Nhu cầu tính toán tăng gấp 10 lần: Robot đang 'ngốn' tài nguyên để chinh phục thế giới thực

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

2026-08-14 15:29:22 Nguồn: QbitAI

Giảm một nửa chi phí, tăng 80% hiệu suất triển khai! Việc nghiên cứu và phát triển robot giờ đây không còn cần phải "phát minh lại bánh xe" nữa.

Tian Yanlin đưa tin từ Aofei Temple

QbitAI | Kênh chính thức QbitAI

Thứ Sáu tuần trước, tại buổi bế mạc cuộc thi hackathon thực chiến ngoại tuyến "Innovation Camp 2026" của LimX Dynamics, các thí sinh đang chạy vòng đánh giá mô phỏng cuối cùng trên nền tảng đám mây.

Họ mở trình duyệt, đăng nhập vào một máy trạm từ xa trên đám mây, xoay chuyển các cảnh cánh tay robot trong Isaac Sim, điều chỉnh tham số và tạo dữ liệu.

Cảnh tượng này rất khó thực hiện nếu là 3 năm trước.

Để tổ chức một cuộc thi tương tự, chỉ riêng việc tìm địa điểm và trang bị máy móc đã tiêu tốn cả tháng trời.

Huấn luyện robot không đơn giản chỉ là mở máy tính lên và viết code.

Đằng sau đó cần có các môi trường mô phỏng như Isaac Sim, NVIDIA Omniverse, cần sự hỗ trợ của sức mạnh tính toán GPU, và còn liên quan đến việc cấu hình đồng bộ các phiên bản phần mềm, driver và công cụ phát triển khác nhau.

Sau mỗi kỳ Innovation Camp, cứ thêm một thí sinh là lại đặt ra thêm nhiều yêu cầu cho ban tổ chức về triển khai môi trường, mua sắm thiết bị và quản lý tài nguyên.

Phiền toái hơn nữa là sau khi sự kiện kết thúc, những thiết bị hiệu năng cao này có thể bị bỏ không trong thời gian dài. Mua càng nhiều, lãng phí càng lớn.

LimX Dynamics đã chọn một cách tiếp cận khác.

Nhờ vào máy trạm đám mây của Wuying Linggou – nền tảng tính toán nghiên cứu AI thuộc Alibaba Cloud, các thí sinh có thể nhanh chóng truy cập vào môi trường phát triển thống nhất, tài nguyên tính toán được điều chỉnh linh hoạt theo nhu cầu thực tế mà không cần phải mua sắm trước một lượng lớn thiết bị cố định.

Cuộc diễn tập này nhìn bề ngoài là đang khám phá "làm thế nào để robot trở nên thông minh hơn", nhưng ẩn ý đằng sau lại là "làm thế nào để các công ty nghiên cứu robot trở nên hiệu quả hơn".

Tại sao huấn luyện một con robot lại tốn kém máy móc đến vậy?

Các mô hình lớn (Large Models) đang giúp robot bắt đầu có khả năng hiểu và suy luận.

Tuy nhiên, để từ biết trò chuyện chuyển sang biết làm việc, cần phải trải qua một quy trình phức tạp: thu thập dữ liệu điều khiển từ xa (teleoperation), gỡ lỗi thuật toán, huấn luyện mô phỏng và triển khai trên máy thật.

Khác với AI kỹ thuật số, robot phải đối mặt với một thế giới thực vô cùng phức tạp và không ngừng thay đổi.

Nó cần hiểu không gian, cần cảm nhận vật thể, cần dự đoán hành động và cần liên tục thử sai trong môi trường thực tế.

Mỗi khâu đều không thể thiếu sự hỗ trợ của tài nguyên tính toán.

Hình ảnh do AI tạo ra

Đây cũng là lý do tại sao cuộc đua về trí tuệ hiện thân (Embodied AI) chưa bao giờ chỉ là cuộc đua về tham số mô hình, mà là một cuộc cạnh tranh dài hơi xoay quanh sức mạnh tính toán, dữ liệu và hiệu suất kỹ thuật.

Chen Hua, đồng sáng lập kiêm CTO của LimX Dynamics, chia sẻ với QbitAI rằng trong hai năm qua, ước tính sơ bộ, nhu cầu về sức mạnh tính toán của đội ngũ R&D công ty đã tăng từ 5 đến 10 lần. (Ảnh meme: "Quái vật ngốn card đồ họa")

Hơn nữa, có bao nhiêu card là "ngốn" sạch bấy nhiêu.

Nhu cầu tính toán tăng vọt chỉ là một mặt của vấn đề.

Thay đổi lớn hơn nằm ở chỗ, nghiên cứu robot đang chuyển dịch từ các thí nghiệm đơn lẻ sang hợp tác kỹ thuật phức tạp.

Trước đây, một kỹ sư thuật toán chỉ cần sở hữu một máy trạm hiệu năng cao, cấu hình tốt môi trường là có thể hoàn thành một phần công việc nghiên cứu.

Nhưng ngày nay, một đội ngũ trí tuệ hiện thân hoàn chỉnh cần phải xử lý đồng thời các công việc: huấn luyện mô phỏng, xử lý dữ liệu, lặp mô hình, cộng tác nhóm và xác thực trên máy thật.

Tài nguyên R&D không còn chỉ là "một chiếc máy", mà là cả một hệ thống cơ sở hạ tầng vận hành liên tục.

Zhang Xiantao, Phó chủ tịch Alibaba Cloud Intelligence Group kiêm Chủ tịch Bộ phận Điện toán Thông minh Đầu cuối, cho rằng sự phát triển của điện toán đám mây đã trải qua hai lần dịch chuyển cơ sở hạ tầng.

Đám mây đầu tiên hỗ trợ Internet, đám mây thứ hai hỗ trợ Internet di động.

Và giờ đây, kỷ nguyên robot cần một đám mây thứ ba.

Lần này, đám mây không chỉ cần giải quyết vấn đề tài nguyên tính toán, mà còn phải đưa sức mạnh tính toán, môi trường phát triển và khả năng tương tác 3D vào quy trình nghiên cứu robot.

Quay trở lại vấn đề, tại sao nghiên cứu robot lại thúc đẩy sự ra đời của đám mây thứ ba?