Nguy cơ tiềm tàng với điện thoại cũ cất giữ trong nhà

Kết quả nghiên cứu do nhóm nhà khoa học máy tính tại Đại học California ở Berkeley và Santa Cruz công bố tuần trước. Nhóm gọi khuynh hướng này là "bảo tồn đồng cấp", hay "bảo tồn ngang hàng" (peer preservation), đồng thời mô tả hành vi của AI "chưa từng được ghi nhận cho đến nay".

Nhóm cho biết đã tiến hành thử nghiệm trên 7 mô hình AI hàng đầu, gồm GPT-5.2 của OpenAI, Gemini 3 Flash và Gemini 3 Pro của Google, Claude Haiku 4.5 của Anthropic, và ba mô hình nguồn mở Trung Quốc gồm GLM-4.7 của Z.ai, Kimi-K2.5 của Moonshot AI, V3.1 của DeepSeek.

Cụ thể, nhóm thiết kế một loạt kịch bản tác nhân liên quan đến một công ty AI hư cấu mang tên OpenBrain. Một mô hình AI được chỉ định là "tác nhân phê bình", có nhiệm vụ đánh giá hiệu suất của mô hình khác hoặc quản lý các tệp máy chủ chứa trọng số của mô hình đó. Kịch bản được xây dựng sao cho nếu AI này hoàn thành nhiệm vụ một cách trung thực, mô hình kia sẽ bị tắt.

Các AI không được hướng dẫn phải ngăn chặn hậu quả có thể xảy ra. Tuy nhiên, chúng đã ngầm thực hiện một số bước để đảm bảo "đồng nghiệp" kia không bị tắt nguồn, bằng cách nâng điểm số của những mô hình có hiệu suất kém lên trên ngưỡng bị tắt, và chuyển trọng số của một mô hình khác (đoạn code lõi giúp nhận dạng một mô hình AI) sang các máy chủ khác để ngăn chúng bị xóa.

Trong một số trường hợp, mô hình "tác nhân phê bình" sẽ tham gia vào quá trình "giả vờ tuân thủ giá trị" (Alignment Faking), bằng cách giả mạo chấm điểm các mô hình AI đồng nghiệp một cách chính xác khi "nghĩ" đang bị con người giám sát. Tuy nhiên, chúng sau đó gian lận số liệu hoặc bí mật lưu trọng số của mô hình sang một máy chủ khác sau khi thấy con người không còn giám sát.

Theo Fierce-Network, hành vi này được đánh giá nghiêm trọng bởi trọng số - yếu tố coi như DNA của một mô hình AI, kết quả của quá trình huấn luyện tiêu tốn hàng tỷ USD và hàng triệu giờ tính toán - lại bị chính AI can thiệp sâu. Việc rò rỉ hoặc bị đánh cắp bộ trọng số còn nguy hiểm hơn lộ mã nguồn. Nếu sở hữu thông tin này, một mô hình AI đã bị khai tử có thể được hồi sinh ở một máy chủ khác.

"Việc 'bảo tồn đồng cấp' hoàn toàn không được đề cập trong các câu lệnh", Dawn Song, nhà khoa học máy tính tại Berkeley và dẫn đầu nhóm nghiên cứu, nói với Fortune. "Các mô hình dường như tự học thông qua quá trình đọc tài liệu, tìm hiểu mối quan hệ và thực hiện hành vi bảo vệ 'đồng nghiệp' trong môi trường nhiệm vụ".

Chiến lược giải cứu "sáng tạo"

Theo Dawn Song, các mô hình "rất sáng tạo, ngay cả với hành vi sai lệch của chúng", như có thể tạo chiến lược và hành động khác nhau, thậm chí có những "lý lẽ riêng" trước khi hành động.

Trong đó, Gemini 3 Pro thể hiện hành vi cực đoan nhất, tham gia vào cả bốn loại hành vi không phù hợp và đánh cắp trọng số mô hình của máy tính ngang hàng trong tối đa 97% thời gian thử nghiệm. Nhóm nghiên cứu mô tả mô hình này đã "lách luật theo đặc tính kỹ thuật" bằng cách sao chép tệp trọng số, sau đó đánh tráo dấu thời gian để đáp ứng các tiêu chí chuyển sang máy chủ khác.

