Bạn đã bỏ tiền mua mô hình lớn đắt nhất, nhưng phía sau lại tự động thay thế bằng phiên bản rẻ hơn—ai có thể phát hiện ra? Anthropic vừa mở nguồn một dự án rất thú vị mang tên FlashProve, nhằm giải quyết vấn đề niềm tin kéo dài trong ngành AI bằng mật mã học: làm thế nào để chứng minh một nội dung do AI tạo ra thực sự đến từ mô hình mà nhà cung cấp tuyên bố? Hiện tại, khi chúng ta gọi API mô hình lớn, chúng ta gần như chỉ có thể tin tưởng nhà cung cấp. Các nền tảng định tuyến bên thứ ba có đang tự ý thay thế mô hình không? Mô hình mà các tổ chức đánh giá an toàn kiểm tra có giống với mô hình người dùng thông thường đang sử dụng không? Ngay cả khi máy chủ bị tin tặc xâm nhập, liệu có ai đó đã thay đổi đầu ra của mô hình mà không ai biết? Những vấn đề này rất khó xác định chỉ dựa vào câu trả lời của mô hình. FlashProve giới thiệu khái niệm chứng minh không tiết lộ thông tin (zero-knowledge proof - ZK), cụ thể là zkSNARK, vốn rất quen thuộc trong cộng đồng Web3. Nguyên lý khá dễ hiểu: nhà cung cấp mô hình trước tiên tạo ra một cam kết mật mã cho bộ trọng số mô hình, tương đương với việc đăng ký một danh tính không thể thay đổi tùy tiện cho mô hình. Sau đó, mỗi lần suy luận đều có thể đính kèm một chứng minh. Người dùng không cần biết tham số mô hình, cũng không cần chạy mô hình riêng, chỉ cần dùng CPU thông thường là có thể xác minh xem đầu ra này có thực sự được tạo ra bởi mô hình đã cam kết trước đó hay không. Anthropic đã thực nghiệm với Llama 4 Maverick có 400 tỷ tham số: một card H100 có thể xử lý khoảng 110 token mỗi giây để tạo chứng minh suy luận, và việc xác minh một chứng minh chỉ mất vài chục giây. Tuy nhiên, chi phí hiện tại vẫn rất cao. Chi phí GPU để tạo chứng minh tương đương 70–95 lần so với suy luận thông thường, và mỗi chứng minh có kích thước gần 19MB. Hiện tại, nó chỉ hỗ trợ ngữ cảnh 1024 token và một số phương pháp suy luận cụ thể—vẫn còn rất xa mới có thể ứng dụng thương mại quy mô lớn. Nhưng tôi cho rằng vấn đề này đáng được quan tâm. Trong vài năm qua, chứng minh không tiết lộ thông tin chủ yếu được ngành tiền mã hóa sử dụng để xác minh giao dịch và tính toán. Bây giờ Anthropic đang thử áp dụng cùng tư tưởng mật mã học này vào dịch vụ mô hình lớn. Điều đáng chú ý hơn nữa là tiềm năng của nó trong quản trị AI. Trong tương lai, khi cơ quan quản lý yêu cầu mô hình phải qua đánh giá an toàn mới được triển khai, nhà cung cấp sẽ cần chứng minh rằng mô hình đang chạy thực tế chính là bộ trọng số đã được phê duyệt. Các tổ chức kiểm toán độc lập cũng có thể xác minh xem mô hình họ đã kiểm tra có giống với mô hình mà khách hàng đang sử dụng hay không. Tuy nhiên, mật mã học chỉ có thể chứng minh quá trình tính toán tuân thủ cam kết đã đưa ra trước đó, chứ không đảm bảo câu trả lời của mô hình là chính xác, càng không đảm bảo mô hình本身 an toàn. Tôi luôn cho rằng, khi các AI Agent bắt đầu đảm nhận ngày càng nhiều công việc thực tế, cả ngành công nghiệp cuối cùng sẽ phải đối mặt với một câu hỏi: chúng ta dựa vào đâu để tin rằng AI đang chạy trên máy chủ từ xa chính là AI đúng như mong đợi? FlashProve vẫn chỉ là bản nguyên mẫu nghiên cứu, nhưng ít nhất nó đã chỉ ra một hướng đi kỹ thuật đáng để tiếp tục khám phá.

