Công nghệ
Cuộc trò chuyện với Abridge, Anthropic, Perplexity và Scale AI
Khi chúng tôi phỏng vấn các CEO hàng đầu về tình hình thị trường AI, câu trả lời thống nhất là: “Vẫn còn quá sớm.” 🕰️
Tuy nhiên, bài học từ sự phát triển của nền kinh tế đám mây cho thấy, những gã khổng lồ AI trong tương lai sẽ không chỉ được định nghĩa bởi công nghệ vượt trội – họ cần phải xây dựng các mô hình kinh doanh bền vững.
Năm nay, một thế hệ mới của các startup AI đang nổi lên trên khắp các lĩnh vực, từ mô hình đến ứng dụng. Họ đang khám phá những cách tiếp cận sáng tạo để kiếm tiền và phát triển chiến lược thâm nhập thị trường hiệu quả.
Để hiểu rõ hơn về xu hướng này, The Cloud 100 đã tập hợp bốn nhà lãnh đạo đang định hình tương lai của trí tuệ nhân tạo:
- Daniela Amodie – Đồng sáng lập và Chủ tịch của Anthropic 👩💼
- Aravind Srinivas – CEO và nhà sáng lập của Perplexity 🚀
- Shiv Rao – CEO và nhà sáng lập của Abridge 🏥
- Alexandr Wang – CEO và nhà sáng lập của Scale AI 📊
Hãy cùng tìm hiểu sâu hơn về tầm nhìn và chiến lược của họ trong việc định hình tương lai của AI.
Đây là những nội dung trong bài viết này:
Cuộc đua tìm kiếm giá trị của AI
- Công nghệ còn non trẻ 👶
- AI đang phát triển nhanh hơn sự áp dụng trong ngành công nghiệp
- Các ngành được quản lý đang thử nghiệm AI 🧪
- Các startup AI tập trung vào thị trường ngách 🎯
- Phân phối, thách thức vĩnh cửu 🔄
- Trải nghiệm là tất cả 👥
- Thị trường chưa trưởng thành dễ tha thứ 🌱
- Hiểu rõ khách hàng của bạn 👥
- Chiến thắng trên một trường hợp sử dụng 🏆
Hai lựa chọn cho các startup AI 🔀🚀
Cùng nhau, những nhà lãnh đạo AI hàng đầu này đã chia sẻ những hiểu biết sâu sắc về thực tế mà các giám đốc điều hành và nhà phát triển đang phải đối mặt ngày nay. Trong khi công nghệ tiến bộ với tốc độ chóng mặt, việc áp dụng AI vẫn gặp phải nhiều trở ngại: khả năng sử dụng, đạo đức, phân phối và giữ chân khách hàng.
Để vượt qua những thách thức này, các công ty khởi nghiệp phải tập trung vào các ứng dụng ngách, thiết kế trải nghiệm lấy người dùng làm trung tâm và điều hướng qua những phức tạp về cơ sở hạ tầng cần thiết để cung cấp các giải pháp cấp doanh nghiệp. Cuối cùng, thành công trong lĩnh vực AI sẽ phụ thuộc vào khả năng tích lũy giá trị theo thời gian, thích ứng với nhu cầu thị trường đang phát triển và tạo ra sự khác biệt có ý nghĩa trong một môi trường cạnh tranh ngày càng gay gắt.
Dù AI đã có khả năng đáng kể, công nghệ này vẫn còn trong giai đoạn sơ khai
Điều gì đã thay đổi nhiều nhất về AI trong vài năm qua? Có lẽ đó là việc các mô hình ngôn ngữ lớn (LLMs) đã trở nên thân thiện với người dùng hơn. Học máy và các thuật toán đã từ lâu là một phần của ngăn xếp công nghệ phần mềm. Nhưng trước năm 2022, chúng chỉ thuộc phạm vi của các nhà nghiên cứu và đội ngũ kỹ thuật. Giờ đây, hầu hết mọi người đều sử dụng chúng hàng ngày. Có lẽ điều đó đã khiến mọi người nghĩ rằng họ biết điều gì đó về chúng. Chúng tôi đã hỏi các nhà sáng lập của chúng tôi, điều gì bạn mong muốn nhiều người hiểu hơn về AI ngay lúc này?
Trước hết, việc tuyển dụng một đội ngũ với kỹ năng và công nghệ phù hợp để đưa một công cụ AI ra thị trường là vô cùng phức tạp và khó khăn. “Tôi không chắc mọi người có đánh giá đúng mức độ phức tạp cần thiết để thực sự cung cấp một giải pháp cấp doanh nghiệp,” Shiv Rao, người sáng lập và CEO của Abridge, công ty cung cấp công cụ AI cho các bác sĩ lâm sàng, nói. “Các yếu tố cần thiết bao gồm từ khoa học máy tính và mô hình dữ liệu đến ý kiến đóng góp từ các giáo sư, tiến sĩ, chuyên gia trong lĩnh vực, và những người thử nghiệm nó trong thực tế.”
Daniela Amodei, người sáng lập và chủ tịch của Anthropic, nhấn mạnh rằng ngành công nghiệp này còn phải đi xa hơn nữa. “Mặc dù các con số đã rất đáng kinh ngạc, nhưng công việc phía trước chúng ta còn nhiều hơn những gì đã làm được,” cô nói. Tại Anthropic, cô đang suy nghĩ kỹ về những gì cần thiết để đưa tất cả các yếu tố đạo đức, bảo mật và tin cậy vào các mô hình Claude hiện tại.
Alexandr Wang, người sáng lập và CEO của Scale AI, công ty cung cấp cơ sở hạ tầng AI, nhấn mạnh rằng tiến độ phát triển nhanh hơn nhiều so với những gì người tiêu dùng có thể nhận thấy. “Bạn không nên kỳ vọng sẽ thấy bất kỳ sự chậm lại nào trong hiệu suất của những mô hình này,” anh nói. “Đây là một lĩnh vực có tiến bộ công nghệ đáng kinh ngạc.”
Trong khi đó, Aravind Srinivas, CEO của Perplexity chỉ ra rằng việc áp dụng tìm kiếm thông minh chưa đạt đến mức cần thiết. “Vẫn còn sớm, và mọi người chưa sử dụng những công cụ này thường xuyên. Chúng cần phải trở nên trực quan hơn,” anh nói. “Mục tiêu của chúng tôi tại Perplexity là lấy tất cả các mô hình tuyệt vời mà mọi người khác xây dựng và biến chúng thành những trải nghiệm người dùng tuyệt vời.”
