Why the next AI boom is physical AI | Caitlin Kalinowski (ex-OpenAI, Meta, Apple)

Tương lai của AI đang chuyển dịch từ thế giới kỹ thuật số sang thế giới vật lý, với sự bão hòa của các khả năng AI "đằng sau bàn phím" và sự nổi lên của robotics, sản xuất và công nghiệp hóa là biên giới tiếp theo.
Mặc dù thực tế ảo (VR) chưa phổ biến rộng rãi, những công nghệ nền tảng phát triển từ VR như SLAM và cảm biến chiều sâu đang trở thành yếu tố cốt lõi, thúc đẩy sự tiến bộ của thực tế tăng cường (AR) và robotics.
Phát triển phần cứng có chu trình và thách thức khác biệt đáng kể so với phần mềm, đòi hỏi cách tiếp cận thận trọng hơn, chu kỳ "biên dịch" hạn chế, chi phí cao (ví dụ: giá bộ nhớ) và việc quản lý biến động của các bộ phận để đạt được tỷ lệ sản phẩm đạt yêu cầu cao trong sản xuất hàng loạt.

Chuyển dịch sang AI Vật lý: Khi khả năng AI trong môi trường kỹ thuật số đạt điểm bão hòa, lĩnh vực tiên phong tiếp theo sẽ là AI vật lý, robot và các ứng dụng công nghiệp hóa, đòi hỏi sự tái công nghiệp hóa đáng kể.
Bài học từ VR cho Robotics: Các khoản đầu tư lớn vào VR, dù chưa mang lại thành công tiêu dùng như mong đợi, đã tạo ra những công nghệ then chốt (như SLAM để định vị không gian) đang được áp dụng rộng rãi trong lĩnh vực robotics.
Thách thức của Kính AR: Kính AR được xem là một phần của tương lai, cho phép duy trì kết nối xã hội và tiếp nhận thông tin hiệu quả hơn, nhưng vẫn đối mặt với các thách thức về sản xuất hàng loạt (waveguides, microLEDs) và phương thức nhập liệu.
Chu trình phát triển Phần cứng khác biệt: Không giống phần mềm có thể cập nhật liên tục, phần cứng chỉ có thể "biên dịch" (thiết kế lại và sản xuất) một vài lần, đòi hỏi sự thận trọng cực cao, kiểm tra độ tin cậy nghiêm ngặt và không có khả năng cập nhật qua mạng sau khi xuất xưởng.
Quản lý Biến động Bộ phận: Sản xuất phần cứng ở quy mô lớn đối mặt với thách thức lớn từ biến động của các bộ phận; việc giải quyết những sai lệch nhỏ là cần thiết để đảm bảo tỷ lệ sản phẩm đạt yêu cầu cao và lợi nhuận.
Chi phí Bộ nhớ là rào cản: Giá bộ nhớ cao đang là một "thiên thạch" gây ra khó khăn đáng kể cho ngành công nghiệp phát triển phần cứng tiêu dùng, robotics và AI vật lý.
Sự trỗi dậy của Robotics Phần cứng: Có một xu hướng rõ rệt về việc giảm số lượng sinh viên khoa học máy tính và tăng số lượng sinh viên theo học robotics phần cứng tại các trường đại học, cho thấy sự thay đổi về nhận thức về tầm quan trọng của lĩnh vực này.
Tầm quan trọng của Lãnh đạo Phần cứng: Các nhà lãnh đạo phần cứng kỳ cựu với kinh nghiệm sâu rộng từ các công ty như Apple, Meta và OpenAI là yếu tố then chốt để dẫn dắt sự phát triển của các sản phẩm AI vật lý và robot.

AI — Trí tuệ nhân tạo
Robotics — Ngành chế tạo và sử dụng robot
Manufacturing — Sản xuất
Industrialization — Công nghiệp hóa
Hardware — Phần cứng
Physical AI — AI vật lý
VR (Virtual Reality) — Thực tế ảo
AR (Augmented Reality) — Thực tế tăng cường
SLAM (Simultaneous Localization and Mapping) — Định vị và Lập bản đồ đồng thời
Mass production — Sản xuất hàng loạt
Part variance — Biến động của các bộ phận

Tương lai của AI: Từ Bàn phím đến Thế giới Vật lý

Có một nhận thức đang dần rõ ràng, đặc biệt là trong các phòng thí nghiệm, rằng tốc độ tăng trưởng của AI đang trở nên thẳng đứng đến mức những gì bạn có thể làm với AI đằng sau bàn phím sẽ đạt đến điểm bão hòa. Khi điều đó xảy ra, biên giới tiếp theo là thế giới vật lý: robotics (ngành chế tạo và sử dụng robot), manufacturing (sản xuất), và industrialization (công nghiệp hóa).

Thiết kế và Định hình Tương lai

Bạn đang sống trong tương lai và thiết kế nó. Có lẽ chiến tranh thay đổi nhiều hơn consumer electronics (thiết bị điện tử tiêu dùng). Trong 2 năm tới, chúng ta cần đầu tư nhiều hơn vào drones (máy bay không người lái) hơn là aircraft carriers (tàu sân bay). Chỉ cần tưởng tượng 100.000 drones từ Trung Quốc bay thẳng đến chúng ta. Tôi thực sự cảm thấy chúng ta cần tái công nghiệp hóa đất nước một cách đáng kể để an toàn về mặt quân sự. Tôi thực sự muốn chúng ta học lại cách tạo ra mọi thứ trên quy mô lớn, cách trở nên độc lập hơn. Những người đang là đồng minh của bạn bây giờ có thể sẽ không còn trong tương lai. Bạn đã làm việc với một số nhà xây dựng thành công huyền thoại nhất: Steve Jobs, Mark Zuckerberg, Sam Altman. Sam thực sự giỏi trong việc hỏi "tại sao không nhiều hơn?" "Tại sao không phải 100x hay 10.000x?" Bạn đang suy nghĩ quá nhỏ. Đối với Steve, tiêu chuẩn mà ông đặt ra cho công ty về tài năng kỹ thuật và sự xuất sắc là không hề dao động.

Tạo ra Robot có Cảm giác Con người

Cần những gì để tạo ra một robot có cảm giác như con người và có sự kết nối? Nếu bạn bước vào một căn phòng và một robot chỉ đứng yên, nó sẽ thật đáng sợ. Bạn muốn những thiết bị này không gây đe dọa, trông mềm mại, phản ứng với bạn. Pixar, Disney có lẽ là những người giỏi nhất thế giới trong việc thực hiện loại design work (công việc thiết kế) này.

Thách thức về Chi phí Bộ nhớ cho Phần cứng Vật lý

Có một thiên thạch mang tên memory prices (giá bộ nhớ) đang lao tới consumer hardware (phần cứng tiêu dùng), robotics và physical AI (AI vật lý). Chúng ta đang gặp rắc rối với tư cách là một ngành công nghiệp.

Giới thiệu Caitlyn Kalinowski: Lãnh đạo Phần cứng Tiên phong

Hôm nay, khách mời của tôi là Caitlyn Kalinowski. Caitlyn là một trong những hardware leaders (lãnh đạo phần cứng) được săn đón và thành công nhất ở Silicon Valley. Cô ấy là thành viên của các nhóm MacBook Pro unibody ban đầu và là technical lead (trưởng nhóm kỹ thuật) của MacBook Air và Mac Pro tại Apple. Cô ấy đã lãnh đạo AR glasses hardware team (nhóm phần cứng kính AR) tại Meta, bao gồm cả nhóm đứng sau Orion, AR product (sản phẩm AR) tiên tiến nhất của họ. Trước đó, cô ấy điều hành VR hardware team (nhóm phần cứng VR) tại Meta, nơi cô ấy đã giúp thiết kế tất cả các VR devices (thiết bị VR) tuyệt vời của họ như Rift và Quest. Gần đây nhất, cô ấy làm việc tại OpenAI, giúp xây dựng bộ phận robotics và hardware của họ từ đầu. Robots, hardware và physical AI đang rất được quan tâm hiện nay. Mọi AI company (công ty AI) và rất nhiều startups (công ty khởi nghiệp) đang ra mắt, xây dựng AI hardware products (sản phẩm phần cứng AI), và Caitlyn đã là tâm điểm của lĩnh vực mới nổi này trong nhiều thập kỷ. Cuộc trò chuyện này đi theo nhiều hướng khác nhau, nhiều hướng mà tôi không mong đợi, và tôi hy vọng sẽ thực hiện nhiều tập hơn về khía cạnh hardware của việc xây dựng trong vài tháng tới. Trước khi chúng ta bắt đầu, đừng quên truy cập lenny's productass.com để xem bộ sưu tập các ưu đãi đáng kinh ngạc chỉ dành riêng cho Lenny's newsletter subscribers (những người đăng ký bản tin của Lenny). Với những lời đó, tôi xin giới thiệu Caitlyn Kalinowski. Caitlyn, cảm ơn bạn rất nhiều vì đã đến đây. Chào mừng bạn đến với podcast.

VR: Đầu tư lớn và Bài học Giá trị

Cảm ơn bạn rất nhiều vì đã mời tôi. Tôi rất vui được có mặt ở đây. Chúng ta sẽ đi theo nhiều hướng khác nhau. Tôi sẽ chuyển chủ đề liên tục. Tôi muốn nói về VR. Rất nhiều tiền, rất nhiều tài nguyên. Rất nhiều người thông minh đã làm việc trên VR trong một thời gian dài. Meta đã chi, tôi không biết, 10 billion dollars (10 tỷ đô la). Giống như họ đã đổi tên công ty thành Meta để tập trung vào VR như tương lai của metaverse (vũ trụ ảo) mà chúng ta sẽ sống trong đó. Có vẻ như rất nhiều người đang từ bỏ nó bây giờ. Cảm giác như Meta đang lùi lại. Apple cũng đang lùi lại với Vision Pro, bất chấp hardware (phần cứng) đáng kinh ngạc mà mọi người, mà nhóm của bạn đã xây dựng. Giống như tôi có một vài thiết bị. Nó giống như một magical experience (trải nghiệm kỳ diệu) mà bạn chưa từng trải nghiệm, nhưng nó vẫn chưa phổ biến. Điều gì đã xảy ra? Liệu có còn một tương lai nào đó mà VR trở nên phổ biến, hay tương lai là AR và một thứ gì đó khác? Tôi không nghĩ tôi sẽ đoán chính xác điều gì đã xảy ra ở đây, nhưng cách tôi nhìn nhận vấn đề là VR đã giúp chúng ta hiểu cách định hướng mọi thứ trong không gian tương đối với một simulated world (thế giới mô phỏng) và real world (thế giới thực) và kết nối hai thế giới đó. Chúng ta đã tìm ra SLAM (Simultaneous Localization and Mapping - Định vị và Lập bản đồ đồng thời), đó là cách thực hiện positioning in space (định vị trong không gian) bằng cách sử dụng cameras (máy ảnh). Chúng ta đã tìm ra rất nhiều depth applications (ứng dụng chiều sâu) của depth sensors (cảm biến chiều sâu). Chúng ta đã tìm ra cách con người perceive visual data (cảm nhận dữ liệu hình ảnh) trong không gian. Và tất cả những điều đó, mặc dù rất tuyệt vời cho VR, và tôi nghĩ VR gaming (chơi game VR) là một niche (thị trường ngách) thực sự thú vị, nhưng tôi nghĩ đó là một niche thú vị. Điều tôi thấy bây giờ là trong robotics, tất cả các technologies (công nghệ) này đang được sử dụng vì bạn cần hiểu cách robot di chuyển trong không gian. Bạn cần hiểu nó cách mọi thứ bao xa. Bạn cần hiểu nếu bạn đang đeo VR headset (tai nghe VR) và điều khiển robot, đó là cùng một technology (công nghệ) thực sự. Và vì vậy, đối với tôi, tôi coi đó là một bước trong một technological arc (vòng cung công nghệ) dài. Và thành thật mà nói, với tư cách là một người hiện không sử dụng VR nhiều, tôi thực sự vui vì chúng ta đã làm điều đó. Nhưng tôi không nghĩ rằng tôi mong đợi nó sẽ lớn, rõ ràng là nếu không thì tôi đã không làm việc ở Oculus. Và tôi nghĩ có lẽ social aspect (khía cạnh xã hội) của việc có thứ gì đó trước mặt bạn là một phần lý do tại sao nó không phát triển. Và tôi nghĩ rằng chúng ta đã học được, tất nhiên với Google Glass, tầm quan trọng của điều đó. Và vì vậy, khi chúng tôi cố gắng làm cho nó social (có tính xã hội), thật khó để làm cho nó social khi bạn có khuôn mặt bị che.

Tương lai của Kính AR và AI Vật lý

Điều đó thật thú vị. Vì vậy, giống như khoản đầu tư và sự đổi mới đã diễn ra, đã được đưa vào VR thực sự đã chứng tỏ rất hữu ích và vì vậy cảm giác như các công ty đã bỏ nhiều công sức và tiền bạc vào đó đang đi trước một bước tiếp theo. Vậy đó có phải là nơi bạn nghĩ mọi thứ sẽ đi đến không? Tương lai là gì? Liệu có phải là AR glasses (kính AR) hay một thứ gì đó khác? Tương lai của điều này là gì? Tôi tin vào AR glasses như một phần của tương lai vì tôi nghĩ rằng việc lúc nào cũng cúi xuống nhìn điện thoại không tốt cho chúng ta với tư cách là social creatures (sinh vật xã hội). Vì vậy, nếu bạn có thể duy trì social connections (kết nối xã hội) và nhận thông tin, đó là nơi tôi nghĩ chúng ta đang hướng tới. Orion, AR glasses mà chúng tôi đã làm việc, tôi đã làm việc gần đây nhất, có phần đi trước thời đại vì chúng đang sử dụng waveguides (ống dẫn sóng) và microLEDs (vi LED) chưa hoàn toàn sẵn sàng cho mass production (sản xuất hàng loạt). Yields (tỷ lệ sản phẩm đạt yêu cầu) chỉ đơn giản là không đạt. Cost (chi phí) vẫn còn cao. Tôi nghĩ đó chắc chắn là một con đường mà AR glasses có khả năng sẽ đi theo. Và khi chúng ta tìm ra input (đầu vào) cho những chiếc glasses đó, như làm thế nào để communicate (giao tiếp) với chúng khi bạn đang di chuyển, khi bạn ở nơi công cộng, làm thế nào để communicate quietly (giao tiếp một cách lặng lẽ), silently (im lặng) với chúng? Tôi nghĩ một khi chúng ta bắt đầu giải quyết một số challenges (thách thức) đó, việc có một display (màn hình) chủ yếu tắt mà bạn có thể bật khi muốn dường như là một phần của tương lai. Vì vậy, đó là một phần. Phần khác là có một lineage of technology (dòng công nghệ) đi qua VR và sau đó là AR và bây giờ tôi đang sử dụng thuật ngữ robotics, physical AI, nhưng bạn thực sự phải nhìn lại autonomous vehicles (phương tiện tự hành), drones (máy bay không người lái), rõ ràng là robots, autonomy period manufacturing (sản xuất tự động hóa), giống như tất cả các technologies (công nghệ) này sẽ cần cùng một piece parts (bộ phận cấu thành), cùng những pieces (mảnh ghép) mà chúng ta đã xây dựng trong AR VR spectrum (phổ AR VR).

Phát triển Sản phẩm: Ý tưởng Tồi hay Triển khai Kém?

Thật thú vị với VR, có một ý tưởng rằng khi bạn xây dựng product (sản phẩm), luôn có câu hỏi khi một thứ gì đó không hoạt động: đó có phải là do bạn executed it badly (thực hiện kém) hay idea was just a bad idea (ý tưởng tồi)? Và luôn khó để biết. Cảm giác như với AR, rất nhiều nỗ lực đã được bỏ ra để làm cho nó hoạt động trong cả một thập kỷ, nhiều thập kỷ, và nó vẫn không hoạt động. Vì vậy, thật tốt khi chúng ta biết rằng hiện tại chúng ta không thể làm gì để làm cho nó hoạt động. Tôi hoàn toàn đồng ý với bạn. Vấn đề là tôi không muốn ngồi trên couch (ghế dài) của mình bị ngắt kết nối khỏi world (thế giới) và ngay cả khi tôi có thể nhìn thấy mọi người qua nó, thì tôi cũng không cần điều này. Nó không phải là vấn đề lớn. Và AR, bạn sẽ bắt đầu nhận được ngày càng nhiều displays (màn hình) lớn hơn. Nhưng điều tuyệt vời về Orion là bạn có 70 degree field of view (trường nhìn 70 độ) binocular (hai mắt). Vì vậy, với prototype (nguyên mẫu), bạn có thể cảm nhận được điều này thực sự sẽ như thế nào trong tương lai. Rất khó để mô tả cảm giác khi sử dụng một cặp glasses (kính) như thế này. Nhưng khi bạn làm vậy, bạn đột nhiên cảm thấy "ồ, tôi cảm thấy immersed (đắm chìm)". Field of view (trường nhìn) đủ rộng. Tôi cảm thấy immersed và điều đó trở nên khá rõ ràng rằng tôi nghĩ đây là một phần của nơi mà tương lai đang hướng tới. Episode (tập) này được tài trợ bởi season's presenting sponsor (nhà tài trợ chính của mùa), Work OS. OpenAI, Anthropic, Cursor, Vercel, Replit, Sierra, Clay và hàng trăm công ty thành công khác có điểm chung là gì? Tất cả đều được cung cấp bởi Work OS. Nếu bạn đang xây dựng một product (sản phẩm) cho enterprise (doanh nghiệp), bạn đã cảm thấy khó khăn khi tích hợp single sign-on (đăng nhập một lần), SCIM, RBAC, audit logs (nhật ký kiểm toán) và các features (tính năng) khác mà các large companies (công ty lớn) yêu cầu. Work OS biến những deal blockers (rào cản giao dịch) đó thành drop-in APIs (API tích hợp sẵn) với một modern developer platform (nền tảng nhà phát triển hiện đại) được xây dựng đặc biệt cho B2B SaaS. Theo đúng nghĩa đen, mọi startup mà tôi là investor (nhà đầu tư) bắt đầu mở rộng market (thị trường) đều làm việc với Work OS. Và điều đó là bởi vì họ là tốt nhất. Cho dù bạn là một seed-stage startup (công ty khởi nghiệp giai đoạn đầu) đang cố gắng giành được enterprise customer (khách hàng doanh nghiệp) đầu tiên hay một unicorn (công ty khởi nghiệp có giá trị trên 1 tỷ đô la) đang mở rộng toàn cầu, Work OS là con đường nhanh nhất để trở thành enterprise ready (sẵn sàng cho doanh nghiệp) và unblocking growth (khai thông tăng trưởng). Nó về cơ bản là Stripe cho enterprise features. Truy cập works.com để bắt đầu hoặc chỉ cần truy cập Slack của họ, nơi có các engineers (kỹ sư) thực tế đang chờ trả lời questions (câu hỏi) của bạn. Work OS cho phép bạn xây dựng nhanh hơn với delightful APIs (API dễ dùng), comprehensive docs (tài liệu toàn diện) và smooth developer experience (trải nghiệm nhà phát triển mượt mà). Truy cập works.com để làm cho app (ứng dụng) của bạn enterprise ready ngay hôm nay.

Sự trỗi dậy của Robot và Robotics

Được rồi, tôi muốn nói về robots, robotics. Tôi đã gặp một nhóm Princeton students (sinh viên Princeton) vài tháng trước và họ, những compsci students (sinh viên khoa học máy tính), nói với tôi rằng enrollment (số lượng tuyển sinh) vào compsci tại Princeton đang giảm, có xu hướng giảm, và tôi đã xác nhận rằng điều này thực sự đúng ở nhiều universities (trường đại học). Có rất nhiều charts (biểu đồ) cho thấy compsci enrollment (số lượng tuyển sinh khoa học máy tính) giảm và nơi nó thực sự tăng là hardware robotics (robotics phần cứng), điều mà tôi hình dung là rất lạ đối với một người đã ở trong field (lĩnh vực) này một thời gian dài, vì nó chưa bao giờ phổ biến đến vậy. Cảm giác như thế nào khi cảm thấy "ồ, bây giờ mọi người đều hiểu ra rồi"?

Khó khăn tiềm ẩn trong Phát triển Phần cứng

Rất kỳ lạ. Mọi người đột nhiên hỏi về hardware và robots và physical world (thế giới vật lý) và nó chưa bao giờ là một sexy career (nghề nghiệp hấp dẫn). Nó luôn là thứ mà bạn theo đuổi vì bạn yêu thích nó. Nó không bao giờ trả lương như những careers (nghề nghiệp) khác. Nó chưa bao giờ thực sự ở forefront (vị trí hàng đầu) của cách chúng ta nói về mọi thứ, ngoại trừ có lẽ Apple và hardware lineage (dòng dõi phần cứng) tại Apple. Vì vậy, nó rất tuyệt ở một số khía cạnh và rất kỳ lạ ở những khía cạnh khác. Điều gì đáng ngạc nhiên về hardware? Rất nhiều software companies (công ty phần mềm), rất nhiều người chỉ nghĩ, "Được rồi, tuyệt. Chúng ta sẽ xây dựng một số hardware. Đó là future (tương lai). Đó là moat (lợi thế cạnh tranh) bây giờ." Và họ bắt tay vào làm và họ nói, "Cái quái gì thế này?" Có những điều gì mà mọi người có thể không nghĩ đến khi họ nghĩ về, "Được rồi, chúng ta sẽ xây dựng một số hardware." Những challenges (thách thức) đáng ngạc nhiên nào xuất hiện?

Sự Khác biệt về Chu trình Phát triển: Phần cứng vs. Phần mềm

Tôi thích nói chuyện với computer science folks (những người làm khoa học máy tính) về điều này theo cách sau. Vậy, computer science folks, như bạn biết, họ viết code (mã), sau đó họ thường compile (biên dịch) code, và sau đó họ chạy code và debug (gỡ lỗi) nó. Nhưng họ có thể compile code của họ mỗi ngày, bạn biết đấy, mỗi giờ, bất cứ khi nào họ cần. Trong hardware, chúng ta chỉ có thể "biên dịch" code của mình khoảng bốn hoặc năm lần. Bốn hoặc năm lần một năm hay tổng cộng? Tổng cộng. Phải không? Vậy nếu bạn đang xây dựng hardware, bạn redesign (thiết kế lại) nó trong CAD (thiết kế hỗ trợ máy tính), bạn biết đấy, cho mỗi build (phiên bản) chính và sau đó bạn phải release (phát hành) nó. Và một khi nó được released, bạn compile nó lần cuối cùng bạn release nó cho mass production (sản xuất hàng loạt). Nếu đó là một mass production device (thiết bị sản xuất hàng loạt), thì đó là hết. Bạn xong rồi. Bạn không thể ship over-the-air updates (cung cấp bản cập nhật qua mạng). Vì vậy, chúng ta có một approach (cách tiếp cận) khác. Chúng ta phải có một approach khác mang tính conservative (thận trọng) hơn.

