nước đảm bảo chi tối thiểu 3% ngân sách cho khoa học công nghệ, đổi mới sáng tạo và chuyển đổi số.
- Năm 2025: 25.000 tỷ đồng bổ sung cho khoa học công nghệ.
- Năm 2026 dự kiến: 95.000 tỷ đồng.
Thứ trưởng Bùi Hoàng Phương đã nói rất rõ:
“Thách thức lớn đối với các cơ quan, đơn vị là làm sao sử dụng nguồn vốn này hiệu quả, tránh dàn trải, lãng phí.”
Điểm đáng chú ý với doanh nghiệp sản xuất:
- Ngân sách không chỉ cho các đề tài nghiên cứu hàn lâm, mà còn cho ứng dụng công nghệ thông tin, chuyển đổi số, AI.
- Pháp luật mới quy định rõ phần nào được chi đầu tư, phần nào được chi thường xuyên, rất phù hợp với các dự án nhà máy: mua thiết bị, triển khai phần mềm, thuê dịch vụ AI, bảo trì hệ thống…
- Dự án đặc biệt, khẩn cấp được ưu tiên bố trí vốn – đây là cơ hội cho các nhà máy đang đối mặt áp lực lớn: lỗi sản phẩm tăng, chi phí năng lượng cao, đứt gãy chuỗi cung ứng.
Nói ngắn gọn: Nghị định 265 là đường băng tài chính, còn doanh nghiệp phải tự chuẩn bị “máy bay” – tức là dự án cụ thể, có mục tiêu rõ và đo lường được.
2. Từ chính sách tới nhà máy: doanh nghiệp cần chuẩn bị gì?
Muốn tiếp cận và dùng hiệu quả ngân sách (trực tiếp hoặc gián tiếp qua chương trình, dự án, quỹ hỗ trợ), doanh nghiệp sản xuất không thể chỉ ngồi chờ “có gói hỗ trợ thì đăng ký”. Cần 3 bước chuẩn bị rất thực tế.
2.1. Rà soát bài toán sản xuất, không bắt đầu bằng công nghệ
Sai lầm phổ biến: chọn công nghệ trước, bài toán tính sau. Nhiều nhà máy nói “muốn làm AI” nhưng không trả lời được câu hỏi: AI sẽ giảm chi phí hay tăng doanh thu ở đâu.
Một số nhóm bài toán nên ưu tiên:
- Bảo trì dự đoán (Predictive Maintenance) cho máy móc đắt tiền: lò hơi, dây chuyền đóng gói, robot công nghiệp…
- Kiểm soát chất lượng tự động bằng thị giác máy tính: giảm phụ thuộc hoàn toàn vào kiểm tra thủ công.
- Tối ưu tồn kho, nguyên vật liệu: dùng AI dự báo nhu cầu, tối ưu mức tồn, giảm đọng vốn.
- Tối ưu năng lượng: điều chỉnh vận hành dây chuyền, hệ thống lạnh, nén khí.
Cách làm đơn giản mà hiệu quả:
- Lập danh sách 5–10 “điểm đau” lớn nhất trong sản xuất (sản lượng, lỗi, dừng máy, năng suất lao động…).
- Gắn kèm số liệu cụ thể: tỉ lệ lỗi, số giờ dừng máy/tháng, chi phí phế phẩm, chi phí điện.
- Chọn 1–2 bài toán mà nếu cải thiện 20–30% thôi cũng đã tạo ra con số tiền rõ ràng.
2.2. Biến “bài toán” thành “dự án” đúng chuẩn ngân sách nhà nước
Nghị định 265 nhấn mạnh việc hoàn thiện khâu lập kế hoạch và dự toán ngân sách. Tức là nếu doanh nghiệp/địa phương không có hồ sơ bài bản, rất khó được hỗ trợ.
