Cách sử dụng tốt nhất của AI là tăng tốc độ lặp lại, chứ không phải theo đuổi "phép thuật" tạo ra bằng một cú nhấp chuột.
Sắp xếp: Founder Park
Ngày thứ hai của YC AI Startup School đã chào đón bảy khách mời nổi bật: Satya Nadella (CEO của Microsoft), Wu Enda (người sáng lập Deep Learning.AI), Chelsea Finn (Đồng sáng lập Physical Intelligence), Michael Truell (CEO & Đồng sáng lập Cursor), Dylan Field (CEO & Đồng sáng lập Figma), Andrej Karpathy (cựu Giám đốc AI của Tesla), Sriram Krishnan (Cố vấn chính sách AI cao cấp của Nhà Trắng).
Xung quanh các chủ đề công nghệ AI, khởi nghiệp, những ông lớn này đã chia sẻ nhiều quan điểm thú vị trong bài phát biểu của họ, chẳng hạn như:
Đừng nhân cách hóa AI. AI không phải là con người, nó là một công cụ. Ranh giới tiếp theo là trao cho nó khả năng ghi nhớ, công cụ và hành động, nhưng điều này có sự khác biệt bản chất với khả năng suy luận của con người.
Trong tương lai, các tác nhân thông minh sẽ trở thành thế hệ máy tính mới. Tương lai này không chỉ phụ thuộc vào độ chính xác của công nghệ, mà còn phụ thuộc vào sự tin tưởng của người dùng và trải nghiệm tương tác mượt mà.
Những sản phẩm có vòng phản hồi, như Agentic AI, có hiệu suất vượt trội hơn nhiều so với những công cụ chỉ có thể hoàn thành nhiệm vụ "một lần duy nhất". Sự tương tác liên tục có thể tối ưu hóa kết quả, trong khi lặp đi lặp lại có thể mang lại sự nâng cao hiệu suất theo cách phức hợp.
Tốc độ xây dựng nguyên mẫu hiện nay đã nhanh gấp 10 lần, hiệu suất phát triển phần mềm sản xuất cũng tăng 30-50%. Cần tận dụng lợi thế này để giảm thiểu rủi ro thị trường thông qua phản hồi người dùng theo thời gian thực.
Mã không còn là tài sản cốt lõi hiếm có như trước đây. Với các công cụ nguyên mẫu nhanh và AI, mã dễ dàng được sản xuất. Điều thực sự quan trọng là giá trị mà mã mang lại.
Dữ liệu từ thế giới thực là không thể thay thế. Mặc dù dữ liệu tổng hợp và mô phỏng có ích, nhưng dữ liệu thực vẫn rất quan trọng, đặc biệt là đối với các nhiệm vụ thị giác và vật lý phức tạp.
Ứng dụng tốt nhất của AI là tăng tốc độ lặp lại, chứ không phải theo đuổi "ma thuật" một cái nhấn. Các nhà thiết kế và quản lý sản phẩm hiện phải đóng góp vào việc đánh giá AI.
Ngoài Andrej Karpathy (Chi tiết chia sẻ của Andrej Karpathy xem trong bài viết hôm qua của chúng tôi "Ngày đầu tiên của trại khởi nghiệp YC AI, bài phát biểu của Andrej Karpathy đã gây chú ý") và Sriram Krishnan, chúng tôi đã tổng hợp những quan điểm cốt lõi từ phần chia sẻ của năm khách mời còn lại.
Giám đốc điều hành Microsoft: Satya Nadella
Hiệu ứng tổng hợp của nền tảng: AI không phải xuất hiện từ hư vô, mà được xây dựng trên cơ sở hạ tầng đám mây hàng thập kỷ, những cơ sở này đã phát triển để hỗ trợ việc đào tạo mô hình quy mô lớn. Mỗi thế hệ nền tảng đều chuẩn bị cho sự xuất hiện của thế hệ nền tảng tiếp theo.
Mô hình là cơ sở hạ tầng, sản phẩm là hệ sinh thái: Mô hình cơ bản là một loại cơ sở hạ tầng, tương tự như cơ sở dữ liệu SQL mới. Sản phẩm thực sự không phải là mô hình chính nó, mà là toàn bộ hệ sinh thái được xây dựng xung quanh nó: chu trình phản hồi, tích hợp công cụ và tương tác người dùng.
Tác động kinh tế là tiêu chuẩn: Chỉ số Bắc Cực mà Satya đo lường giá trị AI là: "Nó có tạo ra thặng dư kinh tế không?" Nếu một công nghệ không thể thúc đẩy tăng trưởng GDP, thì nó không phải là công nghệ biến đổi.
Ranh giới giữa sức mạnh tính toán và trí tuệ: Mức độ thông minh sẽ tăng trưởng theo cấp số nhân với việc đầu tư vào sức mạnh tính toán. Tuy nhiên, những đột phá quan trọng trong tương lai sẽ không chỉ đến từ quy mô, mà còn đến từ sự chuyển đổi mô hình, giống như sự xuất hiện của "thời điểm quy luật quy mô" tiếp theo.
Năng lượng và sự đồng thuận xã hội: Sự phát triển quy mô của AI sẽ cần tiêu thụ nhiều năng lượng hơn và cũng cần có sự cho phép của xã hội. Để giành được sự cho phép, chúng ta phải chứng minh rằng những lợi ích xã hội thực tế và tích cực mà AI mang lại đủ để cân xứng với chi phí của nó.
Rào cản thực sự của AI là quản lý thay đổi: Rào cản phát triển trong các ngành công nghiệp truyền thống không phải ở công nghệ, mà là do bị ràng buộc bởi các quy trình làm việc vốn có. Sự chuyển đổi thực sự cần phải suy nghĩ lại về cách công việc được hoàn thành, chứ không chỉ đơn giản là đưa AI vào.
Sự tích hợp vai trò công việc: Trên LinkedIn và những nơi khác, các vai trò truyền thống như thiết kế, front-end và sản phẩm đang dần hội nhập, tạo ra những nhân tài "toàn diện". AI đang giúp nhiều người có khả năng liên ngành, từ đó thúc đẩy xu hướng này.
Đừng đánh giá thấp giá trị của công việc lặp đi lặp lại: Trong công việc tri thức, có rất nhiều lao động thể chất lặp đi lặp lại. Ứng dụng tốt nhất của AI chính là loại bỏ "chi phí ma sát vô hình" này và giải phóng sự sáng tạo của con người.
Giữ cho tương lai luôn cởi mở: ngay cả Satya cũng không thể thấy trước sự tiến bộ nhanh chóng của công nghệ "tính toán trong thử nghiệm" và "học tăng cường". Đừng giả định rằng chúng ta đã thấy hình thức cuối cùng của AI, trong tương lai rất có thể sẽ có nhiều đột phá hơn.
Đừng nhân hoá AI: AI không phải là con người. Nó là một công cụ. Ranh giới tiếp theo là trao cho nó khả năng ghi nhớ, công cụ và khả năng hành động, nhưng điều này khác biệt về bản chất với khả năng suy luận của con người.
Tương lai của phát triển: AI sẽ không thay thế các nhà phát triển, mà sẽ trở thành trợ lý đắc lực của họ. VSCode là một bức tranh hợp tác với AI. Cốt lõi của kỹ thuật phần mềm sẽ chuyển từ việc viết mã sang thiết kế hệ thống và đảm bảo chất lượng.
Trách nhiệm và niềm tin là điều không thể thiếu: Sự xuất hiện của AI không thể miễn trừ trách nhiệm của con người. Công ty vẫn phải chịu trách nhiệm pháp lý về hành vi của sản phẩm của mình. Đó là lý do tại sao quyền riêng tư, an ninh và chủ quyền phải giữ vị trí trung tâm.
Niềm tin xuất phát từ giá trị thực tiễn: Niềm tin đến từ tính hữu dụng, chứ không phải từ những lời nói hoa mỹ. Satya chỉ ra rằng chatbot được triển khai cho nông dân Ấn Độ là một ví dụ, nhấn mạnh rằng sự trợ giúp hữu hình chính là nền tảng để xây dựng niềm tin.
Từ giọng nói đến trí tuệ nhân tạo: Hành trình AI của Microsoft bắt đầu từ công nghệ giọng nói vào năm 1995. Ngày nay, trọng tâm chiến lược của họ đã chuyển sang các "trí tuệ nhân tạo" hoàn chỉnh, những trí tuệ này kết hợp giọng nói, thị giác và các thiết bị tính toán môi trường khắp nơi.
Thể thông minh chính là máy tính của tương lai: Tầm nhìn dài hạn của Satya là: "Thể thông minh sẽ trở thành thế hệ máy tính mới." Tương lai này không chỉ phụ thuộc vào độ chính xác của công nghệ, mà còn phụ thuộc vào sự tin tưởng của người dùng và trải nghiệm tương tác liền mạch.
Những bài học về lãnh đạo: Lời khuyên của ông là bắt đầu từ những vị trí cơ sở nhất, nhưng phải mang trong mình những tham vọng lớn nhất. Cần học cách xây dựng một đội ngũ, chứ không chỉ đơn thuần là phát triển một sản phẩm.
Người mà Satya tìm kiếm: Anh ấy đánh giá cao những người: Biến phức tạp thành đơn giản, mang lại tư duy rõ ràng; Khơi dậy sức sống cho đội ngũ, gắn kết mọi người; Sẵn lòng giải quyết những vấn đề phức tạp trong điều kiện hạn chế khắc nghiệt.
Câu hỏi phỏng vấn yêu thích nhất: "Hãy cho tôi biết một vấn đề mà bạn từng không biết cách giải quyết và bạn đã giải quyết nó như thế nào." Anh ấy hy vọng sẽ thấy được sự tò mò, khả năng thích ứng và sự kiên trì của ứng viên.
Tiềm năng của máy tính lượng tử: Công nghệ đột phá tiếp theo có thể đến từ lĩnh vực lượng tử. Microsoft đang tập trung vào việc phát triển "qubit sửa lỗi", công nghệ này có thể cho phép chúng ta mô phỏng thế giới tự nhiên với độ chính xác vô song.
Lời khuyên cho giới trẻ: Đừng ngồi chờ sự cho phép của người khác. Hãy xây dựng những công cụ thực sự trao quyền cho mọi người. Anh ấy thường tự hỏi: "Chúng ta có thể tạo ra điều gì để giúp người khác sáng tạo?"
Sản phẩm yêu thích nhất: VSCode và Excel - vì chúng mang lại siêu năng lực cho mọi người.
Người sáng lập Deep Learning.AI: Andrew Ng
Tốc độ thực hiện quyết định thành bại: Thước đo tốt nhất cho khả năng thành công của một công ty khởi nghiệp là tốc độ xây dựng, thử nghiệm và lặp lại. Tốc độ mang lại hiệu ứng lãi suất kép trong việc học, và AI làm cho hiệu ứng này tăng trưởng theo cấp số nhân.
Đa số cơ hội nằm ở lớp ứng dụng: Hiện tại, lợi nhuận lớn nhất không đến từ việc xây dựng mô hình mới, mà là áp dụng mô hình hiện có vào những tình huống có giá trị, hướng tới người dùng. Đây mới là điều mà các nhà sáng lập nên chú ý.
AI Agentic vượt trội hơn các công cụ "một lần": Những sản phẩm có vòng phản hồi, chẳng hạn như AI Agentic, hoạt động tốt hơn nhiều so với những công cụ chỉ có thể hoàn thành nhiệm vụ "một lần". Sự tương tác liên tục có thể tối ưu hóa kết quả, trong khi việc lặp lại có thể mang lại sự nâng cao hiệu suất theo kiểu tổng hợp.
"Lớp lập trình" đang nổi lên: Giữa các mô hình cơ bản và ứng dụng, một lớp trung gian mới đang hình thành: lập trình đại lý. Lớp này có thể hỗ trợ các nhiệm vụ phức tạp nhiều bước qua các công cụ và nguồn dữ liệu.
Ý tưởng càng cụ thể, thực hiện càng nhanh chóng: Cách tốt nhất để hành động nhanh là bắt đầu từ một ý tưởng cụ thể, một ý tưởng đầy đủ chi tiết đến nỗi kỹ sư có thể ngay lập tức bắt tay vào xây dựng. Những ý tưởng cụ thể tốt thường đến từ các chuyên gia trong lĩnh vực có sự rõ ràng trực giác.
