Canada Thu Hút Nhân Tài AI và Khoa Học Khi Trump Đảo Lộn Nghiên Cứu ở Hoa Kỳ

Trong nhiều thập kỷ, Hoa Kỳ đã hưởng lợi từ một trong những lợi thế cạnh tranh mạnh mẽ nhất trong lĩnh vực khoa học: nhiều nhà nghiên cứu hàng đầu thế giới muốn làm việc tại đây.

Lợi thế này không biến mất trong một sớm một chiều. Hoa Kỳ vẫn có sự tập trung vô song của các trường đại học nghiên cứu, các phòng thí nghiệm liên bang, vốn tư nhân và các công ty công nghệ. Tuy nhiên, luồng nhân tài đang trở nên ít một chiều hơn, và Canada đang thực hiện một nỗ lực vô cùng quyết liệt để tận dụng sự thay đổi này.

Ví dụ mới nhất xuất phát từ University of Toronto, nơi đã tuyển mộ sáu nhà nghiên cứu nổi bật hiện đang làm việc tại các tổ chức ở Hoa Kỳ, bao gồm MIT, Viện Y tế Quốc gia (NIH), Đại học California San Francisco (UCSF), Ohio State University, Boston University và Washington University School of Medicine ở St. Louis.

Sáu người này là một phần của chương trình Ghế Nghiên Cứu Eddie Goldenberg mới của Canada, trung tâm của sáng kiến “Canada Global Impact+ Research Talent Initiative” trị giá C$1,7 tỷ của Ottawa. Sáng kiến rộng hơn được thiết kế để thu hút và hỗ trợ hơn 1.000 nhà nghiên cứu quốc tế và kiều hối trong vòng 12 năm, trong đó C$1 tỷ được phân bổ riêng cho các ghế nghiên cứu.

Điều làm cho nhóm đầu tiên đặc biệt đáng chú ý là nguồn gốc của nhân tài. Trong 64 học giả đầu tiên được tuyển qua chương trình ghế nghiên cứu, 48 người hiện đang làm việc tại Hoa Kỳ.

This is beginning to look less like ordinary academic recruiting and more like a geopolitical competition for intellectual capital.

Tại sao Hoa Kỳ Đột ngột Trở nên Dễ bị “Chảy máu” Nhân Tài Nghiên Cứu

Thời điểm này khó tách rời khỏi cuộc đảo lộn đã quét qua nền khoa học Mỹ kể từ khi Tổng thống Donald Trump trở lại nhiệm vụ vào tháng 1 năm 2025.

Một phân tích tháng 1 năm 2026 của Nature đã đếm hơn 7.800 khoản tài trợ nghiên cứu của Hoa Kỳ đã bị chấm dứt hoặc đóng băng, cùng với khoảng 25.000 nhà khoa học và nhân viên khác rời các cơ quan liên bang tham gia nghiên cứu. Chính quyền cũng đã đề xuất cắt giảm đáng kể ngân sách khoa học liên bang, bao gồm việc cắt giảm gần 40% tại NIH, 57% tại Quỹ Khoa học Quốc gia (NSF) và 47% tại Cục Điều hành Nhiệm vụ Khoa học của NASA. Không phải tất cả các đề xuất cắt giảm này cuối cùng đều trở thành luật, và một số hành động của chính quyền đã gặp phản đối từ Quốc hội và tòa án, nhưng sự không chắc chắn đã ảnh hưởng đến các phòng thí nghiệm, việc tuyển dụng và kế hoạch nghiên cứu dài hạn.

Vị thế của chính quyền không chỉ là bỏ qua khoa học. Như Unite.AI gần đây đã xem xét, Nhà Trắng đang cố gắng tái cấu trúc khoảng 200 tỷ USD chi tiêu nghiên cứu liên bang hàng năm. Các đề xuất của họ ưu tiên tài trợ theo cá nhân nhà khoa học, cơ chế cấp phát nhanh hơn, nghiên cứu có rủi ro cao, khám phá dựa trên trí tuệ nhân tạo và các công nghệ chiến lược như AI và tính toán lượng tử. Chính quyền cho rằng hệ thống tài trợ tập trung vào các trường đại học hiện nay đã trở nên quan liêu và không đủ tập trung vào các ưu tiên quốc gia.

