Bản đồ ngành ML/AI/Data năm 2024 và các xu hướng mới nhất

 (mattturck.com)
35 điểm bởi xguru 2024-04-08 | 1 bình luận | Chia sẻ qua WhatsApp

Tóm tắt bằng một hình ảnh về bản đồ ngành MAD (ML, AI, Data) năm 2024 và giải thích 24 chủ đề của năm nay

[Phần I : Toàn cảnh]

  • Ở phiên bản đầu tiên năm 2012 chỉ có 139 công ty, nhưng đến hệ sinh thái MAD năm 2024 đã bao gồm 2.011 công ty
  • Đây là mức tăng với 578 công ty mới được bổ sung so với 1.416 công ty của năm ngoái
  • Lý do có nhiều công ty như vậy là vì trong khoảng hơn 10 năm gần đây đã liên tiếp xuất hiện hai làn sóng phát triển công nghệ rất lớn: công nghệ hạ tầng dữ liệu và công nghệ ML/AI
    • Làn sóng thứ nhất là khoảng 10 năm phát triển công nghệ hạ tầng dữ liệu, bắt đầu từ big data và kết thúc ở modern data stack
    • Làn sóng thứ hai là sự phát triển công nghệ ML/AI bắt đầu từ AI tạo sinh (Generative AI)
  • Hệ sinh thái MAD tập trung thể hiện toàn bộ vòng đời của dữ liệu, từ thu thập, lưu trữ, xử lý, phân tích cho đến cung cấp giá trị thông qua ứng dụng

Những thay đổi chính ở mảng hạ tầng và phân tích

  • Mảng hạ tầng dữ liệu (bên trái của hệ sinh thái MAD) gần đây không có thay đổi lớn
    • Đổi "Database Abstraction" thành "Multi-Model Databases & Abstractions" để phản ánh sự xuất hiện của các DB đa mô hình all-in-one như SurrealDB, EdgeDB
    • Loại bỏ mục "Crypto / Web 3 Analytics" vốn được tạo thử nghiệm vào năm ngoái
    • Cũng loại bỏ mục "Query Engine" (các công ty liên quan vẫn còn được giữ lại)

Những thay đổi chính ở mảng machine learning và trí tuệ nhân tạo

  • Do số lượng công ty AI bùng nổ trong năm 2023, đây là khu vực có nhiều thay đổi về cấu trúc nhất
  • Bổ sung 3 danh mục mới bên cạnh MLOps
    • "AI Observability": các startup kiểm thử, đánh giá và giám sát ứng dụng LLM
    • "AI Developer Platforms": nền tảng phát triển ứng dụng AI tương tự MLOps nhưng tập trung vào huấn luyện, triển khai và suy luận LLM
    • "AI Safety & Security": các công ty xử lý những mối lo ngại đặc thù của LLM (hallucination, đạo đức, tuân thủ quy định, v.v.)
  • Tách "Horizontal AI/AGI" thành hai danh mục là "Commercial AI Research" và "Nonprofit AI Research"
  • Đổi "GPU Cloud" thành "GPU Cloud / ML Infra" để phản ánh việc bổ sung các chức năng hạ tầng cốt lõi của nhà cung cấp GPU cloud

Những thay đổi chính ở mảng ứng dụng

  • Tất cả công ty ở lớp ứng dụng hiện nay đều tự gọi mình là "công ty AI"
  • Thêm danh mục "Presentation & Design" vào "Horizontal Applications"
  • Đổi "Search" thành "Search / Conversational AI" để phản ánh sự xuất hiện của các giao diện chatbot dựa trên LLM như Perplexity
  • Trong mục "Industry", đổi "Gov't & Intelligence" thành "Aerospace, Defense & Gov't"

Những thay đổi chính ở mảng hạ tầng mã nguồn mở

  • Tạo một danh mục duy nhất là "Data Management" bao trùm cả "Data Access" và "Data Ops"
  • Thêm danh mục mới "Local AI", cung cấp các công cụ hạ tầng để đưa AI và LLM vào môi trường phát triển cục bộ

[Phần II: 24 chủ đề của năm 2024]

1. Dữ liệu có cấu trúc vs dữ liệu phi cấu trúc

  • Dữ liệu gồm dữ liệu có cấu trúc, có thể khớp vào hàng và cột, và dữ liệu phi cấu trúc như văn bản/hình ảnh/âm thanh/video
  • Dữ liệu có cấu trúc được trích xuất, lưu trữ, chuyển đổi cho mục đích phân tích, rồi được trực quan hóa bằng công cụ BI hoặc dùng cho các mô hình ML/AI truyền thống
  • Dữ liệu phi cấu trúc chủ yếu được dùng để huấn luyện và vận hành (suy luận) các mô hình AI tạo sinh như LLM
  • Hiện nay dữ liệu phi cấu trúc (ML/AI) đang được chú ý, trong khi dữ liệu có cấu trúc (modern data stack, v.v.) thì không

2. Modern data stack đã chết chưa?

  • Modern data stack (MDS) xử lý các pipeline dữ liệu có cấu trúc, và cho tới không lâu trước đây vẫn là khái niệm được chú ý nhất trong ngành phần mềm
  • MDS có cấu trúc xoay quanh cloud data warehouse, với Fivetran/Airbyte ở thượng nguồn, DBT ở tầng giữa, và Looker/Mode ở hạ nguồn
  • Khi Snowflake IPO thành công ở quy mô lớn nhất từ trước tới nay, sự quan tâm với MDS bùng nổ, kéo theo làn sóng thành lập startup quá nóng và đầu tư từ VC
    • Nhiều danh mục như data catalog, data observability, ETL, reverse ETL đã rơi vào trạng thái bão hòa chỉ trong 1~2 năm
  • MDS vừa là lời giải cho các vấn đề thực tế, nhưng đồng thời cũng là một dạng liên minh marketing giữa nhiều startup trong chuỗi giá trị dữ liệu
  • Tuy nhiên hiện nay MDS đang chịu áp lực vì ① phải kết hợp nhiều giải pháp từ các vendor nên chi phí cao, và ② bị AI tạo sinh lấn át nên không còn được chú ý như trước