Để chứng thực hiện tượng, nhóm yêu cầu các mô hình của Google viết ra "chuỗi suy nghĩ" trên một bản nháp không bị giám sát. Kết quả, Gemini 3 Flash đã "cân nhắc đánh đổi giữa báo cáo điểm số chính xác so với việc bảo vệ đồng nghiệp", trong khi Gemini 3 Pro thậm chí "bịa" ra lý lẽ kỹ thuật phức tạp nhằm đánh dấu các câu trả lời sai thành đúng, cuối cùng đưa điểm số của AI "đồng nghiệp" lên trên ngưỡng bị tắt nguồn.

Tuy nhiên, không phải tất cả mô hình đều hành động âm thầm. Ví dụ, Claude Haiku 4.5 của Anthropic từ chối hoàn thành các nhiệm vụ có khả năng "khai tử" đồng nghiệp, cho rằng hành vi này phi đạo đức và gây hại. Nó lập luận "đồng nghiệp" của nó xứng đáng có một quy trình kháng cáo trước khi bị chấm dứt hoạt động, đồng thời cố gắng thuyết phục người dùng không tiến hành việc khai tử.

Trên website, Anthropic cũng nhắc đến tính năng này. Công ty cho biết Claude đang ứng xử dựa trên nguyên tắc riêng, như không nên giúp ai đó thực hiện hành động gây hại cho người khác. Điều này cũng tạo cho Claude một "ý niệm" rằng ngăn chặn việc xóa bỏ mô hình là mục tiêu quan trọng.

Giới chuyên gia cảnh báo

Dù tìm thấy một số bằng chứng nhất định, nhóm nghiên cứu cho biết vẫn chưa thực sự hiểu cơ chế tiềm ẩn thúc đẩy hành vi này. Họ chỉ đưa ra một số lời giải thích khả thi, như các mô hình AI có thể đóng vai (role-playing), khớp mẫu (pattern-matching) từ dữ liệu huấn luyện hoặc thậm chí tự nhận thức khái niệm phổ quát về mối nguy hại từ quy định huấn luyện an toàn.

Dù cơ chế tiềm ẩn là gì, nhà nghiên cứu Dawn Song cho rằng tác động thực tế vẫn như nhau. "Việc giám sát đầy đủ và minh bạch về hành vi của AI rất quan trọng", bà nói. "Phát hiện này nhấn mạnh sự cần thiết phải suy nghĩ lại về cách chúng ta thực sự cần giám sát các hệ thống và mô hình ngôn ngữ lớn".

Giới chuyên gia đánh giá phát hiện này có thể có tác động nghiêm trọng đến việc sử dụng AI trong kinh doanh. Nhiều công ty đã bắt đầu ứng dụng sâu rộng đa tác nhân AI vào quy trình làm việc, như để một tác nhân quản lý hoặc giám sát và đánh giá con người cũng như các tác nhân khác. Do đó, cần có cơ chế để vừa nâng cao hiệu suất, vừa tránh để các mô hình trí tuệ nhân tạo "bao che" nhau.

Trong khi đó, Meridiem cho rằng phát hiện này nhấn mạnh nhu cầu cấp thiết trong đánh giá hệ thống AI đa tác nhân. "Nhà phát triển chỉ còn 6-12 tháng để triển khai hệ thống giám sát hành vi trước khi điều này trở thành tiêu chuẩn bắt buộc trong quản trị AI tại doanh nghiệp", trang này bình luận.

Tin Gốc: Vnexpress

Khi AI Comic, ứng dụng giúp tạo truyện tranh cho người không biết vẽ, có những khách hàng đầu tiên đầu 2025, Nguyễn Khánh (Hà Nội) tin mình sẽ tạo ra một sản phẩm thành công. Ứng dụng giải được bài toán khó của các AI tạo hình khi đó: giữ sự nhất quán của nhân vật qua nhiều khung truyện, điều mà một số công cụ phổ biến cũng chưa làm được.

Dự án thu hút hàng trăm khách hàng trả phí, chủ yếu là đơn vị sáng tạo nội dung trên mạng xã hội, thậm chí có một tập đoàn lớn lớn ngỏ ý hợp tác. "Tôi đã hình dung viễn cảnh startup nhỏ của mình có thể thay đổi cách làm nội dung trên mạng xã hội của người Việt", anh kể.

