WAIC 2026: Nó Thạch Trí Hàng ra mắt bộ não AWE 3.5, đưa robot vào kỷ nguyên đa nhiệm thực tế

Jay đưa tin từ Aofei Temple

QbitAI | Tài khoản chính thức QbitAI

Bước vào xưởng sản xuất dây dẫn của một nhà sản xuất ô tô lớn, bạn sẽ thấy một khung cảnh hoàn toàn khác biệt so với các nhà máy lắp ráp ô tô hoàn chỉnh.

Xưởng lắp ráp ô tô sạch sẽ, sáng sủa và gần như tự động hóa hoàn toàn. Trong khi đó, xưởng dây dẫn lại chật kín người và nồng nặc mùi mồ hôi.

Nhiều công nhân chỉ được đào tạo trong một tháng, nhưng chưa làm được ba tháng đã nghỉ việc.

Đây được coi là "vùng nước sâu" (lĩnh vực khó nhằn) trong giới tự động hóa công nghiệp.

△ Hình ảnh do AI tạo ra

Ngày nay, lĩnh vực này đã bị trí tuệ hiện thân (Embodied AI) phá vỡ hoàn toàn.

Tại WAIC 2026, Tashi Technology đã mang một dây chuyền sản xuất dây dẫn dạng vòng được phục dựng tỉ lệ 1:1 vào triển lãm. Nhiều robot hợp tác theo cụm, dây chuyền luân chuyển các tấm bảng dây dẫn, mỗi trạm làm việc cùng lúc lắp ráp các loại dây khác nhau.

Hiệu suất đương nhiên tăng vọt. Đinh Văn Siêu, Giám đốc khoa học của Tashi Technology, thậm chí còn nói đùa rằng:

Tại hiện trường, chúng tôi không dám để nó làm việc liên tục vì sợ robot làm quá nhanh sẽ dùng hết nguyên liệu.

Nền tảng đứng sau dây chuyền tự động hóa hoàn toàn này chính là mô hình cơ sở hiện thân (Embodied Native Foundation Model) AWE 3.5 vừa được Tashi Technology ra mắt.

Đây cũng là mô hình gốc đầu tiên trong lĩnh vực trí tuệ hiện thân thực sự thông suốt toàn bộ quy trình từ tiền huấn luyện đến hậu huấn luyện.

"Tác chiến đa nhiệm" của một robot

Tashi đặt tên phiên bản mới là 3.5 với tín hiệu rất rõ ràng: hy vọng nó giống như GPT-3.5, bắt đầu thể hiện những khả năng mới trong việc xử lý đa nhiệm.

Nhìn lại xu hướng phát triển của AWE, quả thực là như vậy.

Trong lần ra mắt đầu tiên với phiên bản 3.0, Tashi đã gây chấn động trong lĩnh vực sản xuất dây dẫn.

Đến phiên bản 3.5, mô hình bắt đầu mở rộng sang nhiều lĩnh vực hơn. Lắp ráp công nghiệp, cắm giắc, đóng gói... tất cả đều được đưa vào cùng một mô hình.

Chủ đề gian hàng của Tashi tại WAIC năm nay - Xây dựng AI vật lý đáng tin cậy - cũng xoay quanh đặc điểm này: không cần tải lại mô hình mới giữa các tác vụ, không cần chuyển đổi tham số, tất cả đều dựa trên cùng một mô hình cơ sở.

Màn trình diễn tại hiện trường vô cùng kỳ ảo, các robot của họ giống như những "lao động kiểu mẫu": dọn dẹp bàn làm việc, đóng gói điện thoại, cắm dây mạng, phân loại linh kiện... bất kể là gì, chỉ cần đưa cho chúng là bắt tay vào làm ngay.

Theo lời của Đinh Văn Siêu:

Giống như streamer đang livestream bán hàng vậy (cười).

Nhưng, đây chỉ mới là món khai vị.

2026 là năm đầu tiên của kỷ nguyên "trăm hoa đua nở" về mô hình thế giới (World Model), nhưng rốt cuộc mô hình thế giới là gì?

Trong nhận thức của hầu hết mọi người, nó vẫn chỉ là các sơ đồ kiến trúc trong bài báo khoa học và những con số trong bảng đánh giá.

Lần này, Tashi Technology đã đưa ra câu trả lời trực tiếp nhất tại WAIC:

Bạn hãy tự mình trải nghiệm thử xem.

Khán giả tại hiện trường đeo găng tay thu thập dữ liệu và có thể tương tác với một thế giới song song do AWE 3.5 tạo ra.

Bạn nhặt một khối đồ chơi, thả tay ra, khối đồ chơi rơi xuống bàn như chịu tác động của trọng lực. Bạn kéo hộp điện thoại, hộp sẽ tạo ra độ dịch chuyển và ma sát tương ứng. Ngọn lửa yếu ớt trên cây nến cũng được tái hiện chân thực trong mô hình.

Những tương tác này không hề có một dòng mã định luật Newton nào, không có công cụ vật lý, không có tính toán va chạm. Tất cả trọng lực, độ mềm dẻo, phản hồi va chạm, độ dịch chuyển vật thể... đều được mô hình học từ dữ liệu thực tế.

Và ngoài sự trỗi dậy này, còn có một khả năng bị đánh giá thấp nghiêm trọng: trí nhớ dài hạn và hiểu biết không gian.

Mô hình video có một khiếm khuyết khó chữa -

Khi dự đoán tương lai trong thời gian dài, vật thể dễ đột ngột biến mất, biến dạng hoặc tan biến hoàn toàn sau một khung hình ảo giác.

Xét đến cùng, việc giám sát điểm ảnh (pixel) không khuyến khích tính liên tục của tương tác vật lý dài hạn, nên không thể dùng cho huấn luyện hiện thân.

Vì vậy, AWE 3.5 dựa trên dữ liệu lấy con người làm trung tâm (human-centric) để tăng cường cấu trúc mô hình, cho phép nó học một cách rõ ràng về trí nhớ dài hạn và hiểu biết không gian theo trình tự dài, duy trì sự ổn định của môi trường trong quá trình suy luận tương tác khép kín liên tục kéo dài vài phút. Trên cơ sở đó, quá trình hậu huấn luyện có thể cắt ra nhiều đoạn hành động từ chuỗi liên tục mà không lo môi trường bị sụp đổ trong giây tiếp theo.