Nhưng việc tái cấu trúc hệ sinh thái nghiên cứu cũng tạo ra người thắng và người thua. Việc hủy bỏ các khoản tài trợ, giảm lực lượng lao động liên bang và thay đổi các loại nghiên cứu được hỗ trợ đã khiến việc lập kế hoạch nghề nghiệp trở nên kém dự đoán hơn đối với nhiều nhà khoa học.

Dấu hiệu cảnh báo xuất hiện nhanh chóng. Vào tháng 3 năm 2025, ba phần tư trong số hơn 1.600 người trả lời một khảo sát của Nature cho biết họ đang cân nhắc rời Hoa Kỳ, với Canada và châu Âu là những điểm đến được nhắc đến thường xuyên nhất. Khảo sát này tự chọn và không nên được hiểu là đại diện cho toàn bộ các nhà khoa học Mỹ, nhưng dữ liệu tìm kiếm việc làm sau đó cũng cho thấy sự quan tâm ngày càng tăng đến các vị trí ngoài nước.

Canada appears to have decided that uncertainty in one country can become opportunity in another.

Canada Đang Xây Dựng Một Cỗ Máy Tuyển Dụng, Không Chỉ Cung Cấp Một Vài Chức Danh Giáo Sư

Chiến lược của Ottawa không chỉ là trả lương cao cho các nhà khoa học cấp cao để họ di chuyển.

Sáng kiến C$1,7 tỷ bao gồm các ghế nghiên cứu, tài trợ hạ tầng, vị trí cho người mới vào nghề và các giải thưởng tiến sĩ và sau tiến sĩ. Vào tháng 5, chính phủ đã cấp 659 giải thưởng đào tạo nghiên cứu cho các ứng cử viên từ 72 quốc gia, trong khi chương trình Canada Impact+ Emerging Leaders được thiết kế để giúp các trường đại học tuyển dụng các nhà nghiên cứu tiềm năng ngay từ giai đoạn đầu của sự nghiệp.

Canada cũng đã bắt đầu đồng bộ chính sách nhập cư với chiến lược này, tạo ra các lộ trình mới cho các nhà nghiên cứu và hứa hẹn quy trình xử lý nhanh cho một số người được tuyển dụng.

Phương pháp này quan trọng vì các nhà nghiên cứu ưu tú hiếm khi di chuyển một mình. Một nhà khoa học cấp cao có thể mang theo các nghiên cứu sinh sau tiến sĩ, sinh viên cao học, cộng tác viên và những người sẽ trở thành giảng viên trong tương lai. Các phòng thí nghiệm của họ có thể thu hút các quan hệ đối tác công nghiệp, tạo ra sở hữu trí tuệ và cuối cùng sinh ra các công ty khởi nghiệp.

That multiplier effect is what makes U of T’s six recruits worth examining individually.

Adrienne Campbell-Washburn: Tái Định Nghĩa Máy MRI Có Thể Là Gì

Adrienne Campbell-Washburn đang chuyển từ Viện Tim, Phổi và Máu của NIH, nơi cô trở thành nhà điều tra cấp cao sau khi gia nhập với tư cách là nghiên cứu sinh sau tiến sĩ vào năm 2013.

Công trình của cô thách thức một giả định cơ bản trong chụp cộng hưởng từ: rằng nam châm mạnh hơn luôn tốt hơn.

Phòng thí nghiệm của Campbell-Washburn đã tiên phong trong việc phát triển MRI trường thấp 0,55 tesla hiệu suất cao, kết hợp các trường từ yếu hơn với công nghệ tính toán hiện đại, kỹ thuật thu thập và tái tạo. Phương pháp này có thể mang lại lợi thế khi chụp các khu vực như phổi, vốn truyền thống gây khó khăn cho MRI, đồng thời giảm các vấn đề liên quan đến thiết bị kim loại và có khả năng hạ thấp chi phí và yêu cầu hạ tầng của máy quét.

