Câu hỏi trị giá $7 nghìn tỷ

Ngành AI ở bước ngoặt then chốt: giới hạn đổi mới, áp lực vốn và sự phân hóa chiến lược đang định hình lại tương lai

Muhammed Gider
10 phút đọc • 

Câu hỏi trị giá $7 nghìn tỷ

Đằng sau những tiêu đề đầy lạc quan, ngành AI đang đối mặt với những câu hỏi căn bản về đà đổi mới, tính bền vững của nguồn vốn và hướng đi ngày càng khác biệt giữa các nhà phát triển mô hình và các đơn vị xây dựng ứng dụng.

Bước ngoặt thầm lặng của ngành

Trí tuệ nhân tạo đã phát triển với tốc độ chưa từng có trong ba năm qua. Kể từ khi ChatGPT ra mắt, mức độ đón nhận của người tiêu dùng đã phá vỡ các kỷ lục, những ông lớn từ OpenAI đến Google liên tiếp công bố các mô hình, và các công ty trong Fortune 500 đã đưa AI vào cốt lõi của quy trình kinh doanh. Thế nhưng giờ đây, đằng sau những tiêu đề đầy lạc quan, ngành này đang đối mặt với một câu hỏi khác hẳn về bản chất:

Đổi mới thực sự có còn tiến triển với đà mạnh mẽ, hay chúng ta đang chứng kiến một cỗ máy khổng lồ chạm tới những giới hạn vô hình?

Để trả lời thấu đáo câu hỏi này, chúng ta cần nhìn hệ sinh thái qua hai lăng kính riêng biệt:

Thị trường sơ cấp: Các công ty phát triển mô hình nền tảng như GPT-4, Claude và Gemini: OpenAI, Anthropic, Google DeepMind, Meta.

Thị trường thứ cấp: Các công ty sử dụng những mô hình này để xây dựng giải pháp cho các vấn đề thực tế của người dùng: Perplexity, Cursor, Notion AI, Replit.

Dù cùng nằm trong một ngành, hai thị trường này có động lực vận hành, cơ cấu chi phí, đặc điểm rủi ro và kỳ vọng tăng trưởng khác nhau về căn bản. Những căng thẳng chúng ta đang chứng kiến hôm nay bắt nguồn từ chính sự khác biệt này.

Những giới hạn tự nhiên trong phát triển mô hình đang dần lộ rõ

Bốn yếu tố căn bản đã định hình sự phát triển của các mô hình ngôn ngữ lớn trong năm năm qua:

  • Quy mô mô hình (số lượng tham số)
  • Dữ liệu huấn luyện (chất lượng và độ đa dạng)
  • Năng lực tính toán (năng lực GPU/TPU)
  • Kỹ thuật huấn luyện (kiến trúc transformer, cơ chế chú ý)

Từ 2018 đến 2023, cả bốn yếu tố này đều được mở rộng theo cùng một hướng, tạo ra những bước nhảy vọt to lớn. Nhờ đó, chúng ta đã tiến từ GPT-2 đến GPT-4, từ BERT đến PaLM. Tuy nhiên, đường cong này sẽ không kéo dài mãi. Dữ liệu huấn luyện hiện là nút thắt lớn nhất của ngành.

Nguồn dữ liệu nguyên bản, đa dạng và chất lượng cao do con người tạo ra là hữu hạn. Bạn huấn luyện mô hình trên Wikipedia, rồi arXiv, rồi GitHub: sau đó thì sao? Chi phí trong lĩnh vực này đang tăng theo cấp số nhân do các vấn đề bản quyền, thỏa thuận về quyền sở hữu dữ liệu và hạn chế truy cập. Bạn ký thỏa thuận với Reddit, đàm phán với Stack Overflow, đối mặt với các vụ kiện từ The New York Times. Việc tăng kích thước mô hình vẫn khả thi về mặt kỹ thuật, nhưng nguồn dữ liệu tạo ra một giới hạn tự nhiên.

Đó là lý do ngành này đã chuyển trọng tâm từ kích thước mô hình sang hiệu quả. Suy luận theo chuỗi tư duy, học tăng cường từ phản hồi của con người (RLHF), các kỹ thuật lấy mẫu hiệu quả hơn, kiến trúc hỗn hợp chuyên gia (MoE): tất cả đều là một phần của sự chuyển đổi này.

Những tiến bộ này rất quan trọng, nhưng chỉ riêng chúng thì không đủ để duy trì lâu dài. Bởi đến một thời điểm nào đó, mức cải thiện hiệu quả cũng sẽ chạm ngưỡng bão hòa. Ngành này đang bắt đầu nhận ra rằng đổi mới mô hình nền tảng đã bước vào một giai đoạn chậm hơn và tốn kém hơn.

Áp lực dòng vốn và sự mong manh ngày càng gia tăng

Khi các giới hạn công nghệ ngày càng rõ rệt, tăng trưởng về vốn cũng đi kèm với rủi ro lớn hơn.

Các công ty phát triển mô hình nền tảng đang xây dựng hạ tầng tính toán khổng lồ và đưa ra những lời mời hấp dẫn trong cuộc chiến giành nhân tài. Những khoản chi này diễn ra trước khi các công ty xây dựng được nền tảng doanh thu vững chắc. Chi phí tính toán hằng năm của OpenAI lên tới hàng tỷ. Anthropic nhận hàng tỷ vốn đầu tư từ Microsoft. Google dành một ngân sách riêng cho DeepMind.

Hàng tỷ được đầu tư vào các trung tâm dữ liệu, các hợp đồng GPU kéo dài nhiều năm, mức lương cao ngất ngưởng trả cho những cái tên như Ilya Sutskever: tất cả khiến chi phí của các công ty phình to đáng kể.

Bức tranh này cho thấy thị trường sơ cấp được xây dựng trên một mô hình mở rộng quy mô cực kỳ mong manh về mặt kinh tế. Cấu trúc chi phí cho đổi mới mô hình vượt xa tốc độ tăng trưởng doanh thu.

Sự trỗi dậy âm thầm của tầng ứng dụng

Trong khi thị trường sơ cấp đang chịu áp lực, thị trường thứ cấp lại phát triển theo một quỹ đạo tăng trưởng tương đối lành mạnh. Các công ty này sử dụng mô hình nền tảng để tạo ra những ứng dụng thực tế.

  • Perplexity: Thiết kế lại trải nghiệm tìm kiếm
  • Cursor & Replit: Thay đổi quy trình lập trình
  • Notion AI: Biến các công cụ nâng cao năng suất thành công cụ thông minh
  • Dvina: Kết nối với 120+ ứng dụng để quản lý toàn bộ đời sống số từ một tầng thông minh duy nhất

Lợi thế của các công ty này là gần người dùng nhất. Giá trị thực được tạo ra ngay trong trải nghiệm người dùng. Tìm kiếm, lập trình, sáng tạo nội dung, nâng cao năng suất, xử lý thông tin: tất cả những lĩnh vực này đều mang lại các mô hình doanh thu dễ hiểu và có khả năng mở rộng.

Đó là lý do nhiều nhà phát triển mô hình nền tảng đã bắt đầu chuyển sang tầng ứng dụng. OpenAI biến ChatGPT thành một sản phẩm, Anthropic đưa Claude thành sản phẩm dành cho người tiêu dùng, Google tích hợp Gemini. Chiến lược tích hợp theo chiều dọc đã nhanh chóng lan rộng.

Nhưng chiến lược này cũng gây ra những tác dụng phụ: chi phí mua lại tăng vọt, định giá trên thị trường thứ cấp bị thổi phồng. Việc thị trường thứ cấp — lĩnh vực duy nhất có khả năng tạo ra doanh thu — trở nên đắt đỏ đến vậy càng làm gia tăng rủi ro vốn trong ngành.

Các chu kỳ lịch sử và yếu tố khác biệt của hiện tại

Trí tuệ nhân tạo từng trải qua hai đợt suy thoái lớn: cuối thập niên 1970 và đầu thập niên 1990. Những giai đoạn này có chung các đặc điểm: kỳ vọng cao, tốc độ đổi mới thấp và sự quan tâm đầu tư dần biến mất.

Tình hình hiện nay thì khác. Đổi mới kỹ thuật vẫn tiếp diễn, nhưng tốc độ tạo ra đột phá đang chậm lại. Trong khi đó, dòng vốn đang tăng với quy mô chưa từng có. Sam Altman nói về một quỹ tính toán trị giá $7 nghìn tỷ, Elon Musk rót hàng tỷ vào xAI.