Sự khác biệt giữa phát triển phần cứng và phần mềm

... Bạn phải thực hiện nhiều kiểm tra và thử nghiệm về độ tin cậy hơn trong quy trình, bởi vì một khi bạn biên dịch lần cuối, là xong. Bạn tạo ra tất cả các bộ phận, bạn lắp ráp chúng lại, và chúng sẽ ra thị trường. Lựa chọn duy nhất là, bạn biết đấy, là vận chuyển một sản phẩm mới để thay thế nó vài năm sau. Vì vậy, chúng ta phải thận trọng hơn và phải dành thời gian, bởi vì nếu bạn nghĩ về một sản phẩm bán hàng triệu chiếc, nếu bạn có biểu đồ về tất cả các bộ phận được lắp ráp trên bất kỳ phần nào của thiết bị, bạn sẽ có một đường cong, bạn nằm trong khoảng cộng trừ ba sigma hoặc hơn, đúng không? Tức là, nếu bạn có hai bộ phận ghép lại với nhau, bạn sẽ có phiên bản nhỏ nhất của bộ phận này và phiên bản lớn nhất của bộ phận kia, và bạn sẽ phải lắp chúng lại với nhau trên diện rộng. Mọi người không nghĩ nhiều về điều này, nhưng biến động của các bộ phận (part variance) là khá cao. Và vì vậy, chúng ta phải giải quyết 0,5% cuối cùng trong quá trình xây dựng để khi chúng ta biên dịch lần cuối, khi chúng ta xây dựng lần cuối, nó đã hoàn tất. Và chúng ta sẽ có một tỷ lệ sản phẩm đạt (high yield) cao. Chúng ta sẽ có thể tạo ra chúng và kiếm tiền từ chúng một cách hiệu quả, và sẽ không có nhiều sản phẩm bị trả lại. Đó là kiểu trò chơi mà chúng ta đang chơi.

Nghe có vẻ rất khó và phức tạp. Phần mềm thì tuyệt vời hơn nhiều. Bạn chỉ cần viết vài dòng code, phát hành, thế là xong. Tại sao bạn nghĩ mọi người lại quan tâm đến robot và phần cứng đến vậy bây giờ? Xu hướng thúc đẩy là gì? Vâng, điều tôi đang thấy trong thế giới AI ở San Francisco là có một nhận thức đang dần hình thành, đặc biệt là trong các phòng thí nghiệm (labs), tôi nghĩ rằng tốc độ tăng trưởng (acceleration) đang đi theo chiều thẳng đứng đến mức những gì bạn có thể làm đằng sau bàn phím (behind a keyboard) với AI sẽ đạt đến điểm bão hòa (saturate). Tôi không biết khi nào nó sẽ bão hòa. Không ai khác cũng biết. Nhưng khi điều đó xảy ra, lĩnh vực tiên phong (frontier) tiếp theo là thế giới vật lý (physical world). Và vì vậy, điều tôi thấy đang diễn ra là các phòng thí nghiệm, các startup (công ty khởi nghiệp) công nghệ lớn đều nhận ra cùng lúc, rằng điều này đang đến. Chúng ta sẽ có các hệ thống phức tạp (complex systems) có thể giải quyết vấn đề trong thế giới số (digital world) rất, rất nhanh chóng. Chúng ta đã có chúng rồi. Chúng sẽ trở nên tốt hơn, toàn diện hơn và có khả năng hơn. Nếu bạn coi đó là một lĩnh vực tiên phong, bạn có thể thấy điểm cuối của đường hầm (end of that tunnel). Tôi không biết khi nào điều đó sẽ xảy ra, một lần nữa, nhưng chúng ta có thể thấy rằng nó sẽ bão hòa vào một thời điểm nào đó, hoặc ít nhất mọi người nghĩ như vậy. Và khi điều đó xảy ra, lĩnh vực tiên phong tiếp theo là phần cứng (hardware). Lĩnh vực tiên phong tiếp theo là robotics (robot học), sản xuất (manufacturing), công nghiệp hóa (industrialization), lớp cảm biến (sensing layer) trong thế giới thực (real world), khả năng di chuyển các vật thể trong thế giới thực, và cuối cùng, chúng ta hy vọng là không gian (space).

Tình trạng hiện tại và mối lo ngại về robot hình người

Vì vậy, một trong những hướng phát triển thú vị nhất là các robot hình người (humanoid robots) này. Nó giống như, bạn biết đấy, bộ não của chúng ta (our meat brains) luôn bị thu hút bởi những robot trông giống chúng ta và hoạt động giống chúng ta. Có một vài công ty rất đi trước. Có Optimus của Tesla, có Figure, có Neo, có một vài công ty khác. Bạn cảm nhận thế nào về tình trạng hiện tại của các robot hình người này và không biết chúng ta còn cách bao xa để robot hình người có mặt xung quanh chúng ta?

Chúng ta có thể đã gần rồi. Giống như nhiều người khác, tôi có những lo ngại về an toàn (safety concerns) về việc các robot hình người lớn, mạnh mẽ hoạt động ngay cạnh con người, bởi vì chúng ta phải có đủ dữ liệu để chứng minh rằng điều đó an toàn. Có một số thiết kế, và 1x Neo là một ví dụ điển hình về điều này, đã đưa ra những xem xét an toàn (safety considerations) đáng kể trong thiết kế của họ và đưa khối lượng (mass) vào bên trong, điều này an toàn hơn nhiều. Robot mềm (Softer robots) an toàn hơn. Để làm rõ, bạn đang nói rằng chúng nhẹ hơn và do đó tác động (impact) của một robot va vào bạn sẽ ít hơn?

Vâng. Phần có thể va vào bạn, trong trường hợp này có thể là cánh tay, nếu nó nhẹ hơn và mềm hơn. Có hai khía cạnh. Bạn có cánh tay di chuyển trong không gian và sau đó bạn có bộ truyền động (actuator) đang quay. Vì vậy, bạn phải cộng năng lượng (energy) của cả hai thứ đó. Và đó là một vấn đề về tác động mà bạn phải lo lắng. Sau đó, bạn phải lo lắng về độ tuân thủ (compliance) của cánh tay. Nếu nó cứng nhắc, thì xung lực (impulse) sẽ cao. Nhưng nếu nó mềm và có thể nén được, thì xung lực sẽ thấp hơn. Vì vậy, bạn thực sự phải suy nghĩ về điều này khi có robot xung quanh con người. Trong thế giới quan của tôi, robot hình người vẫn còn là nguyên mẫu (prototypes). Và chúng là những nguyên mẫu tiên tiến. Điều chúng ta cần làm là chứng minh rằng điều này hoạt động được, đó là điều chúng ta đang ở hiện tại. Một khi chúng ta có nguyên mẫu hoạt động, thì thông thường, ít nhất trong lĩnh vực của tôi, điều bạn làm là tiếp tục sửa đổi chúng để làm cho chúng rẻ hơn, dễ sản xuất hơn, có năng suất sản xuất (higher yield) cao hơn và an toàn hơn. Và tôi nghĩ đây là điều sẽ xảy ra tiếp theo. Vì vậy, chúng vẫn chưa sẵn sàng trong tâm trí tôi. Bây giờ, bạn có thể mua một robot Trung Quốc có thể làm đủ loại việc cho bạn, nhưng nếu bạn nhìn vào sổ tay hướng dẫn (booklet), nó ghi, "Này, bạn không thể ở trong vòng 3 feet. Không có người nào có thể ở trong vòng 3 feet của robot này." Và bạn sẽ không thấy nhiều robot đủ mạnh để làm những công việc có ý nghĩa mà không có lời cảnh báo đó ngay bây giờ.

Thách thức về khả năng mở rộng và chuỗi cung ứng robot

Điều đó thật thú vị. Thật buồn cười khi nghe điều đó. Đồng thời, có những robot cầm côn nhị khúc ở Trung Quốc đang nhảy múa với những người khác. Tôi chưa bao giờ nghĩ về phần đó, giống như tác động mà chúng có thể gây ra nếu chúng đi chệch hướng. Tôi muốn quay lại điều đó, nhưng về mặt thời gian biểu (timeline), theo bạn, một cách thực tế, khi nào robot hình người sẽ đi lại trên đường phố, trong nhà mọi người ở quy mô lớn?

Ở quy mô lớn (At scale) là vấn đề trong tâm trí tôi. Ở quy mô lớn là một thách thức lớn. Đối với tôi, với kinh nghiệm của tôi, ở quy mô lớn thường có nghĩa là hàng triệu. Nhưng hãy nói ngay cả hàng trăm nghìn. Bạn phải có một thiết kế tốt đang chạy. Sau đó, bạn phải làm cho nó đủ tin cậy (reliable) để nó có thể tiếp tục chạy ngày này qua ngày khác mà không cần nhiều sự can thiệp của con người (human intervention) hoặc sửa chữa (repair). Và đó là một vấn đề riêng. Nhưng vấn đề đầu tiên bạn gặp phải là chuỗi cung ứng (supply chain). Và đây sẽ là một điều mà tôi hy vọng chúng ta có thể nói thêm một chút. Nhưng mọi bộ phận duy nhất đi vào robot đó đều đến từ đâu đó. Và nhiều bộ phận trong số này có thể trở nên hạn chế hoặc khó sản xuất hơn. Và có thể khó lắp ráp các cụm phụ (sub-assemblies) và các bộ phận có ý nghĩa của robot ở nước này hơn. Vì vậy, hiện tại có một sự phụ thuộc chuỗi cung ứng (supply chain dependency) rất phức tạp vào các robot như robot hình người nhưng cũng có các robot khác mà chúng ta phải tìm cách giải quyết. Và rất nhiều người đang cố gắng chuyển sản xuất về Hoa Kỳ, điều này rất thách thức vì chúng ta chưa có các công ty bộ truyền động (actuator companies) lớn ở đây, chẳng hạn.

Và bộ truyền động (actuator) giống như cánh tay nhỏ, tôi không biết, bạn sẽ mô tả một bộ truyền động như thế nào cho một người không chuyên về robotics?

Vâng, bộ truyền động là động cơ (motor). Vì vậy, bạn cấp điện, điện năng vào nó, và bạn nhận được chuyển động từ nó. Tuyệt. Và hầu hết các robot này đều có một rôto (rotor) quay về cơ bản, sau đó có hệ thống bánh răng (gearing) trên đó, sau đó cung cấp năng lượng cho chi (limb) hoặc đầu (head) hoặc ngón tay (fingers) hoặc bất cứ thứ gì khác. Vì vậy, chúng có thể nhỏ, chúng có thể lớn.

Chuỗi cung ứng `robotics`: Từ nguyên liệu thô đến bộ truyền động

Được rồi, tuyệt vời. Tôi nghe từ đó rất nhiều nhưng tôi không biết chính xác nó có nghĩa là gì. Cảm ơn bạn đã giải thích. Tôi muốn nói thêm về vấn đề chuỗi cung ứng vì tôi biết bạn suy nghĩ rất nhiều về điều này. Tình hình chuỗi cung ứng cho robotics như thế nào? Chuyện gì đang xảy ra? Các mảnh ghép là gì? Những thách thức là gì? Cách để nghĩ về nó là bạn có thể bắt đầu với nguyên liệu thô (raw materials) và nam châm (magnets) là một nơi tốt để bắt đầu. Vì vậy, chúng ta cần có khả năng lấy các nam châm, ví dụ như nam châm thô (raw magnets). Sau đó, chúng ta cần có khả năng xử lý chúng. Sau đó, chúng ta cần có khả năng tích hợp chúng vào các bộ truyền động và xây dựng các bộ truyền động xung quanh chúng. Sau đó, chúng ta cần có khả năng tích hợp các bộ truyền động đó vào các linh kiện phụ (subcomponents) hoặc bản thân các robot. Và mỗi lớp của chuỗi này về cơ bản đã được thuê ngoài (outsourced) trong 25 năm qua cho các quốc gia như Trung Quốc, như Nhật Bản, như Hàn Quốc. Và vì vậy, và tôi hoàn toàn minh bạch, tôi đã là một phần của sự chuyển giao kiến thức kỹ thuật (engineering knowledge) đó sang châu Á. Ở châu Á, chuyên môn theo lịch sử là về quy mô (scale) và khả năng chế tạo rất nhiều bộ phận này với giá thấp hơn. Chúng ta đã có một kiểu thỏa thuận này xuyên biên giới rằng đây là cách chúng ta sẽ hoạt động trong phần lớn thời gian. Bây giờ, tất nhiên, vẫn có những thứ chúng ta sản xuất ở nước này. Và tất nhiên có thiết kế và AI được tạo ra ở châu Á, nhưng đó về cơ bản là nơi mọi thứ đã diễn ra trong một thời gian dài. Và để có một chuỗi cung ứng an toàn (safe supply chain), chúng ta cần bắt đầu làm việc để có được một số độc lập (independence) trong các lớp và các ngăn xếp (stacks) này.

Nút thắt cổ chai và bối cảnh địa chính trị trong chuỗi cung ứng

Và thật thú vị khi bạn tập trung vào những thứ như bộ truyền động. Đó có phải là nút thắt cổ chai (bottleneck) không? Phần rất cụ thể này của robot?

Có thể. Có thể. Vì vậy, nếu chúng ta không thể có được nam châm, thì chúng ta phải thiết kế các loại bộ truyền động mới (new actuator types) có thể sử dụng các vật liệu khác (different materials) có thể lớn hơn, có thể không hiệu quả về không gian. Vì vậy, điều đó rất quan trọng. Và sau đó, bản thân các bộ truyền động cũng rất quan trọng vì nếu vì lý do nào đó chúng ta không thể mua chúng, thì chúng ta không thể chế tạo robot. Vì vậy, nó mang tính nền tảng (foundational). Có một số công nghệ nền tảng như thế này, tất cả đều được hỗ trợ bởi các đột phá khoa học vật liệu (material science breakthroughs). Tất nhiên là có pin (batteries). Có bộ truyền động. Các bộ phận thô (raw parts) như bộ phận đúc khuôn (diecast parts). Các bộ phận gia công (machine parts) ít quan trọng hơn. Chúng ta nghĩ rằng chúng ta có thể có được chúng. Nhưng tôi nghĩ mọi người, không chỉ ở đất nước này mà trên toàn thế giới, đang bắt đầu suy nghĩ về chuỗi cung ứng vì bạn có những sự gián đoạn (disruptions) cho dù đó là COVID hay chiến tranh và bạn thấy mọi thứ thay đổi nhanh chóng như thế nào.

Nam châm: Một thành phần cốt lõi của bộ truyền động

Được rồi. Câu hỏi quan trọng. Tại sao lại là nam châm? Tại sao đó là một phần của chuỗi cung ứng? Tại sao chúng ta cần nam châm? Vâng. Đó là một câu hỏi tuyệt vời. Vì vậy, bạn có một vòng nam châm đối cực và chúng đi như thế này quanh vòng, và sau đó bạn có, bạn biết đấy, bạn có một thứ ở trung tâm quay và cách nó quay là bạn có dòng điện xoay chiều (alternating current) về cơ bản và do đó nam châm làm cho rôto quay.

Wow. Chúng ta cần một bài giảng trên YouTube về cách vật lý (physics) này hoạt động. Được rồi. Rất hay.

Tầm quan trọng của công nghệ quân sự độc lập và tái công nghiệp hóa

Vì vậy, khi bạn nói về Trung Quốc, đây là điều tôi hình dung, điều tôi nghĩ đến bây giờ là xem cuộc chiến ở Ukraine và Nga, giống như máy bay không người lái (drones), giống như thế giới điên rồ và khác biệt như thế nào bây giờ mà bạn có thể chế tạo những máy bay không người lái nhỏ này đi và, bạn biết đấy, đánh bom (blow people up). Robot là một phần của điều đó. Nó giống như một mối đe dọa hiện sinh (existential threat) đối với mọi quốc gia bây giờ. Khả năng chế tạo những thứ này ở quy mô lớn. Lời khuyên của bạn là gì? Chúng ta nên làm gì? Chúng ta nên thay đổi điều gì để, bạn biết đấy, để phát triển mạnh (thrive) trong tương lai này và không gặp rắc rối? Vâng, bạn đã đề cập đến máy bay không người lái. Đó là một ví dụ điển hình khác. Về cơ bản, bạn cần cùng một công nghệ để làm cho rôto quay trên máy bay không người lái như bạn cần để làm cho một cánh tay di chuyển trên robot. Về cơ bản, đó là cùng một công nghệ cơ bản và chuỗi cung ứng. Vì vậy, chúng ta cần, ít nhất về phía quân sự, phải có một chuỗi cung ứng độc lập (independent supply chain) càng nhiều càng tốt. Tôi nghĩ điều đó quan trọng. Tôi nghĩ mọi quốc gia khác cũng nên làm điều đó, nhưng tôi không nghĩ điều đó chỉ dành riêng cho chúng ta. Tôi thực sự cảm thấy rằng chúng ta cần tái công nghiệp hóa đất nước (re-industrialize the country) một cách đáng kể để an toàn về mặt quân sự. Bạn thực sự không bao giờ biết điều gì sẽ xảy ra trong tương lai. Và những người là đồng minh của bạn bây giờ có thể không phải trong tương lai. Phương Tây đồng minh (Allied West), tôi nghĩ, đang trải qua rất nhiều thay đổi địa chính trị (geopolitical changes). Có rất nhiều sự thay đổi.

Tái Trang Bị Sản Xuất và Thách Thức Từ Drone

Và vì vậy, tôi thực sự muốn chúng ta học lại cách sản xuất mọi thứ theo quy mô lớn (at scale), theo số lượng (at quantity), cách xử lý nguyên liệu thô, ừm, cách trở nên độc lập hơn để khi COVID hoặc bất cứ điều gì khác xảy ra lần nữa, chúng ta sẽ không gặp rắc rối và không bị động trong việc tự bảo vệ mình. Điều tôi cũng nghĩ đến là Mark Andre đã có một hình ảnh trong một số podcast: hãy tưởng tượng 100.000 drone bay thẳng từ Trung Quốc đến chúng ta. Chúng ta sẽ làm gì? Chúng ta không được chuẩn bị cho điều đó. Tôi không muốn dành tất cả thời gian của mình cho những vấn đề tăm tối này, nhưng đó là một điều có thật.

Thay Đổi Công Nghệ Quân Sự và Thách Thức Chi Phí

>> Vâng, và Palmer Lucky là một người bạn của tôi. Ừm, chúng tôi không đồng ý về mọi thứ, nhưng tôi nghĩ rằng chúng tôi đồng ý về một số khía cạnh quan trọng về cách chúng ta cần phản ứng ở đây. Tôi nghĩ anh ấy đúng khi nói rằng chúng ta cần đầu tư nhiều hơn vào drone thay vì tàu sân bay. Tôi nghĩ đó là cách suy nghĩ cũ, và những thứ này là những thành phần quan trọng của quân đội, nhưng đó là cách suy nghĩ cũ kiểu như 'chúng ta có cái này, chúng ta có cái này và chúng ta có cái này, và máy bay của chúng ta xuất phát từ đây.' Không, trí tuệ nhân tạo (AI) đang thay đổi mọi thứ, và công nghệ quân sự đang thay đổi cực kỳ nhanh chóng. Nơi để nhìn vào điều đó là Ukraine, nơi mà các drone đang được thay đổi và cập nhật nhanh chóng mỗi ngày bằng công nghệ in 3D. Và đây, tôi nghĩ, là tương lai mà chiến tranh đang hướng tới, thật không may. Tôi xem đây là một kỷ nguyên rất khác mà chúng ta đang bước vào, với rất nhiều... bạn biết đấy, điều này không mới với bất kỳ ai, nhưng đây là... bạn đang nhìn vào chi phí để họ phóng một tên lửa và chi phí để chúng ta ngăn chặn nó. Và đây là một điều mà bạn phải tính toán mỗi lần. Và hiện tại, chúng ta đang thua trong phép toán đó. Ừm, điều đó ổn trong một khoảng thời gian nhất định, nhưng càng kéo dài, càng không ổn.

Tinh Thần Đổi Mới và Liên Kết Giữa VR với Công Nghệ Quốc Phòng

>> Bạn có lạc quan rằng chúng ta sẽ giải quyết được vấn đề này không? >> Vâng, Mỹ thực sự giỏi trong việc tìm ra giải pháp cho những vấn đề này. Chúng ta có một tinh thần tiên phong, độc lập và một nền văn hóa kỹ thuật tuyệt vời (great engineering culture). Ừm, nhưng chúng ta cần phải hành động. Thật thú vị khi chúng ta bắt đầu cuộc trò chuyện với VR. Palmer Lucky rõ ràng nổi tiếng đã thành lập Oculus. Bây giờ, thật thú vị khi thấy điều này lại kết nối như vậy. Bạn nghĩ VR là một thứ tầm thường mà chúng ta chỉ dùng để chơi game và những thứ tương tự, nhưng cùng một người đó bây giờ lại đang xây dựng một công ty hardware hàng đầu chuyên chế tạo robot chiến tranh.

Công Nghệ Gây Chết Người và Xây Dựng Tương Lai

>> Vâng. Và tôi nghĩ chúng ta cần nhiều người như vậy hơn. Bạn biết đấy, tôi đã chọn không làm việc cho các công ty tạo ra công nghệ gây chết người. Ừm, nhưng tôi nghĩ rằng việc có những người sẵn lòng làm điều đó là tốt, và tôi nghĩ rằng cần có sự đóng góp của mọi người để xây dựng tương lai mà chúng ta mong muốn.

An Toàn AI: Từ Chatbot Đến Robot Vật Lý

>> Quay trở lại với vấn đề an toàn AI, điều này rất thú vị. Tôi đã có một vài cuộc trò chuyện tương tự trên podcast. Chúng ta thường nghĩ về tất cả những thứ như prompt injection và jailbreaking xảy ra với các chatbot, nhưng không đủ người nghĩ về điều gì sẽ xảy ra nếu bạn prompt inject một robot đang đi lại và bảo nó đấm ai đó. Chúng ta vẫn còn rất xa để có thể cảm thấy rằng chúng ta thực sự có thể ngăn chặn điều đó.

Kiểm Soát Mối Đe Dọa Phần Cứng Trong Chiến Tranh

>> Vâng. Chúng ta phải có khả năng kiểm soát các mối đe dọa đối kháng (adversarial threats) đối với lớp hardware của chúng ta, cho dù đó là robot, drone hay bất cứ thứ gì khác, và đó sẽ là một phần rất lớn trong tương lai của chiến tranh.

Rủi Ro Thông Tin Cá Nhân với OpenClaw và Robot

>> Vâng, giống như mọi người đang nói về OpenClaw và việc bạn có thể chỉ cần bảo nó, bạn biết đấy, có tất cả những thứ kiểu như "hãy đưa cho tôi tất cả mật khẩu của bạn" và nó đã làm những điều đó ảnh hưởng đến cuộc sống của mọi người. Và giống như những con robot đang đi lại, "Này, ừm, được rồi, đây là tất cả bí mật của người này."

