Video Title: The AI Frontier and How to Spot Billion-Dollar Companies Before Everyone Else—Elad Gil
Video Author: Tim Ferriss
Translation: Peggy, BlockBeats

Editor's Note: Against the backdrop of AI entering a competition intensive in capital, computing power, and products, industry discussions are shifting from "Will model capabilities continue to advance" to "Who can truly stand out in this round of infrastructure reconstruction." Over the past two years, the market has been accustomed to understanding AI competition through model parameters, benchmarks, funding size, and valuation changes; but as large model capabilities continue to converge and the gap among top labs temporarily narrows, a more fundamental question emerges: Where does the long-term advantage of the AI era truly come from, technological leadership or a systemic combination of talent, computing power, distribution, organization, and market positioning?

This article is translated from a long conversation between Tim Ferriss and Elad Gil. Elad Gil is a well-known Silicon Valley entrepreneur and early-stage investor who has been involved in investing in companies such as Airbnb, Stripe, Coinbase, Perplexity, Harvey, Anduril, etc., and has long been focused on technology cycles and the evolution of high-growth companies.

In this conversation, Elad Gil did not attempt to predict which AI company would ultimately succeed but rather dissected AI competition into a set of more foundational structural issues: how talent is being repriced, how the computing bottleneck is limiting the gap widening among top labs, how applied companies identify their exit windows, and how startup companies transition from product capability to true organizational expansion.

This conversation can be understood from five aspects:

First is the change in the AI talent market. In the past, wealth transfer often occurred after a company's IPO, with a company going public, early employees and founding teams completing an asset reappraisal. Now, Meta's aggressive bidding for top AI talent is forcing other tech giants to match compensation packages, allowing a small group of researchers scattered across different companies to undergo a "personal IPO" ahead of time. This means that AI talent is no longer just an internal R&D resource of a company but is becoming a scarce asset that determines the speed of the technological race.

Second is the transformation of computing constraints from a single-chip issue to a supply chain issue. In the past, the market often understood AI infrastructure as "who can buy more NVIDIA GPUs." However, Elad Gil emphasizes that the real bottleneck may now lie in memory, packaging, data center construction, and power supply. In the short term, this supply chain constraint may make it difficult for top labs like OpenAI, Anthropic, Google, etc., to completely widen the gap. In other words, AI competition is not a single breakthrough but a long-term war around capital expenditure, manufacturing capacity, and infrastructure coordination capability.

Thứ ba, là chu kỳ tồn tại của các công ty ứng dụng AI. Trong quá khứ, các nhà khởi nghiệp thường dễ nhầm lẫn giữa tốc độ tăng trưởng cao với giá trị lâu dài, đặc biệt là trong giai đoạn sóng công nghệ ban đầu, sự định giá, doanh thu và tăng trưởng người dùng đều có thể tăng nhanh chóng. Nhưng quan điểm của Elad Gil gần với quan điểm chu kỳ hơn: trong mỗi chu kỳ cách mạng công nghệ, đa số công ty cuối cùng sẽ biến mất, và AI không phải là ngoại lệ. Do đó, đối với nhiều công ty ứng dụng AI thành công, 12 đến 18 tháng tới có thể không phải là cửa sổ tài trợ tiếp theo, mà là cửa sổ thoát hóa giá trị. Vấn đề thực sự không phải là công ty có tăng trưởng hay không, mà là liệu nó có độ bền sau mười năm hay không.

Thứ tư, là việc định nghĩa lại hào cản. Trong quá khứ, lợi thế của các công ty phần mềm thường đến từ trải nghiệm sản phẩm, dữ liệu, kênh phân phối hoặc thương hiệu; bây giờ, khóa cứng của các công ty ứng dụng AI nằm ở khả năng có thể nhúng vào luồng làm việc của khách hàng, trở thành hệ thống khó rút ra. Việc mô hình cơ bản trở nên mạnh mẽ không đồng nghĩa với việc tất cả các ứng dụng AI sẽ hưởng lợi. Chỉ có những công ty tiếp tục mạnh mẽ theo cùng với sự tiến bộ của mô hình và đồng thời cung cấp sản phẩm mạnh mẽ, cùng một lúc liên kết sâu với quy trình doanh nghiệp và dữ liệu độc quyền, mới có thể đi qua chu kỳ.

Thứ năm, là việc hiểu lại cách mở rộng của các công ty khởi nghiệp. Elad Gil đã nhấn mạnh trong việc nói về cuốn sách "Làm thế nào để mở rộng một công ty khởi nghiệp", rằng tốc độ tăng trưởng không phải tự nhiên xảy ra. Ban giám đốc, tài trợ, quản lý tổ chức, hệ thống phân phối và quyết định sáp nhập, tất cả đều cần được thiết kế một cách chủ động. Những công ty thực sự lớn không chỉ có sản phẩm tốt, mà thường có cả một hệ thống phân phối mạnh mẽ. Thanh công cụ Google, quảng cáo tên người dùng của Facebook, và chiến dịch quảng cáo quy mô lớn của TikTok, tất cả chứng tỏ rằng tăng trưởng không bao giờ là một câu chuyện lãng mạn, mà là một kỹ thuật kinh doanh được thực thi hệ thống.

Tranh chấp cạnh tranh lâu dài của AI không chỉ được quyết định bởi khả năng mô hình, mà sẽ do tài năng, sức mạnh tính toán, cửa sổ thị trường, khả năng phân phối và thiết kế tổ chức cùng nhau quyết định. Trong ý nghĩa đó, đề cập trong bài viết không chỉ là về cách công ty AI có thể chiến thắng, mà là về loại công ty nào có đủ tư cách để sống sót đến giai đoạn tiếp theo trong chu kỳ công nghệ mới.

Dưới đây là nội dung ban đầu (đã được chỉnh sửa để dễ đọc và hiểu hơn):

TL;DR

·Cuộc chiến tài năng AI đã chuyển từ cạnh tranh tuyển dụng thành đánh giá tài sản, Meta Recruitment về cơ bản đã cho một số nhà nghiên cứu hàng đầu hoàn thành một "IPO cá nhân" trước.

·Điểm nghẽn quan trọng của cuộc cạnh tranh ngắn hạn AI không chỉ là về chip, mà về hệ thống chuỗi cung ứng bao gồm bộ nhớ, gói và trung tâm dữ liệu, điều này sẽ khiến cho các lab hàng đầu khó có thể tạo ra khoảng cách hoàn toàn trong một hoặc hai năm tới.

·Tốc độ tăng trưởng của các công ty AI đang làm mới lịch sử công nghệ, nhưng quy luật lịch sử vẫn không thay đổi: xu hướng lớn thành công, không đồng nghĩa với đa số các công ty có thể vượt qua chu kỳ.

·Trong 12 đến 18 tháng tới có lẽ sẽ là khoảng thời gian định giá của nhiều công ty ứng dụng trí tuệ nhân tạo, vì một khi tăng trưởng giảm chậm, sản phẩm bị sao chép từ phòng thí nghiệm, giá trị thoát ra sẽ giảm nhanh chóng.

·Công ty trí tuệ nhân tạo thực sự có thể tồn tại không phải là công ty chỉ gọi mô hình đơn giản, mà là có khả năng kiểm soát điểm vào, nhúng vào quy trình khách hàng và đồng bộ hóa với mô hình cơ bản khi mô hình trở nên mạnh mẽ hơn.

·Phương pháp đầu tư của Elad Gil không phải là theo đuổi khái niệm hot, mà là đầu tiên đánh giá xem thị trường có đủ lớn, có vừa mới được mở hay không, rồi nhìn vào đội ngũ có thể nắm bắt cửa sổ này hay không.

·Trường thành công ty khởi nghiệp không bao giờ xảy ra tự nhiên, hội đồng quản trị, tài trợ, mở rộng tổ chức và máy phân phối đều cần được thiết kế tích cực.

·Ý nghĩa ngành công nghiệp lớn nhất của trí tuệ nhân tạo không phải là làm cho phần mềm thông minh hơn, mà là mở lại các thị trường trước đó đóng cửa như pháp lý, dịch vụ doanh nghiệp, công việc cấp quản lý để chuyển từ "bán công cụ" sang "bán lao động nhận thức".

Bản Phỏng Vấn Gốc

Tài năng trí tuệ nhân tạo đang trải qua một IPO cá nhân

Tim Ferriss: Elad, rất vui được gặp bạn. Cám ơn bạn đã dành thời gian, tôi rất cảm kích.

Elad Gil: Tôi cũng rất vui được gặp bạn, như mọi khi.

Tim Ferriss: Tôi nghĩ chúng ta có thể bắt đầu từ chủ đề chúng ta đã nói trước khi ghi âm, hoặc nói, là một hiện tượng mới mà bạn vừa giải thích. Bạn có thể giới thiệu lại nội dung chúng ta vừa nói không?

Elad Gil: Dĩ nhiên. Chúng ta vừa nói về một số thương vụ M&A đang diễn ra trong lĩnh vực trí tuệ nhân tạo. Ví dụ, xAI dường như chỉ mới nhận quyền chọn mua thực sự từ Cursor. Tất nhiên, Scale cũng đã bị Meta mua một phần. Trong hai năm qua, có nhiều giao dịch như vậy đã xảy ra.

Ngoài ra, chúng ta cũng đang thảo luận: Điều này có ý nghĩa gì với cộng đồng nghiên cứu trí tuệ nhân tạo, và toàn bộ cộng đồng trí tuệ nhân tạo? Tôi nghĩ một trong những điều thú vị nhất đã xảy ra trong khoảng một năm qua, là Meta bắt đầu một cách rất quyết liệt đấu thầu để thu hút tài năng trí tuệ nhân tạo. Điều này thực sự là một chiến lược rất hợp lý. Khi họ sẽ chi hàng trăm tỷ đô la vào năng lực tính toán, thì có lý đưa ngân sách thực sự vào việc cướp người.

Thường trong ngành công nghệ, sẽ xảy ra tình huống như thế này: Một công ty niêm yết, một số nhân viên từ công ty đó sau đó kiếm được cả tỷ đô la. Sau đó một phần trong số họ sẽ tiếp tục làm việc chăm chỉ, tập trung vào sứ mệnh ban đầu; một phần khác sẽ bắt đầu để ý đến những thứ khác. Họ có thể đi làm những dự án quan tâm xã hội, có thể tham gia chính trị, có thể khởi nghiệp, hoặc ngay cả rời bỏ mọi thứ, đi tận biển nghỉ ngơi.

Và điều gần đây xảy ra là, vì Meta đã đưa ra mức giá cao, các đại gia công nghệ khác cũng phải phù hợp với mức giá cao nhất cho các nhà nghiên cứu xuất sắc nhất của họ, vì vậy khoảng từ 50 đến vài trăm người đã thực tế trải qua một loại "IPO" —— nhưng không phải là một công ty nào đó, mà là như một nhóm. Họ không phải làm việc tại cùng một công ty, mà là phân tán ở khắp bản đảo Silicon Valley, nhưng gói lương của họ đột ngột tăng đáng kể, một cách nào đó trải qua một loại tăng trưởng tài chính tương tự như việc một công ty niêm yết. Điều này rất hiếm, có thể được gọi là một loại "IPO cá nhân".

Tôi chỉ có thể nghĩ đến một tình huống tương tự trong lịch sử, có lẽ đã xảy ra trong ngành công nghiệp tiền điện tử. Lúc đó, một nhóm các nhà sáng lập hoặc chủ sở hữu tiền điện tử rất sớm, như một nhóm, vào năm 2020 —— hoặc chính xác hơn, có thể là khoảng năm 2017 —— đột ngột đã trải qua một loại "niêm yết tập thể"; sau đó lại xảy ra một số tình huống tương tự trong thời gian gần đây hơn.

Nhưng sự kiện này thực sự rất thú vị, và thảo luận về nó vẫn chưa đủ. Nó không nhất thiết sẽ tạo ra tác động lớn trong dài hạn, nhưng nó thực sự đồng nghĩa với việc tập trung của một phần người sẽ thay đổi. Họ có thể tham gia vào các dự án khoa học lớn, cố gắng hỗ trợ loài người; cũng có thể chuyển sang hướng đi như AI for Science; và một số người có thể rời bỏ con đường ban đầu để theo đuổi nhiệm vụ cá nhân hoặc những điều khác.

Tim Ferriss: Đúng vậy. Hoặc đơn giản là "tự rời bỏ một cách im lặng", bắt đầu tiêu thụ ma túy một cách lớn và theo đuổi các khao khát. Ý của tôi là, cũng có trường hợp như vậy.

Elad Gil: Chắc chắn, nhất định cũng sẽ có.

Tim Ferriss: Trong tình huống như vậy, nếu nhìn vào Austin, bạn sẽ thấy một nhóm được gọi là "Dellionaires" —— đó là các nhân viên sáng lập hay liên quan đã trở nên giàu có vùn vụt sau khi Dell niêm yết cổ phiếu. Nhưng nếu xem họ như một nhóm, khi điều này xảy ra, tôi nghĩ chúng ta không biết tác động của nó sẽ như thế nào hay kéo dài bao lâu, nhưng rõ ràng sẽ tạo ra một số hậu quả.

Và trong số những người mà tôi biết, người vừa đủ hiểu biết về công nghệ, và có tầm nhìn cũng như mạng lưới đủ rộng để tiếp tục quan sát về AI, thực sự không nhiều. Theo một cách nào đó, nếu có ai có thể quan sát một cách khá toàn diện lĩnh vực này, tôi sẽ xem họ như một phần của nhóm đó.

Bạn đã viết một bài báo trong tuần này, cũng nhắc đến các yếu tố khác đang diễn ra trong lĩnh vực, như giới hạn sức mạnh tính toán mà các phòng thí nghiệm AI đang đối mặt, và những ảnh hưởng mà điều này có thể đem lại trong tương lai một đến năm. Mọi người nên đọc bài báo này, tiêu đề là "Những suy nghĩ ngẫu nhiên về vững mạnh ở lối tiên phong AI mông lung". Bằng cơ hội, tiêu đề tốt.

Elad Gil: Rất kịch tính.

Tim Ferriss: Vâng, rất biểu cảm, tôi thích rất nhiều, nó rất hình ảnh. Tuy nhiên, trước khi chúng ta bước vào chủ đề hạn chế năng lực tính toán, - tôi thực sự hy vọng rằng bạn sẽ nói tiếp về điều này - nhưng với những người không có nhiều kiến thức về cuộc chiến nhân tài, bạn vừa đề cập Meta đã bắt đầu chiến dịch chiêu mộ cực kỳ quyết liệt. Ở cấp độ nhân tài cao cấp này, mức lương, gói cổ phần, hoặc gói tổng thể, thì khoảng cách là bao nhiêu?

Elad Gil: Tôi không có thông tin chính xác toàn bộ phạm vi và không biết tất cả các chi tiết. Nhưng theo tin đồn và một số tuyên bố đã được đưa ra trên các phương tiện truyền thông, các đề xuất này khoảng vài chục triệu đô la đến vài tỷ đô la mỗi người.

Tất nhiên, số lượng người có thể nhận được mức trả thù lao cực kỳ cao như vậy rất ít. Nhưng lý do cốt lõi là, chúng ta đang ở trong một trong những cuộc đua công nghệ quan trọng nhất trong lịch sử. AI trở nhanh mạnh hơn, giá trị kinh tế được thải ra cũng càng lớn. Vì vậy, đối với một số ít người nằm trong nhóm người thực sự ở đẳng cấp hàng đầu thế giới trong lĩnh vực này, các công ty sẵn lòng trả giá nhiều hơn rất nhiều so với thông thường.

Năm, mười năm trước, những người này đương nhiên cũng nhận mức lương rất cao, nhưng điều đó hoàn toàn khác biệt. Vì vào thời điểm đó, AI vẫn chưa phải là trung tâm của toàn bộ ngành công nghệ. Quan trọng hơn, từ quan điểm xã hội, chính trị, giáo dục, y tế và các lĩnh vực khác, AI sẽ mang lại ảnh hưởng rất rộng lớn. Tôi tin rằng tổng thể những ảnh hưởng này sẽ là tích cực, nhưng đây thực sự là một khoảnh khắc chuyển đổi, vì vậy các gói lương này bất ngờ tăng mạnh.

Chốt ê-c-m năng lực tính toán, tạm thời không phải ở vi xử lý, mà ở bộ nhớ

Tim Ferriss: Cụ thể cấu trúc hạn chế năng lực tính toán mà bạn đề cập trong bài viết gần đây của mình là gì?

Elad Gil: Hiện tại, mọi người đều gọi những công ty này là "phòng thí nghiệm" - chẳng hạn như OpenAI, Anthropic, Google, xAI và nhiều công ty khác. Tất cả những phòng thí nghiệm này, tinh thần cơ bản đều đang huấn luyện mô hình khổng lồ.

Cụ thể là, bạn sẽ mua rất nhiều vi xử lý từ NVIDIA. Tuy nhiên, thực tế, bạn đang xây dựng một hệ thống hoàn chỉnh: bên trong có chip của NVIDIA, có bộ nhớ từ SK hynix, Samsung và các nhà sản xuất khác, và phải xây dựng trung tâm dữ liệu. Xây dựng hệ thống lớn và trung tâm dữ liệu như vậy đòi hỏi rất nhiều giai đoạn.

Về cơ bản, bạn đang xây dựng một cụm hệ thống gồm hàng trăm nghìn, triệu máy tính, và quy mô này vẫn đang tăng lên. Những hệ thống này đến từ NVIDIA, cũng có thể đến từ các nhà cung cấp khác. Google có TPU riêng, và ngành công nghiệp cũng có các hệ thống khác. Bạn sử dụng cơ sở hạ tầng này để huấn luyện mô hình AI.

Điều này có nghĩa là, bạn sẽ chạy một lượng lớn dữ liệu trên những cụm đám mây lớn này. Điều điên rồ nhất ở đây là, mô hình cuối cùng được xuất ra, thực ra là một tệp phẳng. Nó giống như việc xuất ra một tệp văn bản gì đó. Rồi bạn tải tệp này lên và sử dụng nó để chạy AI. Hãy thật sự suy nghĩ kỹ, điều này rất điên rồ: bạn chạy một hệ thống đám mây lớn hàng tháng, cuối cùng sản phẩm xuất ra, lại là một tệp nhỏ.

Và tài liệu nhỏ này, ở một mức độ nào đó, kết hợp chứa đựng kiến thức nhân loại có sẵn trên Internet, cùng với logic, khả năng suy luận và các khả năng khác.

Bạn cũng có thể hiểu điều này từ góc độ của não bộ con người. Con người có khoảng ba tỷ đến bốn tỷ cặp kiềm DNA, chúng đủ để quy định tất cả về bạn cá nhân về mặt vật lý, cũng bao gồm não bộ, tâm trí, cách hoạt động của bạn, quyết định cách bạn nhìn thấy thế giới, cách bạn nói chuyện, cách bạn nếm, cách bạn có các giác quan khác nhau. Tất cả điều này, thực sự đều được đóng gói trong một nhóm gen tương relative nhỏ.

Tương tự, kiến thức nhân loại cũng có thể được đóng gói một cách hiệu quả vào một tài liệu nhỏ như vậy.

Tim Ferriss: Vậy bạn nghĩ thế nào về những ràng buộc này? Những ràng buộc cụ thể ở đâu?

Elad Gil: Mỗi năm, việc xây dựng những cụm máy chủ lớn này để huấn luyện AI đều gặp phải một số ràng buộc. Ngoài ra còn có điều gọi là inference, cũng chính là giai đoạn suy luận: Khi bạn thực sự sử dụng những vi mạch này để hiểu, chạy chính hệ thống AI mình, bạn cũng cần rất nhiều vi mạch NVIDIA, hoặc TPU, cũng như các vi mạch khác.

Nhưng ngoài vi mạch chính, bạn cũng cần những thứ khác. Ví dụ, bạn cần khả năng đóng gói để thực sự đóng gói vi mạch. Vì vậy xung quanh việc xây dựng những hệ thống này, có một chuỗi cung ứng hoàn chỉnh.

