Vị đại gia công nghệ rời bỏ công ty lớn để khởi nghiệp trong lĩnh vực AI, đem theo “Killer Agent” của mình.

Năm 2020 là một năm khác biệt. Trong thời gian mọi người phải tạm dừng do đại dịch COVID-19, Dr. Li Kefeng, lúc đó là Phó chủ tịch của Tập đoàn JD, Chủ tịch Ủy ban Công nghệ và Giám đốc công nghệ của JD.com, đã quyết định từ chức để khởi nghiệp. Dr. Li đã dành hơn mười năm trong ngành công nghệ internet.

Ông từng chứng kiến ​​sự ra đời của điện thoại thông minh thế hệ đầu tiên tại Samsung; tại Tập đoàn Ping An với tư cách là Ủy viên thường trực và CTO của Ping An Fintech, thúc đẩy việc xây dựng hệ thống dữ liệu và công nghệ tài chính cho tập đoàn; tại Baidu, như một thành viên sáng lập của Baidu Cloud, ông đã thúc đẩy sự phát triển của Baidu Cloud OS và cũng từng giữ chức vụ Giám đốc điều hành Baidu Mobile, dẫn dắt sự phát triển của lượng người dùng hàng ngày lên đến 100 triệu.

Điều này không có gì bất ngờ, nhưng cũng hoàn toàn hợp lý. Sau hai đợt sóng của Internet PC và di động, Dr. Li Kefeng rõ ràng cảm thấy rằng tăng trưởng lưu lượng truy cập C-end đã chậm lại và giai đoạn bùng nổ đã kết thúc. Các công ty lớn cũng bắt đầu chuyển hướng sang lĩnh vực B-end. B-end chính là con đường mà Dr. Li Kefeng đã chọn, và ông đã kịp thời nắm bắt được làn sóng của mô hình lớn này.

Dr. Li Kefeng luôn tự nhận mình là “người mới trong lĩnh vực B-end”, nhưng sau ba năm khởi nghiệp, doanh thu của công ty đã đạt hàng chục triệu nhân dân tệ, điều này không thể dùng từ “người mới” để định nghĩa ông.

Sức mạnh từ C-end làm sao để chuyển sang B-end?

Các công ty B-end ở Trung Quốc cơ bản có hai loại.

Một loại là các công ty chuyên về dự án và dịch vụ tùy chỉnh, phát triển từng yêu cầu cụ thể theo yêu cầu của khách hàng. Tuy nhiên, vấn đề là yêu cầu của khách hàng thường rời rạc và rời rạc, họ có thể không biết chính xác mình cần gì về số hóa.

Loại khác là mô hình “Copy to China”, với các mô hình kinh doanh, ý tưởng sản phẩm, thậm chí cả lý thuyết PMF được sao chép trực tiếp từ Mỹ. Nhưng thị trường Trung Quốc khác với Mỹ, việc sao chép đơn giản rất khó thành công.

Trong doanh nghiệp, thường phân biệt giữa trung tâm lợi nhuận và trung tâm chi phí, trong đó trung tâm chi phí bao gồm bộ phận hành chính, nhân sự, tài chính và công nghệ thông tin. Nhiều phần mềm B-end ở Trung Quốc được thiết kế xoay quanh trung tâm chi phí, ví dụ như hệ thống quản lý văn phòng (OA), nhưng những phần mềm này có khả năng thanh toán thấp hơn và con đường chuyển đổi thành giá trị kinh doanh trực tiếp dài hơn.

Như Dr. Li Kefeng nói, “Giám đốc cấp cao hoặc người chịu trách nhiệm về số hóa của doanh nghiệp khó lòng tự tin nói rằng 20-30% tăng trưởng của doanh nghiệp là do họ mang lại.”

Mặt ngoài, nhận thức về số hóa còn yếu, mức độ sẵn sàng thanh toán thấp… đều là thách thức chung mà các công ty B-end phải đối mặt. Nhưng kinh nghiệm lâu dài trong việc phát triển sản phẩm C-end của Dr. Li Kefeng cho thấy rằng vấn đề cốt lõi là người làm nghề chưa giải quyết đúng vấn đề, chưa thực sự tạo ra giá trị cho người dùng, nên việc C-end hay B-end không quan trọng.

