CEO Meituan Vương Hưng: Tác động của AI Agent đối với tôi lớn hơn cả ChatGPT

marsbitXuất bản vào 2026-03-13Cập nhật gần nhất vào 2026-03-13

Tóm tắt

Tại buổi hội thảo nội bộ ngày 13/3/2026, CEO Meituan Wang Xing nhấn mạnh tác động của trí tuệ nhân tạo (AI) sẽ vượt xa ảnh hưởng của Internet. Ông so sánh AI với Internet như "khỉ và hoa", thể hiện sự vượt trội về quy mô và tầm ảnh hưởng. Wang Xing cho biết AI Agent gây ấn tượng mạnh với ông hơn cả ChatGPT, đồng thời khẳng định AI không chỉ tạo ra năng suất cao hơn mà còn thay đổi sâu sắc mô hình tổ chức và làm việc. Ông nhấn mạnh tầm quan trọng của số hóa thế giới vật chất làm nền tảng cho AI, dù các mô hình AI hiện đại thông minh hơn nhưng vẫn gặp hạn chế về khả năng tiếp cận thông tin thực tế. Để thích ứng, Meituan đã phát triển nhiều ứng dụng AI, tự nghiên cứu mô hình lớn và đầu tư mạnh vào cơ sở hạ tầng thông tin thực tế vào năm 2025, bao gồm ra mắt sản phẩm tìm kiếm AI "Wen Xiaotuan" trong dịp Tết Nguyên đán.

Trong buổi họp giao ban với ban lãnh đạo vào ngày 13 tháng 3 năm 2026, CEO của Meituan, Vương Hưng, đã chia sẻ quan điểm của mình về sự phát triển của trí tuệ nhân tạo (AI). Ông chỉ ra rằng, sự biến đổi của AI sẽ vượt xa ảnh hưởng của toàn bộ Internet. Ông đã so sánh một cách sinh động Internet di động với Internet truyền thống như "hoa hồng và hoa thược dược", còn mối quan hệ giữa AI và Internet thì giống như "khỉ và hoa", nhấn mạnh rằng AI có lợi thế lớn hơn về quy mô và tầm ảnh hưởng.

Vương Hưng cho biết, trước làn sóng AI, doanh nghiệp và cá nhân nên tích cực đón nhận sự thay đổi này. Ông tin rằng, tác động của AI Agent đối với ông sâu sắc hơn nhiều so với ChatGPT. Vương Hưng đề cập rằng, sau khi trải qua quá trình chuyển đổi từ Internet sang Internet di động, ông tin chắc rằng sự thay đổi mà AI mang lại sẽ còn lớn hơn nữa, không chỉ tạo ra năng suất cao hơn mà còn có tác động sâu sắc đến tổ chức và mô hình làm việc.

Ông nhấn mạnh, số hóa thế giới vật lý là nền tảng quan trọng của AI. Mặc dù các mô hình AI lớn hiện nay ngày càng thông minh, nhưng trong ứng dụng thực tế vẫn tồn tại những hạn chế về việc thu thập thông tin. Ví dụ, ngay cả khi Einstein làm thư ký, khi đặt bữa ăn cũng có thể không biết nhà hàng còn chỗ hay không, đây không phải là vấn đề trí tuệ mà là vấn đề thông tin.

Để thích ứng với sự thay đổi này, Meituan đã ra mắt nhiều ứng dụng AI và tự nghiên cứu và phát triển mô hình lớn. Vương Hưng cũng tiết lộ, năm 2025 Meituan sẽ tăng cường đầu tư vào cơ sở hạ tầng thông tin thực. Dịp Tết Nguyên đán năm nay, Meituan đã ra mắt sản phẩm tìm kiếm AI có tên "Hỏi Tiểu Đoàn" (Ask Xiaotuan), nhằm nâng cao trải nghiệm dịch vụ của người dùng.

Câu hỏi Liên quan

QTại sao CEO Meituan Vương Hưng cho rằng AI Agent có tác động lớn hơn so với ChatGPT?

AVương Hưng nhấn mạnh rằng AI Agent có tác động sâu rộng hơn vì nó không chỉ nâng cao năng suất mà còn thay đổi tổ chức và phương thức làm việc, trong khi ChatGPT chủ yếu tập trung vào tương tác ngôn ngữ.

