Phỏng vấn CEO Cerebras: Nắm giữ 25 tỷ USD đơn hàng tồn đọng, nhu cầu tính toán AI đã được đặt trước

Tiêu đề gốc: Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit---Cerebras & Black Forest Labs CEOs
Nguồn gốc: All-In Podcast
Biên dịch: Shen Chao TechFlow

Tóm tắt điểm chính

Trong tập này, chúng tôi đã mời hai CEO của các công ty hạ tầng AI. Andrew Feldman là người sáng lập Cerebras, công ty chuyên sản xuất chip suy luận, vừa hoàn thành IPO và đang nắm giữ 25 tỷ USD đơn hàng tồn đọng. Ông nhấn mạnh một điều: nhu cầu về sức mạnh tính toán AI đã được đặt trước, không có tình huống "xây dựng xong rồi chờ người đến", OpenAI, Anthropic, SpaceX, Google có nhu cầu vượt xa nguồn cung. Sự xuất hiện của suy luận (reasoning) đã làm tăng cường độ tính toán một lần nữa, đây chính là chiến trường của máy tính nhanh. Robin Rombach là người sáng lập Black Forest Labs, chuyên về các mô hình hình ảnh và video sinh ra (dòng Flux), trước đó ông đã phát minh ra thuật toán khuếch tán tiềm ẩn, chính là nền tảng của tất cả các mô hình tạo hình ảnh và video hiện nay. Ông vừa hợp tác với Martin Scorsese, cho phép đạo diễn sử dụng AI để hình dung những hình ảnh trong đầu; nhưng hướng đi mà ông hào hứng hơn là cùng một mô hình đa phương thức có thể làm phim và được triển khai trên robot như một bộ não. Điểm đến của video sinh ra không phải là trên màn hình, mà là trong thế giới vật lý.

Tóm tắt quan điểm nổi bật

Suy luận mới là hố đen sức mạnh tính toán tiếp theo

· "Điều thú vị là, lần này khác với những lần trước, họ không đặt cược vào 'xây dựng xong sẽ có người đến', nhu cầu đã đặt trước toàn bộ công suất. Chúng tôi có 25 tỷ USD đơn hàng tồn đọng."

· "Suy luận chính là reasoning, reasoning tiêu tốn một lượng token khổng lồ, đây chính là chiến trường của máy tính nhanh."

· "Nếu Cerebras nhanh gấp 15 lần, bạn chạy 24 giờ, thì tương đương với việc chạy vài tuần hoặc thậm chí vài tháng suy nghĩ."

Mã nguồn mở và chủ quyền: Doanh nghiệp cần quyền kiểm soát

· "Không ai thích bị phụ thuộc. Các nhà cung cấp quy mô lớn đã học được bài học từ thời đại x86 là bị Intel ràng buộc."

· "Bạn không cần phải làm chip nhanh nhất, bạn chỉ cần không hoàn toàn phụ thuộc vào chip của người khác."

· "Nếu bây giờ muốn chạy mô hình mã nguồn mở, hoặc là OSS 12B của OpenAI, hoặc là mô hình của Trung Quốc, Mỹ cần nhiều lựa chọn mã nguồn mở nội địa hơn."

AGI theo định nghĩa 20 năm trước đã đến

· "Bất kỳ định nghĩa AGI nào mà chúng ta đã đưa ra 20 năm, 30 năm, 40 năm trước, chúng ta đã vượt xa."

· "Kiểm tra Turing? Đã bị đánh bại từ lâu."

· "Vấn đề không còn là chúng ta không biết hỏi gì, mà AI có thể nói với bạn: Này, những con người ngu ngốc, bạn chưa nghĩ đến điều này."

Video sinh ra không phải là thay thế cho sự sáng tạo của con người

· "Những mô hình AI này là một phương tiện, chúng tôi không muốn quy định cách sử dụng, đặc biệt là đối với những người như Martin Scorsese."

· "Ngôn ngữ là một cách giao tiếp có phần hạn chế, tín hiệu thông tin hình ảnh thì phong phú hơn nhiều. Biến những hình ảnh trong đầu thành hình ảnh có thể nhìn thấy, đó chính là sức mạnh lớn nhất của công nghệ."