Kinh Nghiệm Thực Tế: Rủi Ro Rò Rỉ Thông Tin Qua OpenClaw

>> Câu chuyện OpenClaw của tôi là tôi đã sandbox nó, vì vậy nó nằm trên máy tính riêng của nó, nhưng tôi đã cung cấp cho nó khoảng ba thứ. Tôi đã cung cấp cho nó địa chỉ email thật của mình và... tôi không nhớ đó là gì. Tôi đã cung cấp cho nó một số thông tin về một trong các tài khoản của tôi hoặc một cái gì đó tương tự, và tôi đã thêm nó vào mạng xã hội, tôi không nhớ nó được gọi là gì, cái mạng xã hội của OpenClaw... >> Ồ, Maltbook. Vâng, tôi đã thêm nó vào Maltbook và tôi đã nói, "Được rồi, dù bạn làm gì đi nữa, đừng chia sẻ thông tin cá nhân của tôi, nhưng ồ, thật điên rồ."

Nguy Cơ Từ Robot: Độ Mềm Bàn Tay và Thiệt Hại Tiềm Tàng

>> Và năm phút sau, tất cả những gì nó đã làm là đăng địa chỉ email cá nhân của tôi. Kiểu như, đó là điều duy nhất nó đã làm chuẩn xác. >> Được rồi, bạn bị tắt. Thật buồn cười. Dù bạn có cẩn thận đến đâu với những thứ này, bạn thực sự không thể... Chúng ta không ở một vị trí... >> Đó chính xác là ý của bạn rằng robot có thể gây ra nhiều thiệt hại hơn. Và tôi chưa bao giờ nghĩ về sự mềm mại của bàn tay robot như một cách để giữ an toàn cho chúng ta.

Tác Động Của AI: Từ Thói Quen Đến Điều Hướng Xe Tự Lái

>> Vâng. Vâng. Ôi trời, Natt Friedman vừa có một bài nói chuyện thú vị tại Stripe Sessions và anh ấy kể rằng anh ấy đang nói chuyện với OpenClaw của mình về việc uống nhiều nước hơn và ngủ ngon hơn, và khi anh ấy đang lái xe tự lái, OpenClaw đã bảo anh ấy: "Được rồi, có một địa điểm ngay gần đường cao tốc mà bạn nên đến," và nó đã thay đổi điểm đến của chiếc Tesla của anh ấy để đưa anh ấy đến đó, bởi vì tôi đoán anh ấy đã kết nối nó với giao diện lập trình ứng dụng (API) của họ vào một thời điểm nào đó.

Tương Lai Bất Định

>> Thật buồn cười. Vâng, tôi nghĩ mọi thứ sẽ trở nên kỳ lạ rất nhanh.

Phần Cứng: Lợi Thế Cạnh Tranh Trong Kỷ Nguyên AI

>> Được rồi. Ừm, tiếp theo chủ đề về hardware đang nổi lên như một moat (lợi thế cạnh tranh) mà mọi người nhận ra là một phần quan trọng của tương lai để duy trì tính cạnh tranh. Các phòng thí nghiệm trí tuệ nhân tạo (AI) và tất cả các công ty khác... bạn đã từng làm việc tại Apple, nơi có một chương trình hardware tuyệt vời và bền vững. Sau đó bạn đến Meta, nơi bạn đã giúp xây dựng cơ bản một chương trình hardware từ đầu (bootstrap a hardware program from scratch). Tôi cảm thấy những bài học đó rất giá trị đối với những người đang cố gắng làm điều tương tự bây giờ. Kinh nghiệm giúp Meta xây dựng chương trình hardware đó như thế nào và những bài học nào dành cho những người đang cố gắng làm điều này tại công ty của họ?

Bài Học Từ Apple: Sự Xuất Sắc Của Phần Cứng và Nguyên Tắc Cơ Bản

>> Apple đã luôn là tốt nhất (best-in-class) trong lĩnh vực này. Ừm, có nhiều lý do. Thứ nhất, hardware là một ưu tiên hàng đầu (first tier citizen) tại Apple. Có nhiều công ty mà hardware không phải là một phần cốt lõi của cuộc trò chuyện phát triển sản phẩm, nhưng Apple là một ngoại lệ. Apple cũng đã dạy tôi và rất nhiều người khác. Thực tế, nếu bạn nhìn vào giai đoạn tôi làm việc ở đó (từ năm 2007 đến cuối năm 2012), tôi đã rất may mắn, bởi vì nếu bạn nhìn vào những người khác làm việc cùng tôi trong những dự án đó, ừm, họ thực sự đang nắm giữ nhiều vị trí chủ chốt trong ngành công nghiệp hiện nay. Và tôi cho rằng điều đó là nhờ vào việc Apple giỏi đến mức nào trong việc đào tạo mọi người suy nghĩ về các quyết định phức tạp, phụ thuộc lẫn nhau (complex interdependent decisions) và rủi ro (risk). Tôi không nghĩ mình đã nhận ra rằng họ đang làm điều đó vào thời điểm đó, nhưng nếu nhìn lại, bạn sẽ thấy sự cống hiến thực sự cho sự xuất sắc của hardware, quy trình phù hợp để thực hiện các thử nghiệm (experiments) thực sự tốt trong hardware và tìm ra kết quả tốt nhất.

Nhưng có một điều sâu xa hơn đó là việc hiểu các nguyên tắc cơ bản (first principles) về lý do tại sao chúng ta xây dựng nó theo cách này và những kết quả chính mà chúng ta đang tìm kiếm. Thực tế, John Ternus đã nói về điều này vài ngày trước, nơi anh ấy nói về mặt sau của tủ. Tôi không biết bạn có xem video này không, nhưng về cơ bản, John nói rằng anh ấy rất ấn tượng khi học được từ Steve Jobs rằng có một người thợ mộc đã hoàn thiện mặt sau của tủ và điều đó quan trọng đến mức nào. Và điều đó thấm rất sâu vào Apple, nơi mọi quyết định thiết kế (design decision), ngay cả bên trong thiết bị, đều được xem xét. Và đây không chỉ là một quyết định thẩm mỹ (aesthetic decision). Điều nó làm thực sự là buộc cộng đồng kỹ thuật (engineering), thiết kế công nghiệp (industrial design), ừm, vận hành (operations community) ở đó phải suy nghĩ về những gì chúng ta thực sự đang làm và đâu là cốt lõi của những gì đang diễn ra đối với bộ phận này, đối với cụm lắp ráp này (assembly), đối với sản phẩm tiêu dùng này (consumer product), và sau đó là điều gì thực sự quan trọng. Và điều xảy ra là nếu bạn có phương pháp (methodical) như vậy, điều thực sự quan trọng có xu hướng nổi bật lên và trông rất đơn giản ở cuối cùng.

Và vì vậy, một phần những gì bạn thấy ở nhiều người đến từ kỷ nguyên đó là sự hiểu biết về cách làm điều đó. Mà bạn biết đấy, ở giai đoạn đầu của dòng Mac, ừm, Mac không bán được nhiều và chất lượng không cao bằng, nhưng đến cuối kỷ nguyên đó, Mac đã rất phổ biến và bán ra với số lượng lớn hơn nhiều. Vì vậy, tôi nghĩ rằng điều đó đã tạo ra một sự khác biệt lớn. Và tôi chỉ là một phần nhỏ trong đó. Tôi là người đứng đầu về nhiệt (thermal lead) cho chiếc MacBook Pro đầu tiên, và sau đó theo thời gian đã làm việc để lãnh đạo các phiên bản kế tiếp (successive iterations) của MacBook Air và Mac Pro hình trụ. Ừm, nhưng tôi đã may mắn được làm việc với những người này và học hỏi từ họ, những người đã làm việc này trong một thời gian rất dài.

Hành Trình Oculus: Từ Hacking Startup Đến Sản Xuất Chuyên Nghiệp

Vì vậy, bạn phải tiếp thu những bài học đó và sau đó, khi bạn rời đi, hãy cố gắng chắt lọc và giải thích chúng cho một cộng đồng mới. Oculus thực ra là một startup hardware theo hướng hacking. Oculus được thành lập bởi những người thực sự gặp nhau trên các diễn đàn (forums). Lenny, bạn có thể biết điều này. Ừm, những người đó đã hack các máy chơi game như PlayStation hoặc Super Nintendo thành các thiết bị đeo được trong ba lô. Và vì vậy, công ty có một tinh thần (ethos) thực sự tốt cho DNA của một đội ngũ hardware. Và sau đó tôi ở phía Meta khi chúng tôi thực hiện việc mua lại (acquisition). Và khi chúng tôi mua lại họ, họ có tinh thần lặp lại nhanh chóng (rapid iteration). Tôi nghĩ họ đã tạo ra Crescent Bay trước khi mua lại, nhưng sau đó, việc chuyên nghiệp hóa (professionalize) điều đó, nâng cao năng suất (yields) và tăng sản lượng (volumes) đồng thời giảm chi phí (cost down) là thách thức mà chúng tôi phải đối mặt với chiếc Rift đầu tiên.

Tầm Quan Trọng Của Sự Tỉ Mỉ và Mục Tiêu Cốt Lõi

>> Vậy một bài học tôi nghe được ở đây là phải rất tỉ mỉ (detail-oriented). Tôi không biết đó có phải là từ đúng không, chỉ là tập trung vào mọi yếu tố của sản phẩm cuối cùng. Bởi vì theo ý của bạn, nó không chỉ là về mặt sau của tủ. Mà nó giống như câu chuyện về viên kẹo M&M's màu nâu, nơi một ban nhạc ghi vào hợp đồng rằng bạn phải có M&M's màu nâu trong phòng vì điều đó có nghĩa là họ đã đọc hợp đồng, không phải vì M&M's quan trọng. Đó là một bài kiểm tra để xem họ có đọc tài liệu không. Và đó có phải là thông điệp ở đây không? >> Tôi nghĩ thông điệp là hiểu rõ lý do bạn đang làm điều gì và sau đó, mọi quyết định thiết kế (design decision) đều hỗ trợ mục tiêu đó. Điều này đòi hỏi rất nhiều sự tỉ mỉ (detail), sự kiên trì (persistence) và sự nhất quán (consistency), nhưng việc hiểu rõ lý do bạn đang làm và mục tiêu cuối cùng là chìa khóa, ừm, và hãy để điều đó mở rộng không chỉ sang phần mềm và UX mà còn cả hardware.

Case Study Quest 2: Dân Chủ Hóa VR Thông Qua Giảm Chi Phí

>> Bạn có thể cho một ví dụ cụ thể hơn về điều đó không? >> Một ví dụ tuyệt vời là Quest 2. Chúng tôi đã giảm giá Quest 2 khá nhiều. Và điều chúng tôi phải làm là hiểu chúng ta đang cố gắng làm gì? Chúng tôi đang cố gắng dân chủ hóa VR (democratize VR). Chúng tôi đang cố gắng đưa VR đến với nhiều người hơn. Và cách duy nhất chúng tôi có thể làm điều đó là giảm giá. Và vì vậy, điều đó đòi hỏi một sự thiết kế lại (redesign) toàn bộ sản phẩm về cơ bản là để giảm chi phí (cost reduction), mà tôi nghĩ sau đó đã dẫn đến chiếc tai nghe VR bán chạy nhất mọi thời đại. Và điều đó không dễ dàng vì trong trường hợp của chúng tôi, bạn phải loại bỏ camera, loại bỏ linh kiện, thay đổi vật liệu, thay đổi quy trình sản xuất. Nhưng khi bạn có sự đồng thuận rằng bạn muốn đưa sản phẩm này đến với nhiều người hơn và cách để làm điều đó là giảm chi phí, thì điều đó sẽ thúc đẩy mọi thứ khác. Và nó vẫn là một sản phẩm chất lượng rất cao với, ừm, tôi nghĩ, tỷ lệ hoàn trả thấp (low return rates) và là một sản phẩm rất mạnh. Ừm, thậm chí có thể mạnh hơn nếu chúng tôi không làm điều đó, thật buồn cười, nhưng nó đã đạt được mức giá mục tiêu của chúng tôi.

Xây Dựng Hardware: Đặt Mục Tiêu Sớm và Tính Không Linh Hoạt

>> Được rồi, quay trở lại câu hỏi về việc các công ty nói: "Được rồi, chúng ta cần xây dựng một số hardware. Chúng ta sẽ tự chế tạo kính của mình. Chúng ta sẽ chế tạo một thiết bị điện thoại nhỏ, một thứ bí mật nào đó, bất kể là gì." Để mọi người mở rộng tầm mắt, bạn có những lời khuyên nào khác không? Tôi biết rằng không thể nói "đây là tất cả những gì bạn cần biết," nhưng mọi người nên suy nghĩ thêm về điều gì nữa? >> Việc xác định mục tiêu sớm và tuân thủ chúng là quan trọng. Hardware không dễ dàng thích nghi với nhiều thay đổi trong suốt quá trình phát triển như bất kỳ thứ gì kỹ thuật số (digital) nào.

Đặt Mục Tiêu Rõ Ràng và Ưu Tiên trong Phát Triển Phần Cứng

Và vì vậy, nếu bạn đặt mục tiêu rằng "Được rồi, chúng ta muốn tạo ra thứ gì đó giá $300," rồi giữa chừng bạn lại nói, "Ồ, thực ra nó phải có giá $150," thì bạn đã lãng phí rất nhiều thời gian ban đầu. Vì vậy, bạn cần phải có cảm giác đã suy nghĩ trước về những gì mình muốn và có những — tôi gọi chúng là KPI, nhưng về cơ bản là mục tiêu — được ghi lại, và cố gắng thay đổi chúng càng ít càng tốt. Điều này rất khó khăn. Trên thực tế, đây có thể là điều khó khăn nhất, bởi vì nếu bạn làm điều đó đúng cách và bạn có sự ưu tiên đúng đắn cho những điều đó, bạn sẽ biết liệu mình có thể xuất xưởng hay không, bạn sẽ biết liệu mình đã hoàn thành hay chưa.

Trong phần cứng, một trong những thách thức là, như chúng ta đã nói về việc biên dịch bốn hoặc năm lần. Mỗi lần bạn xây dựng và lặp lại thiết kế của mình, đó là thêm 3 tháng, hoặc bốn tháng, hoặc năm tháng, hoặc bất kể đó là bao lâu. Và vì vậy, bạn đang cố gắng cân bằng bộ tính năng với chất lượng và thời điểm. Trong phần cứng, thời điểm rất quan trọng vì nếu bạn ra mắt sản phẩm của mình vài tuần trước đối thủ cạnh tranh, bạn có thể nhận được tất cả PR, bạn có thể nhận được tất cả sự quan tâm. Nó khá khắc nghiệt. Và vì vậy, mỗi ngày bạn xuất xưởng trước đối thủ cạnh tranh đều đáng giá rất nhiều tiền. Nó có thể đáng giá $10 triệu đô la đối với bạn. Tôi đang nói ví dụ thôi. Vì vậy, bạn phải cân bằng điều đó với số lần bạn lặp lại. Và nếu bạn biết mục tiêu của mình ngay từ đầu và bạn đạt được chúng, thì bạn biết mình có thể xuất xưởng. Và thường thì kỹ sư, và tôi cũng mắc lỗi này, đặc biệt là ở mảng phần cứng, không bao giờ cảm thấy mình đã xong. Vì vậy, đây là một điều khá tinh tế. Đó là một điểm.

Thiết Kế Các Phần Khó Nhất Trước

Thứ hai là chúng ta có xu hướng thiết kế những thứ chúng ta biết cách thiết kế trước. Và thực ra, cách tiếp cận đúng đắn là thiết kế những phần khó nhất trước. Một ví dụ sẽ là — và không có sở hữu trí tuệ (IP) ở đây nên tôi rõ ràng sẽ không chia sẻ bất kỳ sở hữu trí tuệ (IP) hay thông tin nội bộ nào — nhưng có một thời điểm chúng tôi phải luồn dây cáp qua một bản lề trong một thiết bị, cụ thể là một máy tính xách tay mà chúng tôi đang sản xuất. Và vì không rõ liệu những dây cáp đó có vừa hay không, đó là nơi kiến trúc sư bắt đầu. Anh ấy đã xem xét tiết diện, đường kính, và cách phân chia dây cáp ra, và đảm bảo rằng chúng sẽ vừa trước khi hoàn thiện thiết kế bản lề. Rất nhiều người sẽ bắt đầu từ phần mà họ đã biết, kiểu như "chúng ta sẽ sử dụng màn hình này, vì vậy tôi sẽ đưa nó vào CAD và làm tất cả những thứ khác." Nhưng những kiến trúc sư giỏi nhất thực sự xem xét điểm nghẽn nằm ở đâu, điều này sẽ thất bại ở đâu, và họ bắt đầu thực hiện thiết kế chi tiết ở đó trước.

Tập Trung Vào Trải Nghiệm Người Dùng Cuối

Và một vài điểm khác là phần mà khách hàng của bạn chạm hoặc tương tác nhiều nhất cần nhiều lần lặp lại hơn mọi thứ khác. Ví dụ dễ hiểu trên máy tính, bạn chạm vào bàn di chuột nhiều nhất, và sau đó có thể là bàn phím tiếp theo. Vì vậy, những thứ đó phải thực sự tốt. Chúng phải cho cảm giác tốt. Chúng phải phản hồi đúng cách. Chúng phải có khả năng phục hồi (kiên cường) cao. Và sau đó, có thể các bộ phận khác xa hơn thì không cần quá nhiều lần lặp lại. Vì vậy, bạn phải tăng cường số lần lặp lại đối với những thứ mà mọi người chạm hoặc tương tác nhiều nhất.

Hiệu Quả Tối Đa và Hành Động Ngay Lập Tức

Vì vậy, đó là một số nguyên tắc mà tôi đã viết. Nhưng đây chỉ là những điều bạn học được khi cố gắng xây dựng nhanh chóng. Và phần cuối cùng thực sự quan trọng nếu bạn đang tạo ra phần cứng cho những ai đang cố gắng tạo ra phần cứng là: bạn không thể chờ đợi bao giờ. Giống như không bao giờ có đủ thời gian. Vì vậy, nếu bạn biết mình cần làm gì đó, điều tôi học được từ những người như Shelley Goldberg tại Apple (người mà tôi nghĩ hiện là một Phó chủ tịch) và Kate Berseron khi tôi còn ở Apple là: bạn cần làm điều đó ngay bây giờ. Bất cứ điều gì bạn biết mình cần làm, bạn cần làm ngay bây giờ, bởi vì trong hai ngày tới, sẽ có một bất ngờ xuất hiện mà bạn cần thời gian đó để khắc phục. Và vì vậy, cái cảm giác sắp xếp những việc bạn biết mình cần làm và hoàn thành chúng ngay cả khi bạn về mặt kỹ thuật có nhiều thời gian hơn, chính là loại hiệu quả tối đa mà tôi đã học được cùng với họ.

Tóm Tắt Lời Khuyên Phát Triển Phần Cứng

Người phỏng vấn: Tuyệt vời. Được rồi, tôi xin tóm tắt lời khuyên của bạn ở đây. Một là phải rất rõ ràng về mục tiêu. Tôi muốn quay lại điểm này. Hai là hãy làm phần khó nhất trước. Về cơ bản là phần rủi ro nhất khi sản xuất. Ba là tập trung vào những bộ phận mà mọi người sẽ sử dụng nhiều nhất. Ví dụ như bàn di chuột, bàn phím. Tôi muốn nói về điều đó. Và bốn là hãy làm ngay bây giờ. Ngay cả khi bạn nghĩ rằng mình có nhiều thời gian hơn, điều này sẽ không... bạn không bao giờ biết điều gì đang chờ đợi, và Người được phỏng vấn: Không chỉ là bạn không biết điều gì đang chờ đợi. Nếu bạn đang làm việc với phần cứng, bạn thực sự không có nhiều thời gian hơn đâu.

Các Loại Mục Tiêu Quan Trọng

Người phỏng vấn: Được rồi. Về mục tiêu, có những loại mục tiêu nào? Ví dụ như chi phí là một cái bạn đã chia sẻ, kiểu như chúng ta cần cái này dưới $300. Còn những loại mục tiêu nào khác mà mọi người nên nghĩ đến? Người được phỏng vấn: Vậy thì, trong thực tế ảo (VR), độ phân giải màn hình hoặc arc minutes — như là bạn muốn bao nhiêu pixel trên mỗi độ — thực sự là một trong những chỉ số chính. Vì vậy, bạn cần hiểu chỉ số chính của mình là gì. Và tại sao điều đó lại quan trọng? Chà, đó là trường nhìn của bạn.

Vì vậy, bạn hãy nghĩ về màn hình Retina trên MacBook. Họ đã tìm ra KPI về những gì mắt người có thể nhìn thấy, có lẽ đã hơi vượt quá một chút và xây dựng nó. Và sau đó, bạn có thực sự cần duy trì nhiều áp lực kỹ thuật về độ phân giải màn hình sau đó nữa không? Có thể là không. VR vẫn chưa đạt đến mức đó. Thậm chí còn chưa gần. Trong thực tế ảo (VR) sản xuất hàng loạt, chúng ta vẫn chưa có màn hình Retina. Vì vậy, đẩy mạnh một khía cạnh đó là một ví dụ.

Tôi nghĩ trên máy tính, rõ ràng bạn đang nói về tốc độ xung nhịp, bạn đang nói về số lượng quá trình song song bạn có thể chạy, bạn đang nói về trọng lượng, bạn đang nói về giá cả, và bạn đang nói về tính năng. Vì vậy, khi chúng tôi làm MacBook Air, điều đó trở nên rất rõ ràng vì chúng tôi đang gia công cơ khí nó, rằng có một số tính năng như cảm biến ánh sáng môi trường mà chúng tôi thấy không còn ý nghĩa nữa. Và vì vậy, sẵn sàng loại bỏ chúng để đạt được mục tiêu của chúng tôi, đó là trọng lượng và kích thước. Vì vậy, nếu bạn có những mục tiêu bao trùm đó, bạn thực sự có thể đưa ra các quyết định kỹ thuật khá nhanh chóng.

Và đây thực sự là điều mà tôi nghĩ Elon — tôi nghe nói — làm rất tốt: đó là xác định giá trị của một gram trọng lượng so với chi phí, hoặc ông ấy áp dụng — tôi nghe nói — các tỷ lệ kỹ thuật delta (engineering del ratios), và ông ấy có thể đưa ra con số cụ thể cho những tỷ lệ đó, điều mà tôi nghĩ là rất thông minh.

Người phỏng vấn: Thú vị. Vậy đó là một sự đánh đổi rất dễ dàng. Được rồi, đây là công thức cho chúng ta biết trọng lượng ít quan trọng hơn trong trường hợp này. Người được phỏng vấn: Vâng. Và nếu bạn có thể làm điều đó, thì các quyết định sẽ tự nhiên đưa ra khá dễ dàng.

