Tác giả: Lý Giai, Wallstreetcn
AI đang bước vào giai đoạn mới, từ "biết trả lời" tiến tới "có thể thực thi".
Theo Trading Desk Follow, báo cáo mới nhất từ Goldman Sachs cho thấy, thương mại hóa AI đang chuyển từ "đăng ký theo ghế" sang tính phí theo mức tiêu thụ, khối lượng giao dịch và kết quả; đồng thời, Agent đang chuyển từ công cụ hỗ trợ sang người thực thi luồng công việc, giá trị ngành cũng đang dịch chuyển từ bản thân mô hình sang dữ liệu độc quyền, ngữ cảnh nghiệp vụ và năng lực chuyên môn lĩnh vực.
Điều này có nghĩa là, cạnh tranh trong ngành công nghiệp AI đang chuyển từ "mô hình của ai mạnh hơn" sang "ai thực sự làm chủ được luồng công việc". Năng lực mô hình vẫn quan trọng, nhưng việc có thể đi vào môi trường sản xuất của doanh nghiệp, hiểu ngữ cảnh nghiệp vụ và hoàn thành nhiệm vụ ổn định, sẽ trở thành rào cản cạnh tranh then chốt hơn.
Nhận định này đến từ cuộc khảo sát thực tế gần đây của Goldman Sachs đối với chuỗi ngành AI tại Thung lũng Silicon. Từ ngày 18 đến 19/8, Goldman Sachs liên tục năm thứ ba đến thăm các công ty khởi nghiệp AI, các tổ chức đầu tư mạo hiểm hàng đầu và các nhà nghiên cứu từ Đại học Stanford, Đại học California, Berkeley và Đại học San Francisco. Goldman Sachs cho rằng, với sự triển khai nhanh chóng của Agent, sự phân phối giá trị giữa mô hình tiên tiến, mô hình mã nguồn mở, mô hình thế giới, phần mềm doanh nghiệp và dữ liệu độc quyền đều sẽ thay đổi.
Triển khai Agent: Doanh nghiệp thực sự thiếu không phải là năng lực, mà là "khả năng kiểm soát"
Nếu nói quá khứ AI giải quyết vấn đề "giúp con người hoàn thành nhiệm vụ", thì Agent đang thử nghiệm giải quyết "tự mình hoàn thành nhiệm vụ". Nhưng trong quá trình triển khai quy mô lớn tại doanh nghiệp, trở ngại lớn nhất có lẽ không còn là năng lực mô hình, mà là trách nhiệm được phân chia như thế nào, và toàn bộ quá trình thực thi có thể bị kiểm soát hay không.
Báo cáo dẫn lời các nhà nghiên cứu Stanford chỉ ra rằng, hiện tại đa số doanh nghiệp vẫn đang ở chế độ giám sát thủ công. Đặc biệt trong các lĩnh vực như pháp lý, quản lý rủi ro, bảo hiểm và kiểm toán, một khi mô hình phát sinh sai sót, ai chịu trách nhiệm, làm thế nào để truy xuất quy trình, có thể sửa chữa kịp thời hay không, có thể quan trọng ngang với năng lực của bản thân mô hình.
Do đó, luồng công việc dễ dàng đạt được tự động hóa đầu tiên nhất thường có ba đặc điểm: ranh giới quyết định rõ ràng, kết quả có thể xác minh, sai sót có thể hoàn nguyên. Xử lý hóa đơn là một trường hợp điển hình. AI chịu trách nhiệm trích xuất trường thông tin và thực hiện kiểm tra, các trường hợp có độ tin cậy thấp được chuyển cho con người xem xét lại, sau đó hoàn tất hạch toán thông qua quy trình ERP có thể đảo ngược.
Điều này cũng có nghĩa là, những nhà cung cấp dịch vụ thông tin sở hữu nội dung đáng tin cậy, mô hình lĩnh vực đã được kiểm chứng và mối quan hệ giám sát trưởng thành, có nhiều khả năng đi vào môi trường sản xuất của doanh nghiệp trước tiên.
Cạnh tranh mô hình: Mô hình tiên tiến và mô hình mã nguồn mở tiến tới phân công
Xoay quanh tranh luận "mã nguồn mở hay đóng", tín hiệu từ cuộc khảo sát lần này của Goldman Sachs không phải là lựa chọn một trong hai, mà là các mô hình khác nhau có thể tương ứng với các tầng luồng công việc khác nhau.
Phe mô hình tiên tiến cho rằng, các bài kiểm tra chuẩn của doanh nghiệp thường đánh giá thấp năng lực mô hình. Trong môi trường sản xuất thực tế, thiệt hại nghiệp vụ do độ chính xác mô hình giảm có thể cao hơn nhiều so với chi phí suy luận tiết kiệm được. Do đó, nhiều công ty bản địa AI tuy tuyên bố áp dụng chiến lược đa mô hình, nhưng trong môi trường sản xuất cốt lõi vẫn phụ thuộc cao vào các mô hình tiên tiến.
Quan điểm khác lại cho rằng, đại đa số luồng công việc của doanh nghiệp không cần trí tuệ cấp độ tiên tiến. Khi hiệu suất mô hình mã nguồn mở tiếp tục được nâng cao, khách hàng ngày càng sẵn sàng đánh đổi một sự suy giảm hiệu suất hạn chế để đổi lấy chi phí suy luận thấp hơn. Một tổ chức đầu tư mạo hiểm dự đoán, trong 12 đến 18 tháng tới, khoảng 90% Token suy luận sẽ chảy về các mô hình mã nguồn mở.
Điều này có nghĩa là, thị trường mô hình AI trong tương lai có thể hình thành sự phân công rõ ràng hơn: mô hình tiên tiến đảm nhận các nhiệm vụ phức tạp có giá trị cao, độ tin cậy cao; mô hình mã nguồn mở đảm nhận các nhiệm vụ tiêu chuẩn hóa với quy mô lớn hơn và tiêu thụ phần lớn Token.
Mô hình Thế giới: Sức mạnh tính toán AI có thể đón nhận đường cong tăng trưởng thứ hai
Trong 18 tháng qua, các nhà nghiên cứu ngày càng chuyển sự chú ý từ LLM sang "Mô hình Thế giới".
Khác với LLM chủ yếu dựa vào dữ liệu internet để huấn luyện, Mô hình Thế giới cần hiểu môi trường, quan hệ nhân quả, quy luật vật lý cũng như tương tác động thái trong thế giới thực, dữ liệu của nó nhiều hơn đến từ hệ thống vật lý, ngành cụ thể và các tình huống vận hành thực tế. Điều này có nghĩa là, tầm quan trọng của dữ liệu độc quyền có thể tiếp tục tăng lên.
Goldman Sachs cho rằng, các lĩnh vực như vật lý, công nghiệp, khoa học và robot có không gian vấn đề tương ứng lớn hơn nhiều so với việc tạo văn bản thuần túy, và hơn nữa các luồng công việc này thường cần đầu tư sức mạnh tính toán cao hơn. Khi AI từ thế giới số tiến thêm một bước vào thế giới vật lý, nhu cầu sức mạnh tính toán cho việc huấn luyện mô hình, mô phỏng và suy luận cũng có thể xuất hiện đường cong tăng trưởng mới.
Goldman Sachs dự đoán, nhu cầu sức mạnh tính toán trong 5 năm tới có thể tăng khoảng 24 lần, tình trạng căng thẳng cung cầu có khả năng duy trì trong thời gian dài hơn, các công ty hạ tầng điện toán đám mây và sức mạnh tính toán như Microsoft, Oracle và CoreWeave sẽ trực tiếp hưởng lợi.