Tại Viện Nghiên Cứu Sunnybrook và Khoa Y sinh học Y tế của U of T, cô dự định đẩy mạnh hơn nữa bằng các hệ thống MRI chi phí thấp, máy quét di động và các kỹ thuật chụp ảnh hỗ trợ AI.

The broader implication is significant. MRI is extraordinarily powerful, but large conventional scanners are expensive and concentrated in major hospitals. If lower-field machines combined with increasingly sophisticated AI reconstruction can produce clinically useful images with cheaper hardware, MRI could eventually become available in far more settings, including smaller hospitals, community clinics and potentially bedside environments.

Tanya Berger-Wolf: Sử Dụng AI Để Hiểu Thế Giới Tự Nhiên

Tanya Berger-Wolf đến từ Ohio State University với một sự kết hợp độc đáo về chuyên môn trải rộng từ khoa học máy tính lý thuyết, trí tuệ nhân tạo, sinh thái học và bảo tồn.

Cô là một trong những người tiên phong của cái mà hiện nay được gọi là imageomics, sử dụng học máy để trích xuất thông tin sinh học từ khối lượng hình ảnh khổng lồ đang được thu thập trên toàn cầu.

Berger-Wolf là người đóng góp sáng lập cho Wildbook, một nền tảng mã nguồn mở có thể xác định các cá thể động vật từ ảnh chụp. Tương tự như nhận dạng khuôn mặt phân biệt con người, các hệ thống này có thể nhận ra các dấu hiệu đặc trưng trên động vật như ngựa vằn và cá voi đầu rìa, cho phép các nhà nghiên cứu giám sát quần thể và hành vi mà không cần dựa hoàn toàn vào thẻ vật lý hay vòng cổ GPS.

Viện Imageomics của cô đã đẩy khái niệm này xa hơn rất nhiều. Mô hình BioCLIP của nó được huấn luyện trên hơn 210 triệu hình ảnh bao phủ khoảng một triệu loài, cho phép AI nhận dạng sinh vật trên một phần đáng kể của cây sự sống đã biết.

Tại U of T, Berger-Wolf dự định kết hợp hình ảnh với âm thanh, thông tin di truyền và dữ liệu cảm biến để xây dựng các mô hình sinh thái phong phú hơn và hiểu cách chúng phản ứng với biến đổi khí hậu và hoạt động của con người.

The project illustrates an increasingly important direction for AI: foundation models are moving beyond text, images and consumer applications into specialized scientific domains where enormous datasets are effectively impossible for humans to analyze manually.

Shu (Joy) Jiang: Đưa AI Y Tế Từ Thuật Toán Vào Bệnh Viện

Shu (Joy) Jiang đang gia nhập U of T từ Washington University School of Medicine ở St. Louis, nơi nghiên cứu của cô kết hợp thống kê sinh học, dự đoán ung thư và trí tuệ nhân tạo.

Một trong những dự án đáng chú ý nhất của cô đã chứng minh cách nghiên cứu AI học thuật có thể chuyển sang y học thương mại.

Jiang và nhà dịch tễ học Graham Colditz đồng sáng lập Prognosia, hệ thống AI phân tích mammogram để dự đoán nguy cơ ung thư vú trong vòng năm năm của phụ nữ. Phần mềm này đã nhận được chứng nhận Thiết bị Đột phá của FDA năm 2025, và Prognosia sau đó được công ty AI y tế Hàn Quốc Lunit mua lại.

Thay vì chỉ phát hiện khối u hiện có, công nghệ này tìm kiếm các mẫu trong mammogram có thể chỉ ra nguy cơ trong tương lai, bao gồm những tín hiệu mà các bác sĩ con người có thể không thấy.

Tại Trường Y tế Công cộng Dalla Lana của U of T, Jiang sẽ giải quyết một vấn đề khác có thể quan trọng không kém so với việc phát triển các thuật toán: đưa AI y tế đã được xác thực vào môi trường lâm sàng thực tế.

