Trong cuộc đua thống trị trí tuệ nhân tạo đầy rủi ro và tốn kém đến mức thiên văn, lẽ thường tình thường cho rằng dẫn đầu là con đường duy nhất để chiến thắng. Tuy nhiên, Microsoft, một gã khổng lồ đã ăn sâu vào cuộc cách mạng AI tạo sinh, đang vạch ra một hướng đi hoàn toàn khác. Dưới sự dẫn dắt của CEO Microsoft AI Mustafa Suleyman, gã khổng lồ Redmond đang chấp nhận vai trò của người đi sau khôn ngoan, để những người khác mở đường – và gánh chịu chi phí khổng lồ – trong khi định vị chiến lược để tận dụng những đột phá của họ. Đây không phải là việc tụt hậu; đó là một chiến lược được tính toán về hiệu quả, tối ưu hóa và cuối cùng là tích hợp thị trường.
Kinh tế học của việc theo sau người dẫn đầu
Mustafa Suleyman, một cái tên đồng nghĩa với sự đổi mới AI kể từ những ngày ông đồng sáng lập DeepMind (sau này được Google mua lại), đã không ngần ngại trình bày triết lý của Microsoft. Trong các bài phát biểu công khai gần đây, ông đã làm rõ logic: cố tình đi sau rìa cắt tuyệt đối của việc phát triển mô hình AI khoảng ba đến sáu tháng về cơ bản là hiệu quả hơn về chi phí. Mức độ thâm dụng vốn khổng lồ liên quan đến việc đào tạo các mô hình thực sự ‘tiên phong’ – các thuật toán đẩy xa giới hạn khả năng của AI – là rất lớn, lên tới hàng tỷ đô la mà không có gì đảm bảo về thành công hoặc khả năng ứng dụng ngay lập tức trên thị trường.
‘Chiến lược của chúng tôi là đóng vai trò người theo sát thứ hai, do mức độ thâm dụng vốn của các mô hình này’, Suleyman thẳng thắn tuyên bố. Cách tiếp cận này mang lại lợi thế tài chính quan trọng. Việc xây dựng các mô hình nền tảng này đòi hỏi các bộ dữ liệu khổng lồ, đội ngũ kỹ sư chuyên môn cao và quan trọng nhất là quyền truy cập vào nguồn dự trữ sức mạnh tính toán khổng lồ, chủ yếu được cung cấp bởi các cụm GPU đắt đỏ và ngốn năng lượng. Bằng cách để những người tiên phong như OpenAI – một công ty mà Microsoft đã đầu tư hàng tỷ đô la và cung cấp cơ sở hạ tầng đám mây đáng kể – giải quyết các giai đoạn phát triển ban đầu, rủi ro nhất, Microsoft thực sự đã thuê ngoài một phần đáng kể gánh nặng R&D và canh bạc tài chính.
Tuy nhiên, khoảng đệm thời gian này không chỉ đơn thuần là tiết kiệm tiền. Suleyman nhấn mạnh rằng những tháng bổ sung này cung cấp cho Microsoft thời gian vô giá để tinh chỉnh và tối ưu hóa các công nghệ mạnh mẽ này cho các ứng dụng khách hàng cụ thể, hữu hình. Các mô hình tiên phong thường xuất hiện dưới dạng các công cụ mạnh mẽ nhưng hơi tổng quát. Chiến lược của Microsoft cho phép họ quan sát những gì hoạt động, hiểu các khả năng mới nổi và sau đó điều chỉnh việc triển khai trực tiếp theo nhu cầu của cơ sở khách hàng doanh nghiệp và người tiêu dùng rộng lớn của mình. Trọng tâm này chuyển từ năng lực công nghệ thuần túy sang tiện ích thực tế – tích hợp AI một cách liền mạch vào các sản phẩm như Windows, Office (Microsoft 365), dịch vụ đám mây Azure và bộ trợ lý Copilot đang phát triển của mình. Mục tiêu không chỉ là có mô hình mới nhất, mà là phiên bản hữu ích nhất cho các tác vụ trong thế giới thực. Việc tối ưu hóa lấy khách hàng làm trung tâm này tự nó trở thành một yếu tố khác biệt cạnh tranh, có khả năng có giá trị hơn trong dài hạn so với việc là người đầu tiên tuyệt đối vượt qua vạch đích công nghệ.