· "Kết quả thú vị nhất thường xuất hiện khi con người liên tục lặp lại trong vòng lặp."

Từ phim ảnh đến robot: Cùng một mô hình

· "Bạn có thể sử dụng cùng một mô hình đa phương thức để làm một bộ phim, sau đó triển khai nó như một bộ não trên robot."

· "Video được huấn luyện trước đã dạy cho mô hình quy luật tương tác vật lý, sau đó bạn có thể lấy dự đoán hành động từ cùng một mô hình, tức là điều khiển robot."

· "Mục tiêu là bạn có thể sử dụng lệnh in-context prompt để chỉ đạo robot: 'Lấy cốc nước cam đó', chúng tôi hiện tại vẫn chưa làm được, nhưng đó là hướng đi."

Cơn sốt hạ tầng AI: Trung tâm dữ liệu lớn hơn cả thành phố

Người dẫn chương trình: Chúng tôi chưa bao giờ thấy quy mô xây dựng như vậy. Kể từ Vạn Lý Trường Thành, Kim Tự Tháp, nhân loại chưa bao giờ đầu tư nhiều vốn, thời gian và người thông minh để xây dựng một thứ gì đó. Bạn thực sự đang làm điều này, khách hàng của bạn đang xây dựng trung tâm dữ liệu, bạn là một phần quan trọng. Năm 2026, Cerebras sẽ làm gì? Những dự án khổng lồ ở Texas đang diễn ra như thế nào?

Trả lời: Chúng tôi đang nói về các trung tâm dữ liệu, lượng điện tiêu thụ trong vài năm tới sẽ vượt quá tổng lượng điện tiêu thụ trên trái đất trong 50 năm qua. Chỉ một tòa nhà đã lớn như một sân bóng đá, lượng điện kết nối vượt quá một thành phố vừa. Các trung tâm dữ liệu đang được xây dựng khắp nơi ở Mỹ, Canada, Bắc Âu, Paris và toàn bộ Pháp, Trung Đông, thậm chí Kazakhstan, Tajikistan, Georgia cũng đang xây dựng các trung tâm dữ liệu lớn. Mỗi quốc gia, mỗi bang đều muốn tham gia vào.

Ai là người thanh toán? OpenAI, Anthropic, SpaceX AI, Google, nhu cầu lớn đến mức đáng sợ. Điều thú vị là lần này khác với nhiều cơn sốt công nghệ trước đây: họ không đặt cược vào "xây dựng xong sẽ có người đến", nhu cầu đã đặt trước toàn bộ công suất. Chúng tôi có 25 tỷ USD đơn hàng tồn đọng. OpenAI cần nhiều trung tâm dữ liệu hơn, Microsoft cần nhiều hơn, AWS cần nhiều hơn. Nhu cầu không phải chờ khách đến, khách đã xếp hàng.

Người dẫn chương trình: Điều này cũng đã tạo ra một thuật ngữ gọi là "token maxing", vô hạn sử dụng token. Có người đặt câu hỏi, nhu cầu lớn như vậy có thực sự tạo ra giá trị không?

Trả lời: Tất nhiên có rất nhiều giá trị được tạo ra. Tất nhiên cũng có rất nhiều thử nghiệm không hiệu quả. Tôi nhớ khi AWS mới ra mắt, thật tuyệt khi vượt qua bộ phận IT của mình, mỗi kỹ sư chỉ cần thẻ tín dụng để đăng ký. Nhiều thứ thực sự hữu ích, nhưng có một số điều sau khi nghĩ lại "À, không nên làm như vậy". Nhưng tổng thể vẫn có lợi, chỉ là một số hướng đi không hiệu quả.

Tôi còn nhớ năm 1988, Costco mở cửa ở Palo Alto, mọi người đi dạo như ở Safeway, đi qua từng kệ hàng. Đó là một cách đi dạo rất tệ, vì bạn đã mua bốn món đồ không cần thiết, mỗi món 22 USD. Sau đó mọi người học được chiến lược: đi ra phía sau lấy gà, lấy 18 chiếc bánh cupcake cho bữa tiệc sinh nhật của trẻ, thật nhanh chóng. Tiêu thụ token AI cũng giống như vậy, ban đầu mọi người sử dụng thoải mái, bây giờ các doanh nghiệp bắt đầu có chiến lược: nhiệm vụ nào chỉ cần mô hình mã nguồn mở, nhiệm vụ nào cần mô hình tiên tiến. Chúng tôi bắt đầu quản lý AI như một doanh nghiệp.

