Từ bếp ăn công nghiệp đến mô hình vật lý thế giới: Cách QuantGroup thương mại hóa AI vật lý

<img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

2026-07-09 10:32:01 Nguồn: QbitAI

Ngành công nghiệp trí tuệ nhân tạo hiện thân (Embodied AI) đang trải qua một cuộc phân hóa về định vị.

Có người bán phần cứng robot, có người bán giải pháp trọn gói, còn QuantGroup (Lianghuapai) lại bán mô hình nền tảng cho thế giới vật lý. Logic kinh doanh của lựa chọn này rất trực diện: phần cứng sẽ liên tục được nâng cấp, bối cảnh sẽ luôn thay đổi, thứ thực sự có thể tái sử dụng trên nhiều bối cảnh và tạo ra lợi nhuận bền vững chính là năng lực AI cốt lõi giúp robot thấu hiểu thế giới vật lý.

Hiện tại, một cuộc cách mạng công nghiệp đang diễn ra, thúc đẩy robot từ các phòng trưng bày bước vào môi trường thực tế, đồng thời làm nổi bật một nhận định kinh doanh: ai nắm giữ năng lực giúp robot nhanh chóng thích nghi với bối cảnh mới, người đó sẽ sở hữu tấm vé bước vào quy mô thương mại hóa.

Hãy xem cuộc cách mạng này cụ thể đến mức nào. Tháng 6, Văn phòng Bộ Công nghiệp và Công nghệ thông tin cùng Văn phòng Ủy ban Quản lý và Giám sát Tài sản Nhà nước (SASAC) đã cùng ban hành "Thông báo về việc phối hợp triển khai hành động chuyên biệt đào tạo thực tế về robot hình người và trí tuệ nhân tạo hiện thân năm 2026". 10 tỉnh thành cùng toàn bộ các doanh nghiệp nhà nước (SOE) tham gia, với các bối cảnh trải dài trên ba lĩnh vực chính: công nghiệp, dịch vụ và đặc thù; bao gồm các môi trường thực tế như sản xuất chế tạo, kiểm tra phân tích, kho vận logistics, ăn uống bán lẻ, chăm sóc y tế, an toàn sản xuất và cứu hộ khẩn cấp. Mỗi tỉnh thành phải báo cáo ít nhất 20 bối cảnh trọng điểm, mỗi doanh nghiệp nhà nước ít nhất 10 bối cảnh, và phải nộp báo cáo xác thực trước cuối tháng 11. Yêu cầu chính sách được gói gọn trong 8 chữ: "can thiệp tối thiểu, tận dụng tái sử dụng", không cho phép cải tạo môi trường để chiều lòng robot, robot phải chứng minh được khả năng làm việc trong điều kiện hiện có. Yêu cầu này đã ép ngành công nghiệp phải rời bỏ phòng trưng bày để tiến thẳng vào môi trường thực tế.

(Ảnh: Ảnh chụp màn hình DEMO - Thử nghiệm thực tế làm bánh sandwich trong môi trường mở)

QuantGroup gần đây đã hoàn thành bốn vòng xác thực công nghệ trí tuệ nhân tạo hiện thân trong bối cảnh nhà bếp thương mại, từ việc làm bánh sandwich linh hoạt, phân loại túi mua sắm tự chủ, tìm muối trong ngăn kéo để nêm nếm bít tết, cho đến phối hợp đa thiết bị pha trà sữa, tất cả đều được triển khai trong điều kiện vận hành thực tế thay vì môi trường phòng thí nghiệm. Trong giai đoạn mà toàn ngành vẫn coi video Demo là thành quả để công bố, thì nhịp độ này của họ đang đứng ở vị trí dẫn đầu. Định vị kinh doanh của họ là: nhà cung cấp mô hình thế giới bối cảnh sống mở, đa bối cảnh, đa phần cứng. Không ràng buộc phần cứng, không khóa chặt bối cảnh, họ xây dựng lớp năng lực AI phổ quát mà robot của các nhà sản xuất khác nhau đều có thể gọi tới.

Trong tài liệu kỹ thuật của QuantGroup có một sự phân biệt ngắn gọn: thúc đẩy robot từ "tự động hóa hành động" tiến tới "tác nghiệp tự chủ cấp nhiệm vụ". Cái trước là thực hiện hành động theo quy trình cố định, cái sau là hiểu mục tiêu nhiệm vụ rồi tự hoàn thành quy trình đầy đủ gồm nhận thức, ra quyết định và thực thi. Khoảng cách giữa hai khái niệm này chính là vấn đề cốt lõi quyết định ngành công nghiệp có thể tiến xa đến đâu. Tại sao thị trường sẵn sàng trả tiền cho mô hình nền tảng thế giới vật lý? Việc các nhà đầu tư tin rằng nó khả thi và đường đua này có thể đi xa đến đâu, cuối cùng đều hướng về một điểm: ai có thể giúp robot tái sử dụng trên nhiều bối cảnh, đưa chi phí biên của mỗi bối cảnh mới về gần bằng không.

