Tiêu đề video: Jensen Huang: Tương lai của Nvidia, Trí tuệ nhân tạo vật lý, Sự trỗi dậy của tác nhân ảo, Sự bùng nổ suy luận, Khủng hoảng truyền thông về AI
Người tạo video: All-In Podcast
Biên soạn bởi: Peggy, BlockBeats

Ghi chú của biên tập viên: Khi câu chuyện về AI ngày càng nóng lên, trọng tâm của các cuộc thảo luận trên thị trường đang chuyển từ "mô hình mạnh đến mức nào" sang "hệ thống có thể được triển khai như thế nào". Trong hai năm qua, ngành công nghiệp đã chứng kiến những bước đột phá về khả năng của các mô hình quy mô lớn, cuộc đua về sức mạnh tính toán đào tạo và sự mở rộng của các ứng dụng tạo sinh. Nhưng khi những giai đoạn này dần trở thành sự đồng thuận, những câu hỏi mới lại xuất hiện: Khi AI không chỉ đơn thuần trả lời câu hỏi mà bắt đầu thực hiện các nhiệm vụ, tích hợp vào các quy trình doanh nghiệp và bước vào thế giới vật lý, thì những điều kiện cơ bản nào sẽ hỗ trợ sự tiến bộ liên tục của nó?

Cuộc phỏng vấn này được trích từ podcast công nghệ nổi tiếng All-In Podcast. Là một trong những podcast dành cho nhà đầu tư có ảnh hưởng nhất ở Thung lũng Silicon, chương trình được đồng dẫn dắt bởi bốn nhà đầu tư năng động lâu năm và nổi tiếng với những cuộc thảo luận chuyên sâu về công nghệ, kinh doanh và các xu hướng kinh tế vĩ mô.

Bốn người dẫn chương trình là:

Jason Calacanis là một trong những doanh nhân khởi nghiệp trong lĩnh vực internet và nhà đầu tư thiên thần, nổi tiếng nhất với việc đầu tư vào các công ty như Uber và Robinhood.

Chamath Palihapitiya, người sáng lập Social Capital và cựu giám đốc điều hành của Facebook, đã đầu tư vào một số công ty công nghệ, bao gồm Slack và Box.

David Sacks, một đối tác tại Craft Ventures, là thành viên của "PayPal Mafia", người sáng lập Yammer và đã bán nó cho Microsoft với giá khoảng 1,2 tỷ đô la. Ông cũng là một nhà đầu tư ban đầu vào Airbnb và Uber.

David Friedberg, người sáng lập The Production Board, tập trung vào đầu tư trong lĩnh vực nông nghiệp, khí hậu và khoa học sự sống. Trước đây, ông đã thành lập The Climate Corporation (sau này được Monsanto mua lại).

Khách mời của tập này là Jensen Huang, đồng sáng lập kiêm CEO của NVIDIA, người được coi là một trong những động lực chính trong làn sóng phát triển cơ sở hạ tầng AI hiện nay.

Từ trái sang phải: David Friedberg, Chamath Palihapitiya, David Sacks, Jensen Huang, Jason Calacanis

Toàn bộ cuộc phỏng vấn có thể được tóm tắt một cách khái quát thành ba cấp độ.

Thứ nhất, cơ sở hạ tầng AI đang thay đổi. Trước đây, sự hiểu biết của thị trường về AI chủ yếu dựa trên các GPU mạnh mẽ hơn và nhiều trung tâm dữ liệu hơn. Nhưng Jensen Huang muốn nhấn mạnh rằng cạnh tranh trong tương lai sẽ không chỉ xoay quanh các chip riêng lẻ, mà là về toàn bộ hệ thống. Khi nhu cầu suy luận tăng lên, các loại mô hình tăng lên và các tác nhân bắt đầu xử lý các tác vụ phức tạp hơn, điện toán AI đang chuyển từ một mô hình tương đối đơn lẻ sang sự hợp tác hệ thống phức tạp và chuyên biệt hơn. Do đó, NVIDIA đang cố gắng nâng cao vai trò của mình từ một công ty sản xuất chip thành một nhà xây dựng "nhà máy AI".

Thứ hai, AI đang chuyển từ "tạo nội dung" sang "hoàn thành nhiệm vụ". Đây là điểm quan trọng nhất trong cuộc phỏng vấn này. ChatGPT đã mang đến cho công chúng trải nghiệm trực tiếp đầu tiên về khả năng của AI, nhưng theo quan điểm của Huang, sự thay đổi thực sự đáng kể là AI đang bắt đầu tham gia vào quy trình làm việc với vai trò là một tác nhân: nó không chỉ trả lời câu hỏi mà còn có thể sử dụng các công cụ, phân chia nhiệm vụ và cùng nhau thực hiện chúng để cuối cùng hoàn thành công việc. Vì vậy, những gì người dùng sẵn sàng trả cho AI sẽ dần chuyển từ "nhận được câu trả lời" sang "nhận được kết quả". Điều này ngụ ý nhu cầu suy luận cao hơn, độ phức tạp của hệ thống lớn hơn, và cũng cho thấy rằng các phương thức phát triển phần mềm, quản lý tổ chức và công việc tri thức có thể sẽ được viết lại.

Cuối cùng, trí tuệ nhân tạo (AI) đang mở rộng từ thế giới kỹ thuật số sang thế giới thực. Xuyên suốt các cuộc phỏng vấn, dù thảo luận về lái xe tự động, robot, chăm sóc sức khỏe, sinh học kỹ thuật số hay khái niệm AI vật lý của Huang, chủ đề xuyên suốt đều giống nhau: giá trị của AI không còn chỉ giới hạn ở màn hình mà sẽ ngày càng được phản ánh trong các nhà máy, bệnh viện, ô tô, thiết bị đầu cuối và cuộc sống hàng ngày. Tuy nhiên, điều này cũng có nghĩa là AI sẽ phải đối mặt không chỉ với những thách thức về công nghệ mà còn cả những ràng buộc phức tạp hơn trong thế giới thực như chuỗi cung ứng, chính sách, quy định, năng lực sản xuất và địa chính trị. Nói cách khác, làn sóng mở rộng AI tiếp theo sẽ là một quá trình công nghiệp hóa thực sự.

Từ góc nhìn này, khía cạnh đáng chú ý nhất của cuộc đối thoại này không phải là một sản phẩm cụ thể hay một con số lạc quan nào, mà chính là nhận định mà Huang Renxun liên tục nhấn mạnh: Trí tuệ nhân tạo đang chuyển mình từ "kỷ nguyên mô hình" sang "kỷ nguyên hệ thống". Cạnh tranh trong tương lai sẽ không phải là về việc ai có mô hình lớn hơn hay sức mạnh tính toán mạnh hơn, mà là về việc ai hiểu rõ ngành hơn, ai có thể tích hợp AI sâu hơn vào các quy trình thực tế và ai có thể tổ chức những khả năng này thành một hệ thống khả thi và có khả năng mở rộng.

Điều này mở rộng phạm vi của bài viết này vượt ra ngoài phạm vi của chính NVIDIA. Câu hỏi thực sự mà bài viết muốn trả lời là: khi trí tuệ nhân tạo dần trở thành cơ sở hạ tầng, vòng tái cấu trúc công nghiệp tiếp theo sẽ diễn ra như thế nào và giá trị mới sẽ được tạo ra ở đâu?

Sau đây là văn bản gốc (đã được chỉnh sửa để dễ đọc và dễ hiểu hơn):

Tóm lại

Cơ sở hạ tầng AI đang chuyển từ kiến trúc "GPU đơn" sang kiến trúc phân tán. Các tác vụ tính toán khác nhau sẽ được hoàn thành một cách cộng tác bởi GPU, CPU, chip mạng và chip suy luận như Groq.

NVIDIA đang chuyển mình từ một công ty sản xuất GPU thành một "công ty sản xuất AI" cung cấp các hệ thống hoàn chỉnh. Họ bán toàn bộ cơ sở hạ tầng, chứ không chỉ bán từng con chip riêng lẻ.

Điểm mấu chốt để đo lường chi phí của AI không phải là chi phí của các trung tâm dữ liệu, mà là chi phí của các token và hiệu quả thông lượng. Các hệ thống đắt tiền hơn trên thực tế có thể rẻ hơn.

