Tiêu đề video: Jensen Huang: Tương lai của Nvidia, Trí tuệ Nhân tạo Vật lý, Sự bùng nổ của Đại lý, Sự xuất hiện của suy luận, Thịnh hành của khủng hoảng PR về AI
Tác giả video: All-In Podcast
Dịch: Peggy, BlockBeats

Biên tập viên chú thích: Trong bối cảnh câu chuyện về AI đang ngày càng nóng lên, trung tâm của cuộc thảo luận thị trường đang dịch chuyển từ "mô hình mạnh như thế nào" sang "hệ thống làm thế nào để triển khai". Trong hai năm qua, ngành đã trải qua vụ mô hình lớn, cuộc đua sức mạnh đào tạo và sự mở rộng ứng dụng tạo ra. Nhưng khi những giai đoạn này dần trở thành sự đồng thuận, những vấn đề mới cũng nổi lên: khi AI không chỉ trả lời câu hỏi mà còn bắt đầu thực hiện nhiệm vụ, nhúng vào quy trình doanh nghiệp, vào thế giới vật lý, điều kiện cơ bản để nó tiếp tục tiến lên là gì?

Trích từ cuộc trò chuyện trong chương trình podcast công nghệ nổi tiếng All-In. Là một trong những chương trình podcast đầu tư có ảnh hưởng nhất tại Thung lũng Silicon, chương trình này do bốn nhà đầu tư lâu năm hoạt động trực tiếp cùng nhau dẫn dắt, nổi tiếng với những cuộc thảo luận sâu sắc về công nghệ, kinh doanh và xu hướng toàn cầu.

Các chủ trì chương trình bao gồm:

·Jason Calacanis, Nhà sáng lập khởi nghiệp Internet sớm và nhà đầu tư thiên thần, nổi tiếng với việc đầu tư vào Uber, Robinhood và các công ty khác;

·Chamath Palihapitiya, Người sáng lập Social Capital, cựu nhà quản lý cấp cao của Facebook, từng đầu tư vào Slack, Box và nhiều công ty công nghệ khác;

·David Sacks, Đối tác của Craft Ventures, một trong những "băng đảng PayPal", sáng lập Yammer và bán cho Microsoft với giá khoảng 12 tỷ USD, cũng là nhà đầu tư sớm của Airbnb, Uber;

·David Friedberg, Người sáng lập The Production Board, chuyên đầu tư vào lĩnh vực nông nghiệp, khí hậu và khoa học về đời sống, từng sáng lập The Climate Corporation (sau đó bị Monsanto mua lại).

Khách mời trong chương trình này là Jensen Huang, Cofounder và CEO của NVIDIA, được coi là một trong những người thúc đẩy quan trọng nhất trong làn sóng cơ sở hạ tầng AI hiện tại.

Từ trái sang phải lần lượt là David Friedberg, Chamath Palihapitiya, David Sacks, Jensen Huang, Jason Calacanis

Toàn bộ cuộc trò chuyện có thể được tóm tắt vào ba mức độ chính.

Thứ nhất, cơ sở hạ tầng AI đang trải qua sự thay đổi. Trước đây, sự hiểu biết của thị trường về AI chủ yếu dựa trên GPU mạnh hơn, nhiều trung tâm dữ liệu hơn. Nhưng như Jensen Huang muốn nhấn mạnh, cuộc cạnh tranh trong tương lai không còn chỉ là về chip đơn lẻ nữa mà là về hệ thống toàn diện. Khi nhu cầu suy luận tăng lên, loại mô hình đa dạng hóa, agent bắt đầu xử lý các nhiệm vụ phức tạp hơn, tính toán AI đang dần chuyển từ mô hình tương đối đơn giản trong quá khứ sang hệ thống phức tạp, phân tầng hơn. NVIDIA cũng vì lý do này đang cố gắng định vị bản thân không chỉ là một công ty chip mà là người xây dựng “nhà máy AI”.

Thứ hai, AI đang chuyển từ "tạo nội dung" sang "hoàn thành nhiệm vụ". Điều này là đường chính quan trọng nhất trong cuộc trò chuyện. ChatGPT cho phép công chúng lần đầu tiên cảm nhận được khả năng của AI một cách minh họa, nhưng đối với Jensen Huang, sự thay đổi thực sự lớn hơn, là AI bắt đầu tham gia vào chuỗi công việc dưới dạng agent: nó không chỉ trả lời câu hỏi mà còn có thể gọi các công cụ, phân rã nhiệm vụ, cộng tác thực hiện, cuối cùng hoàn thành công việc một cách thực sự. Điều này cũng đồng nghĩa với nhu cầu suy luận lớn hơn, độ phức tạp hệ thống cao hơn, cũng như việc phát triển phần mềm, quản trị tổ chức và cách làm việc hiểu biết có thể thay đổi theo cách đó.

Cuối cùng, AI từ thế giới số mở rộng sang thế giới thực. Trong cuộc trò chuyện, dù nói về lái tự động, robot, y tế, sinh học số, hay như Jensen Huang gọi là Physical AI, bản chất đều trỏ về một xu hướng chung: giá trị của AI không chỉ hiện diện trên màn hình mà còn ngày càng xuất hiện nhiều hơn trong nhà máy, bệnh viện, ô tô, thiết bị cuối và cuộc sống hàng ngày. Nhưng điều này cũng đồng nghĩa với việc, thách thức tiếp theo của AI sẽ không chỉ là về công nghệ mà còn bao gồm chuỗi cung ứng, chính sách, quy định, năng lực sản xuất và địa chính trị cấp cao hơn. Nói cách khác, vòng mở rộng AI tiếp theo sẽ là quá trình công nghiệp hóa một cách đích thực.

Trong góc nhìn này, điều đáng chú ý nhất trong cuộc trò chuyện không phải là một sản phẩm cụ thể nào đó, hoặc một con số kỷ lục nào đó, mà luôn là đánh giá mà Jensen Huang liên tục truyền đạt: AI đang di chuyển từ "thời đại mô hình" sang "thời đại hệ thống". Cuộc cạnh tranh trong tương lai không chỉ là về việc ai có mô hình lớn hơn, sức mạnh tính toán cao hơn, mà còn là về việc ai hiểu sâu hơn về ngành, ai có thể tích hợp AI sâu hơn vào quy trình thực, ai có thể tổ chức những khả năng này thành một hệ thống có thể chạy, có thể mở rộng được.

Điều này cũng đã khiến đối tượng của bài viết vượt ra ngoài NVIDIA chính mình. Câu hỏi mà nó thực sự cố gắng trả lời là: Khi trí tuệ nhân tạo dần trở thành cơ sở hạ tầng, vòng tuần hoàn tái cấu trúc ngành công nghiệp tiếp theo sẽ diễn ra như thế nào, giá trị mới sẽ hình thành ở đâu.

Dưới đây là nội dung ban đầu (đã được sắp xếp lại cho dễ đọc hiểu):

TL;DR

· Cơ sở hạ tầng trí tuệ nhân tạo đang tiến từ "Một GPU đơn" đến kiến trúc phân tách. Các nhiệm vụ tính toán khác nhau sẽ được hoàn thành hợp tác bởi GPU, CPU, chip mạng và các chip suy luận như Groq.

· NVIDIA đang từ một công ty GPU, chuyển hướng thành một "công ty nhà máy trí tuệ nhân tạo" cung cấp hệ thống hoàn chỉnh. Bán không phải là từng chip đơn lẻ mà là toàn bộ cơ sở hạ tầng.

· Khía cạnh quan trọng để đánh giá chi phí của trí tuệ nhân tạo không phải là chi phí xây dựng trung tâm dữ liệu mà là chi phí token và hiệu suất xử lý. Hệ thống đắt tiền hơn có thể rẻ hơn.

· Trí tuệ nhân tạo đang tiến từ mô hình tạo ra đến thời đại Agent. Người dùng thực sự sẵn lòng trả tiền để "hoàn thành công việc", không chỉ là để nhận câu trả lời.

· Nhu cầu tính toán đang tăng mạnh. Từ tạo ra đến suy luận và agent, có thể đã mở rộng hơn 10.000 lần trong thời gian ngắn và vẫn đang gia tốc.

· Phát triển phần mềm trong tương lai sẽ thay đổi. Kỹ sư không chỉ viết mã nữa mà là định nghĩa vấn đề, thiết kế kiến trúc và hợp tác với agent.

· Dài hạn nhìn, cơ hội lớn nhất nằm ở sự chuyên sâu theo lĩnh vực cụ thể, chứ không phải ở mô hình tổng quát chính nó. Người hiểu biết ngành hơn, người có phòng thủ vững chắc hơn.

Trích Phỏng Vấn Gốc

Jason Calacanis (Nhà đầu tư thiên thần nổi tiếng | Người dẫn chương trình Podcast All-In | Đầu tư sớm vào Uber):
Tuần này là một chương trình đặc biệt. Chúng tôi đã "nhường đường" cho chương trình thông thường hàng tuần, và kiểu đối đãi như vậy, chúng tôi thường chỉ dành cho ba loại người: Tổng thống Trump, Chúa Jesus, và Huang Renxun (Người sáng lập và CEO của NVIDIA). Về ba người này nên đặt ai trước, bạn tự quyết định. Gần đây bạn đã quá "hot", và sự kiện GTC lần này cũng tổ chức rất thành công.

黃仁勳（Jensen Huang, CEO của NVIDIA）：
Toàn bộ ngành công nghiệp đều đến đây. Tất cả các công ty công nghệ, tất cả các công ty AI gần như đều đến.

Jason Calacanis：
Thật khó tin, thực sự đáng chú ý. Một trong những thông báo quan trọng nhất trong năm vừa qua là Groq. Khi bạn mua Groq, liệu bạn có nhận ra rằng điều này đã khiến Chamath trở nên "quá khích" đến vậy không?

Lưu ý: Groq không phải là Grok. Groq là một công ty sản xuất vi mạch và đám mây suy luận AI, trong khi Grok là một trợ lý trò chuyện xAI. Vào cuối năm 2025, Groq đã ký một thỏa thuận cấp phép công nghệ suy luận không độc quyền với NVIDIA, số tiền giao dịch không được tiết lộ chính thức; nhưng đã có các báo cáo và ước lượng từ bên ngoài khoảng 170 tỷ đến 200 tỷ USD. Đến GTC 2026, Huang Renxun tiếp tục trình diễn một hệ thống suy luận tích hợp công nghệ từ Groq vào nền tảng NVIDIA.

Ở đây, Chamath được đề cập, đề cập đến Chamath Palihapitiya (Người sáng lập Social Capital | Cựu lãnh đạo Facebook | Dẫn chương trình All-In). Anh ta là một trong bốn người dẫn chương trình của All-In, cũng như một trong những nhà đầu tư và thành viên ban điều hành đầu tiên của Groq. Do đó, khi thỏa thuận lớn giữa NVIDIA và Groq trở nên rõ ràng, điều này cũng được coi là một lần nữa Chamath đã chọn đúng dự án quan trọng.

黃仁勳：
Tôi có cảm giác nhẹ nhàng.

Jason Calacanis：
Chúng tôi phải làm việc với anh ấy mỗi tuần.

黃仁勳：
Tôi biết. Bạn cũng phải ở bên anh ấy trong suốt cả sáu tuần giai đoạn giao hàng đó.

Jason Calacanis：
Đúng vậy.

Từ Công Ty GPU Đến Công Ty "Nhà Máy AI"

黃仁勳：

Thực ra, nhiều chiến lược của chúng tôi đã được tiết lộ từ nhiều năm trước tại GTC. Hai năm và nửa trước, tôi đã giới thiệu hệ điều hành "nhà máy AI" của chúng tôi, nó được gọi là Dynamo.

Bạn cũng biết, dynamo ban đầu là một thiết bị, được Siemens phát minh, có khả năng chuyển đổi năng lượng từ nước thành điện năng, thúc đẩy hệ thống nhà máy tiến bộ trong cách tiếp cận cách đây lần cách mạng công nghiệp cuối cùng. Vì vậy, tôi nghĩ rằng cái tên này rất phù hợp để là tên "hệ điều hành nhà máy" trong cách tiếp cận cách mạng công nghiệp tới. Trong Dynamo, một trong những công nghệ cốt lõi nhất chính là suy luận không kết hợp (disaggregated inference).

Jason Calacanis：

Jensen, tôi biết bạn đặc biệt thông thạo về công nghệ. Đến đây, bạn hãy định nghĩa đi. Tôi không muốn ẩu đả lấn át bạn đâu.

黄仁勋：

Cám ơn. Thuật ngữ Reasoning Decoupling thuần cứu, có nghĩa là: quá trình xử lý toàn bộ luồng của quá trình suy luận rất phức tạp, có thể là loại vấn đề tính toán phức tạp nhất hiện nay.

