Các mô hình mã nguồn mở đã bắt kịp các mô hình đóng hàng đầu được đánh giá công khai chỉ trong khoảng bốn tháng, và khoảng cách giữa chúng ngày càng trở nên biến động hơn.
Điều này đang biến cuộc đua AI giữa mã nguồn mở và mã nguồn đóng thành một câu hỏi thương mại ngày càng quan trọng. Nếu các mô hình mã nguồn mở có thể đạt hiệu suất tiệm cận mức tiên phong trong khi mang lại cho doanh nghiệp quyền kiểm soát lớn hơn đối với dữ liệu, hạ tầng và khả năng tùy chỉnh, thì tại sao các doanh nghiệp vẫn phải trả tiền cho các phòng thí nghiệm mô hình tiên phong? Và giá trị cuối cùng sẽ tích lũy ở đâu?
Để hiểu rõ bối cảnh, chúng ta cần bắt đầu bằng việc làm thế nào để định nghĩa các mô hình mã nguồn mở và mã nguồn đóng. Tính "mở" tồn tại trên một phổ liên tục, từ các mô hình hoàn toàn mở mà người dùng có thể tải xuống và tự do sửa đổi, đến các mô hình mã nguồn mở với những hạn chế khác nhau. Các mô hình mã nguồn đóng giữ bí mật trọng số (weights) của chúng và kiểm soát quyền truy cập.
Đối với các doanh nghiệp đang cân nhắc lựa chọn nền tảng mô hình để xây dựng, sự khác biệt không chỉ nằm ở hiệu suất và giá cả.
CEO của Palantir, Alex Karp, đã cảnh báo rằng các doanh nghiệp có nguy cơ đánh mất “alpha” – tức là kiến thức độc quyền và quy trình riêng biệt tạo nên lợi thế cạnh tranh của họ – vào tay các nhà cung cấp mô hình tiên phong.
Satya Nadella cũng đưa ra một quan điểm tương tự trong một bài viết trên X: “Về cơ bản, bạn phải trả phí cho trí tuệ hai lần: một lần bằng tiền, và lần nữa bằng thứ còn quý giá hơn: đó là kiến thức độc quyền mà bạn buộc phải tiết lộ để làm cho trí tuệ đó trở nên hữu ích. Bạn càng muốn mô hình hoạt động tốt hơn, bạn càng phải nạp nhiều kiến thức độc quyền vào nó!”
Cả hai đều là những lời cảnh báo về sự phụ thuộc chiến lược, giúp giải thích lý do ngày càng nhiều doanh nghiệp tìm hiểu các mô hình mã nguồn mở.
Nhưng bất chấp những lo ngại về việc chia sẻ kiến thức độc quyền, thực tế cho thấy các công ty vẫn sẵn sàng chi trả cho hiệu suất tiên phong, ngay cả khi các mô hình mã nguồn mở tốt nhất chỉ kém hơn vài tháng. Doanh thu của các phòng thí nghiệm tiên phong tiếp tục tăng tốc, ngay cả khi chi tiêu token phân bổ rộng rãi hơn sang nhiều loại mô hình khác nhau.
Các công ty dẫn đầu đang sử dụng cả hai loại, chọn mô hình mã nguồn mở cho mục đích tùy chỉnh và kiểm soát, đồng thời chọn các mô hình tiên phong mã nguồn đóng khi cần năng lực cao nhất hiện có. Một số công ty đã báo cáo mức cải thiện hiệu quả gấp nhiều lần và tiết kiệm chi phí đáng kể nhờ việc ghép nối các mô hình khác nhau với các quy trình làm việc phù hợp nhất. Chúng tôi đề cập đến một vài ví dụ như vậy trong phần Phân tích chuyên sâu bên dưới.
Một số nhà phát triển mô hình cũng áp dụng cả hai phương pháp tiếp cận. Google có Gemini và Gemma, trong khi Meta có Muse Spark và Llama. Tại sao lại giữ một mô hình ở dạng đóng nhưng lại cung cấp miễn phí một mô hình khác? Và nếu các mô hình mã nguồn mở được tải xuống miễn phí, thì có những điều kiện ràng buộc nào đi kèm? Các nhà phát triển của chúng cạnh tranh tài chính với các phòng thí nghiệm mã nguồn đóng như thế nào?
Bản Phân tích chuyên sâu dài 99 trang của chúng tôi xem xét các yếu tố kinh tế đằng sau những lựa chọn này và cách chúng có thể định hình ai sẽ thu được lợi nhuận từ AI, cũng như những doanh nghiệp nào có thể duy trì quyền lực định giá khi chi phí sử dụng AI ngày càng rẻ hơn.
Báo cáo đầy đủ cũng bao gồm:
- Liệu các phòng thí nghiệm tiên phong có thể duy trì chi phí để giữ vững vị thế dẫn đầu khi các đối thủ Trung Quốc đẩy giá xuống thấp hơn hay không.
- Năm yếu tố mà các mô hình cạnh tranh dựa trên đó, và những đánh đổi mà mỗi yếu tố đòi hỏi.
- Ba nơi mà một mô hình có thể chạy, và cách ngành công nghiệp phân chia giữa chúng.
- Một nghiên cứu tình huống báo cáo mức cải thiện hiệu quả kỹ thuật lên tới 12 lần và tiết kiệm chi phí hơn 20 lần.
- Lý do NVIDIA và Samsung đầu tư vào các mô hình mã nguồn mở, và nguồn lợi nhuận tiềm năng có thể đến từ đâu.
Hy vọng bạn sẽ thích thú khi đọc và hãy cho tôi biết ý kiến của bạn trong nhóm của chúng tôi:
