Tiêu đề gốc: The bottleneck isn't the model. It never was.
Tác giả gốc: Saket Mehrotra, Beta to Alpha

Lời tòa soạn: Gần đây, Jacob Coxon, người từng làm việc trong lĩnh vực tiền huấn luyện tại OpenAI và Anthropic, đã tuyên bố rời Anthropic và công khai kêu gọi các phòng thí nghiệm AI hàng đầu phối hợp hạn chế việc tiếp tục nâng cao năng lực mô hình. Evan Hubinger, người đứng đầu bộ phận khoa học căn chỉnh của Anthropic, sau đó đã phản hồi rằng ông đồng tình với những đánh giá chính của Coxon về rủi ro, và ước tính xác suất AI dẫn đến sự tuyệt chủng của loài người trong thập kỷ tới là trên 10%.

Cuộc tranh luận này đang đẩy "giảm tốc AI" từ một vấn đề đạo đức sang thị trường vốn: nếu các phòng thí nghiệm tiên phong thực sự làm chậm quá trình nghiên cứu phát triển mô hình, liệu chi tiêu vốn cho AI vốn không ngừng được điều chỉnh tăng trong những năm qua có cũng sẽ đối mặt với bước ngoặt? Các cổ phiếu công nghệ dựa vào câu chuyện AI để có được mức định giá cao hơn, liệu có cần được định giá lại?

Tác giả Saket Mehrotra của Beta to Alpha trong bài viết "The bottleneck isn't the model. It never was." đã đưa ra quan điểm rằng, lo ngại của các phòng thí nghiệm về rủi ro AI không đồng nghĩa với việc đầu tư vào cơ sở hạ tầng hạ nhiệt. Chỉ cần các công ty vẫn lo sợ bị bỏ lại phía sau trong cuộc đua, nỗi lo về an toàn có thể tiếp tục thúc đẩy đầu tư vào năng lực tính toán; đồng thời, nút thắt của ngành đã dần chuyển từ GPU, HBM và đóng gói tiên tiến sang điện lực và lưới điện.

Điều này không có nghĩa là giảm tốc AI không có tác động gì đến thị trường. Chính xác hơn, tác động phụ thuộc vào việc giảm tốc xảy ra ở tầng nào: nếu chỉ kéo dài thời gian kiểm tra an toàn, làm chậm việc phát hành mô hình, thì CapEx có thể không giảm theo; nếu chính phủ trực tiếp hạn chế cụm huấn luyện, nguồn cung chip hoặc điện năng tiêu thụ của trung tâm dữ liệu, thì toàn bộ khung đầu tư mới có thể thay đổi căn bản.

Dưới đây là bản dịch nguyên văn:

Jacob Coxon đăng tuyên bố rời đi trên X, kêu gọi các phòng thí nghiệm AI tiên phong phối hợp làm chậm cuộc đua năng lực

Việc Jacob Coxon rời đi một lần nữa đưa rủi ro của AI tiên phong ra ánh sáng.

Coxon cho rằng OpenAI và Anthropic đang chạy đua để phát triển siêu trí tuệ có khả năng tự cải thiện, nhưng không thực hiện các biện pháp an toàn đủ trách nhiệm. Đây không phải là tiếng nói đơn lẻ từ những nhà phê bình bên ngoài. Evan Hubinger, người đứng đầu bộ phận khoa học căn chỉnh của Anthropic, sau đó đã công khai bày tỏ rằng ông đồng tình với những đánh giá chính của Coxon, và ước tính xác suất AI dẫn đến sự tuyệt chủng của loài người trong thập kỷ tới là hơn 10%. Những phát biểu liên quan cũng đã được các phương tiện truyền thông như WIRED đưa tin.

Nhưng đối với nhà đầu tư, một vấn đề khác có thể trực tiếp hơn: khi các phòng thí nghiệm tiên phong bắt đầu thảo luận về việc giảm tốc, liệu chi tiêu vốn AI của các công ty công nghệ có giảm theo?

Mehrotra cho rằng, ít nhất ở giai đoạn hiện tại, không thể đánh dấu bằng giữa hai điều này. Tranh chấp về an toàn AI diễn ra ở tầng quản trị mô hình và phòng thí nghiệm, trong khi các ràng buộc của chu kỳ CapEx lần này đã dần hạ xuống tầng cơ sở hạ tầng vật lý như chip, đóng gói, điện lực và trung tâm dữ liệu.

Càng lo sợ thua cuộc đua, phòng thí nghiệm càng khó chủ động giảm tốc

Theo mô tả của Coxon, các phòng thí nghiệm tiên phong không phải không nhận thức được rủi ro. Vấn đề thực sự là không có phòng thí nghiệm nào sẵn sàng là người đầu tiên chậm lại.

Logic trò chơi ở đây là: nếu một phòng thí nghiệm chọn giảm tốc, các đối thủ cạnh tranh có ý thức an toàn yếu hơn có thể sẽ phát triển được mô hình mạnh hơn trước. Thay vì để đối thủ kém thận trọng hơn vượt lên trước, tốt hơn là tiếp tục đầu tư nguồn lực, đảm bảo mình trở thành người dẫn đầu và cố gắng kiểm soát công nghệ theo cách an toàn hơn.

