Bài học đầu tư từ Jensen Huang: Cựu lãnh đạo NVIDIA tiết lộ vì sao khả năng đứng dậy sau thất bại quyết định giá trị nhà sáng lập AI

Trí tuệ nhân tạo (AI) đang làm thay đổi cách các công ty khởi nghiệp phát triển, mở rộng doanh thu và thu hút vốn đầu tư. Nếu trước đây một doanh nghiệp công nghệ thường cần nhiều năm để hoàn thiện sản phẩm, thử nghiệm thị trường và xây dựng mô hình kinh doanh, sự phát triển của AI đang rút ngắn đáng kể quá trình này. Trong môi trường mới, tốc độ không chỉ quyết định khả năng cạnh tranh mà còn ảnh hưởng trực tiếp đến cách các quỹ đầu tư mạo hiểm lựa chọn doanh nghiệp.

Jeff Herbst, đồng sáng lập GFT Ventures và từng giữ chức Phó Chủ tịch Phát triển Kinh doanh tại NVIDIA, cho rằng thị trường đầu tư AI hiện nay là nơi tốc độ có thể quyết định kết quả. Với khoảng 20 năm kinh nghiệm trong hệ sinh thái AI và đầu tư công nghệ, ông đã tham gia hơn 40 khoản đầu tư mạo hiểm cùng hơn 20 thương vụ sáp nhập và mua lại (M&A) trong thời gian làm việc tại NVIDIA.

Từ kinh nghiệm quan sát sự phát triển của NVIDIA dưới sự lãnh đạo của Jensen Huang, Herbst nhấn mạnh một nguyên tắc quan trọng: nhà đầu tư không chỉ cần tìm kiếm những nhà sáng lập có tầm nhìn, mà còn phải đánh giá khả năng biến ý tưởng thành doanh nghiệp có thể tăng trưởng nhanh, mở rộng quy mô và học hỏi từ thất bại.

Bên cạnh đó, ông cho rằng những lĩnh vực như trí tuệ nhân tạo tác nhân (Agentic AI), trí tuệ nhân tạo vật lý (Physical AI) và AI cá nhân hóa có thể trở thành các chủ đề đầu tư đáng chú ý trong thập kỷ tới.

Đầu tư AI: Tốc độ tăng trưởng đang thay đổi cách lựa chọn doanh nghiệp

Theo Jeff Herbst, mô hình phát triển khởi nghiệp truyền thống đang đứng trước sự thay đổi lớn. Trước đây, các nhà sáng lập thường xây dựng sản phẩm, kiểm chứng nhu cầu khách hàng, điều chỉnh mô hình kinh doanh rồi từng bước mở rộng hoạt động. Quá trình này đòi hỏi thời gian và nhiều vòng thử nghiệm.

Tuy nhiên, AI tạo sinh đang làm thay đổi đáng kể tiến trình đó. Nhờ các mô hình AI có sẵn, công cụ lập trình hỗ trợ AI và khả năng tự động hóa nhiều công việc, một số doanh nghiệp có thể đưa sản phẩm ra thị trường nhanh hơn, giảm thời gian phát triển và tiếp cận khách hàng với chi phí ban đầu thấp hơn.

Herbst cho rằng nhà đầu tư phải điều chỉnh cách đánh giá cơ hội trong môi trường này. Nếu một công ty không thể mở rộng quy mô đủ nhanh, khoản đầu tư có thể trở nên kém hấp dẫn trong một thị trường mà đối thủ liên tục cải tiến sản phẩm và chiếm lĩnh khách hàng.

Ông cũng nhận định các công ty AI tạo sinh đang tạo ra doanh thu với tốc độ chưa từng thấy trong sự nghiệp công nghệ của mình. Điều này góp phần giải thích vì sao các quỹ đầu tư ngày càng quan tâm đến những doanh nghiệp có khả năng tăng trưởng nhanh ngay từ giai đoạn đầu.

