Thế giới ảo từ thời metaverse đón 'cư dân' robot

Tác giả: Zen, PANews

Ngày 8 tháng 9, một công ty khởi nghiệp Mỹ tên Antioch đã hoàn tất vòng gọi vốn Series A trị giá 32 triệu USD, do Greylock, một quỹ đầu tư mạo hiểm danh tiếng ở Thung lũng Silicon, dẫn đầu. Cộng với vòng hạt giống 8,5 triệu USD hoàn tất đầu năm, công ty mới thành lập hơn một năm này đã huy động tổng cộng 40,5 triệu USD.

Hướng đi chính của Antioch là đưa robot, cảm biến, hệ thống phần mềm và môi trường vận hành trong thực tế vào máy tính, rồi huấn luyện, thử nghiệm và xác minh máy móc ở quy mô lớn trong một thế giới số gần giống thực tế nhất có thể. Những sự cố và kịch bản cực đoan vốn tốn kém, khó lặp lại, thậm chí nguy hiểm trong thực tế đều có thể tái diễn liên tục tại đây.

Antioch không phải trường hợp duy nhất. Khi Physical AI trở thành hướng đầu tư mới của ngành AI, một loạt công ty xoay quanh không gian 3D, bản sao số, mô phỏng vật lý và dữ liệu tổng hợp đang thu hút sự chú ý trở lại của giới đầu tư. Vấn đề họ đang cố giải quyết thực chất đều là làm sao tạo ra một thế giới trong máy tính đủ gần với thực tế.

Chỉ nhìn vào những mô tả như "xây dựng thế giới ảo, tái tạo kịch bản thực tế", người ta dễ liên tưởng đến làn sóng công nghệ "metaverse" trước đây. Nhưng điểm khác biệt là Antioch không làm ra sản phẩm để người dùng đeo kính VR dạo chơi trong thế giới ảo. Lần này, đối tượng thực sự cần "sống" lâu dài trong thế giới ảo là robot.

Thế giới ảo không hề biến mất, chỉ là lần này, "cư dân" sống trong đó đã thay đổi.

Con người không sống trong metaverse

Tháng 8 năm 2021, tại SIGGRAPH, hội nghị đồ họa máy tính quan trọng nhất thế giới, NVIDIA công bố mở rộng nền tảng Omniverse. Khi đó, định vị của NVIDIA rất rõ ràng: Omniverse là một nền tảng dùng cho mô phỏng và cộng tác 3D, đồng thời đang "đặt nền móng cho metaverse".

Ý tưởng cốt lõi của nó là đưa nội dung 3D vốn phân tán trong các phần mềm khác nhau vào cùng một thế giới ảo.

Một trong những công nghệ nền tảng rất quan trọng là USD, tức Universal Scene Description (Mô tả cảnh phổ quát). Đây là chuẩn mô tả cảnh 3D do Pixar phát triển ban đầu cho sản xuất phim hoạt hình phức tạp và sau đó được mã nguồn mở. Hiểu đơn giản, nó giống như một "ngôn ngữ chung" của thế giới 3D: một cảnh ảo có những vật thể nào, chúng ở đâu, dùng chất liệu gì, chuyển động ra sao và quan hệ với nhau thế nào, tất cả đều có thể được tổ chức thông qua USD.

Vì vậy, các nhà thiết kế dùng phần mềm mô hình 3D như Blender, các họa sĩ dùng Adobe Substance 3D để tạo kết cấu và chất liệu, cũng như các kỹ sư dùng các phần mềm kỹ thuật khác nhau, có thể kết nối nội dung họ tạo ra vào Omniverse thông qua USD và cộng tác trong cùng một thế giới 3D.

Khi đó NVIDIA thậm chí còn mô tả tương lai này như một "Internet 3D": Internet ngày nay kết nối các trang web, Internet tương lai có thể kết nối vô số không gian 3D có thể truy cập và tương tác theo thời gian thực.

Tháng 10 cùng năm, Facebook đổi tên công ty thành Meta, đưa metaverse vào giai đoạn cuồng nhiệt nhất.