Một dự án AI trong sản xuất, để dễ được xem xét hỗ trợ, nên có tối thiểu:
- Mục tiêu định lượng: ví dụ “giảm 30% thời gian dừng máy không kế hoạch trong 12 tháng”, “giảm 40% lỗi ngoại quan trên dây chuyền đóng gói”.
- Phạm vi rõ ràng: áp dụng trước trên 1 dây chuyền, 1 nhà máy, không ôm đồm toàn bộ hệ thống.
- Lộ trình 2–3 năm:
- Năm 1: thử nghiệm (pilot) trên quy mô nhỏ.
- Năm 2: mở rộng trong nhà máy.
- Năm 3: nhân rộng sang nhà máy khác (nếu có).
- Kế hoạch chi phí chi tiết: thiết bị IoT, camera, server/điện toán đám mây, phần mềm, phí triển khai, đào tạo, vận hành.
- Chỉ số ROI (tỷ suất hoàn vốn) ước tính: tiết kiệm/năm so với chi phí đầu tư, thời gian hoàn vốn.
Khi làm việc với Sở KH&CN, Sở Công Thương hoặc các chương trình hỗ trợ, một hồ sơ kiểu này vừa đúng tinh thần Nghị định 265, vừa thể hiện doanh nghiệp thực sự nghiêm túc.
2.3. Đồng hành với địa phương, không “đơn độc” đi xin hỗ trợ
Câu chuyện Gia Lai trong hội nghị cho thấy một điểm thú vị: địa phương rất mong chờ hướng dẫn và sẵn sàng làm mạnh về khoa học công nghệ, đã kêu gọi các nhà khoa học, xây dựng đô thị khoa học, kết nối với doanh nghiệp.
Nếu bạn là doanh nghiệp sản xuất ở tỉnh/thành:
- Hãy chủ động làm việc với Sở KH&CN, Sở Công Thương, trình bày bài toán và định hướng dự án AI/chuyển đổi số.
- Đề xuất tham gia các chương trình thí điểm (pilot), cụm dự án, khu công nghiệp thông minh của tỉnh.
- Kết hợp với các trường đại học, viện nghiên cứu trong vùng để hình thành nhiệm vụ khoa học công nghệ có doanh nghiệp đồng hành, rất phù hợp cơ chế “khoán chi đến sản phẩm cuối cùng” mà Bộ KH&CN đã nhắc tới.
Thực tế, nhiều tỉnh đang cần “case mẫu” để báo cáo và nhân rộng. Nếu nhà máy của bạn làm tốt, bạn không chỉ được hỗ trợ mà còn trở thành hình mẫu, dễ tiếp cận thêm nguồn lực sau này.
3. 3 hướng ứng dụng AI “ăn tiền” nhất trong sản xuất Việt Nam
Trong khuôn khổ series “AI trong Sản xuất Việt Nam: Hướng dẫn Chuyển đổi Số”, tôi ưu tiên 3 mảng này vì chúng vừa phù hợp chính sách, vừa tạo hiệu quả kinh tế rõ ràng.
3.1. Bảo trì dự đoán: giảm dừng máy, kéo dài tuổi thọ thiết bị
Bảo trì dự đoán dùng cảm biến và mô hình AI để dự đoán hỏng hóc trước khi nó xảy ra. Thay vì đợi máy hỏng mới sửa (bảo trì chữa cháy) hay cứ đúng lịch là thay linh kiện (bảo trì định kỳ), AI xem dữ liệu rung, nhiệt độ, dòng điện, áp suất… rồi cảnh báo: “ổ bi này có khả năng hỏng trong 2 tuần tới”.
Lợi ích dễ đo:
- Giảm thời gian dừng máy không kế hoạch 20–50%.
- Giảm chi phí bảo trì khẩn cấp (overtime, gọi thợ ngoài, mất mát sản lượng).
- Tăng tuổi thọ tài sản: thay đúng lúc, không quá sớm, không quá muộn.