3. Sự hợp nhất của mảng hạ tầng dữ liệu và sự lớn mạnh của các ông lớn

  • Trong năm 2024, ngành hạ tầng dữ liệu và phân tích được dự báo sẽ chứng kiến những diễn biến sau:
    • Nhiều startup liên quan đến MDS sẽ cố gắng tái định vị thành "startup hạ tầng AI"
      • Một số có thể thành công, nhưng phần lớn sẽ cần tiến hóa sản phẩm ở mức nền tảng để chuyển từ dữ liệu có cấu trúc sang dữ liệu phi cấu trúc
    • Ngành hạ tầng dữ liệu cuối cùng cũng sẽ trải qua một mức độ hợp nhất nhất định
      • Trong thời gian qua, M&A còn hạn chế, nhưng năm 2023 đã có các thương vụ mua lại quy mô nhỏ và vừa như Stemma (Teradata mua lại), Manta (IBM mua lại), Mode (Thoughtspot mua lại)
    • Số trường hợp startup thất bại sẽ tăng mạnh
      • Nguồn vốn VC đang cạn dần khiến tình hình ngày càng xấu đi. Nhiều startup đã cắt giảm chi phí mạnh tay nhưng cuối cùng vẫn sẽ đối mặt với cạn tiền mặt. Có lẽ sẽ khó trông đợi những tiêu đề hào nhoáng
    • Các công ty có quy mô sẽ càng dốc sức hơn vào chiến lược nền tảng hóa
      • Điều này sẽ diễn ra không chỉ qua M&A mà còn qua tự phát triển để bao phủ thêm nhiều chức năng hơn

4. Tình hình Databricks vs Snowflake

  • Snowflake của ngành dữ liệu có cấu trúc vẫn là một công ty xuất sắc và đang được định giá cao hàng đầu trong nhóm cổ phiếu công nghệ (PER 14,8 lần)
    • Tuy nhiên, giống như nhiều công ty phần mềm khác, tăng trưởng đã chậm lại đáng kể
      • Doanh thu năm tài khóa 2024 đạt 2,67 tỷ USD, tăng 38% so với cùng kỳ năm trước; tốc độ tăng trưởng dự kiến 12 tháng tới là 22%
    • Trên hết, công ty tạo cảm giác đang gặp khó trong đổi mới sản phẩm
      • Phản ứng với AI chậm và cũng không tích cực trong M&A
      • Việc thay CEO khá đột ngột gần đây cũng là một tín hiệu đáng chú ý
  • Databricks của ngành dữ liệu phi cấu trúc nhìn chung đang cho thấy động lực tăng trưởng mạnh
    • Được biết doanh thu năm tài khóa 2024 đạt 1,6 tỷ USD, tăng hơn 50% (công ty chưa niêm yết)
    • Databricks đang nổi lên như một công ty chủ chốt của làn sóng AI tạo sinh
      • Công ty tích cực cả trong M&A lẫn phát triển sản phẩm nội bộ, như thương vụ mua MosaicML với giá 1,3 tỷ USD
      • Không chỉ là kho lưu trữ cốt lõi của dữ liệu phi cấu trúc được cung cấp cho LLM, công ty còn trực tiếp phát triển nhiều mô hình, từ Dolly đến DBRX mới công bố
  • Một biến số mới trong thế cạnh tranh giữa hai bên là việc Microsoft ra mắt Fabric
    • Fabric được công bố vào tháng 5/2023 là một nền tảng SaaS phân tích dữ liệu đám mây end-to-end
    • Nó tích hợp data lake OneLake, công cụ BI PowerBI và Synapse của Microsoft để bao phủ toàn bộ quy trình từ tích hợp dữ liệu, engineering đến data science
    • Dù có thể vẫn tồn tại khoảng cách giữa công bố và sản phẩm thực tế, nhưng khi kết hợp với khoản đầu tư của Microsoft vào AI tạo sinh, đây có thể trở thành một mối đe dọa lớn
    • Cũng thú vị ở chỗ Databricks chủ yếu chạy trên Azure, nền tảng cloud của Microsoft

5. Tình hình BI năm 2024 và liệu AI tạo sinh có đang thay đổi phân tích?

  • Trong MDS và mảng pipeline dữ liệu có cấu trúc, lĩnh vực cần được tái phát minh cấp thiết nhất là BI
    • Bài viết từng chỉ ra vào MAD 2019 rằng quá trình hợp nhất của ngành BI gần như đã hoàn tất, và năm 2021 đã đề cập đến sự xuất hiện của metric store
  • Tuy nhiên, quá trình chuyển đổi của BI/phân tích đang diễn ra chậm hơn dự kiến
    • Các dòng sản phẩm cũ như Power BI, Tableau, Looker vẫn đang thống trị thị trường, và nhiều khi còn được cung cấp miễn phí do bị gắn kèm trong các hợp đồng bán hàng lớn hơn
    • Đã có thêm một số vụ hợp nhất diễn ra (ThoughtSpot mua lại Mode, Snowflake mua lại Sisu), và cũng có những công ty trẻ đang thử các hướng tiếp cận đổi mới như dbt (semantic layer/MetricFlow), Trace (metric tree), nhưng vẫn còn ở giai đoạn đầu
  • Trong khi đó, AI tạo sinh có thể tạo ảnh hưởng lớn không chỉ đến trích xuất/chuyển đổi dữ liệu mà cả bản thân hoạt động phân tích
    • Đã có nhiều động thái sôi nổi như Code Interpreter của OpenAI (nay là Advanced Data Analysis), chatbot tài chính cho Excel của MS
    • Các nhà cung cấp đám mây, Databricks, Snowflake, phe mã nguồn mở và nhiều startup đang phát triển hoặc tung ra các sản phẩm "text to SQL" cho phép chạy truy vấn DB bằng ngôn ngữ tự nhiên
  • Đây là tín hiệu báo trước một thay đổi thú vị và có khả năng mang tính phá vỡ
    • Dân chủ hóa phân tích là mong muốn từ lâu, và nếu ngôn ngữ tự nhiên trở thành giao diện của notebook/DB/công cụ BI, sẽ có nhiều người hơn rất nhiều có thể thực hiện phân tích
  • Tuy nhiên, ngay trong nội bộ ngành BI cũng có góc nhìn hoài nghi
    • Có ý kiến cho rằng độ chính xác của SQL và việc hiểu được bối cảnh kinh doanh phía sau truy vấn sẽ là rào cản đối với tự động hóa

