Sau 2 năm “đại mô hình” chạy như điên, các “ông lớn AI” đồng loạt quay đầu sửa lại nền tảng dữ liệu

Động cơ đã gắn lên rồi, nhưng đường vẫn chưa sửa xong

Hiệp 1: Mọi người đua nhau trong triển lãm
Câu chuyện AI của 2 năm qua khá đồng nhất: mô hình lớn hơn, tham số nhiều hơn, bảng xếp hạng cao hơn; đội mã nguồn mở và đội mã nguồn đóng tranh giành sự chú ý. Kịch bản của doanh nghiệp cũng giống hệt nhau: mua điện toán, tuyển đội thuật toán, triển khai mô hình, mặc định mô hình đủ mạnh thì việc đưa vào thực tế sẽ theo sau.

Nhưng thực tế “chém một nhát”, câu chuyện của một CIO thuộc một doanh nghiệp nhà nước cỡ lớn là mẫu điển hình: 17 hệ thống nghiệp vụ, 9 kho dữ liệu, 3 đám mây; dữ liệu đủ kiểu định dạng, lại có nhiều báo cáo giấy nhưng không được số hóa. Cuối cùng, ngay cả ứng dụng cơ bản nhất như chẩn đoán lỗi thiết bị cũng không chạy được, vì mô hình không đọc hiểu được cả lịch sử bảo trì.

Nút thắt không phải do mô hình không được, mà là dữ liệu không đưa vào được

Hiệp 2: Đưa xe vào khu phố thật
Nhà máy cần chạy liên tục, bệnh viện cần an toàn, chính phủ cần tuân thủ. Mô hình có mạnh đến đâu mà con đường dữ liệu không được sửa xong, thì chỉ có thể quay lại chỗ cũ.

Chuỗi cung ứng công nghiệp toàn cầu bắt đầu hành động dần đồng dạng: cùng một đại mô hình “chạy trần” trên dữ liệu doanh nghiệp và khi được tích hợp đầy đủ vào hệ sinh thái dữ liệu, thì mức chênh lệch về độ chính xác là kiểu “vách đá”. Khoảng cách không nằm trong “bộ não” của mô hình, mà nằm ở việc có ăn đúng “nguyên liệu” hay không.

Vì thế, một kiến trúc mới nổi lên: phía trên là mô hình và năng lực; phía dưới là kỹ thuật dữ liệu, kiểm toán quyền truy cập, và chiến lược quản trị. Mô hình và dữ liệu không còn là hai đầu dây chuyền theo kiểu thượng - hạ nguồn nữa, mà là một cặp đối tác “cho nhau ăn”.

Độ khó của Trung Quốc còn tăng thêm một lớp
Chuỗi cung ứng trong sản xuất dài hơn, yêu cầu tuân thủ chặt hơn, dữ liệu phi cấu trúc nhiều hơn, hệ thống phân mảnh hơn, “quy ước đo lường” cũng tạp hơn. Vượt qua khoảng cách từ trí tuệ phổ quát sang trí tuệ theo ngành, thì hạ tầng dữ liệu toàn chuỗi chính là nền tảng hỗ trợ ở tầng đáy.

Không phải để gắn “bộ não” cho AI, mà là sửa trước hệ thần kinh

Thứ thực sự khan hiếm là gì
Việc lần này quay đầu sửa nền tảng, về bản chất là một sự điều chỉnh nhận thức: giá trị theo quy mô của AI không phụ thuộc hôm nay mô hình chạy được bao nhiêu điểm, mà phụ thuộc vào việc dữ liệu có thể được cung cấp liên tục với chất lượng tốt không; hệ thống có thể quản trị liên tục để tạo niềm tin không; và kỹ thuật có thể đóng vòng lặp và triển khai bền vững không.

Trung Quốc không thiếu đại mô hình mã nguồn mở thứ 101; thứ còn thiếu là “rửa sạch” cái nồi dữ liệu trước, rồi hầm ra được món canh chất lượng cao.

Chỉ khi chuyện “làm cho nó chạy được” này thông suốt, AI mới từ tin nóng trên báo chí chuyển thành công cụ trên bàn làm việc

DYOR Không phải lời khuyên đầu tư