Lĩnh vực AI đã đạt được nhiều tiến bộ trong năm qua, với các tay chơi mới xuất hiện và những sản phẩm lấy AI làm trung tâm tăng trưởng nhanh chóng.
Tuy nhiên, các startup mô hình AI đang đối mặt với những câu hỏi mang tính nền tảng sau:
Nếu khả năng phòng thủ của các startup mô hình AI thấp, còn các lựa chọn mã nguồn mở và người chơi mới liên tục bào mòn lợi thế, thì rốt cuộc ai sẽ là người chiến thắng?
Các ứng dụng mới lấy AI làm trung tâm đang cho thấy mức tăng trưởng ấn tượng nhờ hiệu ứng mới lạ. Nhưng theo thời gian, khi AI trở thành điều được kỳ vọng và cảm giác mới lạ biến mất, ai trong vô số sản phẩm mới sẽ thắng trong cuộc đua phân phối? Trong một thị trường đông đúc, các sản phẩm sẽ tăng trưởng và tiếp cận khách hàng như thế nào?
Điều gì sẽ xảy ra nếu việc sao chép sản phẩm khác trở nên thật sự tầm thường, kiểu như "AI ơi, hãy tạo một ứng dụng giống hệt productxyz.com và host nó trên productabc.com!"? Trước đây, để sao chép một sản phẩm mới cần mất vài tháng, và trong khoảng thời gian đó người dẫn đầu có thời gian để xây dựng lợi thế. Nhưng nếu có thể lập tức bắt kịp thật nhanh, các sản phẩm sẽ giữ chân người dùng bằng cách nào?
Trong vài năm gần đây, các sản phẩm AI sáng tạo không tự xây dựng mô hình riêng thường bị xem nhẹ như những "GPT wrapper" công nghệ thấp. Nhưng trong vài thập kỷ qua, các sản phẩm tiêu dùng vẫn đã tạo ra giá trị khổng lồ dù có vẻ công nghệ thấp và khả năng phòng thủ yếu. Liệu tương lai có giống quá khứ?
Trong bối cảnh này, một cuộc chiến lớn giữa các "GPT wrapper" đang diễn ra, và các chiến lược phòng thủ truyền thống — đặc biệt là lợi thế bền vững về phân phối và hiệu ứng mạng — sẽ lại trở thành tâm điểm
Chúng sẽ không xuất hiện theo đúng cùng một cách, nhưng sẽ kết hợp với năng lực AI để tạo ra những hình thái mới
Theo cách đó, thế hệ sản phẩm AI tiếp theo sẽ phát triển dựa trên những động lực từng dẫn dắt các làn sóng điện toán trước đây như Web 2.0, crypto và nền kinh tế on-demand
Lý thuyết phòng thủ AI đã thất bại?
Một lý thuyết phổ biến về khả năng phòng thủ của AI khá đơn giản, và đã thống trị cuộc thảo luận trong vài năm qua:
Có quan sát cho rằng lượng dữ liệu/tính toán/năng lượng cần thiết để xây dựng mỗi thế hệ mô hình AI sẽ tăng theo cấp số nhân.
Năm 2024 cần hơn 100 triệu USD, nhưng trong tương lai sẽ cần đến hàng tỷ USD, từ đó tạo ra một con hào "lợi thế quy mô" trước những người chơi mới.
Đồng thời, khi mô hình AI ngày càng mạnh hơn, chúng sẽ có thể làm mọi thứ mà ứng dụng mong muốn, khiến phần lớn ứng dụng bị hạ xuống thành những "GPT wrapper" đơn giản chỉ giao tiếp với mô hình nền tảng mạnh hơn.
Theo góc nhìn này, một số ít công ty mô hình lớn sẽ tạo ra toàn bộ giá trị và thu thuế từ thế giới ứng dụng GPT wrapper phía trên chúng.
