ByteDance rục rịch lấn sân sang lĩnh vực xe tự lái thông qua đội ngũ World Model

36 từ nhiều nguồn tin trong ngành cho biết, ByteDance đang khám phá việc gia nhập lĩnh vực xe tự lái. Dự án này hiện do đội ngũ mô hình thế giới (world model) của Zhou Chang thuộc Seed phụ trách. Được biết, Seed không chỉ sở hữu các đội ngũ về mô hình đa phương thức, mô hình thế giới của Zhou Chang mà còn có cả mảng mô hình ngôn ngữ lớn.

Trong khi đó, lộ trình kỹ thuật của xe tự lái và mô hình thế giới có những điểm giao thoa.

Một nguồn tin khác chia sẻ với 36 rằng, về định hướng kinh doanh, ByteDance đang có ý định triển khai các kịch bản xe tự lái trong lĩnh vực logistics không người lái, mảng kinh doanh này trực thuộc bộ phận ngành ô tô của Volcano Engine thuộc ByteDance.

Một số người trong cuộc thân cận với ByteDance cho biết, đội ngũ của ByteDance trước đó đã có những trao đổi thảo luận về kinh doanh với một số đội ngũ xe tự lái hàng đầu, và hiện dự án xe tự lái của ByteDance đã bước vào giai đoạn chuẩn bị sơ bộ. ByteDance đã gửi lời mời đến nhiều nhân tài hàng đầu trong lĩnh vực hỗ trợ lái xe hoặc xe tự lái, và một số nhân tài kỹ thuật đánh giá cao bước đi này của ByteDance cũng đang có kế hoạch gia nhập.

Trước những thông tin trên, 36 đã liên hệ xác minh với ByteDance, phía ByteDance phản hồi: "Trong lĩnh vực khám phá tiên phong về mô hình lớn của ByteDance, bao gồm cả lĩnh vực AI vật lý, có rất nhiều nghiên cứu và khám phá sớm, nhưng chúng tôi không có kế hoạch thực hiện mảng kinh doanh lái xe thông minh."

Seed là đội ngũ nghiên cứu cơ bản về mô hình lớn của ByteDance, được thành lập vào năm 2023 và là bộ phận cấp chiến lược hạng nhất của ByteDance.

Zhou Chang là một trong những người phụ trách cốt lõi về nghiên cứu và phát triển AI tại Seed của ByteDance. Anh gia nhập ByteDance vào năm 2024, phụ trách R&D các mô hình lớn đa phương thức, sau đó phạm vi kinh doanh do anh quản lý không ngừng mở rộng. Năm ngoái, mảng tạo hình ảnh (visual generation) đã được đưa vào phạm vi phụ trách của anh, và năm nay đội ngũ Seed Robotics cũng chuyển sang báo cáo cho Zhou Chang. Điều này có nghĩa là, phạm vi quản lý hiện tại của Zhou Chang bao phủ nhiều lĩnh vực như mô hình lớn đa phương thức, mô hình thế giới, tạo hình ảnh, và trí tuệ hiện thân (embodied AI).

Volcano Engine là thương hiệu dịch vụ đám mây của ByteDance. Ngay từ năm 2020, Volcano Engine đã thành lập bộ phận ngành ô tô. Chủ tịch Volcano Engine, Tan Dai, từng công khai tuyên bố: "Chúng tôi là đơn vị đầu tiên trong số các nhà cung cấp dịch vụ đám mây coi ngành ô tô là một mảng kinh doanh cấp một."

Kể từ đầu năm nay, làn sóng AI vật lý trỗi dậy, xe tự lái và trí tuệ hiện thân được coi là hai kịch bản đầu tiên được ứng dụng thực tế của AI vật lý. Trong đó, xe tự lái được công nhận là một trong những kịch bản trí tuệ hiện thân được ứng dụng sớm nhất.

Do đó, khi các "ông lớn" đều đang theo đuổi xu hướng AI vật lý, xe tự lái có thể sẽ trở thành một trạm dừng chân trên con đường tiến tới trí tuệ hiện thân của ByteDance.

Đối với ngành xe tự lái, trong bối cảnh mô hình thế giới đã trở thành sự đồng thuận về kỹ thuật của giới xe tự lái hiện nay, việc ByteDance gia nhập với những lợi thế về nguồn lực, nhân tài và công nghệ rất có khả năng sẽ làm rung chuyển cục diện hiện có của ngành.

