Ang 'Ama ng Internet' ay Nagreretiro na Ngayon

Walumpu't tatlong taong gulang, may Turing Award sa istante, may Presidential Medal of Freedom sa drawer, at isang protocol na tumatakbo sa bawat networked device sa planeta — at Vint Cerf ay nagsimula lang ng kanyang retirement. Ang 'Ama ng Internet' ay nagreretiro na, umaalis sa kanyang posisyon bilang chief internet evangelist ng Google sa susunod na linggo pagkatapos ng mahigit dalawang dekada sa kumpanya. Para sa mga developers at founders na bumubuo ng susunod na layer ng internet, ang sandaling ito ay karapat-dapat ng higit pa sa isang round of applause. Ito ay karapat-dapat ng malalim na pagsusuri sa kung ano talaga ang itinayo ni Cerf — at kung ano ito ay nagsasabi sa atin tungkol sa kung saan patungo ang AI infrastructure.

Ano ang Nangyari

Ang announcement ay hindi galing sa press release, kundi mula sa isang live stage moment. Nagsalita sa pamamagitan ng video feed sa Open Frontier conference na ino-host ng Laude Institute, kinikilala si Cerf ng Dave Patterson — ang UC Berkeley professor na kilala sa co-developing ng RISC processor architecture — na nagsabi sa room: "Vint … ay nasa Google ng mahigit 20 taon, at siya ay nagreretiro sa loob ng isang linggo mula ngayon, at kaya naman sa tingin ko dapat nating bigyan siya ng round of applause para sa isang medyo magandang career." Ang room ay nag-cheer. Ang Google, ayon sa report ng TechCrunch, ay hindi tumugon sa request para sa comment.

Si Cerf, kasama ang collaborator na si Robert Kahn, ay kinikilala bilang architect ng TCP/IP — ang foundational set ng networking protocols na nagpapahintulot sa iba't ibang computer networks na makipag-communicate. Ang trabahong iyon, na nagsimula noong 1970s, ay ang dahilan kung bakit kahit sino sa atin ay maaaring magpadala ng packet mula Jakarta hanggang São Paulo at inaasahan na ito ay darating nang buo. Sumali siya sa Google noong 2005 bilang vice president at chief internet evangelist, isang title na, tulad ng TechCrunch ay dryly na nabanggit, ay malamang na natupad na ang layunin nito sa puntong ito.

Ang conference mismo ay karapat-dapat na tandaan. Si Cerf ay nasa isang panel kasama ang François Chollet (creator ng Keras deep-learning library at co-founder ng Ndea), John Ousterhout (creator ng Tcl programming language at co-founder ng Electric Cloud), at Matei Zaharia (Databricks co-founder at chief technologist). Ang focus ng panel ay kung ano ang kailangan upang bumuo ng open source systems na tumatagal — at ang mas malawak na conference discussion ay nakatuon sa mga panganib ng pag-centralize ng advanced AI models sa ilang well-resourced labs, sa direktang kontraste sa decentralized architecture na ginawa ang protocols ni Cerf na matibay.

Ang kontrasteng iyon ay ang tunay na kuwento dito. Si Cerf ay umaalis sa eksaktong sandali kung kailan ang industriya ay nag-debate kung dapat ulitin ang open, decentralized design philosophy na nagdefine sa kanyang life's work — o iwanan ito sa race para sa AI dominance.

Bakit Ito Mahalaga para sa Asya

Ang relasyon ng Asya sa internet na itinayo ni Cerf ay hindi pareho sa Silicon Valley. Ang rehiyon ay hindi nakakuha ng clean, unmediated version ng TCP/IP's promise. Ito ay nakatanggap ng internet na filtered sa pamamagitan ng infrastructure gaps, regulatory fragmentation, language barriers, at — sa maraming markets — ang parallel rise ng entirely separate digital ecosystems. WeChat, LINE, Grab, Gojek, Kakao: ang mga ito ay hindi lamang apps na itinayo sa open internet. Ang mga ito ay responses sa mga lugar kung saan ang open internet's promise ay hindi ganap na umabot.

Ang kontekstong iyon ay mahalaga ngayon dahil ang AI centralization debate na inilabas ng farewell conference ni Cerf ay hindi isang abstract Silicon Valley concern — ito ay direktang nakakaapekto sa Asian developers at founders. Kung ang susunod na layer ng internet (AI infrastructure, foundation models, inference APIs) ay makukuha sa loob ng tatlo o apat na well-capitalized American labs, ang Asya ay nakaharap sa parehong dependency problem na kinaharap nito sa early internet era, ngunit compressed sa isang mas maikling time window at may mas mataas na stakes.

