Jev bùng nổ, tổng hợp toàn bộ các cổ phiếu liên quan trên thị trường chứng khoán Mỹ

区块律动BlockBeats

特邀专栏作者

2026-09-21 16:52 (UTC+8)

Bài viết này có khoảng 3228 từ, đọc toàn bộ bài viết mất khoảng 5 phút

Thời khắc DeepSeek mới?

Tóm tắt AI

Mở rộng

Quan điểm cốt lõi: Mô hình ra quyết định Jev do TypeSafe AI ra mắt chuyên biệt cho các tác vụ phân loại và lựa chọn với chi phí cực thấp, thúc đẩy năng lực phán đoán của AI thâm nhập vào các thiết bị biên và hệ thống tự chủ, các nhà sản xuất chip analog, AI biên và cảm biến được kỳ vọng sẽ hưởng lợi.
Yếu tố then chốt:
1. Jev chỉ tính phí 0,042 USD cho mỗi triệu token đầu vào, đầu ra miễn phí, khiến việc kiểm tra từng mục thay thế lấy mẫu trở nên khả thi.
2. Jev được định vị là mô hình ra quyết định System One, đầu ra là các lựa chọn, điểm số và xác suất, loại bỏ chi phí tính toán để tạo ra giải thích.
3. Các nhà phát triển đã ứng dụng nó vào các tình huống như drone tránh chướng ngại vật, thao tác trình duyệt, tìm kiếm và gọi công cụ Agent.
4. Các cổ phiếu Mỹ tiềm năng được hưởng lợi bao gồm TXN, ADI, STM, ON, bao phủ cảm biến, cấp nguồn, điều khiển chuyển động và chip AI biên.
5. NXPI, QCOM, Cloudflare được đưa vào danh sách theo dõi, lần lượt tương ứng với tính toán công nghiệp, nền tảng AI phía thiết bị đầu cuối và triển khai mô hình.
6. Jev vẫn tồn tại các rủi ro giai đoạn đầu như độ chính xác phán đoán, thiết kế vấn đề và khả năng hỗ trợ kinh doanh dài hạn, hiện chưa phù hợp cho các nghiệp vụ sản xuất quan trọng.

Những ngày gần đây, trên dòng thời gian của các nhà phát triển AI liên tục xuất hiện một cái tên mới: Jev.

Có người dùng nó để phân loại bài báo, có người dùng nó để chọn công cụ mà Agent nên gọi, còn có người tích hợp nó vào trình mô phỏng drone, để drone chọn hành động né tránh chướng ngại vật. Các nền tảng như OpenRouter, Cloudflare cũng đã tích hợp mô hình mới này, và các bản demo ứng dụng xoay quanh Jev liên tục xuất hiện.

Nếu JEV khiến việc AI đưa ra quyết định trở nên nhanh hơn, rẻ hơn, thì những công ty cổ phiếu Mỹ nào có cơ hội hưởng lợi?

Trước khi hiểu logic đầu tư, cần làm rõ Jev thực chất là gì.

Làm câu hỏi trắc nghiệm

Jev là mô hình ra quyết định do TypeSafe AI ra mắt vào ngày 15 tháng 9. Công ty gọi loại mô hình này là System One, tức "Hệ thống một", mượn khái niệm phán đoán nhanh trong tác phẩm kinh điển về kinh tế học hành vi "Thinking, Fast and Slow". Nó có thể hiểu mô tả bằng văn bản, chủ yếu xuất ra các lựa chọn, điểm số và xác suất, để phần mềm tiếp tục xử lý.

Lấy một ví dụ. Một cửa hàng online nhận được tin nhắn: "Hôm qua tôi mua một cái cốc, hình như bị trừ tiền hai lần, có thể kiểm tra giúp không?"

Hệ thống có vài câu hỏi nhỏ cần giải quyết: việc này thuộc bộ phận hậu mãi hay tài chính? Người dùng đang tra cứu hóa đơn hay yêu cầu hoàn tiền? Hồ sơ hiện có có cho thấy bị trừ tiền trùng không?

Nhà phát triển có thể quy định trước các lựa chọn, để Jev lần lượt trả lời. Sau đó, chương trình đối chiếu đơn hàng và hồ sơ thanh toán, đi vào quy trình xử lý tương ứng; khi cần giải thích cho khách hàng, lại giao cho mô hình giỏi diễn đạt.

Đây chính là cách dùng cơ bản của Jev: đưa cho nó tình huống, quy định câu hỏi, để nó đưa ra lựa chọn.