Cảnh giác với bẫy của "narrative lớn": Những mục tiêu trừu tượng như "AI hỗ trợ y tế" nghe có vẻ đầy tham vọng, nhưng thường dẫn đến việc thực hiện chậm chạp. Điều thực sự mang lại hiệu quả là những công cụ cụ thể như "tự động hóa đặt lịch MRI".
Dám điều chỉnh hướng đi, điều kiện tiên quyết là bước đi đầu tiên đúng: Nếu dữ liệu ban đầu cho thấy ý tưởng của bạn không khả thi, một kế hoạch ban đầu cụ thể sẽ giúp bạn dễ dàng chuyển hướng hơn. Hiểu rõ bạn đang thử nghiệm điều gì sẽ giúp bạn nhanh chóng chuyển sang hướng khác sau khi thất bại.
Sử dụng vòng phản hồi để giảm thiểu rủi ro: Bây giờ tốc độ xây dựng nguyên mẫu đã nhanh hơn 10 lần, hiệu suất phát triển phần mềm sản xuất cũng tăng 30-50%. Cần tận dụng lợi thế này để giảm thiểu rủi ro thị trường thông qua phản hồi người dùng theo thời gian thực.
Thực hiện nhiều thử nghiệm, thay vì theo đuổi sự hoàn hảo: Đừng cố gắng hoàn thiện phiên bản đầu tiên của bạn. Hãy xây dựng 20 nguyên mẫu thô và xem cái nào có thể tồn tại. Tốc độ học hỏi quan trọng hơn việc mài giũa.
Hành động nhanh chóng và có trách nhiệm: Andrew Ng đã định nghĩa lại câu châm ngôn kinh điển của Silicon Valley: không phải "hành động nhanh chóng, phá vỡ quy tắc", mà là "hành động nhanh chóng và chịu trách nhiệm". Ý thức trách nhiệm là nền tảng để xây dựng lòng tin.
Mã đang mất đi giá trị hiếm có của nó: Mã không còn là tài sản cốt lõi có tính hiếm như trước đây. Với các công cụ nguyên mẫu nhanh và AI, mã rất dễ sản xuất. Điều thực sự quan trọng là giá trị mà mã mang lại.
Kiến trúc kỹ thuật là có thể đảo ngược: Trước đây, việc chọn một kiến trúc là một quyết định một chiều. Bây giờ nó là một cánh cửa hai chiều, chi phí thay đổi kiến trúc đã giảm đáng kể. Sự linh hoạt này khuyến khích những thử nghiệm táo bạo hơn và các thí nghiệm nhanh hơn.
Mọi người nên học lập trình: Quan điểm "đừng học lập trình" là một sự hiểu lầm. Ngày xưa, khi chuyển từ ngôn ngữ lập trình hợp ngữ sang ngôn ngữ lập trình cao cấp, mọi người cũng từng có những lo ngại tương tự. AI đang làm giảm bớt rào cản trong lập trình, trong tương lai, nhiều vị trí công việc sẽ cần người có khả năng lập trình.
Kiến thức chuyên môn giúp AI tốt hơn: Sự hiểu biết sâu sắc về một lĩnh vực cụ thể có thể giúp bạn vận dụng AI tốt hơn. Các nhà sử học nghệ thuật có thể viết ra những gợi ý hình ảnh tốt hơn. Các bác sĩ có thể tạo ra những AI chăm sóc sức khỏe tốt hơn. Những người sáng lập nên kết hợp kiến thức chuyên môn với khả năng sử dụng AI.
Giám đốc sản phẩm hiện đang là nút thắt: Hiện tại, yếu tố hạn chế mới không phải là kỹ thuật, mà là quản lý sản phẩm. Một nhóm của Andrew Ng thậm chí đã đề xuất điều chỉnh tỷ lệ giám đốc sản phẩm và kỹ sư thành 2:1 để tăng tốc độ phản hồi và quy trình ra quyết định.
Kỹ sư cần có tư duy sản phẩm: Kỹ sư có trực giác sản phẩm hành động nhanh hơn, sản phẩm được phát triển tốt hơn. Chỉ có khả năng kỹ thuật là không đủ, nhà phát triển cũng cần phải hiểu sâu sắc nhu cầu của người dùng.
Hỏi ý kiến bạn bè
Kiến thức AI sâu sắc vẫn là một lợi thế cạnh tranh: Trình độ AI vẫn chưa phổ biến. Những người thực sự hiểu nguyên lý công nghệ AI vẫn đang có lợi thế lớn - họ có thể đổi mới theo cách thông minh hơn, hiệu quả hơn và tự chủ hơn.
Sự thổi phồng ≠ Sự thật: Cảnh giác với những câu chuyện nghe có vẻ ấn tượng nhưng chủ yếu được sử dụng để gây quỹ hoặc nâng cao địa vị. Những thuật ngữ như AGI, sự tuyệt chủng và trí tuệ vô hạn thường là dấu hiệu của sự thổi phồng, chứ không phải là dấu hiệu của sức ảnh hưởng.
An toàn liên quan đến việc sử dụng, chứ không phải bản thân công nghệ: Khái niệm "An toàn AI" thường bị hiểu nhầm. AI giống như điện hay lửa, bản thân nó không tốt cũng không xấu, mà phụ thuộc vào cách áp dụng. An toàn liên quan đến việc sử dụng, chứ không phải công cụ bản thân.
Điều quan trọng duy nhất là người dùng có thích hay không: không cần quá bận tâm đến chi phí mô hình hoặc chỉ số hiệu suất. Câu hỏi duy nhất cần quan tâm là: bạn có đang tạo ra một sản phẩm mà người dùng thực sự yêu thích và sẵn sàng sử dụng liên tục không?
AI trong giáo dục vẫn đang trong giai đoạn khám phá: Các công ty như Kira Learning đang thực hiện nhiều thử nghiệm, nhưng hình thức cuối cùng của AI trong lĩnh vực giáo dục vẫn chưa rõ ràng. Chúng ta vẫn đang ở giai đoạn đầu của quá trình chuyển đổi.