Tuy nhiên, tốc độ tăng doanh thu không phải yếu tố duy nhất quyết định chất lượng của một khoản đầu tư. Nhà đầu tư còn cần xem xét biên lợi nhuận, chi phí vận hành, khả năng giữ chân khách hàng, mức độ phụ thuộc vào hạ tầng bên ngoài và khả năng duy trì lợi thế cạnh tranh khi thị trường xuất hiện nhiều đối thủ.

Một công ty có thể đạt doanh thu cao trong thời gian ngắn nhưng vẫn gặp khó khăn nếu chi phí tính toán AI quá lớn hoặc khách hàng dễ dàng chuyển sang sản phẩm khác. Vì vậy, bài toán quan trọng là xác định doanh nghiệp nào có thể chuyển lợi thế công nghệ ban đầu thành mô hình kinh doanh bền vững.

GFT Ventures và kỳ vọng mới đối với các công ty AI

GFT Ventures là quỹ đầu tư mạo hiểm được thành lập năm 2021 bởi Jeff Herbst và Jae-hoon Eum, người từng làm việc tại quỹ đầu tư Translink Capital.

Theo thông tin trong bài gốc, quỹ có nguồn vốn từ Hàn Quốc, với sự tham gia của những tổ chức như Mirae Asset và SK Hynix. GFT Ventures hiện quản lý khoảng 160 triệu USD và đã đầu tư vào khoảng 20 công ty.

Quy đổi theo tỷ giá tham khảo 1 USD = 25.000 đồng, quy mô tài sản được quản lý khoảng 160 triệu USD tương đương 4.000 tỷ đồng. Đây là giá trị quy đổi để độc giả Việt Nam dễ hình dung, không phải số liệu xác nhận theo tỷ giá giao dịch thực tế.

Sự phát triển của GFT Ventures diễn ra trong bối cảnh kỳ vọng về quy mô doanh nghiệp AI tăng mạnh. Trước đây, việc một công ty khởi nghiệp đạt mức định giá hoặc được mua lại với giá trị 1 tỷ USD, tương đương khoảng 25.000 tỷ đồng, thường được xem là một thành công đáng kể.

Hiện nay, một số nhà đầu tư kỳ vọng các doanh nghiệp AI có tiềm năng phát triển thành công ty trị giá hàng chục tỷ USD. Mức định giá 10 tỷ USD tương đương khoảng 250.000 tỷ đồng theo tỷ giá quy đổi tham khảo, cho thấy quy mô kỳ vọng đã lớn hơn đáng kể so với tiêu chuẩn thành công của nhiều thương vụ công nghệ trước đây.

Herbst cho rằng cấu trúc thị trường hiện tại cho phép nhà đầu tư rót vốn ở mức định giá cao hơn và với quy mô lớn hơn, nhưng vẫn có khả năng thu hồi toàn bộ vốn nếu doanh nghiệp được lựa chọn phát triển thành công.

Dù vậy, đây là nhận định về tiềm năng và cấu trúc cơ hội của thị trường, không phải sự bảo đảm rằng các khoản đầu tư AI sẽ sinh lời. Định giá cao có thể tạo ra lợi nhuận lớn nếu doanh nghiệp tăng trưởng vượt kỳ vọng, nhưng cũng làm tăng mức thiệt hại nếu công ty không đạt mục tiêu hoặc thị trường điều chỉnh định giá.

Đối với các quỹ đầu tư mạo hiểm, thách thức nằm ở việc phân biệt doanh nghiệp thực sự có khả năng mở rộng với những công ty đang được hưởng lợi tạm thời từ sự quan tâm mạnh mẽ dành cho AI.

Bong bóng AI hay thiếu hụt hạ tầng điện toán?

Trong bối cảnh dòng vốn đổ vào AI tăng mạnh, một trong những câu hỏi lớn của thị trường là liệu ngành công nghiệp này có đang hình thành bong bóng đầu tư hay không.

