Ba Mô Hình, Ba Vai Trò

Kiến trúc mô-đun của bộ giải pháp giải quyết thách thức rời rạc trong việc xây dựng AI vật lý. Thay vì một hệ thống nguyên khối, ba mô hình riêng biệt đảm nhiệm những khả năng khác nhau nhưng có mối liên kết chặt chẽ.

Qwen-RobotManip: 'Bàn Tay Khéo Léo'

Đây là mô hình Hành động - Ngôn ngữ - Thị giác (VLA) được xây dựng trên kiến trúc Qwen3.5-4B, đóng vai trò như cánh tay điều khiển tinh xảo của bộ giải pháp . Mục đích của nó là dịch các hướng dẫn bằng ngôn ngữ tự nhiên thành những hành động vật lý chính xác cho cánh tay robot.

Chìa khóa cho sự linh hoạt đa phần cứng nằm ở biểu diễn hành động hợp nhất 80 chiều, hoạt động như một thứ "ngôn ngữ cơ thể" chung cho máy móc . Bằng cách chuẩn hóa các chỉ dẫn hành động và tính toán chuyển động tương đối so với khung hình camera thay vì tọa độ tuyệt đối, RobotManip có thể thích ứng nhanh với phần cứng mới chỉ với một chút tinh chỉnh – giống như một tài xế lão luyện làm quen với một chiếc xe lạ .

Sự khéo léo này được hậu thuẫn bởi lượng dữ liệu khổng lồ. Mô hình được huấn luyện trước trên hơn 38.100 giờ video mở ghi lại các thao tác của robot và con người, bao phủ 15 kiểu hình thái robot . Quá trình huấn luyện thống nhất, quy mô lớn này nhằm giải quyết vấn đề tụt giảm hiệu suất thường gặp khi chuyển một mô hình robot sang một nền tảng vật lý khác . Trong các bài kiểm tra đối chuẩn, các phiên bản của nó đã giành hai vị trí dẫn đầu về tỷ lệ thành công trong tác vụ, xử lý cả những công việc phức tạp như dùng hai tay lật khoai tây chiên .

Qwen-RobotNav: 'Mắt Hoa Tiêu'

Qwen-RobotNav là một mô hình Điều hướng Ngôn ngữ - Thị giác (VLN), được xây dựng trên gia đình Qwen3-VL và có sẵn ở các kích cỡ 2B, 4B và 8B tham số . Nó là cổng hành động cho các tác nhân vật lý di động, chịu trách nhiệm mang lại trí thông minh không gian và khả năng di chuyển tự động cho robot .

Điều làm Qwen-RobotNav khác biệt là khả năng hợp nhất năm tác vụ điều hướng riêng biệt trong một khuôn khổ duy nhất mà không cần chuyển đổi mô hình. Chúng bao gồm: làm theo chỉ dẫn, điều hướng đến điểm mục tiêu, điều hướng đến vật thể mục tiêu, theo dõi mục tiêu và lái xe tự động . Mô hình sử dụng một giao thức mã hóa quan sát có thể kiểm soát và giao diện công cụ, cho phép kết nối trực tiếp sự hiểu biết về ngôn ngữ - thị giác với điều khiển chuyển động . Trong thực tế, điều này có nghĩa là một robot có thể hiểu khẩu lệnh như "tìm phòng họp ở cuối hành lang" trong khi xử lý linh hoạt môi trường xung quanh để điều hướng qua các không gian lạ mà không cần bản đồ dựng sẵn .

Qwen-RobotWorld: 'Bộ Não Biết Suy Nghĩ'

Phần thứ ba, và có lẽ là có tầm nhìn xa nhất trong bộ giải pháp, là mô hình thế giới video có điều kiện ngôn ngữ, dựa trên một Máy biến áp khuếch tán đa phương thức (MMDiT) 60 lớp với một bộ mã hóa Qwen2.5-VL cố định .