Trí tuệ nhân tạo đang chuyển từ các mô hình tạo sinh sang kỷ nguyên của các tác nhân. Người dùng thực sự sẵn sàng trả tiền cho việc "hoàn thành công việc", chứ không chỉ cho câu trả lời.

• Nhu cầu tính toán đang bùng nổ. Từ khâu tạo lập trình đến suy luận và các tác nhân, tốc độ tăng trưởng có thể đã tăng hơn 10.000 lần trong một thời gian ngắn và vẫn đang tiếp tục tăng tốc.

Tương lai của ngành phát triển phần mềm sẽ thay đổi. Các kỹ sư sẽ không chỉ đơn thuần viết mã, mà còn xác định vấn đề, thiết kế kiến trúc và cộng tác với các tác nhân.

Về lâu dài, cơ hội lớn nhất nằm ở việc chuyên môn hóa sâu trong các ngành dọc, thay vì các mô hình chung chung. Những ai hiểu rõ ngành nghề hơn sẽ có lợi thế cạnh tranh mạnh mẽ hơn.

Cuộc phỏng vấn gốc

Jason Calacanis (nhà đầu tư thiên thần nổi tiếng | Người dẫn chương trình podcast All-In | Nhà đầu tư giai đoạn đầu vào Uber):
Tuần này là một chương trình đặc biệt. Chúng tôi sẽ nhường chỗ cho những gương mặt quen thuộc hàng tuần, một đặc ân mà thông thường chúng tôi chỉ dành cho ba kiểu người: Tổng thống Trump, Chúa Giê-su và Jensen Huang (người sáng lập kiêm CEO của NVIDIA). Còn về thứ hạng của ba người này thì tùy thuộc vào các bạn. Các bạn đã thể hiện rất tốt trong thời gian gần đây, và GTC là một thành công lớn.

Jensen Huang (Giám đốc điều hành của Nvidia):
Toàn bộ ngành công nghiệp đã đổ bộ. Hầu hết các công ty công nghệ và công ty trí tuệ nhân tạo đều đã có mặt.

Jason Calacanis:
Điều này thật đáng kinh ngạc, thực sự phi thường. Một trong những thông báo lớn nhất của năm qua chính là Groq. Khi mua lại Groq, ông có nhận ra nó sẽ khiến Chamath "không thể chịu đựng nổi" đến mức nào không?

Lưu ý: Groq không phải là Grok. Groq là một công ty sản xuất chip suy luận AI và điện toán đám mây suy luận, trong khi Grok là chatbot của xAI. Cuối năm 2025, Groq đã đạt được thỏa thuận cấp phép công nghệ suy luận không độc quyền với NVIDIA; số tiền giao dịch chính thức không được tiết lộ, nhưng có những báo cáo và suy đoán cho rằng nó trị giá từ 17 tỷ đến 20 tỷ đô la. Tại GTC 2026, Jensen Huang đã trình diễn thêm một hệ thống suy luận dựa trên công nghệ Groq được tích hợp vào nền tảng NVIDIA.

Chamath được nhắc đến ở đây là Chamath Palihapitiya (người sáng lập Social Capital, cựu giám đốc điều hành của Facebook và người dẫn chương trình All-In). Ông là một trong bốn người dẫn chương trình All-In và cũng là một nhà đầu tư ban đầu kiêm thành viên hội đồng quản trị của Groq. Do đó, khi thương vụ lớn giữa NVIDIA và Groq được công bố, nó được xem là một canh bạc thành công khác của Chamath vào một dự án quan trọng.

Hoàng Nhân Huân:
Tôi có một linh cảm mơ hồ.

Jason Calacanis:
Chúng ta phải đối phó với anh ta mỗi tuần.

Hoàng Nhân Huân:
Tôi hiểu rồi. Nhưng các bạn vẫn phải ở bên cạnh anh ấy trong suốt thời gian dàn xếp kéo dài sáu tuần.

Jason Calacanis:
Đúng vậy.

Từ các công ty sản xuất GPU đến các công ty "nhà máy AI".

Hoàng Nhân Huân:

Trên thực tế, chúng tôi công bố nhiều chiến lược của mình tại GTC trước đó vài năm. Hai năm rưỡi trước, tôi đã giới thiệu hệ điều hành dành cho các nhà máy AI, có tên là Dynamo.

Như các bạn đã biết, Dynamo ban đầu là một thiết bị do Siemens phát minh, có khả năng chuyển đổi năng lượng nước thành năng lượng điện, cung cấp năng lượng cho các hệ thống nhà máy của cuộc Cách mạng Công nghiệp trước đây. Vì vậy, tôi nghĩ cái tên này rất phù hợp với "hệ điều hành nhà máy" của cuộc Cách mạng Công nghiệp tiếp theo. Và một trong những công nghệ cốt lõi của Dynamo là suy luận phân tách.

Jason Calacanis:

Jensen, tôi biết cậu cực kỳ am hiểu công nghệ. Thôi nào, cậu tự định nghĩa điều đó đi. Tôi không muốn cướp mất danh hiệu của cậu.

Hoàng Nhân Huân:

Cảm ơn bạn. Suy luận tách rời có nghĩa là toàn bộ quy trình suy luận vô cùng phức tạp, thậm chí có thể là loại bài toán tính toán phức tạp nhất hiện nay.

Quy mô của nó thật đáng kinh ngạc, chứa đựng một lượng lớn các phép tính toán học với nhiều hình thức và quy mô khác nhau. Ý tưởng của chúng tôi là chia nhỏ toàn bộ quy trình xử lý, cho phép một phần chạy trên một loại GPU và phần khác chạy trên một loại khác. Hơn nữa, điều này khiến chúng tôi nhận ra rằng có lẽ chính điện toán phi tập trung là một hướng đi hợp lý: chúng ta chắc chắn có thể cho phép các loại và thuộc tính khác nhau của tài nguyên tính toán hoạt động cùng nhau.

Chính lối tư duy này sau đó đã dẫn chúng tôi đến với Mellanox. Ngày nay, năng lực tính toán của NVIDIA được phân bổ trên các GPU, CPU, bộ chuyển mạch, bộ chuyển mạch mở rộng quy mô, bộ chuyển mạch theo chiều ngang và bộ xử lý mạng. Giờ đây, chúng tôi sẽ bổ sung thêm Groq vào hệ thống đó.

Mục tiêu của chúng tôi là phân bổ đúng khối lượng công việc cho đúng chip. Nói cách khác, chúng tôi đã phát triển từ một công ty sản xuất GPU thành một công ty sản xuất AI.

David Sacks (Đối tác tại Craft Ventures | Cựu Giám đốc điều hành của PayPal | Người dẫn chương trình All-In):

Với tôi, đây có lẽ là điểm quan trọng nhất cần ghi nhớ. Những gì bạn đang thấy hiện nay là sự "tách rời" cơ bản. Trước đây, chỉ có GPU là một lựa chọn duy nhất, nhưng giờ đây ngày càng nhiều mô hình điện toán khác nhau đang xuất hiện, và những lựa chọn này sẽ cùng tồn tại trong tương lai.

Trên sân khấu, anh/chị đã đề cập đến một điều mà tôi nghĩ rằng tất cả những người thực hiện phân tích giá trị cao nên lắng nghe kỹ: Anh/chị nói rằng khoảng 25% diện tích trong trung tâm dữ liệu nên được dành cho các LPU của Groq.

Lưu ý: LPU là viết tắt của Language Processing Unit (Bộ xử lý ngôn ngữ). Đây là một loại chip do Groq đề xuất, chức năng cốt lõi của nó không phải là huấn luyện mà là suy luận.

Hoàng Nhân Huân:

Đúng vậy, trong trung tâm dữ liệu, Groq có thể chiếm khoảng 25% hệ thống Vera Rubin.

Lưu ý: Vera Rubin là kiến trúc nền tảng AI thế hệ tiếp theo của NVIDIA. Nó không phải là một chip đơn lẻ, mà là một nền tảng cơ sở hạ tầng cấp hệ thống dành cho các nhà máy AI.

David Sacks:

Anh/chị có thể cho biết ngành công nghiệp nhìn nhận hướng đi này như thế nào không? Về cơ bản, anh/chị đang xây dựng một kiến trúc tách rời thế hệ tiếp theo: tách biệt quá trình điền trước dữ liệu và giải mã, và chia nhỏ quá trình suy luận. Anh/chị nghĩ mọi người sẽ phản ứng ra sao?