Theo quan sát của Dr. Li Kefeng, hàng triệu doanh nghiệp Trung Quốc đang từ mô hình phụ thuộc vào quy mô tăng trưởng chuyển sang mô hình cải thiện năng lực nội bộ và hiệu quả kinh doanh. Doanh nghiệp nhận ra rằng chỉ dựa vào trực giác và kinh nghiệm không thể duy trì sự tăng trưởng, nên bắt đầu tìm kiếm sự giúp đỡ của công nghệ.

Tuy nhiên, mức độ kỹ thuật của người dùng phần mềm trong các ngành khác nhau có sự khác biệt. Các doanh nghiệp trong lĩnh vực thương mại điện tử, tài chính công nghệ… có mức độ số hóa cao hơn, nhân viên có thể sử dụng dễ dàng các phần mềm phức tạp, nhưng các ngành khác thì khó sử dụng hiệu quả, dẫn đến chi phí sử dụng phần mềm cao.

Do đó, theo Dr. Li Kefeng, ngành B-end muốn phát triển thực sự, trước hết cần tạo ra sự đồng thuận, tức là khiến tất cả các bên tham gia thị trường đều tin tưởng vào giá trị của phần mềm hoặc giải pháp, nếu không sẽ mất nhiều thời gian và công sức để thuyết phục và giáo dục thị trường. Thứ hai, sản phẩm phải đơn giản và dễ sử dụng, có thể dễ dàng hòa nhập vào công việc hàng ngày của nhóm kinh doanh và không cần đào tạo phức tạp.

Sản phẩm mô hình lớn hoàn toàn đáp ứng các điều kiện trên.

Không cần nói thêm, mọi người đã đồng ý về giá trị và tiềm năng của mô hình lớn, đây là một lợi thế quan trọng. Ngoài ra, mô hình lớn đã giảm bớt rào cản sử dụng dữ liệu, khiến AI và big data không chỉ thuộc về vòng tròn công nghệ mà còn thuộc về đại chúng.

Hiện nay, mặc dù không phải doanh nghiệp nào cũng áp dụng mô hình lớn, nhưng ít nhất họ cũng đang nghiên cứu, tìm hiểu và học hỏi. Những doanh nghiệp đi xa hơn đã bắt đầu thử nghiệm công nghệ mô hình lớn trong hoạt động kinh doanh thực tế, thậm chí một số đã ký hợp đồng thương mại.

“Độ tin cậy và kỳ vọng cao đối với công nghệ mô hình lớn thậm chí còn vượt quá thời kỳ của đám mây tính toán,” Dr. Li Kefeng nhấn mạnh.

Phần mềm B-end truyền thống rất phức tạp, hầu hết các chức năng mà người dùng không cần, đồng thời không cải tiến đáng kể trong thời gian dài, vẫn giữ nguyên giao diện và chức năng ban đầu. Trong khi đó, thông qua phần mềm dựa trên mô hình lớn, người dùng có thể tìm kiếm thông tin chính xác theo yêu cầu chỉ bằng cách biểu đạt đơn giản, phần mềm còn có thể thích nghi và học hỏi liên tục, ngày càng phù hợp với nhu cầu và thói quen sử dụng cá nhân của người dùng.

“Từ góc độ này, công nghệ mô hình lớn sẽ lật đổ phần mềm B-end hiện tại, thậm chí khiến nhiều phần mềm B-end trở nên lỗi thời,” Dr. Li Kefeng bổ sung.

Tất nhiên, các nhà phát triển phần mềm B-end hiện tại cũng sẽ cố gắng theo đuổi, nhưng họ có thể bị hạn chế bởi gánh nặng lịch sử.

Ngoài ra, sản phẩm mô hình lớn còn sẽ thay đổi mối quan hệ ra quyết định trong lĩnh vực B-end.

