Silicon Valley entrepreneurs often prioritize building innovative products over defining a business model upfront. This mindset, described as the region's 'religion,' shapes investment strategies and product development, including in AI. AI has potential in areas outside typical tech hubs, such as drug discovery and knowledge generation. The intersection of atoms and bits, including biological systems, presents both challenges and opportunities for AI prediction and validation.
Các doanh nhân Thung lũng Silicon thường ưu tiên xây dựng sản phẩm đổi mới hơn là xác định mô hình kinh doanh ngay từ đầu. Tư duy này, được mô tả là 'tôn giáo' của khu vực, định hình chiến lược đầu tư và phát triển sản phẩm, bao gồm cả trong AI. AI có tiềm năng trong các lĩnh vực ngoài trung tâm công nghệ điển hình, như khám phá thuốc và tạo tri thức. Giao thoa giữa nguyên tử và bit, bao gồm hệ thống sinh học, đặt ra cả thách thức và cơ hội cho dự đoán và xác thực của AI.
This is actually one of the things I think people don't realize about Silicon Valley.
Đây thực sự là một trong những điều tôi nghĩ mọi người không nhận ra về Thung lũng Silicon.
You start with what's the amazing thing that you can suddenly create.
Bạn bắt đầu với điều kỳ diệu mà bạn có thể đột nhiên tạo ra.
Lots of these companies, and you go, "What's your business model?" They go, "I don't know." You're like, "Yeah, we're going to try to work it out.
Rất nhiều công ty trong số này, và bạn hỏi, "Mô hình kinh doanh của bạn là gì?" Họ trả lời, "Tôi không biết." Bạn kiểu, "Ừ, chúng tôi sẽ cố gắng tìm ra."
But, I can create something amazing here." And that's actually one of the fundamental, call it
Nhưng, tôi có thể tạo ra một điều gì đó tuyệt vời ở đây." Và đó thực sự là một trong những điều cơ bản, gọi là
the religion of Silicon Valley and the knowledge of Silicon Valley that I so much love and admire and embody.
Tôn giáo của Thung lũng Silicon và kiến thức của Thung lũng Silicon mà tôi vô cùng yêu mến, ngưỡng mộ và thể hiện.
Reed, welcome to This Week in Startups podcast.
Reed, chào mừng đến với podcast This Week in Startups.
It's great to be here.
Rất vui được ở đây.
So, Reed, you're one of the most successful Web 2 investors of that era, you know, Facebook, LinkedIn obviously which you co-created, Airbnb, many, many others.
Vậy, Reed, anh là một trong những nhà đầu tư Web 2 thành công nhất của thời kỳ đó, anh biết đấy, Facebook, LinkedIn tất nhiên là thứ anh đồng sáng tạo, Airbnb, và nhiều, nhiều người khác nữa.
And you had several frameworks that helped you do that, one of which was the seven deadly sins which we talk about often and love.
Và anh có một số khuôn khổ đã giúp anh làm được điều đó, một trong số đó là bảy tội lỗi chết người mà chúng ta thường nói về và yêu thích.
As you're thinking
Khi anh đang suy nghĩ
about AI investing, what what's your framework or worldview that you take to your AI investing?
Về đầu tư AI, khuôn khổ hoặc thế giới quan của anh khi đầu tư vào AI là gì?
So, obviously we're all looking through a glass darkly, looking through a fog with strobe lights that don't really, you know, are hard to understand what's going on.
Vậy, rõ ràng là tất cả chúng ta đều nhìn qua tấm kính mờ, nhìn qua sương mù với những ánh đèn nhấp nháy mà thực sự, bạn biết đấy, rất khó hiểu điều gì đang diễn ra.
So, we're all navigating this new this new universe.
Vậy, tất cả chúng ta đang điều hướng vũ trụ mới này.
So, I don't don't know if I have a crisper framework.
Vậy, tôi không biết liệu mình có một khuôn khổ rõ ràng hơn không.