Suy luận thay thế đào tạo: Tại sao máy tính nhanh là nhân vật chính trong đợt này?

Người dẫn chương trình: Sam Altman đã nói trên AllIn rằng bước tiếp theo là suy luận, hiểu ý định, xây dựng chiến lược và xác thực chéo với các agent khác. Chúng ta đã đi một chặng đường dài từ "đoán từ tiếp theo", bây giờ Cerebras đang đứng ở trung tâm, vì suy luận chính là suy diễn, khối lượng tính toán cực lớn.

Trả lời: Suy luận tiêu tốn một lượng token khổng lồ, điều này đã tạo ra chiến trường cho máy tính nhanh. Suy luận mỗi bước đều tiêu tốn token, bạn vốn dĩ phải mất nhiều thời gian để có được câu trả lời tốt. Cerebras nhanh gấp 15 lần có nghĩa là, chạy 24 giờ suy luận, tương đương với khối lượng suy nghĩ của người khác trong vài tuần hoặc thậm chí vài tháng.

Sáng nay tôi đã thử mô hình GLM-52 của ZAI trên BitTensor, cho nó sức mạnh tính toán vô hạn, để nó cho tôi biết mọi xu hướng chưa được nhận diện trên toàn thế giới mỗi giờ. Nó bắt đầu tự tranh luận: nên tìm trên Hacker News và Reddit? Hay xu hướng xuất hiện sớm hơn trên Instagram? Tôi nhìn thấy một mô hình suy luận đang tự tranh luận ở phía sau, nó đang thực hiện suy luận. Token vô hạn tương đương với suy luận vô hạn, với Cerebras nhanh gấp 15 lần, 24 giờ tương đương với vài tuần của người khác.

Người dẫn chương trình: Cerebras có quy luật Moore của riêng mình không? Thảo luận nội bộ mất bao lâu để gấp đôi?

Trả lời: Tất cả các chip trước đây đều tuân theo quy luật Moore, 18 tháng gấp đôi. Chúng tôi đã phá vỡ đường thẳng đó với chip này, tạo ra một quỹ đạo hoàn toàn mới. Dự đoán của tôi là, trong 18 tháng tới, sẽ vượt xa 2 lần. Kiến trúc mới vẫn còn nhiều không gian tối ưu hóa. GPU là kiến trúc 20 năm tuổi, chỉ có thể dựa vào việc thu nhỏ quy trình sản xuất để duy trì, nhưng kiến trúc mới vẫn còn rất nhiều điều để học và điều chỉnh.

Người dẫn chương trình: Với 25 tỷ USD đơn hàng tồn đọng trong tay, bạn còn phải theo kịp nhịp độ của OpenAI, họ có thể là đối thủ tiềm năng trong tương lai. Bạn điều hành công ty như thế nào?

Trả lời: Hiện tại chip sẽ không bị bỏ trống, nhu cầu quá lớn. Nhưng bạn nói đúng, OpenAI cũng đang làm chip của riêng họ, Amazon cũng đang làm. Không ai thích bị phụ thuộc. Các nhà cung cấp quy mô lớn đã học được bài học từ thời đại x86 là bị Intel ràng buộc; các nhà sản xuất GPU đã học được bài học là bị ràng buộc bởi một số khách hàng quy mô lớn, vì vậy họ đã tài trợ cho đám mây mới. Làm chip của riêng mình, trọng tâm không phải là nhanh nhất, mà là không hoàn toàn phụ thuộc vào người khác, ít nhất là kiểm soát một phần quan trọng của số phận mình.

Mã nguồn mở và chủ quyền: Doanh nghiệp cần quyền kiểm soát

Người dẫn chương trình: Mã nguồn mở đang đến một thời điểm quan trọng. Tôi đã sử dụng OpenClaude từ sớm, sau đó chuyển sang Kimmy, nhận thấy token của Claude tăng vọt, nhưng tôi không thể phân biệt được sự khác biệt với Kimmy. Các mô hình mã nguồn mở bắt đầu thực hiện suy luận, khoảng cách đã thu hẹp đột ngột trong năm nay.