Dr. Li Kefeng cho biết, người dùng và người ra quyết định trong phần mềm B-end Trung Quốc thường không phải là nhân viên tuyến đầu, mà là ban quản lý không sử dụng phần mềm. Sản phẩm mô hình lớn cho phép mỗi nhân viên tạo ra giá trị thông qua việc sử dụng công cụ, vì vậy chuỗi ra quyết định không chỉ là sếp, mà còn là nhân viên thực sự sử dụng phần mềm, nhu cầu cải thiện hiệu suất của phần mềm ảnh hưởng đến người ra quyết định.

Sau khi làm rõ tác động của mô hình lớn đối với B-end, cách áp dụng mô hình lớn như thế nào?

Điều khiến nhiều người băn khoăn đầu tiên là cách lựa chọn mô hình lớn. Theo đánh giá của Techsun, sự khác biệt giữa các sản phẩm mô hình lớn ở Trung Quốc không đáng kể, so với các mô hình hàng đầu quốc tế như GPT-4, sự khác biệt về sức mạnh tính toán, độ chính xác thực sự khá rõ ràng.

Tuy nhiên, theo quan điểm của Dr. Li Kefeng về cách đối phó và nhìn nhận sự khác biệt giữa mô hình lớn trong nước và quốc tế, “lõi vấn đề là chúng ta có cần đầu tư hàng tỷ đô la (hàng trăm tỷ) để phát triển công nghệ mô hình lớn như OpenAI không?”

OpenAI bắt đầu không tính đến kết quả thương mại, tập trung vào việc thúc đẩy trí tuệ nhân tạo tổng quát (AGI), sau đó cũng nhận được sự hỗ trợ từ quỹ tiền tệ, có thể nhận được nhiều vốn hơn nhiều so với doanh nghiệp Trung Quốc. Nhà sản xuất mô hình lớn Trung Quốc cần xác định hướng của mình ngay từ đầu, suy nghĩ về cách tạo ra giá trị và kiếm lợi nhuận thương mại. Điều này liên quan đến việc chọn hướng đầu tư nào để đảm bảo sử dụng vốn hiệu quả và mục tiêu.

Ngoài ra, hướng phát triển của mô hình lớn do các doanh nghiệp lớn và startup khác nhau.

Các doanh nghiệp lớn có lợi thế rõ ràng trong việc phát triển mô hình lớn, ví dụ như tài nguyên tính toán phong phú và dữ liệu tích lũy lớn, tuy nhiên cũng đối mặt với vấn đề như cách tích hợp mô hình lớn vào hoạt động kinh doanh và dòng sản phẩm hiện tại, gánh nặng thương mại nặng nề.

Trong khi đó, startup không có gánh nặng lịch sử, thường bắt đầu từ góc nhìn nguyên thủy của mô hình lớn, không bị ràng buộc bởi hoạt động kinh doanh trước đây, tự do khám phá và đổi mới, do đó một số sản phẩm có thể không kém cạnh các doanh nghiệp lớn.

Hiện tại, một số doanh nghiệp lớn có nguồn lực tài chính dồi dào như ngân hàng và doanh nghiệp nhà nước sẽ đầu tư trước vào cơ sở hạ tầng mô hình lớn, ví dụ như mua GPU và triển khai mô hình lớn có hàng triệu, thậm chí hàng tỷ tham số, sau đó từ từ khai thác nhu cầu và ứng dụng.

Nhưng nhiều doanh nghiệp khác sẽ tìm kiếm ứng dụng trước, sau đó mới lập dự án và triển khai mô hình lớn. Những doanh nghiệp này sẽ phân loại ra một loạt các nhu cầu, sau đó dựa vào đó quyết định hướng ứng dụng của mô hình lớn. Ví dụ, làm thế nào để tìm kiếm dữ liệu nhanh chóng và chính xác, phân tích dựa trên dữ liệu, hiểu vấn đề kinh doanh và hướng dẫn kinh doanh để nâng cao kết quả, thường là những yếu tố được xem xét hàng đầu.

