Y Transformers: Khi nghiên cứu gặp gỡ khởi nghiệp, AI còn bao nhiêu tiềm năng?

Ngày 14 tháng 8, những tàn dư của bão Dolphin mang theo những cơn mưa không ngớt trút xuống Thượng Hải. Vào lúc 3:30 chiều, gần 30 tiến sĩ, nghiên cứu sinh sau tiến sĩ và các giáo sư trẻ từ các trường đại học toàn cầu bao gồm MIT, Đại học Stanford và Đại học Cambridge, cùng gần 20 doanh nhân AI trong nước, đã bất chấp bão tố để tụ họp tại Yunqi Partners. Họ có mặt tại đó để tham dự buổi giao lưu "Paper, Partner, Possibility: Overseas PhDs and Domestic AI Entrepreneurs Exchange BBQ" (tạm dịch: Bài báo, Đối tác, Khả năng: Tiệc BBQ giao lưu giữa các Tiến sĩ hải ngoại và Doanh nhân AI trong nước), do Yunqi Capital và Future Origin Community đồng tổ chức, nhằm thảo luận về thương mại hóa nghiên cứu, lộ trình khởi nghiệp và các cơ hội hợp tác.

Bài báo: Từ những hội nghị hàng đầu đến thị trường

Khoảng cách nằm ở đâu

Michael Mao, đối tác sáng lập và quản lý của Yunqi Capital, lưu ý rằng chân dung của các doanh nhân đang âm thầm thay đổi. Trong hai năm qua, các dự án công nghệ do các kỹ sư, tiến sĩ và giáo sư đại học dẫn dắt đã đạt đến mức độ thu hút sự chú ý và cường độ chưa từng có. Trong gần 20 dự án giai đoạn đầu của "Yunqi-SJTU AI Angel Fund", đại đa số các nhà sáng lập đều sở hữu bằng tiến sĩ. Bài báo đang trở thành điểm khởi đầu của khởi nghiệp.

Nhưng điểm khởi đầu không phải là một con đường bằng phẳng. Một nhà đầu tư tại Yunqi đã bổ sung dữ liệu để hoàn thiện bức tranh: thị trường vốn mạo hiểm của Trung Quốc đã suy yếu kể từ năm 2021. Mặc dù quý 4 năm 2024 cho thấy một bước ngoặt, nhưng nguồn vốn mới đang đổ dồn một cách không cân đối vào các dự án trưởng thành hơn, ở giai đoạn sau với độ chắc chắn cao hơn. Trong năm qua, đầu tư vòng pre-Series A đã giảm từ khoảng 36% tổng giá trị thương vụ trong thập kỷ qua xuống chỉ còn 16,72%; năm lĩnh vực hàng đầu hiện chiếm gần 70% hoạt động của các tổ chức. Trên toàn cầu, AI chiếm 76,7% giá trị thương vụ vốn mạo hiểm, nhưng lại cho thấy mô hình "giá trị thịnh vượng, khối lượng co hẹp" — nguồn vốn khổng lồ tập trung vào một số ít các công ty hàng đầu, trong khi các công ty giai đoạn đầu vẫn đối mặt với môi trường huy động vốn đầy thách thức.

Bài báo có thể mở ra cánh cửa đầu tiên, nhưng con đường phía sau nó hẹp hơn tưởng tượng. Khi dòng vốn hướng tới sự chắc chắn, ngành công nghiệp và giới học thuật phải gánh vác nhiều hơn trách nhiệm "kết nối".

Về phía ngành công nghiệp, Hao Xiangfeng, giám đốc đầu tư tại Future Industry Fund, giải thích rằng quỹ này theo đuổi cả chiến lược đầu tư trực tiếp và quỹ đầu tư (fund-of-funds), hợp tác với nhiều trường đại học và các nhà lãnh đạo ngành để tận dụng năng lực nghiên cứu học thuật và chuyên môn công nghiệp nhằm xác định các dự án tiên phong. Trọng tâm của quỹ được xác định một cách có chủ đích là "tầng đáy", bởi theo quan điểm của Hao, khi chi phí năng lượng, thiết kế chip và chi phí tính toán giảm xuống, sức mạnh tính toán sẽ di chuyển từ máy chủ sang nhiều thiết bị và kịch bản đời thường hơn, trở thành một năng lực nền tảng dễ tiếp cận.