Cảnh giác với "ngày tận thế" và "bị quản lý bắt giữ": Nỗi sợ hãi quá mức về AI đang được sử dụng để biện minh cho các quy định bảo vệ các doanh nghiệp hiện có. Hãy nghi ngờ những câu chuyện "an toàn AI" có lợi cho những người nắm quyền.
Trí thông minh vật lý Liên sáng lập: Chelsea Finn
Công nghệ robot cần tư duy toàn diện: bạn không thể chỉ thêm công nghệ robot vào một công ty hiện có. Bạn cần xây dựng toàn bộ công nghệ từ con số không - dữ liệu, mô hình, triển khai.
Chất lượng dữ liệu quan trọng hơn số lượng: Các tập dữ liệu khổng lồ từ ngành, YouTube hoặc môi trường mô phỏng thường thiếu sự đa dạng và tính xác thực. Dữ liệu đúng và chất lượng cao quan trọng hơn quy mô.
Mô hình tốt nhất: Đào tạo trước + Tinh chỉnh: Trước tiên, thực hiện đào tạo trước trên một tập dữ liệu rộng lớn, sau đó sử dụng khoảng 1000 mẫu chất lượng cao, nhất quán về bối cảnh để tinh chỉnh, phương pháp này có thể nâng cao hiệu suất của robot một cách đáng kể.
Robot đa năng sẽ vượt qua robot chuyên dụng: Những mô hình đa năng có khả năng vượt qua các nhiệm vụ khác nhau và nền tảng phần cứng (như robot của bên thứ ba) đang chứng minh thành công hơn so với các hệ thống được xây dựng cho mục đích cụ thể.
Dữ liệu thế giới thực không thể thay thế: Mặc dù dữ liệu tổng hợp và mô phỏng có ích, nhưng dữ liệu thực vẫn rất quan trọng, đặc biệt là đối với các nhiệm vụ thị giác và vật lý phức tạp.
Tài nguyên quá nhiều có thể phản tác dụng: Việc tài trợ quá mức hoặc làm mọi thứ phức tạp hơn có thể làm chậm tiến độ. Sự rõ ràng của vấn đề và việc thực hiện tập trung là quan trọng nhất.
Giám đốc điều hành Cursor & Đồng sáng lập: Michael Truell
Bắt đầu sớm và tiếp tục xây dựng: ngay cả khi một trong những đối tác rời đi, Michael vẫn tiếp tục lập trình. Sự lan truyền virus ở giai đoạn đầu (một bản sao của Flappy Bird) đã giúp anh xây dựng sự tự tin và kỹ năng.
Xác minh nhanh chóng, ngay cả trong những lĩnh vực chưa quen thuộc: Đội ngũ của họ đã xây dựng một trợ lý lập trình trong lĩnh vực kỹ thuật cơ khí mà không có kinh nghiệm trước đó. Niềm tin của họ là "Học hỏi qua thực hành."
Định vị khác biệt, không cần sợ hãi các ông lớn: Họ đã từng do dự có nên cạnh tranh với GitHub Copilot hay không, nhưng sau đó nhận ra rằng rất ít công ty đặt mục tiêu "tự động hóa toàn bộ quy trình phát triển". Định vị này đã mở ra thị trường cho họ.
Từ mã đến phát hành, hành động nhanh chóng: Từ dòng mã đầu tiên đến khi phát hành công khai, họ chỉ mất 3 tháng. Sự lặp lại nhanh chóng giúp họ điều chỉnh nhanh chóng hướng sản phẩm.
Tập trung hơn là phức tạp: Họ đã quyết định từ bỏ kế hoạch phát triển đồng thời IDE (Môi trường phát triển tích hợp) và công cụ AI. Tập trung vào các chức năng AI chính, phát triển nhanh hơn.
Phân phát có thể bắt đầu từ một tweet: Sự tăng trưởng người dùng sớm của Cursor bắt nguồn từ một tweet của đồng sáng lập trên mạng xã hội. Trước khi tiếp thị chính thức, truyền miệng đã là động lực chính.
Hiệu ứng lãi kép của năng lực thực thi: Năm 2024, doanh thu định kỳ hàng năm của Cursor đã tăng từ 1 triệu đô la lên 100 triệu đô la trong một năm, đạt được mức tăng trưởng kép hàng tuần 10% nhờ vào sự cải tiến sản phẩm và nhu cầu của người dùng.
Lời khuyên tốt nhất, hãy theo đuổi sự tò mò của bạn: quên đi những việc chỉ để làm đẹp hồ sơ. Lời khuyên chính của Michael là: hãy làm những điều bạn quan tâm cùng với những người thông minh.
Giám đốc điều hành Figma & Đồng sáng lập: Dylan Field
Tìm một người đồng sáng lập có thể truyền cảm hứng cho bạn: Động lực của Dylan đến từ việc hợp tác với người đồng sáng lập của anh ấy, Evan Wallace, "Mỗi tuần đều cảm giác như đang tạo ra tương lai."
Bắt đầu sớm, vừa làm vừa học: Dylan bắt đầu dự án khởi nghiệp khi mới 19 tuổi còn đang học đại học. Những thất bại ban đầu như "trình tạo biểu cảm" cuối cùng đã mài giũa ra một ý tưởng vĩ đại như Figma.
Phát hành nhanh chóng, nhận phản hồi nhanh hơn: Họ liên hệ với người dùng sớm qua email, thực hiện các vòng lặp nhanh chóng và kiên định thu phí ngay từ đầu. Phản hồi là động lực liên tục cho sự tiến hóa của sản phẩm.
Phân chia lộ trình dài hạn thành các đợt ngắn hạn: Việc phân chia tầm nhìn lớn thành các phần nhỏ hơn là chìa khóa để đảm bảo tốc độ và khả năng thực hiện.
Sự phù hợp của sản phẩm với thị trường có thể mất vài năm: Figma đã mất năm năm để nhận được một tín hiệu quyết định: Microsoft đã đề xuất rằng, nếu Figma không bắt đầu thu phí, họ sẽ phải hủy bỏ hợp tác.
Thiết kế là yếu tố phân biệt mới: Anh ấy tin rằng với sự trỗi dậy của AI, thiết kế đang trở nên ngày càng quan trọng. Figma cũng đang theo kịp xu hướng này bằng cách ra mắt một loạt sản phẩm mới như Draw, Buzz, Sites và Make.
