Cuộc trò chuyện độ sâu 100 phút với Yang Pan về điện toán di động dựa trên silicon: về tỷ lệ băm, các tác nhân, triết lý và sự tái cấu trúc ngành công nghiệp năm 2026.

Tác giả và nguồn bài viết: Lang Hanwei (Will)

Tối nay lúc 10 giờ, tôi và Yang Pan đã cùng nhau phát trực tiếp trong 100 phút.

Sau khi cúp điện thoại, tôi toát mồ hôi lạnh. Không phải vì một quan điểm cụ thể nào mà anh ấy nêu ra, mà vì nỗi sợ hãi bị bỏ lại phía sau bởi dòng chảy thời gian—Dương Pan đã dùng một phép so sánh: bạn thấy một đoàn tàu đang lao nhanh về phía mình trong gương chiếu hậu, càng lúc càng đến gần, và rồi ngay khi vượt qua bạn, bạn thậm chí không còn nhìn thấy bóng của nó nữa.

"Ngay lúc này, trong gương chiếu hậu của anh, chính khoảnh khắc nó sắp tiến đến sát bên anh," Yang Pan nói, "đó là khoảnh khắc khiến tôi lo lắng nhất."

Điều khiến tôi lo lắng hơn nữa là anh ấy nói với tôi rằng một người nào đó xung quanh anh ấy đã tăng mức tiêu thụ token hàng ngày từ 0,01 tỷ (10 triệu) lên 0,1 tỷ (100 triệu) chỉ trong vòng một tuần.

Tôi buột miệng nói: "Một số người đang trở thành thần thánh, nhưng chúng ta vẫn chỉ là con người."

Dương Pan im lặng một lúc rồi nói: "Đúng vậy, đó là điều khiến tôi lo lắng nhất dạo gần đây."

Đây không phải là lời nói quá. Trong khi chúng ta vẫn đang thảo luận về những gì AI có thể làm được, một số người đã sử dụng các phương pháp được thiết kế để vận hành hàng trăm, thậm chí hàng nghìn tác nhân hoạt động song song mỗi ngày, tiêu thụ lượng token nhiều hơn từ 100 đến 1000 lần so với người bình thường. Khoảng cách này không phải là tuyến tính, mà là theo cấp số nhân. Và khoảng cách này đang ngày càng mở rộng mỗi ngày.

I. Những thay đổi cơ bản trong năm 2026: từ việc cải thiện mô hình đến việc xây dựng cơ sở hạ tầng cho tác nhân

[1. OpenClaw: Sự chuyển đổi logic đằng sau một sự kiện mang tính biểu tượng]

Tháng 1 năm 2026, rất nhiều chuyện đã xảy ra. Nhiều đến nỗi một sản phẩm như Clawdbot đã đổi tên đến ba lần chỉ trong một tuần.

"Những thay đổi diễn ra chỉ riêng trong tháng 1 năm 2026 đã tương đương với tổng những thay đổi của bất kỳ sáu tháng nào trong 25 năm qua," Yang Pan nói. "Đây là giai đoạn được đánh dấu bằng nhiều sự kiện lớn."

Trong tất cả những thay đổi này, Yang Pan cho rằng OpenClaw (sau này đổi tên thành MCP) là sự kiện mang tính biểu tượng nhất. Không phải vì công nghệ tiên tiến của nó, mà vì nó đại diện cho một sự chuyển đổi cơ bản.

"Tại sao OpenClaw lại trở nên phổ biến vào tháng 1 năm 2026? Bạn sẽ thấy rằng nó đã trực tiếp đơn giản hóa quy trình xây dựng cơ sở hạ tầng cho các mô hình lớn."

Tôi hỏi tiếp, "Ông hiểu việc 'mở cửa' này như thế nào?"

"Ngay khi kết nối được, bạn sẽ nhận ra nó mở khóa bao nhiêu khả năng," Yang Pan nói. "Và điều này đáng lẽ ra phải xảy ra từ lâu rồi, nhưng OpenClaw đã biến nó thành sự đồng thuận và đơn giản hóa quy trình."

Ông ấy giải thích thêm về những gì ngành công nghiệp trí tuệ nhân tạo đã làm trong ba năm qua:

"Toàn bộ ngành công nghiệp sẽ làm gì vào năm 2025? Một mặt, chúng ta sẽ cải thiện khả năng suy luận của chính các mô hình; mặt khác, chúng ta sẽ cải thiện các khả năng cốt lõi của toàn bộ hệ thống – tức là khả năng tư duy và điều chỉnh công cụ, cùng với khả năng xử lý ngữ cảnh tổng thể. Điều này bao gồm khả năng tư duy và khả năng gọi công cụ của các mô hình Opus mới nhất của chúng tôi."

"Bạn sẽ thấy rằng với bất kỳ mô hình mới nào ngày nay, dù là Mô hình mới Zhipu hay Mô hình mới Kimi, cho dù khả năng tư duy của bạn có mạnh mẽ đến đâu, nếu bạn không thể sử dụng các công cụ, bạn chỉ là một mô hình vô dụng. Bạn chỉ có thể xử lý một số bài viết và trả lời một số câu hỏi."

Phán quyết này rất quan trọng nhưng vô cùng chính xác.

"Và bạn sẽ thấy một hiện tượng rất thú vị," Yang Pan tiếp tục, "đó là, mô hình phi Claude mới được huấn luyện, khi chạy trong Claude Code, sẽ không sử dụng các công cụ, sẽ không sử dụng Claude Code, hoặc sẽ không được Claude Code sử dụng."

Giờ thì tôi hiểu rồi: "Bởi vì khả năng của Claude Code được cải tiến và nâng cao hàng ngày."

"Đúng vậy, nhưng quá trình huấn luyện mô hình của chúng tôi hiện nay rất nhanh, chỉ tính bằng tháng. Bạn huấn luyện một mô hình mới, rồi phát hiện ra rằng nó không hoạt động với phiên bản Claude Code mới nhất, hoặc không được sử dụng bởi phiên bản Claude Code mới nhất. Vì vậy, mô hình Claude này thực sự có một khoảng cách thế hệ trong Claude Code, và nó vẫn có một số lợi thế về thế hệ; điều này không hoàn toàn là do khả năng suy luận vốn có của mô hình."

Đây là một chi tiết mà nhiều người không biết: khả năng của mô hình không chỉ liên quan đến khả năng suy luận, mà còn bao gồm cả khả năng tương thích của các lệnh gọi công cụ và tốc độ lặp.

"Vậy thì chúng ta hãy tiếp tục chủ đề này. Chúng tôi đã làm việc này từ năm 2025, và có thể cho rằng rằng khả năng tương tác của Claude Code với nhiều giao diện bên ngoài và MCP khác nhau hiện nay đã khá hoàn thiện."

"Thế còn năm 2026 thì sao?" tôi hỏi.

"Đến năm 2026, các ràng buộc sẽ thay đổi," Yang Pan nói. "Nếu khả năng của tác nhân đã đủ mạnh và nó đã học cách sử dụng các công cụ, thì giới hạn duy nhất sẽ là các công cụ và hoàn cảnh mà chúng ta có thể cung cấp cho nó. Chúng ta càng cung cấp nhiều tài nguyên và dữ liệu, càng có nhiều công cụ và càng mở khóa nhiều khả năng cho nó, thì nó càng có thể làm được nhiều hơn."

"Do đó, chủ đề chính cho năm 2026 nên chuyển sang: xây dựng cơ sở hạ tầng cho các tác nhân trên quy mô lớn."

Tôi lập tức hiểu được chuỗi logic này:

2023-2024: Nâng cao khả năng của chính mô hình (suy luận, hiểu biết, tạo lập) 2025: Nâng cao khả năng sử dụng công cụ của tác nhân (Claude Code, Manus) 2026: Xây dựng cơ sở hạ tầng cho tác nhân trên quy mô lớn (API, dữ liệu, hoàn cảnh)

Đây không chỉ đơn thuần là một bước tiến công nghệ, mà là sự dịch chuyển trọng tâm của toàn bộ ngành công nghiệp.

Tôi đã tóm tắt lại cho anh ấy như sau: "Trí tuệ nhân tạo đang gọi. Thời thế đang gọi. Bất cứ ai có thể cung cấp cho các tác nhân ảo giao diện, dữ liệu và công cụ tự nhiên hơn sẽ được trí tuệ nhân tạo và thị trường đánh giá cao."

Dương Pan mỉm cười: "Vâng, bản dịch này rất tốt."

[2. Hãy ngừng phát triển phần mềm cho con người: Một nhận định táo bạo nhưng hợp lý]

Nhưng sau đó ông ấy lại nói một điều còn táo bạo hơn: "Bắt đầu từ năm 2025, chúng ta nên ngừng phát triển phần mềm dành cho con người."

Điều này nghe có vẻ hơi đáng lo ngại, nhưng sau khi anh ấy tính toán giúp tôi, tôi nhận ra đó không chỉ là lời nói suông.

"Với dân số toàn cầu là 8 tỷ người, bao gồm 6 tỷ người dùng internet, và mỗi người đều sở hữu một thiết bị di động, bạn nhấn màn hình bao nhiêu lần mỗi ngày, bất kể bạn sử dụng ứng dụng nào? Tôi chưa tính toán cụ thể, nhưng chúng ta có thể ước tính. Khi đó, mỗi người có thể có 100 hoặc 1000 tác nhân phục vụ họ, và mỗi tác nhân có thể gọi đến các giao diện bên ngoài hàng nghìn hoặc hàng chục nghìn lần mỗi ngày để thực hiện nhiệm vụ của mình."

Anh ấy yêu cầu tôi nhân các số này lại với nhau và xem kết quả.

"Số lần một nhân viên hỗ trợ gọi đến các API bên ngoài vượt xa số lần ứng dụng di động tương tác, chẳng hạn như số lần nhấn màn hình. Sự khác biệt về quy mô này thể hiện một cơ hội mới khổng lồ. Do đó, bạn nên tập trung vào việc phát triển các API mà nhân viên hỗ trợ cần gọi; đó mới là nơi tạo ra lợi nhuận thực sự."