Sự cộng sinh với OpenAI: Một sự phụ thuộc chiến lược
Vị thế AI hiện tại của Microsoft gắn liền chặt chẽ với mối quan hệ sâu sắc và đa diện của họ với OpenAI. Đây không chỉ đơn thuần là một khoản đầu tư thụ động; đó là nền tảng của chiến lược sản phẩm AI của Redmond. Microsoft cung cấp cho OpenAI một lượng tài nguyên điện toán đám mây Azure khổng lồ, nguồn nhiên liệu thiết yếu để đào tạo và chạy các mô hình như dòng GPT. Đổi lại, Microsoft có được quyền truy cập ưu tiên và quyền cấp phép để tích hợp các mô hình tiên tiến này vào hệ sinh thái của riêng mình. Sự sắp xếp cộng sinh này cho phép Microsoft cung cấp các tính năng AI tiên tiến trên toàn bộ bối cảnh sản phẩm của mình mà không phải chịu toàn bộ chi phí và rủi ro ban đầu của việc phát triển các mô hình tương đương hoàn toàn nội bộ từ đầu.
Từ góc độ của Microsoft, tại sao phải lặp lại nỗ lực Herculean và chi phí mà đội ngũ của Sam Altman tại OpenAI đang thực hiện, đặc biệt là khi quan hệ đối tác cung cấp quyền truy cập trực tiếp vào thành quả của công việc đó? Đó là một cách tiếp cận thực dụng tận dụng khả năng nghiên cứu tập trung của OpenAI đồng thời cho phép Microsoft tập trung vào việc tích hợp rộng hơn, xây dựng nền tảng và triển khai thị trường. Sự thành công của các sáng kiến Copilot của Microsoft, đưa trợ lý AI vào mọi thứ từ viết mã đến bảng tính, phần lớn được xây dựng trên nền tảng này.
Tuy nhiên, sự phụ thuộc này, dù mang tính chiến lược, tự nhiên đặt ra câu hỏi về sự độc lập lâu dài. Mặc dù quan hệ đối tác hiện đang rất có lợi, nhưng nó đại diện cho một sự phụ thuộc đáng kể vào một thực thể bên ngoài, mặc dù là một thực thể liên kết chặt chẽ thông qua đầu tư và cung cấp cơ sở hạ tầng. Động lực của mối quan hệ này rất phức tạp và không ngừng phát triển, định hình bối cảnh cạnh tranh của toàn bộ ngành công nghiệp AI.
Phòng ngừa rủi ro: Sự trỗi dậy của các mô hình Phi
Trong khi quan hệ đối tác với OpenAI tạo thành nền tảng cho các dịch vụ AI cao cấp của mình, Microsoft không đặt tất cả trứng vào một giỏ. Công ty đồng thời theo đuổi một hướng song song, phát triển dòng mô hình ngôn ngữ nhỏ hơn, chuyên biệt hơn của riêng mình dưới tên mã Phi. Sángkiến này đại diện cho một khía cạnh khác, nhưng bổ sung, trong chiến lược AI tổng thể của họ.
Không giống như các mô hình lớn, đa năng như GPT-4, các mô hình dòng Phi được thiết kế có chủ ý để nhỏ gọn và hiệu quả. Thường có số lượng tham số từ một chữ số đến hai chữ số thấp hàng tỷ, chúng nhỏ hơn nhiều bậc so với các đối tác tiên phong. Vóc dáng nhỏ hơn này mang lại những lợi thế khác biệt:
- Hiệu quả: Chúng yêu cầu ít sức mạnh tính toán hơn đáng kể để chạy, khiến chúng rẻ hơn đáng kể khi vận hành ở quy mô lớn.
- Điện toán biên (Edge Computing): Yêu cầu tài nguyên khiêm tốn của chúng làm cho chúng phù hợp để triển khai trên các thiết bị cục bộ, chẳng hạn như máy tính xách tay hoặc thậm chí điện thoại thông minh, thay vì chỉ dựa vào các cụm GPU mạnh mẽ dựa trên đám mây. Điều này mở ra khả năng cho các khả năng AI ngoại tuyến, tăng cường quyền riêng tư và các ứng dụng có độ trễ thấp hơn.
- Giấy phép cho phép (Permissive Licensing): Microsoft đã đặc biệt phát hành nhiều mô hình Phi theo giấy phép cho phép (như giấy phép MIT), cung cấp chúng miễn phí cho cộng đồng nghiên cứu và phát triển rộng lớn hơn thông qua các nền tảng như Hugging Face. Điều này thúc đẩy sự đổi mới và cho phép các nhà phát triển bên ngoài xây dựng dựa trên công việc của Microsoft.
