Năm kiến ​​trúc sư của nền kinh tế AI giải thích bánh xe sẽ chuyển động từ đâu

Đầu tuần này, năm người liên quan đến mọi tầng của chuỗi cung ứng AI đã ngồi lại tại Hội nghị Toàn cầu Milken ở Beverly Hills, nơi họ nói chuyện với biên tập viên này về mọi thứ, từ tình trạng thiếu chip đến trung tâm dữ liệu quỹ đạo cho đến khả năng toàn bộ kiến ​​trúc nền tảng cho công nghệ này bị sai.

Trên sân khấu với TechCrunch: Christophe Fouquet, Giám đốc điều hành của ASML, công ty Hà Lan nắm độc quyền về máy in thạch bản cực tím nếu không có loại chip hiện đại này sẽ không tồn tại; Francis deSouza, COO của Google Cloud, người đang giám sát một trong những vụ đặt cược cơ sở hạ tầng lớn nhất trong lịch sử công ty; Qasar Younis, đồng sáng lập và Giám đốc điều hành của Trực giác ứng dụng, một công ty AI vật lý trị giá 15 tỷ USD, bắt đầu hoạt động trong lĩnh vực mô phỏng và sau đó chuyển sang lĩnh vực phòng thủ; Dimitry Shevelenko, giám đốc kinh doanh của Perplexity, công ty tìm kiếm đại lý có nguồn gốc AI; và Eve Bodnia, một nhà vật lý lượng tử đã rời bỏ học viện để thách thức kiến ​​trúc nền tảng mà hầu hết ngành công nghiệp AI đều coi là đương nhiên tại công ty khởi nghiệp của cô, Logical Intelligence. (Yan LeCun, cựu nhà khoa học AI của Meta, đã ký hợp đồng với tư cách là chủ tịch sáng lập ban nghiên cứu kỹ thuật của nó vào đầu năm nay.)

Đây là những gì năm người đã nói:

Những điểm nghẽn là có thật

Sự bùng nổ AI đang đi đến những giới hạn cứng về mặt vật lý và những hạn chế bắt đầu lan rộng hơn mức mà nhiều người có thể nhận ra. Fouquet là người đầu tiên nói điều đó, mô tả “sự tăng tốc đáng kể của hoạt động sản xuất chip”, đồng thời bày tỏ “niềm tin mạnh mẽ” của mình rằng bất chấp mọi nỗ lực đó, “trong hai, ba, có thể là năm năm tới, thị trường sẽ bị hạn chế về nguồn cung”, nghĩa là các công ty siêu quy mô – Google, Microsoft, Amazon, Meta – sẽ không nhận được tất cả số chip mà họ đang trả tiền, hoàn toàn dừng lại.

DeSouza nhấn mạnh mức độ lớn và tốc độ phát triển của một vấn đề, đồng thời nhắc nhở khán giả rằng doanh thu của Google Cloud đã vượt 20 tỷ USD trong quý trước, tăng 63%, trong khi tồn đọng – doanh thu đã cam kết nhưng chưa giao – gần gấp đôi chỉ trong một quý, từ 250 tỷ USD lên 460 tỷ USD. “Nhu cầu là có thật,” anh nói với sự bình tĩnh ấn tượng.

Đối với Younis, hạn chế chủ yếu đến từ nơi khác. Trực giác ứng dụng xây dựng hệ thống tự động cho ô tô, xe tải, máy bay không người lái, thiết bị khai thác mỏ và phương tiện phòng thủ, và nút thắt của anh ấy không phải là silicon – đó là dữ liệu mà người ta chỉ có thể thu thập bằng cách gửi máy móc vào thế giới thực và xem điều gì xảy ra. “Bạn phải tìm thấy nó từ thế giới thực,” anh ấy nói, và không có lượng mô phỏng tổng hợp nào có thể thu hẹp hoàn toàn khoảng cách đó. “Sẽ còn rất lâu nữa bạn mới có thể đào tạo đầy đủ các mô hình chạy trên thế giới vật chất một cách tổng hợp.”

Vấn đề năng lượng cũng có thật

Nếu chip là nút thắt cổ chai đầu tiên thì năng lượng chính là nút thắt đằng sau nó. DeSouza xác nhận rằng Google đang khám phá các trung tâm dữ liệu trong không gian như một phản ứng nghiêm túc trước những hạn chế về năng lượng. “Bạn có thể tiếp cận với nguồn năng lượng dồi dào hơn,” ông lưu ý. Tất nhiên, ngay cả trên quỹ đạo cũng không hề đơn giản. DeSouza quan sát không gian là chân không, do đó loại bỏ sự đối lưu, để lại bức xạ là cách duy nhất tỏa nhiệt ra môi trường xung quanh (một quá trình chậm hơn và khó thiết kế hơn nhiều so với các hệ thống làm mát bằng không khí và chất lỏng mà các trung tâm dữ liệu dựa vào ngày nay). Nhưng công ty vẫn coi đó là một con đường hợp pháp.

Lập luận sâu sắc hơn mà de Souza đưa ra, không có gì đáng ngạc nhiên, là về tính hiệu quả thông qua hội nhập. Chiến lược của Google là hợp tác kỹ thuật toàn bộ hệ thống AI của mình – từ chip TPU tùy chỉnh cho đến các mô hình và tác nhân – trả cổ tức theo tỷ lệ thất bại trên mỗi watt (nhiều tính toán hơn trên mỗi đơn vị năng lượng) mà một công ty mua các thành phần sẵn có không thể sao chép được, ông đề xuất. Ông cho biết: “Chạy Gemini trên TPU tiết kiệm năng lượng hơn nhiều so với bất kỳ cấu hình nào khác” bởi vì các nhà thiết kế chip biết điều gì sẽ xảy ra trong mô hình trước khi nó xuất xưởng.

Fouquet sau đó cũng đưa ra quan điểm tương tự trong cuộc thảo luận. Ông nói: “Không có gì có thể là vô giá”. Hiện tại, ngành này đang ở trong một thời điểm kỳ lạ, đang đầu tư một lượng vốn lớn do nhu cầu chiến lược. Nhưng tính toán nhiều hơn có nghĩa là nhiều năng lượng hơn và nhiều năng lượng hơn sẽ phải trả giá.

Một loại trí thông minh khác

Trong khi phần còn lại của ngành tranh luận về quy mô, kiến ​​trúc và hiệu quả suy luận trong mô hình mô hình ngôn ngữ lớn thì Bodnia đang xây dựng một thứ gì đó rất khác biệt.

Công ty của cô, Logical Intelligence, được xây dựng trên cái gọi là mô hình dựa trên năng lượng (EBM), một loại AI không dự đoán mã thông báo tiếp theo trong một chuỗi mà thay vào đó cố gắng hiểu các quy tắc cơ bản của dữ liệu, theo cách cô lập luận là gần với cách thức hoạt động thực sự của bộ não con người. Cô nói: “Ngôn ngữ là giao diện người dùng giữa bộ não của tôi và bộ não của bạn. “Bản thân lý luận không gắn liền với bất kỳ ngôn ngữ nào.”

Mô hình lớn nhất của cô chạy tới 200 triệu tham số — so với hàng trăm tỷ trong các LLM hàng đầu — và cô khẳng định nó chạy nhanh hơn hàng nghìn lần. Quan trọng hơn, nó được thiết kế để cập nhật kiến ​​thức khi dữ liệu thay đổi, thay vì yêu cầu đào tạo lại từ đầu.

Đối với thiết kế chip, robot và các lĩnh vực khác mà hệ thống cần nắm bắt các quy tắc vật lý thay vì các mẫu ngôn ngữ, cô cho rằng EBM phù hợp tự nhiên hơn. “Khi bạn lái xe, bạn không tìm kiếm các khuôn mẫu trong bất kỳ ngôn ngữ nào. Bạn nhìn xung quanh mình, hiểu các quy tắc về thế giới xung quanh và đưa ra quyết định.” Đó là một lập luận thú vị và có khả năng thu hút nhiều sự chú ý hơn trong những tháng tới, khi lĩnh vực AI đang bắt đầu đặt câu hỏi liệu chỉ quy mô thôi có đủ hay không.

Đại lý, rào chắn và niềm tin

Shevelenko đã dành phần lớn cuộc trò chuyện để giải thích Perplexity đã phát triển như thế nào từ một sản phẩm tìm kiếm thành thứ mà ngày nay nó gọi là “nhân viên kỹ thuật số”. Máy tính Perplexity, sản phẩm mới nhất của nó, được thiết kế không phải như một công cụ mà người lao động tri thức sử dụng mà là đội ngũ nhân viên do người lao động tri thức chỉ đạo. “Mỗi ngày bạn thức dậy và bạn có hàng trăm nhân viên trong nhóm của mình,” anh nói về cơ hội này. “Bạn sẽ làm gì để tận dụng tối đa nó?”

Đó là một quảng cáo chiêu hàng hấp dẫn; nó cũng đặt ra những câu hỏi hiển nhiên về khả năng kiểm soát, nên tôi đã hỏi họ. Câu trả lời của ông là: mức độ chi tiết. Quản trị viên doanh nghiệp có thể chỉ định không chỉ các trình kết nối và công cụ mà tác nhân có thể truy cập mà còn có thể chỉ định các quyền đó là chỉ đọc hay đọc-ghi — một sự khác biệt vô cùng quan trọng khi các tác nhân hoạt động bên trong hệ thống công ty. Khi Comet, tác nhân sử dụng máy tính của Perplexity, thay mặt người dùng thực hiện hành động, nó sẽ đưa ra một kế hoạch và yêu cầu phê duyệt trước. Shevelenko cho biết, một số người dùng cảm thấy khó chịu khi gặp xích mích, nhưng ông cho biết ông coi đó là điều cần thiết, đặc biệt là sau khi gia nhập hội đồng quản trị của Lazard, nơi cho biết ông thấy mình bất ngờ đồng cảm với bản năng bảo thủ của một CISO đang bảo vệ một thương hiệu 180 năm tuổi được xây dựng hoàn toàn dựa trên sự tin tưởng của khách hàng. Ông nói: “Tính chi tiết là nền tảng của vệ sinh an ninh tốt.

Chủ quyền, không chỉ là an toàn

Younis đưa ra quan sát có thể mang tính địa chính trị nhất của hội thảo, đó là AI vật lý và chủ quyền quốc gia đang vướng vào những cách mà AI thuần túy kỹ thuật số chưa từng có.

Internet ban đầu lan rộng dưới dạng công nghệ của Mỹ và chỉ gặp phải sự phản kháng ở lớp ứng dụng – Ubers và DoorDashes – khi hậu quả ngoại tuyến trở nên rõ ràng. AI vật lý thì khác. Xe tự hành, máy bay không người lái phòng thủ, thiết bị khai thác mỏ, máy nông nghiệp – những biểu hiện này trong thế giới thực theo cách mà chính phủ không thể bỏ qua, đặt ra câu hỏi về an toàn, thu thập dữ liệu và ai là người cuối cùng kiểm soát các hệ thống hoạt động bên trong biên giới của một quốc gia. “Gần như nhất quán, mọi quốc gia đều nói: chúng tôi không muốn thông tin tình báo này ở dạng vật chất ở biên giới của chúng tôi, do một quốc gia khác kiểm soát.” Ông nói với đám đông rằng hiện tại có ít quốc gia có thể sở hữu robotaxi hơn là sở hữu vũ khí hạt nhân.

Fouquet đã đóng khung nó hơi khác một chút. Sự tiến bộ về AI của Trung Quốc là có thật – việc DeepSeek phát hành vào đầu năm nay đã khiến các bộ phận trong ngành gần như hoảng sợ – nhưng tiến trình đó bị hạn chế bên dưới lớp mô hình. Nếu không có quyền truy cập vào kỹ thuật in thạch bản EUV, các nhà sản xuất chip Trung Quốc không thể sản xuất chất bán dẫn tiên tiến nhất và các mô hình được xây dựng trên phần cứng cũ hơn sẽ gặp bất lợi phức tạp cho dù phần mềm có tốt đến đâu. Fouquet nói: “Ngày nay, ở Hoa Kỳ, bạn có dữ liệu, bạn có quyền truy cập máy tính, bạn có chip, bạn có tài năng. Trung Quốc làm rất tốt công việc hàng đầu nhưng lại thiếu một số yếu tố bên dưới”.

Câu hỏi thế hệ

Ở gần cuối buổi thảo luận của chúng tôi, một số khán giả đã hỏi một câu hỏi rõ ràng không thoải mái: liệu tất cả những điều này có ảnh hưởng đến khả năng tư duy phản biện của thế hệ tiếp theo không?

Câu trả lời rất lạc quan, như bạn mong đợi từ những người đã đặt cược sự nghiệp của mình vào công nghệ này. DeSouza ngay lập tức chỉ ra quy mô của các vấn đề mà các công cụ mạnh mẽ hơn cuối cùng có thể cho phép nhân loại giải quyết. Hãy nghĩ đến những căn bệnh thần kinh mà cơ chế sinh học mà chúng ta chưa hiểu rõ, việc loại bỏ khí nhà kính và cơ sở hạ tầng lưới điện đã bị trì hoãn trong nhiều thập kỷ. “Điều này sẽ đưa chúng ta đến tầm sáng tạo tiếp theo,” ông nói.

Shevelenko đưa ra quan điểm thực dụng hơn: công việc ở cấp độ đầu vào có thể biến mất, nhưng khả năng khởi động một thứ gì đó một cách độc lập chưa bao giờ dễ tiếp cận hơn thế. “(Đối với) bất kỳ ai có Máy tính phức tạp… hạn chế là sự tò mò và quyền tự quyết của chính bạn.”

Younis đã đưa ra sự phân biệt rõ ràng nhất giữa lao động tri thức và lao động thể chất. Ông chỉ ra thực tế là độ tuổi trung bình của nông dân Mỹ là 58 tuổi và tình trạng thiếu lao động trong lĩnh vực khai thác mỏ, vận tải đường dài và nông nghiệp diễn ra thường xuyên và ngày càng gia tăng – không phải vì lương quá thấp mà vì mọi người không muốn những công việc đó. Trong những lĩnh vực đó, AI vật lý không thay thế được những người lao động có thiện chí. Nó đang lấp đầy một khoảng trống đã tồn tại và có vẻ sẽ chỉ sâu thêm từ đây.