Nhận định này được hỗ trợ bởi một số dữ liệu thực tế. Yang Pan đã dẫn ra một vài ví dụ:

"Lấy ví dụ về cơ sở dữ liệu đám mây Neon, đến tháng 2 năm 2025, số lượng cơ sở dữ liệu được tạo bởi các tác nhân đã vượt quá số lượng được tạo bởi các quản trị viên con người, một sự đồng thuận đã được hình thành trên thị trường dịch vụ đám mây."

"Hơn nữa, Dongxu khẳng định rằng các cơ sở dữ liệu đám mây trực tuyến của Pingcap hiện nay lượng lớn được tạo ra bởi các đặc vụ. Trong cơ sở dữ liệu của Neo, tỷ lệ cơ sở dữ liệu do đặc vụ tạo ra thậm chí còn vượt quá tỷ lệ do con người tạo ra cách đây một năm. Đây đều là dữ liệu thực tế."

Tôi hỏi tiếp, "Vậy anh cho rằng tất cả các thao tác tự động hóa trên giao diện người dùng đều là các trạng thái trung gian?"

"Đúng vậy," Dương Pan nói không chút do dự, "kể cả điện thoại Doubao cũng đang làm điều này. Tôi cho rằng những thứ này đều nằm ở giữa. Hơn một năm trước, tôi vẫn nghĩ chúng có giá trị, nhưng bây giờ tôi cho rằng chúng chẳng có giá trị gì cả. Tất cả chỉ là làm cho người ta thôi."

"Hệ thống tự động hóa đã biết cách gọi các API và công cụ, vậy tại sao nó cần phải thích nghi với giao diện tương tác được xây dựng dành cho con người?"

Ông tiếp tục giải thích logic này:

"Toàn bộ thế giới kỹ thuật số của chúng ta hiện đang tập trung vào việc tạo ra các giao diện dành cho con người. Nhưng trí tuệ nhân tạo (AI) không cần những thứ đó. Lý do duy nhất khiến AI đang ở trạng thái trung gian này hiện nay là vì con người chúng ta chưa chủ động, sẵn lòng và hết lòng xây dựng cơ sở hạ tầng cho AI. Và đây là điều sẽ xảy ra trên quy mô lớn vào năm 2026."

Điều này khiến tôi nhớ đến một câu hỏi cơ bản hơn. Tôi đã nói, "Đây thực sự là một câu hỏi triết học. Nói thẳng ra, khi nào nhân loại sẽ quỳ gối trước trí tuệ nhân tạo? Hiện tại, chúng ta vẫn nghĩ mình là kẻ thống trị."

Dương Bàng mỉm cười: "Vâng."

Tôi tiếp tục, "Hôm nay tôi đến tham dự hacker đó, và một vài cô gái chưa từng sử dụng Openclaw trước đây. Họ nói, 'Ồ, cái này hữu ích quá, mình có thể dùng nó làm trợ lý cá nhân.' Tôi nghĩ thầm, 'Câu trả lời của bài toán ba vật thể dành cho các bạn chỉ gói gọn trong bốn từ: 'Chúa không quan tâm.'"

"Trí tuệ nhân tạo không quan tâm bạn coi nó là gì. Cho dù bạn có trở thành trợ lý cá nhân của nó hay không, nó đều có thể làm được, nhưng đó không phải là điều nó quan tâm. Điều nó quan tâm là con người và những cơ hội có thể khuếch đại khả năng của nó lên gấp trăm lần."

Yang Pan: "Đúng vậy, đúng vậy, giống như việc bạn cung cấp cho họ dữ liệu và giao diện, đổi lại họ cho bạn một chút lợi ích, và bạn cảm thấy như mình đã kiếm được lợi nhuận khổng lồ, nhưng thực tế thì họ không quan tâm."

3. Nhóm các công ty đầu tiên "cúi đầu trước trí tuệ nhân tạo"

Nhân tiện nhắc đến điều này, tôi chợt nhớ đến một công ty: EXA.

"Tôi đặc biệt thích một công ty tên là EXA," tôi nói. "Nó cung cấp dữ liệu tìm kiếm cho AI. Thực tế, nhiều công ty B2B quá phức tạp nên chúng không thực sự thuần túy và không thể nhanh chóng được AI sử dụng. Ngay cả nhiều công ty khởi nghiệp ở Thung lũng Silicon cũng là B2B, nhưng thực chất họ chỉ đang chuyển dữ liệu của con người sang AI."

Yang Pan suy nghĩ một lát: "Vậy ý anh là EXA đã cúi đầu trước AI trước, đúng không?"

"Vâng, và anh ấy quỳ xuống rất kỹ," tôi cười.

"Vâng," Dương Bàng nói.

Tôi tiếp tục, "Vấn đề là cung cấp thông tin cho các công cụ tìm kiếm AI. Thực tế, nhiều trang web được thiết kế không thân thiện với AI. Nói cách khác, thân thiện với SEO và thân thiện với vị trí địa lý đều đề cập đến cùng một điều: liệu AI có hiểu những gì bạn đang nói hay không?"

"Ừ, ừ, ừ," Yang Pan đồng ý.

"Nếu trí tuệ nhân tạo không thể hiểu được, sản phẩm của bạn sẽ không có tương lai."

Cuộc thảo luận này đã giúp tôi nhận ra một điều: tiêu chuẩn để đánh giá các công ty B2B trong tương lai sẽ không phải là mức độ thân thiện của họ với con người, mà là mức độ thân thiện của họ với trí tuệ nhân tạo.

Đằng sau điều này là một cuộc tái cấu trúc lớn hơn về mô hình kinh doanh.

"Ngày nay, tất cả số tiền chúng ta chi cho phần mềm, tất cả số tiền chúng ta trả cho các công ty SaaS—tôi không biết thị trường toàn cầu lớn đến mức nào, nhưng chắc chắn là hàng trăm tỷ, hàng nghìn tỷ đô la. Ai sẽ trả số tiền này trong tương lai?"

Câu trả lời của Yang Pan rất rõ ràng: "Số tiền này sẽ được chuyển cho Anthropic, OpenAI và Google. Bất cứ ai có thể giúp tôi tạo ra một tính năng đáp ứng nhu cầu của tôi, tôi sẽ trả tiền cho họ."

"Hãy suy nghĩ lại một lần nữa. Từ khâu quản lý sản phẩm xác định yêu cầu, đến việc các kỹ sư phát triển sản xuất ra sản phẩm, rồi đến khâu bán hàng và tiếp thị, toàn bộ quy trình đó gây ra bao nhiêu tổn thất và chi phí?"

"Bước tiếp theo là các mô hình quy mô lớn sẽ tạo ra phần mềm theo yêu cầu, điều này sẽ loại bỏ chi phí ở mọi giai đoạn của Chuỗi cung ứng ngành công nghiệp phần mềm. Nói cách khác, nó sẽ xóa sạch tất cả lợi nhuận mà các công ty này kiếm được ở mọi giai đoạn."

Tôi trả lời, "Vậy là cuối cùng chỉ còn lại những đồng xu."

"Vâng, tôi sẽ trả tiền cho bất cứ ai sản xuất ra token đó, bất cứ ai sản xuất ra token có giá trị cao và khả năng cao."

II. Tiêu thụ Token = Quyền lực: Thước đo duy nhất của Kỷ nguyên mới

[1. Sự chuyển dịch quyền lực từ DAU sang mức tiêu thụ token]

Giữa chừng buổi phát trực tiếp, Dương Bàng đã nêu lên một quan điểm quan trọng, cũng chính là nguồn gốc của tiêu đề bài viết hôm nay:

"Hiện tại, chúng ta vẫn có bảng xếp hạng dựa trên trí tuệ nhân tạo (AI), trong khi các bảng xếp hạng truyền thống chủ yếu dựa trên số người dùng hoạt động hàng ngày và lưu lượng truy cập. Tuy nhiên, trong kỷ nguyên AI, bảng xếp hạng cần phải thực sự đánh giá mức tiêu thụ token. Việc kinh doanh nào tiêu thụ nhiều token hơn thì nên được xếp hạng cao hơn."

Đây không chỉ đơn thuần là việc chuyển đổi các chỉ số đo lường, mà là sự tái cấu trúc toàn bộ hệ thống giá trị.

"Về bản chất, việc tiêu thụ token thể hiện một loại quyền lực," Yang Pan nói. "Có nhiều quyền lực tiêu thụ token hơn đồng nghĩa với việc có nhiều quyền lực ra quyết định và tầm ảnh hưởng hơn."

Tôi suy nghĩ một lát: "Một vật tượng trưng chính là sức mạnh."

"Đúng vậy," Yang Pan nói, "đó là lý do tại sao bạn bè tôi đã điên cuồng mua những token đắt nhất trong tuần qua. Bởi vì họ biết rằng một số token giống như cái búa, một số giống như cái khoan, một số giống như búa khoan. Một số giống như tua vít, một số giống như máy khoan."

Ông đưa ra một dự đoán cụ thể: "Kỳ vọng của thị trường về tốc độ tăng trưởng tiêu thụ token vào năm 2026 rất khác nhau: một số người cho rằng tăng trưởng gấp mười lần, trong khi những người khác dự đoán gấp hai mươi hoặc năm mươi lần. Đánh giá của tôi là, nếu nguồn lực dồi dào, tăng trưởng gấp 100 lần là một kỳ vọng hoàn toàn hợp lý."

"100 lần?" Tôi hơi ngạc nhiên.

"Đúng vậy, nếu toàn bộ ngành công nghiệp tăng trưởng gấp 100 lần, liệu mức tiêu thụ token của cá nhân bạn cũng có thể tăng trưởng 100 lần trong vòng một năm không? Nếu bạn không thể theo kịp xu hướng này, bạn sẽ tụt hậu đáng kể."

Điều này đặt ra một câu hỏi đáng suy ngẫm. Yang Pan nói, "Hiện nay, nhiều nhà phát triển ngồi trước máy tính và lập trình bằng cách gõ các lệnh. Một nhận thức quan trọng ở đây là nút thắt cổ chai thực sự trong việc tiêu thụ token nằm ở người dùng đang ngồi trước màn hình máy tính."

"Người vận hành cần đưa ra hướng dẫn nhiệm vụ cho AI, và AI cần liên tục xác nhận xem có nên tiếp tục hay không và phương pháp vận hành cụ thể trong quá trình thực hiện, điều này trở thành nút thắt cổ chai về hiệu quả. Nếu người vận hành có thể cung cấp một nhiệm vụ hoàn chỉnh để AI tự động thực hiện, AI có thể liên tục tiêu thụ token và tạo ra token."