Vì vậy, điều chúng ta đang trải qua không phải là một "mùa đông AI" theo nghĩa truyền thống. Đúng hơn, đây là một giai đoạn mong manh bắt nguồn từ việc phân bổ vốn: định giá đang bị thổi phồng, chi phí tăng ngày càng nhanh, nhưng tốc độ đổi mới không đáp ứng được kỳ vọng.

Kỷ nguyên mới: Cách tiếp cận thông minh hơn sẽ chiến thắng, không phải mô hình lớn hơn

Khác biệt quan trọng nhất của hiện tại là: điều quan trọng lúc này không phải là tạo ra những mô hình khổng lồ hơn bằng cách bổ sung thêm tham số.

Sự chuyển đổi thực sự sẽ diễn ra ở những lĩnh vực sau:

  • Nâng cao hiệu quả sử dụng tham số
  • Đạt chất lượng cao hơn với các mô hình nhỏ hơn
  • Phát triển các kỹ thuật huấn luyện mới
  • Sử dụng dữ liệu có chiến lược và hiệu quả hơn
  • Cắt giảm mạnh chi phí huấn luyện

Một trong những ví dụ nổi bật nhất gần đây là DeepSeek. Công ty khởi nghiệp Trung Quốc này đã phát triển một mô hình đạt hiệu năng ngang tầm GPT-4, nhưng với chi phí huấn luyện thấp hơn nhiều. Kiến trúc hỗn hợp chuyên gia (mixture-of-experts), tối ưu hóa tham số, các kỹ thuật huấn luyện chú trọng hiệu quả. Thị trường đã phản ứng mạnh mẽ.

Sau thông báo của DeepSeek, vốn hóa thị trường của NVIDIA đã giảm 600 tỷ USD chỉ trong một ngày. Điều này cho thấy các nhà đầu tư hiện không chỉ theo dõi cuộc đua xây dựng mô hình lớn hơn, mà còn cả cuộc đua về hiệu quả và đổi mới kiến trúc.

Nhưng như vậy vẫn chưa đủ. Nếu ngành này có một bước nhảy vọt thực sự, bước nhảy đó sẽ đến từ những hướng tiếp cận kiến trúc mới. Một thứ gì đó vượt ra ngoài kiến trúc transformer. Có thể là điện toán mô phỏng thần kinh, có thể là các mô hình lai, hoặc cũng có thể là một khuôn khổ học hoàn toàn khác.

Những chuyển đổi triệt để như vậy thường không đến từ các công ty lớn. Họ hoạt động thận trọng do áp lực về quy mô, chi phí hạ tầng và yêu cầu quản trị rủi ro doanh nghiệp. Những đột phá thực sự thường xuất hiện từ các công ty khởi nghiệp nhỏ, quyết liệt, sẵn sàng chấp nhận rủi ro và đầy tham vọng.

Hệ sinh thái AI hiện nay nhiều khả năng đang chờ đợi chính một sự thay đổi mang tính đột phá như vậy.

Kết luận: Cách tiếp cận, chứ không phải nguồn lực, sẽ quyết định chiến thắng

Ngành AI hiện nay đang giằng co giữa hai phía: một bên là chiến lược mở rộng quy mô mô hình đang tiến gần đến giới hạn; bên kia là rủi ro về vốn ngày càng lớn và một thị trường ứng dụng đang gia tăng giá trị nhanh chóng.

Bức tranh này cho thấy vấn đề cốt lõi hiện nay nằm ở cách tiếp cận, chứ không phải năng lực. Những người chiến thắng trong tương lai sẽ không phải là những người xây dựng mô hình lớn hơn, mà là những người xây dựng phương pháp thông minh hơn. Hiệu quả, các thiết kế kiến trúc mới và các kỹ thuật huấn luyện được tối ưu hóa đang trở thành ranh giới phân định thực sự trong ngành.

Yếu tố quyết định trong tương lai sẽ là chất lượng của cách tiếp cận, chứ không phải sức mạnh nguồn lực. Và khả năng các công ty khởi nghiệp có tầm nhìn, thay vì các công ty lớn, sẽ khởi xướng sự thay đổi trong cách tiếp cận này là khá cao.

Tham gia Dvina

Đăng ký miễn phí và tập hợp tất cả công cụ của bạn trong một không gian làm việc đơn giản.

Khám phá thêm