6. Sự trỗi dậy của modern AI stack

  • Phần lớn nội dung bàn luận cho đến nay đều xoay quanh pipeline dữ liệu có cấu trúc
  • Hạ tầng dữ liệu phi cấu trúc đang bước vào một giai đoạn rất khác so với hạ tầng dữ liệu có cấu trúc. Nhu cầu đối với dữ liệu cấp cho LLM là cực kỳ cao
    • Mọi doanh nghiệp đang thử nghiệm hoặc triển khai AI tạo sinh đều đang tái khám phá câu sáo ngữ rằng "dữ liệu là dầu mỏ mới"
    • Ai cũng muốn sức mạnh của LLM, nhưng lại muốn mô hình được huấn luyện trên dữ liệu của riêng họ (dữ liệu doanh nghiệp)
  • Cả các tập đoàn lớn lẫn startup đều đang lao vào cạnh tranh để cung cấp hạ tầng cho AI tạo sinh
  • Nhiều công ty scale-up về AI đang tích cực phát triển sản phẩm để nắm bắt động lực tăng trưởng
    • Ví dụ như Databricks, Scale AI (phát triển hạ tầng gán nhãn cho xe tự hành thành pipeline dữ liệu doanh nghiệp thông qua hợp tác với OpenAI và các bên khác), Dataiku (ra mắt LLM Mesh cho môi trường đa nhà cung cấp/đa mô hình)
  • Đồng thời, một thế hệ startup hạ tầng AI mới đang xuất hiện ở nhiều mảng khác nhau
    • Vector DB: lưu trữ dữ liệu ở định dạng mà các mô hình AI tạo sinh có thể tiêu thụ được (vector embedding). Các nhà cung cấp chuyên biệt như Pinecone, Weaviate, Chroma, Qudrant đang tăng trưởng nhanh, và các công ty DB truyền thống như MongoDB cũng tích cực bổ sung tính năng tìm kiếm vector. Trong khi đó, cũng có tranh luận rằng việc mở rộng context window sẽ khiến vector DB không còn cần thiết
    • Framework: đóng vai trò kết nối và điều phối nhiều thành phần khác nhau, như LlamaIndex, Langchain
    • Guardrails: đứng giữa LLM và người dùng để đảm bảo đầu ra tuân thủ các quy tắc của tổ chức
    • Evaluators: kiểm thử/phân tích/giám sát hiệu năng của mô hình AI tạo sinh. Đây được xem là bài toán khó do sự thiếu tin tưởng vào các benchmark công khai
    • Router: phân phối truy vấn người dùng theo thời gian thực tới nhiều mô hình để tối ưu hiệu năng/chi phí/trải nghiệm
    • Quản lý chi phí: giám sát chi phí sử dụng LLM
    • Endpoint: API trừu tượng hóa độ phức tạp của hạ tầng nền tảng như mô hình
  • Nhìn vào tiền lệ của MDS, có phần ngần ngại khi dùng thuật ngữ "modern AI stack"
    • Tuy vậy, có rất nhiều điểm tương đồng: các startup này cũng "hot" như các công ty MDS trước đây, đi theo bầy đàn và ký các thỏa thuận hợp tác về marketing/sản phẩm
  • Thế hệ startup hạ tầng AI mới này sẽ phải đối mặt với những thách thức tương tự các công ty MDS
    • Mỗi danh mục có đủ lớn để tạo ra các công ty trị giá hàng tỷ USD hay không?
    • Những phần nào sẽ bị Big Tech (các công ty đám mây, Databricks, Snowflake...) tự xây luôn?

7. Chúng ta đang ở đâu trong chu kỳ cường điệu AI?

  • AI trong nhiều thập kỷ qua đã lặp lại các mùa hè và mùa đông AI. Chỉ riêng 10-12 năm gần đây thôi cũng đã có ba chu kỳ cường điệu
    • Lần 1: 2013-2015, bắt đầu khi deep learning được chú ý sau ImageNet 2012
    • Lần 2: khoảng 2017-2018, với làn sóng chatbot và sự trỗi dậy của TensorFlow
    • Lần 3: từ tháng 11/2022 đến nay, AI tạo sinh
  • Chu kỳ cường điệu lần này đặc biệt dữ dội đến mức có cảm giác như một bong bóng AI. Điều này đến từ nhiều lý do
    • Bản thân công nghệ cực kỳ ấn tượng, và không chỉ trong giới kỹ thuật mà còn dễ chạm tới công chúng phổ thông
    • Với các VC đang nắm nhiều dry powder, đây gần như là nơi duy nhất để đầu tư trong bối cảnh các lĩnh vực công nghệ khác đều suy giảm
  • Cũng như mọi cơn sốt khác, hype luôn đi kèm nhiều mặt tốt ("không có nhiệt huyết cuồng nhiệt thì không có thành tựu vĩ đại", tiền đổ vào các dự án đầy tham vọng theo kiểu "hãy để trăm hoa đua nở") và mặt xấu (chỉ sau một đêm ai cũng thành chuyên gia AI, mọi startup đều biến thành công ty AI, hội nghị/podcast/newsletter về AI bùng nổ, bản đồ thị trường AI tràn ngập khắp nơi)
  • Tuy nhiên, vấn đề lớn nhất của chu kỳ cường điệu là phản ứng ngược tất yếu sau đó
  • Giai đoạn hiện tại chứa đựng nhiều "sự kỳ quặc" và rủi ro
    • Cấu trúc pháp lý/quản trị bất thường của công ty tiêu biểu nhất (OpenAI)
    • Sự phổ biến của các thỏa thuận "đổi sức mạnh tính toán lấy cổ phần" mà chưa được hiểu đầy đủ hoặc công bố minh bạch (có khả năng round-tripping)
    • Nhiều startup đầy hứa hẹn được điều hành bởi các nhà nghiên cứu AI
    • Cách các VC giao dịch gợi nhớ thời kỳ lãi suất bằng 0 ("chiếm đất", các vòng gọi vốn khổng lồ, định giá gây choáng với những công ty mới ra đời không lâu)
  • Đã có dấu hiệu cho thấy cơn sốt AI bắt đầu xuất hiện vết nứt (xem bên dưới), nhưng hiện vẫn là giai đoạn mà mỗi tuần lại có thứ mới khiến mọi người kinh ngạc. Nhìn vào tin tức như quỹ AI 40 tỷ USD của Saudi, có vẻ dòng tiền sẽ khó dừng lại trong một thời gian nữa

