Đối thoại với đối tác a16z: Mô hình lớn không có hiệu ứng mạng, cuối cùng chỉ có thể kiếm được "phí đường truyền" như nhà điều hành

Tiêu đề gốc: Kinh tế học về việc sử dụng AI và điều gì tiếp theo cho SaaS | Benedict Evans trên a16z

Biên dịch gốc: Yanlin Hang, Z Finance

Tháng 6 năm 2026, Thung lũng Silicon. Doanh thu hàng năm của Anthropic đã tăng hơn năm lần trong 12 tháng qua, đạt 47 tỷ USD. Hướng dẫn chi tiêu vốn cho AI của bốn gã khổng lồ công nghệ trong năm nay tổng cộng vượt quá 700 tỷ USD, gần gấp đôi tổng đầu tư của ngành viễn thông toàn cầu.

Khi toàn bộ ngành công nghiệp tự thuyết phục rằng "rủi ro đầu tư không đủ lớn hơn rủi ro đầu tư quá mức", Benedict Evans đã nói về cuộc khủng hoảng dữ liệu di động năm 2008 trong phòng podcast của a16z.

Đó là những năm hỗn loạn sau khi iPhone ra mắt. AT&T đã phát hành gói dữ liệu không giới hạn, người dùng điên cuồng xem YouTube, mạng lưới ngay lập tức bị tê liệt, các nhà điều hành đã chi hàng trăm tỷ USD để mở rộng. Cuối cùng, tất cả các ứng dụng tuyệt vời đều do người khác phát triển, các nhà điều hành chỉ kiếm được "phí đường ống".

Evans phát hành một bài diễn thuyết hàng năm có tên "AI ăn thế giới", được Thung lũng Silicon coi là một tọa độ quan trọng để quan sát chu kỳ công nghệ. Khác với hầu hết những người lạc quan, ông thường tìm kiếm tin xấu từ lịch sử. Theo ông, sự chênh lệch giữa việc đăng ký ChatGPT 20 USD/tháng hôm nay và chi phí Token lên đến hàng chục nghìn USD là một ảo tưởng giống như hóa đơn dữ liệu 500 tỷ USD năm đó. Giá cả và chi phí hoàn toàn không liên quan, trong khi mọi người đều giả vờ không nhìn thấy.

"Tất cả các cược vẫn còn mở." Ông thừa nhận mình không thể dự đoán kết cục. Nhưng khi hiệu suất mô hình tăng gấp 100 đến 200 lần mỗi năm, trong khi gần một ngàn tỷ USD vốn đang đổ vào lĩnh vực này, ông cho rằng ít nhất có một điều chắc chắn: sự "định giá theo ROI" xa xỉ ngày nay sẽ không kéo dài lâu.

Dưới đây là sáu phán đoán của Evans về mâu thuẫn cốt lõi trong kinh tế học AI:

1. Mô hình cơ bản không phải là sản phẩm, giá trị cuối cùng sẽ chuyển lên thượng nguồn. Các công ty mô hình rất có thể sẽ trở thành những người bán nước, lặp lại sai lầm của các nhà sản xuất chip, ISP và các nhà điều hành di động. Họ đã xây dựng cơ sở hạ tầng tuyệt vời, nhưng không thể thu được nhiều lợi nhuận nhất.

2. Lập trình là lĩnh vực duy nhất hiện nay thực sự tìm thấy PMF. Lập trình Agentic đã từ "hơi hữu ích" nhảy vọt thành "thay đổi mọi thứ", nhưng ngoài điều đó, hầu hết các kịch bản vẫn dừng lại ở "mỗi tuần mở ChatGPT một lần để thử".

3. Hệ thống định giá đang sụp đổ. Khi hiệu suất mô hình tăng gấp 100-200 lần mỗi năm, trong khi CapEx đổ vào hàng nghìn tỷ, sự xa xỉ của việc định giá theo ROI ngày nay sẽ không kéo dài. Token cuối cùng sẽ giống như dữ liệu di động, đi vào cuộc chiến giá cả hàng hóa.

4. AI sẽ không kết thúc SaaS, nhưng sẽ định nghĩa lại ranh giới của phần mềm. Các LLM có xác suất nên được đặt ở đỉnh hay đáy của công nghệ? Phần mềm doanh nghiệp sẽ trải qua một vòng hỗn loạn mới của "Excel vs. phần mềm chuyên dụng", nhiều phần mềm hơn, nhiều cạnh tranh hơn, và tỷ suất lợi nhuận không chắc chắn hơn.

5. Lịch sử chỉ có thể giải thích, không thể dự đoán. Các phép tương tự về internet di động, điện toán đám mây, và thời kỳ PC đều hữu ích, nhưng không cái nào có thể cho bạn biết liệu OpenAI có trở thành Windows tiếp theo hay Netscape tiếp theo hay không.

6. Vấn đề thực sự đang rời khỏi vòng tròn công nghệ. AI có nghĩa là gì đối với các công ty luật, ngân hàng đầu tư, công ty tư vấn và Hollywood? Những câu trả lời này không nằm ở San Francisco, mà ở những người trong ngành biết "nhân viên cấp dưới thực sự đang làm gì".

01 Sự phân hóa chiến lược giữa OpenAI và Anthropic

Erik Torenberg: Benedict, chào mừng bạn trở lại podcast a16z. Lần trước bạn đến, chúng ta đã thảo luận về phiên bản đầu tiên của bài diễn thuyết của bạn "AI ăn thế giới". Đến giờ bạn đã viết xong gần một năm rưỡi. Bạn luôn bắt đầu bài diễn thuyết từ "những vấn đề lớn nào". Nhưng lần này tôi muốn hỏi trước: kể từ khi bạn lần đầu tiên công bố bài diễn thuyết đó, chúng ta đã học được gì? Những dự đoán nào đã trở thành hiện thực? Chúng ta hãy xem lại.

Benedict Evans: Hãy bắt đầu với những gì đã xảy ra trong năm qua. Tôi nghĩ chúng ta đã nhìn thấy rõ hơn sự phân hóa trong chiến lược sản phẩm, và cũng thấy được căng thẳng cạnh tranh - sự cạnh tranh này không chỉ đơn giản là "làm cho mô hình lớn hơn, nhanh hơn, đầu tư nhiều hơn vào sức mạnh tính toán".

Chiến lược của OpenAI đã trải qua nhiều lần chuyển hướng - từ "đặt cược tất cả vào mọi hướng" đến "có lẽ chúng ta nên gấp đôi đặt cược vào lĩnh vực lập trình". Rõ ràng, Lập trình Agentic đã thực sự bắt đầu có hiệu quả. Do đó, tất cả sự chú ý trong ngành công nghệ đều tập trung cao độ vào lĩnh vực này, nó đã có sự phù hợp tuyệt đối với thị trường sản phẩm, nhu cầu mạnh mẽ từ khách hàng gần như khiến bạn không thể theo kịp. Tất nhiên, điều này cũng mang lại vấn đề thiếu hụt nguồn cung, xung quanh những mâu thuẫn về công suất, giá cả, mất cân bằng cung cầu và định giá chi tiêu vốn, chính là tình hình mà chúng ta đang thấy hiện nay. Đây là điểm mà chúng ta đang ở - trước đây chúng ta cảm thấy điều này có chút thú vị, khá kích thích, nhưng không hoàn toàn chắc chắn về việc có thể sử dụng nó để làm gì. Và bây giờ nó thực sự có thể được sử dụng cho lập trình, còn liệu nó có thể được sử dụng cho các lĩnh vực khác hay không, câu trả lời gần như chắc chắn là có, nhưng lập trình là nơi thực sự phát huy tác dụng hiện tại.

Bây giờ, sự chú ý đã trở nên hẹp hơn rất nhiều. Ngoài ra, dữ liệu vẫn đang gia tăng: mô hình ngày càng lớn, CapEx tiếp tục tăng, và mức sử dụng cũng đang tăng lên, mọi người đang sử dụng ngày càng nhiều. Nhưng những vấn đề cơ bản mà bạn đã nêu ra hai ba năm trước, hầu hết đến nay vẫn chưa có câu trả lời. Ví dụ, chúng ta không biết liệu có xuất hiện một người chiến thắng tuyệt đối trong lĩnh vực mô hình hay không, không biết liệu họ có thể thu được giá trị ở tầng cao hơn của chuỗi giá trị hay không, không biết giới hạn khả năng của mô hình ở đâu, cũng không biết với công nghệ hiện tại, khi nào người tiêu dùng sẽ chuyển từ việc sử dụng hàng tuần sang hàng ngày. Vì vậy, tất cả những câu hỏi này vẫn còn bỏ ngỏ.

Erik Torenberg: Nói về lập trình, liệu chúng ta có thể dự đoán rằng nó sẽ trở thành ứng dụng đầu tiên thực sự bùng nổ không?

Benedict Evans: Nếu bạn nhìn từ góc độ chắc chắn, bạn có thể lập luận như sau: ai là người thích mày mò những thứ này nhất? Các nhà phát triển phần mềm. Và các nhà phát triển phần mềm muốn thử nghiệm những thứ này để làm gì? Tất nhiên là để phát triển phần mềm. Vì vậy, từ góc độ rất đơn giản này, phát triển phần mềm có ưu tiên cao nhất. Tôi thường so sánh khoảnh khắc này với internet vào năm 1997, 1998, hoặc thời kỳ máy tính cá nhân vào cuối những năm 70 và đầu những năm 80 - lúc đó mọi thứ đều rất thú vị, nhưng vẫn chưa rõ ràng điều này thực sự được sử dụng để làm gì, vì nó vẫn chưa thực sự trưởng thành. Những gì mà mọi người đã làm với máy tính cá nhân vào thời kỳ đầu chủ yếu là tạo ra nhiều máy tính hơn, và bây giờ điều đầu tiên mà mọi người làm với LLM (và các LLM lớn hơn) cũng là tạo ra nhiều sức mạnh tính toán hơn. Vì vậy, điều này không có gì đáng ngạc nhiên.

Nhưng vào đầu năm nay đã xảy ra một sự chuyển biến rõ rệt: Lập trình Agentic đã từ "hơi hữu ích" trở thành "thực sự thay đổi mọi thứ". Tôi không chắc liệu có ai đó có thể dự đoán chính xác thời điểm điều này sẽ xảy ra hay không, cũng không biết liệu nó có phải là ứng dụng đầu tiên xuất hiện hay không. Một số người sẽ nói sau này rằng họ đã dự đoán từ trước, nhưng tôi không nghĩ bất kỳ ai có thể dự đoán một cách chắc chắn rằng mọi thứ sẽ xảy ra vào thời điểm nào, và rằng nó sẽ đột phá trước tiên dưới hình thức lập trình.