Herbst bác bỏ cách nhìn cho rằng sự bùng nổ AI đơn thuần là một bong bóng. Theo ông, vấn đề đáng chú ý hơn là nguồn cung năng lực điện toán chưa theo kịp nhu cầu.

Ông cho biết nhu cầu điện toán hiệu năng cao có thể vượt nguồn cung từ 10 lần đến hơn 100 lần. Nhận định này phản ánh quan điểm của Herbst về mức độ mất cân đối giữa nhu cầu và năng lực cung ứng, chứ không phải một chỉ số đã được xác nhận đồng nhất cho toàn bộ thị trường AI.

Sự thiếu hụt năng lực điện toán có thể xuất hiện ở nhiều khâu. Các mô hình AI ngày càng lớn và phức tạp đòi hỏi nhiều bộ xử lý đồ họa (GPU), bộ nhớ, hệ thống lưu trữ, mạng tốc độ cao và trung tâm dữ liệu có khả năng vận hành liên tục.

Ngoài thiết bị, nguồn điện cũng là yếu tố giới hạn. Một trung tâm dữ liệu có thể cần nhiều năm để hoàn thành quá trình lựa chọn địa điểm, xin giấy phép, xây dựng hệ thống điện và kết nối hạ tầng. Nếu nguồn cung điện hoặc khả năng truyền tải không đáp ứng yêu cầu, việc bổ sung máy chủ và GPU cũng khó phát huy hiệu quả tối đa.

Herbst cho rằng có thể mất tới 10 năm để tháo gỡ một số nút thắt trong việc bảo đảm địa điểm trung tâm dữ liệu, nguồn điện và bộ nhớ.

Nếu tình trạng thiếu hụt kéo dài, các doanh nghiệp cung cấp hạ tầng AI có thể tiếp tục hưởng lợi từ nhu cầu đầu tư. Tuy nhiên, điều này không đồng nghĩa mọi doanh nghiệp liên quan đến AI đều sẽ thành công. Giá phần cứng, chi phí xây dựng, hiệu suất sử dụng máy chủ, khả năng tiếp cận nguồn điện và tốc độ đổi mới công nghệ vẫn có thể ảnh hưởng đến lợi nhuận.

Nhà đầu tư cũng cần phân biệt giữa nhu cầu AI dài hạn và mức định giá hiện tại của từng doanh nghiệp. Một ngành có triển vọng tăng trưởng lớn vẫn có thể xuất hiện những cổ phiếu hoặc khoản đầu tư bị định giá quá cao.

Bài học từ Jensen Huang: Học hỏi từ thất bại quan trọng hơn việc tránh thất bại

Kinh nghiệm làm việc tại NVIDIA có ảnh hưởng đáng kể đến triết lý đầu tư của Jeff Herbst. Ông mô tả Jensen Huang là người có tầm nhìn xa và khả năng nhìn nhận vấn đề sâu sắc trong ngành công nghệ.

Điều Herbst rút ra từ nhà lãnh đạo NVIDIA không chỉ nằm ở khả năng dự đoán xu hướng, mà còn ở nguyên tắc đào sâu vào bản chất vấn đề và thái độ đối với thất bại.

Theo Herbst, tại NVIDIA, việc không học được gì từ một thất bại và tiếp tục mắc lại sai lầm trong lần sau được xem là vấn đề nghiêm trọng hơn chính thất bại ban đầu.

Quan điểm này có ý nghĩa đặc biệt trong lĩnh vực khởi nghiệp AI, nơi công nghệ thay đổi nhanh và doanh nghiệp thường phải thử nghiệm những mô hình sản phẩm chưa có tiền lệ. Không phải mọi thử nghiệm đều thành công. Một sản phẩm có thể không tìm được khách hàng, một mô hình kinh doanh có thể không đạt hiệu quả hoặc một hướng phát triển công nghệ có thể không mang lại kết quả như dự kiến.