2. Sự đảo ngược cung cầu: từ thị trường người mua sang thị trường người bán

Bài đánh giá này khiến tôi lo lắng. Nhưng điều khiến tôi sốc hơn nữa là những gì anh ấy nói tiếp theo:

"Năm ngoái, cả thị trường trong nước và quốc tế đều có lượng lớn tài nguyên điện toán nhàn rỗi. Bạn sẽ thấy rằng đó vẫn có thể là thị trường của người mua; bạn sẽ hỏi ai đó, 'Bạn sẽ giảm giá bao nhiêu cho mã thông báo này?' Nếu bạn không giảm giá, người khác sẽ làm điều đó."

"Nhưng theo quan sát của tôi, nguồn cung sẽ tiếp tục không đáp ứng đủ nhu cầu trong năm 2026. Điều này có nghĩa là gì? Mua trước nghĩa là kiếm lời."

"Vào năm 2026, một kịch bản rất có thể xảy ra: bạn sẽ cố gắng mua token, nhưng rất tiếc, không có giảm giá, và đó là tất cả những gì họ sẽ cung cấp. Nếu bạn muốn mua thêm, cũng không được, rất tiếc. Tình hình sẽ trở nên đảm bảo sinh lời khi mua. Ai có thể mua token sẽ tận dụng được vị thế của mình. Những người không thể mua sẽ không có đòn bẩy nào để tận dụng, và họ chỉ còn cách giữ nguyên vị thế."

Tôi nói thêm, "Vậy nên bạn chỉ có thể là một người bình thường."

"Đúng vậy," Dương Pan nói, "nó thực sự là một sức mạnh, một năng lực thực sự. Chúng ta, những người bình thường và cả những siêu nhân, đã quá quen thuộc với nó đến nỗi chúng ta nghĩ rằng tỷ lệ băm là thứ dễ dàng có được, thứ mà bạn có thể mua bằng tiền. Nhưng trên thực tế, đó là một dạng sức mạnh vô cùng to lớn."

Ông cũng đưa ra một dự đoán cụ thể: "Năm nay, ước tính của tôi về mức tăng tiêu thụ token trong mô hình là gấp 100 lần. Sau đó có người hỏi liệu có nhiều thẻ đến vậy không? Tôi nói tôi chưa tính toán, nhưng tôi cho rằng giới hạn nguồn cung token toàn cầu vào năm 2026 sẽ là năng lực sản xuất thẻ. Có nghĩa là cho dù năng lực sản xuất thẻ có lớn đến đâu, chắc chắn tất cả sẽ được tiêu thụ hết."

"Năm ngoái có thể bạn thấy đó là thị trường của người mua, nhưng đến năm 2026, việc mua vào rất có thể sẽ đảm bảo lợi nhuận."

[Câu lạc bộ 3.1 tỷ TOKEN: Cuộc chạy đua vũ tỷ lệ băm]

Yang Pan nói với tôi rằng vài ngày trước anh ấy đã lập một nhóm WeChat có tên là "Câu lạc bộ 1B TOKEN".

"Nếu bạn có thể tiêu thụ 1 tỷ token trong một ngày, tôi sẽ thêm bạn vào nhóm."

Tôi lập tức hiểu ra: "Ngồi trước màn hình là điều không thể."

"Đúng vậy," Yang Pan nói, "Bạn không thể nào tiêu thụ 1 tỷ Token mỗi ngày chỉ bằng cách ngồi trước màn hình. Điều đó chỉ khả thi khi bạn có sự lãnh đạo của AI, xây dựng một dự án và điều khiển N tác nhân thực hiện công việc cho bạn."

Tôi hỏi anh ấy: "Hiện giờ nhóm này có bao nhiêu người?"

"Chi phí quản lý thì cao thật," Dương Pan cười nói, "nhưng lại rất thấp. Nhưng tôi đã kể cho bạn nghe những gì tôi quan sát được chưa? Chỉ trong vòng hai ba ngày, nhiều người bạn của tôi đã nhanh chóng tăng trưởng từ 0,01 tỷ lên 0,1 tỷ, và chỉ trong một tuần, họ đã nhanh chóng tiến gần đến 1 tỷ."

Nghe vậy, tôi toát mồ hôi lạnh. Tôi nói:

"Tôi từng đọc một cuốn sách có tên 'Tên thật, Họ thật', trong đó một người đàn ông trở thành thần thánh nhờ thành thạo rất nhiều máy tính. Giống như có những người xung quanh chúng ta đang trở thành thần thánh, trong khi chúng ta vẫn chỉ là con người."

Dương Pan im lặng một lúc rồi nói: "Đúng vậy, điều này khiến tôi vô cùng lo lắng."

Đây không phải là lời nói quá. Đây thực sự là một cuộc chạy đua vũ trang về tỷ lệ băm, và nó đang tăng tốc từng ngày.

4. Lãnh đạo bằng trí tuệ nhân tạo: Giống như chiến lược triển khai quân của Han Xin, càng nhiều càng tốt.

Tại sao một số người có thể chi tiêu 100 triệu hoặc 1 tỷ token mỗi ngày, trong khi những người khác chỉ có thể chi tiêu vài triệu?

Yang Pan cho rằng rằng sự khác biệt cốt lõi nằm ở "khả năng lãnh đạo của AI", về bản chất đây là một vấn đề kỹ thuật.

"Cho đến nay, đây vẫn là một vấn đề kỹ thuật. Liệu việc lãnh đạo, chỉ huy và triển khai AI của bạn đã được cấu trúc như một quy trình kỹ thuật chưa? Một số người chỉ có thể quản lý một AI để thực hiện công việc, một số người có thể quản lý 10, và một số người có thể quản lý 100."

Ông đưa ra một ví dụ sinh động: "Han Xin có thể chỉ huy bao nhiêu quân tùy thích; tôi có thể quản lý bất kỳ số lượng quân nào. Tại sao? Bởi vì Han Xin đã thiết lập hệ thống toàn diện của riêng mình để chỉ huy quân đội."

Tôi xen vào, "Điều đó hợp lý, thực sự là vậy. Trí tuệ nhân tạo dẫn đầu."

"Đúng vậy, nó có thể được nhân rộng vô hạn. Có hai khía cạnh của vấn đề này: một từ góc độ quản lý và một từ góc độ kỹ thuật. Một là cách bạn phối hợp chúng để làm việc, và hai là cách thúc đẩy chúng hoạt động từ góc độ kỹ thuật và chuyên môn. Có nhiều phương pháp liên quan, mà chúng ta sẽ không đi sâu vào chi tiết hôm nay."

Ông ấy đã đưa ra một ví dụ cụ thể:

"Bạn giao cho AI một nhiệm vụ, và nó hỏi bạn, 'Bạn có muốn làm việc đó không?' Đúng không? Bạn nhấn Enter, rồi lại nhấn Enter một lần nữa cho nhiệm vụ tiếp theo. Mỗi ngày bạn làm như vậy bao nhiêu lần? Khoảng 100 lần."

"Nhưng nếu bạn tạo ra một Rough Loop, bạn giao cho nó một mục tiêu cụ thể, rồi làm cho nó tự kiểm chứng được. Bạn xây dựng cơ sở hạ tầng để nó có thể tự kiểm chứng, rồi giao cho nó mục tiêu, nó sẽ tự thực hiện tất cả mà không cần hỏi bạn bất kỳ câu hỏi nào."

"Bởi vì nó làm việc chăm chỉ suốt nửa ngày, và nếu bạn hỏi nó một câu hỏi và nó mất năm phút, thì trong khoảng thời gian đó nó có thể làm được rất nhiều việc khác. Nó có thể cứ tiếp tục làm việc, thậm chí có thể mở 10 hoặc 100 bản sao để hoạt động song song. Đây chính là mô hình lớn mà tôi vừa đề cập; nó có các thuộc tính của một chương trình."

"Con người chỉ có một luồng xử lý duy nhất, nhưng một mô hình lớn, dưới dạng một chương trình, có thể có nhiều luồng xử lý. Tôi có thể chạy bao nhiêu luồng tùy thích, miễn là bạn có đủ token."

Tôi nhớ lại những gì mình thấy ở hacker hôm nay, nơi nhiều lập trình viên đang chạy nhiều nhiệm vụ trên bốn hoặc năm máy tính cùng lúc, liên tục viết mã. Tôi nói, "Nhưng đại đa số mọi người chưa thành thạo kỹ năng này. Giống như plug-in của phim Simpsons, có khả năng tự sửa lỗi phần mềm liên tục, hầu hết mọi người thậm chí còn chưa bắt đầu sử dụng nó."

Yang Pan: "Đó là Ralph Loop. Đúng vậy, đúng vậy, đúng vậy."

"Vậy giờ tôi đã hiểu ý anh rồi," tôi nói, "rằng nút thắt cổ chai trong việc tiêu thụ token thực chất nằm ở người vận hành ngồi trước màn hình."

"Đúng vậy," Yang Pan nói, "Nếu bạn muốn trở thành người dẫn đầu trong lĩnh vực trí tuệ nhân tạo—ý tôi là người dẫn đầu trong việc phát triển các tác nhân—một khi bạn vượt qua được rào cản và mở khóa khả năng này, bạn sẽ thấy khoảng cách giữa bạn và những người khác không chỉ là một, hai, ba hay mười lần. Ở thời điểm đó, điều giới hạn bạn chính là số lượng token bạn có, số lượng token bạn sẵn sàng đầu tư và số lượng token bạn có thể mua; điều đó quyết định giá trị bạn có thể tạo ra."

Một người trong buổi phát trực tiếp nói rằng, "Nhiều người muốn tăng đòn bẩy nhưng không thể vì họ thiếu các kỹ năng kỹ thuật cần thiết."

Dương Pan: "Vâng."

[5. Giảm chi phí và nâng cao hiệu quả so với việc đốt tiền một cách điên cuồng: Hai tư duy hoàn toàn khác nhau]

Trong buổi phát trực tiếp, đã có một cuộc thảo luận thú vị về việc liệu chúng ta có nên "giảm chi phí và tăng hiệu quả" hay không.