Các mắc cạn khác nhau của chuỗi cung ứng này, tại một thời điểm nào đó sẽ gặp phải các mắc cạn khác nhau. Hiện nay, mắc cạn chính là bộ nhớ, hoặc chính xác hơn là một loại bộ nhớ cụ thể. Loại bộ nhớ này chủ yếu được sản xuất bởi các công ty Hàn Quốc, tất nhiên cũng có các nhà cung cấp rộng lớn khác.

Trong ngành công nghiệp, được công nhận rộng rãi rằng mắc cạn về bộ nhớ này có thể kéo dài khoảng hai năm, với một chút biến động. Vì cuối cùng, năng lực sản xuất của những công ty này thấp hơn so với các phần khác trong hệ thống.

Có người tin rằng, những ràng buộc khác trong tương lai có thể trở thành khả năng xây dựng trung tâm dữ liệu chính mình, hoặc năng lượng điện và năng luợng cần thiết cho việc vận hành hệ thống này. Nhưng hiện tại, mắc cạn chính là bộ nhớ.

Toàn bộ ngành công nghiệp hiện đang bị hạn chế về khả năng mua được bao nhiêu sức mạnh tính toán, sau đó đầu tư sức mạnh tính toán đó vào việc huấn luyện và vận hành mô hình. Điều này sẽ mang lại một kết quả: Trong tương lai ngắn hạn, nó đặt một trần nhà cho quy mô mô hình mở rộng. Bởi vì mỗi phòng thí nghiệm đều đang cố gắng mua càng nhiều sức mạnh tính toán càng tốt, nhiều công ty mới khởi nghiệp cũng đang cố gắng mua càng nhiều sức mạnh tính toán càng tốt, tất cả đều bị kẹt cứng.

Điều này có nghĩa là, trong tương lai ngắn, mô hình có thể có cỡ lớn đến đâu, suy luận có thể chạy được bao nhiêu, bạn thực sự hiện có thể sử dụng AI để làm được điều gì, tất cả sẽ bị hạn chế bởi một trần nhà do con người đặt ra.

Nhưng điều này cũng có nghĩa, nó thực sự tạo ra một tình hình bắt buộc: Không có phòng thí nghiệm nào có thể vượt xa tất cả mọi người khác. Vì nó không thể mua được sức mạnh tính toán gấp mười lần của người khác.

Và điều quan trọng ở đây là quy luật tỷ lệ: Bạn có càng nhiều sức mạnh tính toán, thì thường cũng càng có khả năng huấn luyện ra các mô hình AI lớn hơn; và trong nhiều trường hợp, hiệu suất cuối cùng của mô hình cũng sẽ mạnh mẽ hơn.

Điều này có thể mang ý nghĩa rằng, trong vòng khoảng hai năm tới, khả năng của các phòng thí nghiệm này sẽ có khả năng tương tự nhau. Bởi vì không ai có thể sở hữu đủ năng lực để đột ngột tạo ra khoảng cách.

Nhưng khi ràng buộc này được loại bỏ, thì thực sự có khả năng như vậy: Một công ty nào đó đột ngột dẫn đầu một cách đột phá so với tất cả các công ty khác. Hiện tại, OpenAI, Anthropic, Google thực sự khá tương tự về khả năng tích hợp, tuy nhiên có một số công ty sẽ dẫn đầu trong một số khía cạnh, trong khi các công ty khác sẽ dẫn đầu trong các khía cạnh khác. Mọi người đều tin rằng, vì ràng buộc này, trong ít nhất hai năm tới, tình trạng tương đối tương tự này có lẽ sẽ tiếp tục tồn tại.

Tim Ferriss: Google cũng bị ràng buộc bởi cung cấp bộ nhớ từ các công ty như Samsung, Micron không? Họ cũng bị các ràng buộc tương tự như các bên khác phải không?

Elad Gil: Hiện tại, hầu hết mọi người đều phải đối mặt với các ràng buộc tương tự. Một số phòng thí nghiệm đã từng tự sản xuất chip hoặc hệ thống của riêng mình. Ví dụ, Google có những thứ như TPU, Amazon cũng đã sản xuất chip riêng của mình, được gọi là Trainium. Các công ty khác có các hệ thống khác nhau, nhưng về bản chất, họ đều bị ràng buộc bởi khả năng sản xuất và mua sắm của mình.

Một hai năm trước, ràng buộc chính là vấn đề đóng gói; hiện nay đó là bộ nhớ. Sau hai năm, ai biết được, có thể trở thành vấn đề khác. Trong quá trình thúc đẩy việc xây dựng cơ sở hạ tầng lần này, chúng ta sẽ liên tục gặp phải các ràng buộc mới.

Tim Ferriss: Câu hỏi của tôi có thể là một câu hỏi ngây thơ, vì tôi là một "Muggle", không thể viết whitepaper kỹ thuật hoặc bất kỳ nội dung nào gần giống như vậy. Nhưng theo tôi thấy — và tất nhiên, không chỉ riêng tôi thế mà — chúng ta có thể chuyên sâu hơn trong việc dự đoán vấn đề, thay vì dự đoán giải pháp.

Ví dụ, cách đây lâu rồi, khi giá xăng dầu tăng lên một mức độ nào đó, mọi người đã bắt đầu dự đoán về thảm họa và sự sụp đổ. Nhưng khi giá mỗi thùng dầu vượt quá một mức độ nhất định, một phương pháp khai thác mới bất ngờ trở nên khả thi, sau đó vốn đầu tư bắt đầu chuyển hướng vào các công nghệ như thủy lực khai thác dầu bằng kỹ thuật áp lực.

Vì vậy, có khả năng nào, trong vấn đề của ràng buộc sức mạnh tính toán của AI, cũng sẽ xuất hiện một cách tiếp cận đột phá? Giống như lý do đó, không biết cách nói vậy có lý không. Có lẽ không có.

Elad Gil: Theo kiến thức của tôi, ít nhất cho đến nay vẫn chưa có. Một phần lí do là, cách xây dựng các thứ này quyết định rằng chúng rất khó có thể được bỏ qua.

Ví dụ như năng lực cần thiết của bộ nhớ, về cơ bản phụ thuộc vào một loại nhà máy wafer cụ thể. Vì vậy, bạn cần thời gian để xây dựng nhà máy wafer, mua sắm thiết bị, và thiết lập dây chuyền sản xuất. Đây là một chu kỳ đầu tư vốn truyền thống và xây dựng cơ sở hạ tầng.

Tuy nhiên, trước đây các công ty này không đầu tư đủ vào lĩnh vực này, vì họ không hoàn toàn tin tưởng vào dự đoán về nhu cầu AI của người khác vào thời điểm đó. Bây giờ họ chỉ có thể cố gắng đuổi kịp.

Do đó, tình hình trở thành như sau: mọi người đều nói, "Tăng trưởng AI nhanh đến vậy, làm sao có thể duy trì tốc độ như vậy mãi được?" Nhưng thực sự, nó vẫn tiếp tục tăng trưởng như vậy, và thậm chí là tăng trưởng không ngừng. Lý do là, tầm ảnh hưởng của những năng lực này quá lớn và quá quan trọng.

Khi bạn nhìn vào doanh thu của những công ty này, nó sẽ rất thú vị. Tôi có thể gửi cho bạn biểu đồ sau này. Jared trong nhóm của chúng tôi đã làm một biểu đồ, đã sắp xếp các công ty khác nhau từ việc đạt doanh thu 10 tỷ USD, sau đó từ 10 tỷ USD tăng lên 100 tỷ USD, rồi từ 100 tỷ USD lên 1000 tỷ USD, mỗi giai đoạn mất bao lâu.

Trong lịch sử, thực sự có rất ít công ty thực sự đạt đến mức quy mô như vậy. Bạn có thể xem xét thời gian mà các công ty từ các thế hệ khác nhau đã mất để đạt được điều đó. Ví dụ, tôi không chắc nữa, có thể là các công ty như ADP, đã mất 30 năm để đạt doanh thu 10 tỷ USD. Trong khi Anthropic và OpenAI chỉ mất một năm.

Có lẽ Google đã mất bốn năm vào thời điểm đó, con số cụ thể tôi không nhớ rõ lắm, nhưng có lẽ ngay xấp xỉ như vậy: càng về sau các thế hệ công ty, tốc độ đạt được quy mô càng nhanh. Bây giờ nghe nói rằng doanh thu hàng năm của OpenAI và Anthropic đã khoảng 300 tỷ USD mỗi công ty.

Tim Ferriss: Quá điên rồ.

Elad Gil: Vì bốn năm trước, họ không có bất kỳ doanh thu nào. Và 300 tỷ USD ước lượng tương đương khoảng 0,1% GDP của Mỹ. Vì vậy AI có thể đã tăng từ không lên đến 0,5% GDP, ít nhất từ quan điểm đóng góp doanh thu.

Nếu tiếp tục dự báo, giả sử họ đạt được doanh thu 1000 tỷ USD trong một năm tới, hai năm tới, hoặc một điểm thời gian nào đó, thì chúng ta sẽ tiến gần đến tình trạng này: mỗi công ty này có thể chiếm 1% hoặc 2% GDP. Hãy suy ngẫm đi, điều này thực sự rất quá mức.

Tim Ferriss: Quá điên rồ, thật sự quá điên rồ.

Elad Gil: Điều này thực sự rất quan trọng và rất hữu ích. Và điều này còn chưa kể đến doanh thu từ dịch vụ đám mây của Azure nhờ vào doanh nghiệp AI, cũng như doanh thu liên quan từ Google Cloud hoặc Amazon. Ở đây chỉ nói về hai công ty OpenAI và Anthropic. Thật là phóng đại.

Tim Ferriss: Tôi rất muốn hiểu rõ cách suy nghĩ của bạn. Bởi vì trong số những người mà tôi đã gặp, bạn là một trong những người giỏi nhất về việc suy luận từ nguyên lý cơ bản (first principles), cũng như là một trong những người giỏi nhất về việc suy nghĩ theo hệ thống. Tôi rất thích trò chuyện với bạn, vì tôi luôn học được điều mới, và không nhất thiết là một con số cụ thể, nhiều khi là một góc nhìn về vấn đề, hoặc một khung tư duy.

Và cả khung tư duy của bạn cũng đang liên tục tiến triển. Ví dụ, trước đây tôi đã xem cuộc phỏng vấn mà bạn đã thực hiện với First Round Capital, đó phải là khá lâu rồi. Lúc ấy, bạn đã nói rằng khi đầu tư, bạn sẽ xem xét thị trường trước, sau đó mới xem xét đội ngũ. Bạn cũng đã nêu rõ rằng bạn đã bỏ lỡ cơ hội đầu tư vào Lyft ở vòng gọi vốn C. Khi ấy, quyết định này phần lớn phụ thuộc vào cách bạn đánh giá tình hình thị trường: liệu nó sẽ có một kẻ thắng đơn độc, hay một cuộc cạnh tranh giữa một số lượng nhỏ, hoặc một hình thái khác.

Tôi rất tò mò, trong lĩnh vực Trí tuệ Nhân tạo (AI), bạn hiện đang suy nghĩ vấn đề này như thế nào. Bởi vì trong số những người tôi biết, bạn gần như là một trong những người bắt đầu định hình hướng đi này từ rất sớm, có thể là ngay từ đầu.

Vậy bạn hiện đang nhìn nhận vấn đề như thế nào? Điều này cũng liên quan đến một câu bạn đề cập trong bài viết của mình. Tôi chưa từng nghe ai nói như vậy, nhưng tôi có thể trích câu đó ra làm gợi ý — mặc dù tôi nghĩ rằng bạn không cần gợi ý.

Bạn viết rằng: "Người sáng lập của các công ty AI thành công hiện đang nên cân nhắc một cách nghiêm túc, bình tĩnh, việc thoát khỏi công ty trong vòng 12 đến 18 tháng tới. Đây có thể là cửa sổ thời gian để tối đa hóa giá trị kết quả."

Bạn cũng đã đánh giá lại tỉ lệ sống sót của các công ty trong thời kỳ bong bóng Internet, và tỉ lệ thực sự thành công sau đó. Bạn nghĩ gì về vấn đề này? Có thể giải thích câu nói này không?

Elad Gil: Dĩ nhiên.

Tim Ferriss: Ngoài ra, tôi cũng muốn bạn giải thích, hiện tại bạn đánh giá thị trường này sẽ hình thành cấu trúc như thế nào cuối cùng? Bạn nghĩ rằng nó sẽ có một kẻ thắng đơn độc, hay một cuộc cạnh tranh giữa một số lượng nhỏ? Hoặc có thể xuất hiện động lực khác?

Elad Gil: Nếu xem xét theo tiền lệ lịch sử — tất nhiên, điều này không có nghĩa rằng AI nhất định sẽ trải qua con đường giống nhau — nhưng gần như trong mỗi vòng chu kỳ công nghệ, 90%, 95%, hoặc thậm chí 99% các công ty cuối cùng sẽ phá sản.

Điều này có thể được theo dõi ngay từ một thế kỷ trước trong ngành công nghiệp được gọi là "cao cấp công nghệ" lúc ấy, nghĩa là ngành công nghiệp ô tô. Vào thời điểm ấy, Detroit có hàng chục công ty ô tô, và cả trăm nhà cung cấp, kết quả cuối cùng là ngành công nghiệp thu hẹp lại thành một số lượng nhỏ các công ty ô tô. Điều này không phải là một câu chuyện mới.

Hãy xem xét thêm chu kỳ Internet thập niên 90, hay còn được gọi là bong bóng Internet. Năm 1999, có khoảng 450 công ty niêm yết, sau đó trong những tháng đầu năm 2000, lại có khoảng 450 công ty nữa niêm yết, tức là đã có khoảng 900 công ty. Kể cả những công ty niêm yết trước đó trong vài năm trước đó, tổng số lượng dự kiến dao động từ 1500 đến 2000 công ty.

Những công ty này đã niêm yết cổ phiếu, nghĩa là đến một mức độ nào đó, họ đã thành công. Nhưng trong các công ty này, có bao nhiêu vẫn còn tồn tại đến ngày hôm nay? Có thể khoảng mười vài công ty, có lẽ là hai mươi vài công ty. Nghĩa là, trong số 2000 công ty, khoảng 1980 công ty đã biến mất theo một cách nào đó, hoặc đã bị mua với giá rất thấp.

Vì vậy, chúng ta không có lý do để nghĩ rằng chu kỳ AI sẽ khác biệt ra sao. Mỗi chu kỳ đều như vậy. SaaS là như vậy, Internet di động là như vậy, và cả ngành công nghệ chuỗi khối cũng là như vậy. Đa số công ty sẽ không thành công, chỉ có vài công ty sẽ tồn tại. Chúng ta có thể thảo luận về những công ty nào sẽ tồn tại.

Vì vậy, nếu bạn đang điều hành một công ty AI vào lúc này, bạn nên tự hỏi một câu hỏi: Công ty của bạn thực sự có tính bền vững như thế nào? Mười năm nữa, bạn có phải là một trong những mười vài hoặc hai mươi công ty quan trọng thật sự không? Hay là, thực ra đây chỉ là một cửa hàng bán ra tốt? Vì những gì bạn đang làm có thể bị thương mại hóa, có thể bị các phòng thí nghiệm quy mô lớn cạnh tranh trực tiếp, hoặc thậm chí thị trường thay đổi, công nghệ thay đổi sẽ làm cho bạn trở nên lỗi thời.

Tất nhiên, sẽ có một số công ty tiếp tục trở nên vĩ đại. Họ không nên bán, cũng không nên rời bỏ, mà nên tiếp tục bước đi. Nhưng có khả năng có rất nhiều công ty, hiện tại hoặc trong 12 đến 18 tháng tới, đang ở thời điểm tốt nhất để đạt được giá trị định giá cao nhất cho những gì họ đang làm.

Đối với mỗi công ty, đều có một thời điểm tối đa hóa giá trị. Họ sẽ đạt đến một đỉnh cao độ nào đó, và đỉnh cao này thường là một khoảng thời gian cửa sổ. Thường là 6 tháng, 12 tháng. Trong khoảng thời gian đó, những gì bạn đang làm đủ quan trọng, tăng trưởng đủ nhanh, mọi thứ đều hoạt động tốt, và một số đối phó chưa thực sự tác động.

Đôi khi, những đối phó này thực sự có thể được dự đoán, bạn có thể thấy chúng đang đến gần. Và rất nhiều lần, bạn có thể nhìn thấy chúng từ đạo hàm bậc hai của tăng trưởng. Nghĩa là, tốc độ tăng trưởng của bạn bắt đầu chậm lại một chút. Lúc đó, bạn có thể tiếp tục đẩy mạnh, hoặc bạn nên xem xét bán công ty. Đó chính là ý nghĩa thực sự của câu nói của tôi.

Từ cuộc trò chuyện trước đây, bạn cũng có thể thấy rằng tôi rất lạc quan về AI. Vì vậy điều này không phải là tôi không tin vào sự biến đổi toàn diện mà AI mang lại, mà là, trong cuộc biến đổi này, cuối cùng chỉ có một số ít công ty sẽ tiếp tục quan trọng. Câu hỏi quan trọng là: liệu bạn có phải là một trong số đó không?

Nếu bạn là, thì bạn không bao giờ, không bao giờ, không bao giờ nên bán.

Công ty AI làm thế nào để vượt qua chu kỳ? Hoặc kiểm soát lối vào, hoặc nhúng vào luồng làm việc

Tim Ferriss: Vậy những công ty thiểu số đó có những đặc điểm gì? Tôi có nghĩa là, những công ty thực sự có lợi thế bền vững. Nhìn lại năm 2000, bạn sẽ tự hỏi, lúc đó thực sự nên chọn Google và Amazon dựa trên tiêu chuẩn gì?

Elad Gil: Đúng.

Tim Ferriss: Tôi không nói rằng làm nổi bọt internet là điểm so sánh tốt nhất. Nhưng trong làn sóng công ty AI bùng nổ hiện tại, bạn nghĩ những công ty nào có lợi thế bền vững?

Dĩ nhiên, một số phòng thí nghiệm mô hình lớn nổi tiếng sẽ tự nhiên nảy vào đầu. Có thể chúng sẽ trở thành cánh cửa của tất cả các ứng dụng khác, ai biết được. Nhưng bạn sẽ trả lời thế nào? Dựa trên các đặc điểm chung hay dựa vào tên cụ thể của công ty, bạn nghĩ có những công ty ít ỏi sẽ tồn tại và khác biệt so với các công ty khác ra sao?

Elad Gil: Tôi nghĩ rằng các phòng thí nghiệm mô hình lớn sẽ tồn tại trong một thời gian khá dài. Ví dụ như OpenAI, Anthropic, Google, miễn là không xảy ra bất kỳ sự cố, thảm họa nào, hoặc sụp đổ nội bộ theo cách mà nó trở nên khá ổn định.

Về cấu trúc thị trường mà bạn đề cập, tôi đã viết một bài Substack khoảng ba năm trước, lúc đó dự đoán rằng điều này có thể sẽ là một thị trường oligopoly: sẽ có một số công ty và chúng sẽ kết hợp với các nhà cung cấp đám mây. Nhìn chung, bây giờ đúng như vậy. Tất nhiên, bây giờ còn có Meta, xAI, và những người chơi khác có thể thay đổi cảnh quan. Khi tôi viết bài đó, những yếu tố đó chưa tồn tại.

Nhưng trong quan điểm của tôi, hiện tại vẫn là một thị trường oligopoly. Nó không có lý do tự nhiên để trở thành một thị trường độc quyền, trừ khi có một công ty nổi trội quá nhiều về khả năng, đến mức nó tự nhiên trở thành lựa chọn mặc định của mọi người. Tình huống đó tất nhiên có thể xảy ra, nhưng hiện tại chưa xảy ra. Và rẽ nhánh sức mạnh mà tôi vừa nói đến, có thể sẽ ngăn cản tình huống đó trong tương lai ngắn hạn, hoặc ít nhất là giới hạn nó.

