Cuộc cách mạng tự động hóa do AI và mã hóa thúc đẩy: Thời điểm "ChatGPT" của Bots

Sự xuất hiện của ChatGPT đã hoàn toàn thay đổi nhận thức và kỳ vọng của con người về trí tuệ nhân tạo. Khi các mô hình ngôn ngữ lớn bắt đầu tương tác với thế giới phần mềm bên ngoài, nhiều người cho rằng các tác nhân AI chính là hình thái tối thượng. Tuy nhiên, quay lại những tác phẩm khoa học viễn tưởng kinh điển, chúng ta sẽ nhận ra rằng ước mơ thực sự của nhân loại là để trí tuệ nhân tạo tương tác trong thế giới vật lý dưới hình thức của những mã hóa.

Các chuyên gia trong ngành cho rằng thời điểm "ChatGPT" trong lĩnh vực Bots sắp đến. Những đột phá của trí tuệ nhân tạo trong những năm gần đây đang thay đổi cấu trúc ngành, trong khi công nghệ pin, tối ưu hóa độ trễ và cải tiến thu thập dữ liệu sẽ định hình sự phát triển trong tương lai. Công nghệ mã hóa cũng sẽ đóng vai trò quan trọng trong quá trình này. An toàn Bots, tài trợ, đánh giá và giáo dục là những lĩnh vực dọc cần được chú ý.

Yếu tố biến đổi

đột phá trí tuệ nhân tạo

Tiến bộ của mô hình ngôn ngữ lớn đa phương thức đang cung cấp "bộ não" cần thiết cho Bots thực hiện các nhiệm vụ phức tạp. Bots chủ yếu cảm nhận môi trường thông qua thị giác và thính giác. Mô hình thị giác máy tính truyền thống mặc dù giỏi trong việc phát hiện hoặc phân loại đối tượng, nhưng khó khăn trong việc chuyển đổi thông tin thị giác thành các lệnh hành động có mục đích. Mô hình ngôn ngữ lớn thể hiện xuất sắc trong việc hiểu và tạo ra văn bản, nhưng khả năng cảm nhận thế giới vật lý còn hạn chế.

Mô hình hình ảnh-ngôn ngữ-hành động ( VLA ) giúp Bots tích hợp nhận thức hình ảnh, hiểu ngôn ngữ và hành động thực thể trong một khung tính toán thống nhất. Vào tháng 2 năm 2025, một công ty đã phát hành mô hình điều khiển Bots hình người đa năng với khả năng tổng quát không mẫu và kiến trúc hai hệ thống, thiết lập tiêu chuẩn mới cho ngành. Tính năng tổng quát không mẫu cho phép Bots thích ứng với các cảnh mới, đối tượng mới và hướng dẫn mới mà không cần đào tạo lại cho mỗi nhiệm vụ. Kiến trúc hai hệ thống tách biệt suy luận bậc cao và suy luận nhẹ, đạt được sự kết hợp giữa tư duy giống như con người và độ chính xác thời gian thực của Bots hình người thương mại.

Robot giá rẻ trở thành hiện thực

Công nghệ thay đổi thế giới đều có tính phổ cập. Khi giá của một số Bots thấp hơn ô tô trung bình hoặc mức thu nhập tối thiểu hàng năm ở Mỹ, hình ảnh một thế giới mà lao động chân tay và các công việc thường ngày chủ yếu được hoàn thành bởi Bots không còn xa vời nữa.

từ kho hàng đến thị trường tiêu dùng

Công nghệ Bots đang mở rộng từ các giải pháp kho bãi sang lĩnh vực tiêu dùng. Thế giới này được thiết kế cho con người - con người có thể hoàn thành tất cả các công việc mà Bots chuyên nghiệp thực hiện, trong khi Bots chuyên nghiệp không thể đảm nhận tất cả các công việc của con người. Các công ty Bots không còn giới hạn trong việc sản xuất Bots chuyên dụng cho nhà máy, mà chuyển hướng phát triển các Bots hình người đa năng hơn. Do đó, công nghệ Bots không chỉ tồn tại trong kho bãi mà sẽ thấm nhuần vào cuộc sống hàng ngày.