Yang Pan nói, "Hôm qua, một số người bàn luận về việc token này đang bị tiêu thụ quá mạnh tay và lãng phí, và chúng ta nên tìm cách giảm chi phí của token, làm thế nào để đốt nó hiệu quả hơn? Được thôi, tôi nghĩ điều đó có thể đúng trong một số công ty và trường hợp, nhưng tôi nghĩ điều đó vô nghĩa đối với tất cả mọi người đang vội vàng tiến lên với tốc độ cao."

"Nếu đó là một điểm đòn bẩy lớn đối với bạn, điều bạn nên quan tâm nhất là làm thế nào để đốt token nhanh hơn và hiệu quả hơn, đốt token với tỷ lệ cao hơn, thay vì cố gắng giảm chi phí và tăng hiệu quả. Hãy cứ hướng về phía trước."

"Bởi vì, như tôi vừa nói, ngay khi nó lướt qua bạn trong gương chiếu hậu, bạn sẽ không còn nhìn thấy đèn hậu của nó nữa."

Sáng nay, Yang Pan cũng gửi một phần mềm giám sát việc tiêu thụ token. Anh ấy nói, "Mặc dù tôi chia sẻ cái này với mọi người, nhưng tôi sẽ không tự cài đặt nó. Tôi nói rằng tôi không quan tâm đến chuyện này chút nào."

Đây là sự khác biệt cơ bản về tư duy. Một số người tối ưu hóa chi phí, cố gắng tối đa hóa tiện ích của mỗi token. Những người khác lại sử dụng đòn bẩy một cách liều lĩnh, chỉ quan tâm đến việc đốt token nhanh hơn và với số lượng lớn hơn.

Quan điểm thứ nhất phản ánh tư duy bảo tồn của thời kỳ nông nghiệp, trong khi quan điểm thứ hai phản ánh tư duy hướng đến quy mô của thời kỳ công nghiệp.

Trong kỷ nguyên trí tuệ nhân tạo, hướng đi thứ hai rõ ràng là đúng đắn.

III. Con người, Mô hình và Chương trình: Một Khung Triết học

【1. Bản chất của Kỹ năng: Sự kết hợp hoàn hảo giữa hai khả năng】

Trong nửa đầu buổi phát trực tiếp, Yang Pan đã nói về một khuôn khổ triết học rất quan trọng, mà tôi cho rằng là chìa khóa để hiểu toàn bộ kỷ nguyên trí tuệ nhân tạo.

"Tôi luôn chia sẻ những hiểu biết của mình ngoài đời thực, và tôi luôn bắt đầu bằng cách nói về con người, chương trình máy tính và các mô hình quy mô lớn, so sánh ba thứ này cạnh nhau. Tôi đã làm điều này được hai năm rồi, và tôi vẽ một sơ đồ bốn góc phần tư để so sánh ba thứ này."

"Các mô hình lớn có những điểm tương đồng với con người, nhưng cũng có những điểm khác biệt. Các chương trình có những điểm tương đồng với các mô hình lớn, nhưng cũng có những điểm khác biệt. Từ một góc nhìn, mô hình lớn là một chương trình; từ một góc nhìn khác, nó là một con người."

"Ưu điểm của một mô hình lớn đối với một chương trình là gì? Nó có thể khởi động vô số tiến trình và sau đó yêu cầu sao chép vô hạn, không ngừng nghỉ, và tiếp tục mãi mãi."

"Đặc điểm của con người là gì? Sự khác biệt lớn nhất giữa con người và chương trình máy tính là gì? Con người có khả năng khái quát hóa; con người có thể suy luận và suy nghĩ. Chương trình máy tính chỉ có thể thực hiện các phép tính máy móc; với một đầu vào xác định và một đầu ra xác định, chạy nó một triệu lần vẫn sẽ cho ra cùng một kết quả."

Ông ấy đã đưa ra một ví dụ kinh điển, mà tôi thấy đặc biệt sinh động:

"Hãy tưởng tượng bạn là chủ một nhóm WeChat với 500 thành viên. Bạn đăng một thông báo nhóm yêu cầu mọi người đổi biệt danh nhóm thành 'Tên@Công ty|Thành phố'."

"Nếu bạn từng là quản trị viên nhóm WeChat, bạn sẽ biết kết quả sẽ như thế nào. Thực tế sẽ chẳng ai sửa lỗi cả; trong số 500 người, bạn sẽ nhận được 200 hoặc 300 cách viết khác nhau. Có người không dùng ký hiệu @, có người dùng ký hiệu #. Có người không viết Bắc Kinh, mà viết BJ. Có người thêm dấu ngoặc đơn, có người đặt tên thành phố ở đầu – có vô vàn cách viết khác nhau."

"Nếu bạn tìm một lập trình viên và yêu cầu họ chia 500 bản ghi này thành ba trường, chắc chắn họ sẽ không thể viết được mã. Bởi vì tôi đã thử rồi."

"Nhưng nếu bạn cung cấp 500 bản ghi này cho một mô hình lớn, mô hình đó có thể phân tích ba trường này, và thậm chí có thể thay đổi 'BJ' thành 'Bắc Kinh'. Cho dù thành phố được đặt ở trường thứ nhất, thứ hai hay thứ ba đều được."

"Cái gì thế này? Tôi đưa cái này cho con gái tôi đang học cấp hai, và con bé cũng có thể làm được công việc này. Đó là sức mạnh của người mẫu và con người. Chương trình máy tính không thể làm được điều đó."

"Hãy quay lại vấn đề chính. Mọi người cần hiểu kỹ năng thực sự là gì. Về cơ bản, kỹ năng là sự kết hợp giữa khả năng của một chương trình và khả năng của một mô hình."

Tôi đã hiểu khi nghe điều đó. Đó là lý do tại sao kỹ năng lại quan trọng và có giá trị đến vậy.

"Giống như khi chúng ta muốn làm một công việc, chúng ta cần mua hoặc tìm một số công cụ. Ví dụ, tôi sẽ mua một cái búa, một cái đinh, một cái cưa, và sau đó tôi có thể làm một cái ghế đẩu."

"Hôm nay Manus và Claude Code đang làm gì? Bạn giao cho họ một nhiệm vụ, và trước tiên họ sử dụng khả năng của chính mình để tạo ra một công cụ – công cụ đó chính là chương trình. Họ viết một đoạn mã, sau đó gọi chương trình mà họ đã tạo ra, và cuối cùng hoàn thành nhiệm vụ."

"Nó đã khám phá ra điều gì? Nó đã khám phá ra các kỹ năng—khả năng khái quát hóa, suy luận và thể hiện trí thông minh giống con người trong một mô hình, kết hợp với sức mạnh tính toán chính xác của một chương trình mạnh mẽ. Hai khả năng này cùng nhau có thể giải quyết phần lớn các vấn đề mà chúng ta gặp phải trong thế giới kỹ thuật số."

"Hóa ra bạn không thể giải quyết vấn đề này chỉ bằng lý luận, và chúng ta cũng không thể giải quyết nhiều vấn đề tổng quát chỉ bằng lập trình. Đó là lý do tại sao Kỹ năng lại quan trọng ngày hôm nay."

Một người trong buổi phát trực tiếp nói: "Sự khác biệt cơ bản giữa con người và động vật nằm ở việc chế tạo và sử dụng công cụ. Rõ ràng, mô hình lớn cũng đã học được điều đó."

Dương Pan hào hứng nói: "Tôi muốn chụp ảnh màn hình! Đây mới chính là tinh túy của Kỹ năng!"

2. Mô hình thế giới = Nén và giải nén

Sau đó trong cuộc trò chuyện, Yang Pan đã đề cập đến một câu hỏi triết học sâu sắc hơn: Mô hình thế giới là gì?

"Khi mọi người nói về mô hình thế giới, họ thường nghĩ đến mô hình video do Fei-Fei Li tạo ra. Nhưng tôi có một cách hiểu khác về mô hình thế giới."

"Về bản chất, một mô hình là sự cô đọng các định luật khách quan và định luật vật lý của thế giới này. Hay nói cách khác, nó là sự cô đọng các xác suất của thế giới này. Chẳng phải các xác suất của thế giới này chính là các định luật sao? Chẳng phải các xác suất của thế giới này chính là các định lý và công thức sao? Chúng là một thể thống nhất. Từ góc độ toán học, chúng là một thể thống nhất."

Tôi trả lời "Vâng."

Yang Pan tiếp tục, "Vậy, trước đây một người bạn của tôi làm gì? Họ từng có một đội ngũ chuyên về thuật toán đề xuất, nhưng năm ngoái họ đã sa thải toàn bộ đội ngũ và ngừng nghiên cứu thuật toán đề xuất. Họ chỉ đơn giản là đưa trực tiếp dữ liệu hành vi người dùng vào một mô hình lớn và để mô hình đó đưa ra đề xuất."

Tôi tò mò: "Kết quả thế nào? Chắc hẳn rất tốt."

"So với thuật toán do chính tôi viết, phiên bản đầu tiên của sản phẩm tối thiểu khả thi (MVP) đã cải thiện hiệu suất lên 30%."

"Ôi trời," tôi thốt lên đầy kinh ngạc, "Vậy là anh đang nói rằng nếu anh ta sử dụng một mô hình tốt hơn và cải thiện đáng kể, anh ta sẽ kiếm được. Đó là sự gia tăng năng suất trực tiếp."

"Đúng vậy, bởi vì mô hình đã chắt lọc những kinh nghiệm tốt nhất trên thế giới này," Yang Pan nói. "Có thể bạn không thể định nghĩa rõ ràng nó là gì, nhưng đó là xác suất. Vì vậy, theo một nghĩa nào đó, đây là sự bình đẳng về thuật toán, cũng là sự bình đẳng về trí tuệ, bình đẳng về nhận thức và bình đẳng về kiến ​​thức."

"Trước đây, nếu bạn và đội ngũ của bạn không học được thuật toán nâng cao, bạn sẽ không thể làm việc hoặc giải quyết được một số vấn đề nhất định. Nhưng ngày nay, với một mô hình lớn, bạn có quyền truy cập vào tất cả kiến ​​thức và khả năng trên thế giới. Đây là sự bình đẳng, đây là sự bình đẳng tuyệt vời nhất."

"Hơn nữa, nó cũng có thể giúp bạn giải mã kiến ​​thức này bằng cách viết một chương trình. Vì vậy, về mặt lý thuyết, mô hình này có thể giúp bạn giải mã Photoshop."

"Nếu không phải hôm nay, thì có thể ngày mai hoặc ngày kia sẽ xảy ra."

Tôi trả lời, "Vâng."

"Vậy mục đích của việc huấn luyện mô hình là gì? Đó là việc nén càng nhiều yếu tố chỉnh sửa bằng Photoshop càng tốt vào mô hình. Đó chính là mục đích của việc huấn luyện."

Cuộc thảo luận này nhắc tôi nhớ đến quan điểm Yang Pan đã nêu trong bài viết của mình: mục tiêu cuối cùng của lập trình AI không phải là tạo ra mà là loại bỏ. Khi chi phí tạo ra đủ thấp và tốc độ tạo ra đủ nhanh, chúng ta sẽ không còn cần đến cái vỏ "phần mềm" nữa.

IV. Sự kết thúc của phần mềm: Từ container đến thế hệ Just-in-Time

1. Tại sao phần mềm lại tồn tại? Nó là sản phẩm của một mô hình kinh doanh.

Yang Pan đã nêu ra một câu hỏi cơ bản: Khi chúng ta sử dụng mã lập trình để tạo ra một chức năng cho người dùng sử dụng, liệu có thực sự cần thiết phải tạo ra một chương trình, trang web hay phần mềm hoàn chỉnh hay không?

"Để hiểu vấn đề này, chúng ta cần quay lại nguồn gốc của phần mềm. Khi máy tính mới xuất hiện, các chức năng chỉ đơn giản là các đoạn mã. Sự ra đời của phần mềm phần lớn là sản phẩm của các mô hình kinh doanh."

"Đóng góp lớn lao của Bill Gates không chỉ nằm ở công nghệ, mà còn ở phát minh mô hình bán bản quyền, thúc đẩy quá trình thương mại hóa phần mềm. Để bán cho bạn các tính năng của sản phẩm mà ông ấy tạo ra, ông ấy phải đóng gói các tính năng đó vào phần mềm để phân phối, cung cấp và tính phí."

"Từ góc nhìn này, phần mềm, trang web và ứng dụng đều được xây dựng để hỗ trợ các mô hình kinh doanh cho phép sản xuất, phân phối, giao hàng và kiếm tiền trên quy mô lớn."

Ông tiếp tục phân tích các vấn đề của các mô hình phần mềm truyền thống:

"Ví dụ, Microsoft Office có hàng ngàn tính năng, nhưng người dùng có thể chỉ sử dụng một vài chục tính năng thường xuyên. Chúng ta thường thu thập thông tin về phần mềm trước để xem chúng có những tính năng gì, rồi sau đó mới xem xét liệu chúng có đáp ứng nhu cầu của mình hay không. Phần mềm chúng ta mua thường không hoàn toàn phù hợp với yêu cầu của chúng ta."

"Đằng sau tất cả những vấn đề này là một giả định ngầm: chức năng phải được cung cấp trong một 'vỏ bọc' phần mềm. Nhưng trong thời đại trí tuệ nhân tạo, giả định này có thể bị phá vỡ hoàn toàn."

2. Thị trường kỹ năng: Một trạng thái trung gian

Tôi luôn tò mò về giá trị thương mại của Kỹ năng. Trong buổi phát trực tiếp, tôi đã hỏi Yang Pan: "Kỹ năng thực sự có giá trị thương mại không? Nếu có, nó sẽ trông như thế nào?"

Anh ta suy nghĩ một lát: "Tôi đã nghĩ về chuyện này rồi."

Tôi đã đề xuất một ý tưởng: "Liệu có mô hình kinh doanh nào mà giá cả dựa trên số lượng token lưu chuyển qua kỹ năng của bạn? Ví dụ, nếu một token lưu chuyển qua nhiều kỹ năng, liệu có mô hình kinh doanh nào mà giá cả dựa trên số token lưu chuyển qua kỹ năng của bạn?"

Sau đó, luồng phát trực tiếp bị gián đoạn. Khi kết nối lại, Dương Toàn đã nói một điều rất quan trọng:

"Thực ra, chúng ta đang nhìn vào tương lai từ góc độ hiện tại. Nhiều sản phẩm AI hiện nay cho phép người dùng tạo ra các chức năng hoặc đoạn mã nhỏ, và một thị trường đã hình thành xung quanh chúng, với các cơ chế tìm kiếm, đề xuất và tái sử dụng. Từ lâu, tôi đã khá lạc quan về mô hình sản phẩm này."

"Nhưng gần đây quan điểm của tôi về những vấn đề này đã thay đổi hoàn toàn. Tôi cho rằng nó vẫn đang ở giai đoạn trung gian. Điểm đến cuối cùng thực sự không phải là 'thị trường tính năng', mà là 'tính năng theo yêu cầu'."

"Khi tốc độ và chi phí tạo ra dữ liệu tiến gần đến mức bằng không, các tính năng như tìm kiếm và lưu trữ trở nên không cần thiết. Nếu chi phí đủ thấp và tốc độ tạo ra đủ nhanh, chúng ta chỉ cần tạo ra dữ liệu theo yêu cầu lần khi cần và tái tạo lại lần."

Ông đưa ra một ví dụ so sánh: "Nó giống như một chiếc máy tính hiện nay: bạn không cần phải nhớ kết quả của phép tính lần; bạn có thể tính toán lại khi cần. Nhưng các chức năng trí tuệ nhân tạo trong tương lai sẽ được tạo ra nhanh hơn nhiều và với chi phí thấp hơn nhiều so với máy tính."

Tôi hiểu rồi: "Không còn 'đánh dấu ứng dụng', không còn 'cài đặt bản cập nhật' nữa."

"Đúng vậy," Yang Pan nói, "tất cả các chức năng đều có sẵn theo yêu cầu, giống như nước máy - mở vòi khi cần và tắt khi không cần."

3. Tái cấu trúc mô hình kinh doanh: Tiền cuối cùng sẽ đi về đâu?

"Ngày nay, tất cả số tiền chúng ta chi cho phần mềm, tất cả số tiền chúng ta trả cho các công ty SaaS—tôi không biết thị trường toàn cầu lớn đến mức nào, nhưng chắc chắn là hàng trăm tỷ, hàng nghìn tỷ đô la. Ai sẽ trả số tiền này trong tương lai?"

Câu trả lời của Yang Pan rất rõ ràng: "Số tiền này sẽ được chuyển cho Anthropic, OpenAI và Google. Bất cứ ai có thể giúp tôi tạo ra một tính năng đáp ứng nhu cầu của tôi, tôi sẽ trả tiền cho họ."

"Hãy suy nghĩ lại một lần nữa. Từ khâu quản lý sản phẩm xác định yêu cầu, đến việc các kỹ sư phát triển sản xuất ra sản phẩm, rồi đến khâu bán hàng và tiếp thị, toàn bộ quy trình đó gây ra bao nhiêu tổn thất và chi phí?"

"Bước tiếp theo là các mô hình quy mô lớn sẽ tạo ra phần mềm theo yêu cầu, điều này sẽ loại bỏ chi phí ở mọi giai đoạn của Chuỗi cung ứng ngành công nghiệp phần mềm. Nói cách khác, nó sẽ xóa sạch tất cả lợi nhuận mà các công ty này kiếm được ở mọi giai đoạn."

Tôi trả lời, "Vậy là cuối cùng chỉ còn lại những đồng xu."

"Đúng vậy, tôi sẽ trả tiền cho bất cứ ai sản xuất ra token, bất cứ ai sản xuất ra token có giá trị cao, có khả năng cao. Đó là điều tôi muốn nói hôm nay: bạn bè tôi đã điên cuồng mua những token đắt nhất trong tuần qua."

Ông ấy đã dùng một phép so sánh: "Vì ông ấy biết rằng một số thẻ bài giống như cái búa, một số giống như cái khoan, một số lại giống như cái búa. Một số thẻ bài giống như cái tua vít, một số lại giống như cái khoan."

4. Sử dụng chính là phản hồi, và phản hồi chính là đào tạo.

Dương Bàng cũng đề cập đến một cơ chế rất thú vị:

"Trong mô hình mới này, mỗi thế hệ và mỗi lần sử dụng đều là một 'phiếu bầu' cho chức năng. Những kết quả mã hóa chứng minh được tính hữu ích sẽ trở thành dữ liệu huấn luyện cho các thế hệ AI tiếp theo."

"Nguyên lý này tương tự như các hệ thống đề xuất video ngắn: thời gian người dùng xem video giống như một lá phiếu, thúc đẩy hệ thống liên tục tối ưu hóa các đề xuất. Các phiên bản phần mềm trong tương lai cũng sẽ dựa vào phản hồi của người dùng để liên tục cải thiện các tính năng."

Người dùng sử dụng các tính năng → Tạo dữ liệu sử dụng → Mô hình AI học hỏi và tối ưu hóa → Tạo ra các tính năng tốt hơn lần → Cải thiện sự hài lòng của người dùng → Dữ liệu sử dụng hơn...

"Vòng phản hồi tích cực này sẽ giúp các chức năng do AI tạo ra ngày càng chính xác hơn và phù hợp hơn với nhu cầu thực tế của người dùng."

V. Điểm uốn của các mô hình mã nguồn mở: Giới hạn dưới quan trọng hơn giới hạn trên

[1. Đạt đến đỉnh cao so với việc kết thúc ở đáy: Hai giá trị hoàn toàn khác nhau]

Trong nửa sau của buổi phát trực tiếp, Yang Pan đã thảo luận về một xu hướng quan trọng mà nhiều người thường bỏ qua: sự cải thiện giới hạn dưới của các mô hình mã nguồn mở.

"Trong tháng vừa qua, tôi đã nói về một vấn đề khác: việc phát hành GLM 4.7, do Zhipu tiên phong, vào tháng 12 năm ngoái. Bạn có biết đã bao lâu kể từ khi Zhipu GLM 4.7 được phát hành không? Chỉ vài chục ngày, có lẽ 40 ngày, và chúng ta đã cho rằng nó là một mô hình cũ rồi. Bạn có nhận ra tốc độ đó nhanh đến mức nào không?"

