Lợi nhuận:
- Có thể phân biệt các khái niệm về nhà cung cấp, dòng mô hình và phiên bản mô hình.
- Tìm hiểu tám nhà cung cấp chính và điểm nổi bật của họ một cách khách quan
- Đóng khung lựa chọn mô hình như một vấn đề phù hợp với công việc, không phải là một cuộc đua phân công
Hệ sinh thái nhà cung cấp AI: Bản đồ, khái niệm và “Không có mô hình nào tốt nhất”
Khi một doanh nghiệp nói “Chúng tôi sẽ sử dụng trí tuệ nhân tạo” ngày nay thực chất không phải là nói về một sản phẩm đơn lẻ mà là một thị trường rộng lớn bao gồm hàng chục mẫu mã cạnh tranh lẫn nhau và các công ty đối thủ phát triển những mẫu mã này. Thị trường này cách đây vài năm chỉ có hai hoặc ba người chơi; Ngày nay, các lựa chọn đã tăng lên nhiều đến mức bản thân việc lựa chọn mô hình phù hợp đã trở thành một năng lực. Mục đích của phần này là vạch ra bản đồ thị trường này và làm rõ các khái niệm cơ bản như “nhà cung cấp”, “gia đình kiểu mẫu”, “phiên bản kiểu mẫu”. Sau khi hoàn thành bài học, bạn sẽ có thể nói về ai sản xuất cái gì mà không bị nhầm lẫn và giải thích lý do tại sao không có "mô hình tốt nhất" duy nhất.
Đối tượng mục tiêu của chúng tôi trong suốt mô-đun này không phải là nhóm phần mềm kỹ thuật; Chính người có chuyên môn mới là người đưa ra quyết định. Nói cách khác, một người quản lý có kế hoạch sử dụng AI trong công ty của mình, một luật sư muốn đọc hợp đồng, một kế toán viên xử lý hóa đơn, một chuyên gia thương mại điện tử sắp xếp các nhận xét của khách hàng, một nhân viên dịch vụ khách hàng tạo ra các bản tóm tắt cuộc gọi. Câu hỏi thường gặp của những người này là: “Có hàng chục mẫu mã, tôi nên chọn mẫu nào cho doanh nghiệp của mình và dựa trên cơ sở nào?” Cách để trả lời là trước tiên hãy học những từ thích hợp.
Ba khái niệm cơ bản: Nhà cung cấp, Gia đình kiểu mẫu, Phiên bản kiểu mẫu
Phần lớn sự nhầm lẫn phát sinh từ việc trộn ba từ này lại với nhau. Hãy làm rõ:
- Nhà cung cấp: Công ty phát triển và cung cấp mô hình. Ví dụ: Anthropic, OpenAI, Google. Nhà cung cấp tương tự như thương hiệu trên ô tô.
- Nhóm mẫu: Là nhóm các mẫu được sưu tầm bởi một nhà cung cấp dưới cùng một thương hiệu. Giống như gia đình "Claude" của Anthropic, gia đình "GPT" của OpenAI, gia đình "Gemini" của Google. Gia đình cũng tương tự như loạt phim trên ô tô.
- Phiên bản mẫu: Một mẫu cụ thể trong dòng sản phẩm. Giống như "Claude Opus 4.8" hoặc "GPT-4o". Mỗi phiên bản cung cấp sự cân bằng khác nhau về tốc độ, chi phí và khả năng. Phiên bản tương tự như gói trang bị trên xe.
Mẹo: Nói “Tôi có một chiếc ô tô” là chưa đủ; Thương hiệu (nhà cung cấp), dòng sản phẩm (dòng) và gói phần cứng (phiên bản) đều quan trọng. Ngay cả khi một chiếc xe thành phố và một chiếc xe đua đến từ cùng một thương hiệu, chúng vẫn phù hợp cho những công việc rất khác nhau. Tình hình hoàn toàn giống với các mô hình trí tuệ nhân tạo.
Hãy xem qua một ví dụ. Giả sử bạn là một công ty luật và bạn nói: "Chúng tôi sẽ dùng thử Claude Opus 4.8." Ở đây Anthropic là nhà cung cấp, Claude là gia đình kiểu mẫu, Opus là cấp bậc quyền lực trong gia đình và 4.8 là số phiên bản. Ngoài ra còn có các cấp độ nhanh hơn và rẻ hơn (ví dụ: Haiku) trong cùng một nhóm. Vì vậy, câu "Chúng tôi đang sử dụng Anthropic" là chưa đầy đủ trừ khi nó cho biết bạn đang sử dụng cấp độ và phiên bản nào.