Mặc dù các mô hình Phi này thường không tự hào về cùng một phạm vi tính năng hoặc điểm chuẩn hiệu suất thô như các dịch vụ hàng đầu của OpenAI (cho đến gần đây, thiếu các tính năng nâng cao như đa phương thức hoặc kiến trúc Mixture of Experts phức tạp có trong các mô hình lớn hơn), chúng đã được chứng minh là có năng lực đáng kể so với kích thước của chúng. Chúng thường hoạt động tốt hơn đáng kể so với hạng cân của mình, mang lại hiệu suất ấn tượng cho các tác vụ cụ thể với số lượng tham số hạn chế. Ví dụ, một mô hình như Phi-4, mặc dù tương đối nhỏ với tiềm năng 14 tỷ tham số, có thể hoạt động hiệu quả trên một GPU cao cấp duy nhất, một kỳ tích không thể đối với các mô hình lớn hơn nhiều lần thường đòi hỏi toàn bộ máy chủ chứa đầy GPU.
Việc phát triển dòng Phi phục vụ nhiều mục đích chiến lược. Nó cung cấp cho Microsoft chuyên môn nội bộ về xây dựng mô hình, giảm sự phụ thuộc vào các đối tác bên ngoài cho một số loại ứng dụng nhất định, đáp ứng nhu cầu ngày càng tăng về AI biên hiệu quả và nuôi dưỡng thiện chí trong cộng đồng nguồn mở. Đó là một biện pháp phòng ngừa, một con đường thay thế và có khả năng là một bước đệm hướng tới quyền tự chủ AI lớn hơn.
Tầm nhìn dài hạn: Hướng tới tự chủ
Bất chấp hiệu quả hiện tại của chiến lược ‘người theo sau nhanh’ và sự tích hợp sâu sắc với OpenAI, Mustafa Suleyman rất rõ ràng về tham vọng cuối cùng của Microsoft: tự chủ AI dài hạn. Ông đã trình bày tầm nhìn này một cách rõ ràng, nói rằng, ‘Điều hoàn toàn quan trọng đối với sứ mệnh là về lâu dài chúng tôi có thể tự chủ về AI tại Microsoft.’ Điều này báo hiệu rằng sự phụ thuộc hiện tại vào các đối tác, dù có lợi bây giờ, được xem như một giai đoạn chuyển tiếp chứ không phải là một trạng thái vĩnh viễn.
Để đạt được mục tiêu này sẽ đòi hỏi đầu tư nội bộ bền vững, đáng kể vào nghiên cứu, thu hút nhân tài và phát triển cơ sở hạ tầng, xây dựng trên nền tảng được đặt bởi các dự án như dòng mô hình Phi. Nó ngụ ý việc phát triển các khả năng trên toàn bộ ngăn xếp AI, từ tạo mô hình nền tảng đến triển khai ứng dụng, có khả năng cạnh tranh với chính các đối tác mà họ hiện đang dựa vào.
Tuy nhiên, quá trình chuyển đổi này không phải là sắp xảy ra. Chính Suleyman đã tiết chế kỳ vọng, lưu ý đến tuổi thọ của quan hệ đối tác quan trọng hiện có: ‘Ít nhất cho đến năm 2030, chúng tôi hợp tác sâu sắc với OpenAI, người đã [có] mối quan hệ thành công to lớn đối với chúng tôi.’ Mốc thời gian này cho thấy một sự tiến hóa dần dần, kéo dài nhiều năm thay vì một sự thay đổi đột ngột. Năm đến sáu năm tới có thể sẽ chứng kiến Microsoft tiếp tục tận dụng những tiến bộ của OpenAI đồng thời xây dựng sức mạnh nội bộ của riêng mình.
Các yếu tố bối cảnh cũng đóng một vai trò. Mối lo ngại về tính độc quyền của mối quan hệ đám mây Microsoft-OpenAI đã nổi lên khi OpenAI công bố hợp tác liên quan đến Oracle và Softbank, báo hiệu rằng Microsoft sẽ không còn là nhà cung cấp đám mây duy nhất cho phòng thí nghiệm nghiên cứu AI. Mặc dù quan hệ đối tác cốt lõi vẫn mạnh mẽ, những phát triển này nhấn mạnh bản chất năng động của các liên minh trong bối cảnh AI đang thay đổi nhanh chóng và có khả năng củng cố mệnh lệnh chiến lược của Microsoft để nuôi dưỡng các khả năng độc lập. Con đường dẫn đến tự chủ là một mục tiêu chiến lược dài hạn, cân bằng giữa lợi thế hiện tại với sự độc lập trong tương lai.
