10 câu hỏi giải mã robot có thân thể: Góc nhìn từ Yunqi Partners và Crossroads

Cách đây không lâu, tại Hội nghị Inclusion Conference on the Bund 2026, đã diễn ra một phiên thảo luận với chủ đề "Trí tuệ vật lý — Những khác biệt và Quyết định", do Koji từ Crossing điều phối. Bốn vị khách mời đến từ Sudu Tech, Ant Lingbo Technology, Independent Variable Robotics và Poke Robotics — trong đó Sudu Tech, Independent Variable Robotics và Poke Robotics đều là các công ty trong danh mục đầu tư giai đoạn đầu của Yunqi Partners.

Cuộc thảo luận đã đặt ra ba điểm gây tranh cãi trong lĩnh vực embodied AI (AI hiện thân): liệu dữ liệu nên đến từ mô phỏng hay từ robot thực tế, liệu Astra có tạo ra một cú đánh "giảm chiều" (dimensionality-reduction strike) đối với embodied AI hay không, và những chỉ số nào có thể chứng minh embodied AI đã vượt qua giai đoạn bong bóng. Cuối cùng, mỗi người trong số bốn khách mời đã trả lời về việc sau 5 năm nữa, đâu là thứ sẽ bị thổi phồng quá mức và đâu là thứ bị đánh giá thấp.

Trong ấn bản này của "Yunqi Partners", chúng tôi chia sẻ 10 câu hỏi đáp quan trọng về embodied AI mà bạn nên quan tâm ngay lúc này. Chúc bạn đọc vui vẻ.

Nội dung sau đây được chuyển thể từ tài khoản WeChat công khai "Crossing".

Điều phối: Koji | Biên tập và tổng hợp: Crossing

Đây là một cuộc thảo luận công khai hiếm hoi về những khác biệt ở cấp độ lộ trình trong embodied AI — một cuộc thảo luận không đi đến sự đồng thuận.

Năm 2026, embodied AI không thiếu sự nhiệt tình. Điều còn thiếu là những người sẵn sàng đặt các bất đồng lên bàn thảo luận. Dữ liệu đến từ đâu? Các mô hình nên được xây dựng như thế nào? Việc triển khai sẽ diễn ra ở đâu?

Nếu OpenAI hoặc Anthropic gia nhập lĩnh vực embodied AI, liệu đó có phải là một cú đánh "giảm chiều"? Ranh giới năng lực của Astra nằm ở đâu? Việc chế tạo một chiếc máy bay dễ dàng như xây dựng một ứng dụng — là viễn tưởng hay nằm trong tầm tay?

Vào sáng ngày 10 tháng 9, tại Hội nghị Inclusion Conference on the Bund 2026, phiên thảo luận về "Trí tuệ vật lý — Những khác biệt và Quyết định" đã diễn ra. Dưới sự điều phối của Koji, phiên thảo luận bao gồm Zheng Han, đồng sáng lập kiêm CEO của Sudu Tech; Yujun Shen, nhà khoa học trưởng tại Ant Lingbo Technology; Qian Wang, nhà sáng lập kiêm CEO của Independent Variable Robotics; và Huazhe Xu, nhà sáng lập Poke Robotics kiêm phó giáo sư tại Viện Khoa học Thông tin Liên ngành, Đại học Thanh Hoa.

Hội nghị Inclusion Conference on the Bund 2026 | Phiên thảo luận "Trí tuệ vật lý — Những khác biệt và Quyết định"

Thông qua cuộc trò chuyện này, bạn sẽ biết được: 1) các giả định cốt lõi và rủi ro của các lộ trình kỹ thuật khác nhau; 2) cách đánh giá chỉ số nào là chỉ báo dẫn dắt; 3) khó khăn mà các công ty mô hình ngôn ngữ phải đối mặt khi gia nhập embodied AI và lợi thế cạnh tranh (moat) của các startup nằm ở đâu; 4) logic ngắn hạn so với dài hạn của việc thương mại hóa embodied AI; 5) những lĩnh vực nào đang bị thổi phồng hoặc đánh giá thấp — cùng các cơ hội hoặc rủi ro đầu tư tương ứng.

Khi một ngành công nghiệp ngừng tranh cãi về việc "cái gì đúng" và bắt đầu chứng minh "cái gì khả thi" bằng sản phẩm và triển khai thực tế, thì lĩnh vực đó đã thực sự bước vào giai đoạn chuyển mình từ bong bóng sang công nghiệp.

