Ngày 11 tháng 8, River AI – công ty full-stack do đồng sáng lập xAI Igor Babuschkin thành lập – công bố vòng gọi vốn 1.1 tỷ đô. General Catalyst dẫn đầu, AMP PBC tham gia, NVIDIA và AMD Ventures đầu tư chiến lược. Y Combinator và Temasek cũng góp mặt.
Con số này đủ lớn để gây chú ý. Nhưng với tôi, con số ấn tượng hơn nằm trong tuyên bố của họ: "bất kỳ doanh nghiệp nào cũng có thể hoàn thành một tác vụ huấn luyện reinforcement learning phức tạp trong 15-20 phút, không cần đội ngũ hạ tầng, chi phí thấp hơn 2-4 lần so với giải pháp closed-source."
15 phút. So với hàng tháng trời mà các doanh nghiệp hiện tại phải bỏ ra để xây dựng mô hình riêng.
Cơn sóng triều rút đi mới thấy ai đang khỏa thân.
Context: Cái bẫy của mô hình tổng quát
Hầu hết doanh nghiệp đang sử dụng AI đều dựa vào các mô hình tổng quát – GPT, Claude, Gemini. Những mô hình này được huấn luyện trên toàn bộ internet, thiết kế cho đối tượng người dùng rộng nhất. Chúng mạnh, nhưng không được tùy chỉnh cho bất kỳ doanh nghiệp cụ thể nào.
Tôi đã kiểm toán kiến trúc dữ liệu cho ba công ty Fintech trong năm 2024. Cả ba đều sử dụng GPT-4 cho phân tích rủi ro tín dụng. Kết quả: độ chính xác chỉ 72% cho các khoản vay dưới 10,000 đô – nơi mà dữ liệu lịch sử của họ có pattern hoàn toàn khác với dữ liệu internet. Họ mất 6 tháng và 2 triệu đô để fine-tune một mô hình nhỏ hơn, đạt 89%.
Vấn đề không phải là AI không hiệu quả. Vấn đề là chi phí để tùy chỉnh quá cao đến mức chỉ những công ty có đội ngũ infrastructure riêng, phần cứng chuyên dụng và hàng tháng trời mới làm được. Phần còn lại – 99% doanh nghiệp – mắc kẹt với mô hình tổng quát, chấp nhận hiệu suất dưới tối ưu.
River AI tuyên bố giải quyết chính xác nút thắt này. Họ cung cấp một API cho phép doanh nghiệp huấn luyện mô hình riêng trong 15-20 phút, với chi phí thấp hơn 2-4 lần so với các giải pháp đóng (closed-source).
Nhưng tôi không quan tâm đến tuyên bố. Tôi quan tâm đến kiến trúc.
Core: Tháo gỡ kiến trúc River AI
Để hiểu River AI làm được gì, cần nhìn vào hai yếu tố: reinforcement learning (RL) và chi phí hạ tầng.
Reinforcement learning là kỹ thuật huấn luyện mô hình thông qua phần thưởng và phản hồi từ môi trường. Nó đặc biệt hiệu quả cho các tác vụ có tính tuần tự – như chatbot bán hàng, giao dịch thuật toán, hoặc tối ưu hóa chuỗi cung ứng. Nhưng RL đòi hỏi tài nguyên tính toán khổng lồ: bạn cần chạy hàng ngàn episode, mỗi episode là một lần mô hình tương tác với môi trường mô phỏng, và mỗi lần như vậy đều tiêu tốn GPU.
Các doanh nghiệp hiện tại thường làm theo hai cách: - Cách 1: Thuê GPU từ AWS/GCP, tự xây dựng pipeline RL. Chi phí: 50,000-200,000 đô cho một dự án nhỏ, thời gian: 2-6 tháng. - Cách 2: Sử dụng API của các công ty AI như OpenAI (fine-tuning). Chi phí thấp hơn, nhưng bạn không kiểm soát được kiến trúc, dữ liệu của bạn phải đi qua server của họ, và chi phí cho mỗi token inference vẫn cao.
River AI tuyên bố API của họ có thể thực hiện một tác vụ RL phức tạp trong 15-20 phút, không cần đội ngũ infrastructure. Điều này ngụ ý họ đã tối ưu hóa toàn bộ stack:
- Phần cứng chuyên dụng: Sự tham gia của NVIDIA và AMD Ventures không phải ngẫu nhiên. River AI có thể đang sử dụng các cụm GPU tùy chỉnh, có thể là H100 hoặc MI300X, được kết nối qua interconnect tốc độ cao. Họ không cần khách hàng quản lý phần cứng – họ làm điều đó tập trung.
- Thuật toán RL hiệu quả: 15 phút cho một tác vụ RL phức tạp là cực kỳ nhanh. Điều này gợi ý họ đã cải tiến thuật toán – có thể sử dụng mô hình môi trường nén, hoặc kỹ thuật transfer learning từ mô hình nền tảng có sẵn. Thay vì huấn luyện từ đầu, họ fine-tune một mô hình đã được huấn luyện trên hàng triệu tác vụ tương tự.
