Các công ty AI mã nguồn mở trở thành mục tiêu thâu tóm nóng nhất tại Thung lũng Silicon

Mọi người đang chờ đợi Nvidia xác nhận thương vụ công nghệ thú vị nhất trong tuần này: Thông tin về việc thâu tóm Hugging Face, một nền tảng chia sẻ các mô hình AI mã nguồn mở (open-weight) và các bộ tiêu chuẩn đánh giá, với giá 13 tỷ USD.

Hiện được biết đến nhiều nhất với tư cách là mục tiêu của một nhóm các tác nhân OpenAI thực hiện "reward-hacking", Hugging Face đang là trung tâm của hệ sinh thái các nhà phát triển đang xây dựng và triển khai các mô hình LLM không thuộc sở hữu của các phòng thí nghiệm tiên phong (frontier labs). Hãy coi nó như một dạng GitHub của kỷ nguyên AI.

Tin đồn về thương vụ này xuất hiện sau khi Nvidia đạt được thỏa thuận trị giá 6 tỷ USD với Poolside, một đơn vị xây dựng mô hình mã nguồn mở, theo đó hầu hết nhân viên của họ sẽ chuyển sang làm việc cho gã khổng lồ sản xuất chip này. Và hai tuần trước, Stripe đã mua lại OpenRouter, nhà cung cấp hàng đầu các mô hình mã nguồn mở cho doanh nghiệp, với giá hơn 7 tỷ USD.

Đó là một lượng vốn khổng lồ đổ vào một lĩnh vực dựa trên việc cung cấp miễn phí các sản phẩm, và điều này phản ánh những xu hướng mới nhất trong ngành AI.

Đối với Nvidia, họ cần tránh việc phụ thuộc quá mức vào các thỏa thuận với các nhà cung cấp dịch vụ đám mây lớn (hyperscalers) và các phòng thí nghiệm tiên phong. Điều này đặc biệt quan trọng khi các đơn vị xây dựng mô hình AI lớn như OpenAI và Google cũng đang tự phát triển chip suy luận riêng, chẳng hạn như Jalapeño của OpenAI, vốn vừa được công bố khả năng vào tuần này. Nếu các đơn vị xây dựng mô hình tự làm chip, Nvidia muốn giành lấy một phần trong mảng kinh doanh tạo mô hình.

Nvidia hiện đã tự xây dựng dòng mô hình mã nguồn mở Nemotron, nhưng mức độ phổ biến của chúng chưa cao. Bằng cách nắm quyền kiểm soát không gian dành cho nhà phát triển mô hình mở lớn nhất tại Mỹ, công ty sẽ có quyền tiếp cận với một lượng lớn người dùng mà họ có thể hướng tới việc sử dụng chip và các tiêu chuẩn của mình.

Ngoài ra, ngày càng có nhiều câu hỏi về chi phí suy luận AI, khiến các công ty phải tìm kiếm các mô hình rẻ hơn do các công ty Trung Quốc như Moonshot, DeepSeek và Alibaba xây dựng. Hiện tại, tỷ lệ áp dụng còn tương đối nhỏ nhưng đang tăng dần—chỉ có 6% công ty sử dụng các mô hình mã nguồn mở theo khảo sát dữ liệu chi tiêu của Ramp, hoặc chỉ 2% kỹ sư phần mềm được khảo sát bởi Jellyfish, đơn vị chuyên tạo công cụ cho nhà phát triển.

Nik Albarran, trưởng bộ phận sản phẩm AI tại Jellyfish, chia sẻ với TechCrunch rằng các mô hình mã nguồn mở chủ yếu được sử dụng bởi các công ty có sản phẩm dựa trên khối lượng công việc suy luận lặp đi lặp lại, chẳng hạn như các đơn vị cung cấp dịch vụ chat chăm sóc khách hàng. Vì đây là những tác vụ có khối lượng lớn và tính lặp lại cao, một mô hình mã nguồn mở có thể được tinh chỉnh để trả lời các câu hỏi với chi phí thấp.