Nó vô cùng lớn lẻ, bao gồm một lượng lớn các tính toán toán học khác nhau về hình thức và quy mô. Ý tưởng của chúng tôi là phân rã toàn bộ quy trình xử lý, để một phần chạy trên một loại GPU nào đó, phần còn lại chạy trên một loại GPU khác. Nói rõ hơn, điều này cũng khiến chúng tôi nhận ra, có lẽ tính toán decoupling chính là hướng tiếp cận hợp lý: chúng ta hoàn toàn có thể làm cho các tài nguyên tính toán khác nhau với tính chất khác nhau hợp tác làm việc.

Cùng một tư duy, sau đó đã dẫn chúng tôi đến với Mellanox. Bây giờ nhìn vào ngày hôm nay, tính toán của NVIDIA đã phân bổ trên GPU, CPU, switch, switch mở rộng theo chiều dọc, switch mở rộng theo chiều ngang và bộ xử lý mạng. Bây giờ, chúng ta còn phải bổ sung thêm Groq.

Mục tiêu của chúng tôi là đưa công việc tải vào chip phù hợp. Nói cách khác, chúng tôi đã tiến từ một công ty GPU, phát triển thành một công ty nhà máy trí tuệ nhân tạo.

David Sacks (Đối tác Craft Ventures | Ngày xưa là COO của PayPal | Người dẫn chương trình All-In):

Đối với tôi, đây có lẽ là cảm hứng quan trọng nhất. Điều bạn thấy bây giờ là một dạng căn bản của "decoupling". Trước đây chỉ có GPU một lựa chọn, nhưng bây giờ bắt đầu xuất hiện ngày càng nhiều hình thức tính toán khác nhau, và những lựa chọn này sẽ tồn tại cùng nhau trong tương lai.

Bạn nói một điều trên sân khấu, tôi nghĩ tất cả những người thực hiện suy luận có giá trị cao nên lắng nghe một cách nghiêm túc: bạn nói, khoảng 25% không gian trong trung tâm dữ liệu nên được dành cho Groq's LPU.

Lưu ý: LPU là viết tắt của Language Processing Unit. Đây là một loại chip mà Groq giới thiệu, trọng tâm của nó không phải là đào tạo mà là suy luận

黄仁勋：

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

Lưu ý: Vera Rubin là kiến trúc AI tiếp theo của NVIDIA. Nó không phải là một con chip duy nhất, mà là một nền tảng hạ tầng hệ thống hướng AI toàn diện.

David Sacks：

Vậy bạn có thể nói về cách ngành hiện tại nhìn nhận hướng đi này không? Về bản chất, bạn đang xây dựng một kiến trúc phân tách thế hệ tiếp theo: phần tử thự tạo, giải mã riêng biệt, quá trình suy luận được phân chia. Bạn nghĩ mọi người sẽ phản ứng như thế nào?

황인훈：

Hãy nhìn từ xa một chút. Khi chúng tôi bổ sung khả năng này vào hệ thống, đó là vì toàn bộ ngành công nghiệp đã chuyển từ xử lý mô hình ngôn ngữ lớn sang Xử lý Agentic, còn được gọi là xử lý thực thể.

Khi bạn chạy một thực thể, nó sẽ truy cập bộ nhớ làm việc, bộ nhớ dài hạn, gọi công cụ, điều này tạo áp lực lớn lên bộ nhớ. Bạn cũng sẽ thấy thực thể làm việc cùng thực thể khác. Một số thực thể sử dụng mô hình cực lớn, một số sử dụng mô hình nhỏ; một số sử dụng mô hình diffusion, một số sử dụng mô hình tự phản hồi. Nói cách khác, trong trung tâm dữ liệu này, sẽ tồn tại đồng thời các loại mô hình hoàn toàn khác nhau. Chúng tôi xây dựng Vera Rubin, chính là để đối phó với dải trọng cực kỳ đa dạng này.

Vậy nên, trước đây chúng tôi là một công ty "một tủ rack", giờ đây lại có thêm bốn loại tủ rack. Nói cách khác, TAM của NVIDIA, tức thị trường có thể phục vụ, đã mở rộng ngay lập tức, khoảng 33% đến 50% so với trước đây.

Và trong khoảng 33% đến 50% được thêm vào này, một phần lớn sẽ là bộ xử lý lưu trữ, tức là BlueField; một phần, cá nhân tôi rất hy vọng sẽ là một phần lớn, sẽ là bộ xử lý Groq; và một phần sẽ là CPU; tất nhiên, cũng sẽ có nhiều bộ xử lý mạng. Tất cả những thứ này cộng lại, cuối cùng đều đang chạy trên chiếc "máy tính mới" trong cuộc cách mạng AI đó, tức là các thực thể. Đó chính là hệ điều hành của ngành công nghiệp hiện đại.

Chamath Palihapitiya (Người sáng lập Social Capital | Người điều hành cấp cao trước đây của Facebook | Dẫn chương trình All-In):

Vậy ứng dụng nhúng thì sao? Ví dụ như con gấu bông trong nhà của con gái tôi, nếu nó muốn nói chuyện với cô ấy, bên trong sẽ có cái gì? Có phải là ASIC tùy chỉnh không? Hay có thể trong tương lai, trong các tình huống ở mép và nhúng, sẽ có một TAM rộng hơn, với các công cụ khác nhau phục vụ từng tình huống?

Lưu ý: ASIC là viết tắt của Application-Specific Integrated Circuit (Mạch tích hợp Chuyên dụng), TAM là viết tắt của Total Addressable Market (Thị trường Có thể Phục vụ Toàn diện)

황인헌:

Chúng tôi cho rằng, trên thực tế vấn đề này có ba máy tính.

Máy tính thứ nhất, ở quy mô lớn nhất, được sử dụng để huấn luyện mô hình AI, phát triển AI, tạo ra AI.

Máy tính thứ hai, được sử dụng để đánh giá AI. Ví dụ, bạn nhìn xung quanh, khắp nơi đều là robot, ô tô và những thứ tương tự. Bạn phải đặt chúng vào một môi trường ảo có thể đại diện cho thế giới vật lý để đánh giá. Nghĩa là, phần mềm này phải tuân thủ các định lý vật lý. Chúng tôi gọi hệ thống này là Omniverse.

Máy tính thứ ba, được triển khai tại cạnh, cũng chính là máy tính của robot. Đó có thể là một chiếc ô tô tự lái, một robot, hoặc thậm chí là một chú gấu bông bé tí xíu.

Về thiết bị như chú gấu bông, một trong những hướng rất quan trọng mà chúng tôi đang thực hiện là: biến trạm cơ sở viễn thông thành một phần của cơ sở hạ tầng AI. Điều này có nghĩa là, ngành công nghiệp viễn thông trị giá 2 nghìn tỷ đô la sẽ dần chuyển hóa thành một phần của cơ sở hạ tầng AI trong tương lai. Vì vậy, thiết bị radio sẽ trở thành thiết bị cạnh, nhà máy sẽ trở thành thiết bị cạnh, và cả kho cũng vậy.

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

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

Jensen, năm ngoái tôi đã thấy rằng bạn nhìn xa hơn so với cả thế giới. Lúc đó, bạn đã nói rằng, sự gia tăng về yêu cầu suy luận sẽ không chỉ là 1000 lần.

황인헌:

Liệu tôi đã tự mắc bẫy chưa?

David Friedberg:

Mà sẽ tăng lên 100 triệu lần? 10 tỷ lần? Đúng không?

Tôi nghĩ rằng lúc đó nhiều người đều nghĩ rằng điều đó quá lời. Vì lúc đó toàn bộ thế giới vẫn tập trung vào việc mở rộng việc huấn luyện. Nhưng bây giờ bạn nhìn, suy luận đã thực sự bùng nổ, và bắt đầu trở thành "sự hạn chế suy luận". Bây giờ bạn lại công bố một "nhà máy suy luận", hiệu suất hoạt động cao hơn 10 lần so với nhà máy thế hệ tiếp theo.

Nhưng nếu bạn nhìn vào cuộc trao đổi bên ngoài, nhiều người sẽ nói: nhà máy suy luận của bạn sẽ tốn từ 400 đến 500 tỷ đô la, trong khi những phương án thay thế, chẳng hạn như ASIC tùy chỉnh, AMD, v.v., chỉ cần từ 250 đến 300 tỷ đô la, vì vậy bạn sẽ mất thị phần.

Vậy thì bạn tốt nhất nên nói cho chúng tôi nghe ngay: bạn đã nhìn thấy điều gì? Bạn đánh giá thị phần như thế nào? Việc khách hàng này trả gần gấp đôi giá, có đáng giá không?

Tại sao hệ thống đắt tiền lại có thể sản xuất token rẻ hơn?

Ha Huang:

Điểm quan trọng nhất, điểm cốt lõi nhất là: Đừng coi giá của nhà máy như là giá của token, cũng đừng coi nó như là chi phí sản xuất token.

Rất có thể, và tôi có thể chứng minh, cái nhà máy 500 tỷ USD đó, lại có thể sản xuất ra token với chi phí thấp nhất. Lý do là, hiệu suất tạo ra những token đó của chúng tôi cực kỳ cao, có thể cao hơn 10 lần.

Thấy không, sự chênh lệ giữa 500 tỷ USD và 200 tỷ USD, nhiều phần thực tế chỉ là đất đai, điện năng và bên ngoài nhà máy. Ngoài ra, bạn cũng đã phải mua lưu trữ, mạng, CPU, máy chủ, hệ thống tản nhiệt. Vì vậy, việc GPU chính nó giá gốc hay giá nửa giá không khiến tổng chi phí giảm trực tiếp từ 500 tỷ xuống 300 tỷ. Bạn chỉ cần chọn một con số bạn thích thôi, thực tế hơn một chút, có thể chỉ giảm từ 500 tỷ xuống 400 tỷ thôi.

Và nếu một trung tâm dữ liệu 500 tỷ USD, nhưng công suất chuyển đổi dữ liệu lớn hơn 10 lần, thì khoản chênh lệ này thực sự không có gì lớn lắm.

Jason Calacanis: Rõ rồi.

Ha Huang:

Đó cũng là lý do tại sao tôi luôn nói: Ngay cả với nhiều chip, nếu bạn không theo kịp công nghệ, không theo kịp tốc độ chúng tôi đang tiến bộ, thì thậm chí khi bạn nhận free chip, chúng cũng vẫn không rẻ.

David Sacks:

Tôi muốn hỏi một vấn đề chiến lược toàn cầu hơn. Bạn hiện đang điều hành công ty có giá trị nhất toàn cầu. Doanh thu có thể vượt qua 3500 tỷ USD vào năm sau, dòng tiền tự do 2000 tỷ USD, và vẫn đang tăng trưởng với tốc độ biến thái.

Bạn đang ra quyết định như thế nào? Bạn lấy thông tin từ đâu? Mọi người hiện nay đều biết về hệ thống email nổi tiếng của bạn, nhưng thực sự, làm thế nào để hình thành trực giác, định hình thị trường, quyết định nơi nào nên đầu tư mạnh, nơi nào nên thu hẹp, nơi nào nên bước vào lĩnh vực mới? Thông tin này được truyền đạt đến bạn như thế nào? Và bạn ra quyết định cuối cùng như thế nào?

Ha Huang:

Đó chính là công việc của CEO.

David Sacks:

Đúng.

Ha Huang:

Trách nhiệm của chúng tôi là định rõ tầm nhìn, định rõ chiến lược. Tất nhiên, chúng tôi sẽ lấy cảm hứng và thông tin từ những nhà khoa học máy tính, chuyên gia công nghệ xuất sắc trong công ty, cũng như vô số nhân viên xuất sắc khác, nhưng cuối cùng, tạo ra tương lai là trách nhiệm của chúng tôi.

Một phần tiêu chí đánh giá là: Liệu điều này có quá khó không? Nếu không đủ khó, chúng ta nên tránh xa nó. Lý do rất đơn giản, nếu một việc rất dễ thực hiện, thì đối thủ chắc chắn sẽ xuất hiện nhiều như nấm.

Liệu đó có phải là một việc chưa từng ai làm và quá khó khăn không? Và liệu có thể kích hoạt "siêu năng lực" riêng của công ty chúng tôi không? Vì vậy, tôi phải đi tìm một điểm giao nhau như vậy: Nó phải đáp ứng cùng một lúc các tiêu chí này.

Và cuối cùng, bạn cũng phải biết rằng, làm việc như vậy chắc chắn sẽ đi kèm với rất nhiều đau khổ và nỗ lực. Không có phát minh vĩ đại nào xuất phát từ việc quá đơn giản, thành công ngay lần đầu tiên.

Nếu một việc cực kỳ khó, chưa từng ai làm qua, thì đó cơ bản là bạn sẽ phải trải qua rất nhiều đau khổ và gian khổ. Vì vậy, bạn tốt nhất là thưởng thức quá trình này.

David Sacks:

Bạn có thể chia sẻ về ba bốn lĩnh vực kinh doanh "đuôi dài" hơn không? Ví dụ như việc đưa trung tâm dữ liệu lên không gian, ADAS và xe hơi, cũng như hướng sinh học mà bạn đề cập. Cho chúng tôi cảm nhận chút: Làm sao để nhận biết khi các lĩnh vực kinh doanh dài hạn này bắt đầu đi lên? Bạn đánh giá thế nào về các kinh doanh dài hạn này?