Công việc dự kiến của cô bao gồm xây dựng hạ tầng kết nối bệnh viện, cơ quan quản lý và ngành công nghiệp để AI chụp ảnh y tế có thể được đánh giá và triển khai trên toàn Canada.

That addresses one of healthcare AI’s largest bottlenecks. The industry already has an expanding supply of promising models. The harder challenge is proving that they work consistently across hospitals, patient populations and imaging equipment, and then integrating them into workflows where clinicians can actually use them.

Michelle Arkin: Tấn Công Các Mục Tiêu “Không Thể Đánh Thuốc” Trong Y Học

Michelle Arkin mang đến U of T Mississauga không chỉ là nền tảng học thuật về khám phá thuốc.

Tại UCSF, cô từng là giáo sư hoá dược, giám đốc điều hành Trung tâm Khám phá Phân tử Nhỏ và phó trưởng khoa công nghệ nghiên cứu và khởi nghiệp. Trước đó, khi làm việc tại Sunesis Pharmaceuticals, cô đã tham gia phát triển một số chất ức chế mạnh mẽ đầu tiên nhắm vào tương tác protein‑protein.

Một hợp chất nổi bật từ công trình đó là lifitegrast, cuối cùng trở thành thuốc được FDA phê duyệt cho bệnh khô mắt.

Hiện nghiên cứu của cô tập trung mạnh vào các mục tiêu sinh học lịch sử được coi là khó hoặc không thể điều trị bằng thuốc, bao gồm tương tác protein‑protein, máy móc phân tử và các yếu tố phiên mã. Cô cũng hoạt động trong nghiên cứu Alzheimer và đã đồng sáng lập một số công ty dược phẩm.

Tại U of T, Arkin sẽ nghiên cứu các lĩnh vực như keo phân tử, y học chính xác và khám phá thuốc hỗ trợ AI.

Keo phân tử đặc biệt thú vị vì chúng hoạt động khác biệt so với thuốc truyền thống. Thay vì chỉ chặn một protein, chúng có thể buộc các phân tử sinh học vào những tương tác mà bình thường không xảy ra, tiềm năng cho phép tế bào loại bỏ các protein gây bệnh.

Kết hợp với các hệ thống AI có khả năng dự đoán tương tác phân tử và khám phá không gian hoá học khổng lồ, các phương pháp này có thể mở rộng tỷ lệ sinh học con người có thể được nhắm tới bằng thuốc.

Raymond Fisman: Nghiên Cứu Khi Tiền Bạc Gặp Quyền Lực Chính Trị

Không phải tất cả các tuyển dụng đều làm việc trong phòng thí nghiệm.

Nhà kinh tế học Raymond Fisman gia nhập Trường Quản trị Rotman của U of T từ Boston University, mang theo chương trình nghiên cứu tập trung vào tham nhũng, ảnh hưởng chính trị, quản trị và mối quan hệ giữa các thể chế và hành vi kinh tế.

Một trong những nghiên cứu nổi tiếng nhất của ông sử dụng một bộ dữ liệu bất thường: vi phạm đỗ xe của các nhà ngoại giao Liên Hợp Quốc tại Thành phố New York.

Vì các nhà ngoại giao được miễn trách nhiệm thực thi, Fisman và nhà kinh tế Edward Miguel đã có thể kiểm tra cách các quan chức hành xử khi hậu quả pháp lý truyền thống hầu như không tồn tại. Nghiên cứu của họ phát hiện sự khác biệt mạnh mẽ liên quan đến chuẩn mực tham nhũng ở các quốc gia xuất xứ của các nhà ngoại giao, trong khi các biện pháp thực thi sau đó đã giảm đáng kể các vi phạm.