Tính đến tháng 2/2025, lý thuyết này đang đối mặt với những phức tạp lớn:
Các mô hình tiên tiến nhất chỉ đi trước mô hình mã nguồn mở khoảng 6 tháng, và các tay chơi mới đang thường xuyên tạo ra những mô hình có hiệu năng tương tự (Grok, DeepSeek, v.v.).
Ngoài ra, khối lượng dữ liệu huấn luyện từng mang lại lợi thế lớn cho những người chơi quy mô lớn nhờ tiếp cận sớm hiện đang chạm tới giới hạn tự nhiên.
Và ngay cả khi việc huấn luyện mô hình tiên tiến nhất đòi hỏi rất nhiều tiền/năng lượng/tính toán, các đối thủ vẫn đang đạt được hiệu năng tương tự thông qua chưng cất mô hình.
Đồng thời, một lớp startup ứng dụng mới chuyên biệt cho các thị trường ngách như công cụ sáng tạo, dịch vụ khách hàng, pháp lý... đang xuất hiện và cho thấy tăng trưởng ARR từ 0 lên hơn 5 triệu USD trong chưa đầy 1 năm.
Trong đa số trường hợp, những startup này không nêu rõ mô hình AI nền tảng mà họ tích hợp, và người dùng hay khách hàng cũng không quan tâm đến điều đó.
Đã đến lúc cổ vũ cho các GPT wrapper chưa? Và lý thuyết phòng thủ mới cho thế hệ ứng dụng lấy AI làm trung tâm này nên là gì? Trong vô số ứng dụng AI-first, những cái tên nào sẽ tồn tại bền vững?
Tất nhiên, còn có cả hiệu ứng mạng. Chúng ta đã thấy hiệu ứng mạng đóng vai trò quan trọng đối với khả năng phòng thủ của các công cụ cộng tác nơi làm việc, marketplace, mạng xã hội... ở thế hệ trước (tôi đã viết về điều này trong cuốn sách The Cold Start Problem) — và tôi tin rằng nó cũng có thể đóng vai trò lớn trong kỷ nguyên AI.
Wrapper cơ sở dữ liệu và ứng dụng CRUD
Tham chiếu đến đường cong tăng trưởng (S-curve) của các ứng dụng web từ những năm 1990 đến 2010 giúp hiểu rõ hơn tình hình AI hiện tại.
Trong giai đoạn đầu của cơn sốt dot-com những năm 1990, để xây dựng v1 của một website cần phải huy động hàng triệu USD. Lý do là hạ tầng còn thiếu thốn.
Phải tự lắp đặt server trong trung tâm dữ liệu, dùng stack phần mềm độc quyền, còn chiến lược tăng trưởng thì vay mượn từ những cách làm kém hiệu quả của ngành hàng tiêu dùng đóng gói (CPG).
Khi đó, chỉ riêng việc sản phẩm "hoạt động được" đã là khác biệt lớn, và những công ty web đầu tiên phần lớn do các tiến sĩ khoa học máy tính Stanford sáng lập.
Nhưng sau hai thế hệ, việc xây dựng website đã trở nên đơn giản nhờ các tiến bộ như mã nguồn mở, điện toán đám mây và quảng cáo CPC.
Nhiều web app phổ biến chỉ là những "wrapper cơ sở dữ liệu (hoặc ứng dụng CRUD)" đơn giản.
Các dịch vụ như blog, Twitter, Flickr là ví dụ tiêu biểu, cung cấp các chức năng tạo (Create), đọc (Read), sửa (Update), xóa (Delete) dữ liệu một cách đơn giản.
Sự xuất hiện của Ruby on Rails và phần mềm CMS càng khiến việc phát triển web như vậy trở nên dễ dàng hơn.
Ngay cả khi đó, các quỹ đầu tư mạo hiểm (VC) cũng đặt câu hỏi: "Một sản phẩm như Facebook có thể có khả năng phòng thủ hay không?"