Erik Torenberg: Vậy ở cấp độ tổ chức, chúng ta đã học được gì? Điều này có nghĩa gì đối với kỹ sư cấp dưới, kỹ sư cấp cao, cũng như đối với cấu trúc vị trí và hình thức tổ chức đội ngũ?

Benedict Evans: Tôi nghĩ hiện tại vẫn chưa có gì để nói. Sáu tháng trước, điều này hoàn toàn không thể sử dụng được. Bây giờ mọi người đều đang vội vàng cố gắng hiểu điều này thực sự có nghĩa là gì. Nếu bạn quá chìm đắm trong tiếng ồn và chi tiết, nắm bắt một câu nói của ai đó tại một sự kiện và cho rằng thế giới sắp sụp đổ, bạn sẽ rơi vào hỗn loạn. Tất cả những điều này ít nhất sẽ mất hai đến ba năm để ổn định, chưa nói đến việc, chỉ riêng vấn đề định giá đã tồn tại mâu thuẫn cung cầu lớn, dẫn đến nhiều bất ngờ. Vì vậy, chúng ta hoàn toàn không biết đội ngũ trong tương lai sẽ như thế nào.

Tôi nghĩ mọi người bắt đầu đặt ra một số câu hỏi mới, câu hỏi rõ ràng nhất là: bạn có còn tuyển dụng nhân viên cấp dưới không? Nếu có, họ sẽ làm gì? Tại sao bạn đã tuyển dụng nhân viên cấp dưới trong quá khứ? Bạn tuyển dụng họ để làm những gì mà họ có thể làm, hay để làm những việc khác? Nếu bạn tự động hóa toàn bộ một loại công việc mà trước đây do con người thực hiện, điều gì sẽ xảy ra? Câu hỏi này trở nên thực tế hơn trong lĩnh vực phát triển phần mềm, vì bạn thực sự đang tự động hóa rất nhiều công việc mà trước đây do con người thực hiện. Vì vậy, những câu hỏi này đã chuyển từ lý thuyết thành thực tế. Nhưng tôi nghĩ không ai có thể nói rằng họ biết cấu trúc thị trường trong ba đến năm năm tới sẽ như thế nào, cũng không biết con đường sự nghiệp của kỹ sư phần mềm sẽ trở thành như thế nào - nếu bạn nghĩ bạn biết, thì đó mới là điên rồ.

Erik Torenberg: Hãy nói về OpenAI. Điều gì khiến bạn cảm thấy bất ngờ nhất? Bạn hiểu sự tiến hóa chiến lược của họ và những vấn đề tương lai mà họ phải đối mặt như thế nào?

Benedict Evans: Đây luôn là một nơi đầy kịch tính. Rõ ràng, CEO của họ đã nghỉ phép vì lý do sức khỏe, điều này đã làm thay đổi tình hình.

Vào nửa cuối năm ngoái và quý IV, câu hỏi từ bên ngoài là: mô hình tự nó khá tốt, nhưng còn gì nữa? Làm thế nào để bạn khiến mọi người sử dụng những thứ này để làm những việc khác? Gần như giống như đang nói "hãy hỏi ChatGPT 15 ý tưởng về cách xây dựng giá trị dựa trên cơ sở hạ tầng, rồi làm theo tất cả", OpenAI gần như đã làm như vậy. Trong khi đó, Anthropic có nguồn lực tài chính tương đối yếu, họ nói: chúng tôi tập trung vào lập trình. Và họ thực sự đã làm được lập trình. Còn việc đó có phải là cố ý hay tình cờ, để lại cho người khác đánh giá. Nhưng rõ ràng chiêu này đã có hiệu quả.

Nhưng vấn đề vẫn còn đó: hiện tại, điều thực sự phát huy tác dụng là phát triển phần mềm, cùng với một số kịch bản trong các lĩnh vực khác. Vẫn còn nhiều người chỉ đang hứng thú thử nghiệm ở rìa, có một số kịch bản chỉ sử dụng một chút. Sự phân hóa trong Thung lũng Silicon cũng rất rõ ràng - một bên là những người đã mua hàng đống Mac Studio, chạy mô hình mã nguồn mở suốt ngày, bên kia là khoảng 40-50% còn lại, họ nghĩ rằng điều này thực sự có chút hữu ích, nhưng chỉ mới sử dụng một lần vào tuần trước. Vấn đề là, bạn làm thế nào để thu hẹp khoảng cách này? Tôi không nghĩ rằng vấn đề này có câu trả lời đơn giản. Phát triển phần mềm thực sự đã vượt qua khoảng cách đó, nhưng nhiều người ở các lĩnh vực khác vẫn đang bối rối, chỉ sử dụng một cách hời hợt.

Ngoài ra, còn nhiều doanh nghiệp đang sử dụng AI để tự động hóa một số quy trình nền tảng cụ thể - trong trường hợp này, bạn không để người dùng tự khám phá công cụ mới này có thể làm gì, mà là trực tiếp nói với họ: đây là một vấn đề mà chúng tôi có thể giải quyết. Tôi đã đi Mỹ và giao lưu với các công ty ngoài ngành công nghệ, cũng như trò chuyện với các nhà tư vấn và nhà đầu tư, họ đều đang xem xét từng giải pháp điểm này.

Ví dụ, cách đây hai ngày tôi đã giao lưu với một công ty hàng hóa lớn, họ muốn sử dụng LLM để cải thiện dự đoán dòng tiền, vì họ làm việc với nhiều nhà sản xuất nhỏ, không chắc chắn khi nào họ sẽ nhận được thanh toán, và đây là một công việc có tỷ suất lợi nhuận rất thấp, vì vậy dự đoán dòng tiền là vấn đề lớn đối với họ. Điều này hoàn toàn khác với việc đến ChatGPT hoặc Claude và nói "giúp tôi viết một cái gì đó".

Erik Torenberg: So với tình huống mà những người sử dụng sớm sử dụng hàng tuần hoặc hàng ngày, bạn nghĩ sao?

Benedict Evans: Tôi nghĩ có thể trả lời từ một vài khía cạnh khác nhau. Đầu tiên, chúng ta luôn tiến bộ dựa trên vai trò của những người đi trước, và sự tiến bộ này đang diễn ra với tốc độ ngày càng nhanh. Internet di động không cần phải chờ đến khi internet xuất hiện mới ra đời, nó chỉ cần chờ đến khi mạng dữ liệu di động sẵn sàng. Internet không cần phải chờ đến khi máy tính cá nhân phổ biến, máy tính cá nhân cũng không cần phải chờ đến khi sản phẩm điện tử tiêu dùng và bán dẫn trưởng thành. Vì vậy, tốc độ áp dụng luôn tăng lên. Khi ông chủ của bạn, Marc Andreessen, làm Netscape, số lượng máy tính cá nhân trên toàn cầu chỉ có vài chục triệu chiếc. Bạn không thể có 900 triệu người dùng hoạt động hàng tuần------vì không có đủ 900 triệu máy tính. Vì vậy, sự gia tốc luôn tồn tại.

Điểm thứ hai là: Trong giai đoạn đầu của những thay đổi này, không ai có thể thấy rõ nó sẽ hoạt động như thế nào, và thực tế là không có gì có thể sử dụng được. Tôi đã đủ tuổi để nhớ những điều này. Tôi không biết bạn bao nhiêu tuổi, nhưng những người trên ba mươi có thể không còn nhớ thời kỳ đó------bạn đang làm việc giữa chừng, mọi thứ trên màn hình đột nhiên bị treo, bạn phải bò xuống dưới bàn để rút nguồn, rồi cầu nguyện rằng những gì bạn đã làm trong giờ qua ít nhất có thể khôi phục lại một phần. Những điều như vậy giờ đây không còn xảy ra nữa.

Quay trở lại những năm 80, bạn phải chi 300 đô la cho một thẻ âm thanh, trong khi máy tính có thể không phát ra âm thanh bình thường. 300 đô la đó đã tiêu tốn, và bạn phải mất cả một cuối tuần để làm cho nó hoạt động. Tôi nhớ những ngày tháng đó. Internet cũng tương tự. Bạn phải có một đĩa mềm chứa giao thức TCP/IP, tốc độ chậm đến mức không thể tưởng tượng nổi, và những gì bạn muốn làm thì không có công cụ sẵn có. Di động cũng vậy. Chúng ta hiện đang ở trong giai đoạn đó. Tất nhiên, vấn đề then chốt là: Những thứ nào trong số này cuối cùng sẽ thành công? Bây giờ cũng vậy: Liệu trình duyệt có thể thành công không? Liệu thứ này có thể đứng vững không? Tất cả những điều này sẽ được kết nối với nhau như thế nào? Giữa những thứ cực kỳ thú vị và một nhóm nhỏ người sẵn sàng đầu tư công sức để làm cho nó hoạt động, có một khoảng cách, và điều chúng ta cần làm là biến nó thành một việc có thể hoàn thành chỉ với một cú nhấp chuột.

02 Khủng hoảng định giá và bài học lịch sử từ nền tảng

Benedict Evans: Điểm thứ ba là: Tính kinh tế của đơn vị trở nên rõ ràng hơn. Tôi nhận thấy rằng, hiện tại, sự thắt chặt định giá mà chúng ta đề cập rất giống với những gì đã xảy ra trong lĩnh vực dữ liệu di động từ năm 2009 đến 2010. Một mặt, mọi người đột nhiên nhận được hóa đơn dữ liệu lên tới 5000 thậm chí 10000 đô la; mặt khác, nếu bạn sử dụng gói dữ liệu không giới hạn------giống như loại được AT&T phát hành độc quyền cùng với iPhone------mọi người đều mua iPhone và bắt đầu sử dụng, khi mạng 3G hoạt động, mọi người bắt đầu xem YouTube, toàn bộ mạng bị tê liệt vì không có đủ dung lượng để hỗ trợ. Thú vị là, đến bây giờ vẫn có người trong giới công nghệ không hiểu rằng mạng di động có chi phí biên. Họ phải mở rộng, và việc mở rộng tốn tiền. Các nhà mạng buộc phải điều chỉnh đường cong chi phí một cách vội vàng để phù hợp với hệ thống định giá cơ sở hạ tầng, phù hợp với chi phí cơ bản và với giá trị mà người dùng cảm nhận------họ đã đạt được điều này thông qua các gói cấp bậc, điều khoản sử dụng hợp lý, giới hạn tốc độ, v.v.

Nhưng mặt khác chính là tình huống mà chúng ta thấy hiện nay: Bạn trả 20 đô la mỗi tháng, nhưng có thể sử dụng giá trị lên tới hàng chục nghìn đô la Token; ngược lại, nếu bạn chơi một cách tùy tiện trong hai ngày, đột nhiên nhận được hóa đơn 10.000 đô la, bạn chắc chắn sẽ kêu lên rằng đây là cái quái gì. Bây giờ bạn có thể thấy những câu chuyện tin tức giống hệt nhau, chính xác là những gì đã xảy ra từ năm 2008 đến 2010, và cũng giống như những gì đã xảy ra trong lĩnh vực GPU từ năm 2001 đến 2003.

