Alexander Wang shares his background growing up in New Mexico, his involvement in math and computer science competitions, and his early career at Quora. He discusses his time at MIT, where he started training AI models, and how he founded Scale AI at age 19 after pivoting from a different idea at Y Combinator. The company initially focused on providing data for AI models, especially for self-driving cars, and faced skepticism from investors. Wang emphasizes the importance of developing conviction in beliefs that others disagree with to build successful companies.
Alexander Wang chia sẻ về quá trình lớn lên ở New Mexico, tham gia các cuộc thi toán và khoa học máy tính, và sự nghiệp ban đầu tại Quora. Anh kể về thời gian ở MIT, nơi anh bắt đầu huấn luyện các mô hình AI, và cách anh thành lập Scale AI ở tuổi 19 sau khi chuyển hướng từ một ý tưởng khác tại Y Combinator. Công ty ban đầu tập trung cung cấp dữ liệu cho các mô hình AI, đặc biệt là cho xe tự lái, và phải đối mặt với sự hoài nghi từ các nhà đầu tư. Wang nhấn mạnh tầm quan trọng của việc phát triển niềm tin vào những điều mà người khác không đồng ý để xây dựng các công ty thành công.
All right, full rockstar treatment for Alexander Wang, everyone.
Được rồi, đối xử như ngôi sao nhạc rock dành cho Alexander Wang nào mọi người.
All right, so why don't we start out uh backstage?
Được rồi, vậy tại sao chúng ta không bắt đầu ở hậu trường?
were saying, you know, one of the cool ways to think about this event is like, you know, this room is actually full of people who are just like us, but when we were 18 or 20 or, you know, there's some 16 year olds in this audience, you know.
Chúng tôi đã nói, bạn biết đấy, một trong những cách thú vị để nghĩ về sự kiện này là, căn phòng này thực sự đầy những người giống như chúng ta, nhưng khi chúng ta 18 hay 20 tuổi, hoặc có vài người 16 tuổi trong khán giả.
Um, let's jump to your story.
Ừm, hãy chuyển sang câu chuyện của bạn.
I mean, you got it came up always really smart like math olympiad like jump us to, you know, the Alex of that time like what were you feeling?
Ý tôi là, bạn luôn thông minh như tham gia Olympic Toán, hãy đưa chúng tôi đến Alex thời đó, bạn cảm thấy thế nào?
What were you thinking?
Bạn đã nghĩ gì?
And what drove you down this road?
Và điều gì đã thúc đẩy bạn đi theo con đường này?
Yeah, I um uh well I grew up in New Mexico, Los New Mexico um which now Oenheimimer famous, but um it really was the middle of nowhere.
Vâng, tôi lớn lên ở New Mexico, Los New Mexico, giờ nổi tiếng vì Oppenheimer, nhưng thực sự đó là nơi hẻo lánh.
And uh I remember I did all these math competitions, all these um computer science competitions, but then um I knew I wanted to do really big things and it was like not exactly clear how or what the exact paths to do that would be.
Và tôi nhớ mình đã tham gia tất cả các cuộc thi toán, các cuộc thi khoa học máy tính, nhưng rồi tôi biết mình muốn làm những điều thực sự lớn lao và không rõ chính xác con đường nào để làm điều đó.
Um, and I had a friend
Ừm, và tôi có một người bạn
who was really into programming.
người rất đam mê lập trình.
Um, and you know, after high school got an internship in the valley, worked, I think his first internship was at Palunteer.
Ừm, và sau trung học, anh ấy có một kỳ thực tập ở thung lũng, làm việc, tôi nghĩ kỳ thực tập đầu tiên của anh ấy là tại Palantir.
And, um, and he, you know, he was kind of this, um, influence for me.
Và anh ấy là một người có ảnh hưởng đến tôi.
And so, after I finished, uh, high school, I ended up working at Quora, um, here in Silicon Valley.
Vì vậy, sau khi tốt nghiệp trung học, tôi đã làm việc tại Quora, ở Thung lũng Silicon.
And then, um, I worked there for a year.
Và tôi đã làm việc ở đó một năm.
I took a gap year to work there.
Tôi đã nghỉ một năm để làm việc ở đó.