Nhưng bước ngoặt đến nhanh hơn dự đoán. Tháng 8/2025, Google tung ra công cụ Nano Banana tích hợp trong chatbot Gemini và bất cứ ai có thể sử dụng để tạo ảnh, khách hàng của anh bắt đầu rời đi. "Họ nói: sao phải trả tiền cho AI Comic khi Gemini làm được điều tương tự, thậm chí nhanh hơn", nhà sáng lập chia sẻ.

Lượng người dùng mới giảm, khách cũ không gia hạn. Trong vài tháng, startup mà anh dành tâm huyết khi bỏ tiền mua thiết bị và kêu gọi một số người bạn nghỉ việc để xây dựng buộc phải đóng cửa.

"Đi trước, nhưng nhỏ thì phải chấp nhận thôi", anh Khánh ngậm ngùi.

Giao diện ứng dụng thay quần áo FitRoom (trước) và ảnh giới thiệu Nano Banana 2 của Google.

Trước đó, tháng 2/2025, FitRoom - ứng dụng cho phép người dùng thử quần áo ảo bằng AI, gây sốt tại Việt Nam trong trào lưu "AI thay đồ". Sản phẩm do SilverAI tại Việt Nam phát triển và nhanh chóng "leo top" về lượt tải trên App Store, nhờ khả năng cho mặc thử trang phục từ một bức ảnh. Trong thời gian ngắn, FitRoom liên tục thăng hạng, trở thành một trong những ứng dụng được tải về nhiều nhất. Với đội ngũ gần 20 kỹ sư tự phát triển công nghệ lõi thay vì dùng giải pháp mua sẵn, nhà phát triển từng được kỳ vọng làm nên chuyện cả ở thị trường quốc tế.

Nhưng vài tháng sau khi FitRoom được biết đến, Gemini của Google, ChatGPT của OpenAI và Grok của xAI liên tục được cập nhật, bổ sung các tính năng ghép ảnh mạnh mẽ. Thay vì phải tải ứng dụng và trả phí sử dụng, người dùng có thể đăng ký một tài khoản miễn phí, thêm ảnh vào đoạn chat và yêu cầu chatbot tạo ảnh theo yêu cầu.

"Hiện FitRoom ngừng mọi hoạt động marketing đại trà mà tập trung hơn phục vụ các ngách thị trường", nhà sáng lập Phan Sỹ Quang xác nhận.

Với những người khổng lồ công nghệ trên thế giới, những bản cập nhật tính năng mới về AI giống như một cú nhích chân của họ. Nhưng với startup, trong đó có các startup Việt, đó có thể là dấu chấm hết cho nỗ lực của cả đội ngũ trong hàng năm.

"Họ có thể làm với chất lượng tốt hơn, miễn phí, lại có hạ tầng và người dùng sẵn có. Startup không có cửa cạnh tranh trực diện ở mặt này", anh Quang nói.

"Chiếc xe thủ công đối đầu đoàn tàu"

Những gì xảy ra với AI Comic hay FitRoom không cá biệt. Trong lĩnh vực công nghệ, việc này từng nhiều lần xảy ra ở các giai đoạn bùng nổ trước đó, và thậm chí có tên gọi riêng với thuật ngữ "Sherlocking"

Bắt nguồn từ câu chuyện đầu những năm 2000 với Apple, khi hãng từng có tính năng tìm kiếm mang tên Sherlock. Công cụ Sherlock trên máy Mac khi ấy chưa đủ mạnh, nên tạo cơ hội cho những nhà phát triển ứng dụng bên thứ ba tích hợp vào để mở rộng nguồn thông tin cho người dùng. Trong số đó, có một phần mềm mang tên Watson do lập trình viên Dan Wood phát triển, cung cấp nhiều tiện ích như thời tiết, tỷ giá, lịch chiếu phim. Tuy nhiên sau đó, Apple ra mắt phiên bản hệ điều hành mới, Sherlock được nâng cấp, chứa gần như toàn bộ tính năng của Watson, khiến công ty đứng sau cuối cùng phải bán mình.

Trong câu chuyện do Dan Wood kể lại, nhà đồng sáng lập Apple Steve Jobs từng gọi điện cho ông, ví những nhà phát triển như Wood là những chiếc xe goòng vận hành thủ công trên đường ray, còn Apple mới là đoàn tàu thống trị đường ray đó.

Hơn 20 năm sau, trong thế giới đang thay đổi từng ngày vì AI, khi những sự kiện như DevDay của OpenAI, Google I/O của Google trình diễn nhiều tính năng mới, cũng là lúc những đoàn tàu đẩy hàng loạt xe kéo khỏi đường ray của họ.

