CEO của Palantir, Alex Karp, đã công khai chỉ trích xu hướng “tokenmaxxing” đang thịnh hành gần đây tại Thung lũng Silicon, cho rằng việc doanh nghiệp liên tục tăng cường sử dụng AI không đồng nghĩa với việc tạo ra giá trị kinh doanh thực sự. Trong buổi phỏng vấn tại sự kiện Palantir AIP Con 10, ông cho biết thị trường đã chuyển từ cuộc thảo luận về “AI có thật hay không” sang “AI thực sự hiệu quả, nhưng nhiều bối cảnh không hoạt động như kỳ vọng”.
Tranh chấp hướng đến việc sử dụng tốn nhiều tài nguyên
Token là đơn vị đo lường cơ bản mà mô hình ngôn ngữ lớn sử dụng để xử lý văn bản, và các nhà cung cấp AI thường tính phí dựa trên số lượng token tiêu thụ. Trong vài tuần qua, một số chuyên gia ở Thung lũng Silicon đã bắt đầu phản tư về văn hóa “tokenmaxxing” — tức là mở rộng quy mô sử dụng AI gần như không giới hạn để theo kịp tốc độ phát triển của các tác nhân AI.
Quan điểm của Karp là nhiều token hơn thường chỉ có nghĩa là nhiều đầu ra chất lượng thấp hơn, chứ không phải là kết quả có giá trị cao hơn. Vào tháng trước, Giám đốc Công nghệ của Palantir, Shyam Sankar, cũng đã bày tỏ quan điểm tương tự trong cuộc gọi báo cáo tài chính, cho biết công ty nhấn mạnh "vùng không có chất thải" và phản đối việc coi các lần gọi mô hình giá rẻ là chính bản thân giá trị.
Palantir nhấn mạnh hệ thống thay vì tích lũy mô hình
Lúc đó, Sankar cho biết, chỉ có AI rẻ hơn sẽ không tự động mang lại lợi nhuận cao hơn; các doanh nghiệp vẫn cần các hệ thống như Palantir AIP để kết nối khả năng mô hình với môi trường kinh doanh thực tế, tránh những đầu ra sai lệch gây tổn thất kinh tế.
Karp trong cuộc phỏng vấn mới nhất cũng cho biết, điều thực sự khó không phải là khiến mô hình tạo ra một nội dung chung, mà là tích hợp AI vào các quy trình kinh doanh vận hành liên tục. Ví dụ, viết một báo cáo về tăng trưởng GDP của Trung Quốc, mô hình lớn có thể hoàn thành khá tốt; nhưng khi liên quan đến các nhiệm vụ phức tạp như khai thác dầu khí, điều chỉnh chuỗi cung ứng, sản xuất quốc phòng hoặc sản xuất ô tô, AI bản thân không thể thay thế các quy trình cụ thể.
Các nghiệp vụ phức tạp vẫn cần được thực hiện liên tục
Anh ấy cho rằng những vấn đề này thường đồng thời liên quan đến chi phí, tuân thủ, đạo đức và các chi tiết thực thi, đòi hỏi quy trình vận hành chính xác và liên tục. Các mô hình lớn có thể tăng cường các quy trình này, nhưng không thể thay thế trực tiếp chúng.
Karp cũng nhấn mạnh rằng ngành hiện đang dần nhận ra rằng khả năng của AI đã được xác minh, nhưng để chuyển hóa nó thành thành quả kinh doanh thực sự, điều then chốt không phải là vô hạn tăng lượng gọi mô hình, mà là việc rõ ràng về vấn đề kinh doanh cần giải quyết và cách tích hợp mô hình vào các hệ thống có thể thực thi.