Zalando đầu tư 6 triệu USD vào Sereact: Bên trong vòng gọi vốn Series B 116 triệu USD và robot xử lý hàng trả lại

Vào tháng 7 năm 2026, gã khổng lồ thương mại điện tử châu Âu Zalando đã thực hiện một khoản đầu tư chiến lược vào Sereact, một startup robot kho bãi có trụ sở tại Stuttgart (Đức), nâng vòng gọi vốn Series B của công ty này lên 116 triệu USD . Động thái này không chỉ là một canh bạc tài chính đơn thuần—mà là một biện pháp phòng hộ trực tiếp cho một trong những nút thắt cổ chai tốn kém nhất của ngành thương mại điện tử thời trang: hàng trả lại. Khoảng một nửa số đơn hàng trên Zalando được gửi trả về, và việc xử lý số hàng này một cách thủ công rất chậm, tốn nhiều nhân công và chi phí . Nền tảng AI vật lý (Physical AI) của Sereact, được xây dựng xung quanh bộ não Cortex và đội bay gồm hơn 200 hệ thống đang hoạt động trên khắp châu Âu, được thiết kế để tự động hóa chính xác quy trình này .

Tại sao Zalando đầu tư: Hàng trả lại là vấn đề 6 triệu USD đáng để giải quyết

Zalando đã đóng góp khoảng 6 triệu USD với tư cách là nhà đầu tư chiến lược, nâng vòng gọi vốn từ 110 triệu USD do Headline dẫn đầu vào tháng 4 năm 2026 lên 116 triệu USD . Ý nghĩa của việc này là hai mặt. Thứ nhất, khoản đầu tư giải quyết vấn đề nhức nhối của chính Zalando: mỗi món hàng trả lại phải được mở ra, kiểm tra, gấp lại và đưa vào kho, một quy trình mà trạm robot hai tay của Sereact được xây dựng để xử lý từ đầu đến cuối . Thứ hai, sự tham gia của Zalando đóng vai trò như một tín hiệu xác nhận mạnh mẽ. Zalando không chỉ là một nhà đầu tư tài chính thụ động; họ là một khách hàng chiến lược kiêm nhà đầu tư, đặt uy tín vận hành của chính mình vào luận điểm AI vật lý .

Bộ não Cortex: Một lõi AI duy nhất cho mọi robot

Trung tâm của nền tảng Sereact là Cortex, một mô hình thị giác-ngôn ngữ-hành động (VLA) hoạt động như một hệ điều hành AI phổ quát cho robot . Cortex chạy trên nhiều phần cứng khác nhau—các trạm pick hàng một tay, trạm xử lý hàng trả lại hai tay, robot hình người và các trạm cố định—mà không cần phải huấn luyện lại cho từng dạng robot . Vì nó lập kế hoạch trong không gian tiềm ẩn trực quan (visual latent space) thay vì các lệnh khớp cụ thể của robot, một kỹ năng học được trên một loại robot có thể được chuyển giao trực tiếp sang loại khác .

Tự động hóa trả hàng bằng robot hai tay: Giải pháp cho cơn đau đầu lớn nhất của ngành thời trang

Trạm robot hai tay của Sereact được chế tạo dành riêng cho quy trình trả hàng . Nó có thể tự động mở các gói hàng và hộp giày, lấy sản phẩm ra, kiểm tra hư hỏng hoặc bất thường, gấp quần áo (kể cả quần jean), quét mã vạch và nhãn mác, sau đó phân loại hàng để đưa trở lại kho, đi sửa chữa hoặc tiêu hủy . Hệ thống này mô phỏng khả năng phán đoán của một nhân viên kho hàng lành nghề nhưng hoạt động nhất quán trong mọi ca làm việc và cho mọi nhãn hàng . Điều này trực tiếp nhắm vào nút thắt cổ chai hậu cần cứng đầu nhất của ngành thời trang: sự khó lường và cường độ lao động trong việc xử lý hàng trả lại .

Vòng xoay dữ liệu (Data Flywheel): Hơn 1 tỷ lần 'pick' thực tế

Lợi thế cấu trúc chính của Sereact là vòng xoay dữ liệu khép kín . Hơn 200 hệ thống Sereact đang hoạt động trên khắp châu Âu với các khách hàng như Daimler Truck, Mercedes-Benz, BMW, PepsiCo, Austrian Post (Bưu điện Áo) và Rohlik Group . Các hệ thống này đã hoàn thành hơn một tỷ lần 'pick' hàng thực tế trong sản xuất—không phải dữ liệu mô phỏng hay trong phòng thí nghiệm, mà là các lần pick thực tế từ hoạt động vận hành . Mỗi lần pick, dù thành công, thất bại hay được khôi phục, đều được ghi lại đồng bộ với các quan sát, trạng thái robot và phản hồi lực, sau đó được đưa trở lại vào một mô hình tập trung, liên tục được huấn luyện lại và triển khai lại trên toàn bộ đội bay . Đội bay này đã đạt được tỷ lệ độ tin cậy khoảng một lần can thiệp từ xa cho mỗi 53.000 lần pick .

Cortex 2.0: Từ 'Thử và Xem' đến 'Lập kế hoạch và Thử'

Cortex 2.0, mô hình thế hệ tiếp theo mà số tiền từ Series B được phân bổ cụ thể để mở rộng quy mô, bổ sung cho mô hình VLA hiện tại một mô hình thế giới (world model) đã được học, có khả năng mô phỏng vật lý và hành vi của đồ vật . Thay vì hành động và sửa lỗi một cách phản ứng, robot hiện có thể tạo ra nhiều quỹ đạo tương lai tiềm năng từ trạng thái hiện tại, đánh giá từng quỹ đạo dựa trên mô hình thế giới về tính ổn định, rủi ro và hiệu quả, và chỉ thực hiện nhánh được đánh giá tốt nhất—cập nhật trong thời gian thực khi bối cảnh thay đổi . Sự thay đổi mô hình này từ "thử-và-xem" sang "lập kế hoạch-và-thử" rất quan trọng cho các tác vụ rủi ro cao như lắp ráp các bộ phận chịu lực căng, đặt đồ vật dễ vỡ, và đóng bộ (kitting), chứ không chỉ là các tác vụ pick hàng đơn giản . Khả năng tính toán lập kế hoạch có thể được điều chỉnh cho từng tác vụ, dành nhiều sự dự đoán hơn cho những nơi mà thất bại gây tốn kém và ít hơn cho những nơi dễ dàng khắc phục . Nguồn vốn Series B cũng được sử dụng để mở rộng quốc tế của Sereact, bao gồm một văn phòng mới tại Boston (Mỹ) .