Xuất bản vào

Mô hình không phải là hào kinh tế

Tác giả

Listen to this article · Mô hình không phải là hào kinh tế

0:00 / 0:00

Watch in English · Mô hình không phải là hào kinh tế

Luận điểm gói gọn trong một câu, và chính Eliot Horowitz cũng nói theo cách đó: giá trị trong ngành robotics sẽ không thuộc về ai sở hữu mô hình đóng lớn nhất. Mô hình không phải là hào kinh tế. Dữ liệu và bí quyết của bạn mới là.

Đó là điều kỳ lạ khi nghe từ một người bán phần mềm, nên phần còn lại trong bài viết của ông đáng được đọc như kinh tế học hơn là sự hào hứng.

1tỷ
các triển khai AI vật lý mà ông ấy muốn có trong mười năm
10,000
các startup mà ông ấy nói quá trình chuyển đổi cần
2
các bộ dữ liệu robot công khai mà mọi người đều huấn luyện trên đó

Điều gì vẫn thuộc về bạn, và điều gì không

Ông ấy vạch ranh giới rất hẹp. Ba thứ là hào bảo vệ và nên giữ độc quyền: dữ liệu mà máy móc của bạn thu thập, bí quyết trong quy trình của bạn, và hệ thống triển khai mà bạn thực sự vận hành. Mọi thứ còn lại — các mô hình, trọng số, hệ thống lập trình — nên được mở.

  1. Dữ liệu của bạn

    được thu thập trên chính máy của bạn

  2. Bí quyết của bạn

    quy trình, không phải mô hình

  3. Việc triển khai của bạn

    nơi nó chạy và những gì nó chạm tới

  4. Mọi thứ còn lại

    mô hình, trọng số, công cụ — mở

Ba thứ để giữ, một thứ để cho đi, theo cách ông ấy đặt vấn đề.

Lý do không phải là cảm tính. Dữ liệu robot công khai mà mọi người dùng để huấn luyện thì ít ỏi và được chia sẻ, nên các mô hình huấn luyện trên đó sẽ hội tụ — và khác biệt sau đó đến từ những gì máy móc của chính bạn nhìn thấy. Dữ liệu đó nằm rải rác trong hàng triệu triển khai tại nhà máy, trang trại và nhà kho mà không công ty mô hình nào có thể tiếp cận. Ông lập luận rằng đó là lý lẽ ủng hộ hạ tầng thuộc sở hữu của những người nắm giữ dữ liệu, chứ không phải của số ít người muốn có nó.

Hai phản đối, được giải đáp

  1. Quy mô thắng thế

    dữ liệu bị phân tán, không tập trung

  2. Có trọng số mở

    không có công cụ và triển khai, trọng số chẳng làm được gì nhiều

Hai ý phản bác, và câu trả lời một câu cho mỗi ý.

Ông ấy giải quyết hai vấn đề xuất hiện đầu tiên. Nếu quy mô thắng, ai có nhiều dữ liệu nhất sẽ huấn luyện mô hình tốt nhất — chỉ có điều dữ liệu thực sự quan trọng không tập trung ở bất kỳ đâu, và không thể mua gom về một chỗ. Và nếu trọng số mở đã tồn tại, đó mới chỉ là khởi đầu chứ chưa phải câu trả lời: công cụ, đường ống dữ liệu và lớp triển khai cũng phải mở, nếu không thì trọng số chẳng giúp được gì nhiều cho người cần chúng.

Một runtime mở, được vẽ cho ABN Asia

Dữ liệu huấn luyện thực sự đến từ đâu

Chủ yếu là video. Có một lượng khổng lồ cảnh quay người làm đủ thứ việc, và rất nhiều cảnh quay được tạo riêng để dạy một tác vụ, cộng với khối nghiên cứu ngày càng lớn về việc biến chúng thành dữ liệu huấn luyện robot. Các kết quả ban đầu hứa hẹn đến mức các nhóm nghiên cứu đã và đang huấn luyện chính sách robot trên video công việc thường ngày của con người. Đó là phần kém chắc chắn nhất của lập luận, và ông coi đó là phần có dư địa lớn nhất.

