Vì sao startup mô hình thế giới Trung Quốc được cho là không cần đi theo khuôn mẫu Mỹ

Mô hình thế giới (world model) đang trở thành một chủ đề trọng tâm của AI vật lý: đây là những hệ thống không chỉ tạo video có vẻ chân thực, mà còn hướng tới việc biểu diễn môi trường thay đổi thế nào và hành động sẽ tạo ra hệ quả gì. Tại WAIC 2026 — Hội nghị Trí tuệ Nhân tạo Thế giới diễn ra ở Thượng Hải — một phiên thảo luận có sự tham gia của Muka Robotics, Shengshu Technology, EvoPhys.ai và Chengwei Capital cho rằng làn sóng này có thể giúp startup Trung Quốc cạnh tranh theo một hướng khác với cuộc đua truyền thống nhằm bắt kịp quy mô mô hình nền tảng tại Mỹ.

Lập luận của họ không phải Trung Quốc đã có năng lực tính toán tiên tiến ngang Mỹ. Thay vào đó, họ cho rằng tiến bộ của mô hình thế giới có thể ngày càng phụ thuộc vào hiệu quả học, dữ liệu tương tác ngoài đời thực và khả năng thử nghiệm nhanh trên robot — những yếu tố mà một hệ sinh thái robot và phần cứng dày đặc có thể quan trọng không kém tổng số GPU. Bối cảnh rộng hơn tại WAIC phần nào cho thấy quy mô hoạt động trong lĩnh vực này: một báo cáo ghi nhận hơn 200 doanh nghiệp AI hiện thân và robot tham gia sự kiện. 8

Khi hiệu quả lặp có thể quan trọng hơn quy mô tính toán

Theo cách nhìn của phiên thảo luận, việc so sánh trực tiếp với các phòng thí nghiệm AI Mỹ ít hữu ích hơn trong một lĩnh vực còn đang tự định hình tiêu chuẩn kỹ thuật lẫn thương mại. Một nhóm có ít năng lực tính toán hơn vẫn có thể cạnh tranh nếu thu thập được dữ liệu vật lý hữu ích với chi phí thấp, huấn luyện kiến trúc sử dụng hiệu quả dữ liệu không đồng nhất, và nhanh chóng kiểm tra lỗi trên máy móc thật.

Kết quả WorldArena của Muka Robotics — được truyền thông mô tả là thứ hạng cao với 32 GPU — được đưa ra như một ví dụ cho cách tiếp cận ưu tiên hiệu quả này. Tuy nhiên, đây là kết quả benchmark do doanh nghiệp công bố, không phải thước đo độc lập đã được kiểm toán về năng lực dẫn đầu kỹ thuật tổng thể. 3

Khác biệt cốt lõi nằm ở cách kiểm chứng. Một mô hình video có thể được đánh giá qua độ thuyết phục về hình ảnh. Nhưng với mô hình thế giới dùng cho AI hiện thân, đánh giá thực tế hơn là: robot có thực hiện thành công hành động mà mô hình dự đoán trong điều kiện vật lý hay không? Nếu hệ thống hiểu sai va chạm, chuyển động hoặc trạng thái của vật thể, lỗi đó có thể lộ ra khi robot tương tác với thế giới thật.

Robot vừa là người dùng, vừa là nguồn dữ liệu và công cụ kiểm tra

Lập luận của các diễn giả dựa trên một vòng phản hồi giữa mô hình thế giới và trí tuệ hiện thân:

1. Mô hình thế giới hỗ trợ robot bằng cách dự đoán môi trường sẽ thay đổi ra sao và hệ quả có thể xảy ra của từng hành động.
2. Robot hỗ trợ mô hình thế giới bằng cách tạo dữ liệu tương tác gắn với hành động, đồng thời cho phản hồi trực tiếp về việc dự báo có đúng trong điều kiện vật lý hay không.
3. Triển khai, thu thập dữ liệu và huấn luyện lại liên tục có thể rút ngắn chu kỳ cải tiến dữ liệu, thiết kế mô hình và phương pháp đánh giá.