Tám người chơi chính của hệ sinh thái
Bây giờ chúng ta hãy tìm hiểu thị trường bằng con mắt khách quan. Trong bảng bên dưới, bạn sẽ tìm thấy vị trí thích hợp, dòng mẫu và quốc gia xuất xứ của từng nhà cung cấp. Bạn không cần phải ghi nhớ bảng này; Mục đích của nó là thiết lập vĩnh viễn ý tưởng rằng “thế giới AI không chỉ có một công ty”. Chúng ta sẽ đi vào chi tiết từng phần trong các phần sau.
nhà cung cấp
Gia đình kiểu mẫu
Nổi bật ở đâu
Loại trọng lượng
Xuất xứ
nhân loại
Claude (Opus/Sonnet/Haiku)
Ngữ cảnh dài, mã, sử dụng an toàn cho doanh nghiệp
Đã đóng
Hoa Kỳ
OpenAI
GPT (GPT-4o, dòng o)
Hệ sinh thái rộng khắp, đa dạng
Đã đóng
Hoa Kỳ
Song Tử (Pro / Flash)
Đa phương thức, tích hợp không gian làm việc
Đã đóng
Hoa Kỳ
hàng hóa
lạc đà không bướu
Trọng lượng mở, chạy trên máy chủ của riêng bạn
mở
Hoa Kỳ
sương mù
Mistral / Hỗn hợp
Xuất xứ Châu Âu, tùy chọn trọng lượng mở
hỗn hợp
Pháp
xAI
Grok
Tích hợp dữ liệu thời gian thực, X (Twitter)
Đã đóng
Hoa Kỳ
tìm kiếm sâu
tìm kiếm sâu
Cân bằng chi phí/hiệu suất thấp
mở
Trung Quốc
mạch lạc
lệnh
Truy vấn tài liệu và tìm kiếm doanh nghiệp (RAG)
hỗn hợp
Canada
Có ba khía cạnh nổi bật trong bảng: lĩnh vực mà nó nổi bật (nó giỏi về lĩnh vực gì), loại trọng lượng (đóng hoặc mở – chủ đề của đơn vị tiếp theo) và nguồn gốc (quan trọng về mặt chủ quyền dữ liệu và quy định pháp lý). Ba chiều này sẽ tạo thành xương sống của cây quyết định lựa chọn mô hình của bạn trong các phần sau.
Hãy giải thích ngay một số thuật ngữ được sử dụng ở đây. RAG (thế hệ tăng cường truy xuất) là phương pháp trong đó mô hình tìm và đọc các phần có liên quan trong tài liệu của bạn trước khi tạo câu trả lời; Nó là cơ sở của hệ thống tìm kiếm doanh nghiệp. Đa phương thức là khả năng mô hình xử lý không chỉ văn bản mà còn cả hình ảnh và âm thanh. Chúng ta sẽ quay lại các khái niệm này một cách riêng biệt trong các bài học sau.
Tại sao có quá nhiều nhà cung cấp?
Thấy rằng không phải ngẫu nhiên mà chợ đông đúc như vậy sẽ hướng dẫn bạn khi đưa ra lựa chọn. Có bốn lý do chính:
- Nhu cầu kinh doanh khác nhau: Trong khi một công ty luật cần một mô hình có thể đọc toàn bộ hợp đồng 200 trang, thì một trang thương mại điện tử lại muốn một mô hình nhanh và rẻ, có thể tạo ra hàng trăm mô tả sản phẩm mỗi giây. Cùng một mô hình không thể phù hợp nhất cho cả hai công việc.
- Áp lực chi phí và cạnh tranh: Sự cạnh tranh giữa các nhà cung cấp liên tục đẩy giá xuống. Một kỹ năng đắt tiền cách đây vài năm nay được chào bán với giá chỉ bằng 1/10. Đây là lợi thế trực tiếp cho doanh nghiệp.
- Chủ quyền dữ liệu: Một công ty có trụ sở tại Châu Âu có thể yêu cầu xử lý dữ liệu khách hàng trong EU. Nhu cầu này làm cho những người chơi trong khu vực như Mistral hoặc các mẫu xe hạng nặng chạy trên máy chủ của riêng bạn trở nên có giá trị.
