Cuộc trò chuyện dài của Liang Wengfeng: Vì sao DeepSeek nhất quyết theo đuổi mã nguồn mở và sự tiết chế? (Bản ghi đầy đủ cuộc gặp gỡ với nhà đầu tư)

梁文锋

Chào mừng các nhà đầu tư. Khi chúng tôi mới bắt đầu công ty này, mục đích ban đầu của chúng tôi không phải là nghĩ xem cuối cùng tôi sẽ kiếm được bao nhiêu tiền, hay liệu chúng tôi có đi vào thị trường vốn, niêm yết hay không, hay bất cứ điều gì tương tự. Vì vậy, chúng tôi đã không bắt đầu với mục tiêu đó. Vài chục người đầu tiên gia nhập chúng tôi cũng hoàn toàn không nghĩ như vậy. Nếu họ đã nghĩ vậy, họ đã không đến.

Nhìn chung, chúng tôi làm việc này với rất nhiều thiện chí đối với thế giới, và chúng tôi cảm thấy rằng điều này có ích cho nhân loại, là thứ gì đó vượt lên trên tiền bạc. Tất nhiên, về sau, sau khi chúng tôi phát hiện ra lợi ích của thứ này là rất lớn, cũng có những cám dỗ khác; đó là chuyện khác. Nhưng mục đích ban đầu, tầm nhìn của chúng tôi, và tầm nhìn mà chúng tôi duy trì cho đến ngày nay, đều không dựa trên việc tối đa hóa lợi ích thương mại.

Tôi nghĩ điểm này khá quan trọng. Khoảng hai mươi năm trước, người tôi ngưỡng mộ nhất trong quản trị là Jack Welch, cựu CEO của GE. Nhìn lại bây giờ, có lẽ phần lớn những gì ông ấy nói là sai, nhưng điều quan trọng nhất ông ấy nói đúng là: điều quan trọng nhất đối với một công ty là tầm nhìn. Quản lý một công ty lớn cần gì? Không phải các quy tắc và quy định của bạn, mà là tầm nhìn của bạn. Tầm nhìn là gì?

Tầm nhìn không phải là một khẩu hiệu treo trên tường; tầm nhìn là cách bạn làm việc, chứ không phải cách bạn nói về nó, tức là cách bạn thực sự vận hành. Dù sao thì tôi đã quên chính xác lời của Jack Welch, nhưng đại khái là ông ấy muốn nói như vậy. Vậy làm sao chúng ta quản lý nhiều người như thế và tổ chức họ? Thực ra, chúng tôi không tổ chức theo nghĩa thông thường; chúng tôi được định hướng bởi tầm nhìn, được tổ chức xoay quanh một tầm nhìn. Chúng tôi không có tổ chức theo nghĩa truyền thống. Điều đó vừa có ưu điểm vừa có nhược điểm.

Trong tương lai, chúng tôi sẽ cố gắng phát huy thế mạnh và tránh điểm yếu, nhưng đó là nét đặc trưng của chúng tôi. Chúng tôi không làm theo kiểu nói rằng, “Tôi cần đạt được một KPI nào đó, không có đánh giá,” mà chỉ có một tầm nhìn. Tầm nhìn này thậm chí không được viết ra; nó chưa bao giờ được viết thành bất kỳ tài liệu chính thức nào. Tầm nhìn này tồn tại trong cách chúng tôi làm việc và trong thái độ của chúng tôi đối với thế giới.

Có lẽ mỗi người trong công ty chúng tôi hiểu tầm nhìn này theo một cách khác nhau, và có lẽ tầm nhìn của mỗi người cũng khác nhau, nhưng ở cấp độ rộng hơn thì chúng là nhất quán.

Tôi nghĩ rốt cuộc vẫn là phải có rất nhiều thiện chí đối với thế giới và muốn làm điều gì đó. Đó là thứ chúng tôi dùng để gắn kết bản thân lại với nhau. Tiếp theo tôi sẽ nói trước, và sau khi tôi nói xong thì mọi người có thể đặt câu hỏi. Có lẽ tôi sẽ tiếp tục xoay quanh tầm nhìn này khi nói về những phần còn lại. Tầm nhìn này là thật, không phải bịa ra; chúng tôi thực sự nghĩ như vậy và thực sự hành động như vậy. Nếu không thì bạn không thể giải thích nhiều việc chúng tôi làm. Tại sao chúng tôi lại kiên trì với open source đến vậy?

Bởi vì bản thân tầm nhìn này đòi hỏi open source. Không có tầm nhìn này, bạn không thể tổ chức con người. Ví dụ, cũng open-sources, nhưng open source của khác với chúng tôi. Open source của ** có vẻ hơi miễn cưỡng; họ cảm thấy đó không phải là ý định ban đầu của họ. Nhưng đối với chúng tôi, đó là ý định ban đầu của chúng tôi. Và về open source, ngay từ đầu chúng tôi đã rất rõ ràng.

Thứ nhất là tầm nhìn; thứ hai, chúng tôi tin rằng để làm cho AI thành công về mặt thương mại, open source có lợi ích. Điều đó nghe có vẻ hơi mâu thuẫn, hơi phản trực giác, bởi vì trong lịch sử open source và thương mại hóa luôn đối lập với nhau. Nhưng tôi nghĩ AI khác trước đây.

Trong lịch sử, thị trường của một công ty phần mềm có thể chỉ vài tỷ đô la mỗi năm; nếu nó mở mã nguồn, nó sẽ biến mất, có lẽ chỉ còn vài chục hoặc vài trăm triệu đô la. Nhưng AI đủ lớn để cuối cùng, chẳng hạn, nó có thể chiếm mười phần trăm GDP của xã hội loài người. Đó thực ra là một con số rất lớn.

Một người không thể độc chiếm thứ này; bạn không thể độc chiếm nó. Bạn phải chia sẻ nó với người khác, nếu không bạn chắc chắn sẽ không thể tồn tại. Điều này khác với việc mở mã nguồn của một phần mềm trước đây, vì thị trường phần mềm đó không lớn đến thế. Nhưng AI thì đơn giản là quá lớn. Nếu chúng ta muốn độc chiếm lợi ích, thì chắc chắn chúng ta sẽ bị lịch sử bỏ lại phía sau. Tôi nghĩ đây chủ yếu là một quy luật khách quan, một góc nhìn lịch sử.

Không phải là nếu tôi không open source thì tôi có thể độc chiếm thị trường; về mặt lý thuyết điều đó không phù hợp với thực tế khách quan. Bạn chắc chắn sẽ gặp rất nhiều lực cản, và chắc chắn sẽ có những cách khác để ngăn bạn đạt được mục tiêu đó. Trong tình huống này, tôi nghĩ bạn không nhất thiết phải đi theo tư duy thương mại truyền thống. Bạn cần một cơ chế để đảm bảo rằng lợi ích bạn có thể thu được là có giới hạn; chỉ khi đó mới có thể thành công. Cần có sự kiềm chế, tôi nghĩ cần có sự kiềm chế.

Nếu chúng tôi muốn làm cho AI thành công trong tay mình, trước hết, tôi nghĩ cần có sự kiềm chế. Chúng tôi không thể nghĩ rằng một tỷ lệ nào đó của GDP nhân loại thuộc về tôi, hay một tỷ lệ nào đó của GDP Trung Quốc thuộc về tôi. Bạn càng nghĩ như vậy, bạn càng ít có khả năng thành công.

Vì vậy ngay từ đầu chúng tôi đã cảm thấy rằng sự kiềm chế là cần thiết. Bạn càng kiềm chế, càng dễ thành công. Đây dĩ nhiên là một cân nhắc thương mại, nhưng cũng là một cân nhắc ở cấp độ vĩ mô. Tôi nghĩ điều này là trực giác, ít nhất là với tôi thì nó rất trực giác, hoặc ít nhất đây thực sự là điều tôi nghĩ. Chúng tôi không có nhiều ưu thế khác; chúng tôi không đặc biệt giỏi, chúng tôi không giàu hơn người khác, và người của chúng tôi cũng không tốt hơn so với những người ở các công ty khác. Thực ra, hoàn toàn không phải.

Hãy nghĩ mà xem: khi chúng tôi thành lập công ty này hai năm trước, chúng tôi không có nhiều tiền, không có nhiều chip, không có nhiều độ nhận diện, và cũng không có nhiều ảnh hưởng. Chúng tôi chỉ là một nhóm người rất bình thường.

Thực ra, chúng tôi chỉ là một nhóm người bình thường. Nếu câu chuyện được ưa thích là một nhóm người bình thường làm nên những việc phi thường, thay vì một nhóm thiên tài làm nên những việc phi thường, thì điều đó liên quan rất nhiều đến sự kiềm chế của chúng tôi, và cũng cùng một mạch với sự kiềm chế và tầm nhìn của chúng tôi. Vậy, mã nguồn mở và thương mại hóa có xung đột nhau không? Tôi nghĩ trong AI, nếu bạn không kiềm chế, bạn sẽ không thể cất cánh.

Mã nguồn mở là một phần của sự kiềm chế, và sự kiềm chế của chúng tôi không chỉ thể hiện ở mã nguồn mở; nó còn thể hiện ở nhiều khía cạnh khác. Nhưng nhìn chung, chúng ta không cần phải quá sa đà vào mã nguồn mở hay sự kiềm chế. Bạn càng kiềm chế, bạn càng dễ thành công, hoặc ít nhất đến nay điều đó đã được chứng minh; cho đến hiện tại vẫn có thể giải thích được.

Nếu không thì không thể giải thích được vì sao chúng tôi có thể thành công: chúng tôi không có vũ khí đặc biệt nào, điểm xuất phát rất thấp, nguồn lực rất hạn chế, và con người của chúng tôi thực ra chỉ là một nhóm người bình thường ngẫu nhiên. Bản thân tôi cũng chỉ là một cử nhân đại học, không phải xuất thân từ ngôi trường hàng đầu. Sự kiềm chế này cũng là một phần trong tầm nhìn của chúng tôi. AI quá lớn; lợi ích quá lớn.

Chúng tôi rất kiềm chế. Chỉ cần có thể làm nó thành công, lợi ích cuối cùng sẽ rất lớn. Dù chỉ lấy một phần rất nhỏ, lợi ích đã rất lớn rồi, nên hoàn toàn không cần phải nghĩ xem nên lấy phần lợi ích nào, hay lấy như thế nào. Tôi nghĩ hoàn toàn không cần nghĩ về điều đó, vì lợi ích đã đủ lớn rồi. Chỉ cần bạn lấy một chút xíu thôi, như vậy đã quá đủ. Vì thế, khi trước chúng tôi nói rằng chúng tôi chỉ kiếm một khoản lợi nhuận hợp lý, thì chúng tôi chỉ đang nhìn vào sự sẵn lòng của bạn, chứ không phải tối đa hóa lợi nhuận — đó là hai chuyện khác nhau.

Đây không phải là giá API của chúng tôi. Giá API của chúng tôi dựa trên điều mà chúng tôi cho là lợi nhuận hợp lý: đại khái đủ để mua một lô thiết bị từ thị trường và thu hồi vốn trong mười tháng. Tôi nghĩ đó là lợi nhuận hợp lý.

Trong hoàn cảnh hiện tại, xét đến rủi ro, vốn đầu tư ban đầu, v.v., nếu một máy chủ được khấu hao tài chính trong ba hoặc năm năm, nhưng về mặt thương mại chúng tôi nghĩ đến việc thu hồi vốn trong mười tháng, chúng tôi cho rằng như vậy là đủ. Được, chúng tôi cho rằng như vậy là đủ. Đó là logic đằng sau mức giá API hiện tại của chúng tôi. V3.2 Flash và các model khác của chúng tôi đều được định giá sao cho chi phí thiết bị được thu hồi trong mười tháng.

Đó là tiêu chuẩn của chúng tôi. Thực ra không phải là tối đa hóa lợi nhuận; nếu là tối đa hóa lợi nhuận, chúng tôi nên đặt giá cao hơn. Bởi vì trong khoảng giá này, nhu cầu của người dùng là không co giãn: nếu tôi tăng giá lên rưỡi, thậm chí gấp đôi, thì mức thay đổi trong mức tiêu thụ token cũng sẽ không khác biệt nhiều đến vậy. Nếu tôi làm nó đắt gấp đôi, tổng doanh thu của tôi gần như sẽ tăng gấp đôi. Khoan đã, để tôi kiểm tra lại. À, tuyệt quá.

Để tôi kể một câu chuyện: một trong những model của chúng tôi. Ban đầu, chúng tôi lo nhu cầu quá lớn, nên đặt giá tương đối cao ngay từ đầu, và mọi người trong nhóm đều không vui lắm. Sau đó tôi lại hạ giá xuống, xuống còn một phần tư, và mọi người đều rất vui. Tôi nghĩ điều đó phản ánh đúng những gì chúng tôi thực sự nghĩ.

Điều tôi nói trước đó về tầm nhìn là chúng tôi vẫn muốn thứ này hữu ích cho con người, chứ không phải kiếm nhiều tiền nhất có thể, mà là để mọi người đều có thể dùng với chi phí phải chăng mà vẫn kiếm được một khoản lợi nhuận hợp lý. Tôi nghĩ, xét về suy nghĩ của những người khác trong công ty, khi chúng tôi hạ giá lúc đó, rất nhiều người trong nhóm công ty đã reo hò; ai cũng rất vui. Bởi vì đó là mục đích của tất cả nỗ lực và sự chăm chút mà chúng tôi bỏ ra để làm cho model này tốt.

Mục đích là làm cho nó rất rẻ và rất hiệu quả, để mọi người đều có thể dùng đầy đủ. Chúng tôi cảm thấy rất vui về điều đó. Đó là động lực của chúng tôi, đó là tầm nhìn của chúng tôi, và đó là sự đồng thuận trong công ty về lý do vì sao chúng tôi có thể cùng nhau làm việc này. Tôi nghĩ đây là một điểm khá đặc biệt, vì đối với các đối thủ của chúng tôi, việc hạ giá chắc chắn không phải là điều tốt; họ chắc chắn sẽ không reo hò.

Vì doanh thu của bạn, ARR của bạn, nếu cắt một nửa thì ARR cũng giảm một nửa. Đúng vậy, đó là một điểm khác giữa chúng tôi và những người khác. Chúng tôi cảm thấy như vậy là đủ. Từ trong công ty, thu hồi vốn trong mười tháng đã là rất thỏa mãn về mặt thương mại rồi. Ra bên ngoài, chúng tôi cũng cảm thấy mức giá này khiến mọi người vui hơn và sẵn sàng sử dụng hơn; đó là một đôi bên cùng có lợi, cho công ty, cho xã hội và cho tất cả mọi người.

Tôi nghĩ, được rồi, vừa có người để lại một tin nhắn trên màn hình nói rằng thu hồi vốn trong mười tháng là lợi nhuận quá cao. Đúng là vẫn còn dư địa để giảm giá; quả thực vẫn còn dư địa để giảm giá. Mô hình cũng còn dư địa tối ưu hóa, nên nhìn chung vẫn còn khá nhiều không gian để hạ chi phí. Nhưng chi phí này, thu hồi vốn trong mười tháng, là điều chúng tôi có thể tự mình làm được; các công ty khác thì không. Ví dụ như Alibaba hoặc Tencent không phải là cấu hình tối ưu của chúng tôi; chi phí của họ chắc chắn phải cao hơn khoản này vài lần.

Ở đây vẫn còn rất nhiều việc tối ưu hóa. Vừa rồi bạn hỏi vì sao chúng tôi không tiếp tục hạ giá. Là vì không có độ co giãn. Tức là, nếu tôi lại hạ giá xuống nữa, nhu cầu sẽ không tăng thêm, hoặc nếu tôi lại hạ xuống thì nhu cầu chỉ tăng một chút. Bởi vì ở mức giá này mọi người đều có thể mua được, và ai cũng cảm thấy giá đã phù hợp; họ sẽ không ngừng sử dụng chỉ vì quá đắt.

Vì vậy, hạ giá xuống nữa sẽ không mang lại thêm doanh thu cho công ty, và cũng không tạo ra thêm giá trị cho xã hội, bởi vì mọi người vốn đã hài lòng với mức giá này rồi. Nếu giá còn thấp hơn nữa, mức độ hạnh phúc của mọi người trong xã hội cũng sẽ không tăng thêm bao nhiêu. Đúng, được, nhưng với câu hỏi vừa rồi, khi nói đến giá cả, chúng tôi chắc chắn không bắt đầu từ

tối đa hóa doanh thu hoặc lợi nhuận của công ty. Đó không phải là điểm khởi đầu. Đây là một phần của sự tiết chế của chúng tôi, vì trong ngắn hạn, nếu định giá cao hơn một chút, bạn có thể kiếm thêm một chút; nhưng về lâu dài, không dễ nói. Bởi vì tôi nghĩ tiết chế là một chiến lược. Với tôi, tiết chế là một chiến lược. Đôi khi bạn có thể từ bỏ một số thứ để đổi lấy nhiều thứ khác hơn.

Open source thực ra cũng giống vậy; nó cũng có thể được xem là áp lực lên chúng tôi, hoặc là một sự nhượng bộ từ phía chúng tôi. Trước hết, sự nhượng bộ này, từ bên trong công ty, khiến chúng tôi rất vui; mọi người đều vui, nhân viên có cảm giác thành tựu rất mạnh, và nhờ đó chúng tôi cũng trở nên gắn kết hơn. Và sự nhượng bộ này có lợi cho xã hội; xã hội cũng vui, và các đồng nghiệp khác, hay người bình thường, đều sẽ vui.

Vì vậy, tôi hiểu kiểu tiết chế này là một điều mà về lâu dài có thể làm tăng xác suất chúng ta thành công trong AGI. Khi cân nhắc một việc gì đó, tôi không nghi ngờ gì rằng AGI sẽ có giá trị thương mại rất lớn. Trên cơ sở đó, điều tôi ưu tiên không phải là làm sao để tôi lấy được phần lớn hơn, làm sao để tôi lấy được nhiều hơn từ chiếc bánh; điều tôi ưu tiên là làm sao để tăng xác suất rằng tôi thực sự có thể làm được. Sự tiết chế này cũng có thể được phản ánh ở nhiều khía cạnh khác.

Ví dụ, năm ngoái trong dịp Tết, chúng tôi đột nhiên có rất nhiều người dùng, nhưng chúng tôi không theo đuổi việc giữ chân những người dùng đó, cũng không kiếm tiền từ họ, hay cố gắng giành lợi ích thương mại từ họ. Chúng tôi không cố gắng giành người dùng hay kiếm tiền; thay vào đó, chúng tôi làm việc rất chăm chỉ để phục vụ tốt những người dùng đó.

Chúng tôi sẽ không có những suy nghĩ như, “Tôi sẽ làm super app tiếp theo,” hay “Tôi sẽ cạnh tranh với ai đó,” hay “Tôi sẽ xây dựng ByteDance tiếp theo hoặc Tencent tiếp theo.” Tuyệt đối không. Chúng tôi có thể làm vậy, nhưng chúng tôi đã không làm. Theo tôi hiểu, đây cũng là một phần của tiết chế. Đừng nghĩ rằng bạn nhất định phải kiếm tiền từ mọi thứ; một khi đã có người dùng, dường như bạn có thể tạo ra ByteDance tiếp theo, rồi cứ thế nuốt chửng nó.

Tôi nghĩ điều đó là khả thi về mặt thương mại; là có thể. Nếu năm ngoái chúng tôi đã bỏ rất nhiều tiền để tranh giành người dùng với ByteDance, thì đó cũng sẽ là một chiến lược khả dĩ. Nhưng chúng tôi đã chọn một cách tiếp cận rất tiết chế: tôi sẽ không tranh với bạn về chuyện đó, bởi vì cái đến sau có thể là dưa hấu, còn cái đến trước có thể chỉ toàn là hạt vừng.

Tôi không nên nhặt từng hạt vừng một. Dĩ nhiên, một số hạt vừng có thể khá lớn, nhưng tôi nghĩ những cơ hội AI về sau không nhỏ so với những cơ hội trước đó. Nhìn vào hiện tại, việc không đẩy mạnh mảng tiêu dùng vào năm ngoái có lẽ là lựa chọn đúng. Bởi vì rõ ràng là về sau thực sự có những quả dưa hấu lớn hơn, còn những gì đến trước thực sự chỉ là những hạt vừng nhỏ. Nếu năm ngoái tôi có rất nhiều tiền và làm cho chuyện này trở nên rất lớn, thì lợi ích sẽ là gì? Bạn cũng sẽ không thu được nhiều.

