Các Công Ty AI Không Có MOAT – Trừ Khi Họ Ngừng Chọn Phe

Sự thật không thoải mái về các sản phẩm AI: lợi thế cạnh tranh của bạn có thời hạn sử dụng được đo bằng tuần, không phải năm.

Trong khi các phòng thí nghiệm AI cơ bản đầu tư hàng tỷ vào các mô hình mất nhiều năm để xây dựng, các công ty thuộc lớp ứng dụng đang phát hiện ra rằng moat không tồn tại theo nghĩa truyền thống. Tính năng giết người của bạn? Được sao chép vào thứ Sáu. Lợi thế kỹ thuật của bạn? Đã mất vào quý tiếp theo. Sự đa dạng của người chơi, sự dễ tiếp cận của các mô hình cơ bản và tốc độ đổi mới đã tạo ra một thị trường nơi việc trở thành người đầu tiên, tốt nhất hoặc khác biệt không còn đảm bảo sự tồn tại.

Nhưng có một cách thoát ngược lại: hãy ngừng cố gắng giành chiến thắng với công nghệ và bắt đầu xây dựng khả năng tồn tại nó. Moat thực sự không nằm trong AI bạn sử dụng – mà nằm trong khả năng sử dụng bất kỳ AI nào.

Sự Phân Chia Cơ Bản

Có một lớp cơ bản – các mô hình lớn như ChatGPT, Grok và Gemini. Hàng chục mô hình, được đào tạo khác nhau, mỗi mô hình có những lợi thế riêng. Nhưng đây là công việc nghiên cứu cơ bản, đòi hỏi sự đầu tư lớn về tài nguyên: các kỹ sư làm việc trong nhiều năm, đòi hỏi đầu tư tài nguyên khổng lồ. Mỗi mô hình này đều có một moat riêng – nếu không, việc đầu tư tài nguyên không thể được chứng minh. Đây chính là lý do tại sao các nỗ lực thu hút kỹ sư từ OpenAI được công bố rộng rãi: họ sở hữu chuyên môn độc đáo không thể được đào tạo nhanh chóng với bất kỳ giá nào.

Nhưng ở cấp độ ứng dụng, mọi thứ hoàn toàn khác. Ít tài nguyên hơn được cần, mặc dù slightly nhiều sáng tạo hơn được yêu cầu để tinh chỉnh một LLM và giải quyết một vấn đề kinh doanh. Mọi người đều có trò chơi của riêng họ, cách tiếp cận của riêng họ, sản phẩm của riêng họ. Sự đa dạng của người chơi giết chết bất kỳ khả năng nào có một moat riêng biệt trong bất kỳ thị trường nào – văn bản, âm thanh hoặc hình ảnh. Các giải pháp kinh doanh dựa trên AI cơ bản xuất hiện hàng ngày, các công ty xuất hiện thường xuyên và thường chúng không thể phân biệt được với nhau.

Các yếu tố khác biệt có thể trong ngành công nghiệp giọng nói minh họa cho sự tiến hóa này: ban đầu, mọi người đều cố gắng làm cho giọng nói nghe giống con người nhất, sau đó tốc độ trở thành câu hỏi và mọi người bắt đầu giải quyết cùng một nhiệm vụ nhanh chóng. Bây giờ chúng ta đang trong kỷ nguyên của các thẻ cảm xúc. Trong nhận dạng giọng nói, chỉ số chính – tỷ lệ lỗi từ – đã được cải thiện đáng kể với sự xuất hiện của LLMs có khả năng hiểu sự phù hợp của từ ngữ trong ngữ cảnh.

Tóm lại, sự vắng mặt của moat được giải thích bởi sự thiếu sâu sắc trong bất kỳ khía cạnh nào của sự tồn tại của một sản phẩm cấp ứng dụng: nó nông cả về thành phần AI và ứng dụng kinh doanh. Giống như moat của một sản phẩm cơ bản được giải thích bởi độ sâu của sự phát triển.

