Cựu CTO Cainiao khởi nghiệp nền tảng Physical AI, gọi vốn hơn 100 triệu NDT từ SenseTime và Yunqi

Tác giả | Hoàng Nam

Biên tập | Viên Tư Lai

Hard (Yingke) được biết, công ty nền tảng Physical AI "Quantum Dynamics " gần đây đã hoàn tất vòng gọi vốn hạt giống với số tiền hơn 100 triệu NDT, do Yunqi Partners và SenseTime đồng đầu tư. Nguồn vốn này chủ yếu sẽ được sử dụng cho việc nghiên cứu phát triển công nghệ cốt lõi của Physical AI, xây dựng đội ngũ nhân tài và mở rộng thị trường toàn cầu, nhằm đẩy nhanh quá trình xây dựng toàn bộ chuỗi từ mô hình nền tảng đến triển khai theo kịch bản cho các hệ thống thông minh hướng tới thế giới vật lý. Multidimensional Capital đã tham gia vào quá trình ươm tạo dự án và xây dựng đội ngũ.

Quantum Dynamics được thành lập vào nửa đầu năm 2026, công ty tập trung vào sự kết hợp sâu sắc giữa AI và thế giới vật lý thực tế, tự nghiên cứu công nghệ hệ thống thông minh đa năng có thể tái sử dụng trên nhiều kịch bản, hướng tới nền tảng Physical AI cơ sở cho toàn ngành.

Hiện nay, những người sáng lập trong lĩnh vực trí tuệ hiện thân (Embodied AI) thường được chia thành vài nhóm: một nhóm xuất thân từ lĩnh vực xe tự lái, mạnh về tích hợp hệ thống và triển khai kỹ thuật; nhóm khác xuất thân từ Neo Lab, sở hữu góc nhìn công nghệ trí tuệ hiện thân tiên phong. Còn người sáng lập của Quantum Dynamics, Lý Cường, thuộc nhóm thứ ba, vốn đã thâm canh trong các kịch bản thương mại hóa logistics, đồng thời có cả sự hiểu biết về công nghệ AI và kinh nghiệm điều hành kinh doanh toàn cầu.

Người sáng lập kiêm CEO của công ty, Lý Cường, đã có 17 năm làm việc tại Tập đoàn Alibaba. Tại bốn mảng kinh doanh gồm Taobao Tmall, Cainiao, kinh doanh quốc tế và xe không người lái, ông đều đảm nhận công việc xây dựng hệ thống và quản lý vận hành từ con số 0. Ông từng là CTO của Tập đoàn Cainiao, CTO của mảng kinh doanh kỹ thuật số quốc tế Alibaba, quản lý đội ngũ R&D hàng nghìn người trên toàn cầu; đồng thời kiêm nhiệm Tổng giám đốc xe không người lái của Cainiao, điều phối việc nghiên cứu phát triển và thúc đẩy thương mại hóa công nghệ tự lái. Đội ngũ của ông từng thực hiện kết nối kinh doanh chuyên sâu với hệ thống bưu chính của 200 quốc gia trên thế giới, tích lũy kinh nghiệm thực chiến về thực thi logistics toàn cầu.

Người sáng lập kiêm CEO của Quantum Dynamics, Lý Cường (Nguồn ảnh/Doanh nghiệp)

Cơ cấu đội ngũ cốt lõi bao phủ tất cả các khâu then chốt từ nghiên cứu tiên phong, phát triển mô hình, kỹ thuật phần cứng đến triển khai thương mại toàn cầu, sở hữu khả năng khép kín hoàn chỉnh từ đột phá công nghệ đến bàn giao giá trị. Gen hỗn hợp của đội ngũ này cũng giúp Quantum Dynamics chọn một con đường khác biệt ngay từ khi mới thành lập.

"Chúng tôi không cần đợi một mô hình đa năng hoàn hảo xuất hiện rồi mới đi tìm kịch bản, mà là tìm ra điểm đột phá có thể chuyển đổi công nghệ hiện có thành giá trị khách hàng, tiên phong chạy thử nghiệm thương mại hóa," Lý Cường, người sáng lập kiêm CEO của Quantum Dynamics cho biết.