So với NVIDIA, tương lai mà Zuckerberg vẽ ra còn lớn lao hơn. Trong tầm nhìn của ông, con người không còn chỉ dùng Internet qua màn hình hai chiều, mà bước vào thế giới số có cảm giác không gian và "sự hiện diện", để họp, làm việc, giải trí, mua sắm và giao tiếp xã hội. Meta khi đó dự đoán trong khoảng mười năm tới, Metaverse có thể phủ sóng 1 tỷ người và hình thành nền kinh tế số quy mô khổng lồ.

Metaverse như một cái rổ, thứ gì cũng có thể bỏ vào. Hai năm sau đó, VR, AR, con người số, văn phòng ảo, game 3D, bản sao số, cùng các câu chuyện tài sản số như NFT, đều bị nhét vào một trí tưởng tượng thống nhất về "thế giới số quy mô lớn".

Tuy nhiên, ngành metaverse tiêu dùng đến nay vẫn chưa thành hiện thực, và rất nhiều người tham gia ban đầu đã lặng lẽ rời cuộc chơi. Meta vẫn chưa từ bỏ VR, AR và kính thông minh, nhưng Reality Labs, bộ phận hỗ trợ các mảng liên quan, vẫn là một khoản đầu tư dài hạn cực kỳ tốn kém. Năm 2025, doanh thu cả năm của Reality Labs khoảng 2,207 tỷ USD, nhưng lỗ hoạt động lên tới 19,193 tỷ USD. Meta đồng thời dự kiến mức lỗ hoạt động của bộ phận này trong năm 2026 vẫn sẽ duy trì gần mức của năm 2025.

Ngược lại, sự thay đổi của Omniverse càng đáng chú ý. Năm năm trước, NVIDIA gọi Omniverse là "nền tảng của metaverse". Giờ đây, định nghĩa trên trang web chính thức của NVIDIA đã đổi thành "một bộ thư viện và microservice dùng để phát triển các ứng dụng Physical AI".

Định hướng chiến lược và trọng tâm sản phẩm của Omniverse đã chuyển sang bản sao số công nghiệp, mô phỏng robot và phát triển xe tự hành. Bên dưới nó kết nối hàng loạt công cụ robot và Physical AI như Isaac Sim, Isaac Lab, Cosmos, PhysX, Warp. Cùng một nền tảng, nhưng câu chuyện lớn nhất mà nó gánh vác đã thay đổi.

Thực tế, lịch sử của mô phỏng robot, bản sao số công nghiệp và công cụ vật lý đều có từ lâu trước "năm metaverse". Làn sóng metaverse trước đây chỉ gom các công nghệ vốn tương đối phân tán như mô hình 3D, kết xuất thời gian thực, bản sao số, cộng tác ảo, chuẩn 3D mở và NFT vào một trí tưởng tượng thống nhất về "thế giới số quy mô lớn".

Vì vậy, sau khi metaverse thoái trào, những hạ tầng này không biến mất. Người ta chỉ dần nhận ra rằng robot có thể cần một thế giới ảo hơn cả con người.

Vì sao robot cần một thế giới ảo

Năm nay tại hội nghị GTC, khi giải thích hệ thống huấn luyện robot hình người, NVIDIA lại trình bày một "kim tự tháp dữ liệu robot" rất trực quan.

Đáy tháp là dữ liệu Internet và con người có khối lượng lớn nhất, chẳng hạn như trang web, hình ảnh, video và hồ sơ hành vi con người. Chúng gần như vô tận, có thể cho robot biết thế giới là gì và con người đang làm gì, nhưng thường không có các tín hiệu góc khớp, lực, xúc giác và điều khiển mà robot thực sự cần khi thực hiện hành động.

Đỉnh tháp là dữ liệu robot thực. Cho robot thực sự cầm nắm, vận chuyển, đi lại thông qua điều khiển từ xa hoặc vận hành tự động sẽ thu được dữ liệu gần nhất với nhiệm vụ cuối cùng, nhưng đây lại là loại đắt đỏ nhất: một robot một ngày tối đa cũng chỉ trải qua 24 giờ thực tế, hơn nữa còn liên quan đến máy móc, địa điểm, người vận hành và bảo trì thiết bị.

Nằm giữa hai loại trên là dữ liệu mô phỏng và tổng hợp. Nó không chính xác bằng dữ liệu robot thực, nhưng có thể được sao chép và tạo song song với tốc độ cao trong GPU; nó cũng không giống video Internet chỉ "thấy con người đang làm gì", mà có thể trực tiếp tạo ra dữ liệu hành động, trạng thái và cảm biến mà robot cần để thực hiện nhiệm vụ.

Vì vậy NVIDIA đề xuất trong tương lai sẽ liên tục mở rộng tầng dữ liệu tổng hợp ở giữa kim tự tháp, biến nó thành nguồn dữ liệu quan trọng cho huấn luyện robot.

Ưu nhược điểm của ba loại dữ liệu thực ra rất đơn giản: dữ liệu Internet và con người rẻ, quy mô lớn, nhưng cách xa việc robot thực thi thực tế; dữ liệu robot thực gần nhất với triển khai thực tế của robot và có độ chân thực vật lý cao nhất, nhưng đắt và chậm; dữ liệu mô phỏng nằm ở giữa — mất đi phần nào độ chân thực, nhưng vượt trội hẳn về quy mô, chi phí và khả năng kiểm soát so với máy thật.

Chính vì vậy, mô phỏng đang trở thành một trong những hướng được giới đầu tư và các ông lớn đặt cược nhiều nhất trong hạ tầng Physical AI tại Mỹ.

Và thứ nó giải quyết không chỉ là vấn đề số lượng dữ liệu. Đặc điểm lớn nhất của thế giới thực là không thể tùy tiện sao chép. Công ty có 100 robot thì chỉ có thể vận hành đồng thời 100 robot; một nhà kho cũng không thể vì huấn luyện robot mà cứ mười phút lại sắp xếp lại toàn bộ kệ hàng, ánh sáng, sàn nhà và hàng hóa một lần. Nhưng trong môi trường ảo, cùng một robot có thể được nhân bản thành hàng nghìn, thậm chí hàng chục nghìn bản sao số.

Một cánh tay robot có thể đồng thời đối mặt với 1000 cách bố trí mặt bàn; robot có thể liên tục thay đổi vị trí, khối lượng và chất liệu của vật thể; ánh sáng, vị trí camera, ma sát mặt sàn, thậm chí sai số cảm biến đều có thể được điều chỉnh ngẫu nhiên một cách nhân tạo. Phương pháp huấn luyện này trong lĩnh vực robot được gọi là Domain Randomization (ngẫu nhiên hóa miền), không bắt robot học thuộc lòng một môi trường ảo hoàn hảo, mà cố tình liên tục thay đổi môi trường để mô hình học cách hoàn thành cùng một nhiệm vụ trong mọi biến đổi.

Ngoài ra, đáng chú ý là ngoài dữ liệu "hoạt động bình thường", nhà phát triển còn cần quan tâm đến dữ liệu trong tình huống cực đoan. Một camera đột ngột hỏng, chân robot đột nhiên trơn trượt, robot ngã đều là những kịch bản cần xem xét và khắc phục. Thế giới thực không thể ngày nào cũng tạo ra tai nạn để thu thập dữ liệu, nhưng thế giới ảo thì có thể.

Đây cũng là lý do một số người cho rằng phát triển robot không thể mãi phụ thuộc vào bãi thử nghiệm thực tế. Thử nghiệm thực tế dù sao cũng cần thiết bị, địa điểm và thời gian kỹ thuật, hơn nữa sự cố cực đoan khó lặp lại. Nhưng trong mô phỏng, một lần cập nhật hệ thống có thể ngay lập tức đối mặt với hàng nghìn điều kiện để thử nghiệm song song.

Vấn đề lớn nhất mà metaverse từng gặp phải là vì sao con người nhất định phải bước vào thế giới ảo? Giờ đây robot đã đưa ra một câu trả lời hoàn toàn khác. Với con người, thế giới ảo chỉ là một lựa chọn thay thế cho cuộc sống thực. Nhưng với robot, thế giới ảo có thể trở thành sân tập trước khi bước vào thực tế.

"Thế giới ảo" trở lại thành một ngành kinh doanh

Xoay quanh Physical AI, một ngành "hạ tầng thế giới ảo" mới đang xuất hiện, và sự phân công giữa các công ty này ngày càng chi tiết.

Tháng 8 năm 2026, NavVis có trụ sở tại Munich, Đức, hoàn tất vòng gọi vốn 85 triệu USD.

