Physical AI: Vì sao “nhà máy dữ liệu” cho robot có thể trở thành ngành kinh doanh tỷ USD?

Robot hình người đang xuất hiện ngày càng nhiều trong video và nhà máy. Nhưng điều khó nhất không phải là làm ra một cơ thể robot biết đi hay biết cầm đồ. Điều khó hơn là dạy robot làm việc ổn định khi đồ vật, ánh sáng và vị trí liên tục thay đổi.

Nói ngắn gọn, nhóm công ty được phân tích trong bài này làm một việc: biến thao tác của con người thành kỹ năng mà robot có thể học, sử dụng và cải thiện dần.

Hiểu công việc này qua một ví dụ đơn giản

Giả sử một nhà máy muốn robot đóng gói sản phẩm vào hộp.

Nếu mọi hộp luôn nằm đúng một vị trí, kỹ sư có thể lập trình sẵn: đưa tay tới điểm A, gắp sản phẩm, chuyển sang điểm B rồi thả xuống. Robot truyền thống làm việc này rất tốt.

Nhưng thực tế không hoàn hảo như vậy. Hộp có thể lệch vài centimet. Túi có thể bị nhăn. Sản phẩm có thể xoay hướng khác. Robot có thể gắp hụt hoặc làm rơi đồ. Khi đó, một chương trình cố định dễ bị dừng.

Robot thế hệ mới cần nhìn bằng camera, hiểu vật nào cần lấy, tự chọn điểm cầm và điều chỉnh khi có lỗi. Muốn làm được như vậy, robot phải được xem nhiều ví dụ đúng và sai, giống như một người mới học nghề phải quan sát rồi thực hành nhiều lần.

Đó chính là nơi công ty hạ tầng dữ liệu robot tham gia.

Công ty kiểu này thực sự bán gì?

Họ không nhất thiết tự chế tạo robot. Họ có thể cung cấp “hệ thống dạy robot”, gồm năm phần dễ hiểu:

• Ghi lại thao tác mẫu: con người điều khiển robot làm đúng một công việc.
• Sắp xếp dữ liệu: loại bỏ bản ghi lỗi, đánh dấu bước nào thành công và bước nào thất bại.
• Huấn luyện: dùng dữ liệu để robot học cách tự hành động.
• Kiểm tra tại nhà máy: đo robot có làm đủ nhanh, đủ chính xác và đủ an toàn không.
• Học tiếp sau khi triển khai: thu lại những tình huống mới để robot ngày càng tốt hơn.

Khách hàng không mua “dữ liệu” vì dữ liệu nghe hấp dẫn. Họ trả tiền để giải quyết một vấn đề cụ thể: thiếu người, công việc nguy hiểm, chất lượng không ổn định hoặc dây chuyền cần chạy nhiều giờ hơn.

Humanoid robot liên quan như thế nào?

Humanoid robot là robot có hình dáng gần giống người: có thân, hai tay và thường có hai chân. Hình dáng này có một lợi thế thực tế: nhà máy, kho hàng, cửa, kệ, xe đẩy và dụng cụ đều được thiết kế cho con người.

Vì vậy, một robot hình người có thể dùng lại không gian và công cụ sẵn có thay vì bắt nhà máy xây mới toàn bộ dây chuyền.

Các ví dụ đầu tiên vẫn là những việc khá hẹp:

• Figure 02 từng đưa các tấm kim loại vào đồ gá trên dây chuyền BMW. Công ty cho biết robot đã xử lý hơn 90.000 chi tiết trong hơn 1.250 giờ vận hành.
• Digit của Agility Robotics được GXO dùng trong kho để chuyển thùng hàng từ robot di động lên băng tải.
• Những nhiệm vụ tiềm năng khác gồm lấy hàng trên kệ, chuẩn bị bộ linh kiện, cấp phôi cho máy, kiểm tra thiết bị và làm việc trong môi trường nóng hoặc độc hại.

Điều này chưa có nghĩa humanoid đã có thể thay con người ở mọi vị trí. Nếu một cánh tay robot cố định làm việc nhanh và rẻ hơn, doanh nghiệp vẫn nên dùng cánh tay robot. Humanoid chỉ thực sự có ý nghĩa khi công việc cần vừa di chuyển, vừa quan sát, vừa dùng hai tay trong không gian dành cho người.

Vì sao dữ liệu robot lại khó và đắt?