Chi phí là một trong những nút thắt chính của khả năng mở rộng. Chỉ số quan trọng nhất là chi phí tổng hợp mỗi giờ, được tính bằng cách cộng tổng chi phí cơ hội thời gian cho việc huấn luyện và sạc, chi phí thực hiện nhiệm vụ và chi phí mua Bots, sau đó chia cho tổng thời gian hoạt động của Bots. Chi phí này cần phải thấp hơn mức lương trung bình của ngành liên quan để có tính cạnh tranh.

Để thâm nhập toàn diện vào lĩnh vực kho bãi, chi phí tổng hợp của Bots mỗi giờ phải thấp hơn 31,39 USD. Trong khi đó, ở thị trường tiêu dùng lớn nhất - lĩnh vực giáo dục tư nhân và dịch vụ sức khỏe, chi phí này cần được kiểm soát dưới 35,18 USD. Hiện tại, Bots đang phát triển theo hướng rẻ hơn, hiệu quả hơn và đa dụng hơn.

Bước đột phá tiếp theo trong công nghệ Bots

Tối ưu hóa pin

Công nghệ pin luôn là nút thắt đối với những con robot thân thiện với người dùng. Những chiếc xe điện đầu tiên gặp khó khăn trong việc phổ biến do hạn chế của công nghệ pin dẫn đến thời gian sử dụng ngắn, chi phí cao và tính thực tiễn thấp; các robot cũng đang phải đối mặt với tình huống tương tự. Một số robot thương mại chỉ có thể hoạt động từ 90 phút đến 2 giờ trong một lần sạc. Rõ ràng người dùng không muốn phải sạc pin thủ công mỗi hai giờ, do đó việc tự sạc và kết nối hạ tầng trở thành hướng phát triển chính. Hiện tại, việc sạc pin cho robot chủ yếu có hai chế độ: thay pin hoặc sạc trực tiếp.

Chế độ thay pin cho phép thay thế nhanh chóng các cụm pin đã sử dụng để duy trì hoạt động liên tục, giảm thiểu thời gian ngừng hoạt động, phù hợp cho các tình huống ngoài trời hoặc trong nhà máy. Quy trình này có thể được thực hiện bằng tay hoặc tự động.

Sạc cảm ứng sử dụng phương thức cung cấp điện không dây, mặc dù việc sạc đầy mất nhiều thời gian hơn, nhưng có thể dễ dàng thực hiện quy trình tự động hoàn toàn.

Tối ưu hóa độ trễ

Hoạt động độ trễ thấp có thể được chia thành hai loại: nhận thức môi trường và điều khiển từ xa. Nhận thức đề cập đến khả năng nhận thức không gian của Bots đối với môi trường, trong khi điều khiển từ xa đề cập đến việc kiểm soát thời gian thực của người điều hành.

Nghiên cứu cho thấy, hệ thống cảm nhận của Bots bắt đầu từ cảm biến giá rẻ, nhưng lợi thế công nghệ nằm ở phần mềm tích hợp, tính toán tiết kiệm năng lượng và mạch điều khiển chính xác trong mili giây. Khi Bots hoàn thành việc xác định vị trí không gian, mạng nơ-ron nhẹ sẽ đánh dấu các yếu tố như chướng ngại vật, pallet hoặc con người. Sau khi nhãn cảnh được đưa vào hệ thống lập kế hoạch, ngay lập tức tạo ra các lệnh động cơ gửi đến chân, nhóm bánh xe hoặc cánh tay cơ giới. Độ trễ cảm nhận dưới 50 mili giây tương đương với tốc độ phản xạ của con người - bất kỳ độ trễ nào vượt quá ngưỡng này sẽ khiến Bots hành động vụng về. Do đó, 90% quyết định cần được thực hiện tại chỗ thông qua một mạng lưới thị giác-ngôn ngữ-hành động duy nhất.

