Khi AI bắt đầu có cơ thể: Liệu Physical AI có trở thành chủ đề công nghệ chính tiếp theo?

Trong hai năm qua, AI được giao dịch trên thị trường vốn chủ yếu là "bộ não" của AI.

Từ ChatGPT, mô hình lớn đến GPU, HBM, trung tâm dữ liệu, truyền thông quang và cơ sở hạ tầng điện năng, hầu như tất cả các chủ đề cốt lõi đều xoay quanh cách làm cho mô hình lớn hơn, tốc độ huấn luyện nhanh hơn và chi phí suy luận thấp hơn.

Tuy nhiên, những AI này có thể tạo ra văn bản, hình ảnh, mã và video, nhưng phần lớn vẫn hoạt động trong màn hình và thế giới kỹ thuật số.

Do đó, khi năng lực mô hình lớn và cơ sở hạ tầng tính toán dần trở nên hoàn thiện, thị trường tự nhiên sẽ bắt đầu đặt câu hỏi tiếp theo: Những mô hình ngày càng thông minh này, cuối cùng có thể thoát ra khỏi màn hình, bước vào ô tô, nhà máy, kho bãi, bệnh viện và thế giới thực hay không?

Đây chính là lý do tại sao Physical AI, tức AI vật lý, bắt đầu tiến ra tiền tuyến của ngành công nghiệp.

I. Từ "biết suy nghĩ" đến "biết hành động", tại sao Physical AI lại quan trọng?

Theo định nghĩa của NVIDIA, Physical AI là đưa AI ra khỏi màn hình, cho phép robot, camera, xe tự hành và các hệ thống tự trị khác có thể cảm nhận và hiểu môi trường xung quanh, hoàn thành suy luận, ra quyết định và các hành động phức tạp.

Nói cách khác, nếu Generative AI giải quyết vấn đề "máy móc suy nghĩ như thế nào", thì Physical AI cố gắng giải quyết vấn đề sau khi máy móc suy nghĩ, làm thế nào để hành động một cách chính xác, an toàn và với chi phí thấp, từ đó cho phép máy móc thực sự có khả năng tương tác với thế giới thực.

Từ các bài phát biểu công khai gần đây của Jensen Huang, NVIDIA đang liên tục củng cố các dòng sản phẩm như Isaac, GR00T, Cosmos, Omniverse và Jetson. Mục tiêu của họ không chỉ đơn thuần là đặt cược vào một loại robot cụ thể nào, mà là xây dựng một nền tảng cơ sở hoàn chỉnh bao gồm huấn luyện, mô phỏng, suy luận và triển khai để đưa máy móc vào thế giới vật lý.

Bởi vì Physical AI thực sự không đơn giản chỉ là cắm một mô hình lớn vào robot, nó còn cần hiểu các mối quan hệ không gian và quy luật vật lý, đòi hỏi world model, dữ liệu huấn luyện, môi trường mô phỏng, sức mạnh tính toán biên, thị giác máy tính, cảm biến và điều khiển chuyển động, đồng thời phải hoàn thành một lượng lớn các bài kiểm tra an toàn trước khi triển khai.

Trong bối cảnh thị trường, Physical AI có sự chồng chéo cao với "trí tuệ nhập thể", nhưng phạm vi của nó rộng hơn, không chỉ bao gồm robot hình người mà còn bao gồm xe tự hành, robot công nghiệp, máy bay không người lái, nhà máy thông minh, hệ thống kho bãi, cũng như các không gian thông minh được điều khiển bởi camera và cảm biến.

Tất nhiên, Physical AI không phải là một khái niệm mới xuất hiện đột ngột.

Xe tự hành, robot công nghiệp, thị giác máy tính và tự động hóa kho bãi đã phát triển trong nhiều năm. Điều thực sự thay đổi là các mô hình lớn, world model, công nghệ mô phỏng và sức mạnh tính toán biên đang kết nối những lộ trình công nghệ vốn dĩ tách rời trước đây.

Phần lớn robot công nghiệp truyền thống dựa vào các chương trình được viết sẵn để lặp lại các hành động tiêu chuẩn trong một môi trường tương đối cố định; mục tiêu của Physical AI là cho phép máy móc điều chỉnh phán đoán và hành vi dựa trên thông tin thời gian thực khi đối mặt với các vật thể khác nhau, môi trường xa lạ và các tình huống bất ngờ.

Điều này có nghĩa là chuỗi ngành AI đang mở rộng từ "bộ não" sang "cơ thể".

Trong hai năm qua, thị trường đầu tiên đã định giá lại các GPU, bộ nhớ, máy chủ, mạng và điện năng cần thiết để huấn luyện và vận hành AI. Tiếp theo, dòng vốn có thể sẽ tiếp tục tìm kiếm các phương tiện có thể tiếp nhận sức mạnh tính toán này và chuyển đổi năng lực mô hình thành năng suất thực tế: robot, xe tự hành, máy bay không người lái, thiết bị tự động hóa công nghiệp, và các hệ thống thị giác và cảm biến trải rộng khắp các nhà máy, kho bãi và thành phố.

Vì vậy, Physical AI không phải là một khái niệm đơn lẻ có thể đơn giản hóa thành "robot hình người". Những gì nó thực sự mở ra là toàn bộ chuỗi công nghiệp từ sức mạnh tính toán đến hành động.

II. Từ sức mạnh tính toán đến robot, chuỗi công nghiệp năm lớp của Physical AI

Để dễ hiểu hơn, Viện nghiên cứu MSX đã phân tích chuỗi công nghiệp Physical AI một cách đại khái thành năm liên kết chính.

1. Lớp thứ nhất: Tầng tính toán

Cho dù là huấn luyện mô hình robot, xây dựng môi trường ảo, hay hoàn thành suy luận thời gian thực trên ô tô và robot, tất cả đều không thể thiếu sức mạnh tính toán.

Nó bao gồm GPU trung tâm dữ liệu, chip AI biên, nền tảng tính toán trên xe và bộ xử lý năng lượng thấp, các mã chứng khoán tương ứng chính bao gồm:

• NVIDIA (NVDA.M): Bao gồm sức mạnh tính toán huấn luyện, nền tảng tính toán biên Jetson và hệ sinh thái phát triển robot;
• TSMC (TSM.M): Nền tảng sản xuất cho chip AI, chip ô tô và chip tính toán biên;
• Arm (ARM.M): Kiến trúc tính toán năng lượng thấp được sử dụng rộng rãi trong ô tô, robot và thiết bị thông minh;
• Qualcomm (QCOM.M): Đầu tư vào AI trên xe, suy luận biên và thiết bị đầu cuối thông minh;
• AMD (AMD.M): Bên hưởng lợi tiềm năng từ sức mạnh tính toán AI và tính toán nhúng;

Logic của lớp này tương tự như đợt tăng trưởng của Generative AI trong hai năm qua, tiếp nối logic "bán xẻng", bất kể cuối cùng công ty robot nào chiến thắng, lớp nền tảng vẫn cần chip, sức mạnh tính toán và kiến trúc tính toán.

2. Lớp thứ hai: Tầng mô hình

Điều này cũng không khó hiểu. Physical AI không chỉ cần mô hình ngôn ngữ, mà còn bao gồm mô hình nền tảng robot, world model và mô hình thị giác-ngôn ngữ-hành động.

Mô hình ngôn ngữ có thể hiểu mệnh lệnh của con người, mô hình thị giác giúp máy móc nhận dạng môi trường, mô hình hành động chịu trách nhiệm chuyển đổi phán đoán thành các hành động cụ thể; world model tiến xa hơn, nó cố gắng cho AI hiểu mối quan hệ giữa các vật thể, dự đoán điều gì có thể xảy ra tiếp theo và thực hiện mô phỏng trước khi hành động.

Lớp này hiện tại vẫn chủ yếu do các công ty công nghệ lớn và các doanh nghiệp nền tảng thúc đẩy, bao gồm NVIDIA, Tesla, Google và một số công ty khởi nghiệp robot.

So với các mô hình ngôn ngữ lớn, vấn đề lớn nhất mà các mô hình robot phải đối mặt là dữ liệu. Mặc dù có rất nhiều văn bản, hình ảnh và video trên internet, nhưng dữ liệu vận hành robot chất lượng cao thực sự lại không nhiều. Làm thế nào để tạo ra đủ dữ liệu huấn luyện sẽ trở thành một rào cản quan trọng trong quá trình phát triển của Physical AI.

3. Lớp thứ ba: Tầng mô phỏng

Do chi phí huấn luyện trong thế giới thực cao, tốc độ chậm và rủi ro lớn, robot cần học trong thế giới ảo trước. Do đó, bản sao kỹ thuật số, dữ liệu tổng hợp và môi trường huấn luyện ảo tạo thành một lớp rất quan trọng của Physical AI.