8. Thử nghiệm hay thực tế? Năm 2023 có phải là giả tạo?

  • Xét đến mức độ cường điệu, cần nhìn lại xem đến nay đã có bao nhiêu thứ thực sự mang tính thực chất, hay phần lớn chỉ dừng ở mức thử nghiệm
  • Năm 2023 là một năm cực kỳ bận rộn
    • Mọi công ty công nghệ đều vội vàng đưa AI tạo sinh vào sản phẩm
    • Hội đồng quản trị của các doanh nghiệp Global 2000 đều chỉ đạo áp dụng AI, và ngay cả các công ty trong những ngành bị quản lý chặt như Morgan Stanley/Citibank cũng triển khai với tốc độ kỷ lục
    • Người tiêu dùng thể hiện sự quan tâm cuồng nhiệt đối với các ứng dụng AI tạo sinh
  • Kết quả là OpenAI ($2B ARR), Anthropic (doanh thu dự kiến năm 2024 là $850M), Midjourney (40 người tạo $200M doanh thu mà không cần gọi vốn), Perplexity (MAU từ 0 lên 10 triệu) đều gặt hái thành công lớn
  • Nhưng có nên nhìn theo hướng hoài nghi? Có một số điểm đáng lo
    • Chi tiêu của doanh nghiệp thường chỉ dừng ở PoC hoặc các kết quả dễ phô trương, và nhiều khi lấy từ ngân sách đổi mới sáng tạo
      • Liệu có phải các dự án này được thúc đẩy không phải để giải quyết bài toán kinh doanh thực tế, mà vì các lãnh đạo không muốn trông như bị tụt lại phía sau?
    • Ứng dụng cho người tiêu dùng có tỷ lệ rời bỏ cao. Có phải đó chỉ là sự tò mò nhất thời?
    • Nhiều người vẫn không rõ nên sử dụng AI tạo sinh như thế nào trong công việc lẫn cuộc sống cá nhân
    • Ngay cả sản phẩm do các chuyên gia AI hàng đầu tạo ra cũng không phải cái nào cũng như phép màu
      • Nên nhìn trường hợp Inflection AI, công ty đã gọi được $1.3B nhưng vẫn đóng cửa trong hụt hẫng, như thế nào? Đây có phải là bằng chứng rằng thế giới không cần thêm một chatbot AI hay một LLM nữa?

9. Các công ty LLM có lẽ không bị bình chuẩn hóa đến thế?

  • Các công ty LLM đang nhận được lượng vốn đầu tư mạo hiểm và nguồn vốn doanh nghiệp ở quy mô khổng lồ
  • Trong 18 tháng qua, câu hỏi phổ biến nhất là: rốt cuộc chúng ta có đang chứng kiến một lượng vốn khổng lồ bị đốt vào những sản phẩm rồi sẽ bị bình chuẩn hóa hay không? Hay các công ty LLM này sẽ trở thành AWS, Azure, GCP mới?
  • Điều gây đau đầu cho các công ty LLM là dường như chưa có LLM nào xây dựng được lợi thế hiệu năng bền vững
    • Hiện tại thì Claude 3 Sonnet và Gemini Pro 1.5 tốt hơn GPT-4, còn GPT-4 lại tốt hơn Gemini 1.0 Ultra, nhưng tương quan hơn kém này có vẻ thay đổi sau mỗi vài tuần
    • Hiệu năng cũng biến động - ChatGPT từng có lúc “mất tỉnh táo” và “trở nên lười biếng”, rồi sau đó tạm thời hồi phục
  • Ngoài ra, hiệu năng của các mô hình mã nguồn mở (Llama 3, Mistral, DBRX, v.v.) cũng đang nhanh chóng bắt kịp
  • Trong khi đó, số lượng công ty LLM xuất hiện trên thị trường nhiều hơn rất nhiều so với dự đoán ban đầu
  • Chỉ vài năm trước, quan điểm phổ biến là công ty LLM sẽ chỉ có một hoặc hai cái tên và thị trường sẽ theo mô hình kẻ thắng ăn tất cả, vì trên toàn cầu chỉ có rất ít người sở hữu chuyên môn cần thiết để mở rộng transformer
  • Nhưng có vẻ những đội ngũ đủ năng lực nhiều hơn người ta từng nghĩ
    • Ngoài OpenAI và Anthropic, còn có nhiều startup làm nghiên cứu AI nền tảng như Mistral, Cohere, Adept, AI21, Imbue, 01.AI, cùng các đội ngũ tại Google, Meta và những nơi khác
  • Dù vậy, cho đến nay các công ty LLM vẫn đang đạt kết quả không tệ. Doanh thu của OpenAI và Anthropic đang tăng trưởng với tốc độ cực nhanh
  • Dù “mô hình” LLM có thể bị bình chuẩn hóa, các “công ty” LLM vẫn còn trước mắt cơ hội kinh doanh khổng lồ
    • Họ đã trở thành các công ty “full-stack”, cung cấp ứng dụng và công cụ cho người tiêu dùng/doanh nghiệp/nhà phát triển trên nền tảng mô hình nền tảng
  • Phép so sánh với các công ty cloud có vẻ khá phù hợp
    • AWS, Azure, GCP thu hút/giữ chân khách hàng thông qua lớp ứng dụng/công cụ, đồng thời kiếm tiền từ lớp tính toán/lưu trữ phần lớn không khác biệt nhiều

10. Tương lai lai ghép: LLM, SLM

  • Dù sự chú ý đang dồn vào các LLM quy mô lớn (GPT-3, GPT-4, GPT-5, v.v.), SLM (small language model) cũng đang tiến bộ rất nhanh
    • Meta có Llama-2-13b, Mistral có Mistral-7b/Mixtral 8x7b, MS có Phi-2/Orca-2, v.v.
    • SLM có chi phí vận hành thấp, dễ fine-tune và hiệu năng cũng tốt
  • Các mô hình chuyên biệt cho từng tác vụ cụ thể (coding, tài chính, v.v.) cũng đang xuất hiện
    • Các mô hình chuyên cho coding như Code-Llama, Poolside AI
    • Các mô hình chuyên ngành như mô hình tài chính của Bloomberg, mô hình khoa học vật liệu của Orbital Materials
  • Doanh nghiệp đang nhanh chóng tiến hóa sang kiến trúc hybrid kết hợp nhiều loại mô hình như vậy
  • Dù giá đang giảm, các LLM sở hữu độc quyền cỡ lớn vẫn đắt và còn có vấn đề độ trễ, nên người dùng/khách hàng sẽ ngày càng triển khai bằng cách kết hợp nhiều mô hình khác nhau
    • Xu hướng là kết hợp mô hình lớn/nhỏ, thương mại/mã nguồn mở, đa dụng/chuyên biệt tùy theo nhu cầu và ngân sách

11. AI truyền thống đã chết chưa?

  • Sự xuất hiện của ChatGPT khiến những công nghệ AI từng được xem là tiên tiến trước đó chỉ sau một đêm đã bị gọi là “AI truyền thống”
  • Tuy nhiên, AI truyền thống (hay AI dự đoán) xử lý dữ liệu có cấu trúc và mang tính bổ trợ lẫn nhau với AI tạo sinh
  • AI truyền thống đã được sử dụng ở quy mô lớn tại rất nhiều doanh nghiệp
  • Trong thời gian tới, doanh nghiệp sẽ phải cân nhắc dùng LLM cho tác vụ nào, dùng mô hình AI truyền thống cho tác vụ nào, và kết hợp hai bên ra sao