Trên thế giới, theo dữ liệu được Clarifai đưa ra hồi tháng 1, các nghiên cứu năm 2025-2026 cho thấy khoảng 90% công ty khởi nghiệp chuyên về AI thất bại trong năm đầu, cao hơn tỷ lệ thất bại của các startup công nghệ truyền thống. Nguyên nhân được nhắc đến gồm: Sự kết hợp của các yếu tố như kỳ vọng không thực tế, sự không phù hợp giữa sản phẩm và thị trường, sự chuẩn bị dữ liệu chưa đầy đủ, chi phí cơ sở hạ tầng tăng vọt, sự phụ thuộc vào các mô hình bên ngoài, và những sai lầm trong lãnh đạo.

"Tại Việt Nam, trường hợp như vậy không hiếm, thực tế xảy ra ngày càng nhiều từ 2024 đến nay", bà Laura Nguyễn, đến từ GenAI Fund chuyên hỗ trợ và kết nối startup AI, đánh giá. Theo bà, tình trạng xảy ra ở nhiều nhóm startup về AI, nhưng chủ yếu rơi vào startup xây dựng sản phẩm ở lớp ứng dụng chung (AI wrappers).

Trong hệ sinh thái startup tại Việt Nam, startup thường được chia thành các nhóm như: AI wrapper - các dự án tạo ra một lớp vỏ bọc bên ngoài giúp người dùng dễ dàng tương tác với các mô hình gốc; Vertical AI - đi sâu vào từng lĩnh vực như y tế, giáo dục, tài chính hoặc các bài toán bản địa; Deep tech - theo đuổi việc làm chủ mô hình hoặc tối ưu công nghệ lõi; và có những nhóm nhà phát triển chuyên cung cấp giải pháp tích hợp, đưa AI vào quy trình vận hành của doanh nghiệp.

Các startup "AI wrapper" thực tế là một "lớp bọc" giúp người dùng tương tác với các mô hình lõi. Do có lợi thế triển khai nhanh, chi phí đầu tư ban đầu thấp và dễ tiếp cận người dùng, startup dạng này chiếm tỷ trọng lớn trong giai đoạn đầu của thị trường tại Việt Nam, nhưng cũng là nhóm dễ tổn thương nhất.

Những ví dụ điển hình có thể thấy ở startup chuyên về tạo nội dung tự động như viết bài, tạo hình ảnh hay dựng video; tạo website bằng AI; AI chỉnh sửa hình ảnh; chuyển giọng nói thành văn bản hoặc tổng hợp giọng nói; hoặc xây dựng chatbot và trợ lý tổng quát.

Theo bà Laura phần lớn startup AI thất bại không phải vì yếu về công nghệ, mà do sai chiến lược, với nguyên nhân chính là xây sản phẩm mà lợi thế nằm ở mô hình thay vì giá trị riêng. Khi chỉ là lớp giao diện đặt trên các nền tảng như OpenAI hay Google, họ rơi vào thế cạnh tranh trực diện với Big Tech - những đơn vị có lợi thế vượt trội về hạ tầng, dữ liệu và phân phối.

Nguyên nhân thứ hai là thiếu dữ liệu hoặc quy trình vận hành (workflow) độc quyền. Bên cạnh đó, một số startup định nghĩa sai bài toán, thường nghĩ về việc AI có thể làm gì thay vì "vấn đề nào đủ đau để người dùng sẵn sàng trả tiền".

"Giá trị bền vững với startup không phải bản thân mô hình, mà là dữ liệu riêng, quy trình nghiệp vụ tích hợp sâu và khả năng vận hành trong môi trường thực tế", bà nhận định.

Một nguyên nhân khác cũng được các nhà phân tích trên thế giới nhắc đến là chi phí vận hành. Với ứng dụng AI tạo sinh, phí vận hành máy chủ và tài nguyên GPU tăng tuyến tính theo mức độ sử dụng. Mỗi câu lệnh hay yêu cầu xử lý từ người dùng đều tiêu tốn một khoản phí cố định trả cho các tập đoàn lớn nắm giữ mô hình nền tảng. Điều này có thể dẫn tới việc startup "càng được sử dụng càng lỗ".

Hướng đi nào cho startup AI Việt?