NVIDIA đã xây dựng một chuỗi công cụ tương đối hoàn chỉnh ở lớp này: Omniverse được sử dụng để xây dựng bản sao kỹ thuật số và môi trường mô phỏng, Isaac Sim và Isaac Lab hỗ trợ huấn luyện, thử nghiệm và xác nhận robot, Cosmos cung cấp world model và khả năng tạo dữ liệu.

Giá trị của lớp này nằm ở chỗ nó có thể chuyển các thử nghiệm sai lầm đắt đỏ, nguy hiểm và chậm chạp trong thế giới thực sang môi trường ảo để hoàn thành. Các nhà phát triển có thể chạy đồng thời một số lượng lớn các kịch bản, thử nghiệm các điều kiện ánh sáng, thời tiết, địa hình và các tình huống bất ngờ khác nhau, sau đó triển khai mô hình đã được xác nhận vào các thiết bị thực tế.

Cuối cùng, một lần huấn luyện robot trong thực tế có thể mất vài phút, nhưng trong môi trường mô phỏng, nó có thể chạy song song hàng nghìn lần.

4. Lớp thứ tư: Tầng cảm biến

Khi robot bước vào thế giới thực, bước đầu tiên thường không phải là có đôi bàn tay linh hoạt, mà là có thể 'nhìn thấy' và hiểu môi trường xung quanh một cách ổn định.

Nó phải nhận dạng vật thể, đánh giá khoảng cách, hiểu sự thay đổi của môi trường, định vị trong không gian phức tạp, và sau khi đưa ra phán đoán, cần thông qua bộ điều khiển, động cơ, cánh tay robot và mô-đun khớp nối để chuyển đổi quyết định thành các hành động thực tế.

Lớp này bao gồm thị giác máy tính, camera, lidar, cảm biến, chip điều khiển, điều khiển chuyển động và các thành phần chấp hành khác nhau:

• Cognex (CGNX.M): Thị giác máy công nghiệp và hệ thống nhận dạng;
• Ouster (OUST.M): Lidar và nền tảng cảm biến;
• Qualcomm, NVIDIA: Cung cấp nền tảng tính toán thị giác trên xe và biên;

Ouster đã kết nối thế hệ lidar kỹ thuật số mới với hệ sinh thái NVIDIA Jetson và Isaac, đồng thời thúc đẩy ứng dụng trong robot công nghiệp, kiểm tra và các hệ thống tự trị; Cognex tiếp tục triển khai các hệ thống thị giác AI vào các kịch bản kiểm tra và tự động hóa sản xuất.

So với robot hình người, không gian tưởng tượng của thị giác máy và cảm biến có thể không lớn bằng, nhưng nó lại gần hơn với các đơn đặt hàng thực tế và khách hàng hiện có.

Về phần các đầu chấp hành như động cơ, bộ giảm tốc và mô-đun khớp nối, các mã chứng khoán thuần túy trên thị trường chứng khoán Mỹ tương đối hạn chế. Các cơ hội liên quan tập trung nhiều hơn vào các doanh nghiệp tự động hóa công nghiệp, chip tương tự và các linh kiện chuyên dụng.

5. Lớp thứ năm: Tầng ứng dụng

Là lớp trên cùng của chuỗi công nghiệp, đây cũng là lĩnh vực quen thuộc nhất với thị trường: robot, xe tự hành, máy bay không người lái và thiết bị tự động hóa công nghiệp. Các mã chứng khoán tương ứng bao gồm:

• Tesla (TSLA.M): Optimus, FSD và Robotaxi;
• Alphabet (GOOGL.M): Đầu tư vào xe tự hành thông qua Waymo;
• Amazon (AMZN.M): Robot kho bãi, tự động hóa logistics và Zoox;
• Teradyne (TER.M): Robot cộng tác và robot di động;
• AeroVironment (AVAV.M), Kratos (KTOS.M), Ondas (ONDS.M): Máy bay không người lái và hệ thống không người lái;
• Palantir (PLTR.M): Nền tảng phần mềm kết nối dữ liệu, quyết định và thiết bị không người lái;

Trong số đó, Palantir không phải là nhà sản xuất robot, mà thiên về nền tảng phần mềm kết nối dữ