QVương Hưng so sánh mối quan hệ giữa AI và Internet như thế nào?

AÔng so sánh Internet di động và Internet truyền thống như 'hoa hồng và hoa thược dược', còn AI và Internet như 'khỉ và hoa', nhấn mạnh AI có quy mô và ảnh hưởng vượt trội.

QTại sao việc số hóa thế giới vật lý lại quan trọng đối với AI theo Vương Hưng?

AVì số hóa thế giới vật lý cung cấp nền tảng dữ liệu thiết yếu để AI hoạt động hiệu quả, giúp giải quyết các vấn đề thực tế như thiếu thông tin (ví dụ: tình trạng chỗ ngồi trong nhà hàng).

QMeituan đã triển khai những ứng dụng AI nào để thích ứng với thay đổi công nghệ?

AMeituan đã phát triển nhiều ứng dụng AI, tự nghiên cứu mô hình lớn, và ra mắt sản phẩm tìm kiếm AI 'Wen Xiaotuan' vào dịp Tết để cải thiện trải nghiệm người dùng.

QKế hoạch của Meituan cho năm 2025 liên quan đến AI là gì?

AMeituan sẽ tăng cường đầu tư vào cơ sở hạ tầng thông tin thực tế vào năm 2025, nhằm hỗ trợ phát triển và ứng dụng AI hiệu quả hơn.

Nội dung Liên quan

XRP Ledger v3.3.0 Mang Năm Bản Sửa Đổi Vào Tầm Ngắm

Bản phát hành xrpld v3.3.0 sắp tới sẽ tập trung vào năm bản sửa đổi của XRP Ledger, nhằm vào tài sản mã hóa, chi phí trừu tượng, ủy quyền, xử lý theo lô và chức năng MPT linh hoạt hơn. Năm tính năng bao gồm MPT Bảo mật, Xử lý theo lô, Ủy quyền Quyền, Phí & Dự trữ được Tài trợ và MPT Động. Tuy nhiên, việc kích hoạt chúng đòi hỏi phải có sự đồng thuận của 80% trình xác thực, vì vậy chúng không tự động có hiệu lực ngay khi mã được phát hành. Bản nâng cấp này rất quan trọng cho các trường hợp sử dụng nâng cao như tài sản mã hóa thể chế, cải thiện trải nghiệm người dùng và linh hoạt hoạt động. Cơ chế Phí được Tài trợ có thể giảm ma sát khi người dùng mới tham gia, trong khi các tính năng MPT Bảo mật và Động cung cấp cho nhà phát hành nhiều công cụ kiểm soát hơn. Tính năng Xử lý theo lô và Ủy quyền Quyền có thể đơn giản hóa các giao dịch phức tạp và luồng hoạt động. Tác động thực tế sẽ chỉ xảy ra sau khi các trình xác thực chấp thuận các bản sửa đổi. Bản phát hành này củng cố lộ trình phát triển của XRPL, nhưng thử thách tiếp theo là mức độ hỗ trợ từ trình xác thực và việc áp dụng từ các nhà phát triển.

bitcoinist8 phút trước

XRP Ledger v3.3.0 Mang Năm Bản Sửa Đổi Vào Tầm Ngắm

bitcoinist8 phút trước

Báo sáng Phố Wall: V-shaped recovery vào cuối tháng nhưng Nasdaq lập tháng 7 tồi tệ nhất 12 năm, vốn tập trung nhanh về các gã khổng lồ điện toán đám mây

