Giai đoạn sau của AI: Liệu có tồn tại duy nhất một siêu mô hình?

👦🏻 Phỏng vấn Podcast: Koji

🥷 Biên tập: Crossing

🧑‍🎨 Dàn trang: Zeoooo

🚗 Tuần này trên Crossing, khách mời của chúng tôi là Kevin Ding, nhà sáng lập kiêm CEO của Pyromind. Pyromind hoạt động trong lĩnh vực thường được gọi là RL as a Service — học tăng cường dưới dạng dịch vụ, hay hậu huấn luyện (post-training) dưới dạng dịch vụ. Công ty gần đây đã hoàn tất vòng gọi vốn thiên thần với các nhà đầu tư bao gồm Hillhouse, Baidu Venture, BlueRun Ventures và Atypical.

Nhưng theo quan điểm của Kevin, RL as a Service chỉ là điểm khởi đầu chứ không phải đích đến. Trong chương trình, anh cho biết dịch vụ chỉ giải quyết được một nửa vấn đề. Để thực sự giúp các Agent (tác nhân) liên tục cải thiện trong môi trường thực tế, bạn cần kết nối quá trình huấn luyện, phần thưởng, phản hồi, triển khai và phản hồi dữ liệu thành một quy trình tự động khép kín — đó chính là AutoRL, canh bạc mà Pyromind đang đặt cược.

Chúng tôi cũng đã thảo luận về các trường hợp sử dụng thực tế của Pyromind: kiểm tra chất lượng công nghiệp, tối ưu hóa thông số quy trình, GUI Agents, Coding Agents và những vấn đề sản xuất trong doanh nghiệp nơi mà ROI (tỷ suất hoàn vốn) rõ ràng, dữ liệu phong phú và các tiêu chí đánh giá tốt/xấu tương đối được xác định rõ ràng.

Đồng thời, tập này cũng giải quyết một câu hỏi rất thực tế: làm thế nào để AI doanh nghiệp thực sự thoát khỏi cái bẫy tư vấn dựa trên dự án?

Kevin thẳng thắn chia sẻ rằng khi mới tiếp cận một kịch bản khách hàng, công việc FDE (kỹ thuật triển khai tại hiện trường) là không thể tránh khỏi: từ việc hiểu định dạng dữ liệu, các tiêu chuẩn đánh giá, quy trình kinh doanh cho đến các tín hiệu phần thưởng. Tuy nhiên, mục tiêu của Pyromind là làm cho nỗ lực này giảm dần qua các phương thức và kịch bản tương tự, biến việc bàn giao đơn lẻ thành một quy trình AutoRL có thể nhân rộng theo chiều ngang.

Kevin đã chia sẻ chi tiết về công trình mới của họ, PyroDash: một kiến trúc cộng tác giữa mô hình lớn và mô hình nhỏ, được xây dựng từ một mô hình nhỏ 4B, một mô hình nền tảng mạnh mẽ và một công cụ cộng tác. Kevin lập luận rằng đằng sau điều này là một niềm tin lớn hơn: thế giới nhu cầu rất đa dạng và không phải vấn đề nào cũng nên quy về một mô hình lớn tập trung duy nhất.

Tập này dành cho bất kỳ ai quan tâm đến AI Agents, hậu huấn luyện (post-training), trí tuệ doanh nghiệp, AI công nghiệp và hạ tầng AI.

Nghe trên WeChat:

Nghe trên Xiaoyuzhou:

🎬 Podcast video hiện cũng đã có mặt trên WeChat Channels, Xiaohongshu, Bilibili, YouTube và các nền tảng khác của Koji.

Hỏi nhanh đáp gọn

👦🏻 Koji

Kevin, bạn bao nhiêu tuổi?

👨🏻‍💻 Kevin

Sinh năm 94, nên là 32 tuổi.

👦🏻 Koji

Trình độ học vấn của bạn?

👨🏻‍💻 Kevin

King's College London.

👦🏻 Koji

MBTI và cung hoàng đạo?

👨🏻‍💻 Kevin

Kết quả kiểm tra là INTJ, mặc dù tôi cảm thấy mình nằm đâu đó giữa I và E. Cung hoàng đạo là Ma Kết.

👦🏻 Koji

Một câu để mô tả Pyromind.

👨🏻‍💻 Kevin

Định vị cuối cùng là AutoRL. Đó là một lộ trình thực hiện tương đối cụ thể hướng tới mục tiêu RSI mà mọi người vẫn đang thảo luận.

👦🏻 Koji

Tình hình gọi vốn?

👨🏻‍💻 Kevin

Chúng tôi đã thực hiện một vòng gọi vốn ngay sau khi thành lập vào năm ngoái. Các nhà đầu tư bao gồm Hillhouse, Baidu Venture, BlueRun Ventures và Atypical.