Trả lời: Bạn không muốn lái Ferrari đi siêu thị. Đôi khi lái xe thể thao, đôi khi lái minivan, trẻ con làm rơi Cheerios cũng không đau lòng. Doanh nghiệp cũng vậy: những vấn đề khó giao cho các mô hình tiên tiến (OpenAI, Anthropic, Gemini), nhưng rất nhiều vấn đề hàng ngày chỉ cần khả năng mã nguồn mở vững chắc. Hãy nghĩ xem một công ty có bao nhiêu thời gian làm việc trong Workday để sao chép vào một ô khác trong Excel? Điều này không cần đến toán học xuất sắc, chỉ cần một mã nguồn mở ổn định là đủ.

Gần đây lại có một lá bài được lật: Các ngành nghề chịu sự quản lý như tài chính, y tế (HIPAA, FINRA) lo sợ về việc rò rỉ dữ liệu, lo sợ quyền sở hữu trí tuệ bị người khác nắm giữ, nên muốn đặt mô hình ở địa phương, sử dụng phiên bản mã nguồn mở để nắm giữ nhiều quyền kiểm soát hơn. OpenAI đã phát hành OSS 12B vài tháng trước, khá ổn. Nhưng hiện tại Mỹ đang muốn phát triển mã nguồn mở, hoặc là OSS 12B, hoặc là mô hình Trung Quốc, lựa chọn mã nguồn mở trong nước quá ít. NVIDIA cũng nhận thấy cơ hội này, đang thúc đẩy mô hình mã nguồn mở của riêng mình, nhưng Jensen cũng đang do dự, khách hàng của anh ấy là Sam, Dario, Elon, Sergey, việc thúc đẩy mã nguồn mở có thể sẽ cạnh tranh với khách hàng của mình?

Cerebras đứng ở vị trí khá trung lập, chúng tôi chạy GLM, chạy Kimmy, chạy Qwen series, cũng chạy mô hình đóng của OpenAI. Còn chạy mô hình tự phát triển của GSK, UAE G42 và MBZUAI. Vấn đề chủ quyền này là một xu hướng.

AGI Đã Đến, Mô Hình Không Chết, Con Người Thì Có

Người dẫn chương trình: Khi Fable 5 và o-56 được phát hành, chính phủ nói "dừng lại một chút rồi phát hành tiếp". Quan hệ giữa Anthropic và chính quyền căng thẳng, giờ đã bắt đầu dịu lại. Bạn có nghĩ rằng việc phát hành từng bước là hợp lý không? Mô hình thực sự nguy hiểm đến mức nào?

Trả lời: Tôi chưa thấy điều này xảy ra trước đây. Nhưng nghĩ lại: khi một mô hình có khả năng tư duy sáng tạo mạnh mẽ, chính phủ nói "xin hãy phát hành từng bước", tôi nghĩ điều này thực sự không có gì sai. Chúng ta cũng quản lý thuốc mạnh như vậy, tất nhiên không khuyến khích FDA với đống giấy tờ rác kéo dài bảy năm, nhưng nói "ít nhất hãy để chính phủ thực hiện một số bài kiểm tra đỏ, xác nhận rằng phòng thủ của chúng tôi có thể chặn lại", cho hai ba tuần để khắc phục những lỗ hổng rõ ràng, điều này không phải là yêu cầu vô lý.

Nhưng hiện tại là thời điểm phân cực nghiêm trọng nhất. Nếu điều này không phải do Trump thực hiện, mà là bất kỳ tổng thống nào khác, phản ứng có thể hoàn toàn khác. Sự phân cực đã gây hại cho tư duy rõ ràng. Cả hai bên đều có thể làm những điều ngu ngốc, cũng có thể làm những điều thông minh. Nhân viên cơ sở trong chính phủ thực sự đang làm việc rất nghiêm túc, chỉ là mọi thứ diễn ra quá nhanh.