Đây là những suy nghĩ thật của tôi, bởi vì tôi nghĩ cơ hội AGI về sau hẳn sẽ rất lớn; cơ hội AGI về sau sẽ luôn rất lớn.

Tôi thậm chí không cần phải nghĩ xem mình có chiếm một vị trí nào đó trong đó hay không, hay mô hình kinh doanh của tôi trong đó sẽ là gì; chúng tôi thực sự không cần phải nghĩ về điều đó. Chỉ cần có một cơ hội kinh doanh khổng lồ như vậy, chắc chắn bạn sẽ tìm ra cách. Còn những hạt vừng ở phía trước, chúng tôi cũng sẽ nhặt, nhưng chỉ nhặt một chút trên đường đi; chúng tôi sẽ không dừng lại để coi chúng là chuyện quan trọng. Vì vậy, số người dùng hoạt động hằng ngày ở mảng tiêu dùng của năm ngoái và những thứ tương tự, tôi nghĩ, có lẽ chỉ là chuyện nhỏ.

Nhưng chúng tôi cũng đã nhặt chúng, và chúng tôi duy trì mức sử dụng của người dùng với chi phí tương đối thấp, vì chúng có thể hữu ích về sau. Mặc dù hiện tại chúng tôi không biết những người dùng này hữu ích ở điểm nào, hiện tại đây là một khoản chi phí thuần túy, nhưng về sau có thể sẽ hữu ích. Vì đây là thứ có thể tiện tay mang theo, thì chúng tôi sẽ mang theo. Bao gồm cả năm nay, rất có thể chúng tôi cũng có cơ hội doanh thu ARR trong API hoặc AI.

Tức là, nếu nhu cầu này có thể tiếp tục mở rộng, và nếu nó tiếp tục mở rộng, đồng thời GPU có thể được mua với số lượng lớn hơn, thì việc đạt tới vài trăm triệu đô la ARR là hoàn toàn có thể. Nếu AI có thể đạt một tỷ đô la, thì về cơ bản dòng tiền của công ty tôi có thể hòa vốn, đủ để trang trải chi phí R&D và toàn bộ chi phí của tôi.

Vậy nên điều đó cũng khả thi, nhưng chúng tôi chưa xem nó là ưu tiên hàng đầu. Chúng tôi sẽ làm, nhưng tôi nghĩ đó là một việc quan trọng. Nó không phải ưu tiên đầu tiên của chúng tôi, và cũng không phải điều chúng tôi thực sự tập trung hôm nay. Cơ hội lớn hơn vẫn nên là ở phía sau; những cơ hội sớm hơn, bao gồm mảng tiêu dùng của năm ngoái và B端 của năm nay, tôi nghĩ chúng tôi cần làm, và làm tốt, nhưng đó không phải mục tiêu của chúng tôi.

Hoặc nói cách khác, đa số người trong công ty chúng tôi không nghĩ đây là một việc rất quan trọng, và không cho rằng nó quan trọng ngang với AGI. Tôi nói thêm một chút về open source, vì nhiều câu hỏi trước đó đều xoay quanh open source. Trước hết, tôi nghĩ chúng tôi sẽ open source, và các mô hình mạnh nhất của chúng tôi cũng có thể sẽ được open source. Bởi vì tôi không nhìn thấy lý do gì tốt cho việc closed source, tôi không thấy lợi ích tất yếu nào cả.

Mô hình của ByteDance là closed source; nó có lợi ích gì? Tôi không thấy lợi ích nào. Ngay cả khi một mô hình là open source và bạn nói cho mọi người biết mọi thứ, rào cản vẫn rất cao. Vẫn rất khó để người khác thực sự sử dụng nó. Để họ sử dụng được là khó; thứ hai, để sử dụng mà vẫn giữ chi phí rất thấp cũng cực kỳ khó. Không dễ chút nào.

Không phải cứ tôi open source là họ có thể dễ dàng triển khai với cùng chi phí như tôi. Vẫn còn rất nhiều việc phải làm ở đây. Mặc dù các nguyên lý đều đã hiểu, nhưng không phải công ty nào cũng sẵn lòng, hoặc có thiện chí và năng lực, để tổ chức con người và nguồn lực nhằm đạt được mục tiêu đó. Tôi cũng đã rất quen với điều này. Có lẽ họ đơn giản là không giỏi làm việc này, vì lực cản quá lớn. Họ khó kiểm soát những chi phí này; có rất nhiều ràng buộc về quản lý và vật chất.

Đây cũng là một lợi thế của startup, bởi vì nếu một startup quá nhỏ, bạn sẽ không đủ sức để làm việc này; nếu là một công ty lớn, thì lại rất khó tổ chức.

Mỗi tình huống đều có khó khăn riêng, nên đây thuộc vào vùng tối ưu của một công ty ở quy mô như chúng tôi. Nếu chúng tôi lớn hơn, có lẽ sẽ không còn vấn đề nào khác; nếu chúng tôi nhỏ hơn, sức mạnh của chúng tôi sẽ không đủ. Vì vậy, đối với mã nguồn mở, tôi nghĩ chúng ta nên định giá. Hiện tại, chúng ta nên thừa nhận rằng chúng ta sẽ không ép buộc mọi người.

Bởi vì với mô hình định giá, tôi cũng sẽ không thu một mức phí rất cao; có lẽ tôi vẫn sẽ tính dựa trên việc thu hồi vốn trong mười tháng. Dựa trên việc thu hồi vốn trong mười tháng, như vậy đã đủ để chúng tôi vượt qua đối thủ... Bằng cách tính phí theo mức thu hồi vốn trong mười tháng, chúng tôi đã có thể khiến việc triển khai độc lập của bên thứ ba không sinh lời. Bên thứ ba không làm được; họ không thể đạt được mức chi phí này, chắc chắn là không thể. Vì vậy, mã nguồn mở sẽ không ảnh hưởng đến doanh thu của tôi. Dĩ nhiên, nếu tôi muốn kiếm lợi nhuận gấp một trăm lần, thì mã nguồn mở sẽ...

主持人

Tôi nghe anh rồi, nhưng có vẻ video bị rớt, sếp ạ.

Có lẽ vừa có cuộc gọi tới.

梁文锋

Vì vậy, đối với mã nguồn mở, tôi nghĩ nó không ảnh hưởng đến mô hình kinh doanh của chúng tôi. Tiền đề là chúng tôi chỉ kiếm lợi nhuận gấp sáu lần; thu hồi vốn trong mười tháng tương ứng với khoảng lợi nhuận gấp sáu lần. Nếu chúng tôi chỉ kiếm lợi nhuận gấp sáu lần, thì mã nguồn mở sẽ không có ảnh hưởng lớn. Nhưng nếu bạn muốn kiếm lợi nhuận gấp một trăm lần, thì mã nguồn mở thực sự sẽ ảnh hưởng đến việc bạn kiếm lợi nhuận gấp một trăm lần, bởi vì bên thứ ba sẽ triển khai nó, và họ có thể có chi phí thấp hơn bạn đến hai mươi lần, nên sẽ rẻ hơn bạn.

Mô hình này có bền vững trong dài hạn không? Tôi nghĩ là có. Theo tầm nhìn của chúng tôi, tôi nghĩ mã nguồn mở có thể bền vững trong dài hạn, hoặc ít nhất đó là điều chúng tôi dự định làm. Có thể nói rằng, biết tiết chế thì cũng có lợi ích lâu dài. Chiến lược này cho chúng tôi nhiều cơ hội đi trước công nghệ hơn, và xác suất chúng tôi có thể đạt được AGI cũng lớn hơn. Chúng tôi điềm tĩnh hơn.

Hãy nghĩ xem: chúng tôi thậm chí không cần tăng ca, vì thực ra nó không khó đến thế. Nhưng với các công ty khác, có thể lại rất khó, bởi vì họ nghĩ quá nhiều thứ. Thực ra, nó hoàn toàn không khó, thật sự không khó. Ban đầu nó là một ... Nhìn từ bên ngoài, có thể trông như chúng tôi đã chọn một chế độ rất khó: chúng tôi làm nghiên cứu, chúng tôi theo đuổi những thứ khó nhất, như thể đó là chế độ khó.

Nhưng thực tế là, chúng tôi đã từ bỏ rất nhiều thứ ở những chỗ khác, điều đó vẫn khiến chúng tôi rất mạnh, và giúp chúng tôi làm việc rất dễ dàng. Vì vậy, đánh giá của tôi về mã nguồn mở là nó bền vững. Không có xung đột giữa mã nguồn mở và các sản phẩm thương mại trả phí, miễn là không có xung đột ở biên lợi nhuận gấp sáu lần. Lợi nhuận gấp sáu lần nghe có vẻ cao, nhưng thực ra không phải vậy. Bởi vì xét đến mức độ hiệu quả của AI hiện nay, lợi nhuận hợp lý hôm nay có thể vào khoảng như thế.

Trong tương lai có thể giảm, ví dụ, còn bốn lần hoặc ba lần. Tôi nghĩ như vậy đã ... thật sự không thể thấp hơn nữa. Nhưng ngay cả như vậy, vẫn sẽ có lợi nhuận rất lớn. Chỉ xét riêng việc bán API, tôi không nghĩ bán API hấp dẫn đến vậy. Nhưng ở điểm này, có thể nói là không có xung đột; tôi chưa thấy xung đột nào.

Và tôi hoàn toàn không lo việc người khác triển khai mô hình của chúng tôi rồi cạnh tranh với chúng tôi. Thực ra chúng tôi còn hy vọng họ có thể triển khai. Chúng tôi cố gắng hết sức để cung cấp hỗ trợ cho cộng đồng mã nguồn mở và giúp mọi người triển khai mô hình của chúng tôi. Tôi không lo rằng anh ấy sẽ lấy mất việc kinh doanh này từ tôi, bởi vì thị trường đủ lớn. Tôi chỉ lo rằng anh ấy không triển khai được, rằng một số chi tiết làm chưa đúng, khiến kết quả kém đi, hoặc chi phí của anh ấy tương đối cao.

Đúng vậy, ở đây không có xung đột. Rồi năm ngoái, khi tôi được hỏi về mảng To B, một trong những câu hỏi thường gặp hơn là: nếu tôi mở nguồn C端 của chúng tôi, thì C端 có lại xung đột với C端 của tôi không?

Bởi vì tôi không có lợi thế về lưu lượng, hay đúng hơn là bản thân Tencent đã có rất nhiều lưu lượng. Nếu họ triển khai mô hình mã nguồn mở của chúng tôi, họ sẽ lấy hết người dùng C端, rồi họ sẽ cướp hết người dùng C端 của tôi. Nhưng trên thực tế điều đó sẽ không xảy ra; có rất nhiều lý do cho việc đó. Và câu hỏi là: mô hình mã nguồn mở mà chúng tôi cung cấp có giống với mô hình mà chúng tôi tự triển khai hay không? Có, là giống nhau.

Chúng tôi sẽ không mở nguồn một mô hình kém hơn rồi khi triển khai lại dùng mô hình tốt hơn cho chính mình. Chúng tôi sẽ không làm như vậy; nó là giống nhau. Điều đó cũng cho thấy thực ra không có xung đột nào. Năm ngoái, trong suốt cả năm, ở C端 tôi cơ bản chỉ open source, và tôi không thấy bất kỳ xung đột nào trong các dịch vụ C端. Tôi thực sự không thấy bất kỳ xung đột nào. Vậy đó là phần mã nguồn mở.

Sau đó, bên dưới cũng có tầm nhìn dài hạn của công ty. Tôi nghĩ mục tiêu của chúng tôi nên là AGI. Định nghĩa AI của mọi người có thể không giống nhau, nhưng điều đó không cản trở chúng tôi lấy AGI làm mục tiêu. Từ lộ trình kỹ thuật mà nói, con đường đến AGI thực ra khá rõ ràng.

Với thế hệ công nghệ AI hiện tại, nếu bạn có thể mô tả một vấn đề rất rõ ràng và cung cấp cho nó đầy đủ bối cảnh cùng chỉ dẫn, nó đã vượt qua con người. Nhưng có một định nghĩa, một tiền đề: bạn đưa cho nó đầy đủ bối cảnh, bạn đưa cho nó đầy đủ chỉ dẫn. Và tiền đề đó rất khó để đạt được.

Ví dụ, trong một cuộc họp hôm nay, thực ra chúng ta có một bối cảnh rất dài và rất mạnh ở phía trước—có lẽ mọi người đều có hàng chục năm bối cảnh—và đó là thứ AI không có. Những gì AI có thể có bây giờ là, trong một bối cảnh hạn chế, nó có thể làm tốt hơn con người. Nhưng nó vẫn chưa thể thay thế con người. Điều còn thiếu là học tập liên tục. Bởi vì con người cũng có thể tiếp tục học.

Bạn tuyển một nhân viên, và anh ấy có thể mất hai tháng để làm quen với môi trường công ty và công việc của mình. Sau hai tháng, anh ấy có thể bắt đầu làm việc. Anh ấy có thể làm được nhiều việc. Anh ấy có thể hiểu bạn nói gì; ví dụ, nếu bạn nói, gọi Tiểu Vương qua đây, anh ấy biết Tiểu Vương là ai. Nhưng với AI, vì nó thiếu bối cảnh đó, nó chưa trải qua hai tháng học hỏi ấy.

Nếu bạn bảo nó đi gọi Xiao Wang đến, bạn phải nói rõ Xiao Wang là ai, anh ấy giữ chức vụ gì, anh ấy đang ở đâu, tìm anh ấy thế nào, và cần chú ý gì khi tìm anh ấy. Bạn phải cung cấp cho AI toàn bộ ngữ cảnh. Trong trường hợp đó, AI có thể làm được, nhưng bạn không thể nào cung cấp cho nó toàn bộ ngữ cảnh, và điều đó là không thực tế. Vì vậy AI không thể thay thế nhân viên của bạn.

Nhưng nếu AI có năng lực học tập liên tục, giống như nhân viên của bạn, và làm việc ở công ty trong hai tháng, thì

nó có thể thay thế cả thiên hạ, vì vậy chúng ta vẫn còn cách một bước nữa mới đến giai đoạn tiếp theo: học cách học. Chúng ta có thể hiểu sự phát triển của AI như một chiếc cầu thang. Bậc thang chúng ta đã leo lên năm ngoái là CoT, chain-of-thought. Bởi vì chúng ta phát hiện ra rằng thông qua chain-of-thought, trí tuệ có thể đạt đến một cấp độ cao hơn. Bằng cách để nó tự suy nghĩ, chúng ta có thể nâng trần năng lực lên và để AI làm được nhiều việc hơn. Vậy là chúng ta đã bước lên thêm một bậc thang nữa.

Bậc thang của năm nay là Agent, bởi vì chúng ta phát hiện ra rằng khi dùng Agent, dù có rất nhiều việc phải làm, nó vẫn có thể làm được; phạm vi năng lực của nó trở nên lớn hơn và trần trí tuệ của nó cao hơn. Vì sao nói đó là một bậc thang? Bởi vì mỗi bước sau đều được xây trên nền tảng của bước trước. Agent cần CoT, và CoT cũng cần bậc thang trước đó, tức là mô hình ngôn ngữ, nên không có bước nào là lãng phí.

Vì vậy, sự phát triển của AI, phương hướng của trí tuệ, là có thể lần theo dấu vết. Bậc thang của năm nay là Agent, nhưng bậc thang Agent cuối cùng rồi cũng sẽ hoàn thành. Một khi nó đã giải quyết hết những vấn đề mà nó có thể giải quyết, nó vẫn không thể thay thế nhân viên của bạn, nhưng nó đã đạt đến giới hạn năng lực của mình.

Nó giống như CoT: một khi CoT đạt đến trần của nó, nó đã vượt qua những con người đỉnh cao nhất, trong việc giải các bài toán Olympic và viết chương trình. Nhưng nó vẫn dừng ở đó; công nghệ đó vẫn chưa đạt đến AGI. Vậy nên bạn thấy đấy, phương hướng trí tuệ của AI là có thể lần theo dấu vết.

Sau Agent, chúng tôi cho rằng vấn đề cần giải quyết là học tập liên tục—làm thế nào để mô hình có thể không ngừng học tập, thay vì cần một môi trường huấn luyện cực mạnh. Nó nên có thể, giống như con người, trải qua quá trình học tập liên tục trong tương đối dài hạn. Vấn đề này, cùng với việc hoàn thành nhiệm vụ và những thứ khác, là cùng một chuyện; chúng có liên quan và giải quyết cùng một vấn đề.

Ngay bây giờ, đứng ở Agent, điều chúng ta nhìn thấy là nút thắt tiếp theo: học tập liên tục. Vấn đề tiếp theo cần giải quyết là làm thế nào để đạt được học tập liên tục. Điều đó là nhìn thấy được, và tương đối rõ ràng. Nó là trở ngại ở ngay trước mắt; bạn phải vượt qua nó, và nhất định sẽ có cách để vượt qua, nhưng cần thời gian. Sau học tập liên tục, chúng ta có thể đạt đến một điểm kỳ dị.

Điểm kỳ dị đó là khi mô hình một khi có thể học tập liên tục, nó đã có thể làm được mọi thứ con người có thể làm. Nó có thể tự phát triển các phiên bản của chính mình, tự tiến hành nghiên cứu, rồi lại phát triển phiên bản tiếp theo của mình, phát triển các mô hình trí tuệ nhân tạo tiên tiến hơn. Vì vậy nó sẽ đạt đến một điểm kỳ dị và có thể tự lặp tiến hóa. Nhưng điểm kỳ dị này thực ra không phải là điểm kỳ dị; nó cũng là một quá trình dần dần.

Quá trình này có thể cũng là một sự thay đổi dần dần kéo dài tương đối lâu; nó không phải là một sự thay đổi đột ngột. Nhưng theo thói quen, chúng ta đều nghĩ nó có thể là một điểm kỳ dị. Bởi vì từ lâu trước đây, các nhà tiên tri đã nghĩ rằng ở đây sẽ có một điểm kỳ dị, nhưng thực ra nó không phải là điểm kỳ dị; nó là một quá trình liên tục. Và sau khi bước này hoàn thành, tôi nghĩ đó là lúc trí tuệ hiện thân xuất hiện.

Đây là suy đoán của chúng tôi. Chúng tôi cho rằng lộ trình thời gian nên là: trước tiên giải quyết học cách học, sau đó đạt đến điểm kỳ dị tự lặp tiến hóa đó, và chỉ sau đó mới là trí tuệ hiện thân. Sau trí tuệ hiện thân, nó tiến vào thế giới thực và có thể làm việc nhà cho bạn, chăm sóc bạn khi về già. Chúng tôi cho rằng đây là một lộ trình tương đối lý tưởng, nhưng mỗi người có một quan điểm khác nhau, và không có đúng sai. Chúng tôi chỉ nghĩ lộ trình này là dễ nhất.

Lộ trình này dễ vì ở mỗi bước bạn đều phải làm rất ít việc mới. Với lộ trình này, chúng tôi không cần tăng ca. Nhưng nếu lộ trình bị đảo ngược, ví dụ như phải đạt được trí tuệ hiện thân trước, thì tự mình làm sẽ rất mệt; đó sẽ là công việc rất vất vả. Chúng tôi không muốn một lộ trình như vậy; chúng tôi muốn làm theo cách dễ dàng hơn một chút.

Nếu trước tiên giải quyết học tập liên tục, rồi giải quyết điểm kỳ dị tự lặp tiến hóa đó, sau đó giải quyết trí tuệ hiện thân, thì con đường sẽ rất dễ đi. Bởi vì về sau, bạn có thể dùng các công nghệ trước đó để giúp phát triển các công nghệ sau đó. Sau điểm kỳ dị, trí tuệ hiện thân không cần con người làm nữa, không cần chúng ta làm, mà bản thân mô hình có thể tự xuất hiện. Đó chính là câu trả lời cho mục tiêu dài hạn của chúng tôi là gì.

Tôi nói với anh ấy, đây là mục tiêu dài hạn của chúng tôi, tức là thứ mà chúng tôi gọi là AGI. Hãy quay lại với thực tế. Hiện thực quan trọng nhất của năm ngoái là mọi người đều phải làm Chatbot và tranh giành lưu lượng C端. Hiện thực của năm nay là mọi người đều phải tranh giành doanh thu To B và tham gia vào đây, bởi vì nếu bạn không tham gia thì ngay cả bàn cũng không có chỗ ngồi, đúng không?

Nhưng chúng tôi không cho rằng đó là một việc quan trọng, hay nói đúng hơn, trong công ty chúng tôi, điều thực sự quan tâm là lộ trình AGI mà tôi vừa nhắc tới và bước đột phá công nghệ tiếp theo sẽ diễn ra như thế nào. Nhưng có một điều rất kỳ lạ là thứ bạn muốn có được nhất thường lại chính là thứ bạn không thể có được. Ngược lại, những thứ bạn không quá để tâm thường lại rất dễ có được.

Ở đây có một lợi thế chiến lược: trong suy nghĩ của chúng tôi là AGI, và những gì chúng tôi đang làm là AGI. Vậy thì khi làm ứng dụng, hay C端 và B端, chúng tôi hoàn toàn không cần phải tốn nhiều suy nghĩ vào những thứ đó; thực ra, chỉ cần rất ít nỗ lực là đủ. Tôi nghĩ rằng khi bạn đứng ở một cấp độ kỹ thuật cao hơn và làm công nghệ ở cấp độ tương đối thấp hơn, sẽ có một kiểu tấn công giảm chiều.

Ít nhất là ở C端 của năm ngoái, chúng tôi thấy đúng là như vậy. Chúng tôi không dành nhiều công sức cho C端, thậm chí có lúc còn không muốn duy trì những người dùng đó, nhưng người dùng cũng không đuổi đi được. Vì thực sự không đuổi đi được, cuối cùng tất cả họ đều ở lại. Nhưng có một chút ... Và năm nay, doanh thu B端 hiện tại nhìn có vẻ khá lạc quan về mặt tăng trưởng. Tôi nghĩ con số này có lẽ cũng khá tốt so với các đối thủ, tôi đoán vậy.

Nhưng chúng tôi đã không bỏ ra quá nhiều công sức cho việc này. Chúng tôi cơ bản là không

cố ý làm cho nó xảy ra; đó là một việc chúng tôi làm tiện tay. Khi xây dựng trí tuệ internet và tiến tới triển khai trực tuyến, bước AGI là một bước tôi buộc phải đi. Trên con đường hướng tới AGI, tôi nhất định phải đi qua bước này. Sau đó tôi cung cấp tất cả những công nghệ này cho mọi người thông qua API; tôi không làm thêm việc gì khác. Chúng tôi vẫn đang làm AI; đây là một sản phẩm phụ.

Tôi chỉ cần vài người duy trì API này, thậm chí còn không cần chăm sóc khách hàng; không cần sales; không cần gì cả, và người dùng sẽ tự tìm đến.

Hoặc nói cách khác, những người dùng được xem là C端—cả C端 lẫn B端—đều là sản phẩm phụ trong hành trình hướng tới AGI của chúng tôi. Tất cả đều là đầu ra trung gian và không mâu thuẫn với công việc AGI của tôi. Tôi không làm C端, hay B端, chỉ để làm chúng. Mà là chúng tôi làm AGI vì AGI, và nó tình cờ tạo ra những thứ này, nên tôi lấy chúng và dùng để thương mại hóa. Điều này khác với các công ty khác.

Các công ty khác làm việc này vì việc này—hoặc là phục vụ người dùng C端, hoặc là phục vụ người dùng B端, rồi sau đó họ xây dựng mô hình. Nhưng với chúng tôi, đó không phải là ý định ban đầu; ý định ban đầu của chúng tôi vẫn là theo đuổi AGI. Tôi nghĩ, ở một mức độ nào đó, đây là một kiểu tấn công giảm chiều. AGI là một tầm nhìn lớn hơn, và tầm nhìn đó có thể tập hợp được nhiều người ưu tú hơn; nó có sức gắn kết mạnh hơn.

Vì vậy tôi có lợi thế về tổ chức, và tôi dùng lợi thế đó để ... Đó là một kiểu tấn công giảm chiều. Nhưng nếu bạn là một công ty thương mại và tầm nhìn của bạn là phục vụ tốt người dùng C端, thì đó lại là câu chuyện khác. Nó có những lợi thế khác, mạnh về sản phẩm, dịch vụ người dùng và lưu lượng, nhưng không mạnh về công nghệ. Cục diện thuận lợi hiện nay là công nghệ mô hình là quan trọng nhất.

Bạn cần làm cho mô hình đủ tốt, còn những phần khác ... Đúng vậy, và điều này có thể giải thích con đường phát triển trước đây của chúng tôi. Chúng tôi thực sự đã chọn AGI, và tôi chưa từng nghĩ đến việc tạo thật nhiều người dùng. Khi chúng tôi đột nhiên trở nên nổi tiếng vào dịp Tết năm ngoái, điều đó hoàn toàn không có trong kịch bản của chúng tôi; chúng tôi chưa từng nghĩ đến chuyện đó. Chúng tôi chỉ muốn làm cho công nghệ thật tốt.

Nhưng hồi đó tôi nhận ra rằng, so với những tổ chức hoàn toàn thương mại hóa và lấy sản phẩm làm trung tâm, tổ chức của chúng tôi thực ra có thêm lợi thế về nhân tài và tổ chức. Điều đó cũng rất kỳ diệu. Lúc đó, mọi người ở C端 đều đang đánh nhau đến mức sống chết, cuối cùng lại bị một bên không đi cạnh tranh kéo mất người. Điều đó thật sự cũng cho thấy điều tôi nói trước đó là có lý: quả thật có lợi thế về nhân tài và tổ chức.

Lợi thế về nhân tài này không có nghĩa là người của tôi thông minh hơn người của họ, mà là cách tôi tổ chức những nhân tài này, cách tôi khích lệ họ, và cách họ hợp tác với nhau. Đó là một lợi thế. Bởi vì tập hợp những người thông minh lại với nhau không có nghĩa là họ sẽ tự nhiên hợp tác, hay tự nhiên có nhiệt huyết lao về một mục tiêu và hoàn thành nó, vì vậy bạn cần một tầm nhìn. Điều kinh nghiệm trước đây của chúng tôi dạy tôi là tầm nhìn AGI rất mạnh.

Được rồi, đó là câu hỏi này. Vậy câu hỏi tiếp theo là, tầm quan trọng của lợi ích cốt lõi là gì?

Tôi đã nói trước đó rằng ở nhiều lĩnh vực chúng tôi cần phải rất tiết chế. Nhưng lợi ích cốt lõi của chúng tôi là gì? Thực ra, chúng tôi chỉ có một lợi ích cốt lõi: lợi ích cốt lõi lớn nhất của chúng tôi là duy trì sự ổn định của đội ngũ. Đây là lợi ích cốt lõi lớn nhất của chúng tôi, và thậm chí có thể nói là lợi ích cốt lõi duy nhất.

Chỉ cần tôi có thể duy trì sự ổn định của đội ngũ, tôi chắc chắn sẽ thành công, chắc chắn sẽ đạt được AGI, đơn giản như vậy thôi. Chỉ cần mọi người còn ở lại, và chúng tôi có thể tiếp tục đi tiếp, thì tôi chắc chắn ... cơ bản là không có nhiều rủi ro. Chỉ là sớm muộn gì cũng sẽ có trắc trở; nếu có trắc trở mà mọi người vẫn ở lại, thì tôi có thể tiếp tục. Tiền chắc chắn không phải vấn đề, nguồn lực cũng không phải vấn đề, và tất cả các yếu tố khác đều dễ dàng có được.

Với chúng tôi, chỉ có một lợi ích cốt lõi, chỉ có một điều không thể thỏa hiệp: chúng tôi phải duy trì sự ổn định của đội ngũ. Đây cũng là thách thức rất lớn mà chúng tôi đang đối mặt, hay nói đúng hơn, tôi nghĩ đó là rủi ro lớn nhất. Tất nhiên, với vòng gọi vốn gần đây của chúng tôi, rủi ro này đã giảm đi rất nhiều. Bởi vì lựa chọn của mọi người hiện vẫn còn khá nhiều, và số tiền cũng vẫn còn tương đối đáng kể.

Từ góc độ ổn định đội ngũ, chỉ cần một số nhân viên quan trọng nhất và những nhân viên lâu năm nhất vẫn ổn định, thì những người khác sẽ không dễ rời đi. Ngay cả khi những người khác có ít cổ phần hơn một chút hoặc thu nhập ít hơn một chút, họ cũng sẽ không đi. Bởi vì họ không đến chỉ vì tiền; mọi người đều hy vọng được làm việc trong một môi trường mà AGI thực sự có thể đạt được. Vì vậy, đối với nhân tài, điều đó vẫn có sức hấp dẫn.

Xét về lịch sử, tỷ lệ luân chuyển nhân sự của chúng tôi tương đối thấp. So với các đối thủ, tỷ lệ luân chuyển nhân sự của chúng tôi luôn tương đối thấp. Nhưng đây vẫn là thách thức lớn nhất của chúng tôi, và có thể nói là thách thức duy nhất. Những việc còn lại đều chỉ là vấn đề thời gian; cùng lắm thì sẽ khiến chúng tôi muộn hơn sáu tháng hoặc một năm, nhưng sẽ không khiến chúng tôi không làm được. Chúng tôi chắc chắn không thiếu tiền, và chắc chắn không thiếu nguồn lực. Thực ra, không thiếu gì cả.

Rất nhiều việc chúng tôi đang làm hiện nay là để duy trì sự ổn định của đội ngũ. Ngoài ra, tôi nghĩ chúng tôi có thể từ bỏ mọi thứ khác; với mọi thứ khác, chúng tôi có thể kiềm chế bản thân. Chúng tôi luôn rất kiềm chế, và chúng tôi không muốn trở thành đối thủ của bất kỳ công ty internet lớn hay nhỏ nào. Tôi hy vọng mình có thể trao quyền cho họ, hoặc giúp mọi người làm việc này, và hy vọng tôi có thể hỗ trợ mọi người trong việc này.

Đây cũng là một phần của ý nghĩa thương mại mà chúng ta đã nói đến trước đó. Tiền đề là mọi người không nên ...

Trên tiền đề đó, chúng tôi rất sẵn lòng hỗ trợ và giúp bất kỳ ai, kể cả đối thủ cạnh tranh của chúng tôi, bao gồm Alibaba, Zhipu và Moonshot AI, làm tốt hơn. Bởi vì chúng tôi không mất gì cả; ngay từ đầu chúng tôi đã là mã nguồn mở, và mã nguồn mở cũng không cố gắng làm cho ranh giới trở nên rõ ràng nhất có thể. Còn về cách làm, chúng tôi hy vọng bạn có thể tái tạo nó; nếu bạn không thể tái tạo, hãy nói ra, và tôi sẽ nói cho bạn cách tái tạo. Đó vốn là một phần của mã nguồn mở, và nó sẽ không thay đổi chỉ vì bạn là đối thủ cạnh tranh.

Tất nhiên, nếu là đối tác, tôi sẽ làm nhiều hơn. Nhưng ở cấp độ lợi ích lớn, thì không có xung đột.

Khi đối diện với bên ngoài, thái độ của chúng tôi là: chúng tôi chỉ làm tuyến chính của AGI. Đó là điều tôi vừa nói về GPT, CoT, Agent, v.v. — chúng tôi chỉ làm tuyến chính. Lĩnh vực AI rất rộng, và có nhiều thứ mà chúng tôi cho rằng không nằm trên tuyến chính này, chẳng hạn như 3D và tạo video. Tôi nghĩ chúng có thể không liên quan nhiều đến tuyến chính của trí tuệ, nên chúng tôi sẽ không làm.

Cũng có một số thứ, như world models. Tôi nghĩ hiện tại chúng cũng chưa liên quan nhiều đến giới hạn trên của trí tuệ, nên chúng tôi sẽ không làm. Nhưng nếu người khác làm, chúng tôi cũng rất vui lòng hỗ trợ. Việc chúng tôi có thời gian hay không là một chuyện, nhưng về lợi ích thì không có xung đột. Chúng tôi cũng hy vọng những công nghệ AI này có thể được sử dụng trong mọi loại môi trường sản xuất, có thể nâng cao năng suất xã hội, và có thể giúp các ngành nghề cải thiện năng suất.

Chúng tôi rất có động lực để làm điều này. Tôi có thời gian hay không, nhân lực có đủ hay không, hoặc bản thân các đồng đội của chúng tôi có hứng thú hay không — đó là chuyện khác. Nhưng lợi ích thì không có xung đột; chúng tôi hy vọng đạt được mục tiêu này. Và chúng tôi tin rằng điều này hoàn toàn không xung đột với kinh doanh; những lợi ích mà tôi đáng lẽ phải nhận được chưa hề bị giảm đi chút nào.

Tôi nghĩ rằng, trong thái độ mà chúng tôi đã giữ trước đây, thực ra chúng tôi không mất gì vì điều đó. Chúng tôi không mất gì chỉ vì tôi đã mã nguồn mở, hoặc vì thiện chí của chúng tôi, hoặc vì tôi đã giúp người khác. Ví dụ, người dùng C-end của năm ngoái — hiện giờ chúng tôi vẫn có khá nhiều người dùng C-end, và họ vẫn tương đối ổn định. Còn B-end của năm nay, tôi nghĩ, cũng khá lạc quan.

Tôi hoàn toàn không làm tổn hại đến lợi ích kinh doanh của mình vì thiện chí của chúng tôi; tuyệt đối không. Ngược lại, thậm chí còn có thể được cộng điểm. Điều này nghe có vẻ trái với trực giác, nhưng thực sự là như vậy. Hoặc, nếu nhìn theo chiều ngược lại, ngay cả khi chúng tôi vi phạm điều đó, thì liệu có nhất định nghĩa là tôi có thể nhận được nhiều hơn không? Không. Có một câu hỏi: chúng ta nên hiểu thế nào về việc world models chẳng liên quan gì đến việc nâng cao giới hạn trên của trí tuệ AI? Ý tôi là, ở giai đoạn này, đây là đánh giá của chúng tôi.

Chúng tôi thực sự có một roadmap; đây là roadmap AI của riêng chúng tôi, không phải là roadmap duy nhất. Theo hiểu biết và đánh giá của chúng tôi, điều quan trọng nhất lúc này là làm tốt việc huấn luyện AI. Làm tốt việc huấn luyện AI không cần world models, thậm chí cũng không cần đa mô thức. Bởi vì nếu thu hẹp phạm vi huấn luyện AI một chút, không có đa mô thức, thì bạn sẽ không thể làm một số nhiệm vụ, nhưng điều đó không ảnh hưởng đến tính hợp lệ của thuật toán. Rốt cuộc thì đa mô thức vẫn sẽ cần phải làm.

Điều quan trọng hiện nay là huấn luyện, rồi bước tiếp theo là giải quyết vấn đề học liên tục, và sau đó bước tiếp theo nữa là để nó tự đặt câu hỏi. Nhưng roadmap này không bao gồm world models, và cũng không bao gồm tạo video. Khi tạo video mới xuất hiện ban đầu, nó rất hot, cứ như thể đó là thứ bắt buộc phải làm; nếu bạn không làm, thì dường như bạn không giống một công ty AI.

Vì vậy tôi thấy điều đó rất kỳ lạ. Thực ra, nếu bạn suy nghĩ kỹ, nó chẳng liên quan gì đến roadmap đi tới trí tuệ cả.

Thực tế, bạn cũng thấy rằng sau khi Sora ra mắt vào đầu giai đoạn tạo video, mọi người đều làm — công ty lớn lẫn công ty nhỏ đều làm. Nhưng sau đó các công ty nhỏ đều cắt bỏ hết. Nó chẳng liên quan gì đến giới hạn trên của trí tuệ. Nhưng về mặt thương mại, đây là một kinh doanh tốt; về mặt thương mại, đây là một kinh doanh tốt. Nhưng nó chẳng liên quan gì đến trí tuệ. Chúng tôi sẽ không làm chỉ vì nó là một kinh doanh tốt; chúng tôi chỉ làm nếu nó nằm trên roadmap về trí tuệ.

Tạo video tương đối rõ ràng, nên tôi sẽ dùng nó làm ví dụ. Còn world models, ý nghĩa của world models thì không rõ ràng như vậy, bởi vì rất nhiều thứ đều có thể được gọi là world models. Theo đánh giá của chúng tôi, world models và trí tuệ hiện vẫn chưa phải là những thứ quan trọng nhất ở giai đoạn này. Điều quan trọng nhất là huấn luyện AI, và sau đó sau huấn luyện AI, làm thế nào để giải quyết học liên tục.

Đây là đánh giá của công ty chúng tôi. Tất nhiên, mỗi công ty có một đánh giá khác nhau. Điều tôi vừa nói là, đối với công ty chúng tôi, vấn đề quan trọng nhất là sự ổn định của nhân sự. Từ một chiều khác, chúng ta thiếu gì? Khoảng cách giữa chúng ta và Mỹ là gì? Thực ra chỉ có một khoảng cách: tài nguyên. Chúng tôi không có nhiều thẻ như vậy; số lượng thẻ của chúng tôi vẫn còn tương đối ít.

Hiện tại chúng tôi có khoảng 20,000 H-equivalent compute. Phần lớn trong số này mới vừa đến; nó đã về trong một hoặc hai tháng gần đây, và có lẽ vẫn còn nhiều máy chưa tới. Tổng compute của chúng tôi năm ngoái khá nhỏ; năm nay chúng tôi đang mở rộng compute rất mạnh. Hiện chúng tôi ở khoảng 20,000 H-equivalent, và trong vài tháng tới chúng tôi cũng sẽ mua thêm một lô máy lớn, về cơ bản đều là NVIDIA.

Hiện giờ cần bao nhiêu card? Đương nhiên là càng nhiều càng tốt. Trong phạm vi chúng ta có thể chi trả, càng nhiều card càng tốt, không cần bàn cãi. Vì vậy, chiến lược hiện tại của chúng tôi là: trong mức giá hợp lý, mua càng nhiều card càng tốt. Nếu khoản tài trợ này được dùng hết, tôi mua được bao nhiêu card thì sẽ mua bấy nhiêu. Tốc độ chi tiêu không nằm trong kế hoạch; ngược lại, chỉ cần giá hợp lý, có bao nhiêu thì mua bấy nhiêu.

Vì vậy nếu tôi tiêu hết tiền trong nửa năm, tôi nghĩ đó sẽ là một điều tốt. Nếu tôi tiêu hết tiền trong nửa năm, thì đó sẽ là rất vui, rất lý tưởng. Thực ra, tiêu hết một khoản tiền lớn như vậy là rất khó; bạn không thể mua được nhiều card đến thế. Mua thì khó, mà giá lại cao. Bạn cũng không thể mua với mức giá quá cao; vẫn phải bảo đảm giá cả hợp lý.

Nếu tôi có thể tiêu hết tiền trong nửa năm, có lẽ đó sẽ là kết quả lý tưởng nhất. Bởi vì biến tiền của tôi thành card NVIDIA chắc chắn tốt hơn là để nó nằm trong ngân hàng. Nếu để trong ngân hàng, có lẽ tôi chỉ nhận được khoảng 2%, có vẻ vậy. Nhưng mua card NVIDIA thì là một chi phí xã hội trong mười tháng.

Vì thế đương nhiên là mua được bao nhiêu thì mua bấy nhiêu. Nếu mua card trước, thì về sau tôi sẽ có rất nhiều không gian. Thông qua cung cấp dịch vụ hay làm bất cứ việc gì, tôi luôn có thể có dòng tiền. Nếu có dòng tiền, tôi có thể sống tiếp; tôi không cần giữ quá nhiều tiền mặt trên bảng cân đối kế toán. Vì vậy, điều chúng ta lo lắng chỉ là không thể mua được nhiều card đến vậy.

Nếu chúng ta có thể biến toàn bộ số tiền thành card, thì chúng ta sẽ không do dự mà biến toàn bộ số tiền thành card, và trong quá trình đó, chúng ta sẵn sàng trả một mức phụ phí nhất định. Chúng ta sẵn sàng trả một mức phụ phí nhất định để biến nó thành card, bởi vì điều đó quá hiệu quả về chi phí. Ngay cả sau khi trả phụ phí, thực ra chúng ta vẫn rất khó đạt được mục tiêu này. Vì vậy, xét một cách khách quan, nếu năm nay tôi có thể chi 20 tỷ, thì đội mua sắm của chúng tôi đã làm cực kỳ tốt rồi.

Khoảng cách giữa chúng ta và Mỹ chủ yếu là ở nguồn lực, còn khoảng cách về con người thì không lớn lắm. Hầu như không có khoảng cách về con người, bởi vì về cơ bản vẫn là cùng một lứa người, có lẽ là người Trung Quốc. Khi người Trung Quốc ra nước ngoài, có người ở lại Trung Quốc, có người ở lại nước ngoài, cũng có người ra nước ngoài; không phải cứ người thông minh thì đều ra nước ngoài. Không. Thực ra điều đó khá ngẫu nhiên.