Um and then I went to MIT.
Ừm và sau đó tôi vào MIT.
Um and this was I was 19 when I worked at Quora.
Ừm và lúc đó tôi 19 tuổi khi làm việc tại Quora.
I was 18 when I went to MIT.
Tôi 18 tuổi khi vào MIT.
And I was 19 when I started um scale.
Và tôi 19 tuổi khi bắt đầu Scale.
And I remember this period from like 17 to 19.
Và tôi nhớ giai đoạn từ 17 đến 19 tuổi.
It was um uh I felt like
Đó là khoảng thời gian tôi cảm thấy
I was constantly changing like you know exactly what I want to do was constantly changing you know I was learning so much just from the people around me and it was just like I felt like I was drinking from the fire hose pretty constantly during that time.
mình liên tục thay đổi, những gì tôi muốn làm liên tục thay đổi, tôi học được rất nhiều từ những người xung quanh và cảm giác như uống nước từ vòi cứu hỏa suốt thời gian đó.
Um and um I would definitely recommend you know the two things that were really important.
Ừm và tôi chắc chắn khuyên bạn nên, hai điều thực sự quan trọng.
One is I think working at a company was
Một là tôi nghĩ làm việc tại một công ty
really valuable because like I think from the outside in you have no idea how companies work.
thực sự có giá trị vì từ bên ngoài nhìn vào, bạn không biết công ty hoạt động thế nào.
You have no idea what it looks like to actually build something.
Bạn không biết việc thực sự xây dựng một thứ gì đó trông như thế nào.
You have no idea what it looks like to iterate on something.
Bạn không biết việc lặp đi lặp lại một thứ gì đó trông như thế nào.
You have no idea what it looks like for groups of people to make decisions.
Bạn không biết việc một nhóm người đưa ra quyết định trông như thế nào.
And so I thought that was really important.
Và tôi nghĩ điều đó rất quan trọng.
And then going to school at MIT was actually really important because it just gave me a lot of um opportunity to explore what was interesting.
Và sau đó, việc học tại MIT thực sự quan trọng vì nó cho tôi nhiều cơ hội khám phá những điều thú vị.
And so it was at MIT that I started training my first models and um
Và chính tại MIT, tôi bắt đầu huấn luyện những mô hình đầu tiên của mình và ừm
that I like played around with TensorFlow which had just come out that year at MIT and where I like ultimately came up with the idea of scale.
tôi đã chơi với TensorFlow, vừa ra mắt năm đó tại MIT, và cuối cùng tôi nảy ra ý tưởng về Scale.
And then after one year of MIT, I applied to YC.
Và sau một năm tại MIT, tôi nộp đơn vào YC.
You know, it felt like kind of like a miracle to get in at that time.
Lúc đó cảm giác như một phép màu khi được nhận.
And uh and YC was really critical to my entrepreneurial journey.
Và YC thực sự quan trọng đối với hành trình khởi nghiệp của tôi.
Like I don't think um like YC is this amazing blend of uh you know, they're very supportive and they obviously want you to succeed, but they also give it to you very real and they tell you when you're being a dumbass.
Tôi không nghĩ YC là sự pha trộn tuyệt vời giữa sự hỗ trợ và mong muốn bạn thành công, nhưng họ cũng rất thực tế và nói cho bạn biết khi bạn hành động ngu ngốc.
Um which I think is uh you
Ừm, điều đó
know, that's what we all need in life.
mà tất cả chúng ta đều cần trong cuộc sống.
So um yeah that was I think the story till then I was 19 started scale and uh the rest is history - I guess with uh you work with Jared Freriedman at the time and um you came in with actually a very different idea than what ended up becoming scale.
Vâng, đó là câu chuyện cho đến khi tôi 19 tuổi, bắt đầu Scale và phần còn lại là lịch sử. Tôi đoán là bạn làm việc với Jared Friedman lúc đó và bạn đến với một ý tưởng rất khác so với những gì cuối cùng trở thành Scale.
- Yeah.
- Vâng.
Yeah.
Vâng.
So, we wanted to build um like an AI agent, funnily enough, for uh for doc for to help people like get medical care.