Trong những tình huống đó, nhà sáng lập cần chứng minh khả năng phân tích nguyên nhân, điều chỉnh chiến lược và cải thiện kết quả. Thất bại có thể cung cấp dữ liệu để doanh nghiệp hiểu rõ hơn về khách hàng, giới hạn kỹ thuật và chi phí vận hành.

Đây cũng là lý do Herbst nhấn mạnh khả năng phục hồi sau thất bại khi đánh giá một nhà sáng lập. Nhà đầu tư không chỉ xem xét thành tích đã đạt được mà còn quan tâm cách người đứng đầu phản ứng khi kế hoạch không diễn ra như mong muốn.

Một nhà sáng lập có khả năng phục hồi tốt không nhất thiết là người chưa từng thất bại. Thay vào đó, họ có thể nhận diện vấn đề, tiếp thu phản hồi, thay đổi cách tiếp cận và tiếp tục đưa doanh nghiệp tiến lên.

Tuy nhiên, khả năng kiên trì không nên bị nhầm lẫn với việc tiếp tục đổ tiền vào một dự án không còn triển vọng. Một nhà sáng lập giỏi cũng cần biết khi nào phải thay đổi hướng đi, cắt giảm chi phí hoặc dừng một thử nghiệm không hiệu quả.

Đối với nhà đầu tư, việc đánh giá cách nhà sáng lập xử lý sai lầm có thể cung cấp thông tin quan trọng về năng lực quản trị, khả năng thích ứng và triển vọng tồn tại của doanh nghiệp trong một thị trường biến động.

Agentic AI và Physical AI: Những chủ đề đầu tư thế hệ tiếp theo

Bên cạnh AI tạo sinh, Herbst chỉ ra hai lĩnh vực có thể trở thành chủ đề đầu tư quan trọng trong giai đoạn tiếp theo: Agentic AI và Physical AI.

Agentic AI: AI có khả năng thực hiện nhiệm vụ tự động

Agentic AI, hay trí tuệ nhân tạo tác nhân, là nhóm hệ thống được thiết kế để thực hiện chuỗi nhiệm vụ nhằm đạt một mục tiêu nhất định. Thay vì chỉ phản hồi câu hỏi hoặc tạo nội dung theo yêu cầu, hệ thống có thể lập kế hoạch, sử dụng công cụ, thực hiện các bước công việc và điều chỉnh hành động dựa trên kết quả.

Các ứng dụng tiềm năng bao gồm tự động hóa quy trình doanh nghiệp, hỗ trợ chăm sóc khách hàng, xử lý tài liệu, phân tích dữ liệu và phối hợp những nhiệm vụ nhiều bước.

Với doanh nghiệp, Agentic AI có thể giúp giảm thời gian xử lý công việc và tăng năng suất nếu được triển khai phù hợp. Đối với nhà đầu tư, cơ hội nằm ở những sản phẩm giải quyết được vấn đề cụ thể, có khách hàng sẵn sàng trả tiền và chứng minh được hiệu quả trong thực tế.

Dù vậy, công nghệ này vẫn có những thách thức như sai sót trong quá trình thực hiện, bảo mật dữ liệu, chi phí sử dụng mô hình và yêu cầu con người giám sát. Do đó, không phải mọi ứng dụng tự động hóa bằng AI đều có thể chuyển thành sản phẩm thương mại hiệu quả.

Physical AI: Đưa trí tuệ nhân tạo vào thế giới vật lý

Physical AI là khái niệm đề cập đến việc ứng dụng AI vào các hệ thống tương tác với môi trường vật lý, chẳng hạn robot, phương tiện tự hành và thiết bị tự động hóa công nghiệp.

Khác với các ứng dụng chỉ xử lý văn bản hoặc hình ảnh trên máy tính, hệ thống Physical AI phải nhận biết môi trường, xử lý dữ liệu cảm biến và thực hiện hành động trong thế giới thực. Điều này đặt ra những yêu cầu cao hơn về độ chính xác, an toàn và khả năng hoạt động ổn định.