12. Thin wrapper, thick wrapper, và cuộc đua để trở thành full-stack

  • Thin wrapper: thuật ngữ thịnh hành trong năm 2023, mang nghĩa tiêu cực để chỉ những sản phẩm phụ thuộc vào công nghệ bên thứ ba như OpenAI
    • Khó khăn của các startup như Jasper là minh chứng cho điều này
  • Tuy nhiên theo thời gian, các cách tạo khác biệt cũng đã xuất hiện
    • Tập trung vào một vấn đề cụ thể (theo chiều dọc)
    • Xây dựng năng lực về workflow, cộng tác và tích hợp sâu
    • Thực hiện công việc ở cấp độ mô hình AI như fine-tune mô hình, xây dựng hệ thống hybrid
  • Nói cách khác, phải trở thành full-stack (ứng dụng + hạ tầng) đồng thời cũng phải chuyên biệt hóa (narrow)

13. Những lĩnh vực đáng chú ý: AI agent, Edge AI

  • AI agent là chủ đề được quan tâm lớn như giai đoạn cuối cùng của tự động hóa
    • Nhưng hiện tại AI tạo sinh vẫn còn bộc lộ nhiều điểm yếu nên chưa đáp ứng được kỳ vọng
    • Cần thêm các lớp bổ trợ như chức năng bộ nhớ cho hệ thống AI
    • Dù vậy, đây có vẻ sẽ là một trong những lĩnh vực thú vị nhất trong 1~2 năm tới
  • Edge AI cũng là một mối quan tâm
    • Các mô hình chạy ngay trên thiết bị mà không cần GPU là mục tiêu mong đợi từ lâu
    • Có tiềm năng lớn khi áp dụng vào smartphone hay thiết bị IoT
    • Nhiều dự án mã nguồn mở đang được phát triển sôi động như Mixtral, Ollama, Llama.cpp

14. AI tạo sinh đang tiến tới AGI hay đang chững lại?

  • Bất chấp tốc độ phát triển nhanh của công nghệ, vẫn có lo ngại rằng AI tạo sinh có thể ① đụng trần về tài nguyên (tính toán, dữ liệu) hoặc ② chạm giới hạn do thiếu năng lực suy luận
  • Một cuộc thảo luận tương tự cũng đã diễn ra vào năm 2018, và sau đó xu hướng nổi bật là tăng mạnh đầu tư tài nguyên
  • Trong lĩnh vực reasoning, đã có những tiến bộ đáng kể như AlphaGeometry của DeepMind
  • Giới hạn về tài nguyên thì khó đánh giá. Lượng compute vẫn tiếp tục tăng (NVIDIA Blackwell), còn dữ liệu cũng có khả năng được khắc phục bằng các cách như tạo dữ liệu tổng hợp
  • Với những người tham gia hệ sinh thái startup, mức cải thiện hiệu năng của GPT-5 so với GPT-4 sẽ là thước đo tốc độ tiến bộ công nghệ
    • Ngay cả khi sự phát triển của AI tạo sinh dừng lại ngay lúc này, có lẽ cơ hội kinh doanh vẫn còn đủ lớn trong một thời gian nữa

15. Cuộc chiến GPU (NVIDIA có đang bị định giá quá cao?)

  • Đây có phải là kỷ nguyên mới nơi năng lực tính toán trở thành tài nguyên quý giá nhất thế giới, hay chỉ là bong bóng do sản xuất dư thừa GPU?
  • NVIDIA gần như độc chiếm thị trường GPU cho AI và đang tận hưởng giai đoạn bùng nổ, với giá cổ phiếu tăng gấp 5 lần
    • Có thể cũng vì dòng tiền mà các quỹ VC đầu tư vào AI đã chảy về NVIDIA
  • Tuy nhiên, sản xuất phần cứng (nhà máy của TSMC) không phải việc dễ, nên số phận của NVIDIA phụ thuộc vào tính bền vững của chu kỳ tăng trưởng hiện tại
  • Dù có sự thách thức từ các đối thủ như AMD, Intel, triển vọng dài hạn của các nhà sản xuất chip AI vẫn có vẻ tích cực

16. AI mã nguồn mở: quá nhiều có hóa quá dở?

  • Trong 1 năm qua, AI mã nguồn mở đã nhận được sự chú ý rất lớn
    • Llama của Meta, Mistral, Gemma của Google được chú ý, còn HuggingFace tiếp tục tăng trưởng khi lưu trữ vô số mô hình
    • Phần lớn công việc đổi mới sáng tạo nhất trong lĩnh vực AI tạo sinh đang diễn ra trong cộng đồng mã nguồn mở
  • Tuy nhiên, trong cộng đồng mã nguồn mở cũng đang xuất hiện hiện tượng dư thừa
    • Hàng trăm nghìn mô hình AI mã nguồn mở đã được công bố, nhưng phần lớn chỉ ở mức đồ chơi hoặc là dự án cuối tuần
    • Cũng có nhiều mô hình liên tục đổi hạng, nổi tiếng vài ngày rồi biến mất
  • Thị trường rồi sẽ tự thanh lọc, chỉ một số ít dự án mã nguồn mở thành công mới nhận được hỗ trợ từ các công ty cloud và các bên tương tự. Nhưng cho đến lúc đó, tình hình có lẽ vẫn sẽ còn hỗn loạn

17. Chi phí AI thực sự là bao nhiêu?

  • Tính kinh tế của AI tạo sinh là một chủ đề đang thay đổi rất nhanh
    • Muốn thách thức Google trong thị trường tìm kiếm thì chi phí cung cấp câu trả lời bằng AI phải thấp hơn chi phí hiển thị 10 liên kết
    • Các công ty phần mềm dựa trên AI phải đảm bảo chi phí suy luận không ăn mòn lợi nhuận gộp
  • Với khách hàng/người dùng mô hình AI, đây là tin tốt: cuộc cạnh tranh giảm giá đang diễn ra nhanh hơn dự kiến
    • Sự xuất hiện của AI mã nguồn mở và các nhà cung cấp suy luận thương mại khiến chi phí chuyển đổi từ góc nhìn khách hàng trở nên rất thấp, tạo áp lực lên OpenAI và Anthropic
    • Việc giá các mô hình embedding đồng loạt giảm là một ví dụ
  • Với phía nhà cung cấp, chi phí xây dựng/vận hành dịch vụ AI vẫn còn cao
    • Anthropic được cho là đã chi hơn một nửa doanh thu cho chi phí cloud
    • Chi phí cấp phép dữ liệu cũng không hề nhỏ
  • Với người dùng, một cách khác là tận hưởng các dịch vụ miễn phí đang được VC tài trợ

