Cuộc đua trí não robot: Ngành công nghiệp đang thoát khỏi 'kỷ nguyên GPT-2'

Physical AI (trí tuệ vật lý) đang là một trong những lĩnh vực hút vốn nhất của giới đầu tư mạo hiểm, khi hàng loạt công ty gọi vốn hàng tỷ USD để ứng dụng công nghệ từng tạo ra các mô hình ngôn ngữ lớn vào robot. Tuy nhiên, sự kiện Unitree mất gần nửa giá trị vốn hóa ngay sau khi IPO tại Trung Quốc đã phơi bày một thực tế: thân xác robot đang phát triển nhanh hơn nhiều so với bộ não AI điều khiển chúng.

Hội nghị Actuate 2025 tại Mỹ — nơi quy tụ các kỹ sư xây dựng AI cho robot — đã cho thấy cả sự phấn khích lẫn lo ngại của ngành. Số lượng người tham dự tăng gấp ba so với năm 2023, nhưng bên cạnh đó, nhiều công ty thừa nhận họ đang đối mặt với "cuộc khủng hoảng dữ liệu robot" — thiếu dữ liệu huấn luyện chất lượng cao để tạo ra robot thực sự hữu ích.

Kỷ nguyên "GPT-2" của robot

Harry Mellsop, nhà sáng lập Antioch — startup chuyên xây dựng công cụ mô phỏng cho các nhà phát triển model AI — nhận định rằng ngành physical AI hiện đang ở giai đoạn "GPT-2 era", tức là trước thời kỳ ChatGPT bùng nổ. Ông cho rằng cần thêm nhiều dữ liệu và sức mạnh tính toán hơn nữa, đặc biệt là GPU tối ưu cho ray tracing để tạo ra các mô phỏng độ trung thực cao.

Xe tự hành dẫn đầu, robot hình người chật vật

Các phương tiện tự hành (autonomous vehicles) đang đi xa nhất trong lĩnh vực này nhờ hai lý do: dễ thu thập dữ liệu từ xe do con người lái, và nhiệm vụ chính là tránh va chạm thay vì thao tác vật lý phức tạp. Nhiều công ty công cụ AI cho robot cũng xuất thân từ ngành xe tự lái — Foxglove (đơn vị tổ chức Actuate) được thành lập bởi cựu nhân viên Cruise của General Motors.

Điều thú vị là các hãng xe đang đặt cược rằng đầu tư vào ML tooling sẽ giúp họ cạnh tranh với các nhà sản xuất robot hình người chuyên dụng. Tesla đã thử nghiệm với robot Optimus, còn Wayve (chuyên về xe tự hành) và Uber vừa ra mắt phòng thí nghiệm robot hình người.

"Bạn cần bắt đầu từ xe cộ... robot thao tác giống như xe tự hành cách đây 5 năm. Hạ tầng dữ liệu, mô phỏng và ML ops sẽ dùng chung, nhưng mô hình thế giới cụ thể sẽ cần post-training riêng cho từng dạng robot," — Alex Kendall, CEO Wayve, chia sẻ.

Chuyên biệt hóa hay đa năng: Bài toán nan giải

Một cuộc tranh luận lớn trong ngành là nên tập trung vào robot chuyên dụng hay robot đa năng. Hiện tại:

• Robot chuyên dụng đã được triển khai thực tế: Gritt xây dựng trang trại năng lượng mặt trời, Agility triển khai robot trong nhà máy, Bedrock vận hành máy xúc tự động.
• Robot hình người đa năng vẫn nằm trong phòng thí nghiệm, chưa tạo ra giá trị thương mại rõ ràng.

Théophile Gervet, CEO Genesis AI (gọi vốn 105 triệu USD hạt giống năm nay), thẳng thắn: "Không khách hàng nào quan tâm đến robot đa năng chỉ đạt 80% tỷ lệ thành công. Nhưng nếu xây dựng giải pháp chuyên hẹp dựa trên nền tảng GPT-2, bạn sẽ bị đè bẹp bởi công ty đang phát triển trên GPT-4."

Khoảnh khắc ChatGPT cho robot — khi nào?

Sam Altman từng tuyên bố "khoảnh khắc ChatGPT" cho physical AI chỉ còn vài năm nữa. Nhưng các CEO trong ngành có góc nhìn khác nhau:

• Alex Kendall (Wayve): Khoảnh khắc đó là khi xe tự lái hoàn toàn chạy được với phần cứng dưới 1.000 USD — điều mà công ty ông đang hướng tới.
• Théophile Gervet (Genesis AI): Là khi robot thao tác thành thạo ngay khi mở hộp — bạn nói chuyện tự nhiên, robot làm được các việc cơ bản như đẩy, kéo, đóng laptop, dọn bàn — với độ tin cậy 80%+.
• Adrian Macneil (Foxglove): Không tin sẽ có khoảnh khắc ChatGPT cho robot. "ChatGPT bùng nổ nhờ khả năng phân phối kỹ thuật số — từ 0 lên 1 triệu người dùng trong một tuần. Phân phối trong thế giới thực khó hơn nhiều. Tôi mong chờ khoảnh khắc Apple II hoặc IBM PC — khi bạn có thể mua robot gia đình làm được việc hữu ích."

Giải pháp cho "cuộc khủng hoảng dữ liệu"

Để giải quyết bài toán dữ liệu, các công ty đang tìm cách tạo ra nhiều dữ liệu đa dạng hơn, thử nghiệm các phương pháp huấn luyện khác nhau và cải thiện reinforcement learning. Foxglove vừa ra mắt sản phẩm mới dựa trên mô hình Cosmos mã nguồn mở của Nvidia, cho phép kỹ sư tìm kiếm dữ liệu bằng ngôn ngữ tự nhiên để đánh giá và mô phỏng nhanh hơn.

Với cộng đồng công nghệ Việt Nam, câu chuyện này mang ý nghĩa đặc biệt khi ngày càng nhiều kỹ sư Việt tham gia vào lĩnh vực robotics và AI. Cơ hội nằm ở việc tập trung vào các ứng dụng chuyên biệt cho thị trường nội địa — như nông nghiệp thông minh, logistics hay sản xuất — nơi có thể thu thập dữ liệu thực tế và tạo giá trị ngay, thay vì chạy theo cuộc đua robot đa năng vẫn còn rất xa vời.