Các nguồn lực bên ngoài đang tiến gần hơn đến các trường đại học, và các quy tắc nội bộ cũng đang nới lỏng. Theo Zou Yingtian, giáo sư trợ lý tại Trường Trí tuệ nhân tạo, Đại học Giao thông Thượng Hải (SJTU), SJTU đang thúc đẩy chương trình nhân tài "3+3+3" — mỗi nhóm chiếm khoảng một phần ba từ các trường đại học hàng đầu trong nước, các trường đại học hàng đầu ở nước ngoài và ngành công nghiệp. Trường Trí tuệ nhân tạo là chương trình thí điểm. Trường cũng đang khám phá các cơ chế đánh giá mới, giảm bớt sự phụ thuộc vào các chỉ số đơn lẻ, kết hợp các thành tựu đổi mới, tác động công nghiệp và thực tiễn khởi nghiệp vào đánh giá, đồng thời thúc đẩy thương mại hóa thông qua các quỹ khởi nghiệp nghiên cứu, quỹ mạo hiểm và các "siêu phòng thí nghiệm". Bản thân Zou, người đã lấy bằng tiến sĩ tại Đại học Quốc gia Singapore và từng làm việc tại Huawei, là một trong những giảng viên được tuyển dụng từ ngành công nghiệp.

Từ đánh giá sớm của VC, đến kết nối nguồn lực quỹ ngành, đến cơ chế nhân tài và đánh giá nội bộ của trường đại học — ba góc nhìn này cuối cùng hội tụ vào một câu hỏi: làm thế nào để giúp nhân tài và công nghệ tiên phong thoát khỏi phòng thí nghiệm một cách suôn sẻ hơn. Giữa việc tiếp tục nghiên cứu, tham gia một nhóm khởi nghiệp hoặc tự khởi nghiệp, ngày càng có nhiều lộ trình kết nối hơn đang xuất hiện.

Đối tác: Hướng đi được khám phá

Không phải được thiết kế

Các hệ thống cung cấp mảnh đất, nhưng hạt giống có nảy mầm hay không phụ thuộc vào việc chính các doanh nhân tìm ra hướng đi giữa những nhu cầu thực tế như thế nào, và liệu có ai sẵn sàng cùng bạn lặp đi lặp lại qua những sai lầm hay không.

Yang Bolin, người sáng lập SigmaZ AI Lab, có lẽ là người tại sự kiện hiểu rõ nhất về "cuộc tìm kiếm" này. Sinh năm 2003, anh bắt đầu công ty đầu tiên ở tuổi 16, đảm bảo nguồn vốn chỉ vài tháng sau khi theo học chương trình thạc sĩ tại Đại học Cambridge và chọn theo đuổi khởi nghiệp toàn thời gian. Là một trong những doanh nhân đầu tiên được hỗ trợ bởi quỹ chuyên biệt "Y Transformers" của Yunqi, SigmaZ đã hoàn thành nhiều vòng gọi vốn bổ sung sau khoản đầu tư của Yunqi Capital.

Nhưng hướng đi của công ty không rõ ràng ngay từ đầu. SigmaZ ban đầu xây dựng một AI Tutor chuyển đổi tài liệu khóa học thành các video tương tác. Sau khi đạt được hơn 20 triệu lượt hiển thị ở nước ngoài, nhóm đã phát hiện ra một điều bất ngờ: người dùng không chủ yếu sử dụng các tính năng học tập — họ sử dụng chức năng tạo video, và nội dung họ tạo ra vượt xa tài liệu khóa học. Dựa trên những nhu cầu thực tế này, công ty đã chuyển hướng sang trí tuệ tương tác thời gian thực dựa trên mã nguồn. Hiện tại, SigmaZ tập trung vào hậu đào tạo (post-training) các mô hình ngôn ngữ khuếch tán (diffusion language models) và AI hình ảnh dựa trên mã nguồn.

Theo quan điểm của Yang, nội dung đa phương thức trong tương lai sẽ được cấu thành đồng thời từ mã nguồn và pixel: mã nguồn xử lý chuyển động, cấu trúc và logic; các mô hình pixel hoàn thiện việc kết xuất hình ảnh; và khả năng giải mã nhanh hơn của các mô hình ngôn ngữ khuếch tán cho phép tạo video và tương tác thời gian thực. Sản phẩm mới chưa chính thức ra mắt nhưng đã nhận được sự quan tâm hợp tác từ 21 khách hàng.

"Hướng đi được khám phá, không phải được thiết kế." Yang ví khởi nghiệp như một quá trình Bayes: liên tục thu thập phản hồi, nhanh chóng điều chỉnh lộ trình. "Xây dựng thì rẻ, học hỏi mới đắt." AI làm cho việc phát triển nguyên mẫu ngày càng nhanh hơn, nhưng thời gian và tốc độ học hỏi mới là nguồn tài nguyên khan hiếm. Sản phẩm ra mắt càng sớm, tiếp cận người dùng càng sớm, nhóm càng nhanh chóng phát hiện ra những sai lệch trong phán đoán của mình.