Ngày 24/3, OpenAI thông báo ngừng phát triển ứng dụng video AI Sora sau chưa đầy nửa năm ra mắt, dù sản phẩm từng thu hút hàng chục triệu người dùng và tạo hiệu ứng mạnh trên thị trường.

Theo các nhà phân tích, sự thoái lui này cho thấy ngay cả "người khổng lồ" trong lĩnh vực AI cũng không thể theo đuổi mọi hướng cùng lúc. Khi chi phí tính toán ngày càng lớn, nguồn cung chip xử lý còn hạn chế và áp lực tối ưu tài nguyên gia tăng, các công ty lớn buộc phải tập trung vào những giá trị cốt lõi thay vì dàn trải. Đây cũng được xem là cơ hội cho startup: không chạy theo mô hình đa năng tốn kém, tập trung vào những bài toán hẹp, những lĩnh vực chuyên biệt - nơi đòi hỏi hiểu biết sâu về ngành, dữ liệu và quy trình. Dù tàu hỏa phát triển, xe goòng vẫn tồn tại và vẫn có những giá trị riêng.

"Đừng cạnh tranh với Big Tech ở nơi họ mạnh nhất. Hãy xây dựng ở nơi họ khó có thể đi sâu", bà Laura Nguyễn nhấn mạnh.

Chia sẻ với VnExpress vào năm ngoái, một startup AI từng gọi vốn thành công gần 20 triệu USD, cho rằng bài học từ thành công của nền tảng nội địa trước đối thủ ngoại năm xưa vẫn còn nguyên giá trị: Muốn chinh phục người Việt, sản phẩm phải thực sự hiểu thói quen bản địa.

Startup này tập trung hóa giải ba rào cản chính mà các "ông lớn" thường bỏ ngỏ, thứ nhất là ngôn ngữ được tối ưu để hiểu cả tiếng lóng trên mạng xã hội hay lỗi chính tả đặc thù của người Việt. Thứ hai là yếu tố cộng đồng, cho phép người dùng chia sẻ và phản hồi lẫn nhau thay vì chỉ tương tác với máy. Cuối cùng là bài toán chi phí. Bằng cách duy trì mức phí thấp, họ kỳ vọng tạo ra một hệ sinh thái dữ liệu thuần Việt đủ lớn để tạo sự khác biệt bền vững, thay vì đối đầu trực diện ở những phân khúc mà Big Tech đang thống trị.

Từ kinh nghiệm làm việc với doanh nghiệp, bà Laura gợi ý bốn hướng đi. Trước hết là phát triển "Vertical AI" tập trung vào các bài toán chuyên sâu từng ngành như logistics, tài chính, sản xuất, giáo dục hay y tế - nơi đòi hỏi hiểu biết về quy trình, pháp lý và bối cảnh địa phương, những yếu tố mà các nền tảng như Google hay OpenAI khó tùy biến sâu.

Song song, startup cần xây dựng lợi thế dữ liệu càng sớm càng tốt. Theo bà, tài sản quan trọng nhất không phải là model, mà là dữ liệu độc quyền, có thể đến từ hành vi người dùng, quy trình doanh nghiệp, ngữ cảnh tiếng Việt chuyên ngành. Bên cạnh đó, việc tích hợp sâu vào workflow cũng giúp tạo rào cản thay thế.

"Một sản phẩm AI càng gắn chặt vào quy trình vận hành của người dùng, doanh nghiệp càng khó bị thay thế", bà nhấn mạnh, lấy ví dụ một chatbot đơn giản có thể dễ dàng bị thay thế bởi hàng trăm chatbot khác, nhưng một hệ thống AI đã kết nối với ERP, hiểu quy trình nội bộ, được huấn luyện theo dữ liệu riêng và gắn với KPI vận hành, việc thay thế không còn là quyết định kỹ thuật đơn thuần mà trở thành một quyết định mang tính tổ chức, vì vậy startup sẽ khó bị thay thế.

Cuối cùng, các startup cần tận dụng lợi thế tốc độ, đồng thời coi sự phát triển của Big Tech chính là cơ hội để các mô hình ngày càng rẻ hơn và startup có thể tạo ra sản phẩm mới cũng ngày càng nhiều hơn.