Dr. Li Kefeng tiết lộ, hiện tại, một số doanh nghiệp đang thử nghiệm ứng dụng mô hình lớn trong phân tích kinh doanh (liên quan chặt chẽ đến tài chính, bán lẻ và sản xuất cao cấp), tạo nội dung (ví dụ như tạo video hoặc hình ảnh cho hoạt động tiếp thị), và thư viện tri thức doanh nghiệp (trích xuất thông tin quan trọng từ thư viện tri thức nội bộ để nhân viên dễ tra cứu và học hỏi). Phân tích kinh doanh doanh nghiệp là lĩnh vực mà hiện tại các doanh nghiệp quan tâm nhất, hơn 90% doanh nghiệp thể hiện nhu cầu rõ ràng.

Mô hình lớn có kiến thức, trí tuệ, khả năng học hỏi và khả năng suy luận, có thể tóm tắt và tạo ra cái nhìn mới. Thực chất của AI Agent là một thể thông minh, chứa nhiều lập trình viên quy trình kinh doanh, có thể hoàn thành lập kế hoạch và thực hiện tự động dựa trên mục tiêu kinh doanh.

Phương pháp của Techsun là kết hợp mô hình lớn với Agent, cho phép ứng dụng doanh nghiệp có khả năng nhớ, phản ánh và học hỏi, có thể gọi công cụ nội bộ và liên tục phản ánh và cải tiến, thực sự hiện thực hóa giá trị kinh doanh.

Tuy nhiên, tìm được ứng dụng không có nghĩa là các công ty khởi nghiệp trong lĩnh vực B-end có thể kiếm lợi nhuận ngắn hạn, theo Dr. Li Kefeng, điều này không hợp lý.

“Nhiều doanh nghiệp vội vàng theo xu hướng mà không hiểu rõ logic chiến thắng và khả năng thương mại hóa, cuối cùng dẫn đến thất bại,” Dr. Li Kefeng nói, giá trị của một doanh nghiệp không nằm ở việc hiện tại có lãi hay không, mà ở chỗ mô hình kinh doanh của nó có hợp lý hay không.

Giống như nhiều doanh nghiệp Mỹ ban đầu không có lãi, nhưng sau khi tìm được mô hình kinh doanh đúng đắn, họ trở nên rất kiếm tiền. Dr. Li Kefeng cho rằng, điều cốt lõi ở đây là doanh nghiệp phải tìm ra giá trị kinh doanh mà sản phẩm mang lại cho doanh nghiệp và có khả năng sao chép mạnh mẽ, giảm dần chi phí biên, mới có thể đạt được lợi nhuận cao.

“Thương mại hóa không phải là vấn đề mà những người làm việc trong các công ty lớn cần lo lắng, nhưng khi tự lập nghiệp, bạn phải suy nghĩ về cách sống sót,” Dr. Li Kefeng đã chia sẻ, nhưng ông đã kiếm được tiền bằng cách sử dụng Agent mô hình lớn khi mọi người vẫn đang tìm hiểu về ứng dụng mô hình lớn.

“Người kiếm tiền thực sự là ứng dụng phía trên,” Dr. Li Kefeng phân tích, tương lai, hoạt động kinh doanh của các doanh nghiệp toàn cầu sẽ phụ thuộc vào công cụ, chứ không phải con người, chính sách hay bóc lột nhân viên. Các doanh nghiệp có giá trị nhất sẽ là những doanh nghiệp có dữ liệu và có thể nâng cao hiệu suất thông qua công cụ.

Khi thành lập Techsun, trọng tâm của công ty là xây dựng lớp tài sản dữ liệu, thông qua việc xây dựng nền tảng chỉ số doanh nghiệp và nền tảng thẻ, biến dữ liệu khổng lồ của doanh nghiệp thành tài sản dữ liệu có thể sử dụng, giải phóng giá trị dữ liệu. Tuy nhiên, sản phẩm có mức sử dụng cao hơn, phù hợp hơn với doanh nghiệp có mức độ số hóa cao và nhiều kỹ sư dữ liệu.