Ngoài sản phẩm và khách hàng, anh cũng coi "câu chuyện" (narrative) là một năng lực mà các doanh nhân cần xây dựng sớm. Một câu chuyện rõ ràng phải trả lời được tại sao sự thay đổi đang diễn ra, nhóm tin vào điều gì, tương lai đang hướng tới đâu và điều gì nên được thực hiện ngay bây giờ. Nó định hình cách một công ty giao tiếp với khách hàng và nhà đầu tư, đồng thời đóng vai trò là nền tảng nhận thức chung trong nhóm.

Đối với các nhà nghiên cứu trẻ ở nước ngoài vẫn đang cân nhắc việc khởi nghiệp, tham chiếu thực tế từ tiền tuyến khởi nghiệp này có thể cụ thể hơn bất kỳ dữ liệu nào: công nghệ quyết định nơi bạn bắt đầu, nhu cầu thực tế định hình cách hướng đi phát triển, và tổ chức cùng câu chuyện quyết định liệu một nhóm có thể đi xa hay không. Và trên con đường này, nguồn vốn sớm như Y Transformers, và phản hồi thực tế từ người dùng, đều là những Đối tác không thể thiếu.

Khả năng

Nếu có nhiều hơn một con đường

Sau các bài thuyết trình theo chủ đề, micro bắt đầu được chuyển qua lại giữa các nhà nghiên cứu trẻ và các doanh nhân AI trong nước. Phần mở micro đã đưa AI và khởi nghiệp từ sự trừu tượng trở nên cá nhân hóa — đi vào cuộc sống hàng ngày, những lựa chọn và những bất định. Có lúc cuộc trò chuyện xoay quanh thiết kế đa phương thức protein và động lực học chất lưu tính toán; lúc khác lại là chứng khoán, hướng dẫn du lịch và bói Kinh Dịch.

Điều nực cười nhất tôi từng làm với AI là vừa mới hỏi nó,

điều nực cười nhất tôi từng làm là gì?

Trải nghiệm của tôi với AI có ba giai đoạn. Đầu tiên, tôi sử dụng Codex điên cuồng cho đến khi hết token — kiểu như "Tôi còn sống, nhưng tiền của tôi đã hết". Thứ hai, tôi không thể chịu nổi việc thấy AI nhàn rỗi, nên tôi bắt nó làm việc điên cuồng, nhưng tôi không thể theo kịp nó — kiểu như "Tôi đã chết, nhưng tiền của tôi vẫn chưa tiêu hết". Thứ ba, trường cấp cho tôi token không giới hạn, và cuối cùng tôi đã buông bỏ: bạn không thể cạnh tranh với token vô hạn bằng thời gian và năng lượng hữu hạn. Điều thực sự quan trọng là dành sự chú ý cho những vấn đề có giá trị hơn.

Tôi nghĩ điều không thể thay thế bởi AI chính là sự tiếp xúc chân thực giữa con người,

bởi vì da của chúng ta có rất nhiều thụ thể,

đó là kết quả của hàng triệu năm tiến hóa;

và hơn nữa, AI không thể quyết định thay chúng ta "điều chúng ta thực sự muốn làm".

Nút thắt lớn nhất của tôi hiện nay là chuyển đổi từ thống kê sang AI. Trước đây nó giống như chở dưa hấu bằng xe đạp; bây giờ là bằng ô tô, và thống kê chính là chiếc xe đạp lỗi thời đó. Bạn làm gì khi lĩnh vực của mình bị tụt hậu do cách mạng công nghệ?

Câu hỏi ngược này đã chạm đúng vào nỗi đau. Trong kỷ nguyên AI phát triển nhanh chóng, các khái niệm kỹ thuật xuất hiện không ngừng. Như một khán giả đã nói:

Nếu ngành công nghiệp AI là một hệ thống thời tiết, thì hiện tại nó là thời tiết "cánh đồng tuyết trên cao nguyên" —

thay đổi vài lần mỗi ngày, bạn biết rằng có phong cảnh ngoạn mục phía trước,

nhưng không đoạn đường nào có thể kiểm soát trước được.

Và chính những thay đổi khó lường này lại là sức hấp dẫn của ngành. Đối với những người có mặt, Bài báo là con đường đã đi qua, Đối tác là người vẫn đang tìm kiếm, và Khả năng là vùng đất phía trước tuy chưa rõ ràng nhưng rất đáng để bước vào.