Hoàng Nhân Huân:

Hãy cùng nhìn nhận vấn đề từ một góc độ khác. Chúng tôi đã bổ sung khả năng này vào hệ thống vì toàn bộ ngành công nghiệp đã chuyển từ việc xử lý các mô hình ngôn ngữ lớn sang Xử lý dựa trên tác nhân (Agentic Processing), tức là xử lý thông minh dựa trên tác nhân.

Khi bạn chạy một tác nhân, nó sẽ truy cập vào bộ nhớ làm việc, bộ nhớ dài hạn và gọi các công cụ, điều này gây áp lực rất lớn lên bộ nhớ lưu trữ. Bạn cũng thấy các tác nhân cộng tác với nhau. Một số tác nhân sử dụng các mô hình rất lớn, một số sử dụng các mô hình nhỏ; một số sử dụng mô hình khuếch tán, và một số sử dụng mô hình tự hồi quy. Nói cách khác, trong trung tâm dữ liệu này, sẽ có đủ loại mô hình hoàn toàn khác nhau cùng tồn tại. Chúng tôi đã xây dựng Vera Rubin để xử lý khối lượng công việc cực kỳ đa dạng này.

Vì vậy, trước đây chúng tôi chỉ là một công ty với "một giá đỡ thiết bị", nhưng giờ đây chúng tôi đã bổ sung thêm bốn giá đỡ nữa. Nói cách khác, TAM (thị trường tiềm năng) của NVIDIA đã mở rộng đáng kể, tăng khoảng 33% đến 50% so với trước đây.

Trong số 33% đến 50% bổ sung này, một phần lớn sẽ là bộ xử lý lưu trữ, cụ thể là BlueField; một phần, mà cá nhân tôi rất hy vọng sẽ chiếm tỷ trọng lớn, sẽ là bộ xử lý Groq; một phần khác sẽ là CPU; và tất nhiên, sẽ có rất nhiều bộ xử lý mạng. Tất cả những thứ này kết hợp lại cuối cùng sẽ vận hành "loại máy tính mới" trong cuộc cách mạng AI, cụ thể là các tác nhân (agent). Nó là hệ điều hành của ngành công nghiệp hiện đại.

Chamath Palihapitiya (Người sáng lập Social Capital | Cựu giám đốc điều hành Facebook | Người dẫn chương trình All-In):

Còn về các ứng dụng nhúng thì sao? Ví dụ, bên trong con gấu bông của con gái tôi sẽ có gì nếu nó muốn nói chuyện với con bé? Liệu đó có phải là một chip ASIC tùy chỉnh? Hay liệu thị trường mục tiêu (TAM) sẽ rộng hơn trong tương lai đối với các kịch bản ứng dụng biên và nhúng, với các công cụ khác nhau cho các kịch bản khác nhau?

Lưu ý: ASIC là viết tắt của Application-Specific Integrated Circuit (Mạch tích hợp chuyên dụng cho ứng dụng), và TAM là viết tắt của Total Addressable Market (Tổng thị trường tiềm năng).

Hoàng Nhân Huân:

Chúng tôi tin rằng thực tế có ba máy tính liên quan đến vấn đề này.

Máy tính đầu tiên, với quy mô lớn nhất, được sử dụng để huấn luyện các mô hình trí tuệ nhân tạo, phát triển trí tuệ nhân tạo và tạo ra trí tuệ nhân tạo.

Cỗ máy thứ hai là một máy tính được sử dụng để đánh giá trí tuệ nhân tạo (AI). Ví dụ, hãy nhìn xung quanh bạn; có robot, ô tô và những thứ tương tự ở khắp mọi nơi. Trước tiên, bạn phải đưa chúng vào một môi trường ảo mô phỏng thế giới vật lý để đánh giá. Nói cách khác, bản thân phần mềm phải tuân theo các định luật vật lý. Chúng ta gọi hệ thống này là Omniverse.

Loại thứ ba là máy tính được triển khai ở vùng biên, còn được gọi là máy tính robot. Đó có thể là một chiếc xe tự lái, một robot, hoặc thậm chí là một chú gấu bông nhỏ.

Một hướng đi quan trọng mà chúng tôi đang nghiên cứu đối với các thiết bị như gấu bông là chuyển đổi các trạm gốc viễn thông thành một phần của cơ sở hạ tầng trí tuệ nhân tạo (AI). Điều này có nghĩa là toàn bộ ngành công nghiệp viễn thông trị giá 2 nghìn tỷ đô la sẽ dần trở thành một phần mở rộng của cơ sở hạ tầng AI. Do đó, thiết bị không dây sẽ trở thành thiết bị biên, nhà máy sẽ trở thành thiết bị biên, và kho hàng cũng sẽ trở thành thiết bị biên.

Tóm lại, cả ba loại máy tính cơ bản đều không thể thiếu.

David Friedberg (Người sáng lập The Production Board | Người dẫn chương trình podcast All-In):

Jensen, năm ngoái tôi cảm thấy anh đã đi trước thời đại. Khi đó anh đã nói rằng nhu cầu về khả năng lập luận sẽ không chỉ tăng gấp 1000 lần.

Hoàng Nhân Huân:

Tôi có tự gây rắc rối cho bản thân không?

David Friedberg:

Thay vào đó, nó sẽ tăng lên gấp triệu lần? Gấp tỷ lần? Phải không?

Tôi nghĩ nhiều người lúc đó cho rằng đây là sự phóng đại, bởi vì cả thế giới đang tập trung vào việc mở rộng năng lực đào tạo. Nhưng hãy nhìn xem, suy luận đã thực sự bùng nổ và đang bắt đầu trở nên "bị hạn chế bởi suy luận". Giờ đây, bạn đã cho ra mắt một "nhà máy suy luận" khác, với thông lượng cao gấp 10 lần so với nhà máy thế hệ tiếp theo.

Nhưng nếu bạn xem xét các cuộc thảo luận bên ngoài, nhiều người sẽ nói: nhà máy suy luận của bạn sẽ có giá từ 40 tỷ đến 50 tỷ đô la, trong khi các giải pháp thay thế, chẳng hạn như ASIC tùy chỉnh, AMD, v.v., chỉ có giá từ 25 tỷ đến 30 tỷ đô la, vì vậy bạn sẽ mất thị phần.

Sao anh không nói thẳng luôn: Anh đã thấy chính xác những gì? Quan điểm của anh về thị phần là gì? Liệu việc khách hàng phải trả mức giá cao gần gấp đôi có thực sự xứng đáng?

Tại sao một hệ thống đắt tiền hơn lại có thể tạo ra các token rẻ hơn?

Hoàng Nhân Huân:

Điểm quan trọng và cốt lõi nhất là: đừng đánh đồng giá thành của nhà máy với giá thành của token, cũng như không được đánh đồng với chi phí của token.

Hoàn toàn có thể, và tôi có thể chứng minh điều đó, rằng nhà máy trị giá 50 tỷ đô la thực sự có thể sản xuất ra các token có chi phí thấp nhất. Lý do là chúng tôi tạo ra các token này với hiệu quả đáng kinh ngạc—cao hơn đến 10 lần.

Thực ra, phần lớn sự khác biệt giữa 50 tỷ đô la và 20 tỷ đô la chỉ là do đất đai, điện năng và lớp vỏ bên ngoài của nhà máy. Bên cạnh đó, bạn vẫn cần mua thiết bị lưu trữ, mạng lưới, CPU, máy chủ và hệ thống làm mát. Vì vậy, việc bán GPU với giá gốc hay giảm một nửa giá cũng không trực tiếp làm giảm tổng chi phí từ 50 tỷ đô la xuống 30 tỷ đô la. Bạn có thể chọn bất kỳ con số nào bạn thích; để thực tế hơn, nó có thể chỉ giảm từ 50 tỷ đô la xuống còn 40 tỷ đô la.

Tuy nhiên, nếu một trung tâm dữ liệu trị giá 50 tỷ đô la có thông lượng gấp 10 lần, thì sự chênh lệch giá này thực sự không đáng kể.

Jason Calacanis: Tôi hiểu rồi.

Hoàng Nhân Huân:

Đó là lý do tại sao tôi luôn nói: ngay cả đối với nhiều loại chip, nếu bạn không thể theo kịp sự tiến bộ công nghệ và tốc độ phát triển của chúng ta, thì ngay cả khi những con chip đó được tặng miễn phí, chúng vẫn sẽ không đủ rẻ.