NavVis là một công ty dữ liệu không gian. Hoạt động kinh doanh cốt lõi của họ không phải huấn luyện robot, mà dùng thiết bị quét di động để nhanh chóng quét nhà máy, tòa nhà và hạ tầng thực tế thành dữ liệu 3D độ chính xác cao. Công ty tiết lộ chỉ riêng năm 2025, hệ thống của họ đã xử lý và phân phối hơn 1 tỷ mét vuông không gian thực.

Hiện NavVis đã trực tiếp định vị mảng kinh doanh này là "nền tảng dữ liệu" của Physical AI — nếu robot trong tương lai muốn làm việc trong nhà máy thực, trước tiên máy tính phải biết chính xác nhà máy đó trông như thế nào.

Công ty khởi nghiệp Hàn Quốc NdotLight lại giải quyết một vấn đề ở tầng khác. NdotLight là một công ty dữ liệu Physical AI chuyên sản xuất tài sản 3D cho mô phỏng robot. Tháng 8 năm nay, họ nhận khoản tài trợ mới 15 tỷ won, khoảng 10,6 triệu USD, do Ngân hàng Phát triển Hàn Quốc (KDB) dẫn đầu.

Mô hình 3D thông thường thường chỉ cần đủ chân thực là đã dùng được cho game hoặc hoạt hình. Nhưng với huấn luyện robot thì chưa đủ, vì nó còn cần biết chiếc ghế này nặng bao nhiêu, chỗ nào sẽ va chạm, ma sát bề mặt lớn bao nhiêu, bộ phận nào có thể cử động.

TRINIX do NdotLight phát triển chính là công cụ chuyển đổi nội dung 3D thông thường thành tài sản gọi là SimReady, tức tài sản 3D có thể đưa thẳng vào trình mô phỏng robot. Ngoài ngoại hình, nó còn bổ sung dữ liệu khối lượng, ma sát, cấu trúc khớp và va chạm, đồng thời kết nối với NVIDIA Omniverse và Isaac Sim. Nó giải quyết vấn đề làm sao để vật thể ảo không chỉ tái hiện thực tế mà còn có thể được robot sử dụng như vật thể thật.

Ngày 17 tháng 9, một công ty khác đến từ Iceland là Treble nhận khoản tài trợ 18 triệu USD. Treble là công ty mô phỏng âm học. Sau khi xây dựng không gian ảo, họ có thể mô phỏng cách âm thanh lan truyền trong phòng, tòa nhà và các môi trường khác, rồi tạo ra dữ liệu âm học tổng hợp.

Khi robot, kính thông minh và các thiết bị Physical AI khác ngày càng phụ thuộc vào micro để hiểu môi trường thực, công ty cũng bắt đầu dùng công nghệ bản sao số âm học của mình cho huấn luyện Physical AI. Vấn đề chính họ giải quyết là trong thế giới ảo, robot "nghe" âm thanh gần với thực tế như thế nào.

Gộp các công ty kiểu này lại, thực tế họ đã bắt đầu ghép lại một thế giới số, và nó đã rất gần với "thế giới ảo" mà người ta nói đến năm năm trước. Điểm khác biệt là metaverse theo đuổi cảm giác đắm chìm, còn Physical AI theo đuổi tính chân thực.

Điều này dẫn đến khái niệm quan trọng nhất trong lĩnh vực mô phỏng robot: "Sim-to-Real", tức "từ mô phỏng đến thực tế". Nó bàn về việc những gì robot học được trong thế giới ảo, khi trở lại thế giới thực rốt cuộc có dùng được hay không.

Đây cũng là lý do Isaac Sim của NVIDIA không chỉ chú trọng kết xuất hình ảnh mà còn bao gồm động lực học vật rắn, khớp, va chạm và đủ loại cảm biến ảo, nhằm thu hẹp tối đa khoảng cách này; Isaac Lab còn cho phép nhà phát triển chạy đồng thời số lượng lớn môi trường robot, huấn luyện chiến lược robot song song qua GPU.

Vì vậy, khác biệt cốt lõi giữa thế giới ảo của robot ngày nay và nhiều metaverse tiêu dùng nằm ở chỗ giá trị của cái trước cuối cùng phải quay về thế giới thực để được kiểm chứng.

Con người cuối cùng đã không sống trong metaverse như kỳ vọng ban đầu. Nhưng những con đường được trải cho thế giới ảo không hoàn toàn bị bỏ hoang. Robot đang đi theo chúng, trở về thực tại.