Nhưng phần thú vị hơn trong sự so sánh này là: Kể từ đó, lưu lượng dữ liệu di động đã tăng khoảng 1500 đến 2000 lần. Tổng doanh thu của mạng internet di động toàn cầu khoảng 1 nghìn tỷ đô la, chi phí CapEx hàng năm khoảng 200 tỷ đô la, trong khi ARPU đã không tăng trong 20 năm. Tất cả những thứ mới mẻ và hấp dẫn đó đều do người khác tạo ra. Các nhà mạng ban đầu nghĩ rằng tất cả những thứ tốt sẽ do chính họ xây dựng------tôi đã từng làm việc tại một công ty viễn thông có giấy phép ngân hàng, vì họ nghĩ rằng họ sẽ tự làm ngân hàng di động------điều này giờ đây nhìn lại hoàn toàn điên rồ. Nhưng vấn đề chính là: Họ đã xây dựng một cơ sở hạ tầng toàn cầu tuyệt vời, cực kỳ phức tạp và cực kỳ tốn kém, với mức sử dụng ngày càng tăng, đã thay đổi cuộc sống của mọi người, và chúng ta đều phải trả tiền cho điều đó------nhưng họ lại không kiếm được nhiều tiền từ đó, vì tất cả giá trị đã chuyển lên phía trên.

Và đây chính là vấn đề cốt lõi mà LLM phải đối mặt: Mô hình có thể hoàn thành tất cả mọi thứ không? Hay cần phải xây dựng 300 ứng dụng trên đó? Bạn có thể nói trực tiếp với mô hình "giúp tôi nộp thuế", hay cần có một phần mềm khai thuế, phần mềm này sử dụng 10 cách AI khác nhau để xử lý? Nếu câu trả lời là cái sau, thì vị trí của bạn với tư cách là nhà cung cấp mô hình cơ sở là gì?

Liệu nó có trở thành một loại cơ sở hạ tầng hàng hóa bán với chi phí biên không? Hiện tại có vẻ như đây là một khái niệm khó chấp nhận. Bởi vì bạn có thể bán tất cả các Token mà bạn có thể tạo ra, vì vậy bạn có thể định giá theo ROI. Nhưng trong vài năm tới, sẽ có khoảng 1 đến 2 nghìn tỷ đô la đầu tư CapEx, hiệu suất mô hình sẽ tăng 100 đến 200 lần mỗi năm. Sẽ có những mô hình mới xuất hiện. Mô hình sẽ tiêu tốn nhiều hơn hay ít hơn Token? Chúng ta sẽ đạt được một điểm cân bằng khác. Và khi hiệu suất giữa các mô hình gần như tương đương, làm cùng một việc, sử dụng cùng một chip, thì công ty mô hình dựa vào đâu để có quyền định giá?

Nhìn lại lịch sử: Các công ty chip không thu được giá trị, ISP không thu được giá trị, các nhà mạng di động cũng không thu được giá trị. Windows và iOS đã thu được, nhưng những gì họ làm hoàn toàn khác: họ có nhiều đòn bẩy để chuyển giá trị lên phía trên, còn mô hình thì không. Vì vậy, vấn đề là: Các công ty mô hình sẽ kết thúc như tầng cơ sở hạ tầng, hay sẽ thu được giá trị như tầng hệ điều hành và quyết định người khác có thể làm gì? Thật mỉa mai, câu chuyện của Netscape chính là minh chứng cho điều này------Marc Andreessen đã nổi tiếng tuyên bố rằng ông muốn biến Windows thành một đống trình điều khiển thiết bị được gỡ lỗi kém, và sau đó Microsoft đã chen chân vào thị trường. Nhưng cuối cùng chứng minh rằng, trình duyệt web không phải là điều quan trọng------giá trị nằm ở nơi khác. Vì vậy, những vấn đề lớn như xoáy nước này vẫn chưa được giải quyết, và cuối cùng lại trở về với những gì tôi đã nói trước đó: Có những điều bạn có thể biết, nhưng bạn hoàn toàn không biết nó sẽ kết thúc như thế nào.

Erik Torenberg: Đúng vậy, hiện tại vẫn chưa rõ điều này sẽ giống như internet (phần lớn giá trị và lợi nhuận tốt hơn xảy ra ở tầng ứng dụng), hay giống như đám mây (giá trị dường như nằm ở tầng phần cứng, hiện tại Nvidia có vẻ kiếm được nhiều nhất, với lợi nhuận cao hơn). Nhưng liệu điều này có luôn như vậy không? Hay sẽ trở nên giống như internet hơn? Làm thế nào để bắt đầu dự đoán câu trả lời này?

Benedict Evans: Tôi có hai câu trả lời cho điều này. Có rất nhiều câu nói về cách lịch sử hoạt động------một câu tôi thích nhất là: Lịch sử chỉ dạy chúng ta một điều, đó là luôn có điều gì đó xảy ra, và bạn luôn có thể giải thích tại sao điều đó là tất yếu sau khi nó xảy ra, nhưng vào thời điểm đó thì không rõ ràng. Đặc biệt là tôi nhớ khoảng 15 năm trước, nhiều người trong giới công nghệ rất thông minh đã có được iPhone và Android, và sau đó nói: Đây là một cuộc chiến giữa mở và đóng, chúng tôi sẽ đánh bại iPhone, nhưng điều đó chắc chắn đã không xảy ra. Tôi có thể giải thích lý do sau này, nhưng tất cả những so sánh này đều hữu ích, nhưng không có cái nào mang tính dự đoán. Lịch sử luôn rõ ràng chỉ khi nhìn lại.

Thú vị là, gần đây tôi đã thực hiện một vài podcast và cũng đã phát biểu bài nói này, sau đó có một loại bình luận nói rằng: Benedict, bạn đã không làm tốt công việc của mình, bạn nên cho chúng tôi biết tương lai sẽ xảy ra điều gì, trách nhiệm của bạn là dự đoán. Nhưng bạn có vẻ chỉ nói "chúng tôi không biết". Ở đây có hai vấn đề. Một là ở một số nơi tôi thực sự đã nói rằng tôi nghĩ điều gì không khả thi, điều gì sẽ hiệu quả------chẳng hạn như tôi nghĩ mô hình cơ bản không phải là sản phẩm, chatbot cũng không phải là sản phẩm, giá trị sẽ chuyển lên phía trên. Nhưng mặt khác, trong giai đoạn chu kỳ này, có quá nhiều biến số, bạn không biết cuối cùng sẽ là cái nào. Nếu bạn phải nói "tôi nghĩ đó là cái đó", bạn có thể đúng, nhưng bạn phải nhận thức được mức độ không chắc chắn lớn như thế nào, có bao nhiêu con đường khác nhau có thể dẫn đến. Đó chính là bản chất của giai đoạn chu kỳ này: tất cả các cược vẫn còn mở.

Khi đường cong S bắt đầu đi lên, nó sẽ thu hẹp lại. Đã từng có một thời điểm Windows Phone dường như cũng có thể thành công------nhìn lại thì tất nhiên là không khả thi. Đã từng có một thời điểm không rõ di động sẽ đi theo hướng nào, sau đó đã rõ ràng------đó chính là những gì đang xảy ra, và sau đó chúng ta chuyển sang câu hỏi tiếp theo.

Một đặc điểm của công nghệ là: Khi bạn thực sự hiểu một điều gì đó, biết nó hoạt động như thế nào, tương lai sẽ ra sao, thì chính là lúc bạn nên chuyển sang điều tiếp theo. Bạn nên luôn tìm kiếm những góc tĩnh mà chúng ta vẫn chưa biết câu trả lời. Bảng tính Apple của tôi đã không được cập nhật trong năm năm------bởi vì chúng ta đã biết kết quả từ lâu. Tôi không quan tâm đến thế hệ iPhone tiếp theo sẽ như thế nào, tôi cũng không quan tâm đến thị phần của họ ở Trung Quốc nữa. Kết quả đã được xác định, câu hỏi tiếp theo.

03 Mô hình cơ bản không phải là sản phẩm, giá trị ở phía trên

Erik Torenberg: Bạn vừa nói rằng bạn không nghĩ mô hình cơ bản là sản phẩm, bạn nghĩ giá trị sẽ chuyển lên phía trên. Xin hãy giải thích lý do của bạn và điều này có thể trông như thế nào.

Benedict Evans: Tôi nghĩ có thể đặt ba hoặc bốn khối xây dựng lên bàn để thảo luận.

Điều đầu tiên là: Hiện tại, rất khó để tạo ra một mô hình từ căn bản luôn tốt hơn người khác và có thể duy trì lợi thế khác biệt. Nó không có hiệu ứng mạng, cũng không có đòn bẩy nào mà bạn có thể kéo, hoặc vị trí chiến lược như Instagram, YouTube, Google Search. LLM không có thứ tương ứng. Tất nhiên, các mô hình khác nhau có những điểm mạnh riêng------có thể cái này tốt hơn cái kia một chút, có thể bạn thích cái này hơn, nhưng giữa chúng không có sự khác biệt cơ bản, sự khác biệt duy nhất là bạn sẵn sàng chi bao nhiêu tiền.

Vấn đề thứ hai: Chatbot bản thân nó là một UI V1 kỳ lạ, có chức năng hạn chế. Trong một số tình huống, với một số người và một số nhiệm vụ, nó thực sự rất hữu ích, nhưng trong hầu hết các trường hợp, bạn vẫn cần một đống thứ khác. Bạn cần chuỗi công cụ, cần cấu hình đúng, cần có dữ liệu phù hợp, cần cấu hình các điều khiển và giao diện người dùng khác nhau. Cần có người đã suy nghĩ nghiêm túc về cách công cụ này nên hoạt động, vì những người giỏi sử dụng công cụ để hoàn thành công việc, và những người giỏi quyết định công cụ nên được thiết kế như thế nào, thường là hai nhóm người khác nhau.

Những người giỏi thiết kế ấn phẩm không phải là người nên làm InDesign, đó là một bộ kỹ năng khác. Những người giỏi tư vấn tài chính cũng không phải là ứng viên phù hợp để thiết kế robot tài chính------điều đó cần những kỹ năng khác nhau, những người khác nhau. Hiện tại chúng ta đang khám phá vùng giữa: Claude có cái này, Claude có cái kia, còn có Skills, v.v. Theo tôi, điều này giống như, ai sẽ làm Skill? Một câu hỏi khác là, điều này có vẻ giống như những mẫu mà bạn thấy khi chọn "tạo tệp mới" trong Excel------chúng chỉ có thể đi đến một mức độ nhất định, đến một điểm nào đó bạn sẽ vượt qua mẫu. Trong bài thuyết trình của tôi có một slide trích dẫn một câu nói mà một người đã nói với tôi trên Twitter cách đây nhiều năm: Anh ấy nói rằng anh ấy làm tư vấn, một nửa công việc là dạy người khác sử dụng Excel như một cơ sở dữ liệu, nửa còn lại là dạy người khác sử dụng cơ sở dữ liệu như Excel.