Lưu ý: ADAS là viết tắt của Advanced Driver Assistance Systems (Hệ thống Hỗ trợ Lái xe Tiên tiến)

Jason Nguyen:

Dĩ nhiên. AI Vật lý là một danh mục rất lớn. Tôi vừa nói rồi, chúng tôi có ba hệ thống tính toán, cùng với tất cả các nền tảng phần mềm xây dựng trên đó. AI Vật lý là lần đầu tiên trong ngành công nghệ có cơ hội thực sự phục vụ một ngành công nghiệp trị giá 50 ngàn tỷ đô la, mà từ trước đến nay gần như chưa hề trải qua sự biến đổi công nghệ sâu rộng. Để làm được điều này, chúng ta phải phải phải tái phát minh tất cả công nghệ cần thiết.

Tôi luôn nghĩ rằng đây là một chuyến đi kéo dài 10 năm. Chúng tôi bắt đầu từ 10 năm trước, và bây giờ cuối cùng thì chúng ta bắt đầu nhìn thấy chúng đang bắt đầu đi lên. Đối với chúng tôi, đó đã trở thành một kinh doanh hàng tỷ đô la, và quy mô hiện tại của nó đã tiệm cận mức 100 tỷ đô la mỗi năm. Vì vậy nó đã trở thành một kinh doanh rất lớn, và vẫn đang tăng trưởng theo cấp số nhân. Đó là điểm đầu tiên.

Hướng tiếp theo, tôi nghĩ trong lĩnh vực sinh học số, chúng ta thực sự đã rất gần với mốc thời kỳ ChatGPT của nó.

Chúng ta đang từng bước học cách biểu diễn và hiểu sâu hơn về gen, protein, tế bào. Về hóa học, chúng ta đã biết cách xử lý. Vì vậy, việc có thể biểu diễn và hiểu sâu hơn về các thành phần cơ bản trong sinh học và hành vi động lực của chúng, tôi nghĩ rằng điều này có thể xảy ra trong khoảng hai ba năm tới năm 5. Trong vòng 5 năm, tôi tin chắc rằng sinh học số sẽ tạo ra một làn sóng lớn đối với toàn bộ ngành y tế.

Đây là những hướng rất quan trọng. Nông nghiệp cũng là một trong số đó.

Chamath Palihapitiya:

Đã bắt đầu xảy ra.

황인훈:

Không còn nghi ngờ nào.

Jason Calacanis:

Tôi muốn đưa chủ đề từ trung tâm dữ liệu trở lại máy tính để bàn. Các công ty giai đoạn đầu thực sự được xây dựng dựa trên sở thích, game thủ và người dùng card đồ họa. Khi bạn đứng trên sân khấu hôm nay, đối diện với khoảng mười nghìn người xem, bạn đã đề cập đến Claude Code, OpenClaw và sự cách mạng do agent mang lại.

Đặc biệt là nhóm người yêu công nghệ này, chúng tôi thấy rằng hiện nay có rất nhiều năng lượng và sáng tạo thực sự bùng nổ từ họ, nhiều đột phá xảy ra tại máy tính để bàn. Lần này bạn cũng đã phát hành một thiết bị máy tính để bàn, tôi nhớ là Dell 60800 đúng không? Đây là một máy trạm rất mạnh mẽ, có thể chạy mô hình cục bộ, có 750GB bộ nhớ. Hiện nay Mac Studio đang bán hết hàng khắp nơi. Công ty của chúng tôi hiện đang chuyển sang OpenClaw toàn diện. Friedberg đang sử dụng, Chamath cũng sử dụng, mọi người đều rất phấn khích.

Chuyển từ người yêu công nghệ này đến phong trào agent mã nguồn mở, sinh học máy tại máy tính để bàn, điều này có ý nghĩa gì với bạn? Nó sẽ đi đến đâu?

Thời đại Agent Đã Đến: Tại sao Nhu cầu Tính toán Sẽ Tăng Lên Gấp Mười Ngàn Lần

황인훈:

Đầu tiên, hãy nhìn lại một bước. Trong hai năm qua, thực ra chúng ta đã thấy ba cú rẽ.

Lần đầu tiên là AI sinh học. ChatGPT đã đưa AI vào tầm nhìn của công chúng, khiến mọi người nhận thức được sự quan trọng của nó. Thực tế, công nghệ này đã rõ ràng hiện diện từ vài tháng trước khi ChatGPT xuất hiện. Chỉ là đến khi ChatGPT cho nó một giao diện mà ai cũng có thể sử dụng, AI sinh học mới thực sự bùng nổ.

Và AI sinh học, như bạn biết, sẽ tạo ra mã thông báo, cả để sử dụng nội bộ lẫn bên ngoại. Sử dụng nội bộ, bản chất của nó là "suy nghĩ", và điều này tiếp tục thúc đẩy sự phát triển của lý luận.

Sau đó, ngày càng nhiều khả năng cụ thể, dựa trên thông tin thực, bắt đầu xuất hiện, khiến AI không chỉ trả lời câu hỏi, mà còn cung cấp câu trả lời đáng tin cậy và hữu ích hơn. Bạn cũng bắt đầu thấy doanh thu và mô hình kinh doanh của OpenAI chuyển sang một cú rẽ.

Và sau đó, cú rẽ thứ ba ban đầu thực sự chỉ thấy trong ngành, đó là Claude Code. Đây là hệ thống agent đầu tiên thực sự rất hữu ích, có tính cách cách mạng.

Tuy nhiên, trước Claude Code, khả năng này chủ yếu chỉ dành cho doanh nghiệp và nhiều người bình thường hoàn toàn chưa từng thấy. Cho đến khi OpenClaw giới thiệu "AI agent có thể làm gì" đến tầm nhìn công chúng.

Vì vậy, tầm quan trọng văn hóa của OpenClaw nằm ở điểm: đây là lần đầu tiên người dân thực sự nhận ra khả năng của agent.

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

Quan trọng hơn, nó tạo ra một mô hình tính toán hoàn toàn mới, gần như là việc tái phát minh tính toán chính. Nó có hệ thống nhớ: scratch là bộ nhớ ngắn hạn, hệ thống tệp là tài nguyên dài hạn; nó có khả năng lập lịch; có thể chạy cron job; có thể tạo ra agent mới; có thể phân rã các nhiệm vụ, thực hiện suy luận nguyên nhân - kết quả, giải quyết vấn đề; nó còn có hệ thống I/O, có thể nhập, xuất, kết nối WhatsApp; nó còn có một bộ API, có thể chạy các ứng dụng khác nhau, còn được gọi là kỹ năng.

Và bốn yếu tố này, bản chất là xác định một máy tính. Vì vậy, hiện nay chúng ta thực sự có: máy tính trí tuệ nhân tạo cá nhân.

Và nó là mã nguồn mở, hoàn toàn mã nguồn mở, gần như có thể chạy trên mọi nơi. Đó chính là bản vẽ tính toán hiện đại. Ở một khía cạnh nào đó, nó đã trở thành hệ điều hành của tính toán hiện đại và trong tương lai sẽ trở nên vô cùng phổ biến.

Tất nhiên, chúng ta vẫn phải giúp nó giải quyết một vấn đề: miễn là bạn sở hữu phần mềm agent, nó có thể tiếp xúc với thông tin nhạy cảm, thực thi mã, giao tiếp ra ngoài. Vì vậy, chúng ta phải đảm bảo rằng: tất cả điều đó đều phải được quản lý, đủ an toàn, phải có ràng buộc chiến lược, để các agent này có thể có hai trong số ba khả năng, nhưng không thể sở hữu cả ba khả năng cùng một lúc.

Trong phần quản lý này, chúng tôi cũng đã đóng góp. Peter Steinberger cũng có mặt ở đây ngày hôm nay. Chúng tôi có rất nhiều kỹ sư tuyệt vời đang hợp tác với anh ta, giúp hệ thống này trở nên an toàn hơn, ổn định hơn, có thể bảo vệ thông tin riêng tư và an ninh.

Chamath Palihapitiya:

Jensen, liệu pha chuyển mình này có khiến nhiều dự luật AI cũ trước đây được thông qua ở khắp nơi tại Mỹ trở nên lỗi thời không? Bạn có thể nói về tốc độ mà sự chuyển đổi này đã khiến nhiều phương pháp quản lý cũ trở nên không còn phù hợp? Hiện nay, vấn đề quản lý AI đã trở thành một chủ đề rất hot trong chính trường Mỹ.

황인훈:

Phần này, chúng ta phải luôn đi đầu trong việc xây dựng chính sách, và anh đã làm rất tốt trong mảng này. Chúng ta phải tự tiên đứng trước mặt họ, thông báo rằng công nghệ hiện đã phát triển đến giai đoạn nào, nó là gì và không phải là gì. Nó không phải là sinh vật, không phải là người ngoài hành tinh, không có ý thức. Nó là phần mềm máy tính.

Thêm vào đó, chúng ta thường nghe thấy câu nói "Chúng ta hoàn toàn không hiểu công nghệ này". Nhưng điều đó không đúng, thực tế chúng ta đã hiểu được rất nhiều. Vì vậy, thứ nhất, chúng ta phải tiếp tục cung cấp thông tin chính xác cho những người đang xây dựng chính sách; đừng để suy luận cuối cùng và cực đoan chi phối cách họ hiểu về công nghệ này.

Nhưng đồng thời, chúng ta cũng phải công nhận rằng sự phát triển công nghệ diễn ra rất nhanh, không để chính sách chạy nhanh hơn công nghệ quá xa. Ở mức quốc gia, điều khiến tôi lo lắng nhất đó là: nguy cơ an ninh quốc gia lớn nhất của Mỹ trong lĩnh vực Trí tuệ Nhân tạo, không phải là Trí tuệ Nhân tạo chính nó, mà là các quốc gia khác đều đang áp dụng Trí tuệ Nhân tạo, trong khi chúng ta lại không muốn cho doanh nghiệp và xã hội của chúng ta tiếp nhận Trí tuệ Nhân tạo vì sự tức giận, nỗi sợ hãi hoặc thành kiến.

Vì vậy, điều tôi thực sự lo lắng nhất đó là: Trí tuệ Nhân tạo vẫn chưa lan rộng đủ nhanh chóng ở Mỹ.

David Sacks:

Tiếp tục với một câu hỏi phụ. Nếu bạn ngồi trong phòng họp hội đồng Anthropic, nhìn họ và vụ việc với "Bộ Chiến tranh", bạn sẽ nghĩ gì? Điều này thực sự liên quan đến điểm mà bạn vừa nêu: Mọi người không biết cách hiểu về Trí tuệ Nhân tạo, vì vậy lại càng thêm một lớp oan hận, nỗi sợ và không tin tưởng. Nếu là bạn, bạn sẽ đề xuất cho Dario và nhóm của anh ta thực hiện những điều khác biệt nào để thay đổi kết quả và nhận thức của công chúng ngày hôm nay?

황인훈:

Đầu tiên, tôi muốn nói rằng công nghệ của Anthropic rất xuất sắc. Chúng tôi chính là người dùng quan trọng của công nghệ Anthropic. Tôi rất ngưỡng mộ sự chú trọng đến an ninh của họ, cũng như lòng kiên trì của họ trong văn hóa an ninh, và phần xuất sắc về công nghệ để thúc đẩy công việc này, thực sự tuyệt vời.

Và, họ muốn nhắc nhở công chúng nhìn thấy ranh giới năng lực của công nghệ này, tôi nghĩ điều đó chính là một điều tốt. Chỉ là chúng ta phải nhận ra thế giới này có một phổ màu sắc: nhắc nhở là tốt, nhưng giật mình người khác không phải lúc nào cũng tốt.

Jason Calacanis: Đúng.

황인훈: Vì công nghệ này quá quan trọng với chúng ta. Tôi nghĩ, dự đoán tương lai tất nhiên có thể, nhưng chúng ta cần phải thận trọng hơn và khiêm tốn hơn. Vì thực tế là, chúng ta không thể hoàn toàn dự đoán được tương lai.

Nếu đưa ra một số nhận định cực đoan, cực kỳ tai hại mà lại không có bằng chứng cho thấy những điều đó thực sự sẽ xảy ra, thì sự tổn thương mà nó gây ra, có thể lớn hơn hẳn so với những gì mọi người nghĩ.

Và hiện nay, chúng tôi đã trở thành người đi đầu trong ngành công nghệ. Trước đây, không ai nghe chúng tôi nói, nhưng bây giờ đã khác. Công nghệ đã được tích hợp sâu vào cấu trúc xã hội, đó là một ngành công nghiệp cực kỳ quan trọng, cũng như liên quan mạnh mẽ đến an ninh quốc gia. Mỗi câu nói của chúng tôi đều rất quan trọng.