David Sacks:

Tôi muốn hỏi một câu hỏi ở cấp độ vĩ mô hơn, mang tính chiến lược. Hiện tại, ông đang điều hành công ty có giá trị nhất thế giới. Doanh thu năm tới có thể vượt quá 350 tỷ đô la, với 200 tỷ đô la dòng tiền tự do, và công ty đang tăng trưởng với tốc độ phi thường nhờ lãi kép.

Cụ thể thì anh đưa ra quyết định như thế nào? Anh thu thập thông tin bằng cách nào? Giờ thì ai cũng biết đến hệ thống email nổi tiếng của anh rồi, nhưng làm thế nào anh thực sự phát triển trực giác, định hình thị trường, quyết định nên đầu tư mạnh vào đâu, nên giảm bớt đầu tư ở đâu và nên thâm nhập vào lĩnh vực mới như thế nào? Thông tin được truyền đạt đến anh ra sao? Và làm thế nào anh đưa ra phán quyết cuối cùng?

Hoàng Nhân Huân:

Đó là nhiệm vụ của CEO.

David Sacks:

Phải.

Hoàng Nhân Huân:

Trách nhiệm của chúng tôi là xác định tầm nhìn và chiến lược của mình. Tất nhiên, chúng tôi lấy cảm hứng và thông tin từ các nhà khoa học máy tính xuất sắc, các chuyên gia kỹ thuật và vô số nhân viên ưu tú của công ty, nhưng cuối cùng, việc định hình tương lai là trách nhiệm của chúng tôi.

Một tiêu chí là: Nhiệm vụ này có quá khó không? Nếu không đủ khó, chúng ta nên tránh xa nó. Lý do rất đơn giản: nếu một việc gì đó dễ làm, sẽ có vô số người cạnh tranh.

Liệu đó có phải là điều chưa ai từng làm trước đây, và vô cùng khó khăn? Liệu đó có phải là điều có thể tận dụng được "siêu năng lực" độc đáo của công ty chúng ta? Vì vậy, tôi phải tìm ra điểm hội tụ như vậy: nó phải đáp ứng tất cả các tiêu chí này cùng một lúc.

Và cuối cùng, bạn cũng cần hiểu rằng việc làm những điều như thế này chắc chắn sẽ đi kèm với rất nhiều đau đớn và khổ sở. Không có phát minh vĩ đại nào chỉ vì chúng quá đơn giản và thành công dễ dàng ngay từ lần thử đầu tiên.

Nếu một việc gì đó cực kỳ khó khăn và chưa ai từng làm trước đây, về cơ bản điều đó có nghĩa là bạn sẽ phải trải qua rất nhiều đau đớn và gian khổ. Vì vậy, tốt hơn hết là bạn nên tận hưởng quá trình đó.

David Sacks:

Liệu ông/bà có thể chọn thêm ba hoặc bốn lĩnh vực kinh doanh "đuôi dài" nữa để thảo luận không? Ví dụ như các trung tâm dữ liệu trong không gian, hệ thống hỗ trợ lái xe tiên tiến (ADAS) và ngành công nghiệp ô tô mà ông/bà đã đề cập, cũng như lĩnh vực công nghệ sinh học. Hãy cho chúng tôi biết khi nào các đường cong tăng trưởng này sẽ bắt đầu uốn cong lên. Ông/bà nghĩ gì về những lĩnh vực kinh doanh dài hạn này?

Lưu ý: ADAS là viết tắt của Hệ thống Hỗ trợ Lái xe Nâng cao.

Hoàng Nhân Huân:

Dĩ nhiên rồi. Trí tuệ nhân tạo vật lý là một lĩnh vực rất rộng lớn. Như tôi vừa đề cập, chúng ta có ba hệ thống điện toán và tất cả các nền tảng phần mềm được xây dựng trên đó. Trí tuệ nhân tạo vật lý là lần đầu tiên ngành công nghệ thực sự có cơ hội phục vụ một ngành công nghiệp trị giá 50 nghìn tỷ đô la mà trước đây hầu như chưa được công nghệ chạm tới. Để làm được điều này, chúng ta phải tái tạo lại tất cả các công nghệ cần thiết.

Tôi luôn cảm thấy đây là một hành trình 10 năm. Chúng tôi bắt đầu cách đây 10 năm, và giờ đây cuối cùng chúng tôi cũng thấy nó bắt đầu đi lên. Đối với chúng tôi, đây đã là một doanh nghiệp trị giá hàng tỷ đô la, hiện đang tiến gần đến 10 tỷ đô la mỗi năm. Vì vậy, đây là một doanh nghiệp khổng lồ và đang phát triển theo cấp số nhân. Đó là điểm đầu tiên.

Theo hướng thứ hai, tôi nghĩ chúng ta đang thực sự rất gần với thời điểm của ChatGPT trong lĩnh vực sinh học kỹ thuật số.

Chúng ta đang dần học cách biểu diễn và hiểu về gen, protein và tế bào. Chúng ta đã biết cách xử lý các chất hóa học. Do đó, tôi tin rằng việc có thể biểu diễn và hiểu được các khối cấu tạo cơ bản của sinh học và hành vi năng động của chúng sẽ diễn ra trong vòng hai đến ba năm tới. Trong vòng năm năm, tôi tin chắc rằng sinh học kỹ thuật số sẽ có tác động to lớn đến toàn bộ ngành chăm sóc sức khỏe.

Đây đều là những lĩnh vực rất quan trọng. Nông nghiệp là một trong số đó.

Chamath Palihapitiya:

Nó đã bắt đầu rồi.

Hoàng Nhân Huân:

Chắc chắn rồi.

Jason Calacanis:

Tôi muốn chuyển hướng cuộc trò chuyện từ trung tâm dữ liệu sang máy tính để bàn. Công ty phần lớn được xây dựng trên nền tảng của những người đam mê công nghệ, game thủ và người dùng card đồ họa trong những ngày đầu. Hôm nay, đứng trên sân khấu trước khoảng mười nghìn người, bạn đã nhắc đến Claude Code, OpenClaw và cuộc cách mạng do các tác nhân (agent) mang lại.

Đặc biệt là trong giới đam mê công nghệ, chúng ta đang chứng kiến một làn sóng năng lượng và sự đổi mới mạnh mẽ, với nhiều đột phá diễn ra trên máy tính để bàn. Lần này các bạn cũng ra mắt một thiết bị máy tính để bàn, tôi nghĩ đó là Dell 60800? Đó là một máy trạm rất mạnh mẽ, có khả năng chạy các mô hình cục bộ và sở hữu 750GB RAM. Mac Studio hiện đang bán hết sạch ở khắp mọi nơi. Công ty chúng tôi đã chuyển hoàn toàn sang OpenClaw. Friedberg đang sử dụng nó, Chamath đang sử dụng nó, và mọi người đều vô cùng tâm huyết với nó.

Phong trào phần mềm mã nguồn mở, bắt đầu từ những người đam mê, và hệ sinh thái máy tính để bàn mã nguồn mở có ý nghĩa gì đối với bạn? Nó sẽ đi về đâu?

Kỷ nguyên của các tác nhân đã đến: Tại sao nhu cầu điện toán sẽ tăng gấp 10.000 lần nữa?

Hoàng Nhân Huân:

Trước tiên, hãy cùng nhìn lại một chút. Thực tế, chúng ta đã chứng kiến ba bước ngoặt trong hai năm qua.

Ví dụ đầu tiên là trí tuệ nhân tạo tạo sinh (generative AI). ChatGPT đã đưa AI đến gần hơn với công chúng, giúp mọi người nhận thức được tầm quan trọng của nó. Trên thực tế, công nghệ này đã hiện diện rõ ràng trong nhiều tháng trước khi ChatGPT xuất hiện. Chỉ khi ChatGPT cung cấp cho nó một giao diện thân thiện với người dùng thì trí tuệ nhân tạo tạo sinh mới thực sự bùng nổ.

Như bạn đã biết, Trí tuệ nhân tạo tạo sinh (Generative AI) tạo ra các token để sử dụng nội bộ và bên ngoài. Sử dụng nội bộ về cơ bản là "suy nghĩ", từ đó thúc đẩy sự phát triển của khả năng lập luận.