Sự tiết lộ, do chính ông đưa ra

Ông ấy không trung lập, và cũng không giả vờ trung lập. Ông đã bỏ tiền của mình vào một công ty robot có runtime mã nguồn mở, công bố các mô-đun của nó và thu phí dịch vụ đám mây — cùng mô hình với doanh nghiệp cơ sở dữ liệu mà ông từng gây dựng trước đây. Kinh doanh và mã nguồn mở không đối lập, ông nói; đó là mô hình, không phải sự thỏa hiệp.

Điều ông ấy phản đối là một kết cục cụ thể: hàng triệu nhà phát triển làm việc cho mười công ty đã gom giá trị vào sau bức tường trả phí. Giải pháp thay thế mà ông muốn thì kém hấp dẫn hơn và lớn hơn — AI vật lý mở trong mọi doanh nghiệp, từ một xưởng cơ khí nhỏ đến một hãng vận tải biển cho đến một tiệm giặt là công nghiệp.

Điều đó thay đổi gì cho phần còn lại của chúng ta

  1. Model thành hàng hoá

    ai cũng có cùng nền

  2. Runtime là mã công khai

    không ai độc quyền được

  3. Rủi ro dồn về triển khai

    chạy ở đâu, chạm được gì

  4. Ai vá khi có lỗi

    câu hỏi bảo mật, không phải câu hỏi giấy phép

Nguồn mở không xoá rủi ro — nó chuyển rủi ro sang chỗ khác.

Một runtime mở chuyển dịch rủi ro thay vì loại bỏ nó. Nếu mô hình là hàng hóa phổ thông và runtime là mã công khai, thì yếu tố khác biệt và rủi ro phơi lộ đều chuyển sang phần triển khai: bạn chạy gì, nó có thể tiếp cận gì, và ai có thể vá nó khi một lỗ hổng xuất hiện. Đó là vấn đề an ninh trước khi trở thành câu hỏi cấp phép, và đó là phần trong lập luận về robot mở thường không được nói ra.

Bạn không chỉ nhận được phần mềm — bạn nhận được phần mềm bảo mật. Nếu bạn đang đưa một cỗ máy lên mạng với một runtime mở bên dưới, hãy liên hệ với chúng tôi: [email protected].

Eliot Horowitz, “Mở là cách ngành robot giành chiến thắng”, 18 tháng 11 năm 2026. Các quan điểm là của tác giả; việc công bố khoản đầu tư của ông là của chính ông.

TÁC GIẢ

Về ABN Asia: Ai-Banking-NetworkSecurity (ABN), ABN Asia được thành lập từ năm 2012, là một công ty xuất phát từ học thuật, do những giảng viên, cựu du học sinh Hungary, Hà Lan, Nga, Đức, và Nhật Bản sáng lập. Chúng tôi chia sẻ đam mê chung và tầm nhìn vững chắc về công nghệ, mang đến sự đổi mới và chất lượng đỉnh cao cho khách hàng. Phương châm của chúng tôi là: Tốt hơn. Nhanh hơn. An toàn hơn. Trong nhiều trường hợp: Rẻ hơn.

Hãy liên hệ với chúng tôi khi Quý doanh nghiệp có các nhu cầu về dịch vụ công nghệ thông tin, tư vấn chuyển đổi số, tìm kiếm các giải pháp phần mềm phù hợp, hoặc nếu Quý doanh nghiệp có đấu thầu CNTT (RFP) để chúng tôi tham dự. Quý doanh nghiệp có thể liên hệ với chúng tôi qua địa chỉ email [email protected]. Chúng tôi sẵn lòng hỗ trợ với mọi nhu cầu công nghệ của Quý doanh nghiệp.

ABNAsia.org

© ABN ASIA