Quy mô trưng bày tại WAIC là lý do các diễn giả coi đây là một luận điểm đáng chú ý. Hướng dẫn chính thức của WAIC từ Thượng Hải cho biết có hơn 300 robot xuất hiện trong các kịch bản ứng dụng động, từ sản xuất đến đời sống và giải trí; trong khi một nguồn khác ghi nhận hơn 200 công ty AI hiện thân và robot góp mặt. 108

Điều đó không chứng minh bất kỳ quốc gia nào đã có lợi thế dữ liệu mang tính quyết định. Nhưng nó làm rõ logic chiến lược: một nền tảng robot lớn và đa dạng có thể mở rộng cả cơ hội thu thập dữ liệu tương tác lẫn số tình huống để kiểm tra liệu dự đoán vật lý của mô hình có thực sự hữu ích hay không.

Mật độ chuỗi cung ứng có thể rút ngắn chu kỳ thử nghiệm

Phiên thảo luận cũng nhấn mạnh kiểu phối hợp phần cứng mang màu sắc Thâm Quyến: nhà cung cấp linh kiện, đơn vị tích hợp, hãng sản xuất robot và nhóm phần mềm có thể ở gần nhau về địa lý lẫn thương mại. Nhờ vậy, quãng đường từ một lỗi mô hình đến một thí nghiệm mới có thể ngắn hơn.

Lợi thế, theo lập luận này, không chỉ là phần cứng rẻ hơn. Đó là khả năng thay đổi bộ cảm biến, cơ cấu chấp hành ở đầu robot, quy trình thu thập dữ liệu hoặc cấu hình robot; sau đó nhanh chóng đưa dữ liệu mới quay lại vòng huấn luyện. Với AI vật lý, chất lượng mô hình gắn chặt với máy móc, cảm biến và môi trường đã dùng để thu thập cũng như xác thực dữ liệu.

Dù vậy, đây vẫn là một đề xuất chiến lược, chưa phải bảo chứng cho vị thế dẫn đầu công nghệ. Chuỗi cung ứng phản hồi nhanh có thể đẩy nhanh thử nghiệm, nhưng không tự giải quyết các bài toán về khả năng khái quát hóa, an toàn, độ tin cậy hay hiệu quả thương mại.

Kiến trúc mô hình là nửa còn lại của luận điểm

Nghiên cứu về mô hình thế giới–hành động của Shengshu Technology là một ví dụ cụ thể cho hướng tiếp cận dựa vào kiến trúc. MotuBrain đặt video và hành động trong một khuôn khổ sinh chung; theo đó, mô hình chính sách, mô hình thế giới, sinh video, động lực học nghịch và dự đoán chung video–hành động trở thành các chế độ suy luận khác nhau của cùng một mô hình. 32

Shengshu cho biết MotuBrain cùng lúc mô hình hóa năng lực hiểu, dự đoán và hành động, với mục tiêu tăng hiệu quả sử dụng dữ liệu dị thể và cải thiện khả năng chuyển giao giữa các tác vụ. 33 Nói đơn giản, đây là nỗ lực thu hẹp khoảng cách giữa hệ thống quan sát thế giới, dự báo diễn biến của nó và lựa chọn hành động.

Ý nghĩa ở đây không phải một kiến trúc công bố đơn lẻ đã giải quyết cả lĩnh vực. Nó minh họa cho lý do các diễn giả tin thiết kế mô hình có thể tạo đòn bẩy: nếu một khuôn khổ tái sử dụng được thông tin giữa video, hành động và dự báo vật lý, năng lực hữu ích có thể không tăng theo tỷ lệ một đổi một với năng lực tính toán.

Hướng tiếp cận “vật lý trước”

EvoPhys.ai được giới thiệu là tiếp cận nút thắt này từ hướng khác: học các quy luật vật lý từ những tương tác cơ bản, thay vì chủ yếu dựa vào kho video đã được tuyển chọn ở quy mô rất lớn. Mục tiêu là xây dựng mô hình bám sát hơn với lực, tiếp xúc, chuyển động và hệ quả của hành động.