Robot tự động hoàn toàn cần đảm bảo mô hình VLA hiệu suất cao có độ trễ dưới 50 mili giây; robot điều khiển từ xa yêu cầu độ trễ tín hiệu giữa đầu điều khiển và robot không vượt quá 50 mili giây. Tầm quan trọng của mô hình VLA ở đây càng nổi bật — nếu đầu vào hình ảnh và văn bản được xử lý bởi các mô hình khác nhau trước khi đưa vào mô hình ngôn ngữ lớn, độ trễ tổng thể sẽ vượt quá ngưỡng 50 mili giây.

Tối ưu hóa thu thập dữ liệu

Việc thu thập dữ liệu chủ yếu có ba phương thức: dữ liệu video thế giới thực, dữ liệu tổng hợp và dữ liệu điều khiển từ xa. Rào cản chính giữa dữ liệu thực và dữ liệu tổng hợp là việc thu hẹp khoảng cách giữa hành vi vật lý của Bots và mô hình video/simulated. Dữ liệu video thực thiếu các chi tiết vật lý như phản hồi lực, sai số chuyển động khớp và biến dạng vật liệu; dữ liệu mô phỏng thiếu các biến không thể dự đoán như sự cố cảm biến và hệ số ma sát.

Cách thu thập dữ liệu tiềm năng nhất là điều khiển từ xa - do các điều hành viên điều khiển Bots thực hiện nhiệm vụ từ xa. Nhưng chi phí nhân lực là yếu tố hạn chế chính trong việc thu thập dữ liệu điều khiển từ xa.

Phát triển phần cứng tùy chỉnh cũng đang cung cấp giải pháp mới cho việc thu thập dữ liệu chất lượng cao. Một công ty thông qua sự kết hợp giữa các phương pháp chính thống và phần cứng tùy chỉnh, thu thập dữ liệu chuyển động con người đa chiều, sau khi xử lý đã chuyển đổi thành tập dữ liệu phù hợp cho việc đào tạo mạng nơ-ron của Bots, kết hợp với chu kỳ lặp nhanh để cung cấp dữ liệu chất lượng cao khổng lồ cho việc đào tạo Bots AI. Các quy trình công nghệ này cùng nhau rút ngắn con đường chuyển đổi từ dữ liệu thô thành Bots có thể triển khai.

Lĩnh vực khám phá trọng điểm

mã hóa công nghệ và Bots融合

Công nghệ mã hóa có thể khuyến khích các bên không tin cậy nâng cao hiệu quả mạng Bots. Dựa trên các lĩnh vực chính đã đề cập trước đó, công nghệ mã hóa có thể nâng cao hiệu quả trong ba khía cạnh: hạ tầng kết nối, tối ưu hóa độ trễ và thu thập dữ liệu.

Mạng lưới cơ sở hạ tầng vật lý phi tập trung ( DePIN ) được kỳ vọng sẽ cách mạng hóa cơ sở hạ tầng sạc. Khi những con robot hình người hoạt động trên toàn cầu như ô tô, các trạm sạc cần phải dễ dàng tiếp cận như các trạm xăng. Mạng lưới tập trung cần đầu tư ban đầu lớn, trong khi DePIN sẽ phân chia chi phí cho các nhà điều hành nút, giúp cơ sở hạ tầng sạc mở rộng nhanh chóng đến nhiều khu vực hơn.

