TL;DR
· SemiAnalysis đặt cược rằng Meta có thể vượt qua Google trong vòng 6 tháng tới, trở thành đối thủ đuổi theo mạnh nhất sau OpenAI và Anthropic.
· Nhận định này dựa trên ba yếu tố: thương vụ Scale AI trị giá 14,3 tỷ USD, sản xuất dữ liệu RL và mở rộng sức mạnh tính toán đa GW.
· Muse Spark 1.1 vẫn chưa bắt kịp các mô hình tiên tiến, liệu Meta có thể đuổi kịp Google hay không còn phụ thuộc vào hiệu suất của thế hệ mô hình tiếp theo.

SemiAnalysis đưa ra một nhận định táo bạo trong báo cáo mới nhất: Phòng thí nghiệm siêu thông minh của Meta hiện chưa phải là người chiến thắng trong số các mô hình tiên tiến, nhưng nếu nhân tài, dữ liệu học tăng cường và mở rộng sức mạnh tính toán cùng được hiện thực hóa, Meta có cơ hội vượt qua Google trong vòng 6 tháng tới, trở thành đối thủ cạnh tranh nhất sau OpenAI và Anthropic.

Điều này không có nghĩa là Meta đã bắt kịp. Meta ra mắt Muse Spark vào tháng 4, và theo Axios đưa tin ngày 9 tháng 7, Muse Spark 1.1 đã mở API cho các nhà phát triển, với mức giá 1,25 USD cho mỗi triệu token đầu vào và 4,25 USD cho mỗi triệu token đầu ra. Axios cho biết đây không phải là mô hình "bước nhảy vọt" mà Meta kỳ vọng, mô hình lớn hơn có tên mã Watermelon vẫn đang trong quá trình huấn luyện.

SemiAnalysis đặt cược vào một điều khác: Sau thất bại của Llama 4, Zuckerberg đang tái cấu trúc tổ chức AI theo cách quyết liệt hơn, dồn tiền, nhân tài, nguồn lực kỹ thuật nội bộ và dung lượng trung tâm dữ liệu vào phòng thí nghiệm siêu thông minh. Điểm mấu chốt của báo cáo là liệu Google có còn giữ vững vị trí thứ ba trong lĩnh vực AI hay không.

Mô hình hiện tại chưa mạnh, báo cáo đặt cược vào tốc độ đuổi kịp trong 6 tháng

Sau khi phòng thí nghiệm siêu thông minh của Meta ra mắt cùng Muse Spark, nó không tái hiện được cảm giác dẫn đầu về mã nguồn mở như thời kỳ Llama 3 và Llama 3.1. Theo đánh giá và nhận định của SemiAnalysis, Muse Spark và các phiên bản tiếp theo của nó vẫn khó được coi là tiên tiến trong hầu hết các bài kiểm tra chuẩn và kịch bản tác nhân tổng quát.

Đây cũng là điểm cần giới hạn nhất trong báo cáo này. Các chi tiết như Muse Spark 1.1 tương đương Opus 4.6 hoặc GLM 5.2, việc sử dụng token nội bộ tạm thời chưa chuyển đổi, v.v., thuộc về đánh giá và nhận định mô hình của tác giả, không phải thông báo chính thức từ Meta. Ít nhất từ thông tin công khai, Meta vẫn chưa đưa ra mô hình có thể trực tiếp thách thức OpenAI và Anthropic.

Tuy nhiên, SemiAnalysis tập trung vào độ dốc. Sau thất bại của Llama 4, đội ngũ siêu thông minh của Meta đã thực hiện một cuộc tái cơ cấu lớn, và sự hỗn loạn tổ chức ngắn hạn đang được hấp thụ. Báo cáo nhận định rằng nếu vòng huấn luyện mô hình tiếp theo và quá trình sản xuất dữ liệu học tăng cường bắt đầu phản ánh vào sản phẩm, vị thế của Meta có thể cao hơn so với bảng xếp hạng hiện tại.

Thương vụ 14,3 tỷ USD với Scale AI, bổ sung nguồn nhân lực khan hiếm nhất cho mô hình tiên phong

Bước đi nổi bật nhất của Meta là khoản đầu tư 14,3 tỷ USD vào Scale AI. Nhiều phương tiện truyền thông như Fortune, Forbes, Reuters trước đó đã đưa tin rằng Meta thông qua thương vụ này đã đưa người sáng lập Scale AI là Alexandr Wang vào làm việc, và để anh tham gia hoặc lãnh đạo đội ngũ liên quan đến siêu thông minh.

