Generalist, startup về robot được thành lập vào năm 2024, vừa công bố một vòng gọi vốn mới giúp nâng mức định giá lên 3 tỷ USD sau khi huy động được gần 200 triệu USD. Khoản bổ sung vốn này, do 8VC dẫn đầu, đã nâng tổng số tiền gọi vốn Series B lên 600 triệu USD và cho thấy các nhà đầu tư đang nhìn thấy một lộ trình đang đến gần để tạo ra những robot có thể học các công việc mới chỉ từ vài giây video.

Sự bùng nổ về vốn và danh sách các nhà đầu tư

Các hồ sơ pháp lý cho thấy khoản rót vốn 200 triệu USD này là phần mở rộng của vòng Series B vốn đã bắt đầu với vòng gọi vốn 400 triệu USD do Radical Ventures dẫn đầu vào tháng 6. Vòng này đã bổ sung thêm những cái tên tầm cỡ như Nvidia, Union Square Ventures, Bezos Expeditions và chuyên gia tiên phong trong lĩnh vực AI Fei-Fei Li vào danh sách nhà đầu tư của Generalist. Sự tham gia của họ khẳng định niềm tin rằng một "bộ não" AI duy nhất cho nhiều nền tảng robot có thể kích hoạt một làn sóng tự động hóa mới trong các nhà máy, kho bãi và các môi trường dịch vụ.

Gen 1.5: Học từ các bản demo siêu ngắn

Thành tựu nổi bật của Generalist là mô hình nền tảng Gen 1.5. Thay vì phải lập trình thủ công từng chuyển động, mô hình này cho phép robot xem một đoạn video clip—thường chỉ dài từ ba đến mười hai giây—và sau đó tái hiện lại nhiệm vụ đã được trình diễn. Cách tiếp cận này dựa trên học bắt chước (imitation learning): AI trích xuất các tín hiệu chuyển động, sự tương tác với vật thể và thời điểm từ dữ liệu hình ảnh đầu vào, sau đó chuyển đổi chúng thành các lệnh điều khiển cho các bộ truyền động (actuators) của robot. Về lý thuyết, một robot có thể học được hàng chục kỹ năng mới mỗi tuần chỉ bằng cách xem các bản ghi ngắn, giúp cắt giảm đáng kể thời gian và chuyên môn cần thiết để triển khai tự động hóa trong các môi trường thay đổi liên tục.

"Khoảnh khắc ChatGPT" mà các nhà đầu tư đang theo đuổi

Generalist đang cạnh tranh trong một cuộc đua khốc liệt nhằm mang lại cho phần cứng bước đột phá mà các mô hình ngôn ngữ lớn đã mang lại cho phần mềm. Các đối thủ như Physical Intelligence và Skild AI (được SoftBank hậu thuẫn) đã đạt mức định giá hàng chục tỷ USD, thúc đẩy câu chuyện về một "khoảnh khắc ChatGPT" rộng lớn hơn cho ngành robot. Tiền đề rất đơn giản: một mô hình đa năng, đã được huấn luyện trước và có thể tinh chỉnh với dữ liệu tối thiểu có thể cho phép các công ty bổ sung khả năng robot mà không cần phải xây dựng lại toàn bộ các ngăn xếp điều khiển (control stacks) từ đầu.

Nút thắt dữ liệu vật lý và những ý kiến hoài nghi

Sự hào hứng này đang vấp phải một rào cản thực tế. Các mô hình ngôn ngữ lớn phát triển mạnh mẽ nhờ kho văn bản vô tận trên internet, nhưng robot cần sự tương tác vật lý để tạo ra dữ liệu huấn luyện. Các cảm biến phải ghi lại lực, sự tiếp xúc và hình học 3D, và mỗi kịch bản mới có thể yêu cầu thu thập dữ liệu mới. Một số chuyên gia cảnh báo rằng sự khan hiếm của các bộ dữ liệu vật lý đa dạng và chất lượng cao có thể khiến trí tuệ robot thực sự vạn năng còn cách xa khả năng thương mại hóa trong nhiều năm. Nếu không có một dòng chảy liên tục các bản trình diễn trong thế giới thực, ngay cả một mô hình linh hoạt như Gen 1.5 cũng có thể gặp khó khăn trong việc khái quát hóa vượt ra ngoài các môi trường mà nó đã thấy.

Những điều cần theo dõi tiếp theo

  • Thử nghiệm triển khai: Các môi trường thử nghiệm công khai tiếp theo của Generalist—dù là tại các trung tâm logistics hay dây chuyền sản xuất—sẽ tiết lộ khả năng mở rộng của Gen 1.5 từ các bản demo trong phòng thí nghiệm sang các địa điểm thực tế đầy nhiễu và khó đoán.
  • Phát triển quy trình dữ liệu: Tiến bộ trong việc thu thập dữ liệu tự động (ví dụ: các đội camera cung cấp dữ liệu cho mô hình) có thể giảm bớt nút thắt dữ liệu vật lý.
  • Các động thái cạnh tranh: Theo dõi các vòng gọi vốn và thông báo hợp tác từ các đối thủ, vì cuộc đua giành mô hình nền tảng robot đầu tiên có khả năng áp dụng rộng rãi vẫn đang ở giai đoạn chạy nước rút ban đầu.

Điểm mấu chốt: Mức định giá 3 tỷ USD của Generalist phản ánh niềm tin mạnh mẽ rằng một mô hình AI duy nhất có thể khiến robot trở nên linh hoạt như các chatbot ngày nay, nhưng con đường này phụ thuộc vào việc chuyển đổi các đoạn video ngắn thành các chuyển động thực tế, đáng tin cậy—một thách thức về kỹ thuật sẽ quyết định liệu lời hứa này có chuyển hóa thành sự tự động hóa hàng ngày hay không.