Vì vậy, có một khu vực mờ ảo và hỗn loạn ở đây: Bạn có cần phần mềm chuyên dụng không? Bạn cần phần mềm theo chiều ngang hay phần mềm theo chiều dọc? Hay bạn chỉ cần giải quyết mọi thứ trong Excel? Chúng ta đều đã thấy những ví dụ về toàn bộ bộ phận hoạt động dựa vào một tệp Excel 10MB ------ doanh nghiệp của tôi cũng đang sử dụng bảng tính Numbers. Nhưng đến một thời điểm nào đó, bạn sẽ vượt qua giới hạn đó.

Vậy các công ty mô hình có thể làm tất cả những điều này không? Tất nhiên là không, giống như Microsoft hay Apple không thể tạo ra mọi ứng dụng trên Windows và iOS. Vậy các công ty mô hình có hiệu ứng đòn bẩy đó không? Chúng là Windows hay iOS? Hỏi lại một lần nữa: Có hiệu ứng mạng không?

Ví dụ, bây giờ bạn là một công ty luật, bạn muốn mua một bộ phần mềm ------ a16z đã đầu tư vào nhiều phần mềm doanh nghiệp, liệu công ty luật này hoặc doanh nghiệp sản xuất hoặc ngân hàng có hỏi "Cái này sử dụng Claude hay OpenAI? Bởi vì chúng tôi đồng bộ sử dụng Claude" không? Không, hoàn toàn không hoạt động như vậy. Thời đại đám mây cũng không như vậy, bạn sẽ không nói "Công ty chúng tôi đồng bộ sử dụng AWS", bạn thậm chí không biết một sản phẩm SaaS nào chạy trên đám mây nào. Đó mới là điều quan trọng, nó đã bị tách ra, không phải là vấn đề bạn cần quan tâm. Vì vậy, theo nghĩa này, các mô hình giống như nhà cung cấp dịch vụ đám mây ------ chúng có thể có một số lợi thế cạnh tranh, nhưng không có hiệu ứng đòn bẩy, không có hiệu ứng mạng, không có quyền kiểm soát.

Điều này cũng khiến tôi liên tưởng đến một so sánh khác: ngành công nghiệp bán dẫn ------ mỗi thế hệ đều ngày càng đắt đỏ, số lượng người tham gia ngày càng ít. Nhìn chung, mô hình về cơ bản là một loại hàng hóa khác nhau, chatbot không phải là giao diện người dùng hoặc sản phẩm đúng đắn, các công ty mô hình không thể tự mình tạo ra mọi thứ. Vì vậy, chúng là cơ sở hạ tầng nền tảng. Vậy chúng có quyền định giá không?

Trong tương lai sẽ có khoảng 3 đến 6 công ty làm mô hình tiên tiến, mỗi năm đầu tư ------ không ai biết chính xác, khoảng từ 200 tỷ đến 2 nghìn tỷ đô la ------ cộng thêm một loạt mô hình biên và mô hình mã nguồn mở. Vì vậy, cuối cùng sẽ có năm hoặc sáu công ty cạnh tranh bán những sản phẩm này trên thị trường. Kỷ luật giá từ đâu đến? Đặc biệt là một số công ty trong số đó có mô hình kinh doanh hoàn toàn khác nhau. Ví dụ, Google kiếm tiền từ quảng cáo, thái độ của họ đối với định giá khác với OpenAI.

Tôi nghĩ rằng khó khăn nằm ở chỗ: có một khoảng cách giữa trạng thái hiện tại mà chúng ta đang ở và trạng thái cuối cùng mà chúng ta nên đạt được ------ đây thực sự là chủ đề mà một khóa học kinh tế năm nhất sẽ thảo luận. Chúng ta hiện đang ở trong một thời kỳ cực kỳ mất cân bằng giữa cung cầu, định giá, CapEx và công suất. Nhưng nhu cầu về Token là vô hạn, điều này không có nghĩa là bạn không thể đạt được một điểm cân bằng giá khác ------ vì dữ liệu di động đã đi theo cách đó. Trong 15 năm qua, nhu cầu về bit dữ liệu đã tăng từ 1500 đến 2000 lần, nhưng bạn vẫn thấy giá thị trường của cung và cầu cân bằng, và ở phần lớn các khu vực trên thế giới vẫn tồn tại cuộc chiến giá khốc liệt giữa các nhà khai thác. Về cơ bản, bạn đang bán một loại hàng hóa, khách hàng có thể thay đổi nhà cung cấp bất cứ lúc nào ------ các nhà phát triển cũng sẽ chuyển đổi qua lại.

Tất nhiên, tôi hoàn toàn chấp nhận rằng điều này có thể sai. Có thể cuối cùng chỉ có hai công ty trên thế giới có thể tạo ra LLM, họ có quyền định giá. Hoặc chúng ta bước vào một thế giới mà hầu như mọi thứ đều được tích hợp vào chính mô hình, mô hình có hiệu ứng đòn bẩy ở phía thượng nguồn. Nhưng quan điểm cốt lõi của tôi là: giống như cuộc chiến giữa iOS và Android ------ bạn chắc chắn có thể nói rằng ba lần trước đều như vậy, nhưng không thể chứng minh rằng lần này cũng sẽ như vậy. Nhưng ít nhất bạn nên đặt ra những câu hỏi này, và cũng nên thừa nhận rằng tình trạng hiện tại là tạm thời. Chúng ta đang ở trong trạng thái cực kỳ khan hiếm này, sau đó sẽ có hệ thống định giá, thị trường tự do, và khoảng 1 nghìn tỷ đô la CapEx sẽ đổ vào. Vì vậy, những bội số này sẽ thay đổi.

04 Bước đột phá tiếp theo sau lập trình ở đâu

Erik Torenberg: Điều này chính xác dẫn đến điều bạn đã nói trước đó "Chúng ta đã biết Apple là gì". Vậy câu hỏi tiếp theo mà bạn đang quan tâm nhất là gì? Hoặc nói cách khác, chúng ta nên quan tâm đến điều gì nhất?

Benedict Evans: Chúng ta vừa mới thảo luận về một số vấn đề, chẳng hạn như khả năng của mô hình có thể đi xa đến đâu, liệu mô hình có thể đạt được sự khác biệt hay không, v.v. Một câu hỏi rõ ràng khác là: vào thời điểm nào, chúng ta sẽ thấy ngày càng nhiều loại trường hợp sử dụng mà mô hình đã đủ tốt, chúng ta không còn cần mô hình đắt nhất, nhanh nhất, lớn nhất và nặng nhất trên đám mây nữa? Chúng ta có thể sử dụng mô hình cũ, mô hình mã nguồn mở, hoặc mô hình chạy trên thiết bị. Đây chính là câu chuyện mà Apple sắp nói ------ có bao nhiêu thứ có thể được đẩy lên thiết bị, nơi mà sức mạnh tính toán là miễn phí (hoặc ít nhất là miễn phí với bạn, không có chi phí biên cho các nhà phát triển).

Một câu hỏi kinh điển khác là: chính vấn đề đã bắt đầu thoát ra khỏi lĩnh vực công nghệ. Ví dụ, nếu bạn đến một công ty luật, một công ty tư vấn, một ngân hàng ------ hầu hết tất cả các tổ chức dịch vụ chuyên nghiệp truyền thống áp dụng cấu trúc hình chóp ------ nếu bạn có thể tự động hóa một phần lớn công việc mà những người ở đáy chóp đó làm, điều gì sẽ xảy ra? Tôi chỉ có thể nói rằng, nếu bạn chưa từng làm việc tại một công ty luật, chưa từng làm việc tại Bain, BCG, McKinsey, bạn có thể sẽ không thể hiểu điều này, vì bạn có thể hoàn toàn không biết những nhân viên cấp thấp đó đang làm gì, cũng như không biết khách hàng thực sự đang trả tiền cho điều gì. Những vai trò đó sẽ được tái cấu trúc như thế nào? AI có ý nghĩa gì đối với tài chính? Bao gồm cả cấu trúc tuyển dụng nội bộ, cũng như loại sản phẩm và cấu trúc lợi nhuận mà bạn có thể tạo ra. Điều này có ý nghĩa gì đối với ngành tư vấn? Đối với bốn công ty lớn, ba công ty lớn, Accenture, các công ty luật lớn và các công ty quảng cáo?

Bạn có thể biết một số câu hỏi trong số đó, nhưng nếu bạn không phải là người trong ngành, bạn hoàn toàn không biết câu trả lời là gì. Điều này khiến tôi nhớ đến một câu mà tôi thường nói khi còn ở a16z "Nội dung không phải là vua". Tôi cũng đã viết "Netflix không phải là công ty công nghệ" ------ tôi muốn diễn đạt rằng: toàn bộ doanh nghiệp của Netflix được hỗ trợ bởi cơ sở hạ tầng do ngành công nghệ xây dựng. Nhưng tất cả các vấn đề mà Netflix phải đối mặt đều là vấn đề của Los Angeles (vấn đề nội dung): chọn bộ phim nào, sản xuất bao nhiêu bộ phim, loại phim nào? Chi phí bao nhiêu để thuê nhân tài? Có nên tham gia giải thưởng không? Có nên làm phim không? Có nên mua bản quyền thể thao không? Tất cả đều là vấn đề của Los Angeles, không phải của San Francisco. San Francisco thậm chí không biết câu hỏi đúng là gì ------ chúng là vấn đề của ngành truyền thông. Tất cả những câu hỏi thực sự quan trọng của Netflix đã trở thành vấn đề của ngành truyền thông.

Tương tự, Tesla là công ty ô tô hay công ty công nghệ cũng luôn là tâm điểm tranh luận. Tôi muốn nói rằng: AI có ý nghĩa gì đối với ngành luật, câu hỏi này vừa là vấn đề của người công nghệ, mà nhiều hơn là vấn đề của luật sư ------ bạn cần hiểu sâu về cách mà các công ty luật thực sự hoạt động, khách hàng thực sự đang mua gì. Tương tự, video sinh ra có ý nghĩa gì đối với Hollywood? Ben Affleck có thể biết nhiều hơn tôi rất nhiều ------ anh ấy đã thành lập một công ty và bán nó với giá hàng trăm triệu đô la. Vì vậy, đây là loại câu hỏi thứ hai: vấn đề đang thoát ra khỏi phạm vi AI, trở thành vấn đề hỗn hợp giữa một nửa AI và một nửa lĩnh vực khác.