Nhưng các dự án cấp ứng dụng có cần một moat không? Nếu bạn đang làm việc trong một thị trường tương đối lớn và bạn có ít hơn 30 đối thủ cạnh tranh – bạn có thể để mọi thứ như nó là. Tất nhiên, đối thủ cạnh tranh có thể là những công ty lớn như OpenAI và Anthropic – nhưng ở đây bạn cần dựa vào cảm giác chủ quan về kích thước và động lực của thị trường, liệu có đủ thức ăn cho mọi người hay không. Nhưng nếu thị trường tương đối nhỏ và đối thủ cạnh tranh đang mọc lên như nấm – thì bạn phải rất rõ ràng về lợi thế cạnh tranh của mình. Nó không quan trọng nếu đối thủ cạnh tranh nhanh chóng áp dụng nó.

Phân Phối Là Moat Thực Sự

Tôi nghi ngờ rằng ở một mức độ nào đó, đây là một khẳng định hợp lệ và moat thực sự nằm trong lĩnh vực phân phối, không phải trong công nghệ bản thân. Điều quan trọng hơn là bạn có thể mở rộng sự hiện diện của mình với khách hàng nhanh chóng như thế nào và liệu giá trị của sản phẩm có đảm bảo LTV tốt hay không. Nếu không, bạn có thể xây dựng một ứng dụng B2C cho người dùng chơi với, và họ thậm chí có thể lan truyền nó một cách lan truyền, nhưng sau đó đơn giản là ngừng sử dụng nó khi ứng dụng mới tiếp theo xuất hiện.

Hai Loại Ưu Thế – Và Tại Sao Chỉ Có Một Ưu Thế Sống Sót

Có hai loại ưu thế cạnh tranh. Loại đầu tiên cho phép bạn giành chiến thắng ở đây và ngay bây giờ với một lợi thế rõ ràng – nhờ vào một số chuyên môn độc đáo hoặc tính năng giết người mà đối thủ cạnh tranh đơn giản không có. Loại thứ hai cho phép bạn tránh mất trong dài hạn, vì bạn đang xây dựng tính bền vững.

Với các sản phẩm AI, thực hành thực tế đã chỉ ra rằng loại ưu thế đầu tiên bị xóa bỏ cực kỳ nhanh chóng: đối thủ cạnh tranh đóng khoảng cách với tốc độ đáng sợ.

Đó là lý do tại sao nó có ý nghĩa khi tập trung vào loại ưu thế thứ hai: độ bền sản phẩm tối đa. Điều này được đạt được bằng cách xây dựng một sản phẩm có thể làm việc với bất kỳ nhà cung cấp LLM nào và chuyển đổi giữa chúng ngay lập tức – vào lúc mô hình hiện tại mà doanh nghiệp của bạn được xây dựng trên bắt đầu rõ ràng tụt lại phía sau so với mô hình tốt nhất tiếp theo.

Cho trước điều này, việc đo lường sự độc lập từ các lớp LLM cơ bản trở thành một moat mạnh hơn so với các nỗ lực tiếp thị hoặc kỹ thuật đơn thuần. Việc không phụ thuộc vào nhà cung cấp không chỉ là một điều tốt – mà nó là vị trí có thể bảo vệ được khi mặt đất dưới bạn thay đổi hàng tháng.

Sự Phức Tạp Ẩn Đằng Sau Chiến Lược Đa Mô Hình

Trong khi việc trung lập với nhà cung cấp mang lại sự bảo vệ lâu dài, việc thực hiện nó tiết lộ những thách thức đáng kể. Như Alexey Aylarov giải thích, “nó không dễ, vì tất cả các mô hình đều có những đặc điểm/vấn đề riêng.”