Báo cáo sáng Wall Street: Thị trường phục hồi hình chữ V vào cuối tháng nhưng Nasdaq ghi nhận tháng 7 tồi tệ nhất trong 12 năm, vốn đổ dồn vào các gã khổng lồ điện toán đám mây. Thị trường chứng khoán Mỹ có một phiên phục hồi hình chữ V vào cuối tuần, nhưng toàn tháng 7, chỉ số Nasdaq đã giảm 3,2%, đây là mức tháng 7 tồi tệ nhất kể từ năm 2004. Dầu thô lao dốc hơn 8% sau khi Tổng thống Trump hủy bỏ cuộc tấn công quân sự vào Iran và OPEC+ đồng ý tăng hạn ngạch sản xuất. Vàng giao dịch quanh mức 4.050 USD/ounce, tăng nhẹ 0,91% trong tháng. Cục Dự trữ Liên bang Mỹ và Nhật Bản đã can thiệp hiếm hoi để hỗ trợ đồng yên. Lợi suất trái phiếu kho bạc kỳ hạn 30 năm đạt mức cao nhất kể từ năm 2007. Bất chấp áp lực giảm vay mua (deleveraging), nhóm cổ phiếu công nghệ đám mây thể hiện sức mạnh đáng chú ý. Chỉ trong tuần trước, vốn hóa thị trường của các gã khổng lồ như Microsoft, Amazon và Google đã tăng tổng cộng gần 1.500 tỷ USD. Amazon bật tăng 15,32% sau báo cáo lợi nhuận AWS mạnh mẽ. Ngược lại, Apple lao dốc 7,35% do lo ngại về hạn chế nguồn cung. Các cổ phiếu bộ nhớ như Micron điều chỉnh giảm, trong khi các cổ phiếu viễn thông quang học như Coherent tăng giá. Palantir và SpaceX là những mã đáng chú ý trong tuần này với lịch công bố báo cáo tài chính và đợt mở bán cổ phiếu hạn chế lớn. Tuần này, thị trường sẽ chú ý đến báo cáo tài chính của Berkshire Hathaway, Palantir, AMD, SpaceX cùng với hội nghị Ai4 2026 và FMS. Dữ liệu việc làm phi nông nghiệp tháng 7 của Mỹ (ngày 7/8) sẽ là chỉ số kinh tế vĩ mô quan trọng nhất.

marsbit32 phút trước

Báo sáng Phố Wall: V-shaped recovery vào cuối tháng nhưng Nasdaq lập tháng 7 tồi tệ nhất 12 năm, vốn tập trung nhanh về các gã khổng lồ điện toán đám mây

marsbit32 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Tuần qua, một báo cáo từ công ty nghiên cứu SemiAnalysis đã gây xôn xao ngành AI, tiết lộ thông số kỹ thuật của Rubin Ultra - phiên bản cao cấp nhất trong kiến trúc Rubin mới của NVIDIA - đã bị giảm mạnh so với kỳ vọng trước đó. Theo báo cáo, Rubin Ultra sẽ giữ nguyên hiệu suất tính toán lý thuyết đỉnh (35 PFLOPs) so với Rubin thông thường, nhưng dung lượng bộ nhớ (VRAM) bị cắt giảm nghiêm trọng, chỉ còn 192GB (8-Hi), thậm chí thấp hơn Rubin tiêu chuẩn (288GB, 12-Hi). Băng thông bộ nhớ gần như không cải thiện và mức tiêu thụ điện năng thậm chí còn tăng nhẹ. Thay vào đó, nâng cấp chính của Rubin Ultra tập trung vào khả năng mở rộng kết nối hệ thống, có thể liên kết tối đa 576 GPU thành một "siêu GPU logic" duy nhất thông qua NVLink. Nguyên nhân chính của việc giảm cấu hình được cho là do chi phí HBM (High Bandwidth Memory) tăng quá cao, ảnh hưởng đến tính kinh tế chung của hệ thống AI. Giá HBM3 đã tăng mạnh từ mức 180-220 USD (Q2/2025) lên 700-850 USD (Q2/2026). Việc điều chỉnh thiết kế giúp giảm chi phí nguyên vật liệu (BOM) cho một tủ máy từ khoảng 8 triệu USD xuống còn 6,4 triệu USD, chuyển trọng tâm đầu tư từ HBM đắt đỏ sang khả năng kết nối mở rộng. Thông tin này đã khiến thị trường lo ngại về đỉnh cao nhu cầu HBM, dẫn đến cổ phiếu của các hãng sản xuất bộ nhớ hàng đầu như SK Hynix và Samsung giảm khoảng 8%. Động thái của NVIDIA cho thấy ngay cả gã khổng lồ dẫn đầu về sức mạnh tính toán cũng đang bắt đầu tính toán kỹ lưỡng chi phí, đánh dấu sự dịch chuyển trong ngành AI từ việc "tích trữ linh kiện và tăng giá vô tội vạ" sang tối ưu hóa hiệu quả chi phí toàn hệ thống.

Odaily星球日报54 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Odaily星球日报54 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit1 giờ trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit1 giờ trước

Giao dịch

Giao ngay
活动图片