Cấp độ thứ ba ------ có lẽ tôi nên nói từ lâu ------ tất cả những điều này khác biệt cơ bản với các chuyển đổi nền tảng trước đây ở chỗ: trong thời kỳ 3G, iPhone, internet, v.v., mặc dù bạn không biết điều gì sẽ xảy ra tiếp theo, nhưng bạn biết giới hạn vật lý. Ví dụ, vào năm 1995, bạn biết rằng các công ty viễn thông sẽ không lắp đặt băng thông rộng cho toàn thế giới vào tuần tới; bạn biết không phải tất cả mọi người trên thế giới đều sẽ mua một chiếc PC, vì một chiếc PC có giá 3000 đô la. Vì vậy, bạn biết ranh giới không thể xảy ra cơ bản nằm ở đâu.

Nhưng trong AI sinh ra, chúng ta không biết. Có thể sau khi chúng ta ghi hình xong chương trình này, điện thoại sẽ gửi một thông báo rằng mô hình mới của OpenAI đã được phát hành, giá chỉ bằng 2% so với trước ------ vì đã có bước đột phá công nghệ mới. Tôi không nghĩ điều này rất có khả năng, nhưng chúng ta không biết câu trả lời cho những câu hỏi này. Mô hình sẽ lớn lên bao nhiêu? Tốt lên bao nhiêu? Nhanh lên bao nhiêu? Rẻ đi bao nhiêu? Ở những khía cạnh nào? Đặc điểm của mô hình sẽ thay đổi như thế nào? Chúng ta không biết. Điều này khác với tất cả các chuyển đổi nền tảng trước đây ------ trước đây bạn biết giới hạn cơ bản nằm ở đâu. Và điều này sẽ dẫn đến một loạt các câu hỏi mới.

Theo một nghĩa nào đó, tôi đã đề cập trước đó: lĩnh vực duy nhất hiện có sự phù hợp với thị trường sản phẩm là lập trình. Các lĩnh vực khác chưa có mức độ PMF tương tự. Tôi có thể nói một cách an toàn: Doanh thu của Anthropic đã tăng từ 9 tỷ đô la trong năm ngoái lên 47 tỷ đô la hiện tại ------ tất cả đều đến từ phát triển phần mềm. Vì vậy, nếu trong các lĩnh vực khác có người tạo ra một số thứ có thể sử dụng, điều gì sẽ xảy ra?

Erik Torenberg: Ví dụ như công ty luật, ngân hàng…… Nếu bạn phải đoán, ngoài lập trình, những trường hợp sử dụng nào có thể tạo ra sự sử dụng hàng ngày tích cực?

Benedict Evans: Bài phát biểu mà tôi đã công bố vài tuần trước được chia thành ba phần. Phần đầu tiên nói về vốn, CapEx, cơ sở hạ tầng và sự khác biệt của các mô hình cơ bản ------ đó chính là những gì chúng ta vừa thảo luận. Phần thứ hai là: bạn làm thế nào để sử dụng những thứ này để xây dựng phần mềm? Điều này có ý nghĩa gì đối với ngành phần mềm? Phần mềm sẽ trông như thế nào? Lợi nhuận, cấu trúc công ty sẽ thay đổi như thế nào?

Phần thứ ba tôi gọi là "thay đổi". Tôi đã bắt đầu bằng cách trích dẫn một câu nói nổi tiếng của Yogi Berra: Dự đoán là khó, đặc biệt là dự đoán về tương lai. Tôi nghĩ rằng có một góc nhìn hồi cứu khá thú vị: hãy tưởng tượng bạn hỏi về internet vào năm 1997, bạn sẽ nhận được gì? Không nhận được gì? Tôi nghĩ một cách nhìn là: đây là một loại tự động hóa, nó biến một loại công việc mà trước đây mọi người làm nhưng không thể tự động hóa thành có thể tự động hóa. Vậy điều đó có nghĩa là gì? Tôi đã đưa ra ba hoặc bốn nút có thể nhấn.

Đầu tiên là tính đàn hồi giá, đây cũng là điều mà PowerDNS của Gerber thực sự đang làm: nếu chi phí làm việc giảm, bạn có làm cùng một lượng công việc với ít tiền hơn không, hay làm nhiều hơn với cùng một số tiền? Hay là vì bạn làm nhiều hơn, nên bạn cũng thu được nhiều hơn? Có điều gì trước đây không thể làm, giờ trở nên rẻ hơn không? Có điều gì trước đây rất đắt, là rào cản gia nhập ------ giống như việc sở hữu máy in đối với các tòa soạn ------ giờ rào cản đó đã biến mất? Có điều gì vì bạn giảm chi phí mà mở khóa những khả năng mới trong mô hình kinh doanh hoặc không gian cạnh tranh không?

Câu hỏi cuối cùng là: Có những điều gì trước đây hoàn toàn không thể, hoàn toàn do chi phí quá cao mà không ai nghĩ đến, giờ đã trở nên khả thi? Ví dụ mà tôi thường sử dụng là máy hơi nước đã làm cho tàu hỏa trở nên khả thi, bạn có mua bao nhiêu ngựa cũng không thể tạo ra một chiếc tàu hỏa chạy xuyên qua đất nước. Ví dụ hiện đại hơn là YouTube hoặc Spotify. Spotify nói: hãy xem lịch sử của ngành âm nhạc trong 25 năm qua, nửa đầu là "bạn không cần chi 1,5 đô la để mua một đĩa CD chỉ để nghe một bài hát", nửa sau là "15 đô la mỗi tháng để nghe tất cả âm nhạc bạn có thể tìm thấy", điều này trước đây hoàn toàn không thể.

Vấn đề với những dự đoán này là: một mặt bạn có thể khôn ngoan nói những điều hiển nhiên đúng, nhưng thực sự bạn không biết điều đó có nghĩa là gì trong ngành cụ thể. Ví dụ, vào cuối những năm 90, chúng ta nói rằng internet sẽ phá hủy giá trị phân phối vật lý ------ điều này có ý nghĩa hoàn toàn khác nhau đối với các công ty báo chí và điện ảnh: báo chí bị phá hủy, trong khi các công ty điện ảnh gần như không bị ảnh hưởng gì. Vì vậy, vẫn phải xem xét tình huống cụ thể.

Còn một phần mà tôi nghĩ có thể hỏi một số câu hỏi hữu ích hơn. Một điều khiến tôi khá tò mò là: AI sẽ thay đổi quảng cáo, thương mại điện tử, thương hiệu và hành vi tiêu dùng của chúng ta như thế nào? Quảng cáo là một thị trường trị giá hàng nghìn tỷ đô la, bán lẻ là 25 nghìn tỷ đô la, đây là một thị trường có quy mô khá lớn có thể tiếp cận. Tôi luôn tự hỏi: Google, Meta và Amazon thực sự không biết những sản phẩm đó là gì. Họ biết SKU, biết những gì nhà phát hành đã nhập vào trường siêu dữ liệu, biết "những người mua cái này cũng đã mua cái kia", nhưng họ không biết tại sao, cũng không biết những thứ đó thực sự là gì. Vì vậy mà có những câu chuyện hài hước như: Amazon, tôi đã mua một cái đệm toilet, nhưng tôi không phải là người sưu tầm toilet------bởi vì Amazon thực sự không biết đệm toilet là gì, cũng không biết người bình thường sẽ không mua hai cái. Thực tế là họ nên có thể biết điều đó bằng phân tích tần suất, nhưng họ đã không làm như vậy. Và với LLM, về nguyên tắc, bạn có thể biết những thứ đó là gì, tại sao mọi người mua, và mọi người còn mua những gì khác.

Tất nhiên, từ "biết" rất khó định nghĩa. Nhưng ít nhất hệ thống AI có thể cung cấp một cách thống kê hoàn toàn khác------đó là lý do tại sao doanh thu quảng cáo và tỷ lệ chuyển đổi của Google và Facebook đều tăng vọt mỗi quý------họ đã tích hợp AI vào hệ thống quảng cáo, công cụ gợi ý và thuật toán dự đoán. Bạn sẽ thấy nhiều thứ bạn thích hơn, quảng cáo bạn thấy cũng có khả năng cao hơn là những thứ bạn muốn mua. Vì vậy, doanh thu quảng cáo của họ đã tăng tốc đột ngột.

Nói chung, bạn nhìn cách mà những hệ thống này hoạt động hiện nay: họ nói "những người mua cái đó cũng đã mua cái này". Và bây giờ bạn nên có thể làm được điều đó: đây là một bức ảnh của một chiếc áo khoác: cái gì đây? Mua ở đâu? Mười năm trước điều này hoàn toàn không thể, năm năm trước có thể cũng không thể, bây giờ bạn nên có thể làm được. Sau đó bạn còn có thể nói: giúp tôi gợi ý 10 chiếc áo khoác tương tự, ở các mức giá khác nhau, cho tôi biết nơi nào có thể mua, và liệt kê ưu nhược điểm của mỗi chiếc, những điều này bạn cũng cơ bản có thể nhận được. Tiến xa hơn: xem Instagram của tôi, giúp tôi gợi ý một chiếc áo khoác mùa đông mà tôi nên mua, để thay đổi phong cách của tôi, nhưng không được thay đổi quá nhiều. Ba năm trước điều này hoàn toàn là khoa học viễn tưởng, bây giờ bạn sẽ cảm thấy thực sự có thể tạo ra một thứ gần như có thể sử dụng.

Và những thay đổi này------máy tính có thể biết gì, có thể tự động hóa gì, có thể đưa ra những gợi ý gì------trở lại với câu hỏi cơ bản nhất. Mỗi khi có công nghệ mới xuất hiện, bạn sẽ đầu tiên sử dụng công nghệ mới để làm những việc cũ: nhiều bảng tính hơn, nhiều PowerPoint hơn, nhiều email hơn, email tốt hơn. Nhưng điều quan trọng không phải là làm tốt hơn những việc cũ, mà là làm những việc mà công nghệ cũ hoàn toàn không thể làm. Đây là một quan sát rất cũ kỹ, nhưng chúng ta thường quên. Vậy có những việc gì mà bạn chỉ có thể làm bằng thứ mới này, chứ không chỉ là tự động hóa những thứ cũ?

Phiên bản cho doanh nghiệp có thể là: bạn đã ghi lại tất cả các cuộc gọi Zoom với khách hàng, bạn có tất cả các luồng email trong Salesforce, bạn còn có tất cả dữ liệu phân tích hành vi người dùng và các chỉ số. Vậy bạn nên điều chỉnh giá như thế nào để cải thiện tỷ lệ rời bỏ? Đây là điều mà LLM có thể làm được, khác với "phân tích cảm xúc cho trung tâm cuộc gọi, cho tôi biết khách hàng nào đang tức giận". Bạn đã xảy ra nhiều chuyển biến ở mức độ trừu tượng của khả năng phân tích. Tất nhiên, điều này sẽ tạo ra các công ty mới, phá hủy các công ty cũ, tạo ra các doanh nghiệp mới. Nhưng nói đi cũng phải nói lại, bây giờ là năm 1997, và tôi muốn dự đoán Uber và Airbnb. Nếu tôi thực sự có thể dự đoán điều đó, thì chúng ta đang sống trong một vũ trụ song song. Tỷ lệ thành công của đầu tư mạo hiểm sẽ không phải là một phần mười, mà là một phần mười.