The seven deadly sins still work because that's a question of what is infrastruct psychological
Bảy tội lỗi chết người vẫn hiệu quả vì đó là câu hỏi về cái gì là cơ sở hạ tầng tâm lý
infrastructure across all 8 billion plus human beings.
Cơ sở hạ tầng trên toàn bộ hơn 8 tỷ con người.
And But, I'd say there's a couple things.
Và nhưng, tôi muốn nói có một vài điều.
So, first is um there is going to be a set of things that are the kind of the obvious line of sight.
Vậy, đầu tiên là ừ sẽ có một tập hợp những thứ thuộc loại tầm nhìn rõ ràng hiển nhiên.
Obvious line of sight, bunch of stuff with chatbots, bunch of stuff productivity, coding assistants, you know, da da da.
Tầm nhìn rõ ràng hiển nhiên, một loạt thứ với chatbot, một loạt thứ về năng suất, trợ lý lập trình, bạn biết đấy, vân vân vân.
And so, and by the way, that's still worth investing in, but obviously obvious line of sight means it's obvious to everybody.
Và vậy, nhân tiện, điều đó vẫn đáng để đầu tư, nhưng rõ ràng tầm nhìn hiển nhiên nghĩa là nó hiển nhiên với mọi người.
Line of sight.
Tầm nhìn rõ ràng.
And so, so, you know, doing a differential investment is harder.
Và vậy, bạn biết đấy, việc đầu tư khác biệt sẽ khó hơn.
The second area is well, what does this mean cuz too often people say in an area of disruption that everything changes as opposed to significant things change.
Lĩnh vực thứ hai là, điều này có ý nghĩa gì vì quá thường xuyên người ta nói trong một lĩnh vực đột phá rằng mọi thứ đều thay đổi thay vì những thứ quan trọng thay đổi.
So, like you were mentioning Web 2.0 and LinkedIn and obviously, you know, part of this with a platform change, you go, "Okay, well, are there now new LinkedIns that are possible because of AI or something like that?" And obviously, given my own heritage, I would love LinkedIn to be that.
Vậy, như anh đã đề cập về Web 2.0 và LinkedIn và rõ ràng, bạn biết đấy, một phần của điều này với sự thay đổi nền tảng, bạn nói, "Được rồi, liệu bây giờ có những LinkedIn mới khả thi nhờ AI hay gì đó tương tự không?" Và rõ ràng, với di sản của chính tôi, tôi rất muốn LinkedIn trở thành như vậy.
But, you know, it's whatever.
Nhưng, bạn biết đấy, sao cũng được.
I'm always pro innovation entrepreneurship, best possible thing for humanity.
Tôi luôn ủng hộ đổi mới và tinh thần khởi nghiệp, điều tốt nhất có thể cho nhân loại.
Um but, like what are the kind of more traditional like the kind of things that haven't changed?
Ừ nhưng, kiểu như những thứ truyền thống hơn, những thứ chưa thay đổi là gì?
Network effects, you know, enterprise integration, you know, other kinds of things that the new platform um upsets the apple cart, but you're still going to be putting that apple cart kind of back together in some way, and what is that?
Hiệu ứng mạng lưới, bạn biết đấy, tích hợp doanh nghiệp, bạn biết đấy, những loại thứ khác mà nền tảng mới ừ làm đảo lộn mọi thứ, nhưng bạn vẫn sẽ phải lắp ráp lại theo một cách nào đó, và đó là gì?
And then the third, um which is probably where I've been putting most of my time, has been what I think of as Silicon Valley blind spots.
Và thứ ba, ừ có lẽ là nơi tôi đã dành phần lớn thời gian, là điều tôi nghĩ về những điểm mù của Thung lũng Silicon.
Because what we tend to be like Silicon Valley is one of the most amazing places in the world.
Bởi vì điều chúng ta có xu hướng giống như Thung lũng Silicon là một trong những nơi tuyệt vời nhất trên thế giới.
There's a network of intense co-opetition, learning, you know, invention, you know, kind of building new things, etc., which is just great.