AI đang phát triển nhanh hơn khả năng tiếp nhận của ngành công nghiệp
Daniela nói rằng thực tế có một tốc độ tối đa mà các công ty có thể tiếp nhận các công nghệ AI tiết kiệm tiền bạc và thời gian, và chúng ta đang tiến gần đến giới hạn đó.
“Chúng tôi sẽ nghĩ ra những lĩnh vực nghiên cứu mới, những mối quan tâm và tính năng mới, nhưng sau đó bạn phải biến chúng thành thứ gì đó mà các doanh nghiệp có thể nhanh chóng sử dụng được,” cô ấy nói. Cô ấy ví nó như làm việc với cả hai tay, và một trong số đó di chuyển chậm hơn đáng kể so với tay còn lại.
Alexandr cảm thấy rằng xã hội thậm chí còn chưa khám phá ra cách sử dụng tốt nhất cho AI, và đối với anh, đó là một tiền đề thú vị. “Chúng ta vẫn chưa biết những ứng dụng khổng lồ, mang tính đột phá, và tôi nghĩ điều đó có nghĩa là tầng cơ sở hạ tầng sẽ còn thấy nhiều năm tăng trưởng nữa.” Anh cũng nói rằng điều này trùng hợp với một giai đoạn đổi mới toàn cầu và chính phủ, điều này sẽ làm tăng sự quan tâm của các tổ chức đối với AI. “Theo tôi thấy, số phận của thế giới tự do phụ thuộc vào việc liệu AI có phải là sự đổi mới định hình cho thời đại này hay không. Tôi thực sự hy vọng các chính phủ hiểu được điều đó.”
Các ngành công nghiệp được quản lý chặt chẽ như chăm sóc sức khỏe đang áp dụng AI nhanh nhất
“Tôi không nghĩ có ngành công nghiệp nào đang áp dụng AI nhanh như ngành chăm sóc sức khỏe hiện nay,” Shiv nói. “Chúng tôi đang công bố một hệ thống y tế mới mỗi tuần và họ đang áp dụng nó vì chúng ta đang trong tình trạng khẩn cấp về sức khỏe cộng đồng. Hai trong số năm bác sĩ không muốn tiếp tục làm bác sĩ trong hai đến ba năm tới, và hơn một phần tư số y tá không muốn tiếp tục làm y tá trong 12 tháng tới.”
Tỷ lệ kiệt sức và bỏ việc đó đang khiến các tổ chức chăm sóc sức khỏe phải vội vã tìm cách cải thiện chất lượng chăm sóc và trải nghiệm của các nhân viên y tế.
Ví dụ, Abridge sử dụng trí tuệ nhân tạo tạo sinh để chuyển đổi các cuộc trò chuyện giữa bệnh nhân và bác sĩ thành ghi chú lâm sàng theo thời gian thực, mang lại những lợi ích tức thì: giảm bớt việc ghi chép, tăng cường sự tham gia của bệnh nhân, hỗ trợ đa ngôn ngữ, và cải thiện sức khỏe tinh thần của nhân viên y tế.
“Phản hồi sâu sắc nhất mà chúng tôi nhận được từ các bác sĩ chăm sóc sức khỏe ban đầu là lần đầu tiên trong sự nghiệp 20-30 năm của họ, họ đang có thể nhìn vào mắt bệnh nhân,” Shiv nói.
“Chúng tôi nghe được chính xác cùng loại câu chuyện,” Daniela đồng tình. “Rất nhiều nhân viên y tế đang kiệt sức và mệt mỏi vì công việc hành chính. Chúng tôi cũng đang thấy các ngành thường chậm chạp trong việc áp dụng công nghệ đang đổ xô đến với AI. Các công ty với cơ sở mã lớn và lâu đời, chẳng hạn như các ngành dịch vụ tài chính, vốn được xây dựng dựa trên sự tin cậy.” Trong những tình huống đó, AI có nghĩa là các chuyên gia có thể dành thời gian cho khách hàng.
Bạn có thể đọc thêm bài phân tích chuyên sâu của McKinsey về AI trong lĩnh vực y tế tại đây [https://kenkai.vn/tin-tuc/khai-thac-ai-de-dinh-hinh-lai-trai-nghiem-nguoi-tieu-dung-trong-linh-vuc-cham-soc-suc-khoe/]. Bài viết này cung cấp cái nhìn toàn diện về tác động của AI đối với ngành chăm sóc sức khỏe.
Các ngành công nghiệp không phải là những “monoliths“ và các startup AI đang học cách chuyên biệt hóa
Các nhà sáng lập trong lĩnh vực như chăm sóc sức khỏe đều biết rõ, một bệnh viện không phải là một phòng khám, không phải là một phòng nha khoa, không phải là một nhà cung cấp thiết bị y tế. Các ngành dọc và bối cảnh độc đáo đưa ra những thách thức mới cho các startup AI đang huấn luyện mô hình trên các bộ dữ liệu cụ thể để hoàn thành các nhiệm vụ cụ thể. Nhưng đó cũng là cơ hội để chuyên biệt hóa.
“Bạn có những hệ thống y tế thực sự lớn và ở đầu kia, bạn có bác sĩ ở góc phố,” Shiv nói. “Đó là hai đối tượng rất khác nhau với những nhu cầu rất khác nhau,” chưa kể đến mức độ chấp nhận. “Trong các hệ thống y tế lớn, tiêu chuẩn ‘đủ tốt’ rất cao. Mỗi bác sĩ ở đó là một ‘sát thủ trường hợp ngoại lệ’ – bạn làm sai một điều và bạn sẽ bị họ loại bỏ vĩnh viễn. Nhưng với bác sĩ ở góc phố, ‘đủ tốt’ có thể là đủ rồi. Họ chỉ cần được giảm bớt gánh nặng.”
Thách thức tồn tại lâu dài vẫn là: phân phối
Khi Aravind bắt đầu gây quỹ cho Perplexity, anh tự tin rằng mình có thể xây dựng một sản phẩm tốt hơn dựa trên một mô hình mới, có ít xung đột lợi ích hơn về trải nghiệm người dùng so với các đối thủ cạnh tranh đã được thiết lập. Nhưng một sản phẩm thôi thì chưa đủ, như các công ty AI liên tục học được.
“Các nhà đầu tư nói, đúng, điều đó rất tuyệt nhưng làm thế nào bạn sẽ phân phối nó?” Aravind nhớ lại. “Đây là câu chuyện thường được kể về cách Sundar Pichai trở thành người đứng đầu Google. Mọi người khác tập trung vào các sản phẩm bắt mắt, trong khi anh ấy tập trung vào việc biến Chrome thành trình duyệt thống trị. Đó là lý do tại sao chúng tôi đang hợp tác với các công ty viễn thông, LinkedIn, Uber, và nhiều đối tác khác.”