Tuy nhiên, kỷ nguyên Web 2.0 đã giải quyết vấn đề này bằng cách tận dụng hiệu ứng mạng.
Không chỉ là ứng dụng CRUD đơn giản, mà còn bổ sung khả năng để cả cộng đồng và toàn bộ mạng lưới cùng chia sẻ dữ liệu và cộng tác.
Chừng nào mạng lưới còn được duy trì, sản phẩm sẽ có khả năng phòng thủ, và đó chính là yếu tố cốt lõi đã tái khởi động công nghệ tiêu dùng trong thời Web 2.0.
Trước đây cũng có ví dụ tương tự: làn sóng desktop GUI dựa trên Windows/Mac đầu thập niên 90 cũng được thúc đẩy bởi sự gia tăng của các "ứng dụng dựa trên form" dùng Visual Basic.
Nói cách khác, cũng như stack công nghệ độc quyền và khép kín của thời Internet sơ khai đã được mở ra và hàng hóa hóa trong thời Web 2.0, AI nhiều khả năng cũng sẽ đi theo quỹ đạo tương tự.
Trục cạnh tranh chuyển từ câu hỏi "Có thể làm ra thứ này không? Có thể huy động tiền để làm không?" sang "Có thể làm ra, nhưng liệu mọi người có dùng không? Và nó có bền vững không?"
Sản phẩm AI cũng đang đi theo dòng chuyển dịch tương tự, và sẽ tiến hóa thành những hình thái mới kết hợp hiệu ứng mạng với AI.
Tăng trưởng và hiệu ứng mạng trong thế giới do GPT wrapper thống trị
Hiệu ứng mạng nghĩa là "hiện tượng giá trị của sản phẩm tăng lên khi số lượng người dùng tăng".
Marketplace, mạng xã hội, công cụ cộng tác là những ví dụ tiêu biểu.
Sẽ có cuộc cạnh tranh giữa việc sản phẩm AI bổ sung tính năng mạng lưới hay các sản phẩm mạng lưới hiện có tích hợp AI.
Trong thị trường B2B và SMB, các tính năng cộng tác (bình luận, gắn thẻ, chia sẻ) và hỗ trợ nhóm sẽ được bổ sung một cách tự nhiên.
Tuy nhiên, việc AI có thể tái tạo mạng xã hội một cách căn bản hay không vẫn còn chưa chắc chắn.
Con người vẫn muốn tương tác với con người.
Vẫn còn câu hỏi liệu AI sẽ thay thế quan hệ giữa người với người hay chỉ đóng vai trò hỗ trợ.
Ví dụ, một ứng dụng xã hội dựa trên AI có thể khiến người dùng chia sẻ nội dung tương tác được cá nhân hóa thay vì chỉ các meme dạng hình ảnh đơn giản.
Cho đến nay vẫn chưa có ví dụ nào về sản phẩm AI hướng người tiêu dùng đạt thành công trọn vẹn.
Có một vài trường hợp như Character.ai, nhưng các ứng dụng tiêu dùng AI-first tăng trưởng nhanh vẫn chưa thực sự được khẳng định.
Nguyên nhân là chi phí API vẫn chưa giảm đủ thấp, còn năng lực cạnh tranh của các công ty hiện hữu vẫn mạnh.
Cũng có thể vì AI vẫn còn khó tạo ra những tương tác thú vị ở mức độ như con người.
Nhưng nếu xuất hiện các sản phẩm kết hợp AI + tính năng mạng lưới, thì dù dễ bị sao chép, hiệu ứng mạng vẫn sẽ tạo ra khả năng phòng thủ.
Có thể chia hiệu ứng mạng thành ba trục như sau:
Hiệu ứng mạng trong thu hút người dùng (Acquisition)
Sản phẩm có thể tận dụng mạng lưới người dùng hiện có để mời thêm người dùng mới, chia sẻ và gia tăng lưu lượng vào.