Vốn toàn cầu đã kiểm chứng điều này một lần rồi.

Trong ngành có hai hướng tư duy thông thường. Bán phần cứng, giao hàng một lần, khách hàng mua robot về, việc bảo trì và thích ứng bối cảnh sau đó là việc của khách hàng, mỗi bối cảnh mới lại phải điều chỉnh thông số, triển khai lại, chi phí biên của việc mở rộng quy mô không thể giảm xuống. Bán giải pháp, dịch vụ trọn gói, phần cứng cộng phần mềm cộng triển khai cộng bảo trì, thu phí theo dự án, có thể làm sâu nhưng khó làm rộng. Còn cách thứ ba: bán năng lực.

Logic của việc bán lớp năng lực là: huấn luyện một lần, tái sử dụng nhiều bối cảnh. Mô hình nền tảng thế giới vật lý không quan tâm bên dưới chạy robot của hãng nào, cũng không quan tâm bên trên là bối cảnh gì, nó cung cấp năng lực phổ quát giúp robot hiểu thế giới vật lý và đưa ra quyết định thời gian thực. Một khi năng lực này vận hành thông suốt, nó có thể được gọi như một API bởi các nền tảng phần cứng khác nhau, mỗi khi thêm một bối cảnh mới, chi phí biên gần như bằng không, điều mà hai hướng tư duy trước không làm được.

Nó giải quyết năng lực di chuyển nhanh giữa các bối cảnh, không phải vấn đề tự động hóa trong một bối cảnh đơn lẻ. Chính sách yêu cầu "xác thực một cái, triển khai một loạt, thúc đẩy cả vùng", nghĩa là bên phía bối cảnh sẽ không cung cấp việc cải tạo môi trường tùy chỉnh cho mỗi robot mới. Ai có thể giúp robot "cắm và chạy" (plug-and-play) trong môi trường xa lạ, người đó nắm giữ chìa khóa của quy mô hóa.

Mô hình RaaS (Robot-as-a-Service) trở nên hợp lý trong logic này. Trả phí theo hiệu quả, không bán phần cứng mà bán năng lực, khách hàng trả tiền cho kết quả công việc của robot chứ không phải cho bản thân robot. Giá trị của mô hình nền tảng thế giới vật lý được khuếch đại trong mô hình này: nó là tài sản công nghệ cốt lõi giúp mô hình RaaS vận hành thành công.

Các nhà đầu tư cũng coi trọng điều này. Logic định giá của công ty phần cứng là doanh số nhân với lợi nhuận gộp, logic của công ty giải pháp là số dự án nhân với đơn giá, còn logic định giá của công ty mô hình AI vật lý là số lượt gọi (API call) nhân với thời gian sử dụng. Không gian tưởng tượng của cái sau lớn hơn nhiều, vì trần của nó không nằm ở năng lực sản xuất phần cứng hay năng lực giao dự án, mà nằm ở năng lực tổng quát hóa của chính mô hình đó.

Nhận định này đang được kiểm chứng bằng tiền thật ở phía bên kia Thái Bình Dương.

(Ảnh: Ảnh chụp màn hình robot của Physical Intelligence)

Tháng 11 năm 2024, Physical Intelligence đã hoàn thành vòng gọi vốn 400 triệu USD với mức định giá 2,4 tỷ USD, các nhà đầu tư bao gồm Jeff Bezos, OpenAI, Sequoia Capital và Khosla Ventures. Công ty này không sản xuất phần cứng robot, chỉ làm mô hình AI phổ quát giúp robot hiểu thế giới vật lý. Trong 8 tháng, định giá nhảy vọt từ 400 triệu USD lên 2,4 tỷ USD, tăng gấp sáu lần.

Đường cong của Skild AI còn dốc hơn. Công ty được thành lập bởi các cựu nghiên cứu viên của Meta AI này cũng không đụng vào phần cứng, chỉ làm bộ não phổ quát cho robot. Tháng 7 năm 2024, định giá vòng A là 1,5 tỷ USD, chưa đầy một năm sau, định giá vòng B là 4,7 tỷ USD, rồi đến vòng C do SoftBank và NVIDIA dẫn đầu với định giá 14 tỷ USD. Lúc này, doanh thu hàng năm của công ty chỉ là 30 triệu USD. Doanh thu 30 triệu, định giá 14 tỷ, khoảng cách giá này không phải là đánh cược vào tăng trưởng doanh thu, mà là đánh cược vào việc mô hình nền tảng thế giới vật lý trong tương lai sẽ được tất cả robot sử dụng.