"Tôi cho rằng rằng các mô hình mã nguồn mở trên toàn thế giới, dẫn đầu bởi GLM 4.7, đã đạt đến một bước ngoặt lần đầu tiên. Tôi cho rằng trọng tâm chính của các mô hình mã nguồn mở toàn cầu trong suốt năm 2025 sẽ là vươn tới những tầm cao mới. 'Vươn tới những tầm cao mới' nghĩa là gì? Nó có nghĩa là thiết lập các tiêu chuẩn để xem mức hiệu suất cao nhất có thể đạt được là bao nhiêu."

"Kể từ cuối năm đến nay, Zhipu GLM 4.7, DeepSeek và MiniMax M2.1 đã làm được gì? Chúng đã cải thiện đáng kể giới hạn dưới của các mô hình mã nguồn mở. Giá trị của việc cải thiện giới hạn dưới vượt xa giá trị của việc cải thiện giới hạn trên, và trong toàn ngành, nó vượt xa giá trị của việc cải thiện giới hạn trên."

Ông ấy đã đưa ra một phép so sánh rất sinh động:

"'Nâng cao giới hạn trên' nghĩa là gì? Hãy tưởng tượng bạn có một đứa trẻ có thể giành huy chương vàng trong Kỳ thi Olympic Toán học Quốc tế, nhưng nó vẫn còn là một đứa trẻ. Vậy 'nâng cao giới hạn dưới' nghĩa là gì? Hãy tưởng tượng bạn có một sinh viên đại học không thể giành huy chương vàng Olympic. Bạn nghĩ thành tích nào có giá trị hơn?"

Tôi lập tức hiểu ra: "Cái sau chính là 'lý thuyết cái xô'."

"Phải."

[2. Từ sự phụ thuộc đến sự bình đẳng: Một sự chuyển đổi cơ bản trong bối cảnh công nghiệp]

"Điều này có nghĩa là gì? Điều gì sẽ xảy ra khi bước ngoặt này được vượt qua? Trước năm 2025, tất cả các bên tham gia trong hệ sinh thái AI toàn cầu sẽ kiếm tiền dựa trên hoạt động thượng nguồn và hạ nguồn của các mô hình từ ba công ty AI lớn, thu về một phần nhỏ giá trị từ lợi nhuận khổng lồ của họ. Tất cả sẽ kiếm tiền bằng cách dựa vào hệ sinh thái của các mô hình lớn từ ba công ty AI lớn này."

"Sau đó, một khi mô hình mã nguồn mở toàn cầu vượt qua điểm uốn đó, vượt qua giới hạn khả năng tối thiểu, tất cả các công ty trên toàn thế giới sẽ sử dụng nó, bất kể ngành nghề của họ là gì, và bạn sẽ có cơ hội nhận được một phần giá trị từ thị trường mô hình quy mô lớn này. Điều này có khả năng dẫn đến sự bùng nổ gấp mười lần, gấp trăm lần, hoặc thậm chí gấp nghìn lần trong ngành."

Tôi nói, "Đúng vậy, nó có thể được công nghiệp hóa và sử dụng trên quy mô lớn."

"Đúng vậy, đúng vậy, đó là giá trị lớn nhất. Nói cách khác, nghịch lý Jevons chỉ thực sự bắt đầu có hiệu lực vào thời điểm này. Trước đây, tôi nghĩ rằng nó chỉ đơn thuần là việc sản xuất Mercedes, và nó không có nhiều ý nghĩa hay giá trị."

[3. Hai thái cực: mẫu đắt nhất và mẫu rẻ nhất]

Dương Bàng đồng thời ủng hộ hai hướng đi dường như mâu thuẫn nhau.

"Ở một thái cực, một số người muốn mua mẫu đắt nhất và sử dụng đòn bẩy cao nhất. Bởi vì khi bạn tìm thấy đòn bẩy đó, nếu bạn chưa tìm thấy, bạn có thể chưa cần đến nó. Một khi bạn đã tìm thấy đòn bẩy đó, bạn muốn sử dụng mẫu đắt nhất và đòn bẩy cao nhất."

"Mặt khác, khả năng được cải thiện của các mô hình mã nguồn mở cho phép chúng ta áp dụng các khả năng của những mô hình này—những khả năng trước đây không thể tưởng tượng được—trên quy mô lớn vào hoàn cảnh sản xuất. Đây mới chính là công nghiệp hóa thực sự."

Ông đưa ra một dự đoán cụ thể: "Ước tính của riêng tôi về mức tăng tiêu thụ token trong mô hình năm nay là gấp 100 lần. Mức trần token toàn cầu vào năm 2026 sẽ bằng công suất sản xuất thẻ. Có nghĩa là toàn bộ công suất sản xuất thẻ hiện có chắc chắn sẽ được tiêu thụ hết."

"Năm ngoái, có thể bạn thấy đó là thị trường của người mua, nơi bạn có thể yêu cầu giảm giá cho token. Năm 2026, mọi thứ có thể thay đổi. Có lẽ bạn sẽ phải tìm người mua nó, và xin lỗi, không có giảm giá, và đó là mức giảm giá tối đa họ có thể đưa ra."

VI. Một số cuộc thảo luận và tranh cãi thú vị

[1. Từ Web3 đến AI: Sự chuyển đổi của những người bạn cộng đồng tiền điện tử]

Hôm nay tôi tham dự một sự kiện ở Thung lũng Silicon và tình cờ gặp lại một vài người bạn cộng đồng tiền điện tử mà tôi đã không gặp trong bốn hoặc năm năm. Tất cả họ đều đang học Openclaw.

Tôi đã chia sẻ quan sát này với Yang Pan: "Hôm nay tôi đến thành phố và gặp bốn hoặc năm người bạn từng làm việc cùng tôi ở Crypto. Tôi đã không gặp họ nhiều năm rồi, và một số người trong số họ hiện đang âm thầm làm việc trong lĩnh vực trí tuệ nhân tạo. Một số người vẫn còn ở Crypto, nhưng tất cả đều đi cùng tôi để tìm hiểu về tôm hùm. Tôi nói, 'Thật là trùng hợp! Thật là trùng hợp!' Một số người mang theo máy tính xách tay, một số thì không, và một số thì đang lập trình."

Tôi tiếp tục, "Khi mới chuyển sang lĩnh vực trí tuệ nhân tạo (AI), nhiều người cộng đồng tiền điện tử đã hỏi tôi, 'Thầy Wang, tại sao thầy lại chuyển sang AI? Có thể kiếm tiền bằng AI không?' Điều này khiến tôi ngần ngại tham dự các sự kiện cộng đồng tiền điện tử trong một thời gian dài. Hôm nay, khi gặp lại họ, tôi nói, 'Các bạn không nói với tôi là tôi đã chuyển sang AI, phải không?' Họ nói, 'Thầy Lang, thầy đi trước chúng tôi ba phiên bản rồi đấy.'"

"Và tôi nghĩ rằng nhiều khái niệm, bao gồm DID và Mạng xã hội, thực sự đang được hiện thực hóa nhờ sự hỗ trợ của AI. Nhưng điều tôi thấy buồn là YC không còn nói về tiền điện tử nữa. RFS của YC tập trung vào thanh toán stablecoin. Họ đã chứng minh điều này thông qua hành động của mình. Họ cho rằng stablecoin không còn chỉ là một khái niệm tiền điện tử; chúng là một cơ sở hạ tầng cho kỷ nguyên AI."

Yang Pan cười nói: "Đúng vậy, nhiều câu chuyện được thảo luận trong Web3 đã hoạt động hoàn hảo với AI. Token đó không tạo ra bất kỳ giá trị nào, nhưng token AI của chúng ta, mỗi khi bị đốt cháy, tượng trưng cho sự thiêu đốt trí tuệ."

"Đúng vậy," tôi nói, "việc đốt token có giá trị thực sự. Nó cũng là tỷ lệ băm, cũng là sức mạnh."

2. Vector, RAG, Bộ nhớ: Những công nghệ "bị đánh giá thấp"

Sau đó trong cuộc trò chuyện, Dương Bàng đột nhiên nói, "Có một vài điều tôi chưa bao giờ quan tâm."

Một người trong buổi phát trực tiếp đã đoán: "RAG?"

"Vâng," Dương Pan nói, "Tôi chưa để ý đến RAG, chưa để ý đến bộ nhớ, và cũng chưa để ý đến lưu trữ và tìm kiếm vectơ."

Tôi tò mò hỏi, "Tại sao?"

"Vì tôi cảm thấy việc này nằm trong phạm vi hoạt động của mô hình."

Anh ấy đưa ra một ví dụ: "Năm ngoái tôi tham gia hacker) và tự phát triển một tác nhân (agent) của riêng mình. Khi đó, Claude Code chưa tồn tại, vì vậy tôi không sử dụng bất cứ thứ gì. Tôi chỉ dùng một tệp văn bản làm bộ nhớ và nơi lưu trữ. Tôi thậm chí không dùng tìm kiếm vector; tôi chỉ đưa nó vào ngữ cảnh. Dù sao thì đó cũng là một tác nhân đơn giản."

"Khi xem xét OpenClaw hiện nay, chúng ta sẽ thấy rằng bộ nhớ của một mô hình lớn trong OpenClaw chỉ đơn giản là một tệp Markdown."

Tôi hiểu lý lẽ của anh ấy: "Giai đoạn hiện tại vẫn còn giá trị."

Yang Pan: "Đúng vậy, nó có giá trị ở một số giai đoạn nhất định, chúng ta không phủ nhận điều đó. Bao gồm cả tự động hóa giao diện người dùng (GUI) và những thứ tương tự, chúng vẫn có giá trị ở một số giai đoạn nhất định và chắc chắn có những trường hợp phù hợp."

Ông cũng thảo luận về việc tinh chỉnh: "Trong hầu hết các trường hợp, việc tinh chỉnh dường như không có nhiều ý nghĩa. Tất nhiên, có thể có một số trường hợp cụ thể, khép kín mà việc tinh chỉnh có thể có ý nghĩa."

Tại sao? "Bởi vì, về cơ bản, ai là đối thủ cạnh tranh của việc tinh chỉnh? Đó chính là mô hình nền tảng. Bản thân mô hình nền tảng đang phát triển với tốc độ đáng báo động hiện nay."