Trong cuộc cạnh tranh mô hình tiên phong, thương vụ này không chỉ là mua một công ty gắn nhãn dữ liệu, mà giống như một cuộc săn đầu người cường độ cao. Đội ngũ an toàn, đánh giá và căn chỉnh SEAL của Scale được SemiAnalysis coi là nguồn quan trọng để Meta bổ sung năng lực đánh giá, căn chỉnh và hậu huấn luyện.

Reuters cũng từng đề cập rằng Meta cung cấp gói lương hàng trăm triệu USD cho một số kỹ sư AI. Con số này cho thấy Meta đã đặt siêu thông minh vào ưu tiên cấp công ty, chứ không phải là sự lặp lại sản phẩm AI thông thường. Đối với một công ty công nghệ lớn, điều thực sự khó khăn không phải là đưa ra ngân sách, mà là làm cho nghiên cứu, sản phẩm, cơ sở hạ tầng và quản lý đều vận hành xoay quanh cùng một mục tiêu.

SemiAnalysis trích dẫn phát biểu gần đây của Alexandr Wang trong podcast rằng các phòng thí nghiệm tiên phong thực sự thường tin rằng siêu thông minh đã gần kề, và sau đó các quyết định kinh doanh tuân theo nhận định này. Báo cáo giải thích các động thái gần đây của Meta là hướng tới ưu tiên AGI kiểu OpenAI, Anthropic.

3.000 kỹ sư chuyển hướng sang RL, Meta muốn biến công việc nội bộ thành dữ liệu huấn luyện

Ngoài nhân tài, các nhiệm vụ học tăng cường và dữ liệu công việc thực tế là dòng thứ hai.

Ngày nay, việc nâng cao năng lực mô hình không chỉ dựa vào kho ngữ liệu tiền huấn luyện. Quan trọng hơn là liệu mô hình có thể hoàn thành nhiệm vụ trong môi trường gần với công việc thực tế hay không: hiểu ngữ cảnh, gọi công cụ, thực thi kiểm thử, sửa lỗi, và sau đó lặp lại dựa trên kết quả. Sửa chữa kho mã nguồn, phân tích sản phẩm, gọi công cụ nội bộ, tất cả đều gần với độ khó thực tế của công việc cổ trắng hơn so với các bài kiểm tra thông thường.

SemiAnalysis cho biết Meta đã tái bố trí khoảng 3.000 kỹ sư thành những người tạo nhiệm vụ RL toàn thời gian. Con số này cần được hiểu theo cách báo cáo, nhưng nếu được thực thi đúng cách, lợi thế của Meta sẽ trở nên rõ ràng: họ không chỉ đơn thuần thuê ngoài mua dữ liệu nhân tạo, mà đang biến tổ chức kỹ thuật của mình thành một dây chuyền sản xuất nhiệm vụ huấn luyện.

Loại dữ liệu này đặc biệt quan trọng đối với các tác nhân thông minh. Nhiều nhiệm vụ học tăng cường trông có vẻ khó, nhưng thực tế các prompt đã viết quá chi tiết từng bước, không phù hợp với thói quen làm việc thực tế. Ghi lại màn hình, quy trình làm việc hàng ngày, nhật ký gọi công cụ và hệ thống đánh giá nội bộ có thể phù hợp hơn để huấn luyện các mô hình có thể tự động hóa công việc văn phòng.

Đây cũng là lý do báo cáo lạc quan về việc Meta đuổi kịp Google. Google có DeepMind, Gemini, TPU và mảng đám mây, nhưng Meta đang tập trung tổ chức nội bộ, dữ liệu và năng lực kỹ thuật vào cùng một mục tiêu mô hình.

Mở rộng sức mạnh tính toán đa GW đưa Meta vào bàn chơi tiên phong

Sức mạnh tính toán là tuyến thứ ba. Trong bài viết ngày 2 tháng 7, SemiAnalysis cho biết Meta đã ký hợp đồng dung lượng hơn 5GW trong nửa đầu năm nay, tích lũy gần 10GW giao dịch kể từ năm 2024, và đánh giá phần lớn dung lượng tăng thêm vẫn sẽ được chuyển đến phòng thí nghiệm siêu thông minh của Meta.