Trên thực tế, từ đầu năm nay, lĩnh vực trí tuệ hiện thân đang trải qua một cuộc chuyển hướng tập thể từ "phô diễn kỹ thuật" sang "làm việc thực tế". Tại hội nghị WAIC 2026 vừa kết thúc, các gian hàng trình diễn robot lộn nhào, nhảy múa vẫn thu hút đông đảo người xem, nhưng những thứ khiến đám đông dừng chân còn có cả các màn trình diễn thực tế như đưa nhà máy ô tô, dây chuyền phân loại logistics vào hiện trường.

Sự đồng thuận trong ngành đang hình thành, Physical AI đã trở thành chiến trường chính tiếp theo sau các mô hình ngôn ngữ lớn, thắng bại của cuộc đua đang chuyển dịch từ quy mô tham số mô hình sang độ dày của dữ liệu thực tế.

Dữ liệu báo cáo của IDC cho thấy, năm 2025, quy mô chi tiêu của người dùng robot trí tuệ hiện thân tại Trung Quốc dự kiến vượt 1,4 tỷ USD, đến năm 2030 sẽ tăng vọt lên 77 tỷ USD, với tốc độ tăng trưởng kép hàng năm đạt 94%. Tốc độ dòng tiền đổ vào càng nhanh, một vấn đề mang tính cấu trúc càng trở nên nổi bật: dữ liệu thế giới vật lý không thể thu thập hàng loạt qua trình thu thập dữ liệu (crawler) như văn bản và hình ảnh.

Điều này có nghĩa là, ai sở hữu khả năng triển khai máy thật quy mô lớn trước, người đó sẽ có quyền ưu tiên trong việc thu thập dữ liệu. Đây cũng là logic cơ sở để Quantum Dynamics thâm nhập vào ngành: trước tiên cắm chốt vào kho logistics, dựa vào việc triển khai máy thật để tích lũy dữ liệu thực độc quyền, sau đó quay ngược lại mài giũa mô hình hành động thế giới (World Action Model) cơ sở.

Trong một nhà kho quy mô trung bình, một robot nhặt hàng mỗi ngày hoàn thành hàng chục nghìn thao tác gắp, đặt, quét, dán nhãn, bao phủ hầu hết các loại thao tác vật lý từ thùng cứng đến gói hàng mềm, từ kích thước tiêu chuẩn đến các mã SKU hình dạng đặc biệt. Mỗi lần thành công hay thất bại của thao tác đều là một tín hiệu rõ ràng không cần con người gắn nhãn. Đây chính là những khâu có lỗ hổng nhân lực lớn nhất và chi phí nhân công cao nhất trong mạng lưới logistics, cũng là những "xương cứng" mà tự động hóa truyền thống mãi chưa giải quyết được, vốn rất cần các giải pháp dựa trên mô hình để đạt được đột phá về quy mô.

Nhắm vào kịch bản kho bãi logistics, Quantum Dynamics xây dựng hệ thống dữ liệu khép kín (Nguồn ảnh/Doanh nghiệp)

Về hiệu quả thu thập và sử dụng dữ liệu, Quantum Dynamics đã xây dựng một hệ thống dữ liệu khép kín. Trên thân robot đầu cuối chạy các thuật toán nhẹ, có khả năng nhận diện các phân đoạn dữ liệu giá trị cao theo thời gian thực, bao gồm các kịch bản cần sự can thiệp của con người, trạng thái "gần như thất bại" với độ tin cậy dự đoán thấp của mô hình, và các trường hợp khó khăn mà robot đã thử đi thử lại vẫn không thành công. Những dữ liệu này sẽ được tự động gắn nhãn, truyền ngược lại và đưa vào đường ống huấn luyện.