Nghe trên Xiaoyuzhou:

🎬 Video cũng đã được đăng tải trên WeChat Channels của @Koji, Xiaohongshu, Bilibili, YouTube và các nền tảng khác:

Dưới đây là bản ghi chép đã biên tập của cuộc trò chuyện.

Tranh luận về Dữ liệu: Mô phỏng hay Robot thực tế?

👦🏻 Koji (Crossing): Hãy đi thẳng vào vấn đề. Hôm nay chúng ta sẽ đề cập đến ba chủ đề: tranh luận về dữ liệu, tranh luận về trí tuệ và tranh luận về kịch bản.

Tại sao lại có tất cả những "cuộc tranh luận" này? Bởi vì vào năm 2026, chúng ta đang đứng tại một ngã ba đường với nhiều lối đi chưa hội tụ, đang chờ được khám phá.

Câu hỏi đầu tiên dành cho ông Han: về dữ liệu, một số người đang đặt cược vào mô phỏng, những người khác lại kiên định đặt cược vào robot thực tế. Ông đã kiên định đặt cược vào mô phỏng. Những tín hiệu nào ông đã thấy vào thời điểm đó? Và ngày nay, có những tín hiệu củng cố mới nào không?

Koji, nhà sáng lập Crossing

👨🏻‍💻 Zheng Han (Sudu Tech)

Chúng tôi tin tưởng vững chắc vào việc sử dụng mô phỏng — nhưng đồng thời, chúng tôi cũng tin rằng dữ liệu thế giới thực là cực kỳ giá trị.

Điểm xuất phát của chúng tôi khá đơn giản. Chúng tôi bắt đầu xây dựng các trình mô phỏng robot và dữ liệu tổng hợp từ năm 2015 và 2016, sau đó thành lập công ty để xây dựng phiên bản thương mại. Chúng tôi đã trải qua hai vòng lặp.

Thứ nhất, nghiên cứu và thương mại hóa là khác nhau. Trong nghiên cứu, bạn có thể chạy các thí nghiệm với các dự án mã nguồn mở, dữ liệu và thuật toán. Nhưng thông thường, sau khi thử nghiệm, mọi người không biết cách sửa đổi mô hình kỹ thuật ở quy mô lớn, nên họ chỉ dừng lại ở đó.

Thực tế là học tăng cường dựa trên mô hình và tiền huấn luyện quy mô lớn — dù là các trình mô phỏng mà chúng tôi đã mở mã nguồn trước đó như CPM và Skill, hay Isaac của NVIDIA — đều có những hạn chế nhất định, theo góc nhìn nội bộ của chúng tôi.

Vì vậy, sau năm 2024, chúng tôi cam kết xây dựng một hệ thống đóng quy mô lớn được tái cấu trúc hoàn toàn, bao gồm đường ống dữ liệu và đường ống mô phỏng — mô phỏng, học tăng cường dựa trên mô hình và học tăng cường quy mô lớn bên trong trình mô phỏng.

Zheng Han | Đồng sáng lập kiêm CEO của Sudu Tech

Trong một bản demo vào tháng 4 vừa qua, chúng tôi đã chứng minh rằng đối với một số thao tác kỹ năng nhất định dưới khả năng tổng quát hóa mạnh mẽ qua các tổ hợp vật thể, môi trường và ánh sáng — các tác vụ như gắp, đặt và lắp ráp — chúng tôi có thể đạt tỷ lệ thành công gần 100% với hầu như không có hạn chế nào về vật thể hay môi trường.

Về dữ liệu, niềm tin của chúng tôi là: mô phỏng là không thể tránh khỏi. Việc chỉ dựa vào thu thập dữ liệu thế giới thực là chậm, và chất lượng đôi khi bị hạn chế.

Gần đây, một số đối tác tại Hoa Kỳ cũng đã bắt đầu tăng cường năng lực mô phỏng của họ. Cách tiếp cận của họ khác nhau, nhưng đó là một tín hiệu cho toàn ngành.

👦🏻 Koji (Crossing)

Lingbo rõ ràng đã chọn dữ liệu thực làm lộ trình dữ liệu của mình. Thưa ông Shen, theo quan điểm của ông, những khía cạnh nào của dữ liệu thực mà mô phỏng không thể thay thế? Giá trị lớn nhất mà nó mang lại so với dữ liệu mô phỏng là gì?

👮🏻‍♂️ Yujun Shen (Ant Lingbo Technology)

Tôi sẽ không nói rằng chúng tôi kiên định chọn dữ liệu thực. Chúng tôi chưa bao giờ tin rằng bạn phải chọn một loại dữ liệu này hoặc phải từ chối loại dữ liệu kia.