Sử dụng AI để tăng tốc thiết kế nguyên mẫu: Ứng dụng tốt nhất của AI là cải thiện tốc độ lặp lại, chứ không phải theo đuổi "ma thuật" tạo ra chỉ với một nút bấm. Các nhà thiết kế và quản lý sản phẩm hiện nay phải đóng góp cho việc đánh giá AI.
Hãy chấp nhận sự từ chối thay vì tránh né: Kinh nghiệm biểu diễn trong thời thơ ấu đã dạy Dylan cách đối mặt một cách bình thản với những lời chỉ trích và phản hồi. Anh ấy cho rằng, bị từ chối là một phần của con đường dẫn đến thành công.
Kết nối con người luôn là cốt lõi: Cảnh báo không nên thay thế mối quan hệ con người bằng AI. Khi được hỏi về ý nghĩa của cuộc sống, anh trả lời: "Khám phá ý thức, kiên trì học hỏi, chia sẻ tình yêu."
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
YC AI Khởi Nghiệp Ngày 2: Nadella, Andrew Ng, CEO Cursor đều đến
Sắp xếp: Founder Park
Ngày thứ hai của YC AI Startup School đã chào đón bảy khách mời nổi bật: Satya Nadella (CEO của Microsoft), Wu Enda (người sáng lập Deep Learning.AI), Chelsea Finn (Đồng sáng lập Physical Intelligence), Michael Truell (CEO & Đồng sáng lập Cursor), Dylan Field (CEO & Đồng sáng lập Figma), Andrej Karpathy (cựu Giám đốc AI của Tesla), Sriram Krishnan (Cố vấn chính sách AI cao cấp của Nhà Trắng).
Xung quanh các chủ đề công nghệ AI, khởi nghiệp, những ông lớn này đã chia sẻ nhiều quan điểm thú vị trong bài phát biểu của họ, chẳng hạn như:
Ngoài Andrej Karpathy (Chi tiết chia sẻ của Andrej Karpathy xem trong bài viết hôm qua của chúng tôi "Ngày đầu tiên của trại khởi nghiệp YC AI, bài phát biểu của Andrej Karpathy đã gây chú ý") và Sriram Krishnan, chúng tôi đã tổng hợp những quan điểm cốt lõi từ phần chia sẻ của năm khách mời còn lại.
Giám đốc điều hành Microsoft: Satya Nadella
Hiệu ứng tổng hợp của nền tảng: AI không phải xuất hiện từ hư vô, mà được xây dựng trên cơ sở hạ tầng đám mây hàng thập kỷ, những cơ sở này đã phát triển để hỗ trợ việc đào tạo mô hình quy mô lớn. Mỗi thế hệ nền tảng đều chuẩn bị cho sự xuất hiện của thế hệ nền tảng tiếp theo.
Mô hình là cơ sở hạ tầng, sản phẩm là hệ sinh thái: Mô hình cơ bản là một loại cơ sở hạ tầng, tương tự như cơ sở dữ liệu SQL mới. Sản phẩm thực sự không phải là mô hình chính nó, mà là toàn bộ hệ sinh thái được xây dựng xung quanh nó: chu trình phản hồi, tích hợp công cụ và tương tác người dùng.
Tác động kinh tế là tiêu chuẩn: Chỉ số Bắc Cực mà Satya đo lường giá trị AI là: "Nó có tạo ra thặng dư kinh tế không?" Nếu một công nghệ không thể thúc đẩy tăng trưởng GDP, thì nó không phải là công nghệ biến đổi.
Ranh giới giữa sức mạnh tính toán và trí tuệ: Mức độ thông minh sẽ tăng trưởng theo cấp số nhân với việc đầu tư vào sức mạnh tính toán. Tuy nhiên, những đột phá quan trọng trong tương lai sẽ không chỉ đến từ quy mô, mà còn đến từ sự chuyển đổi mô hình, giống như sự xuất hiện của "thời điểm quy luật quy mô" tiếp theo.
Năng lượng và sự đồng thuận xã hội: Sự phát triển quy mô của AI sẽ cần tiêu thụ nhiều năng lượng hơn và cũng cần có sự cho phép của xã hội. Để giành được sự cho phép, chúng ta phải chứng minh rằng những lợi ích xã hội thực tế và tích cực mà AI mang lại đủ để cân xứng với chi phí của nó.
Rào cản thực sự của AI là quản lý thay đổi: Rào cản phát triển trong các ngành công nghiệp truyền thống không phải ở công nghệ, mà là do bị ràng buộc bởi các quy trình làm việc vốn có. Sự chuyển đổi thực sự cần phải suy nghĩ lại về cách công việc được hoàn thành, chứ không chỉ đơn giản là đưa AI vào.
Sự tích hợp vai trò công việc: Trên LinkedIn và những nơi khác, các vai trò truyền thống như thiết kế, front-end và sản phẩm đang dần hội nhập, tạo ra những nhân tài "toàn diện". AI đang giúp nhiều người có khả năng liên ngành, từ đó thúc đẩy xu hướng này.
Đừng đánh giá thấp giá trị của công việc lặp đi lặp lại: Trong công việc tri thức, có rất nhiều lao động thể chất lặp đi lặp lại. Ứng dụng tốt nhất của AI chính là loại bỏ "chi phí ma sát vô hình" này và giải phóng sự sáng tạo của con người.
Giữ cho tương lai luôn cởi mở: ngay cả Satya cũng không thể thấy trước sự tiến bộ nhanh chóng của công nghệ "tính toán trong thử nghiệm" và "học tăng cường". Đừng giả định rằng chúng ta đã thấy hình thức cuối cùng của AI, trong tương lai rất có thể sẽ có nhiều đột phá hơn.
Đừng nhân hoá AI: AI không phải là con người. Nó là một công cụ. Ranh giới tiếp theo là trao cho nó khả năng ghi nhớ, công cụ và khả năng hành động, nhưng điều này khác biệt về bản chất với khả năng suy luận của con người.
Tương lai của phát triển: AI sẽ không thay thế các nhà phát triển, mà sẽ trở thành trợ lý đắc lực của họ. VSCode là một bức tranh hợp tác với AI. Cốt lõi của kỹ thuật phần mềm sẽ chuyển từ việc viết mã sang thiết kế hệ thống và đảm bảo chất lượng.