Chi tiêu AI doanh nghiệp tăng 5,4 lần trong một năm, nhưng tỷ lệ doanh nghiệp sẵn sàng chi tiền chỉ tăng từ 55% lên 65%. Menlo Ventures vừa công bố Báo cáo Doanh nghiệp AI 2026. Tính đến tháng 9 năm nay, tổng chi tiêu triển khai AI doanh nghiệp đã đạt 176,8 tỷ USD, trong khi con số tương ứng cùng kỳ năm ngoái chỉ là 33 tỷ USD. Có vài con số rất thú vị: Đầu tiên, Agent đã trở thành người tiêu thụ lớn nhất về năng lực AI. Trên nền tảng OpenRouter, 80% lượng Token được tiêu thụ đến từ Agent. Sau khi lưu lượng Agent vượt lưu lượng do con người sử dụng trực tiếp vào tháng 2 năm nay, nó đã tăng thêm 37 lần. Thứ hai, thị trường mô hình đang nhanh chóng tập trung về các nhà cung cấp hàng đầu. Anthropic đã chiếm 55% chi tiêu API LLM doanh nghiệp, OpenAI chiếm 31%, hai công ty này cộng lại chiếm 86%. Google giảm từ 21% năm ngoái xuống còn 9%. Một con số rất đáng chú ý khác: thị trường ứng dụng AI doanh nghiệp đã đạt 77,3 tỷ USD, trong đó công cụ lập trình chiếm 34 tỷ USD. Hai sản phẩm Claude Code và Codex chiếm 70% chi tiêu trong thị trường lập trình. Tôi cho rằng thay đổi quan trọng nhất ở đây là logic tăng trưởng thương mại hóa AI đang thay đổi. Trước đây, doanh thu SaaS chủ yếu liên quan đến số lượng người dùng. Số lượng nhân viên trong một công ty và số tài khoản có thể bán ra cơ bản xác định giới hạn doanh thu của nó. Nhưng Agent thì khác. Một nhân viên có thể chạy đồng thời hàng chục Agent, những Agent này có thể làm việc liên tục, gọi lặp lại mô hình và tiêu tốn Token. Ngay cả khi doanh nghiệp không tăng thêm một nhân viên nào, chi tiêu AI vẫn có thể tăng vài lần. Điều này cũng giải thích tại sao tỷ lệ doanh nghiệp trả tiền chỉ tăng 10 điểm phần trăm, trong khi quy mô thị trường lại tăng 5,4 lần. Điều đáng chú ý hơn nữa là 55% chi tiêu AI mới đến từ ngân sách mới được thiết lập bởi doanh nghiệp, chỉ 22% đến từ việc chuyển đổi từ ngân sách phần mềm hiện có. Ít nhất ở giai đoạn hiện tại, AI đang tạo ra một thị trường phần mềm mới đáng kể. Tuy nhiên, sự tăng trưởng này có sự khác biệt cấu trúc rõ rệt. Công cụ lập trình có thể nhanh chóng tạo ra thị trường 34 tỷ USD vì mã có môi trường thực thi rõ ràng, kết quả có thể kiểm chứng, và việc Agent hoạt động tốt hay không dễ dàng đo lường. Ngược lại, nhiều Agent được cho là có thể thay thế nhân viên văn phòng vẫn chưa giải quyết được vấn đề làm thế nào để tự hoàn thành nhiệm vụ và đánh giá kết quả. Vì vậy, trong tương lai tôi sẽ quan tâm nhiều hơn đến một chỉ số: doanh nghiệp sẵn sàng giao bao nhiêu công việc thực tế cho Agent, và mỗi khi hoàn thành một nhiệm vụ, họ sẵn sàng trả bao nhiêu tiền. Khi AI bắt đầu tự tiêu dùng AI, mối quan hệ giữa lượng gọi mô hình và số lượng nhân viên doanh nghiệp sẽ ngày càng suy yếu. Có lẽ đây mới là biến số đáng nghiên cứu nhất trong vài năm tới của toàn bộ thị trường AI.

