Runway đặt cược vào AI “world model”: Khi video có thể giúp máy hiểu vật lý tốt hơn ngôn ngữ

Thay vì chỉ tạo ra một đoạn video hoàn chỉnh, hệ thống kiểu này hướng tới việc tạo cả một thế giới ảo có thể khám phá và điều khiển—giống như một môi trường mô phỏng động.

Vì sao Runway tin video có thể vượt AI dựa trên văn bản

Phần lớn các hệ thống AI hiện nay—đặc biệt là mô hình ngôn ngữ lớn—được huấn luyện chủ yếu từ văn bản trên internet. Theo các nhà sáng lập Runway, điều này giúp AI học cách con người mô tả thế giới, nhưng không nhất thiết hiểu cách thế giới thực sự hoạt động.

Video mang lại loại dữ liệu khác: nó ghi lại những thay đổi liên tục của môi trường theo thời gian. Khi huấn luyện trên video, mô hình có thể học được các quy luật như:

• chuyển động và quán tính
• quan hệ nhân quả
• mối quan hệ không gian giữa các vật thể
• ánh sáng, góc nhìn và chuyển động camera
• sự tồn tại liên tục của vật thể và va chạm

Vì video ghi lại các sự kiện đang diễn ra, nó cung cấp bằng chứng trực tiếp về động lực học vật lý, thay vì chỉ mô tả bằng lời. Runway cho rằng loại dữ liệu quan sát này có thể rất quan trọng để xây dựng AI hiểu được thế giới vật lý.

Theo tầm nhìn đó, AI tạo video không chỉ là công cụ sáng tạo—mà còn là nền tảng dữ liệu để huấn luyện những hệ thống có thể mô phỏng thực tế.

Ứng dụng tiềm năng vượt xa ngành media

Hiện tại Runway chủ yếu phục vụ các nhà sáng tạo nội dung và ngành điện ảnh. Nhưng nếu world models trưởng thành, phạm vi ứng dụng có thể rộng hơn nhiều, chẳng hạn:

• robot dự đoán cách vật thể và môi trường phản ứng
• thế giới game tương tác được AI tạo và mô phỏng
• môi trường ảo phục vụ nghiên cứu khoa học
• mô phỏng cho các hệ thống tự động hoặc tự hành

Trong các lĩnh vực này, lợi thế quan trọng là khả năng dự đoán sự thay đổi của môi trường theo thời gian, chứ không chỉ tạo ra văn bản hay hình ảnh tĩnh.

Nguồn vốn và hạ tầng tính toán khổng lồ

Huấn luyện world models đòi hỏi lượng tính toán rất lớn. Để hỗ trợ tham vọng này, Runway đã huy động 315 triệu USD trong vòng Series E với định giá khoảng 5,3 tỷ USD vào năm 2026. Các nhà đầu tư gồm General Atlantic, Nvidia, Adobe Ventures và AMD Ventures.

Theo công ty, nguồn vốn mới sẽ được dùng để huấn luyện thế hệ world models tiếp theo và mở rộng ứng dụng sang nhiều ngành công nghiệp.

Runway cũng hợp tác với Nvidia để tận dụng các nền tảng GPU mới như kiến trúc Rubin, giúp tăng tốc nghiên cứu video và world models.

Cuộc đua world model đang ngày càng đông đúc

Runway không phải là công ty duy nhất theo đuổi hướng đi này. Nhiều phòng thí nghiệm AI lớn và startup cũng đang nghiên cứu các hệ thống có thể hiểu môi trường thay vì chỉ xử lý ngôn ngữ.

Những đối thủ tiềm năng bao gồm các tổ chức nghiên cứu lớn như Google và OpenAI, cùng nhiều startup đang xây dựng AI đa phương thức kết hợp dữ liệu văn bản, video và 3D.

Các tổ chức này thường có đội ngũ nghiên cứu lớn hơn và khả năng tiếp cận hạ tầng tính toán mạnh hơn, khiến cuộc đua trở nên đặc biệt cạnh tranh.

Thách thức kỹ thuật vẫn còn lớn

Ngay cả khi AI tạo video đã tiến bộ nhanh chóng, vẫn còn một câu hỏi quan trọng: liệu việc tạo video chân thực có đồng nghĩa với việc hiểu vật lý hay không?

Một mô hình có thể tạo ra cảnh quay trông thuyết phục, nhưng điều đó chưa chắc chứng minh rằng nó có thể dự đoán chính xác động lực học trong thế giới thực. Nhiều nhà nghiên cứu vẫn tranh luận liệu các mô hình video hiện nay có thực sự học được quy luật vật lý hay chỉ tái tạo các mẫu từ dữ liệu huấn luyện.

Điều đó khiến chiến lược của Runway trở thành một canh bạc công nghệ lớn.

Nếu world models thực sự trở thành nền tảng cho AI hiểu thế giới vật lý, việc Runway tập trung sớm vào video có thể mang lại lợi thế chiến lược. Nhưng nếu công nghệ này vẫn chỉ dừng ở mức công cụ sáng tạo, các đối thủ với nguồn lực tính toán lớn hơn có thể chiếm ưu thế.

Hiện tại, Runway đang đặt mình ở giao điểm giữa AI sáng tạo và mô phỏng vật lý—với niềm tin rằng trí tuệ nhân tạo trong tương lai sẽ không chỉ học từ văn bản, mà còn từ việc quan sát thế giới đang diễn ra.