Nếu bạn nhìn lên theo ngăn xếp công nghệ, vào tầng ứng dụng, bạn sẽ thấy các loại công ty ứng dụng khác nhau. Ví dụ như Harvey trong lĩnh vực luật pháp, Abridge trong lĩnh vực y tế, Decagon và Sierra trong lĩnh vực thành công của khách hàng. Trên mỗi hướng ứng dụng, đều có một số công ty.

Đánh giá xem những công ty này có thể tồn tại lâu dài, bạn có thể sử dụng ba bốn quan điểm.

Thứ nhất, nếu mô hình cơ bản trở nên tốt hơn, sản phẩm hoặc dịch vụ của bạn có khiến khách hàng trở nên quan trọng hơn và khiến khách hàng vẫn sẵn lòng tiếp tục sử dụng bạn không?

Thứ hai, từ góc độ sản phẩm, bạn đã làm sâu đến đâu, rộng đến đâu? Bạn có xây dựng nhiều sản phẩm không? Những sản phẩm này đã được tích hợp thành một hệ thống liên kết chặt chẽ không? Nó có thực sự được nhúng sâu vào quy trình nội bộ của doanh nghiệp, và có đến mức khó có thể rút ra không?

Rất nhiều khi, vấn đề thực sự của công ty áp dụng AI, không phải là "mức độ tốt của AI này là bao nhiêu", mà là "để áp dụng nó, tôi cần phải thay đổi quy trình làm việc hiện tại đến mức nào, và cách mà nhân viên làm việc". Điều này thường là một vấn đề quản lý biến đổi, chứ không phải là vấn đề của công nghệ.

Vì vậy, nếu bạn đã tích hợp sâu đủ vào luồng công việc của khách hàng, cách thức kinh doanh, cách thức làm việc cộng tác tổ chức, và cách kết nối giữa các hệ thống khác nhau, vị trí này thường sẽ bền vững hơn.

Thứ ba, bạn có đang bắt, lưu trữ và sử dụng dữ liệu độc quyền không? Đôi khi điều này rất hữu ích. Nói chung, tôi nghĩ rằng khái niệm "hào phóng dữ liệu" thường bị phóng đại, nhưng đôi khi nó thực sự có giá trị lớn. Thường thì điều này tương ứng với quan điểm "hệ thống ghi nhận" (system of record).

Vì vậy, việc đánh giá xem một thứ có tính phòng thủ lâu dài hay không sẽ có một loạt tiêu chí. Và ở tầng ứng dụng, điều này thường là một góc nhìn quan trọng.

Tim Ferriss: Vậy tôi có một câu hỏi. Giả sử trong khán giả có ai đó đang ở trong tình thế như vậy: họ có thể là một nhà sáng lập, nên cân nhắc xác định cửa sổ tạm thời định giá cao nhất của công ty mình, sau đó ở một mức độ nào đó "mở dù". Vậy họ có những lựa chọn nào?

Vì tôi nghĩ về một số công ty—tôi sẽ không đặt tên—hiện nay có rất nhiều công ty có giá trị định giá đã lên đến hàng chục tỷ đô la Mỹ. Nhìn từ góc độ của người ngoại đạo như tôi, có vẻ như những công ty này bán được các sản phẩm mà mô hình lớn không hề khó để tự làm ra.

Vậy những công ty này có nên nhắm đến việc bị một phòng thí nghiệm mô hình lớn mua lại không? Nếu đúng như vậy, đối với phòng thí nghiệm sẽ có một quyết định "tự làm hay mua"? Hoặc họ nên nhắm đến những công ty không phải là OpenAI, Anthropic và tương tự, mà là những công ty muốn tham gia sâu hơn vào trò chơi này, chẳng hạn như Amazon, hoặc các đối thủ tương tự. Ông nhìn nhận về các lựa chọn thoát khỏi của họ như thế nào?

Elad Gil: Tôi nghĩ có nhiều lựa chọn thoát khỏi thực tế. Và điều điên rồ lúc này là, nếu quay trở lại 10 hoặc 15 năm trước, vốn hóa thị trường của công ty lớn nhất thế giới khoảng 300 tỷ đô la Mỹ. Vốn hóa thị trường của các công ty công nghệ lớn nhất, tôi nhớ rằng có lẽ khoảng 200 tỷ đô la Mỹ. Khi đó, công ty lớn nhất có vẻ là tập đoàn năng lượng như Exxon.

Nhưng trong khoảng 10 đến 15 năm qua, tình hình bất ngờ thay đổi như thế này: Chúng ta bắt đầu có một số lượng kỷ lục các công ty trăm tỷ đô la Mỹ. Khi đó tất cả đều thấy rằng điều này quá phi lý, nhưng thực tế, kích thước của công ty có thể tiếp tục tăng lên. Người chiến thắng lớn nhất trong tương lai có thể sẽ xuất hiện với hiệu quả tổng hợp mạnh mẽ hơn, chứ không phải phân tán hơn.

Ngày nay, vốn hóa thị trường của nhiều công ty đều dao động từ 100 tỷ đô la Mỹ đến hàng chục nghìn tỷ đô la Mỹ, điều này chưa từng xảy ra. Điều này có nghĩa là họ có sức mua lớn. Vì một công ty với vốn hóa thị trường 3000 tỷ đô la Mỹ, 1% của đó là 300 tỷ đô la Mỹ. Cụ thể, chúng ta chỉ cần pha loãng 1% cổ phần, là có thể dùng 300 tỷ đô la Mỹ để mua một công ty. Điều này rất điên rồ.

Điều này thực sự là chưa từng có. Chính vì vậy, hiện nay các thương vụ mua lại siêu lớn này là có thể xảy ra.

Tim Ferriss: Đối với những công ty mà tôi nghĩ đến - tôi vẫn không muốn nêu tên - chúng có vẻ có tuổi thọ hạn chế. Tôi thường trò chuyện trong một số nhóm nhỏ với bạn bè, trong đó có nhiều người rất thành công trong lĩnh vực đầu tư công nghệ. Sau đó tôi hỏi họ: "Vâng, giả sử nếu có năm công ty đứng ở đây, bạn có 10 viên chẻo, bạn sẽ phân bổ như thế nào?" Một số công ty mặc dù không ít người biết đến, nhưng gần như luôn nhận được 0 viên chẻo. Vậy tại sao các phòng thí nghiệm này lại mua những công ty như vậy?

Elad Gil: Điều đó phụ thuộc vào việc đó là công ty gì cụ thể. Và bên mua không nhất thiết phải là phòng thí nghiệm quy mô lớn, cũng có thể là các ông lớn công nghệ. Ví dụ như Apple, Amazon, Google một phần nào đó cũng thế. Còn Oracle, Samsung, Tesla, hiện nay SpaceX cũng bắt đầu tham gia vào thị trường này, thực hiện một số công việc liên quan. Thực sự có rất nhiều loại mua bên khác nhau. Còn Snowflake, Databricks. Nếu bạn hoạt động trong lĩnh vực dịch vụ tài chính, có thể còn có Stripe, Coinbase. Trên thực tế, có một số lượng lớn công ty đã có quy mô rất lớn, đó chính là điểm chính.

Vì vậy, cuối cùng một công ty thường sẽ bán cho một trong bốn loại bên mua.

Loại thứ nhất, là phòng thí nghiệm quy mô lớn, người cung cấp đám mây siêu lớn, hoặc các công ty công nghệ quy mô lớn.

Loại thứ hai, là những công ty rất chú trọng đến lĩnh vực dọc của bạn. Ví dụ nếu bạn hoạt động trong lĩnh vực luật pháp, kế toán hoặc lĩnh vực tương tự, các công ty như Thomson Reuters có thể quan tâm.

Bên cạnh đó, tôi nghĩ có một điều chưa xảy ra nhiều, đó là sáp nhập giữa các đối thủ cạnh tranh, đặc biệt là sáp nhập giữa các công ty tư nhân. Bởi vì nếu mục tiêu hàng đầu của bạn là chiến thắng thị trường, và bạn và một đối thủ cạnh tranh khác luôn ngang nhau, mỗi giao dịch đều trong tình trạng cạnh tranh, và thậm chí đẩy giá thành hỏng đến mức đôi bên, có lẽ lựa chọn tốt hơn là sáp nhập.

Thực ra, đó chính là tình huống giữa X.com và PayPal trong những năm 90. Elon Musk và Peter Thiel lúc đó đều quản lý các công ty khác nhau, sau đó họ chọn sáp nhập vì họ nhận ra: "Khi cả hai bên đều đang làm việc này, tại sao chúng ta vẫn tiếp tục chiến đấu?"

Tim Ferriss: Vâng. Hoặc với Uber và Lyft từ rất sớm. Điều đó có thể không tính là sáp nhập, mà hơn giống như mua lại.

Elad Gil: Đúng. Tin đồn là, chuyện đó gần như đã xảy ra, sau đó bên Uber rút lui. Nhưng trong những năm qua, toàn bộ số tiền mà Uber đã chi để cạnh tranh với Lyft, có lẽ không bằng việc ngay lúc đó mua luôn nó. Tất nhiên cũng có khả năng không phải như vậy, con số cụ thể tôi không biết.

Nhưng nhiều khi, việc lựa chọn nói "Được rồi, chúng ta không cần tiếp tục cạnh tranh với nhau nữa, hãy sáp nhập trực tiếp và cùng nhau chiến thắng" thực sự là có lý do. Bởi nếu mục tiêu hàng đầu là chiến thắng trên thị trường, và bạn đã đang cạnh tranh với một số gã khổng lồ hiện có, tại sao bạn phải làm cho việc đó trở nên khó khăn hơn?

Tim Ferriss: Anh biết đấy, chúng ta thường thảo luận về vấn đề này. Nhưng lần này, tôi muốn thảo luận với anh về quan điểm của anh như một nhà đầu tư. Tuy nhiên, trước khi anh thực sự đeo chiếc mũ "Nhà đầu tư toàn thời gian", trong quá trình phát triển của anh đã có rất nhiều điều, có thể giúp ích cho anh, có thể không. Tôi rất tò mò, nếu anh nhìn lại vào nền tảng sinh học, nền tảng toán học của mình, anh cảm thấy những điều này, hoặc những trải nghiệm khác, có ảnh hưởng cụ thể đến cách anh suy nghĩ về đầu tư không? Có mang lại cho anh một số lợi thế nào không? Tất nhiên, việc chiến thắng giao dịch có từng giai đoạn khác nhau, nhưng trước hết chúng ta chỉ nói về việc lọc, về quá trình lựa chọn.

Elad Gil: Tôi cảm thấy rằng toán học đã giúp đỡ tôi theo hai khía cạnh.

Thứ nhất, nó giúp tôi hiểu vấn đề kỹ thuật nào đó, đặc biệt là những thứ liên quan đến thuật toán, khoa học máy tính. Đôi khi, điều này hữu ích khi hiểu về cách AI hoạt động. Hoặc ít nhất cho tôi kiến thức về con số, dữ liệu. Tôi không nhất thiết phải gọi nó là "ngôn ngữ của nhà toán học", nhưng chắc chắn là điều đó.

Thành thật mà nói, khi đó tôi học ngành toán chỉ vì thích thôi. Tôi nghĩ điều thực sự hữu ích ở đây cũng là điều đó. Tôi chỉ học bằng cử nhân toán học, không đi sâu vào quá nhiều, nhưng tôi học về toán rất trừu tượng.

Tôi nghĩ đó là một dạng huấn luyện tốt, nó buộc bạn phải suy luận bước từng bước một. Ít nhất là khi tôi học cách chứng minh, cách tiếp cận của tôi chủ yếu là: bạn đầu tiên thiết lập một chuỗi logic, nhưng đôi khi bạn cũng có những bước nhảy trực giác, sau đó quay lại và cố gắng thuyết minh cho bản thân thấy hoặc làm rõ hơn về quá trình suy luận đằng sau trực giác đó.

Tôi nghĩ rằng đôi khi đầu tư cũng có chút giống như vậy.

Tim Ferriss: Khi nào anh nhận ra lần đầu tiên rằng mình có thể giỏi trong việc đầu tư? Đây có thể là lần đầu tiên sắc đầu tư được hiểu theo nghĩa rộng, hoặc có thể là đầu tư vào các công ty start-up, đầu tư thiên thần trong bối cảnh trò chuyện của chúng ta. Khi nào anh lần đầu tiên cảm thấy: "Hmm, có lẽ tôi không tồi trong lĩnh vực này"? Có một khoảnh khắc cụ thể nào, một giao dịch cụ thể hoặc điều gì khác khiến anh nghĩ về điều này?

Elad Gil: Thực sự thì không. Tôi rất khắt khe với bản thân, cho nên ngay cả bây giờ, tôi vẫn thường xuyên tự đặt dấu hỏi cho bản thân. Một người từng nói với tôi, hai người thích nhất làm bản thân trách nhiệm sau khi đã xong việc, một người là tôi, người còn lại là một doanh nhân và nhà đầu tư nổi tiếng khác.

Vì vậy, tôi không có một khoảnh khắc cụ thể nào mà bắt tôi nghĩ: "Wow, việc này thực sự phù hợp với tôi". Nó giống như tự nhiên, ngay cả những điều mạnh mẽ tôi đầu tư vào cũng cho phép tôi tiếp tục. Vâng, tôi cũng muốn có khoảnh khắc "giác ngộ" như vậy.

Tim Ferriss: Chết tiệt, bạn phải như mỗi nhà sáng lập xuất sắc khác, phải tái viết lại câu chuyện ban đầu của mình.

Elad Gil: Đúng, từ khi tôi mười bảy tuổi, tôi luôn tìm cách đầu tư vào các công ty công nghệ.

Tim Ferriss: Vậy bạn đã làm thế nào để tham gia vào những giao dịch đó? Một số người có ưu thế thông tin và họ đặt mình vào vị trí có thể có ưu thế thông tin. Tôi không muốn đặt câu hỏi quá dẫn dắt, nhưng đối với tôi, nếu như vào năm 2000 tôi không chuyển đến Silicon Valley, sau đó luôn ở đó, đặc biệt là khi chuyển đến San Francisco, thì bất cứ điều gì tôi đã làm trong đầu tư thiên thần đều không thể xảy ra.

Nhưng câu chuyện của bạn rõ ràng không chỉ dừng lại ở đó. Bởi vì nhiều người đã chuyển tới đó với hy vọng giàu có thông qua việc khởi nghiệp, dù là dưới tư cách nào. Tất nhiên tôi không nói rằng bạn đã chuyển tới vì lý do đó. Nhưng cuối cùng là gì đã giúp bạn tham gia vào những giao dịch đó? Dựa trên cuộc trò chuyện trước đó của chúng ta, một số yếu tố đã lóe lên trong đầu tôi, nhưng tôi sẽ không nói trước. Tại sao bạn có thể tham gia, hoặc chọn những giao dịch đó?

Elad Gil: Tôi nghĩ những điều xảy ra ở giai đoạn đầu không giống như những điều xảy ra hiện tại. Hai giai đoạn này là khác biệt.

Giống như bạn nói, điều quan trọng nhất đối với bất kỳ ai muốn gia nhập một ngành nghề nào đó, là đi đến trụ sở của ngành đó, hoặc nơi tập trung ngành công nghiệp đó. Bạn phải chuyển đến nơi mà thật sự có việc diễn ra. Những lời khuyên như "bạn có thể làm bất cứ điều gì ở bất cứ nơi nào" hoặc "mọi thứ có thể được thực hiện từ xa" đều là lời nói vô nghĩa. Không chỉ riêng ngành công nghệ, mà tất cả các ngành đều vậy.

Nếu bạn muốn gia nhập ngành công nghiệp điện ảnh, mọi người sẽ không nói với bạn: "Bạn có thể viết kịch bản phim ở bất kỳ đâu, có thể tạo nhạc số ở bất kỳ đâu, có thể thực hiện chỉnh sửa phim ở bất kỳ đâu, cũng có thể quay phim ở bất kỳ nơi nào. Vì vậy, bạn hãy đi đến Dallas và tham gia vào cộng đồng phim đang phồn thịnh của họ." Mọi người sẽ nói: "Hãy đến Hollywood."

Nếu bạn muốn gia nhập ngành tài chính, bạn có thể nói: "Tôi có thể tài trợ ở bất kỳ nơi nào, có thể nghĩ về chiến lược giao dịch ở bất kỳ nơi nào, cũng có thể thực hiện những điều đó ở bất kỳ nơi nào." Nhưng mọi người sẽ nói: "Hãy đến New York, hoặc đến một trung tâm tài chính nào đó."

Công nghệ cũng vậy.

Shreyan của nhóm chúng tôi luôn luôn thực hiện một loại "Phân tích Kỳ lân," nghiên cứu giá trị thị trường của các công ty công nghệ tư nhân tập trung vào đâu. Theo truyền thống, khoảng một nửa tập trung tại Mỹ, và bên trong Mỹ, có khoảng một nửa tập trung tại vùng vịnh. Nhưng trong vòng AI này, 91% giá trị thị trường công ty công nghệ tư nhân tập trung trong vùng vịnh. 91% tổng giá trị thị trường của công nghệ tư nhân AI trên toàn cầu, tập trung trong một vùng rộng khoảng 10 dặm vuông.

Vì vậy, nếu bạn muốn làm AI, bạn rất có thể nên đến vùng vịnh. Lựa chọn thứ hai có thể là New York, nhưng càng về sau thì sự lựa chọn trở nên giảm dần. Nơi thực sự hạt nhân vẫn là vùng vịnh.

Nếu bạn muốn làm công nghệ quốc phòng, bạn có thể nên đến Nam California, gần nơi như SpaceX, Anduril đặt trụ sở, ví dụ như Irvine, Quận Cam, El Segundo, v.v. Đó là nơi có rất nhiều công ty khởi nghiệp.

Nếu bạn muốn làm công nghệ tài chính và tiền điện tử, có lẽ đó là New York.

Nhưng sự thật là, những cụm ngành này rất mạnh mẽ. Vì vậy điều quan trọng đầu tiên, giống như bạn nói, thì tôi thực sự đang ở đúng vị trí. Tôi đang ở trong một mạng lưới đúng đắn. Một điều kiện mặc định khác là, tôi cũng đang điều hành một công ty khởi nghiệp. Tôi đã làm việc tại Google nhiều năm, sau đó rời đi để khởi nghiệp. Mọi người bắt đầu tự nguyện tìm đến tôi để tìm kiếm lời khuyên.

Ví dụ, cách tôi cuối cùng đầu tư vào Airbnb là, vào thời điểm đó họ có khoảng tám người, tôi đang giúp họ gọi vốn chu kỳ A. Tôi giới thiệu một số người cho họ, cũng nhẹ nhàng hỗ trợ một chút về chiến lược. Dĩ nhiên, nếu không có tôi, họ cũng sẽ hoàn thành việc gọi vốn. Cuối cùng họ nói: "Ừ, khi chu kỳ này kết thúc, anh có muốn đầu tư một chút không?" Tôi nói: "Được, nghe có vẻ tốt." Mọi việc diễn ra tự nhiên.

Ví dụ khác như cách tôi đầu tư vào Stripe. Khi đó tôi đã bán công ty API hạ tầng sớm của mình cho Twitter. Lúc đó Twitter có khoảng 90 người. Sau đó tôi gửi email cho CEO của Stripe Patrick, nói: "Tôi nghe nhiều điều tốt về anh, tôi cũng rất thích những gì Stripe đang làm. Nếu đó là công ty khởi nghiệp của riêng tôi, thì tôi cũng sẽ sử dụng nó. Tôi vừa mới bán một công ty API, anh có muốn trò chuyện về những điều này không?"