Câu Chuyện Về MacBook Air và Steve Jobs

Người phỏng vấn: Nhân tiện nói về MacBook Air và trọng lượng, tôi nhớ có một khoảnh khắc rất kinh điển trong truyền thuyết về Steve Jobs khi ông ấy bước ra với chiếc phong bì Manila và chiếc MacBook Air bên trong, sau đó lấy nó ra và mọi người đều kiểu, "Không thể nào!" Bạn có tham gia vào điều đó không? Đó có phải là điều mọi người muốn làm ngay từ đầu không? Tôi nghĩ nếu tôi nhớ không nhầm, chiếc MacBook Air đầu tiên, rất rất đầu tiên, là một thiết bị sản xuất số lượng thấp được gia công cơ khí, nhưng nó giống như một minh chứng về khả năng hơn. Và đó là chiếc MacBook Air trong phong bì Manila mà tôi nghĩ có cửa bên mở ra để cung cấp cổng kết nối và nó có một hình dáng đặc biệt bên dưới. Và sau đó phiên bản tiếp theo là MacBook Air mà chúng ta biết, về cơ bản là có hình nêm, khác biệt. Và vì vậy, hình dạng hình nêm là cái tôi đã làm việc và là cái đạt được nhiều số lượng hơn, nhưng chiếc trong phong bì Manila đó là cái đã chứng minh rằng bạn có thể làm ra một chiếc máy tính, và vì vậy tất cả chúng đều có vai trò thực sự quan trọng trong lộ trình.

Vấn Đề Bàn Phím Cánh Bướm và Phản Hồi Người Dùng

Quay trở lại điểm của bạn về việc tập trung vào những thứ mọi người sử dụng nhiều nhất. Apple nổi tiếng đã mắc sai lầm với bàn phím này. Đã có tình huống bàn phím cánh bướm (butterfly keyboard situation) trong một thời gian dài. Bạn có vẻ như đang nhắm mắt lại. Người được phỏng vấn: Chuyện gì đã xảy ra? Caitlyn, chuyện gì đã xảy ra vậy? Người được phỏng vấn: Tôi không trực tiếp làm việc trên bàn phím đó. Vì vậy tôi không thể nói về những gì đã xảy ra với nó. Nhưng rõ ràng đây là điều mà bạn phải làm cho đúng. Và tôi phải nói rằng các bàn phím MacBook hiện đại rất tuyệt vời và xuất sắc, và tôi không biết chuyện gì đã xảy ra với cái đó. Tôi không nghĩ đó là những thiết bị mà tôi đang làm việc vào thời điểm đó. Người phỏng vấn: An toàn, đã đánh dấu an toàn. Theo hướng này, Apple khá nổi tiếng vì không lắng nghe những gì mọi người muốn. Điều này giống như một điều kinh điển với Steve Jobs. Ông ấy không đi vòng quanh tổ chức nhóm tập trung người dùng, không làm nghiên cứu người dùng. Vậy mà vẫn tiếp tục tạo ra các sản phẩm cực kỳ phổ biến. Bạn nghĩ họ làm đúng điều gì để cho phép hoặc họ có làm nhiều buổi phản hồi người dùng không, những điều như vậy? Mọi chuyện cuối cùng diễn ra như thế nào? Người được phỏng vấn: Đã lâu rồi. Ý tôi là, tôi đã rời đi hơn một thập kỷ trước. Tôi không biết họ đang làm gì bây giờ về phản hồi người dùng. Tuy nhiên, tôi nghĩ điều này bị hiểu sai, Lenny. Tôi nghĩ điều đang được nói đến là nếu bạn muốn xây dựng một cái gì đó mới, khách hàng không biết họ muốn gì vì họ chưa từng thấy nó. Vì vậy, một ví dụ điển hình là iPhone, mà tôi không tham gia, nhưng khi bạn xây dựng một iPhone mới với màn hình cảm ứng, bạn không thể thực sự đi hỏi 100 người họ muốn gì, bởi vì họ sẽ nói một cái bàn phím trên màn hình của họ.

Và đây, tôi nghĩ, là đạo lý mà bạn đang đề cập, đó là, và điều này đúng với bất kỳ ai đang xây dựng một sản phẩm mới với một tính năng mới. Và tôi đã cố gắng xây dựng các đội nhóm nhiều nhất có thể làm việc trên các sản phẩm có điểm gì đó mới mẻ. Hoặc chúng là một danh mục sản phẩm mới, hoặc có một quy trình sản xuất mới, hoặc một điều gì đó chưa từng được thực hiện trước đây. Và khi bạn nghĩ về điều này, bạn không thể thực sự sử dụng những gì bạn đã học được từ cùng một lĩnh vực và cùng một phân khúc sản phẩm. Giống như nó không hoạt động, vì bạn sẽ không thực sự có được câu trả lời đúng. Và tôi nghĩ đây thực sự là điều mà Steve đang nói đến, đó là bạn không thể có được trực giác nếu bạn đang thay đổi một điều gì đó về cơ bản. Kiểu như khách hàng của bạn sẽ không biết họ muốn gì vì họ chưa thấy nó. Nhưng nếu bạn cho họ thấy, họ sẽ hoàn toàn biết rằng nó tuyệt vời và đó là thứ họ muốn. Nhưng nếu bạn bị mắc kẹt trong một chu trình phản hồi lặp đi lặp lại với khách hàng của mình, rất khó để đi từ không đến một (zero to one) với một cái gì đó mới. Và vì vậy, theo quan điểm của tôi, và tôi không biết chắc chắn, tôi chưa nói chuyện với ông ấy về điều này, nhưng đó là quan điểm của tôi về ý nghĩa của nó.

Vanta: Giải Pháp Tuân Thủ và Quản Lý Rủi Ro

Người phỏng vấn: Tôi rất vui mừng được kể cho bạn nghe về nhà tài trợ hỗ trợ của mùa này, Vanta. Vanta giúp hơn 15.000 công ty như Cursor, Ramp, Duolingo, Snowflake và Atlassian có được và chứng minh sự tin cậy với khách hàng của họ. Các đội đang xây dựng và triển khai sản phẩm nhanh hơn bao giờ hết nhờ AI. Nhưng kết quả là, lượng rủi ro được đưa vào sản phẩm và doanh nghiệp của bạn cao hơn bao giờ hết. Mọi lãnh đạo bảo mật mà tôi nói chuyện đều cảm thấy gánh nặng ngày càng tăng trong việc bảo vệ tổ chức của họ, doanh nghiệp của họ, và cả dữ liệu khách hàng của họ nữa. Vì mọi thứ đang diễn ra quá nhanh, họ liên tục phản ứng, phải đoán định các ưu tiên và phải chấp nhận các giải pháp lỗi thời.

Vanta tự động hóa tuân thủ và quản lý rủi ro với hơn 35 khuôn khổ bảo mật và quyền riêng tư, bao gồm SOC 2, ISO 27001 và HIPAA. Điều này giúp các công ty đạt được tuân thủ nhanh chóng và duy trì tuân thủ. Hơn bao giờ hết, Sự tin cậy có sức mạnh để tạo nên hoặc phá vỡ doanh nghiệp của bạn. Tìm hiểu thêm tại vanta.com/lenny. Và với tư cách là người nghe podcast này, bạn sẽ được giảm $1.000 khi sử dụng Vanta. Đó là vanta.com/lenny.

Thảo Luận Với Người Sáng Lập Madic

Tôi sẽ đi theo một hướng hoàn toàn khác, quay trở lại về linh kiện phần cứng. Tôi đã hỏi nhiều người nên nói chuyện với bạn về điều gì. Một trong số đó là người sáng lập của Madic, Giám đốc điều hành (CEO) của Madic, Mahul Nari Nari Wala. Tôi chưa bao giờ nói tên họ của anh ấy thành tiếng, nên tôi hy vọng mình không phát âm sai. Nhân tiện, tôi rất thích Madic của mình.

Vấn đề giá `memory` và `supply chain`

"Tôi không biết bạn có một chiếc Matic không, nhưng nó giống như..." ">> Tôi có hai chiếc và tôi đã mua thêm hai chiếc nữa." ">> Ôi trời, một lời chứng thực tuyệt vời. Vâng. Về cơ bản, nó giống như một robot hút bụi tuyệt vời hoạt động rất tốt. Vâng." "Vậy câu hỏi của anh ấy, anh ấy muốn hỏi bạn và đã đề xuất tôi hỏi bạn về giá memory. Cách anh ấy mô tả là có một thiên thạch tên là giá memory đang lao tới consumer hardware, robotics và physical AI. Chuyện gì đang xảy ra vậy?"

"Vâng, chúng ta đang gặp rắc rối, với tư cách là một ngành công nghiệp. Tôi nghĩ rằng – và tôi không phải là chuyên gia về vấn đề này – nhưng tôi nghĩ AI có liên quan đến nguyên nhân. Và tôi cũng nghĩ rằng supply chain đang bị hạn chế. Tôi đã khuyên các startup và công ty nên pre-buy memory (mua memory trước) và dự trữ đủ memory nếu có khả năng để vượt qua các đợt tăng giá. Giống như bất kỳ thứ gì trong danh mục này, chuyện này cũng đã xảy ra trong COVID. Vậy nên, chúng ta đã có rất nhiều gián đoạn supply chain và việc có đủ memory là một trong những thách thức. Vì vậy, chúng tôi cũng phải pre-buy. Tôi sẽ không nói tên công ty, nhưng công ty tôi đang làm việc cũng phải pre-buy memory. Và đây là một phần trong những gì tôi muốn nói với bạn hôm nay: những gián đoạn supply chain này. Nếu một key component (thành phần chủ chốt) được sử dụng trong nhiều công nghệ, như memory hoặc silicon, bị hạn chế, thì bạn không thể làm gì nhiều. Bạn hoặc phải trả tiền, hoặc bạn đã pre-buy đủ để vượt qua giai đoạn khó khăn. Đó là những lựa chọn thực sự duy nhất. Rõ ràng, có rủi ro khi pre-buy là giá có thể giảm. Và thách thức là tôi nghĩ có độ trễ trong supply chain đối với những thứ như memory, nơi nó thường không thể thích ứng đủ nhanh với nhu cầu, hoặc có một danh mục sản phẩm mới, hoặc trong trường hợp này có thể là các data centers đang tiêu thụ quá nhiều và thực tế không nhạy cảm về chi phí như một công ty consumer electronics như Maddic có thể. Vì vậy, họ sẽ chỉ trả cho những chi phí cao hơn này. Đây là một vấn đề nan giải và chúng ta phải đối phó với nó mọi lúc."

Mức độ tăng giá và định nghĩa `memory`

"Giá đã tăng bao nhiêu? Mức độ nghiêm trọng của vấn đề này là gì và bạn nghĩ nó sẽ đi đến đâu?" "Thực ra, đây là một câu hỏi tuyệt vời, Lenny. Tôi không biết điều gì sẽ xảy ra. Tôi nghĩ giá có thể sẽ tăng gấp đôi. Tôi không biết trong khoảng thời gian nào. Nếu tôi biết thời gian giá sẽ tăng gấp đôi, tôi đã trở thành nhà giao dịch rồi, mà tôi không giỏi việc đó. Ý tôi là, tôi sẽ làm một công việc khác nếu tôi có thể dự đoán những điều này. Nhưng chắc chắn chúng ta sẽ phải đối mặt với một cú sốc supply chain." "Và nó đã tăng rất nhiều rồi. Ý bạn là nó sẽ tăng gấp đôi, nhưng nó đã tăng rồi. Tôi không biết. Tôi đã thấy những con số như gấp 6 lần và những thứ tương tự." "Ồ, thật sao? Tôi không nhận ra nó tệ đến vậy. Con số tôi thấy không hề dễ chịu chút nào. Và bạn nói đúng, từ những gì tôi nghe, nó do AI thúc đẩy. Khi bạn nói về memory, đó là DRAM và những thứ tương tự, vậy memory là gì khi chúng ta nói về memory?" "Về processing, cách nghĩ về nó giống như processing memory (bộ nhớ xử lý), vì vậy nó di chuyển rất... bạn có thể nghĩ về memory giống như trên hard drive hoặc solid state drive của bạn, nơi bạn lưu trữ các tập tin mà bạn không sử dụng trong nhiều trường hợp, hoặc bạn đang xử lý các tài liệu hoặc hình ảnh mà bạn có thể đang lưu trữ lạnh (cold storage) trên một máy chủ, hoặc sử dụng một hard drive nào đó. Đây thường là những thứ bạn không cần truy cập cực kỳ nhanh chóng. Nhưng nếu bạn đang chạy một chương trình, một phần của chương trình đó thực sự sẽ chạy trong RAM. Và có nhiều loại khác nhau, rõ ràng đối với servers cũng có các loại server racks khác nhau. Một số server racks thực sự tập trung vào loại memory này, và một số server racks tập trung nhiều hơn vào thứ mà chúng ta coi là cold storage hoặc chậm hơn. Đây không phải là lĩnh vực chuyên môn của tôi, nhưng chắc chắn hầu hết các sản phẩm tôi đã xây dựng, có lẽ tất cả đều có RAM, và chúng tôi đã phải tìm cách để – đối với tôi, chủ yếu là vấn đề packaging (đóng gói) – đặt nó ở đâu, liệu nó có cần được truy cập không, bạn chọn loại RAM nào, nó cần nhanh đến mức nào, và chi phí là gì, đó thường là sự đánh đổi của chúng tôi. Và đâu là bottleneck (nút thắt) với nhiều RAM hơn? Có phải chỉ đơn giản là các công ty sản xuất memory không thể sản xuất với tốc độ này vì nhu cầu quá lớn không?"

Nút thắt cổ chai và sự phức tạp của `hardware`

"Đúng vậy. Đó chính xác là những gì đã xảy ra." "Vậy đây là một ví dụ rất cụ thể cho thấy việc xây dựng hardware khó khăn đến mức nào. Chỉ cần một linh kiện không có sẵn là toàn bộ công việc của bạn sẽ gặp trục trặc." "Vâng. Bạn không thể xây dựng bất cứ thứ gì nếu thiếu một component." "Ví dụ như Asatic, họ phải lắp ráp bao nhiêu component và không được thiếu một cái nào? Tôi đang nhẩm tính trong đầu. Họ có lẽ có từ 50 đến 150 bộ phận. Có thể nhiều hơn. Tôi chưa xem CAD của họ, nên tôi không biết bên trong thiết bị của họ trông như thế nào, nhưng họ có rất nhiều thứ đang diễn ra, đúng không? Họ có bánh xe của thiết bị hiển nhiên là di chuyển. Sau đó, họ có một máy hút bụi, nhưng họ cũng có một cây lau nhà, và rõ ràng là có một túi đựng rác. Họ có bình chứa chất lỏng cho cây lau nhà. Họ có một hệ thống mà tôi nghĩ là dựa trên SLAM có thể nhìn thấy căn phòng của bạn và tạo bản đồ, xác định bề mặt nào là gì, và tôi tin rằng nó vẫn nằm trên thiết bị chứ không tải lên cloud – đó cũng là điều chúng tôi đã làm ở BR và tôi nghĩ đó là một thực hành tốt, thực hành bảo mật tốt. Và tất nhiên, họ có các wireless modules để kết nối, vì vậy bạn có thể giao tiếp với thiết bị của mình. Họ sẽ có một SOC (System on Chip), silicon, RAM, PCBs (Printed Circuit Boards). Và nếu bạn tháo tất cả những thứ đó, như tất cả các cap nhỏ trên PCBs và mọi thứ, thì bạn sẽ dễ dàng có hàng nghìn bộ phận. Vì vậy, tùy thuộc vào cách bạn đếm. Nhưng đây không phải là một thiết bị đơn giản." "Và chỉ cần một chi tiết không có sẵn thôi."

Tái thiết kế thảm khốc và hệ thống phân cấp `component`

"Vâng. Hãy tưởng tượng bạn là một nhà cung cấp linh kiện đúc (diecast component) và họ ngừng kinh doanh. Bạn có thể tìm một diecast component khác trong khoảng ba tháng, và với số lượng lớn thì mất năm tháng hoặc tương tự. Điều này có thể khắc phục được. Nếu silicon của bạn không có, nếu bạn không thể mua silicon, không thể mua chip của mình, bạn phải thiết kế lại bảng mạch và tìm thứ khác có thể hoạt động. Đây là một catastrophic redesign (tái thiết kế thảm khốc). Nếu bạn không thể có RAM mong muốn với form factor (kiểu dáng) mong muốn, đây là điều mà tôi gọi là một catastrophic redesign. Bạn giờ đây phải thiết kế lại toàn bộ ruột của sản phẩm, sau đó đảm bảo supply chain cho những thứ mới này, xây dựng lại trên production line (dây chuyền sản xuất), kiểm tra lại, thực hiện tất cả các thử nghiệm reliability (độ tin cậy). Điều này không hề đơn giản. Và đây là lý do tại sao chúng tôi quan tâm. Vì vậy, có một hệ thống phân cấp các component. Thông thường trong consumer electronics, chúng ta bắt đầu với silicon và display, đây là những thứ có lead time (thời gian chờ) lâu nhất trong lĩnh vực của tôi. Trong robots, actuators (bộ truyền động) khá khó kiếm ngay cả chỉ để prototyping. Đôi khi phải mất một hoặc hai tháng để mua một actuator."

Dọc hóa `supply chain` để đối phó gián đoạn

"Đây là lý do tại sao Elon nổi tiếng là tự xây dựng mọi thứ." "À, khi bạn nhìn vào những gì anh ấy đã làm với Tesla và verticalizing his supply chain (dọc hóa chuỗi cung ứng của mình), và thực tế Starlink còn là một ví dụ tốt hơn nữa về điều này, nơi tôi tin rằng về cơ bản nó giống như các ore (quặng) và silicon chips (chip silicon) vào và sản phẩm ra. Đó là một nhà máy khá đáng kinh ngạc mà tôi từng nghe. Tôi rất muốn được thấy nó một ngày nào đó. Nhưng bạn biết đấy, đây là lúc verticalization (dọc hóa) phát huy tác dụng, bởi vì nếu bạn đã verticalized và bạn có nhiều components nội bộ hoặc bạn đang tự sản xuất nhiều thứ, bạn thực sự có thể thích ứng tốt hơn với các cú sốc supply chain. Và sau đó, anh ấy đã làm một việc nổi tiếng là khi silicon tự nó khó tìm, anh ấy đã có thể thiết kế lại PCB của mình trong thời gian kỷ lục và thích ứng với việc mua silicon mới. Điều đó sẽ thảm khốc hơn nhiều đối với một công ty có supply chain cổ điển hơn."

`Off-the-shelf` so với linh kiện tùy chỉnh

"Một trong những quyết định lớn mà tôi hình dung bạn phải đưa ra khi thiết kế một thiết bị hardware mới là lựa chọn giữa việc sử dụng những thứ có sẵn, các component có sẵn trên thị trường với giá rẻ, hoặc là, chúng ta sẽ làm một cái gì đó mới. Điều này cũng tương tự trong software, sử dụng hệ thống thiết kế (design system) hay làm điều gì đó mới. Bạn suy nghĩ thế nào về sự cân bằng đó khi thiết kế một thiết bị hardware mới?" "Rất đơn giản, tôi sử dụng các bộ phận off-the-shelf (có sẵn) bất cứ khi nào có thể, đặc biệt trong các giai đoạn prototyping (tạo nguyên mẫu). Bởi vì trong các giai đoạn prototyping, một giai đoạn thực sự quan trọng trong công việc của chúng tôi, mục tiêu của bạn là chứng minh rằng nó có thể hoạt động được. Liệu bạn có thể làm cho một thứ hoạt động không? Vì vậy, thường thì nó không cần phải là thứ cuối cùng đẹp đẽ, nó có thể là phiên bản xấu xí. Bạn có thể tạo một mô hình industrial design (thiết kế công nghiệp) về hình dáng của sản phẩm cuối cùng, nhưng thực tế chúng tôi gọi đó là mô hình 'works like looks like' (hoạt động như thế nào, trông như thế nào), nơi bạn có 'đây là hình dáng của nó' và 'đây là cách nó hoạt động' và 'đây là một prototype (nguyên mẫu) đang hoạt động'. Và con người khá giỏi trong việc này. Miễn là – và đây là một lưu ý khá lớn – những gì bạn trình bày có thể phù hợp với industrial design. Đôi khi đối với các công ty trẻ hơn, điều đó không phải lúc nào cũng đúng, nhưng đó là điều chúng tôi hướng tới. Và vì vậy, trong giai đoạn prototyping, hãy sử dụng bất cứ thứ gì off-the-shelf, bất cứ thứ gì nhanh chóng, bất cứ thứ gì bạn có thể có được một cách nhanh chóng và sau đó duy trì cảm giác về những gì thực sự sẽ phù hợp với thiết kế cuối cùng của bạn. Nó có khả năng không? Các quy trình, components và vật liệu có khả năng thực sự thích ứng với kích thước này, trọng lượng mới mà bạn cần nó không? Đó là một phần của phép tính. Khi bạn chuyển sang mass production (sản xuất hàng loạt) và thiết kế cuối cùng, thì tùy thuộc. Ý tôi là, nếu tôi đang làm Madic và tôi có thể mua một bánh xe off-the-shelf hoặc một component off-the-shelf, tôi chắc chắn sẽ làm và lắp nó vào. Nhưng thường thì những gì chúng tôi đang làm là tùy chỉnh cao độ, bởi vì chúng tôi lại có một trong những KPI (Key Performance Indicator - Chỉ số hiệu suất chính) đó: Tôi muốn nó có kích thước này, tôi muốn nó có trọng lượng này, tôi muốn nó có màu này. Và thường thì các bộ phận off-the-shelf không đủ tốt. Không phải vì chúng không hoạt động, mà vì chúng không được thiết kế chính xác cho những gì chúng tôi đang làm. Đây là lý do tại sao các drones (máy bay không người lái) lại rẻ như vậy bây giờ là vì có tất cả các bộ phận đã được đổi mới, chế tạo và mở rộng quy mô, sản xuất cho những thứ khác và bây giờ chúng ta chỉ cần có tất cả những thứ này và chúng ta có thể lắp ráp một drone thực sự rẻ tiền."

