Những kiến trúc sư của nền kinh tế AI giải thích những vấn đề đang nảy sinh

Năm kiến trúc sư của nền kinh tế AI giải thích những điểm yếu đang xuất hiện

Đầu tuần này, năm người có liên quan đến mọi lớp của chuỗi cung ứng AI đã ngồi lại với nhau tại Hội nghị Toàn cầu Milken ở Beverly Hills, nơi họ đã trao đổi với biên tập viên này về mọi thứ, từ tình trạng thiếu chip, trung tâm dữ liệu trên quỹ đạo đến khả năng toàn bộ kiến trúc nền tảng của công nghệ này là sai lầm. Trên sân khấu cùng TechCrunch: Christophe Fouquet, CEO của ASML, công ty Hà Lan độc quyền về máy in thạch bản cực tím (EUV), công nghệ không thể thiếu để sản xuất chip hiện đại; Francis deSouza, COO của Google Cloud, người đang giám sát một trong những khoản đầu tư cơ sở hạ tầng lớn nhất trong lịch sử doanh nghiệp; Qasar Younis, đồng sáng lập và CEO của Applied Intuition, một công ty AI vật lý trị giá 15 tỷ đô la, khởi đầu từ mô phỏng và sau đó chuyển sang lĩnh vực quốc phòng; Dimitry Shevelenko, giám đốc kinh doanh của Perplexity, công ty tìm kiếm đến tác nhân (search-to-agents) gốc AI; và Eve Bodnia, một nhà vật lý lượng tử đã rời bỏ giới học thuật để thách thức kiến trúc nền tảng mà hầu hết ngành công nghiệp AI mặc định tại công ty khởi nghiệp của cô, Logical Intelligence. (Cựu trưởng nhóm khoa học AI của Meta, Yan LeCun, đã ký hợp đồng trở thành chủ tịch sáng lập hội đồng nghiên cứu kỹ thuật của Meta vào đầu năm nay.) Đây là những gì năm người này đã nói:

Những nút thắt cổ chai là có thật

Sự bùng nổ của AI đang gặp phải những giới hạn vật lý cứng rắn và những ràng buộc bắt đầu sâu hơn nhiều so với những gì nhiều người nhận ra. Fouquet là người đầu tiên nói điều này, mô tả "sự tăng tốc lớn trong sản xuất chip", đồng thời bày tỏ "niềm tin mạnh mẽ" rằng mặc dù đã nỗ lực hết mình, "trong hai, ba, có thể năm năm tới, thị trường sẽ bị giới hạn về nguồn cung", có nghĩa là các hyperscaler - Google, Microsoft, Amazon, Meta - sẽ không nhận được tất cả số chip mà họ đang trả tiền, chấm hết. DeSouza nhấn mạnh vấn đề này lớn như thế nào - và tăng trưởng nhanh như thế nào, nhắc nhở khán giả rằng doanh thu của Google Cloud đã vượt quá 20 tỷ đô la trong quý trước, tăng 63%, trong khi lượng đơn hàng tồn đọng - doanh thu đã cam kết nhưng chưa được giao - gần như tăng gấp đôi chỉ trong một quý, từ 250 tỷ đô la lên 460 tỷ đô la. "Nhu cầu là có thật," ông nói với một sự bình tĩnh đáng kinh ngạc. Đối với Younis, sự ràng buộc chủ yếu đến từ một nơi khác. Applied Intuition xây dựng các hệ thống tự hành cho ô tô, xe tải, máy bay không người lái, thiết bị khai thác mỏ và xe quân sự, và nút thắt cổ chai của ông không phải là silicon - mà là dữ liệu mà người ta chỉ có thể thu thập bằng cách đưa máy móc vào thế giới thực và quan sát những gì xảy ra. "Bạn phải tìm thấy nó từ thế giới thực," ông nói, và không có số lượng mô phỏng tổng hợp nào có thể hoàn toàn thu hẹp khoảng cách đó. "Sẽ còn một thời gian dài trước khi bạn có thể đào tạo đầy đủ các mô hình chạy trên thế giới vật lý một cách tổng hợp."

Sự kiện Techcrunch San Francisco, CA | 13-15 tháng 10 năm 2026

Vấn đề năng lượng cũng là có thật

Nếu chip là nút thắt cổ chai đầu tiên, thì năng lượng là nút thắt cổ chai đang lờ mờ phía sau nó. DeSouza xác nhận rằng Google đang khám phá các trung tâm dữ liệu trong không gian như một phản ứng nghiêm túc đối với những hạn chế về năng lượng. "Bạn có quyền truy cập vào nguồn năng lượng dồi dào hơn," ông lưu ý. Tất nhiên, ngay cả trên quỹ đạo, mọi thứ cũng không đơn giản. DeSouza quan sát thấy không gian là chân không, do đó loại bỏ sự đối lưu, chỉ để lại bức xạ là cách duy nhất để tỏa nhiệt vào môi trường xung quanh (một quy trình chậm hơn và khó chế tạo hơn nhiều so với các hệ thống làm mát bằng không khí và chất lỏng mà các trung tâm dữ liệu đang dựa vào ngày nay). Nhưng công ty vẫn coi đó là một con đường hợp lệ. Lập luận sâu sắc hơn mà de Souza đưa ra, một cách khá dễ hiểu, là về hiệu quả thông qua tích hợp. Chiến lược đồng thiết kế toàn bộ ngăn xếp AI của Google - từ chip TPU tùy chỉnh đến các mô hình và tác nhân - mang lại lợi nhuận về watt trên mỗi flop mà một công ty mua các thành phần có sẵn đơn giản là không thể sao chép, ông gợi ý. "Chạy Gemini trên TPU hiệu quả năng lượng hơn nhiều so với bất kỳ cấu hình nào khác," bởi vì các nhà thiết kế chip biết điều gì sẽ xảy ra trong mô hình trước khi nó được xuất xưởng, ông nói. Trong một thế giới mà khả năng cung cấp năng lượng đang trở thành một hạn chế lớn đối với mức độ phát triển của công nghệ này, thì kiểu tích hợp dọc đó là một lợi thế cạnh tranh lớn. Fouquet đã lặp lại quan điểm này sau đó trong cuộc thảo luận. "Không có gì là vô giá," ông nói. Ngành công nghiệp đang ở trong một khoảnh khắc kỳ lạ ngay bây giờ, đầu tư một lượng vốn phi thường, được thúc đẩy bởi nhu cầu chiến lược. Nhưng nhiều tính toán hơn có nghĩa là nhiều năng lượng hơn và nhiều năng lượng hơn có một cái giá.

Một loại trí thông minh khác

Trong khi phần còn lại của ngành công nghiệp tranh luận về quy mô, kiến trúc và hiệu quả suy luận trong mô hình ngôn ngữ lớn, Bodnia đang xây dựng một thứ rất khác. Công ty của cô, Logical Intelligence, được xây dựng trên cái gọi là mô hình dựa trên năng lượng (EBM), một loại AI không dự đoán mã thông báo tiếp theo trong một chuỗi mà thay vào đó cố gắng hiểu các quy tắc cơ bản của dữ liệu, theo cách mà cô cho là gần hơn với cách bộ não con người thực sự hoạt động. "Ngôn ngữ là giao diện người dùng giữa bộ não của tôi và bộ não của bạn," cô nói. "Bản thân lý luận không gắn liền với bất kỳ ngôn ngữ nào." Mô hình lớn nhất của cô chạy tới 200 triệu tham số - so với hàng trăm tỷ trong LLM hàng đầu - và cô tuyên bố nó chạy nhanh hơn hàng nghìn lần. Mor