Sản phẩm AI có thể tạo ra nội dung hấp dẫn để tự nhiên thúc đẩy việc chia sẻ.
Hiệu ứng duy trì (Retention) và tương tác (Engagement)
Sản phẩm dựa trên mạng lưới có thể tái kích hoạt người dùng hiện có thông qua bình luận, gắn thẻ, chia sẻ tệp, v.v.
Sản phẩm AI đơn thuần phải phụ thuộc vào email/thông báo đẩy, nhưng sản phẩm dựa trên mạng lưới có thể có khả năng giữ chân mạnh hơn.
Hiệu ứng kiếm tiền (Monetization)
Công cụ cộng tác càng được dùng rộng rãi trong doanh nghiệp thì càng có khả năng chuyển đổi sang các gói giá cao hơn.
Nếu game xã hội tạo doanh thu từ những yếu tố như tùy biến avatar, thì tương tác với bạn bè có thể làm tăng giá trị.
Cuối cùng, các sản phẩm AI ban đầu sẽ thâm nhập thị trường bằng các tính năng mới lạ, nhưng dần dần sẽ bổ sung tính năng mạng lưới để tăng trưởng và xây dựng khả năng phòng thủ.
Thế hệ AI hiện tại sẽ chiến thắng, hay một thế hệ mới sẽ xuất hiện?
Nhìn vào lịch sử đổi mới công nghệ, khi một nền tảng mới xuất hiện, các công ty đương nhiệm thường gặp khó khăn trong việc thích nghi.
Ví dụ, ở giai đoạn đầu của làn sóng mobile, Flipboard, Foursquare, Kik từng rất được ưa chuộng, nhưng rồi những người đến sau như Uber, DoorDash mới là bên thống trị thị trường.
Trong kỷ nguyên AI hiện nay cũng vậy, các startup AI ban đầu có thể mang đến sự mới lạ, nhưng những người đến sau biết kết hợp hiệu ứng mạng có thể còn thành công lớn hơn.
Ngoài ra, vì các công ty Big Tech hiện có cũng đang nhanh chóng tiếp nhận AI, không có gì đảm bảo rằng các startup hoàn toàn mới nhất định sẽ chiến thắng.
Kỷ nguyên AI đang thay đổi rất nhanh, và khi các chiến lược phòng thủ truyền thống kết hợp với AI, những thị trường mới đang được hình thành.
Chưa thể biết công ty nào sẽ chiến thắng trong tương lai, nhưng chắc chắn đây sẽ là một giai đoạn rất thú vị.
Cách đây không lâu, tôi có mang chương trình mình viết bằng Delphi vào năm 2001 ra chạy lại trên Windows 11, và nó vẫn hoạt động tốt ngay cả khi không cần biên dịch lại.
Có lẽ cũng nhờ Windows hỗ trợ tương thích ngược rất tốt nữa haha
Các mô hình AI thế hệ tiếp theo được kỳ vọng sẽ học từ dữ liệu cá nhân để trở thành những thực thể được cá nhân hóa hơn nữa
Con người sao chép kỹ thuật số (Digital Doubles) có thể vượt qua mức một avatar đơn thuần để trở thành các tác nhân độc lập giao tiếp thay cho chúng ta
Người song sinh vô hình, bản ngã số
Trong lúc chúng ta không hề nhận ra, dữ liệu của chúng ta đang bị các nền tảng mạng xã hội và thuật toán quảng cáo lập hồ sơ
Khi AI học hành vi và sở thích của chúng ta, các trợ lý cá nhân dùng AI (như Google Assistant) ngày càng có thể thực hiện những cuộc trò chuyện chân thực hơn
Khi công nghệ AI twin phát triển, những “con người sao chép kỹ thuật số” này có thể tiến tới mức thay thế cả danh tính của chúng ta
Bản ngã mở rộng (The Augmented Self)
Thay thế họp trực tuyến: Kỷ nguyên mà CEO dùng con người sao chép kỹ thuật số của mình để tham dự các cuộc họp video trên toàn thế giới
Hình ảnh số được cá nhân hóa: Cách lựa chọn các bản ngã số được tối ưu riêng cho hồ sơ SNS, họp kinh doanh và ứng dụng hẹn hò
AI thâm nhập vào đời sống: Tính năng Recall của Windows 11 (lưu ảnh chụp nhanh màn hình desktop), Apple Intelligence của Apple (AI được cá nhân hóa) được đưa vào sử dụng
Năng suất và tự động hóa: CEO của Zoom dự đoán tương lai AI sẽ thay mình tham dự họp, CEO của Bumble đề xuất dịch vụ concierge hẹn hò bằng AI
AI sẽ tự động hóa cuộc sống cá nhân để tạo thêm thời gian cho con người, hay sẽ phá vỡ sự cân bằng giữa công việc và cuộc sống?