Mô hình thế giới trở thành sự đồng thuận kỹ thuật, ByteDance đón cơ hội gia nhập ngành

Trên thực tế, ByteDance từ lâu đã bộc lộ khao khát đối với mảng kinh doanh ô tô.

Trước khi triển khai xe tự lái, ByteDance đã thâm nhập vào lĩnh vực khoang lái ô tô thông qua mô hình lớn Doubao, với mục đích định nghĩa lại trải nghiệm tương tác trong khoang lái. Giờ đây, việc ByteDance tiếp tục triển khai hỗ trợ lái xe có thể giúp khép kín trải nghiệm thông minh cho toàn bộ chiếc xe.

36 từng đưa tin, Volcano Engine của ByteDance là một trong những đội ngũ đầu tư mạnh nhất vào các tác nhân thông minh (intelligent agents) cho khoang lái ô tô, và Seres hiện là hãng xe hợp tác sâu rộng nhất với họ. Volcano Engine cũng đã đặt hàng chip Thor của NVIDIA, triển khai mô hình khoang lái dưới dạng "phần mềm bổ trợ" (AI Box) trên xe.

Seres đã giao quyền chủ đạo phát triển tương tác khoang lái mới cho Volcano, đồng thời cung cấp nền tảng xe hoàn chỉnh, khả năng triển khai thực tế cùng nguồn vốn hỗ trợ lên tới hàng trăm triệu nhân dân tệ.

Tháng 6 năm nay, thương hiệu ô tô AIVA hợp tác giữa Seres và Volcano Engine đã chính thức ra mắt. Dự kiến trong năm nay, mẫu xe AIVA ME7 được trang bị "khoang lái Doubao" cũng sẽ được tung ra thị trường.

Tuy nhiên, đáng chú ý là đối tác hỗ trợ lái xe của thương hiệu AIVA lại là Nullmax. Một chuyên gia trong ngành xe tự lái nhận định: "Nếu khoang lái thông minh và hỗ trợ lái xe không được tích hợp với nhau, rất khó để khép kín trải nghiệm thông minh của toàn bộ chiếc xe."

Sự đồng thuận về kỹ thuật của ngành xe tự lái đối với mô hình thế giới lại chính là cơ hội để ByteDance gia nhập ngành.

Năm ngoái, ngành công nghiệp từng nổ ra một cuộc tranh luận về lộ trình kỹ thuật giữa VLA (Vision-Language-Action) và mô hình thế giới. Nhưng năm nay, ngày càng nhiều doanh nghiệp như Geely, Momenta, Xiaomi, QCraft đã tập hợp dưới ngọn cờ mô hình thế giới, trong đó bao gồm cả một số đơn vị từng theo phe VLA.

Ví dụ như Xpeng. Năm nay, họ không chỉ công bố mô hình thế giới X-World tự phát triển, mà còn loại bỏ "mô-đun L" trong VLA (tức là mô-đun ngôn ngữ) để tung ra VLA 2.0. Điều này có nghĩa là Xpeng không còn chuyển đổi nội dung hình ảnh thành ngôn ngữ rồi mới suy luận, mà coi hình ảnh là "nền tảng của trí tuệ". Kiến trúc mô hình như vậy đã rất gần với mô hình thế giới.

MindVLA O1 mà Li Auto công bố tại hội nghị GTC năm nay, với bộ mã hóa không gian 3D ViT và mô hình thế giới ẩn dự đoán tích hợp bên trong, không chỉ nhấn mạnh vào việc hiểu các chỉ dẫn ngôn ngữ mà còn nhấn mạnh vào việc hiểu cấu trúc không gian ba chiều và dự đoán diễn biến tình trạng đường xá trong tương lai – hai yếu tố sau chính là cốt lõi của mô hình thế giới.

Do đó, việc ByteDance khởi động nghiên cứu mô hình thế giới rồi lấn sân sang lĩnh vực xe tự lái là điều hoàn toàn hợp lý.

Mang theo lợi thế về nguồn lực và nhân tài, ByteDance sẽ tạo ra cú sốc cho ngành xe tự lái

Đối với ByteDance, việc triển khai xe tự lái có thể đưa họ đến gần hơn với đích đến là trí tuệ hiện thân.

Năm nay, nhà sáng lập NVIDIA Jensen Huang, CEO Tesla Elon Musk và nhiều người khác đều dự đoán rằng thời khắc "ChatGPT của AI vật lý" đã đến. Xe tự lái và trí tuệ hiện thân chính là hai kịch bản đầu tiên được ứng dụng thực tế của AI vật lý.

