Name: Kỷ nguyên 'unicorn cá nhân' năm 2030 dưới góc nhìn của Sam Altman (샘 올트먼이 본 2030년 '1인 유니콘 시대')
Uploaded: 2026-01-03T21:49:34.000Z
Duration: 8 min 55 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

There are some leaders in the AI space that have said that in five years half of the entry level white collar workforce will be replaced by AI.

Có một số lãnh đạo trong lĩnh vực AI đã nói rằng trong 5 năm tới, một nửa lực lượng lao động văn phòng cấp độ đầu vào sẽ bị AI thay thế.

So we're college graduates in five years.

Vậy chúng ta là những sinh viên tốt nghiệp đại học trong 5 năm tới.

What do you hope the world looks like for us?

Bạn mong thế giới sẽ trông như thế nào đối với chúng tôi?

I think there's been a lot of talk about how AI might cause job displacement.

Tôi nghĩ đã có rất nhiều cuộc thảo luận về việc AI có thể gây ra dịch chuyển việc làm như thế nào.

I have a job that nobody would have thought we could have, you know, a decade ago.

Tôi có một công việc mà không ai nghĩ chúng ta có thể có, bạn biết đấy, cách đây một thập kỷ.

What are the things that we could look ahead if we're thinking about in 2035 that like graduating college student, if they still go to college at all, could very well be like leaving on a mission to explore the solar system on a spaceship in some kind of completely new, exciting, super well paid, super interesting job.

Có những điều gì chúng ta có thể nhìn về phía trước nếu chúng ta đang nghĩ về năm 2035, giống như sinh viên tốt nghiệp đại học, nếu họ vẫn còn đi học đại học, rất có thể sẽ rời đi trong một nhiệm vụ khám phá hệ mặt trời trên một tàu vũ trụ trong một loại 

And feeling so bad for you and I that like we had to do this kind of like really boring old kind of work and everything is just better.

Và cảm thấy rất tệ cho bạn và tôi rằng chúng ta đã phải làm loại công việc cũ kỹ, nhàm chán này và mọi thứ đều tốt đẹp hơn.

10 years feels very hard to imagine at this point because it's too far.

10 năm có vẻ rất khó tưởng tượng vào lúc này vì nó quá xa.

If you compound the current rate of change for 10 more years, it's probably something we can't even time travel trips.

Nếu bạn tính toán tốc độ thay đổi hiện tại trong 10 năm nữa, có lẽ chúng ta còn không thể du hành thời gian.

I mean, I think now would be really hard to imagine 10 years ago.

Ý tôi là, tôi nghĩ bây giờ sẽ rất khó để tưởng tượng 10 năm trước.

But I think 10 years forward will be even much harder, much more different.

Nhưng tôi nghĩ 10 năm tới sẽ còn khó hơn nhiều, khác biệt nhiều hơn.

Chúng ta vẫn sẽ đi đến năm 2030.

I'm curious what you think the pretty short term impacts of this will be for young people.

Tôi tò mò bạn nghĩ những tác động ngắn hạn của điều này đối với giới trẻ sẽ là gì.

I mean these like half of entry level jobs replaced by AI makes it sound like a very different world that they would be entering than the one that I did.

Ý tôi là, việc một nửa công việc cấp độ đầu vào bị AI thay thế nghe giống như một thế giới rất khác mà họ sẽ bước vào so với thế giới mà tôi đã từng.

I think it's totally true that some classes of jobs will totally go away.

Tôi nghĩ hoàn toàn đúng là một số loại công việc sẽ hoàn toàn biến mất.

This always happens and young people are the best at adapting to this.

Điều này luôn xảy ra và giới trẻ là những người giỏi nhất thích ứng với nó.

I'm more worried about what it means not for the 22 year old, but

Tôi lo lắng hơn về ý nghĩa của nó không phải đối với người 22 tuổi, mà

for the 62 year old that doesn't want to go retrain or reskill or whatever the politicians call it that no one actually wants, but

đối với người 62 tuổi không muốn đào tạo lại hoặc tái đào tạo kỹ năng hoặc bất cứ điều gì các chính trị gia gọi là thứ mà không ai thực sự muốn, nhưng

các chính trị gia hầu hết thời gian.

If I were 22 right now and graduating college, I would feel like the luckiest kid in all of history.

Nếu bây giờ tôi 22 tuổi và tốt nghiệp đại học, tôi sẽ cảm thấy mình là đứa trẻ may mắn nhất trong lịch sử.

Because there's never been a more amazing time to go create something totally new, to go invent something to start a company, whatever it is.

