a16z: AI đã viết lại hoàn toàn 'phương pháp luận đổi mới' của 75 năm qua

Đối tác của a16z cho rằng AI đang viết lại logic kinh tế nền tảng của đổi mới: từ ràng buộc kỹ thuật chuyển sang ràng buộc vốn, một đội ngũ 20 người giờ đây có thể triển khai hiệu quả 1 tỷ USD. Nhận định này ảnh hưởng trực tiếp đến đánh giá về cục diện cạnh tranh giữa startup và các ông lớn, logic đầu tư mạo hiểm, thậm chí là ranh giới năng lực của AI. Ba người đồng thời thừa nhận, trước quy mô huấn luyện mô hình hàng chục tỷ USD, không ai thực sự biết điều gì sẽ xảy ra, 'đây là tạo tác số mà nhân loại chưa từng tạo ra'.

Gần đây, trong tập podcast mới nhất của a16z, general partner Martin Casado, Erik Torenberg và board partner Steven Sinofsky đã có một cuộc đối thoại sâu sắc: Đột phá của AI trong lĩnh vực toán học có ý nghĩa gì? Logic nền tảng của đổi mới có đang bị viết lại? Cục diện cạnh tranh giữa startup và các ông lớn sẽ diễn biến ra sao?

Ba người thảo luận cho rằng, những giả định cơ bản đã chống đỡ toàn bộ ngành công nghiệp máy tính trong 75 năm qua đang bị AI xem xét lại từng điều một. Trong đó điều then chốt nhất — đổi mới là vấn đề kỹ thuật, không phải vấn đề vốn — đã không còn hiệu lực. AI đang viết lại logic kinh tế nền tảng của đổi mới: từ ràng buộc kỹ thuật chuyển sang ràng buộc vốn, một đội ngũ 20 người giờ đây có thể triển khai hiệu quả 1 tỷ USD. Nhận định này ảnh hưởng trực tiếp đến đánh giá về cục diện cạnh tranh giữa startup và các ông lớn, logic đầu tư mạo hiểm, thậm chí là ranh giới năng lực của AI.

Từ bàn tính đến AI: Bước nhảy vọt 75 năm của các tầng trừu tượng

Sinofsky lấy ra một cuốn sách quảng cáo của IBM từ năm 1953.

Trên trang bìa, quỹ đạo nguyên tử bao quanh đầu người, câu mở đầu là: 'Nhân loại đã mất hàng triệu năm để nhận ra công dụng của bánh xe.'

Trong cuốn sách đó, IBM đã dành hẳn một trang để giải thích 'máy tính kỹ thuật số' là gì — nhập liệu, lưu trữ, tính toán, điều khiển, xuất liệu.

Sinofsky nói: 'Đây chính là cách chúng ta hiểu về máy tính trong 75 năm qua.'

Từ bàn tính đến thước tính, từ máy tính sai phân đến máy tính cá nhân, từ máy tính vẽ đồ thị đến điện toán đám mây — mỗi bước nhảy vọt công nghệ về bản chất đều là 'sự dịch chuyển lên tầng trừu tượng cao hơn'. Các vấn đề ở tầng thấp được đóng gói, con người giải quyết vấn đề mới ở tầng cao hơn.

Khi máy tính vẽ đồ thị TI-85 xuất hiện, các giáo viên toán hoảng loạn tập thể: 'Ngành của chúng tôi sắp xong rồi.' Sinofsky nói:

Nhưng họ không phàn nàn về sự xuất hiện của giải tích, vì giải tích đối với họ đã là điểm khởi đầu. Phản ứng của con người đối với sự thay đổi mạnh mẽ hơn nhiều so với phản ứng đối với đường cơ sở.

AI giải được các bài toán khó, gây ra sự hoảng loạn, giống hệt như máy tính vẽ đồ thị năm xưa.

AI giải toán: Đột phá hay 'bậc thầy trò chơi'?

Gần đây, có người cho Claude thử giải giả thuyết Riemann, gây ra cuộc thảo luận rộng rãi trong giới toán học.

Về điều này, Casado trực tiếp dội một gáo nước lạnh.

Cộng tất cả tiền lương của các nghiên cứu sinh sau tiến sĩ nghiên cứu những vấn đề này trong tất cả các năm lại, tổng số tiền không lớn. Điều này có nghĩa là thị trường chưa bao giờ thực sự coi việc giải quyết những vấn đề này là ưu tiên. Vì vậy tôi không chắc, giải được những bài toán này có thể chứng minh AI đã khai thông được ngưỡng cửa nào có giá trị kinh tế lớn hay không.

Ông ví năng lực toán học của AI như nhà vô địch StarCraft: 'Đây là tuyển thủ StarCraft mạnh nhất lịch sử — rất giỏi, nhưng tôi khó có thể liên hệ trực tiếp nó với giá trị kinh tế thực tế.'

Sinofsky thì đưa ra một góc nhìn khác. Ông cho rằng, đột phá trong lĩnh vực toán học có lẽ đang 'khai sinh ra các công cụ trừu tượng mới'.

Giống như chứng minh định lý bốn màu — không phải viết ra một suy luận toán học đẹp đẽ, mà là dùng máy tính duyệt toàn bộ các trường hợp hữu hạn, dùng sức mạnh tính toán để đổi lấy câu trả lời.

Một khi bạn có tầng trừu tượng mới, tất cả mọi người không cần phải bắt đầu từ con số không, có thể trực tiếp xây dựng công cụ trên tầng này.