Qwen-RobotWorld không chỉ nhận diện một khung cảnh; nó dự đoán khung cảnh đó sẽ thay đổi như thế nào. Bằng cách sử dụng ngôn ngữ tự nhiên như một giao diện hành động thống nhất, nó tạo ra các quỹ đạo trực quan trong tương lai dựa trên các quy luật vật lý từ quan sát hiện tại của robot . Khả năng dự đoán này bao trùm các kịch bản thao tác của robot, lái xe tự động, điều hướng trong nhà và thậm chí cả các hoạt động của con người. Mô hình được huấn luyện trên hơn 8,6 triệu cặp dữ liệu đa kịch bản và có thể mô phỏng hơn 1.300 kỹ năng thao tác trên hơn 20 kiểu hình thái robot .

Mô hình thế giới này có giá trị thực tiễn ngay lập tức: nó có thể tạo ra dữ liệu video tổng hợp để giảm bớt tình trạng thiếu hụt dữ liệu kinh niên trong AI thể hiện, đồng thời mô phỏng hậu quả của một hành động trước khi robot thực hiện nó trong thế giới thực, cải thiện độ chính xác và an toàn .

Triển Khai và Tích Hợp

Một nguyên tắc thiết kế quan trọng của Qwen-Robot Suite là tính linh hoạt trong triển khai. Các mô hình có thể được chạy độc lập cho các chức năng đơn lẻ – chẳng hạn như chỉ sử dụng Qwen-RobotNav trong một xe giao hàng trong kho – hoặc được tích hợp thành một ngăn xếp đầy đủ. Khi phối hợp cùng nhau, ba mô hình tạo thành một hệ thống vòng kín, nơi nhận thức (RobotNav và RobotManip) và dự đoán (RobotWorld) củng cố lẫn nhau, cho phép robot đồng thời "đi, thấy và suy nghĩ" .

Cách tiếp cận toàn diện này được tích hợp chặt chẽ với hệ sinh thái mô hình rộng lớn hơn của Alibaba, bao gồm mô hình tác nhân chủ lực Qwen3.7-Max, đảm nhiệm việc phân rã các tác vụ phức tạp . Sự phụ thuộc nền tảng của bộ giải pháp vào dữ liệu mã nguồn mở và các bản phát hành mô hình công khai cũng hoàn toàn phù hợp với chiến lược thu hút sự chấp nhận quy mô lớn từ cộng đồng nhà phát triển của Alibaba .

Từ Chatbot Đến Tác Nhân Vật Lý: Bước Ngoặt Chiến Lược

Sự ra mắt của Qwen-Robot không phải là một thử nghiệm bất ngờ. Nó là đỉnh cao của một quá trình tiến quân bài bản kéo dài nhiều năm từ AI kỹ thuật số thuần túy sang lĩnh vực vật lý.

Vào tháng 10 năm 2025, Justin Lin, lãnh đạo công nghệ của Qwen, đã công khai tuyên bố thành lập một đội ngũ chuyên trách về robot và AI thể hiện trong nội bộ. Ông định hình đây là bước đi hợp lý tiếp theo cho các tác nhân AI, tuyên bố rằng các mô hình đa phương thức "chắc chắn nên bước từ thế giới ảo ra thế giới thực" . Chỉ vài tháng sau, vào tháng 2 năm 2026, Alibaba ra mắt Qwen 3.5, tiếp thị nó như một mô hình cho "kỷ nguyên AI tác nhân" có khả năng thực hiện các tác vụ phức tạp, đa bước một cách tự động . Sức mạnh ngôn ngữ và suy luận này đã trở thành xương sống nhận thức cho các mô hình robot ra mắt vào tháng 6 .

Song song với phát triển nội bộ, Alibaba cũng có những động thái chiến lược bên ngoài. Đơn vị điện toán đám mây của họ đã dẫn đầu vòng gọi vốn 140 triệu USD cho công ty khởi nghiệp robot Trung Quốc X Square Robot vào năm 2025 . Chiến lược đa mũi nhọn này – R&D nội bộ, hệ sinh thái mã nguồn mở và đầu tư vào startup – đặt Qwen-Robot Suite vào một tham vọng lớn hơn: trở thành một "nhà máy AI" toàn diện cho thế hệ máy móc thông minh, hữu hình mới .

