Tiêu đề gốc: Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit—Cerebras & Black Forest Labs CEOs
Nguồn gốc: All-In Podcast
Biên dịch: TechFlow

Tóm tắt điểm chính

Tập này mời hai CEO của các công ty cơ sở hạ tầng AI. Andrew Feldman là người sáng lập Cerebras, công ty chuyên sản xuất chip suy luận, vừa hoàn thành IPO, nắm giữ 25 tỷ USD đơn hàng tồn đọng. Ông nhấn mạnh một điều: nhu cầu về sức mạnh tính toán AI đã được đặt trước hết, không có chuyện "xây xong rồi chờ người đến", nhu cầu của OpenAI, Anthropic, SpaceX, Google vượt xa nguồn cung. Và sự xuất hiện của reasoning (suy luận) khiến mật độ tính toán tăng vọt, đây chính là chiến trường của những cỗ máy nhanh. Robin Rombach là người sáng lập Black Forest Labs, chuyên làm mô hình tạo sinh hình ảnh và video (dòng Flux), trước đây ông đã phát minh ra thuật toán latent diffusion, nền tảng của tất cả các mô hình tạo sinh hình ảnh và video hiện nay. Ông vừa hợp tác với Martin Scorsese, giúp đạo diễn trực quan hóa những hình ảnh trong đầu bằng AI; nhưng hướng đi khiến ông hào hứng hơn là cùng một bộ mô hình đa phương thức có thể quay phim, cũng có thể triển khai lên robot làm bộ não. Điểm đến của video tạo sinh không nằm trên màn ảnh, mà ở thế giới vật lý.

Tóm tắt quan điểm nổi bật

Reasoning mới là hố đen sức mạnh tính toán tiếp theo

· "Thú vị là, đợt này khác với quá khứ, họ không đặt cược vào 'xây xong sẽ có người đến', nhu cầu đã đặt trước hết năng lực sản xuất. Chúng tôi có 25 tỷ USD đơn hàng tồn đọng."

· "Reasoning chính là suy luận, suy luận tiêu thụ một lượng token khổng lồ, đây chính là chiến trường của những cỗ máy nhanh."

· "Nếu Cerebras nhanh hơn 15 lần, bạn chạy 24 giờ, tương đương với suy nghĩ trong vài tuần hoặc vài tháng."

Mã nguồn mở và chủ quyền: Doanh nghiệp muốn quyền kiểm soát

· "Không ai thích bị phụ thuộc. Các nhà sản xuất quy mô lớn đã học được bài học từ thời kỳ x86 là bị Intel ràng buộc."

· "Bạn không cần phải là con chip nhanh nhất, bạn chỉ cần không hoàn toàn phụ thuộc vào chip của người khác."

· "Nếu bây giờ muốn chạy mô hình mã nguồn mở, hoặc là OSS 12B của OpenAI, hoặc là mô hình Trung Quốc. Mỹ cần nhiều lựa chọn mã nguồn mở nội địa hơn."

AGI theo định nghĩa của 20 năm trước đã đến rồi

· "Bất kỳ định nghĩa AGI nào chúng ta đưa ra từ 20 năm, 30 năm, 40 năm trước, chúng ta đều đã vượt xa nó."

· "Bài kiểm tra Turing? Đã bị đánh bại từ lâu rồi."

· "Vấn đề không còn là chúng ta không biết cách đặt câu hỏi nữa. AI có thể nói ngược lại với bạn: 'Này, những con người ngu ngốc, các bạn chưa xem xét điều này.'"

Video tạo sinh không phải để thay thế sáng tạo của con người

· "Những mô hình AI này là một loại phương tiện truyền thông. Chúng tôi không muốn quy định cách sử dụng chúng, đặc biệt là với những người như Martin Scorsese."

· "Ngôn ngữ là một cách giao tiếp có tổn thất. Tín hiệu thông tin hình ảnh quá phong phú. Biến hình ảnh trong đầu thành hình ảnh có thể nhìn thấy được – đó là điểm mạnh nhất của công nghệ."

· "Kết quả thú vị nhất hầu như luôn xuất hiện khi con người ở trong vòng lặp và liên tục lặp lại."