Cho nên tôi nghĩ rằng, chúng ta cần phải cẩn trọng hơn, kỹ lưỡng hơn, cân nhắc hơn, và suy nghĩ kỹ lưỡng hơn.

David Friedberg:

Tôi sẽ đề cử bạn thực hiện công việc này. Tỷ lệ ủng hộ công nghệ Trí tuệ Nhân tạo (AI) tại Mỹ chỉ có 17%. Chúng ta đã thấy điều gì xảy ra trong lĩnh vực năng lượng hạt nhân: chúng ta đã dừng hoạt động hầu hết ngành công nghiệp hạt nhân, kết quả là Trung Quốc hiện đang xây dựng 100 nhà máy phản ứng hạt nhân, trong khi Mỹ không có một cái nào. Bây giờ chúng ta lại nghe thấy về lệnh tạm dừng về trung tâm dữ liệu và những lời nói tương tự. Vì vậy tôi nghĩ rằng chúng ta cần phải hành động tích cực hơn.

Nhưng tôi muốn quay lại vấn đề bạn nói về sự bùng nổ agent đang diễn ra bên trong công ty: nâng cao hiệu quả, nâng cao năng suất. Hiện tại, rất nhiều người đều đang tranh cãi về ROI, phải không? Khi bạn và tôi bắt đầu năm nay, câu hỏi lớn nhất là: Liệu có thu nhập không? Liệu thu nhập có mở rộng như chính Trí tuệ Nhân tạo không? Và sau đó, chúng ta đã thấy một sự kiện có phần giống như "thời điểm Oppenheimer": Anthropic đã đạt doanh thu hàng tháng 50-60 tỷ USD vào tháng 2.

Lưu ý: Thuật ngữ "thời điểm Oppenheimer" xuất phát từ Oppenheimer, người đứng đầu dự án Manhattan (dự án nghiên cứu bí mật tạo bom nguyên tử trong Thế chiến II). Năm 1945, lần đầu tiên bom nguyên tử phát nổ, tượng trưng cho ngưỡng cửa của công nghệ tiên tiến và rủi ro, hiện nay thường được sử dụng để chỉ khoảnh khắc quan trọng của công nghệ có ảnh hưởng không thể đảo ngược.

Bạn nhìn nhận như thế nào về xu hướng tiếp theo? Hôm nay bạn đã nói lại, Blackwell và Vera Rubin đã có khả năng nhìn thấy về nhu cầu cấp trên tỉ USD trong vài năm tới. Khi kết hợp với đà phát triển hiện tại của Anthropic và OpenAI, bạn có nghĩ rằng chúng ta đã bước chân lên đoạn đường đó, và tiếp theo chúng ta sẽ thấy doanh thu mở rộng nhanh chóng như Trí tuệ không?

Huang Renxun:

Tôi sẽ trả lời từ một số góc độ khác. Bạn hãy nhìn vào khán giả trong hội trường này, Anthropic và OpenAI thực sự đã có mặt ở đây. Nhưng thực ra, 99% những gì ở đây đều là AI, và không phải Anthropic, cũng không phải OpenAI. Lý do đằng sau đó, chính là đa dạng cực kỳ trong lĩnh vực AI.

Tôi muốn nói rằng, nhìn chung, mô hình phổ biến thứ hai thực sự là mô hình mở. Vị trí đầu tiên tất nhiên là OpenAI, trọng lượng mở, mô hình mở rộng này trong toàn hệ sinh thái mở rộng chung. Vị trí thứ hai là mô hình mở, và khoảng cách giữa vị trí thứ hai và thứ ba rất lớn. Vị trí thứ ba mới là Anthropic.

Điều này cho thấy quy mô của tất cả các công ty trí tuệ nhân tạo ở đây là bao lớn, vì vậy điều đầu tiên cần nhận thức là điều này.

Trở lại với khối lượng tính toán. Khi chúng ta chuyển từ trí tuệ nhân tạo dựa trên mô hình sang suy luận, lượng tính toán cần thiết tăng khoảng 100 lần; khi chúng ta chuyển từ suy luận sang trí tuệ hành động, lượng tính toán có thể tăng thêm 100 lần nữa. Nghĩa là, chỉ trong vòng hai năm ngắn ngủi, nhu cầu tính toán đã tăng khoảng 10.000 lần. Đồng thời, mọi người sẽ trả tiền cho thông tin, nhưng điều mà họ thực sự muốn trả tiền là kết quả công việc.

David Friedberg: Đúng.

Jason Calacanis:

Và trò chuyện với trợ lý ảo, nhận được một câu trả lời, đương nhiên là tốt. Giúp tôi nghiên cứu cũng rất tuyệt. Nhưng điều thực sự khiến tôi sẵn lòng chi tiền là khi nó giúp tôi hoàn thành công việc. Và đó chính là vị trí chúng ta đang ở, hệ thống trí tuệ hành động đang thực sự hoàn thành công việc. Chúng đang giúp kỹ sư phần mềm của chúng ta hoàn thành công việc.

Vậy nghĩa là bạn nghĩ đến, một bên là tăng 10.000 lần lượng tính toán, một bên có thể đã tăng khoảng 100 lần nhu cầu tiêu dùng. Và chúng ta thậm chí chưa bắt đầu mở rộng một cách đáng kể. Chúng ta chắc chắn đang đứng trên con đường tới tăng 1.000.000 lần.

Jason Calacanis:

Tôi nghĩ điều này chính là cơ hội để đưa ra một câu hỏi, công ty của bạn có bao nhiêu nhân viên?

Jason Calacanis:

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

Jason Calacanis:

Chúng tôi thường thảo luận về một chủ đề trong podcast: Ôi trời ơi, lượng sử dụng token trong công ty đang tăng một cách điên cuồng. Thậm chí có người hỏi khi tham gia vào một công ty, "Tôi có thể nhận được bao nhiêu token không", vì họ muốn trở thành nhân viên hiệu quả. Tôi nhớ bạn đã đề cập trong bài diễn thuyết kéo dài tới hai tiếng rưỡi đó, bài diễn thuyết đó thật sự dài nhưng rất tuyệt vời.

Jason Calacanis:

Cậu nói, mức sử dụng token cho mỗi kỹ sư có thể lên tới khoảng 7,5 triệu đô la. Điều đó có nghĩa là, đội ngũ kỹ sư của NVIDIA hàng năm có thể chi tới 10 tỷ hay 20 tỷ đô la vào token?

Jason Calacanis:

Chúng tôi đang nghĩ về việc này. Tôi sẽ cho bạn một thí nghiệm tư duy: Giả sử bạn thuê một kỹ sư phần mềm hoặc nhà nghiên cứu trí tuệ nhân tạo, có mức lương hàng năm 500.000 đô la, điều này rất phổ biến ở đây.

Vào cuối năm, tôi hỏi anh ấy: "Anh đã chi bao nhiêu tiền vào token trong năm nay?" Nếu anh ấy nói "5000 đô la", tôi sẽ thẳng thừng nổ tung, thật đấy. Nếu một kỹ sư có thu nhập là 500 nghìn đô la mỗi năm, nhưng chỉ tiêu thụ token trị giá không đến 25 nghìn đô la mỗi năm, tôi sẽ rất cảnh giác. Điều này giống như một nhà thiết kế chip nói "Tôi quyết định chỉ sử dụng giấy và bút chì, tôi không cần công cụ CAD" và không khác biệt về bản chất.

Jason Calacanis:

Đây thực sự là một sự chuyển đổi mẫu mực. Cách bạn hiểu về những nhân viên hàng đầu này, gần như khiến tôi liên tưởng đến LeBron James được giảng trong lớp học MBA: anh ấy tiêu 1 triệu đô la hàng năm để duy trì cơ thể, để có thể chơi bóng ở tuổi 41. Những nhân viên hàng đầu này, tại sao họ không có "khả năng siêu phàm"?

黄仁勋:

Đúng.

Jason Calacanis:

Nếu chúng ta tiếp tục xu hướng này thêm hai ba năm nữa, hiệu suất của những nhân viên hàng đầu trong NVIDIA sẽ trở nên như thế nào? Họ có thể hoàn thành những gì?

黄仁勋:

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

Điều này giống như trong Cách mạng Công nghiệp trước đó, không ai sẽ nói: "Toà nhà này trông quá nặng". Cũng không ai sẽ nói: "Núi này quá lớn". Mọi suy nghĩ về "quá lớn, quá nặng, mất quá nhiều thời gian" sẽ được hủy bỏ.

David Sacks:

Cuối cùng, chỉ còn lại sự sáng tạo. Bạn có thể nghĩ ra điều gì.

黄仁勋:

Đúng vậy. Nghĩa là, vấn đề trong tương lai sẽ trở thành: bạn phải làm thế nào để hợp tác với những agent này.

Bản chất, đây chỉ là một cách lập trình hoàn toàn mới. Trong quá khứ, chúng ta viết mã, nhưng trong tương lai, chúng ta sẽ viết về ý tưởng, kiến ​​trúc và cụ thể hóa; chúng ta sẽ tổ chức nhóm; chúng ta sẽ xác định tiêu chí đánh giá, cho hệ thống biết điều gì là tốt, điều gì là xấu, điều gì là kết quả xuất sắc; chúng ta sẽ lặp đi lặp lại với nó, bàn luận suy nghĩ.

Đó mới chính là điều bạn thực sự cần làm. Tôi tin rằng, trong tương lai, mỗi kỹ sư sẽ có 100 agent.

Jason Calacanis:

Quay trở lại vấn đề quan hệ công chúng. Như các nhà sáng lập như David Friedberg, sử dụng công nghệ và trí tuệ nhân tạo của bạn trong Ohalo, thực sự đang làm những việc rất thiết thực: tăng sản lượng thực phẩm, tăng cung cấp calo chất lượng cao. Friedberg, bạn nghĩ điều này có thể giảm chi phí xuống mức nào? Tầm nhìn này sẽ ảnh hưởng đến những gì bạn đang làm không?

David Friedberg：

Chúng tôi vừa thử nghiệm mô hình hóa gen không mẫu, và kết quả đã thành công. Lúc đó thực sự là một cú sốc. Và điều này xảy ra trong bối cảnh "người khác đã thay thế toàn bộ ngăn xếp phần mềm doanh nghiệp qua đêm".

Tôi đã thực hiện một điều: trong vòng 90 phút, tôi đã thay thế toàn bộ ngăn xếp phần mềm và một loạt luồng công việc. Bắt đầu từ Chủ Nhật tối, tới 11 giờ 30 phút cùng ngày, tất cả đều đã chạy và triển khai xong.

Sau khi tôi làm xong với vai trò CEO, tôi yêu cầu tất cả các thành viên trong nhóm quản lý của mình thực hiện cùng một bài tập vào cuối tuần. Đến thứ Hai, chúng tôi nhận thấy kết quả: đã hoàn thành.

Nếu nhìn vào khía cạnh kỹ thuật hơn và khoa học hơn. Chúng tôi sử dụng auto research và một lô dữ liệu, chỉ trong 30 phút đã làm được một việc. Nếu theo con đường truyền thống, điều này ban đầu sẽ là một kết quả cấp Tiến sĩ, có thể tốn 7 năm, thậm chí sẽ trở thành một trong những tiến sĩ nổi tiếng nhất trong lĩnh vực này, đủ để được công bố trên tạp chí "Science".

Nhưng kết quả, chúng tôi chỉ cần tải xuống auto research trên máy tính để bàn, đưa lô dữ liệu mới nhận được vào, chỉ trong 30 phút là đã chạy xong. Lúc đó, biểu cảm của mọi người đều thay đổi. Tiềm năng mà nó giải phóng, thật khó tin.

Vì vậy, tôi cảm thấy, tốc độ gia tốc này đang mở rộng khả năng của mỗi người một cách chưa từng có trước đây.

Nhưng quay trở lại với vấn đề auto research: Bạn nghĩ sao? Chỉ cần một cuối tuần, 600 dòng mã, có thể đạt được kết quả như vậy, và còn có khả năng chạy và xử lý nhiều loại dữ liệu khác nhau như vậy trên máy cục bộ.

Điều này có phải cho thấy, cả việc tinh chỉnh thuật toán lẫn tinh chỉnh phần cứng, chúng ta vẫn đang ở giai đoạn rất sớm?

Huỳnh Nhân Huy：

Lý do mà OpenClaw rất ấn tượng là, thứ nhất, vì nó hoàn hảo kết hợp với thời điểm bùng nổ của các mô hình ngôn ngữ lớn, nó ra đời đúng lúc quá tuyệt vời.

Phần lớn, nếu không phải vì Claude, GPT và ChatGPT đạt đến mức độ ngày nay, Peter có lẽ sẽ không tạo ra cái này. Bởi vì mô hình thực sự đã đạt đến một mức độ rất cao.