Khi chi phí chuyển đổi thấp, trải nghiệm là tất cả
Aravind nhìn thấy giá trị của Perplexity là trả lời câu hỏi của mọi người tốt hơn các nhà cung cấp tìm kiếm khác. Mọi người sẽ chọn những trải nghiệm tốt nhất. “Chúng tôi luôn trích xuất nhiều nguồn liên quan từ web,” anh nói. “Điều đó giúp chúng tôi chính xác hơn nhiều, đặc biệt là trong các vấn đề kiến thức thời gian thực.” Sự tập trung hẹp đó đã thúc đẩy sự tăng trưởng của họ: Năm ngoái, họ đã trả lời 500 triệu truy vấn, Aravind nói. Bây giờ họ làm điều này hàng tháng. Trong khi đó, họ tìm cách kiếm tiền bằng các cách khác ngoài các liên kết công cụ tìm kiếm được tài trợ truyền thống – chẳng hạn như các câu hỏi được tài trợ, hoặc một chương trình dành cho nhà xuất bản.
Nhưng cuối cùng, họ chỉ đang tìm ra các chi tiết: “Đó là một thử nghiệm, phải không?,” Aravind nói. “Không ai thực sự thử các mô hình khác ngoài mô hình đăng ký. Niềm tin của chúng tôi là nếu điều này thành công, chúng tôi cũng có thể bù đắp cho những người sáng tạo nội dung bằng cách chia sẻ doanh thu quảng cáo.”
Các thị trường chưa trưởng thành dễ dàng chấp nhận các mô hình mới
Trong các thị trường trưởng thành, các bước đi ra thị trường phải được lên kế hoạch cẩn thận hơn. Nhưng trong một thị trường như hiện nay – đang mở rộng nhanh chóng với những lãnh địa chưa được khám phá – điều quan trọng hơn có thể chỉ đơn giản là bắt đầu.
“Chúng ta đang ở giai đoạn rất sớm trong ngành công nghiệp AI, tôi nghĩ nhiều mô hình kinh doanh sẽ hoạt động hiệu quả. Cũng như vậy với nhiều cách tiếp cận để thu hút người dùng,” Alexandr nói. “Dù là tăng trưởng dựa trên sản phẩm, bán hàng từ trên xuống, bán hàng cho chính phủ, lớp mô hình, lớp cơ sở hạ tầng, một chút của mọi thứ sẽ thành công. Nếu chúng ta nhảy vọt 10 năm về tương lai, tôi nghĩ rõ ràng AI sẽ trở nên phổ biến khắp nơi.” Tóm lại, có rất nhiều không gian để phát triển và nhiều người chơi.”
“Nhưng như chúng ta đã thấy với các sự thay đổi mô hình công nghệ khác, Alexandr nghĩ rằng những người đi đầu vẫn sẽ nắm giữ lợi thế trong kỷ nguyên AI. Anh ấy so sánh những động lực này với những ngày đầu của Internet và cuộc chiến trình duyệt. “Tôi đã nói chuyện với một nhà đầu tư mạo hiểm về Netscape,” Alexandr nói, “người đã nói với tôi, ‘Vâng, ban đầu chúng tôi nghĩ rằng chúng tôi sẽ kiếm tiền từ trình duyệt, sau đó Internet Explorer đã đè bẹp chúng tôi. Chúng tôi đã xây dựng một doanh nghiệp hoàn toàn mới, máy chủ, và cuối cùng nó đã trở nên lớn hơn nhiều so với doanh nghiệp trình duyệt mà chúng tôi đã có.'”
Bài học rút ra? Nhiều doanh nghiệp lớn vẫn chưa được khám phá khi công nghệ phát triển và các mô hình kinh doanh mới xuất hiện. Tuy nhiên, những người chơi AI thiết lập được chỗ đứng trong thị trường và có hệ thống phân phối vững chắc từ sớm sẽ đảm bảo được lợi thế cạnh tranh. Họ sẽ có được sự linh hoạt để khám phá các chiến lược kiếm tiền mới và tiếp tục phát triển.
Phản ứng tốt nhất đối với thách thức giữ chân khách hàng? Hãy hiểu rõ khách hàng của bạn
Giữ chân khách hàng là một thách thức trong gần như mọi thị trường kỹ thuật số, nhưng đặc biệt là những thị trường có chi phí chuyển đổi thấp (low switching costs). Các startup AI đang giữ chân những người dùng lần đầu như thế nào? Perplexity tập trung vào việc khiến các nhóm người dùng lần đầu khác nhau thực hiện truy vấn thứ hai.
“Chúng tôi theo dõi hai loại giữ chân khách hàng — theo tuần và theo nhân khẩu học, và liệu mọi người có thực hiện một truy vấn khác trong suốt thời gian sử dụng hay không. Ban đầu, chúng tôi đạt 80%, và tôi nói rằng chúng ta cần đẩy con số này càng gần 100% càng tốt. Sau đó, chúng tôi sẽ tập trung vào việc khiến mọi người thực hiện năm truy vấn, và nó trở thành một thói quen.””
Đối với Daniela và Anthropic, thành công là về việc hiểu biết sâu sắc và phục vụ đối tượng cụ thể của họ. “Người dùng Claude thường có trình độ học vấn cao và sử dụng nó cho công việc hoặc các nhiệm vụ liên quan. Vì vậy tôi đùa rằng, chúng tôi không kinh doanh trong lĩnh vực làm video mèo trượt tuyết. Những video đó rất vui nhộn. Nhưng đó không phải là điều mà cơ sở người dùng của chúng tôi yêu cầu. Họ muốn được hỗ trợ trong việc viết lách, phân tích thông tin, và xem xét các tài liệu pháp lý, v.v.”
Nếu cạnh tranh với một gã khổng lồ, hãy chiến thắng trên một use case hẹp
Perplexity đang cạnh tranh với những công cụ tìm kiếm lớn nhất hiện có. Họ dự định chiến thắng như thế nào? Bằng cách chỉ cạnh tranh trong những lĩnh vực mà họ có thể thắng, những lĩnh vực mang lại giá trị gia tăng cho người dùng. “Một điều rất rõ ràng là chúng tôi không cố gắng lấy đi hành vi điều hướng – tìm kiếm Google những từ như ‘Reddit’ hay ‘Costco’, họ có thể giữ phần đó. Có lẽ chỉ riêng điều đó đã chiếm tới một tỷ lượt tìm kiếm mỗi ngày,” Aravind nói. Thay vào đó, anh ấy và nhóm của mình đang nhắm đến những truy vấn chi tiết, phức tạp mà một công cụ như Perplexity có lợi thế. “Chúng tôi muốn trở thành người chơi chính trong lĩnh vực đó.”
