Sau khi vượt mặt Nvidia và Google, Om AI ra mắt mô hình VLX chạy trực tiếp trên thiết bị: Nhỏ gọn nhưng nhận diện thế giới thực cực chuẩn

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

10-08-2026 09:12:33 Nguồn: QbitAI

Từ điện toán đám mây đến cloud-native, bước nhảy vọt thực sự của ngành công nghiệp chưa bao giờ là việc đơn thuần chồng chất sức mạnh tính toán, mà là tìm ra một kiến trúc phù hợp hơn với thế giới mới.

Tian Yanlin đưa tin từ Aofeisi (QbitAI)

QbitAI | Tài khoản chính thức QbitAI

Trong giới trí tuệ nhân tạo hiện thân (Embodied AI), vừa có thêm hai tin tức quan trọng.

Ngày 6 tháng 8, Om AI (Lianhui) đã hoàn tất vòng gọi vốn trị giá hàng trăm triệu nhân dân tệ, với sự dẫn dắt của Qianhai Mother Fund.

Cùng ngày, VLX-Seek 1.5, mô hình native trên thiết bị (on-device) đầu tiên trên thế giới của công ty này, đã chính thức công bố mã nguồn mở.

Nhìn bề ngoài, đây là hai sự kiện riêng biệt: gọi vốn và mở mã nguồn.

Các nhà đầu tư đang đặt cược vào một lộ trình mới, còn các nhà phát triển đang có được một lối vào mới.

Nhưng khi đặt cạnh nhau, thật khó để không liên tưởng đến khoảnh khắc Amazon AWS mở ra kỷ nguyên điện toán đám mây cách đây 20 năm.

Khi đó, AWS vừa mở toàn diện API để thu hút lượng lớn nhà phát triển tham gia, vừa nhận được nguồn vốn đầu tư để kiểm chứng giá trị của lộ trình này.

Cuối cùng, điện toán đám mây đã không trở thành một dịch vụ cho thuê máy chủ đơn thuần, mà tiến hóa thành một hệ hình cơ sở hạ tầng mới.

Trí tuệ nhân tạo vật lý (Physical AI) ngày nay cũng đang tìm kiếm "khoảnh khắc nguyên bản" của riêng mình.

Om AI đã định nghĩa một hệ hình như thế nào? Trong hệ tọa độ toàn cầu của Physical AI, nó đang nằm ở vị trí nào?

Physical AI toàn cầu, cập nhật bản đồ

Trong vài năm qua, sự cạnh tranh trong ngành AI thường xoay quanh các mô hình lớn hơn, dữ liệu nhiều hơn và sức mạnh tính toán trên đám mây mạnh hơn.

Từ các mô hình ngôn ngữ lớn đến mô hình đa phương thức, quy mô tham số từng là chỉ số quan trọng để đo lường năng lực.

Nhưng khi AI bước vào thế giới thực, robot không còn đối mặt với những bức ảnh tĩnh hay những phiên hỏi đáp văn bản đơn thuần.

Nó cần vận hành liên tục trong các môi trường phức tạp như nhà máy, kho bãi, gia đình và ngoài trời.

Lúc này, các quy tắc cạnh tranh cũng đã thay đổi.

Điều quyết định giá trị của mô hình không còn chỉ là số lượng tham số, mà là một vài vấn đề thực tế hơn:

Độ trễ phản hồi có đủ thấp không? Sức mạnh tính toán trên thiết bị có chịu tải được không? Chi phí triển khai có thể quy mô hóa không? Thiết bị có thể vận hành độc lập mà không cần đám mây không?

Bởi vì trong thế giới vật lý, mỗi khi thêm một robot, máy bay không người lái hoặc thiết bị thông minh, đồng nghĩa với việc phát sinh chi phí phần cứng, năng lượng và bảo trì thực tế.

Nếu đặt các lộ trình mô hình Physical AI toàn cầu hiện nay lên một bản đồ, chúng ta sẽ thấy rằng xoay quanh mệnh đề lớn "làm thế nào để AI hiểu và hành động trong thế giới vật lý", các đơn vị trên toàn cầu đang hình thành những hướng đi khác nhau.

NVIDIA Cosmos chọn lộ trình "mô hình thế giới trên đám mây" (cloud-based world model).

Mục tiêu cốt lõi của nó là giúp AI hiểu môi trường vật lý, xây dựng nền tảng nhận thức không gian phong phú hơn thông qua năng lực của mô hình thế giới.

Dòng π của Physical Intelligence lại khám phá "mô hình chiến lược robot đa năng trên đám mây", với hy vọng thông qua huấn luyện quy mô lớn để robot có khả năng tổng quát hóa giữa các tác vụ.

Google Gemini Robotics lại thúc đẩy theo hướng "VLA trên đám mây", kết nối khả năng hiểu ngôn ngữ, nhận thức thị giác và hành động của robot, giúp robot hoàn thành nhiệm vụ dựa trên ngôn ngữ tự nhiên.

Trong khi đó, Tesla Optimus đi một con đường riêng, nhấn mạnh vào vòng lặp khép kín giữa mô hình và thân máy robot, thúc đẩy sự lặp lại năng lực của robot thông qua nền tảng phần cứng tự phát triển.

Không có lộ trình nào trong số này dẫn đầu tuyệt đối.

Chúng lần lượt trả lời các câu hỏi khác nhau: Làm thế nào để AI hiểu thế giới? Làm thế nào để robot có được năng lực đa năng? Làm thế nào để mô hình và phần cứng phối hợp với nhau?

Nhưng trong bản đồ này, có một tọa độ then chốt mà trước đây chưa có câu trả lời chuyên biệt, đó là:

Làm thế nào để một mô hình AI ngay từ khi ra đời đã thích ứng được với môi trường trên thiết bị (on-device)?

Đây chính là vị trí mà Om AI muốn lấp đầy.

Dòng mô hình đa phương thức dạng luồng (streaming) trên thiết bị VLX do hãng tự phát triển nhấn mạnh lộ trình "native trên thiết bị", không phụ thuộc vào sức mạnh tính toán lớn trên đám mây, cũng không bị ràng buộc vào một nền tảng phần cứng duy nhất.

Mô hình cũng không phải được huấn luyện xong trên đám mây rồi mới nén lại để triển khai lên thiết bị.