Có một mạng lưới cạnh tranh hợp tác gay gắt, học hỏi, bạn biết đấy, phát minh, bạn biết đấy, kiểu như xây dựng những thứ mới, v.v., điều đó thật tuyệt vời.
But, we also have our canons.
Nhưng, chúng ta cũng có những giáo điều của mình.
We have our kind of blind spots.
Chúng ta có những điểm mù của mình.
And a classic one for us tends to be well, everything should be done in CS, everything should be done in software, everything should be done in bits.
Và một điểm kinh điển đối với chúng ta thường là, mọi thứ nên được làm trong khoa học máy tính, mọi thứ nên được làm bằng phần mềm, mọi thứ nên được làm bằng bit.
And that's the most relevant thing because by the way, it's a great area to invest.
Và đó là điều liên quan nhất bởi vì nhân tiện, đó là một lĩnh vực tuyệt vời để đầu tư.
Um but, it was like, "Okay, what are the areas where the AI revolution will be magical, but won't be within the Silicon Valley blind spots?" And that's probably where I've been putting the majority of my co-founding time, invention time, um you know, kind of investment time, etc.
Ừ nhưng, nó giống như, "Được rồi, đâu là những lĩnh vực mà cuộc cách mạng AI sẽ kỳ diệu, nhưng sẽ không nằm trong điểm mù của Thung lũng Silicon?" Và đó có lẽ là nơi tôi đã dành phần lớn thời gian đồng sáng lập, thời gian phát minh, ừ bạn biết đấy, kiểu như thời gian đầu tư, v.v.
Because like I think usually a blind spot on something that's very, very big, Yeah.
Bởi vì tôi nghĩ thường thì một điểm mù về điều gì đó rất, rất lớn, Đúng.
right, is precisely the
Đúng, chính xác là
kinds of things that you go, "Okay, you have a long runway to create something that could be like another one of the iconic companies." Yeah.
Những loại thứ mà bạn nói, "Được rồi, bạn có một chặng đường dài để tạo ra thứ gì đó có thể giống như một trong những công ty mang tính biểu tượng khác." Đúng.
Let's go deeper on that cuz we're also talking just before this about how people focus so much on the productivity and the workflow sides, but they're missing other elements.
Hãy đi sâu hơn vào điều đó vì chúng ta cũng đã nói ngay trước đây về việc mọi người tập trung quá nhiều vào năng suất và quy trình làm việc, nhưng họ đang bỏ lỡ những yếu tố khác.
So, say more about other things that you find more interesting now.
Vậy, hãy nói thêm về những thứ khác mà anh thấy thú vị hơn bây giờ.
Well, so um So, one of the things I, you know, kind of told my partners back at Greylock in 2015, so it's like 10 years ago, um was I said, "Look, there's going to be a bunch of things on productivity around AI.
Vâng, vậy ừ Vậy, một trong những điều tôi, bạn biết đấy, kiểu như đã nói với các đối tác của mình tại Greylock vào năm 2015, tức là khoảng 10 năm trước, ừ là tôi đã nói, "Nhìn này, sẽ có một loạt thứ về năng suất xoay quanh AI.
I'll help, right?
Tôi sẽ giúp, đúng không?
Like, you know, I'll you know, you have companies you want me to work with that you're doing, great, that's awesome.
Kiểu như, bạn biết đấy, tôi sẽ bạn biết đấy, bạn có những công ty mà bạn muốn tôi làm việc cùng mà bạn đang làm, tuyệt, điều đó thật tuyệt vời.
You know, enterprise productivity, etc., you know, things that Greylock tends to specialize on.
Bạn biết đấy, năng suất doanh nghiệp, v.v., bạn biết đấy, những thứ mà Greylock có xu hướng chuyên về.
But, I said, "Actually, in fact, what I think that's here, getting the blind spots, is um is also going to be some things like, you know, what, you know, as you guys both know, Madison AI, um which is how do we create a drug discovery factory that works at the speed of software." Yeah.