Xu hướng rộng hơn: Nhóm theo sau
Cách tiếp cận có tính toán của Microsoft về việc theo sau chiến lược không phải là một hiện tượng cá biệt. Chi phí khổng lồ và sự không chắc chắn vốn có trong việc thúc đẩy biên giới tuyệt đối của AI đã khiến các công ty công nghệ lớn khác áp dụng các chiến lược tương tự, mặc dù đa dạng. Điều này cho thấy rằng việc trở thành ‘người theo sau nhanh’ đang trở thành một kịch bản được công nhận và khả thi trong lĩnh vực AI tạo sinh.
Amazon Web Services (AWS) là một ví dụ song song thuyết phục. Giống như mối quan hệ của Microsoft với OpenAI, AWS đã đầu tư mạnh mẽ (hàng tỷ đô la) vào Anthropic, một đối thủ nổi bật của OpenAI được biết đến với dòng mô hình Claude. AWS cung cấp các tài nguyên điện toán đám mây đáng kể, bao gồm cơ sở hạ tầng chuyên dụng như cụm Project Rainier của mình, định vị Anthropic là đối tác chính trên nền tảng của mình. Đồng thời, AWS đang phát triển dòng mô hình ngôn ngữ của riêng mình, được cho là có tên mã Nova. Tuy nhiên, không giống như cách tiếp cận tương đối mở của Microsoft với Phi, AWS dường như đang giữ Nova độc quyền, tích hợp nó chủ yếu vào hệ sinh thái và dịch vụ của riêng mình. Điều này phản ánh chiến lược theo sau: tận dụng một đối tác hàng đầu trong khi xây dựng năng lực nội bộ, mặc dù với cách tiếp cận khép kín hơn so với những đóng góp nguồn mở của Microsoft.
Xu hướng này vượt ra ngoài Thung lũng Silicon. Các gã khổng lồ công nghệ Trung Quốc cũng đã thể hiện sự thành thạo trong chiến lược này. Alibaba, thông qua đội ngũ Qwen của mình, đã thu hút được sự chú ý đáng kể. Dòng mô hình Qwen, giống như Phi của Microsoft, được chú ý vì đạt được hiệu suất thường vượt quá mong đợi đối với các mô hình cùng kích thước. Họ không nhất thiết phải tạo ra đột phá hoàn toàn mới về mặt công nghệ nhưng đã xuất sắc trong việc lặp lại và tối ưu hóa nhanh chóng các khái niệm do những người khác tiên phong. Ví dụ, đội ngũ Qwen đã phát hành các mô hình tích hợp khả năng suy luận nâng cao tương đối nhanh chóng sau khi OpenAI phổ biến khái niệm này, tập trung vào hiệu quả và hiệu suất trong mô hình đã được thiết lập đó. Alibaba, tương tự như Microsoft, cũng đã áp dụng một cách tiếp cận tương đối mở, phát hành nhiều mô hình Qwen cho công chúng.
Tương tự, DeepSeek, một thực thể AI khác của Trung Quốc, đã chứng minh sức mạnh của việc lặp lại tập trung. Một khi khái niệm về các mô hình ngôn ngữ tập trung vào suy luận được xác nhận bởi những người tiên phong, DeepSeek đã tập trung vào việc tối ưu hóa các kiến trúc này, giảm đáng kể yêu cầu tính toán cho cả việc đào tạo và chạy các mô hình như vậy. Điều này cho phép họ cung cấp các mô hình có năng lực cao nhưng tương đối ít tốn tài nguyên hơn, tạo ra một thị trường ngách dựa trên hiệu quả và khả năng tiếp cận.