Dữ liệu văn bản có thể thu thập từ Internet. Dữ liệu robot phải được tạo ra trong thế giới thật.

Muốn ghi một buổi dạy robot, doanh nghiệp cần robot, camera, cảm biến, khu vực an toàn và người vận hành. Sau đó còn phải đồng bộ hình ảnh với chuyển động, kiểm tra lực cầm, xác định vì sao robot làm rơi đồ và đánh dấu kết quả.

Đặc biệt, dữ liệu thất bại rất có giá trị. Một robot thương mại không chỉ cần biết cách làm đúng; nó còn phải biết phải làm gì khi cầm hụt, gặp vật lạ hoặc bị chắn đường.

Google DeepMind từng phối hợp với 33 phòng thí nghiệm để xây Open X-Embodiment. Bộ dữ liệu này bao gồm 22 loại robot và hơn một triệu lượt thao tác. Quy mô hợp tác đó cho thấy một doanh nghiệp đơn lẻ khó tự tạo đủ dữ liệu đa dạng.

“Nhà máy dữ liệu” hoạt động ra sao?

Một kỹ năng robot được tạo ra qua vòng lặp: con người làm mẫu, dữ liệu được làm sạch, robot học, thử trong nhà máy rồi thu lại lỗi để học tiếp.Phóng to

Quy trình có thể hiểu qua sáu bước:

Bước 1: Con người làm mẫu

Người vận hành điều khiển robot gắp, đặt, mở, đóng hoặc lắp một vật. Camera và cảm biến ghi lại toàn bộ quá trình.

Bước 2: Chọn các bản ghi tốt

Hệ thống loại bỏ thao tác không an toàn, đánh dấu điểm bắt đầu, kết thúc và kết quả của từng lần thử.

Bước 3: Chuyển động tác sang loại robot phù hợp

Robot có chiều dài tay, khớp và bàn kẹp khác nhau. Phần mềm phải chuyển mục đích của động tác sang cơ thể mới, giống như cùng một bài múa nhưng được điều chỉnh cho người có chiều cao khác nhau.

Bước 4: Cho robot học

Mô hình kết hợp hình ảnh, câu lệnh và chuyển động. Trong ngành, người ta gọi là Vision–Language–Action, hay VLA. Hiểu đơn giản: robot nhìn thấy, hiểu yêu cầu rồi tạo hành động.

Bước 5: Thử trong nhà máy thật

Video đẹp chưa đủ. Robot phải đạt thời gian xử lý yêu cầu, làm đúng trong hàng nghìn lượt và không cần con người liên tục chạy tới sửa.

Bước 6: Thu lỗi về để học tiếp

Mỗi lần robot gặp tình huống mới, dữ liệu được đưa trở lại hệ thống. Càng nhiều robot hoạt động, hệ thống càng có nhiều bài học thực tế. Đây là “vòng lặp dữ liệu”.

Vì sao cơ hội này xuất hiện vào lúc này?

Theo International Federation of Robotics, khoảng 542.000 robot công nghiệp được lắp trên toàn cầu trong năm 2024, hơn gấp đôi mười năm trước. Châu Á chiếm 74% số lắp đặt mới.

Khi chỉ có vài robot, kỹ sư có thể lập trình riêng từng máy. Khi có hàng trăm nghìn robot và nhiều loại công việc, cách làm thủ công trở nên quá chậm. Thị trường cần công cụ dùng chung để dạy, kiểm tra và cập nhật kỹ năng robot.

AI thị giác cũng đã tốt hơn, máy tính trên robot mạnh hơn và mô phỏng rẻ hơn. Những yếu tố này cùng lúc làm cho robot “biết học” trở nên khả thi hơn trước.

Công ty kiếm tiền bằng cách nào?

Có bốn nguồn doanh thu chính:

1. Phí dự án: dạy robot một nhiệm vụ cụ thể cho khách hàng.

2. Phí phần mềm định kỳ: quản lý dữ liệu, phiên bản mô hình, kiểm tra và triển khai.

3. Phí vận hành: tính theo số robot hoặc số giờ robot chạy.

4. Phí theo kết quả: tính theo số sản phẩm xử lý thành công hoặc lượng giờ lao động tiết kiệm được.

Giai đoạn đầu, doanh nghiệp thường phải làm nhiều dịch vụ trực tiếp. Điều cần theo dõi là họ có biến kinh nghiệm dự án thành phần mềm dùng lại được hay không.