Erik Torenberg: Vâng. Một trong những câu hỏi mà chúng tôi đang đặt ra bây giờ là: điều gì trước đây đắt đỏ vô lý, giờ đây trở nên khả thi? Chẳng hạn như xây dựng lại YouTube từ đầu? Hoặc viết lại kernel Linux?

Benedict Evans: Thú vị là, một quan sát khác là: các công ty mới luôn nói "chúng tôi sẽ làm lại những điều cũ bằng thứ mới". Tất nhiên, chúng tôi sẽ làm lại Office bằng mã nguồn mở, chúng tôi sẽ xây dựng lại nó trên Web." Kết quả là gì? Hãy xem Google Docs, thị phần khoảng 20%------bởi vì đó không phải là điều cốt lõi.

Điều thực sự thú vị là tạo ra những thứ hoàn toàn mới, là chuyển đổi mức độ trừu tượng, để phát hiện những vấn đề mà trước đây hoàn toàn không tồn tại. Ngồi trong một công ty đầu tư mạo hiểm cả ngày nghe các buổi thuyết trình dự án, bạn sẽ thấy có những thứ nghe có vẻ hữu ích, có những thứ bạn cảm thấy không thể thành công. Nhưng có những thứ giống như lấp đầy một khoảng trống trong vũ trụ------khi người khác giải thích cho bạn, bạn ngay lập tức cảm thấy: wow, tại sao trước đây không ai làm điều đó? Tại sao không ai nhận ra vấn đề này tồn tại? Đây là điều thú vị nhất khi nhìn vào các công ty khởi nghiệp. Và đây chính là điều mà mọi người sẽ làm với AI------mọi người sẽ đột nhiên phát hiện ra một phương pháp, nhận ra rằng một vấn đề nào đó đã tồn tại từ lâu, và không ai, kể cả những người có vấn đề đó, nhận ra rằng vấn đề đó tồn tại, và sau đó họ sẽ tạo ra một công cụ để giải quyết nó.

Điều này cũng trở lại với quan điểm trước đó của tôi: đó là lý do tại sao tôi không nghĩ rằng mô hình có thể bao quát mọi thứ. Hãy nhớ lại tất cả các buổi thuyết trình dự án mà bạn đã thấy ở a16z, có bao nhiêu trong số đó là những người trong ngành đã biết vấn đề đó tồn tại từ lâu? Câu trả lời thường là không. Thực tế là không ai trong ngành nghĩ rằng đó là một vấn đề, thường cần mất hai năm để giải thích, để khiến họ tin rằng vấn đề đó thực sự tồn tại, và sau đó thứ mới này mới có thể giúp họ giải quyết. Đó là vấn đề, bạn không thể mong đợi một quản lý bình thường trong bộ phận tài chính sử dụng công cụ này để giải quyết một vấn đề lớn toàn cầu trong ngành------bởi vì không ai biết rằng vấn đề ngành đó tồn tại, chưa nói đến việc nghĩ ra giải pháp công cụ đúng.

05 Cấu trúc SaaS trong thời đại AI có phân tán hơn hay tập trung hơn?

Erik Torenberg: Điều này có nghĩa là môi trường SaaS trong thời đại AI sẽ không tập trung hơn so với trước đây? Ít gói hơn, ít ông lớn như bộ công cụ doanh nghiệp của Microsoft hơn?

Benedict Evans: Quay lại với chủ đề SaaS. Hãy để chúng ta đặt một số khối xây dựng trước. Rõ ràng, việc xây dựng phần mềm sẽ trở nên rẻ hơn, nhanh hơn. Rõ ràng, sẽ có một loạt các điều mà phần mềm có thể làm mà trước đây hoàn toàn không thể làm. Do đó, cạnh tranh sẽ trở nên khốc liệt hơn. Tất nhiên, điều này cũng đi kèm với một cấu trúc lợi nhuận mới. Nhưng như chúng ta vừa nói, chúng ta không thực sự biết cấu trúc lợi nhuận đó sẽ như thế nào.

Liệu có đi đến định giá dựa trên kết quả không? Liên kết mỗi lần nhấn phím trong phần mềm doanh nghiệp với báo cáo lợi nhuận rất khó, đôi khi có thể làm được trong Salesforce, nhưng phần lớn phần mềm rất khó nói "công việc tôi đã làm hôm nay đã ảnh hưởng đến lợi nhuận trên mỗi cổ phiếu như thế nào, vì vậy chúng tôi nên trả bao nhiêu tiền cho điều đó". Tôi không nghĩ điều này có lý, ít nhất là về lâu dài thì không. Nhưng cấu trúc định giá sẽ phát triển như thế nào? Chắc chắn sẽ có nhiều cạnh tranh hơn, việc xây dựng phần mềm sẽ dễ dàng hơn, nhanh hơn.

Cách tôi suy nghĩ về vấn đề này có hai khung hữu ích. Khung đầu tiên là: hãy xem nhóm phần mềm doanh nghiệp hiện nay, có ba loại chính. Loại đầu tiên là hệ thống lớn theo chiều ngang------SAP, Workday, CRM, phần mềm quản lý vốn nhân lực, phần mềm quản lý tiền lương, v.v. Loại thứ hai là phần mềm theo chiều dọc------một công ty lớn điển hình của Mỹ có khoảng 300 đến 400 ứng dụng SaaS, bên cạnh đó còn hàng nghìn ứng dụng nội bộ được mua hoặc xây dựng chạy trên Teams. Khu vực trung gian là một không gian mơ hồ do Excel, email và hệ thống tệp chia sẻ tạo thành, mọi thứ sẽ di chuyển qua lại giữa ba thứ này. Về nguyên tắc, mỗi ứng dụng SaaS đều làm những việc mà bạn cũng có thể làm trong SAP hoặc Excel, chẳng hạn như bạn có thể quản lý tuyển dụng đại học trong Workday.

Nhưng đến một thời điểm nào đó, chẳng hạn như tôi đã nói chuyện với ai đó, nếu bạn là PwC, mỗi năm cần tuyển hàng nghìn sinh viên tốt nghiệp để đào tạo thành kế toán viên, bạn có thể có một bộ phần mềm chuyên dụng tự xây dựng, hoặc bạn đã thuê Accenture để xây dựng một bộ, và bạn có thể rất ghét nó. Nhưng nếu bạn là một công ty chỉ tuyển 5 sinh viên tốt nghiệp mỗi năm, bạn sẽ giải quyết vấn đề trong email và Google Sheets, vì sao bạn lại phải mua một bộ phần mềm? Khu vực trung gian có thể sử dụng Workday, Excel hoặc ứng dụng chuyên dụng để làm. Bây giờ bạn thêm ChatGPT vào: bạn có sử dụng LLM để làm điều này không? Có một công cụ LLM nào có thể giúp bạn hoàn thành những việc trước đây không thể làm trong Salesforce không? Hoặc trong phần mềm theo chiều dọc của bạn để hoàn thành những việc trước đây không thể làm? Bạn xây dựng một công cụ cho chính mình bằng LLM------giống như một bộ phận trong công ty hoạt động dựa trên một tệp Excel 10MB được xây dựng từ 15 năm trước, không ai biết nó hoạt động như thế nào, nhưng mọi người vẫn đang sử dụng. Vì vậy, LLM đã bước vào bức tranh rộng lớn, phân tán và phức tạp này, trở thành một lựa chọn khác để hoàn thành nhiệm vụ.

Tôi nghĩ một khung suy nghĩ khác là: LLM được đặt ở đỉnh hay đáy của ngăn xếp? Một mặt, đặt ở đáy là một chức năng bên trong Salesforce, bạn ở trong Salesforce, hệ thống xem xét lịch sử với khách hàng đó, tất cả các cuộc gọi bán hàng khác, mục tiêu kinh doanh, sau đó giúp bạn tạo một email hoặc gợi ý bạn nên nói gì khi gọi điện cho khách hàng. Đây là một chức năng có kiểm soát, có chuỗi công cụ, có rào cản, được điều khiển bởi trường hợp sử dụng cụ thể đó. Mặt khác, đó là ví dụ trước đó: xem xét Salesforce, Workday, tất cả email và dữ liệu Google Analytics, sau đó tổng hợp một phân tích mà trước đây không thể thực hiện. Vì vậy, tình huống khó khăn là: bạn đặt phần mềm có khả năng sai sót, có xác suất ở đâu? Bạn đặt phần mềm hệ thống chắc chắn ở đâu? Cơ sở dữ liệu ở đâu? LLM ở đâu? Là ở đỉnh hay đáy? Có thể cả hai, tùy thuộc vào bạn đang làm gì.

Cuối cùng, đây là điều phần mềm có nghĩa là gì------nhiều phần mềm hơn, nhiều phần mềm hơn nữa. Tất cả các công ty phần mềm tồn tại để giải quyết các vấn đề mà các công ty phần mềm khác tạo ra. Đó là câu chuyện cười cổ điển: tất cả phần mềm bảo mật tồn tại để giải quyết các vấn đề mà các phần mềm bảo mật khác tạo ra. Rõ ràng, thời đại SaaS đã khiến chúng ta trải qua một sự bùng nổ phần mềm với quy mô một hoặc thậm chí hai bậc. Lần này chúng ta nên mong đợi điều tương tự xảy ra.

Về phần ngày tận thế của SaaS, các nhà đầu tư nhìn vào tất cả những công ty này nói rằng, chúng tôi không biết công ty nào sẽ bị tất cả những điều này làm cho sụp đổ. Chắc chắn sẽ có một số công ty sẽ thất bại, chắc chắn sẽ có một tỷ lệ nhất định các công ty SaaS hiện tại bị làn sóng này tiêu diệt, nhưng bạn không biết đó là những công ty nào, vì vậy bạn không nên trực tiếp hạ thấp toàn bộ ngành xuống 50%. Nhưng bạn chắc chắn phải nói: trước khi tôi hiểu rõ mọi thứ này thực sự là gì, tôi tạm thời sẽ không đầu tư mạnh vào SaaS.