DePIN còn có thể sử dụng cơ sở hạ tầng phân tán để tối ưu hóa độ trễ điều khiển từ xa. Bằng cách tập hợp các nguồn tài nguyên tính toán từ các nút biên phân tán về mặt địa lý, các lệnh điều khiển từ xa có thể được xử lý bởi các nút địa phương hoặc nút gần nhất có sẵn, tối đa hóa việc rút ngắn khoảng cách truyền dữ liệu và giảm đáng kể độ trễ truyền thông. Tuy nhiên, các dự án DePIN hiện tại chủ yếu tập trung vào lưu trữ phi tập trung, phân phối nội dung và chia sẻ băng thông, mặc dù có các dự án trình diễn lợi thế của tính toán biên trong phát trực tuyến hoặc Internet vạn vật, vẫn chưa mở rộng đến lĩnh vực Bots hoặc điều khiển từ xa.

Điều khiển từ xa là phương pháp thu thập dữ liệu có triển vọng nhất, nhưng chi phí thuê nhân viên chuyên nghiệp của các thực thể tập trung để thu thập dữ liệu là rất cao. DePIN giải quyết vấn đề này bằng cách khuyến khích các bên thứ ba cung cấp dữ liệu điều khiển từ xa thông qua mã hóa. Một dự án đang xây dựng mạng lưới điều hành từ xa toàn cầu, biến những đóng góp của họ thành tài sản số được mã hóa, hình thành một hệ thống phi tập trung không cần phép - người tham gia vừa có thể kiếm lợi nhuận, vừa có thể tham gia quản lý và hỗ trợ đào tạo AGI Bots.

An toàn luôn là mối quan tâm cốt lõi

Mục tiêu cuối cùng của công nghệ robot là đạt được tính tự chủ hoàn toàn, nhưng như một số bộ phim khoa học viễn tưởng đã cảnh báo, điều mà con người không mong muốn nhất là tính tự chủ sẽ biến các robot thành vũ khí tấn công. Các vấn đề an toàn của mô hình ngôn ngữ lớn đã gây ra sự quan tâm, và khi những mô hình này có khả năng hành động thực thể, an toàn robot trở thành điều kiện tiên quyết cho sự chấp nhận của xã hội.

An ninh kinh tế là một trong những trụ cột của sự thịnh vượng trong hệ sinh thái Bots. Một công ty trong lĩnh vực này đang xây dựng một lớp điều phối máy móc phi tập trung, thông qua việc chứng minh mã hóa để thực hiện xác thực danh tính thiết bị, xác minh sự hiện diện vật lý và truy cập tài nguyên. Khác với việc quản lý thị trường nhiệm vụ đơn giản, hệ thống này cho phép Bots tự chứng minh thông tin danh tính, vị trí địa lý và hồ sơ hành vi mà không cần phụ thuộc vào trung gian tập trung.

Các ràng buộc hành vi và xác thực danh tính được thực hiện thông qua cơ chế trên chuỗi, đảm bảo rằng bất kỳ ai cũng có thể kiểm toán tính tuân thủ. Các Bots đáp ứng tiêu chuẩn an toàn, yêu cầu chất lượng và quy định khu vực sẽ nhận được phần thưởng, trong khi những người vi phạm sẽ phải đối mặt với hình phạt hoặc bị loại bỏ, từ đó thiết lập cơ chế trách nhiệm và tin cậy trong mạng lưới máy móc tự chủ.

Mạng tái thế chấp bên thứ ba cũng có thể cung cấp bảo đảm an toàn tương đương. Mặc dù hệ thống tham số hình phạt vẫn cần hoàn thiện, công nghệ liên quan đã bước vào giai đoạn thực tiễn. Dự kiến các tiêu chuẩn an toàn của ngành sẽ sớm hình thành, khi đó các tham số hình phạt sẽ được mô hình hóa dựa trên những tiêu chuẩn này.

Ví dụ về kế hoạch thực thi:

• Công ty Bots tham gia mạng tái thế chấp.
• Đặt các tham số tịch thu có thể xác minh (như "Áp dụng lực tiếp xúc của con người vượt quá 2500 Newton");
• Nhà đầu tư cung cấp tiền ký quỹ để đảm bảo Bots tuân thủ các tham số;
• Nếu xảy ra vi phạm, tiền đặt cọc sẽ được sử dụng làm tiền bồi thường cho nạn nhân.