Vì vậy, chúng tôi muốn xây dựng một tác nhân AI, thú vị là để giúp mọi người được chăm sóc y tế.
Um and it was like the right it was a great example of an idea that I think will ultimately exist.
Ừm và đó là một ví dụ tuyệt vời về một ý tưởng mà tôi nghĩ cuối cùng sẽ tồn tại.
Like I think we're even seeing it now like AI agents to help people get medical care are very real, but it was the wrong timing.
Giống như bây giờ chúng ta đang thấy các tác nhân AI giúp mọi người được chăm sóc y tế là rất thực tế, nhưng đó là sai thời điểm.
Um, and uh, and we worked on it
Ừm, và chúng tôi đã làm việc trên nó
for about a month or two before Jared pulled us aside and we're like, "Guys, this is I don't know if this is going to go anywhere." Um, and uh, and that's exactly what we need to hear.
khoảng một hoặc hai tháng trước khi Jared kéo chúng tôi sang một bên và nói, "Các cậu, tôi không biết liệu điều này có đi đến đâu không." Và đó chính xác là những gì chúng tôi cần nghe.
And it was at that time when like, you know, I had studied AI at MIT.
Và đó là lúc tôi đã học AI tại MIT.
I like trained models and we thought we sort of went back to the drawing board, thought deeply about where the opportunity was and came up
Tôi đã huấn luyện các mô hình và chúng tôi nghĩ rằng mình đã quay lại bảng vẽ, suy nghĩ sâu sắc về cơ hội ở đâu và nảy ra
with scale.
Scale.
I guess selling data at the time, you know, large language models were not even had not really come to the four yet.
Tôi đoán là vào thời điểm đó, việc bán dữ liệu, bạn biết đấy, các mô hình ngôn ngữ lớn thậm chí còn chưa thực sự xuất hiện.
Um, but self-driving cars were sort of coming up and computer vision suddenly became so that was sort of the first market.
Ừm, nhưng xe tự lái đang nổi lên và thị giác máy tính đột nhiên trở nên quan trọng, đó là thị trường đầu tiên.
Is that right?
Có đúng không?
- Yeah.
- Ừ.
So, the story here is that like I was when I was at MIT, I did a bunch of projects to like train models of various forms and these were like, you know, by comparison today, they're like little toy models.
Vậy, câu chuyện ở đây là khi tôi còn ở MIT, tôi đã thực hiện một số dự án để huấn luyện các mô hình dưới nhiều hình thức khác nhau và so với ngày nay, chúng giống như những mô hình đồ chơi nhỏ.
And um and I remember to train a model uh I needed three things.
Và tôi nhớ để huấn luyện một mô hình, tôi cần ba thứ.
I needed a uh GCP account like I need an account on some cloud service to get compute.
Tôi cần một tài khoản GCP, tôi cần một tài khoản trên dịch vụ đám mây nào đó để có sức mạnh tính toán.
I needed
Tôi cần
um the code to run to actually train the model.
Mã để chạy thực sự huấn luyện mô hình.
And I needed data.
Và tôi cần dữ liệu.
I needed a data set.
Tôi cần một bộ dữ liệu.
And uh for two out of these three things, you could just press a button online and get them.
Và với hai trong ba thứ đó, bạn chỉ cần nhấn một nút trực tuyến là có.
And then for the last one for data, there was like no effective way to get data for training these training these models.
Và đối với thứ cuối cùng là dữ liệu, không có cách hiệu quả nào để có dữ liệu cho việc huấn luyện các mô hình này.
Um and so it felt incredibly obvious that this was going to be the future that there was
Và vì vậy, tôi cảm thấy rất rõ ràng rằng đây sẽ là tương lai, rằng sẽ có
going to be a way to um you know press a button so to speak and get data.
Một cách để, bạn biết đấy, nhấn một nút và có dữ liệu.
And uh and it was very funny because in the years that followed like in the first many years of scale data was very unsexy still.
Và thật buồn cười vì trong những năm sau đó, trong nhiều năm đầu của Scale, dữ liệu vẫn rất kém hấp dẫn.
Um, every time we would go out to fund raise, even though our numbers were great and we had great revenue, you know, VCs and investors would always be very skeptical.
