Một tuần tung 6 mô hình: Công ty này đã hoàn thiện vòng lặp cho trí tuệ nhân tạo hiện thân

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

2026-09-10 12:55:38 Nguồn: QbitAI

Mô hình có thể mã nguồn mở, nhưng kinh nghiệm triển khai thì không

Trong năm qua, ngành công nghiệp trí tuệ nhân tạo hiện thân (Embodied AI) đã có những bước tiến lớn cả về truyền thông lẫn thực tế. Theo thống kê chưa đầy đủ của QbitAI, tính đến ngày 12 tháng 6 năm 2026, đường đua Embodied AI trong nước đã huy động được khoảng 43,8 tỷ nhân dân tệ, đạt gần 80% tổng số vốn của cả năm 2025.

Các bản demo và nguồn vốn này bao phủ nhiều kịch bản đa dạng, từ hỗ trợ gia đình, hướng dẫn thương mại đến dây chuyền sản xuất công nghiệp, mỗi lĩnh vực ngách đều có các công ty tham gia. Tuy nhiên, việc chạy thành công bản demo và triển khai hàng loạt thực tế là hai câu chuyện hoàn toàn khác biệt; không phải kịch bản nào cũng có thể vượt qua rào cản này cùng lúc. Nếu chỉ nhìn vào khái niệm lớn là "Embodied AI", thì cách tiếp cận đó quá rộng.

Vậy kịch bản nào gần với việc triển khai hàng loạt nhất? Câu trả lời là công nghiệp.

Robot muốn thực tế hóa, vẫn phải là kịch bản công nghiệp

Khi nghe đến hai chữ "công nghiệp", nhiều người cho rằng ngưỡng cửa cao và yêu cầu kỹ thuật khắt khe. Nhưng đối với Embodied AI, sản xuất công nghiệp lại đơn giản hơn so với các kịch bản đời sống. Trong môi trường công nghiệp, các thao tác như lấy, đặt, vận chuyển, cắm rút có độ lặp lại cao và phạm vi nhiệm vụ tương đối cố định.

So với các kịch bản gia đình vốn luôn tiềm ẩn sự xuất hiện của thú cưng, đồ chơi hay khách lạ, các kịch bản công nghiệp dễ dàng đạt được những đột phá tập trung trong thời gian ngắn hơn. Do đó, công nghiệp đã trở thành đường đua chạy nhanh nhất trong lĩnh vực Embodied AI.

Dữ liệu từ Tổng cục Thuế Nhà nước cho thấy, từ tháng 1 đến tháng 5 năm 2026, tổng số tiền các doanh nghiệp công nghiệp trên cả nước chi mua robot Embodied AI đã tăng 2,3 lần so với cùng kỳ năm ngoái. Tiền của doanh nghiệp đang chuyển dịch từ việc "mua demo" sang "đưa vào dây chuyền sản xuất".

Nếu nhân vật chính của làn sóng AI trước là "mô hình biết trò chuyện", thì nhân vật chính của làn sóng này là "cỗ máy biết làm việc".

Nhưng việc "biết làm việc" không thể chỉ kiểm chứng qua một cuộc đối thoại hay một đoạn video trình diễn. Dù tham số mô hình có lớn đến đâu, chỉ số trên bài báo khoa học có cao thế nào, thì câu trả lời cho việc robot có vận hành được trên dây chuyền thực tế hay không chỉ có thể tìm thấy trên chính dây chuyền đó.

Điều này cũng có nghĩa là, trên đường đua Embodied AI, cuộc cạnh tranh nằm ở việc ai đưa được robot vào nhà máy và khiến nó vận hành liên tục trước. Chỉ dựa vào kích thước tham số mô hình là không đủ để tạo ra lợi thế cạnh tranh.

Tuy nhiên, cũng cần làm rõ rằng, dù trước đó đã có một loạt robot công nghiệp truyền thống bắt đầu vào làm việc, nhưng mô hình này vẫn chưa thể gọi là "triển khai công nghiệp hóa của Embodied AI".

Đối với các thao tác cố định như hàn, vận chuyển, phun sơn, robot công nghiệp truyền thống từ lâu đã làm rất nhanh và ổn định, nhưng trước mắt chúng vẫn còn hai bức tường không thể vượt qua:

Trong vài thập kỷ qua, ranh giới của tự động hóa công nghiệp bị đóng khung chặt chẽ trong ba từ: "lặp lại, cố định, số lượng lớn".

Phá vỡ hai bức tường này chính là vấn đề cốt lõi mà làn sóng công nghệ hiện nay cần giải quyết.

Vì vậy, robot trước hết phải hiểu được kịch bản hiện tại cần làm gì, đây là khả năng nhận thức và phán đoán; sau đó thực hiện chính xác các động tác, đây là khả năng thực thi; và cuối cùng là phải vận hành ổn định trong thời gian dài mà không cần người giám sát, không được hỏng hóc liên tục.

Đằng sau đó là cả một hệ thống, từ nhận thức phán đoán, thực thi hành động đến vận hành ổn định lâu dài, mỗi mắt xích đều phải theo kịp.