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

Hiện nay, một số người nói rằng ngành phần mềm IT doanh nghiệp sắp bị phá hủy. Nhưng tôi sẽ mang đến cho bạn một góc nhìn khác: Quy mô ngành phần mềm doanh nghiệp, cho đến nay đã bị hạn chế bởi "số người ngồi trên bao nhiêu ghế", cũng chính là số lượng ghế ngồi. Nhưng trong tương lai, nó sẽ trải qua 100 lần số lượng agent nhiều hơn. Những agent này sẽ viết SQL, sẽ làm việc với cơ sở dữ liệu vector, sẽ làm việc với Blender, Photoshop.

Lý do rất đơn giản: Thứ nhất, những công cụ này đã hoạt động tốt từ trước; Thứ hai, những công cụ này bản chất là "giao diện trung gian" giữa chúng ta và máy móc. Cuối cùng, khi công việc hoàn thành, kết quả phải được trình bày trở lại cho tôi theo cách mà tôi có thể kiểm soát. Và tôi biết cách sử dụng những công cụ này.

Vì vậy, tôi hy vọng mọi thứ sẽ trở lại Synopsys, trở lại Cadence, vì đó là nơi mà tôi có thể kiểm soát, có thể thực hiện kiểm tra "tiêu chuẩn xác định".

Lưu ý: Synopsys, Cadence là hai công ty phần mềm EDA (Tự động hóa thiết kế điện tử) quan trọng, tất cả các công ty chip (NVIDIA, Apple, AMD) đều phụ thuộc vào họ

Trận chiến AI kế tiếp: Mã nguồn mở, dọc và phổ biến toàn cầu

David Sacks:

Tôi muốn hỏi một câu hỏi về mã nguồn mở. Hiện nay chúng ta có các mô hình đóng, chúng xuất sắc; cũng có các mô hình trọng số mở, nhiều mô hình Trung Quốc thực sự ấn tượng, rất mạnh.

Hai ngày trước, có lẽ lúc đó bạn đang bận lên sân khấu, không thể thấy, trong Subnet 3 của dự án mật mã BitTensor, có người hoàn thành một nhiệm vụ huấn luyện: họ đã huấn luyện mô hình Llama 40 tỷ tham số hoàn toàn theo phương pháp phân tán. Một nhóm ngẫu nhiên đã đóng góp công suất tính toán, nhưng họ đã thực sự có thể quản lý quá trình huấn luyện toàn bộ theo trạng thái. Tôi nghĩ rằng điều này về mặt kỹ thuật rất điên rồ, vì những người tham gia hoàn toàn là ngẫu nhiên và phân tán.

황인훈:

Điều này giống như Folding@home thời đại chúng ta.

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

David Sacks:

Đúng vậy. Vậy bạn nghĩ gì về cái kết của mã nguồn mở? Bạn có thấy rằng, kiến trúc đang phân cấp, công suất tính toán đang phân cấp, để hỗ trợ cho đường dẫn trọng số mở và hoàn toàn mã nguồn mở, từ đó làm cho AI thực sự phổ biến?

황인훈:

Tôi tin rằng, ở cơ bản, chúng ta cần đồng thời hai điều: thứ nhất, mô hình như một sản phẩm thương mại, sản phẩm độc quyền được coi trọng; thứ hai, mô hình tồn tại dưới hình thái mã nguồn mở.

Điều này không phải là mối quan hệ A hoặc B, mà là cả A và B đều cần phải có. Không còn nghi ngờ. Lý do là, mô hình trước hết là một công nghệ, không phải là sản phẩm cuối cùng. Mô hình là một công nghệ, không phải là một dịch vụ.

Đối với hầu hết người dùng, ở mức ngang hàng đó, ở mức thông minh tổng quát, thực ra tôi không muốn tự tinh chỉnh một mô hình. Tôi muốn tiếp tục sử dụng ChatGPT, Claude, Gemini, X. Chúng đều có tính cách riêng, điều này phụ thuộc vào tâm trạng của tôi, cũng như vấn đề mà tôi muốn giải quyết. Vì vậy, lĩnh vực này sẽ phát triển tốt, nó sẽ rất thịnh vượng.

Tuy nhiên, kiến thức lĩnh vực, năng lực chuyên môn trong tất cả các lĩnh vực trong ngành này, phải đọng lại theo một cách mà họ có thể kiểm soát, và chỉ có thể đến từ mô hình mã nguồn mở. Ngành công nghiệp mô hình mã nguồn mở đã rất gần với điểm đỉnh. Chúng tôi cũng đang đầu tư mạnh.

Thành thật mà nói, ngay cả khi mô hình mã nguồn mở thực sự đuổi kịp bước, tôi vẫn tin rằng, mô hình là dịch vụ, mô hình doanh nghiệp cấp thế giới, tầng này cũng sẽ tiếp tục phát triển thịnh vượng.

Jason Calacanis:

Tất cả các công ty khởi nghiệp mà chúng tôi đầu tư hiện nay, họ gần như đều bắt đầu bằng việc mã nguồn mở, sau đó chuyển sang mô hình độc quyền.

황인훈:

Đúng. Và điều tuyệt vời ở đây là: chỉ cần bạn có một bộ định tuyến xuất sắc, vào ngày đầu tiên, mỗi ngày, bạn đều nhận được mô hình tốt nhất thế giới. Đồng thời, điều này cũng mang lại cho bạn thời gian để giảm chi phí, để điều chỉnh nhỏ, để tạo ra điều đặc biệt. Vì vậy, bạn ngay từ đầu đã có khả năng cấp thế giới, sau đó từ từ xây dựng hàng rào bảo vệ của riêng mình.

David Friedberg:

Jensen, tôi muốn hỏi về một vấn đề địa chính trị. Dĩ nhiên, không ai cả có ý định hơn bạn về việc Mỹ chiến thắng cuộc đua Trí tuệ Nhân tạo toàn cầu. Nhưng một năm trước, quy tắc phát tán trong thời kỳ Biden thực tế đã ngăn chặn sự phát tán công nghệ Trí tuệ Nhân tạo của Mỹ trên toàn cầu.

Bây giờ chính phủ mới đã tiến hành một năm. Theo bạn, họ đạt điểm số bao nhiêu? Đối với vấn đề phát tán Trí tuệ Nhân tạo toàn cầu, chúng ta có thể đánh giá là A, B hay C lúc này? Điều gì làm tốt, điều gì làm không tốt?

황인훈:

Đầu tiên, Tổng thống Trump hy vọng công nghiệp Mỹ dẫn đầu, hy vọng ngành công nghiệp công nghệ Mỹ dẫn đầu, hy vọng ngành công nghiệp công nghệ Mỹ thắng, hy vọng công nghệ Mỹ lan toả toàn cầu, hy vọng Mỹ trở thành quốc gia giàu có nhất thế giới. Anh ấy hy vọng mọi thứ.

Tuy nhiên, vào lúc này, NVIDIA đã mất 95% thị phần của mình trong thị trường lớn thứ hai trên thế giới, và hiện giờ đã xuống còn 0%. Tổng thống Trump hy vọng chúng ta sẽ lấy lại phần này.

Bước đầu tiên là để các công ty mà chúng ta có thể bán hàng cho đạt được giấy phép. Nhiều công ty đã nộp đơn, chúng tôi cũng đã nộp đơn giấy phép cho họ, và Bộ trưởng Thương mại Lutnick đã phê duyệt một phần. Tiếp theo, chúng tôi đã thông báo cho các công ty Trung Quốc, trong đó nhiều công ty đã đặt đơn hàng mua hàng từ chúng tôi. Vì vậy, chúng tôi đang khởi động lại chuỗi cung ứng để gửi hàng đi.

Nói một cách trừu tượng hơn, tôi nghĩ chúng ta nên nhận ra một điều: khi chúng ta không thể kiểm soát được các động cơ mini, khoáng sản hiếm, an ninh quốc gia của chúng ta sẽ bị suy yếu; khi chúng ta không thể kiểm soát được mạng lưới truyền thông của mình, an ninh quốc gia cũng sẽ bị suy yếu; khi chúng ta không thể cung cấp năng lượng bền vững cho đất nước, an ninh quốc gia cũng bị suy yếu. Mỗi ngành công nghiệp này, đều là câu chuyện mà tôi không muốn lặp lại trong ngành công nghiệp Trí tuệ Nhân tạo.

Khi chúng ta nhìn xa hơn, hỏi "Hình ảnh thực sự độc đáo của ngành công nghệ Mỹ, ngành công nghệ Trí tuệ Nhân tạo Mỹ dẫn đầu toàn cầu sẽ như thế nào", chúng ta phải trung thực nói rằng: Mô hình Trí tuệ Nhân tạo không thể do Mỹ một mình chiếm trọn thế giới, kết cục đó không có ý nghĩa.

Nhưng chúng ta hoàn toàn có thể tưởng tượng: Bàn cờ công nghệ Mỹ, từ vi mạch đến hệ thống tính toán đến nền tảng, được áp dụng rộng rãi trên toàn cầu. Mọi người trên khắp thế giới có thể xây dựng Trí tuệ Nhân tạo của riêng họ, Trí tuệ Nhân tạo công cộng, Trí tuệ Nhân tạo riêng tư trên nền bộ công nghệ Mỹ này, và sau đó phục vụ xã hội của họ. Tôi hy vọng rằng nền công nghệ Mỹ có thể phủ sóng toàn cầu 90%. Tôi thực sự hy vọng như vậy.

Nếu không, nếu cuối cùng tình hình trở nên nhưng năng lượng mặt trời, khoáng sản hiếm, nam châm, động cơ, thiết bị truyền thông, tôi sẽ nghĩ rằng đó sẽ là kết quả rất tồi tệ đối với an ninh quốc gia Mỹ.

Chamath Palihapitiya:

Bạn hiện đang đánh giá xem tình hình xung đột toàn cầu như thế nào? Điều này khiến bạn lo lắng đến mức độ nào? Ví dụ, Trung Đông có thể ảnh hưởng đến cung cấp héli, trong khi héli quan trọng đối với sản xuất bán dẫn là một nguy cơ chuỗi cung ứng tiềm ẩn. Những vấn đề này khiến bạn lo lắng đến mức độ nào? Bạn đã bỏ ra bao nhiêu công sức cho vấn đề này?

Lưu ý: Héli rất quan trọng đối với sản xuất bán dẫn, nó không chỉ khó thế chỗ trong các giai đoạn quang trục hoặc phát hiện quan trọng, mà còn có thành phần không thể tái chế và cung cấp chủ yếu tập trung, chủ yếu dựa vào một số ít nguồn cung cấp chủ yếu như Mỹ, Qatar (Trung Đông) và Algeria (Bắc Phi). Một khi các nguồn cung cấp thuận lợi này bị ảnh hưởng, có thể ảnh hưởng trực tiếp đến hoạt động ổn định của dây chuyền sản xuất chip.

黄仁勋:

Đầu tiên, nói về Trung Đông, chúng tôi có 6000 gia đình ở đó. Trong công ty có nhiều nhân viên người Iran và gia đình họ vẫn ở Iran. Vì vậy, chúng tôi có nhiều gia đình ở đó.

Một điều quan trọng là: họ đang rất lo lắng, rất lo sợ và rất sợ hãi hiện tại. Chúng tôi luôn nghĩ về họ, luôn quan sát tình hình thay đổi. Họ sẽ nhận được sự hỗ trợ 100% từ chúng tôi. Có người hỏi tôi, với tình hình hiện tại ở Trung Đông, chúng ta có tiếp tục ở lại Israel không? Câu trả lời của tôi là: Chúng tôi sẽ ở lại Israel 100%. Chúng tôi hỗ trợ mọi gia đình ở đó 100%. Chúng tôi sẽ tiếp tục ở lại Trung Đông 100%.

Cũng có người hỏi, với tình hình hiện tại ở Trung Đông, chúng ta có nên mở rộng trí tuệ nhân tạo không? Quan điểm của tôi là: Lý do có chiến tranh là vì mọi người đều muốn một kết quả ổn định hơn. Và tôi tin rằng sau chiến tranh, Trung Đông sẽ ổn định hơn trước. Vì vậy, nếu chúng ta sẵn sàng xem xét trước chiến tranh, thì sau chiến tranh nên xem xét nghiêm túc hơn. Vì vậy đối với vấn đề này, tôi cũng cam kết 100%.

Chúng ta cần thực hiện ba điều. Thứ nhất, chúng ta cần phải công nghiệp hóa Mỹ lại càng sớm càng tốt, bất kể là nhà máy sản xuất chip, nhà máy máy tính, hay nhà máy trí tuệ nhân tạo.

Jason Calacanis:

Tiến triển như thế nào trong lĩnh vực này?

黄仁勋:

Tiến triển rất tốt. Lý do chúng ta có thể tiến triển với tốc độ chóng mặt tại Arizona, Texas, California là vì chúng ta nhận được sự hỗ trợ chiến lược, tình bạn và giúp đỡ từ chuỗi cung ứng của Trung Quốc Đài Loan. Họ thực sự là đối tác chiến lược của chúng ta. Họ xứng đáng được sự hỗ trợ của chúng ta, tình bạn của chúng ta, và sự hào phóng của chúng ta. Họ đang cố gắng hết sức mình để giúp chúng ta tăng tốc quy trình sản xuất.