Các ứng dụng có thể xuất hiện trong nhà máy, kho hàng, logistics, chăm sóc sức khỏe và những lĩnh vực cần tự động hóa các công việc lặp lại hoặc có mức độ rủi ro cao.

Tuy nhiên, việc đưa AI vào môi trường vật lý thường đòi hỏi phần cứng, quy trình kiểm định và thời gian triển khai dài hơn so với nhiều sản phẩm phần mềm. Nhà đầu tư cần xem xét khả năng thương mại hóa, chi phí triển khai và hiệu quả kinh tế thay vì chỉ dựa vào sức hấp dẫn của công nghệ.

Cơ hội cho Hàn Quốc: Phát triển ứng dụng AI thay vì chỉ xây dựng mô hình riêng

Khi nói về thị trường Hàn Quốc, Herbst cho rằng các ứng dụng sử dụng những mô hình AI hiện có trong các lĩnh vực như video, y tế và an ninh có triển vọng đáng chú ý hơn so với việc chỉ tập trung phát triển các mô hình AI độc quyền.

Theo quan điểm này, giai đoạn tiếp theo cần sự xuất hiện của những công ty ứng dụng AI ở quy mô lớn. Những doanh nghiệp này có thể sử dụng các mô hình nền tảng do bên khác phát triển, sau đó tích hợp chúng vào quy trình chuyên ngành để giải quyết những vấn đề cụ thể.

Cách tiếp cận này có một số lợi thế. Doanh nghiệp không nhất thiết phải đầu tư nguồn lực khổng lồ để tự xây dựng mô hình nền tảng từ đầu. Thay vào đó, họ có thể tập trung vào dữ liệu chuyên ngành, trải nghiệm người dùng, quy trình nghiệp vụ và khả năng phân phối sản phẩm.

Trong lĩnh vực video, AI có thể hỗ trợ phân tích nội dung, tìm kiếm thông tin và tự động hóa các bước sản xuất. Trong y tế, công nghệ có thể được ứng dụng để hỗ trợ xử lý hồ sơ, phân tích hình ảnh hoặc cải thiện quy trình vận hành, với điều kiện phải đáp ứng các yêu cầu nghiêm ngặt về độ chính xác, quyền riêng tư và an toàn. Trong lĩnh vực an ninh, AI có thể hỗ trợ phát hiện bất thường và phân tích dữ liệu, nhưng cần có cơ chế giám sát để hạn chế cảnh báo sai và rủi ro xâm phạm quyền riêng tư.

Dù sử dụng mô hình có sẵn có thể rút ngắn thời gian phát triển, doanh nghiệp vẫn phải đối mặt với những vấn đề như chi phí sử dụng API, phụ thuộc nhà cung cấp, bảo vệ dữ liệu và khả năng chuyển đổi sang mô hình khác.

Vì vậy, lợi thế cạnh tranh của một công ty ứng dụng AI không chỉ nằm ở việc sử dụng mô hình mới nhất. Yếu tố quan trọng hơn có thể là khả năng tích hợp công nghệ vào công việc thực tế, xây dựng dữ liệu có giá trị và tạo ra kết quả mà khách hàng sẵn sàng chi trả.

AI cá nhân hóa: Cuộc cạnh tranh về quyền kiểm soát dữ liệu trong 10 năm tới

Một xu hướng khác được Herbst nhấn mạnh là AI cá nhân hóa. Đây là hướng phát triển trong đó hệ thống AI có khả năng hiểu và sử dụng thông tin về ký ức, kinh nghiệm, sở thích và khuynh hướng của từng cá nhân để đưa ra hỗ trợ phù hợp hơn.

Nếu AI hiện nay chủ yếu phản hồi dựa trên thông tin người dùng cung cấp trong từng phiên làm việc, các hệ thống cá nhân hóa có thể hướng tới việc duy trì ngữ cảnh trong thời gian dài, ghi nhớ lựa chọn và điều chỉnh cách hỗ trợ theo nhu cầu của từng người.