Đội ngũ Perplexity cũng cẩn thận chỉ cạnh tranh về những gì thực sự quan trọng đối với người dùng của họ – trải nghiệm thực tế. “Trước đây, bất cứ ai cố gắng đối đầu với Google đều tấn công họ về quyền riêng tư hoặc các thực hành độc quyền,” Aravind nói. “Người tiêu dùng không thực sự có được trải nghiệm khác biệt từ điều đó. Nhưng bây giờ điều đó là có thể vì các mô hình ngôn ngữ lớn (LLMs) thực sự bắt đầu hoạt động tốt trong việc điều chỉnh hướng dẫn, và các cuộc hội thoại, và khả năng tóm tắt mà không có hallucinations (ảo giác).” Người dùng đang chuyển đổi (switching) cho những tình huống mà điều đó thực sự hoạt động tốt hơn.
Dù có nhiều điểm khác biệt, mọi startup AI đều có hai lựa chọn
“It’s go public or sell”
Đó là niêm yết công khai hoặc bán công ty. Đó là tiệm cận,” Aravind nói. “Để làm được điều đó, bạn phải có lợi nhuận, hoặc đang trên con đường đạt được lợi nhuận. Sẽ tốt hơn nếu bạn không phải đổ nhiều công sức vào hoạt động bán hàng; biên lợi nhuận sẽ cao hơn. Nếu bạn có thể thực sự thay đổi thói quen hàng ngày của mọi người, và sản phẩm lan rộng đến một phần lớn thế giới, và bạn có thể kiếm tiền từ một phần lớn những truy vấn đó, đó là điều chúng tôi đang cố gắng làm.
Nhiều startup AI có lợi thế về mặt này – họ được hưởng lợi từ sự tiến bộ nhanh chóng của cơ sở hạ tầng, từ việc cạnh tranh làm giảm giá các mô hình đến việc mã nguồn mở loại bỏ các rào cản. Nhưng sau đó câu hỏi đặt ra là, làm thế nào để biến điều đó thành lợi thế so với những đối thủ khác?
Câu hỏi cuối cùng đều quy về là, bạn có thể tăng trưởng theo cấp số nhân không?” Alexandr hỏi. “AI có thể. Tôi nghĩ đó là điều mà Aravind đang muốn nói đến. Sự khác biệt giữa việc bạn có trở thành một công ty nghìn tỷ đô la hay không là, bạn có khả năng tăng trưởng theo cấp số nhân trong một thời gian cực kỳ dài không? Và tôi nghĩ điều đó rất có thể xảy ra với AI.
Tác giả: Atlas Editors,
Link bài gốc: AI’s race to value: A conversation with Abridge, Anthropic, Perplexity, and Scale AI | Bài được đăng vào Ngày 10 tháng 12 năm 2024 | www.bvp.com
Dịch giả: Dieter R – KenkAI Nhiều thứ hay
(*) Bản quyền bản dịch thuộc về Dieter R. Tuy nhiên, nội dung bài viết không phải do tôi tạo ra. Mọi khiếu nại về bản quyền (nếu có) xin vui lòng gửi email đến địa chỉ purchasevn@getkenka.com. Xin chân thành cảm ơn.
(**) Follow KenkAI Nhiều thứ hay để đọc các bài dịch khác và cập nhật thông tin bổ ích hằng ngày.
OpenAI o3 nổi bật như một mô hình AI có khả năng lập luận mạnh mẽ nhất từ trước đến nay. Mô hình này thể hiện xuất sắc trong việc giải quyết các bài toán phức tạp và đã đạt thành tích ấn tượng với độ chính xác 91,6% trong Kỳ thi Toán học American Invitational Mathematics Examination (AIME) 2025.
Năng lực của o3 bao trùm nhiều lĩnh vực từ lập trình, toán học, khoa học cho đến nhận thức thị giác. So với phiên bản tiền nhiệm, mô hình này giảm 20% lỗi nghiêm trọng trong các tác vụ nền tảng, mặc dù tiêu tốn gấp 10 lần tài nguyên tính toán.
OpenAI o3 thể hiện bước tiến vượt bậc so với các mô hình tiền nhiệm. Kể từ ngày ra mắt 16 tháng 4 năm 2025, mô hình O-series mới nhất này áp dụng cơ chế lập luận mô phỏng, cho phép nó “suy ngẫm” trước khi đưa ra phản hồi. ChatGPT o3 tích hợp liền mạch nhiều công cụ, tạo nên trải nghiệm đa dạng. Mô hình này có khả năng tự quyết định thời điểm sử dụng tìm kiếm web và phân tích dữ liệu Python. Phiên bản o3 đầy đủ mang đến khả năng lập luận toàn diện nhất với với cửa sổ ngữ cảnh khổng lồ lên tới 200.000 token, trong khi các biến thể nhỏ gọn hơn sẽ được ra mắt trong tương lai.
Hãy cùng tìm hiểu những đặc điểm nổi bật của o3, từ khả năng lập luận trực quan đến vai trò của nó trong Khung Chuẩn bị mới “Preparedness Framework” của OpenAI. Mô hình này đánh dấu một bước tiến quan trọng khi là mô hình AI đầu tiên tích hợp các tính năng an toàn như cơ chế sắp xếp có chủ đích – một bước đột phá trong việc phát triển AI có trách nhiệm.
Video Tutorial: OpenAI o3 và o4-mini – Bước tiến mới trong AI
OpenAI o3 là gì và nó khác biệt như thế nào?
OpenAI o3 đánh dấu một bước nhảy vọt trong lĩnh vực trí tuệ nhân tạo, Ra mắt vào ngày 16 tháng 4 năm 2025, o3 là một phần trong dòng mô hình lập luận chuyên sâu của OpenAI. Trong khi các mô hình ngôn ngữ truyền thống chủ yếu tập trung vào việc tạo ra văn bản tổng quát, dòng o-series lại đi theo một hướng khác biệt. Mục tiêu của nó là nâng cao khả năng lập luận, tạo nên sự khác biệt rõ rệt so với các mô hình GPT quen thuộc của OpenAI.
Sự phát triển từ o1 đến o3
OpenAI lần đầu tiên tiết lộ o1 (tên mã “Strawberry”) vào tháng 9 năm 2024. Công ty đã mở rộng quyền truy cập o1 cho nhiều người hơn vào ngày 5 tháng 12 năm 2024. Chỉ hai tuần sau, họ đã xem trước o3 trong sự kiện ’12 Ngày Shipmas’ của họ. Tiến độ nhanh chóng này cho thấy sự cống hiến kiên định của họ đối với khả năng lập luận tốt hơn.