- Lựa chọn cách tiếp cận mở hoặc đóng: Một số tổ chức muốn chạy mô hình hoàn toàn dưới sự kiểm soát của chính họ, trên máy chủ của riêng họ; một số thích dịch vụ đám mây làm sẵn. Chỉ riêng sở thích này thôi cũng có thể xác định bạn sẽ làm việc cùng nhà cung cấp nào.
Thận trọng: Giả định rằng “mô hình mà mọi người sử dụng cũng phù hợp với chúng ta” thường sai. Mô hình mà đối thủ cạnh tranh của bạn sử dụng đã được chọn dựa trên quy trình làm việc, loại dữ liệu và ngân sách của họ. Sự lựa chọn đúng đắn của bạn phụ thuộc vào nhu cầu cụ thể của doanh nghiệp bạn. Mục đích của mô-đun này không phải là áp đặt cho bạn một câu trả lời có sẵn mà là dạy bạn cách đặt những câu hỏi phù hợp.
Lời nhắc yếu / Lời nhắc mạnh: Khi yêu cầu so sánh nhà cung cấp
Khi bạn muốn so sánh mô hình, cách bạn hỏi sẽ quyết định chất lượng câu trả lời bạn nhận được. Hãy đặt hai ví dụ cạnh nhau.
Dấu nhắc yếu:
Mô hình AI nào là tốt nhất?
Câu hỏi này không có ngữ cảnh; Mô hình này sẽ cung cấp cho bạn một câu trả lời lảng tránh "còn tùy" hoặc cung cấp cho bạn một danh sách chung không có ích gì cho bạn.
Lời nhắc mạnh mẽ:
Vai trò của bạn: Nhà tư vấn AI cho doanh nghiệp. Bối cảnh: Chúng tôi là một công ty luật gồm 15 người. Chúng tôi muốn tóm tắt ~300 hợp đồng mỗi tháng, khoảng 40 trang bằng tiếng Thổ Nhĩ Kỳ và đánh dấu các mục rủi ro. Dữ liệu chứa dữ liệu cá nhân và chúng tôi phải tuân thủ KVKK. Nhiệm vụ: So sánh mô hình của 3 nhà cung cấp khác nhau cho công việc này. Điền vào các tiêu đề sau cho mỗi tiêu đề: mức độ phù hợp của cửa sổ ngữ cảnh, phạm vi chi phí ước tính hàng tháng, trạng thái lưu trữ/quyền riêng tư dữ liệu, điểm mạnh và điểm yếu. Định dạng: Bảng có 4 cột + đề xuất 2 câu ở cuối.
Sự khác biệt rất rõ ràng: vai trò nhắc nhở mạnh mẽ có bối cảnh, nhiệm vụ có thể đo lường được và hình thức rõ ràng. Mô hình hiện có thể tạo ra sản lượng tương đương phù hợp với doanh nghiệp của bạn.
Mẫu có thể sao chép
Bạn có thể sử dụng bốn mẫu bên dưới bằng cách điều chỉnh chúng cho phù hợp với doanh nghiệp của riêng bạn.
1. Lập bản đồ nhà cung cấp:
Tôi làm việc trong [CÔNG NGHIỆP]. Nhiệm vụ AI chính tôi muốn làm là: [TASK]. Liệt kê 5 nhà cung cấp phù hợp với nhiệm vụ này; Điền vào dòng "tại sao nó phù hợp" và "có thể có bất lợi" cho mỗi dòng. Đừng đưa ra một mức giá chính xác, hãy đưa ra một phạm vi.
2. Làm rõ khái niệm:
Phân tách và gắn nhãn nhà cung cấp, dòng mô hình và phiên bản mô hình trong câu sau:"[CÂU ĐĂNG]"
3. Phân tích nhu cầu:
Công việc của tôi: [MÔ TẢ]. Thông lượng hàng tháng: [NUMBER]. Loại dữ liệu: [VĂN BẢN/HÌNH ẢNH/ÂM THANH]. Yêu cầu về quyền riêng tư: [CÓ/KHÔNG]. Độ nhạy ngân sách: [THẤP/TRUNG BÌNH/CAO]. Tôi nên bắt đầu với mô hình trọng lượng kín hay mở dựa trên cấu hình này? Biện minh.
4. Bộ khung so sánh trung lập:
So sánh 3 mẫu [MODEL A], [MODEL B], [MODEL C] này cho nhiệm vụ của tôi. Tiêu chí: chất lượng, tốc độ, chi phí, bối cảnh, quyền riêng tư. Cho 1-5 điểm cho mỗi tiêu chí và viết lý do cho điểm của bạn trong một câu. Không sử dụng ngôn ngữ quảng cáo, nếu không rõ ràng hãy ghi "phải kiểm tra".