Ứng dụng tiềm năng trải rộng từ trợ lý cá nhân, giáo dục, dịch vụ khách hàng đến công cụ hỗ trợ công việc. Chẳng hạn, một hệ thống có thể hiểu cách người dùng thường xử lý nhiệm vụ, ưu tiên nào quan trọng và loại thông tin nào hữu ích đối với họ.

Tuy nhiên, để đạt được mức độ cá nhân hóa đó, hệ thống cần tiếp cận dữ liệu có liên quan và được quản lý phù hợp. Điều này làm nảy sinh một câu hỏi lớn: Ai sẽ kiểm soát dữ liệu cá nhân hóa — nền tảng cung cấp AI hay chính người dùng?

Nếu dữ liệu tập trung trong các nền tảng lớn, doanh nghiệp có thể cung cấp trải nghiệm liền mạch hơn nhưng cũng nắm giữ nhiều quyền kiểm soát thông tin. Ngược lại, các mô hình cho phép người dùng quản lý dữ liệu của mình có thể tăng tính chủ động, nhưng phải giải quyết những thách thức về khả năng tương thích, bảo mật và trải nghiệm sử dụng.

Đối với nhà đầu tư, quyền kiểm soát dữ liệu có thể trở thành một yếu tố quan trọng trong việc đánh giá mô hình kinh doanh AI cá nhân hóa. Doanh nghiệp cần chứng minh rằng họ có thể tạo ra giá trị từ dữ liệu mà vẫn bảo đảm quyền riêng tư, sự minh bạch và quyền lựa chọn của người dùng.

Trong dài hạn, những công ty giải quyết tốt bài toán cá nhân hóa, bảo mật và khả năng tích hợp có thể tạo ra sự khác biệt trên thị trường. Tuy nhiên, quy mô cơ hội thực tế còn phụ thuộc vào mức độ chấp nhận của người dùng, quy định về dữ liệu và khả năng biến công nghệ thành dịch vụ có doanh thu ổn định.

Nhà đầu tư cần học gì từ triết lý của Jeff Herbst?

Từ những nhận định của Herbst, có thể rút ra một số nguyên tắc quan trọng khi đánh giá doanh nghiệp AI.

Thứ nhất, cần xem xét tốc độ phát triển sản phẩm và khả năng mở rộng. Một doanh nghiệp có công nghệ tốt nhưng không thể tiếp cận khách hàng hoặc mở rộng hoạt động có thể gặp bất lợi trước đối thủ.

Thứ hai, cần đánh giá khả năng học hỏi sau thất bại của đội ngũ sáng lập. Trong môi trường công nghệ thay đổi nhanh, việc điều chỉnh chiến lược dựa trên dữ liệu thực tế có thể quan trọng không kém tầm nhìn ban đầu.

Thứ ba, phải phân biệt triển vọng ngành với chất lượng từng khoản đầu tư. Nhu cầu AI tăng không có nghĩa mọi công ty AI đều có mô hình kinh doanh tốt hoặc mức định giá hợp lý.

Thứ tư, cần theo dõi các nút thắt về hạ tầng như GPU, bộ nhớ, trung tâm dữ liệu và nguồn điện. Đây là những yếu tố có thể ảnh hưởng đến chi phí phát triển và khả năng cung cấp dịch vụ AI.

Cuối cùng, nhà đầu tư nên chú ý đến các ứng dụng giải quyết vấn đề thực tế. Agentic AI, Physical AI và AI cá nhân hóa có thể mở ra nhiều hướng phát triển, nhưng doanh nghiệp vẫn cần chứng minh hiệu quả, khả năng thương mại hóa và lợi thế cạnh tranh lâu dài.

Thông điệp cốt lõi từ kinh nghiệm của Herbst tại NVIDIA là thành công không chỉ đến từ việc nhìn thấy xu hướng sớm. Nhà đầu tư còn phải tìm được đội ngũ có khả năng thực thi, mở rộng doanh nghiệp và học hỏi liên tục khi gặp trở ngại.