Những cải tiến rất ấn tượng. O3 mắc ít hơn 20% lỗi lớn so với o1 khi xử lý các nhiệm vụ thực tế khó khăn. Nó thực sự tỏa sáng trong lập trình, tư vấn kinh doanh và sáng tạo ý tưởng. Nhìn vào các thước đo cụ thể, o3 đạt độ chính xác 69,1% trong bài kiểm tra lập trình Verified SWE-bench, vượt trội hơn phiên bản tiền nhiệm. Mô hình này cũng đạt điểm ấn tượng 87,7% trong bài kiểm tra GPQA Diamond cho các vấn đề khoa học cấp độ chuyên gia.
Lý do OpenAI bỏ qua phiên bản o2
Bạn có thể nhận thấy không có mô hình OpenAI o2. Công ty đã nhảy thẳng từ o1 sang o3 vì vấn đề thương hiệu—”O2″ thuộc về một công ty viễn thông Anh do Telefonica UK điều hành. Sam Altman, CEO của OpenAI, nói rằng họ đã đưa ra lựa chọn này “vì sự tôn trọng” đối với Telefonica. Quyết định đặt tên này thực sự đã giúp OpenAI bằng cách làm cho mô hình có vẻ tiên tiến hơn.
Lập luận mô phỏng (Simulated reasoning) đối đầu với các mô hình ngôn ngữ lớn truyền thống
O3 hoạt động khác với các mô hình ngôn ngữ lớn truyền thống. GPT-4 và các mô hình tương tự xuất sắc trong các tác vụ ngôn ngữ chung và nhận dạng mẫu. Tuy nhiên, O3 sử dụng lập luận mô phỏng thay đổi toàn bộ cách tiếp cận xử lý thông tin của nó.
Lập luận mô phỏng này cho phép o3 dừng lại và suy nghĩ về quá trình tư duy nội tại của nó trước khi phản hồi—tương tự như cách con người suy nghĩ. Mô hình chia các vấn đề lớn thành các phần nhỏ hơn và khám phá các cách tiếp cận khác nhau. Nó kiểm tra lập luận của chính mình trước khi đưa ra câu trả lời. Cách tiếp cận này khác với các mô hình ngôn ngữ lớn thông thường chủ yếu sử dụng nhận dạng mẫu và dự đoán.
O3 suy nghĩ cẩn thận hơn về các thách thức phức tạp cần tư duy phân tích sâu sắc. Mô hình hoạt động tốt hơn trong toán học, lập trình và lập luận khoa học. Cách tiếp cận thận trọng này dẫn đến độ chính xác cao hơn trên các vấn đề khó, mặc dù mất nhiều thời gian hơn một chút để phản hồi.
Hiểu về o3-mini và o4-mini
Sự phát triển của các mô hình lập luận của OpenAI dẫn đến các phiên bản hiệu quả được thiết kế để tiết kiệm chi phí và ứng dụng chuyên biệt. Những mô hình “mini” này cung cấp khả năng ấn tượng trong khi giữ yêu cầu tính toán thấp hơn và thời gian phản hồi nhanh hơn.
o3-mini là gì?
OpenAI đã cho ra mắt o3-mini vào ngày 31 tháng 1 năm 2025, đánh dấu sự xuất hiện của mô hình lập luận nhỏ gọn đầu tiên của họ. Mô hình này đáp ứng các tính năng được nhà phát triển yêu cầu nhiều nhất, bao gồm khả năng gọi hàm, Structured Outputs, và developer messages. Là một giải pháp thay thế tiết kiệm chi phí cho mô hình o3 đầy đủ, o3-mini thể hiện xuất sắc trong các lĩnh vực STEM—đặc biệt mạnh mẽ trong khoa học, toán học và lập trình—đồng thời duy trì độ trễ thấp hơn.
Các chuyên gia thử nghiệm nhận thấy o3-mini tạo ra câu trả lời chính xác và rõ ràng hơn so với o1-mini, với 56% thời gian họ ưu tiên chọn phản hồi từ o3-mini. Mô hình này giảm 39% lỗi nghiêm trọng (major errors) khi xử lý các câu hỏi nền tảng khó so với o1-mini. Thời gian phản hồi cũng được cải thiện đáng kể, nhanh hơn 24% so với o1-mini, trung bình chỉ mất 7,7 giây so với 10,16 giây của phiên bản tiền nhiệm.
Giải thích về o3-mini-low, medium và high
Ba biến thể của o3-mini tồn tại dựa trên nỗ lực lập luận: thấp, trung bình và cao. Các nhà phát triển có thể tối ưu hóa cho các trường hợp sử dụng cụ thể—chọn quá trình suy nghĩ sâu hơn cho các vấn đề phức tạp hoặc ưu tiên tốc độ khi độ trễ quan trọng.
O3-mini phù hợp với hiệu suất của o1 trong các đánh giá lập luận và trí thông minh đầy thách thức với nỗ lực lập luận trung bình, bao gồm AIME và GPQA. Các tùy chọn lập luận cao cung cấp khả năng phân tích cải thiện với chi phí thời gian phản hồi hơi lâu hơn. Vì vậy, tất cả người dùng ChatGPT trả phí đều nhận được quyền truy cập vào cả o3-mini (sử dụng lập luận trung bình theo mặc định) và o3-mini-high trong bộ chọn mô hình.
Phiên bản 1 (Dịch sát nghĩa):
O4-mini là gì và nó so sánh với o3-mini như thế nào
OpenAI đã phát hành o4-mini cùng với o3 vào ngày 16 tháng 4 năm 2025, như một mô hình nhỏ hơn được tối ưu hóa cho lập luận nhanh và tiết kiệm chi phí. Mô hình nhỏ gọn này thể hiện hiệu suất đáng chú ý cho kích thước của nó và xuất sắc trong các nhiệm vụ toán học, lập trình và thị giác.
O4-mini vượt trội hơn o3-mini trong cả các nhiệm vụ STEM và phi STEM trong các đánh giá của chuyên gia, bao gồm các lĩnh vực khoa học dữ liệu. Phản hồi của người dùng cho thấy kết quả hỗn hợp—o4-mini cung cấp thông lượng cao hơn và giới hạn sử dụng cao hơn so với o3, nhưng một số người dùng báo cáo vấn đề với việc tạo mã và tính nhất quán so với o3-mini-high.
O4-mini có các biến thể lập luận tiêu chuẩn và cao, với phiên bản cao mất nhiều thời gian hơn để tạo ra câu trả lời có khả năng đáng tin cậy hơn.