Bản ngã được cảm nhận (The Perceived Self)
Con người sao chép bằng AI đang dần đạt tới mức khó phân biệt với thực tế
Vấn đề của deepfake và chatbot AI:
Tin giả, lừa đảo và vấn đề niềm tin
Vấn đề đạo đức khi tái hiện người đã khuất bằng AI (ví dụ: Lou Reed trở lại dưới dạng chatbot AI, trường hợp một người cha nhìn thấy cô con gái đã bị sát hại)
AI không phải là thực thể có ý thức, nhưng nếu con người đối xử với nó như thật thì việc phân biệt với thực tế có thể trở nên khó khăn
Bản ngã được dự đoán (The Predictive Self)
AI có thể đóng vai trò học dữ liệu quá khứ của người dùng để dự đoán các lựa chọn trong tương lai
Mô phỏng hội thoại bằng AI:
Có thể mô phỏng chuyện tình cảm, đàm phán kinh doanh, chiến lược thuyết phục... thông qua AI
Tuy nhiên, điều này cũng tiềm ẩn nguy cơ biến các mối quan hệ giữa con người thành những “giao dịch” đơn thuần
Thay đổi của mạng xã hội:
Xuất hiện các nền tảng nơi AI thay con người bình luận và tương tác (ví dụ: Aspect)
Có khả năng hình thành một môi trường mạng xã hội giả nơi AI còn nhiều hơn con người
Giới hạn của AI:
Vì AI dự đoán dựa trên dữ liệu quá khứ nên khó phản ánh những thay đổi bất ngờ của con người (tự khám phá bản thân, trải nghiệm mới)
Kết luận: Con người sao chép AI và tương lai của chúng ta
Con người sao chép kỹ thuật số mang lại năng suất và sự tiện lợi, nhưng cũng có thể gây ra sự xa cách với cái “tôi” thật sự khi tự động hóa cuộc sống và danh tính của chúng ta
Đây là thời điểm cần suy nghĩ xem sự phát triển của công nghệ sẽ mở rộng tự do cá nhân, hay tạo ra một hình thức lao động mới (quản lý bản ngã số)
Nếu không định duy trì thì người ta đã góp ý rằng hãy đóng repository và ghi rõ các phương án thay thế trong README và trên npm, vậy mà họ đã phớt lờ suốt một thời gian dài. Cuối cùng nó cũng biến mất, thật may.
Trong Jdk24, synchronized đã được sửa để không còn gây ra pinning nữa, nên có lẽ đến khoảng bản LTS tiếp theo thì quy tắc 6 cũng sẽ không còn cần thiết.
Đúng là họ đã tự triển khai cả CPU bằng FPGA!, tôi tò mò về số lượng dòng code nên tìm thử thì hóa ra... có vẻ có thể lập trình FPGA bằng Scala chứ không phải kiểu như Verilog. Đơn giản hơn tôi tưởng nên khá bất ngờ.
Đây là bản tóm tắt.
Lý thuyết phòng thủ AI đã thất bại?