Đồng thời, đối với phần xử lý dữ liệu cần sự can thiệp của con người, nền tảng thuật toán của họ chỉ trích xuất những phân đoạn có giá trị học tập cao nhất trong thao tác can thiệp, loại bỏ các phần dư thừa để đảm bảo mỗi khung hình dữ liệu đưa vào tập huấn luyện đều đóng góp thông tin hiệu quả.

Cơ chế này giúp đường ống dữ liệu của Quantum Dynamics sở hữu hai đặc điểm nổi bật. Một là hiệu ứng quy mô, mỗi nhà kho triển khai mới là một nguồn dữ liệu mới; hai là sản xuất dữ liệu độc quyền, khi dữ liệu càng dày, khả năng tổng quát hóa và tỷ lệ thành công của mô hình càng cao, chi phí và chu kỳ kết nối khách hàng mới, kịch bản mới về sau càng thấp.

Khi dữ liệu kịch bản thực tế đạt đến mật độ đủ lớn, nó cung cấp điều kiện thực tế cho mô hình nền tảng tự nghiên cứu của Quantum Dynamics. Mục tiêu của họ không phải là tạo ra một mô hình năng lực đơn lẻ, mà là xây dựng một hệ thống trí tuệ hiện thân có thể tiến hóa liên tục từ quá trình triển khai thực tế. Nền tảng hệ thống này bao gồm sáu mô hình kỹ thuật phối hợp, bao phủ toàn bộ hệ thống Physical AI từ thu thập dữ liệu, cập nhật mô hình đến tiến hóa phối hợp theo cụm, sẽ dựa vào các kịch bản công nghiệp thực tế ngoại tuyến để hoàn thiện và kiểm chứng.

Đầu tiên là World-Action Model (Mô hình hành động thế giới) nguyên bản của trí tuệ hiện thân. Nó khác với các mô hình dự đoán video thông thường, thông qua việc mô hình hóa kết hợp thị giác, hành động, trạng thái cơ thể và tín hiệu xúc giác, mô hình có thể học được "một thao tác sẽ thay đổi thế giới vật lý như thế nào", và trong quá trình đó đáp ứng các yêu cầu kỹ thuật về điều khiển thời gian thực của robot.

Đồng thời, dựa trên hệ thống dữ liệu khép kín mà Quantum Dynamics đã xây dựng, lấy dữ liệu vận hành máy thật và thao tác của con người làm nguyên liệu chính, có thể tự động xử lý nhật ký thô trong kịch bản logistics thành các mẫu huấn luyện giá trị cao mang theo giai đoạn nhiệm vụ, nguyên nhân thất bại, hành động khôi phục và kết quả kinh doanh, hỗ trợ truy xuất theo giây, làm sạch gắn nhãn tự động và lặp lại mô hình theo ngày. Kết hợp với cơ chế Human-in-the-Loop (HITL - con người trong vòng lặp AI), có thể phán đoán thời điểm can thiệp của con người vào robot, và chuyển đổi mỗi lần can thiệp thành dữ liệu huấn luyện, giúp số lượng robot mà một người có thể quản lý liên tục tăng lên.

Ở cấp độ thực thi, hệ thống triển khai World Model Corrector (Bộ hiệu chỉnh mô hình thế giới) nhẹ, dùng để giám sát sai lệch thực thi hành động theo thời gian thực, kích hoạt điều chỉnh, lập kế hoạch lại và thử lại kịp thời trước khi thao tác thất bại, từ đó nâng cao tỷ lệ thành công của nhiệm vụ trong kịch bản thực tế. Đối với khách hàng mới và nhà kho mới, hệ thống không cần huấn luyện lại toàn bộ trọng số mô hình, mà thông qua Test-Time Training (Huấn luyện tại thời điểm kiểm thử), trình diễn ít mẫu (few-shot) và tái sử dụng kinh nghiệm lịch sử, giúp robot nhanh chóng thích nghi với các thay đổi về hàng hóa, kệ hàng, ánh sáng và quy trình.