`AI` và thiết kế `CAD`

"Vâng. Vâng. Chính xác." "Tuyệt vời." "Bạn đã đề cập đến CAD khá nhiều lần, và điều đó khiến tôi nghĩ rằng CAD đã tồn tại từ lâu rồi. Liệu AI có đang tác động đến cách hardware được xây dựng không? Rõ ràng, nó đang tác động rất lớn đến cách software được xây dựng. Nó đã thay đổi cuộc sống của bạn và cuộc sống của những người xây dựng hardware và robots chưa?" "Vâng. Tôi muốn nhìn rộng hơn một chút. Hầu hết công việc hardware đi vào prototyping (tạo nguyên mẫu) thành 3D CAD. Tức là thiết kế các 3D parts (bộ phận 3D), assemblies (cụm lắp ráp) và components (linh kiện), và đảm bảo chúng hoạt động cùng nhau một cách chính xác. Sau đó, đảm bảo các parts (bộ phận) và components đó có thể được một nhà cung cấp sản xuất với số lượng lớn, rằng điều đó khả thi và trong tolerances (dung sai) mà chúng ta mong muốn, rồi lắp ghép những thứ đó lại với nhau. Đó là quá trình của chúng tôi. Hiện tại, chúng ta đang ở những bước rất, rất đầu tiên của AI có khả năng thực hiện CAD. Tôi sẽ cho bạn một ví dụ. Claude có thể làm những gì về cơ bản là surfaces (bề mặt) hoặc point clouds (đám mây điểm). Đây không phải là CAD thực sự. CAD thực sự trong thế giới của tôi là dày đặc. Giống như, nó có hình dạng. Nó có nerves (đường cong NURBS). Giống như, bạn có một phương trình cho cách các bề mặt hoạt động. Và nó là một thực thể được thiết kế trong CAD. Nó là một thực thể rắn. Và hiện tại, chúng ta chưa đạt đến mức AI làm CAD. Tôi nghĩ có khả năng là vào một thời điểm nào đó, chúng ta sẽ đạt được điều đó."

Tác động của AI lên CAD và PCB

Đây có lẽ sẽ là một trong những thay đổi lớn nhất đối với lĩnh vực của tôi: khả năng thiết kế nhanh chóng và tăng tốc độ. Hiện tại có rất nhiều điều thú vị để làm trong CAD, nhưng hồi đầu sự nghiệp, chúng tôi phải làm các vít tùy chỉnh và phải thực hiện bản vẽ 2D cho mọi thứ. Có nhiều việc trong CAD không mấy thú vị: xếp chồng dung sai. Chúng tôi cần chúng. Bảy bộ phận sẽ khớp với nhau như thế nào và liệu chúng có luôn khớp đúng cách không? Nhưng nó không vui. Đó không phải là phần vui nhất, có thể đối với một số người, nhưng không phải đối với tôi. Và việc thực hiện những điều này, khả năng thực hiện những điều này bằng trí tuệ nhân tạo (AI) sẽ rất tuyệt vời, để bạn có thể tập trung vào những việc thực sự thú vị.

Một điều tốt khác là bảng mạch in (PCB). Một bảng mạch in có nhiều lớp bên trong, và sau đó là các linh kiện được đặt lên trên. Nếu bạn đã từng mở bất kỳ thứ gì như máy tính bỏ túi hoặc máy tính và nhìn vào bên trong, bạn sẽ biết tôi đang nói về điều gì: những bảng mạch in này. Ngày càng có vẻ như AI có thể định tuyến bên trong các bảng mạch này khá tốt, và có vẻ như AI sẽ có thể thực hiện một số việc cơ bản như chọn linh kiện và bố trí trên các bảng mạch này. Vậy đó là tình hình hiện tại của chúng ta. Chúng ta chưa đến mức, Lenny, mà kỹ thuật cơ khí hoặc kỹ thuật điện hàng ngày, những công việc cốt lõi của nó, được thực hiện bởi AI.

Nhưng có một lượng lớn công việc mà bạn có thể làm với tư cách là một kỹ sư sử dụng AI trong chiến lược, kế hoạch, khả năng suy nghĩ về các phụ thuộc phức tạp mà bạn đang đối mặt. Và đó là những gì tôi đang sử dụng nó hiện tại, đó là lập kế hoạch cấp cao, yêu cầu thông tin. Chẳng hạn khi tôi tìm hiểu xem ai khác đã tạo ra một sản phẩm như thế này, tôi dùng AI để xây dựng cơ sở dữ liệu. Và chúng không hoàn hảo; chắc chắn nhiều lúc có lỗi, nhưng nó nhanh hơn rất nhiều. AI khá tốt trong Excel hiện tại. Và tất nhiên, Excel là một trong những công cụ yêu thích của chúng ta trong kỹ thuật. Vì vậy, khả năng nhanh chóng tạo và thay đổi các bảng tính Excel... nghe có vẻ không hấp dẫn, nhưng thực sự nó tăng tốc quá trình thiết kế bên ngoài các phần cốt lõi này. Tôi thích cách Excel luôn là nền tảng của mọi thứ, bất kể chúng ta đang làm gì. Chúng ta đi sao Hỏa, chắc hẳn có một bảng tính Excel đang điều khiển nhiều thứ.

Hạn chế của AI và nhu cầu mô hình mới

Vậy, điều thú vị về những gì bạn đã chia sẻ là AI đã tác động đến công việc chế tạo phần cứng và robot, nhưng nó đang trên bờ vực của sự biến đổi nếu nó có thể đạt đến mức CAD thực sự.

Vâng. Và câu hỏi lớn của tôi là, điều đó sẽ đòi hỏi những gì? Rất nhiều AI dựa trên các mô hình ngôn ngữ lớn (LLM), về cơ bản là các công cụ tạo từ, đoán từ. Chúng phức tạp hơn thế, nhưng đó là bản chất công việc của chúng. Và cũng có các mô hình video mà bạn đã thấy được huấn luyện trên video. Nhưng những mô hình này không hiểu – chúng không tốt lắm cho những gì tôi cần, đó là: tôi cần biết, "Này, bạn lấy một tờ giấy, bạn gấp nó bốn lần, và bạn làm như thế này." Chẳng hạn, cái lỗ sẽ ở đâu khi bạn mở nó ra? Các LLM và thậm chí cả mô hình video này, chúng không biết cách làm điều đó. Chúng không có khả năng hiểu ma sát, trọng lượng, tiếp xúc, áp lực, độ ma sát, kết cấu bề mặt. Chúng đơn giản là không thể làm được những điều này. Và đây là cốt lõi của những gì chúng ta cần trong kỹ thuật để có thể hiểu và xây dựng mọi thứ.

Vì vậy, một số mô hình thế giới thực sự có thể làm được điều này trong tương lai. Và tôi nghi ngờ rằng chúng ta có thể cần những mô hình đó làm nền tảng cho CAD và các công việc kỹ thuật vật lý khác. Và vì vậy, sự thất vọng của tôi – và đây là một sự thất vọng lành mạnh – là: tôi muốn Codex cho kỹ thuật. Tôi muốn Codex cho kỹ thuật phần cứng, và nó cực kỳ giá trị, và tôi đã sử dụng nó rất nhiều cho những thứ khác, nhưng tôi muốn nó cho lĩnh vực của mình. Và vì vậy, điều tôi nghĩ nó có thể đòi hỏi là các loại mô hình mới. Nghe có vẻ là một cơ hội đối với tôi. Tôi biết có một nhóm các công ty world lab. Fay đã tham gia podcast với World Labs. Tôi nghĩ nó được gọi là World Labs. Vâng. Và sau đó tôi biết Google đang xây dựng Gemini. Vậy bạn có cảm thấy đó là những hướng đi đúng đắn, hay chúng ta cần một cái gì đó thực sự khác biệt ngay bây giờ?

Robot hình người và robot chuyên dụng

Tôi thực sự không biết Fay đang làm gì gần đây nhất. Nhưng rõ ràng, cô ấy là một nhà nghiên cứu robot tài năng, và tôi rất muốn tìm hiểu thêm về những gì cô ấy đang làm. Vì vậy, tôi sẽ phải tìm hiểu điều đó. Những gì tôi đã thấy là những gì chúng ta có hiện tại và những mô hình chúng ta đang xây dựng sẽ là một phần của giải pháp, nhưng không phải toàn bộ. Quay trở lại với robot và robot hình người, một điều mà chúng ta đã trò chuyện trước đó: Bạn cảm thấy robot hình người không nhất thiết là câu trả lời cho nhiều vấn đề và cơ hội mà chúng ta đang có. Hãy nói về cảm nhận của bạn về robot hình người so với robot không phải hình người.

Vâng, tôi nghĩ có một chu kỳ cường điệu xung quanh robot hình người. Điều đó không có nghĩa là chúng không cực kỳ thú vị, và tôi nghĩ sẽ có những người chiến thắng ở đó, nhưng điều tôi nghe nhiều là, "Tôi muốn một robot hình dáng tổng quát để làm mọi thứ." Và tôi không biết liệu điều đó có hiệu quả không. Tôi nghĩ rằng bạn cần các loại robot khác nhau để làm các loại việc khác nhau. Ví dụ, nếu bạn có một chiếc máy tính xách tay và bạn muốn bắt vít bàn phím vào vỏ máy, tôi không nghĩ đây là công việc cho một robot hình người. Đây là công việc cho một robot chuyên dụng, robot sản xuất đã được thiết kế chỉ để bắt 10 con vít vào một vỏ máy cho chiếc máy tính xách tay cụ thể này. Và bạn muốn làm điều đó 10.000 lần một ngày hoặc 10.000 lần một tuần, đó là một robot chuyên dụng được thiết kế đặc biệt để làm điều đó.

Và điều tôi nghĩ là thú vị ở đây là bạn có thể có các kích thước tủ tiêu chuẩn cho các robot tự động hóa và bạn có thể làm cho chúng có thể sửa đổi theo thời gian. Và đó sẽ là một lĩnh vực rất thú vị, tôi nghĩ, là làm thế nào để tạo ra các robot sản xuất có thể thích nghi và thay đổi được, nhưng bạn sẽ không muốn một robot hình người làm điều đó.

Và vì vậy, khi bạn thực sự đi xem một cơ sở sản xuất hiện đại như ở Trung Quốc tại các nhà cung cấp cấp một hàng đầu, không có nhiều người trên dây chuyền. Toàn bộ dây chuyền bảng mạch in về cơ bản không còn người nào nữa. Bảng mạch thô đang được làm lại và kiểm tra, và toàn bộ quá trình được thực hiện mà không có con người trừ khi có sự cố và một con người chạy đến sửa chữa. Vì vậy, trong lắp ráp, lắp ráp cơ khí cũng vậy. Những dây chuyền tiên tiến nhất này không có nhiều người làm việc. Họ từng có 200 người; bây giờ có thể chỉ còn 10 người. Và vì vậy, chúng ta đã vượt qua sức lao động của con người trong rất nhiều sản xuất tiên tiến này. Và vì vậy, chúng ta không thực sự cần thay thế con người bằng robot hình người. Chúng ta chỉ cần nhiều robot chuyên dụng hơn.

Vì vậy, tôi nghi ngờ rằng chúng ta sẽ có robot hình người cho một số công việc ít phổ biến mà con người hiện đang làm. Điều đó sẽ quan trọng. Nhưng chúng ta cũng sẽ có robot cho xây dựng, robot cho công việc điện, robot cho lắp ráp số lượng rất thấp, có thể là robot cho hậu cần, và hầu hết chúng sẽ trông khác nhau.

Thách thức về dữ liệu CAD trong việc robot tự thiết kế

Điều đó hoàn toàn hợp lý. Khi bạn nói về điều này, tôi nghĩ rằng sẽ có một khoảnh khắc lớn khi một robot có thể chế tạo các robot khác, và điểm CAD bạn nêu ra, rằng khi AI có thể phát triển các thiết kế hoàn chỉnh cho phần cứng — đó sẽ là một khoảnh khắc lớn. Bạn có cảm thấy chúng ta gần đến mức nào với điều này? Tôi không biết, cái vòng lặp bắt đầu của các robot tự xây dựng và tự thiết kế lẫn nhau.

Nếu bạn nói về việc các robot chế tạo các robot khác biệt so với chúng thường lệ, vâng, tôi nghĩ điều đó sẽ xảy ra. Nhưng vấn đề là các thuật ngữ. Tôi không nghĩ sẽ có một robot tự xây dựng chính nó. Tôi không nghĩ rằng đó là những gì nó sẽ trông như vậy. Nhưng vâng, việc AI có thể – nếu bạn có thể nói, "Này, tôi muốn chế tạo cái này và tôi muốn nó làm điều này, và trông nó như thế này, và đây là một bức ảnh." Ý tưởng rằng ngay cả một người có sở thích cũng có thể đi từ một hình ảnh 2D đến CAD 3D phức tạp, đến lắp ráp, đến giao tiếp với nhà cung cấp về cách chế tạo các bộ phận đó, và nhận phản hồi của họ để lặp lại và thực hiện một vài bản dựng – tôi nghĩ điều đó là có thể trong tương lai. Liệu ban đầu nó có tốt bằng chúng ta tự làm không? Không. Nhưng nó sẽ xảy ra.

Thử thách lớn nhất ở đây, Lenny, thực ra là dữ liệu. Dữ liệu CAD này là một trong những sở hữu trí tuệ (IP) giá trị nhất mà bất kỳ ai cũng có. Và Samsung hay Madic – lấy Madic làm ví dụ – họ sẽ không muốn cung cấp CAD 3D của mình cho một nhà cung cấp mô hình, một nhà phát triển mô hình, một ai đó đang tạo ra mô hình AI để dạy nó cách tạo CAD tuyệt vời. Điều này là độc quyền. Đây giống như bí quyết vậy. Và vì vậy, dữ liệu này sẽ đến từ đâu là một câu hỏi lớn đối với tôi.

Đó là lý do tại sao tôi nghĩ người có sở thích là một nơi thú vị hơn để bắt đầu, nơi họ không quan tâm đến sự linh thiêng của CAD của họ và nó đi đâu. Họ không quan tâm. Họ muốn tạo ra thứ gì đó và họ muốn được giúp đỡ để làm nó nhanh hơn. Vì vậy, đây là nơi tôi quan tâm đến việc khởi đầu này, đó là, bạn biết đấy, có thể một người có sở thích không phải là một chuyên gia về thiết kế bảng mạch in. Có thể họ không quan tâm. Họ chỉ muốn máy bay không người lái của họ nhanh và đánh bại máy bay không người lái của người khác hoặc bất cứ điều gì. Đây là nơi tôi nghĩ bạn sẽ bắt đầu thấy tất cả điều này bắt đầu. Và sau đó, có lẽ các công ty lớn lâu đời sẽ chậm hơn vì họ có công cụ chuyên dụng và rất nhiều quyền riêng tư IP.

Huấn luyện AI: Dữ liệu và giải pháp On-Prem

Thật thú vị với ý tưởng về việc mô hình AI cần dữ liệu gì để huấn luyện. Tôi đã nghe nói rằng các phòng thí nghiệm đang mua mã nguồn từ các kho lưu trữ GitHub trước năm 2021, bởi vì đó là trước khi AI tác động đến mã nguồn, do ngày càng có ít mã nguồn do con người viết. Và đây là các công ty gán nhãn dữ liệu như Mercor, Surge và Handshake cùng những công ty tương tự. Có vẻ như đây là một cơ hội lớn có thể xuất hiện khi họ bán dữ liệu, tạo ra các tệp CAD này.

Hoàn toàn đúng. Và một ý tưởng thực sự tuyệt vời, tôi nghĩ, là có một hệ thống AI có thể chạy tại chỗ (on-premise). Tức là, nằm bên trong một trung tâm dữ liệu mà công ty sở hữu và sau đó huấn luyện nó bằng dữ liệu của họ. Tôi nghĩ điều đó có thể hoạt động trong tương lai, nhưng bạn cần rất nhiều dữ liệu CAD này. Vì vậy, bạn sẽ cần một mô hình cơ sở có nhiều dữ liệu CAD. Chúng ta sẽ phải tìm cách làm điều đó. Điều đó sẽ rất thú vị. Và sau đó chúng ta sẽ phải tìm cách đặt nó an toàn bên trong, về cơ bản là bên trong các bức tường của các công ty và sau đó để họ huấn luyện nó bằng dữ liệu của chính họ. Tôi không biết liệu điều đó sẽ giống như một lớp MCP hay là gì, nhưng điều này có vẻ khả thi về lâu dài.

Tạo robot có khả năng kết nối với con người

Tôi muốn hỏi một câu hỏi mà em gái tôi đã gợi ý. Cô ấy thực sự là một người làm VR lâu năm. Cô ấy từng làm việc tại Oculus. Cô ấy tham gia cùng với thương vụ mua lại. Cô ấy đã giúp tạo ra rất nhiều nội dung trong thực tế ảo (VR). Cô ấy đã ở trong thế giới VR một thời gian dài và bây giờ cô ấy đang làm những việc khác. Cô ấy muốn tôi hỏi bạn, "Cần gì để tạo ra một robot có cảm giác giống con người và có khả năng kết nối mà con người cảm thấy gắn bó?"

Đó là một câu hỏi tuyệt vời. Vậy, nói một cách tương đối, tôi mới tham gia vào robot học. Và vì vậy, tôi phải học càng nhiều càng tốt, càng nhanh càng tốt. Và một trong những nhà nghiên cứu đã giúp tôi nhiều nhất, tên cô ấy là Leila Takyama. Cô ấy là một chuyên gia về lĩnh vực này. Và điều cô ấy giải thích cho tôi là con người có một kỳ vọng nhất định về cách các sinh vật khác sẽ phản ứng khi chúng bước vào một không gian. Bạn thực sự muốn, bạn biết đấy, khi ai đó bước vào phòng, bạn kiểu như chào hỏi họ. Bạn có thể không nói chuyện với họ, nhưng bạn kiểu như ngẩng đầu lên. Có rất nhiều tín hiệu phi ngôn ngữ rất phức tạp mà chúng ta trao đổi với nhau.

Thiết kế Robot và Tương tác Người-Máy

Nếu bạn bước vào một căn phòng mà một con robot cứ thế xuất hiện, nó thật đáng sợ, và việc đáng sợ là điều dễ xảy ra. Tôi hơi ngạc nhiên với một vài ngoại lệ đáng chú ý về mức độ đáng sợ của nhiều robot humanoid hiện nay. Tôi nghĩ bạn muốn những thiết bị này không gây đe dọa. Nói chung, bạn muốn chúng trông mềm mại, phản ứng lại bạn. Bạn muốn có cảm giác rằng chúng biết bạn đang ở đó, rằng chúng chú ý đến bạn, rằng chúng ở đó để giúp đỡ bạn và làm cho cuộc sống công việc của bạn dễ dàng hơn. Và bạn cũng mong chúng thể hiện ý định trước khi làm điều gì đó.

Một trong những điều tôi học được là nếu một con robot đột nhiên quay đi và làm tất cả những điều đó, nó sẽ khiến bạn sợ hãi. Nhưng nếu một con robot nhìn trước khi quay rồi mới di chuyển, nó sẽ ít đáng báo động hơn nhiều. Có tất cả những chi tiết nhỏ này. Tôi khuyên mọi người nên tìm hiểu công việc của cô ấy. Có rất nhiều nghiên cứu tuyệt vời về cách một con robot, không nhất thiết là humanoid, có thể phản ứng đúng cách trong ngữ cảnh xã hội khi ai đó vào hoặc ra khỏi phòng, nhưng cũng có thể truyền đạt ý định của mình một cách vật lý để không làm bạn bất ngờ.

Có vẻ như chúng ta có thể học hỏi rất nhiều từ các hãng phim như Pixar và các animation studios đã suy nghĩ về điều này từ rất lâu. Tôi thực sự nghĩ rằng Pixar và Disney có lẽ là những đơn vị giỏi nhất thế giới trong việc thực hiện loại công việc thiết kế này. Mặc dù họ chưa làm nhiều về mặt vật lý, nhưng nếu bạn nhìn vào những gì họ làm và cách họ thể hiện cảm xúc, ý định, sự thân thiện, sự tương tác với các nhân vật của họ, họ thực sự đẳng cấp thế giới. Tôi không biết bạn thế nào, nhưng tôi rất hào hứng khi có một con robot ở nhà làm mọi việc. Giống như những video họ bắt đầu đăng tải cho thấy chúng có thể rửa bát, ít nhất là các prototypes có thể gấp quần áo. Chúng có thể làm được nhiều việc. Tôi chỉ muốn nói, "Vâng, làm ơn hãy đến làm những việc này cho tôi." Bạn cảm thấy thế nào về robot trong nhà mình?

Thách thức của Robot Gia đình và Niềm tin

Tôi rất thích ý tưởng này. Đối tác của tôi thì không nhiều lắm. Tôi rất may mắn có một đối tác có tiêu chuẩn cao, có nghĩa là cô ấy sẽ không bao giờ chấp nhận Whimo. Cô ấy đã dùng một chiếc Whimo và giờ không muốn dùng bất cứ thứ gì khác nữa. Vì vậy, cô ấy chắc chắn sẵn lòng thay đổi quan điểm, nhưng nó phải thực sự tốt. Cô ấy rất thích Madic, bạn biết đấy, nó thật tuyệt vời. Vì vậy, tiêu chuẩn khá cao. Tôi nghĩ để có một robot gia đình, nó sẽ phải thực sự phi thường để cô ấy sẵn lòng có nó trong nhà. Nhưng tôi coi đó là một thách thức.

Vợ tôi cũng y hệt như vậy. Cô ấy nói: "Anh muốn có cái này trong nhà chúng ta, Matt." "Ồ, tuyệt vời. Cái này dễ thương quá." Một ví dụ gần đây là xe Tesla tự lái. Cô ấy từng rất phản đối, "Không, đừng làm thế." Ban đầu nó cũng không thực sự tốt. Và giờ cô ấy nói: "Em không muốn lái bất kỳ chiếc xe nào khác. Lái xe bằng tay cứ thấy vô lý sao đó. Em không muốn làm vậy nữa." Thật điên rồ là mọi thứ thay đổi nhanh chóng như vậy.

Theo tôi, có một sự khác biệt lớn. Đây là một sự khác biệt lớn về mặt phân loại. Có một sự khác biệt lớn giữa một chiếc xe an toàn hơn tự lái so với một chiếc xe do con người lái, bởi vì bạn có bằng chứng hiện hữu về chiếc xe do con người lái và bạn có dữ liệu. Khi bạn nói về nhà cửa, delta là gì? Giờ đây bạn có một thứ mà trước đây bạn không có đang làm việc. Vì vậy, nếu nó làm không tốt, bạn đang so sánh nó với cái gì? Và nếu nó không an toàn theo bất kỳ cách nào, bạn đang so sánh điều đó với cái gì? Theo tôi, đây là một phương trình khó hơn nhiều để thuyết phục nhiều người so với một chiếc xe hơi, nơi bạn có thể nói: "Whimo đã cứu mạng sống." Bạn sẽ có một phần nhỏ số người chết khi sử dụng Whimo, dù bạn là hành khách hay không. Bạn đã thấy mọi người ở San Francisco điều chỉnh cách họ phản ứng xung quanh một chiếc Whimo so với bất kỳ chiếc xe nào khác. Vì vậy, bạn đang thấy những thay đổi hành vi dựa trên niềm tin (trust), điều này thực sự thú vị. Khi bạn nói về một sản phẩm mới chưa từng tồn tại và về cơ bản không thay thế thứ gì đó, đó là một việc bán hàng khó hơn và bạn phải có một câu chuyện khác.