Bởi vì chưa bao giờ có thời điểm tuyệt vời hơn để tạo ra một thứ gì đó hoàn toàn mới, để phát minh ra một thứ gì đó để bắt đầu một công ty, bất cứ điều gì.

I think it is probably possible now to start a company that is a one person company that will go on to be worth like more than a billion dollars.

Tôi nghĩ có lẽ bây giờ có thể bắt đầu một công ty chỉ với một người mà sẽ trở nên có giá trị hơn một tỷ đô la.

And more importantly than that deliver an amazing product and service to the world.

Và quan trọng hơn thế là mang đến một sản phẩm và dịch vụ tuyệt vời cho thế giới.

You have access to tools that can let you do what used to take teams of hundreds and you just have to like, you know, learn how to use these tools and come up with a great idea.

Bạn có quyền truy cập vào các công cụ cho phép bạn làm những việc mà trước đây cần hàng trăm người, và bạn chỉ cần, bạn biết đấy, học cách sử dụng các công cụ này và đưa ra một ý tưởng tuyệt vời.

Và điều đó thật đáng kinh ngạc.

If we take a step back, I think the most important thing that this audience could hear from you on this optimistic show is in two parts.

Nếu chúng ta lùi lại một bước, tôi nghĩ điều quan trọng nhất mà khán giả này có thể nghe từ bạn trong chương trình lạc quan này là hai phần.

First there's tactically, how are you actually trying to build the world's most powerful intelligence and what are the rate limiting factors to doing that?

Đầu tiên là về mặt chiến thuật, bạn thực sự đang cố gắng xây dựng trí tuệ mạnh nhất thế giới như thế nào và những yếu tố hạn chế tốc độ để làm điều đó là gì?

And then philosophically, how are you and others working on building that technology in a way that really helps and not hurts people?

Và sau đó về mặt triết học, bạn và những người khác đang làm việc để xây dựng công nghệ đó theo cách thực sự giúp ích chứ không làm tổn thương mọi người như thế nào?

So just taking the tactical part right now, my understanding is that there are three big categories that have been limiting factors for AI.

Vì vậy, chỉ xét phần chiến thuật lúc này, tôi hiểu rằng có ba hạng mục lớn đã là các yếu tố hạn chế đối với AI.

The first is compute, the second is data and the third is algorithmic design.

Đầu tiên là sức mạnh tính toán, thứ hai là dữ liệu và thứ ba là thiết kế thuật toán.

How do you think about each of those three categories right now?

Bạn suy nghĩ gì về từng hạng mục trong ba hạng mục đó lúc này?

And if you were to help someone understand the next headlines that they might see, how would you help them make sense of all of this?

Và nếu bạn giúp ai đó hiểu những dòng tít tiếp theo mà họ có thể thấy, bạn sẽ giúp họ hiểu tất cả những điều này như thế nào?

I would say there's a fourth too which is figuring out the products to build like scientific progress on its own, not put into the hands of people, is of limited utility and doesn't sort of co evolve with society in the same way.

Tôi sẽ nói rằng còn có thứ tư nữa là tìm ra các sản phẩm để xây dựng, giống như tiến bộ khoa học tự thân, không đặt vào tay mọi người, có tiện ích hạn chế và không phát triển cùng xã hội theo cùng một cách.

Nhưng nếu tôi có thể giải quyết cả bốn điều đó.

So on the compute side, yeah, this is like the biggest infrastructure project certainly that I've ever seen.

Vì vậy, về phía sức mạnh tính toán, vâng, đây giống như dự án cơ sở hạ tầng lớn nhất mà tôi từng thấy.

Possibly it will become the, I think it will maybe already is the biggest and most expensive one in human history.

Có lẽ nó sẽ trở thành, tôi nghĩ nó có thể đã là dự án lớn nhất và tốn kém nhất trong lịch sử nhân loại.

But the whole supply chain from making the chips and the memory and the networking gear, racking them up in servers, doing a giant construction project to build like a mega, mega data center, putting the, you know, finding a way to get the energy which is often a limiting factor piece of this and all the other components together.

Nhưng toàn bộ chuỗi cung ứng từ việc sản xuất chip, bộ nhớ, thiết bị mạng, lắp chúng vào máy chủ, thực hiện một dự án xây dựng khổng lồ để xây dựng một trung tâm dữ liệu siêu lớn, tìm cách cung cấp năng lượng, vốn thường là yếu tố hạn chế, và tất cả các t

This is hugely complex and expensive and we are, we're still doing this in like a sort of bespoke one off way, although it's getting better.

Điều này cực kỳ phức tạp và tốn kém, và chúng ta vẫn đang làm điều này theo kiểu tùy chỉnh, dù có cải thiện.