Từ phim ảnh đến robot: cùng một mô hình

· "Bạn có thể dùng cùng một mô hình đa phương thức để quay một bộ phim, sau đó triển khai nó như bộ não trên robot."

· "Tiền huấn luyện video đã ngầm dạy mô hình các quy luật tương tác vật lý, sau đó bạn lấy dự đoán hành động từ cùng một mô hình, tức là điều khiển robot."

· "Mục tiêu là bạn có thể dùng in-context prompt để ra lệnh cho robot: 'Lấy cốc nước cam đó lại đây.' Hiện tại chúng tôi chưa làm được, nhưng đó là hướng đi."

Cơn sốt hạ tầng AI: Trung tâm dữ liệu lớn hơn cả thành phố

Người dẫn chương trình: Chúng ta chưa bao giờ thấy quy mô xây dựng như thế này. Kể từ thời Vạn Lý Trường Thành và Kim tự tháp, con người chưa từng đầu tư nhiều vốn, thời gian và trí tuệ như vậy để xây dựng một thứ gì đó. Bạn thực sự đang làm điều này, khách hàng của bạn đang xây dựng trung tâm dữ liệu, và bạn là một mắt xích quan trọng. Năm 2026, Cerebras đang làm gì? Những dự án khổng lồ ở Texas đang diễn ra thế nào?

Trả lời: Các trung tâm dữ liệu mà chúng ta đang nói đến sẽ tiêu thụ lượng điện trong vài năm tới nhiều hơn tổng lượng điện của toàn thế giới trong 50 năm qua. Một tòa nhà riêng lẻ có diện tích bằng một sân bóng đá, kết nối với nguồn điện vượt quá một thành phố trung bình. Đang được xây dựng khắp nước Mỹ, Canada, Bắc Âu, Paris và toàn bộ nước Pháp, Trung Đông, thậm chí Kazakhstan, Tajikistan và Georgia cũng đang xây dựng các trung tâm dữ liệu lớn. Mọi quốc gia, mọi tiểu bang đều muốn tham gia.

Ai trả tiền? OpenAI, Anthropic, SpaceX AI, Google – nhu cầu của họ lớn đến mức đáng sợ. Điều thú vị là, làn sóng này khác với nhiều cơn sốt công nghệ trong quá khứ: họ không đặt cược vào "xây xong sẽ có người đến", mà nhu cầu đã đặt trước hết công suất. Chúng tôi có 25 tỷ đô la đơn hàng tồn đọng. OpenAI muốn thêm trung tâm dữ liệu, Microsoft muốn thêm, AWS muốn thêm. Nhu cầu không phải chờ khách đến, khách đã xếp hàng sẵn rồi.

Người dẫn chương trình: Điều này cũng sinh ra một thuật ngữ gọi là "token maxing", tạo token không giới hạn. Một số người đặt câu hỏi, liệu nhu cầu lớn như vậy có thực sự tạo ra giá trị thực không?

Trả lời: Tất nhiên có rất nhiều giá trị đang được tạo ra. Tất nhiên cũng có rất nhiều thử nghiệm mù quáng. Tôi so sánh với thời điểm AWS mới ra mắt, việc bỏ qua bộ phận IT của chính mình quá dễ dàng, mỗi kỹ sư chỉ cần dùng thẻ tín dụng là đăng ký. Nhiều thứ thực sự hữu ích, một số sau này nghĩ lại thì "ôi, không nên làm thế". Nhưng nhìn chung vẫn có lãi, chỉ là một số hướng đi sai.

Tôi còn nhớ năm 1988, Costco mở cửa hàng ở Palo Alto, mọi người đi dạo trong Costco như đi Safeway, đi qua từng kệ hàng. Đó là một cách mua sắm tồi tệ, vì bạn mua bốn thứ không cần, mỗi thứ 22 đô la. Sau đó mọi người học được chiến lược: ra phía sau lấy gà, lấy 18 cái bánh cupcake cho bữa tiệc sinh nhật của trẻ em, dứt khoát và nhanh gọn. Tiêu thụ token AI cũng vậy, ban đầu mọi người dùng thoải mái, giờ doanh nghiệp bắt đầu nói về chiến lược: nhiệm vụ nào chỉ cần dùng mô hình nguồn mở là đủ, nhiệm vụ nào phải dùng mô hình tiên tiến. Chúng ta bắt đầu quản lý AI như vận hành một doanh nghiệp rồi.

Suy luận thay thế huấn luyện: Tại sao máy nhanh là nhân vật chính của làn sóng này?

Người dẫn chương trình: Sam Altman đã nói trên AllIn rằng bước tiếp theo là reasoning, hiểu ý định, xây dựng chiến lược và xác thực chéo với các agent của luồng khác. Chúng ta đã đi một chặng đường dài từ "đoán từ tiếp theo", và giờ Cerebras đang ở trung tâm, vì reasoning chính là inference, khối lượng tính toán cực kỳ lớn.

Trả lời: Suy luận tiêu tốn lượng token khổng lồ, điều này tạo ra sân chơi cho các máy nhanh. Mỗi bước reasoning đều ngấu nghiến token nội bộ, bạn vốn phải đánh đổi thời gian dài để có câu trả lời tốt. Cerebras nhanh gấp 15 lần đồng nghĩa với việc, chạy suy luận 24 giờ, tương đương với lượng suy nghĩ của người khác trong vài tuần thậm chí vài tháng.

Sáng nay tôi đã thử mô hình GLM-52 của ZAI trên BitTensor, cấp cho nó sức mạnh tính toán vô hạn, yêu cầu nó mỗi giờ báo cho tôi biết những xu hướng chưa được nhận diện trên toàn thế giới. Nó bắt đầu tự tranh luận: nên tìm trên Hacker News và Reddit? Hay xu hướng trên Instagram xuất hiện sớm hơn? Tôi nhìn một mô hình suy luận tự biện luận ở hậu trường, nó đang thực hiện reasoning. Token vô hạn đồng nghĩa với suy luận vô hạn, với Cerebras nhanh gấp 15 lần, 24 giờ tương đương với người khác vài tuần.

Người dẫn chương trình: Cerebras có Moore's Law của riêng mình không? Thảo luận nội bộ về việc tăng gấp đôi trong bao lâu?

Trả lời: Tất cả các chip trước đây đều bám theo Moore's Law, tăng gấp đôi sau 18 tháng. Chúng tôi dùng con chip này phá vỡ đường cong đó, tạo ra một quỹ đạo hoàn toàn mới. Đánh giá của tôi là, trong 18 tháng tới, sẽ vượt xa gấp 2 lần. Kiến trúc mới còn rất nhiều dư địa để tối ưu. GPU là kiến trúc cũ 20 năm rồi, chỉ có thể cố gắng nhờ thu nhỏ node tiến trình, nhưng kiến trúc mới còn vô số thứ để học và điều chỉnh.

Người dẫn chương trình: Với 25 tỷ đơn đặt hàng tồn đọng trong tay, anh còn phải theo kịp nhịp độ của OpenAI, họ có thể là đối thủ cạnh tranh tiềm năng trong tương lai. Anh vận hành công ty thế nào?

Trả lời: Hiện tại wafer silicon không bị bỏ trống, nhu cầu quá lớn. Nhưng anh nói đúng, OpenAI cũng đang làm chip riêng, Amazon cũng vậy. Không ai thích bị phụ thuộc. Các nhà khai thác quy mô lớn đã học được bài học từ thời x86 là bị Intel trói buộc; các nhà sản xuất GPU học được bài học là bị trói buộc bởi một số ít khách hàng siêu lớn, nên họ tài trợ cho các đám mây mới. Làm chip riêng, trọng tâm không phải là nhanh nhất, mà là không hoàn toàn phụ thuộc vào người khác, ít nhất là kiểm soát một phần quan trọng trong vận mệnh của chính mình.

Mã nguồn mở và chủ quyền: Doanh nghiệp muốn quyền kiểm soát

Người dẫn chương trình: Mã nguồn mở đang bước vào một thời điểm. Tôi hồi đầu dùng OpenClaude, sau đó dùng Kimmy, thấy token Claude của tôi bùng nổ, nhưng với Kimmy tôi không phân biệt được sự khác biệt. Các mô hình mã nguồn mở bắt đầu làm reasoning, khoảng cách đột nhiên khép lại trong năm nay.