Những ví dụ này minh họa rằng chiến lược ‘người theo sau nhanh’ đang được áp dụng trên toàn cầu. Các công ty quan sát những đột phá, học hỏi từ những thành công và sai lầm của những người tiên phong, và sau đó tập trung nguồn lực của họ vào việc tối ưu hóa, tinh chỉnh và tích hợp những tiến bộ này theo những cách phù hợp nhất với vị thế thị trường cụ thể, cơ sở khách hàng và mô hình kinh doanh của họ. Nó thừa nhận rằng trong một lĩnh vực đòi hỏi nguồn lực khổng lồ như vậy, việc bắt chước và thích ứng chiến lược có thể mạnh mẽ không kém, và kinh tế hơn nhiều so với việc phát minh liêntục.
Vượt ra ngoài mô hình: Xây dựng hệ sinh thái AI
Một lợi thế quan trọng, thường bị đánh giá thấp, của chiến lược của Microsoft là giải phóng tài nguyên và sự tập trung. Bằng cách không đổ mọi đô la và kỹ sư có sẵn vào cuộc đua giành mô hình nền tảng đột phá tiếp theo, Microsoft có thể dành năng lượng đáng kể cho thách thức có thể là quan trọng nhất đối với việc áp dụng AI rộng rãi: xây dựng hệ sinh thái xung quanh và cho phép ứng dụng thực tế.
Mô hình AI mạnh nhất thế giới cũng có giá trị hạn chế nếu nó không thể được tích hợp hiệu quả vào các quy trình làm việc, quy trình kinh doanh và sản phẩm phần mềm hiện có. Nhận thức được điều này, Microsoft đã siêng năng làm việc trên các công cụ, khung và cơ sở hạ tầng cần thiết để thu hẹp khoảng cách giữa khả năng AI thô và giá trị kinh doanh hữu hình. Sự tập trung vào ‘dặm cuối’ của việc triển khai AI này được cho là nơi thế mạnh của Microsoft về phần mềm doanh nghiệp và nền tảng đám mây mang lại lợi thế cạnh tranh đáng kể.
Một số sáng kiến chính làm nổi bật sự tập trung này:
- Autogen: Khung này được thiết kế để đơn giản hóa việc tạo và điều phối các ứng dụng liên quan đến nhiều tác nhân AI làm việc cùng nhau. Các tác vụ phức tạp thường yêu cầu chia nhỏ chúng thành các tác vụ phụ do các tác nhân AI chuyên biệt xử lý; Autogen cung cấp cấu trúc để quản lý các tương tác này một cách hiệu quả.
- KBLaM (Knowledge Base Language Model): Nghiên cứu được công bố tập trung vào việc giảm chi phí tính toán và độ phức tạp liên quan đến việc tăng cường kiến thức của mô hình ngôn ngữ bằng cách sử dụng các nguồn dữ liệu bên ngoài có cấu trúc (như cơ sở dữ liệu). Điều này rất quan trọng đối với các ứng dụng doanh nghiệp nơi AI cần suy luận trên dữ liệu công ty cụ thể một cách chính xác và hiệu quả.
- VidTok: Bộ mã hóa video nguồn mở được giới thiệu gần đây này nhằm mục đích chuẩn hóa cách nội dung video được chuyển đổi thành định dạng mà các mô hình học máy có thể dễ dàng xử lý và hiểu được. Khi AI ngày càng giải quyết các tác vụ đa phương thức (văn bản, hình ảnh, video), các công cụ như VidTok trở thành hệ thống ống nước thiết yếu để xây dựng các ứng dụng nhận biết video phức tạp.
Đây chỉ là những ví dụ về một nỗ lực rộng lớn hơn. Microsoft đang đều đặn phát hành các bài báo nghiên cứu, thư viện phần mềm và các tính năng nền tảng nhằm mục đích làm cho việc tích hợp AI trở nên dễ dàng hơn, hiệu quả hơn và đáng tin cậy hơn cho các nhà phát triển và doanh nghiệp. Bằng cách tập trung vào các công nghệ hỗ trợ này cùng với việc phát triển mô hình Phi và quan hệ đối tác với OpenAI, Microsoft không chỉ xây dựng các mô hình AI mà còn xây dựng một nền tảng toàn diện được thiết kế để làm cho AI có thể truy cập, quản lý và thực sự hữu ích trên toàn bộ cơ sở khách hàng rộng lớn của mình. Sự nhấn mạnh chiến lược vào ứng dụng và tích hợp này, được tạo điều kiện bởi việc tiết kiệm chi phí khi trở thành ‘người theo sau nhanh’ trong phát triển mô hình tiên phong, cuối cùng có thể chứng tỏ là yếu tố quyết định trong cuộc đua AI dài hạn.