Wrapper cơ sở dữ liệu và ứng dụng CRUD
Tăng trưởng và hiệu ứng mạng trong thế giới do GPT wrapper thống trị
Thế hệ AI hiện tại sẽ chiến thắng, hay một thế hệ mới sẽ xuất hiện?
Đã sửa thành nhncloud.
Trình soạn thảo mới do các nhà phát triển Atom tạo ra. Bắt đầu open beta
'Zed', trình soạn thảo mã cho cộng tác, nay đã chuyển sang mã nguồn mở
Ra mắt Zed AI (with Anthropic)
Đúng là xu hướng hiện nay vẫn là xe điện. Phanh tái sinh hóa ra cũng có lợi ở khía cạnh này nữa.
Kỷ niệm 26 năm Delphi Hình như tôi đã từng đăng một lần cách đây vài năm rồi.
Cách đây không lâu, tôi có mang chương trình mình viết bằng Delphi vào năm 2001 ra chạy lại trên Windows 11, và nó vẫn hoạt động tốt ngay cả khi không cần biên dịch lại.
Có lẽ cũng nhờ Windows hỗ trợ tương thích ngược rất tốt nữa haha
Thấy thú vị nên mình đã tóm tắt dài hơn một chút.
Con người sao chép kỹ thuật số (Digital Doubles)
Người song sinh vô hình, bản ngã số
Bản ngã mở rộng (The Augmented Self)
Bản ngã được cảm nhận (The Perceived Self)
Bản ngã được dự đoán (The Predictive Self)
Kết luận: Con người sao chép AI và tương lai của chúng ta
Bản phát hành Go 1.24 chỉ giải thích ngắn gọn, nhưng đây là một bản cập nhật quan trọng hơn nhiều.
Nếu không định duy trì thì người ta đã góp ý rằng hãy đóng repository và ghi rõ các phương án thay thế trong README và trên npm, vậy mà họ đã phớt lờ suốt một thời gian dài. Cuối cùng nó cũng biến mất, thật may.
Có phải Stack Overflow cũng vậy không?
Cảm ơn bạn đã chia sẻ thông tin hữu ích! Mình cũng đã thử xây dựng wiki cá nhân bằng Wiki.js!
À, là Safari.
Đúng là một thứ đã deprecated đến mức chẳng còn lý do gì để dùng nữa.
Việc Cra gói tất cả thành một bundle trước giờ vẫn ổn mà...
SVG Favicon vẫn chưa được hỗ trợ trên Firefox...
CRA cũng có những điểm mạnh riêng, nên tôi thấy không đến mức phải chấm dứt hỗ trợ.
Trong Jdk24,
synchronizedđã được sửa để không còn gây ra pinning nữa, nên có lẽ đến khoảng bản LTS tiếp theo thì quy tắc 6 cũng sẽ không còn cần thiết.Đó là suy nghĩ của riêng bạn thôi (feat. Jang Kiha and the Faces)
Hự… nhưng nói điều đó ra thành lời lại là một chuyện khác.
Scoped Value, Structured Concurrency vẫn còn ở giai đoạn "xem trước", nên có lẽ sẽ còn khá lâu nữa Virtual Thread mới được đưa vào sử dụng thương mại.
Trước đây, CEO đã buông với tôi đúng nguyên văn, không sai lấy một chữ, câu này. Đó thực sự là nỗi nhục không gì hơn được...
Programming Tử tế
Hãy sửa cách nói đầy độc hại trong ngành đi!
Đúng là họ đã tự triển khai cả CPU bằng FPGA!, tôi tò mò về số lượng dòng code nên tìm thử thì hóa ra... có vẻ có thể lập trình FPGA bằng Scala chứ không phải kiểu như Verilog. Đơn giản hơn tôi tưởng nên khá bất ngờ.
https://github.com/elipsitz/gamebub/…
Bảo là trong những người mê thì fan Tây mới là đỉnh của đỉnh... haha