Sau đó, ngày càng nhiều khả năng thực tiễn, dựa trên thông tin bắt đầu xuất hiện, cho phép AI làm được nhiều hơn là chỉ trả lời câu hỏi; nó có thể cung cấp những câu trả lời đáng tin cậy và hữu ích hơn. Bạn cũng bắt đầu thấy một bước ngoặt trong doanh thu và mô hình kinh doanh của OpenAI.

Sau đó, bước ngoặt thứ ba ban đầu chỉ được nhận thấy trong ngành, và đó là Claude Code. Đây là hệ thống đại lý thực sự hữu ích và mang tính cách mạng đầu tiên.

Tuy nhiên, trước khi có Claude Code, khả năng này chủ yếu hướng đến các doanh nghiệp, và nhiều người ngoài ngành thậm chí chưa từng thấy đến nó. Mãi đến khi OpenClaw đưa "những gì các tác nhân AI thực sự có thể làm" đến với công chúng.

Do đó, tầm quan trọng của OpenClaw ở cấp độ văn hóa nằm ở chỗ đây là lần đầu tiên công chúng thực sự nhận thức được khả năng của các tác nhân.

Lý do thứ hai khiến nó quan trọng là vì OpenClaw là mã nguồn mở.

Quan trọng hơn, nó xây dựng một mô hình điện toán hoàn toàn mới, gần như tái tạo lại chính ngành điện toán. Nó có một hệ thống bộ nhớ: bộ nhớ tạm (scratch) là bộ nhớ ngắn hạn, và hệ thống tập tin là tài nguyên dài hạn; nó có khả năng lập lịch; nó có thể chạy các tác vụ định kỳ (cron jobs); nó có thể tạo ra các tác nhân mới; nó có thể phân tích nhiệm vụ, thực hiện suy luận nhân quả và giải quyết vấn đề; nó cũng có một hệ thống con I/O, có thể nhập, xuất và kết nối với WhatsApp; nó cũng có một tập hợp các API có thể chạy các loại ứng dụng khác nhau, được gọi là các kỹ năng (skills).

Về cơ bản, bốn yếu tố này định nghĩa một chiếc máy tính. Vì vậy, lần đầu tiên, chúng ta thực sự có một chiếc máy tính trí tuệ nhân tạo cá nhân.

Hơn nữa, nó là mã nguồn mở, thực sự là mã nguồn mở, và có thể chạy ở hầu hết mọi nơi. Đây là bản thiết kế cho điện toán hiện đại. Theo một nghĩa nào đó, nó đã là hệ điều hành của điện toán hiện đại, và sẽ phổ biến rộng rãi trong tương lai.

Tất nhiên, chúng ta cũng cần giải quyết thêm một vấn đề nữa: miễn là bạn sở hữu phần mềm của cơ quan, nó có thể truy cập thông tin nhạy cảm, thực thi mã và liên lạc với bên ngoài. Do đó, chúng ta phải đảm bảo rằng tất cả những điều này được quản lý, đủ an toàn và tuân theo các ràng buộc chính sách, cho phép các tác nhân này sở hữu hai trong ba khả năng, nhưng không phải cả ba cùng một lúc.

Chúng tôi cũng đã đóng góp vào công tác quản trị. Peter Steinberger có mặt ở đây hôm nay. Chúng tôi có nhiều kỹ sư giỏi đang làm việc cùng ông ấy để giúp hệ thống trở nên an toàn và mạnh mẽ hơn, đảm bảo bảo vệ cả quyền riêng tư và an ninh.

Chamath Palihapitiya:

Jensen, liệu sự thay đổi mô hình này đã khiến nhiều luật điều chỉnh về trí tuệ nhân tạo được ban hành tại Hoa Kỳ trong quá khứ trở nên lỗi thời chưa?

Nhiều đề xuất trong số này ban đầu dựa trên các mô hình cũ. Ông/Bà có thể nói về việc sự thay đổi mô hình này đã nhanh chóng khiến nhiều phương pháp quản lý hiện hành trở nên không hiệu quả như thế nào không? Việc quản lý AI hiện đã trở thành một chủ đề rất nóng trong chính trường Mỹ.

Hoàng Nhân Huân:

Trong lĩnh vực này, chúng ta phải luôn đi trước các nhà hoạch định chính sách, và các bạn đã làm rất tốt điều đó. Chúng ta phải chủ động tiếp cận họ và cho họ biết công nghệ đã đạt đến giai đoạn nào, nó là gì và không phải là gì. Nó không phải là sinh vật sống, không phải là người ngoài hành tinh, và nó không có ý thức. Nó là phần mềm máy tính.

Hơn nữa, chúng ta thường nghe những câu nói như: "Chúng ta hoàn toàn không hiểu công nghệ này." Nhưng điều đó không đúng; thực tế chúng ta hiểu rất nhiều. Vì vậy, trước hết, chúng ta phải tiếp tục cung cấp cho các nhà hoạch định chính sách thông tin chính xác; chúng ta không được để các thuyết tận thế và chủ nghĩa cực đoan chi phối cách họ hiểu về công nghệ này.

Tuy nhiên, đồng thời, chúng ta phải thừa nhận rằng công nghệ đang phát triển nhanh chóng, và chúng ta không được để chính sách tụt hậu quá xa so với công nghệ. Từ góc độ quốc gia, mối lo ngại lớn nhất của tôi là rủi ro an ninh quốc gia lớn nhất đối với Hoa Kỳ trong lĩnh vực trí tuệ nhân tạo không phải là chính trí tuệ nhân tạo, mà là việc các quốc gia khác đang áp dụng trí tuệ nhân tạo, trong khi chúng ta, vì giận dữ, sợ hãi hoặc định kiến, lại không sẵn lòng để các ngành công nghiệp và xã hội của mình đón nhận trí tuệ nhân tạo.

Do đó, điều tôi thực sự lo lắng nhất là trí tuệ nhân tạo (AI) không lan rộng đủ nhanh ở Hoa Kỳ.

David Sacks:

Tôi muốn hỏi bạn một câu hỏi khác. Nếu bạn đang ngồi trong phòng họp của Anthropic, theo dõi câu chuyện của họ với "Bộ Chiến tranh", bạn sẽ nghĩ gì? Điều này thực chất lặp lại những gì bạn vừa nói: mọi người không biết cách hiểu về trí tuệ nhân tạo, điều này làm tăng thêm sự oán giận, sợ hãi và thiếu tin tưởng. Nếu bạn ở vị trí của họ, bạn sẽ đề xuất những điều gì khác biệt mà Dario và nhóm của anh ấy nên làm để thay đổi kết quả và nhận thức của công chúng hiện nay?

Hoàng Nhân Huân:

Trước hết, tôi muốn nói rằng công nghệ của Anthropic thực sự đáng chú ý. Bản thân chúng tôi cũng là những người sử dụng chính công nghệ của Anthropic. Tôi rất ngưỡng mộ sự chú trọng của họ vào bảo mật, cam kết của họ đối với văn hóa bảo mật và sự xuất sắc về mặt kỹ thuật mà họ thể hiện trong công việc này - thật sự tuyệt vời.

Hơn nữa, họ muốn nhắc nhở công chúng về những hạn chế của công nghệ này, điều mà tôi nghĩ tự bản thân nó là một điều tốt. Tuy nhiên, chúng ta phải nhận ra rằng thế giới có nhiều cấp độ: nhắc nhở là tốt, nhưng làm cho mọi người sợ hãi thì không tốt.

Jason Calacanis: Vâng.

Jensen Huang: Bởi vì công nghệ này rất quan trọng đối với chúng ta. Tôi nghĩ việc dự đoán tương lai chắc chắn là có thể, nhưng chúng ta cần thận trọng và khiêm tốn hơn. Bởi vì, trên thực tế, chúng ta không thể dự đoán hoàn toàn tương lai.

Nếu có những dự đoán cực kỳ thảm khốc được đưa ra, nhưng không có bằng chứng nào cho thấy những điều đó sẽ thực sự xảy ra, thì thiệt hại mà chúng gây ra có thể lớn hơn nhiều so với tưởng tượng của mọi người.

Và giờ đây, chúng ta là những người dẫn đầu trong ngành công nghệ. Trước đây, chẳng ai lắng nghe chúng ta, nhưng giờ thì khác rồi. Công nghệ đã ăn sâu vào đời sống xã hội; đây là một ngành công nghiệp vô cùng quan trọng và có liên quan mật thiết đến an ninh quốc gia. Mỗi lời chúng ta nói đều có ý nghĩa.