Vị Thế Cạnh Tranh và Những Điểm Chưa Chắc Chắn

Việc Alibaba gia nhập lĩnh vực AI thể hiện đặt họ vào thế cạnh tranh trực diện với các công ty như Nvidia, vốn cung cấp một ngăn xếp mô phỏng và tính toán mạnh mẽ, và ngày càng nhiều startup AI thể hiện có trụ sở tại Mỹ. Dù các nguồn tin hiện có không đưa ra so sánh hiệu suất trực tiếp nào với các đối thủ này, Qwen-Robot Suite thể hiện một đề xuất giá trị khác biệt dựa trên sự tích hợp và khả năng tiếp cận .

Bộ giải pháp là một nền tảng mở, mô-đun được thiết kế để triển khai trên phần cứng của bên thứ ba với sự thích ứng tối thiểu. Điều này trái ngược với một ngăn xếp tích hợp dọc, độc quyền, định vị Alibaba như một nhà cung cấp mô hình trung lập cho hàng loạt các nhà sản xuất robot. Tài sản lớn nhất của công ty chính là hệ sinh thái Qwen quy mô lớn hiện có, đã sản sinh ra hàng trăm mô hình mã nguồn mở với hơn 600 triệu lượt tải xuống tích lũy, tạo ra một cộng đồng nhà phát triển khổng lồ giờ đây có thể xây dựng trên nền tảng móng robot của họ .

Tuy nhiên, một mức độ không chắc chắn đáng kể vẫn tồn tại. Bộ giải pháp này mới được công bố vào tháng 6 năm 2026, và các tài liệu hiện có thiếu các chỉ số triển khai thương mại quy mô lớn hay dữ liệu về độ tin cậy dài hạn. Vẫn chưa biết các mô hình này sẽ hoạt động thế nào trước sự biến thiên của các tác vụ công nghiệp phi cấu trúc và kéo dài. Bài kiểm tra thực sự cho tham vọng AI vật lý của Alibaba sẽ là liệu sự sẵn có của các mô hình này có chuyển thành sự chấp nhận rộng rãi của toàn bộ ngành công nghiệp robot hay không.

Ba Mô Hình, Ba Vai Trò

Kiến trúc mô-đun của bộ giải pháp giải quyết thách thức rời rạc trong việc xây dựng AI vật lý. Thay vì một hệ thống nguyên khối, ba mô hình riêng biệt đảm nhiệm những khả năng khác nhau nhưng có mối liên kết chặt chẽ.

Qwen-RobotManip: 'Bàn Tay Khéo Léo'

Đây là mô hình Hành động - Ngôn ngữ - Thị giác (VLA) được xây dựng trên kiến trúc Qwen3.5-4B, đóng vai trò như cánh tay điều khiển tinh xảo của bộ giải pháp . Mục đích của nó là dịch các hướng dẫn bằng ngôn ngữ tự nhiên thành những hành động vật lý chính xác cho cánh tay robot.

Chìa khóa cho sự linh hoạt đa phần cứng nằm ở biểu diễn hành động hợp nhất 80 chiều, hoạt động như một thứ "ngôn ngữ cơ thể" chung cho máy móc . Bằng cách chuẩn hóa các chỉ dẫn hành động và tính toán chuyển động tương đối so với khung hình camera thay vì tọa độ tuyệt đối, RobotManip có thể thích ứng nhanh với phần cứng mới chỉ với một chút tinh chỉnh – giống như một tài xế lão luyện làm quen với một chiếc xe lạ .

Sự khéo léo này được hậu thuẫn bởi lượng dữ liệu khổng lồ. Mô hình được huấn luyện trước trên hơn 38.100 giờ video mở ghi lại các thao tác của robot và con người, bao phủ 15 kiểu hình thái robot . Quá trình huấn luyện thống nhất, quy mô lớn này nhằm giải quyết vấn đề tụt giảm hiệu suất thường gặp khi chuyển một mô hình robot sang một nền tảng vật lý khác . Trong các bài kiểm tra đối chuẩn, các phiên bản của nó đã giành hai vị trí dẫn đầu về tỷ lệ thành công trong tác vụ, xử lý cả những công việc phức tạp như dùng hai tay lật khoai tây chiên .