Trách nhiệm và niềm tin là điều không thể thiếu: Sự xuất hiện của AI không thể miễn trừ trách nhiệm của con người. Công ty vẫn phải chịu trách nhiệm pháp lý về hành vi của sản phẩm của mình. Đó là lý do tại sao quyền riêng tư, an ninh và chủ quyền phải giữ vị trí trung tâm.
Niềm tin xuất phát từ giá trị thực tiễn: Niềm tin đến từ tính hữu dụng, chứ không phải từ những lời nói hoa mỹ. Satya chỉ ra rằng chatbot được triển khai cho nông dân Ấn Độ là một ví dụ, nhấn mạnh rằng sự trợ giúp hữu hình chính là nền tảng để xây dựng niềm tin.
Từ giọng nói đến trí tuệ nhân tạo: Hành trình AI của Microsoft bắt đầu từ công nghệ giọng nói vào năm 1995. Ngày nay, trọng tâm chiến lược của họ đã chuyển sang các "trí tuệ nhân tạo" hoàn chỉnh, những trí tuệ này kết hợp giọng nói, thị giác và các thiết bị tính toán môi trường khắp nơi.
Thể thông minh chính là máy tính của tương lai: Tầm nhìn dài hạn của Satya là: "Thể thông minh sẽ trở thành thế hệ máy tính mới." Tương lai này không chỉ phụ thuộc vào độ chính xác của công nghệ, mà còn phụ thuộc vào sự tin tưởng của người dùng và trải nghiệm tương tác liền mạch.
Những bài học về lãnh đạo: Lời khuyên của ông là bắt đầu từ những vị trí cơ sở nhất, nhưng phải mang trong mình những tham vọng lớn nhất. Cần học cách xây dựng một đội ngũ, chứ không chỉ đơn thuần là phát triển một sản phẩm.
Người mà Satya tìm kiếm: Anh ấy đánh giá cao những người: Biến phức tạp thành đơn giản, mang lại tư duy rõ ràng; Khơi dậy sức sống cho đội ngũ, gắn kết mọi người; Sẵn lòng giải quyết những vấn đề phức tạp trong điều kiện hạn chế khắc nghiệt.
Câu hỏi phỏng vấn yêu thích nhất: "Hãy cho tôi biết một vấn đề mà bạn từng không biết cách giải quyết và bạn đã giải quyết nó như thế nào." Anh ấy hy vọng sẽ thấy được sự tò mò, khả năng thích ứng và sự kiên trì của ứng viên.
Tiềm năng của máy tính lượng tử: Công nghệ đột phá tiếp theo có thể đến từ lĩnh vực lượng tử. Microsoft đang tập trung vào việc phát triển "qubit sửa lỗi", công nghệ này có thể cho phép chúng ta mô phỏng thế giới tự nhiên với độ chính xác vô song.
Lời khuyên cho giới trẻ: Đừng ngồi chờ sự cho phép của người khác. Hãy xây dựng những công cụ thực sự trao quyền cho mọi người. Anh ấy thường tự hỏi: "Chúng ta có thể tạo ra điều gì để giúp người khác sáng tạo?"
Sản phẩm yêu thích nhất: VSCode và Excel - vì chúng mang lại siêu năng lực cho mọi người.
Người sáng lập Deep Learning.AI: Andrew Ng
Tốc độ thực hiện quyết định thành bại: Thước đo tốt nhất cho khả năng thành công của một công ty khởi nghiệp là tốc độ xây dựng, thử nghiệm và lặp lại. Tốc độ mang lại hiệu ứng lãi suất kép trong việc học, và AI làm cho hiệu ứng này tăng trưởng theo cấp số nhân.
Đa số cơ hội nằm ở lớp ứng dụng: Hiện tại, lợi nhuận lớn nhất không đến từ việc xây dựng mô hình mới, mà là áp dụng mô hình hiện có vào những tình huống có giá trị, hướng tới người dùng. Đây mới là điều mà các nhà sáng lập nên chú ý.
AI Agentic vượt trội hơn các công cụ "một lần": Những sản phẩm có vòng phản hồi, chẳng hạn như AI Agentic, hoạt động tốt hơn nhiều so với những công cụ chỉ có thể hoàn thành nhiệm vụ "một lần". Sự tương tác liên tục có thể tối ưu hóa kết quả, trong khi việc lặp lại có thể mang lại sự nâng cao hiệu suất theo kiểu tổng hợp.
"Lớp lập trình" đang nổi lên: Giữa các mô hình cơ bản và ứng dụng, một lớp trung gian mới đang hình thành: lập trình đại lý. Lớp này có thể hỗ trợ các nhiệm vụ phức tạp nhiều bước qua các công cụ và nguồn dữ liệu.
Ý tưởng càng cụ thể, thực hiện càng nhanh chóng: Cách tốt nhất để hành động nhanh là bắt đầu từ một ý tưởng cụ thể, một ý tưởng đầy đủ chi tiết đến nỗi kỹ sư có thể ngay lập tức bắt tay vào xây dựng. Những ý tưởng cụ thể tốt thường đến từ các chuyên gia trong lĩnh vực có sự rõ ràng trực giác.
Cảnh giác với bẫy của "narrative lớn": Những mục tiêu trừu tượng như "AI hỗ trợ y tế" nghe có vẻ đầy tham vọng, nhưng thường dẫn đến việc thực hiện chậm chạp. Điều thực sự mang lại hiệu quả là những công cụ cụ thể như "tự động hóa đặt lịch MRI".
Dám điều chỉnh hướng đi, điều kiện tiên quyết là bước đi đầu tiên đúng: Nếu dữ liệu ban đầu cho thấy ý tưởng của bạn không khả thi, một kế hoạch ban đầu cụ thể sẽ giúp bạn dễ dàng chuyển hướng hơn. Hiểu rõ bạn đang thử nghiệm điều gì sẽ giúp bạn nhanh chóng chuyển sang hướng khác sau khi thất bại.