Erik Torenberg: Bạn đã đề cập trong cuộc trò chuyện với Ben Thompson rằng: phần mềm là khi có người ngồi xuống thiết kế một quy trình làm việc, sau đó nói rằng từ bây giờ đây là cách đúng để làm điều đó. Nhưng bạn cũng nói rằng quy trình phát sinh từ cách thức hoạt động của doanh nghiệp. Điều này có cần thời gian không? Hay chúng ta cần nhiều thí nghiệm và lặp lại hơn------từ những công ty khởi nghiệp AI theo chiều dọc------để tìm ra hình thức đúng cho phần mềm trong tương lai?

Benedict Evans: Theo một cách nào đó, có một sự chồng chéo thú vị giữa những gì các công ty tư vấn chiến lược và các công ty phần mềm đang làm: họ đều quan sát những gì đang xảy ra bên trong một công ty, nói rằng "làm như vậy quá tệ, hãy thay đổi sang một cách tốt hơn để đạt được mục tiêu của bạn". Các công ty phần mềm mã hóa cách này vào phần mềm, trong khi các công ty tư vấn chiến lược mã hóa nó vào quy trình làm việc, trách nhiệm công việc, quy trình, đào tạo và mục tiêu, và có thể đề xuất họ mua một bộ phần mềm để làm điều này------hoặc ngày càng nhiều hơn, trực tiếp giúp họ xây dựng bộ phần mềm đó.

Còn một điểm cần nói đến là: Trong một tổ chức, có bao nhiêu công việc là ẩn danh, không có tài liệu ghi chép, không có trong dữ liệu huấn luyện, không phải ai trong công ty cũng có thể ngồi xuống vẽ một sơ đồ quy trình để giải thích rõ ràng cho bạn. Điều này chiếm một phần lớn giá trị trong BCG và McKinsey. Họ có quyền vào một công ty, nói chuyện với tất cả mọi người, bao gồm cả những người ở các bộ phận khác nhau, không được phép trò chuyện với nhau (và sẽ không bị sa thải vì điều đó), để làm rõ "thực tế là việc này hoạt động như thế nào", chứ không phải "nó nên hoạt động như thế nào"; và tại sao mọi người không thực hiện chiến lược, vì thực tế là mục tiêu thưởng của họ phụ thuộc vào việc họ không thực hiện chiến lược đó. Sau đó, họ sẽ đưa ra câu trả lời như một đội ngũ bên ngoài, và bạn có thể đổ trách nhiệm lên họ.

Tất cả những điều này đều là vấn đề trong quản lý tổ chức và vận hành nhân sự - cách mọi người hoạt động, cách họ giải thích những gì họ làm - những điều này rất khó để viết ra, và cũng rất khó để đưa trực tiếp vào một kỹ năng mà nói "đưa cho bạn, có lẽ làm một PPT đi". Vì vậy, ở đây có một thách thức lớn hơn: Làm thế nào để khiến mọi người sử dụng những công nghệ này? Làm thế nào để khiến người dùng chấp nhận công cụ mới? Làm thế nào để giúp mọi người chấp nhận công cụ mới và tìm ra những điều mới mà họ có thể làm với chúng, điều này cũng xảy ra trong thời đại đám mây, Web, di động, Internet, PC và bảng tính.

Erik Torenberg: Bạn có nghĩ rằng sẽ có một sự tiến hóa chung giữa phần mềm gốc AI và giao diện mới không? Chẳng hạn như nền tảng AI dịch vụ khách hàng mới có thể không cần nhiều giao diện người dùng hướng đến con người, hoặc phần mềm hệ thống ghi chép hoàn toàn không có giao diện phía trước? Bởi vì người dùng chính của nó là AI Agent truy vấn trực tiếp?

Benedict Evans: Đây đều là những ý tưởng rất thú vị, tôi khó có thể có ý kiến mạnh mẽ, vì tôi không đi sâu vào chi tiết cách xây dựng cơ sở hạ tầng doanh nghiệp. Điều tôi tò mò là những vấn đề này mới đến mức nào. Tôi nhớ khoảng 10 đến 15 năm trước Chris Dixon đã nói: API là biên giới mới, phần mềm không còn cần đến công ty phần mềm nữa, bạn chỉ cần mở API của mình là được. Vì vậy, những thứ cũ sẽ luôn quay trở lại dưới hình thức mới: bây giờ bạn không cần API nữa, bạn chỉ cần một máy chủ MCP, Agent sẽ kết nối trực tiếp vào đó. Tôi không biết.

Tôi nghĩ thách thức lớn nhất của những điều này là: Tất cả các quyết định về bản chất đều là xử lý ngoại lệ. Vấn đề luôn là: Điều gì là thứ bạn không thể tự động hóa? Điều gì cần có người đưa ra quyết định, đưa ra phán đoán, có ý kiến riêng - bởi vì điều đó có thể chưa bao giờ được viết ra, chưa từng xảy ra, hoặc trông khác với trước đây.

Phương pháp phân biệt mà tôi sử dụng trong bài phát biểu là: sự khác biệt giữa nhiệm vụ và vị trí. Nhiệm vụ được sử dụng để hoàn thành một vị trí nào đó có thể thay đổi, nhưng vị trí bản thân có thể không thay đổi nhiều, hoặc những gì vị trí đó giao cho khách hàng không thay đổi nhiều. Hãy nghĩ về kế toán viên 50 năm trước và kế toán viên ngày nay - những gì họ làm cốt lõi gần như không có gì giống nhau. Nhưng từ góc độ của khách hàng, đó gần như là cùng một việc, chỉ là được hoàn thành theo cách hoàn toàn khác, thông qua một loạt nhiệm vụ hoàn toàn khác.

Tôi nghĩ một cách suy nghĩ sâu sắc hoặc trừu tượng hơn là: Ở những đâu bạn muốn ứng dụng đưa ra "câu trả lời mà mọi người đều làm như vậy"? Đó là câu trả lời mà ai cũng muốn, bất kỳ ai cũng có thể đưa ra, bất kỳ nhân viên cấp thấp nào cũng có thể làm, bất kỳ ai cũng có thể đưa cho tôi câu trả lời đó. Và ở những đâu bạn không muốn có loại câu trả lời này? Ở những đâu bạn muốn có câu trả lời cho một câu hỏi mới, một câu trả lời khác hoặc một ý tưởng khác? Bởi vì LLM sẽ rất giỏi trong bất kỳ điều gì bạn có thể mô tả cách mọi người làm, và những gì bạn muốn là cách mà người bình thường sẽ làm. Ở những nơi không giỏi, là nơi bạn không thể giải thích tại sao bạn làm như vậy, và những gì bạn làm lại khác với người khác.

06 Số phận thương mại hóa của mô hình và gương soi lịch sử

Erik Torenberg: Nhiều người, bao gồm cả CEO của Google, đã nói rằng rủi ro đầu tư không đủ lớn hơn nhiều so với đầu tư quá mức. Có một mức CapEx nào đó khiến câu nói này không còn đúng nữa không? Chúng ta có đang tiến gần đến điểm đó không?

Benedict Evans: Trước tiên có một vấn đề về lực hấp dẫn tài chính: CapEx của Microsoft, Meta và Google năm nay đều đạt khoảng 50% doanh thu. Ngành viễn thông được coi là ngành cần vốn lớn, nhưng CapEx của họ chỉ khoảng 15% đến 20% doanh thu. Dự báo của bốn công ty lớn năm nay là 700 tỷ đô la. Ngành viễn thông tổng cộng là 300 tỷ, di động là 200 tỷ. Ngành dầu khí và khí đốt, tùy thuộc vào cách tính, khoảng từ 700 tỷ đến 1 nghìn tỷ đô la. Vì vậy, 700 tỷ đô la mỗi năm không phải là một con số khổng lồ không thể đạt được - đó là chi phí bình thường cho cơ sở hạ tầng toàn cầu lớn, chỉ là tiền thực sự rất nhiều.

Rõ ràng, những công ty này không thể chi 1.5 nghìn tỷ đô la vào năm tới, nếu thực sự chi, họ sẽ phải vay tiền, và không thể duy trì mức chi tiêu này lâu dài. Vì vậy, đến một thời điểm nào đó, tăng trưởng chắc chắn sẽ chậm lại, vì không còn nhiều tiền nữa. Tất nhiên bạn có thể nói về ROI, nói về khả năng sinh lời của đầu tư. Thị trường vốn cũng sẵn sàng cung cấp tài chính trong một phạm vi nhất định. Nhưng nói một con số ngẫu nhiên - chúng ta không thể chi 10 nghìn tỷ đô la mỗi năm cho cơ sở hạ tầng AI - vì toàn thế giới không có 10 nghìn tỷ đô la để chi. Vì vậy, có một giới hạn vật lý nào đó.

Hiện tại tôi vẫn chưa dám nói điều gì cụ thể hơn. Tôi gần như phải quay lại điều đã nói ban đầu: Chúng ta hiện có một loạt vấn đề về tỷ lệ - nhu cầu vượt xa cung. Nhưng mặt khác, hiệu suất cũng đang tăng lên đáng kể. Chúng ta không biết mô hình tiếp theo sẽ như thế nào. Chúng ta không biết khi nào điện toán biên và mô hình mã nguồn mở sẽ tham gia vào cuộc chơi. Và bạn luôn theo đuổi mô hình mới nhất. Đây là dòng chảy xuyên suốt, một mô hình chỉ giữ được tính liên quan trong 3 đến 6 tháng, 6 đến 9 tháng, trong khi nó đã tiêu tốn hàng tỷ đô la và bao nhiêu cơ sở hạ tầng để tạo ra.

Tôi nghĩ tình hình này vẫn chưa thực sự ổn định. Rõ ràng có rất nhiều nhà phân tích bán dẫn rất thông minh đang dành nhiều thời gian để cố gắng định giá những con số này - điều này giống như việc định giá băng thông Internet vào cuối những năm 90 - bạn thậm chí không biết các hàng trong bảng tính là gì, chưa nói đến giá trị là bao nhiêu. Bạn chỉ có thể nói rằng không thể là vô hạn, có giới hạn vật lý.

Một cách trả lời khác: Nếu bạn là Google, Meta, Microsoft, Amazon hoặc Apple, điều này ở một mức độ nào đó là vấn đề sống còn. Bạn có một vấn đề FOMO. Một mặt, lợi tức đầu tư hiện tại của bạn rất tích cực. Mặt khác, bạn không thể để người khác chạy mất trong khi bạn vắng mặt, nếu không công ty sẽ chết. Bạn không muốn giống như Microsoft những năm 2000, IBM những năm 90, hoặc Intel những năm 2010, luôn bị Apple đánh bại. Nếu đây là tương lai của hệ sinh thái tính toán, bạn phải tham gia. Nhưng đồng thời, CFO ngồi đó nói: Được, nhưng chúng ta sẽ tham gia đến mức độ nào? Rõ ràng đến một thời điểm nào đó, tăng trưởng CapEx phải chậm lại, vì bạn không thể lấy được nhiều tiền như vậy.