Like eventually we will just design a whole kind of like mega factory that takes, you know, I mean spiritually it will be melting sand on one end and putting out fully built AI compute on the other.

Cuối cùng, chúng ta sẽ thiết kế một nhà máy siêu lớn, về mặt tinh thần là nấu chảy cát ở một đầu và cho ra sản phẩm AI tính toán hoàn chỉnh ở đầu kia.

Nhưng chúng ta còn một chặng đường dài để đạt được điều đó.

And it's a, it's an enormously complex and expensive process.

Và đó là một quy trình cực kỳ phức tạp và tốn kém.

We are putting a huge amount of work into building out as much compute as we can and to do it fast.

Chúng ta đang dồn rất nhiều công sức để xây dựng càng nhiều năng lực tính toán càng tốt và làm điều đó nhanh chóng.

And you know, it's going to be like sad because GPT5 is going to launch and there's going to be another big spike in demand and we're not going to be able to serve it.

Và bạn biết đấy, sẽ thật đáng buồn vì GPT5 sẽ ra mắt và sẽ có một đợt tăng nhu cầu lớn khác mà chúng ta không thể đáp ứng.

And it's going to be like those early GPT four days.

Và nó sẽ giống như những ngày đầu của GPT bốn vậy.

And the world just wants much more AI than we can currently deliver.

Và thế giới chỉ muốn nhiều AI hơn những gì chúng ta có thể cung cấp hiện tại.

And building more compute is an important part of doing that.

Và việc xây dựng thêm năng lực tính toán là một phần quan trọng để làm được điều đó.

That's actually this is what I expect to turn the majority of my attention to, is how we build compute at much greater scales.

Thực tế, đây là điều tôi mong đợi sẽ dành phần lớn sự chú ý của mình, đó là cách chúng ta xây dựng năng lực tính toán ở quy mô lớn hơn nhiều.

So how we go from millions to tens of millions and hundreds of millions and eventually hopefully billions of GPUs that are sort of in service of what people want to do with this.

Vì vậy, làm thế nào chúng ta có thể chuyển từ hàng triệu lên hàng chục triệu, hàng trăm triệu và cuối cùng hy vọng là hàng tỷ GPU phục vụ những gì mọi người muốn làm với điều này.

When you're thinking about it, what are the big challenges here in this category that you're going to be thinking about?

Khi bạn suy nghĩ về nó, những thách thức lớn ở đây trong danh mục này mà bạn sẽ suy nghĩ về là gì?

Hiện tại chúng ta bị hạn chế nhiều nhất bởi năng lượng.

You know, like if you're going to run a gigawatt scale data center, it's like, oh, a gigawatt, how hard can that be to find?

Bạn biết đấy, giống như nếu bạn định vận hành một trung tâm dữ liệu quy mô gigawatt, nó giống như, ồ, gigawatt, khó tìm đến mức nào chứ?

It's really hard to find a gigawatt of power available in the short term.

Rất khó để tìm được một gigawatt điện khả dụng trong ngắn hạn.

We're also very much limited by the processing chips and the memory chips, how you package these all together, how you build the racks.

Chúng ta cũng bị hạn chế rất nhiều bởi các chip xử lý và chip nhớ, cách bạn đóng gói tất cả chúng lại với nhau, cách bạn xây dựng các giá đỡ.

And then there's like a list of other things that are, you know, there's like permits, there's construction work.

Và rồi còn có những thứ khác nữa, bạn biết đấy, có giấy phép, có công việc xây dựng.

But again, the goal here will be to really automate this.

Nhưng một lần nữa, mục tiêu ở đây sẽ là tự động hóa hoàn toàn việc này.

Once we get some of those robots built, they can help us automate it even more.

Một khi chúng ta chế tạo xong một số robot đó, chúng có thể giúp chúng ta tự động hóa nó nhiều hơn nữa.

But just, you know, like a world where you can basically pour in money and get out a pre built data center.

Nhưng giống như, bạn biết đấy, một thế giới nơi bạn có thể đổ tiền vào và nhận được một trung tâm dữ liệu được xây dựng sẵn.

So that'll be a huge unlock if we can get it to work.

Vì vậy, đó sẽ là một bước đột phá lớn nếu chúng ta có thể thực hiện được.

Vâng, những mô hình này đã trở nên rất thông minh.

There was a time when we could just feed it another physics textbook and got a little bit smarter at physics.

Đã có lúc chúng ta có thể chỉ cần cung cấp cho nó một cuốn sách giáo khoa vật lý khác và nó sẽ thông minh hơn một chút về vật lý.

But now, honestly, GPT5 understands everything in a physics textbook pretty well.

Nhưng bây giờ, thành thật mà nói, GPT5 hiểu mọi thứ trong một cuốn sách giáo khoa vật lý khá tốt.

