CEO Mistral cảnh báo: Dùng AI đóng là 'dâng' quy trình kinh doanh cho các phòng thí nghiệm

Nhà sáng lập Mistral, Arthur Mensch, đang đưa ra những lập luận ủng hộ AI mã nguồn mở. Trong một bài đăng trên LinkedIn, ông cảnh báo các công ty không nên phụ thuộc vào các mô hình AI đóng.

Mensch cho rằng các công ty bán mô hình đóng đang lưu trữ ngày càng nhiều dữ liệu, tạo điều kiện cho họ nắm bắt được các quy trình kinh doanh của khách hàng. Theo Mensch, một số phòng thí nghiệm AI "đã có tiền lệ nhắm vào chính những khách hàng thành công nhất của họ nhờ vào thông tin này".

Ông khuyên các công ty nên lưu trữ dữ liệu trong các hệ thống mở, tự thiết lập quy tắc truy cập cho AI và tự xây dựng các mô hình huấn luyện của riêng mình, ngay cả khi "những nỗ lực này có vẻ khó khăn". Mensch viết: "Frontier AI có thể thúc đẩy sự phát triển doanh nghiệp của bạn, nhưng nếu nó không nằm trong tay bạn, đó sẽ không phải là sự tăng trưởng của bạn".

Những bình luận của Mensch tương đồng với các nhận định trước đó của CEO Palantir, Alex Karp, người cũng thúc giục các công ty tự xây dựng mô hình AI thay vì dựa vào các giải pháp độc quyền từ bên ngoài. Palantir cũng đã công bố một bản tuyên ngôn về AI bảo mật trong kinh doanh. Trong đó có đoạn: "Kiểm soát trọng số (weights) của bạn chính là kiểm soát vận mệnh của bạn. Trọng số là dạng chắt lọc của tri thức tổ chức tích lũy được sau bao khó khăn. Nếu bạn để người khác kiểm soát trọng số của mình, bạn đang cho phép họ chuyển dịch lợi thế cạnh tranh (alpha) của doanh nghiệp bạn sang doanh nghiệp của họ".

Mensch có lý, nhưng ông cũng cần phải điều hành công việc kinh doanh của mình.

Các lập luận của Mensch là hợp lý, nhưng cần được đặt trong ngữ cảnh cụ thể. Mistral là công ty EU duy nhất có các mô hình AI phù hợp, và họ thực sự không thể cạnh tranh với các mô hình hàng đầu như GPT-5.6 Sol hay Fable 5 về hiệu năng thuần túy. Mô hình kinh doanh của Mistral dựa nhiều vào chủ quyền của EU vì đó là nơi công ty có khả năng đạt được lợi ích lớn nhất, mặc dù khoảng 30% cổ phần của họ đang được nắm giữ bởi các nhà đầu tư Mỹ. Các mô hình AI đa năng quy mô lớn cũng đã nhiều lần vượt qua các mô hình chuyên biệt trên các bài kiểm tra chuyên sâu, miễn là kiến thức chuyên môn liên quan nằm trong dữ liệu huấn luyện. Mensch đang lập luận để có lợi cho chính mình.

Tuy nhiên, một thử nghiệm được công bố gần đây về phân tích tài liệu tài chính đã phần nào ủng hộ quan điểm của ông. Kiến thức chuyên môn nội bộ không có trong dữ liệu huấn luyện của các mô hình lớn có thể tạo ra lợi thế cạnh tranh.

Quỹ đầu cơ Bridgewater và Thinking Machines Lab, startup do cựu CTO của OpenAI là Mira Murati sáng lập, đã tinh chỉnh mô hình mã nguồn mở Qwen3-235B bằng cách sử dụng các đánh giá nhà đầu tư của riêng họ. Theo đánh giá của chính họ, mô hình đã tinh chỉnh đạt độ chính xác 84,7% trên các tài liệu tài chính, trong khi mô hình frontier tốt nhất chỉ đạt 78,2%. Chi phí vận hành thấp hơn gần 14 lần.

Đó không phải là một sự so sánh độc lập và cả hai công ty đều có lợi ích trong việc bán sản phẩm của mình. Đó cũng chỉ là một kết quả tại một thời điểm nhất định. Các công ty như Anthropic hay OpenAI có thể dễ dàng mua loại dữ liệu đó để huấn luyện trong tương lai hoặc tự tạo ra chúng, điều này có khả năng sẽ đưa họ trở lại vị trí dẫn đầu.

Tin tức AI không thổi phồng – Được biên soạn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo frontier "AI Radar" độc quyền sáu lần một năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay