Sau làn sóng cường điệu về robot hình người: Vì sao robot đa năng vẫn còn xa tầm với của đời sống thường nhật

Những lời hứa hẹn tỷ đô

Những cỗ máy hình người bóng bẩy nhảy múa trên sân khấu, phân loại quần áo và bưng bê đồ uống đang chiếm trọn tâm điểm chú ý của làng công nghệ toàn cầu. Hàng loạt nhân vật tên tuổi tại Thung lũng Silicon đã đưa ra những dự báo đầy táo bạo về tương lai trước mắt của chúng. CEO Tesla Elon Musk từng mô tả robot hình người Optimus có tiềm năng trở thành "sản phẩm lớn nhất từ trước đến nay", cho rằng nó có thể đạt mức độ khéo léo vượt trội con người và tự động hóa gần như toàn bộ lao động chân tay với mức giá khoảng 20.000 USD, đồng thời dự đoán sẽ mở bán ra công chúng vào cuối năm 2027.

Nhà đầu tư mạo hiểm Marc Andreessen nhận định chế tạo robot có thể nổi lên như "ngành công nghiệp lớn nhất trong lịch sử hành tinh", trong khi CEO Nvidia Jensen Huang tuyên bố robot hình người sẽ bắt kịp năng lực của con người ngay trong năm nay. Phố Wall cũng hòa chung vào làn sóng hưng phấn này: Morgan Stanley ước tính số lượng robot hình người trên toàn cầu có thể chạm mốc gần 1 tỷ con vào năm 2050, tạo ra quy mô thị trường vượt mức 5.000 tỷ USD.

Tuy nhiên, bên trong các phòng thí nghiệm robot, giới chuyên gia lại vẽ nên một bức tranh thực tế hơn nhiều. Dù phần cứng cơ học đã phát triển vượt bậc, việc xây dựng một trí tuệ nhân tạo đủ sức làm chủ thế giới thực đầy biến số và hỗn loạn vẫn là một bài toán chưa có lời giải.

Từ lập trình thủ công đến các mô hình Thị giác - Ngôn ngữ - Hành động

Suốt nhiều thập kỷ, ngành robot phụ thuộc vào các thuật toán lập trình cố định (hard-coded), nơi các kỹ sư phải viết hàng nghìn dòng lệnh tường minh để kiểm soát từng milimet chuyển động của cỗ máy. Những năm gần đây, giới nghiên cứu bắt đầu thay thế việc lập trình thủ công bằng các mô hình AI hiện đại.

Bước chuyển giao ban đầu gắn liền với các mô hình thị giác - ngôn ngữ (VLM), được huấn luyện trên cả văn bản và hình ảnh để nhận diện ngữ cảnh thị giác — chẳng hạn như phát hiện chiếc khăn lau gần chỗ nước đổ. Giờ đây, công nghệ tân tiến nhất đã tiến hóa thành các mô hình thị giác - ngôn ngữ - hành động (VLA). Kiến trúc này kết hợp thêm các lệnh vận động thu thập từ thao tác thực tế của con người, thường được ghi lại qua hình thức điều khiển từ xa (teleoperation), nơi người vận hành trực tiếp điều khiển robot thực hiện từng tác vụ.

Tại Google DeepMind, các nhà nghiên cứu đang thử nghiệm mô hình VLA chủ lực mang tên Gemini Robotics trên nền tảng ALOHA 2 (A Low-cost Open-source Hardware System for Bimanual Teleoperation). Khác với dáng vẻ hình người, ALOHA 2 chỉ đơn thuần gồm hai cánh tay cơ học, kẹp gắp và camera gắn trên mặt bàn. Dưới sự điều khiển của Gemini Robotics, hệ thống có thể đóng gói một hộp cơm trưa — cho bánh mì kẹp vào túi Ziploc, đặt nho vào hộp Tupperware và kéo khóa túi — cũng như xử lý các tác vụ như gấp giấy origami hay dùng kẹp gắp đậu Hà Lan.

Dẫu vậy, các mô hình VLA vẫn đối mặt với những giới hạn ngặt nghèo. Khi đặt vào một tình huống xa lạ, chúng thường xuyên gặp lỗi. Như Edward Johns, giáo sư về robot tại Imperial College London, nhận định: một hệ thống đa năng thực thụ phải vận hành trơn tru trên mọi tác vụ, trong khi các mô hình ngày nay chỉ mới thành công ở những ví dụ đơn lẻ, cô lập.

Nỗi khan hiếm dữ liệu và sự trỗi dậy của các "mô hình thế giới"

Khác với các mô hình ngôn ngữ lớn có thể "ngấu nghiến" lượng văn bản khổng lồ từ internet công cộng, AI hiện thân (embodied AI) lại chịu cảnh thiếu hụt nghiêm trọng dữ liệu thao tác vật lý chất lượng cao. Thu thập dữ liệu từ điều khiển từ xa vừa tốn thời gian vừa đắt đỏ, huấn luyện thuần túy qua video lại thiếu đi độ chính xác về hành vi vật lý, còn việc triển khai robot tự hành ngoài môi trường không kiểm soát thì tiềm ẩn quá nhiều rủi ro.

Đồng sáng lập Agility Robotics, ông Jonathan Hurst, cho rằng việc phụ thuộc hoàn toàn vào dữ liệu huấn luyện để đạt được khả năng tự chủ toàn diện là hướng đi có lỗ hổng căn bản, bởi thế giới vật lý chứa đựng vô số hoán vị về công cụ, hình dạng và môi trường. Nhà tiên phong về AI Yann LeCun cũng từng chỉ ra tại hội nghị Davos rằng các phương pháp tiếp cận AI thiết kế cho ngôn ngữ không thể chuyển dịch hiệu quả sang dữ liệu vật lý liên tục, nhiễu loạn và đa chiều.

Trở ngại này đã thúc đẩy làn sóng nghiên cứu về "mô hình thế giới" (world models) — các hệ thống AI được huấn luyện trên dữ liệu video, cảm biến và quét 3D nhằm dự đoán cách các vật thể chuyển động, biến dạng, va chạm và tương tác trong thế giới thực. Mục tiêu của các mô hình này là mô phỏng chính xác các quy luật vật lý, giúp robot lường trước được hệ quả trước khi thực hiện hành động.

Dòng vốn khổng lồ đang đổ dồn vào lĩnh vực này:

• World Labs, đồng sáng lập bởi nhà nghiên cứu Fei-Fei Li của Đại học Stanford, đã huy động được 1 tỷ USD trước khi được AMD mua lại với giá 8,2 tỷ USD vào tháng 9.

• AMI Labs, đồng sáng lập bởi Yann LeCun, đã gọi vốn thành công 1 tỷ USD vào tháng 3.

• Physical Intelligence (PI), một startup tại San Francisco chuyên phát triển "bộ não" robot đa năng, đã nâng cấp mô hình nền tảng của mình từ π0 năm 2024 lên π0.7 vào tháng 4 năm 2026. Phiên bản mới nhất tích hợp một mô hình thế giới tinh gọn, có khả năng cung cấp các khung hình ảnh dự đoán cho các bước tiếp theo của nhiệm vụ. Trong quá trình thử nghiệm, π0.7 đã bộc lộ những dấu hiệu ban đầu của khả năng khái quát hóa tổng hợp (compositional generalization) khi cố gắng đặt củ khoai lang vào nồi chiên không dầu — một tác vụ nó chưa từng được huấn luyện trực tiếp, nhờ tận dụng một số mảnh dữ liệu điều khiển từ xa liên quan đến giỏ nồi chiên không dầu.

Màn trình diễn và thực tế: Bài toán độ tin cậy trong thế giới vật lý

Dù có những bước tiến nghiên cứu kể trên, khoảng cách giữa các màn biểu diễn được dàn dựng và việc triển khai tự hành ngoài đời thực vẫn là một hố sâu ngăn cách. Rất nhiều video gây bão mạng thực chất dựa vào kịch bản ngầm hoặc điều khiển từ xa trực tiếp. Đơn cử như việc một robot xuất hiện cùng CEO Jensen Huang của Nvidia trên sân khấu vào tháng 3 năm 2025 thực chất được điều khiển bởi một người phía sau hậu trường.

Trong các ứng dụng thương mại và tiêu dùng, độ tin cậy cao là yêu cầu bắt buộc. Marc Raibert, nhà sáng lập Boston Dynamics, nhấn mạnh rằng việc nâng tỷ lệ thành công từ 50% lên 70% trong phòng lab đồng nghĩa với việc cỗ máy vẫn thất bại quá nhiều lần để có thể đưa vào thực tiễn.

Hiện tại, những robot hình người được đưa vào hoạt động chỉ giới hạn trong các nhiệm vụ lặp đi lặp lại, phạm vi hẹp và môi trường có kiểm soát. Agility Robotics đang có hàng trăm robot thử nghiệm tại các cơ sở của Amazon, GXO Logistics và Schaeffler, nhưng công việc của chúng vẫn xoay quanh việc bốc dỡ thùng chứa và khay hàng. Trong khi đó, dù startup 1X đã mở cổng đặt trước robot gia đình Neo với giá 20.000 USD, các phiên bản đầu tiên vẫn cần người điều khiển từ xa để làm việc nhà.

Hurst ước tính rằng phải mất khoảng 10 năm nữa, những robot hoàn toàn tự hành có thể độc lập làm các việc nhà hữu ích mới thành hiện thực.

Quy mô sản xuất dịch chuyển về Trung Quốc

Trong khi các phòng lab phương Tây tập trung cao độ vào kiến trúc phần mềm đa năng, quy mô sản xuất lại đang dồn về Trung Quốc. Theo dữ liệu từ Omdia và hãng robot Unitree, các nhà sản xuất Trung Quốc chiếm gần 90% trong tổng số khoảng 15.000 robot hình người được xuất xưởng trên toàn cầu vào năm 2025.

Unitree đã xuất xưởng nhiều robot hình người hơn bất kỳ nhà sản xuất nào trong năm đó, chào bán các mẫu robot với mức giá dưới 6.000 USD. Tuy nhiên ở thời điểm hiện tại, các đơn đặt hàng vẫn chủ yếu đến từ phòng nghiên cứu của các doanh nghiệp, trường đại học và doanh nghiệp nhà nước chứ chưa tới tay người tiêu dùng phổ thông.

Từ những bản phác thảo hiệp sĩ cơ khí của Leonardo da Vinci năm 1495, người máy Elektro của Westinghouse năm 1939 cho đến ASIMO của Honda — dự án bị khai tử năm 2018 vì không thể vượt qua ngưỡng của những màn phô diễn công nghệ — robot hình người từ lâu đã phải vật lộn với sự phức tạp của thế giới thực. Dù các mô hình AI hiện đại mang lại khả năng nhận thức và vận động vượt trội hơn bao giờ hết, việc biến những cỗ máy thành những trợ thủ đa năng và thực sự đáng tin cậy vẫn là một cuộc chạy marathon đường dài, chứ không thể là một cú nhảy vọt sau một đêm.