Trả lời!: Bạn không muốn lái Ferrari đi siêu thị. Đôi khi lái xe thể thao, đôi khi lái minivan, lũ trẻ làm đổ Cheerios cũng không xót. Doanh nghiệp cũng vậy: bài toán khó giao cho mô hình tiên tiến (OpenAI, Anthropic, Gemini), nhưng vô số vấn đề hàng ngày phía sau chỉ cần năng lực mã nguồn mở vững chắc. Hãy nghĩ xem một công ty dành bao nhiêu thời gian cho việc copy-paste từ Workday sang Excel? Việc này không cần toán học vàng, chỉ cần mã nguồn mở ổn định là đủ.

Gần đây lại lật thêm một lá bài: các ngành được quản lý như tài chính, y tế (HIPAA, FINRA) sợ rò rỉ dữ liệu, sợ chủ quyền trí tuệ bị người khác nắm giữ, muốn đặt mô hình tại chỗ, dùng phiên bản mã nguồn mở để giành thêm quyền kiểm soát. OpenAI vài tháng trước phát hành OSS 12B, cũng tạm được. Nhưng Mỹ hiện muốn chạy mã nguồn mở, hoặc là OSS 12B, hoặc là mô hình Trung Quốc, lựa chọn mã nguồn mở nội địa quá ít. NVIDIA cũng thấy khoảng trống này, đang đẩy mô hình mã nguồn mở của riêng mình, nhưng Jensen cũng đang do dự, khách hàng của ông là Sam, Dario, Elon, Sergey, đẩy mã nguồn mở liệu có cướp khách hàng không?

Cerebras đứng ở vị trí trung lập hơn, chúng tôi chạy GLM, chạy Kimmy, chạy dòng Qwen, cũng chạy mô hình đóng của OpenAI. Còn chạy mô hình do GSK tự phát triển, chạy mô hình riêng của UAE G42 và MBZUAI. Chủ quyền, đó là một xu hướng.

AGI đã đến, mô hình sẽ không chết, con người mới chết

Người dẫn chương trình: Khi Fable 5 và o-56 được phát hành, chính phủ nói "hãy dừng lại một chút rồi mới tung ra". Anthropic và tầng hành chính căng thẳng, giờ đã bắt đầu dịu đi. Bạn thấy việc phát hành theo từng bước có hợp lý không? Mô hình có thực sự nguy hiểm không?

Trả lời: Tôi chưa từng thấy chuyện này trước đây. Nhưng nghĩ lại: khi một mô hình đủ mạnh về tư duy sáng tạo, chính phủ nói "xin hãy phát hành theo từng bước", tôi nghĩ điều này thực ra không sai. Chúng ta cũng quản lý thuốc mạnh như vậy, tất nhiên không khuyến khích đống giấy tờ rác kéo dài bảy năm của FDA, nhưng nói "ít nhất để chính phủ làm một số bài kiểm tra red team, xác nhận hệ thống phòng thủ của chúng ta có thể chặn được", cho hai ba tuần để vá lỗ hổng rõ ràng, đó không phải yêu cầu vô lý.

Nhưng bây giờ là lúc phân cực nhất. Nếu việc này không phải do Trump làm, mà là bất kỳ tổng thống nào khác, phản ứng có thể hoàn toàn khác. Sự phân cực làm tổn hại đến tư duy rõ ràng. Cả hai bên đều sẽ làm điều ngu ngốc, cũng sẽ làm điều thông minh. Những người ở cấp cơ sở trong chính phủ thực ra rất nghiêm túc làm việc, chỉ là mọi thứ quá nhanh.

Nikesh của Palo Alto Networks từng nói với tôi: họ đưa mô hình vào kiểm thử phần mềm của mình, phát hiện hàng chục lỗ hổng quan trọng trong vòng một giờ, buộc phải dừng mọi việc đang làm, mất sáu tuần để vá lỗi. Bạn nhận ra đây là một công cụ mạnh mẽ, có lẽ nên cho một nhóm nhỏ xem trước, có lẽ nên làm kiểm tra red team trước.

Người dẫn chương trình: Theo bất kỳ định nghĩa nào từ 20 năm trước, AGI đã đến rồi. Bạn có nghĩ vậy không?

Trả lời: Đúng vậy. Bài kiểm tra Turing? Đã vượt qua từ lâu. Bất kỳ định nghĩa nào được đưa ra cách đây 10, 15, 20, 30, 40, 50 năm, chúng ta đều đã vượt xa. Những câu hỏi mà các nhà văn khoa học viễn tưởng đặt ra, chúng ta đều đã trả lời xong, họ sẽ nói "Tôi không còn câu hỏi nào nữa, xin lỗi." Đó là lý do tại sao những người có vẻ ở rìa lại đáng để lắng nghe. Ilya nói về an toàn tám năm trước, bạn nói "Cái gì?" Và hóa ra anh ấy đã đúng. Elon nói về việc giảm chi phí tên lửa xuống gần bằng không, bạn nói "Cái gì?" Và hóa ra anh ấy đã làm được.

Người dẫn chương trình: Học tập đệ quy, bạn hỏi nó một câu, học được kết quả, hỏi lại lần nữa, câu trả lời tốt hơn, bao phủ nhiều tài liệu hơn, những kết quả từ vòng lặp này nhảy từ "tốt hơn một chút" thẳng đến "tốt hơn nhiều". Độ dốc của đường cong hàm mũ quá dốc.

Trả lời: Lợi ích đệ quy là theo cấp số nhân, bạn tốt hơn, làm lại lần nữa, tiếp tục lợi ích, độ dốc quá dốc. Chúng ta mới bắt đầu thấy điều này. Cứ liên tục đầu tư sức mạnh tính toán, câu trả lời có ngày càng tốt hơn không? Chạy hết token hoặc ngân sách thì dừng lại, nhưng đường cong hàm mũ này khi nào mới kết thúc? Hay là mãi đi lên về phía trên bên phải? Câu hỏi này bây giờ thú vị vô cùng.

Tốc độ học tập của con người bị kẹt bởi thế hệ. Voi và động vật có vú lớn mất 15-20 năm mới có một thế hệ. Muốn nhanh, phải như ruồi giấm, hai thế hệ một ngày. AI đang đạt được tốc độ học tập trải qua hàng nghìn thế hệ như vậy. Khi tôi học tâm lý học, giáo sư từng nói một câu: Mô hình không chết, con người mới chết. Các môn đệ của Freud, Skinner, Jung nắm giữ vị trí lãnh đạo 20-40 năm, mới có thế hệ tiếp theo đặt câu hỏi. AI đã nén khoảng cách thế hệ xuống thành tốc độ của ruồi giấm.

Điều tôi đặt cược là: Con cái chúng ta và tất cả những người chúng quen sẽ không chết vì ung thư. Kinh tế sẽ có chấn động, xe hơi đến, những người đánh móng ngựa sẽ gặp khó khăn. Nhưng hãy liệt kê những thứ kiếm được và mất đi: năng lượng vô hạn, thực phẩm vô hạn, kiến thức vô hạn, giáo dục vô hạn, nhà ở vô hạn. Chúng ta đã biết từ một nghìn năm nay rằng dạy kèm một-một tốt hơn lớp học, Aristotle dạy kèm Alexander, Socrates dạy kèm học trò của mình, nhưng chúng ta đã chọn phương pháp giảng dạy kiểu nhà máy chăn nuôi. Giờ đây AI có thể cung cấp cho mỗi đứa trẻ một người hướng dẫn học theo cách riêng của chúng.

Hộp công cụ AI của Scorsese: Biến hình ảnh trong đầu thành hiện thực

Người dẫn chương trình: Robin Rombach là đồng sáng lập kiêm CEO của Black Forest Labs, trụ sở chính tại Freiburg thuộc vùng Rừng Đen và San Francisco. Trước đây bạn làm Stable Diffusion, đã phát minh ra thuật toán latent diffusion. Công việc kinh doanh của Black Forest Labs là gì? Mục tiêu là gì?