Do đó, tôi nghĩ chúng ta cần phải thận trọng hơn, kiềm chế hơn, cân bằng hơn và suy nghĩ thấu đáo hơn.

David Friedberg:

Tôi sẽ đề cử bạn cho vị trí này. Trí tuệ nhân tạo (AI) chỉ có tỷ lệ ủng hộ 17% ở Mỹ. Chúng ta đã thấy những gì xảy ra trong lĩnh vực năng lượng hạt nhân: về cơ bản chúng ta đã đóng cửa toàn bộ ngành công nghiệp hạt nhân, và giờ đây Trung Quốc đang xây dựng 100 lò phản ứng phân hạch, trong khi Mỹ không có cái nào. Giờ đây chúng ta bắt đầu nghe về những việc như đóng cửa các trung tâm dữ liệu. Vì vậy, tôi nghĩ chúng ta cần phải chủ động hơn.

Tuy nhiên, tôi muốn quay lại với điều anh/chị vừa nói về sự bùng nổ của các chuyên gia trong các công ty: tăng hiệu quả và năng suất. Rất nhiều người đang tranh luận về lợi tức đầu tư (ROI) hiện nay, đúng không? Khi chúng ta bắt đầu năm nay, câu hỏi lớn nhất của chúng ta là: Liệu doanh thu có tăng lên? Liệu doanh thu có mở rộng giống như chính trí tuệ nhân tạo? Rồi chúng ta đã chứng kiến một điều gì đó giống như "khoảnh khắc Oppenheimer": doanh thu của Anthropic đã đạt 5-6 tỷ đô la chỉ riêng trong tháng Hai.

Lưu ý: "Khoảnh khắc Oppenheimer" bắt nguồn từ J. Robert Oppenheimer, người đứng đầu Dự án Manhattan (một dự án nghiên cứu bí mật nhằm phát triển bom nguyên tử trong Thế chiến II). Quả bom nguyên tử đầu tiên được kích nổ vào năm 1945, tượng trưng cho một thời điểm quan trọng nơi những đột phá công nghệ và rủi ro cùng tồn tại. Ngày nay, thuật ngữ này thường được sử dụng để chỉ những khoảnh khắc công nghệ then chốt với những hậu quả không thể đảo ngược.

Bạn nghĩ sao về xu hướng tương lai? Hôm nay bạn có nhắc đến việc Blackwell và Vera Rubin đã dự đoán được nhu cầu lên tới nghìn tỷ đô la trong vài năm tới. Kết hợp với đà phát triển mạnh mẽ của Anthropic và OpenAI, bạn có nghĩ rằng chúng ta đã đạt đến đỉnh điểm đó rồi không, và liệu doanh thu có tăng trưởng nhanh hơn nữa không, giống như trí tuệ nhân tạo?

Hoàng Nhân Huân:

Tôi xin trả lời từ một vài góc độ khác nhau. Hãy nhìn vào đối tượng khán giả này; Anthropic và OpenAI quả thực có mặt ở đây. Nhưng trên thực tế, 99% nội dung ở đây là AI, và nó không thuộc về Anthropic, cũng không thuộc về OpenAI. Lý do là vì bản thân AI vô cùng đa dạng.

Tôi cho rằng, xét về tổng thể, mô hình phổ biến thứ hai thực chất là mô hình mở. Vị trí đầu tiên, dĩ nhiên, thuộc về OpenAI, các trọng số mã nguồn mở và toàn bộ hệ sinh thái mở rộng lớn của các mô hình mở. Vị trí thứ hai là mô hình mở, và có một khoảng cách đáng kể giữa nó và vị trí thứ ba. Chỉ có mô hình Anthropic đứng thứ ba.

Điều này cho thấy quy mô khổng lồ của tất cả các công ty AI cộng lại, vì vậy điều quan trọng là phải nhận ra điều đó trước tiên.

Hãy quay lại chủ đề về nhu cầu tính toán. Khi chúng ta chuyển từ trí tuệ nhân tạo tạo sinh sang suy luận, lượng tính toán cần thiết tăng lên khoảng 100 lần; khi chúng ta chuyển từ suy luận sang khả năng tự động hóa, nhu cầu tính toán có thể tăng thêm 100 lần nữa. Nói cách khác, chỉ trong hai năm, nhu cầu tính toán đã tăng lên khoảng 10.000 lần. Trong khi đó, mọi người sẽ trả tiền cho thông tin, nhưng điều họ thực sự sẵn sàng trả tiền hơn cả là kết quả công việc của họ.

David Friedberg: Vâng.

Hoàng Nhân Huân:

Tất nhiên, việc trò chuyện với chatbot và nhận được câu trả lời là tuyệt vời. Việc hỗ trợ tôi trong nghiên cứu cũng rất tuyệt vời. Nhưng điều thực sự khiến tôi sẵn sàng trả tiền là việc hoàn thành được công việc. Và đó chính xác là những gì chúng ta đang có hiện nay; các hệ thống tác nhân thực sự đang hoàn thành công việc. Chúng đang giúp các kỹ sư phần mềm của chúng tôi hoàn thành công việc.

Hãy suy nghĩ về điều này: một mặt, có một phép tính lớn hơn gấp 10.000 lần, mặt khác, nhu cầu của người tiêu dùng có lẽ lớn hơn gấp 100 lần. Và chúng ta thậm chí còn chưa thực sự bắt đầu mở rộng quy mô lớn. Chúng ta chắc chắn đang trên con đường hướng tới mức tăng trưởng gấp 1 triệu lần.

Jason Calacanis:

Tôi nghĩ điều này dẫn đến câu hỏi: Công ty của bạn có bao nhiêu người?

Hoàng Nhân Huân:

Chúng tôi có 43.000 nhân viên, trong đó khoảng 38.000 là kỹ sư.

Jason Calacanis:

Chúng tôi thường thảo luận về chủ đề này trên podcast của mình: thật tuyệt vời, việc sử dụng token trong công ty chúng tôi đang tăng trưởng chóng mặt. Thậm chí có người khi gia nhập công ty còn hỏi "Tôi sẽ nhận được bao nhiêu token?" vì họ muốn trở thành những nhân viên xuất sắc. Tôi nhớ anh đã đề cập đến điều này trong bài phát biểu dài hai tiếng rưỡi; nó thực sự rất dài, nhưng rất xuất sắc.

Hoàng Nhân Huân:

Cảm ơn bạn. Thực ra, nó có thể còn ngắn hơn nữa.

Jason Calacanis:

Bạn có đề cập rằng giới hạn sử dụng token cho mỗi kỹ sư có thể vào khoảng 75.000 đô la. Điều đó có nghĩa là đội ngũ kỹ sư của NVIDIA sẽ chi 1 tỷ đô la hoặc 2 tỷ đô la cho token mỗi năm?

Hoàng Nhân Huân:

Đây là cách chúng tôi suy nghĩ. Hãy để tôi đưa ra một ví dụ tưởng tượng: Giả sử bạn thuê một kỹ sư phần mềm hoặc nhà nghiên cứu trí tuệ nhân tạo với mức lương 500.000 đô la mỗi năm, điều này khá phổ biến ở đây.

Cuối năm, tôi hỏi anh ta, "Năm nay anh đã chi bao nhiêu tiền cho token?" Nếu anh ta nói "5.000 đô la," thì tôi sẽ thực sự rất tức giận. Nếu một kỹ sư kiếm được 500.000 đô la một năm mà lại tiêu thụ ít hơn 250.000 đô la tiền token, tôi sẽ rất nghi ngờ. Về cơ bản, điều đó không khác gì một nhà thiết kế chip nói, "Tôi quyết định chỉ sử dụng giấy và bút chì; tôi không cần các công cụ CAD."

Jason Calacanis:

Đây thực sự là một sự thay đổi mang tính đột phá. Cách bạn hiểu về những nhân viên xuất sắc này gần giống như LeBron James trong lớp MBA của tôi: anh ấy chi 1 triệu đô la mỗi năm để duy trì thể trạng, để có thể vẫn thi đấu ở tuổi 41. Tại sao những người lao động tri thức hàng đầu này lại không thể sở hữu "khả năng siêu phàm"?

Hoàng Nhân Huân:

Đúng vậy.

Jason Calacanis:

Nếu xu hướng này tiếp tục kéo dài thêm hai hoặc ba năm nữa, hiệu quả làm việc của các nhân viên giỏi nhất tại NVIDIA sẽ như thế nào? Họ sẽ đạt được những thành tựu gì?