Nikesh từ Palo Alto Networks đã nói với tôi: họ đã thử nghiệm mô hình với phần mềm của mình, phát hiện hàng chục lỗ hổng quan trọng trong vòng một giờ, buộc phải dừng tất cả công việc hiện tại và mất sáu tuần để vá lỗi. Bạn nhận ra đây là một công cụ mạnh mẽ, có thể cho một nhóm nhỏ người xem trước, có thể thực hiện bài kiểm tra đỏ trước.

Người dẫn chương trình: Theo bất kỳ định nghĩa nào từ 20 năm trước, AGI đã đến. Bạn có nghĩ vậy không?

Trả lời: Có. Kiểm tra Turing? Đã bị phá vỡ từ lâu. Bất kỳ định nghĩa nào được đưa ra cách đây 10, 15, 20, 30, 40, 50 năm, chúng ta đã vượt qua xa. Những câu hỏi mà các nhà văn khoa học viễn tưởng đưa ra, chúng ta đã trả lời hết, họ sẽ nói "Tôi không còn vấn đề gì nữa, xin lỗi". Đó là lý do tại sao những người có vẻ ở bên lề lại có điều gì đó đáng nghe, Ilya đã nói về an toàn cách đây tám năm, bạn nói "Cái gì?" và cuối cùng anh ấy đã đúng. Elon đã nói về việc giảm chi phí tên lửa gần như bằng không, bạn nói "Cái gì?" và cuối cùng anh ấy đã làm được.

Người dẫn chương trình: Học tập đệ quy, bạn hỏi nó một câu hỏi, học được kết quả, hỏi lại lần nữa, câu trả lời tốt hơn, bao phủ nhiều tài liệu hơn, những câu trả lời được sản xuất theo chu trình này, từ "hơi tốt hơn" nhảy thẳng đến "tốt hơn nhiều". Đường cong số mũ quá dốc.

Trả lời: Lợi ích đệ quy là cấp số mũ, bạn tốt hơn, làm lại lần nữa, tiếp tục tăng lợi ích, độ dốc quá dốc. Chúng tôi mới chỉ bắt đầu thấy điều này. Liệu việc đầu tư không ngừng vào sức mạnh tính toán có làm cho câu trả lời ngày càng tốt hơn không? Khi chạy hết token hoặc ngân sách thì dừng lại, nhưng đường cong số mũ này sẽ đến hồi kết khi nào? Hay sẽ mãi mãi đi lên bên phải? Câu hỏi này hiện tại thật thú vị.

Tốc độ học của con người bị kẹt giữa các thế hệ, voi và động vật có vú lớn mất 15-20 năm mới có một thế hệ. Muốn nhanh, phải như ruồi giấm, một ngày hai thế hệ. AI đang đạt được tốc độ học tập vượt qua hàng nghìn thế hệ. Khi tôi học tâm lý học, giáo sư đã nói một câu: "Mô hình không chết, con người thì có". Học trò của Freud, Skinner, Jung giữ vị trí lãnh đạo 20-40 năm, mới có thế hệ tiếp theo đặt câu hỏi. AI đã nén khoảng cách giữa các thế hệ xuống tốc độ của ruồi giấm.

Tôi cược vào điều này: con cái của chúng ta và tất cả những người họ biết sẽ không chết vì ung thư. Kinh tế sẽ có những chấn động, ô tô xuất hiện, những người làm móng cho ngựa sẽ gặp khó khăn. Nhưng hãy liệt kê những gì kiếm được và mất: năng lượng vô hạn, thực phẩm vô hạn, kiến thức vô hạn, giáo dục vô hạn, nhà ở vô hạn. Chúng ta đã biết từ một nghìn năm trước rằng việc dạy kèm một đối một tốt hơn so với lớp học, Aristotle đã dạy Alexander, Socrates đã dạy học trò của mình, nhưng chúng ta đã chọn phương pháp giáo dục kiểu nhà máy. Giờ đây AI có thể cung cấp cho mỗi đứa trẻ một người hướng dẫn học theo cách của riêng mình.

Hộp công cụ AI của Scorsese: Biến những hình ảnh trong tâm trí thành hiện thực

Người dẫn chương trình: Robin Rombach là đồng sáng lập và CEO của Black Forest Labs, có trụ sở tại Freiburg và San Francisco. Bạn đã làm Stable Diffusion trước đây, phát minh ra thuật toán khuếch tán tiềm ẩn. Doanh nghiệp của Black Forest Labs là gì? Mục tiêu là gì?