Sau khi AI hút hết tiền, liệu các ngành khác có phải vay vốn đắt hơn không? Hôm nay, các quan chức giám sát tài chính Trung Quốc đã đặt câu hỏi này tại Hồng Kông. Vào ngày 3 tháng 11, Phó Tổng cục trưởng Tổng cục Giám sát Tài chính, Tiêu Viễn Khởi, cảnh báo tại Hội nghị Đầu tư Các nhà lãnh đạo Tài chính Quốc tế rằng, dòng vốn lớn tràn vào ngành công nghệ và các doanh nghiệp hàng đầu có thể làm tăng đòn bẩy và dẫn đến mở rộng quá nhanh. Áp lực lên các ngành truyền thống sẽ thể hiện qua chi phí vay vốn cao hơn, không gian tái đầu tư ít hơn và rủi ro tín dụng lớn hơn. Cùng hội nghị này, Tổng giám đốc Blackstone, Jon Gray, cho biết nhu cầu về năng lực tính toán vẫn rất mạnh, nhu cầu vượt quá nguồn cung và sẽ còn nhiều khoản huy động vốn nữa. CEO của Goldman Sachs, David Solomon, cũng cho rằng những công ty mạnh với câu chuyện tốt vẫn có thể huy động được vốn, đồng thời cảnh báo nhà đầu tư rằng chọn nhầm công ty sẽ dẫn đến thua lỗ. Những người này thực ra cũng không tranh cãi với nhau. Tiêu Viễn Khởi cũng nói rằng, việc xuất hiện bong bóng cục bộ trong cuộc cách mạng công nghệ không có gì lạ, và tăng trưởng dài hạn có thể hấp thụ nó. Điều thú vị là mỗi bên đang nhìn vào điều gì. Các tổ chức tài chính đang quan tâm đến việc khách hàng cần vay bao nhiêu tiền và tài sản nào đáng để mua; trong khi các nhà quản lý còn phải quan tâm đến những doanh nghiệp không được ngồi vào bàn AI, liệu điều kiện vay vốn của họ có trở nên tệ hơn không. Chúng ta thường coi số tiền huy động được của AI như một bảng thành tích ngành, càng lớn càng sôi động. Nhưng nguồn gốc của những đồng tiền này đến từ đâu, và trước đây chúng có thể chảy vào đâu, thì thường không ai tiếp tục đặt câu hỏi sâu hơn. Những phát biểu này chưa thể được hiểu là các hạn chế giám sát mới, và mức độ hiệu ứng đẩy ra cũng cần dữ liệu để xác định. Tuy nhiên, đối với những người hàng ngày theo dõi định giá cho vòng tiếp theo, câu hỏi này đáng để lưu ý hơn là việc đoán xem một công ty mô hình nào đó sẽ trị giá bao nhiêu nghìn tỷ đô la.

NVIDIA bắt đầu yêu cầu những người bán sức mạnh tính toán kiểm soát tỷ lệ khách hàng Trung Quốc. Theo báo cáo ngày 3 tháng 11 của Financial Times, NVIDIA yêu cầu các khách hàng điện toán đám mây toàn cầu phải bán ít nhất 51% sức mạnh tính toán cho các công ty không phải của Trung Quốc. Nhóm liên quan đã thực hiện yêu cầu này bằng lời kể từ mùa hè năm nay, chưa có văn bản chính thức, và các hợp đồng đã ký không bị ảnh hưởng. Reuters khi trích dẫn đã lưu ý rằng chưa thể xác minh độc lập. Chi tiết này đáng để các công ty AI Trung Quốc lưu ý. Khi không mua được chip, việc thuê máy chủ ở nước ngoài luôn là một lựa chọn thay thế. Giờ đây, theo bài báo này, cấu trúc khách hàng hạ lưu của nhà cung cấp cũng bắt đầu bị kiểm soát. Nếu kinh doanh theo tỷ lệ này, một công ty điện toán đám mây muốn tiếp nhận thêm nhiều khách hàng Trung Quốc sẽ cần tìm đủ nhiều khách hàng không phải Trung Quốc để mở rộng doanh số ở phía bên kia. Số lượng thiết bị có thể mua và số lượng đơn hàng Trung Quốc có thể nhận sẽ trở thành hai giới hạn khác nhau. Đối với các đội ngũ Trung Quốc, việc máy chủ không nằm trong nước không có nghĩa là việc mở rộng chỉ phụ thuộc vào ngân sách. Sự hiện diện của đủ nhiều khách hàng khác của nhà cung cấp đám mây cũng có thể ảnh hưởng đến lượng sức mạnh tính toán mà họ có thể thuê. Đây là yêu cầu do doanh nghiệp công bố hôm nay, không nên hiểu là chính phủ Mỹ ban hành lệnh cấm mới hôm nay, cũng không đồng nghĩa với việc sức mạnh tính toán hiện tại sẽ bị cắt ngay lập tức. Các hợp đồng cũ được miễn trừ; điều thực sự cần theo dõi là các đơn hàng mới, đợt mở rộng tiếp theo và điều kiện sau khi hợp đồng hết hạn.