Các mô hình lớn đa dụng cũng có thể hoàn thành những nhiệm vụ này. Sức hút của Jev nằm ở việc tối ưu chuyên biệt cho phân loại, chấm điểm và lựa chọn, giảm thời gian và chi phí cho một phán đoán nhỏ. Nó giao kết quả trực tiếp cho chương trình, bỏ qua quá trình tạo ra một đoạn giải thích.

Mở rộng thêm, mỗi ngày bạn nhận được hàng nghìn tin tức ngành, nhưng chỉ vài chục tin thực sự đáng đọc kỹ. Có thể trước tiên để Jev phán đoán mỗi tin có liên quan đến công ty bạn quan tâm không, có chứa thông tin mới không, rồi để mô hình đa dụng tóm tắt nội dung đã lọc. Như vậy, mô hình đa dụng chỉ xử lý phần đáng đọc sâu, còn lượng lớn phán đoán đơn giản giao cho Jev với chi phí thấp hơn.

Những thử nghiệm tương tự đã mở rộng sang các lĩnh vực như thao tác trình duyệt, tìm kiếm và game. Chuyên đề Jev của động sát Beating tổng hợp các dự án này theo mục đích sử dụng, giới thiệu Jev đảm nhận những phán đoán nào trong đó, kèm theo mã nguồn và một phần lối vào demo. Đối chiếu với các trường hợp cụ thể, sẽ dễ hiểu hơn năng lực "làm câu hỏi trắc nghiệm" này có thể dùng ở đâu.

Chi phí cắt giảm đến mức tối thiểu

Theo mức giá TypeSafe công bố, Jev thu 0,042 USD cho mỗi triệu token đầu vào, đầu ra miễn phí.

Ý nghĩa của việc giảm chi phí nằm ở chỗ, một số công việc trước đây chỉ có thể lấy mẫu kiểm tra, nay có khả năng kiểm tra từng mục một. Hồ sơ chăm sóc khách hàng có thể phân loại từng mục, tài liệu tìm kiếm được có thể đánh giá mức độ liên quan từng mục, và mỗi lần agent gọi công cụ cũng có thể sàng lọc thêm một lần.

Ví dụ, một chương trình phân tích tin tức trước đây mỗi ngày chỉ chọn ra những bài hot nhất giao cho AI, giờ có thể kiểm tra toàn bộ bài viết trước, rồi phân loại theo công ty, sản phẩm, đơn hàng và thay đổi nhân sự. Những thông tin không hot nhưng liên quan trực tiếp đến một doanh nghiệp quan trọng cũng có cơ hội được tìm ra.

Tên gọi Jev lấy từ nhà kinh tế học Jevons, thành tựu nổi tiếng nhất của ông là đề xuất "Nghịch lý Jevons". Các nhà phát triển hy vọng rằng sau khi phán đoán trở nên rẻ hơn, phần mềm sẽ sử dụng nó thường xuyên hơn. Những chỗ trước đây không đáng để gọi riêng một lần mô hình lớn, đều có thể tính lại bài toán chi phí.

Jev và thiết bị vật lý

Nhà phát triển Roman Slack đã làm một dự án drone: trong trình mô phỏng vật lý MuJoCo, một drone bốn cánh theo dõi mục tiêu phía trước, xuyên qua các cột, dầm ngang và chướng ngại vật di động trên đường đi.

Chương trình trước tiên sắp xếp thông tin độ sâu và phân đoạn thu được từ camera thành dữ liệu, cho Jev biết phía trước có bị chặn không, bên trái hay bên phải có khoảng trống, chướng ngại vật cao bao nhiêu. Jev sau đó chọn từ các hành động như giữ hướng bay, vòng sang trái, vòng sang phải, leo lên, phanh lại.

Ví dụ, một dầm ngang chặn toàn bộ lối đi, hai bên đều không vòng qua được, nhưng phía trên vẫn còn không gian. Jev có thể chọn leo lên, chương trình điều khiển lại chuyển lựa chọn này thành lệnh chuyển động cho drone.

Trong quá trình bay, các module khác nhau đảm nhận vai trò riêng. Jev phán đoán nên đi hướng nào, chương trình điều khiển chịu trách nhiệm giữ thăng bằng, điều chỉnh lực đẩy động cơ và né tránh khẩn cấp. Camera cung cấp thông tin môi trường, mô hình ra quyết định chọn hành động, bộ điều khiển khiến hành động diễn ra.

Sự phân công tương tự cũng có thể hiểu qua việc cánh tay robot gắp cốc. Camera nhận diện vị trí cốc, cảm biến đo khoảng cách và lực, bộ điều khiển điều chỉnh động tác ngón tay, mô hình ra quyết định tham gia phán đoán nên lấy cốc nào trước, làm gì khi gặp chướng ngại vật.