Vấn Đề Cốt Lõi: LLMs không thể hoán đổi cho nhau. Đầu ra thay đổi với cùng một đầu vào – thậm chí trong cùng một LLM, nhưng khác biệt nhiều hơn khi chuyển đổi giữa các nhà cung cấp. Mỗi mô hình phản ứng với các lời nhắc và hướng dẫn khác nhau: một số tuân theo hướng dẫn tốt hơn, những mô hình khác kém hơn; hiệu suất có thể là ngôn ngữ cụ thể hoặc mục tiêu cụ thể.

Một Ví Dụ Cụ Thể: Hãy xem xét các dịch vụ tạo hình ảnh/đideo như Sora hoặc Veo. Cho chúng cùng một đầu vào và bạn sẽ nhận được kết quả hoàn toàn khác nhau. Sự biến đổi này áp dụng cho tất cả các ứng dụng LLM.

Thử Thách Điều Chỉnh: Để duy trì khả năng tương thích đa mô hình, bạn phải:

• Tạo các lời nhắc/hướng dẫn riêng biệt cho từng LLM để sản xuất kết quả mong muốn
• Biết cách mỗi LLM khác nhau và điều chỉnh đầu vào tương ứng
• Tham gia vào công việc thường là sáng tạo hơn là công việc thường xuyên
• Chấp nhận rằng quá trình này “khó tự động hóa trong hầu hết các trường hợp”

Nó đòi hỏi một nỗ lực điều chỉnh đáng kể cho từng mô hình. Đầu tư ban đầu là đáng kể: bạn phải phát triển lời nhắc cho tất cả các LLM trước khi bạn có thể chuyển đổi tự do giữa chúng. Hơn nữa, sự chuẩn bị này chỉ bao gồm các mô hình hiện có – khi các LLM mới xuất hiện, quá trình điều chỉnh bắt đầu lại.

Moat đến từ việc đã đầu tư vào cơ sở hạ tầng kiểm tra, chuyên môn kỹ sư lời nhắc và kỷ luật hoạt động để thực sự duy trì khả năng tương thích trên nhiều LLM – và để lặp lại quá trình này khi cảnh quan thay đổi. Khả năng này trở thành một dạng độ sâu kỹ thuật mà đối thủ cạnh tranh không thể dễ dàng sao chép, ngay cả khi họ hiểu chiến lược.

Sự Mâu Thẫn: Moat Của Bạn Là Không Có Moat

Đây là điều khiến việc trung lập với nhà cung cấp trở nên mạnh mẽ: nó là ưu thế cạnh tranh duy nhất trở nên mạnh hơn khi thị trường trở nên hỗn loạn hơn.

Khi đối thủ cạnh tranh xây dựng toàn bộ sản phẩm của họ trên GPT-4 và một mô hình tốt hơn được phát hành, họ đang đối mặt với việc thiết kế lại tồn tại. Khi bạn đã xây dựng cơ sở hạ tầng để chuyển đổi mô hình, bạn đang đối mặt với một thứ Ba. Các công ty sống sót sẽ không phải là những công ty đã chọn mô hình đúng – mà sẽ là những công ty không bao giờ phải chọn.

Đúng, xây dựng cho nhiều LLM là tốn kém ban đầu. Đúng, nó đòi hỏi công việc kỹ sư sáng tạo khó tự động hóa. Đúng, bạn đang duy trì các chiến lược lời nhắc song song cho từng nhà cung cấp. Nhưng đây chính là điều tạo ra rào cản gia nhập. Moat không nằm trong công nghệ bản thân – mà nằm trong ký ức vận hành của việc quản lý sự thay đổi công nghệ.

Hầu hết các công ty AI đang tối ưu hóa cho việc giành chiến thắng ngày hôm nay. Những công ty trung lập đang tối ưu hóa cho việc vẫn còn ở đây vào ngày mai. Trong một thị trường nơi đột phá ngày hôm qua là baseline ngày mai, sự khác biệt này là mọi thứ.