Cuối cùng, tất cả các robot hiện thân tạo thành một cụm học tập liên tục và tự tiến hóa. Kinh nghiệm thành công, thất bại, can thiệp và khôi phục do mỗi thiết bị tạo ra, thông qua các quy trình đa tầng như học tăng cường ngoại tuyến, tối ưu hóa ưu tiên, huấn luyện mô phỏng và kiểm chứng máy thật, sẽ liên tục được cập nhật cho toàn bộ đội ngũ robot.

Quantum Dynamics chia nhịp độ triển khai thành hai giai đoạn. Năm 2026 sẽ tập trung vào các kho thương mại điện tử B2C và B2B vừa và nhỏ, chú trọng vào ba công đoạn thâm dụng nhân lực là bổ sung hàng lên kệ, nhặt hàng và đóng gói kiện hàng, ưu tiên triển khai tại các môi trường kho bãi có SKU quy chuẩn như mỹ phẩm, dược phẩm, áp dụng mô hình sản xuất hỗn hợp người-máy để hoàn thành thí điểm quy mô lớn. Đến năm 2027, ranh giới kinh doanh sẽ mở rộng hơn nữa sang các điểm chuyển phát nhanh phức tạp, tuân theo lộ trình mở rộng "từ kho bãi logistics đến dây chuyền sản xuất công nghiệp, kệ hàng bán lẻ, phân loại dược phẩm, đến dịch vụ thương mại, cuối cùng là đi vào dịch vụ dân sinh tại gia", mở rộng ranh giới kịch bản triển khai của Physical AI.

Cuộc đua Physical AI, điểm dừng chân của nó chưa bao giờ chỉ là mức độ kinh ngạc của các bản Demo kỹ thuật, mà là liệu robot có thể hoàn thành công việc một cách ổn định trong thế giới thực hay không. Quantum Dynamics chọn một con đường không hề "quyến rũ", đó là để hàng nghìn robot chạy trong nhà kho trước. Điều nó muốn chứng minh không chỉ là tính khả thi thương mại của một công ty, mà là tính khả thi của lộ trình "thâm nhập từ kịch bản dọc, dần dần tiến tới đa năng" của Physical AI.

Dưới đây là trích đoạn phỏng vấn giữa Hard và người sáng lập kiêm CEO của Quantum Dynamics, Lý Cường (đã qua biên tập):

Hard: Quantum chọn lấy kho logistics làm sân tập tự nhiên, dựa vào triển khai máy thật để tự xây dựng bánh đà dữ liệu, triển khai trước rồi mới mài giũa mô hình nền tảng. Có thể phân tích các mốc thời gian và logic đánh đổi của chiến lược "kịch bản trước, nền tảng sau" này không? Về lâu dài, lộ trình này có thể tạo ra những rào cản khác biệt nào?

Lý Cường: Đội ngũ chúng tôi đã thâm canh trong ngành logistics nhiều năm, vừa hiểu rõ ranh giới kỹ thuật hiện tại của trí tuệ hiện thân, vừa nắm vững môi trường vận hành thực tế phức tạp, đồ sộ của logistics. Dựa trên trình độ kỹ thuật hiện nay, chúng tôi đã tìm ra một lộ trình triển khai thực tế hơn: dựa vào giải pháp hậu huấn luyện (post-training), có thể đạt được thương mại hóa quy mô lớn trong một số kịch bản kho bãi trước.

Lợi ích trực tiếp nhất của việc làm này là có thể vừa triển khai tạo doanh thu, vừa liên tục tích lũy dữ liệu máy thật độc quyền. Những dữ liệu này hoàn toàn khớp với sự phân bổ của thế giới vật lý thực tế, không chỉ có quỹ đạo hành động tiêu chuẩn khi gắp thành công, mà còn thu thập lượng lớn các mẫu âm (negative samples) như sai lệch khi gắp, thao tác lỗi, độ phong phú và tính chân thực của dữ liệu cao hơn nhiều so với các tập dữ liệu mô phỏng và bắt chuyển động (motion capture). Dưới cùng một kiến trúc mô hình, dựa vào dữ liệu vận hành thực tế chất lượng cao hơn, khả năng tổng quát hóa của mô hình tự nhiên sẽ tạo ra khoảng cách.

