OpenAI Astra có phải là đòn giáng mạnh vào các mô hình robot thực thể?

Sau màn ra mắt ấn tượng của Astra, liệu các công ty AI hiện thân (Embodied AI) còn có lợi thế cạnh tranh nào không?

Gần đây, tôi đã điều phối liên tiếp hai diễn đàn về Trí tuệ nhân tạo hiện thân: Hội nghị Inclusion Conference on the Bund vào ngày 10 tháng 9 và Hội nghị Khám phá Công nghệ Toàn cầu JDD JD.com vào ngày 9 tháng 9.

Thời điểm này trùng khớp với sự bùng nổ mà GPT-6 Astra tạo ra trong lĩnh vực AI hiện thân. Trên khắp các mạng xã hội, mọi người đang thử nghiệm việc để nó điều khiển cánh tay robot và cầm nắm đồ vật, và các cuộc thảo luận cũng theo đó mà diễn ra.

Vì vậy, tại cả hai phiên thảo luận bàn tròn, chúng tôi đều kết thúc bằng việc bàn về cùng một câu hỏi:

GPT-6 Astra mang đến cú sốc nào cho các mô hình hiện thân? Các mô hình hiện thân sẽ còn giữ lại bao nhiêu không gian độc lập? Liệu các mô hình đa năng (general-purpose models) có phải là tương lai?

Hội nghị Inclusion Conference on the Bund 2026 | Ngày 10 tháng 9 năm 2026

JDDiscovery-2026 Hội nghị Khám phá Công nghệ Toàn cầu JD.com | Ngày 9 tháng 9 năm 2026

Các diễn giả đã đưa ra nhiều quan điểm xuất sắc — và khá khác biệt.

Tôi muốn tổng hợp chúng lại. Vì vậy, tôi đã yêu cầu Astra chấm điểm phát biểu trên sân khấu của bảy diễn giả theo "Chỉ số Thống trị Đa năng" (General-Dominance Index). Đây là thang điểm từ 0–10 thể hiện lập trường của họ:

• 10: Các mô hình đa năng là tương lai. Khi khả năng tổng quát tiếp tục mở rộng, không gian cho các mô hình hiện thân độc lập sẽ thu hẹp đáng kể — thậm chí chúng có thể không cần tồn tại riêng biệt nữa.

• 0: Các mô hình hiện thân sẽ vẫn hoàn toàn độc lập. Trí tuệ vật lý cần một mô hình nền tảng riêng, và không gian độc lập đó sẽ không bị các mô hình đa năng nuốt chửng.

🚥

Chỉ số này chỉ phản ánh xu hướng quan điểm của một người. Nó không phải là sự phán xét xem ai đúng hay ai sai.

Đây là cách Astra diễn giải các phát biểu trên sân khấu, không phải là sự tự đánh giá của chính các diễn giả.

Dưới đây, tôi đã sắp xếp lại các phát biểu liên quan của bảy diễn giả, theo thứ tự từ chỉ số thấp nhất đến cao nhất.

Boyuan Chen | Nhà sáng lập, Inverse Matrix Tech

Boyuan Chen, Nhà sáng lập Inverse Matrix Tech | JDDiscovery-2026 Hội nghị Khám phá Công nghệ Toàn cầu JD.com | Ngày 9 tháng 9 năm 2026

Chỉ số Thống trị Đa năng: 1/10 (điểm tham chiếu do Astra gán dựa trên các phát biểu của ông — chỉ mang tính tham khảo)

Một người ủng hộ mạnh mẽ cho mô hình nền tảng vật lý độc lập. Astra đại diện cho hình thức cao nhất của một VLA thực thụ — một mô hình ngôn ngữ bước vào thế giới vật lý và hình thành một vòng lặp vật lý khép kín thực sự.

Mặc dù vậy, gần đây tôi đã tự mình thử dùng GPT-6 để vận hành một bộ kẹp nhằm nhặt một chiếc cốc. Phải mất khoảng 40 phút đến một giờ để nhấc nó lên một cách chậm chạp. Đó là một trường hợp thực tế.

Điều đó thúc đẩy tôi suy ngẫm sâu hơn: giới hạn thực sự của các mô hình ngôn ngữ nằm ở đâu?

Chúng ta hiện có thể thấy các mô hình ngôn ngữ vận hành máy móc thực tế, và Claude đã phát hành phiên bản AI vật lý của giao thức MCP có thể điều khiển phần cứng. Nhưng trên thực tế, các mô hình ngôn ngữ có rất nhiều giới hạn.

Con người có trí tuệ vận động-cảm giác và trí tuệ nhận thức-ngôn ngữ. Ngôn ngữ là một phương tiện tuyệt vời, nhưng nó cũng giới hạn khả năng mô tả các nhiệm vụ của chúng ta. Ví dụ, tôi có thể hình dung cách buộc dây giày, nhưng tôi không thể mô tả nó bằng lời.

Hiện tại nó có thể thực hiện một số thao tác cầm nắm đơn giản, nhưng trong thế giới vật lý thực — nơi đòi hỏi độ chính xác, tốc độ và khả năng tổng quát hóa — nó vẫn thất bại.

Hơn nữa, mô hình suy luận của mô hình ngôn ngữ đã khóa chặt giới hạn ứng dụng.

Bởi vì các mô hình ngôn ngữ vẫn tạo ra từng token một, 100 mili giây không có ý nghĩa gì trong cửa sổ trò chuyện, nhưng trên một cỗ máy thực tế, đó có thể là ba chu kỳ điều khiển. Thế giới vật lý thực luôn thay đổi không ngừng. Bạn không thể rơi vào tình huống mà khi chuyển động chưa thực hiện xong, một thách thức mới đã ập đến và mô hình không thể phản ứng kịp thời.

Vì vậy, sự xuất hiện của Astra là một cú sốc thực sự đối với tôi. Nó cho chúng ta thấy những gì một mô hình ngôn ngữ có thể làm khi bước vào thế giới vật lý.

Nhưng các vấn đề và thách thức cốt lõi của mô hình ngôn ngữ cũng là những thứ không thể vượt qua — và điều đó mang lại cho chúng tôi niềm tin vững chắc hơn:

AI vật lý chắc chắn sẽ có mô hình nền tảng riêng. Nó cần học các mô hình vận hành, trực giác vật lý và bản năng của con người, để có thể đưa ra quyết định và khép kín vòng lặp trong thế giới vật lý thực một cách hiệu quả và nhanh chóng hơn.

Qian Wang | Nhà sáng lập & CEO, Independent Variable Robotics

Qian Wang, Nhà sáng lập & CEO của Independent Variable Robotics | Hội nghị Inclusion Conference on the Bund 2026 | Ngày 10 tháng 9 năm 2026

Chỉ số Thống trị Đa năng: 2/10 (điểm tham chiếu do Astra gán dựa trên các phát biểu của ông — chỉ mang tính tham khảo)

Hiện thân cần các mô hình chuyên dụng; các khả năng đa năng có thể được vay mượn. Đây thực sự là chủ đề nóng nhất trong ngành. Ngay sáng nay, tôi đã thấy một video về việc ai đó sử dụng Astra để điều khiển một bàn tay khéo léo.

Phiên bản mô hình này thực chất đã được huấn luyện trên một lượng lớn dữ liệu robot. Từ đầu năm ngoái, OpenAI và Anthropic đã mua dữ liệu robot với số lượng lớn, và họ cũng vận hành các nhà máy dữ liệu quy mô nhỏ của riêng mình để thu thập dữ liệu robot. Vì vậy, điều này không có gì đáng ngạc nhiên — nó đã được dự đoán trước.