Ừm, mỗi lần chúng tôi đi gọi vốn, mặc dù số liệu của chúng tôi rất tốt và doanh thu cao, nhưng các nhà đầu tư mạo hiểm luôn rất hoài nghi.
They'd be like, "Oh, I
Họ sẽ nói, "Ồ, tôi
don't know if this is a good business.
Không biết đây có phải là một công việc kinh doanh tốt không.
Does this have longevity?
Nó có bền vững không?
Is this durable?" Um, and uh, it was really weird to me, but, you know, none of the investors had ever trained a model, so I guess they didn't really get it.
Nó có lâu dài không?" Và thật kỳ lạ với tôi, nhưng bạn biết đấy, không nhà đầu tư nào từng huấn luyện một mô hình, vì vậy tôi đoán họ không thực sự hiểu.
Um and uh fast forward to today, you know, we we managed to raise money, we managed to keep going, managed to keep growing the business, but um the very same investors who passed on us and were um were very
Và ngày nay, bạn biết đấy, chúng tôi đã huy động được vốn, tiếp tục phát triển kinh doanh, nhưng chính những nhà đầu tư đã từ chối chúng tôi và rất
der on the potential of AI are writing think pieces today about how data is so critical and is one of the biggest business opportunities um in AI.
Hoài nghi về tiềm năng của AI giờ đây đang viết những bài báo về tầm quan trọng của dữ liệu và đó là một trong những cơ hội kinh doanh lớn nhất trong AI.
So, uh it's very funny to see that whole thing come full circle.
Vì vậy, thật buồn cười khi thấy mọi thứ quay vòng đầy đủ.
I it seems like that's actually a real good um case study in first principles thinking, right?
Tôi nghĩ đó thực sự là một nghiên cứu điển hình tốt về tư duy nguyên tắc đầu tiên, phải không?
Like you can't start a company by opening the pages of the Wall Street
Giống như bạn không thể bắt đầu một công ty bằng cách mở các trang của Wall Street
Journal and saying,"Well, this data is hot.
Journal và nói, "Chà, dữ liệu này đang hot.
Like we're going to go work on that." Like you literally couldn't have started scale that way.
Chúng ta sẽ làm việc đó." Bạn thực sự không thể bắt đầu Scale theo cách đó.
You had to start from uh think like simple statements that are about the world that you know to be true and then sort of building something for that.
Bạn phải bắt đầu từ những tuyên bố đơn giản về thế giới mà bạn biết là đúng và sau đó xây dựng một thứ gì đó từ đó.
- Yeah.
- Ừ.
I think the key thing is you need to develop conviction in a set of beliefs that nobody else um agrees with.
Tôi nghĩ điều quan trọng là bạn cần phát triển niềm tin vào một tập hợp các niềm tin mà không ai khác đồng ý.
Like I think if you look at all the most successful companies in the world um they were started at a time long before the sort of like core idea was popular and they work on that.
Giống như tôi nghĩ nếu bạn nhìn vào tất cả các công ty thành công nhất trên thế giới, chúng được bắt đầu từ rất lâu trước khi ý tưởng cốt lõi trở nên phổ biến và họ làm việc đó.
they toil in obscurity for years and years before, you know, the idea or the space or the concept or the business, you know, becomes consensus.
Họ làm việc trong bóng tối trong nhiều năm trước khi ý tưởng, không gian, khái niệm hay công việc kinh doanh trở thành sự đồng thuận.
And the only way you're going to be successful is if
Và cách duy nhất để bạn thành công là nếu
you're able to identify these truths about the world early, long before everyone else.
Bạn có thể xác định những sự thật này về thế giới sớm, rất lâu trước những người khác.
And I think that like I mean, one of the most surprising things like, you know, scale, we've been working on AI for a decade.
Và tôi nghĩ rằng một trong những điều đáng ngạc nhiên nhất là, bạn biết đấy, Scale, chúng tôi đã làm việc về AI trong một thập kỷ.
you know, you just you can't base your business decisions based on what everyone else is saying around you.
Bạn không thể đưa ra quyết định kinh doanh dựa trên những gì người khác nói xung quanh bạn.
Like if you go too much with the herd, you will get
Nếu bạn đi quá nhiều theo đám đông, bạn sẽ