Ang panel sa Open Frontier ay ginawa ang punto nang malinaw: ang open infrastructure ay kung ano ang nagpahintulot sa protocols ni Cerf na maging buhay at mag-scale. Ang TCP/IP ay hindi nanalo dahil isang kumpanya ang nag-own nito. Ito ay nanalo dahil kahit sino ay maaaring mag-implement nito, palawakin ito, at bumuo sa tuktok nito nang hindi humihingi ng permission. Ang lesson para sa Asia tech ay direkta — ang mga founders at developers ng rehiyon ay may pinakamaraming makakamit mula sa pag-push para sa open AI infrastructure, at ang pinakamaraming mawawala kung hindi nila ito gagawin.

Ang Southeast Asia sa partikular ay nasa isang inflection point. Ang mga markets tulad ng Indonesia, Vietnam, ang Pilipinas, at Thailand ay nakikita ang mabilis na paglaki sa developer communities, startup formation, at enterprise digitization. Ang infrastructure choices na ginawa sa susunod na dalawa hanggang tatlong taon — kung aling models ang bubuo, kung aling APIs ang uasa, kung aling platforms ang mag-standardize — ay magbabago ng technological autonomy ng rehiyon sa loob ng isang dekada.

Ano Ito Ang Kahulugan para sa Developers

Ang practical takeaway mula sa career ni Cerf ay hindi nostalgia — ito ay architecture. Ang durability ng TCP/IP ay nagmula sa isang specific set ng design decisions: ito ay stateless, ito ay modular, ito ay naghiwalay ng concerns nang malinaw, at ito ay walang assumptions tungkol sa physical network sa ibaba. Kahit anong network na maaaring gumagalaw ng packets ay maaaring sumali. Iyan ang dahilan kung bakit ito nag-scale mula ARPANET hanggang 5 billion users nang walang fundamental redesign.

Ang mga developers na bumubuo ng AI-native products ngayon ay nakaharap sa isang analogous set ng architectural choices. Bumubuo ka ba nang tightly coupled sa isang single model provider's API, o nag-abstract ka ng dependency na iyon? Nag-store ka ba ng iyong AI context at memory sa isang proprietary format, o sa isang portable? Tinatrato mo ba ang iyong AI pipeline bilang isang black box, o nag-instrument ka nito upang maaari mong palitan ang components habang ang model landscape ay nagbabago?

Ang mga ito ay hindi rhetorical questions. Ang model landscape ay gumagalaw ng mabilis na sapat na ang isang product na itinayo nang tightly sa paligid ng GPT-4 noong 2023 ay mukhang architecturally awkward sa mid-2024. Ang mga developers na nag-fare best ay ang mga na nag-treat ng model layer bilang interchangeable — na bumuo ng abstraction layers, gumamit ng open interfaces, at pinanatili ang kanilang application logic na decoupled mula sa kahit anong single provider's idiosyncrasies.

Ang panel sa Open Frontier — Chollet, Ousterhout, Zaharia, at Cerf — ay kumakatawan sa isang combined legacy ng open, durable systems: Keras, Tcl, Spark, TCP/IP. Walang isa sa mga sistemang iyon ang naging successful dahil sila ay ang pinakamakapangyarihang option sa launch. Sila ay naging successful dahil sila ay ang pinakacomposable, ang pinakaccessible, at ang pinakabukas sa contribution. Iyan ang design philosophy na karapat-dapat na dalhin pasulong.

Para sa mga teams na bumubuo sa MonstarX, ang AI-native dev platform ng Asya, ito ay direktang resonates. Ang architecture ng platform ay itinayo sa paligid ng parehong prinsipyo: huwag i-lock ang mga developers sa isang single model o isang single workflow. Bigyan sila ng composable primitives — connectors, model abstraction, deployment flexibility — upang habang ang AI landscape ay nagbabago, ang kanilang mga products ay hindi nagiging technical debt. Ang lesson ni Cerf ay hindi na dapat mong gamitin ang TCP/IP. Ito ay na dapat mong bumuo ng paraan kung paano itinayo ang TCP/IP.

Nang konkretong paraan, ito ay nangangahulugan:

• I-abstract ang iyong model dependencies. Huwag i-hardcode ang API calls sa isang single provider. Gumamit ng abstraction layer na nagpapahintulot sa iyo na palitan ang models nang hindi muling sinusulat ang application logic.
• I-instrument ang iyong AI pipelines. I-log ang inputs, outputs, latency, at cost sa bawat hakbang. Hindi mo ma-optimize — o ma-migrate — kung ano ang hindi mo makikita.
• Mas gusto ang open data formats. Kung ang iyong AI system ay nag-store ng embeddings, conversation history, o fine-tuning data sa isang proprietary format, ikaw ay bumubuo ng lock-in nang hindi sinasadya. Gumamit ng open formats mula sa unang araw.
• Mag-design para sa composability. Bumuo ng maliit, focused components na gumagawa ng isang bagay nang maayos at naglalantad ng clean interfaces. Ito ang paraan kung paano ang Keras ay nag-outlast sa bawat competing deep-learning framework ng kanyang era.

Key Takeaways

Si Vint Cerf ay gumugol ng mahigit limampung taon sa pagbuo sa