Sau khi mô hình lớn xuất hiện, Techsun cung cấp cho người dùng doanh nghiệp phân tích dữ liệu AI Agent, người dùng có thể tương tác bằng cách trò chuyện tự nhiên, giảm bớt rào cản sử dụng phần mềm, quản lý, nhân viên kinh doanh và những người không phải kỹ sư cũng có thể thực hiện tra cứu dữ liệu và hiểu biết về kinh doanh một cách chính xác, tức thì và cá nhân, nâng cao khả năng ra quyết định.

“Ưu điểm của Techsun là giải quyết vấn đề bằng phần mềm và thuật toán, chứ không phải bằng con người,” Dr. Li Kefeng nói, “hiệu suất của nhân viên của chúng tôi rất cao, vì chúng tôi sử dụng công nghệ để giải quyết các vấn đề đòi hỏi nhiều nhân lực truyền thống, đó cũng là lý do tại sao chúng tôi có thể đạt được lợi nhuận tốt.”

Vậy, “giá trị người dùng” mà Dr. Li Kefeng luôn nhấn mạnh được thể hiện như thế nào trong sản phẩm?

Ông đưa ra một ví dụ. Trong ngành bán lẻ, thách thức mà một chuỗi cửa hàng đồ uống phải đối mặt là làm thế nào để quản lý trưởng cửa hàng thực hiện phân tích dữ liệu. Do trình độ giáo dục của trưởng cửa hàng thường thấp hơn so với các công ty công nghệ hoặc internet, việc họ nhanh chóng và hiệu quả sử dụng các công cụ phân tích BI truyền thống là không thực tế. Tuy nhiên, thông qua sản phẩm phân tích và ra quyết định dựa trên cuộc trò chuyện và mức sử dụng thấp của Techsun, trưởng cửa hàng có thể nhận được dữ liệu cần thiết chỉ bằng cách nhập giọng nói đơn giản và hiểu được nguyên nhân đằng sau sự thay đổi dữ liệu, từ đó quản lý cửa hàng tốt hơn. Như vậy, hoạt động cửa hàng không chỉ phụ thuộc vào khả năng và kinh nghiệm của trưởng cửa hàng.

Thị trường Trung Quốc tồn tại một vấn đề phổ biến và tàn nhẫn: khi thị trường vốn mạnh mẽ, bất kỳ khái niệm mới nào cũng thu hút một loạt công ty tham gia, kết quả là khách hàng khó chọn nhà cung cấp, cuối cùng chỉ dựa vào giá cả để quyết định. Thị trường cũng trở nên ngày càng cạnh tranh, các sản phẩm và công ty tốt phải tham gia vào cuộc chiến giá cả, cuối cùng có thể gặp khó khăn trong kinh doanh, gây ra tình trạng “tiền giả đuổi tiền thật”.

Thị trường mô hình lớn đang tái diễn lịch sử. Để nổi bật trong môi trường cạnh tranh này, Dr. Li Kefeng cho rằng có hai yếu tố quan trọng: một là hiểu rõ về trí tuệ dữ liệu và AI, và có sự tích lũy sâu sắc, đó là gen của doanh nghiệp; thứ hai là quay lại nhu cầu của khách hàng, hiểu biết về ngành, kể câu chuyện có thể tạo ra sự đồng cảm với khách hàng.

Về mặt kỹ thuật sản phẩm, doanh nghiệp quan trọng nhất là suy nghĩ rõ ràng về mối quan hệ phụ thuộc giữa Agent và mô hình lớn, tối ưu hóa thiết kế sản phẩm Agent, để hoạt động hiệu quả hơn, giảm thiểu số lần tương tác với mô hình lớn, chỉ giao nhiệm vụ cần thiết cho mô hình lớn xử lý, từ đó tiết kiệm tài nguyên.