Thứ hai, chúng ta cần phải làm cho chuỗi cung ứng sản xuất trở nên đa dạng hơn. Bất kể là Hàn Quốc, Nhật Bản hay châu Âu, chúng ta cần phải phân tán chuỗi cung ứng để nó trở nên chắc chắn hơn. Thứ ba, trong khi chúng ta nâng cao tính đa dạng và chắc chắn, chúng ta cũng cần phải duy trì sự kiềm chế, không nên áp đặt áp lực không cần thiết.

Jason Calacanis:

Bạn nói, cần phải kiên nhẫn.

Chamath Palihapitiya:

Vậy khí heli? Nhiều báo cáo đề cập đến vấn đề này.

黄仁勋:

Tôi nghĩ khí heli có thể là một vấn đề. Nhưng mặt khác, trong chuỗi cung ứng thường sẽ có nhiều dự trữ đệm, hệ thống như vậy thường sẽ giữ một lượng dư thừa nhất định.

Jason Calacanis:

Bạn đã đạt được tiến triển lớn trong lĩnh vực lái tự động, và cũng công bố các tin tức quan trọng. Bạn đã thêm nhiều đối tác, bao gồm Uber. Gần đây, chúng tôi cũng thấy một video của bạn lái xe Mercedes tự động. Bạn và Uber cũng thông báo rằng sẽ phối hợp với nhiều nhà sản xuất ô tô khác nhau để đưa nhiều xe hơn lên đường.

Tôi hiểu đặt cược của bạn như sau: trong tương lai, có thể sẽ xuất hiện một nền tảng mở giống như Android, và bạn sẽ đóng vai trò then chốt trong đo, phục vụ cho hàng chục hãng sản xuất ô tô; và ở một phía khác, có thể sẽ có một hệ thống đóng cửa như iOS, ví dụ như Tesla hoặc Waymo.

Chiến lược của bạn được xây dựng như thế nào? Trò chơi này sẽ diễn ra như thế nào? Bởi vì có vẻ như bạn đang hợp tác ở một số nơi, nhưng lại cạnh tranh ở những nơi khác, và ngăn xếp của bạn rất sâu.

Jensen Huang:

Thứ nhất, chúng tôi tin rằng, tất cả mọi thứ di chuyển trong tương lai, cuối cùng sẽ được tự động hóa hoàn toàn hoặc một phần. Thứ hai, chúng tôi không muốn sản xuất ô tô tự lái, nhưng chúng tôi hy vọng truyền sức mạnh cho mỗi công ty ô tô trên toàn cầu để sản xuất ô tô tự lái.

Vì vậy, chúng tôi xây dựng ba máy tính: máy tính huấn luyện, máy tính mô phỏng, máy tính đánh giá, và máy tính trên ô tô. Chúng tôi cũng phát triển hệ điều hành lái xe an toàn nhất trên thế giới.

Đồng thời, chúng tôi cũng đã tạo ra hệ thống lái tự động đầu tiên trên thế giới có khả năng suy luận. Nó có thể phân rã các tình huống phức tạp thành các tình huống đơn giản hơn, sau đó điều hướng qua từng bước, như một mô hình suy luận. Hệ thống suy luận này được gọi là Alpamayo, nó đã giúp chúng tôi đạt được những thành tựu đáng kinh ngạc.

Chúng tôi sẽ thực hiện tối ưu theo chiều dọc, cũng như đổi mới theo chiều ngang; sau đó để mỗi công ty quyết định. Bạn chỉ muốn mua một trong ba máy tính của chúng tôi? Như Elon và Tesla, họ mua hệ thống huấn luyện của chúng tôi; hoặc bạn muốn mua hệ thống huấn luyện kèm theo hệ thống mô phỏng? Hoặc bạn muốn cùng chúng tôi kết nối cả ba bộ, thậm chí còn lắp cả máy tính trên ô tô vào xe của bạn?

Thái độ của chúng tôi luôn là, chúng tôi muốn giải quyết vấn đề, nhưng không cứ muốn mọi vấn đề chỉ có thể được giải quyết bằng cách do chúng tôi cung cấp duy nhất một câu trả lời. Dù bạn chọn cách nào để hợp tác với chúng tôi, chúng tôi đều rất vui vẻ.

David Sacks:

Theo đường hỏi này, tôi nghĩ rằng điều đó đặc biệt thú vị. Thực tế, bạn định lập một nền tảng để mở cánh cổng cho hàng nghìn hoa khoe sắc. Nhưng cũng thật, một số hoa bây giờ muốn tiến xuống, đi xuống đến đáy ngăn xếp, cố gắng cạnh tranh với bạn. Google có TPU, Amazon có Inferentia và Trainium, gần như mọi người đều đang tạo ra phiên bản "tôi cũng có thể vượt qua NVIDIA" của họ. Mặc dù họ cũng là khách hàng lớn của bạn.

Bạn xử lý mối quan hệ này như thế nào? Bạn nghĩ rằng trong tương lai, điều gì sẽ xảy ra? Những sản phẩm này cuối cùng sẽ đóng vai trò gì trong toàn bộ hệ sinh thái?

Jensen Huang:

Câu hỏi này rất tốt.

Đầu tiên, chúng tôi là công ty AI duy nhất thực sự. Chúng tôi thực hiện các mô hình cơ bản của chính chúng tôi, và ở đỉnh cao của nhiều lĩnh vực. Chúng tôi xây dựng từ trên xuống mỗi tầng, mỗi tầng ngăn xếp. Chúng tôi cũng là công ty AI duy nhất trên thế giới hợp tác với tất cả các công ty AI.

Họ không bao giờ cho tôi biết họ đang làm gì, nhưng tôi luôn rõ ràng cho họ biết tôi đang làm gì. Vì vậy, niềm tin của chúng tôi đến từ một điều: chúng tôi rất sẵn lòng cạnh tranh trong việc "ai có công nghệ tốt nhất". Miễn là chúng ta vẫn có thể tiếp tục chạy nhanh, tôi tin rằng, tiếp tục mua sắm từ NVIDIA, vẫn sẽ là một trong những lựa chọn kinh tế nhất của họ. Điều này tôi rất tự tin.

Thứ hai, chúng tôi là kiến trúc duy nhất có thể triển khai trên tất cả các nền tảng đám mây. Điều này mang lại lợi thế cơ bản. Chúng tôi cũng là duy nhất có thể di chuyển từ đám mây xuống, đặt vào trung tâm dữ liệu cục bộ, ô tô, bất kỳ khu vực nào, thậm chí là kiến trúc trên không.

Vì vậy, thực tế là, chúng tôi thực sự có một phần lớn thị trường, khoảng 40% doanh thu. Nếu bạn không có chuỗi CUDA, không có khả năng cung cấp một nhà máy AI hoàn chỉnh, khách hàng không biết phải làm thế nào để hợp tác với bạn. Họ không muốn mua chip, họ đang xây dựng cơ sở hạ tầng AI. Vì vậy điều họ cần là: bạn mang theo một chuỗi hoàn chỉnh và chúng tôi ngẫu nhiên có chuỗi hoàn chỉnh.

Vậy nên, điều đáng ngạc nhiên là, nếu bạn nhìn vào hiện tại, thực tế phần trăm thị trường của NVIDIA đang tăng.

David Sacks:

Ý bạn là, những công ty này thử qua một vòng, sau đó nhận ra "Ôi, điều này quá phức tạp", và sau đó quay trở lại? Vì vậy, năng suất của bạn mới tiếp tục tăng lên?

Jensen Huang:

Sự tăng trưởng thị phần có một số lý do.

Thứ nhất, tốc độ tiến triển của chúng tôi quá nhanh. Thứ hai, chúng tôi đã làm cho mọi người nhận ra: vấn đề không phải là làm chip, mà làm hệ thống, và hệ thống này rất khó xây dựng. Vì vậy quy mô hợp tác của họ với chúng tôi vẫn đang tăng.

Ví dụ, với AWS, tôi nhớ họ mới đây mới công bố rằng họ sẽ mua 1 triệu chip trong những năm tới. Đây là một lượng mua sắm lớn, và điều này chưa tính đến số lượng họ đã mua trước đó. Chúng tôi tất nhiên rất hân hạnh.

Ngoại lệ, trong vài năm trở lại đây sự tăng trưởng của chúng tôi trong thị phần, cũng là do sự xuất hiện của Anthropic, của Meta, mức tăng trưởng của mô hình mở cửa càng là kỳ diệu, và tất cả những điều này đều xảy ra trên NVIDIA.

Vì vậy thị phần của chúng tôi tăng cả từ việc số lượng mô hình tăng và từ việc các công ty này ngày càng rời khỏi đám mây, phát triển trong việc triển khai cục bộ, tình huống doanh nghiệp, tình huống lề thú trong ngành.

Và thị trường toàn diện đó, nếu bạn chỉ làm một chip ASIC, thì thật sự rất khó để tiến vào đó.

David Friedberg:

Câu hỏi liên quan, không đào sâu vào chi tiết con số, nhưng giống như các nhà phân tích không tin tưởng vào bạn.

Bạn nói về sức mạnh tính toán có thể tăng gấp 1 triệu lần, nhưng kỳ vọng chung của thị trường lại là: bạn sẽ tăng trưởng 30% vào năm tới, 20% vào năm sau, và đến năm 2029, mặc dù năm đó theo lý thuyết nên là năm bùng nổ, nhưng chỉ có 7% thôi. Nếu bạn đưa TAM của mình vào những con số tăng trưởng này, ý nghĩa ẩn trong đó thực ra là: thị phần của bạn sẽ giảm mạnh.

Vậy từ việc bạn nhìn thấy bảng đặt hàng tương lai, có dấu hiệu nào hỗ trợ nhận định đó không?

황인훈:

Đầu tiên, họ hoàn toàn không hiểu quy mô và phạm vi của trí tuệ nhân tạo.

David Sacks:

Đúng, tôi cũng nghĩ thế.

황인훈:

Đa số mọi người đều nghĩ rằng trí tuệ nhân tạo chỉ là việc của năm công ty đám mây siêu lớn đó.

Jason Calacanis:

Đúng.

David Sacks:

Còn có một loại logic đầu tư "càng lớn càng khó duy trì tăng trưởng" nữa. Họ phải quay lại giảng dạy mô hình cho ủy ban quản lý rủi ro của ngân hàng đầu tư, họ không thể dễ dàng tin rằng "50 nghìn tỉ vẫn có thể tăng lên 150 nghìn tỉ". Họ chỉ sẵn sàng cho tới 70 nghìn tỉ, nhiều hơn thế họ không chấp nhận được.

Jason Calacanis:

Họ không thể tưởng tượng một công ty 10 nghìn tỉ USD.

David Sacks:

Bản chất là một loại mô hình tự bảo vệ, những gì chưa bao giờ xảy ra trong lịch sử, họ không dám viết vào đó.

황인훈:

Và ngoài ra, bạn phải định rõ bạn thực sự đang làm điều gì.

Gần đây có người nhận xét rằng: Jensen, NVIDIA làm sao có thể vượt qua Intel trên thị trường máy chủ? Lý do rất đơn giản: cả thị trường CPU trung tâm dữ liệu, khoảng 250 tỉ đô la mỹ vào một năm. Và chúng tôi, các bạn cũng biết, trong khoảng thời gian chúng ta đang ngồi đây nói chuyện, có thể đạt được 250 tỉ đô la ngay lập tức.

Jason Calacanis:

Hay quá.

황인훈:

Tất nhiên, đó chỉ là đùa.

Chamath Palihapitiya:

Những gì nói trong podcast không được xem như hướng đẫn chính thức về hiệu suất kinh doanh.

황인훈:

Chính xác, không phải hướng dẫn hiệu suất. Nhưng điều quan trọng là: bạn có thể tăng lên đến mức nào, phụ thuộc vào việc bạn thực sự đang xây dựng cái gì.

NVIDIA không chỉ làm chip, đó là điểm đầu tiên. Thứ hai, chỉ làm chip không đủ để giải quyết vấn đề cơ sở hạ tầng AI, điều này quá phức tạp. Thứ ba, phần lớn mọi người hiểu biết về AI quá hẹp, chỉ giới hạn trong phần họ thấy, nghe và thảo luận.

OpenAI rất mạnh mẽ, nó sẽ rất lớn; Anthropic cũng rất mạnh mẽ, nó cũng sẽ rất lớn. Nhưng bản thân AI sẽ lớn hơn cả họ cộng lại. Và chúng tôi phục vụ, chính là phần đó lớn hơn.

David Sacks:

Vậy bạn hãy giải thích về dịch vụ "Trung tâm dữ liệu trên không" cho người thông thường nhé. So với các trung tâm dữ liệu lớn trên mặt đất, làm thế nào để hiểu?

Huang Renxun:

Chúng tôi đã ở trên không gian.