Các khả năng chính của o3
O3 của OpenAI nổi bật so với các mô hình AI truyền thống với những khả năng đột phá. Mô hình học thông qua học tăng cường quy mô lớn và thể hiện kỹ năng đáng chú ý trên nhiều lĩnh vực. Điều này khiến nó trở thành một công cụ mạnh mẽ để giải quyết các vấn đề phức tạp.
Lập luận nâng cao và chuỗi suy nghĩ
OpenAI đã huấn luyện mô hình o3 để “suy nghĩ” trước khi đưa ra câu trả lời thông qua cái mà họ gọi là “chuỗi tư duy riêng tư”. Mô hình này lập kế hoạch trước và lập luận thông qua các nhiệm vụ bằng cách thực hiện các bước suy luận trung gian để giải quyết vấn đề. O3 có khả năng phân tích các thách thức phức tạp và cân nhắc nhiều phương pháp tiếp cận khác nhau. Nó tự đánh giá quá trình lập luận của mình trước khi đưa ra câu trả lời cuối cùng. Mặc dù quá trình này đòi hỏi nhiều sức mạnh tính toán hơn và mất nhiều thời gian hơn để phản hồi, nhưng kết quả đầu ra lại chính xác hơn đáng kể.
Visual reasoning: suy nghĩ bằng hình ảnh
Một trong những bước đột phá lớn nhất của o3 là biết cách lập luận với hình ảnh trực tiếp trong chuỗi suy nghĩ của nó. Mô hình không chỉ nhìn thấy hình ảnh – nó suy nghĩ với chúng. O3 làm việc với hình ảnh do người dùng tải lên bằng cách sử dụng các công cụ khác nhau. Nó cắt, phóng to, xoay và áp dụng các kỹ thuật xử lý khác. Điều này giúp o3 phân tích hình ảnh mờ, đảo ngược hoặc chất lượng thấp. Tính năng này chứng tỏ giá trị trong việc giải thích bảng trắng (whiteboards), sơ đồ sách giáo khoa hoặc phác thảo vẽ tay (hand-drawn sketches).
Sử dụng công cụ: duyệt web, lập trình, phân tích tệp
O3 kết hợp lập luận tiên tiến với các khả năng công cụ chi tiết. Bao gồm duyệt web, lập trình Python, phân tích hình ảnh, xử lý tệp và các tính năng bộ nhớ. Các công cụ không chỉ có sẵn – o3 biết chính xác khi nào và cách sử dụng chúng trong quá trình lập luận. Ví dụ, xem cách nó tìm kiếm dữ liệu tiện ích trên web, viết mã Python để dự báo và tạo biểu đồ giải thích – tất cả trong một tương tác.
Tự kiểm tra sự thật và tính năng bộ nhớ
O3 sử dụng sự sắp xếp có cân nhắc để lập luận về các chính sách an toàn khi nó phản hồi các lời nhắc có khả năng không an toàn. Tự kiểm tra sự thật tích hợp giúp phản hồi chính xác hơn. Mô hình cũng nhớ các chi tiết hữu ích giữa các cuộc trò chuyện. Điều này dẫn đến các phản hồi được tùy chỉnh và phù hợp.
Performance trong toán học, lập trình và khoa học
O3 cho thấy kết quả đặc biệt xuất sắc trong các lĩnh vực kỹ thuật:
- Toán học: Độ chính xác 91,6% trên AIME 2024 (so với 74,3% của o1)
- Lập trình: Độ chính xác 69,1% trên SWE-bench Verified (so với 48,9% của o1)
- Khoa học: Độ chính xác 83,3% trên thước đo GPQA Diamond
Safety, access, and pricing
OpenAI đang dẫn đầu trong việc triển khai an toàn và có trách nhiệm các mô hình lập luận của mình. Tài liệu an toàn mới nhất của họ cho thấy cách o3 và o4-mini áp dụng nhiều lớp bảo vệ, vừa ngăn chặn việc sử dụng sai mục đích, vừa hỗ trợ các ứng dụng có ích.
Deliberative alignment: Phương pháp an toàn mới
OpenAI đã phát triển phương pháp sắp xếp có chủ đích – một kỹ thuật an toàn đột phá giúp các mô hình lập luận hiểu trực tiếp các thông số kỹ thuật an toàn do con người viết. Khác với các phương pháp cũ, nơi các mô hình học hành vi mong muốn từ các ví dụ được gắn nhãn, o3 giờ đây có thể suy ngẫm về các thông số này trước khi đưa ra câu trả lời.
Cách tiếp cận này giúp o3 vượt trội hơn GPT-4o trong việc đáp ứng các tiêu chuẩn an toàn nội bộ và bên ngoài. Nó giảm thiểu các kết quả có hại và tránh việc từ chối không cần thiết đối với nội dung an toàn. Đây là một bước tiến vượt bậc so với các phương pháp an toàn truyền thống chỉ dựa vào đào tạo từ các ví dụ.
Preparedness Framework v2
Khung Chuẩn bị phiên bản 2 của OpenAI giờ đây xem xét năm tiêu chí rủi ro: tính khả thi, khả năng đo lường, mức độ nghiêm trọng, tính mới hoàn toàn và liệu rủi ro xảy ra tức thì hay không thể khắc phục.
Khung này đặt ra hai ngưỡng rõ ràng – Khả năng cao và Khả năng quan trọng – kèm theo các cam kết hoạt động cụ thể. O3 và o4-mini đã trải qua đánh giá trong ba lĩnh vực: mối đe dọa sinh học/hóa học, an ninh mạng và khả năng tự cải thiện của AI. Cả hai mô hình đều duy trì dưới ngưỡng ‘Cao’ của khung trong mọi hạng mục.
Cách truy cập o3 và o4-mini thông qua ChatGPT
Người dùng ChatGPT Plus, Pro và Team có thể truy cập o3, o4-mini và o4-mini-high trực tiếp từ bộ chọn mô hình. Người dùng Enterprise và Edu được truy cập một tuần sau khi phát hành ban đầu. Mỗi cấp độ đăng ký có giới hạn khác nhau:
- Plus, Team, Enterprise & Edu: 100 tin nhắn hàng tuần với o3, 300 tin nhắn hàng ngày với o4-mini và 100 tin nhắn hàng ngày với o4-mini-high
- Pro: Truy cập gần như không giới hạn (tùy thuộc vào các biện pháp bảo vệ tự động)
- Miễn phí: Truy cập giới hạn vào o4-mini bằng cách chọn ‘Think’ trong trình soạn thảo
Giá API và giới hạn sử dụng
Các nhà phát triển có thể sử dụng o3 qua API với giá 254.148,34 VND cho mỗi triệu token đầu vào và 1.016.593,35 VND cho mỗi triệu token đầu ra. O4-mini có giá thấp hơn ở mức 27.956,32 VND cho mỗi triệu token đầu vào và 111.825,27 VND cho mỗi triệu token đầu ra. Người dùng cần xác minh tổ chức ở cấp độ 1-3 để truy cập o3, trong khi tất cả người dùng đã xác minh có thể sử dụng o4-mini. Cả hai mô hình đều hoạt động với cửa sổ ngữ cảnh 200k token và có thể xuất ra tối đa 100k token, điều này cung cấp nhiều không gian cho các tác vụ lập luận phức tạp.