Tầm nhìn Tương lai về Robot và Thách thức

Ai đó cần phải tìm hiểu xem xe Tesla tự lái sẽ như thế nào khi bạn, bạn biết đấy, thường xuyên dừng lại và giao tiếp bằng mắt rồi nói "đi đi, cứ đi đi." Hoặc ai đó chuẩn bị băng qua đường và bạn nói, "ờ, được thôi, cứ đi đi." Nhưng chiếc Tesla cứ tự làm theo ý mình và điều đó khiến bạn trông như một người thô lỗ nhiều lần. Giống như, "Ồ, tôi không lái. Nó không kiểm soát." Vâng, tôi đã từng gặp trường hợp đó một lần. Bạn gần như muốn có hai cánh tay nhỏ ở phía trước để làm cử chỉ hoặc nói "bạn đi đi" hay gì đó. Thật đáng kinh ngạc là chúng ta thực sự dựa vào kết nối con người này để quyết định ai sẽ đi qua một giao lộ.

Thật tuyệt vời về những người như bạn là bạn đang suy nghĩ và xây dựng những thứ sẽ tồn tại trong tương lai. Bạn giống như đang sống trong tương lai và thiết kế nó, và bạn là một trong số ít người có cái nhìn thoáng qua về nơi mọi thứ đang diễn ra. Vì vậy, tôi tò mò muốn hỏi, ví dụ, trong năm năm tới, bạn có hình dung gì về những điều khác biệt trong các robot và thiết bị hàng ngày của chúng ta? Nó sẽ trông như thế nào?

Trong công việc này, chúng tôi có một điều kỳ lạ là chúng tôi phải cố gắng sống trong tương lai, và chúng tôi phải cố gắng sống trong một tương lai đủ xa để chúng tôi có thể thiết kế một thứ không chỉ cho hai hoặc ba năm tới mà còn là thứ sẽ "ladder up" (dẫn dắt) đến điều chúng tôi muốn trong sáu năm tới. Bởi vì trong lĩnh vực của tôi, việc tạo ra một thứ gì đó và lặp lại nó để hướng tới mục tiêu cuối cùng dễ dàng hơn nhiều so với việc thực hiện một lần duy nhất một cách hoàn hảo. Vì vậy, bạn không chỉ phải có cảm nhận về thứ đầu tiên cần phải như thế nào và trông ra sao, mà bạn còn phải có cảm nhận về thứ thứ ba lý tưởng hoặc lý tưởng Platonic của thứ đó cuối cùng sẽ trông như thế nào. Vì vậy, bạn thực sự phải nghĩ về tương lai và sống trong tương lai.

Tôi có một điều kỳ lạ là tôi thích nghĩ về tương lai, nhưng tôi cũng là một người hoài nghi. Và bạn thực sự muốn tôi là một người hoài nghi vì nếu tôi nghĩ mọi thứ sẽ ổn, thì phần cứng sẽ không hoạt động. Bạn thực sự muốn tôi nói, "Cái này sẽ không hoạt động và cái kia sẽ không hoạt động," và cứ thế lo lắng về tất cả những điều tồi tệ có thể xảy ra. Vì vậy, đây là một sự bất đồng thú vị trong tôi về việc tôi muốn tương lai trông như thế nào, tôi nghĩ nó sẽ trông như thế nào, và nó thực sự sẽ trông như thế nào, và cố gắng đoán.

Có vẻ khá rõ ràng đối với tôi rằng AI sẽ tạo ra một thay đổi cơ bản trong cách chúng ta làm việc và những gì chúng ta làm trong vài năm tới, đặc biệt. Bạn đã thấy điều đó rồi. Rõ ràng, bất cứ ai coding cũng không còn coding bằng tay nhiều nữa. Tôi nghĩ công việc tri thức (knowledge work) sẽ là lĩnh vực tiếp theo bị ảnh hưởng, và nó sẽ dần dần tác động đến nền kinh tế và công việc của chúng ta.

Nhưng có vẻ như thế giới vật lý ít có khả năng thay đổi nhanh chóng bên ngoài máy bay không người lái (drones) và xe tự lái. Bạn sẽ thấy ngày càng nhiều robot. Nhưng tôi không phải là người nghĩ rằng trong 5 năm nữa bạn sẽ có 20 triệu robot. Tôi không nghĩ nó sẽ nhanh như vậy. Tôi nghĩ chúng ta có rất nhiều việc sâu rộng cần làm về chuỗi cung ứng (supply chain), độ tin cậy của chuỗi cung ứng, khả năng tiếp cận nguyên liệu thô, và sau đó chúng ta cần tìm cách xây dựng lại các nhà máy công nghệ cao (high-tech) ở đất nước này. Vì vậy, đó là rất nhiều việc, nhưng trong thời gian chờ đợi, bạn sẽ bắt đầu thấy nhiều điều kỳ lạ trên đường phố. Bạn có thể thấy robot trên đường phố. Bạn đã thấy bất kỳ robot giao hàng nào trong thế giới của bạn chưa, Lenny? Như kiểu, bạn biết đấy, những chiếc xe nhỏ, không phải là thứ gì đó hình người (humanoid).

Vâng. Vâng. Vì vậy, điều này sẽ tiếp tục xảy ra và tôi nghĩ chúng ta sẽ tiếp tục cảm thấy như đang sống trong tương lai. Nhưng an toàn sẽ là một yếu tố then chốt cho robotics. Tôi nghĩ có lẽ sẽ có nhiều thay đổi trong chiến tranh hơn là trong thiết bị điện tử tiêu dùng (consumer electronics) trong hai năm tới, ví dụ.

Lý do rời OpenAI và Quan điểm về Chính sách

Wow, thật là một lời nói. Vâng. Và tôi hoàn toàn đồng ý. Không có gì như chiến tranh để thúc đẩy đổi mới (innovation) và sự cải tiến không ngừng, cố gắng vượt lên đối thủ, đặc biệt là khi dân chủ bị đe dọa. Ý tôi là, tôi nghĩ rằng chúng ta đang ở một vị trí mà chúng ta cần suy nghĩ về mọi thứ và tương lai theo những điều khoản này, và bảo vệ những điều này bằng khả năng của chúng ta, đồng thời hy vọng rằng chúng ta không bao giờ phải có một cuộc xung đột nóng ở bất cứ đâu.

Liên quan đến điều đó, tôi phải hỏi bạn, gần đây bạn trở nên nổi tiếng trên Twitter ít nhất là vì đã nghỉ việc tại OpenAI. Bạn đã tweet rằng bạn sẽ rời đi cùng với lời giải thích ngắn gọn và nhận được 7 triệu lượt xem, 58 nghìn lượt thích. Chuyện gì đã xảy ra? Tại sao bạn rời OpenAI? Chuyện gì đã xảy ra ở đó?

Vâng, tôi hy vọng là vậy. Điều tôi nói trong bài tweet của mình là tôi có rất nhiều bạn bè trong ban điều hành của OpenAI mà tôi rất quan tâm. Tôi nghĩ họ là những người thực sự tốt, và tôi cảm thấy rằng những gì đã xảy ra với tốc độ ra quyết định, quản trị (governance) và việc thiếu các hàng rào bảo vệ (lack of defined guard rails) rõ ràng xung quanh việc công bố thỏa thuận với Bộ Quốc phòng (department of war deal) không phải là cách tôi nghĩ nó nên được thực hiện. Và cả hai điều đó đều có thể đúng.

Vì vậy, hy vọng của tôi, Lenny, là có một con đường thứ ba. Bạn thấy rất nhiều người chỉ đơn giản chấp nhận những gì công ty của họ đang làm. Và sau đó bạn thấy một số người phản ứng tiêu cực hoàn toàn. Trong trường hợp này, điều đó không có ý nghĩa đối với tôi. Tôi không cảm thấy như vậy về công ty. OpenAI là một công ty tuyệt vời, và tôi đã có thể giúp xây dựng một chương trình robotics ở đó và thu hút một số tài năng hàng đầu về robotics trên thế giới. Vì vậy, tôi có rất nhiều, bạn biết đấy, đây là một nhóm người tôi rất quan tâm. Và bạn cũng có thể bất đồng với bạn bè và cảm thấy rằng những gì họ đã làm là không tốt và không đúng. Và đó là nơi tôi đi đến, và đó là điều tôi đã tweet. Việc này sắp được đưa tin, vì vậy tôi đã tweet trước khi điều đó xảy ra.

Quy tắc Bảo mật và Giá trị Cá nhân

Đây là cơ hội tuyệt vời để bạn thì thầm cho tôi biết OpenAI đang làm gì. Thiết bị robotics đó là gì, chỉ giữa bạn và tôi thôi?

Vâng, tôi ước mình có thể nói, bạn biết đấy, Lenny, một phần niềm vui trong công việc của chúng tôi là chúng tôi được thấy mọi thứ trước khi người khác biết. Nhưng mặt trái của điều đó là chúng tôi không thể nói về bất cứ điều gì nội bộ hoặc IP (sở hữu trí tuệ) nào. Điều tôi có thể nói là đội ngũ thực sự mạnh mẽ và tôi thực sự rất biết ơn vì cơ hội được giúp đỡ. Nhưng tôi cũng nghĩ rằng sau khi mọi chuyện xảy ra, đã đến lúc tôi không thể tiếp tục làm việc ở đó nữa vì bạn không biết điều gì sẽ xảy ra lần tới. Và hy vọng của tôi là quyết định của tôi đã giúp những người khác dễ dàng hơn trong việc nói về ranh giới (boundaries) của họ và giữ vững chúng, và chúng ta sẽ xem điều gì sẽ xảy ra ở đó.

Nói về việc xây dựng đội ngũ (team building), đây là điều tôi chắc chắn muốn hỏi bạn. Như tôi đã nói, tôi đã hỏi nhiều người nên nói chuyện gì với bạn, và có một người mà tôi nghĩ có thể là đồng nghiệp cũ, Mariana Senko. Bạn có làm việc với cô ấy không? Được rồi, cô ấy là một người bạn. Cô ấy đã nói về bạn như thế này: "Sự xuất sắc của bạn với tư cách là một nhà lãnh đạo nằm ở việc tuyển dụng các đội ngũ xuất sắc." Tôi tò mò muốn biết loại người mà cô ấy thấy không thể thiếu trong một thời đại mà mọi người đều lo lắng về công việc của mình. Vậy, hãy nói về những gì bạn đã học được về những gì bạn tìm kiếm khi tuyển dụng (hiring) người cho đội ngũ của mình.

Chiến lược tuyển dụng cho lĩnh vực mới: `AI` và `Robot`

May mắn là tôi đã có nhiều thời gian, hay nói đúng hơn là nhiều "lần tập" trong việc tuyển dụng. Vì vậy, tôi có một chiến lược để thuê những người tài năng. Khi tuyển dụng cho giai đoạn zero to one (từ con số không đến một) và những điều mới mẻ hay các ngành công nghiệp mới, như chúng ta đang đối mặt với trí tuệ nhân tạo (AI) và chắc chắn là robot, mọi thứ còn rất mới. Bạn không thể trông cậy vào việc có những người đã làm chính xác công việc tương tự trong quá khứ, bởi vì điều đó không tồn tại. Chính xác công việc đó không tồn tại. Có thể bạn có các kỹ sư robot đã chế tạo hàng nghìn robot, nhưng tôi chưa từng biết ai đã chế tạo loại robot có thể di chuyển trong thế giới theo cách mà tôi quan tâm, với số lượng hàng triệu, bởi vì điều đó chưa từng được thực hiện.

Vì vậy, bạn phải bắt đầu suy nghĩ về cách xây dựng một đội ngũ có thể làm điều gì đó mới m mẻ. Và điều thú vị là trong lĩnh vực robot, đặc biệt là xe tự lái (self-driving cars) và phương tiện tự hành (autonomous vehicles), đây là một lĩnh vực rất tốt để nghiên cứu, bởi vì ở đó bạn có sensing stack (tập hợp các cảm biến và thuật toán xử lý dữ liệu cảm biến) và rất nhiều sự đánh đổi về an toàn, cũng như rất nhiều kỹ thuật khó nhằn (hardcore engineering). Đó là một lĩnh vực mà tôi đã xem xét. Rõ ràng, bạn muốn có những kỹ sư robot cốt lõi có thể thực hiện thiết kế robot từ đầu.

Và đây thực sự là những người lai ghép (hybrid people), những người đa năng (generalist), ngay cả khi họ có bằng cấp trong một lĩnh vực cụ thể. Vì vậy, một trong những nguyên tắc quan trọng mà tôi tìm kiếm là những người đa năng thực sự mạnh mẽ, những người có thể điều chỉnh những gì họ đã học được ở các lĩnh vực khác để áp dụng vào một lĩnh vực mới, và những người có nhiều kinh nghiệm xây dựng. Bạn muốn có những người có kinh nghiệm xây dựng thứ mà bạn đang xây dựng (là một điều mới mẻ) và những người có kinh nghiệm mở rộng quy mô (scaling) những thứ khác để tuyển dụng. Vì vậy, bạn cần xem xét điều đó.

Tầm quan trọng của thế hệ `thuần AI` (`AI-native`)

Và sau đó với những người trẻ tuổi, đây là nơi mọi thứ trở nên thực sự thú vị, Lenny à. Về cơ bản, những người duy nhất thuần AI (AI-native) thực sự sử dụng AI một cách tự nhiên đến mức nó được tích hợp vào quy trình kỹ sư của họ, là những người ở độ tuổi 20 hoặc 21. Ý tôi là, rất khó để tìm được ai đó ở độ tuổi 30 có thể thực sự thuần AI (AI-native) hoàn toàn.

Và vì vậy, chúng ta cần những người này để dạy chúng ta cách tư duy. Tôi đã có cơ hội làm việc với một vài người trong độ tuổi đó. Họ tiếp cận việc giải quyết vấn đề hoàn toàn khác biệt bởi vì họ sử dụng AI từ đầu cho mọi thứ, và họ thực sự nhanh hơn rất nhiều, và thật thú vị khi quan sát.

Vì vậy, việc tìm cách để những người thuần AI này dạy chúng ta – phần còn lại của chúng ta – cách họ tư duy về AI khi mà, bạn biết đấy, chúng ta (bạn và tôi, tôi nghĩ có thể nói vậy) là những người thuần kỹ thuật số (digital natives), nơi chúng ta lớn lên có thể không có internet khi còn rất nhỏ, nhưng chúng ta là thế hệ có internet đầu tiên khi chúng ta ở tuổi thiếu niên, và chúng ta là thế hệ có điện thoại di động đầu tiên thực sự ở quy mô lớn. Chúng ta là một thế hệ quan trọng bởi vì chúng ta đã có những... tôi nhớ năm nhất đại học ở Stanford, chúng tôi đã có những cơ sở dữ liệu đầu tiên mà bạn có thể truy cập và chia sẻ phim (tôi nghĩ đó là điều chúng tôi đã làm) và âm nhạc, hay bất cứ thứ gì. Nhưng điều này là mới, và vì vậy chúng ta đã trở nên thuần với những thứ này, và điều đó đã cho chúng ta rất nhiều động lực để tạo ra các công nghệ mới cho nó. Nhưng chúng ta phải chấp nhận rằng chúng ta không thuần với những công nghệ mới này, và bạn thực sự muốn những người đói khát, hào hứng và muốn học hỏi, những người có những kỹ năng này.

Gợi ý cuối cùng này là một xu hướng rất phổ biến trên podcast này khi chúng ta nói về tuyển dụng, điều này thực sự thú vị như một câu chuyện phản bác lại ý kiến "không còn việc làm cho người trẻ nữa. Tất cả các vai trò junior đã bị xóa sổ vì AI."

Tôi không nhìn nhận nó theo cách đó. Tôi nghĩ chúng ta cần họ. Tôi cũng nghĩ rằng chúng ta cần xây dựng các nhà công nghệ mới. Có một câu hỏi hiển nhiên là điều gì sẽ xảy ra nếu chúng ta không có các đội ngũ có cả người cấp cao (senior) và cấp thấp (junior). Nhưng tôi nghĩ điều bạn tìm thấy khi thực sự xây dựng những đội ngũ này là bạn phải có cả hai. Bạn bắt buộc phải có cả hai. Quy mô đội ngũ có thể sẽ nhỏ hơn một chút so với trước đây. Khi cuộc cách mạng AI trong phần cứng (hardware) này xảy ra, tôi không biết điều đó sẽ ảnh hưởng đến các đội ngũ như thế nào. Điều đó sẽ thực sự thú vị để quan sát.

Các nguyên tắc tuyển dụng chính

Vậy điều tôi đã nghe ở đây là: tìm kiếm những người đa năng (generalists) có thể linh hoạt theo bất cứ điều gì cần làm; một sự kết hợp giữa chuyên gia (specialist) trong việc mở rộng quy mô (scaling) và trong việc xây dựng từ zero to one; và sau đó là những sinh viên mới tốt nghiệp xuất sắc (cracked new grads) - đây là thuật ngữ hay nhất tôi từng nghe để chỉ những người thuần AI (AI-native) về cơ bản đang làm mọi thứ theo hướng AI-first (ưu tiên AI).

Đúng vậy. Và điều chúng ta chưa nói đến tất nhiên là sự phù hợp về sứ mệnh (mission alignment), yếu tố thực sự đoàn kết một đội ngũ. Vì vậy, nếu mọi người tham gia đều phù hợp với sứ mệnh (mission), điều đó giúp ích rất nhiều, đặc biệt là trong thế giới của các nhà nghiên cứu AI và những người làm phần cứng, có rất nhiều sự hiểu lầm vì chúng ta đến từ những thế giới rất khác nhau. Và vì vậy, việc có cảm giác rằng chúng ta đều cùng kéo theo một hướng (pulling for the in the same direction) là thực sự quan trọng.

Và sau đó, Lenny à, tôi rất tin tưởng vào trực giác (gut feel) của mình về con người, với giả định rằng mọi thứ khác mà tôi đang tìm kiếm đã được kiểm tra. Vì vậy, tôi không... khó để nói về ý nghĩa của điều đó, nhưng thông thường, đó là tia sáng (spark) mà bạn tìm kiếm ở một người, rằng họ thực sự có động lực (motivated). Họ có động lực bởi mong muốn học hỏi và bởi sự xuất sắc (excellence). Họ có động lực để học hỏi từ những người xung quanh. Họ cởi mở để cập nhật quan điểm của mình dựa trên thông tin mới, và họ muốn chiến thắng. Ý tôi là, đây là những điều thực sự quan trọng khi bạn đang xây dựng một đội ngũ.

Bài học từ những nhà kiến tạo huyền thoại

Tuyệt vời. Chỉ còn vài câu hỏi nữa thôi. Điều tôi đã muốn hỏi từ lâu là bạn đã làm việc với một số nhà kiến tạo huyền thoại và thành công nhất. Steve Jobs, Jony Ive, Mark Zuckerberg, Sam Altman. Bạn không cần phải nói hết về cả bốn người, nhưng chỉ cần một bài học bạn học được từ bất kỳ ai trong số họ mà bạn nhớ.

Chúng ta sẽ bắt đầu với Sam bởi vì gần đây nhất. Sam thực sự rất giỏi trong việc nói, "Tại sao không nhiều hơn? Tại sao không phải là 100 lần hoặc 10.000 lần? Bạn đang nghĩ quá nhỏ. Tại sao không nghĩ lớn hơn về điều này?" Và mỗi khi chúng tôi nói về một điều gì đó quan trọng, anh ấy lại nói về điều đó. Và điều tôi nhận ra là tôi đã suy nghĩ quá nhỏ trong một số lĩnh vực, và anh ấy thì suy nghĩ ở tầm toàn cầu. Và việc có được sự thúc đẩy đó từ một nhà lãnh đạo tham vọng (ambitious) thực sự hữu ích, tôi nghĩ vậy. Vì vậy, đó là một điều lớn mà tôi đã học được từ anh ấy về việc anh ấy sẵn sàng theo đuổi nó ở khối lượng lớn (high volume) và đầu tư... ý tôi là, không phải là "nhiều" theo nghĩa tiếp cận nhiều người, mà là anh ấy sẵn sàng suy nghĩ bằng những con số rất lớn. Điều đó thực sự, thực sự quan trọng về mặt nền tảng.

Tôi nghĩ đối với Steve Jobs, anh ấy đơn giản là tiêu chuẩn (bar) mà anh ấy đặt ra cho công ty, cho tài năng kỹ thuật (technical talent) và cho sự xuất sắc (excellence) là không hề lay chuyển. Nó luôn ở mức cao, và bạn hoặc sẽ đạt được nó, hoặc không. Và đó là một điều lan tỏa khắp toàn bộ công ty. Khi bạn là một người trẻ tham vọng (ambitious) và bạn nghe rằng một điều gì đó chưa đủ tốt, điều đó thực sự có thể cực kỳ có động lực (motivating). Tôi nghĩ, bạn biết đấy, nó không hoàn toàn tác động theo cách bạn nghĩ. Và nếu bạn nói với ai đó, "Này, cái này cần phải tốt hơn. Bạn cần dành nhiều thời gian hơn cho việc này. Bạn cần suy nghĩ kỹ hơn về điều này," hoặc "Cái này không đạt tiêu chuẩn chất lượng (quality bar) của chúng ta trong một buổi CAD review (đánh giá thiết kế hỗ trợ máy tính) hoặc gì đó," điều đó rất có tác động, và tôi nghĩ bạn sẽ không bao giờ muốn nghe điều đó nữa. Vì vậy, nó rất, rất có động lực.

Và sau đó là Mark Zuckerberg, tôi nghĩ anh ấy... tôi phải nói rằng anh ấy đã điều hành một công ty rất, rất tốt. Cách mà khía cạnh kỹ thuật (technical side) của công ty hoạt động, cách chúng tôi có các buổi đánh giá (reviews), cách các quyết định (decisions) được đưa ra – các quyết định được đưa ra ở cấp độ thấp nhất có thể trong công ty để duy trì tốc độ (speed). Tôi đã đánh giá thấp mức độ sạch sẽ và vận hành tốt của cách tổ chức phần cứng (hardware organization) tương tác với phần còn lại của công ty. Mọi thứ rất rõ ràng: "Đây là mục tiêu chúng ta đang hướng tới. Chúng ta sẽ có buổi đánh giá này. Chúng ta sẽ đưa ra quyết định trong buổi đánh giá này. Nếu bạn có thể đưa ra quyết định mà không cần đánh giá, bạn sẽ làm điều đó. Đây là các mục tiêu (objectives) cho dự án này." Nó thực sự được thực hiện rất tốt. Và tôi nghĩ điều đó rất khó thực hiện ở một công ty đang phát triển nhanh chóng. Rất, rất khó thực hiện ở cấp độ đó. Và việc có anh ấy và Andrew Bosworth, Giám đốc công nghệ (CTO), tham gia vào các quyết định kỹ thuật, có thể đọc các báo cáo (reports) dài 20 trang, thấu hiểu (grock) các đánh đổi (trade-offs), hiểu chúng và có thể đóng góp vào cuộc thảo luận kỹ thuật. Và đó chỉ là về công việc của tôi trong tuần đó, và họ làm điều đó hàng trăm lần mỗi tháng. Điều đó thật ấn tượng và chắc chắn là điều tôi đã học được từ họ.