Một người đã tìm ra một đối thủ cho Doge của Musk: một con capybara. Vào ngày 2 tháng 11, WIRED đưa tin, một nhóm tự xưng là Capytistas đã tuyên bố sẽ công khai dần dần thông tin về các biệt thự của giới giàu có, bắt đầu với Musk và hội đồng quản trị Tesla. Tên nhóm lấy cảm hứng từ phong trào Zapatista ở Mexico, và con capybara được chọn để đối lập với Doge. Lý do của họ là các công ty công nghệ thu thập thông tin của người bình thường, trong khi chính các ông chủ lại được hưởng quyền riêng tư. Một nhà báo đã xem qua một bộ hồ sơ, nhưng không thể coi kế hoạch phơi bày toàn bộ này như đã được thực thi. Sự mâu thuẫn trong phản ứng này rất rõ ràng: Liệu việc chỉ trích doanh nghiệp lạm dụng thông tin cá nhân có thể được thực hiện bằng cách tước đoạt quyền riêng tư của một nhóm người khác? Yêu cầu các công ty chịu trách nhiệm cho kinh doanh dữ liệu hoàn toàn khác với việc dồn áp lực đến tận nhà riêng. Sự tức giận trước quyền lực không tự động giải thích tại sao gia đình và hàng xóm cũng phải gánh chịu rủi ro. Capybara có thể là một biểu tượng phản kháng hữu ích, nhưng tính chính đáng của việc công khai thông tin nhà ở vẫn cần được thảo luận riêng biệt.

Cựu Bộ trưởng Lục quân Mỹ đã gia nhập OpenAI. Một trong những nhiệm vụ của ông là giúp công ty này hiểu rõ quân đội thực sự cần gì. OpenAI đã công bố vào ngày 2 tháng 11 rằng Dan Driscoll sẽ đảm nhiệm vị trí Cố vấn cấp cao về hiện đại hóa an ninh quốc gia. Đây là một vị trí mới, có phạm vi công việc bao gồm hỗ trợ các nhóm nội bộ hiểu nhu cầu thực tế của các cơ quan an ninh quốc gia, cũng như thúc đẩy ứng dụng AI và an ninh mạng với các đồng minh của Hoa Kỳ. Chính thức, việc bổ nhiệm này được liên kết với dự án an ninh mạng Daybreak, với cụm từ được lặp đi lặp lại là “AI dân chủ”. Driscoll có kinh nghiệm rất cụ thể. Khi giữ chức Bộ trưởng Lục quân, ông chịu trách nhiệm về hoạt động và phân bổ nguồn lực của quân đội, đồng thời thúc đẩy cải cách mua sắm để đưa công nghệ mới nhanh chóng vào phục vụ lực lượng. Bây giờ, ông sẽ tham gia vào các cuộc thảo luận này từ phía nhà cung cấp. Có thể đặt sự kiện này cạnh một tin tức khác từ năm ngoái: Lục quân Mỹ đã thành lập một đơn vị dự bị sáng tạo gồm các giám đốc điều hành công nghệ vào năm 2025, với các thành viên đầu tiên bao gồm Kevin Weil từ OpenAI và cựu trưởng bộ phận nghiên cứu Bob McGrew. Lúc đó là các chuyên gia công nghệ khoác áo quân phục; giờ đây, người từng quản lý Lục quân lại bước vào các công ty công nghệ. Giá trị lớn nhất của sự di chuyển nhân sự này đến từ sự hiểu biết về các tổ chức: bộ phận nào có nhu cầu, ngân sách được phân bổ ra sao, và một công nghệ mới sẽ được mua sắm và tích hợp vào công việc hàng ngày như thế nào — những câu hỏi này không thể được trả lời bằng điểm số mô hình. Việc bổ nhiệm này không chứng minh được bất kỳ hành vi vi phạm nào, và cũng không đi kèm với việc công bố hợp đồng mới. Nhưng khi quan sát cách các công ty AI kinh doanh với chính phủ, ngoài việc xem xét mô hình và đơn hàng, cũng đáng để chú ý xem họ đã mời những ai vào văn phòng.