Hoàng Nhân Huân:

Đầu tiên, suy nghĩ "việc này quá khó" sẽ biến mất. Suy nghĩ "việc này sẽ mất quá nhiều thời gian" cũng sẽ biến mất. Suy nghĩ "chúng ta cần rất nhiều người" cũng sẽ biến mất.

Giống như thời kỳ Cách mạng Công nghiệp trước đây, khi không ai nói, "Tòa nhà này trông nặng nề quá," hay "Ngọn núi kia to quá." Tất cả những ý tưởng về "quá to, quá nặng, quá tốn thời gian" đều bị loại bỏ.

David Sacks:

Cuối cùng, tất cả những gì còn lại chính là sự sáng tạo. Bạn thực sự có thể nghĩ ra điều gì?

Hoàng Nhân Huân:

Hoàn toàn chính xác. Nói cách khác, câu hỏi đặt ra trong tương lai sẽ là: bạn sẽ hợp tác với những người đại diện này như thế nào?

Về cơ bản, đây chỉ là một cách lập trình hoàn toàn mới. Trước đây, chúng ta viết mã; trong tương lai, chúng ta sẽ viết ra các ý tưởng, kiến trúc và đặc tả kỹ thuật. Chúng ta sẽ tổ chức các nhóm; chúng ta sẽ định nghĩa các tiêu chí đánh giá, cho hệ thống biết điều gì là tốt, điều gì là xấu và điều gì tạo nên một kết quả xuất sắc; chúng ta sẽ lặp đi lặp lại và động não nhiều lần.

Đây mới là điều bạn thực sự cần làm. Tôi tin rằng trong tương lai, mỗi kỹ sư sẽ có 100 đặc vụ.

Jason Calacanis:

Quay trở lại vấn đề quan hệ công chúng, những doanh nhân như David Friedberg đang sử dụng công nghệ và trí tuệ nhân tạo của Ohalo để thực hiện những việc thực sự hữu hình: tăng sản lượng lương thực và cải thiện nguồn cung cấp calo chất lượng cao. Friedberg, ông nghĩ điều này sẽ giúp giảm chi phí đến mức nào? Tầm nhìn này sẽ tác động như thế nào đến những gì ông đang làm?

David Friedberg:

Chúng tôi vừa hoàn thành mô hình bộ gen không cần mẫu và nó đã thành công. Bạn sẽ thực sự kinh ngạc. Và điều này xảy ra trong bối cảnh một công ty khác đang thay thế toàn bộ hệ thống phần mềm doanh nghiệp của họ chỉ sau một đêm.

Tôi tự mình làm một việc: trong 90 phút, tôi đã thay thế toàn bộ hệ thống phần mềm và rất nhiều quy trình làm việc. Việc này bắt đầu lúc 10 giờ tối Chủ nhật và hoàn tất, được triển khai vào lúc 11 giờ 30 tối.

Sau khi tôi, với tư cách là CEO, hoàn thành bài tập của mình, tôi cũng yêu cầu tất cả các thành viên trong đội ngũ quản lý của mình thực hiện bài tập tương tự vào cuối tuần. Đến thứ Hai, kết quả chúng tôi thấy là: mọi chuyện đã kết thúc.

Hãy cùng bàn về một khía cạnh kỹ thuật và khoa học hơn. Chúng tôi đã sử dụng nghiên cứu tự động và một tập dữ liệu để hoàn thành công việc này trong 30 phút. Nếu đi theo con đường truyền thống, đây có thể là một luận án tiến sĩ, mất đến 7 năm, và thậm chí có thể trở thành một trong những công trình nghiên cứu tiến sĩ được đánh giá cao nhất trong lĩnh vực này, xứng đáng được xuất bản trên tạp chí Science.

Chúng tôi chỉ cần tải Auto Research từ GitHub về máy tính để bàn, tải lô dữ liệu vừa nhận được, và chương trình chạy trong 30 phút. Vẻ mặt mọi người đều thay đổi. Tiềm năng mà nó mang lại thực sự không thể tin được.

Do đó, tôi tin rằng sự tăng tốc này đang mở rộng tiềm năng của mọi người theo một cách chưa từng có.

Nhưng hãy quay lại vấn đề nghiên cứu ô tô: bạn nghĩ sao? Chỉ cần một cuối tuần, 600 dòng mã, bạn có thể tạo ra những kết quả như vậy, và chạy cũng như xử lý rất nhiều loại tập dữ liệu khác nhau trên máy tính cục bộ.

Điều này có nghĩa là chúng ta vẫn đang ở giai đoạn rất sơ khai cả về tối ưu hóa thuật toán lẫn tối ưu hóa phần cứng?

Hoàng Nhân Huân:

Lý do OpenClaw tuyệt vời đến vậy, thứ nhất, là vì nó xuất hiện trùng khớp hoàn hảo với bước đột phá trong các mô hình ngôn ngữ quy mô lớn; sự ra đời của nó vô cùng chính xác.

Ở một mức độ lớn, có lẽ Peter sẽ không thể tạo ra được điều này nếu Claude, GPT và ChatGPT không đạt đến trình độ tinh vi hiện tại. Mô hình này thực sự đã đạt đến một mức chất lượng rất cao.

Thứ hai, nó mang lại những khả năng mới: cho phép các mô hình này sử dụng các công cụ mà chúng ta đã tạo ra trong nhiều năm qua. Chúng bao gồm trình duyệt, Excel; trong thiết kế chip, Synopsys và Cadence; và Omniverse, Blender, Autodesk, v.v. Và những công cụ này sẽ tiếp tục được sử dụng trong tương lai.

Một số người cho rằng ngành công nghiệp phần mềm CNTT doanh nghiệp sẽ bị hủy diệt. Nhưng tôi sẽ đưa ra một góc nhìn khác: quy mô của ngành công nghiệp phần mềm doanh nghiệp luôn bị giới hạn bởi "số lượng người dùng" hay số lượng "vị trí". Nhưng trong tương lai, số lượng người dùng sẽ tăng gấp 100 lần. Những người dùng này sẽ viết mã SQL, làm việc với cơ sở dữ liệu vector, và sử dụng Blender và Photoshop.

Lý do rất đơn giản: thứ nhất, những công cụ này vốn dĩ được thiết kế rất tốt; thứ hai, về cơ bản chúng là "giao diện trung gian" giữa chúng ta và máy móc. Cuối cùng, khi công việc hoàn thành, kết quả phải được trình bày lại cho tôi theo cách mà tôi có thể kiểm soát. Và tôi biết cách vận hành những công cụ này.

Vì vậy, tôi hy vọng cuối cùng mọi thứ có thể quay trở lại Synopsys, Cadence, bởi vì đó là nơi tôi có thể kiểm soát mọi thứ và thực hiện việc xác thực "mang tính xác định".

Lưu ý: Synopsys và Cadence là hai công ty phần mềm EDA (Tự động hóa thiết kế điện tử) hàng đầu, và hầu hết các công ty sản xuất chip (NVIDIA, Apple, AMD) đều sử dụng chúng.

Chiến trường tiếp theo cho AI: Mã nguồn mở, chuyên môn hóa theo ngành dọc và sự lan tỏa toàn cầu

David Sacks:

Tôi có một câu hỏi về mã nguồn mở. Hiện nay chúng ta có các mô hình mã nguồn đóng, rất xuất sắc; chúng ta cũng có các mô hình tính toán trọng số mã nguồn mở, nhiều trong số đó rất tuyệt vời và mạnh mẽ.

Hai ngày trước, có thể bạn đã bận rộn lên sân khấu và không xem được, nhưng trong dự án mã hóa BitTensor Subnet 3, ai đó đã hoàn thành một nhiệm vụ huấn luyện: họ đã huấn luyện một mô hình Llama với 4 tỷ tham số hoàn toàn theo phương thức phân tán. Một nhóm người ngẫu nhiên đã đóng góp sức mạnh tính toán, nhưng họ vẫn có thể quản lý toàn bộ quá trình huấn luyện một cách có trạng thái. Tôi nghĩ điều này thật điên rồ về mặt kỹ thuật vì những người tham gia được phân bổ hoàn toàn ngẫu nhiên.

Hoàng Nhân Huân:

Đây giống như Folding@home phiên bản thời đại của chúng ta.