Nhưng, tôi đã nói, "Thực ra, điều tôi nghĩ ở đây, nhìn vào những điểm mù, là ừ cũng sẽ có một số thứ như, bạn biết đấy, như cả hai anh đều biết, Madison AI, ừ tức là làm thế nào chúng ta tạo ra một nhà máy khám phá thuốc hoạt động với tốc độ của phần mềm." Đúng.
Right.
Đúng.
Now, obviously, there's regulatory, obviously there's biological bits, obviously da
Bây giờ, rõ ràng là có quy định, rõ ràng là có các phần sinh học, rõ ràng là vân vân
da.
Vân vân.
And so, does it the won't be purely speed of software, but how do we do this?
Và vậy, liệu nó sẽ không hoàn toàn là tốc độ của phần mềm, nhưng làm thế nào chúng ta làm được điều này?
And they said, "Oh, well, what do you know about biology?" And the answer is "Zero." Well, it may be not quite zero, you know, been on the board of Biohub for 10 years, I'm on the board of Arc, etc.
Và họ nói, "Ồ, vậy ông biết gì về sinh học?" Và câu trả lời là "Không gì cả." À, có thể không hẳn là không, bạn biết đấy, tôi đã ở trong ban quản trị của Biohub 10 năm, tôi ở trong ban quản trị của Arc, v.v.
Like, I've been thinking about the intersection of the world of atoms and the world of bits, and you have biological bits which are kind of halfway between atoms and bits in
Giống như, tôi đã suy nghĩ về sự giao thoa giữa thế giới nguyên tử và thế giới bit, và bạn có các bit sinh học nằm ở giữa nguyên tử và bit theo
various ways.
Nhiều cách khác nhau.
I've been thinking about this a lot and kind of what the things are.
Tôi đã suy nghĩ rất nhiều về điều này và về những thứ thực sự là gì.
Not so much with a specific company focus as much as a "What are things that elevate human life?" you know, kind of focus.
Không tập trung vào một công ty cụ thể mà là "Những thứ gì nâng cao cuộc sống con người?" bạn biết đấy, kiểu tập trung như vậy.
Part of the reason why Biohub, part of the reason why Arc.
Một phần lý do tại sao có Biohub, một phần lý do tại sao có Arc.
But then I was like, "Well, wait a minute.
Nhưng sau đó tôi nghĩ, "Chà, khoan đã.
Actually, now with AI, and you have the acceleration." Cuz like for example, actually I'll This detour will be fun.
Thực ra, bây giờ với AI, và bạn có sự tăng tốc." Vì ví dụ, thực ra tôi sẽ... Chuyến đi vòng này sẽ thú vị.
So, roughly also around 10 years ago, I was asked to give a a talk to the Stanford Long-Term Planning Commission.
Vậy, cũng khoảng 10 năm trước, tôi được yêu cầu nói chuyện với Ủy ban Quy hoạch Dài hạn Stanford.
And um what I told them uh was that they should basically divert and put all of their energy into AI tools for every single discipline.
Và ừm, điều tôi nói với họ là họ nên chuyển hướng và dồn toàn bộ năng lượng vào các công cụ AI cho mọi lĩnh vực.
Mhm.
Ừm.
And this is well before ChatGPT and all the rest.
Và điều này là trước ChatGPT và mọi thứ khác rất lâu.
And the metaphor I used was a search metaphor because think if you had a custom search productivity tool in every single discipline.
Và ẩn dụ tôi dùng là ẩn dụ về tìm kiếm vì hãy nghĩ nếu bạn có một công cụ tìm kiếm năng suất tùy chỉnh trong mọi lĩnh vực.
Now, back then, I could imagine it I could build one for every discipline other than theoretical math Today, you might even be able to do theoretical math and theoretical physics.
Hồi đó, tôi có thể tưởng tượng... tôi có thể xây dựng một công cụ cho mọi lĩnh vực trừ toán học lý thuyết. Ngày nay, bạn thậm chí có thể làm được toán học lý thuyết và vật lý lý thuyết.
Exactly.
Chính xác.
And so, do that.
Và vì vậy, hãy làm điều đó.
