Trong bài phát biểu tại hội nghị AI của Nvidia tuần này, CEO Jensen Huang đã đưa ra một dự đoán táo bạo: Mọi công ty sẽ trở thành một nhà máy AI (AI Factory). Đây là ý tưởng có thể giúp các doanh nghiệp thuộc mọi lĩnh vực thành công trong tương lai.
Khái niệm này lần đầu tiên được nhắc đến vào năm ngoái khi Guillermo Rauch, CEO của startup AI Vercel, giải thích về vai trò của token trong AI. Rauch cho biết Huang thường nói rằng "mọi công ty sẽ trở thành một nhà máy token".
Nếu dữ liệu là nguyên liệu thô của AI, thì token là ngôn ngữ mà AI sử dụng để xử lý và hiểu dữ liệu. Các mô hình AI phân tách từ ngữ và các đầu vào khác thành các token số để dễ xử lý hơn.
Ví dụ, từ "darkness" có thể được mã hóa thành số 271 cho "dark" và 655 cho "ness". Từ đối nghĩa của “darkness” là "brightness" có thể được mã hóa thành 491 và 655. Khi AI nhận ra số 655 xuất hiện ở cả hai từ, nó có thể hiểu rằng hai từ này có mối quan hệ đối lập.
Các mô hình AI được đào tạo và tinh chỉnh bằng hàng nghìn tỷ token theo cách này. Nếu trước đây, người ta nói rằng "mọi thứ là máy tính" thì trong thời đại AI, có thể nói rằng "mọi thứ là token".
Huang và nhiều chuyên gia công nghệ tin rằng các công ty hiện đại sẽ thành công bằng cách tạo ra nhiều token nhất có thể. Các công ty sẽ hoạt động như những nhà máy AI, liên tục tạo ra token để cải tiến và vận hành các hệ thống AI, từ đó giúp doanh nghiệp tối ưu hóa sản phẩm và dịch vụ.
Chiến lược kinh doanh của các công ty trong tương lai có thể sẽ xoay quanh việc tạo ra và sử dụng token hiệu quả nhất để giành lợi thế cạnh tranh trên thị trường.
"Tôi gọi chúng là nhà máy AI", CEO Jensen Huang phát biểu tại hội nghị GTC vào thứ ba. "Gọi chúng nhà máy AI vì chúng có một nhiệm vụ duy nhất: Tạo ra những token tuyệt vời mà chúng ta có thể tái tạo thành âm nhạc, từ ngữ, video, nghiên cứu, hóa chất hoặc protein".
Huang cho biết các cơ sở tạo ra token này sẽ hoạt động song song với các hoạt động truyền thống của doanh nghiệp.
"Trong tương lai, mọi ngành công nghiệp, mọi công ty có nhà máy sẽ có hai loại nhà máy: Một nhà máy để sản xuất sản phẩm, và một nhà máy cho toán học, cho AI".
Ông lấy ngành sản xuất ô tô làm ví dụ, với một "nhà máy sản xuất xe hơi" và một "nhà máy AI dành cho xe hơi." Để củng cố quan điểm, Huang thông báo về mối quan hệ hợp tác với General Motors (GM), trong đó Nvidia sẽ hỗ trợ GM sử dụng AI để sản xuất ô tô, đồng thời tích hợp AI vào xe để tăng khả năng tự hành.
Jason Liu, kỹ sư máy học và chuyên gia tư vấn AI cho rằng Tesla thực chất đang vận hành một nhà máy token.
Khi một chiếc Tesla chạy trên đường, các cảm biến của xe thu thập khối lượng lớn dữ liệu về môi trường xung quanh. Dữ liệu này sau đó được chuyển thành các token, giúp cải thiện các mô hình AI của Tesla để nâng cao khả năng tự lái của xe.
"Trong thế giới AI, nhiệm vụ của hầu hết các công ty sẽ là tạo ra nhiều dữ liệu hơn", Liu cho biết.
Ông cho rằng chiến lược của Tesla - triển khai càng nhiều xe càng tốt để thu thập dữ liệu thực tế vượt trội hơn chiến lược của Waymo (thuộc Alphabet), nơi các kỹ sư đã dành nhiều năm nghiên cứu trong môi trường khép kín mà không thu thập được nhiều dữ liệu thực tế.
Liu cũng đưa ra một ví dụ khác về cách các công ty có thể sử dụng token để cải thiện quyết định kinh doanh.
"Đối với bất kỳ quyết định lớn nào, có thể mất sáu tháng thảo luận qua Slack, Zoom, các cuộc họp hội đồng quản trị và phân tích dữ liệu", Liu nói.
Các công ty hiện nay có thể biến toàn bộ quá trình này thành token để huấn luyện hệ thống AI, giúp cải thiện các quyết định kinh doanh trong tương lai hoặc hỗ trợ lãnh đạo đưa ra lựa chọn tốt hơn.
"Nhiệm vụ của công ty và phần mềm là trích xuất toàn bộ thông tin từ con người và chuyển chúng thành token để huấn luyện AI", ông nhấn mạnh.
Guillermo Rauch cho biết công ty của ông, Vercel, đang áp dụng mô hình nhà máy token với công cụ v0, cho phép cả lập trình viên lẫn người không có chuyên môn về công nghệ tạo ra ứng dụng và trang web.
"v0 tiếp nhận yêu cầu của người dùng bằng tiếng Anh và xuất ra một ứng dụng", Rauch giải thích. "Đó chính là các token của chúng tôi".
Ông cũng đề cập đến một khách hàng của Vercel là OpenEvidence, công ty sử dụng AI để tổng hợp khối lượng lớn các nghiên cứu y khoa, giúp các bác sĩ đưa ra quyết định nhanh chóng và chính xác hơn.
"Các token của họ chính là dữ liệu nghiên cứu y khoa mà bác sĩ cần để ra quyết định tốt hơn", Rauch nói.
Liu đưa ra ví dụ về Mercor, một startup đang tuyển dụng các tiến sĩ chuyên ngành để chuyển hóa kiến thức của họ thành token, giúp các phòng thí nghiệm AI cải thiện mô hình.
"Nhiệm vụ của mọi công ty sẽ là tạo ra trí tuệ - giống như một nhà máy token", Rauch kết luận. "Các công ty sẽ tích lũy kiến thức, quy trình vận hành, nguyên tắc hoạt động, hướng dẫn đào tạo, và cả gu thẩm mỹ - tất cả những thứ này sẽ trở thành một phần của dữ liệu huấn luyện AI".
Theo: BI