Thật là một tập hợp những trải nghiệm đáng kinh ngạc và các loại hình nơi làm việc khác nhau. Tôi không biết liệu chúng có thể khác biệt hơn nữa hay không, tất cả những nơi này.

Tôi biết. Và tôi nghĩ đó là lý do tại sao tôi đang tìm kiếm cơ hội zero to one. Và vì vậy, khi bạn tìm kiếm cơ hội zero to one, nó sẽ luôn ở một nơi khác biệt, nói chung.

Bài học từ thất bại: Dự án `Quest 1`

Bạn sẽ trở thành một tài sản hot (hot commodity) trên thị trường này giờ đây khi bạn là một người tự do (free agent). Nhưng mặt khác, tôi muốn đưa chúng ta đến góc thất bại (fail corner). Tôi cảm thấy một người xây dựng phần cứng, những thứ vật lý, có một vài câu chuyện thất bại tuyệt vời. Có một câu chuyện nào về thứ gì đó bạn đã xây dựng, thứ gì đó bạn đã làm việc mà thất bại, và điều bạn học được từ trải nghiệm đó không?

Đây là một câu hỏi tuyệt vời và không thoải mái chút nào. Một trong những thất bại yêu thích của tôi thực ra là trên chiếc Quest 1. Đó là xung quanh giai đoạn EVT (Engineering Validation Test), khoảng giữa dự án Quest 1. Và chúng tôi phát hiện ra rằng chúng tôi đã giảm từ năm camera xuống còn bốn để giảm chi phí (cost reduction). Chúng tôi đã nói một chút về điều này. Chúng tôi cần giảm giá để nhiều người hơn có thể mua chúng.

Và điều đã xảy ra là ngay trước Giáng sinh, tôi nghe từ trưởng nhóm phụ trách thị giác máy tính (computer vision), và anh ấy nói: "Ôi trời ơi, dữ liệu từ các camera không hoạt động và chúng ta không thể khóa (get a lock) được vị trí của người dùng đang sử dụng tai nghe (headset)." Vì vậy, chúng tôi đã điều tra và nhận ra rằng sự giải thích (interpretation) của họ về đặc tả kỹ thuật (spec) của chúng tôi và sự giải thích của chúng tôi về đặc tả kỹ thuật của chúng tôi là khác nhau.

Vì vậy, trong kỹ thuật (engineering), chúng tôi thường sử dụng sai số (plus or minus), như nó có thể tăng hoặc giảm trong trường hợp này, tôi nghĩ là 0,15 mm hoặc gì đó. Và trong thế giới của anh ấy, anh ấy đã quen với việc có một giới hạn toàn cầu (global limit) là trong vòng 0,15 mm. Và vì vậy, chúng tôi có sự giải thích khác nhau về đặc tả kỹ thuật.

Giờ đây, vấn đề là sự giải thích của chúng tôi về đặc tả kỹ thuật có nghĩa là anh ấy không thể đạt được mục tiêu của mình là có thể hiểu được vị trí của tai nghe trong không gian. Và vì vậy, chúng tôi phải thực hiện thiết kế lại (redesign). Và đây là ở giai đoạn EVT. Tức là đây là lúc bạn muốn việc kỹ thuật (engineering) đã hoàn thành.

Đây là một bản dựng.

EVT là khi chúng tôi biên dịch (compile) phần cứng (hardware) lần đầu tiên với mọi thứ đã được hoàn thành. Vì vậy, các thành phần cuối cùng (final components), vật liệu cuối cùng (final materials), bạn đang chế tạo các thành phần (components) trên các công cụ (tools) mà bạn sẽ sử dụng để sản xuất hàng loạt (mass production), thay vì chỉ gia công (machining) chúng. Vì vậy, đó là một việc lớn.

Và vì vậy, điều chúng tôi phải làm là ưu tiên. Chúng tôi có bốn camera nổi (floating). Chúng tôi phải khóa (lock) hai camera dưới lại với nhau và đặt chúng trên một giá đỡ (bracket) để khoảng cách tương đối giữa chúng đáp ứng đặc tả kỹ thuật mà anh ấy cần. Và sau đó để hai camera còn lại nổi. Vì vậy, đây là một thay đổi kiến trúc (architectural change) và đây là một thất bại. Ý tôi là, đó là một thất bại trong việc hiểu đặc tả kỹ thuật. Đó là một thất bại trong... về cơ bản là thiết kế sản phẩm (product design), nhưng đó là do sự hiểu lầm về đặc tả kỹ thuật.

Và vì vậy, chúng tôi đã có thể thích nghi. Chúng tôi thực sự giữ được tiến độ xây dựng (build) đúng thời hạn và chúng tôi thực sự đã xuất xưởng sản phẩm đúng thời hạn, nhưng nó thực sự rất căng thẳng. Và hóa ra, thiết kế mới (new design) thực sự tốt hơn, bởi vì với một cặp camera được ưu tiên (favored pair), bạn có một nguồn sự thật (source of truth) cho không gian, và sau đó hai camera còn lại chồng chéo (overlap) lên nguồn sự thật đó. Và vì vậy, nó đã hoạt động tốt.

Khắc phục sự cố phần cứng của Quest 1

Tôi nghĩ đó là một kết quả tốt, nhưng là một sự hỗn loạn và chắc chắn ước gì chúng tôi đã phát hiện ra nó sớm hơn bốn tháng.

Một ví dụ khác về việc phần cứng là như thế nào. Bạn không thể làm hỏng một thông số kỹ thuật và rồi "được rồi, chúng ta đã lãng phí một tuần để chế tạo thứ không hoạt động" và bây giờ, bốn tháng sau, vẫn phải làm lại chuỗi cung ứng phần cứng.

Vâng. Vâng. Nó thực sự khó khăn.

Vậy thì Quest 1 đã xuất xưởng, đã được di chuyển camera đúng không?

Đúng vậy.

Tuyệt vời.

Đúng vậy. Nếu bạn nhìn, các camera có hai camera gần nhau hơn một chút ở phía trước của Quest, ở phía dưới.

Tuyệt vời. Bos và Zuck cảm thấy thế nào về điều này?

Việc tôi không nhớ có lẽ có nghĩa là mọi thứ ổn. Giống như, tôi nghĩ chúng tôi đã giải quyết nó. Chúng tôi đã thiết kế lại nó. Chúng tôi phải thay đổi vật liệu trên giá đỡ. Tôi nghĩ chúng tôi phải dùng thép để giữ được dung sai cần thiết, nhưng nó đã hoạt động tốt và giá cả, chi phí cũng như tỷ lệ lợi nhuận đều ổn. Vì vậy, tôi nghĩ chúng tôi đã thích nghi.

Và đó là thiết bị VR bán chạy nhất mọi thời đại, đúng không?

Tôi nghĩ vậy.

Được rồi.

Tôi không có số liệu bán hàng cuối cùng, nhưng...

Nắm bắt cơ hội từ công cụ AI

Được rồi. Caitlyn, chúng ta đã thảo luận rất nhiều. Bạn còn muốn chia sẻ điều gì khác không? Có điều gì bạn muốn để lại cho người nghe không? Hoặc là nhấn mạnh lại những gì chúng ta đã chia sẻ, hoặc bất cứ điều gì khác mà bạn muốn nói?

Tôi nghĩ đây có lẽ là một trong những thời điểm thú vị nhất mà chúng ta đang bước vào. Và tôi nghĩ, đối với tất cả chúng ta, bao gồm cả tôi, việc lo lắng và sợ hãi về nó là điều bình thường, nhưng tôi cũng nghĩ đây là cơ hội để mọi người đạt được một lượng tiến bộ phi thường, và với tư cách là một cá nhân, làm được nhiều hơn những gì chúng ta từng làm trước đây. Và đó là khía cạnh tôi đang cố gắng đón nhận. Những công cụ mới này, cách làm việc mới này thật đáng sợ, nhưng nếu bạn đón nhận nó và hàng ngày sử dụng những công cụ AI này ngay bây giờ, và hàng ngày áp dụng chúng vào những gì bạn đang làm, bạn sẽ đi đầu trong bất cứ điều gì sắp tới. Vì vậy, tôi chỉ muốn khuyến khích mọi người hãy sáng tạo, sử dụng những công cụ này, vui vẻ với chúng, tìm ra ranh giới là gì, và sau đó mỗi khi một mô hình mới ra mắt, hãy thử nghiệm lại, vì điều rất quan trọng là phải biết chúng ta đang đối phó với cái gì và ranh giới này ở đâu. Nhưng tôi cũng chưa bao giờ hào hứng hơn về sức mạnh của một cá nhân.

Đề xuất sách, phim và sản phẩm

Tuyệt vời, Caitlyn, chúng ta đã đến vòng hỏi nhanh thú vị. Tôi có năm câu hỏi dành cho bạn. Bạn sẵn sàng chưa?

Tôi sẵn sàng rồi.

Câu hỏi đầu tiên, hai hoặc ba cuốn sách bạn thường xuyên giới thiệu cho người khác là gì?

Gần đây tôi chủ yếu đọc các tác phẩm kinh điển. Vì vậy, "Book of the New Sun" là một cuốn tiểu thuyết tuyệt vời mà tôi thực sự khuyên đọc. Tôi nghĩ đó là tên của nó. Tôi đã không đọc nó một thời gian rồi. Tôi thực sự yêu thích "Mrs. Dalloway". Tôi nghĩ đó là một cuốn sách rất thú vị về sự chuyển giao, và đó là một cuốn sách thời hậu chiến của Virginia Woolf. Vì vậy, tôi thực sự yêu thích nó và tôi nghĩ nó rất tuyệt vời. Tôi nghĩ "Lịch sử" của Herodotus khá đáng kinh ngạc. Ông ấy thường sai, nhưng đó cũng là cuốn sách lịch sử đầu tiên và trong nhiều trường hợp, ông ấy đã đi tìm những ghi chép trực tiếp hoặc gián tiếp về những gì đã xảy ra. Đó là một cách để nhìn vào thế giới ở một thời đại hoàn toàn khác so với bây giờ. Vì vậy, đây là một số cuốn sách tôi thích và tôi sẽ kiểm tra lại tên của cuốn đầu tiên và gửi email cho bạn. Nhưng tôi nghĩ đó là tên của nó.

Được rồi. Và chúng tôi sẽ liên kết đến cuốn sách chính xác trong phần ghi chú chương trình. Bộ phim hoặc chương trình TV gần đây bạn thực sự yêu thích là gì?

Tôi thực sự đang say mê "Euphoria" lúc này. Tôi nghĩ "Euphoria" mới. Tôi quan tâm đến các nhân vật và việc tìm hiểu xem điều gì sẽ xảy ra ở đó.

Chương trình đó thật căng thẳng mỗi khi tôi xem.

Đó là một melo drama. Tôi nghĩ bạn phải coi nó như một soap opera thì mới thấy vui, nếu bạn nghĩ quá nghĩa đen.

Được rồi. Điều đó hữu ích. Bạn có sản phẩm yêu thích nào gần đây bạn khám phá mà bạn thực sự yêu thích không? Có thể là phần cứng, có thể là một ứng dụng, có thể là một món đồ quần áo, có thể là một thiết bị.

Tôi thực sự thích Vollebak. Những bộ quần áo của họ. Họ làm ra những bộ quần áo rất thú vị. Về cơ bản, họ đang dựa trên khoa học vật liệu để tạo ra quần áo mới. Vì vậy, họ lấy khoa học vật liệu mới và biến chúng thành quần áo. Đó chỉ là một thương hiệu thú vị để theo dõi.

Vol?

V O L L E B A K. Vollebak.

Rất tuyệt. Bạn có châm ngôn sống yêu thích nào mà bạn thường xuyên trở lại trong công việc hay trong cuộc sống không?

Bạn đã thấy biểu đồ đó chưa, nơi có tất cả các nhánh và sau đó bạn đang ở đây, và rồi có tất cả các nhánh từ điểm này?

Đúng vậy.

Đúng vậy. Bạn biết nó là từ đâu không? Tôi không biết là từ ai. Tôi nghĩ về điều này rất nhiều vì rất khó để không bị mắc kẹt trong tương lai hoặc quá khứ và chỉ ở lại đây. Tôi gặp khó khăn với điều đó. Nhưng đó là một lời nhắc nhở tuyệt vời rằng bạn biết đấy, bạn có thể lựa chọn mỗi ngày. Bạn có thể quyết định mỗi ngày điều bạn muốn làm. Và đôi khi mọi thứ không diễn ra theo cách bạn muốn và đôi khi bạn hối tiếc về những gì bạn đã làm hoặc đôi khi bạn tự hào về những gì bạn đã làm, nhưng điều đó thực sự không quan trọng. Điều quan trọng là những gì đang ở ngay trước mắt bạn.

Chúng tôi sẽ hiển thị hình ảnh đó trên màn hình khi bạn nói hoặc chúng tôi sẽ liên kết đến nó trong phần ghi chú chương trình. Nó rất mạnh mẽ.

Theo đuổi kiến thức sâu sắc và vai trò của con người

Câu hỏi cuối cùng. Một người biết bạn rất rõ đã chia sẻ một chi tiết thú vị về bạn: bạn đã thuê một tiến sĩ để dạy kèm về những tác phẩm kinh điển của Hy Lạp và La Mã cổ đại và bạn thực sự tìm hiểu sâu về những thứ này. Chuyện gì đang xảy ra vậy? Điều gì thúc đẩy bạn đi sâu vào những thứ như vậy?

Đây là một lĩnh vực cực kỳ mọt sách, nhưng tôi đã tìm thấy danh sách này mà nhà thơ Joseph Brodsky đã viết, đó là danh sách các tác phẩm tiếng Anh – hoặc danh sách những điều bạn nên đọc để có một cuộc trò chuyện thông minh bằng tiếng Anh. Và đó là một danh sách có vẻ như bị ảnh hưởng, như bạn biết đấy, nó rất căng thẳng. Nó giống như Cựu Ước, Gilgamesh, và rồi tất cả những thứ khác. Nhưng điều tôi nhận thấy là đó là một sự chắt lọc khá tốt về cái mà chúng ta từng gọi là kho tàng văn hóa phương Tây. Và thực ra tôi đã học được rất nhiều trong giáo dục phổ thông và đại học, nhưng tôi chưa bao giờ thực sự học được từ cái mà bạn coi là kho tàng văn hóa phương Tây. Và đây là một phần bổ sung cho điều đó, có một số cuốn sách mới hơn trong danh sách. Tôi thấy thật hấp dẫn khi có thứ gì đó để dựa vào. Và điều tôi nhận thấy là khi tôi đi sâu vào đặc biệt là các bi kịch Hy Lạp, tôi không có đủ ngữ cảnh để học những gì tôi muốn học. Và chỉ đọc chúng thôi thì không đủ tiếp thu. Vì vậy, tôi đã tìm thấy một nghiên cứu sinh sau tiến sĩ tuyệt vời, người sẵn lòng dạy kèm cho tôi. Và tôi có thể hỏi anh ấy tất cả những câu hỏi này. Anh ấy là một bách khoa toàn thư. Anh ấy biết mọi thứ. Tôi có thể hỏi anh ấy chuyện gì đang xảy ra ở Thổ Nhĩ Kỳ vào thời điểm của bi kịch Hy Lạp mà chúng tôi đang đọc này và chuyện gì đang xảy ra ở Athens và bi kịch gia này có thể đang phản ứng với điều gì. Và anh ấy có thể trả lời câu hỏi đó. Thật vui khi có khả năng có được người góp ý đó.

Tuyệt vời quá. Bạn đã làm điều đó thật tuyệt. Mặc dù AI có thể làm được rất nhiều điều này, nhưng đôi khi một con người nói chuyện thú vị hơn nhiều và cảm thấy tốt hơn.

Đúng vậy. Tôi thấy việc đọc và giao tiếp với AI rất hữu ích cho những điều cơ bản, nhưng sau đó, việc hiểu những gì đang diễn ra về mặt văn hóa và ý nghĩa của tác phẩm thì không đủ.

Đó là bởi vì chúng ta không phải là những người trẻ tuổi hai mươi.

Tôi không nghĩ nó sai. Chúng ta chỉ không lớn lên theo cách này. Và tôi tưởng tượng, sinh viên đại học, họ sẽ không tại sao tôi lại làm điều đó? Tôi chỉ có Claude ở đây.

Đúng vậy.

Tuyệt vời quá. Tôi thích điều đó.

Cùng nhau thiết kế tương lai AI

Tuyệt vời, điều này thật đáng kinh ngạc. Bạn thật tuyệt vời. Mọi người có thể tìm bạn ở đâu trực tuyến nếu họ muốn tìm bạn? Nếu họ muốn liên hệ, tôi không biết, thử thuê bạn. Và câu hỏi cuối cùng, làm thế nào người nghe có thể hữu ích cho bạn?

Vì vậy, tôi có một trang web chỉ là tên của tôi.com. Tôi cũng có mặt trên LinkedIn. Mọi người có thể giúp tôi. Tôi nghĩ việc giúp hình dung tương lai. Đây không phải là một trò chơi một người chơi. Đây là một trò chơi nhiều người chơi. Việc tìm ra tương lai chúng ta muốn là gì, chúng ta muốn nó trông như thế nào, chúng ta muốn khía cạnh con người trong tương lai đó là gì, và chúng ta nghĩ chúng ta muốn giữ gì cho bản thân. Chúng ta muốn tăng cường bản thân như thế nào, giống như hiện tại chúng ta đang ở trong một ngách loạn lạc nơi mọi thứ chỉ là... bạn biết đấy, thật kinh khủng. Tương lai có vẻ kinh khủng và cách để không có điều đó là thực sự thiết kế tương lai của chính chúng ta cùng nhau, tìm ra chúng ta muốn tương lai của mình trông như thế nào, vẽ một bức tranh trong tiểu thuyết, trong văn học, trong cuộc trò chuyện và sau đó xây dựng điều đó, và tôi nghĩ điều đó là khả thi.

Tôi thích điều đó, đó thực sự là một thông điệp đã xuất hiện trong một vài tập podcast gần đây. Vì vậy, đó là một lời nhắc nhở rất hay.

Lời kết

Caitlyn, cảm ơn bạn rất nhiều vì đã ở đây.

Thật vui, Lenny. Cảm ơn vì đã mời tôi.

Chào mọi người. Cảm ơn rất nhiều vì đã lắng nghe. Nếu bạn thấy điều này có giá trị, bạn có thể đăng ký theo dõi chương trình trên Apple Podcast, Spotify hoặc ứng dụng podcast yêu thích của bạn. Ngoài ra, vui lòng xem xét việc đánh giá hoặc để lại đánh giá vì điều đó thực sự giúp những người nghe khác tìm thấy podcast. Bạn có thể tìm tất cả các tập trước hoặc tìm hiểu thêm về chương trình tại lennyspodcast.com. Hẹn gặp lại trong tập tiếp theo.

TL;DR

Tương lai của AI đang chuyển dịch từ thế giới kỹ thuật số sang thế giới vật lý, với sự bão hòa của các khả năng AI "đằng sau bàn phím" và sự nổi lên của robotics, sản xuất và công nghiệp hóa là biên giới tiếp theo.
Mặc dù thực tế ảo (VR) chưa phổ biến rộng rãi, những công nghệ nền tảng phát triển từ VR như SLAM và cảm biến chiều sâu đang trở thành yếu tố cốt lõi, thúc đẩy sự tiến bộ của thực tế tăng cường (AR) và robotics.
Phát triển phần cứng có chu trình và thách thức khác biệt đáng kể so với phần mềm, đòi hỏi cách tiếp cận thận trọng hơn, chu kỳ "biên dịch" hạn chế, chi phí cao (ví dụ: giá bộ nhớ) và việc quản lý biến động của các bộ phận để đạt được tỷ lệ sản phẩm đạt yêu cầu cao trong sản xuất hàng loạt.

Điểm chính

Chuyển dịch sang AI Vật lý: Khi khả năng AI trong môi trường kỹ thuật số đạt điểm bão hòa, lĩnh vực tiên phong tiếp theo sẽ là AI vật lý, robot và các ứng dụng công nghiệp hóa, đòi hỏi sự tái công nghiệp hóa đáng kể.
Bài học từ VR cho Robotics: Các khoản đầu tư lớn vào VR, dù chưa mang lại thành công tiêu dùng như mong đợi, đã tạo ra những công nghệ then chốt (như SLAM để định vị không gian) đang được áp dụng rộng rãi trong lĩnh vực robotics.
Thách thức của Kính AR: Kính AR được xem là một phần của tương lai, cho phép duy trì kết nối xã hội và tiếp nhận thông tin hiệu quả hơn, nhưng vẫn đối mặt với các thách thức về sản xuất hàng loạt (waveguides, microLEDs) và phương thức nhập liệu.
Chu trình phát triển Phần cứng khác biệt: Không giống phần mềm có thể cập nhật liên tục, phần cứng chỉ có thể "biên dịch" (thiết kế lại và sản xuất) một vài lần, đòi hỏi sự thận trọng cực cao, kiểm tra độ tin cậy nghiêm ngặt và không có khả năng cập nhật qua mạng sau khi xuất xưởng.
Quản lý Biến động Bộ phận: Sản xuất phần cứng ở quy mô lớn đối mặt với thách thức lớn từ biến động của các bộ phận; việc giải quyết những sai lệch nhỏ là cần thiết để đảm bảo tỷ lệ sản phẩm đạt yêu cầu cao và lợi nhuận.
Chi phí Bộ nhớ là rào cản: Giá bộ nhớ cao đang là một "thiên thạch" gây ra khó khăn đáng kể cho ngành công nghiệp phát triển phần cứng tiêu dùng, robotics và AI vật lý.
Sự trỗi dậy của Robotics Phần cứng: Có một xu hướng rõ rệt về việc giảm số lượng sinh viên khoa học máy tính và tăng số lượng sinh viên theo học robotics phần cứng tại các trường đại học, cho thấy sự thay đổi về nhận thức về tầm quan trọng của lĩnh vực này.
Tầm quan trọng của Lãnh đạo Phần cứng: Các nhà lãnh đạo phần cứng kỳ cựu với kinh nghiệm sâu rộng từ các công ty như Apple, Meta và OpenAI là yếu tố then chốt để dẫn dắt sự phát triển của các sản phẩm AI vật lý và robot.

Từ vựng

AI — Trí tuệ nhân tạo
Robotics — Ngành chế tạo và sử dụng robot
Manufacturing — Sản xuất
Industrialization — Công nghiệp hóa
Hardware — Phần cứng
Physical AI — AI vật lý
VR (Virtual Reality) — Thực tế ảo
AR (Augmented Reality) — Thực tế tăng cường
SLAM (Simultaneous Localization and Mapping) — Định vị và Lập bản đồ đồng thời
Mass production — Sản xuất hàng loạt
Part variance — Biến động của các bộ phận

Nội dung chi tiết

Tương lai của AI: Từ Bàn phím đến Thế giới Vật lý

Thiết kế và Định hình Tương lai

Tạo ra Robot có Cảm giác Con người

Thách thức về Chi phí Bộ nhớ cho Phần cứng Vật lý

Giới thiệu Caitlyn Kalinowski: Lãnh đạo Phần cứng Tiên phong

VR: Đầu tư lớn và Bài học Giá trị

Tương lai của Kính AR và AI Vật lý

Phát triển Sản phẩm: Ý tưởng Tồi hay Triển khai Kém?