Chúng tôi đã đi dạo vài lần cùng nhau. Một hai tuần sau, anh ấy gửi tin nhắn cho tôi nói: "Ừ, chúng tôi đang cần gọi vốn, anh muốn đầu tư không?" Vì vậy những khoản đầu tư đầu tiên của tôi đều diễn ra một cách tự nhiên. Người sáng lập sẽ nói: "Tôi hy vọng bạn tham gia."

Khi đó, tôi không nghĩ: "Ồ, tôi nên trở thành nhà đầu tư, sau đó tôi phải đi săn dự án." Tôi chỉ thích trò chuyện với những người thông minh, thích giải quyết một số vấn đề kinh doanh, yêu công nghệ và cách công nghệ được chuyển đổi vào thế giới thực. Tôi chỉ là một con người ham học, sau đó tình cờ gặp gỡ những con người khác ham học, chúng tôi trở nên thân thiện. Đó là câu chuyện ban đầu của tôi.

Tim Ferriss: Tôi đột ngột nghĩ đến một câu nói, chắc chắn bạn đã nghe qua, mọi người cũng đã nghe qua: Nếu bạn muốn tiền, hãy tìm kiếm lời khuyên; Nếu bạn muốn lời khuyên, hãy tìm kiếm tiền. Tôi vừa mới nhận ra, câu nói đó cũng áp dụng ngược lại. Nghĩa là, nếu bạn tiếp tục đưa ra rất nhiều lời khuyên, đôi khi bạn sẽ cuối cùng có cơ hội nhận được tiền đầu tư. Ngược lại, nếu bạn ban đầu muốn đầu tư, người khác có thể sẽ đến nhờ bạn tư vấn.

Elad Gil: Vâng, nói rất đúng.

Tim Ferriss: Bạn viết cuốn sách "High Growth Handbook" khi nào? Cuốn sách đó được xuất bản vào lúc nào?

Elad Gil: Đã rất lâu rồi. Cách đây khoảng bảy năm, gần đó.

Tim Ferriss: Bảy năm trước. Được, chúng ta sẽ quay lại phần này sau. Bởi vì bạn thực sự đang ở đúng vị trí địa lý. Bạn đang ở trung tâm của sự trao đổi. Như bạn nói, những lần đầu tiên đầu tư nổi bật đều xảy ra một cách tự nhiên.

Tôi muốn biết, bạn cũng đã nói rồi, trong quá khứ bạn đã làm một loại điều, nhưng hiện tại bạn đang làm một loại khác. Nhưng giữa hai thứ đó, thực sự có quá trình phát triển. Ví dụ, tôi muốn hỏi, bạn có vẫn đồng ý với câu nói này không? Đây là nội dung mà tôi mới đề cập trong cuộc phỏng vấn First Round: "Như một nguyên tắc tổng quan, khi tôi đầu tư, tôi xem xét thị trường trước, sau đó mới xem xét sức mạnh của đội ngũ." Sau đó còn nhiều nội dung khác. Nhưng bạn có vẫn đồng ý với câu nói này không?

Elad Gil: Tôi đồng ý 90%. Đôi khi bạn sẽ gặp một người rất đặc biệt, và sau đó bạn sẽ ủng hộ họ, đặc biệt là ở thời điểm rất sớm.

Ví dụ như vòng đầu tiên gọi vốn của Perplexity, tôi đã dẫn đầu, rất sớm. Nguyên nhân của sự việc đó là CEO của Perplexity, Aravind, dường như gửi cho tôi một tin nhắn trên LinkedIn. Khi đó chẳng ai đang làm về AI cả, anh ấy lúc đó là kỹ sư hoặc nhà nghiên cứu của OpenAI.

Anh ấy nói: "Hey, tôi đang ở OpenAI." Dĩ nhiên vào lúc đó không ai quan tâm đến OpenAI. "Tôi đang định làm một số thứ liên quan đến AI. Tôi nghe nói bạn đề cập đến những điều như vậy, trong khi người khác không nói nhiều. Chúng ta có thể gặp nhau không?"

Và sau đó chúng tôi bắt đầu gặp nhau mỗi hai tuần, brainstorming cùng nhau. Sau đó, điều đó đã trở thành một cuộc đầu tư. Đó là một điều "tập trung vào con người", bởi vì anh ấy thực sự xuất sắc. Mỗi lần khi trò chuyện xong, một tuần sau anh ấy đều quay trở lại với sản phẩm từ những thứ mà chúng tôi đã thảo luận. Ai làm được như vậy chứ?

Tim Ferriss: Đúng, đó là một tín hiệu tốt.

Elad Gil: Thực sự là tuyệt vời.

Và sau đó, cách mà tôi cuối cùng đầu tư vào Anduril. Khi đó, Google đang đóng dự án Maven, đó là dự án quốc phòng của họ. Lúc đó tôi nghĩ: "Nếu các gigacorp hiện tại không muốn làm, liệu điều này có phải không là cơ hội tốt mà các startup có thể tiếp cận không?" Bởi vì Silicon Valley và ngành công nghiệp quốc phòng đã có một lịch sử rất dài với nhau, ví dụ như HP, cũng như nhiều thương hiệu ban đầu khác đã dần phát triển từ đó.

Vậy nên, vào thời điểm đó, tôi đang tìm kiếm xem có ai đang làm trong lĩnh vực này không. Lúc đó, lĩnh vực này rất ít được chú ý. Sau đó, tôi nhớ là tại một sự kiện brunch hoặc tương tự, tôi gặp Trae Stephens, một trong những người sáng lập của Anduril và cũng làm việc tại Founders Fund.

Điều này một lần nữa chứng minh rằng, bạn cần ở đúng thành phố. Anh ấy nói: "Oh, tôi đang làm một dự án quốc phòng mới." Tôi nói: "Tuyệt vời, chúng ta hãy trò chuyện."

Vì vậy đôi khi, tôi tự mình tìm kiếm những thứ này trên thị trường; đôi khi, tôi gặp người trước. Anduril đã trước tiên nhìn thấy thị trường, sau đó tìm ra những người rất xuất sắc. Còn Perplexity thì nằm giữa hai cái trên: lúc đó, tôi đã luôn quan sát mọi thứ trong lĩnh vực trí tuệ nhân tạo, vì tôi nghĩ rằng nó sẽ trở nên rất quan trọng, nhưng lúc đó ít người chú ý đến nó thôi. Sau đó tôi gặp một người rất xuất sắc.

Tôi đầu tư vào OpenAI cũng như thế. Tôi đầu tư vào Harvey, công ty trí tuệ nhân tạo ứng dụng pháp luật sớm, cũng như vậy. Tôi đã đầu tư vào nhiều dự án rất sớm vì chúng là một trong số ít người thực sự làm việc trong thị trường mà tôi cho là rất quan trọng vào thời điểm đó.

Tim Ferriss: Tôi muốn quay lại một số điều bạn vừa nói. Bạn đã đề cập đến người sáng lập Perplexity, hoặc nói cách khác là người sau này trở thành người sáng lập đó, anh ấy nói anh ấy đã thấy hoặc nghe nói về bạn nói về trí tuệ nhân tạo. Điều này chính xác là ở đâu? Có phải trong bài viết trên blog của bạn không? Hay nơi khác? Anh ấy đã phát hiện ra bạn đang nói về những thứ đó như thế nào?

Elad Gil: Tôi nghĩ rằng anh ấy đã liên hệ với tôi, một phần vì trước đó tôi đã tham gia vào nhiều công ty công nghệ thế hệ trước, chẳng hạn như Airbnb, Stripe, Coinbase, Instacart, Square và nhiều công ty khác. Lúc đó, tôi đã có một chút danh tiếng như một người sáng lập và nhà đầu tư.

Ngoài ra, lúc đó tôi cũng đang tự mình "quấy rối" các nhà nghiên cứu trí tuệ nhân tạo, liên tục hỏi họ đang làm gì mới vào lúc này, bởi vì điều đó thật sự rất thú vị. Lúc đó, có rất nhiều người sử dụng một thứ gọi là GAN để làm nghệ thuật, còn gọi là mạng tạo đối địch.

Tôi cũng đang chơi những thứ đó. Tôi đã từng cố gắng tuyển dụng kỹ sư, giúp tôi tạo ra một cái gì đó cơ bản giống Midjourney, vì tôi nghĩ rằng, nếu có thể làm cho việc sáng tạo nghệ thuật của AI trở nên dễ dàng, điều đó sẽ rất tuyệt vời.

Tim Ferriss: Tôi muốn tạm dừng tại đây, vì đây là câu hỏi thứ hai của tôi, và bây giờ đến lúc hỏi. Khi bạn vừa nói về trí tuệ nhân tạo, bạn đã nói rằng lúc đó bạn nghĩ rằng nó sẽ trở nên rất quan trọng. Bạn đã đánh giá từ những dấu hiệu nào? Khói xa ngoài xa trông như thế nào, khiến bạn nghĩ: "Oh, đây là một hướng thú vị."

Elad Gil: Tôi nghĩ có khoảng hai ba yếu tố.

Trí tuệ nhân tạo luôn là thứ mà mọi người từ lâu đã nói về. Khi tôi học toán, tôi đã học nhiều môn học về lý thuyết máy tính, cũng như tiếp xúc với các khóa học về mạng nơ-ron ban đầu và cơ sở toán học đằng sau. Mọi người luôn hi vọng xây dựng một dạng nào đó của trí tuệ nhân tạo.

Một cách nào đó, bạn có thể nói rằng Google là công ty đầu tiên có trung tâm là trí tuệ nhân tạo. Chỉ là vào lúc đó chúng ta gọi nó là học máy, và ở một khía cạnh nào đó, cơ sở công nghệ cũng không giống như bây giờ.

Tôi nghĩ năm 2012 là một điểm quan trọng. Năm đó, AlexNet đã xuất hiện, chứng minh bạn có thể bắt đầu mở rộng quy mô mô hình, và khi mở rộng quy mô, hệ thống trí tuệ nhân tạo sẽ hiển thị các đặc điểm rất thú vị.

Và rồi đến năm 2017, một nhóm của Google đã phát minh ra kiến trúc Transformer. Bây giờ gần như mọi thứ dựa trên kiến trúc này, hoặc ít nhất là dựa trên nó. Ví dụ, khi bạn nhìn vào GPT trong ChatGPT, chữ "T" ở đó ám chỉ Transformer.

Rồi đến khoảng năm 2020, GPT-3 xuất hiện. Nó so với GPT-2 là một bước nhảy lớn. Lúc đó, nó vẫn chưa đủ tốt để thực sự rộng rãi áp dụng vào nhiều việc, nhưng bạn sẽ nhận ra: "Wow, luật về quy mô liên quan đã xuất hiện, sự thay đổi nhảy vọt về khả năng thực sự lớn."

Bất ngờ, bạn có một mô hình thông dụng có thể gọi qua API, bất kỳ ai cũng có thể truy cập. Chỉ cần bạn đẩy điều này đi một bước tiếp theo, bạn sẽ nhận ra rằng điều đó chắc chắn sẽ trở nên rất quan trọng.

Vì vậy, cơ bản, tôi đang theo dõi bước chuyển đổi này, trải nghiệm cá nhân với các công nghệ này, và đọc các bài báo có liên quan đến luật quy mô. Hoặc nói rộng hơn, tôi phát hiện ra rằng luật về quy mô hình như thể áp dụng cho nhiều thứ. Bạn sẽ nghĩ: "Wow, việc này sẽ trở nên rất, rất quan trọng, vậy nên tôi nên bắt đầu tham gia."

Tim Ferriss: Ông nghĩ nếu thiếu nền toán học, ông vẫn có thể hoặc có thể đưa ra nhận xét như vậy không? Tôi đoán có lẽ cũng có người khác đã làm được. Nhưng điều này cũng đưa ra câu hỏi của tôi: Ông đã phát hiện và hấp thụ thông tin này như thế nào? Đây có phải là chủ đề hot trong cộng đồng lúc đó không? Nghĩa là, trong mạng lưới xã hội và mạng lực của ông, mọi người đã bắt đầu thảo luận công khai về điều này, vì vậy ông tự nhiên tham gia? Hay là ông ban đầu đã hấp thụ một lượng lớn thông tin từ các lĩnh vực khác, và trí tuệ nhân tạo chỉ là một trong những hướng mà đặc biệt hấp dẫn ông?

Elad Gil: Tôi nghĩ có ba điều.

Thứ nhất, Tôi luôn hấp thụ một lượng lớn thông tin từ nhiều lĩnh vực khác nhau vì Tôi thích học hỏi mọi thứ. Tôi là người hòa trộn giữa toán học, sinh học, anime, nghệ thuật và những thứ khác, luôn ở trạng thái hòa trộn như vậy.

Thứ hai, Điều này thực sự cũng là điều bạn bè của tôi thường bàn luận, nhưng vào lúc đó nó giống như là cuộc trò chuyện mang tính chất giải trí hơn. Ví dụ, "Oh, điều này rất cool, xem nó tạo ra cái gì." Nhưng hầu hết mọi người không đi sâu vào hơn. Điều này hơi giống như tiền điện tử ban đầu hoặc Bitcoin: mọi người đều đang nói về nó, nhưng ít người thực sự mua. Tôi nghĩ đó là một phần nguyên nhân.

Thứ ba, để nói thẳng, Tôi chỉ thấy những điều này rất thú vị, vì vậy Tôi mãi mãi đều đang chơi với nó.

Điều này liên quan đến vấn đề GAN và nghệ thuật AI đó. Lúc đó các mô hình khác nhau liên tục xuất hiện, bạn có thể lấy ra và thử nghiệm.

Về chu kỳ mô hình cơ bản này, AI và tất cả các biến thể liên quan, một điều quan trọng đã bị đánh giá thấp nặng. Cách hoạt động của AI hay học máy trong quá khứ thường là như vậy: bạn có một nhóm trong công ty, hoặc ở một nơi khác, rồi có một nhóm MLOps gì đó, tức là nhóm vận hành học máy. Công việc của họ là giúp bạn thiết lập tất cả dữ liệu, ống dẫn và các quy trình liên quan để đào tạo một mô hình.

Mô hình bạn đào tạo ra, là một cái dành riêng cho tình huống sử dụng cụ thể của bạn, dành riêng cho cái bạn muốn hoàn thành. Và sau đó, bạn còn phải xây dựng một loạt dịch vụ nội bộ để tương tác với mô hình này.

Vì vậy, việc một hệ thống học máy có sẵn thực sự chạy và đi vào môi trường sản xuất là điều rất đau đớn.

Và bất ngờ, mọi thứ thay đổi: bạn chỉ cần gọi một API. Với một dòng mã, hoặc vài dòng mã, bất kỳ ai ở bất kỳ đâu trên thế giới cũng có thể truy cập nó.

Và không chỉ vậy, nó còn là đa dụng. Nó không còn chỉ dùng cho một tình huống cụ thể, như việc sửa lỗi chính tả chẳng hạn. Bạn có thể sử dụng nó cho mọi thứ. Theo một cách, nó như là nền tảng tri thức của toàn bộ Internet. Nó còn bắt đầu có khả năng suy luận cao cấp hơn.

Nhưng một trong những điểm quan trọng nhất là: Bạn có thể có được nó với một vài dòng mã. Bạn không cần phải xây dựng nhóm MLOps, không cần tự quản lý nó, không cần xử lý một loạt quy trình tương tác, cũng không cần làm tất cả những công việc phụ. Nó chỉ cần hoạt động.

Điều này thực sự rất quan trọng.

Tim Ferriss: Điều đó quá quan trọng. Thực sự rất khó phóng đại điều này.

Tôi có một triệu câu hỏi muốn hỏi bạn. Vấn đề đó là, có quá nhiều hướng để chúng ta nói chuyện, thật sự là "dồi dào đến cảm thấy ngượng mồm".

Tôi và đội của tôi hiện đang sử dụng Mã Claude cũng như nhiều công cụ khác để thực hiện nhiều công việc. Một trong những việc đó, rơi vào lĩnh vực mà bạn rất giỏi và có rất nhiều kinh nghiệm, đó chính là Đầu tư thiên thần.

Đây là lần đầu tiên tôi cảm thấy, tôi thực sự có khả năng để thực hiện công việc này. Tất nhiên, như bạn đã nghĩ, điều này vẫn đòi hỏi một số công sức. Nhưng hiện tôi có thể quay lại, phân tích kinh nghiệm đầu tư thiên thần của mình trong suốt 20 năm qua, và cố gắng thực hiện nhiều công việc khác nhau.

Tôi nghi ngờ nhiều thứ làm cho tôi hứng thú thực sự không có ích lợi gì, như việc thực hiện một số phân tích nếu tôi giữ từng khoản đầu tư trong ba năm, năm năm, hoặc thời gian khác nhau. Điều này cơ bản chỉ giống như việc tự trừng phạt kiểu Opus Dei, hầu hết thời gian chỉ là tự mình đánh lưng.

Nhưng khi thực hiện phân tích này, một số câu hỏi sẽ xuất hiện ngay trong tâm trí tôi, và có thể đích thực đáng để nghiên cứu. Tôi muốn nghe, nếu là bạn, bạn có thực hiện công việc này không; nếu có, bạn sẽ thực hiện như thế nào.

Thành thật mà nói, một phần trong số đó hoàn toàn chỉ là vì tò mò. Tôi muốn biết, những câu chuyện tôi đã kể cho bản thân có phải là đúng không. Ví dụ, tôi sẽ quan tâm: những người giới thiệu thực sự là ai? Liệu có những người thực sự chỉ đưa những công ty đang chết dần - cơ bản như những bệnh nhân chăm sóc cuối cùng - đến với tôi, để thử cuối cùng? Hoặc có những người đã ổn định luôn giới thiệu cho tôi các dự án tốt?

Tôi có thể sử dụng một triệu cách để thăm dò và làm phong phú dữ liệu này. Hiện tại, chúng tôi đang sử dụng Claude và các công cụ khác để thực hiện công việc này, và chúng hoạt động tốt. OpenAI cũng rất mạnh mẽ trong lĩnh vực này.

Nếu nhìn lại, chẳng hạn trong trường hợp của tôi, có khoảng 20 năm lịch sử đầu tư, bạn nghĩ có những câu hỏi nào thú vị hơn hoặc con đường phân tích nào xứng đáng được kiểm tra?

Elad Gil: Đúng vậy. Gần đây tôi đang thực hiện một công việc rất kỳ lạ: tôi sẽ tải lên hình ảnh của các nhà sáng lập, sau đó để mô hình dự đoán liệu họ có thể trở thành nhà sáng lập xuất sắc hay không.

Tim Ferriss: Ồ, wow.

Elad Gil: Bởi vì nếu bạn nghĩ về điều này, thực ra khi chúng ta gặp ai đó, luôn luôn làm điều này. Chúng ta sẽ nhanh chóng cố gắng đánh giá một người: tính cách của anh ta như thế nào, anh ta là người như thế nào.

Có rất nhiều đặc điểm nhỏ. Ví dụ, góc mắt có nếp nhăn không, điều này có thể ám chỉ nụ cười của bạn có chân thành không. Điều này có nghĩa bạn có thị giác hài hước như thế nào? Hoặc bạn có luôn nhăn mày dài hạn, điều này ám chỉ gì?

Có rất nhiều đặc điểm nhỏ nhặt như vậy. Khi bạn gặp một người, thực ra bạn có thể nhanh chóng hình thành một ấn tượng ban đầu về họ. Tất nhiên, điều này không đảm bảo là chính xác. Nhưng với khía cạnh con người, chúng ta thực sự sẽ nhanh chóng thực hiện điều này.

Do đó, tôi luôn đang chơi một bộ gợi ý đầy đủ chỉ để vui thôi. Vấn đề là: Liệu có thể suy luận về tính cách của một người dựa trên một số bức ảnh không? Nếu có thể, liệu có thể dự đoán hành vi của họ một cách nào đó không? Tôi nghĩ điều này rất thú vị.

Tim Ferriss: Đúng vậy. Bạn có phát hiện bất kỳ tín hiệu nào từ đó chưa? Hay bạn vẫn còn chưa chắc chắn?