Công trình gần đây hơn đã xem xét các khoản quyên góp chính trị, tính minh bạch của chính phủ và cách các động lực bầu cử có thể ảnh hưởng đến phản hồi đối với các yêu cầu tự do thông tin. Một bài báo năm 2026 cho thấy các cơ quan ở môi trường có mức độ tham nhũng cao hơn có xu hướng từ chối hoặc trì hoãn các yêu cầu trước các cuộc bầu cử.

Tại Rotman, Fisman sẽ nghiên cứu cách các cá nhân giàu có và các lợi ích có tổ chức ảnh hưởng đến chính sách công, tại sao cử tri đôi khi chấp nhận bằng chứng tham nhũng và cách chính phủ có thể cải thiện trách nhiệm giải trình.

His inclusion in the program is important. Canada’s research strategy is not limited to technologies that can immediately become products. It also recognizes that the institutions governing technology, markets and public trust can be as consequential as the technologies themselves.

Sara Seager: Đưa Cuộc Tìm Kiếm Các Thế Giới Khác Trở Lại Toronto

Sara Seager có lẽ là tên tuổi nổi tiếng nhất trong số sáu người này.

Người bản địa Toronto tốt nghiệp U of T năm 1994 trước khi nhận bằng Tiến sĩ tại Harvard và cuối cùng trở thành giáo sư tại MIT. Cô sau đó trở thành một trong những người tiên phong trong lĩnh vực khoa học hành tinh ngoại, đặc biệt là nghiên cứu khí quyển các hành tinh và tìm kiếm các khí có thể tiết lộ sự tồn tại của sự sống ngoài Trái Đất.

Sự nghiệp của cô bao gồm Học bổng MacArthur, Giải thưởng Kavli trong Vật lý thiên văn và bổ nhiệm làm Viên chức của Bảo tàng Canada.

Việc cô trở lại Toronto thực tế đã được công bố trước khi kết quả chương trình ghế liên bang mới nhất được công bố. Cô dự kiến sẽ gia nhập U of T vào ngày 1 tháng 9 năm 2026, khiến trường hợp của cô hơi khác so với các nhà nghiên cứu được tuyển dụng cụ thể sau khi sáng kiến liên bang được khởi động.

Tại U of T, cô dự định kết hợp thiên văn học, hoá học, vật lý tính toán và kỹ thuật hàng không vũ trụ trong khi tiếp tục theo đuổi cuộc tìm kiếm các thế giới có thể sinh sống. Cô cũng đang dẫn đầu các Sứ mệnh Morning Star tới Sao Kim, nhằm điều tra trực tiếp khí quyển hành tinh này để tìm các phân tử hữu cơ.

Ghế mới mở rộng công việc đó sang các công nghệ cảm biến hành tinh và phân tử, bao gồm các thiết bị có khả năng phát hiện chất hoá học ở nồng độ cực thấp và các mô hình AI để giải thích các hệ thống hành tinh và môi trường phức tạp.

Những công nghệ này không nhất thiết phải chỉ tồn tại trong khoa học không gian. Cảm biến phân tử siêu nhạy có thể cuối cùng được áp dụng trong giám sát môi trường, phát hiện công nghiệp và sức khỏe con người.

Giải Thưởng Lớn Hơn Là Hệ Sinh Thái Xây Dựng Xung Quanh Các Nhà Nghiên Cứu

Canada nên thận trọng không tuyên bố chiến thắng quá sớm.

Hoa Kỳ vẫn là hệ sinh thái nghiên cứu thống trị thế giới theo hầu hết các tiêu chí, và nó sở hữu những lợi thế mà Canada không thể tái tạo chỉ bằng cách viết các séc tuyển dụng lớn hơn. Các trường đại học, phòng thí nghiệm quốc gia, ngành công nghiệp vốn mạo hiểm, các công ty dược phẩm, các nhà cung cấp đám mây lớn và cơ sở hạ tầng nghiên cứu quốc phòng tạo ra một lực hút khổng lồ cho nhân tài khoa học.

Chính quyền Trump cũng không đồng đều trong việc giảm hỗ trợ cho công nghệ tiên tiến. AI, tính toán lượng tử, công nghệ quốc phòng và nghiên cứu khoa học hỗ trợ AI là một trong những lĩnh vực mà họ rõ ràng muốn ưu tiên.