Đối với các nhà đầu tư thông thường, trọng tâm không phải là thiết kế trung tâm dữ liệu cụ thể, mà là hướng chi tiêu vốn. Meta mở rộng sức mạnh tính toán không phải để làm dịch vụ đám mây thông thường, mà để chuẩn bị các cụm quy mô lớn hơn cho huấn luyện mô hình nội bộ, hậu huấn luyện và vòng lặp tác nhân thông minh. Huấn luyện và học tăng cường càng nặng, tốc độ triển khai sức mạnh tính toán càng ảnh hưởng đến tốc độ lặp lại mô hình.

Báo cáo cũng đề cập đến các ý tưởng hạ tầng như kết nối liên vùng, triển khai nhanh trung tâm dữ liệu. Những chi tiết này vẫn thuộc phạm vi suy luận mô hình của SemiAnalysis, nhưng hướng đi rất rõ ràng: Meta đang dùng hạ tầng để đổi lấy thời gian.

Tranh cãi của Google không phải là có hay không có sức mạnh tính toán, mà là cách phân bổ sức mạnh tính toán. SemiAnalysis dự đoán rằng một phần đáng kể dung lượng trung tâm dữ liệu mới của Google sẽ phục vụ IaaS và API bên thứ ba, mức độ tập trung tài nguyên mà DeepMind có thể sử dụng cho huấn luyện tiên phong có thể thấp hơn so với tưởng tượng bên ngoài. Ngay cả khi Google mở rộng thêm hạ tầng AI thông qua tài trợ bên ngoài hoặc thị trường vốn, một phần dung lượng mới cũng có thể bị tiêu thụ bởi khách hàng đám mây.

Do đó, báo cáo đưa ra một nhận định gây tranh cãi hơn: Cuộc chiến vị trí thứ ba trong AI không còn là Google ngồi vững, mà có thể trở thành sự sắp xếp lại thứ hạng giữa Meta, Google và các nhà chơi sức mạnh tính toán cao khác.

Vấn đề lớn nhất vẫn là Meta chưa đưa ra được mô hình tiên tiến

Điểm gây ấn tượng mạnh nhất của báo cáo này, cũng là nơi có rủi ro lớn nhất: nó đặt cược vào 6 tháng tới, chứ không phải kết quả đã xảy ra.

Meta đã có thương vụ Scale AI trị giá 14,3 tỷ USD, Alexandr Wang gia nhập, gói lương trị giá hàng trăm triệu USD, mở rộng sức mạnh tính toán nhiều GW, và chuyển hướng nguồn lực kỹ thuật nội bộ sang các nhiệm vụ RL. Nhưng những điều này vẫn chỉ là điều kiện để bắt kịp, chứ không phải bản thân chiến thắng về mô hình.

Muse Spark 1.1 hiện tại vẫn chưa thể chứng minh Meta đã bước vào vị trí của OpenAI và Anthropic. Các mô hình lớn hơn như Watermelon vẫn đang trong quá trình huấn luyện, khả năng thực tế, chi phí, tính khả dụng và phản hồi từ nhà phát triển đều chưa được thị trường kiểm chứng.

Google cũng chưa rời khỏi bàn chơi. DeepMind, TPU, Gemini và mảng đám mây vẫn là những lợi thế cứng. Sự khác biệt thực sự nằm ở chỗ, nguồn lực của Google phải phục vụ đồng thời tìm kiếm, đám mây, khách hàng API và mô hình nội bộ, trong khi Meta đang tập trung nhiều nguồn lực hơn vào phòng thí nghiệm siêu thông minh.

Nếu mô hình thế hệ tiếp theo của Meta không có tiến bộ rõ rệt, thì 14,3 tỷ USD chi cho việc tuyển dụng và đầu tư sức mạnh tính toán quy mô lớn sẽ trở thành áp lực chi tiêu vốn nặng nề hơn. Nếu mô hình mới và sản phẩm tác tử thông minh được hiện thực hóa, thì vị trí thứ ba trong lĩnh vực AI mới thực sự bị lung lay.

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