Về mặt nhu cầu kinh doanh, Techsun không làm mọi khách hàng, mọi ngành công nghiệp, mà chọn những ngành mình am hiểu, có kiến thức chuyên môn sâu. Điều này dựa trên tổng kết kinh nghiệm nhiều năm của Dr. Li Kefeng trong các công ty lớn. “Khi làm người chịu trách nhiệm về công nghệ, tiêu chuẩn đánh giá của tôi không phải là công nghệ có bao nhiêu hào nhoáng, mà là công nghệ có thể giúp doanh nghiệp kiếm tiền, tiết kiệm tiền, sản phẩm quan trọng nhất là tạo ra giá trị cho khách hàng.”

“Tôi bước vào ngành này với thái độ không sợ hãi, không có gánh nặng lịch sử, cũng không có mô hình cố định đã hình thành, điều này cho phép tôi khám phá và đổi mới tự do hơn.” Dr. Li Kefeng, người đã nhận được khoản đầu tư hàng chục triệu nhân dân tệ từ Tencent cách đây 4 năm, hiện vẫn đang đứng trên đường đua B-end.

Nói rằng “gió tốt dựa vào sức gió”, nhưng Dr. Li Kefeng rõ ràng cho rằng, mặc dù công nghệ mô hình lớn có tiềm năng rất lớn, nhưng về bản chất vẫn chỉ là một công cụ, được sử dụng để giúp doanh nghiệp đạt được mục tiêu và chiến lược kinh doanh. Đối với Dr. Li Kefeng, mô hình lớn là vũ khí, và lợi thế cạnh tranh cốt lõi là ông hiểu rõ về kinh doanh và công nghệ.

Tương lai, Techsun có thể tạo ra những thành tựu gì khác với công nghệ mô hình lớn, chúng ta hãy chờ xem.

Chương trình “Người lãnh đạo mô hình lớn” của InfoQ là một chương trình phỏng vấn tập trung vào lĩnh vực mô hình lớn, thông qua các cuộc phỏng vấn sâu với người sáng lập và người chịu trách nhiệm kỹ thuật của các công ty điển hình trong lĩnh vực mô hình lớn, nhằm cung cấp cho mọi người những thông tin mới nhất và tiên tiến nhất về động thái ngành và suy nghĩ, để mọi người có thể tham gia tốt hơn vào việc nghiên cứu và triển khai mô hình lớn. Chúng tôi cũng hy vọng thông qua việc truyền bá các thực hành tiên tiến và ý tưởng trong lĩnh vực mô hình lớn, giúp người sử dụng tiềm năng, người sáng lập, người phát triển mô hình lớn và các bên liên quan khác đưa ra các quyết định và lựa chọn phù hợp.

Nếu bạn có ý định đăng ký tham gia chương trình hoặc muốn tìm hiểu thêm thông tin, bạn có thể liên hệ: T_demo (WeChat, xin vui lòng ghi rõ mục đích)

Công nghệ mô hình lớn đang dẫn dắt làn sóng đổi mới ngành. Vậy làm thế nào để công nghệ mô hình lớn tích hợp sâu vào ngành? Làm thế nào để thông qua công nghệ mô hình lớn cung cấp các giải pháp thông minh hơn cho các ngành khác nhau? Trong các ứng dụng thực tế của ngành tài chính, pháp luật, y tế, giáo dục, chính phủ, có những kinh nghiệm triển khai mô hình lớn nào? «AI Trước» đã chọn lọc các bài giảng đặc sắc từ Hội nghị Toàn cầu AICon về Phát triển và Ứng dụng AI toàn cầu vừa kết thúc, và sau khi được sự cho phép của các diễn giả, đã cung cấp các bài giảng đặc sắc dưới dạng PPT cho mọi người. Hãy theo dõi «AI Trước», trả lời từ khóa «Sáng tạo Ngành» để tải miễn phí.

Bạn cũng «Xem» không?

**Từ khóa:**
– Mô hình lớn
– Trí tuệ nhân tạo
– B-end
– Doanh nghiệp
– Công nghệ