WeRide 'ươm mầm' startup mới: Kẻ tiên phong xây dựng 'hạ tầng' cho robot hình người

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

Nắm giữ kịch bản tương tự như NVIDIA và CATL, "nhà cung cấp cơ sở hạ tầng" đầu tiên của trí tuệ hiện thân (Embodied AI) đã xuất hiện.

16-07-2026 17:13:01 Nguồn: QbitAI

Được ươm tạo bởi WeRide, kỳ lân đầu tiên trong lĩnh vực Robotaxi.

Vào giữa năm 2026, một công ty dường như đang nằm ở "phân khúc giữa" của chuỗi cung ứng AI – Jingshuo Technology – đã gây ra những cuộc thảo luận sôi nổi trong ngành sau khi vận hành độc lập.

Nền tảng của công ty này đủ "hardcore": được ươm tạo nội bộ bởi WeRide, và CEO chính là nhân viên số 001 của WeRide. Đường đua mà họ chọn cũng đầy sức hút và đang được săn đón: Trí tuệ hiện thân (Embodied AI).

Tuy nhiên, điểm đột phá mà Jingshuo lựa chọn lại tỏ ra vô cùng bình tĩnh giữa một thị trường ồn ào: Không làm máy móc hoàn chỉnh, không làm bộ não đơn thuần, mà đặt cược vào cơ sở hạ tầng của AI vật lý – đó là dữ liệu và hệ thống công nghệ mô hình thế giới (World Model).

Trong thời đại mà người người nhà nhà đều nhắc đến "bộ não" và "mô hình tổng quát", việc Jingshuo thường xuyên được thảo luận đã hé lộ một sự thật bị bỏ quên: Khi cả ngành công nghiệp đang mải mê theo đuổi "năng lực tư duy" ở tầng cao nhất, thì "hệ thống kinh nghiệm" và "nhận thức thế giới" ở tầng nền tảng vẫn chưa có ai xây dựng một cách hệ thống.

Và nếu không có nhận thức sâu sắc về thế giới vật lý, thì dù "bộ não" có thông minh đến đâu cũng chỉ là lâu đài trên không.

Sự tiếp nối của niềm tin vào dữ liệu suốt 10 năm

Đường đua ứng dụng đầu tiên của AI vật lý là xe tự lái, và chặng đường 10 năm kỹ thuật hóa, quy mô hóa đã cho thấy một "lịch sử dịch chuyển nút thắt".

Vòng đầu tiên là cuộc đua về thuật toán. Ai đưa ra cấu trúc mạng tốt hơn, logic quyết định tối ưu hơn, người đó dẫn đầu bảng xếp hạng – điều này hoàn toàn tương ứng với hành vi ưa chuộng tung Demo và chạy đua bảng xếp hạng trong lĩnh vực trí tuệ hiện thân ngày nay.

Vòng thứ hai là cuộc đua về sức mạnh tính toán (compute). Ở giai đoạn này, các mô hình thuật toán chưa hề hội tụ hay thống nhất, và bản thân thuật toán khó có thể diễn đạt một cách thông tục thông qua các dữ liệu trực quan có thể định lượng. Vì vậy, sức mạnh tính toán đã trở thành chỉ số cốt lõi trong cuộc chạy đua vũ trang thông minh, bao gồm cả trên xe và trên đám mây.

Kể từ khi Tesla chuyển đổi sang mô hình end-to-end (đầu cuối) trên phiên bản FSD V12, và sau khi FSD V14 hoàn tất quá trình tái cấu trúc một giai đoạn, lĩnh vực xe tự lái đã hội tụ cao độ ở cấp độ thuật toán. Các đơn vị chơi ở cấp độ L2/L4 đều đã chuyển hướng sang lộ trình: Mô hình đa phương thức lớn (Multimodal LLM) + Mô hình thế giới tạo mô phỏng + Hiệu chỉnh bằng học tăng cường (Reinforcement Learning).

Lúc này, các đội ngũ kỹ thuật đang trực tiếp chiến đấu ở tiền tuyến đều nhận ra rằng: dù thuật toán có tốt đến đâu, sức mạnh tính toán có lớn đến mấy, nếu không có dữ liệu chất lượng cao để cung cấp cho mô hình thì quá trình lặp lại (iteration) sẽ dậm chân tại chỗ. Cuộc cạnh tranh ở kịch bản ứng dụng đầu tiên của AI vật lý cuối cùng đã quay trở lại cấp độ cơ sở hạ tầng dữ liệu.

WeRide đã trải qua trọn vẹn ba vòng này và cuối cùng đứng vững trong nhóm dẫn đầu về xe tự lái L4. Sợi chỉ đỏ xuyên suốt quá trình đó chính là việc xây dựng cơ sở hạ tầng dữ liệu liên tục – cũng chính là những gì đội ngũ Jingshuo đã làm trước khi công khai và vận hành độc lập.

CEO của Jingshuo Technology, Huo Da, là nhân viên số 001 của WeRide, sở hữu 12 năm kinh nghiệm trong ngành, chuyên sâu về nền tảng xe tự lái quy mô lớn và xây dựng cơ sở hạ tầng dữ liệu AI. Ông từng đảm nhiệm các chức vụ như Giám đốc kỹ thuật, Trưởng nhóm kỹ thuật tại WeRide. Ông cũng từng chủ trì xây dựng các tổ chức nghiên cứu và phát triển kỹ thuật toàn cầu tại Mỹ, Trung Quốc và Singapore.

△ Trái: CEO Jingshuo Technology Huo Da, nhân viên số 001 của WeRide; Phải: Chủ tịch & COO Jingshuo Technology Han Ming.