Lưu ý: Bài viết cung cấp thông tin tham khảo về xu hướng đầu tư và công nghệ AI, không phải khuyến nghị đầu tư tài chính. Nhà đầu tư cần tự nghiên cứu, đánh giá rủi ro và kiểm tra thông tin trước khi đưa ra quyết định.

Câu hỏi thường gặp về chiến lược đầu tư AI

1. Jeff Herbst là ai?

Jeff Herbst là đồng sáng lập GFT Ventures và từng giữ chức Phó Chủ tịch Phát triển Kinh doanh tại NVIDIA. Theo bài gốc, ông có khoảng 20 năm kinh nghiệm trong hệ sinh thái AI và đầu tư mạo hiểm, từng tham gia hơn 40 khoản đầu tư và hơn 20 thương vụ M&A.

2. Bài học lớn nhất Herbst học được từ Jensen Huang là gì?

Đó là cần đào sâu vào bản chất vấn đề và coi trọng việc học hỏi sau thất bại. Theo Herbst, điều đáng lo không chỉ là một lần thất bại mà còn là việc không rút kinh nghiệm để cải thiện kết quả trong tương lai.

3. Vì sao tốc độ quan trọng đối với các công ty khởi nghiệp AI?

AI có thể rút ngắn thời gian phát triển sản phẩm và giúp doanh nghiệp mở rộng nhanh. Trong môi trường cạnh tranh cao, công ty chậm thích ứng có nguy cơ mất khách hàng và lợi thế thị trường.

4. GFT Ventures đang quản lý khoảng bao nhiêu vốn?

Theo bài gốc, GFT Ventures quản lý khoảng 160 triệu USD, tương đương khoảng 4.000 tỷ đồng theo tỷ giá tham khảo 25.000 đồng/USD.

5. Agentic AI là gì?

Agentic AI là nhóm hệ thống AI có khả năng thực hiện nhiều bước công việc nhằm đạt một mục tiêu, chẳng hạn lập kế hoạch, sử dụng công cụ và tự động hóa quy trình trong phạm vi được thiết lập.

6. Physical AI có những ứng dụng nào?

Physical AI đưa AI vào các hệ thống tương tác với thế giới vật lý, như robot, phương tiện tự hành và thiết bị tự động hóa trong nhà máy hoặc kho hàng.

7. Vì sao Herbst cho rằng ứng dụng AI có thể là cơ hội tại Hàn Quốc?

Theo nhận định của ông, doanh nghiệp có thể sử dụng các mô hình AI hiện có để xây dựng sản phẩm chuyên ngành trong video, y tế và an ninh, thay vì phải tự phát triển mô hình nền tảng từ đầu.

8. AI cá nhân hóa có thể thay đổi thị trường như thế nào?

AI cá nhân hóa có thể hiểu rõ hơn sở thích, kinh nghiệm và nhu cầu của từng người để đưa ra hỗ trợ phù hợp. Tuy nhiên, quyền kiểm soát dữ liệu, bảo mật và quyền riêng tư sẽ là những vấn đề quan trọng.

9. Nhu cầu điện toán tăng có bảo đảm các khoản đầu tư AI sinh lời không?

Không. Nhu cầu tăng có thể tạo cơ hội cho doanh nghiệp hạ tầng và phần mềm, nhưng lợi nhuận còn phụ thuộc vào định giá, chi phí, cạnh tranh, khả năng thương mại hóa và hiệu quả vận hành.

10. Nhà đầu tư nên đánh giá gì khi lựa chọn công ty AI?

Các yếu tố đáng xem xét gồm tốc độ tăng trưởng, khả năng mở rộng, chất lượng đội ngũ sáng lập, khả năng học hỏi từ thất bại, chi phí hạ tầng, mức độ phụ thuộc vào nhà cung cấp và khả năng tạo doanh thu bền vững.