Elad Gil: Trên thực tế, hiệu quả khá tốt. Gần đây, tôi luôn thực hiện một số thử nghiệm rất lạ, như về áo sơ mi chẳng hạn, phải không?

Tim Ferriss: Đúng, thực hành quan sát những người mỉm cười.

Elad Gil: Đúng, đúng.

Nhưng tôi nghĩ điều này rất thú vị, vì chúng ta luôn đang đọc người. Điều này cũng là một phần của gợi ý. Ví dụ, bạn có thể thiết lập: Bạn là người rất giỏi trong việc đọc lập dựa trên những dấu hiệu nhỏ như biểu cảm khuôn mặt, đặc điểm khuôn mặt, v.v. Sau đó viết cụ thể ra những điều đó.

Sau đó, bạn không chỉ đưa ra phân tích về người đó, mà còn giải thích từng đánh giá đằng sau mỗi đặc điểm nhỏ cụ thể. Nó sẽ giúp bạn phân tích từng phần một. Thực sự là đáng kinh ngạc. Hãy nghĩ về cái kỹ thuật này là gì, đó thật sự là đầy cảm hứng.

Một lần nữa, tôi muốn nhấn mạnh, tôi không nói rằng nó hoàn toàn chính xác, cũng không nói rằng chắc chắn có tính tiên đoán. Nhưng trong việc "nhìn xuyên qua một người", nó đã làm khá tốt rồi.

Nó còn có thể đưa ra nhận định như thế này: "Người này có khả năng hài hước loại nào đó." hoặc "Người này trong hầu hết các tình huống xã hội có thể khá kiềm chế, nhưng sẽ bất ngờ chen vào một lời nhận xét hóm hỉnh, thông minh đột ngột mà không ai lường trước được." Nó sẽ cực kỳ cụ thể.

Tim Ferriss: Rất cụ thể.

Phương pháp đầu tư của Elad Gil: Tập trung vào thị trường trước rồi mới xem xét đội ngũ

Elad Gil: Đúng. Rất đáng kinh ngạc. Gần đây, tôi đã thường xuyên thực hiện các việc tương tự. Mặc dù có thể điều này không phải là câu hỏi bạn thực sự muốn hỏi, nhưng tôi thấy nó đặc biệt thú vị.

Tim Ferriss: Thực sự là liên quan. Tất nhiên, tôi chắc chắn đã bỏ qua một số bước. Nhưng tôi rất thích việc đầu tư thiên thần, chỉ là "Lượng quyết định Độc dược." Vì vậy, thông thường đến một điểm nào đó, tôi sẽ nghĩ: "Ok, việc này không còn vui nữa."

Tôi cũng thích chocolate đen, nhưng tôi không muốn bị ép buộc phải ăn chocolate đen cả ngày. Tôi đã nói về điều này trước đây, nhưng thành thật mà nói, tôi thực sự thích quá trình học tập đó và tôi cũng thích cảm giác "cạnh tranh" này, cũng như gặp gỡ một số người rất thông minh, rất thông minh. Tất nhiên, không phải tất cả mọi người cuối cùng đều trở thành nhà sáng lập công ty thành công. Nhưng về cơ bản, tôi luôn cố gắng phân biệt tín hiệu và tiếng ồn.

Ngoài ra, bất kể qua trình nào, trong ví dụ này là việc đầu tư, đều rất thú vị vì bạn có thể sử dụng nó để mài giũa tư duy, thử nghiệm áp lực lên niềm tin của mình và hỗ trợ các giả định cơ bản của mình về một số dự đoán.

Vì vậy, tôi chỉ muốn hỏi, bạn có đã từng thực hiện phân tích đánh giá lại về các khoản đầu tư khởi nghiệp của mình trong quá khứ chưa? Hay là bạn giống như phong cách của Marc Andreessen: chỉ nhìn về phía trước?

Elad Gil: Đúng vậy. Khi tôi bắt đầu đầu tư, tôi thường tạo một bảng rất dài, đánh giá từng công ty theo nhiều chiều, sau đó quay lại và xem xét xem các đánh giá đó có đúng không. Nói chung là đúng.

Nhưng điểm khó khăn nằm ở chỗ có một lượng lớn ngẫu nhiên trong kết quả. Có những công ty mà bạn nghĩ là đã chết sớm nhưng sau cùng lại bán với giá vài tỷ USD, hoặc tương tự. Phải không?

Tim Ferriss: Chắc chắn.

Elad Gil: Vậy bạn đánh giá thế nào trong trường hợp đó? Ví dụ, hiện nay chúng ta đang làm việc trong một thời điểm thị trường rất kỳ lạ, nơi hàng trăm tỷ USD vốn hóa của các công ty đấu tranh cho một giải thưởng duy nhất. Họ sẽ thực hiện những hành động mà trong điều kiện bình thường không bao giờ xảy ra.

Vì vậy, việc tính toán yếu tố này vào đánh giá thực sự rất khó khăn. Nói chung, tôi gần hơn với phong cách của Marc Andreessen. Tôi hiếm khi nghĩ về quá khứ. Với bản thân tôi, tôi hầu như không suy nghĩ nhiều về quá khứ của mình. Tôi thích nhìn vào phía trước hơn.

Có lẽ điều này không tốt, có lẽ tôi nên thực hiện nhiều hơn, sâu sắc hơn về việc đánh giá bản thân. Tôi sẽ cố gắng suy luận về hiện tại nhưng tôi không cố gắng suy ngẫm lại toàn bộ cuộc đời mình và tất cả quyết định.

Nếu phải nói, nhiều quyết định thực sự là những quyết định làm tôi tức giận với bản thân sau này, vì tôi cảm thấy lúc đó mình không đủ quyết liệt. Nói cách khác, tôi đã đầu tư vào một công ty nhưng thực ra đã nên cố gắng hơn để đầu tư nhiều hơn, ngay cả khi lúc đó tôi đã cố gắng rất nhiều rồi.

Vì những công ty thực sự quan trọng chỉ có vài cái. Và điều này mới thực sự quan trọng đối với nhà đầu tư. Tất nhiên, như một con người, tôi thực sự thích tham gia vào các công ty khác nhau, hợp tác với các nhà sáng lập khác nhau để giúp đỡ họ, dù kết quả cuối cùng có thể thất bại. Tôi cũng sẽ tham gia vào một số công nghệ vì chính công nghệ đó rất thú vị.

Nhưng từ góc độ lợi nhuận, thực tế là rất rõ ràng với phân phối mũi tên chuẩn. Mọi người thường nói về điều này và nó thực sự đúng.

Tôi nhớ có một người bạn đã thực hiện một phân tích, có thể là Yuri Milner, cũng có thể là người khác. Anh ta nhìn vào tất cả các công ty công nghệ từ khoảng năm 2000 hoặc 2004 cho đến nay. Tôi không nhớ chính xác ngày tháng nữa, nhưng kết luận chung là: khoảng 100 công ty đã đóng góp hơn 90% tổng lợi nhuận, trong khi tổng cộng 10 công ty đã đóng góp 80% lợi nhuận tổng của ngành công nghệ trong 20 năm qua.

Nếu bạn không đầu tư vào 10 công ty đó, bạn sẽ là một nhà đầu tư tệ hại. Khi bạn bắt đầu đối mặt với phân phối chuẩn mũ và kết quả siêu lớn, và tất cả những yếu tố này, bạn sẽ tự đánh giá mình như thế nào?

Ở bản chất, điều quan trọng là: liệu bạn đã đầu tư vào một trong 10 điều đó chưa? Đó mới thực sự là tiêu chuẩn đánh giá. Đối với đầu tư, điều này có lẽ mới là cách đánh giá chính xác.

Tim Ferriss: Tôi muốn tập trung vào một số quyết định ở giai đoạn sớm hơn trong bản phỏng vấn này. Giống như bạn nói, đó đều là những quyết định sớm hơn hết. Quá khứ có quy luật riêng, hiện tại có cách làm riêng. Điều này không phải là nói cái nào tốt hơn cái nào, nhưng những gì bạn đã làm trước đó thường sẽ ảnh hưởng đến những gì bạn có thể làm được bây giờ, và cách bạn làm bây giờ.

Tôi rất tò mò, chúng ta sẽ không dành quá nhiều thời gian cho chủ đề này, nhưng có lẽ nó sẽ thú vị với khán giả: Khi nào bạn chuyển từ việc chỉ đầu tư tài chính cá nhân của bản thân, sang việc cho phép các nhà đầu tư khác tham gia vào các giao dịch của bạn?

Có rất nhiều cách để làm điều này. Nhưng lý do tôi muốn hỏi câu hỏi này, là vì bạn đã thực hiện nhiều SPV. Tôi sẽ giải thích trước, SPV viết tắt của Special Purpose Vehicle (Phương tiện Mục đích Đặc biệt). Mọi người có thể quen thuộc hơn với các công ty đầu tư rủi ro: họ có quỹ, ví dụ quỹ đầu tư 100 triệu USD. Dĩ nhiên số tiền có thể nhiều hơn hoặc ít hơn. Sau đó họ đầu tư vào nhiều công ty khác nhau, rồi xem công ty nào thắng, công ty nào thua. Nếu có lời, theo ví dụ truyền thống, công ty đầu tư thường nhận 20% lợi nhuận, LP (Limited Partner - Đối tác Hạn chế), tức là các nhà đầu tư, nhận 80%.

Các công ty đầu tư rủi ro cũng thu phí quản lý để duy trì hoạt động của công ty. Tất nhiên, thực tế thường không đơn giản như việc "duy trì hoạt động" này.

Về phần SPV thì thường là đầu tư vào một công ty cụ thể. Để đơn giản, chúng ta hãy giả sử chỉ một công ty. Đối với người khởi xướng SPV, cấu trúc này mang lại một số lợi ích đơn giản và rõ ràng. Nhưng nó cũng có rủi ro uy tín lớn. Vì nếu bạn có một quỹ, một số công ty thất bại, các nhà đầu tư của bạn sẽ không tự động về số không, nhưng nếu bạn tham gia một SPV, và nó thất bại, có thể gây tổn thương lớn cho uy tín của bạn.

Tôi nhìn vào một số SPV ở giai đoạn sớm của bạn, rõ ràng bao gồm nhiều công ty nổi tiếng, như Instacart và các công ty khác. Lúc ấy, bạn đã chọn những công ty nào là phù hợp để làm SPV? Bởi vì điều này dường như là một tập hợp các quyết định rất quan trọng, và nó sẽ là nền tảng giúp bạn có nhiều quyền lựa chọn hơn sau này.

Elad Gil: Đúng. Như bạn nói, tôi luôn rất sợ mất tiền của người khác. Nếu tôi mất tiền của chính mình, không sao cả, đó là quyết định của bản thân tôi. Tôi là người trưởng thành, có thể chịu trách nhiệm với hậu quả.

Nhưng đối với tiền của người khác mà họ cho tôi, dù là cá nhân hay tổ chức, để tôi đại diện cho họ đầu tư, tôi luôn rất cẩn trọng. Tương tự, tôi thực sự sợ khiến người khác mất tiền.

Vì vậy, khi bắt đầu làm SPV, tôi luôn cố gắng rất cẩn thận. Điểm chính là lựa chọn những dự án mà tôi cho là có thể trở thành các công ty quy mô siêu lớn. Giống như bạn đã đề cập, Instacart, Stripe ở giai đoạn đầu, Coinbase, cùng một số công ty khác, là những dự án SPV đầu tiên tôi tham gia.

Mục tiêu của tôi rất rõ ràng: Tôi có tin rằng công ty này có khả năng trở thành một thứ lớn lao không? Đồng thời, tôi cũng sẽ tự hỏi, liệu công ty có đủ bảo vệ ở mức giảm không? Có nghĩa là, ngay cả khi nó không thành công như tôi tưởng, liệu nó có thể vẫn là một kết quả tốt đẹp đối với nhà đầu tư không?

Tôi sẽ thực sự nghiêm túc khi làm việc này.

Điều này rất thú vị, vì nhiều người đến tham vấn tôi, hỏi làm thế nào để trở thành nhà đầu tư, hoặc họ đang là scout cho một quỹ nào đó. Scout cơ bản là một quỹ đầu tư rủi ro cho họ một ít tiền, để họ đại diện cho quỹ đầu tư đó đầu tư. Sequoia có một dự án scout rất nổi tiếng, họ cho một số người tiền, để họ giúp mình đầu tư.

Một số scout mà tôi đã trò chuyện cùng, cơ bản coi số tiền này như "vốn miễn phí" hoặc một lựa chọn. Tư duy của họ là: "Đầu tư ngẫu nhiên một loạt các thứ, có thể sẽ có một cái thành công." Tôi sẽ nhắc nhở họ: "Hey, nếu sau này bạn thực sự muốn trở thành một nhà đầu tư chuyên nghiệp, đây chính là hồ sơ đầu tư của bạn."

Thứ nhất, ở một khía cạnh nào đó, bạn là một người được ủy thác. Có thể từ góc độ này, bạn nên cẩn trọng hơn một chút.

Thứ hai, điều này sẽ xây dựng hồ sơ đầu tư của bạn, cũng chính là kết quả của bạn. Bạn muốn một hồ sơ tốt, hay một hồ sơ tồi tệ? Bạn nghĩ thế nào về vấn đề này?

Tất nhiên, đôi khi mọi việc thực sự chỉ là may mắn, trong 100 dự án, nếu trúng một, và dự án đó mang lại lợi nhuận vượt xa tất cả các vấn đề nảy sinh, thì họ sẽ trở nên rất xuất sắc. Nhưng để tiếp tục làm tốt việc này, hoặc tiếp tục trúng các công ty tuyệt vời, thì thực sự rất khó khăn.

Tim Ferriss: Okay, tôi muốn đi sâu hơn vào những điều bạn vừa nói. Có lẽ bạn có thể sử dụng một trường hợp ẩn danh để dẫn chúng tôi qua, không cần phải nêu tên công ty.

Bạn vừa nói về việc xây dựng hồ sơ đầu tư của bản thân. Trước khi bạn gọi vốn quỹ sau này, bạn đã làm rất tốt ở mảng này. Tôi hy vọng bạn có thể giải thích, bạn sẽ làm những gì trong quá trình kiểm tra thông tin, hoặc bạn sẽ phân bổ trọng số cho các yếu tố khác nhau như thế nào.

Ngoài ra, bạn vừa đề cập đến "bảo vệ đủ sâu" — tôi không chắc liệu đó có phải là lời của bạn không — tôi cũng muốn nghe bạn nghĩ gì khi chọn lọc các giao dịch này. Vì từ góc độ kiểm tra sâu hơn, bạn hoàn toàn có thể chọn từ nhiều giao dịch khác nhau.

Thông thường, bạn chú ý vào những điều gì? Điều gì mà bạn quan trọng hơn so với người khác? Và có những điều nào mà bạn không quan trọng lắm?

Elad Gil: Đúng vậy. Tôi nghĩ có sự khác biệt lớn giữa các dự án giai đoạn sớm và giai đoạn sau.

ở giai đoạn sớm, giống như đã nói, so với phần lớn nhà đầu tư giai đoạn sớm, tôi sẽ dành nhiều thời gian hơn để nghiên cứu thị trường. Nhiều nhà đầu tư giai đoạn sớm thường nói: "Tôi chỉ quan tâm đến đội ngũ, quan tâm đến họ mạnh thế nào." Nhưng tôi đã thấy đội ngũ xuất sắc bị thị trường kém phát triển làm suy yếu, cũng như những đội ngũ tương đối trung bình lại làm rất tốt.

Vì vậy, lúc này, tôi nghĩ thị trường quan trọng hơn. Tất nhiên, nếu có đội ngũ xuất sắc mà sẵn lòng điều chỉnh hướng, họ thường cũng sẽ tìm được đường của mình. Nhưng ở giai đoạn sớm, tôi sẽ rất chú trọng vào thị trường. Điều này có thể bao gồm việc tiến hành phỏng vấn khách hàng, hoặc cố gắng hiểu rõ: liệu tôi có thấy cơ hội này có thể phát triển đủ lớn hay không?

Đôi khi, điều này cũng có thể chỉ là cảm giác. Ví dụ: "Hey, an ninh quốc phòng rất quan trọng, nhưng không ai làm an ninh quốc phòng. Vậy tôi sẽ tìm một công ty an ninh quốc phòng." Tôi thường rất chú trọng vào điều này.

Liên quan đến điều này, tôi luôn có xu hướng tránh xa các "dự án khoa học". Một số người dễ bị cuốn hút bởi những thứ như vậy: "Wow, cái này quá tuyệt vời, vừa là lượng tử, vừa là bla bla bla." Nhưng về cơ bản, tôi sẽ tránh những thứ đó. Đôi khi tôi có thể bị bỏ lỡ một số cơ hội tốt, nhưng đa số thời gian, quyết định đó là đúng.

Theo tôi, SPAC đã cứu rỗi cho ngành đầu tư công nghệ cứng và khoa học. Bởi vì nếu nhìn lại, vào đỉnh của thị trường, một loạt các SPAC đã đưa nhiều công ty mà sau đó không thể tiếp tục huy động vốn trên thị trường tư nhân lên sàn.

Điều này đã cung cấp cho họ đủ tiền để tiếp tục sống. Quan trọng hơn, nó cũng giúp một số quỹ công nghệ cứng thu hồi vốn, tránh khỏi sự sụp đổ. Nó mang lại lợi nhuận cho những quỹ đó. Tóm lại, đó là thời đại của SPAC. Chamath thực sự đã cứu rỗi cho công nghệ cứng. Tôi nói một cách nghiêm túc, không đang đùa.

Đôi khi, tôi thường tránh xa các công ty kiểu này. Tôi không nói mình thông minh, vì nếu đầu tư, tôi cũng có thể kiếm được tiền. Nhưng lúc đó, tôi cảm thấy, các công ty kiểu này tồn tại vấn đề cấu trúc vốn, rủi ro khoa học, rủi ro thị trường, và nhiều vấn đề khác.

Ở giai đoạn sau, khó khăn thường nằm ở: trên mô hình giấy, mỗi công ty giai đoạn sau có vẻ như đầu tư sẽ sinh lời khoảng 2 đến 3 lần. Bởi vì các quỹ thúc đẩy các vòng đầu ra này thường theo kịch bản đầu tư nào đó, chẳng hạn như tỷ lệ sinh lời nội bộ 25%, hoặc các chuẩn mực tương tự. Vì vậy mọi người đều làm mọi loại mô hình, và những mô hình này cuối cùng đều sẽ cho thấy: các công ty này cơ bản sẽ tăng giá từ 2 đến 3 lần.

Nghệ thuật thực sự, hoặc có thể gọi là khoa học—dù bạn muốn gọi là gì—nằm ở khả năng đánh giá: Công ty này có phải là lần 0.5, hay là lần 10 không? Giá trị của nó có giảm không? Hay sẽ tăng lên 10 lần? Làm sao bạn biết rằng nó là lần 10, chứ không phải là lần 2 đến 3, hoặc lần 0.5?

Đây mới chính là điểm khó nhất trong việc đầu tư vào giai đoạn tăng trưởng. Bạn có thể đánh giá rằng: "Công ty này sẽ tiếp tục tăng trưởng vì lý do này." Nhưng những đánh giá như vậy thường không phải dựa trên toán học. Thông thường nó đến từ một số động lực thị trường, một cái nhìn cốt lõi nào đó, hoặc vấn đề về thị phần thị trường nào đó.

Đôi khi mọi người thường làm cho vấn đề trở nên rất phức tạp, tạo ra các mô hình trang trong nhiều trang, viết những bản ghi chú dài 50 trang, và những điều tương tự. Nhưng rất nhiều lần, những điều này cuối cùng có thể được rút gọn về một câu hỏi: "Tôi cần tin vào điều gì về công ty này để tin rằng nó có thể tiếp tục phát triển lớn mạnh?"

