Bởi Arvind Narayanan và Akash Kapur
Mục tiêu của chúng tôi trong bài viết này là vượt ra ngoài cuộc tranh luận về việc liệu AI có phải là một bong bóng hay không. Chúng tôi thực hiện điều này theo hai cách: tách biệt rõ ràng tình hình tài chính hiện tại khỏi câu hỏi về việc ai sẽ nắm giữ giá trị về lâu dài, và nhận ra rằng các phòng thí nghiệm không chỉ giới hạn ở vai trò nhà cung cấp mô hình. Họ có thể di chuyển lên chuỗi giá trị và đang tích cực làm như vậy. Điều này có thể giúp họ thoát khỏi bẫy hàng hóa nhưng lại đặt ra những lo ngại mới – sự phụ thuộc của khách hàng và giảm cạnh tranh.
Akash Kapur là nghiên cứu viên thỉnh giảng tại Princeton và nghiên cứu viên cao cấp tại New America. Ông không có quan hệ họ hàng.
Bởi Arvind Narayanan và Akash Kapur
Mục tiêu của chúng tôi trong bài viết này là vượt ra ngoài cuộc tranh luận về việc liệu AI có phải là một bong bóng hay không. Chúng tôi thực hiện điều này theo hai cách: tách biệt rõ ràng tình hình tài chính hiện tại khỏi câu hỏi về việc ai sẽ nắm giữ giá trị về lâu dài, và nhận ra rằng các phòng thí nghiệm không chỉ giới hạn ở vai trò nhà cung cấp mô hình. Họ có thể di chuyển lên chuỗi giá trị và hiện đang tích cực làm như vậy. Điều này có thể giúp họ thoát khỏi bẫy hàng hóa nhưng lại làm nảy sinh những lo ngại mới — sự phụ thuộc của khách hàng và giảm cạnh tranh.
Akash Kapur là nghiên cứu viên thỉnh giảng tại Princeton và nghiên cứu viên cao cấp tại New America. Ông không có quan hệ họ hàng với Sayash Kapoor.
Khi các công ty AI hàng
Phân tích lịch sử: Lớp hạ tầng thường không thu được giá trị mà nó tạo ra.
Khung công nghệ AI như công nghệ bình thường cam kết rút ra bài học, khi có thể áp dụng, từ các công nghệ chuyển đổi trong quá khứ. Chúng tôi cho rằng AI chịu nhiều động lực tương tự liên quan đến đầu tư, cạnh tranh và thu giữ giá trị đã định hình các làn sóng đổi mới công nghệ trước đây. Do đó, trong khuôn khổ nghiên cứu của mình, chúng tôi đã xem xét bài toán thu giữ giá trị AI và phản ứng có thể có của các phòng thí nghiệm đối với nó, thông qua một lăng kính lịch sử rộng hơn.
Chúng tôi đã xem xét sáu trường hợp lịch sử của các ngành công nghiệp hạ tầng thâm dụng vốn (đường sắt, điện, viễn thông và cáp quang, điện toán đám mây, sản xuất bán dẫn và hàng không thương mại). Chúng tôi tin rằng AI ngày nay có nhiều đặc điểm giống hạ tầng: yêu cầu vốn khổng lồ; chi phí biên thấp; một sản phẩm hàng hóa phần nào tách rời khỏi các ứng dụng cuối cùng tạo ra giá trị. Điều này khiến hạ tầng trở thành một lĩnh vực kinh doanh nổi tiếng là khó khăn.
Nhưng đồng thời, AI là phần mềm, và ngành công nghiệp phần mềm trong lịch sử đã rất sinh lợi, với biên lợi nhuận đặc biệt cao. Ngành này có tham vọng biên lợi nhuận phần mềm. Do đó, chúng tôi cũng đã khảo sát các chiến lược giá trị gia tăng và khóa chặt của phần mềm dưới dạng dịch vụ, và phân tích liệu AI có thể nhân rộng những điều này hay không. Luận điểm của chúng tôi là tính bền vững và khả năng thu giữ giá trị của các công ty AI phần lớn phụ thuộc vào mức độ thành công của họ trong việc chuyển đổi từ tập hợp các thuộc tính hạ tầng đầu tiên sang các thuộc tính phần mềm doanh nghiệp thứ hai.
Nhìn chung, chúng tôi đã xác định ba bài học mang tính hướng dẫn cho AI từ phân tích lịch sử của chúng tôi. Thứ nhất, các nhà cung cấp hạ tầng hiếm khi thu được giá trị mà họ tạo ra. Trong các lĩnh vực đường sắt, điện, viễn thông và hàng không, các công ty xây dựng năng lực cuối cùng đã bị cạnh tranh, điều tiết hoặc biến thành hàng hóa với biên lợi nhuận mỏng.
Nguồn tin: AI Snake Oil — Tác giả: Arvind Narayanan. Bản dịch tiếng Việt do AI thực hiện, có thể có sai sót.