Theo tác giả, cách suy nghĩ này rất khó chuyển hóa thành việc thu hẹp chi tiêu vốn, thậm chí có thể củng cố cuộc chạy đua vũ trang. Phòng thí nghiệm càng tin rằng mình đang tham gia vào một cuộc cạnh tranh công nghệ mang tính quyết định, càng khó cắt giảm việc mua GPU, cụm huấn luyện và đầu tư trung tâm dữ liệu.

Do đó, lo lắng về an toàn và tăng trưởng CapEx có thể cùng tồn tại. Nó thậm chí có thể hình thành một vòng lặp tự củng cố: phòng thí nghiệm lo ngại năng lực AI tăng nhanh, nhưng lại đầu tư nhiều nguồn lực hơn vì sợ tụt lại phía sau đối thủ, càng đẩy nhanh cuộc đua năng lực.

Đây là cách tác giả giải thích cấu trúc trò chơi của ngành, không phải kết quả đã được xác nhận bởi kế hoạch chi tiêu vốn của công ty. Để đánh giá liệu logic này có đứng vững hay không, vẫn cần quan sát liệu các nhà cung cấp đám mây lớn và phòng thí nghiệm AI chủ chốt có bắt đầu điều chỉnh kế hoạch mua sắm và xây dựng thực tế hay không.

Mô hình giảm tốc không đồng nghĩa chu kỳ cơ sở hạ tầng kết thúc

Phán đoán thứ hai của Mehrotra là nút thắt cốt lõi của ngành AI đã dịch chuyển nhiều lần, và mỗi lần dịch chuyển đều nâng cao mức độ thâm dụng vốn.

Ban đầu, thứ hạn chế huấn luyện mô hình là nguồn cung GPU và hạn ngạch chip; sau đó, nút thắt chuyển sang HBM bộ nhớ băng thông cao và đóng gói tiên tiến; ngày nay, nguồn cung điện, kết nối lưới điện và xây dựng trung tâm dữ liệu đang trở thành những ràng buộc khó giải quyết nhanh chóng hơn.

Năng lực chip và đóng gói có thể được giảm nhẹ bằng cách mở rộng dây chuyền sản xuất, nhưng vấn đề điện lực thường cần xây dựng hoặc khởi động lại cơ sở phát điện, tăng năng lực sản xuất tuabin khí và máy biến áp, đồng thời nâng cấp hệ thống truyền tải và kết nối lưới. Loại dự án này có quy mô đầu tư lớn hơn, chu kỳ xây dựng cũng dài hơn, không thể giải quyết bằng một lần nâng cấp phần mềm.

Do đó, ngay cả khi tần suất phát hành các mô hình tiên tiến giảm xuống, các đơn hàng chip đã được ký kết, các thỏa thuận mua điện và các dự án xây dựng trung tâm dữ liệu cũng chưa chắc sẽ dừng lại ngay lập tức. Giữa nghiên cứu phát triển mô hình và xây dựng cơ sở hạ tầng tồn tại độ trễ thời gian, CapEx thường không chuyển hướng đồng bộ theo dư luận hay nhịp độ nghiên cứu phát triển.

Đồng thời, việc giảm tốc cũng chưa chắc có nghĩa là nhu cầu năng lực tính toán tự nhiên giảm xuống. Các bài kiểm tra an toàn dài hơn, quy trình suy luận phức tạp hơn, cùng việc triển khai các mô hình hiện có vào các kịch bản doanh nghiệp và người tiêu dùng, vẫn có thể tiêu tốn một lượng lớn tài nguyên tính toán.

Từ đó, tác giả cho rằng nhà đầu tư không nên chỉ tập trung vào tầng mô hình đang được tranh luận gay gắt nhất trên mạng xã hội, mà nên tìm kiếm những nút thắt mới đang hình thành trong 18 tháng tới. Theo khung phân tích này, nguồn lực khan hiếm đáng chú ý hơn hiện nay đã dần chuyển từ "trí tuệ mô hình" sang điện năng và cơ sở hạ tầng đi kèm.

Cổ phiếu công nghệ AI có thể chuyển từ tăng đồng loạt sang phân hóa

Nếu việc mô hình giảm tốc không đồng nghĩa với việc CapEx dừng lại, thì tác động của nó lên cổ phiếu công nghệ sẽ không phải là tin xấu toàn diện một cách đơn giản, mà nhiều khả năng sẽ thể hiện dưới dạng định giá lại chuỗi ngành.

Thứ nhất, các công ty phụ thuộc vào việc mô hình tiên tiến liên tục đột phá và sản phẩm nhanh chóng được thương mại hóa có thể dễ bị ảnh hưởng hơn. Một khi tốc độ lặp lại của mô hình chậm lại, các giả định của thị trường về tốc độ tăng trưởng doanh thu, nhịp độ thương mại hóa và bội số định giá có thể cần được điều chỉnh.