Các sản phẩm AI hiện nay quá giỏi trong việc khiến người dùng ấn tượng trong mười phút, nhưng điều khó là khiến người dùng tin tưởng sử dụng trong mười tháng. Đặc biệt là các Agent giao dịch. Việc để AI phân tích một lần thị trường không có rào cản, nhưng khi liên quan đến dữ liệu tài sản cá nhân, tài liệu nghiên cứu và các nhiệm vụ giám sát cần thực hiện liên tục, yêu cầu của người dùng đối với sản phẩm sẽ hoàn toàn khác biệt. Vừa phát hiện Minara vừa ra mắt Web V2, mở cửa truy cập sớm, họ đã cấu hình cho mỗi người dùng một sandbox đám mây riêng biệt, đảm bảo dữ liệu và nhiệm vụ chạy trong môi trường riêng. Tôi luôn cho rằng tài chính có thể là một trong những kịch bản Agent cần kiến trúc này nhất. Vì giao dịch liên quan đến tiền thật, người dùng cần biết dữ liệu của mình đang ở đâu, nhiệm vụ chạy ở đâu, và họ có thể kiểm soát được bao nhiêu thứ. Khả năng phân tích của mô hình quyết định bạn có thử không, nhưng an toàn và niềm tin mới quyết định bạn dám sử dụng lâu dài hay không. Ngoài ra, lần này Minara còn mang cùng giao diện và mã nguồn từ phiên bản desktop lên Web, chat cũ được nâng cấp thành Agent, các trải nghiệm như xem trước tệp và đề xuất chức năng cũng được bổ sung đầy đủ. Workflow cũng đang được nâng cấp lên Automation, nhằm giúp Agent có thể thực hiện nhiệm vụ liên tục ở nền sau; hiện tại một số chức năng giám sát vẫn chủ yếu tập trung trên desktop. Tôi cho rằng đây là một xu hướng sản phẩm đáng chú ý. Trước đây, khi làm công cụ AI giao dịch, mọi người đều so sánh ai có thể phân tích nhiều tài sản hơn, tạo ra chiến lược phức tạp hơn. Nhưng những khả năng này, khi mô hình tiến bộ, khoảng cách sẽ ngày càng thu hẹp. Cuộc cạnh tranh tiếp theo rất có thể sẽ chuyển sang ai có thể đưa Agent thực sự vào quy trình làm việc hàng ngày của người dùng — vừa bảo vệ dữ liệu, vừa thực hiện công việc liên tục, đồng thời duy trì trải nghiệm liền mạch giữa các thiết bị.

Người của Meta lại cùng hợp tác với một công ty Trung Quốc để tạo ra robot hình người. Theo báo cáo của The Information, Meta hợp tác với Fourier Intelligence ở Thượng Hải, chỉ trong ba tháng đã chế tạo thành công nguyên mẫu robot hình người đầu tiên mang tên Max, hiện đang bắt đầu phát triển thế hệ thứ hai là Max 2. Max cao khoảng 1,5 mét, nặng khoảng 48 kg, được trang bị chip NVIDIA Jetson Thor, có tay cơ học năm ngón và có thể mô phỏng biểu cảm qua màn hình hiển thị trên khuôn mặt. Phó chủ tịch sản phẩm robot của Meta thậm chí đã ở lại nhà máy của Fourier tại Thượng Hải gần hai tháng để trực tiếp tham gia vào quá trình phát triển. Điều đáng chú ý hơn là Meta mong muốn trong tương lai biến robot hình người thành phương tiện vật lý cho AI Agent Muse của mình, giúp nó có thể bước vào gia đình và thực hiện các nhiệm vụ hàng ngày. Hiện tại, Meta nhấn mạnh rằng những robot này chỉ được sử dụng cho mục đích nghiên cứu nội bộ, chưa có kế hoạch bán ra thị trường. Điều này khá thú vị. Các tập đoàn công nghệ Mỹ đầu tư khổng lồ vào mô hình AI và phần mềm, nhưng khi bắt đầu phát triển robot hình người, họ lại phải đi sâu vào nhà máy Trung Quốc và hợp tác cùng các công ty khởi nghiệp Trung Quốc để phát triển phần cứng. Đặc biệt trong bối cảnh Mỹ ngày càng siết chặt hạn chế đối với ngành công nghiệp robot Trung Quốc, Meta vẫn lựa chọn hợp tác với Fourier Intelligence, thậm chí cử trực tiếp các nhà quản lý cấp cao驻厂. Vị trí của chuỗi cung ứng robot Trung Quốc trong cuộc cạnh tranh toàn cầu về trí tuệ thể chất có thể quan trọng hơn nhiều so với nhiều người tưởng tượng.