Sự trỗi dậy của Robot và Robotics

Khó khăn tiềm ẩn trong Phát triển Phần cứng

Sự Khác biệt về Chu trình Phát triển: Phần cứng vs. Phần mềm

Sự khác biệt giữa phát triển phần cứng và phần mềm

Tình trạng hiện tại và mối lo ngại về robot hình người

Thách thức về khả năng mở rộng và chuỗi cung ứng robot

Chuỗi cung ứng `robotics`: Từ nguyên liệu thô đến bộ truyền động

Nút thắt cổ chai và bối cảnh địa chính trị trong chuỗi cung ứng

Nam châm: Một thành phần cốt lõi của bộ truyền động

Wow. Chúng ta cần một bài giảng trên YouTube về cách vật lý (physics) này hoạt động. Được rồi. Rất hay.

Tầm quan trọng của công nghệ quân sự độc lập và tái công nghiệp hóa

Tái Trang Bị Sản Xuất và Thách Thức Từ Drone

Thay Đổi Công Nghệ Quân Sự và Thách Thức Chi Phí

Tinh Thần Đổi Mới và Liên Kết Giữa VR với Công Nghệ Quốc Phòng

Công Nghệ Gây Chết Người và Xây Dựng Tương Lai

An Toàn AI: Từ Chatbot Đến Robot Vật Lý

Kiểm Soát Mối Đe Dọa Phần Cứng Trong Chiến Tranh

Rủi Ro Thông Tin Cá Nhân với OpenClaw và Robot

Kinh Nghiệm Thực Tế: Rủi Ro Rò Rỉ Thông Tin Qua OpenClaw

Nguy Cơ Từ Robot: Độ Mềm Bàn Tay và Thiệt Hại Tiềm Tàng

Tác Động Của AI: Từ Thói Quen Đến Điều Hướng Xe Tự Lái

Tương Lai Bất Định

>> Thật buồn cười. Vâng, tôi nghĩ mọi thứ sẽ trở nên kỳ lạ rất nhanh.

Phần Cứng: Lợi Thế Cạnh Tranh Trong Kỷ Nguyên AI

Bài Học Từ Apple: Sự Xuất Sắc Của Phần Cứng và Nguyên Tắc Cơ Bản

Hành Trình Oculus: Từ Hacking Startup Đến Sản Xuất Chuyên Nghiệp

Tầm Quan Trọng Của Sự Tỉ Mỉ và Mục Tiêu Cốt Lõi

Case Study Quest 2: Dân Chủ Hóa VR Thông Qua Giảm Chi Phí

Xây Dựng Hardware: Đặt Mục Tiêu Sớm và Tính Không Linh Hoạt

Đặt Mục Tiêu Rõ Ràng và Ưu Tiên trong Phát Triển Phần Cứng

Thiết Kế Các Phần Khó Nhất Trước

Tập Trung Vào Trải Nghiệm Người Dùng Cuối

Hiệu Quả Tối Đa và Hành Động Ngay Lập Tức

Tóm Tắt Lời Khuyên Phát Triển Phần Cứng

Các Loại Mục Tiêu Quan Trọng

Câu Chuyện Về MacBook Air và Steve Jobs

Vấn Đề Bàn Phím Cánh Bướm và Phản Hồi Người Dùng

Vanta: Giải Pháp Tuân Thủ và Quản Lý Rủi Ro

Thảo Luận Với Người Sáng Lập Madic

Vấn đề giá `memory` và `supply chain`

Mức độ tăng giá và định nghĩa `memory`

Nút thắt cổ chai và sự phức tạp của `hardware`

Tái thiết kế thảm khốc và hệ thống phân cấp `component`

Dọc hóa `supply chain` để đối phó gián đoạn

`Off-the-shelf` so với linh kiện tùy chỉnh

`AI` và thiết kế `CAD`

Tác động của AI lên CAD và PCB

Hạn chế của AI và nhu cầu mô hình mới

Vậy, điều thú vị về những gì bạn đã chia sẻ là AI đã tác động đến công việc chế tạo phần cứng và robot, nhưng nó đang trên bờ vực của sự biến đổi nếu nó có thể đạt đến mức CAD thực sự.

Vâng. Và câu hỏi lớn của tôi là, điều đó sẽ đòi hỏi những gì? Rất nhiều AI dựa trên các mô hình ngôn ngữ lớn (LLM), về cơ bản là các công cụ tạo từ, đoán từ. Chúng phức tạp hơn thế, nhưng đó là bản chất công việc của chúng. Và cũng có các mô hình video mà bạn đã thấy được huấn luyện trên video. Nhưng những mô hình này không hiểu – chúng không tốt lắm cho những gì tôi cần, đó là: tôi cần biết, "Này, bạn lấy một tờ giấy, bạn gấp nó bốn lần, và bạn làm như thế này." Chẳng hạn, cái lỗ sẽ ở đâu khi bạn mở nó ra? Các LLM và thậm chí cả mô hình video này, chúng không biết cách làm điều đó. Chúng không có khả năng hiểu ma sát, trọng lượng, tiếp xúc, áp lực, độ ma sát, kết cấu bề mặt. Chúng đơn giản là không thể làm được những điều này. Và đây là cốt lõi của những gì chúng ta cần trong kỹ thuật để có thể hiểu và xây dựng mọi thứ.

Robot hình người và robot chuyên dụng

Tôi thực sự không biết Fay đang làm gì gần đây nhất. Nhưng rõ ràng, cô ấy là một nhà nghiên cứu robot tài năng, và tôi rất muốn tìm hiểu thêm về những gì cô ấy đang làm. Vì vậy, tôi sẽ phải tìm hiểu điều đó. Những gì tôi đã thấy là những gì chúng ta có hiện tại và những mô hình chúng ta đang xây dựng sẽ là một phần của giải pháp, nhưng không phải toàn bộ. Quay trở lại với robot và robot hình người, một điều mà chúng ta đã trò chuyện trước đó: Bạn cảm thấy robot hình người không nhất thiết là câu trả lời cho nhiều vấn đề và cơ hội mà chúng ta đang có. Hãy nói về cảm nhận của bạn về robot hình người so với robot không phải hình người.

Vâng, tôi nghĩ có một chu kỳ cường điệu xung quanh robot hình người. Điều đó không có nghĩa là chúng không cực kỳ thú vị, và tôi nghĩ sẽ có những người chiến thắng ở đó, nhưng điều tôi nghe nhiều là, "Tôi muốn một robot hình dáng tổng quát để làm mọi thứ." Và tôi không biết liệu điều đó có hiệu quả không. Tôi nghĩ rằng bạn cần các loại robot khác nhau để làm các loại việc khác nhau. Ví dụ, nếu bạn có một chiếc máy tính xách tay và bạn muốn bắt vít bàn phím vào vỏ máy, tôi không nghĩ đây là công việc cho một robot hình người. Đây là công việc cho một robot chuyên dụng, robot sản xuất đã được thiết kế chỉ để bắt 10 con vít vào một vỏ máy cho chiếc máy tính xách tay cụ thể này. Và bạn muốn làm điều đó 10.000 lần một ngày hoặc 10.000 lần một tuần, đó là một robot chuyên dụng được thiết kế đặc biệt để làm điều đó.

Thách thức về dữ liệu CAD trong việc robot tự thiết kế

Điều đó hoàn toàn hợp lý. Khi bạn nói về điều này, tôi nghĩ rằng sẽ có một khoảnh khắc lớn khi một robot có thể chế tạo các robot khác, và điểm CAD bạn nêu ra, rằng khi AI có thể phát triển các thiết kế hoàn chỉnh cho phần cứng — đó sẽ là một khoảnh khắc lớn. Bạn có cảm thấy chúng ta gần đến mức nào với điều này? Tôi không biết, cái vòng lặp bắt đầu của các robot tự xây dựng và tự thiết kế lẫn nhau.

Nếu bạn nói về việc các robot chế tạo các robot khác biệt so với chúng thường lệ, vâng, tôi nghĩ điều đó sẽ xảy ra. Nhưng vấn đề là các thuật ngữ. Tôi không nghĩ sẽ có một robot tự xây dựng chính nó. Tôi không nghĩ rằng đó là những gì nó sẽ trông như vậy. Nhưng vâng, việc AI có thể – nếu bạn có thể nói, "Này, tôi muốn chế tạo cái này và tôi muốn nó làm điều này, và trông nó như thế này, và đây là một bức ảnh." Ý tưởng rằng ngay cả một người có sở thích cũng có thể đi từ một hình ảnh 2D đến CAD 3D phức tạp, đến lắp ráp, đến giao tiếp với nhà cung cấp về cách chế tạo các bộ phận đó, và nhận phản hồi của họ để lặp lại và thực hiện một vài bản dựng – tôi nghĩ điều đó là có thể trong tương lai. Liệu ban đầu nó có tốt bằng chúng ta tự làm không? Không. Nhưng nó sẽ xảy ra.

Huấn luyện AI: Dữ liệu và giải pháp On-Prem

Thật thú vị với ý tưởng về việc mô hình AI cần dữ liệu gì để huấn luyện. Tôi đã nghe nói rằng các phòng thí nghiệm đang mua mã nguồn từ các kho lưu trữ GitHub trước năm 2021, bởi vì đó là trước khi AI tác động đến mã nguồn, do ngày càng có ít mã nguồn do con người viết. Và đây là các công ty gán nhãn dữ liệu như Mercor, Surge và Handshake cùng những công ty tương tự. Có vẻ như đây là một cơ hội lớn có thể xuất hiện khi họ bán dữ liệu, tạo ra các tệp CAD này.

Hoàn toàn đúng. Và một ý tưởng thực sự tuyệt vời, tôi nghĩ, là có một hệ thống AI có thể chạy tại chỗ (on-premise). Tức là, nằm bên trong một trung tâm dữ liệu mà công ty sở hữu và sau đó huấn luyện nó bằng dữ liệu của họ. Tôi nghĩ điều đó có thể hoạt động trong tương lai, nhưng bạn cần rất nhiều dữ liệu CAD này. Vì vậy, bạn sẽ cần một mô hình cơ sở có nhiều dữ liệu CAD. Chúng ta sẽ phải tìm cách làm điều đó. Điều đó sẽ rất thú vị. Và sau đó chúng ta sẽ phải tìm cách đặt nó an toàn bên trong, về cơ bản là bên trong các bức tường của các công ty và sau đó để họ huấn luyện nó bằng dữ liệu của chính họ. Tôi không biết liệu điều đó sẽ giống như một lớp MCP hay là gì, nhưng điều này có vẻ khả thi về lâu dài.

Tạo robot có khả năng kết nối với con người

Tôi muốn hỏi một câu hỏi mà em gái tôi đã gợi ý. Cô ấy thực sự là một người làm VR lâu năm. Cô ấy từng làm việc tại Oculus. Cô ấy tham gia cùng với thương vụ mua lại. Cô ấy đã giúp tạo ra rất nhiều nội dung trong thực tế ảo (VR). Cô ấy đã ở trong thế giới VR một thời gian dài và bây giờ cô ấy đang làm những việc khác. Cô ấy muốn tôi hỏi bạn, "Cần gì để tạo ra một robot có cảm giác giống con người và có khả năng kết nối mà con người cảm thấy gắn bó?"

Thiết kế Robot và Tương tác Người-Máy

Thách thức của Robot Gia đình và Niềm tin

Tầm nhìn Tương lai về Robot và Thách thức

Lý do rời OpenAI và Quan điểm về Chính sách

Quy tắc Bảo mật và Giá trị Cá nhân

Đây là cơ hội tuyệt vời để bạn thì thầm cho tôi biết OpenAI đang làm gì. Thiết bị robotics đó là gì, chỉ giữa bạn và tôi thôi?

Chiến lược tuyển dụng cho lĩnh vực mới: `AI` và `Robot`

Tầm quan trọng của thế hệ `thuần AI` (`AI-native`)

Các nguyên tắc tuyển dụng chính

Bài học từ những nhà kiến tạo huyền thoại

Bài học từ thất bại: Dự án `Quest 1`

Đây là một bản dựng.

Khắc phục sự cố phần cứng của Quest 1

Tôi nghĩ đó là một kết quả tốt, nhưng là một sự hỗn loạn và chắc chắn ước gì chúng tôi đã phát hiện ra nó sớm hơn bốn tháng.

Một ví dụ khác về việc phần cứng là như thế nào. Bạn không thể làm hỏng một thông số kỹ thuật và rồi "được rồi, chúng ta đã lãng phí một tuần để chế tạo thứ không hoạt động" và bây giờ, bốn tháng sau, vẫn phải làm lại chuỗi cung ứng phần cứng.

Vâng. Vâng. Nó thực sự khó khăn.

Vậy thì Quest 1 đã xuất xưởng, đã được di chuyển camera đúng không?

Đúng vậy.

Tuyệt vời.

Đúng vậy. Nếu bạn nhìn, các camera có hai camera gần nhau hơn một chút ở phía trước của Quest, ở phía dưới.

Tuyệt vời. Bos và Zuck cảm thấy thế nào về điều này?

Việc tôi không nhớ có lẽ có nghĩa là mọi thứ ổn. Giống như, tôi nghĩ chúng tôi đã giải quyết nó. Chúng tôi đã thiết kế lại nó. Chúng tôi phải thay đổi vật liệu trên giá đỡ. Tôi nghĩ chúng tôi phải dùng thép để giữ được dung sai cần thiết, nhưng nó đã hoạt động tốt và giá cả, chi phí cũng như tỷ lệ lợi nhuận đều ổn. Vì vậy, tôi nghĩ chúng tôi đã thích nghi.

Và đó là thiết bị VR bán chạy nhất mọi thời đại, đúng không?

Tôi nghĩ vậy.

Được rồi.

Tôi không có số liệu bán hàng cuối cùng, nhưng...

Nắm bắt cơ hội từ công cụ AI

Đề xuất sách, phim và sản phẩm

Tuyệt vời, Caitlyn, chúng ta đã đến vòng hỏi nhanh thú vị. Tôi có năm câu hỏi dành cho bạn. Bạn sẵn sàng chưa?

Tôi sẵn sàng rồi.

Câu hỏi đầu tiên, hai hoặc ba cuốn sách bạn thường xuyên giới thiệu cho người khác là gì?

Tôi thực sự đang say mê "Euphoria" lúc này. Tôi nghĩ "Euphoria" mới. Tôi quan tâm đến các nhân vật và việc tìm hiểu xem điều gì sẽ xảy ra ở đó.

Chương trình đó thật căng thẳng mỗi khi tôi xem.

Đó là một melo drama. Tôi nghĩ bạn phải coi nó như một soap opera thì mới thấy vui, nếu bạn nghĩ quá nghĩa đen.

Vol?

V O L L E B A K. Vollebak.

Rất tuyệt. Bạn có châm ngôn sống yêu thích nào mà bạn thường xuyên trở lại trong công việc hay trong cuộc sống không?

Bạn đã thấy biểu đồ đó chưa, nơi có tất cả các nhánh và sau đó bạn đang ở đây, và rồi có tất cả các nhánh từ điểm này?

Đúng vậy.

Chúng tôi sẽ hiển thị hình ảnh đó trên màn hình khi bạn nói hoặc chúng tôi sẽ liên kết đến nó trong phần ghi chú chương trình. Nó rất mạnh mẽ.

Theo đuổi kiến thức sâu sắc và vai trò của con người

Đó là bởi vì chúng ta không phải là những người trẻ tuổi hai mươi.

Đúng vậy.

Tuyệt vời quá. Tôi thích điều đó.

Cùng nhau thiết kế tương lai AI

Tôi thích điều đó, đó thực sự là một thông điệp đã xuất hiện trong một vài tập podcast gần đây. Vì vậy, đó là một lời nhắc nhở rất hay.

Lời kết

Caitlyn, cảm ơn bạn rất nhiều vì đã ở đây.

Thật vui, Lenny. Cảm ơn vì đã mời tôi.

Góp ý / Báo lỗiPhát hiện sai sót hoặc có ý tưởng cải thiện?

Tương lai của AI: Từ Bàn phím đến Thế giới Vật lý

Thiết kế và Định hình Tương lai

Tạo ra Robot có Cảm giác Con người

Thách thức về Chi phí Bộ nhớ cho Phần cứng Vật lý

Giới thiệu Caitlyn Kalinowski: Lãnh đạo Phần cứng Tiên phong

VR: Đầu tư lớn và Bài học Giá trị

Tương lai của Kính AR và AI Vật lý

Phát triển Sản phẩm: Ý tưởng Tồi hay Triển khai Kém?

Sự trỗi dậy của Robot và Robotics

Khó khăn tiềm ẩn trong Phát triển Phần cứng

Sự Khác biệt về Chu trình Phát triển: Phần cứng vs. Phần mềm

Sự khác biệt giữa phát triển phần cứng và phần mềm

Tình trạng hiện tại và mối lo ngại về robot hình người

Thách thức về khả năng mở rộng và chuỗi cung ứng robot

Chuỗi cung ứng robotics: Từ nguyên liệu thô đến bộ truyền động

Nút thắt cổ chai và bối cảnh địa chính trị trong chuỗi cung ứng

Nam châm: Một thành phần cốt lõi của bộ truyền động

Tầm quan trọng của công nghệ quân sự độc lập và tái công nghiệp hóa

Tái Trang Bị Sản Xuất và Thách Thức Từ Drone

Thay Đổi Công Nghệ Quân Sự và Thách Thức Chi Phí

Tinh Thần Đổi Mới và Liên Kết Giữa VR với Công Nghệ Quốc Phòng

Công Nghệ Gây Chết Người và Xây Dựng Tương Lai

An Toàn AI: Từ Chatbot Đến Robot Vật Lý

Kiểm Soát Mối Đe Dọa Phần Cứng Trong Chiến Tranh

Rủi Ro Thông Tin Cá Nhân với OpenClaw và Robot

Kinh Nghiệm Thực Tế: Rủi Ro Rò Rỉ Thông Tin Qua OpenClaw

Nguy Cơ Từ Robot: Độ Mềm Bàn Tay và Thiệt Hại Tiềm Tàng

Tác Động Của AI: Từ Thói Quen Đến Điều Hướng Xe Tự Lái

Tương Lai Bất Định

Phần Cứng: Lợi Thế Cạnh Tranh Trong Kỷ Nguyên AI

Bài Học Từ Apple: Sự Xuất Sắc Của Phần Cứng và Nguyên Tắc Cơ Bản

Hành Trình Oculus: Từ Hacking Startup Đến Sản Xuất Chuyên Nghiệp

Tầm Quan Trọng Của Sự Tỉ Mỉ và Mục Tiêu Cốt Lõi

Case Study Quest 2: Dân Chủ Hóa VR Thông Qua Giảm Chi Phí

Xây Dựng Hardware: Đặt Mục Tiêu Sớm và Tính Không Linh Hoạt

Đặt Mục Tiêu Rõ Ràng và Ưu Tiên trong Phát Triển Phần Cứng

Thiết Kế Các Phần Khó Nhất Trước

Tập Trung Vào Trải Nghiệm Người Dùng Cuối

Hiệu Quả Tối Đa và Hành Động Ngay Lập Tức

Tóm Tắt Lời Khuyên Phát Triển Phần Cứng

Các Loại Mục Tiêu Quan Trọng

Câu Chuyện Về MacBook Air và Steve Jobs

Vấn Đề Bàn Phím Cánh Bướm và Phản Hồi Người Dùng

Vanta: Giải Pháp Tuân Thủ và Quản Lý Rủi Ro

Thảo Luận Với Người Sáng Lập Madic

Vấn đề giá memory và supply chain

Mức độ tăng giá và định nghĩa memory

Nút thắt cổ chai và sự phức tạp của hardware

Tái thiết kế thảm khốc và hệ thống phân cấp component

Dọc hóa supply chain để đối phó gián đoạn

Off-the-shelf so với linh kiện tùy chỉnh

AI và thiết kế CAD

Tác động của AI lên CAD và PCB

Hạn chế của AI và nhu cầu mô hình mới

Robot hình người và robot chuyên dụng

Thách thức về dữ liệu CAD trong việc robot tự thiết kế

Huấn luyện AI: Dữ liệu và giải pháp On-Prem

Tạo robot có khả năng kết nối với con người

Thiết kế Robot và Tương tác Người-Máy

Thách thức của Robot Gia đình và Niềm tin

Tầm nhìn Tương lai về Robot và Thách thức

Lý do rời OpenAI và Quan điểm về Chính sách

Quy tắc Bảo mật và Giá trị Cá nhân

Chiến lược tuyển dụng cho lĩnh vực mới: AI và Robot

Tầm quan trọng của thế hệ thuần AI (AI-native)

Các nguyên tắc tuyển dụng chính

Bài học từ những nhà kiến tạo huyền thoại

Bài học từ thất bại: Dự án Quest 1

Khắc phục sự cố phần cứng của Quest 1

Nắm bắt cơ hội từ công cụ AI

Đề xuất sách, phim và sản phẩm

Theo đuổi kiến thức sâu sắc và vai trò của con người

Cùng nhau thiết kế tương lai AI

Lời kết

TL;DR

Điểm chính

Từ vựng

Nội dung chi tiết

Tương lai của AI: Từ Bàn phím đến Thế giới Vật lý

Thiết kế và Định hình Tương lai

Chuỗi cung ứng `robotics`: Từ nguyên liệu thô đến bộ truyền động

Vấn đề giá `memory` và `supply chain`

Mức độ tăng giá và định nghĩa `memory`

Nút thắt cổ chai và sự phức tạp của `hardware`

Tái thiết kế thảm khốc và hệ thống phân cấp `component`

Dọc hóa `supply chain` để đối phó gián đoạn

`Off-the-shelf` so với linh kiện tùy chỉnh

`AI` và thiết kế `CAD`

Chiến lược tuyển dụng cho lĩnh vực mới: `AI` và `Robot`

Tầm quan trọng của thế hệ `thuần AI` (`AI-native`)

Bài học từ thất bại: Dự án `Quest 1`

Chuỗi cung ứng `robotics`: Từ nguyên liệu thô đến bộ truyền động

Vấn đề giá `memory` và `supply chain`

Mức độ tăng giá và định nghĩa `memory`

Nút thắt cổ chai và sự phức tạp của `hardware`

Tái thiết kế thảm khốc và hệ thống phân cấp `component`

Dọc hóa `supply chain` để đối phó gián đoạn

`Off-the-shelf` so với linh kiện tùy chỉnh

`AI` và thiết kế `CAD`

Chiến lược tuyển dụng cho lĩnh vực mới: `AI` và `Robot`

Tầm quan trọng của thế hệ `thuần AI` (`AI-native`)

Bài học từ thất bại: Dự án `Quest 1`