Thứ hai, các công ty nắm giữ GPU, thiết bị mạng, hệ thống cung cấp và phân phối điện, làm mát và tài nguyên trung tâm dữ liệu chưa chắc có logic đơn hàng xấu đi đồng bộ. Chỉ cần các nhà cung cấp dịch vụ đám mây vẫn đang mở rộng cơ sở hạ tầng, hoặc nút thắt năng lực tính toán tiếp tục dịch chuyển sang khâu điện năng, thì các khoản đầu tư liên quan có thể vẫn duy trì quán tính mạnh mẽ.

Thứ ba, thị trường cần phân biệt giữa huấn luyện và suy luận. Ngay cả khi các phòng thí nghiệm phối hợp hạn chế huấn luyện tiên tiến quy mô siêu lớn, nhu cầu suy luận của các mô hình hiện có, triển khai trong doanh nghiệp và phổ cập ứng dụng AI vẫn có thể thúc đẩy tiêu thụ năng lực tính toán. Khi đó, CapEx có thể thay đổi về cơ cấu, chứ không phải co lại theo kiểu vực thẳm.

Điều này có nghĩa là, việc AI giảm tốc trước tiên có thể thay đổi không phải là hướng tăng trưởng của toàn bộ ngành công nghệ, mà là cục diện các tài sản khác nhau cùng chia sẻ một bộ logic định giá AI. Trước đây, các công ty mô hình, nhà cung cấp dịch vụ đám mây, doanh nghiệp bán dẫn và nhà cung cấp cơ sở hạ tầng điện năng đều có thể nhận được mức phí bảo hiểm từ câu chuyện AI; nếu cuộc đua năng lực mô hình chậm lại, thị trường có thể bắt đầu phân biệt chặt chẽ hơn giữa dẫn đầu công nghệ, năng lực thương mại hóa và việc thực hiện đơn hàng.

Biến số thực sự thay đổi logic CapEx là quy định pháp lý

Mehrotra cho rằng, điều thực sự có thể làm gián đoạn chu kỳ chi tiêu vốn AI lần này không phải là một đợt thiếu hụt chuỗi cung ứng khác, mà là việc chính phủ đặt ra các giới hạn cứng từ bên ngoài hệ thống.

GPU, HBM, điện năng và máy biến áp thiếu hụt, về bản chất vẫn là những nút thắt có thể được giải tỏa bằng cách tăng cường đầu tư. Chúng có thể trì hoãn việc đưa trung tâm dữ liệu vào vận hành, nhưng cũng sẽ dẫn dòng vốn chảy vào những khâu khan hiếm mới.

Quy định pháp lý thì khác. Nếu chính phủ trực tiếp hạn chế việc mua sắm chip cao cấp, quy mô cụm huấn luyện, sức mạnh tính toán cần thiết cho huấn luyện mô hình hoặc điện năng tiêu thụ của trung tâm dữ liệu, doanh nghiệp sẽ khó có thể phá vỡ ràng buộc chỉ bằng cách tăng đầu tư. Trong kịch bản này, kỳ vọng CapEx của các nhà cung cấp dịch vụ đám mây, đơn hàng cơ sở hạ tầng và định giá cổ phiếu công nghệ liên quan đến AI mới có thể đồng thời đối mặt với việc điều chỉnh giảm.

Tuy nhiên, nguyên văn coi tình huống này là rủi ro đuôi có xác suất thấp, chứ không phải kịch bản cơ sở. Phán đoán này cũng cần được liên tục kiểm chứng, không thể hiểu là rủi ro quy định đã được loại trừ. Khi những lo ngại trong nội bộ các phòng thí nghiệm AI được công khai hóa, áp lực chính sách từ bên ngoài vẫn có thể gia tăng.

Tiếp theo, điều thị trường thực sự cần quan sát không phải là khẩu hiệu chung chung "AI giảm tốc", mà là ba tín hiệu cụ thể hơn: liệu các phòng thí nghiệm tiên phong có đưa việc giảm tốc vào kế hoạch R&D chính thức hay không, liệu các nhà cung cấp dịch vụ đám mây lớn có cắt giảm đơn hàng trung tâm dữ liệu hay không, và liệu quy định pháp lý có bắt đầu trực tiếp tác động đến nguồn cung chip, sức mạnh tính toán và năng lượng hay không.

Việc Coxon rời đi chứng minh rằng tranh chấp về an toàn AI tiên phong đã từ những lời chỉ trích bên ngoài đi vào nội bộ phòng thí nghiệm. Nhưng từ việc các nhà nghiên cứu bày tỏ lo ngại đến việc các công ty công nghệ thực sự cắt giảm chi tiêu vốn, ở giữa vẫn cách nhau bởi nhiều khâu như áp lực cạnh tranh, quán tính xây dựng và thiếu hụt cơ sở hạ tầng.

AI giảm tốc chưa chắc đã chấm dứt ngay chu kỳ CapEx, nhưng nó có thể chấm dứt giai đoạn mà tất cả tài sản AI chia sẻ cùng một logic tăng giá.

[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