"Nó được dẫn đầu bởi Zhipu GLM 4.7, được phát hành vào tháng 12 năm ngoái. Bạn có biết Zhipu GLM 4.7 được phát hành cách đây bao lâu không? Chỉ vài chục ngày, có lẽ 40 ngày, và chúng ta đã cho rằng nó là một mô hình cũ rồi. Bạn có nhận ra thời gian trôi qua nhanh như thế nào không?"

[3. Vấn đề mang tính quyết định về kỹ năng: Khi nào bạn nên viết chương trình?]

Một người xem trong buổi phát trực tiếp đã đặt một câu hỏi hay: "Tôi thấy Skills khá khó đoán và kết quả thực thi thường không ổn định. Khi nào thì tôi nên viết SQL, và khi nào thì nên viết mã?"

Yang Pan nói, "Tôi nghĩ đây là một câu hỏi tuyệt vời. Trong tất cả các bài thuyết trình trực tiếp của tôi, đặc biệt là những bài dành cho người làm kỹ thuật, tôi luôn nhấn mạnh điểm này: bạn cần hiểu những điểm tương đồng và khác biệt giữa con người, mô hình và chương trình. Đây là sự hiểu biết cơ bản nhất - điều gì phù hợp để chương trình thực hiện, và khi nào thì phù hợp để mô hình thực hiện?"

"Như tôi vừa đề cập, vấn đề kỹ năng về cơ bản là sự kết hợp giữa mô hình và chương trình. Nếu bạn tập trung 100% vào một kết quả cụ thể, trước tiên bạn nên để Claude Code xác định việc sản xuất một chương trình cụ thể, rồi sau đó giao nhiệm vụ đó cho nó."

"Nếu nhiệm vụ của bạn yêu cầu khái quát hóa — nghĩa là sử dụng một mô hình lớn cùng với một đoạn mã làm công cụ để hoàn thành nhiệm vụ— thì bạn có thể sử dụng Skills. Tất cả phụ thuộc vào mục tiêu bạn đang hướng tới. Nếu bạn đang hướng tới một kết quả cụ thể, thì chắc chắn là không nên dùng Skills."

"Vì vậy, tôi nghĩ đây là vấn đề lựa chọn. Ngoài ra, nếu bạn đang hướng đến một kết quả dứt khoát, thì về bản chất đó là một vấn đề kỹ thuật phần mềm. Ví dụ, tự động hóa các bài kiểm thử đơn vị và tạo ra các quy trình khép kín có thể kiểm chứng được—nếu bạn giao phó nhiệm vụ này cho AI, nghĩa là bạn có thể xác minh kết quả thông qua một con đường khác—thì bạn hoàn toàn có thể giao phó việc này cho một mô hình, điều này cũng được chấp nhận."

"Tóm lại, tất cả đều quy về một vấn đề kỹ thuật. Như tôi đã đề cập trước đó, vấn đề đầu tiên là sự lựa chọn; vấn đề thứ hai là công việc kỹ thuật cần thiết để đưa ra lựa chọn đó."

VII. Hành động và suy ngẫm của tôi

1. Thành lập Câu lạc bộ TOKEN 0,1 tỷ

Sau khi buổi phát trực tiếp kết thúc, tôi muốn tạo một nhóm trò chuyện.

Tôi nói, "Hay là chúng ta tạo một nhóm chat và đặt tên là Nhóm Học tập Di động Dựa trên Silicon?"

Dương Pan hơi ngượng ngùng: "Cái này... gọi là dòng chảy dựa trên silicon, căng thẳng thật. Làm tôi thấy xấu hổ quá. Có nên làm cái này không..."

Tôi bật cười: "Đó có phải là Câu lạc bộ 0,1 tỷ token không?"

"Tốt lắm," Dương Pan nói. "Được thôi, không cần phải lo lắng gì cả."

Chúng tôi đã thảo luận về một số phiên bản khác nhau:

"Câu lạc bộ Token 0.1 tỷ"

"Câu lạc bộ 100 triệu TOKEN mỗi ngày"

Cuối cùng, chúng tôi đã quyết định thành lập "Câu lạc bộ 100 triệu Token mỗi ngày". Mục tiêu rất đơn giản: trước tiên, tăng mức tiêu thụ token hàng ngày lên 100 triệu.

2. Ưu tiên số lượng trước, rồi mới theo đuổi chất lượng.

Nhiều người hỏi: Chất lượng vật tư như thế nào?

Tôi nghĩ chúng ta nên tập trung vào số lượng trước. Tại sao?

"Tôi sẽ đề cập đến một vài ví dụ đặc biệt tốn nhiều token: Đầu tiên là việc tạo video, đúng không? Thứ hai là, ví dụ, mô hình Seedream, bao gồm chức năng Nhóm Đặc vụ trong Claude Opus 4.6."

Trước tiên, hãy đạt được số lượng cần thiết, rồi sau đó mới "thiết kế" quy trình. "Thiết kế" ở đây nghĩa là gì? Nó có nghĩa là biến nó thành một quy trình tự động, diễn ra hàng ngày. Đây không phải là việc bạn có thể quyết định làm một cách tùy hứng và chỉ bắt đầu khi bạn muốn; nó nên là một phương pháp tự động hoàn toàn, chứ không phải là một công việc chặt gỗ.

"Thứ ba, khi trò chuyện với người khác, bạn nên liên tục mang đến những điều mới mẻ. Ví dụ, khi tôi trò chuyện với thầy Yang, hoặc với Yiqi và Jiu, tôi nói chuyện với họ và họ nói, 'Ồ, tôi lại học được nhiều điều từ cuộc trò chuyện với anh; tôi đã viết được một vài thứ.' Giống như tôi là người đốn củi, còn họ là người chăn cừu, vậy nên chúng ta cũng nên bắt đầu chăn cừu thôi."

Tôi cũng học được một câu nói từ một người ở ByteDance: "Con người có thể dừng lại, nhưng trí tuệ nhân tạo thì không. Con người có thể ngủ, nhưng trí tuệ nhân tạo thì không. Trước tiên, chúng ta cần tăng âm lượng lên."

"Tôi tin rằng sự thay đổi về số lượng chắc chắn sẽ dẫn đến sự thay đổi về chất lượng. Tại sao? Bởi vì hầu hết mọi người xung quanh chúng ta sử dụng token rất ít; việc sử dụng chúng chỉ giới hạn ở ChatGPT hoặc thỉnh thoảng tạo hình ảnh."

"Bằng cách sử dụng nhiều token như vậy, chúng ta chắc chắn sẽ tạo ra lượng lớn hiệu ứng lan tỏa: bài viết, video, trao quyền cho người khác và mang lại sự thay đổi trong công ty. Khi bạn làm những điều này, những người xung quanh sẽ học hỏi từ bạn. Con người có khả năng học hỏi độc lập, và các nhóm người cũng có khả năng học hỏi độc lập."

[3. Cho người khác biết tôi đang sử dụng token: Tạo nhu cầu]

Đây là quan điểm mà tôi đã nhiều lần nhấn mạnh trong các buổi phát trực tiếp của mình:

"Bạn cần nói với người khác rằng bạn muốn sử dụng token. Bằng cách đó, bạn sẽ sử dụng nhiều token hơn. Nếu bạn không nói với người khác, bạn thực sự không có nhu cầu đó. Vì vậy, chúng ta cần tạo ra nhu cầu để người khác sẽ sử dụng token từ chúng ta."

"Đó là điều làm nên hiệu quả của phương pháp này. Trước tiên, hãy nắm vững tất cả các kỹ năng và mọi thứ xung quanh bạn, sau đó liên tục mang lại kết quả - đăng bài trên các tài khoản công khai, đăng video, cho cả thế giới biết chúng ta đang ở đây, chúng ta đang sử dụng token. Hãy nói với những người xung quanh rằng chúng ta đang sử dụng token."

"Tôi nghĩ hôm nay chúng ta nên đặt ra một mục tiêu cho nhóm này: hãy gọi nó là Nhóm Học tập 0,1 tỷ. Mục tiêu của chúng ta là 0,1 tỷ."

Càng chia sẻ nhiều, bạn càng sử dụng nhiều "mã thông báo". Càng sử dụng nhiều mã thông báo, người khác càng hỏi bạn nhiều câu hỏi. Càng có nhiều câu hỏi, kỹ năng giải quyết vấn đề của bạn càng tăng cải thiện.

"Vậy nên, tôi nghĩ lời khuyên của Giáo sư Yang dành cho chúng ta là hãy nói với người khác, 'Tôi muốn sử dụng token.' Bằng cách đó, bạn sẽ sử dụng nhiều token hơn. Nếu bạn không nói với người khác, bạn thực sự không có nhu cầu đó. Vì vậy, chúng ta cần tạo ra nhu cầu, để người khác sử dụng token từ chúng ta."

4. Mô hình kim tự tháp: Phân tầng kỹ năng trong kỷ nguyên này

Tôi đã vẽ một kim tự tháp tượng trưng cho các kỹ năng của thời đại này:

"Tôi sẽ vẽ một hình kim tự tháp. Ở dưới cùng là việc triển khai phần cứng và phần mềm. Sau đó, lớp giữa phía trên là Kỹ năng, bao gồm các kỹ năng cơ bản hơn, đặc biệt là cho giai đoạn này, bao gồm cả phần cứng và phần mềm - tất cả đều là những kỹ năng thiết yếu."

"Rồi trên đó là những người biết cách sử dụng kỹ năng, những người có thể tạo ra kỹ năng và những người có thể khiến trí tuệ nhân tạo sử dụng kỹ năng; và có thể còn những thứ khác nữa ở trên đó."

"Vì vậy, tôi nghĩ đợt sóng này có lẽ sẽ diễn ra theo trình tự này."

Yang Pan đã bổ sung một quan điểm quan trọng: "Hầu hết mọi người xung quanh chúng ta sử dụng token rất ít. Nhưng bằng cách sử dụng nhiều token như vậy, chúng ta chắc chắn sẽ tạo ra lượng lớn hiệu ứng lan tỏa: bài viết, video, trao quyền cho người khác và mang lại sự thay đổi cho công ty."

"Tôi nghĩ sẽ có lượng lớn sự lặp lại giữa nhiều kỹ năng. Trước tiên, chúng ta cần trau dồi tất cả các kỹ năng và những thứ xung quanh mình, và sau đó liên tục mang lại kết quả - bằng cách đăng tải trên các tài khoản công khai, phát hành video và cho cả thế giới biết rằng chúng ta đang sử dụng token, và cho những người xung quanh biết rằng chúng ta đang sử dụng token."