Nếu bạn cần phải tin vào ba điều, thì điều đó quá phức tạp, có thể sẽ khó lòng thành công. Nếu bạn không cần phải tin vào điều gì cả, thì nó cũng không có ý nghĩa. Thông thường, để thực sự hiểu một kết quả, chỉ cần nắm bắt một hai cái nhìn cốt lõi.

Tim Ferriss: Bạn có thể cho một ví dụ không? Ví dụ, niềm tin cốt lõi của một công ty nào đó là gì?

Elad Gil: Được, tôi sẽ cho bạn một hai ví dụ.

Ví dụ như Coinbase, một lý do cốt lõi của nó là: Nó là chỉ số của ngành tiền điện tử, và ngành tiền điện tử sẽ tiếp tục tăng trưởng. Bởi vì nếu Coinbase giao dịch mọi loại tiền điện tử phổ biến và thu phí từ mỗi giao dịch, chỉ cần khối lượng giao dịch đủ lớn, thì việc đầu tư vào Coinbase của bạn, về bản chất, tương đương với việc mua vào một giỏ tiền điện tử. Đó là điều kiện tiên quyết vào thời điểm đó.

Lý do của Stripe là: Nó là chỉ số của thương mại điện tử, và thương mại điện tử sẽ tiếp tục tăng trưởng. Tất nhiên, hiện nay Stripe đã phức tạp hơn nhiều, có nhiều yếu tố đẩy nó phát triển.

Lý do của Anduril là: Thị giác máy và vô địch sẽ trở nên quan trọng, AI và vô địch cũng sẽ trở nên quan trọng trong lĩnh vực quốc phòng.

Tim Ferriss: Đúng vậy.

Elad Gil: Tất nhiên, tình hình thực tế phức tạp hơn thế này. Tôi chỉ tóm tắt vậy thôi.

Tim Ferriss: Đúng, đúng. Ý tưởng cốt lõi thì đó là điều đó.

Elad Gil: Trong Anduril còn có vấn đề về mô hình chi phí bổ sung và lợi nhuận phần cứng. Nó thực sự có bốn năm yếu tố quan trọng, giống như là một danh sách kiểm tra khi đánh giá một công ty công nghệ quốc phòng. Nhưng đối với rất nhiều công ty khác, đánh giá cốt lõi có thể thực sự chỉ là: Thương mại điện tử sẽ tốt đẹp.

Tim Ferriss: Câu hỏi này có thể hơi chuyên ngành, nhưng khi bạn đề cập đến những công ty đó trước đó, họ ở giai đoạn nào khoảng khi bạn tiến hành SPV? Chỉ cần cho một cái nhìn tổng quan.

Elad Gil: Với Stripe, khi tôi đầu tư lần đầu vào Stripe, họ chỉ có tám người. Sau đó, tôi liên tục đầu tư theo. Thật sự, sau khi tôi hết tiền riêng, tức là lúc tôi bắt đầu làm SPV. Vì vậy, tôi ước lượng rằng khoảng giai đoạn C của Stripe, tôi đã thực hiện SPV lần đầu, xấp xỉ vào thời điểm đó.

Tim Ferriss: Rõ ràng. Vậy những công ty khác cũng tương tự phải không? Ví dụ như Instacart và những cái khác?

Elad Gil: Đại khái đều ở mức tương tự, xấp xỉ vào giai đoạn C, D. Khi ấy, tôi không có quỹ v.v., nên tôi cố gắng đầu tư càng nhiều càng tốt từ tài chính cá nhân. Không chỉ ở giai đoạn đầu, trung thực mà nói, chỉ cần có cơ hội, tôi sẽ tiếp tục đầu tư.

Tim Ferriss: Khi bạn cố gắng đánh giá liệu một công ty có phải là 0.5 lần hay 10 lần, ngoài niềm tin cốt lõi đó, bạn sẽ sử dụng những yếu tố kiểm tra nào khác để xác định nó thuộc mức nào trong phạm vi đó?

Elad Gil: Tôi sẽ tiến hành rất nhiều kiểm tra. Ví dụ, gặp CFO nhiều lần, từng bước xem xét dữ liệu tài chính, xem các mô hình tài chính, xem tình hình khách hàng, gọi điện cho khách hàng, nghiên cứu đội ngũ cấp cao. Tôi sẽ thực hiện rất nhiều công đoạn.

Theo như kiến thức của tôi, quỹ của tôi là quỹ duy nhất thực sự thực hiện kiểm tra tiền mặt. Đối với các dự án sau này, chúng tôi sẽ thực hiện kiểm toán tiền mặt, xem xét luồng tiền của họ. Vì vậy, tôi sẽ thực hiện một lượng lớn kiểm tra, vì tôi muốn đảm bảo rằng mình không làm những điều không thích hợp.

Nhưng mặt khác, hầu hết các kiểm tra cuối cùng sẽ hội tụ vào một vấn đề đó.

Vì vậy, khi tôi hợp tác với một công ty, thực sự tôi sẽ cố gắng làm cho quá trình kiểm tra rất nhanh chóng, trực tiếp. Tôi sẽ nói: Đầu tiên, chúng ta cần xác nhận dữ liệu tài chính là chính xác, không có vấn đề cơ bản; thứ hai, chúng ta hội tụ vấn đề vào một hai câu hỏi cốt lõi, sử dụng chúng để hiểu xem công ty này có thể tiếp tục tăng trưởng hay không. Thay vì rút ra 30 trang câu hỏi không liên quan.

Tim Ferriss: Đúng.

Elad Gil: Rất nhiều người sẽ nói: "Ừ, chúng tôi cần biết dữ liệu nhóm phụ sản phẩm nhỏ này." Nhưng ai quan tâm chứ? Họ chỉ đang lãng phí thời gian, lãng phí thời gian của người sáng lập, lãng phí thời gian của nhóm. Tôi sẽ cố gắng hết sức để tránh tình hình đó.

Vì tôi từng là một doanh nhân, nên tôi hiểu thời gian quý giá như thế nào, cũng như hiểu những vấn đề đó có thể làm phiền.

Tim Ferriss: Tôi đã suy nghĩ về câu hỏi này trước đây, nhưng chúng ta không cần dành quá nhiều thời gian. Bạn đã có một bài viết từ lâu, có lẽ viết vào năm 2011, liệt kê các câu hỏi mà các nhà đầu tư mạo hiểm sẽ hỏi các công ty khởi nghiệp. Những câu hỏi mà bạn vừa đề cập, bạn đã bỏ qua trong bài viết đó.

Nhưng tôi tò mò, khi bạn nói chuyện với nhà sáng lập, cho dù là dự án sớm hay muộn, có những câu hỏi trong số đó bạn vẫn sử dụng không? Hoặc có những câu hỏi khác mà bạn bây giờ sẽ hỏi không? Tôi biết đó là bài viết từ năm 2011 nên tôi không mong bạn nhớ nội dung bài viết đó.

Elad Gil: Đúng vậy. Tôi đã lâu không đọc bài viết đó. Hiện tại, tôi đang viết một cuốn sách khác, nói về giai đoạn từ 0 đến 1 của các công ty khởi nghiệp, và trong đó sẽ bao gồm một số câu hỏi tương tự. Nhưng sự thực là, kể từ khi tôi viết bài viết đó, ngành công nghệ tài chính đã trải qua những thay đổi lớn. Bởi vì vào năm 2011, quỹ đầu tư mạo hiểm chủ yếu đầu tư từ vòng gieo bóng đến vòng D, E, sau đó công ty sẽ niêm yết công khai. Tình hình "công ty tư nhân tồn tại 20 năm" hiện tại không tồn tại vào thời điểm đó.

Bạn biết tại sao cổ phiếu có thời gian ràng buộc 4 năm không?

Tim Ferriss: Tôi không biết. Tại sao vậy? Bây giờ chúng ta đã nói đến IPO, tôi có thể đoán một chút, nhưng bạn nói xem, tại sao?

Elad Gil: Đúng vậy. Vào thập niên 70 của thế kỷ 20, mọi người đã thiết kế thời gian ràng buộc 4 năm cho quyền chọn cổ phiếu của nhân viên, vì công ty thường sẽ niêm yết công khai trong vòng 4 năm. Và sau đó mọi thứ kết thúc. Đó chính là ý nghĩa đen của nó.

Vì vậy, thường là một đồng hồ 4 năm. Sau đó, Google mất 6 năm mới niêm yết công khai, mọi người đều nói: "Trời ơi, họ niêm yết quá chậm, mất 6 năm. Họ chỉ đợi đấy mà." Bạn hiểu ý tôi chứ?

Tim Ferriss: Hiểu.

Elad Gil: Thật sự, mọi người thường nói như thế. Vì vậy, đầu tư mạo hiểm trước đây chủ yếu là đầu tư rất sớm. Và ngày nay những gì chúng tôi gọi là đầu tư vào giai đoạn tăng trưởng, trong quá khứ thực ra thuộc về thị trường mở cửa. Đó là những gì mà nhà đầu tư thị trường mở cửa sẽ làm sau khoảng bốn năm năm kể từ khi công ty thành lập.

Nghĩa là, trong quá khứ, thị trường mở cửa đã tham gia rất sớm. Sau đó, với việc Luật Sarbanes-Oxley ban hành, các công ty bắt đầu không muốn niêm yết công khai, đồng thời vốn từ thị trường không chính thức cũng ngày càng nhiều, làm cho thời gian niêm yết công khai kéo dài liên tục.

Do đó, quỹ đầu tư rủi ro bất ngờ bắt đầu thực hiện các đầu tư giai đoạn tăng trưởng trước đây thuộc về thị trường công khai. Và vào năm 2011, điều này chưa xảy ra một cách phổ biến. Lúc đó, chủ yếu là Yuri Milner của DST và một số ít người khác thực hiện, nhưng đó chưa phải là một ngành công nghiệp lớn.

Vì vậy, trong 15 năm qua, bản chất của đầu tư rủi ro đã trải qua một thay đổi cơ bản. Điều này cũng có nghĩa là, những câu hỏi mà tôi đã liệt kê vào thời điểm đó không bao gồm những câu hỏi mà tôi nghĩ hôm nay hướng tới giai đoạn tăng trưởng hơn, vì vào thời điểm đó không có nhiều đầu tư giai đoạn tăng trưởng trong lĩnh vực đầu tư rủi ro.

Tim Ferriss: Bạn có thể đưa ra một số ví dụ về các câu hỏi giai đoạn tăng trưởng không?

Elad Gil: Thành thật mà nói, nó sẽ bị trùng lặp với một số câu hỏi giai đoạn đầu. Nhưng vào giai đoạn rất sau này, các câu hỏi sẽ trở nên tập trung hơn vào các yếu tố tài chính.

Thường thì tôi và nhóm của tôi sẽ xem xét: Lõi của doanh nghiệp của công ty thực sự là gì? Làm thế nào chúng ta có thể dự đoán tương lai của nó? Sau đó, các phần doanh nghiệp phụ mà công ty đang tiến hành là gì? Những điều này gần như như là quyền lợi tương lai, có thể được thực hiện, cũng có thể không.

Vì vậy thường thì chúng tôi sẽ dựa trên lõi doanh nghiệp để đưa ra quyết định đầu tư: Nó có thể tiếp tục làm điều đang làm không? Doanh nghiệp lớn chủ yếu dựa vào một lĩnh vực để phát triển. Ít nhất trong 10 năm đầu tiên. Ít có doanh nghiệp có nhiều lĩnh vực hoạt động đồng thời.

Thường thì một lĩnh vực được thành công trước, và sau mười năm, có thể bạn sẽ thực hiện một cái thứ hai thực sự hiệu quả. Ví dụ như Google Cloud của Google. Tất nhiên Google còn có YouTube, cũng như hiện tại có nhiều thứ khác như Waymo và nhiều các dịch vụ khác thú vị. Nhưng mọi thứ đó đã mất rất nhiều thời gian.

Trong một khoảng thời gian dài, thực tế Google chỉ là công cụ tìm kiếm, là tìm kiếm và quảng cáo. Nhưng đôi khi, công ty cũng có những phần mở rộng doanh nghiệp bổ sung, trở thành yếu tố đẩy mạnh tăng trưởng thú vị. Ví dụ như SpaceX ban đầu là dịch vụ phóng vệ tinh, sau đó trở thành dịch vụ vệ tinh, cụ thể là Starlink.

Tim Ferriss: Đúng rồi, Starlink thực sự là một điều tuyệt vời. Tiếc là ở đây cây xanh quá nhiều, chắn quá kín, nên các nơi mà tôi thường xuyên ở không thể sử dụng nó được.

《Làm Thế Nào Để Mở Rộng Công Ty Khởi Nghiệp》: Hãy Thiết Kế Hội Đồng Quản Trị, Phân Phối Và Mở Rộng Tổ Chức Một Cách Chủ Động

Nhưng chúng ta hãy chuyển qua nói chuyện về cuốn sách High Growth Handbook. Đó là một cuốn sách ra mắt khoảng bảy năm trước. Nó là một cuốn sách rất xuất sắc, mọi người thực sự nên đọc, đặc biệt là nếu bạn đang hỗ trợ các công ty khởi nghiệp trong lãnh vực đầu tư rủi ro. Phụ đề của nó là gì nhỉ? "Từ 10 người đến 10,000 người, làm thế nào để mở rộng công ty khởi nghiệp". Cuốn sách này chứa rất nhiều lời khuyên tốt.

Tôi muốn hỏi bạn, trong cuốn sách này, có nội dung nào mà bạn hy vọng người sáng lập doanh nghiệp, cũng chính là đối tượng đọc của cuốn sách này, có thể chú trọng hơn không? Hoặc, có nội dung nào bạn muốn bổ sung hoặc mở rộng hiện tại không?

Elad Gil: Có. Khi tôi viết cuốn sách này, ban đầu có một kết cấu tổng quan, nếu tính theo số chương, có thể là gấp đôi hoặc gấp ba so với việc thực sự viết sách. Vì vậy có rất nhiều nội dung mà tôi không viết vào đó, như bán hàng, thị trường, tăng trưởng, cũng như nhiều nội dung khác.

Nhưng cuốn sách này về bản chất là một hướng dẫn chiến lược, không phải là loại sách bạn phải đọc từ đầu đến cuối. Trong đó có rất nhiều cuộc phỏng vấn với các người, tôi tin rằng họ đều là những người thực hành xuất sắc nhất trên thế giới trong lĩnh vực của họ.

Nhưng nhìn chung, cuốn sách này được sử dụng như sau: khi bạn đột ngột phải xử lý một vụ sáp nhập, bạn nhảy đến chương về sáp nhập và đọc nó xong. Sau đó, bạn để sách qua một bên. Khi sau này bạn gặp vấn đề trong việc tuyển dụng và cần tham khảo nội dung liên quan, bạn lại mở đến chương đó.

Vì vậy nó thực sự là một cuốn hướng dẫn, một cuốn chỉ dẫn, hoặc một cuốn tài liệu dành cho người sáng lập. Nó không phải là loại sách “Hei, tôi sẽ đọc từ đầu đến cuối và trong đó sẽ có một số câu nói hay”.

Và cũng không phải là loại sách 500 trang chỉ nói về một khái niệm. Tôi cố gắng tránh điều đó. Vì vậy nó rất chiến lược, cụ thể và thực tế.

Và cuốn sách mới mà tôi đang viết ngay bây giờ, về bản chất là phiên bản từ 0 đến 1 của cuốn sách này. Chẳng hạn, làm sao một công ty mở cửa, bạn phải tuyển dụng ai làm năm nhân viên đầu tiên? Ai đó muốn mua lại bạn, bạn phải làm gì? Làm sao để hoàn tất vòng gọi vốn đầu tiên? Đó là những nội dung như vậy. Vì vậy nó hơi giống như một hướng dẫn chiến lược từ 0 đến 1.

Elad Gil: Đúng vậy, thị trường có thể tiếp cận tổng cộng, tức TAM. Quan trọng là, bạn đang hoạt động trong thị trường nào? Đôi khi, mọi người sẽ định tạo ra một số thị trường giả. Họ sẽ nói: “Oh, chúng tôi đang thúc đẩy sự phát triển thương mại điện tử toàn cầu, và thị trường thương mại điện tử toàn cầu—để mình tạp một con số—có 30 nghìn tỷ đô la mỗi năm, vì vậy chúng ta đang hoạt động trong một thị trường có quy mô hàng năm 30 nghìn tỷ đô la. Nếu chúng ta chỉ chiếm 0.1% thị phần, đó sẽ là 3000 tỷ đô la doanh thu.”

Và sau đó bạn nghĩ: Điều đó hoàn toàn không phải là thị trường của bạn. Thị trường của bạn là, bạn đã tạo ra một công cụ tối ưu nhỏ cho trang web của doanh nghiệp vừa và nhỏ, đó không phải là một thị trường trị giá 30 nghìn tỷ đô la.

Vì vậy, việc xác định thị trường thực sự quan trọng.

Dưới đây là một ví dụ rất nổi tiếng, cho thấy việc định lại thị trường sẽ làm thay đổi cách bạn hiểu về nó, đó là Coca-Cola. Trong vài thập kỷ, thị phần của Coca-Cola so với Pepsi gần như ngang nhau. Sau đó, một CEO của Coca-Cola nói: “Có lẽ chúng ta không nên sử dụng thị phần nước ngọt để đánh giá bản thân, mà phải sử dụng thị phần của tất cả các loại nước uống. ”

Do đó, thị phần của họ đột ngột từ 50% giảm xuống còn 0.5%. Đó cũng là lý do tại sao sau này họ đã mua lại Dasani, và mở rộng vào nhiều thị trường khác. Bởi vì họ nhận ra rằng, định nghĩa của chúng ta về thị trường của chính mình là sai. Chúng ta không đang trong lĩnh vực nước ngọt, mà chúng ta đang trong lĩnh vực đồ uống.

Do đó, tôi cho rằng, đôi khi việc hiểu lại những gì bạn đang làm thực sự có thể thay đổi phạm vi lòng tham của bạn, và cũng sẽ thay đổi cách bạn nghĩ về doanh nghiệp của chính mình.

Tim Ferriss: Vâng. Nếu bạn cố gắng tìm kiếm trong thế giới AI những điều như "trong lĩnh vực thanh toán, gian lận sẽ làm bạn thất bại," thì có điều gì bạn nghĩ có thể đã không còn đúng ngày nay, hoặc có thể hoàn toàn không còn đúng trong hai năm nữa, nhưng nhiều người đã coi nó là một giáo lý mà bạn "không thể làm gì" hoặc "bạn phải làm gì"?

Elad Gil: Tôi không chắc. Trước đây thật sự có những quan điểm, ví dụ về tỷ suất sinh lợi của những khoản đầu tư vốn lớn đó, liệu nó có thể thu hồi lại hay không. Tôi nghĩ những quan điểm đó có thể là sai lầm.

Nhưng từ góc độ cơ bản, đôi khi, việc suy nghĩ theo chiều ngược lại là rất thông minh; và đôi khi, tuân thủ nhất quán thật sự là cách thông minh nhất mà bạn có thể làm. Tôi nghĩ hiện tại là một thời điểm như vậy: đứng về phía nhất quán rất đúng.

Bạn tất nhiên có thể suy nghĩ quá nhiều, ví dụ như, "Có quan điểm nào chiều ngược không? Chúng ta nên bắt đầu làm nhiều phần cứng vì điều này kia..." Nhưng bạn có thể nhận ra, có lẽ câu trả lời đơn giản nhất là: đầu tư nhiều vào AI. Bạn hiểu ý tôi không? Tôi nghĩ mọi người làm cho những vấn đề ấy quá phức tạp.

Tim Ferriss: Vâng, đúng vậy. Thực sự mọi khía cạnh của cuộc sống có lẽ đều vậy.