Chuyển dịch mô hình lớn nhất: Từ nút thắt kỹ thuật đến nút thắt vốn

Thấu kiến cốt lõi nhất của cuộc đối thoại này đến từ một thí nghiệm tư duy của Casado.

20 năm trước, bạn đưa cho một startup 10 người 1 tỷ USD, họ căn bản không tiêu nổi. Mua máy chủ, tiền hết luôn.

10 năm trước, đưa 1 tỷ USD, bạn thuê kỹ sư, viết code, nhưng huyền thoại 'người-tháng' là có thật — người nhiều lên lại chậm hơn.

Bây giờ, đưa cho 20 người 1 tỷ USD, họ thực sự có thể tiêu hiệu quả.

Kết luận của ông là:

Chúng ta đã chuyển ngành này từ vấn đề nút thắt kỹ thuật thành vấn đề nút thắt vốn. Đây là sự khác biệt căn bản. Chúng ta chưa từng có trạng thái này trước đây.

Sinofsky bổ sung rằng, đây không phải lần đầu tiên có nút thắt vốn — 30 đến 40 năm đầu của ngành máy tính, cũng chính là thời đại bị vốn chi phối. 'Bạn muốn làm gì đó với máy tính, bước đầu tiên là phải kiếm được một chiếc.'

Sau đó là thời đại nút thắt kỹ thuật, bây giờ, lại quay về nút thắt vốn.

Vì sao startup vẫn chưa bị các gã khổng lồ nghiền nát?

Theo lẽ thường, Microsoft, Google, Meta nắm giữ vốn, dữ liệu, kênh phân phối, lẽ ra phải nghiền nát tất cả.

Nhưng thực tế là: Cursor, Anthropic, OpenAI đang tăng trưởng với 'tốc độ sao băng'.

Casado đưa ra hai lý do.

Thứ nhất, AI giải quyết vấn đề phân phối.

Trước đây, bạn không biết ngân sách marketing tiêu vào đâu có hiệu quả hay không. Bây giờ, nhu cầu về sức mạnh tính toán và GPU là vô hạn, bạn có thể trực tiếp quyết định đầu tư bao nhiêu để thúc đẩy tăng trưởng.

Thứ hai, startup giờ đây có thể huy động đủ tiền, thực sự đứng cùng vạch xuất phát với các gã khổng lồ.

Còn các gã khổng lồ thì sao? Sinofsky nói rất thẳng thắn:

Microsoft lo lắng Amazon và Google đang làm gì hơn, căn bản không quan tâm đến bất kỳ startup nào. Startup sẽ không trực tiếp tấn công gã khổng lồ, gã khổng lồ cũng sẽ không chú ý đến startup.

Ông còn tiết lộ một chi tiết: có công ty lớn vì muốn ưu tiên cung cấp sức mạnh tính toán cho khách hàng doanh nghiệp, đội ngũ sản phẩm nội bộ lại rơi vào trạng thái 'đói AI', 'trong khi đối thủ cạnh tranh của họ, không ai bị thiếu hụt'.

Sinofsky lấy trải nghiệm cá nhân tại Microsoft làm ví dụ. Năm đó ông mang chiếc Surface đầu tiên đến gặp lãnh đạo cấp cao của Intel, đối phương vừa nghe bên trong dùng chip ARM, thái độ lập tức lạnh nhạt.

Họ nghĩ đó là chip dùng cho máy in. Họ chỉ làm định luật Moore, giống như Google chỉ làm siêu quy mô — nếu AI chuyển sang phía thiết bị đầu cuối, đó không phải việc của họ.

Sinofsky tổng kết:

Bản chất của sự lật đổ là hằng số văn hóa của công ty lớn. Bảng điểm, hệ thống bán hàng, cơ cấu lương thưởng, gánh nặng lịch sử, cam kết với khách hàng — những thứ này đều không thể thay đổi. Đây là định luật vật lý.

Đổ 20 tỷ USD vào, không ai biết sẽ cho ra thứ gì

Cuối cuộc đối thoại, ba người chạm đến một ẩn số sâu hơn.

Casado thừa nhận, trước đây ông đã phạm một sai lầm:

Tôi từng nghĩ tự cải thiện đệ quy, cất cánh nhanh chóng sẽ không xảy ra, điều này không sai. Nhưng tôi không ngờ rằng, chúng ta có thể đổ tiền vào vô hạn, và luật mở rộng quy mô vẫn luôn đúng.

Bạn lấy 20 tỷ USD, đổ vào một mô hình. Hai chúng tôi nhìn nó, tùy tiện kiểm tra — tôi không nghĩ chúng ta có thể hiểu điều đó có nghĩa là gì. Nhiều sức mạnh tính toán như vậy, nhiều dữ liệu như vậy, tôi không biết nó có thể làm được gì.

Sinofsky đồng tình, và ví điều này như tăng trưởng theo cấp số nhân: 'Không ai có thể mô hình hóa tăng trưởng theo cấp số nhân.'

Ông còn đưa ra một kịch bản cụ thể: việc liệt kê toàn bộ các tổ hợp protein, trước đây là 'vấn đề vô hạn', bây giờ có thể biến thành 'vấn đề vốn'.

Chúng ta có thể biến những vấn đề trước đây vô hạn, thông qua vốn, thành hữu hạn. Đây là một điều rất kỳ lạ.

Casado nói, đây cũng là lý do giờ đây ông không còn cố gắng dự đoán trần năng lực AI:

Tôi đã quyết định, tôi không thể dự đoán ranh giới năng lực của một thứ được tạo ra bằng 20 tỷ USD nằm ở đâu.