Nền tảng này sử dụng mô hình nào?
Để minh bạch, chúng tôi xin tuyên bố: Huấn luyện viên AI của nền tảng mà bạn đang đọc hiện sử dụng phiên bản claude-opus-4-8 từ dòng Claude của Anthropic. Lựa chọn này được đưa ra do khả năng bối cảnh lâu dài và phương pháp tiếp cận bảo mật nổi bật trong việc sử dụng của công ty. Nhưng điều này không có nghĩa là “đây là mô hình tốt nhất cho mọi người”; Một nhà cung cấp khác có thể phù hợp hơn cho doanh nghiệp của bạn. Mục tiêu của chúng tôi trong mô-đun này là cung cấp cho bạn cái nhìn trung thực và so sánh.
Những lỗi thường gặp
- Nhà cung cấp khó hiểu với phiên bản: Việc nói "chúng tôi sử dụng OpenAI" không cho biết mô hình và cấp độ nào. Luôn luôn chỉ định phiên bản.
- Tìm kiếm một “người chiến thắng” duy nhất: Hãy đối xử với thị trường như một giải đấu bóng đá và hỏi “ai đến trước?” để hỏi. Câu hỏi đúng là "cái nào dành cho doanh nghiệp của tôi?" nên như vậy.
- Nhầm lẫn sự phổ biến với chất lượng: Mô hình được nhắc đến nhiều nhất có thể không phải là mô hình phù hợp cho nhiệm vụ cụ thể của bạn.
- Bỏ qua quốc gia xuất xứ: Nếu bạn đang xử lý dữ liệu cá nhân, nhà cung cấp ở đâu là vấn đề nghĩa vụ pháp lý chứ không phải vấn đề kỹ thuật.
- Đặt giá thành tiêu chí duy nhất: Mẫu rẻ nhất thực tế có thể đắt hơn do tăng thời gian chỉnh sửa của con người với sản phẩm chất lượng kém.
Tóm lại
- Thị trường AI không bao gồm một sản phẩm duy nhất mà bao gồm nhiều dòng và phiên bản mẫu từ các nhà cung cấp cạnh tranh; Ba khái niệm này là khác nhau.
- Tám công ty lớn (Anthropic, OpenAI, Google, Meta, Mistral, xAI, DeepSeek, Cohere) đều mạnh ở các lĩnh vực khác nhau.
- Lý do khiến thị trường đông đúc là do nhu cầu kinh doanh khác nhau, cạnh tranh về chi phí, chủ quyền về dữ liệu và sở thích bật/tắt.
- Không có câu trả lời "mô hình tốt nhất" duy nhất; Sự lựa chọn đúng đắn phụ thuộc vào nhu cầu kinh doanh của bạn.
- Một so sánh mô hình tốt đòi hỏi một lời nhắc có vai trò, bối cảnh, nhiệm vụ có thể đo lường được và định dạng rõ ràng.
Nhiệm vụ ứng dụng
Hãy xem xét việc kinh doanh của riêng bạn hoặc một doanh nghiệp hư cấu. Viết những điều sau vào một tờ giấy: (1) nhiệm vụ AI chính của bạn là gì, (2) thông lượng ước tính hàng tháng của bạn, (3) dữ liệu của bạn có chứa dữ liệu cá nhân không, (4) độ nhạy cảm ngân sách của bạn thấp hay cao? Sau đó, cung cấp hồ sơ này cho một mô hình AI bằng cách sử dụng mẫu 3 ở trên (phân tích nhu cầu) và hỏi lý do tại sao nó khuyên bạn nên bắt đầu với mô hình trọng lượng đóng hoặc mở. Chúng ta sẽ kiểm tra câu trả lời thu được ở bài tiếp theo.
danh sách kiểm tra
- [ ] Tôi có thể giải thích sự khác biệt giữa nhà cung cấp, dòng mô hình và phiên bản mô hình bằng một ví dụ.
- [ ] Tôi nhớ ít nhất năm trong số tám nhà cung cấp chính và lĩnh vực mà họ nổi bật.
- [ ] Tôi có thể giải thích tại sao việc tìm kiếm "mô hình tốt nhất" lại gây hiểu nhầm.
- [ ] Tôi có thể viết một lời nhắc mạnh mẽ để so sánh mô hình.
- [ ] Tôi có thể tạo bản phân tích nhu cầu cho doanh nghiệp của mình bằng bốn câu hỏi.