Những người thông minh nhất có lẽ cũng không quá nửa đi ra nước ngoài, và hơi ít hơn một nửa ở lại Trung Quốc. Trung Quốc không thiếu nhân tài, hơn nữa nền tảng của chúng ta rất lớn; mỗi năm đều có rất nhiều người mới gia nhập. Nhân tài không phải là nút thắt, mà nguồn lực mới là nút thắt lớn nhất. Nguồn lực trước hết ảnh hưởng đến việc bồi dưỡng nhân tài, bởi vì có ít năng lực tính toán hơn thì chúng ta có ít cơ hội làm thí nghiệm hơn, cho nên xét tổng thể nhân tài của chúng ta đang tụt lại phía sau Mỹ. Về bản chất, khoảng cách nhân tài cũng là do khoảng cách về compute.

Ở các mô hình lớn nhất hiện nay, thực ra chúng ta không đủ khả năng để huấn luyện. Ngay cả khi chi trọn 50 tỷ, chúng ta vẫn không thể huấn luyện được. Ngay cả khi có thể ghép đủ, chúng ta cũng không đủ tiền để sử dụng. Mô hình lớn nhất hiện nay có khoảng 800B activations; trong nước, chúng ta vẫn đang ở quy mô hàng chục B. Mô hình nội địa lớn nhất có lẽ cũng chỉ có hàng chục B activations, vậy là chúng ta lệch mất một bậc độ lớn.

Nếu tôi muốn huấn luyện một mô hình lớn như AI, có lẽ tôi sẽ cần 50,000 GB300s, hoặc Huawei 950, 200,000 card. Mà đó mới chỉ là cho huấn luyện; còn chưa tính đến nghiên cứu. Vì vậy, khoảng cách lớn nhất giữa chúng ta và Mỹ là ở nguồn lực. Nguồn lực hiện tại của chúng ta, cộng với nguồn lực sẽ có trong năm nay và trong vài tháng tới, bao gồm cả những nguồn lực lớn sẽ đến rất sớm, cũng chỉ đủ để chúng ta làm nhiều thí nghiệm hơn ở quy mô 10B activation.

Bởi vì trong quy mô hàng chục B activation, vẫn còn rất nhiều thí nghiệm tôi cần làm, và rất nhiều việc cần được làm rõ. Chúng ta vẫn còn khá xa mới có thể huấn luyện một mô hình 800B; vẫn còn rất nhiều thời gian, mà card thì lại không có nhiều. Vì vậy, tôi nghĩ sự khác biệt giữa chúng ta và Mỹ là sự khác biệt về nguồn lực.

Chúng ta có thể nghĩ rằng mọi khác biệt mà chúng ta nhìn thấy — bao gồm khác biệt về nhân tài, khác biệt về năng lực mô hình, và khác biệt về ứng dụng — cuối cùng đều có thể quy về khác biệt về tài nguyên tính toán.

Tài nguyên tính toán, một mặt là vì card đơn giản là không thể mua trong nước; mặt khác là vì mức đầu tư vốn của chúng ta nhỏ hơn Mỹ. Vốn đầu tư của chúng ta ít hơn rất nhiều. Xét về vốn, tỷ trọng mà chi phí lương nhân tài chiếm ở đây rất thấp. Bạn thấy những mức lương như 100 triệu đô la Mỹ, nhưng khi tính ra thì lương nhân tài vẫn chỉ chiếm một tỷ trọng nhỏ; chi phí chủ yếu vẫn là compute. Vấn đề này hiện tại về cơ bản là không thể giải quyết, bởi vì sản lượng của Huawei cũng có hạn.

Bởi vì nếu tôi muốn huấn luyện 800B, tôi cần 200,000 card mới nhất của Huawei; mà đó mới chỉ là cho huấn luyện, thậm chí chưa tính đến nghiên cứu. Cho nên hiện tại chúng tôi đơn giản là sẽ không xét đến chuyện cạnh tranh với Mỹ ở quy mô lớn như vậy. Thứ mà chúng ta đang thua hiện nay vẫn là ở quy mô chúng ta có thể chi trả để huấn luyện và sử dụng — quy mô hàng chục B activation — và trước hết cần làm thật tốt ở quy mô đó.

Sau đó khi chúng ta có nhiều nguồn lực hơn ở bước tiếp theo, chúng ta có thể nâng nó lên quy mô 150B, 156B, hoặc 250B activation. Vì vậy, giữa chúng ta và Mỹ hiện tại có một khoảng cách dường như rất khó thu hẹp. Nếu nhất định phải huấn luyện một mô hình lớn như vậy, thì vẫn có thể huấn luyện, nhưng sẽ không thể làm đủ nghiên cứu. Tức là, trước khi huấn luyện, không thể làm đủ nghiên cứu.

Một vấn đề khác mà mọi người cũng khá quan tâm là: trong mọi cuộc cạnh tranh mô hình lớn, khoảng cách cuối cùng sẽ được thể hiện ở đâu? Tức là, khi các mô hình lớn cuối cùng bắt đầu phân hóa, sự khác biệt sẽ biểu hiện ở chỗ nào? Tôi nghĩ sự khác biệt đó cuối cùng có thể sẽ không quá lớn. Những khác biệt cuối cùng có lẽ sẽ nằm ở ba phương diện: chi phí, thời gian và trải nghiệm người dùng. Ngoài ra, có lẽ sẽ không có quá nhiều khác biệt.

Chi phí thì dễ hiểu: nếu bạn cung cấp cùng một dịch vụ, với cùng chất lượng, thì bạn có thể cung cấp nó với mức chi phí nào? Cùng một dịch vụ, lấy pin BYD làm ví dụ, trong cùng một trình độ công nghệ, liệu các công ty khác có thể cung cấp nó ở mức giá đó không? Tôi nghĩ đó là một việc rất khó. Không dễ đạt được như vậy; đó chắc chắn là một hào lũy. Vì vậy chi phí chắc chắn là một khác biệt, và tôi nghĩ chi phí có lẽ là khác biệt số một.

Sau đó là thời gian: khi nào bạn có thể làm được? Nếu bạn sớm hơn vài tháng hoặc muộn hơn vài tháng, thì là khác nhau. Điều thứ ba có lẽ là trải nghiệm; trải nghiệm người dùng vẫn còn hơi khác. Ở giữa vẫn có một mức độ gắn bó của người dùng và rào cản người dùng nhất định, nhưng đó có thể không phải là điều cốt lõi. Về bản chất, vẫn là điều đầu tiên: chi phí. Điều thứ hai là thời gian. Bạn là người đầu tiên làm được hay là làm sau, bạn đạt được cùng một việc nhanh hơn hay chậm hơn.

Sau khi con đường thương mại hóa dài hạn và dòng sản phẩm được làm phong phú hơn nữa, nên định giá như thế nào? Chúng tôi nghĩ rằng điều đáng làm nhất ngay lúc này, và nơi đáng dồn sức nhất, vẫn là làm AGI. Hiện tại, việc cần làm là thúc đẩy AGI tiến xa hơn nữa, tức là nâng cao giới hạn dưới của trí tuệ và tiến về phía trước. Ở giai đoạn này, điều đó nên có hiệu quả chi phí hơn là làm thêm nhiều dòng sản phẩm và cân nhắc thêm nhiều con đường thương mại hóa, hay nói cách khác, đó là một con đường có lợi suất cao hơn.

Tôi nghĩ trong tương lai một thời gian, và ở bất kỳ giai đoạn nào trong quá khứ, có lẽ cũng đều như vậy. Tức là, nếu chúng ta

Chúng tôi đã dành rất nhiều thời gian để suy nghĩ liệu việc làm phong phú sản phẩm có ích gì không? Cuộc thảo luận về thương mại hóa nửa năm trước là gì? Chắc chắn sẽ là: tôi cần làm quảng cáo, rồi làm thương mại điện tử, rồi nhúng thương mại điện tử vào sản phẩm, rồi tích hợp sâu với dịch vụ địa phương hay đại loại như vậy. Chắc chắn sẽ không hiệu quả, vì thay đổi quá nhanh.

Nếu sản phẩm của bạn đi trước, hoặc ở giai đoạn hiện tại của chúng tôi, mà bạn dành quá nhiều thời gian để nghĩ về thương mại hóa, các con đường thương mại hóa, thì vòng đời của dòng sản phẩm là rất ngắn. Tôi không nghĩ chúng tôi đã đến mức đó. Đó là phán đoán của chúng tôi, hoặc ít nhất là tất cả kinh nghiệm trước đây đều ủng hộ phán đoán này. Trong ba năm qua, ở bất kỳ thời điểm nào, nếu bạn đến gặp tôi và nói về các con đường thương mại hóa và dòng sản phẩm, thì đó đều là lãng phí thời gian, bởi vì bạn không thể dự đoán hay nhìn thấy trước tương lai.

Những gì bạn có thể nhìn thấy trước là rất ít. Vì tôi đang nhìn giờ, tôi không biết mọi người có muốn nghỉ giữa buổi không? Mọi người muốn ăn chút gì trước không? Hay chúng ta cứ tiếp tục nói? Nếu mọi người không có ý kiến gì, tôi sẽ tiếp tục. Trong việc làm nghiên cứu AGI dẫn đầu toàn cầu và thương mại hóa vào thời điểm thích hợp. Tôi nghĩ chúng tôi vẫn luôn làm thương mại hóa; tôi nghĩ chúng tôi vẫn luôn làm thương mại hóa, chỉ là không lấy thương mại hóa làm mục tiêu.

Chúng tôi lấy AGI làm mục tiêu, nhưng chúng tôi vẫn luôn làm thương mại hóa, đó là lý do tại sao chúng tôi có người dùng C-end và doanh thu B-end. Từ kinh nghiệm lịch sử, chiến lược này đã thành công. Và tôi nghĩ thời điểm chúng tôi hoàn toàn chuyển sang thương mại hóa vẫn còn rất xa. Vì vậy, điều lớn nhất vẫn là mở rộng công nghệ, rồi làm thế hệ công nghệ tiếp theo, để giải quyết nhiều hơn các vấn đề hiện tại.

Những tỷ lệ lợi nhuận này, theo quan điểm cá nhân của tôi, trong tương lai có thể thấy trước ngay lúc này, thì bất kỳ thời điểm nào tập trung vào sản phẩm đều là quá sớm. Vì vậy đây cũng là một phần trong sự kiềm chế của chúng tôi. Tôi hy vọng những cơ hội kinh doanh này có thể do người khác làm. Chúng tôi hy vọng những cơ hội kinh doanh này, và cách sử dụng AI này, có thể được toàn xã hội và tất cả các đối tác của chúng tôi cùng nhau thực hiện, chia sẻ lợi ích cùng nhau, thay vì tôi muốn độc chiếm chúng; điều đó là không thể.

Và chúng tôi cũng không có nhiều năng lượng đến thế, tổ chức của chúng tôi cũng không có nhiều người đến thế để làm việc này. Đối với các đối tác, thực ra việc huy động vốn của chúng tôi đã được lựa chọn rất kỹ. Đề xuất cụ thể về cách hợp tác là một chuyện, nhưng trước hết, tôi nghĩ lợi ích là khá tương đồng — những người có lợi ích tương đồng nhất với chúng tôi, ít thù địch với chúng tôi nhất, hoặc muốn chúng tôi thành công nhất.

Không phải ai cũng muốn chúng tôi thành công, bởi vì chúng tôi vẫn đang làm tổn hại lợi ích của rất nhiều người khác. Cơ chế quy trình và ra quyết định đối với các quyết định lớn về chiến lược doanh nghiệp, công nghệ và kinh doanh. Toàn bộ công ty của chúng tôi được xây dựng trên sự đồng thuận. Tôi không nói là tôi tự mình quyết định mọi thứ; đúng hơn là tôi cần tìm kiếm sự đồng thuận. Quyền lực và ảnh hưởng của tôi trong công ty được xây dựng trên sự đồng thuận.

Ví dụ, nếu tôi muốn làm điều gì đó, tôi chắc chắn sẽ trước hết xem đồng thuận của chúng tôi là gì và mọi người có muốn làm hay không. Sau đó tôi có thể có một số chỉ dẫn hoặc khuynh hướng, nhưng vai trò của những chỉ dẫn đó là có hạn; là rất có hạn. Cuối cùng vẫn phải được xây dựng trên sự đồng thuận.

Cơ chế ra quyết định này thực ra là một cơ chế tìm kiếm đồng thuận. Không phải là tôi có thể thúc đẩy bất kỳ việc nào; nhất định phải có đồng thuận, rồi tôi mới có thể thúc đẩy, và sau đó tôi sẽ thúc đẩy nó. Hiện tại, phần lớn năng lượng chính cơ bản đều tập trung vào DeepSeek.

Moderator

Chúng ta sẽ nghỉ năm phút.

Investor

Tôi sẽ ghi nhanh.

Moderator

Mọi người có thể bật mic lên và cho tôi một số phản hồi.

Investor

Bên chúng tôi không có vấn đề gì, có lẽ cứ nghỉ năm phút trước đã.

Liang Wenfeng

Khoảng cách cuối cùng về hiệu năng mô hình giữa các công ty nên là một khoảng cách tổng thể. Khi so sánh hiệu năng mô hình, chắc chắn phải so sánh ở cùng chi phí; đó mới là điều có ý nghĩa. Bởi vì khi so sánh hai chiếc xe, bạn sẽ so sánh những chiếc xe trong cùng một phân khúc giá. Sự khác biệt giữa một mô hình làm tốt và một mô hình làm không tốt không nên nằm ở bất kỳ khâu cụ thể nào; nó nên là tổng thể. Anthropic, hiện đang dẫn trước OpenAI, có phải là chuyện dài hạn không?

Tôi không nghĩ vậy. Điều này chắc chắn mang tính chu kỳ. OpenAI và Google có lẽ sẽ tiếp tục luân phiên nhau trong tương lai; họ nên thay nhau đi lên. Thực ra, lợi thế của Anthropic trong Code Agent hiện giờ không lớn đến vậy; không phải kiểu nó đang nghiền nát OpenAI.

Có lẽ khoảng một nửa nhân viên trong công ty chúng tôi, trong công việc hằng ngày, đều nghĩ OpenAI tốt hơn. Thực ra, Anthropic có lợi thế người đi trước, nhưng lợi thế đó lẽ ra sẽ biến mất rất nhanh; đó không phải là lợi thế mà nó có thể giữ được về lâu dài. Cả ba đều rất mạnh; trong số ba bên này, bên có hiệu suất cao nhất là bên tiêu tốn chi phí thấp nhất, ít tiền nhất, ít đốt vốn nhất.

Khi AI toàn cầu đi vào một sự phân công lao động mang tính thống trị, vai trò mà các công ty Trung Quốc rất có khả năng đảm nhận vẫn là nhà sản xuất lớn nhất. Theo lẽ thường, năng lực sản xuất của chúng ta là lớn nhất, bao gồm cả chip — năng lực chip của chúng ta có lẽ là lớn nhất — và chúng ta có nhiều điện nhất, nên AI của chúng ta rất có khả năng sẽ là một trong ba bên.

Người Trung Quốc sẽ làm cho sản phẩm này trở thành rẻ nhất, và rồi xét về hiệu năng, sau cùng thì với hàng ngoại nhập, nhiều sản phẩm do Trung Quốc làm và do Mỹ làm hiện nay cũng không chênh nhau nhiều đến vậy. Trong tương lai AI có lẽ cũng sẽ như vậy, nhưng AI do Trung Quốc làm có thể sẽ rẻ hơn. Sự rẻ hơn này có thể là rẻ hơn một cách có hệ thống, giống như các dịch vụ do Trung Quốc cung cấp trong những ngành khác có thể rẻ hơn.

Khi tôi làm việc, cách tôi thường nghĩ là: lúc này tôi nên làm gì để có lợi tức cao nhất? Nếu tôi nghĩ rằng hiện tại làm sản phẩm là việc có lợi tức cao nhất, thì tôi sẽ làm sản phẩm; nếu tôi nghĩ rằng hiện tại việc có lợi tức cao nhất là đi làm AGI trước, thì tôi sẽ đi làm AGI trước. Rõ ràng, tôi nghĩ rằng bây giờ làm sản phẩm không phải là việc có lợi tức cao nhất. Nếu là vấn đề thích ứng chip nội địa, thì chip nội địa thực ra đang có một cơ hội lịch sử.

Bởi vì trước đây, trong việc thích ứng chip nội địa có một vấn đề rất khó, gọi là hệ sinh thái kém. Bạn mua card về nhưng không dùng được; nó không có hệ sinh thái của NVIDIA. Vì vậy, hào lũy của NVIDIA rất mạnh.

Nhưng điều đó đang thay đổi. Hào lũy CUDA của NVIDIA đang bị tháo dỡ rất nhanh, và có thể có ba lý do khiến nó bị tháo dỡ nhanh như vậy. Một là hiện nay chúng ta đã có AI, mà sau khi có AI rồi thì xây dựng hệ sinh thái này dễ hơn rất nhiều so với trước, vì AI có thể viết code.

Tôi có thể dùng AI để xây dựng hệ sinh thái này, rồi xây dựng ra một hệ sinh thái giống hệt NVIDIA. Thứ nhất là nhờ AI; thứ hai là nhờ một số công nghệ mới. Ví dụ, công ty chúng tôi đã đưa ra một công nghệ gọi là TileLang, đây là một ngôn ngữ cấp cao.

Dùng ngôn ngữ cấp cao này để viết các operator CUDA có thể nhanh chóng dựng ra toàn bộ hệ sinh thái của NVIDIA, rồi kết hợp với AI thì dường như không còn rào cản nào. Nhưng vẫn chưa hoàn thành; vẫn chưa làm xong. Tuy nhiên, con đường kỹ thuật này xem ra không có rào cản gì.

Ngoài ra, vì CUDA, NVIDIA là tiến hóa từ card game mà ra, nên ở nhiều nơi, thiết kế card game và cấu hình card game vốn cùng một mạch phát triển. CUDA có tính tương thích với card game. Trước đây, vì tính toán AI là một lĩnh vực rất nhỏ, nhỏ hơn cả thị trường card game, nên như vậy là hợp lý. Nhưng bây giờ thị trường card tính toán đã lớn hơn card game, vậy thì không có lý do gì hai thứ này vẫn phải bị ghép chặt với nhau.

Xu hướng hiện nay là trong tương lai chúng sẽ không còn bị ghép với nhau nữa. Khi đó, các chip chuyên dụng — dù là của Huawei hay do chính NVIDIA làm — trong tương lai đều sẽ là chip chuyên dụng, và không cái nào còn là đồ cũ nữa. Trong bối cảnh này, vai trò của hệ sinh thái NVIDIA nguyên bản sẽ bị giảm đi rất nhiều. Bởi vì với một chip chuyên dụng, nó không liên quan gì đến CUDA; nó không bị ràng buộc với CUDA.

Hoặc nói cách khác, ngay từ khi con chip này được thiết kế, nó đã tính đến chuyện xây dựng hệ sinh thái này như thế nào. Có hơi phức tạp, nhưng dù sao thì việc thay thế chip AI nội địa bây giờ đang có một cơ hội lịch sử. Chúng tôi tin rằng trong vòng một năm tới, chúng tôi sẽ thấy một điều được xác nhận: hệ sinh thái cho chip nội địa hoàn toàn ổn.

Điều trước đây bị cho là một vấn đề — rằng không dùng được, rằng không dễ dùng — tôi nghĩ trong vòng một năm chúng tôi sẽ đảo ngược nhận thức đó, hoặc dùng thực tế để đảo ngược nó. Phần cứng và hệ sinh thái của chip AI nội địa đều ổn; vấn đề duy nhất là năng lực sản xuất không đủ. Không có rào cản nào đối với việc thích ứng card nội địa, và Nvidia cũng không thể ngăn lại.

Nếu chúng tôi ở trong một môi trường kinh doanh bình thường và tôi có thể mua card Nvidia, thì thay thế nội địa sẽ tương đối khó; nhưng khi card Nvidia không mua được, mọi người buộc phải làm chip nội địa. Trong bối cảnh này, việc thích ứng card nội địa hoàn toàn không có rào cản nào. Xây dựng một hệ sinh thái cho card nội địa giống hệt NVIDIA, hoặc thậm chí tốt hơn NVIDIA, tôi nghĩ không có rào cản, nhưng vẫn cần thời gian.