Sử dụng vòng phản hồi để giảm thiểu rủi ro: Bây giờ tốc độ xây dựng nguyên mẫu đã nhanh hơn 10 lần, hiệu suất phát triển phần mềm sản xuất cũng tăng 30-50%. Cần tận dụng lợi thế này để giảm thiểu rủi ro thị trường thông qua phản hồi người dùng theo thời gian thực.
Thực hiện nhiều thử nghiệm, thay vì theo đuổi sự hoàn hảo: Đừng cố gắng hoàn thiện phiên bản đầu tiên của bạn. Hãy xây dựng 20 nguyên mẫu thô và xem cái nào có thể tồn tại. Tốc độ học hỏi quan trọng hơn việc mài giũa.
Hành động nhanh chóng và có trách nhiệm: Andrew Ng đã định nghĩa lại câu châm ngôn kinh điển của Silicon Valley: không phải "hành động nhanh chóng, phá vỡ quy tắc", mà là "hành động nhanh chóng và chịu trách nhiệm". Ý thức trách nhiệm là nền tảng để xây dựng lòng tin.
Mã đang mất đi giá trị hiếm có của nó: Mã không còn là tài sản cốt lõi có tính hiếm như trước đây. Với các công cụ nguyên mẫu nhanh và AI, mã rất dễ sản xuất. Điều thực sự quan trọng là giá trị mà mã mang lại.
Kiến trúc kỹ thuật là có thể đảo ngược: Trước đây, việc chọn một kiến trúc là một quyết định một chiều. Bây giờ nó là một cánh cửa hai chiều, chi phí thay đổi kiến trúc đã giảm đáng kể. Sự linh hoạt này khuyến khích những thử nghiệm táo bạo hơn và các thí nghiệm nhanh hơn.
Mọi người nên học lập trình: Quan điểm "đừng học lập trình" là một sự hiểu lầm. Ngày xưa, khi chuyển từ ngôn ngữ lập trình hợp ngữ sang ngôn ngữ lập trình cao cấp, mọi người cũng từng có những lo ngại tương tự. AI đang làm giảm bớt rào cản trong lập trình, trong tương lai, nhiều vị trí công việc sẽ cần người có khả năng lập trình.
Kiến thức chuyên môn giúp AI tốt hơn: Sự hiểu biết sâu sắc về một lĩnh vực cụ thể có thể giúp bạn vận dụng AI tốt hơn. Các nhà sử học nghệ thuật có thể viết ra những gợi ý hình ảnh tốt hơn. Các bác sĩ có thể tạo ra những AI chăm sóc sức khỏe tốt hơn. Những người sáng lập nên kết hợp kiến thức chuyên môn với khả năng sử dụng AI.
Giám đốc sản phẩm hiện đang là nút thắt: Hiện tại, yếu tố hạn chế mới không phải là kỹ thuật, mà là quản lý sản phẩm. Một nhóm của Andrew Ng thậm chí đã đề xuất điều chỉnh tỷ lệ giám đốc sản phẩm và kỹ sư thành 2:1 để tăng tốc độ phản hồi và quy trình ra quyết định.
Kỹ sư cần có tư duy sản phẩm: Kỹ sư có trực giác sản phẩm hành động nhanh hơn, sản phẩm được phát triển tốt hơn. Chỉ có khả năng kỹ thuật là không đủ, nhà phát triển cũng cần phải hiểu sâu sắc nhu cầu của người dùng.
Hỏi ý kiến bạn bè
Kiến thức AI sâu sắc vẫn là một lợi thế cạnh tranh: Trình độ AI vẫn chưa phổ biến. Những người thực sự hiểu nguyên lý công nghệ AI vẫn đang có lợi thế lớn - họ có thể đổi mới theo cách thông minh hơn, hiệu quả hơn và tự chủ hơn.
Sự thổi phồng ≠ Sự thật: Cảnh giác với những câu chuyện nghe có vẻ ấn tượng nhưng chủ yếu được sử dụng để gây quỹ hoặc nâng cao địa vị. Những thuật ngữ như AGI, sự tuyệt chủng và trí tuệ vô hạn thường là dấu hiệu của sự thổi phồng, chứ không phải là dấu hiệu của sức ảnh hưởng.
An toàn liên quan đến việc sử dụng, chứ không phải bản thân công nghệ: Khái niệm "An toàn AI" thường bị hiểu nhầm. AI giống như điện hay lửa, bản thân nó không tốt cũng không xấu, mà phụ thuộc vào cách áp dụng. An toàn liên quan đến việc sử dụng, chứ không phải công cụ bản thân.
Điều quan trọng duy nhất là người dùng có thích hay không: không cần quá bận tâm đến chi phí mô hình hoặc chỉ số hiệu suất. Câu hỏi duy nhất cần quan tâm là: bạn có đang tạo ra một sản phẩm mà người dùng thực sự yêu thích và sẵn sàng sử dụng liên tục không?
AI trong giáo dục vẫn đang trong giai đoạn khám phá: Các công ty như Kira Learning đang thực hiện nhiều thử nghiệm, nhưng hình thức cuối cùng của AI trong lĩnh vực giáo dục vẫn chưa rõ ràng. Chúng ta vẫn đang ở giai đoạn đầu của quá trình chuyển đổi.
Cảnh giác với "ngày tận thế" và "bị quản lý bắt giữ": Nỗi sợ hãi quá mức về AI đang được sử dụng để biện minh cho các quy định bảo vệ các doanh nghiệp hiện có. Hãy nghi ngờ những câu chuyện "an toàn AI" có lợi cho những người nắm quyền.
Trí thông minh vật lý Liên sáng lập: Chelsea Finn
Công nghệ robot cần tư duy toàn diện: bạn không thể chỉ thêm công nghệ robot vào một công ty hiện có. Bạn cần xây dựng toàn bộ công nghệ từ con số không - dữ liệu, mô hình, triển khai.
Chất lượng dữ liệu quan trọng hơn số lượng: Các tập dữ liệu khổng lồ từ ngành, YouTube hoặc môi trường mô phỏng thường thiếu sự đa dạng và tính xác thực. Dữ liệu đúng và chất lượng cao quan trọng hơn quy mô.