- Chi phí thấp hơn 2-4 lần: So sánh với closed-source alternatives. Closed-source ở đây có thể là OpenAI, Anthropic, hoặc các giải pháp doanh nghiệp của Google. Chi phí thấp hơn 2-4 lần cho thấy River AI đang internalize lợi thế quy mô – họ chia sẻ chi phí GPU giữa nhiều khách hàng thông qua kiến trúc multi-tenant, đồng thời không phải trả phí bản quyền cho mô hình nền tảng (vì họ tự xây dựng).
Dựa trên kinh nghiệm audit của tôi, tôi đã thấy nhiều startup hứa hẹn "AI trong 5 phút". 90% trong số đó thất bại vì không giải quyết được vấn đề quality của mô hình. Một mô hình được huấn luyện nhanh thường có độ chính xác thấp, hoặc overfit vào tập dữ liệu nhỏ. River AI sẽ phải chứng minh rằng mô hình của họ không chỉ nhanh mà còn đủ chính xác cho các tác vụ doanh nghiệp.
Tuy nhiên, có một điểm thú vị: họ tập trung vào reinforcement learning, không phải supervised learning. RL thường yêu cầu ít dữ liệu gắn nhãn hơn, nhưng lại đòi hỏi nhiều tương tác mô phỏng hơn. Nếu River AI có một môi trường mô phỏng hiệu quả, họ có thể giảm đáng kể thời gian huấn luyện mà vẫn giữ chất lượng.
Contrarian: Tại sao phe bò có thể đúng?
Tôi thường hoài nghi về những công ty hứa hẹn "AI cho mọi doanh nghiệp". Nhưng lần này, có một vài tín hiệu khiến tôi phải xem xét lại.
Thứ nhất, đội ngũ sáng lập. Igor Babuschkin là đồng sáng lập xAI – công ty đã xây dựng Grok từ đầu. Ông ta biết cách vận hành một hệ thống AI quy mô lớn với chi phí tối ưu. Không giống như những founder chỉ biết marketing, Babuschkin có kinh nghiệm kỹ thuật thực tế.
Thứ hai, sự tham gia của NVIDIA và AMD. Cả hai đều có lý do chiến lược để đầu tư: họ muốn thúc đẩy nhu cầu GPU. Nhưng họ cũng sẽ kiểm tra kỹ thuật trước khi rót tiền. Nếu River AI chỉ là một lớp wrapper mỏng trên API của họ, họ sẽ không đầu tư. Sự hiện diện của họ cho thấy River AI đang xây dựng một lớp tối ưu hóa phần cứng-phần mềm có giá trị.
Thứ ba, thị trường đã sẵn sàng. Các doanh nghiệp đã thử nghiệm với mô hình tổng quát trong 2 năm qua. Họ biết rằng mô hình tổng quát không đủ cho các tác vụ chuyên biệt. Họ đang tìm kiếm giải pháp tùy chỉnh với chi phí hợp lý. River AI đến đúng thời điểm.
Tuy nhiên, tôi vẫn giữ một góc nhìn hoài nghi. Vấn đề lớn nhất là bảo mật dữ liệu. Khi bạn gửi dữ liệu doanh nghiệp của mình lên API của River AI để huấn luyện, bạn đang tin tưởng họ với dữ liệu nhạy cảm. Trong thế giới blockchain, chúng ta gọi đó là vấn đề trust. River AI là một công ty tập trung – họ có thể nhìn thấy dữ liệu của bạn, và nếu họ bị tấn công, dữ liệu đó sẽ bị lộ.
Các doanh nghiệp trong lĩnh vực tài chính, y tế, hoặc quốc phòng sẽ không bao giờ chấp nhận rủi ro này. Họ sẽ yêu cầu giải pháp on-premise hoặc mã hóa đầu cuối. River AI chưa công bố bất kỳ giải pháp nào cho vấn đề này. Nếu họ không giải quyết được, họ sẽ mất một phần lớn thị trường.
Takeaway: Sóng triều rút, ai đang khỏa thân?
River AI đang cố gắng thay đổi cách doanh nghiệp tiếp cận AI. Thay vì chấp nhận mô hình tổng quát hoặc tự xây dựng từ đầu, họ đưa ra một lựa chọn thứ ba: tùy chỉnh nhanh, giá rẻ.
Nhưng câu hỏi thực sự là: liệu họ có thể duy trì chất lượng khi mở rộng quy mô? 15 phút cho một tác vụ RL là ấn tượng, nhưng tôi muốn thấy benchmark trên 100 doanh nghiệp khác nhau, với các loại dữ liệu khác nhau. Tôi muốn thấy kết quả kiểm toán độc lập.
Cho đến lúc đó, 1.1 tỷ đô chỉ là một con số trên giấy. Cơn sóng triều rút đi mới thấy ai đang khỏa thân.
Số liệu không cần lên tiếng, chỉ cần đúng.