Hoạt động liên quan cũng xuất hiện tại WAIC. TrendForce đưa tin Moore Threads đã trình diễn việc huấn luyện hoàn chỉnh EvoPhys-World của Đại học Bắc Kinh — được mô tả là mô hình thế giới 5D — trên hạ tầng tính toán trong nước. 9 Thông tin này xác nhận có hoạt động nghiên cứu và triển khai trong hướng kỹ thuật đó, nhưng không tự mình kiểm chứng các tuyên bố rộng hơn về hiệu quả dữ liệu, năng lực so sánh hay vị thế dẫn đầu quốc gia.

Cơ hội “Thái Sơn”: vừa là đỉnh cao, vừa là gánh nặng

Ẩn dụ “Thái Sơn” gói gọn hai mặt của lập luận.

Cơ hội: Nếu mô hình thế giới trở thành lớp nền tảng cho robot, hệ thống tự hành và mô phỏng, các nhóm đi sớm có thể góp phần định hình chuẩn dữ liệu, cách đánh giá suy luận vật lý, loại robot được hỗ trợ và ứng dụng tạo ra giá trị thực. Khi chưa có người dẫn đầu toàn cầu hay mô hình sản phẩm đã ổn định, doanh nghiệp tiên phong có thêm không gian để định nghĩa cuộc chơi.

Gánh nặng: Chính việc chưa có khuôn mẫu lại làm rủi ro thực thi cao hơn. Startup phải đưa ra những lựa chọn tốn kém về đường ống dữ liệu, nền tảng phần cứng, kiến trúc, phương pháp đánh giá, khách hàng và mô hình kinh doanh trước khi thị trường cho thấy lựa chọn nào bền vững. Việc xác thực trong thế giới vật lý cũng có thể chậm và đắt hơn so với đánh giá một mô hình chỉ chạy trên phần mềm.

Vì thế, không nên hiểu lập luận tại phiên thảo luận là tuyên bố Trung Quốc đã thắng cuộc đua mô hình thế giới. Đây là nhận định về hình dạng của cạnh tranh: trong một lĩnh vực nơi mô hình phải học từ và hành động trong thế giới vật lý, tốc độ lặp, chất lượng dữ liệu và kiến trúc có thể trở thành biến số chiến lược bên cạnh năng lực tính toán.

Những dấu hiệu đáng theo dõi

Luận điểm này sẽ được kiểm nghiệm bằng kết quả thực tế hơn là câu chuyện tại hội nghị, đặc biệt ở bốn điểm:

• Đánh giá độc lập: Kết quả đo năng lực dự báo vật lý và hiệu suất robot thật trong nhiều môi trường, thay vì các màn trình diễn riêng lẻ.
• Hiệu quả dữ liệu: Mô hình có cải thiện đáng kể với lượng dữ liệu tương tác khả thi về chi phí thu thập và gán nhãn hay không.
• Khả năng chuyển giao giữa các loại robot: Mô hình được huấn luyện trên một robot, bộ cảm biến hoặc tác vụ có áp dụng sang trường hợp khác mà không cần huấn luyện lại quá nhiều hay không.
• Hiệu quả kinh tế khi triển khai: Hệ thống có giúp robot an toàn hơn, ổn định hơn hoặc giảm chi phí đủ để được sử dụng thương mại lâu dài hay không.

Các nguồn hiện có xác nhận hoạt động robot sôi động tại WAIC và khuôn khổ thế giới–hành động mà Shengshu đã công bố. Chúng chưa độc lập xác lập các so sánh cụ thể về năng lực tính toán, số doanh nghiệp có thể cung cấp dữ liệu hay vị thế dẫn đầu trên toàn ngành của Trung Quốc. Vì vậy, đây nên được xem là một luận điểm chiến lược đầy tham vọng — và độ thuyết phục của nó sẽ phụ thuộc vào những kết quả lặp lại được trong môi trường thực. 8103233