Hiện tại chúng tôi chủ yếu hợp tác với Huawei. Huawei tự làm phần thích ứng, nhưng chúng tôi sẽ tự mình tham gia vào hệ sinh thái này và đi sâu vào phía Huawei. Vấn đề của Huawei vẫn là năng lực còn thiếu. Huawei cung cấp cho chúng tôi khoảng 16,000 card năng lực, trong khi các ông lớn internet có thể có trên 100,000; chúng tôi chỉ hơn 10,000, và tôi nghĩ tỷ lệ đó cũng khá…… nhưng có lẽ đó đã là toàn bộ năng lực mà Huawei hiện có.

Vì vậy, chúng tôi thực sự không thể trông chờ vào Huawei để huấn luyện mô hình thậm chí còn lớn hơn sau này, hoặc huấn luyện một mô hình với hàng trăm B tham số kích hoạt; đôi khi có người nói điều đó có thể xảy ra trong năm nay. Nhưng năm sau hoặc năm sau nữa, có lẽ sẽ có cơ hội. Với việc thích ứng card Huawei, công việc chính của chúng tôi là làm cho trình biên dịch ngôn ngữ cấp cao của nó hoạt động tốt, và làm cho TileLang hoạt động tốt. Khi TileLang làm tốt rồi, vấn đề có thể tự nhiên được giải quyết.

Điều này hơi phức tạp để giải thích, nhưng chúng tôi đang làm, và một khi làm xong thì giải thích sẽ rõ ràng hơn rất nhiều. Bạn có thể hiểu như thế này: khi V3 được huấn luyện, nó vẫn dùng card Nvidia, nhưng nó không còn dùng hệ sinh thái của Nvidia nữa.

V3 dùng card Nvidia, nhưng không dùng hệ sinh thái của Nvidia. Thay vào đó, trước hết chúng tôi viết một trình biên dịch cấp cao gọi là TileLang, rồi dựa trên hệ sinh thái TileLang để hoàn thiện mọi thứ khác, và chúng tôi gần như không còn phụ thuộc vào hệ sinh thái của Nvidia nữa. Chỉ cần tôi mang toàn bộ bộ này sang làm lại trên card Huawei, thì xong.

Tôi nghĩ đây có thể là một sứ mệnh mang tính lịch sử, tức là nó có thể hoàn toàn đảo ngược nhận thức trước đây của mọi người rằng hệ sinh thái card nội địa là kém. Hiện tại, thời điểm, địa lợi, nhân hòa về cơ bản đều đã có; thứ duy nhất còn thiếu là thời gian. Tôi nghĩ trong vòng một năm, nhiều người hẳn sẽ có nó, hoặc nói đúng hơn, mọi người sẽ hiểu rằng vấn đề này đã được giải quyết, và phần còn lại là vấn đề về năng lực cung ứng. Tôi khá lạc quan về sức mạnh tính toán nội địa. Ở điểm này, tôi nghĩ Nvidia đang tự đào mồ chôn mình.

Supernode của Huawei, supernode Huawei 950, có thể hoàn toàn thay thế Nvidia GB200 và GB300 về hiệu năng và giá cả. Giá chắc chắn sẽ cao hơn, nhưng mức tăng là có hạn. Nếu giá cao hơn 50%, 100%, cao hơn 100% thì cũng được, cao hơn 200% cũng được. Ví dụ, nếu cao hơn 100%, tôi nghĩ nó về giá cả đã có thể được xem là một sự thay thế rồi.

Nó cũng có thể thay thế về tác vụ; tất cả các tác vụ mà GB300 làm được thì supernode Huawei cũng làm được, độ trễ và mọi thứ đều như nhau. Cái giá duy nhất là bốn card Huawei bằng một card Nvidia, đồng thời chậm hai năm. Bốn đổi một là có thể hiểu được. Chậm hai năm nghĩa là bốn chiếc Huawei 950 có thể sánh với một GB300. Chậm hai năm tức là chậm hai năm về mặt thời gian.

Supernode Huawei 950 sẽ được giao hàng vào Q3 hoặc Q4 năm nay, trong khi Nvidia GB200 là từ Q3 cách đây hai năm — chênh lệch hai năm. Có lẽ Nvidia đã có thế hệ mới vào Q3 này rồi. Vì vậy, khoảng cách giữa chúng ta và Mỹ trong lĩnh vực chip, tôi nghĩ, trong tương lai sẽ không còn là khoảng cách về hệ sinh thái nữa, mà ở chip là gấp bốn lần cộng thêm hai năm.

Cũng còn câu hỏi liệu chúng ta có tích hợp theo chiều dọc ở thượng nguồn hay không. Tôi hy vọng là không. Vậy nên có một câu hỏi: liệu chúng ta có tích hợp theo chiều dọc lên các ứng dụng không? Chúng tôi hy vọng không làm vậy; tôi hy vọng người khác sẽ làm. Tôi không muốn ăn hết tất cả. Tôi chỉ muốn ăn một phần, phần mà tôi giỏi nhất, hoặc phần mà chính chúng tôi cho là cốt lõi nhất, rồi phần trực tiếp liên quan đến người dùng

Tôi nghĩ đối với nhiều đối tác trong ngành của chúng tôi, họ quan tâm đến những điều tương tự còn nhiều hơn chúng tôi…… điều này nên là ý nghĩa của người khác; không nên do tôi diễn giải. Sau này chúng ta có tự xây dựng các cụm quy mô lớn không? Tôi nghĩ việc tự xây dựng các cụm quy mô lớn chắc chắn là cần thiết; chúng tôi vẫn luôn tự làm việc này, và toàn bộ các cụm của chúng tôi đều là tự xây.

Nhưng sau này chúng ta có tự phát triển chip hay không, tôi nghĩ, còn tùy vào quy mô lợi nhuận lớn đến đâu, còn tùy vào quy mô lợi nhuận lớn đến đâu. Tesla, nuôi dưỡng…… kiểu việc này. Nếu bạn đang vận hành một nhà máy điện, bạn chưa chắc đã cần tự làm máy phát điện, đúng không? Thiết bị phát điện có thể do người khác làm; miễn giá hợp lý thì tại sao phải tự làm? Vì vậy tôi hy vọng chúng tôi sẽ không cần phải làm chip. Tôi hy vọng chúng tôi có thể mua chip với giá hợp lý, để tôi không phải tự làm chip.

Tôi nghĩ rất có thể tương lai sẽ như thế này: gần đây, lợi nhuận trên chip Nvidia có lẽ chưa chắc đã…… dù sao…… chúng tôi chỉ hy vọng chỉ làm một phần. Tôi nghĩ AI là một thứ rất lớn; nó không cần tôi phải…… tôi chỉ làm một phần thôi. Nếu tập trung, và tôi tin giá trị kinh doanh ở đây đã đủ lớn — nếu kỷ nguyên AI sẽ tạo ra nhiều công ty nghìn tỷ đô, tôi nghĩ chúng tôi là một trong số đó.

Chúng tôi vẫn luôn làm một phần nhỏ của nó, và trở thành một trong số đó đã là không có vấn đề gì; tôi không cần phải…… tôi không tràn đầy tự tin đến mức nhất định phải làm mọi thứ. Tôi nghĩ điều có khả năng nhất là rất khó thay đổi, và nếu bạn thật sự muốn làm việc khác, bạn vẫn sẽ có nhiều ý tưởng hơn, và điều đó sẽ…… đó là thái độ của chúng tôi.

Ví dụ, ít nhất trong các mảng To B và To C, từ những gì chúng tôi có thể thấy hiện nay, những bên thực sự muốn xây dựng vòng khép kín trong To C thì thực ra chúng tôi làm tốt hơn; những bên thực sự muốn xây dựng vòng khép kín trong To B thì có lẽ vẫn chưa làm tốt hơn chúng tôi. Càng muốn…… và cả To B, tôi có thể nói thêm một chút.

Trần của mảng To B về cơ bản vẫn nên là nhu cầu. Trong thế hệ công nghệ AGI và AI hiện tại, nhu cầu To B về cơ bản nên là hữu hạn. Nó sẽ tăng rất nhanh, nhưng không phải là vô hạn; cuối cùng, nó vẫn bị ràng buộc bởi nhu cầu, chứ không phải bởi sức mạnh tính toán. Trong điều kiện kỹ thuật hiện tại, cuối cùng doanh thu có thể có bao nhiêu vẫn phụ thuộc vào nhu cầu.

Bởi vì nghĩ như thế này: nếu tôi có thể hoàn vốn trong mười tháng, thì nếu tôi có nhu cầu, tôi chắc chắn sẽ mua một phần; chính là vì không có quá nhiều thứ như vậy. Đúng vậy, nhu cầu nên ngày càng lớn hơn, và nếu công nghệ liên tục có đột phá, thì nhu cầu đó sẽ tiếp tục lớn hơn.

Bố cục đa phương thức, chúng tôi vẫn luôn làm. Với sản phẩm, nó rất quan trọng; với sản phẩm người dùng cuối C-end, nó rất quan trọng. Nhưng đối với trần của trí tuệ, nó là một thành phần; bản thân nó không phải là tuyến chính. Nhưng với tư cách là một thành phần, chúng tôi chắc chắn sẽ làm đa phương thức, và chúng tôi đang làm. Chúng tôi sẽ phát hành các mô hình liên quan — V4 của chúng tôi và các phiên bản V4 sau này sẽ hỗ trợ đa phương thức native.

Nhưng đối với đa phương thức, đối với trí tuệ, nó là một thành phần; chúng tôi không xem nó là trí tuệ bản thân, và tuyến chính của nó giống như tìm kiếm. Tìm kiếm cũng là một thành phần; đa phương thức cũng có thể là như vậy, và theo cách hiểu của chúng tôi nó cũng là một thành phần. Scaling — chúng tôi tin vào Scaling. Quy mô càng lớn, hiệu quả càng tốt, và năng lực có thể được khai mở càng nhiều.

Điều thực sự ngăn cản chúng ta Scaling là năng lực tính toán; không phải là chúng ta không muốn Scale, mà là chúng ta không có đủ năng lực tính toán để làm việc Scaling này. Chúng ta هنوز chưa chạm tới giới hạn trên. Chúng ta huấn luyện những mô hình lớn như vậy không phải vì tôi nghĩ kích thước này là đủ, mà là vì tôi tình cờ có chừng đó nguồn lực.

Tôi tính toán dựa trên nguồn lực của mình: tôi có thể kham nổi và huấn luyện một mô hình lớn tới mức nào? Đó là cách tính, chứ không phải vì mô hình này đã đủ. Hiện tại, lợi nhuận của mô hình vẫn rất rõ ràng. Chúng ta vẫn chưa có cơ hội đụng vào bức tường của Scaling; chúng ta vẫn còn rất xa điều đó.

Khi Silicon Valley nói Scaling đã chạm tới giới hạn, đó là đối với Silicon Valley; còn đối với người Trung Quốc, chúng ta vẫn còn rất xa mới tới đó. Chúng ta đơn giản là עדיין chưa scale tới mức đó. Scaling này bao gồm scaling dữ liệu, scaling quy mô mô hình, rồi đến chi phí huấn luyện. Chúng ta vẫn còn khá xa việc khám phá giới hạn trên của Scaling này; đơn giản là không có đủ năng lực tính toán.

Nhưng chúng ta cũng sẽ không tiếc công sức để đẩy giới hạn trên của Scaling này.

Bao gồm cả sau khi chúng tôi hoàn tất huy động vốn, chúng tôi sẽ có nhiều năng lực tính toán hơn, và có thể huấn luyện những mô hình lớn hơn. Càng sớm mua được trong khoảng thời gian đó thì càng sớm mua; nếu có thể dồn toàn bộ nỗ lực trong nửa năm, thì đó sẽ là tốt nhất, nhưng thực tế là không làm được. Năng lực cốt lõi của thế hệ mô hình tiếp theo, theo tôi, nhất định phải có khả năng học liên tục; chỉ khi đó mới có thể gọi là mô hình thế hệ tiếp theo. Trước đó, những gì chúng ta có thể làm là giảm chi phí, làm hiệu quả tốt hơn, và làm tốc độ nhanh hơn.

Nhưng để có bước đột phá lớn, nó nên có khả năng học liên tục. Và rồi lại có một câu hỏi khác: tại sao chúng ta dường như quan tâm nhiều như vậy đến hiệu suất tính toán của mô hình? Bởi vì tôi thực sự phát hiện ra rằng không phải ai cũng quan tâm nhiều đến hiệu suất của mô hình này. Đối với một công ty thương mại, không có động lực để theo đuổi hiệu suất mô hình, bởi vì nếu hiệu suất mô hình cao hơn một chút…… vậy nên không có nhiều động lực để theo đuổi việc làm cho hiệu suất mô hình thật cao.

Vì vậy, vài công ty khởi nghiệp sẽ không tự mình…… bạn cũng chưa nghe họ nói rằng chi phí thấp là điều họ theo đuổi, bởi vì điều đó không phù hợp với lợi ích của họ. Nếu chi phí thấp, thì bạn còn kiếm tiền bằng gì? Nếu chi phí thấp, bạn sẽ không thu được nhiều tiền.

Ngược lại, đây là một phần trong tầm nhìn của chúng tôi. Hay nói đúng hơn, tầm nhìn của chúng tôi — các đồng đội của chúng tôi quan tâm đến chi phí này, vì các đồng đội của chúng tôi đều là người bình thường, và họ biết rằng dùng thứ này đều tốn tiền. Họ có thể đồng cảm: người khác phải trả tiền để sử dụng, vậy nếu rẻ hơn một chút, người khác sẽ sẵn sàng chấp nhận hơn. Vì vậy, nhiều đồng đội của chúng tôi vẫn hy vọng rằng chúng tôi có thể tiếp tục hạ chi phí xuống nữa.

Nhưng nếu nhìn từ góc độ kinh doanh, bạn sẽ không nghĩ như vậy. Từ góc độ kinh doanh……

Từ góc độ chi phí hoặc kinh doanh, đây không phải ưu tiên hàng đầu. Dù là đối với startup hay các công ty lớn, chi phí dịch vụ thực sự không cao. Nhưng tôi nghĩ chúng tôi hy vọng nó tương đối nhẹ; tôi hy vọng nó phải chăng, đặc biệt là trong bối cảnh thiếu hụt năng lực tính toán ở Trung Quốc, phải chăng và có thể dùng được trên card nội địa. Tôi nghĩ chi phí thấp trước hết là một kết quả.

Các mô hình của chúng tôi quả thực vẫn luôn đi theo hướng chi phí thấp hơn về mặt kiến trúc, và điều đó liên quan đến tầm nhìn của chúng tôi. Chúng tôi cũng có nhiều phương pháp thuật toán, và chi phí vẫn có thể giảm thêm nữa. Một lý do khác khiến chi phí giảm là: chi phí càng thấp, mô hình tôi có thể huấn luyện càng lớn, và mô hình tôi có thể kham nổi càng lớn. Trong cùng một lượng năng lực tính toán, nếu hiệu suất tính toán của tôi cao hơn, tôi có thể kham nổi một mô hình lớn hơn.

Đối với các công ty lớn, họ có thể không nghĩ như vậy. Với các công ty lớn, có thể bổ sung nguồn lực; vấn đề có thể được giải quyết bằng cách thêm nguồn lực. Nhưng chúng tôi sẽ ưu tiên hiệu quả chi phí. Giá trị của các mô hình kiểu dữ liệu — dữ liệu là một phạm trù tương đối rộng; dữ liệu gần như nên bằng một nửa của mô hình.

Tại sao tôi nghĩ rằng nếu tôi muốn điều đó, hoặc nếu AI có thể chiếm 20% GDP, rồi nếu tôi muốn lấy 5% của con số đó, thì chắc chắn không được? Bởi vì chắc chắn tôi sẽ bị người khác đánh bại; nếu người khác nói họ chỉ muốn 1%, thì họ chắc chắn sẽ đánh bại tôi. Nếu mục tiêu của tôi là lấy 5% của AI, của toàn bộ GDP của nhân loại, thì về lý thuyết phép tính vẫn ổn.

Bạn có thể thấy OpenAI, có vẻ như phép tính của họ là hợp lý; về lý thuyết thì không có vấn đề gì. Nhưng họ có một vấn đề: họ sẽ bị đánh bại bởi một người khác chỉ sẵn sàng lấy 1%. Bởi vì người kia nói, tôi làm rất tốt, nhưng tôi chỉ cần 1% GDP toàn cầu, thì người đó sẽ đánh bại họ.

Đến lúc đó, nếu lại có một người khác bước tới và nói tôi chỉ cần 0.1%, thì người đó sẽ lại đánh bại những người trước đó.

Từ góc độ vĩ mô, dù phần trăm đó đến từ đâu, thì giữa chúng cũng không có gì khác biệt; tất cả đều như nhau. Người lấy nhiều hơn sẽ bị người lấy ít hơn đánh bại. Bạn thậm chí không cần thực sự lấy nhiều hơn — nếu tầm nhìn của bạn là lấy nhiều hơn, thì bạn sẽ bị người có tầm nhìn lấy ít hơn đánh bại. Thực ra, chẳng ai đã lấy đồng nào; đó chỉ là một tầm nhìn. Nếu tầm nhìn của bạn là lấy nhiều hơn, thì bạn thua trước, và bạn sẽ đối mặt với khó khăn lớn hơn. Đời là như vậy.

OpenAI ban đầu nghĩ rằng mình thực sự có thể độc quyền thế giới, nhưng trên thực tế họ sẽ gặp phải rất nhiều, rất nhiều đối thủ. Họ sẽ đối mặt với thách thức, và mọi thứ sẽ không dễ dàng như vậy. Mỹ sẽ đã đối mặt với thách thức, và trong tương lai cũng có thể sẽ đối mặt với thách thức từ Trung Quốc, bởi vì người Trung Quốc sẵn sàng lấy ít hơn, nhưng vẫn có thể cung cấp cho bạn dịch vụ này. Ở Trung Quốc, cũng sẽ có những người sẵn sàng lấy ít hơn một chút.

Nhưng cuối cùng ở đây sẽ có một sự cân bằng, vì nếu bạn lấy quá ít thì logic kinh doanh của công ty sẽ không đứng vững và nó sẽ không thể tồn tại. Vì vậy, nếu lấy quá ít thì không thể sống sót; nếu lấy quá nhiều thì bạn sẽ bị những người lấy ít hơn đánh bại. Do đó, với chúng tôi, không phải là lấy được nhiều lợi nhuận nhất, hay tối đa hóa lợi ích trong định giá, mà chỉ là kiếm được một mức lợi nhuận hợp lý. Đó là một lời giải thích.

Tôi tin vào chuyện này. Tôi không tìm lý do cho nó, vì chẳng cần tìm lý do. Đơn giản là tôi làm như vậy; nếu tôi làm như vậy thì chắc chắn phải có lý do. Những lý do đó có thể không quá thông thường, nhưng tôi nghĩ bản thân công ty cũng không thông thường. Cách quản lý của công ty chúng tôi thực ra có hai tuyến: một từ trên xuống dưới, và một từ dưới lên trên. Từ dưới lên nghĩa là mỗi người tự quyết định mình muốn làm gì và tự mình làm; không ai quản lý họ, và cũng không có KPI.

Từ trên xuống nghĩa là làm những việc quan trọng; nếu chúng ta cần cùng nhau làm gì đó thì mọi người trong công ty đều phải phối hợp. Ví dụ, nếu chúng ta muốn phát hành V4, thì cần phân công công việc và mọi người đều phải đảm nhận một phần. Đó là từ trên xuống, và điều chúng tôi gọi là từ trên xuống ở đây là “làm việc quan trọng.” Thông thường, chúng tôi hy vọng rằng “việc quan trọng” không chiếm quá nửa thời gian của một nhân viên — không nên vượt quá một nửa.

Họ vẫn còn một nửa thời gian chưa được phân bổ; họ có thể làm bất cứ điều gì họ muốn. Đây là một phạm vi nghiên cứu, cho phép họ tự mình khám phá, theo những gì họ cho là quan trọng, không có yêu cầu trước. Miễn là công ty có thể hỗ trợ, và năng lực tính toán của công ty có thể hỗ trợ họ làm việc đó, hoặc nếu họ không cần năng lực tính toán và chỉ cần làm rất ít, thì họ thậm chí không cần phối hợp. Đó là cách tổ chức mà chúng tôi đang có hiện nay.

Có người nghĩ chúng tôi là từ trên xuống, có người nghĩ chúng tôi là từ dưới lên; tôi nghĩ cả hai đều đúng. Tiêu chí của tôi là “việc quan trọng” tốt nhất không nên vượt quá một nửa.