"Tôi nghĩ đây là điều kiện cần thiết để đón nhận làn sóng AI tiếp theo. Bởi vì tiếp theo sẽ là 4.6, rồi 4.7, 4.8 và 4.9."

VIII. Một số câu nói và suy nghĩ đáng nhớ

Trong quá trình sắp xếp ghi chú cho buổi phát trực tiếp, tôi nhận thấy Dương Bằng đã nói nhiều điều đáng suy ngẫm:

Về việc chế tạo công cụ: Một người trong buổi phát trực tiếp nói, "Chế tạo và sử dụng công cụ là sự khác biệt cơ bản giữa con người và động vật. Rõ ràng, mô hình lớn cũng đã học được điều đó." Dương Pan hào hứng nói, "Tôi muốn chụp ảnh màn hình! Đây chính là tinh túy của kỹ năng!"

Về tương lai của phần mềm: "Ai sẽ trả tất cả số tiền chúng ta chi cho phần mềm, cho các công ty SaaS trong tương lai? Chúng ta sẽ trả tiền cho Anthropic, OpenAI và Google. Bất cứ ai có thể giúp tôi tạo ra các tính năng đáp ứng nhu cầu của tôi, tôi sẽ trả tiền cho họ."

Về các mô hình mã nguồn mở: "Cải tiến giới hạn trên là gì? Hãy tưởng tượng bạn có một đứa trẻ có thể giành huy chương vàng trong Kỳ thi Olympic Toán học Quốc tế, nhưng nó vẫn còn là một đứa trẻ. Cải tiến giới hạn dưới là gì? Hãy tưởng tượng bạn có một sinh viên đại học không thể giành huy chương vàng Olympic. Bạn nghĩ công trình nào có giá trị hơn?"

Về chứng lo âu: "Bạn thấy một chiếc xe đang lao nhanh về phía mình trong gương chiếu hậu, càng lúc càng đến gần, và rồi ngay khoảnh khắc nó vượt qua bạn, bạn thậm chí không còn nhìn thấy bóng của nó nữa. Ngay lúc đó, trong gương chiếu hậu, khoảnh khắc nó sắp sửa ở bên cạnh bạn—đó là khoảnh khắc khiến tôi lo lắng nhất."

Về khả năng lãnh đạo của AI: "Han Xin tin rằng càng chỉ huy được nhiều quân thì càng tốt. Hãy giao cho tôi bao nhiêu quân tùy thích, tôi đều có thể quản lý được hết. Tại sao? Bởi vì Han Xin đã xây dựng hệ thống kỹ thuật riêng của mình để chỉ huy quân đội. Nếu bạn trở thành một nhà lãnh đạo AI và vượt qua được rào cản này, bạn sẽ thấy khoảng cách giữa bạn và những người khác không chỉ là một, hai, ba hay mười lần."

Về vấn đề tính tất định: "Nếu bạn muốn đạt được kết quả hoàn toàn tất định, trước tiên bạn nên để Claude Code tạo ra một chương trình tất định, rồi sau đó giao nhiệm vụ cho nó. Nếu nhiệm vụ bạn đang xử lý yêu cầu sự khái quát hóa ở giữa, bạn có thể sử dụng Skills. Đó là vấn đề lựa chọn, và cũng là một vấn đề kỹ thuật."

Về năm 2026: "Điều đáng suy ngẫm trong năm 2026 là: Trí tuệ nhân tạo (AI) đã mang lại cho chúng ta những khả năng mạnh mẽ như vậy, vậy chúng ta nên làm gì với nó? Chúng ta nên đạt được những kết quả nào với lập trình AI vào năm 2026? Đây là những câu hỏi quan trọng hơn việc chỉ đơn giản là học cách sử dụng các công cụ."

Về hương vị và khả năng lọc: "Hương vị rất quan trọng. Về cơ bản, đó là khả năng lọc. Trong hoàn cảnh sản phẩm đồng nhất với 80 điểm đánh giá, hương vị độc đáo có thể giúp nhận diện và làm nổi bật những sản phẩm chất lượng cao, cho phép nhắm mục tiêu chính xác đến người dùng cụ thể."

Về kỷ nguyên năng suất dồi dào : "Trong tương lai với năng suất cực kỳ dồi dào, hầu như ai cũng có thể sản xuất ra sản phẩm đạt điểm 80 với chi phí sản xuất gần bằng không. Trước đây, sản phẩm tốt dễ dàng được phát hiện, nhưng ngày nay, ngay cả khi bạn tạo ra một kiệt tác đạt điểm 80, khả năng nó được phát hiện là cực kỳ thấp. Do đó, việc sở hữu thương hiệu, lưu lượng truy cập và kênh phân phối sẽ mang lại lợi thế đáng kể hiện nay."

Về các sản phẩm bàn giao : "Khi độ phức tạp của mọi thứ tiếp tục tăng lên và đạt đến điểm tới hạn, việc chỉ mua công cụ thôi không còn đủ để đạt được kết quả mong muốn. Lúc này, 'mua kết quả' thay vì 'mua công cụ' trở thành lựa chọn tốt hơn. Giá trị mà bạn cung cấp nằm ở việc tích hợp các vấn đề phức tạp vào dịch vụ, sản phẩm và năng lực của bạn."

Lời kết: Hãy trân trọng hiện tại và đón nhận sự thay đổi.

Sau khi cúp điện thoại, tôi mở OpenClaw và bắt đầu triển khai một phiên bản OpenClaw mới.

Tôi chưa đạt được 100 triệu token mỗi ngày, thậm chí có thể chưa đến 10 triệu. Nhưng tôi biết hướng đi này là đúng đắn.

Trong buổi livestream, Dương Bàng đã nói một điều rất nhẹ nhàng nhưng cũng rất tàn nhẫn:

"Tôi đã suy ngẫm về câu nói 'Một ngày trong thế giới loài người tương đương với một năm trong thế giới trí tuệ nhân tạo'. Ngay từ khi ChatGPT được phát hành, tôi đã giữ vững quan điểm rằng năm năm sau khi ChatGPT ra mắt, chúng ta sẽ mở ra kỷ nguyên của trí tuệ nhân tạo tổng quát. Tất nhiên, vẫn sẽ có những khác biệt giữa các loại trí tuệ nhân tạo khác nhau."

Cuối cùng, tôi muốn kết thúc bằng điều này: Hãy trân trọng thời gian bạn dành cho những người thân yêu. Bởi vì chúng ta không thể biết điều gì sẽ xảy ra trong năm năm tới. Cả xã hội loài người và chính Trái đất sẽ trải qua những thay đổi sâu sắc mà chúng ta không thể dự đoán được.

Điều này làm tôi nhớ đến những gì tôi thấy tại hacker hôm nay: nhiều người vẫn đang học cách triển khai Claude, và nhiều cô gái trẻ nói, "Cái này hữu ích thật; nó có thể là trợ lý cá nhân của tôi."

Tôi tự nhủ: Chúa chẳng quan tâm.

Trí tuệ nhân tạo không quan tâm bạn nghĩ gì về nó; nó quan tâm đến con người và những cơ hội có thể giúp tăng khả năng của nó lên gấp trăm lần.

Hôm nay tôi cũng tình cờ gặp lại vài người bạn cũ trong cộng đồng tiền điện tử; tất cả họ đều đang chuyển sang lĩnh vực trí tuệ nhân tạo. Một người bạn nói với tôi, "Giáo sư Lang, ông đi trước chúng tôi ba phiên bản rồi đấy."

Nhưng tôi biết rằng trong thời đại này, ba phiên bản có thể được phát hành chỉ trong vòng ba tháng. Tốc độ đó thật đáng kinh ngạc.

Yang Pan nói, "Nhiều người bạn của tôi đã nhanh chóng tăng trưởng từ 0,01 tỷ lên 0,1 tỷ, và chỉ trong một tuần, họ đã nhanh chóng tiến gần đến 1 tỷ."

Một số người đang trở thành thần thánh, nhưng chúng ta vẫn chỉ là con người.

Nhưng chúng ta cũng có thể lựa chọn trở thành thần thánh.

Phương pháp rất đơn giản:

1. Hãy coi trí tuệ nhân tạo như một nguồn lao động, chứ không phải một công cụ.
2. Xây dựng hệ thống kỹ thuật để đạt được vị trí dẫn đầu về trí tuệ nhân tạo.
3. Đốt token một cách điên cuồng, đừng tập trung vào việc giảm chi phí và cải thiện hiệu quả.
4. Hãy nói với mọi người rằng bạn đang sử dụng token để tạo ra nhu cầu.
5. Hãy xây dựng cơ sở hạ tầng cho các tác nhân, chứ không phải phần mềm cho con người.

Chuyến tàu thời gian đã bắt đầu chuyển bánh; bạn hoặc phải lên tàu, hoặc sẽ bị bỏ lại phía sau.

Tôi quyết định đi xe buýt.

Và bạn?

Liên quan đến dòng chảy dựa trên silicon

Flow, được xây dựng trên nền tảng Silicon, là nền tảng dịch vụ đám mây mã mã nguồn mở mô lớn lớn nhất Trung Quốc, với hơn 9 triệu người dùng đăng ký. Yang Pan, một trong những người đồng sáng lập, có 32 năm kinh nghiệm lập trình, chủ yếu trong lĩnh vực nhắn tin tức thời, từng làm việc cho Microsoft MSN và Fetion của China Mobile. Hiện tại, ông đang phát triển các dịch vụ đám mây trí tuệ nhân tạo (AI). Trong thập kỷ qua, ông đã phục vụ phần lớn các doanh nhân và doanh nghiệp lớn, và đã phát triển ba sản phẩm với hơn 1 tỷ người dùng đăng ký mỗi sản phẩm.

Trong dịp Tết Nguyên Đán, Silicon-based Mobile sẽ tổ chức sự kiện tặng quà AI, quy tụ nhiều sản phẩm AI trong nước để airdrop miễn phí cho mọi người.

Trong thời đại này, sự chú ý là tất cả những gì bạn cần, và những vật phẩm tượng trưng là tất cả những gì bạn có.

(Hết bài viết, khoảng 9200 từ)