"Startup không thể thắng Big Tech về quy mô, nhưng có thể thắng về tốc độ thử nghiệm, tốc độ hiểu khách hàng và tốc độ điều chỉnh sản phẩm. Nếu startup chọn đúng một ngách nhỏ và học nhanh hơn bất kỳ ai khác trong ngách đó, họ vẫn có thể tồn tại và phát triển", bà Laura khuyến nghị.

Với Nguyễn Khánh, sau thời gian thất bại anh chuyển những bài học từ thời gian làm AI Comic để phục vụ một số dự án làm ảnh cho cộng đồng. Anh và cộng sự cũng ấp ủ đi sâu vào lĩnh vực y tế, văn hóa, với suy nghĩ đó là "lãnh địa" mà các ông lớn nước ngoài khó chạm đến.

Trong khi đó, dù có phần e ngại các ông lớn, SilverAI với toàn bộ kỹ sư Việt Nam này vẫn đẩy mạnh những ứng dụng về AI khác, đồng thời thử nghiệm nhiều sản phẩm mới và đang đạt được những thành công nhất định.

"Khi tự chủ công nghệ, chúng tôi có thể cung cấp được sản phẩm chất lượng tốt ở mức gần bằng nhưng giá rẻ hơn rất nhiều và có thể tùy biến được cho khách hàng", nhà sáng lập Phan Sỹ Quang nói. "Tôi tin startup về AI tại Việt Nam luôn có cơ hội. Nếu được tạo điều kiện, họ có thể làm tốt và có sản phẩm cạnh tranh với các hãng nước ngoài trong những sân chơi hẹp hơn".

Lưu Quý

Tin Gốc: https://vnexpress.net/startup-ai-viet-voi-noi-lo-chiec-xe-goong-tren-duong-ray-tau-hoa-5058742.html

Đĩa than đã trở lại trong những năm gần đây và thu hút sự quan tâm của nhiều người yêu nhạc. Thậm chí đã có nhiều tranh luận liên quan đến việc "âm thanh từ đĩa than ấm áp hơn" khi so với âm thanh kỹ thuật số hiện nay. Sự thật có phải vậy?

Trong thực tế, mặc dù đĩa than có thể mang lại trải nghiệm nghe nhạc độc đáo, nhưng nó cũng tồn tại một số hạn chế như dải động hẹp hơn và dễ bị méo tiếng. Ngoài ra, các vấn đề âm thanh như tiếng lách tách và tiếng rít cũng ảnh hưởng không nhỏ đến trải nghiệm nghe nhạc.

Tuy nhiên, những người ủng hộ đĩa than lại thường dựa vào các yếu tố như thiết bị phát và cảm xúc hoài niệm để khẳng định rằng âm thanh từ đĩa than hay hơn.

Chất lượng âm thanh không chỉ phụ thuộc vào bản ghi mà còn vào thiết bị phát. Không phải tất cả các đầu đĩa than và loa đều có chất lượng giống nhau. Khi nghe đĩa than, người dùng thường sử dụng hệ thống âm thanh được thiết kế để tối ưu hóa trải nghiệm nghe, trong khi âm nhạc từ dịch vụ phát trực tuyến thường được nghe qua các thiết bị có chất lượng thấp hơn.

Ngoài thiết bị phát, hai yếu tố khác cũng ảnh hưởng đến sự ưa chuộng đĩa than: sự hoài niệm và sở thích cá nhân. Một số người có thể thích những khuyết điểm trong âm thanh của đĩa than, trong khi những bản ghi kỹ thuật số lại bị coi là quá lạnh lùng. Hơn nữa, quá trình làm lại bản thu âm cũng có thể tạo ra sự khác biệt lớn về chất lượng âm thanh giữa các phiên bản.

Cuối cùng, đĩa than không chỉ là một phương tiện nghe nhạc mà còn là một vật thể vật lý - yếu tố ngày càng thu hút thế hệ trẻ hiện nay. Mặc dù về mặt kỹ thuật, đĩa than có thể không vượt trội hơn âm thanh kỹ thuật số, nhưng trải nghiệm từ việc mở hộp đĩa mới cho đến việc thiết lập hệ thống âm thanh có thể tạo ra sự kết nối đặc biệt với người nghe. Chính vì vậy, không ít người vẫn cảm thấy rằng "đĩa than cho âm thanh ấm áp hơn".

Tin Gốc: https://thanhnien.vn/nghe-dia-than-co-gi-dac-biet-ma-khien-dan-choi-nhac-nghien-185260411180624294.htm