World Labs của Fei-Fei Li thâu tóm SceniX: Kỷ nguyên AI vật lý chuyển mình từ 'thu thập dữ liệu' sang 'kiến tạo thế giới'

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

01-08-2026 12:53:33 Nguồn: QbitAI

Cuộc cạnh tranh tiếp theo: Ai có thể tạo ra nhiều "thế giới hữu ích" hơn?

Yun Zhong đưa tin từ Aofeisi, QbitAI | Tài khoản chính thức QbitAI

Một thương vụ mua lại đã tiết lộ rằng các mô hình thế giới (world models) đang bắt đầu chuyển dịch từ "không gian tạo sinh" sang "mô phỏng hậu quả của hành động".

Fei-Fei Li đã đặt cược điểm đến tiếp theo của mô hình thế giới vào lĩnh vực robot.

Ngày 21 tháng 7, World Labs thông báo mua lại công ty mô phỏng robot SceniX.

Chỉ một tuần sau, cả hai bên đã công bố thành quả mới nhất của Real-to-Sim-to-Real, hay còn gọi là R2S2R.

Những gì hệ thống này thực hiện nghe có vẻ không phức tạp: đưa một nhiệm vụ robot thực tế vào môi trường mô phỏng, huấn luyện và đánh giá chiến lược trong các kịch bản nhiệm vụ đã được mở rộng, sau đó triển khai chiến lược đó trở lại robot thực tế.

Nhưng điều World Labs muốn chứng minh không chỉ dừng lại ở việc "có thể chạy trong mô phỏng".

Quan trọng hơn là liệu hiệu suất tương đối của chiến lược trong mô phỏng có thể dự đoán được hiệu suất của nó khi trở lại máy thật hay không; và liệu các vùng thất bại được phát hiện trong mô phỏng có thể phơi bày trước các vấn đề có khả năng xảy ra khi triển khai thực tế hay không.

World Labs định nghĩa đây là một công cụ huấn luyện và đánh giá robot có thể vận hành lặp đi lặp lại: sau khi một nhiệm vụ thực tế được đưa vào hệ thống, nó có thể được mở rộng thành vô số thế giới huấn luyện có thể kiểm soát và tái sử dụng.

Điểm thực sự đáng chú ý ở đây không chỉ là việc Fei-Fei Li bắt đầu bước chân vào ngành công nghiệp robot.

Các doanh nghiệp có thể dùng các bài phỏng vấn và họp báo để bày tỏ tầm nhìn, nhưng việc mua lại đồng nghĩa với sự phân bổ thực tế về vốn, nhân tài và nguồn lực tổ chức.

Việc World Labs bỏ tiền thật để mua lại SceniX đại diện cho một nhận định rõ ràng hơn:

Điểm đến tiếp theo của mô hình thế giới không chỉ là tạo ra một thế giới trông có vẻ chân thực, mà là để robot có thể hành động, thử sai và học hỏi trong thế giới ảo.

Khi mô hình thế giới tiến vào lĩnh vực robot, vấn đề cốt lõi đã thay đổi.

Trong hai năm qua, bước tiến trực quan nhất của mô hình thế giới là tạo ra các môi trường 3D ngày càng hoàn thiện, chân thực và nhất quán về không gian.

Bằng cách nhập văn bản, hình ảnh hoặc video, mô hình có thể tạo ra một không gian có thể tự do duyệt và tiếp tục chỉnh sửa.

Khi nhìn căn phòng từ các góc độ khác nhau, cấu trúc sẽ không đột ngột thay đổi; khi người dùng bước tới vài bước, bàn ghế cũng sẽ không biến mất một cách vô lý.

Nhưng robot lại đối mặt với một bài toán khác.

Một chiếc thùng giấy dù trông đủ chân thực trong hình ảnh, nhưng nếu nắp thùng không thể uốn cong, nó sẽ không thể dùng để huấn luyện việc đóng thùng.

Một sợi cáp dù có kết cấu và đổ bóng chính xác, nhưng nếu nó không thể trượt, uốn cong và quấn lại theo lực tác động, thì những hành động mà robot học được trong mô phỏng sẽ rất khó để áp dụng vào thực tế.

Vì vậy, khi mô hình thế giới tiến vào lĩnh vực robot, vấn đề cốt lõi đã chuyển từ:

Thế giới trông như thế nào?

Sang thành:

Sau khi robot thực hiện một hành động, điều gì sẽ xảy ra với thế giới?

Đây cũng chính là ý nghĩa của SceniX đối với World Labs.

SceniX bù đắp các khả năng về tái tạo nhiệm vụ thực tế, khôi phục thuộc tính vật lý, mô phỏng tương tác phức tạp, cũng như huấn luyện và đánh giá chiến lược robot.

Nhờ đó, mô hình thế giới bắt đầu chuyển mình từ một Renderer (bộ kết xuất) tạo ra quan sát, sang một Simulator (bộ mô phỏng) dự đoán sự thay đổi trạng thái.

World Labs cũng coi bộ mô phỏng là lớp trung gian quan trọng kết nối giữa việc tạo thế giới và hành động thông minh.

Nhìn sâu hơn vào thương vụ mua lại này, có thể thấy R2S2R rất khó để hoàn thành độc lập bởi một mô hình thế giới, một bộ công cụ vật lý hay một nền tảng mô phỏng duy nhất.

Nó đòi hỏi dữ liệu thực tế, tái tạo thế giới, mở rộng tạo sinh, mô phỏng vật lý, huấn luyện mô hình, đánh giá năng lực và phản hồi từ máy thật phải được đặt trong cùng một vòng lặp khép kín.

Và lộ trình công nghệ đi từ thế giới thực vào thế giới ảo, rồi quay trở lại thế giới thực này, hoàn toàn trùng khớp với bố cục công nghệ của Wuan Intelligence. Họ hiện thực hóa lộ trình "thu thập thế giới - tạo thế giới - mô phỏng thế giới" để thông suốt Real2Sim2Real thông qua kiến trúc ba trong một gồm "Mô hình thế giới X Nhà máy dữ liệu X Bộ mô phỏng thế giới".

Wuan Intelligence muốn sử dụng mô hình thế giới để xây dựng cơ sở hạ tầng dữ liệu cho kỷ nguyên AI vật lý.

Trong một thời gian dài trước đây, khi nói về dữ liệu, ngành công nghiệp robot thường nghĩ ngay đến việc "thiếu bao nhiêu".

Các lộ trình khác nhau như sân tập, điều khiển từ xa máy thật, thu thập ở góc nhìn thứ nhất và tổng hợp mô phỏng đều nhằm giải quyết vấn đề dữ liệu đến từ đâu.