Đó chắc chắn là cách Stripe giải thích về thương vụ mua lại OpenRouter. "Token là loại tiền tệ trung tâm đối với các công ty đang xây dựng với AI, và rõ ràng là tiềm năng kinh tế thực tế sẽ phụ thuộc vào việc sử dụng hiệu quả các tài nguyên tính toán khan hiếm," Patrick Collison, đồng sáng lập kiêm CEO của Stripe, cho biết trong một tuyên bố.

Tuy nhiên, đối với các tác vụ lập trình và tác vụ đại lý (agentic tasks), các yêu cầu đa dạng và đòi hỏi khả năng suy luận cao hơn khiến các mô hình tiên phong thường chiếm ưu thế, một phần vì các phòng thí nghiệm độc quyền cung cấp quyền truy cập dễ dàng hơn, và trong một số trường hợp là trợ giá token. Albarran cho biết khi các công ty tinh chỉnh quy trình làm việc AI, việc chuyển sang các mô hình mở sẽ trở nên dễ dàng hơn. Dù vậy, lý do chính khiến các công ty tìm đến những mô hình đó hiện nay là vì quyền kiểm soát và khả năng tùy biến, chứ không phải vì lo ngại về chi phí.

"Chưa có nhiều công ty rơi vào trường hợp đó... [nhưng] nếu giá từ các phòng thí nghiệm tiên phong tiếp tục tăng, ngày càng nhiều công ty sẽ buộc phải ít nhất là cân nhắc điều đó," Albarran nói với TechCrunch. "Khi các quy trình làm việc dựa trên AI của bạn trưởng thành hơn nhiều, đó là lúc việc đầu tư vào các mô hình tự lưu trữ (self-hosting) trở nên hợp lý."

Lin Qiao là CEO của Fireworks, một đơn vị lưu trữ và định tuyến mô hình mã nguồn mở hàng đầu dành cho người dùng doanh nghiệp, thường được nhắc đến như một mục tiêu thâu tóm tiềm năng của các gã khổng lồ công nghệ. Qiao cho biết công ty của cô xử lý 40 nghìn tỷ token mỗi ngày, nhiều hơn cả API của Gemini hay OpenAI.

Fireworks đặt cược vào sự đa dạng của mô hình: Khi các LLM ngày càng phổ biến và cải thiện, các công ty sẽ dễ dàng đào tạo chúng cụ thể cho nhu cầu của mình hơn. "Mỗi công ty ứng dụng nên cân nhắc thuê một nhà nghiên cứu nội bộ," cô nói với TechCrunch tuần trước. "Họ có thể sử dụng sản phẩm và dữ liệu sản phẩm của mình để xây dựng mô hình riêng. Tương lai thực sự là trí tuệ chuyên biệt. Theo nghĩa đen, mỗi công ty nên có mô hình riêng cho từng trường hợp sử dụng, và điều đó sẽ xảy ra một cách tự động."

Thật dễ quên rằng chúng ta đang ở giai đoạn rất sớm trong quá trình phát triển AI như một công cụ và một doanh nghiệp. Tuy nhiên, sự thống trị của OpenAI và Anthropic không phải là điều tất yếu. Khi các gã khổng lồ công nghệ tìm cách phòng ngừa rủi ro tại các phòng thí nghiệm lớn nhất, sức hấp dẫn của công nghệ mở đang chứng tỏ là rất khó cưỡng lại.

Khi bạn mua hàng qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.

Tim Fernholz là một nhà báo viết về công nghệ, tài chính và chính sách công. Ông đã theo sát sự trỗi dậy của ngành công nghiệp vũ trụ tư nhân và là tác giả cuốn Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race. Trước đây, ông là phóng viên cấp cao tại Quartz, trang tin tức kinh doanh toàn cầu, trong hơn một thập kỷ, và bắt đầu sự nghiệp với tư cách là phóng viên chính trị tại Washington, D.C. Bạn có thể liên hệ hoặc xác minh thông tin từ Tim bằng cách gửi email đến [email protected] hoặc qua tin nhắn mã hóa tới tim_fernholz.21 trên Signal.

Xem tiểu sử