Chúng tôi rất hào hứng về dữ liệu tổng hợp.

We're very excited about our users helping us create harder and harder tasks and environments to go off and have the system solved.

Chúng tôi rất hào hứng khi người dùng giúp chúng tôi tạo ra các tác vụ và môi trường ngày càng khó hơn để hệ thống giải quyết.

But I think data will always be important.

Nhưng tôi nghĩ dữ liệu sẽ luôn quan trọng.

But we're entering a realm where the models need to learn things that don't exist in any data set yet.

Nhưng chúng ta đang bước vào một lĩnh vực mà các mô hình cần học những điều chưa tồn tại trong bất kỳ tập dữ liệu nào.

Chúng phải tự khám phá ra những điều mới.

Vì vậy, đó giống như một điều mới mẻ điên rồ.

How do you teach a model to discover new things?

Làm thế nào để bạn dạy một mô hình khám phá những điều mới?

Chà, con người có thể làm được.

Like we can go off and come up with hypotheses and test them and get experimental results and update on what we learn.

Giống như chúng ta có thể đưa ra giả thuyết, kiểm tra chúng, thu thập kết quả thực nghiệm và cập nhật những gì đã học.

Vì vậy, có lẽ là theo cùng một cách.

Và sau đó là thiết kế thuật toán.

Yeah, we've made huge progress on algorithmic design.

Ừm, chúng ta đã có những tiến bộ vượt bậc về thiết kế thuật toán.

The thing that OpenAI does best in the world is we have built this culture of repeated and big algorithmic research gains.

Điều mà OpenAI làm tốt nhất trên thế giới là chúng ta đã xây dựng văn hóa nghiên cứu thuật toán lặp đi lặp lại và đạt được những thành tựu lớn.

So we kind of figured out what became the GPT paradigm, we figured out what became the reasoning paradigm.

Vì vậy, chúng ta đã phần nào tìm ra cái gọi là mô hình GPT, chúng ta đã tìm ra cái gọi là mô hình suy luận.

Bây giờ chúng tôi đang nghiên cứu một số mô hình mới.

But it is very exciting to me to think that there are still many more orders of magnitudes of algorithmic gains ahead of us.

Nhưng đối với tôi, thật thú vị khi nghĩ rằng vẫn còn nhiều bậc độ lớn về tiến bộ thuật toán phía trước chúng ta.

We just yesterday released a model called GPT OSS Open Source Models, a model that is as smart as 04 Mini, which is a very smart model that runs locally on a laptop.

Chúng tôi vừa mới hôm qua phát hành một mô hình gọi là GPT OSS Open Source Models, một mô hình thông minh như 04 Mini, một mô hình rất thông minh chạy cục bộ trên máy tính xách tay.

Và điều này khiến tôi kinh ngạc.

If you had asked me a few years ago when we would have a model of that intelligence running on a laptop, I would have said many, many years in the future.

Nếu bạn hỏi tôi vài năm trước khi nào chúng ta có một mô hình có trí tuệ như vậy chạy trên máy tính xách tay, tôi sẽ nói là còn rất nhiều năm nữa.

But then we found some algorithmic gains, particularly around reasoning, but

Nhưng sau đó chúng tôi đã tìm ra một số tiến bộ về thuật toán, đặc biệt là xung quanh khả năng suy luận, nhưng

also some other things that let us do a tiny model that can do this amazing thing.

cũng có một số thứ khác cho phép chúng tôi tạo ra một mô hình nhỏ bé có thể làm được điều tuyệt vời này.

And, you know, those are the most fun things.

Và, bạn biết đấy, đó là những điều thú vị nhất.

That's like kind of the coolest part of the job.

Đó giống như là phần tuyệt vời nhất của công việc.

I can see you really enjoying thinking about this.

Tôi có thể thấy bạn thực sự thích thú khi suy nghĩ về điều này.

I'm curious, for people who don't quite know what you're talking about, who aren't familiar with how an algorithmic design would lead to a better experience that they actually use, could you summarize the state of things right now?

Tôi tò mò, đối với những người không thực sự hiểu bạn đang nói về điều gì, những người không quen với việc thiết kế thuật toán sẽ dẫn đến trải nghiệm tốt hơn mà họ thực sự sử dụng, bạn có thể tóm tắt tình hình hiện tại không?

What is it that you're thinking about when you're thinking about how fun this problem is?

Bạn đang nghĩ gì khi nghĩ về mức độ thú vị của vấn đề này?

Let me start back in history and then I'll get to some things from.

Hãy để tôi bắt đầu từ lịch sử rồi sau đó tôi sẽ nói về một vài điều từ.