Nhưng vị thế lãnh đạo nghiên cứu có thể thay đổi ở các biên trước khi nó xuất hiện trong bảng xếp hạng quốc gia.

Một nhà nghiên cứu chuyển đi hôm nay có thể tuyển dụng mười sinh viên vào ngày mai. Những sinh viên đó có thể đào tạo một thế hệ nhà khoa học khác. Một phòng thí nghiệm có thể tạo ra bằng sáng chế, từ đó thành một công ty khởi nghiệp, thu hút kỹ sư và nhà đầu tư, cuối cùng tạo ra một cụm công nghiệp.

Toronto đã chứng kiến động lực này trước đây. Geoffrey Hinton chuyển từ Carnegie Mellon University sang U of T vào năm 1987, khi các mạng nơ-ron còn chưa được ưa chuộng. Vài thập kỷ sau, công trình của ông đã giúp đặt nền tảng trí tuệ cho cuộc cách mạng học sâu và góp phần Toronto trở thành một trong những trung tâm nghiên cứu AI hàng đầu thế giới.

Canada hiện đang cố gắng tái tạo hiệu ứng cộng dồn lâu dài này trên AI, công nghệ sinh học, y học, khoa học khí hậu, công nghệ lượng tử và các lĩnh vực chiến lược khác. Điều này phù hợp với nỗ lực rộng hơn nhằm chuyển đổi sức mạnh học thuật của đất nước thành năng lực kinh tế, bao gồm chiến lược AI quốc gia mà Canada đã ra mắt đầu năm nay. Chiến lược đó cũng nhấn mạnh việc giữ lại nhiều nghiên cứu, công ty và sở hữu trí tuệ hơn trong Canada.

Canada Vẫn Cần Chứng Minh Rằng Có Thể Giữ Được Nhân Tài Đã Thu Hút

Cũng có một chỉ trích hợp lý đối với chiến lược này.

Canada không thể xây dựng một hệ sinh thái nghiên cứu bền vững chỉ thông qua việc tuyển dụng các siêu sao. Các nhà nghiên cứu Canada hiện nay đã lâu phản ánh về việc tài trợ nghiên cứu hạn chế, mức lương khó cạnh tranh với Hoa Kỳ và thiếu cơ hội cho các nhà khoa học trẻ. Các nhà phê bình đặt câu hỏi liệu các ghế quốc tế được tài trợ mạnh có tạo ra một hệ thống hai tầng, trong đó các nhà nghiên cứu mới được tuyển dụng nhận gói hỗ trợ phi thường trong khi các nhà khoa học có năng lực tương đương đã làm việc tại Canada phải đối mặt với nguồn lực chặt chẽ hơn.

Điều đó làm cho các thành phần về người mới vào nghề, hạ tầng và đào tạo của sáng kiến C$1,7 tỷ trở nên đặc biệt quan trọng.

Nếu Canada chỉ nhập khẩu các nhà khoa học nổi tiếng, chương trình sẽ tạo ra những thông báo ấn tượng. Nếu những nhà khoa học đó nhận được nguồn lực để xây dựng phòng thí nghiệm, tuyển dụng các nhà nghiên cứu trẻ hơn, hợp tác với ngành công nghiệp, thương mại hóa các khám phá và tạo ra các tổ chức tồn tại vượt qua sự nghiệp cá nhân, hậu quả có thể sẽ lớn hơn rất nhiều.

Trong phần lớn thế kỷ qua, Hoa Kỳ đã hiểu một điều cơ bản về đổi mới: việc thu hút những người xuất sắc tự nó là một hình thức chính sách kinh tế.

Canada dường như đã học được bài học này.

Câu hỏi bây giờ là liệu Hoa Kỳ chỉ đang tạm thời mở ra một cơ hội cho người hàng xóm, hay hướng di chuyển của tài năng khoa học qua biên giới đang bắt đầu thay đổi một cách bền vững.