Kết luận
OpenAI o3 đánh dấu một bước ngoặt quan trọng trong lịch sử phát triển AI, khi nó vượt xa khỏi việc đơn thuần so khớp mẫu để hướng tới khả năng lập luận đích thực. Những mô hình này hứa hẹn sẽ phát triển khả năng giải quyết vấn đề ngày càng tinh vi, đi kèm với các biện pháp an toàn được cải thiện. Dòng o chứng minh rằng tương lai của AI không nằm ở việc tạo ra các phản hồi đơn thuần, mà là ở khả năng lập luận thấu đáo trước những vấn đề phức tạp
Câu hỏi thường gặp
C1. Các tính năng chính của mô hình o3 của OpenAI là gì? OpenAI o3 là một mô hình AI tiên tiến sử dụng lập luận mô phỏng để xuất sắc trong các nhiệm vụ giải quyết vấn đề phức tạp. Nó có thể tạm dừng và suy ngẫm trước khi phản hồi, có khả năng lập luận trực quan và tích hợp các công cụ khác nhau như tìm kiếm web và lập trình Python. Mô hình cũng có các biện pháp an toàn nâng cao và cửa sổ ngữ cảnh khổng lồ 200.000 token.
C2. O3 so sánh như thế nào với các mô hình AI trước đây về mặt hiệu suất? O3 thể hiện những cải tiến đáng kể so với các phiên bản tiền nhiệm, mắc ít hơn 20% lỗi lớn trong các nhiệm vụ thực tế khó khăn. Nó đạt độ chính xác 91,6% trên AIME 2025, 69,1% độ chính xác trên điểm chuẩn lập trình SWE-bench Verified, và 87,7% trên điểm chuẩn GPQA Diamond cho các vấn đề khoa học cấp độ chuyên gia.
C3. O3-mini và o4-mini là gì, và chúng khác với mô hình o3 đầy đủ như thế nào? O3-mini và o4-mini là các phiên bản tinh gọn của mô hình o3, được thiết kế để tiết kiệm chi phí và ứng dụng chuyên biệt. Chúng cung cấp khả năng ấn tượng với yêu cầu tính toán thấp hơn và thời gian phản hồi nhanh hơn. O3-mini có các biến thể nỗ lực lập luận thấp, trung bình và cao, trong khi o4-mini được tối ưu hóa cho lập luận nhanh, tiết kiệm chi phí.
C4. Người dùng có thể truy cập các mô hình o3 và o4-mini như thế nào? Người dùng ChatGPT Plus, Pro, Team và Enterprise có thể truy cập o3, o4-mini và o4-mini-high thông qua bộ chọn mô hình. Giới hạn sử dụng thay đổi theo cấp độ đăng ký. Đối với các nhà phát triển, cả hai mô hình đều có sẵn thông qua API với cấu trúc giá khác nhau. Người dùng miễn phí có quyền truy cập hạn chế vào o4-mini bằng cách chọn ‘Think’ trong trình soạn thảo.
C5. Các biện pháp an toàn nào được triển khai trong mô hình o3? O3 kết hợp một phương pháp an toàn mới gọi là sắp xếp có cân nhắc, dạy mô hình lập luận rõ ràng về các thông số kỹ thuật an toàn. Nó cũng có khả năng tự kiểm tra sự thật và được đánh giá theo Khung Chuẩn bị v2 cập nhật của OpenAI, đánh giá rủi ro trên các tiêu chí khác nhau để đảm bảo triển khai AI có trách nhiệm.
Dieter R.
Công nghệ
AI Cách Mạng: Khởi Nghiệp Công Nghệ Tương Lai Ngay
Ông Lee cho biết: “Nếu thuộc thế hệ trước, chúng tôi dễ dàng có tới 200 nhân viên. Chúng tôi có cơ hội để suy nghĩ lại về điều đó, về cơ bản là viết lại kịch bản”.
Khởi nghiệp AI đang định hình tương lai kinh doanh. Với sức mạnh công nghệ, startup AI giải phóng tiềm năng sáng tạo, tối ưu hóa quy trình và mở ra những cơ hội kinh doanh chưa từng có trong kỷ nguyên số.
DeepSeek đang tạo ra một bước ngoặt mới cho Thung lũng Silicon.
Hầu như ngày nào, doanh nhân Grant Lee cũng được các nhà đầu tư thuyết phục xuống tiền. Một số người thậm chí còn gửi cho ông và những người đồng sáng lập khác nhiều giỏ quà đắt đỏ để lấy lòng.
Ông Lee, 41 tuổi, trước đây đã giúp thành lập một công ty khởi nghiệp AI có tên Gamma. Giống như nhiều startup trẻ khác ở Thung lũng Silicon, Gamma theo đuổi một chiến lược mới: sử dụng các công cụ trí tuệ nhân tạo để tăng năng suất của nhân viên, từ dịch vụ khách hàng, tiếp thị đến mã hóa và nghiên cứu.
Điều đó có nghĩa là Gamma không cần thêm tiền mặt nữa, ông Lee cho biết. Công ty của ông chỉ tuyển dụng 28 người cũng có thể tạo ra hàng chục triệu USD doanh thu định kỳ hàng năm với gần 50 triệu người dùng. Gamma cũng có lãi.
Ông Lee cho biết: “Nếu thuộc thế hệ trước, chúng tôi dễ dàng có tới 200 nhân viên. Chúng tôi có cơ hội để suy nghĩ lại về điều đó, về cơ bản là viết lại kịch bản”.
Mô hình Thung lũng Silicon cũ chỉ ra rằng các công ty khởi nghiệp nên huy động một khoản tiền lớn từ các nhà đầu tư mạo hiểm, sau đó chi tiền thuê một đội ngũ nhân viên để mở rộng quy mô. Trong khi đó, Gamma vẫn kiếm được tiền và phát triển nhanh chóng dù không cần vốn tài trợ hay số lượng lớn nhân viên.