Nếu mỗi khách hàng mới đều cần tuyển thêm rất nhiều người điều khiển robot, công ty vẫn giống doanh nghiệp gia công. Nếu cùng một hệ thống có thể phục vụ ngày càng nhiều robot, biên lợi nhuận và giá trị công ty có thể tăng mạnh.

Lợi thế của mô hình Hàn Quốc–Việt Nam

Hàn Quốc có khách hàng sản xuất và hệ sinh thái robot; Việt Nam có thể phát triển phần mềm, mô phỏng, vận hành dữ liệu và kiểm định ở quy mô lớn.Phóng to

Hàn Quốc có mật độ robot công nghiệp cao nhất thế giới. Các ngành điện tử, ô tô, pin và bán dẫn có nhiều nhà máy đủ lớn để thử nghiệm và trả tiền cho tự động hóa.

Việt Nam có đội ngũ phần mềm, AI và vận hành dữ liệu có thể mở rộng nhanh. Việt Nam cũng có môi trường sản xuất đa dạng để kiểm tra robot với điện tử, dệt may, thực phẩm, đồ gỗ và linh kiện.

Mô hình tốt không nên chỉ là “Hàn Quốc bán hàng, Việt Nam làm nhân công rẻ”. Cách tạo giá trị cao hơn là:

• Hàn Quốc phụ trách nghiên cứu lõi, tìm bài toán và tích hợp tại nhà máy.
• Việt Nam phát triển phần mềm, mô phỏng, vận hành dữ liệu và kiểm định.
• Hai bên dùng dữ liệu từ nhà máy để cùng cải thiện một sản phẩm chung.

Làm sao biết một công ty có tiềm năng thật?

Đừng chỉ xem video robot. Hãy hỏi các con số sau:

1. Robot làm đúng bao nhiêu phần trăm trong nhà máy thật?

2. Mỗi sản phẩm mất bao lâu?

3. Bao lâu thì con người phải can thiệp?

4. Robot có tự xử lý được lỗi nào?

5. Dạy một kỹ năng mới cần bao nhiêu giờ dữ liệu?

6. Chuyển kỹ năng sang robot khác mất bao lâu?

7. Khách hàng có tiếp tục trả tiền sau giai đoạn thử nghiệm không?

8. Doanh thu phần mềm định kỳ chiếm bao nhiêu?

9. Chi phí cho mỗi giờ robot chạy thành công có giảm dần không?

10. Dữ liệu nhà máy được bảo vệ như thế nào?

Một video tốt cho thấy khả năng. Một hợp đồng trả tiền và hàng nghìn giờ vận hành mới cho thấy sản phẩm.

Rủi ro lớn nhất

Rủi ro số một là khoảng cách từ demo tới sản xuất. Robot có thể làm tốt trong năm phút quay video nhưng vẫn thường xuyên dừng khi chạy cả ca.

Ngoài ra còn có chi phí phần cứng cao, mỗi hãng robot dùng cấu trúc khác nhau, thời gian bán hàng cho nhà máy dài và trách nhiệm an toàn khi xảy ra sự cố.

Dữ liệu nhà máy cũng có thể làm lộ quy trình và thiết kế sản phẩm. Vì vậy, bảo mật tại chỗ, phân quyền và nhật ký truy cập phải là một phần của sản phẩm ngay từ đầu.

Kết luận dễ nhớ

Physical AI là AI có thể quan sát và hành động trong thế giới thật. Humanoid là một dạng robot nổi bật, nhưng chỉ là một phần của thị trường.

Cơ hội kinh doanh lớn không chỉ nằm ở việc bán một con robot. Nó nằm ở hệ thống giúp nhiều loại robot học việc nhanh hơn, làm việc ổn định hơn và tự cải thiện sau mỗi lần triển khai.

Doanh nghiệp có tiềm năng nhất sẽ sở hữu trọn vòng lặp: con người làm mẫu → dữ liệu được làm sạch → robot học → nhà máy kiểm tra → lỗi quay về thành bài học mới.

Nói đơn giản: họ không chỉ bán “người máy”. Họ xây trường dạy nghề và hệ điều hành học tập cho robot.

Bài phân tích độc lập của KVBiz dựa trên tài liệu công khai. Nội dung không phải khuyến nghị đầu tư.