18. Các tập đoàn lớn và sự thay đổi trong kinh tế chính trị AI: Microsoft đã thắng?

  • Câu hỏi được đặt ra từ cuối năm 2022: liệu Big Tech có chiếm phần lớn giá trị của AI tạo sinh hay không?
  • Trong AI, bên nào có nhiều dữ liệu, năng lực tính toán và nhà nghiên cứu hơn sẽ có lợi thế hơn. Big Tech hiểu rất rõ điều này và đang phản ứng rất quyết liệt
  • Có vẻ MS là bên phản ứng hiệu quả nhất (như đang chơi cờ 4D)
    • Đầu tư 13 tỷ USD vào OpenAI
    • Hợp tác với đối thủ mã nguồn mở Mistral
    • Thâu tóm Inflection AI, đối thủ của ChatGPT
    • Doanh thu Azure cũng đang tăng trưởng mạnh
  • Google/Amazon hợp tác và đầu tư vào Anthropic, Amazon cũng hợp tác với Hugging Face
  • Meta dường như đang all-in vào AI mã nguồn mở
  • Những thay đổi đến từ Trung Quốc cũng rất đáng chú ý
  • Vấn đề then chốt là liệu startup còn bao nhiêu dư địa để tăng trưởng
    • Một số ít như OpenAI, Anthropic đã tăng tốc đủ để bứt lên nhờ các quan hệ đối tác tốt
    • Nhưng tương lai của nhiều startup vẫn rất mờ mịt
    • Thương vụ Inflection AI và biến cố CEO của Stability AI cho thấy các startup “hạng hai” đang chật vật

19. Sự cuồng nhiệt với OpenAI vs cái nhìn hoài nghi

  • OpenAI vẫn rất hấp dẫn
    • Định giá 86 tỷ USD, doanh thu tăng rất nhanh, bất hòa giữa các nhà sáng lập(?), Sam Altman là Steve Jobs của thế hệ này
  • Những câu hỏi thú vị:
    • OpenAI có đang cố làm quá nhiều thứ hay không? Có vẻ họ muốn làm mọi thứ trong AI cả theo chiều dọc lẫn chiều ngang, liệu có quá sức?
      • Từng có tiền lệ tương tự với Coinbase
      • Đây sẽ là một thách thức rất khó trong bối cảnh cạnh tranh ngày càng khốc liệt
      • Các vấn đề quanh ChatGPT, sự trì trệ của marketplace, v.v. cho thấy OpenAI cũng có thể gặp khó khăn
    • OpenAI và MS có chia tay nhau không?
      • Sự hỗ trợ của MS là trợ lực rất lớn cho OpenAI (tài nguyên, khách hàng doanh nghiệp, v.v.)
      • Nhưng MS cũng đang cho thấy rõ rằng họ không phụ thuộc vào OpenAI (hợp tác với Mistral, thâu tóm Inflection AI, v.v.) và bản thân cũng có đủ năng lực AI
      • Ngược lại, OpenAI cũng có thể không muốn chỉ phụ thuộc vào MS. Họ có thể muốn được triển khai trên các đám mây khác
      • Xét đến tham vọng khổng lồ của OpenAI và mong muốn kiểm soát của MS, có vẻ cũng có khả năng hai bên sẽ trở thành đối thủ cạnh tranh

20. Liệu 2024 có trở thành năm của AI cho doanh nghiệp?

  • Năm 2023, việc triển khai AI trong doanh nghiệp chủ yếu vẫn chỉ dừng ở mức proof of concept
  • Bên hưởng lợi lớn nhất từ AI tạo sinh trong năm 2023 là các công ty như Accenture, đơn vị đạt doanh thu 2 tỷ USD từ tư vấn AI
  • Có kỳ vọng rằng 2024 sẽ là năm đầu tiên của AI tạo sinh cho doanh nghiệp (trong khi AI truyền thống thì đã được triển khai khá nhiều)
  • Tuy nhiên vẫn còn rất nhiều bài toán cần giải quyết:
    • Use case vẫn bị giới hạn ở một số mảng như copilot cho lập trình viên, quản lý tri thức doanh nghiệp, chatbot chăm sóc khách hàng
    • Chưa rõ nên chọn công cụ nào (thương mại/mã nguồn mở, mô hình lớn/nhỏ, chuyên biệt ngang/dọc, v.v. cần phối hợp)
    • Thiếu nhân lực nghiêm trọng (đến lập trình viên còn khó tuyển, huống hồ là kỹ sư ML)
    • Vấn đề hallucination, tính hộp đen và các rủi ro khác là rất nghiêm trọng với doanh nghiệp
    • Cần kiểm chứng ROI (đã có một số ví dụ như Palo Alto Networks giảm một nửa chi phí quản lý công tác)
  • Điểm tích cực là doanh nghiệp đang muốn chi từ ngân sách OpEx chứ không phải ngân sách đổi mới sáng tạo
  • Nhưng có lẽ vẫn sẽ mất 3–5 năm để đi tới triển khai ở quy mô lớn

21. AI có giết chết SaaS không?

  • Đây là một trong những ý tưởng thịnh hành suốt 1 năm qua
  • Có ý kiến cho rằng nhờ AI, năng suất lập trình tăng gấp 10 lần, nên chỉ với một nhóm nhỏ lập trình viên cũng có thể tạo ra SaaS tùy biến, khiến SaaS truyền thống không còn cần thiết
  • Hoặc cũng có quan điểm rằng nếu AI có thể thay thế mọi thứ như HR/tài chính/bán hàng thì sẽ không cần phần mềm riêng nữa
  • Nhưng cả hai kịch bản đều có vẻ khó thành hiện thực ở dạng hoàn chỉnh
  • Có lẽ kịch bản khả dĩ hơn là AI được tích hợp sâu vào SaaS hiện có để khiến chúng mạnh hơn

22. AI có giết chết venture capital không?

  • Bỏ qua câu hỏi liệu AI có thể tự động hóa việc chọn công ty để đầu tư và gia tăng giá trị sau đầu tư của VC hay không, vẫn cần bàn xem quy mô của nhóm tài sản VC trong thời đại AI có còn phù hợp không
  • Có phải VC đang quá nhỏ?
    • Những công ty như OpenAI cần hàng tỷ USD, thậm chí nhiều hơn nữa
    • Các tập đoàn lớn như MS đang cung cấp phần đáng kể trong số vốn đó (nhiều khả năng dưới dạng năng lực tính toán)
    • Một số VC có đầu tư vào các công ty mô hình nền tảng quy mô lớn, nhưng điều này khá xa với mô hình đầu tư phần mềm truyền thống của VC
    • Có thể đầu tư AI cần tới các quỹ quy mô mega (có tin Saudi sẽ hợp tác với VC Mỹ để lập quỹ AI trị giá 40 tỷ USD)
  • Hay VC đang quá lớn?
    • Nếu AI giúp năng suất lập trình viên tăng gấp 10 lần và cho phép tự động hóa bán hàng/marketing
    • Thì có thể sẽ tới thời kỳ mà các nhóm nhỏ, thậm chí doanh nghiệp một người, cũng tạo ra doanh thu hàng trăm triệu USD và niêm yết được
    • Một doanh nghiệp một người doanh thu 100 triệu USD liệu có thực sự cần vốn VC từ lúc khởi nghiệp đến EXIT không?

23. AI có thể hồi sinh thị trường tiêu dùng không?

  • Sau thời kỳ mạng xã hội/di động, thị trường tiêu dùng rơi vào giai đoạn trầm lắng; liệu AI tạo sinh có thể giúp bật lại?
  • Những mảng thú vị:
    • Tìm kiếm: các startup như Perplexity AI, You.com đang dẫn dắt sự chuyển dịch từ search engine sang answer engine, lần đầu thách thức Google sau hàng chục năm
    • AI companion: bỏ qua những lo ngại mang màu sắc phản địa đàng, điều gì sẽ xảy ra nếu ai cũng có một người bạn đồng hành riêng luôn kiên nhẫn và hữu ích?
    • Phần cứng AI: những thử nghiệm thú vị về phần cứng AI cho người tiêu dùng như Humane, Rabbit, VisionPro
    • Giải trí siêu cá nhân hóa: khi các công cụ AI tạo sinh ngày càng tốt hơn và rẻ hơn, những hình thức giải trí và nghệ thuật mới nào sẽ xuất hiện?

24. AI và blockchain: lố bịch hay thú vị?

  • Sự kết hợp giữa AI và crypto là chất liệu meme hoàn hảo trên Twitter
  • Tuy nhiên, việc các tài nguyên AI như năng lực tính toán, dữ liệu và nhân tài tập trung vào một số ít công ty là điều đáng lo
  • Cốt lõi của blockchain là giúp những người tham gia chia sẻ tài nguyên và tài sản thông qua mạng lưới phi tập trung
  • Giữa hai bên có những vùng giao thoa đáng để khám phá (là chủ đề đã được suy nghĩ từ vài năm trước)
  • Có thể thấy rõ sự tăng tốc của các dự án liên quan như Bittensor (nền tảng AI phi tập trung), Render (nền tảng render GPU phi tập trung), Arweave (nền tảng dữ liệu phi tập trung)
  • Vấn đề then chốt là liệu ngành crypto có thể tự cứu mình, hay sẽ sa đọa thành meme coin và các trò lừa đảo gắn mác AI

BONUS: Những chủ đề chưa đề cập

  • AI có giết chết tất cả chúng ta không? AI tận thế vs phe tăng tốc AI
  • Quy định, quyền riêng tư, đạo đức, deepfake
  • AI có chỉ có thể được tạo ra ở Silicon Valley hay không?

[Part III: Financing, M&A & IPO]

Gọi vốn

  • Đầu tư vào AI và đầu tư vào các lĩnh vực khác đang cho thấy mô hình “câu chuyện của hai thị trường” với sự phân hóa rất rõ rệt
  • Tổng đầu tư nói chung tiếp tục giảm, ghi nhận 248,4 tỷ USD vào năm 2023, giảm 42%. Trong vài tháng đầu năm 2024 có dấu hiệu phục hồi nhẹ, nhưng xu hướng nhìn chung vẫn tương tự
  • Hạ tầng dữ liệu huy động vốn rất kém vì nhiều lý do đã nêu trước đó, với Sigma Computing và Databricks là những trường hợp ngoại lệ hiếm hoi
  • Ngược lại, AI là một câu chuyện hoàn toàn khác
  • Các đặc điểm của thị trường đầu tư AI gồm:
    • Vốn tập trung vào một số ít startup, đặc biệt là OpenAI, Anthropic, Inflection AI, Mistral và các công ty tương tự
    • Tỷ trọng cao bất thường của các nhà đầu tư doanh nghiệp (CVC) như MS, Google, NVIDIA
    • Trong các thương vụ CVC có sự thiếu minh bạch giữa tiền mặt thực tế và “cổ phần đổi lấy hỗ trợ năng lực tính toán”
  • Các thương vụ đáng chú ý kể từ MAD 2023 gồm có (theo thứ tự thời gian, không phải danh sách đầy đủ):
    • OpenAI(nhà phát triển foundation model tiêu biểu): huy động 10,3 tỷ USD qua 2 vòng, định giá 86 tỷ USD
    • Adept(nhà phát triển foundation model): huy động 350 triệu USD, định giá 1 tỷ USD
    • AlphaSense(nền tảng nghiên cứu tài chính): huy động 475 triệu USD qua 2 vòng, định giá 2,5 tỷ USD
    • Anthropic(nhà phát triển foundation model): huy động 6,45 tỷ USD qua 3 vòng, định giá 18,4 tỷ USD
    • Pinecone(nền tảng vector DB): huy động 100 triệu USD, định giá 750 triệu USD
    • Celestial AI(nền tảng optical interconnect): huy động 275 triệu USD qua 2 vòng
    • CoreWeave(cloud GPU): huy động 421 triệu USD, định giá 2,5 tỷ USD
    • Lightmatter(nhà phát triển chip quang học): huy động 308 triệu USD qua 2 vòng, định giá 1,2 tỷ USD
    • Sigma Computing(nền tảng phân tích đám mây): huy động 340 triệu USD, định giá 1,1 tỷ USD
    • Inflection(nhà phát triển foundation model): huy động 1,3 tỷ USD, định giá 4 tỷ USD
    • Mistral(nhà phát triển foundation model): huy động 528 triệu USD qua 2 vòng, định giá 2 tỷ USD
    • Cohere(nhà phát triển foundation model): huy động 270 triệu USD, định giá 2 tỷ USD
    • Runway(nhà phát triển mô hình video tạo sinh): huy động 191 triệu USD, định giá 1,5 tỷ USD
    • Synthesia(nền tảng tạo video cho doanh nghiệp): huy động 90 triệu USD, định giá 1 tỷ USD
    • Hugging Face(nền tảng ML mã nguồn mở): huy động 235 triệu USD, định giá 4,5 tỷ USD
    • Poolside(nhà phát triển foundation model cho lập trình): huy động 126 triệu USD
    • Modular(nền tảng phát triển AI): huy động 100 triệu USD, định giá 600 triệu USD
    • Imbue(nhà phát triển AI agent): huy động 212 triệu USD
    • Databricks(giải pháp dữ liệu/phân tích/AI): huy động 684 triệu USD, định giá 43,2 tỷ USD
    • Aleph Alpha(nhà phát triển foundation model): huy động 486 triệu USD
    • AI21 Labs(nhà phát triển foundation model): huy động 208 triệu USD, định giá 1,4 tỷ USD
    • Together(cloud AI tạo sinh): huy động 208,5 triệu USD qua 2 vòng, định giá 1,25 tỷ USD
    • VAST Data(nền tảng dữ liệu deep learning): huy động 118 triệu USD, định giá 9,1 tỷ USD
    • Shield AI(phi công AI cho hàng không vũ trụ/quốc phòng): huy động 500 triệu USD, định giá 2,8 tỷ USD
    • 01.ai(nhà phát triển foundation model): huy động 200 triệu USD, định giá 1 tỷ USD
    • Hadrian(sản xuất linh kiện cho hàng không vũ trụ/quốc phòng): huy động 117 triệu USD
    • Sierra AI(chatbot AI cho dịch vụ khách hàng): huy động 110 triệu USD qua 2 vòng
    • Glean(tìm kiếm AI cho doanh nghiệp): huy động 200 triệu USD, định giá 2,2 tỷ USD
    • Lambda Labs(cloud GPU): huy động 320 triệu USD, định giá 1,5 tỷ USD
    • Magic(nhà phát triển foundation model cho lập trình): huy động 117 triệu USD, định giá 500 triệu USD