Nếu những phán đoán loại này trở nên rẻ và dễ tích hợp, chi phí phát triển thiết bị tự động hóa có cơ hội giảm xuống. Những thiết bị trước đây không đáng làm vì phát triển phần mềm quá đắt, kịch bản sử dụng quá nhỏ, cũng sẽ có không gian thương mại mới.

Điều này kết nối Jev với một số công ty. Nhiều thiết bị hơn đi vào nhà máy, kho hàng và gia đình, đồng nghĩa với nhu cầu nhiều hơn về cảm biến, cấp điện, tính toán và điều khiển chuyển động.

Những mã nào có thể hưởng lợi

Theo hướng suy nghĩ này, đáng chú ý là các linh kiện mà thiết bị cần từ nhận biết môi trường đến thực thi hành động. Dù phần mềm chọn mô hình nào, một robot cũng cần biết mình đang ở đâu, xung quanh có gì, và chuyển điện năng thành hành động chính xác.

Texas Instruments (TXN), bao phủ linh kiện cho cảm biến và thực thi

Chip analog chịu trách nhiệm xử lý các tín hiệu biến đổi liên tục như điện áp, dòng điện, đồng thời đảm nhận nhiệm vụ cấp điện và điều khiển động cơ. Sản phẩm robot của TXN bao phủ thu thập tín hiệu, điều khiển động cơ, nguồn điện và xử lý nhúng.

Sau khi robot quyết định nâng tay, dòng điện được truyền đến động cơ thế nào, lực được kiểm soát ra sao, đều cần những linh kiện này. Nếu tự động hóa rẻ hơn mang lại nhiều robot, cánh tay robot và thiết bị thông minh hơn, TXN có cơ hội bán nhiều chip đi kèm hơn cho những thiết bị này.

Analog Devices (ADI), tương ứng với cảm biến và chuyển động chính xác hơn.

Giải pháp robot của ADI liên quan đến cảm biến quán tính, kết nối camera, truyền thông công nghiệp và giao diện điều khiển chuyển động. Ví dụ, robot kho hàng đi vào lối đi thiếu sáng, cần kết hợp thông tin quán tính để phán đoán chuyển động của bản thân; nhiều camera và cảm biến hoạt động đồng thời cũng cần truyền dữ liệu đồng bộ đến bộ xử lý.

Công việc mà thiết bị đảm nhận càng phức tạp, yêu cầu về độ chính xác cảm biến, độ ổn định kết nối và điều khiển chuyển động càng cao. Logic hưởng lợi của ADI là cung cấp những linh kiện đi kèm này trong nhiều thiết bị tự động hơn.

STMicroelectronics (STM), tương ứng với AI trên thiết bị tiêu thụ điện năng thấp.

Cái gọi là edge AI, tức để thiết bị xử lý một phần dữ liệu tại chỗ. Vi điều khiển STM32N6 của STM đã tích hợp bộ tăng tốc dùng cho tính toán mạng nơ-ron, hướng đến các ứng dụng thị giác, âm thanh nhạy cảm về chi phí và điện năng.

Ví dụ, một thiết bị camera nhỏ có thể nhận diện vật thể tại chỗ, một thiết bị công nghiệp có thể dựa vào âm thanh để phán đoán vận hành có bất thường không. Các thảo luận xoay quanh Jev đã hướng sự chú ý của nhà đầu tư đến loại ứng dụng này: một lượng lớn nhiệm vụ thông minh đơn giản, lặp lại có cơ hội đi vào các thiết bị giá rẻ hơn, nhỏ gọn hơn. STM cung cấp chính năng lực xử lý mà loại thiết bị này cần.

onsemi (ON), tương ứng với linh kiện thị giác và công suất.

Sản phẩm ON cung cấp cho robot bao gồm cảm biến hình ảnh, cảm biến độ sâu, cùng transistor công suất và chip điều khiển động cơ. Hai loại đầu chịu trách nhiệm thu thập hình ảnh và dữ liệu khoảng cách, hai loại sau phối hợp điều khiển dòng điện mà động cơ cần.

Lấy robot vận chuyển trong kho làm ví dụ, cảm biến hình ảnh trong camera thu thập hình ảnh kệ hàng phía trước, cảm biến độ sâu đo khoảng cách với chướng ngại vật, chip điều khiển động cơ phối hợp transistor công suất kiểm soát dòng điện, khiến bánh xe quay. Nhiều robot và thiết bị camera thông minh hơn được đưa vào sử dụng, sẽ có cơ hội làm tăng nhu cầu về những cảm biến và chip này.