"Vậy với bạn, những điều nào sẽ nằm trong danh sách 'không nên đầu tư'? Giả sử bạn đang hướng dẫn một người mà bạn quan trọng. Chúng ta có thể tưởng tượng một nhân vật, như cháu trai, con trai hoặc con gái của người bạn tốt nhất của bạn, rất thông minh, tốt nghiệp ngành Kỹ thuật MIT, đã có một số kết quả tốt trong việc đầu tư thiên thần, sau đó họ nói: 'Dạ, tôi nghĩ tôi sẽ bắt đầu gây quỹ một quỹ đầu tư.'"

"Nhưng họ không nhất thiết phải có những kênh lập dự án như bạn trong lĩnh vực AI. Giả sử như vậy. Bạn có sẽ khuyên họ từ loại trừ những gì không nên đầu tư không? Bởi vì chúng rất có thể sẽ bị tiêu diệt bởi AI, nuốt chửng hoặc sao chép?"

Elad Gil: Tôi nghĩ thực tế là, khi mọi người bắt đầu làm đầu tư, nhiều lúc họ có thể đầu tư vào vốn sớm là vì một khi bạn bắt đầu giúp đỡ người khác, bạn luôn có cơ hội đầu tư vào giai đoạn sớm nhất của công ty.

Thực ra đó là điều tôi đã làm vô tình. Nhưng sự thực là, tôi cũng nhiều lần nhìn thấy tình huống như vậy: bạn gia nhập một nhóm đúng đắn, vì người thông minh nhất sẽ luôn tự nhiên hội tụ lại với nhau. Rồi bạn bắt đầu giúp đỡ người khác, họ sẽ hỏi bạn có muốn đầu tư không. Bạn bắt đầu đầu tư, đột nhiên bạn có kết quả tốt. Rồi bạn có thể gây quỹ lớn hơn, rồi bạn bắt đầu đầu tư vào các dự án muộn hơn. Bởi vì nhóm người ấy cũng phát triển lên, họ bắt đầu làm những công ty muộn hơn, vì vậy bạn cũng đột nhiên có cơ hội tiếp cận các dự án khác.

Điều này về cơ bản chỉ là một câu chuyện về đầu tư rủi ro truyền thống. Ở một khía cạnh nào đó, trong suốt vài thập kỷ qua, mọi thứ đều đã diễn ra theo cách đó. Vì vậy, tôi nghĩ rằng điều này vẫn hoàn toàn khả thi. Bạn có thể làm điều này trong lĩnh vực Trí tuệ Nhân tạo, cũng như trong bất kỳ lĩnh vực nào khác. Tôi không nghĩ rằng bạn phải chạy đi đầu đầu tư vào năng lượng chẳng hạn.

Tim Ferriss: Bạn đã trước đây đề cập đến một trải nghiệm quan trọng mà bạn học được từ Vinod Khosla — mặc dù có thể nói "trải nghiệm quan trọng" có phần phóng đại, bạn có thể sửa chữa nếu tôi nói quá. Ý chính là: Chiến lược nhập thị trường của bạn thường khác biệt so với chiến lược đảo chán thị trường của bạn.

Elad Gil: Đúng.

Tim Ferriss: Bạn có thể nói thêm về điều này không?

Elad Gil: Có khoảng hai hoặc ba phiên bản khác nhau ở đây.

Phiên bản đầu tiên là, điều bạn bắt đầu thực hiện ban đầu thường trông rất lạ lẫm, giống như một món đồ chơi, nhưng cuối cùng nó trở nên rất quan trọng. Ví dụ như Instagram, Twitter, hoặc một số sản phẩm có xu hướng xã hội. Cách sử dụng ban đầu của chúng, và cách mà mọi người sử dụng chúng ngày nay hoàn toàn khác biệt. Sản phẩm tự nhiên đã phát triển, và sự hiểu biết và cách mọi người sử dụng nó cũng đã thay đổi theo thời gian.

Phiên bản này thường hơi thiên về sản phẩm tiêu dùng.

Một phiên bản khác là SpaceX và Starlink. SpaceX ban đầu chỉ hoạt động trong việc phóng không gian, đưa vật phẩm lên không gian. Sau đó họ nhận ra, họ có ưu thế chi phí trong việc phóng vệ tinh. Vì vậy, họ đã xây dựng mạng lưới Starlink, và Starlink hiện nay đã trở thành một trong những động lực quan trọng của hoạt động kinh doanh của họ.

Vì vậy, họ đã mở rộng nhiều hơn và đã trải qua sự chuyển đổi. Ở một khía cạnh nào đó, chiến lược nhập thị trường của họ là phóng không gian, nhưng chiến lược đảo chán thực sự là Starlink. Tôi nghĩ rằng, trong lịch sử, có nhiều ví dụ tương tự như vậy.

Trong Thời đại Bất định, Ưu thế Thông tin Đến Từ Mô hình, Chuyên gia và Kế hoạch Dài hạn

Tim Ferriss: Quay trở lại chủ đề thu thập và tiêu thụ thông tin. Bạn thường thu thập thông tin như thế nào? Nếu phải biểu diễn như một biểu đồ tròn, podcast, sách, X, sách Trắng, bài báo hoặc các kênh khác, mỗi cái chiếm khoảng bao nhiêu phần trăm?

Elad Gil: Tôi nghĩ rằng nguồn thông tin hiện tại của tôi chủ yếu đã hội tụ thành ba loại.

Loại thứ nhất là X. Loại thứ hai là đọc một số bài báo hoặc tạp chí kỹ thuật. Đôi khi, nếu là về hướng sinh học, mặc dù tôi không đầu tư vào sinh học, nhưng tôi thích đọc. Loại thứ ba là nói chuyện với người khác.

Tuy nhiên, vì cuộc đua trong lĩnh vực Trí tuệ Nhân tạo hiện nay cực kỳ gay gắt, chất lượng và số lượng bài báo trong ngành AI đều đã giảm rõ rệt. Tôi phát hiện rằng, trò chuyện với ai đó thông minh về một chủ đề trong 20 phút, thường cho tôi nhiều thông tin hơn, hiểu biết và gợi ý về việc tiếp theo cần đọc hơn là tìm kiếm một cách tỉ mỉ mà mình.

Thực tế còn một nguồn thứ tư, đó là mô hình hiện tại đang giúp tôi trong nghiên cứu. Có thể là OpenAI, có thể là Claude, Perplexity, Gemini. Chúng mỗi cái phù hợp với mục đích khác nhau, tôi sẽ sử dụng chúng cho các nhiệm vụ khác nhau.

Tim Ferriss: Bạn sẽ sử dụng từng mô hình cho mục đích gì?

Elad Gil: Tôi sẽ đưa ra một ví dụ mà không đi vào chi tiết từng cái.

Ví dụ như với Gemini, nếu tôi cần tìm kiếm thông tin về các sự kiện, như "Tôi muốn lên kế hoạch cho một chuyến du lịch." Tôi sẽ nghĩ rằng kho ngữ liệu của Google, cùng với những gì họ tích lũy được trong thời gian dài, rất hữu ích cho một số loại khuyến nghị du lịch. Vì vậy, đây là một tình huống mà tôi sẽ đặc biệt sử dụng Gemini.

Điều này không có nghĩa là các mô hình khác không tốt, mà là tôi thấy khi dùng nó, thứ hạng thông thường chính xác hơn. Tôi sẽ cho nó thực hiện phân tích theo nhiều chiều, xếp hạng, đánh giá, v.v.

Trước đây, tôi cũng đã nghiên cứu sâu vào một số hướng về ADHD và ASD.

Tim Ferriss: ASD là gì?

Elad Gil: Oh, xin lỗi, đó là rối loạn phổ tự kỷ.

Tim Ferriss: Hiểu rồi.

Elad Gil: Nếu bạn nhìn vào rối loạn phổ tự kỷ, tỷ lệ chẩn đoán đã thay đổi rất nhiều. Tôi có thể nhớ sai con số, nhưng theo nhớ, ba bốn mươi năm trước, tỷ lệ người bị chẩn đoán mắc rối loạn phổ tự kỷ có lẽ là một vài ngàn trong một. Còn bây giờ có lẽ là khoảng 3%.

Vậy nên bạn có thể hỏi: Điều này có nghĩa là gì? Có phải là do các bậc phụ huynh già hơn mà sinh nhiều hơn trẻ em không? Kết quả cho thấy điều này không phải là yếu tố chính. Có một sự thay đổi nào đó trong môi trường không? Cuối cùng, dường như, nguyên nhân chính chỉ là tiêu chuẩn chẩn đoán đã thay đổi.

Ngoài ra, hệ thống giáo dục cũng có rất nhiều động cơ, sẽ thúc đẩy mọi người chẩn đoán trẻ em. Đó có lẽ chính là lý do tại sao bây giờ có nhiều trẻ em được phân loại như có rối loạn tập trung hoặc có rối loạn phổ tự kỷ. Ở phía rối loạn tập trung này, các bác sĩ cũng có động cơ tài chính, vì họ có thể kê đơn thuốc. Và chẩn đoán rối loạn phổ tự kỷ cũng tăng đáng kể.

Nhưng tôi không chắc liệu thực sự có nhiều người hơn mắc các vấn đề này hay không. Có khả năng cao là phạm vi chẩn đoán đã mở rộng rất nhiều.

Tim Ferriss: Khi đó, bạn đã sử dụng mô hình nào trong nghiên cứu?

Elad Gil: Thông thường khi tôi làm việc như vậy, tôi sẽ đồng thời sử dụng hai ba mô hình. Sau đó, tôi sẽ yêu cầu chúng cung cấp tài liệu, sau đó làm cho chúng tổng hợp và tóm tắt thành biểu đồ.

Tôi thực sự có một bộ yêu cầu đầu ra đầy đủ, để họ tạo ra kết quả theo định dạng tôi cần, để tôi có thể quay lại kiểm tra dữ liệu, đọc tư liệu và thực hiện kiểm tra khác.

Chủ đề về tự kỉ thực sự rất thú vị. Bởi vì một số nghiên cứu cho thấy, ảnh hưởng của tuổi của mẹ thực sự lớn hơn so với tuổi của bố. Nhưng mọi người luôn nói về tuổi của bố. Sau đó bạn sẽ hỏi: "Tại sao mọi người chỉ nói về tuổi của bố? Liệu có yếu tố khích lệ xã hội nào ở đây không? Có hệ thống niềm tin chính trị nào không? Tại sao luôn tập trung vào điều này?" Tôi nghĩ rằng điều này rất thú vị, phải không? Loại nghiên cứu này sẽ đưa ra rất nhiều câu hỏi về "tại sao".

Tim Ferriss: Tại sao bạn lại đặc biệt nghiên cứu về điều này?

Elad Gil: Tôi nghĩ nó thú vị.

Tim Ferriss: Hiểu rồi.

Elad Gil: Tôi sẽ nghĩ: "Tỷ lệ này dường như đã tăng cao, vậy tôi sẽ cố hiểu tại sao."

Ngoài ra, tôi cũng đã trò chuyện với một người bạn. Cô ấy khoảng ba mươi năm tuổi đến ba mươi lăm chín tuổi, đang hẹn hò với một người đàn ông trong độ tuổi bốn mươi đến năm mươi, hoặc hơn nữa. Cô ấy nói, nếu sau này họ có con, cô ấy lo lắng về nguy cơ tự kỉ, cũng như những gì có thể xảy ra. Vì vậy, đó cũng là một phần lý do tại sao tôi nghiên cứu sâu hơn.

Ôi, cuối cùng, tôi không nhớ phần kết luận lắm. Ví dụ, tôi chỉ nói một con số thoáng qua, đừng trích dẫn con số của tôi. Sau đó tôi có thể tra cứu. Nhưng khoảng cách khoảng 5 đến 10 năm về tuổi của bố và mẹ, nguy cơ sẽ tăng khoảng 10% xấp xỉ.

Và, một lần nữa, trong một số bộ dữ liệu, ảnh hưởng của tuổi của mẹ thực tế là mạnh hơn một chút. Vấn đề là, nếu bạn cho rằng tỷ lệ tự kỉ trong dân số là một trong năm ngàn, hoặc tỷ lệ tương tự, thì sự khác biệt 10%, 20%, nhìn từ góc độ tần suất tổng thể không quan trọng như vậy. Sự thay đổi thực sự lớn nằm ở tiêu chuẩn chẩn đoán.

Tim Ferriss: Vâng, điều đó đúng đối với rất nhiều chẩn đoán.

Elad Gil: Rất nhiều điều đều như vậy. Nhưng xã hội nói với chúng ta: "Oh, tỷ lệ tự kỉ tăng, chủ yếu là do tuổi của cha mẹ gây ra." Sau đó bạn nghĩ: "Không, thực ra là các cơ chế khuyến khích này gây ra."

Và sau đó bạn đi xem hệ thống trường học, bạn sẽ thấy ví dụ như một bang nào đó — tôi nhớ có thể là bang New Jersey — 60% tỷ lệ chẩn đoán tự kỉ, thực sự không dựa trên bất kỳ tiêu chuẩn lâm sàng nào, mà chỉ là giáo viên nói "người này có tự kỉ".

Tim Ferriss: Trời ơi, điều đó quá tệ.

Elad Gil: Vì vậy, khi bạn bắt đầu đào sâu vào những vấn đề này, bạn sẽ cảm thấy: "Wow, điều này thật thú vị." Và những mô hình này rất có giá trị và rất hữu ích trong mặt này.

Vì vậy, trở lại nguồn thông tin mà bạn đang hỏi, hiện tại tôi có một phần thông tin, đó là thông qua việc nghiên cứu sâu về các vấn đề mà tôi quan tâm bằng mô hình. Tôi sẽ cho chúng tổng hợp dữ liệu thử nghiệm lâm sàng, hoặc tổng hợp các loại thông tin khác nhau, sau đó đưa cho tôi nguồn gốc cũng như tóm tắt và tiến hành kiểm tra chéo.

Tôi có một tập hợp các từ gợi ý để làm sạch và kiểm tra dữ liệu. Vì vậy, điều này rất thú vị. Và tôi luôn luôn sử dụng nhiều mô hình cùng một lúc, xem họ sẽ thu được kết quả gì.

Tim Ferriss: Khi bạn nói chuyện với một người, chủ đề này có thể hơi rộng để thảo luận sâu hơn. Nhưng giả sử bạn tìm thấy một người bạn muốn trò chuyện trong 20 phút, bạn thường tìm thấy những người như vậy như thế nào?

Tôi đoán có nhiều cách, nhưng liệu bạn tìm họ thông qua X, hay thông qua bài báo khoa học, hoặc thông qua nơi khác? Tôi muốn hiểu sơ qua. Và sau đó, khi bạn gọi điện với những người như vậy, liệu bạn có một số dấu hiệu câu hỏi tái sử dụng, hoặc một số cách hỏi cố định nào đó?

Elad Gil: Tôi nghĩ có ba trường hợp.

Trường hợp thứ nhất là: "Hey, tôi đang nghiên cứu sâu về một lĩnh vực nào đó, vì tôi cảm thấy rất thú vị, hoặc nó có thể liên quan đến hướng đầu tư mà tôi quan tâm." Nhưng trung thực mà nói, đôi khi chỉ vì nó thú vị.

Sau đó, tôi sẽ nhanh chóng xác định: Ai là người thông minh nhất trong lĩnh vực này? Điều này có thể đến từ bài báo khoa học, hoặc có thể là tôi hỏi mỗi người tôi trò chuyện: "Ai thực sự thông minh trong lĩnh vực này?"

Đây là một hình thức. Nó hướng thông tin, tôi đang cố hiểu sâu hơn về một điều gì đó. Ví dụ, khi tôi làm việc tại Google, tôi đã làm việc cùng một số nhà nghiên cứu trước sự ra đời của trí tuệ nhân tạo. Đó cũng là lý do tại sao tôi quen biết Noam Shazeer, người sau này thành lập Character, sau đó quay trở lại Google. Tôi cũng quen biết nhiều người khác qua điều này.

Nhưng cũng có những người, tôi chỉ vì đọc một bài báo khoa học thú vị, mà đi tìm họ. Hoặc vì mọi người đều nói người đó rất thông minh, tôi sẽ trò chuyện với họ. Đó cũng là một hình thức.

Trường hợp thứ hai là, tôi thực sự tin rằng những người thông minh thường tập trung lại với nhau. Vì vậy, nếu bạn thường xuyên ở bên cạnh những người thông minh, và họ tiếp tục quen biết những người thông minh khác, mạng lưới này sẽ mở rộng tự nhiên. Người có kiến thức rộng rãi thường sẽ ở bên cạnh người có kiến thức rộng rãi khác. Ở một mức độ nào đó, người giống người.

Đây có lẽ là hai loại chính nhất. Tất nhiên, đôi khi cũng có người trực tiếp giới thiệu người khác cho tôi. Họ sẽ nói: 「Ừ, tôi nghĩ hai bạn nên nói chuyện với nhau được.」

Còn một trường hợp khác là, có những người tôi thường xuyên tìm đến. Ví dụ, nếu tôi nghĩ rằng ai đó là một trong những người hiểu biết nhất về tương lai Trí tuệ Nhân tạo, thì tôi sẽ thường xuyên trò chuyện với họ.

Hoặc đối với chủ đề tuổi thọ, cũng có một số người rất thông minh nhất. Ví dụ như CEO của BioAge Kristen, đôi khi tôi sẽ gọi điện cho cô với một số câu hỏi ngẫu nhiên về tuổi thọ, vì cô ấy biết rất nhiều về mọi chủ đề trong lĩnh vực này. Cô ấy suy nghĩ rất sâu sắc, và rất sẵn lòng đặt câu hỏi về giả định của chính mình.

Người đó là người thực sự tìm kiếm sự thật. Rất nhiều người đều dùng từ 「truth-seeking」, nhưng cô ấy thực sự là người đó: 「Điều gì là đúng? Hãy để tôi làm sáng tỏ điều đó.」 Cô ấy có bằng tiến sĩ và kinh nghiệm nghiên cứu sau tiến sĩ trong thông tin sinh học và nghiên cứu lão hóa, rất chuyên nghiệp. Vì vậy nếu là vấn đề liên quan đến tuổi thọ, cô ấy là một trong những người mà tôi sẽ gọi điện để tham khảo.

Vì vậy, đối với từng chủ đề khác nhau, tôi sẽ cố gắng tìm đến một số người cụ thể.

Tim Ferriss: Anh có một hiểu biết nhất định về sinhs học. Tôi thấy rất thú vị, khi tôi tham gia sự kiện Quantified Self lần đầu tiên, có lẽ là vào khoảng năm 2008, chỉ có 12 người ngồi trong nhà của Kevin Kelly, nói về việc dùng bảng tính Excel để ghi lại dữ liệu cơ thể. Bây giờ thế giới đã thay đổi rồi, phải không?

Đối với cá nhân anh, trong việc can thiệp hoặc suy nghĩ về việc tự can thiệp đối với bản thân, anh đứng ở vị trí nào?

Elad Gil: Tôi chưa làm nhiều lắm. Nhiều điều cuối cùng đều có thể tóm gọn thành: ngủ đủ giấc, tập thể dục nhiều, và các thứ như vậy. Còn một số điều quan trọng khác, như ăn uống lành mạnh. Vì vậy tôi hầu như tập trung nhiều vào những điều cơ bản đó.

Tôi nghĩ có thể có một hoặc hai thứ có thể ăn, thực sự hữu ích. Và còn một số thứ, tôi luôn nghĩ rằng sẽ thú vị khi thử nghiệm, nhưng chưa làm.

Tim Ferriss: Như là điều gì?

Elad Gil: Ví dụ như thử một lần phương pháp xung vài kháng sinh Repamycin. Tôi nghĩ điều đó sẽ rất tuyệt, giống như vậy. Nhưng thực tế là, tôi đang chờ đợi cho đến khi có một loại thuốc thực sự hiệu quả, có lẽ khi đó tôi sẽ sử dụng.

Có một số thứ mà tôi nghĩ sẽ ảnh hưởng đến tuổi thọ, hoặc ảnh hưởng đến một số hệ thống. Như chúng ta đã thảo luận trước đó, khi tuổi tác tăng lên, cơ bắp kiểm soát thấp trong mắt sẽ yếu đi, đó là một phần nguyên nhân khiến khả năng tiêu điểm của bạn bị ảnh hưởng. Vì vậy, lý thuyết là có thể có thuốc nhỏ mắt đặc hiệu cho vấn đề này.