Trả lời: Tôi và các đối tác đã thành lập công ty này cách đây hai năm. Trước đó, chúng tôi đã làm Stable Diffusion, và còn phát minh ra khuếch tán tiềm ẩn, đây là thuật toán cơ bản đứng sau tất cả các mô hình tạo hình ảnh, video và thậm chí AI vật lý hiện nay. Nguyên lý là nén dữ liệu tự nhiên (hình ảnh, video, âm thanh) vào không gian biểu diễn hiệu quả, sau đó huấn luyện transformer trên đó, giống như nguyên lý của JPEG và MP3, nhưng được thực hiện bằng thuật toán mạng nơ-ron. Chúng tôi đã phát triển điều này trong thời gian học tiến sĩ ở Munich.

Hiện tại chúng tôi đang giải quyết các mô hình thị giác đa phương thức, đang tiền huấn luyện trên dữ liệu hình ảnh và âm thanh đồng thời, đang bước vào một mô hình mới: kết hợp dự đoán hành động, để cùng một mô hình có thể làm hình ảnh, làm video, làm âm thanh, và còn dự đoán hành động, cuối cùng có thể triển khai vào robot trong thế giới thực.

Người dẫn chương trình: Từ hình ảnh đến video đến âm thanh rồi đến robot, nếu mô hình có thể tạo ra video, điều đó có nghĩa là nó đã hiểu thế giới.

Trả lời: Trí thông minh trực giác và suy luận sâu là hai hình thức trí thông minh bổ sung cho nhau. Chúng tôi bắt đầu từ phía trực giác, hình ảnh là điểm khởi đầu tự nhiên nhất, khối lượng tính toán không lớn như video. Nhưng hiện tại đang hội tụ thành mô hình đa phương thức. Tiền huấn luyện video đã dạy cho mô hình các quy luật tương tác vật lý, từ cùng một mô hình có thể lấy được dự đoán hành động, tức là điều khiển robot.

Người dẫn chương trình: Bạn có hợp tác với Martin Scorsese không? Bạn ngồi bên cạnh ông ấy để ông ấy sử dụng công cụ của bạn?

Trả lời: Có, tôi đã ngồi trong cùng một phòng với ông ấy, ông ấy khám phá mô hình của chúng tôi, với tư cách là một trong những nhà nghiên cứu chính ngồi bên cạnh, cảm giác thật điên rồ. Đồng thời tôi cũng là một fan lớn của ông ấy.

Ông ấy muốn biến những cảnh trong tâm trí thành hình ảnh, một ngôi làng nào đó ở Đông Âu, ông ấy mô tả, chúng tôi xem đầu ra, ông ấy lặp lại. Cuối cùng ông ấy nói: "Biến những hình ảnh trong đầu thành biểu đạt hình ảnh, hiệu quả giao tiếp này cao hơn nhiều so với ngôn ngữ. Ngôn ngữ là một phương thức giao tiếp có phần mất mát, thông tin hình ảnh có tín hiệu quá phong phú, một bức tranh hoặc một đoạn video chứa đựng khối lượng thông tin khổng lồ, đây là một kênh giao tiếp khác.

Chúng tôi không muốn quy định cách sử dụng những mô hình này, đặc biệt là không nói với Martin Scorsese rằng "bạn nên sử dụng như thế này". Mô hình AI là một phương tiện. Những điều thú vị nhất thường xuất hiện khi con người liên tục lặp lại trong vòng lặp.

Từ phim đến robot: Điểm đến của mô hình sinh ra không nằm ở màn ảnh

Người dẫn chương trình: Các startup hiện đang sử dụng Flux và mô hình của bạn để làm video phát hành, trước đây tốn 250.000 USD để làm video ra mắt, giờ chỉ mất một hai tuần là xong. Gal Gadot vừa làm một bộ phim Bitcoin, diễn viên biểu diễn trên sân khấu âm thanh mà không cần màn xanh, tất cả nền tảng được tạo ra bằng AI sinh ra, với ngân sách 30 triệu USD đã tạo ra hiệu ứng mà trước đây cần 150 triệu USD mới có thể làm được. Bạn đã thấy điều này trong sản xuất chưa?