Trả lời: Tôi và các cộng sự đã thành lập công ty này cách đây hai năm. Trước đó, chúng tôi đã phát triển Stable Diffusion, và sớm hơn nữa là phát minh ra latent diffusion – thuật toán nền tảng đằng sau tất cả các mô hình tạo sinh hình ảnh, video, và thậm chí cả AI vật lý hiện nay. Nguyên lý là nén dữ liệu tự nhiên (hình ảnh, video, âm thanh) vào không gian biểu diễn hiệu quả, sau đó huấn luyện transformer trên đó, giống như nguyên lý của JPEG và MP3, nhưng được thực hiện bằng thuật toán mạng nơ-ron. Chúng tôi đã làm điều này tại Munich trong thời gian học tiến sĩ.

Hiện tại, chúng tôi đang chinh phục các mô hình thị giác đa phương thức, tiền huấn luyện đồng thời trên dữ liệu hình ảnh và âm thanh, và đang bước vào một mô hình mới: kết hợp dự đoán hành động, cho phép cùng một mô hình tạo ra hình ảnh, video, âm thanh, và dự đoán hành động, cuối cùng có thể triển khai lên robot trong thế giới thực.

Người dẫn chương trình: Từ hình ảnh đến video, âm thanh, rồi robot – nếu mô hình có thể tạo ra video, điều đó có nghĩa là nó đã hiểu được thế giới.

Trả lời: Trực giác thông minh và suy luận sâu sắc là hai dạng trí tuệ bổ sung cho nhau. Chúng tôi tiếp cận từ phía trực giác, hình ảnh là điểm khởi đầu tự nhiên nhất vì khối lượng tính toán không lớn như video. Nhưng hiện tại, mọi thứ đang hội tụ thành các mô hình đa phương thức. Tiền huấn luyện video đã dạy cho mô hình các quy luật tương tác vật lý một cách ẩn dụ, từ cùng một mô hình, chúng tôi có thể lấy được dự đoán hành động, tức là điều khiển robot.

Người dẫn chương trình: Bạn có hợp tác với Martin Scorsese? Bạn ngồi cạnh ông ấy và để ông ấy sử dụng công cụ của bạn?

Trả lời: Đúng vậy, tôi đã ngồi cùng phòng với ông ấy, ông ấy khám phá mô hình của chúng tôi, với tư cách là một trong những nhà nghiên cứu chính ngồi bên cạnh, cảm giác đó thật điên rồ. Đồng thời, tôi cũng là một fan hâm mộ lớn của ông ấy.

Điều ông ấy muốn là trực quan hóa những cảnh trong đầu, một ngôi làng ở Đông Âu. Ông ấy mô tả, chúng tôi xem đầu ra, và ông ấy lặp lại. Cuối cùng, ông ấy nói: Biến hình ảnh trong đầu thành biểu đạt thị giác, hiệu quả giao tiếp này cao hơn nhiều so với ngôn ngữ. Ngôn ngữ là một cách giao tiếp có tổn thất, tín hiệu thông tin thị giác quá phong phú, lượng thông tin trong một bức ảnh hoặc một đoạn video là rất lớn, đó là một kênh giao tiếp khác.

Chúng tôi không muốn quy định cách sử dụng các mô hình này, đặc biệt là không nói với Martin Scorsese rằng "anh nên dùng nó như thế này". Mô hình AI là một phương tiện. Những điều thú vị nhất hầu như đều xuất hiện khi con người liên tục lặp lại trong vòng lặp.

Từ điện ảnh đến robot: Điểm đến của mô hình tạo sinh không nằm trên màn bạc

Người dẫn chương trình: Các startup hiện đang sử dụng Flux và mô hình của các bạn để làm video ra mắt. Trước đây, họ tốn 250.000 USD cho một video ra mắt, giờ chỉ mất một đến hai tuần. Gal Gadot vừa làm một bộ phim về Bitcoin, diễn viên biểu diễn trên sân khấu âm thanh mà không cần phông xanh, tất cả bối cảnh được tạo bằng AI tạo sinh, với ngân sách 30 triệu USD đã tạo ra hiệu quả mà trước đây cần 150 triệu USD mới làm được. Bạn có thấy việc sử dụng trong sản xuất không?