Một nhà sáng lập khác là Chủ tịch & COO Han Ming, Ủy viên Hiệp hội Công nghiệp Thông tin Địa lý Trung Quốc, Ủy viên Hiệp hội Trắc địa và Bản đồ Trung Quốc, Ủy viên thường trực Hiệp hội Định vị và Dẫn đường Vệ tinh Trung Quốc. Ông có nhiều năm kinh nghiệm chuyên sâu trong lĩnh vực dữ liệu AI và ngành xe tự lái, từng giữ các vị trí quản lý cấp cao tại DeepMap.Inc.

Hồ sơ của hai nhà sáng lập có một điểm chung: đều đã trải qua toàn bộ quá trình xe tự lái từ "thiếu dữ liệu" đến "tìm cách giải quyết dữ liệu".

Vì vậy, thực tế mà WeRide phải đối mặt ngay từ đầu, họ là những người hiểu rõ hơn ai hết –

Số lượng đội xe ít hơn nhiều so với các hãng xe hoặc các đơn vị chơi L2 cung cấp phụ trợ cho hãng xe, dẫn đến bất lợi tự nhiên về dữ liệu thực tế.

Do đó, đội ngũ Jingshuo khi đó vẫn còn là một bộ phận nội bộ của WeRide đã tiên phong đi theo một con đường khác – sử dụng trình mô phỏng để tạo ra một lượng lớn các kịch bản đuôi dài (long-tail scenarios).

Khu vực chờ rẽ tại Thượng Hải, vòng xoay bất quy tắc, xe ba bánh chở cây... những kịch bản tuy hiếm gặp nhưng mang tính then chốt trong điều kiện đường xá thực tế này đều được sản xuất hàng loạt bằng mô phỏng.

Hơn nữa, kiểu mô phỏng này không phải là tạo video bắt chước, mà là một "trình mô phỏng thế giới" thực sự hiểu các quy luật vật lý và quan hệ nhân quả. Sau này, khi kiến trúc Transformer trỗi dậy, bộ mô phỏng này đã tiến hóa thành mô hình thế giới GENESIS của WeRide.

Đối với nội hàm cốt lõi của cơ sở hạ tầng dữ liệu, đội ngũ Jingshuo đã xác định từ rất sớm: Đừng đi đãi "kim cương" trong biển dữ liệu mênh mông, mà hãy trực tiếp tạo ra "kim cương" bằng nhân tạo.

Và ý nghĩa của lựa chọn này đã được nhân lên gấp bội trong kỷ nguyên trí tuệ hiện thân.

Suy cho cùng, xe tự lái dù có thiếu dữ liệu đến đâu thì ít nhất vẫn có một mô hình sơ khai hỗ trợ xe thử nghiệm lưu thông hợp pháp trên đường. Nhưng trí tuệ hiện thân lại có sự khác biệt bản chất – đối với các kịch bản công nghiệp, gia dụng... có nhu cầu tần suất cao, hiện tại chưa có bất kỳ đơn vị nào sở hữu một mô hình kỹ thuật hóa có khả năng tổng quát hóa dù là ở mức tối thiểu.

Càng không có dữ liệu Internet sẵn có như ChatGPT.

Mà không có dữ liệu, mô hình không thể lặp lại, trí tuệ hiện thân ngoài các bản Demo ra thì gần như không thể ứng dụng thực tế... Yếu tố cốt lõi hạn chế chính là việc luôn thiếu một cơ sở hạ tầng dữ liệu chất lượng cao để tạo thành vòng lặp khép kín, đóng vai trò là "kick start" (khởi động) cho mô hình.

Đây chính là tình trạng chân thực nhất: Trí tuệ hiện thân còn rất xa mới đến ngưỡng cạnh tranh về mô hình và sức mạnh tính toán, bởi lẽ các đội ngũ khởi nghiệp không thể nhanh chóng xây dựng được "hệ thống nhận thức vật lý" dựa trên phản hồi thực tế.

Đây cũng chính là đặc điểm khác biệt và khan hiếm nhất của Jingshuo Technology: Đã trải qua trọn vẹn cuộc đào thải của xe tự lái, sở hữu tư duy kỹ thuật, năng lực kỹ thuật hóa và kinh nghiệm bàn giao quy mô lớn đã được kiểm chứng.

Từ năm ngoái, khi lộ trình EGO (thu thập góc nhìn người thứ nhất) được chứng minh là khả thi, đội ngũ Jingshuo đã nhạy bén nhận ra khả năng kích hoạt Scaling Law (định luật quy mô) của AI vật lý lần đầu tiên, vì vậy họ quyết định chính thức tách ra hoạt động độc lập.

Từ "thu thập" đến "thiết kế": Nâng cấp nhận thức về dữ liệu

Tư duy của Jingshuo về cơ sở hạ tầng dữ liệu là "mô hình còn cần gì để tạo ra đột phá".

Nhìn tổng thể, Jingshuo Technology là đơn vị tiên phong trong đường đua này cung cấp cơ sở hạ tầng dữ liệu cho trí tuệ hiện thân như một sản phẩm hoàn chỉnh, với cấu trúc ba tầng, mỗi tầng có phân công riêng nhưng lại liên kết chặt chẽ với nhau: WorldEngine thúc đẩy vòng lặp dữ liệu, GENESIS-Robotics cung cấp động cơ cốt lõi, SkillForge đóng gói sản phẩm bàn giao cuối cùng – chỉ khi hiểu thuật toán, mới có thể định nghĩa được gói kỹ năng (skill pack) cần chứa những gì.

Ba thành phần này kết nối với nhau, tương đương với việc giúp khách hàng giải quyết trọn gói vấn đề "xây dựng hệ thống dữ liệu từ con số không".