Chúng tôi cũng thường không làm thêm giờ nhiều. Có hai lý do cho việc làm thêm giờ. Thứ nhất, nghiên cứu cần một môi trường tương đối thoải mái. Nếu bạn thúc ép mọi người quá chặt, họ sẽ không thể nghiên cứu. Vì bạn cần có hứng thú của riêng mình và cần suy nghĩ về những vấn đề này một cách bình thường, nên phải ở trong một môi trường tương đối thoải mái thì việc khám phá mới có thể diễn ra. Đó là nhu cầu từ văn hóa nghiên cứu. Thứ hai, chúng tôi rất tập trung.

Rất tập trung nghĩa là những việc chúng tôi cần làm rất ít. Khi đó tôi không có quá nhiều việc để làm, nên tôi không cần làm thêm giờ. Điều này nhất quán với sự tiết chế mà tôi đã nói trước đó. Bởi vì tôi tự kiềm chế bản thân, nên nhiều khi tôi chỉ không làm việc gì. Khi việc cần làm ít đi, khối lượng công việc giao cho mỗi người cũng ít hơn. Bạn có thể thấy nhiều sản phẩm của chúng tôi vẫn chưa hoàn thiện lắm, và chúng tôi cũng chưa đi sửa chúng. Đó cũng là một phần văn hóa của chúng tôi.

OK, vì có nhiều câu hỏi, tôi đã lướt qua phần lớn. Nếu mọi người vẫn còn câu hỏi, xin mời đặt câu hỏi.

Host

Xin mời mọi người phát biểu và trao đổi, các nhà đầu tư. Tôi xin nhắc mọi người rằng Liang Wenfeng vừa rồi đã đề cập khá nhiều thông tin nhạy cảm, vì vậy xin đừng chia sẻ ra bên ngoài bất kỳ con số hay tình huống nào, bao gồm cả số lượng card và những thứ tương tự. Đồng thời cũng xin đừng quay màn hình hay chia sẻ ra bên ngoài. Xin cảm ơn rất nhiều, và nếu có câu hỏi thì xin mời phát biểu.

Investor

Yang-ge, anh có thể chia sẻ thêm về mốc thời gian khi nào continuous learning có thể mang lại đột phá không? Ngoài ra, nếu continuous learning được đạt tới, thì những đổi mới nào khác về kiến trúc hoặc thuật toán, và những yếu tố then chốt khác, vẫn cần thiết?

梁文锋

Ít người hơn; cần nghiên cứu. Hiện tại cả thế giới đang nghiên cứu vấn đề này. Hay nói cách khác, đối với nhà đầu tư, thứ mà nhà đầu tư thấy nhiều nhất hiện nay là AGENT; nhưng đối với chúng tôi là nhà nghiên cứu, thứ chúng tôi thấy nhiều hơn bây giờ là học, và cách giải quyết vấn đề học. Thực ra, học có thể không phải là một công nghệ; nó là một vấn đề. Cách giải quyết vấn đề này có thể liên quan đến nhiều loại công nghệ. Nó không phải là một công nghệ đơn lẻ; nó không phải một thứ, mà sẽ là nhiều thứ.

Hay nói cách khác, AGI được cấu thành từ nhiều thứ. Nó cần mô hình, và cũng cần nhiều thứ khác nữa. Thực ra, đó cũng là một vấn đề về kỹ thuật và thuật toán. Vấn đề này khá chuyên biệt, nhưng có rất nhiều phương pháp và cũng có rất nhiều nghiên cứu.

Investor

Cảm ơn ông Liang. Xin cảm ơn rất nhiều vì cơ hội hôm nay. Trước hết, tôi thực sự muốn bày tỏ lòng biết ơn. Những gì ông nói ở phần đầu đã khiến tôi rất xúc động và cũng mang lại cho chúng tôi rất nhiều cảm hứng. Ông đã nhắc rằng đội ngũ này đang mang theo thiện ý lớn nhất, hy vọng đóng góp một phần vào sự phát triển của ngành này và trí tuệ nhân loại trong xã hội này.

Và trong đó, nó mang theo cảm giác sứ mệnh và tầm nhìn này. Tôi nghĩ điều đó rất giống với văn hóa doanh nghiệp của công ty mà chúng tôi phục vụ, đó là “tu thân, giúp người.” Tôi hiểu sâu sắc vì sao ông dẫn dắt đội ngũ làm mã nguồn mở. Tôi có thể hình dung rất rõ nó như việc tạo ra một hệ sinh thái thiên đường chim chóc nhỏ với một cây đa — lợi ích cho vạn vật mà không tranh giành, và theo cách đó sẽ được mọi người chấp nhận, muôn loài cùng chung sống trong quan hệ cộng sinh và đồng tồn tại, và cuối cùng nó sẽ hiện diện ở khắp nơi.

Vì vậy, thông qua khoản đầu tư này, chúng tôi cũng muốn thể hiện sự công nhận, ủng hộ và tôn trọng của mình đối với sứ mệnh và tầm nhìn này. Đồng thời, chúng tôi cũng hy vọng rằng trong tương lai của ngành này, ở một số lĩnh vực mà chúng tôi giỏi, chúng tôi có thể đóng góp một phần sức mạnh. Ở điểm này, tôi cũng muốn tiếp tục xin sự chỉ dẫn và trao đổi của ông. Ví dụ, trong việc cùng xây dựng hệ sinh thái tương lai, giờ đây khi nó đã được mã nguồn mở, có bao nhiêu đối tác, nhân tài và đội ngũ trong ngành này có thể tái tạo khá tốt một số mô hình và kết quả hiện đã được chúng tôi mở nguồn?

Ở bước tiếp theo, khi chúng ta muốn hệ sinh thái này phát triển hơn nữa, theo ông ở những lĩnh vực nào chúng ta cần thêm nhiều nhân tài chất lượng cao hơn để kết nối với các mô hình của mình và tái tạo chúng? Hay là hiện tại năng lực tính toán GPU tương đối khan hiếm? Trong tương lai, liệu mọi người có sẽ cùng đi theo hướng mô hình-matrix không? Ví dụ, khi chúng ta làm cho các foundation models của mô hình lớn ngày càng tốt hơn, các đối tác và đội ngũ trong nhiều ngành sẽ tiếp tục xây dựng các mô hình ngành dọc bên trong model matrix, hoặc một số mô hình ứng dụng.

Hiện nay tình hình phát triển ở lĩnh vực này như thế nào? Trong hai năm, ba năm nữa, ông cho rằng hệ sinh thái này sẽ phát triển thành dạng gì? Đó là câu hỏi đầu tiên của tôi dành cho ông. Thứ hai, vừa rồi ông cũng chia sẻ rất nhiều quan sát với nhiều đối tác về phần cứng AI. Ví dụ, các gã khổng lồ AI toàn cầu có thể đều đang đầu tư ở quy mô hàng trăm tỷ đô la, trong khi Trung Quốc hiện tại dường như còn có một số thiếu sót về phần cứng và năng lực tính toán.

Ông cho rằng cần bao lâu để giải quyết vấn đề này, và hỗ trợ cho sự phát triển AI của chúng ta, để những thiếu hụt về năng lực tính toán và phần cứng không cản trở AGI? Ông có nghĩ rằng đây là điều mà người Trung Quốc rồi cuối cùng cũng nhất định sẽ làm được, chắc chắn có thể thực hiện, và chỉ là vấn đề thời gian cùng với đầu tư vốn hay không? Nhưng đồng thời, điều này có thể là một quá trình hai chiều.

Một mặt, tiến bộ của mô hình sẽ cải thiện trí thông minh của mô hình, khiến mức tiêu thụ phần cứng và năng lực tính toán cho từng tác vụ riêng lẻ hoặc cho một số tác nhân đơn lẻ thông minh nào đó dần giảm xuống, không còn cần sức tính toán lớn như vậy nữa, vì tiến bộ của mô hình sẽ giúp nó suy nghĩ hiệu quả hơn. Tôi không biết mình hiểu như vậy có đúng không. Mặt khác, tiến bộ của công nghệ phần cứng sẽ khiến hiệu suất năng lượng tính toán của compute trở nên mạnh hơn. Liệu đây có phải là một con đường mà hai bên cùng tiến về phía nhau không?

Ở thời điểm hiện tại, nếu chúng ta dùng 960 hoặc H200 hiện nay, và đầu tư quy mô hàng trăm tỷ đô la vào năng lực tính toán, ông vừa nói rằng sẽ khấu hao trong ba năm. Ông nghĩ vòng đời thực tế của nó là bao lâu? Chu kỳ lặp công nghệ là bốn hay năm năm? Hay nói thẳng hơn, liệu có phải hôm nay xây một trung tâm compute với các card hiện tại và một cụm 10,000-card, nhưng ba năm sau thì thực ra nó đã không còn là compute rất tiên tiến nữa?

Liệu có tình huống nào là hiện đang xây dựng nhưng bây giờ còn chưa đủ, song ba năm sau lại trở thành compute chất lượng tương đối thấp với công suất dư thừa? Tôi không biết hiện tượng như vậy có tồn tại hay không. Xin ông cho lời khuyên về hai câu hỏi này. Cảm ơn. Cảm ơn.

梁文锋

Câu hỏi đầu tiên là về hệ sinh thái. Điều chúng tôi cảm nhận hiện nay là có lẽ mọi công ty đều đang gặp vấn đề không có đủ nhân tài. Nhưng tôi nghĩ tình trạng thiếu nhân tài này sẽ chỉ là tạm thời. Ở mọi ngành trong giai đoạn phát triển ban đầu, đều không có đủ nhân tài. Bao gồm cả khi các website mới bắt đầu được làm ra, số người làm website rất ít, và nhân tài cũng vô cùng khan hiếm. Sau này, khi internet cần phát triển phía server, nhân tài cũng rất khan hiếm.

Nhưng kiểu thiếu nhân tài này được giải quyết rất nhanh, chỉ trong hai hoặc ba năm, vì sẽ có rất nhiều người được đào tạo. Sự thiếu hụt nhân tài AI cũng là tạm thời, và chúng ta đã thấy nó được giảm bớt rất nhiều. Bởi vì thực sự không thiếu người làm AI. Mỗi công ty sẽ nhanh chóng đào tạo người; việc đào tạo người diễn ra rất nhanh. Cho nên, nhìn chung, trong ngành AI, dù là hệ sinh thái, các công ty mô hình, hay bất cứ thứ gì khác, nhân tài không hề khan hiếm. Sự khan hiếm nhân tài chắc chắn là một hiện tượng ngắn hạn.

Về mặt lịch sử, chưa từng có sự thiếu hụt dài hạn của bất kỳ loại nhân sự cụ thể nào. Tôi vẫn nhớ rằng hơn mười năm trước người ta nói phi công đang thiếu hụt. Chu kỳ đào tạo phi công dài, nhưng chuyện đó cũng nhanh chóng được giải quyết. Vì vậy mọi người không cần lo lắng về thiếu hụt nhân tài. Ngoài ra, hiện giờ ở Trung Quốc số công ty làm mô hình hơi quá nhiều, vẫn còn quá nhiều. Ở Mỹ có lẽ chỉ có ba công ty. Ở Trung Quốc có quá nhiều nỗ lực foundation model. Cuối cùng thì chắc chắn sẽ không cần nhiều công ty như vậy để xây dựng foundation models; chắc chắn sẽ hội tụ.

Vì vậy tài nguyên cũng tương đối phân tán, và ở một mức độ nào đó là tương đối lãng phí. Chỉ là trước đây

mọi người đều phải làm cùng một việc, nhưng ở Mỹ chỉ cần ba công ty làm, và nguồn lực được tập trung vào đúng ba công ty đó. Ở Trung Quốc, nguồn lực bị trải ra rất rộng, và mỗi công ty nhận được ít hơn rất nhiều. Tôi nghĩ điều này chắc chắn sẽ hội tụ, chắc chắn sẽ xảy ra, nhưng cần thời gian; cuối cùng chắc chắn sẽ hội tụ. Không cần quá nhiều công ty, bởi vì hiện tại mọi người có thể cảm thấy biên lợi nhuận của việc này rất cao, nên họ nhất định phải tự làm.

Nhưng khi họ phát hiện ra đây có thể không phải là một ngành có biên lợi nhuận cao như vậy, họ có thể sẽ dừng làm. Gần đây chắc chắn nó không còn quá nhiều lợi nhuận như vậy nữa. Tôi không tin có biên lợi nhuận cao đến thế, vì điều đó không phù hợp với các quy luật khách quan. Tức là chúng ta đang ở một giai đoạn mà nếu có biên lợi nhuận cực cao, điều đó chắc chắn không phù hợp với quy luật khách quan. Chúng ta nên có mức lợi nhuận hợp lý. Vậy nên đây là trạng thái hiện tại của ngành, và tôi nghĩ nó chắc chắn sẽ hội tụ.

Phần mà mọi người đều đang xây dựng large models, chưa kể đến chuyện một công ty độc quyền tất cả rồi nói "tôi muốn lấy hết lợi nhuận", điều đó chắc chắn sẽ không ổn. Nếu mỗi công ty chỉ lấy mức lợi nhuận hợp lý, thì thực ra không cần quá nhiều công ty để xây dựng large models. Cuối cùng, ở Trung Quốc chỉ cần ba hoặc bốn công ty cạnh tranh với nhau là đã đủ; mức độ cạnh tranh đã rất đầy đủ rồi, và mức định giá thì chắc chắn cũng đủ để đánh một cuộc chiến giá cả.

Với các mô hình lớn, thậm chí có thể không phải là hai công ty lớn và hai công ty nhỏ; có lẽ như vậy cũng đã khá đủ rồi. Còn về hệ sinh thái, tôi không có quá nhiều ý tưởng. Chúng tôi hy vọng có thể hỗ trợ nhiều người hơn, nhưng chúng tôi không có nhiều năng lượng như vậy. Chúng tôi quả thực có ý định này, và cũng sẽ không có xung đột lợi ích, nhưng việc có thực sự làm hay không lại là chuyện khác. Nhưng ít nhất ở đây không có xung đột lợi ích; chúng tôi hy vọng hợp tác và cùng có lợi.

Trước hết, tôi tuyệt đối không tin rằng các công ty mô hình lớn có thể lấy đi phần lớn lợi nhuận; điều đó là không thể, vì có quá nhiều công ty mô hình lớn. Khoảng cách hiện giờ cũng không cần phải lớn đến vậy. Chỉ có hai thứ tạo ra khoảng cách: một là thời gian, hai là chi phí. Vì vậy, không phải bất kỳ công ty nào cũng có thể có siêu lợi nhuận; tôi không nghĩ có thể có siêu lợi nhuận. Ai kiểm soát chi phí tốt thì kiếm nhiều hơn một chút, ai kiểm soát chi phí kém thì kiếm ít hơn một chút, vậy thôi. Như vậy đã trả lời được chưa? Câu hỏi đầu tiên đã được trả lời chưa?

Nhà đầu tư

Mọi người đều có thể... anh tin rằng trong tương lai chắc chắn sẽ có rất nhiều người có thể... trong tương lai thực ra sẽ... các ứng dụng dữ liệu và những thứ khác của mọi người sẽ được lặp lại theo chu kỳ... anh có nghe rõ không? Cảm ơn. Đúng vậy, cảm ơn câu trả lời của anh, và tôi cũng rất hiểu và tôn trọng vị trí chiến lược hệ sinh thái của anh trong ngành. Ví dụ, ở phía dữ liệu, dữ liệu công khai—tôi tin chắc các công ty mô hình đã có kênh để lấy nó, nên cách đó chắc không thành vấn đề; chỉ là vấn đề thời gian và chi phí.

Rồi sau này, ví dụ, khi chúng ta thực sự tiến tới AGI, một trạng thái tưởng tượng hoặc lý tưởng có thể là mô hình tự lặp lại và tự học, tức là nó tự huấn luyện chính mình. Về điểm này, đối với dữ liệu hiện tại, anh có cho rằng dữ liệu mô phỏng có thể dùng được không, hay dữ liệu thật vẫn là có chất lượng cao nhất?

Nếu vẫn cần dữ liệu thật, vậy điều đó có hạn chế trí tuệ AI ở mức lịch sử của loài người... đến mức đó, vì nó phụ thuộc vào dữ liệu thật mà con người thực sự đã có trong quá khứ? Hay là có thể phá vỡ giới hạn trên này bằng cách sử dụng dữ liệu mô phỏng, dữ liệu tổng hợp, dữ liệu sinh ra và các phương pháp khác, cho phép năng lực mô hình vượt qua toàn bộ dữ liệu thật trong quá khứ của nhân loại...

梁文锋

Tôi nghĩ là có thể vượt qua. Tôi nghĩ có hai kiểu vượt qua, ví dụ cờ vây, AlphaGo đã đi một nước mà con người chưa từng thấy trước đây. Tức là, nó chắc chắn đã vượt qua con người trong một phạm vi nhất định. Nhưng nó cũng có thể có một giới hạn trên, và cũng có thể có hạn chế. Nhưng hiện tại chúng ta chưa nhìn thấy những hạn chế đó.

Chúng tôi tin rằng, nói chung, nó có thể vượt qua những gì con người đã có, và những tri thức mà chúng ta đã có thể biểu đạt.

Nhà đầu tư

Rồi sau đó, điều này sẽ dựa vào dữ liệu thật hay dữ liệu mô phỏng? Có được không?

梁文锋

Có rất nhiều phương pháp; không phải là không thể.

Nhà đầu tư

Được, cảm ơn anh. Tôi cũng đã chiếm mất thời gian của anh, và tôi muốn tiếp tục hỏi về vấn đề AI Infra vừa rồi.

梁文锋

Câu hỏi thứ hai là gì? Hơi...

Nhà đầu tư

Được, tôi sẽ nhắc lại ngắn gọn và nhanh thôi. Tôi muốn hỏi về AI Infra. Trong tương lai, chúng tôi cho rằng hiện nay mọi người đang đầu tư sức mạnh tính toán ở quy mô hàng trăm tỷ đô la. Về điểm này, có lẽ chúng tôi tin rằng người Trung Quốc cuối cùng sẽ hoàn thành sứ mệnh của mình trên phần cứng, và một ngày nào đó có thể sẽ có compute có hiệu suất rất cao, nhưng trên thực tế, hiện tại nó vẫn là một nút thắt. Vậy trong tương lai, hai phía có sẽ tiến dần về phía nhau không?

Một mặt, sau khi năng lực mô hình lặp tiến, nó thực ra sẽ chuyển từ brute-force compute sang clever compute, nên yêu cầu và mức tiêu thụ compute trên mỗi đơn vị mô hình hoặc mỗi tác vụ sẽ dần giảm xuống ở biên. Mặt khác, nếu phần cứng như năng lực của card được cải thiện, tốc độ lặp sẽ nhanh hơn và hiệu suất của từng card sẽ cao hơn. Trong quá trình này, hiện tượng đó sẽ như thế nào?

Có phải là bây giờ bạn xây một cụm 10.000 card và mua H200 hay 960, nhưng sau hai hoặc ba năm thì nó trở thành compute có chất lượng tương đối thấp hơn và tương đối trở thành thiết bị lỗi thời?

梁文锋

Card NVIDIA về cơ bản có thể khấu hao trong năm năm. Card Huawei tối đa nên khấu hao trong ba năm. Huawei 950 năm nay vẫn dùng khá tốt; tôi nghĩ năm sau vẫn còn dùng ổn, nhưng dùng tiếp sau đó thì tôi nghĩ có thể thực sự sẽ quá tốn điện. Vòng đời của card Huawei chắc chắn ngắn hơn, vì ban đầu nó đã chậm hơn NVIDIA hai năm rồi. Nhưng tôi nghĩ khoảng cách không lớn đến vậy. Nếu bây giờ mua được B200, tôi nghĩ đều rất đáng.

Nếu là Tencent, và Alibaba có thể mua được, thì còn tùy quy mô; nếu có thể mua với mức giá hợp lý, thì chắc chắn là đáng. Nhưng khi tính chi phí, tin tôi đi, bạn không mua nổi đâu.

Nhà đầu tư

Đã hiểu.

梁文锋

Compute của chúng tôi đang tụt hậu; đó là sự thật. Sự thật này được bù đắp qua ba khía cạnh. Khía cạnh thứ nhất là chúng tôi chấp nhận mô hình tụt hậu; chúng tôi chỉ có thể dùng những mô hình nhỏ hơn của họ, và nhỏ hơn bao nhiêu là một vấn đề về huấn luyện. Chúng tôi cần chấp nhận một mức độ tụt hậu nhất định của mô hình, cũng như quy mô mô hình nhỏ hơn. Sự tụt hậu này có một ưu điểm: tụt hậu nghĩa là bạn có nhiều thời gian hơn. Bạn có một lượng công nghệ nhất định, rồi bạn có thể dùng những phương pháp thông minh

Nhà đầu tư

Cảm ơn anh.

梁文锋

Vì vậy, khoảng cách của chúng tôi với Mỹ có thể là chúng tôi chậm hơn Mỹ 12 tháng, có lẽ chậm hơn 12 đến 18 tháng, hoặc chậm hơn 6 đến 12 tháng. Nói đơn giản, chúng tôi chậm hơn Mỹ hai năm, nhưng lại làm việc này chỉ với một phần hai mươi lượng compute của họ. Câu chuyện đó là: chậm hơn một đến hai năm, nhưng chỉ dùng một phần hai mươi compute của họ.

Rồi trong tương lai, chúng ta cần viết lại câu chuyện đó: chúng ta chỉ dùng một phần nhỏ compute của họ, nhưng còn rút ngắn thời gian hơn nữa, xuống còn 6 tháng, 3 tháng. Tôi nghĩ đó là một mục tiêu. Và chúng ta thậm chí có thể vượt họ ở một số lĩnh vực. Nhưng khi tổng compute vẫn còn chênh lệch tới một bậc độ lớn, thì vượt toàn diện là không thực tế; tuy nhiên, ở một số lĩnh vực then chốt nơi chúng ta chấp nhận đánh đổi, việc vượt lên ở một vài điểm có thể là khả thi.

Nhà đầu tư

Đã hiểu, cảm ơn anh Lương. Đầy tự tin, chúng ta cùng nhau nỗ lực. Chúng tôi sẽ dành thời gian cho các đối tác khác, cảm ơn. Cảm ơn phần chia sẻ vừa rồi. Tôi có hai câu hỏi kỹ thuật ngắn. Trong lộ trình kỹ thuật vừa rồi có nhắc rằng vấn đề cốt lõi chúng ta cần giải quyết ở giai đoạn này là học liên tục, hiện đây cũng là một chủ đề nóng trong nghiên cứu nước ngoài, gọi là RecursiveImprovement. Tôi muốn hỏi, xét từ góc độ kỹ thuật, hiện nay khó khăn lớn nhất là gì?

Theo anh, khi nào có thể giải quyết được? Đó là câu hỏi thứ nhất. Câu hỏi thứ hai là anh vừa nói giải quyết học liên tục trước, rồi mới làm trí tuệ. Tôi cũng muốn hiểu gốc rễ kỹ thuật đằng sau lời anh nói này. Có phải là sau khi giải quyết học liên tục, DeepSeek cũng sẽ tiếp tục đi làm trí tuệ tổng quát không? Xin giúp giải thích hai câu hỏi này.

梁文锋

Các vấn đề kỹ thuật thực ra hơi khó giải thích... Khó khăn là hiện tại chúng ta vẫn chưa tìm ra một phương pháp rất khả thi. Cả thế giới vẫn chưa tìm ra phương pháp tốt, và mọi người vẫn đang thăm dò. Vì vậy chúng ta vẫn đang ở giai đoạn khám phá, nghĩa là chúng ta cũng không biết ai sẽ tìm ra phương pháp tiếp theo để giải quyết vấn đề này. Chúng ta vẫn đang ở giai đoạn dò đường. Hiện giờ chúng ta có rất nhiều ý tưởng, rất nhiều suy nghĩ có triển vọng, nhưng chưa ý tưởng nào được biến thành hiện thực. Vâng, đó là điểm thứ nhất.

Điểm thứ hai là nội bộ chúng tôi rất coi trọng câu chuyện này: huấn luyện phiên bản mô hình tiếp theo của mình, chúng tôi hy vọng nó có thể giúp cho sự phát triển của chính chúng tôi. Nó có thể nâng cao hiệu suất của DeepSeek; mục tiêu đầu tiên của mô hình chúng tôi là nâng cao hiệu suất làm việc của chính DeepSeek, để khi chúng tôi phát triển phiên bản mô hình tiếp theo, nó có thể hỗ trợ nhiều hơn.

Hay nói đơn giản hơn, các mô hình chúng tôi xây dựng không phải trước hết để hữu ích cho tất cả mọi người, mà là để hữu ích cho chính chúng tôi. Trước tiên, nó cần có ích cho chúng tôi. Một khi nó có ích cho chúng tôi, thì khi tôi phát triển phiên bản mô hình tiếp theo, nó sẽ nhanh hơn.

Rất nhiều người trong chúng tôi nghĩ như vậy: trước tiên nó phải hữu ích cho chính mình, trước tiên nó phải làm được việc cho mình. Và đó cũng là cách nhanh nhất để đạt được AGI. Khi nó làm tốt cho chúng tôi, điều đó có thể có nghĩa là nó cũng làm tốt cho người khác, nhưng trước hết nó phải làm tốt cho chúng tôi. Câu chuyện này hơi kỳ lạ, nhưng rất nhiều người thực sự nghĩ như vậy.

Đó không phải là về mức độ hài lòng của người dùng; tôi hy vọng nó giúp ích cho chúng tôi nhiều hơn, để chúng tôi có thể đạt được AGI, và nhanh hơn nhiều. Vì vậy, logic của câu chuyện này là nó giúp chúng tôi đạt được AGI. Nhưng trước hết nó giúp chúng tôi đạt được điều đó. Chúng tôi cần sự hỗ trợ này để đạt được AGI. Hiện tại, có thể khẳng định rất rõ rằng chúng tôi thực sự cần trí tuệ nhân tạo giúp chúng tôi đạt được AGI.

Mặc dù nó vẫn chưa tự chủ được, và vẫn chỉ hoạt động khi kết hợp với con người, nhưng nó đã rất hữu ích.

Nhà đầu tư

Câu hỏi thứ hai là, vừa rồi anh có nhắc đến giải quyết học liên tục trước, rồi mới bước vào trí tuệ tổng quát. Đây là kỳ vọng của anh cho tương lai phải không? Tôi muốn hiểu gốc rễ kỹ thuật đằng sau điều này. Vì sao chúng ta cần giải quyết học liên tục trước, rồi mới bước vào trí tuệ tổng quát? Sự hiểu biết của anh về lĩnh vực này sau đó.

梁文锋

Bởi vì giải quyết học liên tục có thể đẩy nhanh rất nhiều tiến độ R&D của chúng ta. Nếu tôi giải quyết được vấn đề học liên tục trước, thì vấn đề trí tuệ tổng quát sẽ không còn là chuyện lớn nữa. Với sự hỗ trợ của AI, nếu AI có thể học liên tục, năng lực của nó sẽ rất mạnh. Năng lực hiện tại của các agent bị hạn chế vì chúng không thể học liên tục; chúng không thể tiếp tục học một cách hiệu quả.

Nếu chúng ta có thể hoàn thành học liên tục trước, thì năng lực của AI sẽ rất mạnh, và nó có thể nâng cao rất nhiều hiệu suất nghiên cứu của chính chúng ta. Nếu học liên tục được làm xong trước, trí tuệ tổng quát có thể trở nên rất dễ, và dùng nó để làm việc đó cũng sẽ dễ. Vì vậy tôi nói đây là một kết quả mà chúng tôi rất hy vọng nhìn thấy; nó giúp chúng tôi tiết kiệm công sức, và chúng tôi cũng nhẹ nhõm hơn.

Nếu không, nếu bây giờ bạn đi tự tay xây dựng trí tuệ tổng quát, thì tương đối mệt mỏi và khó khăn, đó là một công việc nặng về dữ liệu, nặng về nhân lực, và hiệu quả chi phí cũng không cao.

Nhà đầu tư

Cảm ơn anh đã chia sẻ.

Người dẫn chương trình

Một câu hỏi nhỏ: xin hãy xem nhóm chat của câu hỏi trực tuyến. Anh nghĩ còn bao lâu nữa thì đến AGI? Phần cứng trong nước có thể bắt kịp vào lúc đó không? Nó ở cửa sổ chat của cuộc họp Zoom.

梁文锋

Được, tôi đã thấy. Huawei 950—hiện tại Huawei đang cấp cho chúng tôi 16,000 card, điều này hẳn là thứ chúng ta có thể nói công khai. Nó hẳn chỉ bằng khoảng một bậc độ lớn so với các công ty internet lớn. Huawei chỉ có thể cấp cho chúng tôi từng đó, vì giá cũng không hề rẻ.

Nhu cầu của các công ty internet lớn sẽ lớn hơn; với họ, họ cần nó nhiều hơn. Còn chúng tôi thì có thể mua một số card không chuẩn. Vì vậy mục đích của chúng tôi khi mua Huawei 950 vẫn là giúp Huawei xây dựng hệ sinh thái của mình. 16,000 card Huawei 950 chỉ tương đương 4,000 card B-series. Vì vậy số lượng này không quá lớn, và ý nghĩa cũng không quá lớn.

Nó chưa đủ để huấn luyện một mô hình thế hệ tiếp theo; nó chỉ đủ để huấn luyện mô hình thế hệ hiện tại của chúng tôi, chưa đủ cho thế hệ tiếp theo. Nhưng nó có thể giúp Huawei làm đúng việc này trước, tức là liên quan đến Huawei 950. Rồi, còn bao lâu nữa thì đến AGI? Phần cứng trong nước có thể bắt kịp vào lúc đó không?

Tôi nghĩ trong nỗ lực AI này, trong vấn đề AI này, trong nước hẳn là có thể đạt tới mức gần như tương đương nước ngoài trong một hoặc hai năm, hoặc thậm chí ngay trong năm nay có thể đạt được một phương án thay thế cho các mô hình nước ngoài. Trong AI, với cách tiếp cận hiện tại và mô thức hiện tại, điều đó không quá khó, nên năm nay hẳn là có thể. Nhưng như vậy vẫn chưa phải AGI.

Ít nhất, tôi nghĩ nó phải có thể học liên tục. Khi đó, phần cứng nội địa có thể bắt kịp không? Tôi nghĩ trong nước có lẽ còn cần vài năm. Trước hết, Trung Quốc cần giải quyết vấn đề hệ sinh thái, vì hệ sinh thái là vấn đề niềm tin. Giải quyết vấn đề hệ sinh thái rồi giải quyết vấn đề năng lực, tôi nghĩ dần dần sẽ giải quyết được. Tôi không thực sự tin rằng sau năm năm nữa chúng ta vẫn sẽ mắc kẹt ở năng lực.

Hiện tại chúng ta chắc chắn đang bị kẹt ở năng lực. Năm nay, năm sau, và năm sau nữa, tôi nghĩ có lẽ chúng ta vẫn sẽ bị kẹt ở năng lực, nhưng năm năm sau, tôi nghĩ chưa chắc đã như vậy; tôi vẫn khá lạc quan. Rồi câu hỏi thứ hai là về việc suy nghĩ rõ ràng cấu trúc tổ chức tương lai và quy mô hoạch định nhân sự. Trước hết, cấu trúc tổ chức trước đây của chúng tôi rất phân tán, vì khi đó không có cấu trúc tổ chức. Nhưng khi đội ngũ của chúng tôi tiếp tục mở rộng, những điều này chắc chắn cần một số thay đổi.

Hiện tại tôi chỉ có thể nói rằng ở đây sẽ cần nhiều thay đổi, nhưng rất khó để diễn đạt hết ngay bây giờ. Cuối cùng, có lẽ chúng tôi vẫn sẽ cần các phòng ban khác nhau, và một số phòng ban sẽ cần chúng tôi thiết lập một cấu trúc cấp bậc tương đối chặt chẽ. Những phòng ban khác có thể vẫn duy trì một cấu trúc tương đối lỏng và tương đối phẳng. Khi nhân sự tăng lên, chúng tôi sẽ thực hiện những điều chỉnh này. Chúng tôi hẳn sẽ sớm thực hiện điều chỉnh này, vì tôi đã đang thực hiện điều chỉnh này rồi.

Nếu chúng ta không còn thực hiện điều chỉnh này nữa, nhiều việc đơn giản là không thể đẩy tiến lên được. Thực sự, có rất nhiều phòng ban đáng lẽ phải có cấu trúc tổ chức. Một câu hỏi khác mà mọi người đều có là, CV là trước phiên bản nào, đúng không? Tôi nghĩ hiện tại, bản phát hành trực tuyến của phiên bản GCV4 này vẫn còn khá thô, và vẫn còn rất nhiều năng lực cần thời gian.

Đối với chúng tôi, nhìn chung, nhịp phát hành thoải mái là khoảng một phiên bản mỗi hai đến ba tháng. Lần phát hành trước có thể là vào cuối tháng 4, vậy lần phát hành tiếp theo có thể là vào cuối tháng 6, đại khái như vậy. Nếu không có gì bất ngờ xảy ra, mỗi phiên bản đều nên tốt hơn phiên bản trước. Ở quy mô 50B tham số hoạt động, tôi cảm thấy cuối cùng chúng tôi sẽ không khác quá nhiều so với làn sóng mã nguồn mở hiện tại.

Về tốc độ suy luận và hiệu năng, tôi cảm thấy có lẽ sẽ không khác biệt nhiều. Nhưng so với mô hình lớn đó, mô hình chưa công bố của họ, khoảng cách vẫn nên khá lớn. Khoảng cách đó, tôi nghĩ, là thứ mà quy mô tham số hoạt động của chúng tôi có lẽ không thể đạt tới; chắc chắn sẽ cần một mô hình lớn hơn nhiều, có lẽ là khoảng 150B.

Còn về 150B, dựa trên tiến độ huấn luyện hiện tại của chúng tôi, lạc quan nhất thì cuối năm nay có thể bắt đầu huấn luyện; ít nhất thì cũng sẽ là Q1 năm sau... khoảng cách vẫn còn khá lớn. Đúng vậy, đó là khoảng cách với OCE.

Investor

Xin chào, thực ra tôi có một câu hỏi. Bạn thường nói rằng quá trình hiện thực hóa AGI là một quá trình tuần tiến, không phải là thứ xảy ra trong một cú nhảy đột ngột. Vậy tôi có thể hiểu đây là một quá trình không có điểm tới hạn không?

梁文锋

Nó không có điểm tới hạn, nhưng nó phi tuyến tính. Hiện tại chúng tôi tin vào một câu chuyện rằng AI có thể thúc đẩy nghiên cứu AI, AI có thể thúc đẩy nghiên cứu AI. Tức là, nó không tuyến tính, vì bạn có thể dùng AI để tăng tốc nghiên cứu của chính mình, nên về sau nó có thể trở nên phi tuyến tính.

Investor

Hiểu rồi. Vậy ở giai đoạn này, hiểu của tôi là kết luận trước mắt có thể là tiếp tục mở rộng quy mô mô hình ngôn ngữ là đủ, là đủ để đạt tới trạng thái này.

梁文锋

Tôi chỉ có thể nói rằng, đối với việc mở rộng quy mô mô hình ngôn ngữ, hiện tại tôi chưa thấy giới hạn trên. Chúng tôi chưa nhìn thấy giới hạn trên đối với mức trí tuệ hiện tại của chúng tôi, thậm chí là đối với trình độ trí tuệ của Hoa Kỳ.

Investor

Hiểu rồi. Vì tôi rất tò mò—bạn nói là đối với Hoa Kỳ, có thể huấn luyện một mô hình với 800B tham số hoạt động, nhưng không thể sử dụng, nên nó chỉ có thể được huấn luyện; cũng khó đưa nó ra cho mọi người dùng vì thực sự quá đắt. Có một điều trước đây tôi rất tò mò là con người chỉ mới có năng lực ngôn ngữ gần 100.000 năm, trong khi trước đó quá trình tiến hóa đã mất có lẽ 3,7 tỷ năm.

Nhưng trong việc huấn luyện AI, có lẽ là có thể—bạn nói rằng chuỗi đó có thể bị đảo ngược—nhưng cuối cùng nó có lẽ vẫn phải đi vào cái gọi là world model, hoặc có lẽ không nhất thiết gọi là world model, nhưng nó vẫn phải đi vào mô hình vật lý hoặc phần hiện thân, đúng không? Tức là, sau giới hạn trên này.

梁文锋

Đúng, tôi nghĩ chắc chắn vẫn phải đi vào embodiment, cuối cùng là embodiment. Vì vậy với công ty của chúng tôi, một cách tự nhiên, điểm cuối có thể là embodiment. Bởi vì đối với một người bình thường, nhu cầu của họ không phải là một chiếc máy tính, đúng không? Vì một người bình thường ăn, uống, chơi, mặc, ở và đi lại—họ không cần một chiếc máy tính.

Thứ họ cần là trí tuệ hiện thân để giải quyết các nhu cầu lao động cụ thể của con người. Nếu mục tiêu là giảm bớt nhu cầu lao động, thì embodiment là điều không thể tránh khỏi.

Investor

Hiểu rồi. Vậy ở một giai đoạn nào đó, nếu chúng ta đạt tới một thứ tương tự, có lẽ thậm chí không cần đến điểm tới hạn—một thứ có thể tự tiến hóa, có thể tự tiến hóa khá tốt, hoặc gần với điểm bứt lên đó cùng với SV—tôi rất tò mò điểm hạ cánh đầu tiên của AI ở trạng thái đó sẽ là gì... có lẽ sẽ khác bây giờ.

梁文锋

Điều chúng tôi hy vọng là nó có thể, nếu không có embodiment, thì định nghĩa AGI của chúng tôi, hay điều chúng tôi hy vọng AGI có thể làm, là gì? Nó có thể giúp tôi lặp lại phiên bản tiếp theo của mô hình; nó có thể giúp tôi lặp lại phiên bản tiếp theo của mô hình theo cùng một cách. Và nếu thêm embodiment vào, thì điều chúng tôi hy vọng nó có thể làm là cũng cho phép nó lặp lại phiên bản tiếp theo của embodiment, cho nó tạo ra phiên bản tiếp theo của robot.

Investor

Tôi vẫn rất tò mò về một điều, vì tôi đã xem các cuộc phỏng vấn DeepSeek trước đây, v.v. Có vẻ như trong việc lựa chọn các hướng đi quan trọng và hướng nghiên cứu, gu và trực giác là rất quan trọng, không chỉ đơn thuần là tối ưu hóa kỹ thuật. Nếu AI có thể tự tiến hóa trong tương lai, thì gu, gu, trực giác còn quan trọng không, hay điều gì sẽ quan trọng?

梁文锋

AI hiện tại không thiếu gu hay trực giác; thứ nó thiếu là khả năng tiếp tục học. Gu và trực giác của AI đều ổn. Nếu bạn bảo nó viết một bài viết, thì gu và trực giác của nó, tôi nghĩ, không phải vấn đề. Vừa rồi có vài câu hỏi; để tôi xem lại. Tôi đã thấy vài câu hỏi trên màn hình, nhưng ở đây tôi không nhìn thấy.

Investor

Anh Lương, tôi đã để một câu hỏi trên màn hình; để tôi đọc lại cho anh. Thực ra, tôi muốn hỏi về học liên tục—anh cũng đã đề cập đến nó, và nhiều nhà nghiên cứu cũng nói rằng đây vẫn là một vấn đề nghiên cứu chưa có lời giải. Vậy thì tác nhân lập trình, đặc biệt là bắt kịp MILES, là

việc đạt tới mức Office level và MIS level có phải là một mục tiêu tương đối chắc chắn không. Đối với một mục tiêu Scaling nghiên cứu chưa có lời giải và một mục tiêu Scaling tương đối chắc chắn, anh nghĩ nên phân bổ nguồn lực nghiên cứu như thế nào, đặc biệt là nguồn lực nhân tài ở phía nghiên cứu, để đạt được sự cân bằng và hiệu quả tốt nhất?

梁文锋

Model Office là một mục tiêu tương đối chắc chắn, nhưng model MIS, tôi nghĩ, vẫn khó nói là chắc chắn; chỉ có thể nói đó là một mục tiêu. Model Office, tôi nghĩ, nên là tương đối chắc chắn.

CoT không tiêu tốn nguồn lực. Làm bất kỳ nghiên cứu nào cũng không tốn card, chỉ cần rất ít card; thứ nó cần là ý tưởng. Nó cũng không tiêu tốn nguồn lực nhân tài, vì bạn không cần ai đó ở đó làm nó suốt thời gian. Nó không phải là một dự án, mà là điều đòi hỏi nhiều người cùng suy nghĩ về vấn đề. Vì vậy không cần phân bổ nguồn lực cho nó, bởi vì nó không cần nguồn lực. Bạn cần nguồn lực để huấn luyện mô hình, để tạo mô hình, để phát hành mô hình, để làm các thí nghiệm hiệu suất cho mô hình.

Điều tôi vừa nói không tiêu tốn nhiều về người hay card. Vì vậy chúng tôi gọi đây là “mò jiǎng” [thử vận may]. Ngưỡng rất thấp, ai cũng có thể thử, nhưng ai có thể thu được gì từ đó—điều này, tôi cũng không biết là có phụ thuộc vào tài năng hay gì khác không. Vì vậy không cần chúng tôi phân bổ nguồn lực ở đây. Chỉ là sự khác biệt giữa chúng tôi và các công ty khác là chúng tôi sẽ dành thời gian bàn luận về vấn đề này, suy nghĩ về vấn đề này, và xem nó như một việc quan trọng.

Bên trong công ty, đây là một vấn đề quan trọng, là thứ chúng tôi sẽ dành thời gian suy nghĩ, nhưng không cần quá nhiều nguồn lực để làm. Rồi tôi cũng thấy một câu hỏi khác ở phía dưới: vấn đề hallucination của các mô hình lớn ảnh hưởng khá nhiều đến trải nghiệm người dùng. Vấn đề hallucination cũng có một phương pháp có thể giải quyết, nhưng đây là một chủ đề dài hạn.

Vấn đề hallucination có thể được xem là thứ có thể giải quyết, hoặc cải thiện, thông qua Post-training tốt hơn.

Chỉ là mọi người chưa bỏ nhiều công sức để làm nó. Hoặc, với tôi, hallucination là một vấn đề, nhưng chúng ta có thể xếp nó vào vấn đề sản phẩm. Chúng tôi sẽ giải quyết nó, nhưng nó không phải là vấn đề then chốt. Cũng có một câu hỏi trước đó về gán nhãn dữ liệu. Về gán nhãn dữ liệu, điều này liên quan đến đầu tư vốn của chúng tôi. Xét theo cấu trúc đầu tư vốn của chúng tôi, chúng tôi không thể gánh nổi chi phí cho quá nhiều gán nhãn dữ liệu chất lượng cao, vì chi phí rất cao.

Chi phí gán nhãn dữ liệu ở Hoa Kỳ không khác biệt đáng kể so với chi phí gán nhãn dữ liệu ở Trung Quốc. Trung Quốc không có lợi thế chi phí trong gán nhãn dữ liệu; đặc biệt là gán nhãn dữ liệu cao cấp, không hề có lợi thế chi phí, điều này khiến chúng tôi rất khó đầu tư vào gán nhãn dữ liệu như Hoa Kỳ. Con đường này ở Trung Quốc rất khó khăn, vì gán nhãn dữ liệu đơn giản là quá đắt—dù chúng tôi thuê ngoài hay tự làm, tất cả đều rất đau đầu. Vậy nên hiện nay cơ bản là đi theo hai hướng.

Không phải là chúng tôi tuyệt đối không thể gán nhãn dữ liệu; chỉ là một số loại gán nhãn dữ liệu có chi phí thấp, còn một số thì chi phí cao. Chúng tôi bắt đầu bằng việc gán nhãn những loại có chi phí thấp. Vì vậy, bạn cũng có thể nói rằng bây giờ một nửa người trong công ty chúng tôi đang gán nhãn dữ liệu. Một nửa các nhà nghiên cứu chủ chốt, những người quan trọng nhất, một nửa đang gán nhãn dữ liệu. Chúng tôi đang tập trung vào gán nhãn dữ liệu. Giải quyết vấn đề AI ở giai đoạn này phụ thuộc vào gán nhãn dữ liệu. Bạn chỉ cần nhìn nó như một vấn đề dữ liệu.

Investor

Anh Lương, cảm ơn anh. Những gì anh nói đặc biệt rất gần gũi với chúng tôi, rất tốt. Cảm ơn anh. Tôi muốn hỏi vài câu.

Câu hỏi đầu tiên: anh vừa nói rằng các mô hình Trung Quốc chắc chắn mạnh hơn các mô hình Mỹ về mặt hiệu suất. Anh cũng đề cập đến một số khía cạnh khác, và trong tương lai chúng ta cũng có thể mạnh hơn Hoa Kỳ ở những khía cạnh đó. Anh nghĩ những khía cạnh đó là gì, nơi chúng ta có thể mạnh hơn Hoa Kỳ về trí tuệ hay ở các lĩnh vực khác?

梁文锋

Tôi nghĩ ở nhiều khía cạnh liên quan đến trải nghiệm, có khả năng chúng ta có thể làm tốt hơn Hoa Kỳ. Chưa kể đến trải nghiệm của chính chúng ta, trải nghiệm sản phẩm của chúng ta cảm thấy khá tốt. Tôi nghĩ về trải nghiệm người dùng, chúng ta chưa chắc đã kém hơn Hoa Kỳ. Về sản phẩm, năng lực sản phẩm có lẽ cũng chưa chắc đã kém hơn Hoa Kỳ. Chi phí cũng nên thấp hơn Hoa Kỳ, nên Trung Quốc có thể vẫn có sức cạnh tranh. Còn ở các lĩnh vực khác, nếu hỏi có lợi thế mang tính cấu trúc hay không, tôi nghĩ có lẽ là không.

Nhưng xét về chi phí và sản phẩm, tôi nghĩ quả thật vẫn có một số lợi thế mang tính cấu trúc. Phần chi phí thì dễ hiểu, vì họ không cần làm, nên họ không phát triển năng lực này. Họ chắc chắn không coi trọng điều này như chúng tôi. Chúng tôi có thể xem đây là một việc rất quan trọng, nhưng với họ, điều này lại không quan trọng. Còn về sản phẩm, tự nhiên thông qua rất nhiều công ty, năng lực sản phẩm vẫn ổn.

Vì vậy tôi nghĩ hai phương diện này có thể có lợi thế cấu trúc.

Investor

Được. Câu hỏi thứ hai, để tôi hỏi anh: anh vừa nhắc đến huấn luyện hậu kỳ. Chi phí đầu tư của chúng tôi tương đối cao, và các công ty như Anthropic và OpenAI đang đầu tư những khoản khổng lồ. Sau vòng gọi vốn này, anh có nghĩ chúng tôi sẽ tăng đầu tư vào huấn luyện hậu kỳ không?

梁文锋

Khoảng cách chủ yếu nằm ở gán nhãn dữ liệu chất lượng cao, và chủ yếu ở trong nghiên cứu AI. Chúng tôi chắc chắn sẽ tăng đầu tư, nhưng gán nhãn dữ liệu chất lượng cao thông thường không phải là vấn đề của đầu tư vốn. Nút thắt của gán nhãn dữ liệu chất lượng cao, theo tôi, là thời gian, vì nó cần thời gian. Với OpenAI, với các công ty ở nước ngoài, với Anthropic, họ đều bắt đầu sớm hơn, và họ có nhiều vốn hơn cùng nhiều thẻ bài hơn.

Trong hoàn cảnh như vậy, đối với chúng tôi trong nước, anh có thể hiểu rằng chỉ trong sáu tháng qua chúng tôi mới thật sự bắt đầu làm việc này, nên xét về thời gian, tôi nghĩ cần thêm thời gian. Việc này ít liên quan đến đầu tư vốn hơn, bởi vì ngay cả khi không tăng thêm đầu tư vốn, nguồn vốn hiện có cũng đủ để nó mở rộng nhanh nhất có thể. Nhưng tốc độ này có giới hạn trên; nút thắt không phải là tôi có thể ngay lập tức có thêm người, và cũng không bị nghẽn bởi tiền hay bởi thẻ. Nhưng đúng là nó đang ở trong quá trình mở rộng nhanh.

Vì vậy chúng tôi nghĩ rằng trong vòng một năm, nếu vấn đề dữ liệu chất lượng cao có thể làm tốt, tôi nghĩ đó sẽ là điều có thể kỳ vọng ở trong nước. Tôi nghĩ triển vọng có lẽ không lạnh lẽo như vậy, nhưng quả thực cần thời gian.

Investor

Cảm ơn. Vậy câu hỏi thứ ba là chúng tôi thấy Anthropic dùng chính các mô hình của mình để xây dựng sản phẩm của chính họ, tung ra rất nhiều mảng dọc trong tài chính, pháp lý...

và thậm chí trong tương lai tiến vào y tế. Anh có nghĩ rằng trong những ứng dụng dọc như vậy, ở một giai đoạn nào đó chúng ta cũng sẽ cân nhắc điều này không?

梁文锋

Tôi vẫn chưa nghĩ thật sự rõ ràng—rốt cuộc mô hình kinh doanh trong nước của chúng ta trong tương lai sẽ là gì, hay con đường nào sẽ là con đường trơn tru nhất. Chúng ta هنوز chưa đến giai đoạn đó. Tình hình trong nước và tình hình ở nước ngoài có lẽ không giống nhau; lúc đó ở trong nước sẽ trông như thế nào thì hiện giờ vẫn khó đánh giá.

Xét theo tình hình trong nước hiện tại, tôi nghĩ cách làm hợp lý nhất vẫn nên là dồn toàn lực vào các agent đa năng; các agent khác nên có mức ưu tiên thấp hơn, bao gồm cả agent tài chính và agent bác sĩ. Chúng ta nên làm Coding trước, vì Coding Agent có thể làm rất nhiều việc, và còn có rất nhiều vertical agent khác.

Ở giai đoạn này, chúng tôi nghĩ điều quan trọng nhất vẫn là Coding Agent.

Investor

Rất rõ ràng, cảm ơn anh. Còn một câu hỏi nữa chúng tôi muốn hỏi anh. Thực ra chúng tôi làm DeepSeek, và chúng tôi cũng rất ngưỡng mộ anh vì luôn làm DeepSeek theo một cách rất thuần nghiên cứu. Nhưng ngành này quả thực đã bước vào thị trường vốn và đi lên con đường vốn hóa. Và anh cũng là một người rất có trách nhiệm—dù với đồng đội hay với nhà đầu tư, anh đều rất có trách nhiệm.

Vậy nên, anh cân bằng giữa nghiên cứu thuần túy, hướng AGI thuần túy, và thị trường vốn như thế nào? Tương lai anh chắc chắn vẫn sẽ phải bước vào thị trường vốn, và chắc chắn sẽ có cổ đông công chúng. Anh nghĩ về việc cân bằng điều này trong tương lai như thế nào?

梁文锋

Giờ tôi cảm thấy có lẽ có thể làm được cả hai. Giả sử năm nay tôi có thể có vài trăm triệu đô la doanh thu B-side, đồng thời chúng tôi có người dùng C-side, thì như vậy đã tạo cho chúng tôi một nền tảng kinh doanh nhất định rồi. Nếu năm sau chúng tôi có doanh thu B-side, và nếu nhu cầu này còn có thể tăng thêm, công ty có lẽ sẽ không còn cách xa lợi nhuận ròng; thậm chí có thể đã có lãi ròng.

Có lẽ sẽ không còn là giai đoạn đốt tiền thuần túy nữa, nên tôi cảm thấy những hành động và vận hành mà chúng tôi có thể thực hiện sau này vẫn sẽ tương đối lớn. Hoặc, trong kịch bản xấu nhất, chỉ cần bán API thậm chí cũng có thể đủ để nuôi một công ty niêm yết. Nếu, ví dụ, sau này không có tiến bộ công nghệ mới nào nữa và công nghệ của chúng tôi bị đóng băng ở đây, thì cuối cùng chúng tôi chỉ cần dồn toàn lực vào bán API và làm tốt các dịch vụ này, tôi nghĩ như vậy cũng là đủ. Vì thế tôi vẫn có sự tự tin; thật ra không đến mức quá khó.

Bởi vì chúng tôi quả thực đang ở một điểm đòn bẩy rất cao, và lại ở trong một lĩnh vực phát triển rất nhanh, nên có lẽ chuyện đó cũng không đến mức quá khó. Chúng tôi chỉ có thể nói rằng chúng tôi hy vọng có những giấc mơ lớn hơn, nhưng chúng tôi cũng có phương án dự phòng mà mình có thể mang ra.

Investor

Cảm ơn anh, nói rất hay. Đó là tất cả câu hỏi của tôi. Cảm ơn anh.

Cảm ơn vì đã chia sẻ. Anh vừa nhắc đến một số câu hỏi trước đó; tôi muốn hỏi anh lại lần nữa. Bởi vì tôi nghĩ sự khác biệt lớn nhất giữa DeepSeek và các công ty khác thực ra là tổ chức của chúng ta khác với người khác, hay nói đúng hơn là hình thức tổ chức khác. Nhưng hình thức tổ chức lại liên quan đến mục tiêu của chúng ta, và có lẽ chúng ta cũng cần cân nhắc đến giới hạn và hiệu suất của chính tổ chức. Tôi không biết, xét từ góc độ vĩ mô, hình thức tổ chức của chúng ta có mô hình học hỏi nào tốt không?

Về mặt lịch sử, có lẽ là Bell Labs, hoặc cấu trúc nào sẽ là lý tưởng? Hay chúng ta nghĩ rằng thật ra không có một mô hình lý tưởng nào cả, và chúng ta cần tự mình từ từ khám phá? Có lẽ trong một kỷ nguyên mới, chúng ta chỉ có thể dựa vào chính mình để thực hiện sự khám phá này. Bởi vì hình thức tổ chức của chúng ta thực ra chắc chắn khác với các công ty lớn ở Hoa Kỳ, đúng không? Ba công ty đó bản thân cũng khác nhau, nhưng ít nhất tất cả đều bắt đầu từ góc độ của một công ty thương mại để khám phá.

Tôi chủ yếu muốn hỏi lại về vấn đề tổ chức.

梁文锋

Trước hết, chúng tôi không có một đối tượng để bắt chước. Mỗi bước đều dựa trên tình hình thực tế của chúng tôi, tìm kiếm chân lý từ thực tiễn, quyết định theo tình hình thực tế, và tìm ra cách chúng tôi nên làm. Vì vậy, nó là sản phẩm của thời đại, hoặc là sự phản ánh tình hình thực tế; nó không phải kết quả của việc bắt chước. Nói cách khác, trong bối cảnh này, tôi thực sự nghĩ rằng giải pháp tối ưu có lẽ sẽ như vậy, hay nói đúng hơn, theo quan điểm của riêng tôi, con đường mà chúng tôi chọn là như thế này.

Mỗi bước, dĩ nhiên, chúng tôi đều đã suy nghĩ kỹ, dĩ nhiên chúng tôi đã lựa chọn, và dù sao thì kết quả của lựa chọn cũng chính là như vậy. Không phải vì chúng tôi thấy người khác chọn cách này rồi chúng tôi cũng chọn cách này; mà là vì chúng tôi phân tích ưu và nhược điểm rồi chọn cách này. Trong tương lai có lẽ cũng sẽ như vậy; chúng tôi không bắt chước bất kỳ ai.

Tôi nghĩ chúng tôi vẫn khác với Bell Labs, vì rõ ràng nó không cần thương mại hóa, bởi vì nó là... nhưng chúng tôi rõ ràng cần thương mại hóa. Cuối cùng, chúng tôi vẫn phải tồn tại; rốt cuộc chúng tôi là một công ty, và chính phủ sẽ không cho tôi một xu nào. Vì vậy, chúng tôi có thể mang những sứ mệnh rất lớn lao, nhưng xét đến cùng chúng tôi là một công ty, và chúng tôi phải nghĩ cách để tồn tại.

Vì thế, B-side chắc chắn rất quan trọng đối với chúng tôi, bởi vì có lẽ trong tương lai chúng tôi có thể phải dựa vào nó để tồn tại. Chỉ là hiện tại nó không quan trọng, vì hiện tại nó là một khoản chi phí. Vì vậy, tôi nghĩ điều đó vẫn khác; vẫn khác với Bell Labs. Về bản chất, chúng tôi vẫn là một công ty. Trong lịch sử, cũng có nhiều công ty theo đuổi những điều vượt lên trên lợi nhuận, nhưng bạn không thể nói rằng vì họ theo đuổi những điều vượt lên trên lợi nhuận mà họ không còn là công ty nữa.

Rất nhiều công ty vĩ đại là vì họ có một sự theo đuổi vượt lên trên lợi nhuận. Sự theo đuổi đó không chỉ không ảnh hưởng đến việc thương mại hóa của họ, mà ngược lại còn giúp họ thương mại hóa tốt hơn. Về bản chất, chúng tôi vẫn là một công ty; chỉ là chúng tôi đang cân nhắc nên kiếm loại tiền nào, khi nào kiếm tiền, kiếm bao nhiêu tiền, và dựa vào đâu để kiếm tiền—chúng tôi chỉ đơn giản là có những đánh đổi.

Investor

Mr. Liang, tôi có hai câu hỏi nhỏ; để tôi hỏi nhanh. Một là vừa rồi anh nhắc đến MILOS—có lẽ đó không phải là một mục tiêu thật chắc chắn, nhưng chúng tôi chắc chắn sẽ đi theo hướng đó. Và anh cũng nhắc đến việc các tham số chủ động có thể, ví dụ...

Thế hệ tiếp theo có thể nằm trong phạm vi 150 đến 250 B. Trong trường hợp đó, anh có nghĩ 150 đến 250 B là benchmark O4.7, hay có thể là benchmark cho thứ gì khác? Đó là câu hỏi thứ nhất. Câu hỏi thứ hai là anh cũng vừa nói trước đó rằng trong toàn bộ stack inference của chúng tôi, chúng tôi đã dùng một số ngôn ngữ lập trình khác ngoài CUDA.

Tôi hiểu rằng ban đầu, dựa trên hệ sinh thái của NVIDIA, chúng tôi có lẽ đã dùng rất nhiều PTX và những thứ tương tự. Bây giờ khi chúng tôi dùng nhiều thứ như TileLang mà anh vừa nhắc đến, liệu điều đó có làm giảm đáng kể một phần hiệu suất inference của chúng tôi, hoặc làm giảm hiệu suất trong ngắn hạn không? Tôi không biết anh sẽ nhìn nhận mức suy giảm hiệu suất do sự thay đổi kiểu ngôn ngữ lập trình này mang lại như thế nào, hoặc liệu về lâu dài đó thực ra là một trạng thái bổ sung cho nhau, nghĩa là hiệu suất được cải thiện?

梁文锋

Nó là hiệu suất được cải thiện, cải thiện rất lớn về hiệu suất.

Investor

OK, vậy thực ra là không có ảnh hưởng tiêu cực nào sao?

梁文锋

Đúng, đó là cải thiện rất lớn về hiệu suất. Vì vậy đây là một cơ hội. Nó giống như trước đây bạn không thể thiếu hệ sinh thái CUDA; bây giờ chúng tôi có thể loại bỏ hệ sinh thái đó và dùng một cách tiếp cận đơn giản hơn, TileLang. Đó là một ngôn ngữ cấp cao, và viết chương trình bằng nó cũng rất nhanh; lượng mã cần thiết rất ít, và tôi có thể viết lại từ đầu.

Investor

Tôi hiểu. Vậy hai điều này thực ra, như anh đã nói, là những cơ hội lớn mà AI mang lại, chứ không phải là những thiếu sót cần được bù đắp trong ngắn hạn.

梁文锋

Đúng, đó là một cơ hội lớn trong phát triển công nghệ. Nó không phải là một cơ hội của AI, bởi vì chúng tôi cũng có một dự án trong đó chúng tôi dùng AI để viết TileLang.

Investor

Vậy có còn nhanh hơn nữa không?

梁文锋

Hiện tại toàn bộ TileLang đều do con người viết, nhưng nó đã nhanh hơn rất nhiều so với việc viết CUDA trước đây.

Investor

Tôi hiểu. Vậy ngay cả đối với hiệu suất thực thi ở cấp phần cứng, anh cũng nghĩ là không có ảnh hưởng gì sao?

梁文锋

Mất 1% đến 2% là chấp nhận được, tôi nghĩ vậy.

Investor

OK, rõ rồi, hiểu rồi. Tốt, cảm ơn anh, điều đó rất rõ ràng.

Host

Còn ai có câu hỏi nào nữa không? Nếu không, hôm nay chúng ta dừng ở đây nhé.

Investor

Được, cảm ơn. Cảm ơn mọi người rất nhiều vì đã dành thời gian, cảm ơn Mr. Liang, cảm ơn.

Host

Tạm biệt.

梁文锋

Tạm biệt.