Trả lời: Tôi đã thấy một số điều. Sản xuất phim cao cấp là một trong những trường hợp sử dụng khắt khe nhất. Tôi rất vui khi thấy có người đang khám phá, nhưng tôi cũng muốn nói rõ: công nghệ vẫn đang trên quỹ đạo phát triển, đang được cải tiến nhanh chóng. Vài năm trước khi làm PhD, chúng tôi chỉ có thể tạo ra ảnh 64×64 pixel, giờ đây có thể tạo video đa đầu vào độ phân giải cao, nhưng nó sẽ không dừng lại ở đó.

Điều khiến tôi hào hứng nhất là: bạn có thể dùng cùng một mô hình đa phương thức để quay một bộ phim, sau đó triển khai nó như bộ não của robot. Điều này thực sự thú vị. Không rõ liệu computer use có khả thi hay không, nhưng công nghệ đang tiến dần vào thế giới vật lý, world models, action models, nói thẳng ra đều là một thứ.

Người dẫn chương trình: Dữ liệu huấn luyện đến từ đâu? Để con người đeo kính, đeo găng tay ghi lại góc nhìn thứ nhất? Hay chỉ cần xem một nghìn video trên YouTube về người rót đồ uống là đủ?

Trả lời: Mục tiêu là dùng in-context prompt để ra lệnh cho robot: "Lấy cốc nước cam đó lại đây". Hiện tại vẫn chưa làm được. Cách hiện tại là: mô hình đã có sẵn khả năng hiểu thị giác lớn, chỉ cần vài giờ dữ liệu tinh chỉnh để thích ứng với phần cứng cụ thể. Hướng đi là cố gắng tinh chỉnh càng ít càng tốt, dựa vào in-context instruction càng nhiều càng tốt, nhưng đây vẫn là vấn đề nghiên cứu.

Người dẫn chương trình: Mã nguồn mở đang ở thời điểm quan trọng, doanh nghiệp muốn chủ quyền. Disney với kho IP lớn nên làm thế nào, dùng mô hình mã nguồn mở của bạn tự huấn luyện, hay hợp tác với bạn để phát triển mô hình độc quyền?

Trả lời: Trường hợp sử dụng thú vị nhất nằm ở việc tạo ra những thứ chưa từng có trước đây, đó mới là bản chất thú vị nhất của công nghệ này. Trên công cụ công khai của chúng tôi, không thể tạo ra IP cụ thể, điều này rất hợp lý. Chúng tôi cũng đang hợp tác với một số chủ sở hữu IP để phát triển mô hình, một số dựa trên mô hình mã nguồn mở của chúng tôi, một số dựa trên mô hình độc quyền mạnh hơn.

Góc nhìn thú vị nhất là: công nghệ trở nên nhanh hơn và tương tác hơn. Bạn có thể tưởng tượng trên Disney+ có các công cụ sáng tạo nội dung tương tác.

Người dẫn chương trình: Hiện tượng thú vị nhất hiện nay là fan films. Trước đây có fan fiction viết câu chuyện Star Wars của riêng mình, sau đó có người mặc trang phục Jedi quay fan films. George Lucas từng nói chỉ cần không sử dụng thương mại là được phép. Giờ đây, mọi người dùng AI để tái hiện những câu chuyện Star Wars chưa từng kể, Star Wars Stories Untold mỗi video đạt triệu lượt xem. Đây mới là tương lai: để người tiêu dùng trả phí cấp phép, cho họ dùng nhân vật để sáng tạo câu chuyện của riêng mình.

Trả lời: Sẽ thật tuyệt nếu tìm được mô hình kinh doanh khả thi cho bên sở hữu IP, đồng thời mở ra lối chơi sáng tạo tùy chỉnh kiểu này. Mỗi khi đọc sách hay xem phim, tôi thường nghĩ "giá mà nó phát triển theo hướng này", và giờ đây cuối cùng cũng có thể biến những ý tưởng đó thành hình ảnh trực quan.

Chúng tôi vừa vượt mốc 100 người và đang tuyển dụng tại Đức và San Francisco: các nhà nghiên cứu huấn luyện mô hình quy mô lớn, người có kinh nghiệm huấn luyện diffusion và flow matching, kỹ sư phát triển giải pháp tùy chỉnh cùng khách hàng, người vận hành hạ tầng tính toán quy mô lớn, và những ai quan tâm đến việc đưa công nghệ đến tay nhiều người hơn.

Liên kết gốc

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