Qwen-RobotNav: 'Mắt Hoa Tiêu'

Qwen-RobotNav là một mô hình Điều hướng Ngôn ngữ - Thị giác (VLN), được xây dựng trên gia đình Qwen3-VL và có sẵn ở các kích cỡ 2B, 4B và 8B tham số . Nó là cổng hành động cho các tác nhân vật lý di động, chịu trách nhiệm mang lại trí thông minh không gian và khả năng di chuyển tự động cho robot .

Điều làm Qwen-RobotNav khác biệt là khả năng hợp nhất năm tác vụ điều hướng riêng biệt trong một khuôn khổ duy nhất mà không cần chuyển đổi mô hình. Chúng bao gồm: làm theo chỉ dẫn, điều hướng đến điểm mục tiêu, điều hướng đến vật thể mục tiêu, theo dõi mục tiêu và lái xe tự động . Mô hình sử dụng một giao thức mã hóa quan sát có thể kiểm soát và giao diện công cụ, cho phép kết nối trực tiếp sự hiểu biết về ngôn ngữ - thị giác với điều khiển chuyển động . Trong thực tế, điều này có nghĩa là một robot có thể hiểu khẩu lệnh như "tìm phòng họp ở cuối hành lang" trong khi xử lý linh hoạt môi trường xung quanh để điều hướng qua các không gian lạ mà không cần bản đồ dựng sẵn .

Qwen-RobotWorld: 'Bộ Não Biết Suy Nghĩ'

Phần thứ ba, và có lẽ là có tầm nhìn xa nhất trong bộ giải pháp, là mô hình thế giới video có điều kiện ngôn ngữ, dựa trên một Máy biến áp khuếch tán đa phương thức (MMDiT) 60 lớp với một bộ mã hóa Qwen2.5-VL cố định .

Qwen-RobotWorld không chỉ nhận diện một khung cảnh; nó dự đoán khung cảnh đó sẽ thay đổi như thế nào. Bằng cách sử dụng ngôn ngữ tự nhiên như một giao diện hành động thống nhất, nó tạo ra các quỹ đạo trực quan trong tương lai dựa trên các quy luật vật lý từ quan sát hiện tại của robot . Khả năng dự đoán này bao trùm các kịch bản thao tác của robot, lái xe tự động, điều hướng trong nhà và thậm chí cả các hoạt động của con người. Mô hình được huấn luyện trên hơn 8,6 triệu cặp dữ liệu đa kịch bản và có thể mô phỏng hơn 1.300 kỹ năng thao tác trên hơn 20 kiểu hình thái robot .

Mô hình thế giới này có giá trị thực tiễn ngay lập tức: nó có thể tạo ra dữ liệu video tổng hợp để giảm bớt tình trạng thiếu hụt dữ liệu kinh niên trong AI thể hiện, đồng thời mô phỏng hậu quả của một hành động trước khi robot thực hiện nó trong thế giới thực, cải thiện độ chính xác và an toàn .

Triển Khai và Tích Hợp

Một nguyên tắc thiết kế quan trọng của Qwen-Robot Suite là tính linh hoạt trong triển khai. Các mô hình có thể được chạy độc lập cho các chức năng đơn lẻ – chẳng hạn như chỉ sử dụng Qwen-RobotNav trong một xe giao hàng trong kho – hoặc được tích hợp thành một ngăn xếp đầy đủ. Khi phối hợp cùng nhau, ba mô hình tạo thành một hệ thống vòng kín, nơi nhận thức (RobotNav và RobotManip) và dự đoán (RobotWorld) củng cố lẫn nhau, cho phép robot đồng thời "đi, thấy và suy nghĩ" .

Cách tiếp cận toàn diện này được tích hợp chặt chẽ với hệ sinh thái mô hình rộng lớn hơn của Alibaba, bao gồm mô hình tác nhân chủ lực Qwen3.7-Max, đảm nhiệm việc phân rã các tác vụ phức tạp . Sự phụ thuộc nền tảng của bộ giải pháp vào dữ liệu mã nguồn mở và các bản phát hành mô hình công khai cũng hoàn toàn phù hợp với chiến lược thu hút sự chấp nhận quy mô lớn từ cộng đồng nhà phát triển của Alibaba .

