Tham vọng làm AI giá rẻ, 3 cựu nhân viên OpenAI thách thức “sếp cũ”

Tháng 1.2025, DeepSeek gây chấn động Thung lũng Silicon khi ra mắt R1, mô hình AI nguồn mở có năng lực vượt trội dù được phát triển với nguồn lực ít hơn nhiều so với các đối thủ Mỹ. Nhà đầu tư mạo hiểm Marc Andreessen ví sự kiện này với thời điểm Liên Xô phóng vệ tinh Sputnik, còn Alexandr Wang, đồng sáng lập Scale AI, gọi đó là “hồi chuông cảnh tỉnh”.

Tại OpenAI, ba nhà nghiên cứu trẻ nhìn thấy cơ hội kinh doanh: xây dựng hạ tầng giúp doanh nghiệp khai thác và tối ưu các mô hình AI nguồn mở.

Năm tháng sau, Yash Patil cùng hai đồng nghiệp Rhythm Garg và Linden Li rời OpenAI, thành lập Applied Compute tại San Francisco. Công ty chuyên điều chỉnh, huấn luyện các mô hình AI nguồn mở theo nhu cầu và dữ liệu riêng của từng doanh nghiệp, sau đó vận hành chúng trên nền tảng điện toán đám mây của mình.

“Chúng tôi có cách nhìn rất khác nhiều đồng nghiệp tại OpenAI,” Patil nói với Forbes. Theo anh, dù các mô hình AI ngày càng mạnh, những công ty như OpenAI hay Anthropic cũng không thể sở hữu toàn bộ dữ liệu để tạo ra một mô hình đáp ứng mọi nhu cầu. Các tập đoàn như JPMorgan muốn tận dụng dữ liệu nội bộ để huấn luyện AI phục vụ hoạt động riêng, thay vì phải chia sẻ dữ liệu với bên ngoài.

Applied Compute nhanh chóng thu hút nhà đầu tư và khách hàng lớn. Giữa năm 2025, công ty huy động được 20 triệu USD vốn hạt giống. Chưa đầy một năm sau, DoorDash, Nvidia và Microsoft đã trở thành khách hàng. Tháng 6.2026, tổng giám đốc Microsoft Satya Nadella còn tham gia cuộc trò chuyện với Patil về tương lai AI trong doanh nghiệp.

Applied Compute đang đàm phán huy động thêm 350 triệu USD, với mức định giá có thể đạt 3,3 tỷ USD, gần gấp đôi chỉ trong bốn tháng. Nếu thành công, công ty sẽ có tốc độ tăng định giá vượt cả nhiều kỳ lân phát triển nhanh nhất từng được Y Combinator hỗ trợ.

Đợt gọi vốn diễn ra trong bối cảnh ngày càng nhiều doanh nghiệp chuyển sang AI nguồn mở để tiết kiệm chi phí. Các mô hình độc quyền hàng đầu như Fable của Anthropic hay Sol của OpenAI có năng lực mạnh, nhưng chi phí xử lý mỗi triệu token có thể cao gấp gần 40 lần một số mô hình nguồn mở. Patil cho biết giải pháp của Applied Compute có thể giúp doanh nghiệp giảm chi phí tới 10 lần so với việc sử dụng những mô hình AI tiên tiến nhất.

“Họ chuyên giải quyết những bài toán tương tự, nên thực sự đang đi đầu trong lĩnh vực này.”

Nhà đầu tư thiên thần Elad Gil dẫn đầu vòng gọi vốn mới, cùng sự tham gia của các nhà đầu tư hiện hữu như Lux Capital và Kleiner Perkins. Theo Patil, phần lớn số tiền huy động sẽ được dùng để mua thêm chip, tăng năng lực xử lý của hệ thống điện toán đám mây.

Thay vì sử dụng các mô hình AI độc quyền của OpenAI hay Anthropic, Applied Compute lựa chọn những mô hình nguồn mở như Qwen của Alibaba và Kimi của Moonshot AI. Từ đó, công ty phát triển các mô hình AI và tác nhân AI phù hợp với nhu cầu từng doanh nghiệp, giúp họ tự động thực hiện công việc với chi phí thấp hơn.

Để nâng cao hiệu quả, Applied Compute áp dụng phương pháp học tăng cường: AI được đánh giá và nhận điểm thưởng khi hoàn thành tốt nhiệm vụ, qua đó dần cải thiện khả năng xử lý công việc.

Các kỹ sư của Applied Compute làm việc trực tiếp với khách hàng, sử dụng dữ liệu nội bộ để huấn luyện AI rồi vận hành trên hệ thống máy chủ của công ty. Tháng 8.2026, Applied Compute ra mắt AC2, nền tảng cho phép doanh nghiệp tự sử dụng các công cụ huấn luyện AI, thay vì phải thuê đội ngũ kỹ sư của hãng triển khai riêng, qua đó giảm chi phí.

“Tôi luôn tin nguồn mở sẽ đóng vai trò quan trọng,” Elad Gil nói với Forbes. Theo ông, ba nhà sáng lập đều không quá 25 tuổi và từng nghiên cứu chính những bài toán này tại OpenAI, nên có lợi thế đặc biệt trong việc tối ưu mô hình mở. “Họ chuyên giải quyết những bài toán tương tự, nên thực sự đang đi đầu trong lĩnh vực này.”