Khả năng của chúng có tính phổ quát cao. Trong đó, các tiêu chuẩn về tình trạng đường xá, phần cứng... của xe tự lái đã dần thống nhất, chuỗi cung ứng sau nhiều năm phát triển đã tương đối hoàn thiện. Vì vậy, ngành công nghiệp nhìn chung cho rằng nếu không làm tốt xe tự lái thì rất khó để hiện thực hóa trí tuệ hiện thân phổ quát hơn. Do đó, đối với ByteDance, xe tự lái không khác gì một thao trường cho trí tuệ hiện thân.

Một ý nghĩa quan trọng khác của xe tự lái đối với trí tuệ hiện thân của ByteDance có lẽ nằm ở dữ liệu.

Thiếu dữ liệu thực tế từ thế giới vật lý là yếu tố gây khó khăn cho nhiều doanh nghiệp trí tuệ hiện thân. Trong khi đó, xe tự lái lại có lợi thế tự nhiên trong việc thu thập dữ liệu.

Vì vậy, sau khi triển khai xe tự lái, ByteDance sẽ dễ dàng hơn trong việc thu thập lượng lớn dữ liệu từ thế giới vật lý để lặp lại (iterate) mô hình thế giới của mình, từ đó tái sử dụng khả năng của mô hình cho trí tuệ hiện thân.

Elon Musk từng công khai tuyên bố vào năm ngoái: "Tesla sở hữu hàng tỷ dặm dữ liệu đường bộ thực tế từ FSD, đây là thao trường huấn luyện khổng lồ cho AI vật lý của chúng tôi. Nhận thức, mô hình hóa thế giới, lập kế hoạch chuyển động đều có thể chuyển trực tiếp sang Optimus. Nếu không có đội xe khổng lồ, chúng tôi hoàn toàn không thể thu thập dữ liệu cảm biến thế giới thực ở quy mô lớn."

Năm nay, ông lại công khai cho biết: "Nếu không làm xe tự lái FSD trước, việc phát triển Optimus sẽ khó hơn gấp mười lần." Sự hỗ trợ của FSD đối với robot Optimus mà ông nhấn mạnh chính là thể hiện ở "đường ống dữ liệu xe", giúp robot "bỏ qua chu kỳ thử sai mười năm".

Do đó, việc ByteDance triển khai xe tự lái, ở một mức độ nào đó, đã bộc lộ tham vọng của họ đối với trí tuệ hiện thân.

Đối với ngành xe tự lái, việc ByteDance lấn sân có thể sẽ tạo ra một cú sốc không nhỏ cho cục diện ngành.

Công nghệ xe tự lái chuyển sang mô hình AI (AI paradigm) đã thay đổi logic cơ bản của cạnh tranh trong ngành ở một mức độ nhất định. Công nghệ xe tự lái dựa trên mô hình AI đang khiến trải nghiệm sản phẩm của các bên nhanh chóng bắt kịp nhau. Huống hồ ByteDance còn có lợi thế về nhân tài và nguồn lực.

Một chuyên gia trong ngành xe tự lái chia sẻ với 36 rằng, lợi thế của ByteDance nằm ở chỗ: "Hiện tại họ có đủ tiền để đốt, và có đủ nhân tài", "hơn nữa ByteDance có đủ số lượng chip (GPU), hoàn toàn có thể gánh vác được việc họ đi sau nhưng về trước".

Anh giải thích: "Mô hình thế giới phổ quát mà ByteDance đang làm thực tế không hoàn toàn giống với mô hình thế giới của xe tự lái, nhiều chi tiết kỹ thuật có sự khác biệt khá lớn. Hơn nữa, mô hình thế giới chuyên dụng cho lái xe thông minh có sự hiểu biết sâu sắc hơn về vật lý giao thông."

Nhưng ByteDance có đủ tài nguyên tính toán, chỉ cần có cách để lấy được đủ dữ liệu giao thông, việc huấn luyện lại một mô hình thế giới cho lái xe thông minh không phải là vấn đề.

Chỉ cần mô hình trên đám mây đủ mạnh, khả năng kỹ thuật hóa xe tự lái mà ByteDance còn thiếu có thể được bù đắp nhanh chóng thông qua việc tuyển dụng nhân sự.