Những câu chuyện thành công này đã thu hút sự chú ý của Thung lũng Silicon. Anysphere, một công ty khởi nghiệp tạo ra phần mềm mã hóa Cursor, đạt doanh thu 100 triệu USD trong vòng chưa đầy hai năm với chỉ 20 nhân viên. ElevenLabs, một công ty A.I. công ty khởi nghiệp bằng giọng nói, cũng làm nên kỳ tích tương tự với khoảng 50 nhân sự.
Khả năng A.I. cho phép các công ty khởi nghiệp làm được nhiều việc hơn với ít nhân viên hơn đã dẫn đến những suy đoán hoang đường về tương lai. Sam Altman, giám đốc điều hành của OpenAI, dự đoán rằng một ngày nào đó có thể có một công ty một người trị giá 1 tỷ USD.
Với các công cụ A.I., một số công ty khởi nghiệp hiện đang tuyên bố ngừng tuyển dụng ở một quy mô nhất định. Runway Financial, một công ty phần mềm tài chính, cho biết chỉ tuyển tối đa 100 nhân viên vì mỗi người sẽ tăng năng suất gấp rưỡi. Agency, startup sử dụng A.I. cho dịch vụ khách hàng, cũng có kế hoạch tuyển dụng không quá 100 nhân viên.
“Mục đích là loại bỏ những vai trò không cần thiết”, Elias Torres, người sáng lập Agency, cho biết.
Ý tưởng này được thúc đẩy bởi DeepSeek, công ty khởi nghiệp A.I. của Trung Quốc xây dựng các công cụ trí tuệ nhân tạo với chi phí chỉ bằng một phần nhỏ so với chi phí thông thường. Bước đột phá, được xây dựng trên các công cụ nguồn mở có sẵn miễn phí trực tuyến, đã tạo ra sự bùng nổ của các công ty xây dựng sản phẩm mới giá rẻ.
“DeepSeek là một bước ngoặt”, Gaurav Jain, một nhà đầu tư tại công ty đầu tư mạo hiểm Afore Capital, đơn vị đã hỗ trợ Gamma, cho biết. “Chi phí điện toán sẽ giảm rất, rất nhanh, rất nhanh”.
Ông Jain so sánh các công ty khởi nghiệp A.I. mới với làn sóng cuối những năm 2000, sau khi Amazon bắt đầu cung cấp các dịch vụ điện toán đám mây giá rẻ. Điều đó đã làm giảm chi phí thành lập công ty, dẫn đến một loạt các công ty khởi nghiệp mới có thể được xây dựng với chi phí rẻ.
Trước cơn sốt A.I. này, các công ty khởi nghiệp thường đốt 1 triệu USD để đạt được doanh thu 1 triệu USD. Bây giờ, để đạt được doanh thu 1 triệu USD, chi phí chỉ bằng 1/5 và cuối cùng có thể giảm xuống còn 1/10, theo phân tích của Afore đối với 200 công ty khởi nghiệp.
Ông Jain cho biết: “Lần này, chúng tôi đang tự động hóa con người chứ không chỉ tự động hóa các trung tâm dữ liệu”.
Tuy nhiên, nếu các công ty khởi nghiệp vẫn có thể có lãi mà không cần chi nhiều tiền, điều đó có thể trở thành vấn đề lớn đối với các nhà đầu tư mạo hiểm, những người phân bổ hàng chục tỷ USD để đầu tư vào các công ty khởi nghiệp A.I. Năm ngoái, các công ty A.I. đã huy động được 97 tỷ USD tiền tài trợ, chiếm 46% tổng số tiền đầu tư mạo hiểm tại Mỹ, theo PitchBook.
“Vốn đầu tư mạo hiểm chỉ hiệu quả nếu bạn rót tiền vào những người chiến thắng”, Terrence Rohan, một nhà đầu tư của Quỹ Otherwise, tập trung vào các công ty khởi nghiệp rất trẻ, cho biết.
“Nếu người chiến thắng trong tương lai cần ít tiền hơn, không biết dòng vốn đầu tư mạo hiểm sẽ ra sao?”.
Hiện tại, các nhà đầu tư vẫn tiếp tục đấu tranh để đầu tư vào các công ty đang phát triển mạnh nhất, nhiều công ty trong số đó không cần thêm tiền. Một số nhà đầu tư lạc quan rằng hiệu quả do A.I. thúc đẩy sẽ thôi thúc các doanh nhân thành lập nhiều công ty hơn, dẫn đến nhiều cơ hội đầu tư hơn. Họ hy vọng khi các công ty khởi nghiệp đạt đến một quy mô nhất định, họ sẽ áp dụng mô hình cũ là các nhóm lớn và tiền lớn.
Quay trở lại với Gamma.
Ông Lee cho biết ông đang có kế hoạch tăng gấp đôi lực lượng lao động trong năm nay lên 60, tuyển dụng cho bộ phận thiết kế, kỹ thuật và bán hàng. Nhân sự phải có kiến thức tổng quát có thể thực hiện nhiều nhiệm vụ thay vì một việc như trước đây. Theo ông Lee, mô hình hiệu quả với AI đã giúp giải phóng thời gian. Bây giờ ông chỉ việc tập trung tư vấn khách hàng và cải thiện sản phẩm.
“Đó thực sự là giấc mơ của mọi nhà sáng lập”, ông Lee nói.
Theo: Financial Times, WSJ
Hashtags: #StartupAI #CongNgheKhoiNghiep #KinhDoanhCongNghe #AIKhaiPha #StartupCongNghe
Nguồn: markettimes.vn / 21-Feb-2025 / https://markettimes.vn/deepseek-khoi-phat-ky-nguyen-startup-gia-re-chi-20-nhan-su-cung-tao-ra-hang-chuc-trieu-usd-cac-cong-ty-khong-con-khat-tien-mat-77486.html
-
Video4 months agoVideo Truyền Cảm Hứng Thành Công Mạnh Mẽ Nhất
-
Khóa học9 months ago
41 Tài Nguyên Về “Reinforcement Learning” (Học Tăng Cường) Tốt Nhất
-
Khóa học7 months ago
Đây là 38 Khóa học Miễn phí về Khoa học Dữ liệu trên Coursera mà bạn nên biết vào năm 2024.
-
Công nghệ9 months ago
44 công ty khởi nghiệp AI triển vọng nhất năm 2024
-
Công nghệ6 months ago
Giải thích các Mô hình Trí Tuệ Nhân tạo Tạo sinh 🤖Phần 1
-
Công nghệ8 months ago
Robo Advisor là gì?
-
Công nghệ5 months ago
Câu chuyện tình yêu ❤️Ch3
-
Giải trí5 months ago
Câu chuyện tình yêu ❤️Ch4