Với ngân sách Nhà nước:
- Hạng mục cảm biến, hệ thống thu thập dữ liệu, nền tảng phân tích có thể nằm trong phần chi đầu tư.
- Hạng mục phần mềm AI dạng dịch vụ, đào tạo, vận hành có thể được tính vào chi thường xuyên.
Nếu nhà máy của bạn có 3–5 thiết bị “đinh”, đắt tiền, mỗi lần dừng là mất hàng trăm triệu, thì bảo trì dự đoán là dự án AI đầu tiên nên làm.
3.2. Kiểm soát chất lượng bằng thị giác máy tính
Nhiều xưởng ở Việt Nam vẫn kiểm tra lỗi bằng mắt thường, phụ thuộc hoàn toàn vào công nhân: lỗi trầy xước, nứt, lệch màu, sai kích thước… Kết quả là:
- Lỗi lọt ra khỏi nhà máy, bị khách trả hàng.
- Công nhân mệt, ca đêm thì sai sót tăng.
Thị giác máy tính (computer vision) kết hợp camera công nghiệp và mô hình AI có thể:
- Kiểm tra 100% sản phẩm ở tốc độ cao, không “mỏi mắt”.
- Phát hiện lỗi nhỏ hơn, nhất quán hơn con người.
- Ghi lại dữ liệu, giúp truy vết nguyên nhân (batch nào, ca nào, máy nào).
Mô hình triển khai thường là:
- Gắn camera ở công đoạn cuối dây chuyền.
- Thu mẫu hình ảnh sản phẩm đạt/không đạt.
- Đào tạo mô hình AI nhận dạng.
- Kết nối với PLC/SCADA để tự động loại sản phẩm lỗi hoặc cảnh báo.
Với cơ chế tài chính theo Nghị định 265, các hạng mục camera, server, phần mềm AI, hạ tầng mạng nội bộ… hoàn toàn có thể nằm trong các gói hỗ trợ chuyển đổi số ngành công thương, KH&CN ở địa phương.
3.3. Tối ưu chuỗi cung ứng và tồn kho bằng dữ liệu
Không ít doanh nghiệp sản xuất ở Việt Nam đang chịu 3 áp lực cùng lúc:
- Giá nguyên vật liệu biến động.
- Thời gian giao hàng bị khách ép ngắn hơn.
- Vốn vay không còn rẻ như trước.
AI và phân tích dữ liệu có thể hỗ trợ:
- Dự báo nhu cầu chi tiết theo khách hàng, mùa vụ, kênh bán.
- Tối ưu mức tồn kho an toàn cho từng nguyên liệu.
- Xếp lịch sản xuất theo năng lực máy và đơn hàng, giảm đổi khuôn, giảm chuyển line.
Đây là mảng thường được xếp chung trong các dự án ERP + AI, MES + AI. Nếu nhà máy của bạn đã có hệ thống ERP cơ bản, việc bổ sung mô-đun dự báo bằng AI sẽ dễ “ăn khớp” với các chương trình hỗ trợ chuyển đổi số của tỉnh/thành.
4. Tránh dàn trải, tránh lãng phí: làm sao để dự án AI không “chết yểu”?
Thứ trưởng Bùi Hoàng Phương nhấn mạnh yêu cầu tránh dàn trải, lãng phí khi sử dụng nguồn vốn. Với góc nhìn thực tế ở nhà máy, tôi thấy 4 nguyên tắc sau rất hữu ích.
4.1. Bắt đầu nhỏ nhưng đo rất kỹ
- Chọn 1 dây chuyền, 1 nhóm máy, 1 nhà kho làm pilot.
- Đặt mục tiêu rõ ràng: ví dụ “giảm 25% lỗi sản phẩm loại B trong 6 tháng”.
- Đo số liệu trước – trong – sau khi triển khai.