Về lâu dài, cốt lõi cạnh tranh của lĩnh vực này sớm muộn cũng rơi vào hiệu quả thu thập dữ liệu và chi phí trên mỗi đơn vị dữ liệu. Ai có thể tạo ra lượng lớn dữ liệu máy thật liên tục với chi phí thấp hơn, người đó sẽ thiết lập được lợi thế vững chắc. Điểm này tương đồng với logic của Claude và FSD của Tesla: quy mô thiết bị đầu cuối triển khai càng lớn, dữ liệu tương tác và lái xe tích lũy càng nhiều, hiệu suất tổng thể của toàn bộ cụm sau khi được tối ưu hóa qua học tăng cường và lặp lại đội xe càng mạnh. Chúng tôi triển khai quy mô lớn robot kho bãi, chính là để thông suốt vòng lặp khép kín hoàn chỉnh của việc hậu huấn luyện RL (học tăng cường) trên máy thật và sự tiến hóa liên tục của toàn bộ đội ngũ robot.

Hard: Quantum quy hoạch mở rộng dần từ kho thương mại điện tử sang các kịch bản đa dạng, nhưng logic tương tác vật lý và hạn chế vận hành của các môi trường khác nhau rất khác biệt. Đội ngũ sẽ chắt lọc những năng lực nguyên tử (atomic capabilities) đa năng nào từ dữ liệu logistics để hỗ trợ chuyển đổi chéo kịch bản? Đối với các kịch bản phi tiêu chuẩn, lợi nhuận thương mại thấp như gia đình, chăm sóc sức khỏe, hiện nay mô hình và khung thích ứng ít mẫu còn những khó khăn cốt lõi nào cần đột phá?

Lý Cường: Chúng tôi đã xây dựng ba lộ trình tiến hóa phân tầng, tất cả đều dựa vào kịch bản kho bãi để hoàn thành việc tích lũy năng lực, sau đó có thể trực tiếp tái sử dụng để mở rộng sang các kịch bản mới.

Ở cấp độ thao tác di động, chúng tôi tuân theo nhịp độ mài giũa từng bước: triển khai giải pháp cánh tay robot cố định để bàn trước, sau đó đạt được thao tác tĩnh của robot hình người, tiếp theo là chinh phục thao tác di động phối hợp toàn thân, cuối cùng đạt được khả năng vận hành động ổn định trong môi trường có người qua lại.

Đối với độ chính xác thao tác, chúng tôi liên tục lặp lại các tiêu chuẩn điều khiển theo phân tầng, bắt đầu từ độ chính xác gắp cơ bản, từng bước mài giũa đến mức milimet, cuối cùng tiến tới thao tác tinh vi mức dưới milimet.

Đồng thời, chúng tôi cũng sẽ liên tục mở rộng kho dự trữ hành động nguyên tử tiêu chuẩn hóa, nắm vững các loại thao tác thực tế trong kịch bản kho bãi như nhặt đặt, dán nhãn vận đơn, quấn màng đóng gói, tích lũy hoàn chỉnh các năng lực tương tác trưởng thành. Bản thân logistics là sân thử nghiệm tuyệt vời để mài giũa các năng lực cơ sở nêu trên, khi mở rộng ra các kịch bản mới, những tích lũy này đều có thể tái sử dụng trực tiếp.

Khi đi vào các kịch bản gia đình, chăm sóc sức khỏe, chúng tôi sẽ áp dụng tư duy triển khai từ đơn giản đến phức tạp, triển khai các nhiệm vụ cơ bản rủi ro thấp như chuyển đồ vật, thu dọn trước, sau đó dần dần lặp lại các chức năng tương tác tinh vi giữa người và máy ở cự ly gần.

Ở giai đoạn hiện tại, hệ thống này khi thâm nhập vào lĩnh vực chăm sóc sức khỏe tại gia vẫn còn một vài khó khăn then chốt cần giải quyết.