Thị trường vốn đang bỏ phiếu bằng chân: logic định giá của mô hình nền tảng thế giới vật lý đã được các tổ chức đầu tư hàng đầu thế giới kiểm chứng.

Định vị của QuantGroup trong lĩnh vực AI vật lý tương tự như vị thế của Anthropic trong lĩnh vực mô hình ngôn ngữ lớn, cho phép các nền tảng phần cứng khác nhau gọi tới cùng một lớp năng lực AI. Physical Intelligence và Skild AI đã chứng minh trần định giá của con đường này cao đến mức nào, điều QuantGroup cần làm là xây dựng một "con hào" công nghệ cùng loại tại thị trường Trung Quốc.

Bao phủ lĩnh vực ăn uống và dịch vụ gia đình, đây đều là các phương thức ứng dụng của mô hình thế giới bối cảnh sống, không phải là điểm cuối thương mại của chính mô hình nền tảng. Giá trị thương mại của mô hình nền tảng nằm ở chỗ nó có thể được bao nhiêu bối cảnh gọi tới, hỗ trợ bao nhiêu nền tảng phần cứng và tạo ra bao nhiêu lợi nhuận bền vững.

Trong ngành còn một lựa chọn khác là lộ trình trình diễn. Các Demo phòng thí nghiệm được thiết kế công phu, camera bốn trục, nhịp độ công bố được mài giũa kỹ lưỡng. Nhưng tính khả thi về kỹ thuật và tính khả thi về thương mại là hai việc khác nhau: đối mặt với điều kiện vận hành động mỗi ngày trong nhà bếp thực tế, chịu trách nhiệm về tính nhất quán của sản phẩm và sự ổn định của tác nghiệp, đó là một cấp độ xác thực khác. QuantGroup đã chọn cái sau.

Xác thực logic kinh doanh trong nhà hàng

Demo chạy trong phòng thí nghiệm có thể quay video, Demo chạy trong nhà bếp thực tế mới có thể thu tiền. Bốn vòng xác thực công nghệ của QuantGroup đều được triển khai trong nhà bếp.

Bánh sandwich đối mặt với các nguyên liệu mềm không có hình dạng cố định như bánh mì, xà lách, nước sốt – kẹp mạnh thì nát, kẹp nhẹ thì rơi, sốt bóp nhiều thì tràn, ít thì không đều. Robot phải hoàn thành liên tục các thao tác gắp, phết sốt, bày biện trong cùng một quy trình, dựa vào khả năng điều khiển linh hoạt để cảm nhận hình thái nguyên liệu thời gian thực, điều chỉnh lực bất cứ lúc nào, toàn bộ quá trình không ép nát, không làm hỏng, thành phẩm vẫn phải đạt chuẩn.

Phân loại túi mua sắm không có quy trình định sẵn. Trong túi có gì, bao nhiêu món, robot không biết trước, chỉ có thể phán đoán tiến độ nhiệm vụ theo thời gian thực, nhận diện từng món đồ, gắp, phân loại và đặt vào vị trí, vừa làm vừa quyết định bước tiếp theo. Không có kịch bản cố định, tất cả dựa vào việc robot tự hoàn thành công việc từ đầu đến cuối dựa trên trạng thái hiện tại, đây là bài kiểm tra về khả năng tự quyết định khi không có kịch bản.

Việc rắc muối lên bít tết thể hiện rõ nhất khả năng thấu hiểu. Ban đầu robot không biết muối để ở đâu, nó phải giống như con người, tìm kiếm từng ngăn kéo, phán đoán ngăn nào, muối ở vị trí nào, nên dùng tư thế nào để gắp, rồi hoàn thành việc nêm nếm chính xác đến từng milimet. Toàn bộ quá trình không ai bảo nó các bước, chỉ đưa ra mục tiêu duy nhất là "tìm muối và nêm nếm", còn lại việc tìm kiếm, định vị, thao tác đều dựa vào khả năng suy luận của chính nó. Đây là bài kiểm tra về toàn bộ chuỗi suy luận từ việc hiểu mục tiêu đến thực hiện đúng hành động.