Erik Torenberg: Liệu có thể có một thời điểm thanh lý về việc lãng phí Token không? Có khả năng nào công ty đã sử dụng AI quá mức, và khi họ thực hiện nghiên cứu ROI chính thức thì sẽ cắt giảm không?

Benedict Evans: Rõ ràng, có những người đang sử dụng mô hình đắt nhất để trò chuyện trực tuyến - giống như vào năm 2010 trên di động, bạn nhận được một hóa đơn 10.000 đô la, rồi nói "chờ đã, tôi tưởng đây là gói không giới hạn". Vì vậy, chắc chắn sẽ có một số câu chuyện vừa ngốc nghếch vừa đau đớn. Nhưng tôi nghĩ câu hỏi thú vị hơn là: Như tôi đã nói nhiều lần, chúng ta đang ở trong một thời điểm Ponzi nghiêm trọng, giá cả phải được điều chỉnh lại với chi phí, và mức sử dụng phải được điều chỉnh lại với giá cả và ROI.

Khó khăn ở đây là, trong giai đoạn đầu này, rất khó để biết ROI là gì. Điều này giống như cuối những năm 90 về Internet, bạn nói "hãy trở nên hiệu quả hơn". Nếu bạn xem khảo sát của Deloitte và Cục Dự trữ Liên bang mà tôi đã trích dẫn trong bài phát biểu của mình - bạn hỏi các CFO liệu họ có thấy lợi ích không, hiện tại phần lớn lợi ích là những thứ rất khó định lượng: phân tích chính xác hơn, hỗ trợ khách hàng tốt hơn, năng suất cao hơn, bạn có thể làm nhiều slide hơn nhanh hơn, phân tích nhanh hơn. Thật khó để định giá tài chính cho nó. Nó có giá trị tài chính, nhưng không giống như bạn nói "chúng tôi đã tạo ra sản phẩm mới bằng AI, mang lại bao nhiêu doanh thu, hoặc tiết kiệm được bao nhiêu tiền". Để xây dựng một dòng doanh thu mới, nhanh hơn nhiều so với việc phát cho mọi người sử dụng AI để làm Excel.

Một câu trả lời khác chắc chắn là dư thừa của người tiêu dùng - giống như Excel ngày xưa. Nếu làm một mô hình định giá DCF mất một tuần, bạn có thể chỉ làm một hoặc hai cái. Nếu làm một cái chỉ mất 10 giây, bạn có thể làm 50 cái - nhưng bạn không thể tính phí thêm cho điều đó. Vì vậy, một phần kết quả là, những thứ này trở thành hàng hóa cần thiết cho cạnh tranh - mọi người đều phải mua, phải sử dụng. Nhưng những gì bạn tiết kiệm được từ chi phí hoặc nâng cao năng suất sẽ bị cạnh tranh ăn mất. Bạn không thể tính phí thêm.

Nếu bạn là McKinsey, Bain hoặc BCG, một phân tích trước đây cần một tuần, bây giờ chỉ cần một ngày, bạn có thể làm gấp 5 lần khối lượng phân tích, nhưng tính phí cho khách hàng cùng một số tiền. Cấu trúc chi phí của bạn cũng không thay đổi, đó là điều đã từng xảy ra trong lĩnh vực ngân hàng đầu tư và phân tích tài chính: bạn đã thực hiện nhiều phân tích hơn với ít người hơn, tính phí cho khách hàng cùng một mức phí.

Erik Torenberg: Một trong những điểm chính trong bài luận của bạn là mô hình cuối cùng sẽ trở thành hàng hóa. Tuy nhiên, hiện tại lĩnh vực có tốc độ huy động vốn nhanh nhất và số tiền lớn nhất chính là những công ty mô hình cơ bản này. Về điều này, bạn có lời khuyên gì cho họ, dù là tổng thể hay nhắm vào một công ty cụ thể nào đó?

Benedict Evans: Tôi không chắc chắn rằng chúng nhất định sẽ trở thành hàng hóa. Quan điểm của tôi giống như: Có một chuỗi lý luận ở đây, nhìn một cách chắc chắn, những thứ này có vẻ rất có khả năng trở thành hàng hóa - vậy hãy giải thích cho tôi tại sao chúng sẽ không. Tôi chỉ cam kết đến mức độ này. Còn về việc huy động nhiều tiền như vậy, tôi quay lại quan điểm trước đó về ngành di động, điều này mặc dù không mang tính dự đoán, nhưng là một quan sát đáng chú ý: Ngành di động rất lớn, tiêu tốn nhiều tiền, nhưng lợi nhuận không cao, tất cả những thứ hấp dẫn đều do người khác làm.

Sau đó, bạn có thể xem tỷ suất lợi nhuận vốn, câu trả lời phụ thuộc vào việc bạn ở Mỹ, châu Âu, Ấn Độ hay Trung Quốc. Nhưng đồng thời, điều này đáng để làm, và thực sự mang lại lợi nhuận cho một số người, nhưng cuối cùng các nhà điều hành di động không kiểm soát toàn bộ, người khác đã thu được giá trị lớn hơn từ đó. Lợi nhuận ròng của Google năm ngoái là bao nhiêu? Khoảng 50 tỷ đô la? Lợi nhuận ròng của toàn ngành viễn thông là bao nhiêu? Tôi nên đăng ký Bloomberg Terminal để trả lời câu hỏi này trực tiếp, nhưng tôi có thể tự tin nói rằng tổng lợi nhuận của Google, Meta, Amazon, Microsoft, Apple vượt quá toàn bộ lợi nhuận của ngành viễn thông.

Vì vậy, đây là một câu đố: Bạn đang thúc đẩy ranh giới phía trước, bạn rơi vào một cái bẫy, bạn phải liên tục cạnh tranh, nếu không người khác sẽ làm ra sản phẩm, và bạn sẽ tụt lại phía sau. Còn một điều mà chúng ta hoàn toàn chưa đề cập là: Chúng ta có đang xây dựng AGI không? Chúng ta có đang cố tạo ra một "hộp thần" không? Một số người đã tin vào điều đó, mặc dù rất khó để phân tích, nhưng có thể là như vậy. Vì vậy, dù thế nào đi nữa, bạn sẽ tiếp tục xây dựng.

Nhưng vấn đề thực tế là: bạn làm thế nào để tạo ra những thứ mà mọi người muốn sử dụng, không phải là phần mềm? Phần mềm là một ngành kinh doanh tốt, nhưng đó có phải là ngành kinh doanh duy nhất không? Nếu chi hàng trăm tỷ đô la để làm cho ngành phần mềm hiệu quả hơn, thì tốt, điều đó đáng giá một nghìn tỷ. Rồi sao nữa? Bạn làm thế nào để mở rộng nó đến các phần khác của nền kinh tế? Mở rộng đến tất cả những người khác? Vì vậy, bạn sẽ thấy những cuộc thảo luận này ------ hợp tác với vốn tư nhân, hợp tác với các công ty tư vấn ------ như chúng ta vừa thảo luận, nếu bạn đang điều hành một công ty thực, thì để hiểu rõ phải làm gì với những thứ này thực sự rất khó. Vì vậy, bạn sẽ tìm đến Bain, BCG, McKinsey, Infosys, Cognizant, IBM, Accenture hoặc các cổ đông vốn tư nhân. Vì vậy, một mặt, bạn đang tạo ra những mô hình ngày càng lớn hơn, bạn cảm thấy bạn phải tiếp tục làm điều đó. Nhưng mặt khác, mọi người thực sự đang sử dụng nó để làm gì? Tại sao hầu hết mọi người mở ChatGPT, hôm nay vẫn không nghĩ ra điều gì hay ho để làm?

Erik Torenberg: Câu hỏi cuối cùng: trong bài phát biểu của bạn có điều gì bạn đặc biệt muốn khán giả nhớ không?

Benedict Evans: Tôi đã sử dụng một quảng cáo của IBM năm ngoái, và năm nay cũng vậy, đó là một quảng cáo từ đầu những năm 50, hình ảnh là một nhóm lớn kỹ sư đang cầm thước tính, nội dung quảng cáo viết "Một máy tính điện tử của IBM tương đương với 150 kỹ sư chuyên nghiệp". Bạn đã thấy bao nhiêu slide như vậy ở a16z? Chúng ta nhớ rằng mỗi khi những cuộc cách mạng công nghệ cơ bản xảy ra ------ mỗi 10 năm, 15 năm hoặc 20 năm một lần ------ chúng đều mang lại những thay đổi đáng kinh ngạc, hoàn toàn thay đổi mọi thứ, và hoàn toàn khác biệt so với bất kỳ điều gì đã xảy ra trước đó. Vì vậy, AI là điều đáng kinh ngạc, mang tính cách mạng, hoàn toàn khác biệt so với bất kỳ điều gì đã xảy ra trước đó.

Nhưng di động cũng là một cuộc cách mạng lớn, internet cũng vậy, PC cũng vậy, máy tính bản thân nó cũng vậy ------ tất cả những điều này vào thời điểm đó cũng đều là những điều rất lớn, và vào thời điểm đó cũng rất khó để dự đoán điều gì sẽ xảy ra tiếp theo. Vì vậy, chúng ta nên giả định như một tình huống cơ bản: tốt, chúng ta lại phải trải qua một lần nữa. Điều này sẽ tạo ra một đống thứ phá hủy cuộc sống của mọi người, sẽ khiến một nhóm người thất nghiệp. Sẽ có một số điều mà chúng ta không vui lắm, cũng sẽ có một số điều mà tất cả chúng ta đều cảm thấy tuyệt vời. 20 năm sau, chúng ta sẽ quên rằng đã từng có một thế giới mà máy tính không thể làm những điều đó.

Chúng ta hiện đang ngồi trong cuộc gọi này được một giờ, máy tính không bị sập, chúng ta vẫn đang truyền video HD cho nhau. Tất nhiên nó hoạt động bình thường, thực tế tôi vẫn đang sử dụng iPhone để làm điều đó. iPhone của tôi đang truyền video qua WiFi đến Mac của tôi, giống như phép thuật, và chúng ta không còn cảm thấy điều gì đó đặc biệt nữa. Tôi nghĩ đây là mô tả của tôi về những gì tôi cho là điểm kết thúc của tất cả: nó sẽ trở thành phép thuật, 20 năm sau, chúng ta sẽ nói: tất nhiên, máy tính luôn có thể làm như vậy.

Erik Torenberg: Đây là một kết thúc rất tốt. Bài phát biểu này có tên là "AI Ăn Thế Giới", trên trang web của Benedict Evans, nội dung rất tuyệt vời, còn nhiều điều chúng ta chưa kịp thảo luận. Benedict, cuộc trò chuyện này rất tuyệt, cảm ơn bạn đã đến tham gia.

Benedict Evans: Cảm ơn, thật vui khi được trò chuyện.