Lĩnh vực Trí tuệ nhân tạo (AI) được đặc trưng bởi những ý tưởng đột phá và nhiều công ty mới nổi. Nhưng vì không rõ liệu những công ty đó có thành công hay không – tốt nhất là làm đảo lộn bối cảnh công ty lâu đời, hoặc tệ nhất là thất bại và phá hủy vốn đầu tư – bối cảnh AI phụ thuộc rất nhiều vào vốn mạo hiểm. Vì vậy, không có gì ngạc nhiên khi một trong những nhà đầu tư mạo hiểm lớn nhất thế giới bắt đầu tự hỏi liệu tất cả các khoản đầu tư vào AI có hợp lý hay không và liệu chúng có được đền đáp bằng một khoản lợi nhuận xứng đáng hay không. Sequoia, được Dealroom xếp hạng số một trong tất cả các quỹ đầu tư mạo hiểm toàn cầu, đã gia hạn phân tích từ tháng 9 năm 2023 về khoảng cách giữa kỳ vọng về doanh số bán hàng AI và mức tăng trưởng doanh số thực tế của AI, kết luận rằng khoảng cách 125 tỷ đô la hiện được thiết lập để trở thành khoảng cách 500 tỷ đô la .

Cách tính như sau: với mỗi đô la chi cho Bộ xử lý đồ họa (GPU), bạn cần chi khoảng một đô la cho chi phí năng lượng để chạy GPU trong trung tâm dữ liệu, nghĩa là chi phí của bạn lên tới hai đô la cho mỗi GPU. Giờ đây, người dùng cuối của GPU cũng cần kiếm được lợi nhuận, giả định ở mức 50% giá cuối cùng, nâng tổng chi phí lên 4 đô la. Nghĩa là, đối với mỗi năm của GPU CapEx, cần tạo ra doanh thu 4 đô la để hoàn trả khoản vốn đầu tư trả trước. Vì vậy, chẳng hạn, nếu Nvidia bán được 50 tỷ đô la doanh thu GPU tốc độ chạy, thì việc vận hành một trung tâm dữ liệu tốn 100 tỷ đô la. Việc cộng thêm 50% lợi nhuận của người dùng cuối có nghĩa là đối với khoản đầu tư GPU, cần có doanh thu 200 tỷ đô la để hoàn trả khoản đầu tư vốn ban đầu, ước tính tính đến tháng 9 năm 2023. Ngay cả khi các công ty công nghệ lớn và các công ty liên quan đến AI khác đã Theo David Cahn từ Sequoia, để có thể tạo ra một phần chi phí này, chúng tôi hiện còn cách xa việc thu hẹp khoảng cách đầu tư trả trước – dẫn đến khoảng cách 500 tỷ đô la.

Chi phí đầu tư ban đầu cao không có gì mới và là một phần tất yếu của những phát minh mang tính cách mạng. Vấn đề với sự phát triển của AI là công nghệ tiên tiến ngày nay nhanh chóng trở nên lỗi thời, có nghĩa là các khoản đầu tư có thể không bao giờ mang lại kết quả đối với một số người.

Quả thực, tốc độ tiến bộ của công nghệ AI thật đáng kinh ngạc. Một cột mốc quan trọng khác gần đây đã được công ty Meta đáp ứng, công ty đã phát hành các mô hình được đào tạo trước với cách tiếp cận đa mã thông báo. Nhưng điều gì khiến họ trở nên cách mạng đến vậy?

Các mô hình ngôn ngữ lớn (LLM) hiện có sẵn học từng mã thông báo một, tức là một đơn vị văn bản được sử dụng để biểu thị một từ hoặc ký hiệu, chẳng hạn như dấu chấm hoặc dấu cách. Mặt khác, một mô hình đa mã thông báo có thể hiểu trực tiếp và dự đoán toàn bộ câu. Một ví dụ điển hình để minh họa điều này là một dàn nhạc. Mỗi nhạc cụ tự chơi rất đẹp (LLM tiêu chuẩn hiện tại), nhưng điều thực sự hấp dẫn là sự tương tác của tất cả các nhạc cụ với nhau (LLM nhiều mã thông báo). Nhưng tất nhiên, nó không chỉ giới hạn ở câu. Ví dụ: các công thức phức tạp cũng có thể thu được trong vài giây. Và những lợi ích là gì? Kết quả nhanh hơn và hiệu quả hơn đòi hỏi ít sức mạnh tính toán hơn . Các mô hình hiện có có thể dự đoán đồng thời bốn mã thông báo, hoạt động tốt hơn khoảng 15% so với các LLM tương đương và tạo ra sản lượng nhanh hơn ba lần.

Các mô hình của Meta có sẵn dưới dạng nguồn mở; chúng được cung cấp miễn phí cho các nhà nghiên cứu và nhà phát triển để họ có thể nghiên cứu và phát triển hơn nữa công nghệ đằng sau mô hình. Đây là một cách tốt để đổi mới, nhưng lại đưa chúng ta trở lại thời điểm ban đầu của khoảng cách đầu tư hàng tỷ đô la.

Nhưng AI không bị bỏ mặc một mình. Vâng, ở một mức độ nào đó, nó là như vậy. Microsoft, công ty đã đầu tư 13 tỷ đô la vào OpenAI, đã từ bỏ vị trí quan sát viên của mình tại OpenAI với hy vọng giảm bớt những lo ngại xung quanh mức độ kiểm soát của họ đối với công ty khởi nghiệp. Ủy ban Thương mại Liên bang Hoa Kỳ (FTC) và Bộ Tư pháp hiện đang tiến hành một cuộc điều tra chống độc quyền đối với các công ty công nghệ lớn và các giao dịch của họ với các công ty AI.

Ngoài ra còn có câu hỏi liệu chúng ta sẽ tiến tới mức độ tập trung cao hơn hay thấp hơn trong tương lai, các kịch bản do Erik Brynjolfsson và Gabriel Unger đưa ra. Liệu chỉ một số công ty lớn và đối tác kinh doanh của họ mới có thể phát triển AI độc quyền, giảm chi phí đầu tư trả trước và chi phí để chạy các mô hình AI? Hay chúng ta sẽ sống trong một thế giới mô hình AI nguồn mở gồm các công ty vì lợi nhuận, tổ chức phi lợi nhuận, học giả và lập trình viên cá nhân, nơi mọi người đều được hưởng lợi?

Và cuối cùng, AI sẽ không chỉ ảnh hưởng đến thị trường lao động hoặc năng suất mà còn ảnh hưởng đến chính sách tiền tệ bằng cách tác động đến lạm phát, truyền tải chính sách tiền tệ và lãi suất tự nhiên như Piero Cipollone, thành viên Ban điều hành của Ngân hàng Trung ương Châu Âu, giải thích trong một bài phát biểu :

Áp lực giảm