M&A, giao dịch công ty chưa niêm yết

  • Kể từ MAD 2023, thị trường M&A khá trầm lắng
  • Nhiều công ty phần mềm truyền thống dường như tập trung vào giá cổ phiếu và hoạt động kinh doanh tổng thể của mình hơn là M&A
  • Đặc biệt, môi trường chống độc quyền siết chặt cũng tạo thêm gánh nặng cho các bên mua tiềm năng
  • Các quỹ private equity (PE) lại hoạt động tương đối tích cực khi tìm kiếm cơ hội giá rẻ trong thị trường suy yếu
  • Các thương vụ đáng chú ý xuất hiện trong MAD gồm có (theo quy mô):
    • Broadcom(nhà sản xuất bán dẫn) thâu tóm VMWare(công ty cloud), $69B
    • Cisco(hạ tầng mạng/bảo mật) thâu tóm Splunk(giám sát/observability), $28B
    • Qualtrics(quản lý CX) được Silver Lake/CPP đưa về công ty chưa niêm yết, $12.5B
    • Coupa(nền tảng quản lý chi tiêu) được Thoma Bravo đưa về công ty chưa niêm yết, $8B
    • New Relic(giám sát/observability) được Francisco Partners/TPG thâu tóm, $6.5B
    • Alteryx(nền tảng phân tích) được Clearlake/Insight đưa về công ty chưa niêm yết, $4.4B
    • Salesloft(dàn điều phối doanh thu) được Vista Equity thâu tóm $2.3B
      • Vista cũng thâu tóm Drift, công ty chatbot AI cho trải nghiệm khách hàng
    • Databricks(data lakehouse) thâu tóm MosaicML(nền tảng phát triển AI), $1.3B
      • Arcion, Okera và một số công ty khác cũng được mua lại ở quy mô nhỏ
    • Thoughtspot(nền tảng phân tích) thâu tóm Mode Analytics(BI), $200M
    • Snowflake(kho dữ liệu) thâu tóm Neeva(công cụ tìm kiếm AI), $150M
    • DigitalOcean(cloud) thâu tóm Paperspace(phát triển AI), $111M
    • NVIDIA(chip AI) thâu tóm OmniML(tối ưu hóa edge AI)
  • Việc MS mua lại Inflection AI cũng là một trường hợp đặc biệt
  • Liệu 2024 có trở thành năm của M&A trong AI hay không sẽ phụ thuộc vào động lực của thị trường
  • Ở các phân khúc bên dưới, nhiều startup AI đầy hứa hẹn đã nhận vốn trong 1-2 năm qua. Trong các giai đoạn bùng nổ AI trước đây, sau đầu tư giai đoạn đầu thường xuất hiện nhiều thương vụ acquihire với mức giá lớn so với kết quả kinh doanh. Nhân tài AI vẫn rất khan hiếm
  • Ở phần trên của thị trường, sự hội tụ giữa các nền tảng dữ liệu dẫn đầu và các nền tảng AI đang có thêm động lực, nhưng mức giá có lẽ sẽ không hề rẻ

IPO

  • AI cũng là chủ đề nóng trên thị trường chứng khoán. Cổ phiếu của “Magnificent 7”(NVIDIA, Meta, Amazon, MS, Alphabet, Apple, Tesla) đã tăng hơn 49% trong năm 2023 và dẫn dắt đà tăng chung của thị trường
  • Tuy nhiên, số lượng cổ phiếu AI thuần túy vẫn còn rất ít. Một vài mã AI hiếm hoi đang được hưởng premium(Palantir tăng 167% trong năm 2023)
  • Đây có thể là tin tốt cho nhiều startup ứng viên IPO liên quan đến AI. Dẫn đầu là Databricks, cùng với nhiều công ty quy mô lớn như Celonis, Scale AI, Dataiku, Fivetran đang chuẩn bị IPO
  • Lập trường của OpenAI và Anthropic đối với việc niêm yết cũng là một chủ đề đáng chú ý
  • Trong khi đó, thị trường IPO năm 2023 rất ảm đạm. Chỉ một số ít công ty liên quan MAD niêm yết thành công:
    • Klaviyo(tự động hóa marketing): niêm yết 9/2023, định giá $9.2B
    • Reddit(cấp phép nội dung cho các công ty AI): niêm yết 3/2024, định giá $6.4B
    • Astera Labs(bán dẫn cho AI/cloud): niêm yết 3/2024, định giá $5.5B

Kết luận

  • Chúng ta đang sống trong một thời điểm rất đặc biệt. Chúng ta đang ở giai đoạn đầu của một sự chuyển đổi mô hình.
  • Đây là lúc để thử nghiệm và thử những điều mới. Chúng ta mới chỉ bắt đầu

Bài viết liên quan