(Ảnh: Ảnh chụp màn hình DEMO - Thử nghiệm thực tế pha trà sữa trong môi trường mở)

Trà sữa khó ở sự phối hợp hệ thống. Robot không chỉ tự thao tác mà còn phải phối hợp luân phiên với máy pha trà sữa, máy khuấy, máy dập nắp: khi nhận đồ uống không được đổ, khi khuấy không được bắn, khi dập nắp phải căn chỉnh chính xác, chất lỏng lắc lư và độ lệch vị trí đều phải được kiểm soát thời gian thực. Vài thiết bị nối thành một dây chuyền, bất kỳ khâu nào gặp sự cố, cả dây chuyền sẽ dừng hoạt động.

Sau khi chạy thông suốt bốn vòng xác thực, canh bạc tiếp theo nằm ở việc tái sử dụng trên nhiều bối cảnh. Lộ trình kỹ thuật của QuantGroup là phân lớp phần mềm và phần cứng, mô hình nền tảng thế giới vật lý không ràng buộc với bất kỳ loại phần cứng nào. Sau khi hợp tác với hãng A, lại kết nối với hãng B, cùng một bộ năng lực mô hình nền tảng có thể chạy trên các nền tảng phần cứng khác nhau. Đây là tiền đề để mô hình RaaS có thể quy mô hóa: mô hình nền tảng thế giới vật lý đóng vai trò là tài sản công nghệ, có thể được gọi liên tục và tạo ra lợi nhuận bền vững. Năng lực thao tác phi cấu trúc, thích ứng môi trường mở, tác nghiệp tự chủ chuỗi dài được mài giũa trong nhà bếp thương mại, về lý thuyết chính là năng lực cốt lõi cần thiết cho các bối cảnh đầy biến số động như kho vận logistics, kiểm tra phân tích, chăm sóc y tế.

Không gian tưởng tượng sâu hơn nằm ở "loài thông minh", bất kỳ thiết bị đầu cuối nào được trang bị mô-đun cảm biến, có khả năng ra quyết định bằng AI, có thể hoàn thành tương tác vật lý một cách tự chủ, đều có thể kết nối với mô hình nền tảng thế giới vật lý để trở thành vật mang trí tuệ. Ý tưởng này mở rộng lộ trình tái sử dụng từ ăn uống sang không gian phần cứng rộng lớn hơn.

Tích lũy dữ liệu là thứ duy nhất không thể mua được

Logic kinh doanh của QuantGroup có vận hành được hay không phụ thuộc vào hai việc: năng lực kỹ thuật của mô hình nền tảng thế giới vật lý có hỗ trợ tái sử dụng trên nhiều bối cảnh hay không, và công ty có thể xây dựng rào cản trong việc tích lũy dữ liệu và tích hợp hệ thống hay không.

QuantGroup không phải là một đội ngũ tạm bợ. Bản cáo bạch đã viết rất rõ ràng, nền tảng về học máy tự động (AutoML), NLP đã có từ lâu, việc chuyển năng lực ra quyết định từ thế giới số sang thế giới vật lý là sự mở rộng, không phải là bắt đầu lại từ đầu.

Rào cản tích lũy dữ liệu đến từ hệ thống thu thập đa lộ trình. Triển khai bối cảnh thương mại B-end, hợp tác với các công ty phần cứng robot, thu thập dữ liệu vận hành toàn quy trình trong các bối cảnh thực tế như ăn uống; bố trí phần cứng thông minh C-end, thông qua các loại phần cứng đa dạng để tự nhiên tích lũy dữ liệu hành vi và môi trường đa chiều trong quá trình sử dụng hàng ngày; cộng thêm dữ liệu chia sẻ từ việc đổi mới của người dùng và đồng sáng tạo bối cảnh. Bốn lộ trình song song, biến việc thu thập dữ liệu từ điểm đơn lẻ thành một hệ thống.

Dữ liệu thế giới vật lý không tự động tích lũy như lượt nhấp chuột trên trang web, đằng sau mỗi đoạn dữ liệu thao tác hiệu quả là chi phí nhân lực cho hàng trăm lần thử sai thực tế của robot. Loại dữ liệu này không thể mua nhanh bằng tiền, chỉ có thể tích lũy dần dần qua thời gian và vận hành thực tế. Ai tích lũy đủ dữ liệu thao tác trong môi trường thực tế trước, tốc độ lặp lại mô hình nền tảng của người đó sẽ nhanh hơn, và người đó sẽ có thể kéo đường cong chi phí xuống sớm hơn. Một khi vòng lặp tích cực này vận hành, những người đến sau không chỉ phải đuổi theo khoảng cách kỹ thuật, mà còn là khoảng cách về thời gian.