David Sacks:

Người thông thường phải hiểu ngành này như thế nào?

Huang Renxun:

Đầu tiên, chúng ta nhất định phải làm tốt việc ở mặt đất trước, cuối cùng, con người chúng ta hiện đang ở trên mặt đất. Thứ hai, chúng ta cũng phải chuẩn bị cho việc vào không gian. Dĩ nhiên, không gian có rất nhiều năng lượng. Vấn đề là tản nhiệt. Bạn không thể dựa vào dẫn nhiệt và dòng chảy như trên mặt đất, vì vậy chỉ có thể dựa vào tản nhiệt bằng bức xạ, và tản nhiệt bằng bức xạ đòi hỏi diện tích bề mặt rất lớn. Điều này không phải là vấn đề không thể giải quyết, cuối cùng, thì không gian có rất nhiều chỗ, nhưng chi phí hiện nay vẫn rất cao. Tuy nhiên, chúng tôi sẽ điều tra.

Ngoài ra, chúng tôi đã ở đó. Phần cứng của chúng tôi đã được tăng cường chống phóng xạ, nhiều vệ tinh trên toàn thế giới đã chạy CUDA. Chúng đang làm hình ảnh, xử lý hình ảnh, phân tích hình ảnh AI. Công việc như vậy thực sự nên được thực hiện trong không gian, chứ không phải gửi tất cả dữ liệu trở lại mặt đất trước rồi mới phân tích hình ảnh trên mặt đất. Vì vậy, thực sự có nhiều công việc nên được thực hiện trong không gian.

Đồng thời, chúng tôi sẽ tiếp tục nghiên cứu: Trung tâm dữ liệu trên không nên trông như thế nào. Điều này sẽ mất nhiều năm. Không vấn đề, tôi có nhiều thời gian.

Tương lai của Robot, Y tế và Công việc: Cuối cùng AI sẽ ảnh hưởng thế nào đến thế giới thực

Jason Calacanis:

Tôi muốn hỏi thêm về Y tế.

Chúng ta đều đã đến một tuổi, sẽ bắt đầu suy nghĩ về tuổi thọ và tuổi thọ khoẻ mạnh. Chúng ta trông không tồi, có người có thể tốt hơn một chút. Jensen, tôi thực sự không biết bí quyết của bạn là gì. Có phải là chống lão hóa không? Điều gì không nên ăn? Bạn phải nói cho tôi riêng.

Theo góc nhìn xây dựng hệ thống Y tế, hướng đi này sẽ dẫn đến đâu? Chúng ta đã tiến triển như thế nào?

Tôi vừa dùng Claude để phân tích, xem mã hóa y tế của Mỹ thực sự là gì. Mỹ đã chi tiền gấp đôi so với người khác, nhưng kết quả y tế chỉ đạt khoảng một nửa.

Tôi tổng kết được rằng có khoảng 15% đến 25% tiền thực tế được chi cho lần thăm khám đầu tiên với bác sĩ tổng quát. Thành thật mà nói, chúng tôi đều biết, ngày nay một mô hình ngôn ngữ lớn đã có thể thực hiện công việc này ổn định hơn trong lần thăm khám đầu tiên.

Vậy điều gì vẫn thiếu, để vượt qua sự giám sát, để AI thực sự có ảnh hưởng đáng kể đến toàn bộ hệ thống y tế?

Hwang In-hyeon:

Chúng tôi chủ yếu hoạt động trong vài lĩnh vực của y tế.

Đầu tiên là AI vật lý, nó phục vụ cho AI sinh học, nghĩa là sử dụng AI để hiểu và biểu diễn về sinh học và hành vi của nó. Điều này rất quan trọng trong việc phát hiện thuốc.

Thứ hai là AI đặc vụ, được sử dụng trong các tình huống hỗ trợ chẩn đoán. OpenEvidence là một ví dụ tốt, Hippocratic cũng là một ví dụ tốt. Tôi rất thích hợp tác với các công ty này. Tôi thực sự tin rằng công nghệ đặc thù sẽ thay đổi hoàn toàn cách chúng ta tương tác với bác sĩ, cũng như cách chúng ta tương tác với hệ thống y tế.

Phần ba là AI vật lý.

Phần thứ nhất là AI vật lý, sử dụng AI để dự đoán vật lý; phần thứ hai, là khiến AI vật lý hiểu các nguyên lý vật lý, điều này có thể sử dụng trong phẫu thuật robot. Hiện nay lĩnh vực này đã rất sôi động. Trong tương lai, tại bệnh viện, mỗi thiết bị bạn tiếp xúc, cho dù là siêu âm, CT, hoặc bất kỳ thiết bị nào khác, đều sẽ trở thành đặc vụ.

Bạn có thể hiểu đó như một phiên bản OpenClaw đã được củng cố về an ninh, nó sẽ được nhúng vào mỗi thiết bị. Vì vậy, từ nhiều mặt độ, trong tương lai, những thiết bị này sẽ trực tiếp tương tác với bệnh nhân, y tá, bác sĩ.

Jason Calacanis:

Chúng ta đã đầu tư rất nhiều vào vũ khí AI, thật sự hy vọng rằng chúng ta cũng sẽ đầu tư nhiều hơn vào nhân viên cấp cứu AI, nhân viên cứu thương AI, để cứu mạng, chứ không chỉ biết giết người.

Điều này cũng liên quan đến chủ đề về robot. Hiện tại, bạn đã có hàng chục đối tác. Trong mười năm qua, thậm chí hai mươi năm trước, lĩnh vực robot đã trải qua một giai đoạn kỳ lạ—Boston Dynamics, Google mua lại nhiều công ty, sau đó lại bán, phân chia. Mọi người một thời đều cảm thấy rằng robot vẫn chưa đến mức độ thực sự sử dụng được.

Tuy nhiên, hiện nay, bạn, Elon Musk và những doanh nhân hàng đầu khác đều đang đặt cược. Optimus hiện đã trở nên rất ấn tượng, và các công ty ở Trung Quốc cũng đang phát triển mạnh mẽ. Vậy chúng ta còn bao xa để thực sự mang robot vào cuộc sống? Ví dụ như robot đầu bếp, robot y tá, robot bảo mẹ, robot hình người thực sự có thể làm việc trong thế giới thực.

Đặc biệt ở Trung Quốc, họ dường như đang làm rất tốt, thậm chí có thể nhanh hơn cả Mỹ. Dựa trên tiến triển của đối tác bạn đã thấy và độ chín muồi của công nghệ, bạn nghĩ còn bao lâu nữa?

黄仁勋:

Phần lớn, ngành robot này ban đầu là do chúng ta phát minh ra, hoặc có thể nói là Mỹ phát minh ra. Bạn cũng có thể nói rằng, chúng ta đã gia nhập quá sớm. Chúng ta sớm hơn khoảng năm năm so với công nghệ cốt lõi thực sự quan trọng "não" của robot, vì vậy chúng ta đã mệt mỏi trước và mất kiên nhẫn trước.

Nhưng giờ thì nó đã thực sự đến. Câu hỏi tiếp theo chỉ là: Từ "bằng chứng tồn tại của chức năng cao" đến "sản phẩm thương mại chấp nhận được", còn bao lâu nữa?

Công nghệ không bao giờ vượt xa hai đến ba chu kỳ. Hai đến ba chu kỳ, đó chính là ba đến năm năm. Đến đó thôi. Trong ba đến năm năm tới, mọi nơi sẽ đều có robot.

Tôi nghĩ Trung Quốc rất mạnh, và đó là loại mạnh mẽ không thể coi thường. Lý do là, máy tính nhỏ, động cơ điện, kim loại hiếm, từ trường, đều là tiêu chuẩn cao nhất thế giới cho ngành robot. Vì vậy, ở nhiều mặt, ngành robot của chúng ta sẽ nằm hoàn toàn dựa vào hệ sinh thái và chuỗi cung ứng của họ. Toàn bộ ngành robot thế giới sẽ hoàn toàn phụ thuộc vào họ.

Do đó, tôi nghĩ bạn sẽ thấy một số thay đổi rất nhanh.

Jason Calacanis:

Cuối cùng, có thể sẽ là một điều tương đương không? Elon dường như cho rằng, trong tương lai, mỗi người sẽ được phối hợp với một robot - 70 tỷ người phối hợp với 70 tỷ robot, 80 tỷ người phối hợp với 80 tỷ robot.

黄仁勋:

Tôi hy vọng nhiều hơn thế. Đầu tiên, sẽ có rất nhiều robot ở nhà máy làm việc liên tục 24 giờ; và sẽ có rất nhiều robot tại nhà máy không di chuyển nhiều nhưng sẽ có một ít hoạt động. Gần như mọi thứ cuối cùng đều sẽ được tự động hoá bởi robot.

Chamath Palihapitiya:

Đối với tôi, điểm quan trọng nhất của robot là nó sẽ mở khóa tính thanh khoản kinh tế cho mỗi người.

Trước đây, mỗi người có một chiếc xe, có thể làm nhiều công việc khác nhau; trong tương lai, mỗi người có một robot, robot của anh ấy có thể thay anh ấy làm nhiều công việc. Anh ấy có thể mở cửa hàng trên Etsy, cửa hàng trên Shopify, có thể sử dụng robot để tạo ra bất kỳ thứ anh ấy muốn, làm nhiều công việc mà một mình anh ấy không thể làm được. Tôi nghĩ robot cuối cùng sẽ trở thành công nghệ mà chúng ta đã từng thấy, một công nghệ có thể mang lại sự thịnh vượng cho nhiều người trên trái đất.

황 인헌:

Không có gì phải nghi ngờ. Thực tế đơn giản nhất hiện tại là: Hôm nay chúng ta đã thiếu hàng triệu lao động. Vì vậy, chúng ta rất cần thiết cần robot. Nếu có thêm lao động, tất cả các công ty này đều có thể phát triển nhanh hơn.

Và cái mà bạn đề cập thật sự rất thú vị. Với robot, chúng tôi sẽ có "mặt ảo". Ví dụ, khi tôi đi công tác, có thể điều khiển từ xa cơ thể robot ở nhà, đi dạo trong nhà, dắt chó, xem nhà như thế nào.

Jason Calacanis:

Chúng ta sẽ ngay lập tức phải khiêng nhân viên phục vụ ra khỏi địa bàn.

황 인헌:

Đúng vậy. Nhưng bạn hãy tưởng tượng, thật sự có thể để nó tự do trong nhà, nhìn xem đã xảy ra chuyện gì, nói chuyện với chó, trò chuyện với trẻ con.

David Friedberg:

Điều này một phần cũng giống như du hành thời gian.

황 인헌:

Đồng thời, chúng tôi cũng sẽ di chuyển với tốc độ ánh sáng. Rõ ràng, chúng tôi sẽ gửi robot trước. Tôi tất nhiên sẽ không gửi chính mình trước, tôi sẽ gửi một robot trước, trước tiên kiểm tra tình hình. Sau đó tải lên trí tuệ nhân tạo của tôi.

Chamath Palihapitiya:

Điều này hầu như là không thể tránh khỏi. Nó sẽ mở khóa Mặt Trăng, cũng như Mặt Trời, biến chúng thành mục tiêu thực dân. Và điều này cũng có nghĩa là tài nguyên gần như vô hạn. Vận chuyển vật liệu từ Mặt Trăng về Trái Đất, gần như có thể đạt tới không tiêu thụ năng lượng, vì bạn có thể sử dụng năng lượng mặt trời để tăng tốc. Vì vậy trong tương lai, bạn hoàn toàn có thể xây dựng nhà máy trên Mặt Trăng, sản xuất mọi thứ cần thiết cho Trái Đất, và robot chính là yếu tố quan trọng khiến mọi điều này trở nên khả thi.

황 인헌:

Trong thời đại đó, khoảng cách sẽ không còn là vấn đề.

David Friedberg:

Và, càng nhiều doanh thu mà mô hình và agent kiếm được, chúng ta càng có thể đầu tư vào cơ sở hạ tầng; cơ sở hạ tầng càng hoàn thiện, sẽ mở khóa mô hình và agent mạnh mẽ hơn.

Dario gần đây nói trong podcast của Dwarkesh rằng, đến năm 2027, 2028, công ty mô hình và công ty agent sẽ có doanh thu hàng nghìn tỷ đô la; đến năm 2030, anh ấy dự kiến có thể đạt tới 1 nghìn tỷ đô la. Lưu ý rằng điều này chưa bao gồm doanh thu trí tuệ nhân tạo ở tầng cơ sở.

황 인헌:

Tôi nghĩ rằng anh ấy đã rất thận trọng. Tôi tin rằng hiệu suất của Dario và Anthropic sẽ vượt xa con số đó, nhiều lần hơn.

Jason Calacanis：

Vậy, từ 300 tỷ đô la lên đến 1 nghìn tỷ đô la?