Tháng 2.2026, DoorDash hợp tác với Applied Compute để phát triển mô hình AI tự động tạo thực đơn chính xác cho các nhà hàng mới tham gia nền tảng giao đồ ăn. Nvidia cũng tìm đến công ty để tiếp tục huấn luyện Nemotron, mô hình AI có trọng số mở, phục vụ phát triển các tác nhân AI có khả năng xử lý những nhiệm vụ phức tạp.

Trong khi đó, Harvey, công ty khởi nghiệp chuyên về AI pháp lý, sử dụng công nghệ của Applied Compute để xây dựng tác nhân AI có thể rà soát lượng lớn hồ sơ kiện tụng và hợp đồng trong quá trình thẩm định pháp lý.

Theo Niko Grupen, trưởng bộ phận nghiên cứu ứng dụng của Harvey, công việc này chỉ mất chưa đầy hai tháng. Trước đây, một dự án tương tự có thể kéo dài từ nhiều tháng đến vài năm, cần cả đội ngũ chuyên gia huấn luyện AI, kỹ sư vận hành hệ thống máy tính hiệu năng cao và nguồn lực tính toán lớn. “Khác biệt đến cả chục lần,” ông nói.

Patil, 23 tuổi, lớn lên tại Austin, bang Texas, trong một gia đình nhập cư từ Ấn Độ. Mẹ anh là bác sĩ nhi khoa, còn cha là kỹ sư phần cứng từng làm việc tại Qualcomm và ARM, chuyên thiết kế vi mạch và hệ thống cấp nguồn. Patil bắt đầu quan tâm đến công nghệ vì muốn theo bước anh trai Neil, hiện là kỹ sư tại Chai Discovery, công ty công nghệ sinh học ở San Francisco.

Theo Patil, phần lớn số tiền huy động sẽ được dùng để mua thêm chip, tăng năng lực xử lý của hệ thống điện toán đám mây.

Trong đại dịch Covid-19, khi Patil còn học trung học, hai anh em sáng lập Helping Hands, chương trình kết nối người cần hỗ trợ với các tình nguyện viên giúp mua thực phẩm và lấy thuốc. Garg, 24 tuổi, lớn lên tại Dallas và đam mê công nghệ từ những cuộc thi lập trình thời trung học. Li, 25 tuổi, sinh tại bang North Carolina, học phổ thông ở Thượng Hải và bắt đầu say mê công nghệ sau khi chứng kiến một màn trình diễn xe tự lái.

Ba người kết bạn tại Đại học Stanford. Khi học ngành khoa học máy tính, Patil gặp Sam Altman, tổng giám đốc OpenAI, tại một bữa tối Altman tổ chức ở nhà cho sinh viên kỹ thuật Stanford. “Tôi hồi hộp đến mức không dám bắt chuyện. Có lẽ lúc ra về tôi chỉ kịp chào ông ấy,” Patil nhớ lại.

Vài tháng sau, ChatGPT ra mắt và khiến Patil say mê. anh gửi email cho Altman bày tỏ mong muốn tham gia phát triển sản phẩm. Altman mời anh ứng tuyển chương trình tuyển chọn và đào tạo nhân sự nghiên cứu của OpenAI.

Gia nhập OpenAI khi mới 20 tuổi, Patil sau đó rủ Garg, rồi Garg giới thiệu Li. Tại đây, Patil phụ trách hạ tầng huấn luyện bổ sung và tham gia phát triển Codex, tác nhân AI hỗ trợ lập trình; Garg nghiên cứu các mô hình suy luận, còn Li tập trung vào hệ thống học máy.

Bước ngoặt đến khi DeepSeek ra mắt R1. Cả ba tình cờ đang đi trượt tuyết cùng nhau tại hồ Tahoe. Quá hào hứng với mô hình mới, họ dành phần lớn thời gian giữa các lượt trượt để bàn về công nghệ này. R1 khiến tiềm năng của mô hình AI nguồn mở trở nên rõ ràng hơn bao giờ hết.

Patil không cho rằng doanh nghiệp sẽ hoàn toàn từ bỏ các mô hình AI hàng đầu của OpenAI hay Anthropic để chuyển sang nguồn mở. Theo anh, họ sẽ kết hợp mô hình cao cấp và mô hình giá rẻ tùy nhu cầu. Nhưng khi chi phí trở thành ưu tiên và các lựa chọn nguồn mở ngày càng tốt, Applied Compute tin thời cơ đã đến.

Leigh Marie Braswell, đối tác tại Kleiner Perkins và người dẫn dắt khoản đầu tư vào Applied Compute, từng tận mắt chứng kiến sự tập trung của nhóm sáng lập. Vốn mê poker, bà thường tổ chức những buổi chơi bài với các công ty trong danh mục đầu tư. Nhưng trong lần đến trụ sở Applied Compute ở San Francisco, cuộc chơi kết thúc sớm vào khoảng 22 giờ.

“Đây là công ty duy nhất từng mời tôi ra khỏi văn phòng,” Braswell cười kể. “Họ nói: ‘Chúng tôi phải quay lại làm việc.’”

Nội dung đã được đăng trên Tạp chí Forbes Việt Nam số tháng 11.2026