Like, transform knowledge generation, knowledge communication, knowledge analysis.
Giống như, biến đổi việc tạo ra tri thức, truyền đạt tri thức, phân tích tri thức.
Well, that kind of same thing now thinking well, well, the biological system is still too complex to simulate.
Chà, điều tương tự bây giờ khi nghĩ rằng, hệ thống sinh học vẫn quá phức tạp để mô phỏng.
We've got all these amazing things with LLMs, but like the classic Silicon Valley blind spot is, "Oh, we'll just put it all in simulation and drugs will fall out." Right.
Chúng ta có tất cả những thứ tuyệt vời này với LLM, nhưng điểm mù kinh điển của Thung lũng Silicon là, "Ồ, chúng ta sẽ đưa tất cả vào mô phỏng và thuốc sẽ tự xuất hiện." Đúng.
That simulation is difficult.
Việc mô phỏng đó rất khó.
Now, part of the insight that you begin to see from like the work with Alpha, you know, Go and AlphaZero is cuz like people used to think, "Ah, physical material is going to take quantum computing." Now, quantum computing could do really amazing things, but actually simply doing prediction and getting that prediction right, and by the way, it doesn't have to be right
Bây giờ, một phần hiểu biết mà bạn bắt đầu thấy từ công trình với Alpha, bạn biết đấy, Go và AlphaZero là vì mọi người từng nghĩ, "À, vật liệu vật lý sẽ cần máy tính lượng tử." Bây giờ, máy tính lượng tử có thể làm những điều thực sự tuyệt vời, nhưng thực ra chỉ cần dự đoán và dự đoán đúng, và nhân tiện, nó không cần đúng
100% of the time, has to be right like 1% of the time because you can validate the other 99% were it right, and then finding that one thing.
100% thời gian, chỉ cần đúng khoảng 1% thời gian vì bạn có thể xác thực 99% còn lại có đúng không, và sau đó tìm ra thứ đó.
And so, literally, it's like it's not a needle in a haystack, it's like a needle in a solar system.
Và vì vậy, theo nghĩa đen, nó giống như không phải là kim trong đống cỏ khô, mà giống như kim trong hệ mặt trời.
Right.
Đúng.
And it's like, "But, you could possibly do that." And that's part of what led to like, "Okay, Silicon Valley will classically go, we'll put it all in simulation, and that will solve it." Nope, that's not going to work.
Và nó giống như, "Nhưng, bạn có thể làm được điều đó." Và đó là một phần dẫn đến việc, "Được rồi, Thung lũng Silicon theo kinh điển sẽ nói, chúng ta sẽ đưa tất cả vào mô phỏng, và điều đó sẽ giải quyết." Không, điều đó sẽ không hiệu quả.
Or, "Oh no, we're going to have a super intelligent drug researcher, and that will be 2 years down the thing." I actually, look, maybe someday, not soon.
Hoặc, "Ồ không, chúng ta sẽ có một nhà nghiên cứu thuốc siêu thông minh, và điều đó sẽ xảy ra trong 2 năm nữa." Thực ra, nhìn này, có thể một ngày nào đó, không phải sớm.
Right.
Đúng.
So, anyway, that was the kind of thing that was the the in other different areas.
Vậy, dù sao, đó là kiểu điều... đó là... trong các lĩnh vực khác nhau khác.
Now, part of it's also um you know, kind of what a lot of people don't realize.
Bây giờ, một phần của nó cũng là ừm, bạn biết đấy, kiểu điều mà nhiều người không nhận ra.
Actually, if I'm not going too long, I'll do I'll go I'll go to the other example that that I gave cuz that you'll love this.
Thực ra, nếu tôi không nói quá dài, tôi sẽ... tôi sẽ đi đến ví dụ khác mà tôi đã đưa ra vì bạn sẽ thích điều này.
Um this will echo some of our conversations from 10, 15 years ago.
Ừm, điều này sẽ lặp lại một số cuộc trò chuyện của chúng ta từ 10, 15 năm trước.