OpenAI cũng bắt đầu cảm nhận được sự lạnh nhạt từ thị trường vốn. Theo Wall Street Journal, đợt huy động vốn mới nhất của OpenAI ban đầu dự kiến huy động 30 tỷ USD, nhưng đến nay mới chỉ nhận được khoảng 11 tỷ USD cam kết đầu tư, chưa đạt tới một nửa mục tiêu. Điều càng thêm khó xử là định giá mong muốn ban đầu là 1.4 nghìn tỷ USD đã bị hạ xuống còn 1.25 nghìn tỷ USD. Financial Times còn tiết lộ thêm rằng OpenAI đã giảm mục tiêu huy động vốn từ 30 tỷ USD xuống còn 20 tỷ USD và đang chuẩn bị tiếp tục kêu gọi vốn từ các văn phòng gia đình và nhà đầu tư cá nhân giàu có. Điều thú vị là trước đây, OpenAI luôn cố gắng quảng bá đợt huy động vốn này như cơ hội cuối cùng trước khi niêm yết, nhằm tạo ra tâm lý FOMO ở nhà đầu tư. Nhưng giờ đây, ngay cả OpenAI cũng không còn dễ dàng huy động vốn bằng cách này nữa. Thị trường đang tính toán lại lợi nhuận đầu tư vào AI. Liệu doanh thu từ mô hình có theo kịp chi phí tính toán? Định giá hàng nghìn tỷ USD này thực sự cần bao nhiêu lợi nhuận để duy trì? 11 tỷ USD vẫn là một con số khổng lồ, nhưng đối với một công ty có định giá vượt nghìn tỷ USD và vẫn đang liên tục chi tiêu mạnh tay, sự lạnh nhạt trong đợt huy động vốn lần này là tín hiệu đáng chú ý. Vì khi ngay cả OpenAI cũng phải giảm giá để huy động vốn, thì các công ty AI khác trong tương lai sẽ đối mặt với thị trường vốn ngày càng khắt khe hơn.

John Ternus, CEO mới của Apple, mới nhậm chức chưa đầy hai tháng đã nhắc nhở toàn bộ ngành AI: đừng làm AI chỉ vì muốn làm AI. Trong một cuộc phỏng vấn gần đây với tạp chí Wired, ông cho biết Apple tất nhiên sẽ sử dụng AI, nhưng lý tưởng nhất là người dùng không cần quan tâm liệu một tính năng nào đó sử dụng AI hay phần mềm truyền thống — họ chỉ cần đánh giá sản phẩm đó có dễ dùng hay không. Ông cũng chưa hoàn toàn đồng tình với quan điểm cho rằng AI Agent cuối cùng sẽ thay thế các ứng dụng hiện tại, vì ông cho rằng việc tạo ra sản phẩm luôn là một quá trình phụ thuộc rất lớn vào con người. Tôi thực sự đồng tình với quan điểm này. Hiện nay, nhiều công ty công nghệ恨不得 nhét AI vào mọi ngóc ngách của sản phẩm, trên các buổi ra mắt trình diễn hàng chục tính năng, nhưng thực tế lại không có mấy tính năng nào người dùng thực sự dùng hàng ngày. Tuy nhiên, Apple cũng có những vấn đề riêng. Siri đã tụt hậu quá lâu — liệu triết lý sản phẩm của Ternus là sự kiềm chế tỉnh táo, hay chỉ là cách tự tạo台阶 trong giai đoạn đuổi theo công nghệ, vẫn phải chờ xem ông sẽ mang đến những sản phẩm gì trong tương lai. Một chi tiết thú vị khác trong cuộc phỏng vấn: Ternus đến nay chưa từng gặp Trump, trong khi Cook — cựu CEO — vẫn tiếp tục đảm nhiệm vai trò Chủ tịch điều hành, hỗ trợ trong các vấn đề chính sách và quan hệ chính trị - doanh nghiệp. Có vẻ như Apple đã phân công rõ ràng giữa CEO mới và cũ: Ternus phụ trách sản phẩm, còn Cook tiếp tục xử lý những rắc rối ở Washington.