Zalando chi 6 triệu USD đầu tư vào 'bộ não robot' Sereact: Giải pháp AI cho nỗi đau tỷ đô của ngành thời trang

Bộ não Cortex: Một AI cho mọi robot

Trọng tâm công nghệ của Sereact là Cortex, một hệ điều hành AI đa năng được xây dựng dưới dạng mô hình VLA (Vision-Language-Action - Thị giác-Ngôn ngữ-Hành động) . Thay vì bán phần cứng robot, Sereact bán một 'bộ não' phần mềm có thể được tích hợp vào các robot hiện có – từ tay gắp đơn lẻ đến robot hình người hoặc các trạm tự động hóa cố định . Cortex giải thích dữ liệu hình ảnh, hiểu các lệnh bằng ngôn ngữ tự nhiên và thực hiện các tác vụ thao tác một cách tự động, cho phép người vận hành chuyển hướng robot sang một nhiệm vụ mới mà không cần viết lại mã .

Trạm tay đôi xử lý hàng trả: 'Mảnh ghép' còn thiếu của ngành thời trang

Trạm robot tay đôi (dual-arm) của Sereact được thiết kế riêng cho quy trình xử lý hàng trả – vốn lâu nay vẫn là một nút thắt tốn kém và phụ thuộc nhiều vào thủ công. Hệ thống có thể tự động mở gói hàng, lấy sản phẩm ra, kiểm tra và phân loại tình trạng, gấp quần áo, và sắp xếp chúng trở lại kho – tất cả đều không cần sự can thiệp của con người . Được hỗ trợ bởi Cortex, hệ thống còn sử dụng Sereact Lens, một lớp cảm nhận 3D để kiểm tra trực quan và đánh giá chất lượng . Theo thông tin trên trang sản phẩm của Sereact, trạm này mang lại năng suất ổn định xuyên suốt tất cả các ca làm việc mà không cần phân loại thủ công .

Tác động là có thể đo lường được: mô hình định giá theo sản phẩm của Sereact được ước tính giúp cắt giảm chi phí xử lý hàng trả khoảng 30% so với làm thủ công . Đối với một công ty như Zalando, nơi hàng trả lại là một trung tâm chi phí khổng lồ, hiệu quả này mang tính cách mạng.

Vòng lặp dữ liệu: Hơn một tỷ lần pick hàng

Các hệ thống của Sereact đã hoàn thành hơn một tỷ lượt pick hàng thực tế trên hơn 200 hệ thống đang được triển khai trên khắp châu Âu . Quan trọng hơn, chỉ có khoảng 1/53.000 lần pick cần có sự can thiệp từ xa của con người, và hệ thống đạt tỷ lệ pick thành công hơn 99% với năng suất điển hình từ 300-450 đơn vị mỗi giờ cho mỗi trạm . (Lưu ý: Trang chủ của Sereact hiện trích dẫn "500 triệu lượt pick thực tế" trong khi thông báo Series B đưa ra con số "1 tỷ+"; điều này có thể phản ánh một bộ đếm luân chuyển hoặc phương pháp thống kê khác nhau ).

Lượng dữ liệu thực tế đó chính là nhiên liệu: mỗi lần pick đều giúp huấn luyện và cải thiện mô hình, tạo ra một vòng lặp dữ liệu mạnh mẽ mà các đối thủ chỉ dựa vào phòng thí nghiệm không thể sao chép . Khách hàng của Sereact bao gồm Active Ants, Austrian Post, BMW, bol., Daimler Truck, DeltiLog, Mercedes-Benz, Monta, MS Direct, PepsiCo và Rohlik Group .

Cortex 2.0: Lập kế hoạch trước khi hành động

Cortex 2.0 được phát hành vào tháng 2 năm 2026, là mô hình thế hệ tiếp theo giới thiệu khả năng lập kế hoạch dựa trên mô hình thế giới (world model), chồng lên kiến trúc VLA hiện tại . Trong khi các phiên bản trước hoạt động trên cơ chế "thấy và làm", Cortex 2.0 đánh giá nhiều kết quả tương lai khả thi trước khi quyết định một hành động, chấm điểm từng kết quả dựa trên mức độ tiến triển, tính ổn định, rủi ro và hiệu quả . Cách tiếp cận mang tính dự đoán và quyết định này được thiết kế để giảm thiểu các lỗi tốn kém, số lần thử lại và các sự cố phục hồi trong môi trường sản xuất thông lượng cao .

Nguồn vốn từ Series B – bao gồm cả khoản đầu tư của Zalando – được dành riêng để mở rộng quy mô Cortex 2.0 và tài trợ cho kế hoạch mở rộng quốc tế của Sereact, bao gồm văn phòng đầu tiên tại Mỹ ở Boston .

Ý nghĩa đối với robot kho bãi

Sereact đang xây dựng một bộ não robot phổ quát, có khả năng tự cải thiện cho các tác vụ vật lý. Khoản đầu tư của Zalando xác nhận rằng công nghệ này đã vượt ra khỏi các bản demo trong phòng thí nghiệm để đạt đến độ tin cậy sản xuất, với tỷ lệ lỗi khoảng 1/53.000 lần pick. Trạm tay đôi xử lý hàng trả trực tiếp giải quyết vấn đề hàng trả trị giá hàng tỷ đô la của ngành thời trang, trong khi kiến trúc mô hình thế giới của Cortex 2.0 nhằm thúc đẩy robot kho bãi từ tự động hóa phản ứng sang ra quyết định tự chủ thực sự ở quy mô lớn.

Tín hiệu chiến lược rất rõ ràng: ranh giới tiếp theo của hiệu quả thương mại điện tử sẽ không đến từ việc pick hàng nhanh hơn, mà đến từ những bộ não AI có thể lập kế hoạch, học hỏi từ mọi tương tác và làm việc trên bất kỳ loại phần cứng robot nào.