Còn rất nhiều điều về quá trình lão hóa cảm giác tôi rất muốn tài trợ một công ty khởi nghiệp để nghiên cứu.

Còn rất nhiều điều về vẻ ngoài già nua mà tôi luôn bàn tán và muốn tài trợ các dự án liên quan. Thực ra, tôi còn đã tài trợ một thử nghiệm lâm sàng tại Stanford để nghiên cứu vấn đề này, vì tôi cho rằng lĩnh vực này thiếu vốn đầu tư nghiêm trọng.

Ở quan điểm của tôi, sản phẩm peptide cũng thuộc hướng này. Rất nhiều người uống peptide với mục đích sức khỏe hoặc các ứng dụng làm đẹp, như GHK-Cu, melatonin, và nhiều thứ khác, đa số là có tính chất làm đẹp.

Tim Ferriss: Bạn vừa đề cập rằng có một số thứ có vẻ đáng để dùng. Có phải bạn đang nói về vitamin D không? Hay còn cái gì khác? Trong danh sách ngắn của bạn còn cái gì nữa không?

Elad Gil: Vitamin D và creatine.

Tim Ferriss: Rõ ràng.

Elad Gil: Nếu bạn muốn rèn cơ.

Tim Ferriss: Đúng vậy.

Elad Gil: Tôi không biết. Trên danh sách của bạn có cái gì? Bạn suy nghĩ nhiều hơn tôi nhiều. Bạn đang dùng hoặc nghĩ gì về vấn đề này?

Tim Ferriss: Thực ra, tôi cẩn thận hơn nhiều so với mọi người nghĩ. Tôi đã thử nghiệm nhiều thứ khi còn trẻ, trong đó nhiều thứ rủi ro tương đối có thể kiểm soát.

Ví dụ, tôi đã thử nghiệm thiết bị theo dõi đường huyết liên tục thế hệ đầu tiên của Dexcom vào năm 2008 hoặc 2009, đó là vật cực kỳ không thoải mái khi đeo. Lúc đó tôi không biết có bất kỳ người ngoài người mắc bệnh đái đường loại 1 nào đang sử dụng nó.

Nhưng tôi không thử nghiệm nhiều những thứ gây tranh cãi, ví dụ như bay sang một quốc gia khác để làm một loại công nghệ gen học, sử dụng các chất như inhibin follicle. Không phải là tôi muốn chỉ trích nó, nhưng tôi nghĩ rằng, "Không có bữa trưa miễn phí với sinh học" là một nguyên tắc cơ bản dù rất đơn giản nhưng khá hữu ích. Ít nhất, nó giúp bạn tránh nhiều bẫy.

Vì vậy, tôi thực sự đã thử một số thứ. Ví dụ như các dạng khác nhau của ketone ester và ketone salt, tôi nghĩ một số trong số đó rất, rất hấp dẫn với quản lý mạch máu não.

Bởi vì trong gia đình tôi có tiền sử về bệnh Alzheimer, Parkinson và nhiều yếu tố rủi ro khác, bao gồm cả một số người mang gene APOE3, vì vậy có rõ nhiều yếu tố rủi ro khác. Tôi rất quan tâm đến vấn đề này.

Obicetrapib là một thứ mà tôi nghĩ đáng để chú ý, mặc dù hiện tại nó vẫn chưa đạt tới giai đoạn thực sự có thể sử dụng rộng rãi. Repamycin cũng rất thú vị. Tôi thực sự nghĩ rằng repamycin rất thú vị, nhưng cần thêm rất nhiều dấu sao, vì nếu bạn không biết mình đang làm gì, có thể gây hại cho chính mình. Nếu bạn đang thử nghiệm bất kỳ chất ức chế miễn dịch nào, bạn phải cực kỳ cẩn thận.

Ví dụ, một thí nghiệm mà tôi có thể thực hiện là kết hợp giữa lịch trình tập luyện nghỉ ngơi 4×4 kiểu Na Uy và chương trình xung sót rapamycin để quan sát xem có sự thay đổi về thể tích trong học não và các khu vực não khác không.

Tất nhiên, nếu tôi chỉ thực hiện một loại can thiệp, tín hiệu sẽ sạch hơn. Nhưng cuộc sống thực tế đôi khi không giống như việc chờ đợi kết luận khoa học.

Vì vậy, tôi nghĩ đây là một giả thuyết đáng được thử nghiệm và thú vị. Ngoài ra, những gì tôi thực hiện chủ yếu là những điều rất cơ bản: creatine, vitamin D.

Nếu bạn gặp vấn đề về methylation, hoặc sử dụng các loại thuốc như omeprazole giống như tôi, nó có thể ức chế hấp thụ magiê và ảnh hưởng đến các vấn đề khác, bạn sẽ cần chú ý đến những vấn đề này. Nhưng nói chung sẽ không quá phức tạp.

Tôi nghĩ AICAR cũng khá thú vị, dữ liệu liên quan liên tục được cập nhật. Vì vậy, tôi thực sự quan tâm đến sức khỏe của mitochondria.

Có thể bao gồm cả chế độ ăn chay không đều đặn theo chu kỳ và đôi khi ăn chay trong ba đến bảy ngày. Gần đây đối với tôi, điều này có thể dựa trên chế độ ăn uống mô phỏng một số bạn bè tin cậy đã đề xuất của Tiến sĩ Dominic D’Agostino. Mục tiêu là thúc đẩy tự trao đổi và tự trao đổi của mitochondria theo một lịch trình nhất định, nhưng không phải làm điều đó suốt cả thời gian.

Elad Gil: Dĩ nhiên.

Tim Ferriss: Tôi không phải là người muốn luôn tối ưu hóa điều này.

Elad Gil: Tôi luôn suy nghĩ về một điều. Nếu bạn nhìn vào một chiếc máy tính, rất nhiều lúc sửa chữa một laptop, hoặc sửa chữa bất kỳ hệ thống nào, chìa khóa thường là khởi động lại trực tiếp, phải không? Bạn tải lại hệ thống, nó kỳ diệu hoạt động trở lại, nhiều vấn đề linh tinh cũng sẽ bị xóa bỏ. Vậy có phải cơ thể con người cũng có cái này không? Có giống như gây tê toàn thân không? Gần đây có một số người đang thực hiện một số loại chặn thần kinh gì đó.

Tim Ferriss: Đúng, tôi không chắc chắn. Nghe có vẻ hơi đáng sợ. Oh, bạn có ý nói là chặn thần kinh cảm nhận sao đó?

Elad Gil: Đúng, chính xác, chặn thần kinh găng trại.

Tim Ferriss: Đúng. Về vấn đề "khởi động lại" này — oh, tôi phải thở một cái trước, bởi vì nó thực sự có một số lựa chọn rất thú vị, nhưng thông thường chỉ ứng dụng cho các tình huống sử dụng cụ thể rất rõ ràng.

Về mặt khái niệm, điều đó hoàn toàn có lý. Bạn có thể có kiến thức tốt hơn tôi về vấn đề này, nhưng tôi thực sự đã dành rất nhiều thời gian tiếp xúc với các nhà nghiên cứu về thần kinh. Một phần lớn thông tin mà tôi tiếp nhận, đó là đọc các nội dung khoa học về hệ thần kinh, hoặc ít nhất là cố gắng đọc. May mắn thay, sau khi có công cụ trí tuệ nhân tạo, việc này dễ dàng hơn nhiều. Nó không chỉ giúp bạn tóm tắt ý chính, mà còn có thể giúp bạn hiểu từng bước một theo một cách tương đối hợp lý.

Tôi đã đọc rất nhiều tài liệu về thần kinh học, cũng như đọc nhiều nội dung liên quan đến quang học. Thực tế, hai lĩnh vực này có sự giao cắt khá mạnh mẽ, điều này có lẽ không quá bất ngờ. Ví dụ, bạn có thể nhắm đến PBM, hay còn gọi là điều chỉnh sinh học bằng ánh sáng, thông qua can thiệp qua mắt. Tất nhiên, cũng có thể thông qua đầu sọ. Tuy nhiên, tôi muốn nhấn mạnh rằng mọi người cần cẩn trọng với những thứ như vậy.

Về hướng "khởi động" này, tôi sẽ đưa ra một ví dụ. Một số người sử dụng các chất kích thích của RGLP-1 để giảm cân cũng có thể trải qua các thay đổi tương tự đáng kể. Ví dụ, họ có thể bỏ hút thuốc lá, hoặc giảm uống rượu, hoặc có cải thiện trong việc kiểm soát xung đột hệ thống nào đó.

Elad Gil: Đúng vậy.

Tim Ferriss: Đối với một người nghiện thuốc gây nghiện, tôi nghĩ rằng ibogaine có thể là một lựa chọn "khởi động". Trong tương lai, nó có thể xuất hiện dưới dạng một dạng hoạt chất trung gian, hoặc dạng tương tự. Nhưng ít nhất trong tương lai gần, dường như việc sử dụng liều lượng dòng chảy, nghĩa là cung cấp một liều lượng tương đối cao mạnh mẽ, vẫn còn khá cần thiết.

Tất nhiên, điều này phải được thực hiện dưới sự giám sát y tế vì nó có thể gây ra các sự kiện có thể gây tử vong. Kết hợp với magiê có vẻ hữu ích, nhưng đây vẫn là một thứ nguy hiểm và mọi người cần phải cẩn thận.

Trong lịch sử, đã có nhiều người xứng đáng được công nhận với việc này, như Howard Lotsof và vợ ông. Người nghiện ma túy sau khi chấp nhận điều trị với liều lượng cao của ibogaine có thể trải qua một giai đoạn cửa sổ, trong thời gian này, họ sẽ không phải trải qua triệu chứng cai nghiện, ít nhất là không qua mặt cứng.

Tôi nghĩ rằng ibogaine hoặc các can thiệp dược lý tương tự ibogaine có thể vẫn có các ứng dụng khác. Trung thực mà nói, một số điều điên rồ nhất liên quan đến phân tử này là việc đảo ngược "tuổi của não." Tuy nhiên, tôi vẫn đặt nghi vấn với mô tả đơn giản như vậy.

Nhưng từ MRI, nó có thể thực sự thay đổi trạng thái não. Nolan Williams—xin an nghỉ—và phòng thí nghiệm của ông đã nghiên cứu cẩn thận sự thay đổi sau khi quân nhân nghỉ ngơi sau tổn thương não đã dùng ibogaine. Một phần của hiệu ứng này có thể liên quan đến yếu tố dưỡng não trung gian từ tế bào dính. Mọi người có thể quen thuộc với BDNF, nghĩa là yếu tố dưỡng não tự não.

Vì vậy, ibogaine là một lựa chọn thú vị.

Về gây mê, hiện tại tôi đã trở nên cực kỳ cẩn trọng với gây mê toàn thân. Ngày hôm qua, tôi vừa phẫu thuật, và chọn sử dụng gây tê cục bộ. Trong trường hợp này, đây không phải là vấn đề lớn, vì chỉ là cắt bỏ một thứ ở đầu, và giờ bạn đã có thể nhìn thấy.

Nhưng quay trở lại ví dụ của bạn với phân loại tự kỷ và rối loạn tăng động giảm chú ý (ADHD), bạn đã đề cập đến cơ chế khuyến khích, và đôi khi có thể tồn tại động cơ ngược "có thể chẩn đoán quá mức". Theo lời của Munger, mặc dù tôi không muốn thường xuyên trích dẫn ông, nhưng đó là: Follow the money.

Nhiều người thực sự không cần được gây tê toàn thân, nhưng lại bị sắp xếp để được gây tê toàn thân. Nhưng gây tê toàn thân sẽ làm cho hóa đơn tăng thêm một khoản phí rất, rất, rất lớn. Hơn nữa, sau khi một số người phải trải qua gây tê toàn thân, họ có thể không còn có khả năng ghi nhớ như trước. Tính cách của họ có thể trở nên không ổn định ở mức độ nào đó.

Thực tế là, kiến thức của chúng ta về rất nhiều loại gây tê rất hạn chế, thực sự rất hạn chế. Chúng ta biết nó hiệu quả, nhưng hiểu biết về cơ chế hoạt động của nó rất kém. Rất nhiều người không nhận ra điều này, điều này thực sự bình thường, trừ khi họ dành rất nhiều thời gian nghiên cứu những thứ đó.

Có nhiều loại thuốc rất nổi tiếng, được kê đơn rộng rãi, nhưng cơ chế hoạt động của chúng thực sự rất không rõ ràng, thậm chí không rõ ràng chút nào. Chúng ta chỉ dựa vào nghiên cứu biết rằng chúng dường như có độ chịu đựng tốt, phổ tác dụng từ A đến Z, chúng dường như thực sự sẽ tạo ra một số hiệu ứng nào đó hoặc ảnh hưởng đến một chỉ số sinh học nào đó. Nhưng thực tế chúng ta không biết chúng hoạt động như thế nào.

Rất nhiều thứ rơi vào dạng hạng mục đó. Vì vậy, tôi hồi hộp với rất nhiều thứ trong số đó.

Nhưng quay trở lại với câu hỏi của bạn, Tôi vừa rồi có chút giống như đang thuyết trình TED. Về "khởi động lại", điều thú vị nhất mà tôi đã thấy có liên quan đến ibogaine. Tất nhiên, tôi không muốn đơn giản hóa nó thành hệ thống dopamine, vì nó liên quan đến rất nhiều thứ hơn thế. Nhưng tôi nghĩ, ý nghĩa quan trọng hơn của ibogaine, có lẽ không chỉ là ibogaine mà còn là nó thể hiện điều gì có thể xảy ra.

Và tôi cũng không biết khả năng này chỉ giới hạn ở dạng thuốc. Tôi rất hứa hẹn với kỹ thuật kích thích não, dĩ nhiên giữa đó chắc chắn sẽ có một số trường hợp không thành công, cũng như có một số nhánh không quá lý tưởng. Nhưng tôi nghĩ, kỹ thuật kích thích não, và còn rộng hơn là y học điện sinh học, sẽ là một trong những tiền phong quan trọng tiếp theo. Nó sẽ không chỉ được sử dụng để điều trị những gì chúng ta gọi là rối loạn tâm thần, mà còn được sử dụng để nâng cao hiệu suất.

Hiện tại lĩnh vực này cũng đã đến một giai đoạn mà chúng ta có thể trả lời được "tại sao là bây giờ", phải không? Là một lĩnh vực, nó thực sự có một số câu trả lời "tại sao là bây giờ" tốt đẹp. Tôi nghĩ mọi người sẽ thử nghiệm mạnh mẽ những thứ này, và không nhất thiết phải thông qua viên thuốc, dung dịch, truyền tĩnh mạch, mà thông qua kích thích não không xâm lấn. Dĩ nhiên, trong trường hợp cấy ghép thiết bị, cũng có thể có một số phương pháp xâm lấn.

Vì vậy, đó là một câu trả lời dài nhưng chắc chắn đó là hướng mà tôi đang nghĩ và theo dõi hiện tại. Một số thứ chúng ta sẽ tiếp tục theo dõi, nhưng tôi nghĩ rằng nhiều trong số đó trong tương lai có thể trở thành quy trình mạch lạc. Bạn đi vào đó, ở trong đó một hai giờ, rồi ra ngoài. Chúng ta hãy chờ xem.

Tôi sẽ đặt thêm vài câu hỏi cuối cùng. Sau đó nếu còn điều gì muốn trò chuyện, chúng ta có thể tiếp tục trò chuyện. Nhưng thực sự rất cảm ơn bạn đã dành thời gian.

Tim Ferriss: Elad 5 năm sau nhìn lại Elad ngày hôm nay. Có niềm tin, quan điểm nào, có thể liên quan đến trí tuệ nhân tạo, hoặc không liên quan, mà bạn cho là có khả năng bị chứng minh là sai?

Elad Gil: Đó là một câu hỏi hay. Tôi nghĩ rằng tôi sẽ mắc phải rất nhiều điều. Chúng ta đang trải qua một giai đoạn biến đổi lớn, và biến đổi lớn có nghĩa là sự không chắc chắn lớn.

Do đó, nếu tôi dự đoán điều gì đó hiện tại và một nửa trong số đó không xảy ra cuối cùng, hoặc xảy ra mạnh mẽ hơn, hoặc diễn ra theo cách khác, tôi sẽ không ngạc nhiên. Điều này cũng là một phần thú vị của vấn đề.

Nếu tương lai có thể được dự đoán hoàn hảo, đó sẽ rất nhàm chán, vì chúng tôi sẽ chính xác biết điều gì sẽ xảy ra tiếp theo, điều đó sẽ tệ hại. Điều này cũng liên quan đến nhiều khái niệm như tự do ý chí. Vì vậy, tôi chắc chắn sẽ mắc nhiều lỗi.

Hơn nữa, còn một vấn đề khác là một bài tập mà tôi đang thực hiện gần đây. Trước đây, tôi chưa bao giờ làm điều đó. Rất nhiều điều trong cuộc sống, giống như câu nói của John Lennon: "Cuộc sống chính là những gì xảy ra khi bạn bận rộn lên kế hoạch khác."

Nhưng lần này là lần đầu tiên tôi thực sự suy nghĩ: Xem xét kế hoạch mười năm của tôi từ một số góc độ khác nhau của cuộc sống, nó sẽ là gì?

Câu hỏi cơ bản là, tôi chắc chắn sẽ không thể lập kế hoạch một cách hoàn hảo. Bạn có thể cố gắng lập kế hoạch mười năm, nhưng chắc chắn nó sẽ không diễn ra đúng như bạn nghĩ. Quan trọng hơn, nó sẽ thay đổi phạm vi tham vọng của bạn? Nó có thể thay đổi cách bạn suy nghĩ về cuộc sống?

Vì vậy gần đây, tôi luôn cố gắng suy nghĩ theo cách này: Trong mười năm tới, tôi muốn làm gì? Và điều này lại nghĩa là, để đạt đến trạng thái đó trong mười năm tới, tôi nên làm gì trong tương lai ngắn hạn?

Điều này thực sự mở mang tầm nhìn của tôi. Nó đã thay đổi cách tôi nhìn nhận về những điều mà tôi nên thử, những điều mà tôi không nên thử.

Tất nhiên, những người tin vào Trí tuệ Nhân tạo sẽ nói: "Hai năm nữa chúng ta sẽ có Trí tuệ Nhân tạo tổng hợp, vì vậy kế hoạch của bạn không quan trọng chút nào." Nhưng tôi nghĩ rằng đó là một cách nhìn rất thiếu tích cực về thế giới. Dường như vì điều đó có thể xảy ra, nên tôi sẽ từ bỏ.

Ngược lại, tôi muốn nói: "Tốt, tôi đặt ra kế hoạch trước, sau đó điều chỉnh theo cần thiết." Trong giai đoạn biến đổi này, có lẽ có một số điều rất thú vị trong thế giới để làm.

Tim Ferriss: Elad, trước khi chúng ta kết thúc, bạn còn điều gì muốn nói không? Có lời chúc, yêu cầu hoặc điều gì đó bạn muốn nói với người nghe, hay có cái gì đó bạn muốn họ xem không? Mọi người có thể tìm thấy bạn trên X, tài khoản là @eladgil, cũng có thể truy cập vào eladgil.com, và tất nhiên là blog Substack của bạn blog.eladgil.com. Chúng tôi sẽ đưa tất cả các liên kết vào phần mô tả chương trình. Ngoài ra, còn điều gì bạn muốn bổ sung không?

Elad Gil: Không, tôi đã rất vui khi trò chuyện với bạn. Tôi thực sự thích được tham gia, vì vậy cảm ơn bạn đã mời tôi.

Tim Ferriss: Cảm ơn bạn, anh em. Tôi rất vui như mọi khi.

[Link đến 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