Từ Chatbot Đến Tác Nhân Vật Lý: Bước Ngoặt Chiến Lược

Sự ra mắt của Qwen-Robot không phải là một thử nghiệm bất ngờ. Nó là đỉnh cao của một quá trình tiến quân bài bản kéo dài nhiều năm từ AI kỹ thuật số thuần túy sang lĩnh vực vật lý.

Vào tháng 10 năm 2025, Justin Lin, lãnh đạo công nghệ của Qwen, đã công khai tuyên bố thành lập một đội ngũ chuyên trách về robot và AI thể hiện trong nội bộ. Ông định hình đây là bước đi hợp lý tiếp theo cho các tác nhân AI, tuyên bố rằng các mô hình đa phương thức "chắc chắn nên bước từ thế giới ảo ra thế giới thực" . Chỉ vài tháng sau, vào tháng 2 năm 2026, Alibaba ra mắt Qwen 3.5, tiếp thị nó như một mô hình cho "kỷ nguyên AI tác nhân" có khả năng thực hiện các tác vụ phức tạp, đa bước một cách tự động . Sức mạnh ngôn ngữ và suy luận này đã trở thành xương sống nhận thức cho các mô hình robot ra mắt vào tháng 6 .

Song song với phát triển nội bộ, Alibaba cũng có những động thái chiến lược bên ngoài. Đơn vị điện toán đám mây của họ đã dẫn đầu vòng gọi vốn 140 triệu USD cho công ty khởi nghiệp robot Trung Quốc X Square Robot vào năm 2025 . Chiến lược đa mũi nhọn này – R&D nội bộ, hệ sinh thái mã nguồn mở và đầu tư vào startup – đặt Qwen-Robot Suite vào một tham vọng lớn hơn: trở thành một "nhà máy AI" toàn diện cho thế hệ máy móc thông minh, hữu hình mới .

Vị Thế Cạnh Tranh và Những Điểm Chưa Chắc Chắn

Việc Alibaba gia nhập lĩnh vực AI thể hiện đặt họ vào thế cạnh tranh trực diện với các công ty như Nvidia, vốn cung cấp một ngăn xếp mô phỏng và tính toán mạnh mẽ, và ngày càng nhiều startup AI thể hiện có trụ sở tại Mỹ. Dù các nguồn tin hiện có không đưa ra so sánh hiệu suất trực tiếp nào với các đối thủ này, Qwen-Robot Suite thể hiện một đề xuất giá trị khác biệt dựa trên sự tích hợp và khả năng tiếp cận .

Bộ giải pháp là một nền tảng mở, mô-đun được thiết kế để triển khai trên phần cứng của bên thứ ba với sự thích ứng tối thiểu. Điều này trái ngược với một ngăn xếp tích hợp dọc, độc quyền, định vị Alibaba như một nhà cung cấp mô hình trung lập cho hàng loạt các nhà sản xuất robot. Tài sản lớn nhất của công ty chính là hệ sinh thái Qwen quy mô lớn hiện có, đã sản sinh ra hàng trăm mô hình mã nguồn mở với hơn 600 triệu lượt tải xuống tích lũy, tạo ra một cộng đồng nhà phát triển khổng lồ giờ đây có thể xây dựng trên nền tảng móng robot của họ .

Tuy nhiên, một mức độ không chắc chắn đáng kể vẫn tồn tại. Bộ giải pháp này mới được công bố vào tháng 6 năm 2026, và các tài liệu hiện có thiếu các chỉ số triển khai thương mại quy mô lớn hay dữ liệu về độ tin cậy dài hạn. Vẫn chưa biết các mô hình này sẽ hoạt động thế nào trước sự biến thiên của các tác vụ công nghiệp phi cấu trúc và kéo dài. Bài kiểm tra thực sự cho tham vọng AI vật lý của Alibaba sẽ là liệu sự sẵn có của các mô hình này có chuyển thành sự chấp nhận rộng rãi của toàn bộ ngành công nghiệp robot hay không.