Mô hình tốt nhất: Đào tạo trước + Tinh chỉnh: Trước tiên, thực hiện đào tạo trước trên một tập dữ liệu rộng lớn, sau đó sử dụng khoảng 1000 mẫu chất lượng cao, nhất quán về bối cảnh để tinh chỉnh, phương pháp này có thể nâng cao hiệu suất của robot một cách đáng kể.
Robot đa năng sẽ vượt qua robot chuyên dụng: Những mô hình đa năng có khả năng vượt qua các nhiệm vụ khác nhau và nền tảng phần cứng (như robot của bên thứ ba) đang chứng minh thành công hơn so với các hệ thống được xây dựng cho mục đích cụ thể.
Dữ liệu thế giới thực không thể thay thế: Mặc dù dữ liệu tổng hợp và mô phỏng có ích, nhưng dữ liệu thực vẫn rất quan trọng, đặc biệt là đối với các nhiệm vụ thị giác và vật lý phức tạp.
Tài nguyên quá nhiều có thể phản tác dụng: Việc tài trợ quá mức hoặc làm mọi thứ phức tạp hơn có thể làm chậm tiến độ. Sự rõ ràng của vấn đề và việc thực hiện tập trung là quan trọng nhất.
Giám đốc điều hành Cursor & Đồng sáng lập: Michael Truell
Bắt đầu sớm và tiếp tục xây dựng: ngay cả khi một trong những đối tác rời đi, Michael vẫn tiếp tục lập trình. Sự lan truyền virus ở giai đoạn đầu (một bản sao của Flappy Bird) đã giúp anh xây dựng sự tự tin và kỹ năng.
Xác minh nhanh chóng, ngay cả trong những lĩnh vực chưa quen thuộc: Đội ngũ của họ đã xây dựng một trợ lý lập trình trong lĩnh vực kỹ thuật cơ khí mà không có kinh nghiệm trước đó. Niềm tin của họ là "Học hỏi qua thực hành."
Định vị khác biệt, không cần sợ hãi các ông lớn: Họ đã từng do dự có nên cạnh tranh với GitHub Copilot hay không, nhưng sau đó nhận ra rằng rất ít công ty đặt mục tiêu "tự động hóa toàn bộ quy trình phát triển". Định vị này đã mở ra thị trường cho họ.
Từ mã đến phát hành, hành động nhanh chóng: Từ dòng mã đầu tiên đến khi phát hành công khai, họ chỉ mất 3 tháng. Sự lặp lại nhanh chóng giúp họ điều chỉnh nhanh chóng hướng sản phẩm.
Tập trung hơn là phức tạp: Họ đã quyết định từ bỏ kế hoạch phát triển đồng thời IDE (Môi trường phát triển tích hợp) và công cụ AI. Tập trung vào các chức năng AI chính, phát triển nhanh hơn.
Phân phát có thể bắt đầu từ một tweet: Sự tăng trưởng người dùng sớm của Cursor bắt nguồn từ một tweet của đồng sáng lập trên mạng xã hội. Trước khi tiếp thị chính thức, truyền miệng đã là động lực chính.
Hiệu ứng lãi kép của năng lực thực thi: Năm 2024, doanh thu định kỳ hàng năm của Cursor đã tăng từ 1 triệu đô la lên 100 triệu đô la trong một năm, đạt được mức tăng trưởng kép hàng tuần 10% nhờ vào sự cải tiến sản phẩm và nhu cầu của người dùng.
Lời khuyên tốt nhất, hãy theo đuổi sự tò mò của bạn: quên đi những việc chỉ để làm đẹp hồ sơ. Lời khuyên chính của Michael là: hãy làm những điều bạn quan tâm cùng với những người thông minh.
Giám đốc điều hành Figma & Đồng sáng lập: Dylan Field
Tìm một người đồng sáng lập có thể truyền cảm hứng cho bạn: Động lực của Dylan đến từ việc hợp tác với người đồng sáng lập của anh ấy, Evan Wallace, "Mỗi tuần đều cảm giác như đang tạo ra tương lai."
Bắt đầu sớm, vừa làm vừa học: Dylan bắt đầu dự án khởi nghiệp khi mới 19 tuổi còn đang học đại học. Những thất bại ban đầu như "trình tạo biểu cảm" cuối cùng đã mài giũa ra một ý tưởng vĩ đại như Figma.
Phát hành nhanh chóng, nhận phản hồi nhanh hơn: Họ liên hệ với người dùng sớm qua email, thực hiện các vòng lặp nhanh chóng và kiên định thu phí ngay từ đầu. Phản hồi là động lực liên tục cho sự tiến hóa của sản phẩm.
Phân chia lộ trình dài hạn thành các đợt ngắn hạn: Việc phân chia tầm nhìn lớn thành các phần nhỏ hơn là chìa khóa để đảm bảo tốc độ và khả năng thực hiện.
Sự phù hợp của sản phẩm với thị trường có thể mất vài năm: Figma đã mất năm năm để nhận được một tín hiệu quyết định: Microsoft đã đề xuất rằng, nếu Figma không bắt đầu thu phí, họ sẽ phải hủy bỏ hợp tác.
Thiết kế là yếu tố phân biệt mới: Anh ấy tin rằng với sự trỗi dậy của AI, thiết kế đang trở nên ngày càng quan trọng. Figma cũng đang theo kịp xu hướng này bằng cách ra mắt một loạt sản phẩm mới như Draw, Buzz, Sites và Make.
Sử dụng AI để tăng tốc thiết kế nguyên mẫu: Ứng dụng tốt nhất của AI là cải thiện tốc độ lặp lại, chứ không phải theo đuổi "ma thuật" tạo ra chỉ với một nút bấm. Các nhà thiết kế và quản lý sản phẩm hiện nay phải đóng góp cho việc đánh giá AI.
Hãy chấp nhận sự từ chối thay vì tránh né: Kinh nghiệm biểu diễn trong thời thơ ấu đã dạy Dylan cách đối mặt một cách bình thản với những lời chỉ trích và phản hồi. Anh ấy cho rằng, bị từ chối là một phần của con đường dẫn đến thành công.
Kết nối con người luôn là cốt lõi: Cảnh báo không nên thay thế mối quan hệ con người bằng AI. Khi được hỏi về ý nghĩa của cuộc sống, anh trả lời: "Khám phá ý thức, kiên trì học hỏi, chia sẻ tình yêu."