Trả lời: Tôi đã thấy một số. Sản xuất phim cao cấp là một trong những trường hợp sử dụng khắt khe nhất. Tôi rất vui khi có người đang khám phá, nhưng tôi cũng muốn nói rõ: công nghệ vẫn đang trên quỹ đạo, đang phát triển nhanh chóng. Vài năm trước, khi chúng tôi làm tiến sĩ chỉ có thể tạo ra hình ảnh 64×64 pixel, giờ có thể tạo video độ phân giải cao với nhiều đầu vào, nhưng nó sẽ không dừng lại ở đây.

Điều làm tôi phấn khích nhất là: bạn có thể sử dụng cùng một mô hình đa phương thức để làm một bộ phim, sau đó triển khai nó thành bộ não của robot. Điều này thật thú vị. Việc sử dụng máy tính có thể hay không vẫn chưa chắc chắn, nhưng công nghệ đang tiến vào thế giới vật lý, mô hình thế giới, mô hình hành động, nói trắng ra đều là cùng một thứ.

Người dẫn chương trình: Dữ liệu huấn luyện đến từ đâu? Có phải để con người đeo kính và găng tay ghi lại từ góc nhìn thứ nhất? Hay chỉ cần xem một nghìn video trên YouTube về việc đổ đồ uống là đủ?

Trả lời: Mục tiêu là sử dụng lệnh in-context để chỉ định robot: "Lấy cốc nước cam đó". Hiện tại vẫn chưa làm được. Cách làm hiện tại là: mô hình đã được trang bị nhiều hiểu biết về thị giác, chỉ cần vài giờ dữ liệu tinh chỉnh là có thể thích ứng với phần cứng cụ thể. Hướng đi là cố gắng giảm thiểu tinh chỉnh, càng dựa vào lệnh in-context càng tốt, nhưng đây vẫn là một vấn đề nghiên cứu.

Người dẫn chương trình: Mã nguồn mở đang có thời điểm, các doanh nghiệp muốn chủ quyền. Những thư viện IP lớn như Disney nên làm gì, tự huấn luyện với mô hình mã nguồn mở của bạn, hay hợp tác với bạn để huấn luyện mô hình riêng?

Trả lời: Trường hợp sử dụng thú vị nhất nằm ở việc tạo ra những thứ chưa từng có trước đây, đó mới là điều thú vị nhất của công nghệ này. Công cụ công khai của chúng tôi không thể tạo ra IP cụ thể, điều này rất hợp lý. Chúng tôi cũng thực sự hợp tác với một số chủ sở hữu IP để phát triển mô hình, một số dựa trên mô hình mã nguồn mở của chúng tôi, một số dựa trên mô hình proprietary mạnh hơn của chúng tôi.

Góc nhìn thú vị nhất là: công nghệ trở nên nhanh hơn, tương tác hơn. Bạn có thể tưởng tượng Disney+ sẽ có nhiều công cụ sáng tạo nội dung tương tác.

Người dẫn chương trình: Hiện tượng thú vị nhất là các phim fan. Trước đây có fan fiction viết câu chuyện Star Wars của riêng mình, sau đó có người mặc trang phục Jedi quay phim fan films. George Lucas nói miễn là không sử dụng thương mại thì được phép. Giờ đây mọi người sử dụng AI để tái hiện những câu chuyện Star Wars chưa được kể, Star Wars Stories Untold mỗi video có hàng triệu lượt xem. Đây mới là tương lai: cho phép người tiêu dùng trả tiền cấp phép, để họ sử dụng nhân vật sáng tạo câu chuyện của riêng mình.

Trả lời: Nếu tìm ra mô hình kinh doanh khả thi cho bên sở hữu IP, lại có thể mở ra những cách tùy chỉnh sáng tạo siêu thú vị, thì thật tuyệt. Tôi luôn nghĩ khi đọc một cuốn sách hoặc xem một bộ phim "nếu điều này phát triển như thế nào", giờ cuối cùng có thể giúp mọi người hình dung những ý tưởng này.