Lưu ý: Folding@home là một dự án điện toán phân tán cho phép các tình nguyện viên trên toàn thế giới đóng góp sức mạnh tính toán của họ cho việc mô phỏng protein và nghiên cứu y học.

David Sacks:

Đúng vậy. Vậy quan điểm của bạn về kết quả cuối cùng của mã nguồn mở là gì? Bạn có thấy kiến trúc và sức mạnh tính toán trở nên phi tập trung, từ đó hỗ trợ con đường hướng tới trọng lượng mở và mã nguồn mở hoàn toàn, giúp AI thực sự được sử dụng rộng rãi?

Hoàng Nhân Huân:

Tôi tin rằng về cơ bản chúng ta cần hai điều cùng một lúc: thứ nhất, các mô hình phải là sản phẩm thương mại và độc quyền, được coi là hàng đầu; thứ hai, các mô hình phải là mã nguồn mở.

Đây không phải là vấn đề A hay B; mà cả A và B đều cần thiết. Không còn nghi ngờ gì nữa. Lý do là vì mô hình chủ yếu là một công nghệ, chứ không phải là một sản phẩm cuối cùng. Mô hình là một công nghệ, không phải là một dịch vụ.

Đối với đại đa số người dùng, ở cấp độ ngang đó, ở cấp độ trí tuệ tổng quát, tôi thực sự không muốn tự mình tinh chỉnh mô hình. Tôi thà tiếp tục sử dụng ChatGPT, Claude, Gemini và X. Mỗi mô hình đều có những đặc điểm riêng, tùy thuộc vào tâm trạng của tôi và vấn đề tôi muốn giải quyết. Vì vậy, lĩnh vực này của ngành công nghiệp sẽ phát triển rất tốt; nó sẽ rất thịnh vượng.

Tuy nhiên, tất cả kiến thức và chuyên môn trong các ngành này phải được tích lũy theo cách mà họ có thể kiểm soát, và điều đó chỉ có thể đến từ các mô hình mở. Ngành công nghiệp mô hình mở hiện đang rất gần với vị trí dẫn đầu. Chúng tôi cũng đang đầu tư mạnh vào lĩnh vực này.

Thẳng thắn mà nói, ngay cả khi mô hình mở bắt kịp với các mô hình tiên tiến, tôi vẫn tin rằng mô hình "Mô hình như một dịch vụ" và các mô hình sản phẩm kinh doanh đẳng cấp thế giới sẽ tiếp tục phát triển mạnh mẽ.

Jason Calacanis:

Hầu hết các công ty khởi nghiệp mà chúng tôi đầu tư hiện nay đều bắt đầu với mã nguồn mở và sau đó chuyển sang mô hình độc quyền.

Hoàng Nhân Huân:

Đúng vậy. Và điều tuyệt vời là ở chỗ này: miễn là bạn có một bộ định tuyến tốt, ngay từ ngày đầu tiên, mỗi ngày, bạn đều có thể kết nối với những thiết bị tốt nhất thế giới. Đồng thời, điều này cho bạn thời gian để giảm chi phí, tinh chỉnh và chuyên môn hóa. Vì vậy, bạn bắt đầu với khả năng đẳng cấp thế giới và sau đó dần dần xây dựng lợi thế cạnh tranh của mình.

David Friedberg:

Jensen, tôi có một câu hỏi về địa chính trị. Tất nhiên, không ai muốn Mỹ thắng cuộc đua trí tuệ nhân tạo toàn cầu hơn anh. Nhưng một năm trước, "quy tắc phân tán" dưới thời tổng thống Biden thực sự đã ngăn cản sự lan rộng toàn cầu của công nghệ trí tuệ nhân tạo của Mỹ.

Chính phủ mới đã nắm quyền được một năm. Bạn sẽ chấm điểm cho chính phủ này bao nhiêu? Về sự lan rộng toàn cầu của trí tuệ nhân tạo (AI), hiện tại chúng ta đang ở mức A, B hay C? Chúng ta đã làm tốt những gì và chưa làm tốt những gì?

Hoàng Nhân Huân:

Thứ nhất, Tổng thống Trump muốn các ngành công nghiệp Mỹ dẫn đầu, ông muốn ngành công nghệ Mỹ dẫn đầu, ông muốn ngành công nghệ Mỹ chiến thắng, ông muốn công nghệ Mỹ lan rộng toàn cầu, và ông muốn Hoa Kỳ trở thành quốc gia giàu nhất thế giới. Ông muốn đạt được tất cả những điều này.

Nhưng hiện tại, NVIDIA đã mất 95% thị phần ban đầu tại thị trường lớn thứ hai thế giới, và giờ chỉ còn 0%. Tổng thống Trump muốn chúng ta giành lại thị phần đó.

Bước đầu tiên là xin giấy phép cho các công ty mà chúng tôi có thể bán hàng cho. Nhiều công ty đã nộp đơn xin giấy phép, và chúng tôi cũng đã xin giấy phép thay mặt họ, một số giấy phép đã được Bộ trưởng Thương mại Lutnick phê duyệt. Tiếp theo, chúng tôi đã thông báo cho các công ty Trung Quốc, nhiều công ty trong số đó đã đặt hàng với chúng tôi. Vì vậy, hiện tại chúng tôi đang khởi động lại chuỗi cung ứng và vận chuyển hàng hóa đi.

Ở cấp độ cao hơn, tôi nghĩ chúng ta nên thừa nhận một điều: khi không thể có được động cơ siêu nhỏ và khoáng sản đất hiếm, an ninh quốc gia của chúng ta sẽ bị suy yếu; khi không thể kiểm soát mạng lưới thông tin liên lạc của chính mình, an ninh quốc gia của chúng ta sẽ bị suy yếu; khi không thể cung cấp năng lượng bền vững cho đất nước, an ninh quốc gia của chúng ta cũng bị suy yếu. Mỗi ngành công nghiệp này đều đại diện cho một kịch bản mà tôi không muốn ngành công nghiệp AI lặp lại.

Khi chúng ta nhìn về tương lai và tự hỏi, "Điều gì sẽ xảy ra nếu ngành công nghệ và ngành trí tuệ nhân tạo của Mỹ thực sự dẫn đầu thế giới?", chúng ta phải thành thật nói rằng: Các mô hình trí tuệ nhân tạo không thể chỉ do Mỹ thống trị; kết quả như vậy sẽ vô nghĩa.

Nhưng chúng ta hoàn toàn có thể hình dung rằng hệ thống công nghệ của Mỹ, từ chip đến hệ thống máy tính và nền tảng, sẽ được áp dụng rộng rãi trên toàn cầu. Mọi người trên khắp thế giới có thể xây dựng trí tuệ nhân tạo (AI) của riêng họ, AI công cộng và AI tư nhân dựa trên hệ thống công nghệ của Mỹ, và sau đó sử dụng chúng để phục vụ xã hội của họ. Tôi hy vọng hệ thống công nghệ của Mỹ có thể bao phủ 90% thế giới. Tôi thực sự hy vọng như vậy.

Ngược lại, nếu tình hình cuối cùng trở nên giống như năng lượng mặt trời, các nguyên tố đất hiếm, nam châm, động cơ và thiết bị thông tin liên lạc, tôi nghĩ đó sẽ là một kết quả rất tồi tệ đối với an ninh quốc gia của Hoa Kỳ.

Chamath Palihapitiya:

Ông/Bà đang theo dõi sát sao tình hình xung đột toàn cầu đến mức nào? Ông/Bà lo ngại về chúng ra sao? Ví dụ, Trung Đông có thể ảnh hưởng đến nguồn cung cấp heli, điều này tiềm ẩn rủi ro cho chuỗi cung ứng sản xuất chất bán dẫn. Ông/Bà lo lắng về những vấn đề này đến mức nào? Ông/Bà đã dành bao nhiêu nỗ lực cho chúng?

Lưu ý: Heli rất quan trọng đối với sản xuất chất bán dẫn. Nó không thể thay thế được trong các quy trình then chốt như quang khắc và kiểm tra, và là một nguồn tài nguyên không thể tái tạo, nguồn cung của nó tập trung cao độ, chủ yếu dựa vào một vài địa điểm sản xuất như Hoa Kỳ, Qatar (Trung Đông) và Algeria (Bắc Phi). Sự gián đoạn nguồn cung ở các khâu đầu nguồn này có thể ảnh hưởng trực tiếp đến hoạt động ổn định của các dây chuyền sản xuất c