Nếu pilot thất bại, thiệt hại vẫn trong tầm kiểm soát. Nếu thành công, bạn có case study cụ thể để thuyết phục lãnh đạo, ngân hàng, cơ quan quản lý, quỹ hỗ trợ.
4.2. Công nghệ phải “ăn khớp” với người vận hành
Một hệ thống AI dù hay đến đâu mà đội trưởng chuyền, trưởng ca, bảo trì không dùng thì cũng vô nghĩa.
- Giao diện phải đơn giản, tiếng Việt, rõ cảnh báo.
- Quy trình phải rõ: khi có cảnh báo, ai làm gì, trong bao lâu.
- Đào tạo không chỉ cho IT, mà cho cả tổ trưởng, thợ máy, QC.
Nghị định 265 cho phép chi khoản đào tạo, hướng dẫn trong kinh phí nhiệm vụ khoa học công nghệ, hãy tận dụng phần này.
4.3. Đối tác công nghệ: chọn “hiểu xưởng” hơn là “nói hay”
Doanh nghiệp sản xuất nên ưu tiên đơn vị:
- Đã từng làm trong lĩnh vực gần giống (gỗ, dệt may, điện tử, thực phẩm…).
- Có khả năng xuống xưởng, ngồi cùng bảo trì, QC, không chỉ tư vấn trên slide.
- Chấp nhận cam kết mục tiêu, cam kết số liệu ở mức hợp lý.
Khi làm việc với cơ quan Nhà nước, các dự án có liên kết giữa doanh nghiệp – đơn vị công nghệ – viện/trường thường được đánh giá cao hơn.
4.4. Gắn AI với chiến lược dài hạn, không chạy theo phong trào
AI không phải dự án đơn lẻ, mà nên là trục xuyên suốt trong chiến lược 3–5 năm:
- Năm 1: tập trung vào dữ liệu và hạ tầng.
- Năm 2: 1–2 dự án AI trọng điểm (bảo trì, chất lượng).
- Năm 3: nhân rộng, tích hợp với hệ thống quản trị.
Khi chiến lược rõ, việc đề xuất sử dụng ngân sách theo Nghị định 265 sẽ logic, mạch lạc, dễ được phê duyệt, và nội bộ cũng ít phản đối hơn.
5. Bước tiếp theo cho doanh nghiệp sản xuất Việt Nam
Nhà nước đã khẳng định: khoa học công nghệ, đổi mới sáng tạo và chuyển đổi số là đột phá hàng đầu cho giai đoạn 2026–2030. Ngân sách đang tăng, cơ chế (như Nghị định 265) đang hoàn thiện, địa phương như Gia Lai, Quy Nhơn… đã bắt đầu “gọi tên” doanh nghiệp, trường, viện để cùng làm.
Phần còn lại phụ thuộc vào bạn:
- Rà lại 3–5 “điểm đau” lớn nhất trong nhà máy, gắn với số liệu.
- Chọn 1 bài toán có thể dùng AI trong sản xuất để cải thiện trong 6–12 tháng.
- Biến nó thành dự án có mục tiêu, chi phí, ROI rõ ràng.
- Chủ động kết nối Sở KH&CN, Sở Công Thương, đối tác công nghệ để xem có thể ghép dự án vào chương trình hỗ trợ nào.
Nếu bạn làm trong sản xuất và đang cân nhắc: “Liệu giờ đã phải làm AI chưa?”, câu trả lời khá thẳng: chưa chắc phải làm mọi thứ, nhưng chắc chắn không thể đứng yên. Ai biết dùng nguồn lực công một cách thông minh hôm nay sẽ có lợi thế cạnh tranh rất khó bắt kịp trong vài năm tới.
Bài viết thuộc series “AI trong Sản xuất Việt Nam: Hướng dẫn Chuyển đổi Số”, tập trung vào cách doanh nghiệp vừa và nhỏ có thể ứng dụng AI thực dụng, bám sát chính sách và nguồn lực trong nước.