黄仁勋：

Đúng. Và lý do là, một phần mà anh ấy vẫn chưa tính đến là: Tôi tin rằng, cuối cùng, mỗi công ty phần mềm doanh nghiệp sẽ trở thành một nhà bán lẻ cho mã Anthropic, mã Anthropic token, mã OpenAI token có giá trị gia tăng. Phần này sẽ khiến quy mô GTM của họ mở rộng mạnh mẽ.

David Sacks：

Vậy trong một thế giới như vậy, thực sự "hào cản" còn lại là gì?

Một số hào cản, thực sự nói ra thì trở nên gần như không vượt qua được. Ví dụ, một trong những hào cản không ai thảo luận nhiều nhưng có thể mạnh nhất của các bạn, thực tế là CUDA, đó là một ưu thế chiến lược tuyệt vời.

Nhưng trong tương lai nếu các mô hình chính bản thân có thể tạo ra điều tuyệt vời, thì thế hệ tiếp theo của các mô hình cũng có thể sẽ làm đổ bộ nó. Vậy đối với bạn, ý tưởng khác biệt quan trọng nhất của các công ty xây dựng ứng dụng là gì cuối cùng?

黄仁勋：

Sự chuyên sâu đặc biệt hóa.

Tôi tin rằng, trong tương lai sẽ có một hệ thống đại lý của công ty phần mềm mà mô hình chung sẽ tham gia. Trong đó rất nhiều mô hình sẽ là mô hình thương mại như Claude, mô hình độc quyền; nhưng trong số đó cũng sẽ có nhiều mô hình, là những sub-agent chuyên sâu hóa dành cho một nhiệm vụ con mà những công ty đó tự mình huấn luyện ra.

David Sacks：

Vậy với bạn, lời kêu gọi đối với nhà khởi nghiệp là: hãy thực sự hiểu sâu sắc về lĩnh vực dọc của bạn.

黄仁勋：

Đúng.

David Sacks：

Hiểu sâu sắc hơn bất kỳ ai khác, tốt hơn. Sau đó chờ đợi những công cụ này theo kịp bạn, một khi các công cụ theo kịp, bạn có thể áp dụng kiến thức của mình vào đó.

黄仁勋：

Đúng. Bạn có kiến thức của riêng mình, bạn có thể kết nối khách hàng với đại lý của bạn. Bạn càng sớm kết nối đại lý với khách hàng, bánh xe càng sớm quay, và quay rất nhanh.

David Sacks：

Điều này gần như đảo lộn hoàn toàn với lô-gic phần mềm hiện tại. Hôm nay chúng ta đã tạo một phần mềm trước, sau đó nghĩ "cái gì có thể phổ quát", rồi cố gắng bán cho nhiều người nhất có thể, cuối cùng mới bán dịch vụ tùy chỉnh như một dịch vụ bổ sung.

David Friedberg：

Và sau đó giữ chặt khách hàng.

황인훈:

Và thực tế, như bạn đã nói, chúng ta đầu tiên sẽ xây dựng một nền tảng ngang hàng. Nhưng nếu bạn nhìn vào tất cả những công ty tích hợp hệ thống toàn cầu (GSI) và các công ty tư vấn, họ về bản chất là những chuyên gia, họ sẽ tùy chỉnh nền tảng ngang hàng của bạn thành một giải pháp thẳng đứng.

Jason Calacanis:

Đúng vậy. Và ở một mức độ nào đó, quy mô của thị trường tùy chỉnh có thể lớn hơn nhiều lần so với nền tảng chính.

황인훈:

Hoàn toàn đúng. Vì vậy, theo tôi, các công ty nền tảng này có cơ hội trở thành chính là chuyên gia đó, trở thành người chơi trong lĩnh vực thẳng đứng đó, trở thành chủ nhân thực sự của một lĩnh vực cụ thể.

Jason Calacanis:

Tôi muốn tặng bạn lời khen ngợi xứng đáng.

Tôi nhớ ba năm trước bạn đã nói một câu: "Người khiến bạn mất việc không phải là trí tuệ nhân tạo, mà là người sử dụng trí tuệ nhân tạo." Nhìn lại bây giờ, cuộc trò chuyện của chúng ta gần như xoay quanh điểm này: agent đang biến con người thành "siêu người", cơ hội kinh doanh mở rộng, cơ hội khởi nghiệp mở rộng. Thực ra bạn đã nhìn thấu rất sớm.

황인훈:

Bạn quá lời khen rồi.

Jason Calacanis:

Tất nhiên, chúng ta cũng phải đồng thời chứa chấp hai suy nghĩ: thứ nhất, có thể có sự phát triển tốt; thứ hai, cũng thực sự có thể có một số công việc bị thay thế. Và vấn đề trở thành: những người đó có đủ linh hoạt và quyết tâm để chấp nhận công nghệ mới hay không.

Ví dụ, trong tương lai nếu 100% công việc lái xe được tự động hóa thay thế, điều đó tất nhiên sẽ cứu rất nhiều sinh mệnh, đó là điều tốt; nhưng chúng ta cũng phải nhận ra, có khoảng 10-15 triệu người ở Mỹ kiếm sống từ công việc đó. Sự thay đổi này nhất định sẽ xảy ra.

황인훈:

Tôi nghĩ, công việc sẽ thay đổi. Ví dụ, ngày nay có rất nhiều tài xế. Tôi tin rằng, trong tương lai nhiều tài xế vẫn sẽ ngồi trong xe, chỉ là họ không còn chịu trách nhiệm lái xe nữa, mà là ngồi sau hoặc bên cạnh, trở thành một loại "trợ lý di chuyển".

Vì đừng quên, cái mà tài xế thực sự làm cuối cùng, không chỉ là lái xe. Họ sẽ giúp bạn mang hành lý, giúp bạn xử lý rất nhiều việc, về bản chất là một vai trò trợ lý.

Vì vậy tôi chẳng ngạc nhiên gì, trong tương lai tài xế sẽ trở thành trợ lý di chuyển của bạn, trong khi xe tự lái, giúp bạn xử lý rất nhiều việc khác.

Jason Calacanis:

Giống như ở khách sạn vậy.

황인훈:

Đúng vậy. Xe đang tự lái, nhưng anh ấy vẫn đang giúp bạn phối hợp mọi việc.

David Friedberg:

Máy bay tự lái cũng đã mang đến nhiều phi công hơn, không đuổi phi công ra khỏi buồng lái. Mặc dù tự lái đã đảm nhận 90% công việc trong bay.

Chamath Palihapitiya:

Và thật sự, khi xe đang tự lái, người lái đó còn có thể làm nhiều việc khác trên điện thoại, giúp bạn sắp xếp mọi thứ.

황인훈:

Ví dụ như phối hợp, giao tiếp, đặt chỗ, xử lý một loạt các nhiệm vụ.

Chamath Palihapitiya:

Toàn bộ chiếc bánh đang trở nên to lớn hơn.

황인훈:

Đúng. Vì vậy có một điều rõ ràng: Mỗi công việc sẽ bị thay đổi; một số công việc sẽ biến mất; nhưng đồng thời, cũng sẽ có rất nhiều công việc mới được tạo ra. Và tôi muốn nói với những người trẻ vừa ra trường, lo lắng về trí tuệ nhân tạo: Hãy trở thành người giỏi nhất về trí tuệ nhân tạo.

Hôm nay, chúng ta đều mong muốn nhân viên sẽ trở thành người thực sự thành thạo về trí tuệ nhân tạo, và đây hoàn toàn không phải điều dễ dàng. Bạn cần biết cách đề xuất yêu cầu, nhưng không được đặt ra quy tắc quá chặt chẽ; bạn cần để trí tuệ nhân tạo có đủ không gian, để nó sáng tạo và tiến bộ dưới sự hướng dẫn của chúng ta; và phải đưa nó tới kết quả chúng ta thực sự muốn. Tất cả điều này đều cần một chút "nghệ thuật".

David Sacks:

Khi bạn còn ở Stanford, lời khuyên của bạn cho những người trẻ cực kỳ nổi tiếng: "Tôi chúc các bạn trải qua nỗi đau và gian khổ." Bạn vẫn nhớ điều đó chứ?

Jason Calacanis:

Thật là kinh điển.

David Sacks:

Vậy hôm nay thì sao? Nếu một người sắp tốt nghiệp trung học, đang đứng ở ngã ba cuộc đời, có nên đi đại học không, học ngành gì, thậm chí có nên học đại học không, bạn sẽ gợi ý họ như thế nào?

황인훈:

Tôi vẫn tin: Khoa học sâu, toán học sâu, và khả năng ngôn ngữ đều rất quan trọng. Và bạn cũng biết, ngôn ngữ chính là ngôn ngữ lập trình của trí tuệ nhân tạo, là ngôn ngữ lập trình cuối cùng. Vì vậy, có lẽ, những người học chuyên ngành Anh ngữ sẽ trở thành những người thành công nhất trong tương lai.

Đó là lời khuyên của tôi: Dù bạn học gì, hãy đảm bảo bạn chuyên sâu về việc sử dụng trí tuệ nhân tạo.

Khi nói về công việc, tôi muốn bổ sung một điều mà tôi hy vọng mọi người đều nghe thấy. Trong giai đoạn đầu của cuộc cách mạng Học sâu, một trong những nhà khoa học máy tính hàng đầu thế giới, một người mà tôi rất kính trọng, từng dự đoán một cách mạnh mẽ: Thị giác máy tính sẽ hoàn toàn loại bỏ bác sĩ chuyên khoa hình ảnh. Ông thậm chí khuyên bảo mọi người không nên bước vào lĩnh vực này.

Mười năm sau, dự đoán này ở một mức độ nào đó đã chính xác 100%: Thị giác máy tính thực sự đã được tích hợp vào tất cả các thiết bị và nền tảng hình ảnh y khoa trên toàn cầu. Nhưng kết quả bất ngờ là: Số lượng bác sĩ chuyên khoa hình ảnh không chỉ không giảm, mà còn tăng lên, và nhu cầu cũng đang tăng cao. Lý do là, mỗi công việc đều bao gồm hai mặt: nhiệm vụ và mục đích.

Nhiệm vụ của bác sĩ chuyên khoa hình ảnh là nhìn ảnh lâm sàng, nhưng mục đích thực sự của họ là giúp bác sĩ điều trị bệnh nhân, chẩn đoán bệnh tật. Và do việc chẩn đoán hình ảnh hiện nay có thể thực hiện nhanh hơn, vì vậy các bệnh viện có thể thực hiện nhiều hơn các quét hình, điều này cải thiện hiệu suất y tế, cũng như giúp bệnh nhân nhanh chóng được điều trị. Kết quả là, việc tăng cường số lượng quét hình và phục vụ nhiều bệnh nhân hơn đã tăng doanh thu của bệnh viện.

Jason Calacanis:

Chính xác.

Hwang In-hyuk:

Vì vậy kết quả này hoàn toàn tích cực hơn.

David Friedberg:

Và một quốc gia phát triển nhanh hơn, nâng suất lao động cao hơn và giàu có hơn, có thể tăng cường số lượng giáo viên trong lớp học, chứ không phải giảm bớt số lượng giáo viên.

Chỉ cần mỗi giáo viên đều có khả năng cá nhân hóa khóa học cho từng học sinh trong lớp học. Điều này sẽ giúp họ mạnh mẽ như "người máy học" và kết quả sẽ tốt hơn.

Hwang In-hyuk:

Mỗi học sinh sẽ được hỗ trợ bởi trí tuệ nhân tạo, nhưng mỗi học sinh vẫn cần có giáo viên xuất sắc.

Jason Calacanis:

Thật tuyệt vời. Jensen, chúc mừng bạn đã đạt được thành công như vậy. Đây thực sự là một cuộc trò chuyện đặc biệt tích cực và sôi động. Rất cảm ơn bạn đã dành thời gian tham gia.

David Sacks:

Bạn là người điều hành mà ngành này cần.

Jason Calacanis:

Đúng vậy. Tôi cảm thấy bạn nên thể hiện mặt tích cực của trí tuệ nhân tạo một cách rõ ràng hơn. Hiện nay bên ngoài có quá nhiều lời tiên tri của ngày tận thế.

David Sacks:

Và tôi cũng nghĩ rằng, sau khi đạt được thành công lớn như vậy, vẫn giữ vững sự khiêm tốn này, thông báo với mọi người rằng "Bạn ơi, bản chất của chúng ta vẫn là phần mềm", điều này thực sự là điều tốt. Mọi người cần phải nghe thấy điều này. Trước đây chúng ta cũng đã sáng tạo ra các hạng mục mới, ngành công nghiệp mới. Chúng ta không cần phải đi theo hướng của sự hoang mang đó, vì điều đó không có ích lợi gì.

Jason Calacanis：

Và chúng ta có quyền lựa chọn, phải không? Chúng ta có quyền tự chủ và có khả năng hành động. Chúng ta có thể chọn cách sử dụng nó. Vậy đó, mọi người, hẹn gặp lại lần sau. Cảm ơn mọi người đã xem cuộc phỏng vấn All-In này.

黄仁勋：

Cảm ơn.

[Liên kết video]

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia