Suốt 15 năm qua, công nghệ dịch thuật vận hành theo cùng một cách: từ ngữ của bạn được gửi lên máy chủ, xử lý ở đó, rồi trả về dưới dạng bản dịch. Google Translate, DeepL, Pocketalk, iTranslate — tất cả đều theo mô hình này. Điện thoại của bạn chỉ là chiếc micro và màn hình hiển thị. Công việc thực sự diễn ra ở nơi khác.
Mô hình này sắp sụp đổ.
Không phải vì dịch thuật đám mây kém. Nó thực sự rất tốt. Google Translate hỗ trợ 249 ngôn ngữ. DeepL tạo ra văn bản đọc như do người viết. Đây là những thành tựu kỹ thuật thực sự đáng ghi nhận.
Nhưng mô hình đám mây có ba vấn đề mà dù cải tiến phía máy chủ đến đâu cũng không giải quyết được. Và một thế hệ AI mới chạy trực tiếp trên điện thoại của bạn sắp khiến những vấn đề đó trở nên không còn đáng kể.
Vấn Đề 1: Không Có Internet, Không Có Bản Dịch
Toàn bộ mô hình dịch thuật đám mây giả định rằng bạn đang trực tuyến. Giả định đó thất bại liên tục trong thực tế.
Tàu điện ngầm. Vùng nông thôn. Máy bay. Các nước đang phát triển. Tầng hầm. Các sự kiện đông người khiến trạm phát sóng bị quá tải. Đúng những lúc bạn cần dịch thuật nhất — lạc đường ở nơi xa lạ, cố đọc một tấm biển, giao tiếp với người không nói ngôn ngữ của bạn — lại là lúc internet ít đáng tin cậy nhất.
Ngành công nghiệp thiết bị dịch thuật giả vờ vấn đề này không tồn tại. Pocketalk có giá $350 và cần internet cho mỗi lần dịch. Vasco có giá $389–$489 và cũng vậy — chỉ dùng được khi có mạng. Đây là những thiết bị trị giá hơn $300 được tiếp thị cho khách du lịch nhưng sẽ trở thành cục gạch khi bạn không có sóng điện thoại.
Google Translate có gói ngôn ngữ ngoại tuyến, nhưng chất lượng giảm rõ rệt. Câu phức tạp, thành ngữ và các cụm từ phụ thuộc ngữ cảnh thường bị dịch sai. Chế độ ngoại tuyến chỉ là phương án dự phòng, không phải tính năng thực sự.
Apple hiểu điều này từ sớm. Apple Translate chạy hoàn toàn trên thiết bị mà không hề giảm chất lượng. Nhưng Apple chỉ hỗ trợ 20 ngôn ngữ — một con số quá nhỏ so với nhu cầu thực tế của người du lịch.
Giải pháp thực sự không phải là cải thiện phương án dự phòng ngoại tuyến. Mà là đưa xử lý trên thiết bị trở thành chế độ chính, thay vì chế độ dự phòng.
Vấn Đề 2: Cuộc Trò Chuyện Riêng Tư Của Bạn Không Còn Riêng Tư
Mỗi lần bạn dùng trình dịch đám mây, từ ngữ của bạn được gửi đến máy chủ của người khác. Hãy nghĩ xem người ta thực sự dịch những gì:
Triệu chứng bệnh và chẩn đoán y tế. Tài liệu pháp lý và hợp đồng. Đàm phán kinh doanh và chiến lược. Đơn xin nhập cư. Tin nhắn riêng tư cho gia đình. Giấy tờ hành chính.
Chính sách quyền riêng tư của Google cho phép họ dùng văn bản đã dịch để "cải thiện dịch vụ." Microsoft tuyên bố chính sách không lưu dấu vết, nhưng dữ liệu vẫn rời thiết bị của bạn để được xử lý. Yandex xử lý trên các máy chủ Nga, chịu sự điều chỉnh của luật chia sẻ dữ liệu Nga — một vụ rò rỉ mã nguồn năm 2023 cho thấy họ đã lập hồ sơ hộ gia đình.
Năm 2024, một bệnh viện ở Đức bị phạt 460.000 euro vì vi phạm GDPR khi một nhân viên dùng Google Translate để dịch hồ sơ bệnh nhân. Việc dịch thuật là cần thiết về mặt y tế. Cơ quan quản lý không quan tâm đến điều đó. Việc gửi dữ liệu sức khỏe có thể nhận dạng đến một công ty công nghệ Mỹ mà không có sự đồng ý rõ ràng là vi phạm pháp luật.
Đây không phải là trường hợp ngoại lệ. Đây là vấn đề cơ cấu. Chừng nào dịch thuật còn đòi hỏi gửi dữ liệu đến máy chủ, mỗi bản dịch nhạy cảm đều là nguy cơ vi phạm tuân thủ, rò rỉ quyền riêng tư và phá vỡ lòng tin.
Giải pháp không phải là chính sách quyền riêng tư tốt hơn. Chính sách có thể thay đổi. Giải pháp là kiến trúc khiến việc dữ liệu rời thiết bị là điều không thể xảy ra về mặt vật lý.
Vấn Đề 3: Phần Cứng $300 Mà Điện Thoại Của Bạn Đã Thay Thế
Thị trường thiết bị dịch thuật chuyên dụng — Pocketalk, Timekettle, Vasco, iFlytek — được xây dựng trên một tiền đề hợp lý vào năm 2018: điện thoại chưa đủ mạnh để chạy mô hình dịch thuật cục bộ, nên bạn cần phần cứng chuyên biệt.
Tiền đề đó đã chết.
Chiếc điện thoại trong túi bạn hiện nay có bộ xử lý thần kinh (NPU) được thiết kế riêng để chạy các mô hình AI. Chip A17 Pro và dòng M của Apple chạy các mô hình CoreML ở tốc độ mà ba năm trước chỉ có máy chủ mới làm được. Snapdragon 8 Gen 3 của Qualcomm và Dimensity 9300 của MediaTek đều tích hợp bộ tăng tốc AI chuyên dụng. Ngay cả những chiếc điện thoại tầm trung từ năm 2025 cũng có NPU đủ khả năng chạy các mô hình ngôn ngữ đã được lượng tử hóa.
Bạn không cần Pocketalk $350. Bạn không cần Vasco $389. Bạn không cần mang theo, sạc và bảo trì một thiết bị riêng biệt. Phần cứng bạn cần đã nằm trong túi bạn rồi.
Thứ duy nhất còn thiếu là phần mềm. Và điều đó đang thay đổi rất nhanh.
Điều Gì Đã Thay Đổi: Ngưỡng AI Trên Thiết Bị
Ba yếu tố hội tụ trong giai đoạn 2024–2026 khiến dịch thuật trên thiết bị trở nên khả thi:
Các mô hình đã đủ nhỏ. Gemma 2 tỷ tham số của Google, Whisper ở nhiều kích thước khác nhau, Parakeet của NVIDIA — những mô hình này cho kết quả chất lượng sản xuất trong khi vẫn vừa với bộ nhớ điện thoại. Các kỹ thuật lượng tử hóa (INT4, INT8) giảm một nửa yêu cầu bộ nhớ với tổn thất chất lượng tối thiểu. Bạn không còn cần mô hình 70 tỷ tham số để có bản dịch tốt nữa.
Các framework đã trưởng thành. Apple CoreML, Google LiteRT (kế thừa TensorFlow Lite), ExecuTorch của Meta, và các công cụ cộng đồng như sherpa-onnx đã biến "chạy mô hình AI trên điện thoại" từ một đề tài nghiên cứu thành năng lực sản xuất thực sự. Công cụ đã có. Tài liệu đã có. Các trường hợp biên đã được giải quyết.
Phần cứng đã theo kịp. NPU giờ là tiêu chuẩn trên điện thoại, không chỉ dành cho dòng cao cấp. Một chiếc điện thoại tầm trung từ năm 2025 có thể chạy mô hình 2 tỷ tham số đã lượng tử hóa ở tốc độ sử dụng được. Suy luận GPU trên di động (Metal trên iOS, Vulkan trên Android) bù đắp cho các thiết bị không có NPU mạnh.
Kết quả: một ứng dụng trên điện thoại của bạn giờ có thể làm những gì năm năm trước cần cả một trung tâm dữ liệu.
Dịch Thuật Trên Thiết Bị Thực Sự Trông Như Thế Nào
Dịch thuật trên thiết bị không phải là phiên bản kém hơn của dịch thuật đám mây. Khi được thực hiện đúng, đây là một sản phẩm hoàn toàn khác biệt.
Hoạt động ở mọi nơi. Không WiFi, không sóng điện thoại, không vấn đề. Máy bay, làng quê hẻo lánh, chợ tầng hầm, tàu điện ngầm — chất lượng bạn nhận được ở nhà cũng chính là chất lượng bạn nhận được ở bất kỳ đâu. Không có "chế độ ngoại tuyến" vì không có "chế độ trực tuyến" để quay về.
Dữ liệu của bạn ở lại với bạn. Không phải do chính sách quyền riêng tư. Mà vì không có máy chủ nào cả. Giọng nói của bạn được nhận dạng trên điện thoại. Văn bản của bạn được dịch trên điện thoại. Hình ảnh từ camera của bạn được xử lý trên điện thoại. Dữ liệu về mặt vật lý không thể rời thiết bị.
Hội thoại nhóm hoạt động không cần hạ tầng. Dịch thuật nhóm qua đám mây yêu cầu mọi người phải có internet và một máy chủ điều phối. Dịch thuật trên thiết bị qua mạng lưới Bluetooth có nghĩa là mọi người có thể kết nối trực tiếp, điện thoại với điện thoại, mỗi người xem tin nhắn bằng ngôn ngữ của mình. Không có máy chủ. Không cần WiFi. Không có điểm thất bại duy nhất.
Dịch thuật màn hình trở nên khả thi. Khi engine dịch thuật chạy cục bộ, nó có thể dịch văn bản bên trong bất kỳ ứng dụng nào trên điện thoại của bạn — tin nhắn, game, tin tức, phụ đề streaming — dưới dạng lớp phủ hệ thống. Các trình dịch đám mây không thể làm điều này vì chúng phải chụp và tải lên màn hình của bạn.
Phiên âm tệp trở nên tức thời và riêng tư. Các cuộc họp được ghi âm, tin nhắn thoại, podcast bằng ngôn ngữ khác — tất cả được phiên âm và dịch ngay trên thiết bị. Không có tệp âm thanh nào được tải lên máy chủ của ai cả.
Đây không phải là giả thuyết. Các ứng dụng như Traverba đã cung cấp tất cả những tính năng này chạy hoàn toàn trên thiết bị, hỗ trợ 108 ngôn ngữ với giọng nói, camera, dịch thuật màn hình và trò chuyện nhóm ngoại tuyến. Apple Translate làm điều đó với 20 ngôn ngữ. Mô hình SeamlessM4T của Meta chạy dịch thuật giọng nói thành giọng nói có thể thúc đẩy các sản phẩm trên thiết bị trong tương lai.
Ai Sẽ Thua
Các công ty thiết bị dịch thuật. Giá trị đề xuất của một thiết bị chuyên dụng trị giá hơn $300 biến mất khi một ứng dụng miễn phí trên điện thoại hiện có của bạn làm điều tương tự (hoặc nhiều hơn) ngay cả khi không có mạng. Lập luận duy nhất còn lại cho phần cứng là thời lượng pin và nút vật lý chuyên dụng — không đủ để biện minh cho mức giá đó với hầu hết mọi người.
Các ứng dụng dịch thuật ưu tiên đám mây kiếm tiền từ dữ liệu. Nếu cấp miễn phí của ứng dụng dịch thuật tồn tại vì dữ liệu người dùng cải thiện mô hình của họ, thì các lựa chọn thay thế trên thiết bị loại bỏ sự trao đổi giá trị đó. Người dùng có được quyền riêng tư mà không cần trả tiền.
Các API dịch thuật doanh nghiệp tính phí theo ký tự. Khi dịch thuật chạy cục bộ, không có chi phí theo ký tự. Không có lời gọi API nghĩa là không có hóa đơn API. Đối với các công ty xử lý hàng triệu từ được dịch mỗi tháng, khoản tiết kiệm là đáng kể.
Ai Sẽ Thắng
Khách du lịch. Dịch thuật hoạt động trong mọi tình huống, không chỉ khi bạn có WiFi.
Người dùng chú trọng quyền riêng tư. Chuyên gia y tế, luật sư, người đàm phán kinh doanh, nhà báo, người nhập cư — bất kỳ ai dịch nội dung nhạy cảm mà không muốn nó xuất hiện trên máy chủ của người khác.
Các thị trường mới nổi. Ở những khu vực nơi truy cập internet tốn kém, không ổn định hoặc bị giám sát, dịch thuật trên thiết bị loại bỏ hoàn toàn rào cản kết nối.
Tiếp cận toàn diện. Dịch thuật trên thiết bị theo thời gian thực cho phép giao tiếp với người điếc và khiếm thính, người nhập cư điều hướng các dịch vụ chính phủ, và người cao tuổi gặp khó khăn với công nghệ — mà không yêu cầu họ phải có gói dữ liệu.
Bảo tồn ngôn ngữ. Các ngôn ngữ thiểu số và đang có nguy cơ tuyệt chủng có thể được hỗ trợ bởi các mô hình địa phương mà không cần tập dữ liệu huấn luyện khổng lồ mà các dịch vụ đám mây yêu cầu để có lợi nhuận kinh tế. Khi mô hình chạy trên thiết bị, hỗ trợ ngôn ngữ của 100.000 người cũng khả thi như hỗ trợ ngôn ngữ của 100 triệu người.
Quá Trình Chuyển Đổi Đang Diễn Ra
Apple đã đưa dịch thuật trên thiết bị thành tính năng hệ thống trong iOS 14 (2020) và duy trì nó trên thiết bị từ đó đến nay. Họ chọn quyền riêng tư và độ tin cậy ngoại tuyến thay vì số lượng ngôn ngữ. Đó là một tín hiệu.
Google đang phòng thủ hai phía. Tính năng Live Translate mới chạy bằng Gemini của họ chạy một phần trên thiết bị trên điện thoại Pixel. Họ không từ bỏ đám mây, nhưng rõ ràng đang đầu tư vào khả năng trên thiết bị.
Meta phát hành SeamlessM4T dưới dạng mô hình mã nguồn mở có khả năng dịch thuật giọng nói thành giọng nói trực tiếp. Nó đã chạy trên kính thông minh Ray-Ban của Meta. Mô hình được thiết kế để hoạt động trên thiết bị.
Các nhà phát triển độc lập đang cung cấp các ứng dụng sản xuất với AI dịch thuật hoàn toàn trên thiết bị. Traverba hỗ trợ 108 ngôn ngữ với giọng nói, camera, dịch thuật màn hình và trò chuyện nhóm ngoại tuyến nhiều người — tất cả chạy trên bộ xử lý của điện thoại mà không phụ thuộc đám mây.
Đám mây sẽ không biến mất. Nó vẫn sẽ là lựa chọn tốt nhất cho các cặp ngôn ngữ hiếm, các lĩnh vực chuyên biệt và chất lượng tối đa khi kết nối ổn định. Nhưng đối với thực tế hằng ngày của việc dịch thuật — hội thoại, thực đơn, biển hiệu, tin nhắn, cuộc họp — dịch thuật trên thiết bị đang trở thành lựa chọn tốt hơn.
Điều Này Có Nghĩa Gì Với Bạn
Nếu bạn thường xuyên dùng các công cụ dịch thuật, hãy thử một lựa chọn trên thiết bị và xem chất lượng có đáp ứng nhu cầu không. Với hầu hết các cặp ngôn ngữ phổ biến, câu trả lời là có.
Nếu bạn làm việc trong y tế, pháp lý, tài chính, hoặc bất kỳ lĩnh vực nào mà nội dung được dịch có thể nhạy cảm, hãy kiểm tra lại các công cụ dịch thuật của mình. Dịch thuật đám mây với nội dung bảo mật là rủi ro tuân thủ mà các lựa chọn thay thế trên thiết bị có thể loại bỏ.
Nếu bạn đang xây dựng sản phẩm liên quan đến dịch thuật, hãy cân nhắc xem API đám mây có còn là kiến trúc phù hợp không. Suy luận trên thiết bị rẻ hơn ở quy mô lớn (không có chi phí theo lần gọi), hoạt động ngoại tuyến và mang lại cho người dùng cam kết về quyền riêng tư mà không có bản cập nhật điều khoản dịch vụ nào có thể thu hồi.
Nếu bạn đang chuẩn bị mua thiết bị dịch thuật chuyên dụng trị giá hơn $300 vào năm 2026, hãy tự hỏi: thiết bị này có làm được điều gì mà điện thoại của tôi không thể?
Kỷ nguyên đám mây của dịch thuật đã mang lại tiến bộ đáng kinh ngạc. Nó đã giúp 249 ngôn ngữ tiếp cận hàng tỷ người miễn phí. Điều đó có ý nghĩa quan trọng.
Nhưng kỷ nguyên tiếp theo — dịch thuật riêng tư, ngoại tuyến, trên thiết bị, hoạt động ở mọi nơi, cho tất cả mọi người — đã ở đây rồi. Các mô hình đã đủ tốt. Điện thoại đã đủ nhanh. Câu hỏi duy nhất là ngành công nghiệp sẽ theo kịp nhanh đến mức nào.
Traverba là ứng dụng dịch thuật trên thiết bị miễn phí hỗ trợ 108 ngôn ngữ với giọng nói, camera, dịch thuật màn hình và trò chuyện nhóm ngoại tuyến. Không có dữ liệu nào rời khỏi điện thoại của bạn. Có trên Google Play và App Store. Tìm hiểu thêm tại traverba.com.