Ruslan Salakhutdinov rời Meta để thành lập một công ty có tên Sooth Labs.
Salakhutdinov không phải là "cựu nhân viên Meta" bình thường. Ông từng giữ chức nhà khoa học AI trưởng tại Meta, trước đó là giáo sư tại Đại học Carnegie Mellon, và là một nhân vật có tầm ảnh hưởng trong lĩnh vực học sâu. Các đồng sáng lập Chuck Hoover và Yaser Sheikh cũng là những nhà nghiên cứu chủ chốt từ Meta.
Công ty này thông báo vào ngày 22 tháng 4 đã hoàn tất vòng gọi vốn 50 triệu USD, với mức định giá 335 triệu USD, do Felicis Ventures dẫn đầu.
Có hai cái tên nhà đầu tư đáng chú ý: Yann LeCun ("Cha đỡ đầu của học sâu", người đoạt giải Turing) và Jeff Dean (người sáng lập Google Brain, hiện là Nhà khoa học trưởng của Google). Cựu CTO của Meta, Andrew Bosworth, giữ vai trò cố vấn.
Việc ba cái tên này cùng xuất hiện trên bảng vốn hóa của một công ty là điều không thường thấy trong ngành AI. Họ đang đặt cược vào điều gì?
Sooth Labs làm gì?
Nói một câu: Giúp doanh nghiệp dự đoán khả năng xảy ra của các sự kiện địa chính trị và thị trường cụ thể.
Đây không phải là trợ lý đối thoại, công cụ lập trình hay ứng dụng RAG. Sooth Labs muốn xây dựng một "cỗ máy dự đoán" – cung cấp cho doanh nghiệp các đánh giá xác suất dựa trên AI, cho bạn biết khả năng một sự kiện nào đó xảy ra là bao nhiêu.
Các tình huống cụ thể có thể bao gồm: xác suất thay đổi chính sách của một quốc gia, rủi ro pháp lý của một thị trường cụ thể, rủi ro xung đột địa chính trị trên chuỗi cung ứng… Trước đây, những đánh giá này dựa vào kinh nghiệm và trực giác của các nhà phân tích con người, giờ đây muốn sử dụng AI để thực hiện ước tính định lượng.
Hướng đi này có bối cảnh lịch sử của nó.
Tại sao là bây giờ?
Thị trường dự đoán đã phát triển nhanh chóng trong những năm gần đây nhờ AI. Các nền tảng như Polymarket và Metaculus đã chứng minh rằng việc tổng hợp niềm tin của những người tham gia thị trường có thể tạo ra các ước tính xác suất chính xác hơn so với dự đoán truyền thống.
Sooth Labs muốn tiến xa hơn: không chỉ tổng hợp niềm tin của con người, mà còn huấn luyện các mô hình AI học trực tiếp các quy luật xảy ra sự kiện từ khối lượng dữ liệu khổng lồ.
Có một số thách thức kỹ thuật cho vấn đề này:
- Mẫu sự kiện địa chính trị nhỏ (các cuộc chiến tranh quy mô lớn không xảy ra thường xuyên, dữ liệu lịch sử hạn chế)
- Tính so sánh giữa các sự kiện tương tự kém (mỗi cuộc khủng hoảng có bối cảnh khác nhau)
- Khó tách biệt tín hiệu và nhiễu (báo cáo truyền thông không đại diện cho xác suất thực tế)
Thành thật mà nói, liệu có thể làm tốt hay không vẫn còn là một dấu hỏi. Nhưng ba nhà sáng lập đã thực hiện rất nhiều công việc về dữ liệu có cấu trúc và huấn luyện phản hồi của con người tại Meta, những kinh nghiệm này có giá trị chuyển giao trong việc mô hình hóa dự đoán.
Việc LeCun và Jeff Dean đặt cược vào hướng đi này nói lên điều gì?
Gần đây, LeCun đã tự thành lập AMI Labs, tập trung vào "mô hình thế giới" – giúp AI thực sự hiểu thế giới vật lý ba chiều, chứ không chỉ xử lý văn bản.
Việc ông đầu tư vào Sooth Labs cho thấy ông tin rằng khả năng hiểu "sự kiện" của AI cũng là một phần quan trọng của mô hình thế giới. Các sự kiện địa chính trị là một trong những mô hình phức tạp nhất trong thế giới loài người, và dự đoán chính xác chúng có nghĩa là mô hình có sự hiểu biết sâu sắc về động lực xã hội loài người.
Jeff Dean đã dẫn dắt rất nhiều công việc về dự đoán và ML chuỗi thời gian tại Google. Khoản đầu tư của ông vào Sooth Labs giống như một sự chứng thực rằng "hướng đi này khả thi về mặt kỹ thuật".
Cả hai người, từ những góc nhìn nghiên cứu khác nhau, đều chỉ đến cùng một kết luận: Con đường AI dự đoán các sự kiện phức tạp là có triển vọng.
Ai sẽ trả tiền?
Định giá 335 triệu USD, huy động 50 triệu USD – trong bối cảnh huy động vốn AI hiện nay, con số này không lớn.
Nhưng khách hàng tiềm năng của mảng này rất rõ ràng: bộ phận quản lý rủi ro của các tập đoàn đa quốc gia, quỹ phòng hộ, nhóm tính toán bảo hiểm, cơ quan chính phủ. Những khách hàng này sẵn sàng trả tiền và có khả năng chi trả.
So với AI tiêu dùng hướng đến tất cả mọi người, mảng AI dự đoán dọc theo hướng B2B có ít đối thủ cạnh tranh hơn nhiều, nhưng trần doanh thu cũng tương đối rõ ràng.
Luận điểm cốt lõi mà Sooth Labs cần chứng minh là: Các ước tính xác suất do AI tạo ra có chính xác, nhanh hơn và rẻ hơn so với một đội ngũ nhà phân tích con người hay không?
Nếu có thể chứng minh điều này trong một vài lĩnh vực cụ thể, mô hình kinh doanh này có thể vận hành. Nếu không, 50 triệu USD cũng đủ để họ thử nghiệm sai trong vài năm.
Sự chứng thực của LeCun và Jeff Dean giúp họ mở ra cánh cửa đàm phán mua dữ liệu và khách hàng tổ chức – điều này có thể có giá trị hơn cả bản thân số tiền.
Liệu mảng này có thể phát triển hay không cũng phụ thuộc vào sự cạnh tranh thị trường giữa các thị trường dự đoán và các tổ chức tư vấn chính sách. Nhưng với nền tảng của các nhà nghiên cứu AI hàng đầu để làm điều này, ít nhất điểm xuất phát không thấp.
Nguồn tham khảo: CocoLoop, AI Pioneers Back Startup Building Models to Predict Events (Bloomberg, 22 tháng 4 năm 2026)