Chế độ này vừa khuyến khích các doanh nghiệp đặt sự an toàn lên hàng đầu, vừa thúc đẩy độ chấp nhận của người tiêu dùng thông qua cơ chế bảo hiểm của quỹ tiền đặt cọc.

Bù đắp khoảng trống trong công nghệ robot

Khác với AI, lĩnh vực Bots khó có thể tiếp cận khi nguồn vốn hạn chế. Để phổ biến Bots, ngưỡng phát triển của chúng cần được hạ xuống mức dễ dàng như phát triển ứng dụng AI. Có ba lĩnh vực cần cải thiện: cơ chế tài trợ, hệ thống đánh giá và hệ sinh thái giáo dục.

Việc huy động vốn là một điểm đau trong lĩnh vực Bots. Phát triển chương trình máy tính chỉ cần một chiếc máy tính và tài nguyên điện toán đám mây, trong khi việc xây dựng một Bots hoàn chỉnh phải mua sắm động cơ, cảm biến, pin và các phần cứng khác, chi phí dễ dàng vượt qua 100.000 đô la. Tính chất phần cứng này làm cho việc phát triển Bots thiếu tính linh hoạt và có chi phí cao hơn so với AI.

Cơ sở hạ tầng đánh giá Bots trong các tình huống thực tế vẫn đang ở giai đoạn đầu. Lĩnh vực AI đã thiết lập hệ thống hàm mất mát rõ ràng, việc kiểm tra có thể hoàn toàn ảo hóa. Tuy nhiên, các chiến lược ảo xuất sắc không thể chuyển đổi trực tiếp thành các giải pháp hiệu quả trong thế giới thực. Bots cần có các cơ sở đánh giá cho việc thử nghiệm các chiến lược tự chủ trong môi trường thực tế đa dạng, để có thể thực hiện tối ưu hóa qua lặp.

Khi hạ tầng này trưởng thành, nhân tài sẽ đổ vào ồ ạt, và robot hình người sẽ tái diễn đường cong bùng nổ của Web2. Một công ty mã hóa robot đang tiến về hướng này - dự án mã nguồn mở ( "hệ điều hành Android phiên bản robot" ) chuyển đổi phần cứng gốc thành những thực thể thông minh có ý thức kinh tế có thể nâng cấp. Các mô-đun lập kế hoạch thị giác, ngôn ngữ và chuyển động có thể cắm vào và sử dụng như ứng dụng điện thoại, tất cả các bước suy luận được trình bày bằng tiếng Anh rõ ràng, cho phép người vận hành kiểm toán hoặc điều chỉnh hành vi mà không cần tiếp xúc với firmware. Khả năng suy luận ngôn ngữ tự nhiên này cho phép thế hệ nhân tài mới bước vào lĩnh vực robot một cách liền mạch, đánh dấu bước tiến quan trọng cho nền tảng mở để kích nổ cuộc cách mạng robot, giống như tác động tăng tốc của phong trào mã nguồn mở đối với AI.

Mật độ nhân tài quyết định quỹ đạo ngành. Hệ thống giáo dục toàn diện có cấu trúc rất quan trọng đối với việc cung cấp nhân tài trong lĩnh vực Bots. Việc một công ty lên sàn Nasdaq đánh dấu sự khởi đầu của một kỷ nguyên mới, trong đó những cỗ máy thông minh tham gia vào đổi mới tài chính và giáo dục thực thể. Công ty này cùng với các đối tác công bố rằng sẽ ra mắt khóa học giáo dục phổ thông đầu tiên dựa trên Bots hình người tại các trường công lập K-12 ở Mỹ. Khóa học này được thiết kế có tính độc lập với nền tảng, có thể thích ứng với nhiều hình thức Bots khác nhau, cung cấp cơ hội thực hành cho học sinh. Tín hiệu tích cực này củng cố đánh giá trong ngành: trong những năm tới, nguồn lực giáo dục Bots sẽ