Cập nhật ngày 16 tháng 9 năm 2026.
Robot vẫn chưa có kho dữ liệu huấn luyện quy mô lớn tương đương nguồn văn bản trên Internet dành cho các mô hình ngôn ngữ. Theo TechCrunch, Les Karpas, Giám đốc toàn cầu phụ trách AI vật lý tại Nvidia Inception, xem khoảng trống dữ liệu là một giới hạn cốt lõi khiến robot chưa có bước ngoặt phổ cập như ChatGPT.
ChatGPT xuất hiện vào tháng 11 năm 2022 và nhanh chóng đưa trí tuệ nhân tạo từ một chủ đề được bàn luận rộng rãi thành công cụ dùng hằng ngày. Robot đã được nghiên cứu, chế tạo và triển khai trong nhiều năm, nhưng chưa tạo ra chuyển biến tương tự. Karpas sẽ phân tích nguyên nhân tại TechCrunch Disrupt 2026.
Khoảng trống dữ liệu là một trở ngại cốt lõi đối với robot đa dụng. Máy cần học cách hoạt động ổn định trong thế giới vật lý, nơi mỗi căn phòng, nhà máy, con đường và tình huống có thể khác nhau.
Robot chưa có kho dữ liệu tương đương Internet
Các mô hình ngôn ngữ lớn có thể học từ lượng văn bản khổng lồ có sẵn trên Internet. Theo cách lý giải của Karpas được TechCrunch thuật lại, AI vật lý chưa có một kho dữ liệu bao quát tương tự để huấn luyện robot đa dụng trong nhiều môi trường và tình huống thực tế.
Ngay cả các đội xe tự lái của Waymo và những doanh nghiệp cùng lĩnh vực cũng phải tích lũy dữ liệu qua nhiều năm vận hành trên đường. Kho dữ liệu đó tiếp tục mở rộng theo từng thị trường mà xe được triển khai.
Khác biệt này giúp giải thích vì sao tiến bộ của robot khó lan rộng với tốc độ từng thấy ở ChatGPT. Một mô hình ngôn ngữ có thể xử lý dữ liệu số sẵn có. Robot phải học từ tương tác giữa phần mềm, cảm biến, bộ truyền động và môi trường thực.
Đây cũng là điểm giao nhau giữa robot và hạ tầng AI. Năng lực tính toán hỗ trợ quá trình huấn luyện và vận hành, nhưng không tự giải quyết được tình trạng thiếu dữ liệu từ thế giới vật lý.
Mô phỏng và dữ liệu tổng hợp có thể thu hẹp khoảng cách
Mô phỏng, dữ liệu tổng hợp và mô hình nền tảng có thể giúp robot học nhiều tình huống hơn mà không cần tái hiện từng trường hợp bằng phần cứng thật. Các phương pháp này nhằm mở rộng dữ liệu huấn luyện, nhưng robot vẫn phải chuyển những gì học được trong môi trường số sang hoạt động thực tế.
Một hệ sinh thái công ty khởi nghiệp đang tìm cách tạo ra quy mô dữ liệu cần thiết bằng những phương pháp này. Một số mô hình được huấn luyện đồng thời trên nhiều dạng robot để kiến thức không bị giới hạn trong một loại máy hoặc một môi trường duy nhất.
TechCrunch cho biết Karpas sẽ thảo luận thách thức nối liền thế giới số và thế giới vật lý cùng các nhà sáng lập đến từ Shield AI, Colossal Biosciences, FieldAI và Foxglove. Các doanh nghiệp hoạt động trong những lĩnh vực khác nhau, nhưng đều phải xử lý khoảng trống dữ liệu mà Karpas xem là giới hạn cốt lõi.
Vì sao góc nhìn của Nvidia đáng chú ý
Les Karpas làm việc trực tiếp với các công ty khởi nghiệp trong robot và những lĩnh vực liên quan thông qua Nvidia Inception. Vị trí này cho phép ông quan sát vấn đề dữ liệu từ phía phát triển công nghệ và từ phía doanh nghiệp đang đưa hệ thống AI vật lý vào môi trường thực.
Trong vai trò tại Nvidia Inception, Karpas điều phối quan hệ của Nvidia với hệ sinh thái công ty khởi nghiệp hoạt động trong robot, ô tô, sản xuất, di chuyển và thành phố thông minh. Ông thường xuyên làm việc với những doanh nghiệp đang tìm cách khắc phục tình trạng thiếu dữ liệu cho AI vật lý.
Karpas từng làm việc tại Stanley Black & Decker, Intellectual Ventures, Herman Miller, iRobot và Cirque du Soleil. Các vai trò trước đây của ông gồm kiến trúc sư, kỹ sư sản xuất, giám đốc điều hành công ty khởi nghiệp, lãnh đạo xưởng phát triển doanh nghiệp và nhà đầu tư mạo hiểm doanh nghiệp.
Kinh nghiệm đó giúp Karpas xem xét nút thắt dữ liệu từ nhiều giai đoạn của quá trình phát triển và triển khai robot. Vì vậy, phiên thảo luận tập trung vào yếu tố đang cản trở bước ngoặt của robot thay vì chỉ giới thiệu các khả năng mới.
Nội dung phiên thảo luận tại TechCrunch Disrupt 2026
Phiên thảo luận của Les Karpas thuộc sân khấu dành cho AI trong thế giới thực tại TechCrunch Disrupt 2026. Theo TechCrunch, sự kiện diễn ra từ ngày 13 đến 15 tháng 10 tại Moscone West ở San Francisco, với hơn 10.000 lãnh đạo công nghệ, nhà sáng lập và nhà đầu tư dự kiến tham gia.
TechCrunch cũng cho biết vé được giảm tối đa 200 USD nếu mua trước ngày 25 tháng 9, thời điểm giá sẽ tăng. Nhóm người tham dự có thể tiết kiệm tối đa 30% khi mua vé theo gói.
Theo góc nhìn được TechCrunch thuật lại từ Nvidia, thiếu nguồn dữ liệu đủ rộng là một giới hạn cốt lõi đối với bước chuyển phổ cập của robot. Mô phỏng, dữ liệu tổng hợp và mô hình nền tảng có thể thu hẹp khoảng cách. Một thách thức quan trọng là chuyển kết quả học trong môi trường số thành hành vi ổn định trong thế giới vật lý.
Hãy tiếp tục theo dõi Sine để cập nhật những chuyển biến mới trong AI vật lý và ngành robot.
