Yann LeCun cảnh báo về bong bóng sắp nổ của OpenAI và Anthropic

Nhà khoa học trưởng về AI của Meta, Yann LeCun, đã đưa ra một cảnh báo gay gắt về tính bền vững kinh tế của bối cảnh AI tạo sinh hiện nay. Trong một cuộc thảo luận gần đây với CNBC, LeCun cho rằng các phòng thí nghiệm hàng đầu như OpenAI và Anthropic đang hướng tới một "vụ nổ bong bóng lớn" do cấu trúc chi phí không bền vững.

Sự mất kết nối về kinh tế trong AI tạo sinh

Cốt lõi trong lập luận của LeCun nằm ở khoảng cách ngày càng lớn giữa chi phí vận hành các Mô hình Ngôn ngữ Lớn (LLM) đang tăng vọt và các mô hình định giá dành cho người tiêu dùng. Trong khi sức mạnh tính toán cần thiết để huấn luyện và vận hành các mô hình tiên phong tiếp tục tăng theo cấp số nhân, thì chi phí vận hành lại không giảm với tốc độ tương ứng.

Sự ma sát kinh tế này đang tạo ra một kịch bản mà các công ty AI thực tế đang thua lỗ trên mỗi truy vấn, với nguồn vốn khổng lồ từ các nhà đầu tư đóng vai trò như một khoản trợ cấp cho việc sử dụng trong thế giới thực. Quan điểm này cũng được CEO của OpenAI, Sam Altman, đồng tình khi ông gần đây đã xác định chi phí AI cao đối với các doanh nghiệp là một "vấn đề lớn". Nếu không có một sự thay đổi đáng kể—dù là thông qua việc cắt giảm chi phí mạnh mẽ hay tăng giá dịch vụ—mô hình kinh doanh hiện tại của các nhà cung cấp LLM vẫn sẽ rất bấp bênh.

Những chỉ trích đối với xAI và cuộc chiến nhân tài

LeCun không chỉ giới hạn những chỉ trích của mình ở các gã khổng lồ trong ngành mà còn nhắm vào xAI của Elon Musk. Mô tả startup này là "một kiểu thất bại", LeCun đã chỉ ra sự bất ổn nội bộ, đặc biệt lưu ý rằng đội ngũ sáng lập đã rời đi và Musk đang đối mặt với khó khăn ngày càng tăng trong việc tuyển dụng các tài năng kỹ thuật hàng đầu.

LeCun bày tỏ sự hoài nghi về việc liệu xAI có thể cạnh tranh hiệu quả với tốc độ nghiên cứu và quy mô như tại OpenAI hay Anthropic hay không. Lời chỉ trích này làm nổi bật sự căng thẳng đang gia tăng trong ngành: trong khi nguồn vốn rất dồi dào, thì sự tập trung của các tài năng ưu tú và chuyên môn đặc thù đang trở thành nút thắt cổ chai chính cho việc phát triển các mô hình tiên phong.

Mô hình thế giới so với Mô hình Ngôn ngữ Lớn

Lời cảnh báo này được đưa ra vào một thời điểm then chốt đối với triết lý kỹ thuật của chính LeCun. Thay vì tập trung dồn lực vào kiến trúc LLM dựa trên transformer đang thống trị thị trường, LeCun đang ủng hộ việc phát triển các "mô hình thế giới" (world models). Đây là những hệ thống được thiết kế để xây dựng sự hiểu biết cơ bản về thực tại vật lý và quan hệ nhân quả, thay vì chỉ dự đoán token tiếp theo trong một chuỗi.

Dự án khởi nghiệp của ông, AMI Labs, gần đây đã huy động được 1 tỷ USD để theo đuổi hướng đi cụ thể này. Điều này thể hiện một sự phân tách chiến lược trong bối cảnh AI: trong khi "phe LLM" đang nỗ lực cạnh tranh về quy mô và hiệu suất tính toán, thì "phe mô hình thế giới" (world model camp) lại tìm cách giải quyết các vấn đề về lập luận và khả năng hiện thân (embodiment) mà các mô hình tạo sinh hiện nay vẫn đang chật vật để làm chủ. Nếu bong bóng LLM tan vỡ, nó có thể kích hoạt một sự tái phân bổ vốn khổng lồ hướng tới các phương pháp tiếp cận đa dạng hơn về mặt kiến trúc này.

Các điểm chính cần lưu ý

• Sự mong manh về kinh tế: Các phòng thí nghiệm AI hàng đầu hiện đang dựa vào sự trợ cấp của các nhà đầu tư để bù đắp khoảng cách giữa chi phí vận hành cao và mức giá khả thi trên thị trường.
• Sự phân tách chiến lược: Đang có một sự rạn nứt về mặt kỹ thuật ngày càng lớn giữa việc mở rộng quy mô các LLM và việc theo đuổi các "mô hình thế giới" nhằm hướng tới sự hiểu biết thực sự về vật lý.
• Nút thắt về nhân tài: Khả năng tuyển dụng và giữ chân các nhà nghiên cứu hàng đầu đang trở nên quan trọng đối với sự sống còn của công ty tương đương với việc tiếp cận các cụm tính toán khổng lồ.