Sáu mô hình trong một tuần, nhắm thẳng vào việc triển khai Embodied AI

Để bao phủ toàn bộ quy trình phức tạp như vậy, chỉ dựa vào một mô hình duy nhất có lẽ là chưa đủ.

Những ngày gần đây, một công ty đã tung ra cùng lúc sáu mô hình, nhắm vào các khâu: tạo dữ liệu, nhận thức hiểu biết, huấn luyện tiến hóa, thực thi hành động và triển khai đầu cuối (end-to-end). Từ dữ liệu đến triển khai, tất cả đã được công ty này kết nối lại bằng sáu mô hình này.

Công ty đó chính là AnuAI (Anu Intelligence), đơn vị tập trung vào việc triển khai thương mại hóa Embodied AI trong công nghiệp.

Sáu mô hình đó bao gồm: mô hình tạo video dài thời gian thực Helios, nền tảng mô phỏng vật thể mềm SimLab, ActiWorld giúp mô hình thế giới chịu trách nhiệm về kết quả hành động, công cụ học tăng cường EvoHIL, mô hình chuyên biệt công nghiệp AnuVerse-0.5 và hệ thống triển khai đầu cuối Nexus.

Có vẻ hơi choáng ngợp, không sao cả, chúng ta hãy cùng xem qua một sơ đồ về hệ thống cấu thành từ các mô hình này, sau đó sẽ phân tích từng lớp một.

Bước đầu tiên cần giải quyết là một bài toán khó không thể tránh khỏi khi triển khai robot Embodied công nghiệp — thu thập dữ liệu.

Helios tiếp sức cho thế hệ Embodied AI và mô hình thế giới tiếp theo

AnuAI trước tiên đã tạo ra mô hình tạo video Helios. Việc tạo video truyền thống thường đối mặt với các điểm đau như "tạo chậm, thời lượng ngắn, dễ bị lỗi".

Helios thông qua sự đổi mới trong kiến trúc nền tảng đã cải thiện đáng kể tình trạng này. Nó không chỉ có thể tạo video dài hàng phút theo thời gian thực mà còn đạt tốc độ suy luận 19,5 FPS trên một GPU H100 duy nhất.

Điều thú vị là Helios ban đầu không được thiết kế chuyên biệt cho robot hay Embodied AI, nhưng những vấn đề cốt lõi mà nó giải quyết — mô hình hóa chuỗi thời gian dài, tạo liên tục, suy luận thời gian thực, tạo video hiệu quả — lại chính là những vấn đề nền tảng không thể tránh khỏi của Embodied AI và mô hình thế giới hiện nay. Helios hiện đã được nhiều đội ngũ hàng đầu về Embodied AI và mô hình thế giới áp dụng, trở thành nền tảng công nghệ then chốt không thể bỏ qua trong nghiên cứu Embodied AI.

ANU SimLab tập trung vào mô phỏng thao tác vật thể mềm

Việc mô phỏng các vật thể cứng vốn phổ biến trong kịch bản công nghiệp đã được ngành công nghiệp thực hiện khá hoàn thiện. Tuy nhiên, với các vật thể mềm trong nhiệm vụ phân loại vật liệu, đóng gói chuyển phát nhanh, khi nếp gấp và ánh sáng thay đổi, việc sử dụng các công cụ vật lý truyền thống rất khó để mô hình hóa chính xác, khiến độ khó nhận diện tăng vọt.

Mô phỏng loại vật thể mềm này cho đến nay vẫn là bài toán khó mà các bên đang nỗ lực chinh phục.

Đối với việc tạo dữ liệu gắp cho phân loại bưu kiện mềm trong logistics, tạo dữ liệu nhiệt học cho thiết bị công nghiệp, cũng như phương pháp chuyển đổi từ mô phỏng sang máy thật (sim2real), Anu SimLab đều đã hoàn thành nghiệm thu và triển khai trong các dự án thực tế, đồng thời chạy toàn bộ quy trình với cánh tay robot giá rẻ mà không cần gắn nhãn thực tế.

Cốt lõi của nó là một bộ giải vật lý nhiệt và vật thể mềm tự phát triển, kết hợp với nhà máy dữ liệu tổng hợp xây dựng trên Isaac Sim, cùng với phương pháp chuyển đổi sim2real đã được kiểm chứng trên cánh tay robot thực tế, giúp đưa những gì học được trong mô phỏng ra máy thật.

Kết hợp với bộ công cụ thu thập dữ liệu tự phát triển tại hiện trường, cả ba yếu tố này tạo thành một nhà máy dữ liệu cung cấp nguyên liệu huấn luyện cho các tầng trên.

ActiWorld giúp mô hình thế giới bắt đầu chịu trách nhiệm về hành động

Sau khi xây dựng nền móng, bước tiếp theo là ActiWorld. Cốt lõi của nó là để robot chịu trách nhiệm về hậu quả hành động của chính mình, biết trước liệu hành động đó có khả năng thất bại cao hay không trước khi thực sự đưa tay ra.

Nhìn vào các lộ trình kỹ thuật mô hình thế giới hiện có, có bên nhắm vào quy luật vật lý, có bên chú trọng dự đoán không gian, cũng có những lộ trình đi theo hướng nền tảng hóa như Cosmos của NVIDIA.