Xu hướng lớn thực sự tiếp theo của AI, nhiều người vẫn chưa nhận ra

Trong hai năm gần đây, tôi gần như đều trải nghiệm các cập nhật mới của AI ngay từ thời điểm đầu tiên. Agent, đa phương thức, rồi hết vòng lặp mô hình này đến vòng khác — thành thật mà nói, đa số tôi đã không còn cảm giác gì rõ rệt nữa. Năng lực đúng là nâng lên, nhưng về cơ bản vẫn chỉ xoay quanh chuyện “làm nội dung trở nên chân thực hơn”, phương hướng không hề thay đổi.

Cho đến tháng này, khi tôi lần lượt chạy qua Astra, Atlas, Cosmos, lần đầu tiên tôi mới thực sự dừng lại suy ngẫm.

Không phải vì những thứ nó tạo ra đẹp hơn, mà lần đầu tiên tôi cảm nhận được rằng: AI đang vượt qua một ranh giới khác — từ “tạo ra nội dung”, chuyển sang “hiểu thế giới và chuẩn bị hành động”.

Kết luận tôi xin để ngay tại đây: Vòng chuyển dịch giá trị thực sự tiếp theo không nằm ở cuộc đua về số lượng tham số mô hình, mà là: thế giới ba chiều đang được viết lại thành giao diện mà AI có thể đọc, mô phỏng và thao tác. Nếu vẫn chỉ dừng lại ở mức “nhu cầu nội dung 3D sẽ tăng”, bạn sẽ bỏ lỡ tổng thể logic nền tảng bị thay thế.

Nghe có vẻ nặng nề, nhưng sau khi đi hết ba bước này, tôi không thể thuyết phục bản thân rằng tất cả chỉ là trùng hợp.

1/ Astra: Đầu tiên thay đổi là cấu trúc chi phí

Tôi yêu cầu GPT-6 Astra tạo ra một bối cảnh nội thất căn hộ. Trước đây, dù đầu ra có đẹp tới đâu, khi đưa vào phần mềm dựng hình thì chỉ là tờ giấy vụn — toàn bộ thông tin cấu trúc đều bằng không, không thể tiếp tục sử dụng.

Lần này thì khác. Nó xuất thẳng ra tài sản có cấu trúc đầy đủ: có thể chỉnh sửa tiếp trong Blender, nhập vào Unreal Engine 5 là có thể khám phá thời gian thực.

Những người từng làm workflow 3D đều hiểu quá trình này tốn kém thế nào — dựng mô hình, vật liệu, chiếu sáng, render, hậu kỳ, từng khâu đều phải thao tác thủ công trên phần mềm chuyên nghiệp, tỷ lệ sai sót thấp, thời gian tốn rất nhiều.

Bây giờ thì sao? Ngôn ngữ tự nhiên đã là đầu vào.

Ảnh và video đã từng diễn lại kịch bản này — chỉ cần chi phí công cụ bị hạ thấp, nhu cầu không phải bị ép xuống mà là được giải phóng. Game, thương mại điện tử, kiến trúc, quảng cáo, thiết kế công nghiệp, tất cả đều đang xếp hàng phía sau. Đây không phải là dự đoán mà là điều đã thực sự xảy ra.

2/ Atlas: Từ “tạo vật thể” đến “hiểu không gian”

Nếu Astra khiến tôi chú ý đến sự thay đổi, thì Atlas mà World Labs ra mắt tháng 9 vừa rồi, mới thực sự giúp tôi nhận ra tiềm năng tiến xa đến đâu.

Thử nghĩ điểm khác biệt này: tạo ra một chiếc cốc, bạn chỉ cần quan tâm hình dáng nó đúng hay không; nhưng để hiểu một căn bếp, mô hình phải biết cốc đặt ở đâu, mặt bàn cao bao nhiêu, tay đưa từ hướng nào thì tự nhiên nhất, và giây kế tiếp trong không gian sẽ diễn ra chuyện gì.

Tạo vật thể là một chuyện, hiểu không gian là chuyện khác. Đó không chỉ khác nhau về độ rõ nét mà là cả một chiều mới.
World Labs có một câu tôi đọc đi đọc lại: "3D đang trở thành giao diện chung của không gian."

Trước đây, văn bản từng là giao diện giữa con người và máy móc. Nếu bản 3D trở thành phương tiện để con người và AI cùng tạo dựng, chỉnh sửa, mô phỏng không gian, vậy thì 3D không còn chỉ là một file thiết kế mà là một dạng tính toán mới. Nhận định này nghe có vẻ xa vời, nhưng khi tôi thử nghiệm thực tế — nó đang trở nên cụ thể dần.

3/ Cosmos: Từ “hiểu” sang “dám hành động”

Đến bước Cosmos của NVIDIA, tôi cơ bản xác nhận rằng cảm nhận của mình trước đó không phải là suy diễn quá mức.

Bây giờ các mô hình thị giác đã có thể trả lời rất chính xác “có gì trong bức ảnh”. Nhưng điều thực sự khó cho robot và ô tô tự lái chưa bao giờ chỉ là nhận diện, mà là phán đoán “chuyện gì sẽ xảy ra tiếp theo”.

Cosmos làm điều đó bằng cách cho mô hình xây dựng một hệ thống mô phỏng trạng thái thế giới bên trong — mô phỏng kết quả mà từng hành động có thể mang lại rồi chọn đường đi tối ưu nhất. Tức là cho AI một “trình giả lập” nội bộ có thể vận hành được.

Không có nó, máy móc chỉ cảm nhận được khoảnh khắc hiện tại; có nó rồi, máy mới có thể “diễn tập trước khi hành động”. Bước tiến này đối với Physical AI, tôi cho rằng không hề kém so với lần đại mô hình bùng nổ về năng lực suy luận trước đây.

4/ Nước đi quyết định thắng thua thực sự: Dữ liệu tổng hợp

Dữ liệu thế giới thực quá đắt đỏ.

Mô hình ngôn ngữ có thể thu thập văn bản trang web khổng lồ, nhưng robot thì không thể học cách cầm một chiếc cốc qua web; ô tô tự lái cũng không thể thử nghiệm thực tế đủ mọi tình huống cực đoan. Trong khi dữ liệu huấn luyện then chốt nhất — thời tiết khắc nghiệt, tai nạn bất ngờ, hiện trường hiếm gặp — lại khó tiếp cận nhất.

Nhưng một khi kết hợp tái tạo 3D và mô hình thế giới, logic đã thay đổi: dùng một lượng dữ liệu thật để xây dựng bối cảnh kỹ thuật số làm nền, sau đó thay đổi có hệ thống trong môi trường ảo như thời tiết, vị trí, thuộc tính vật thể, ánh sáng... — từ vài bộ dữ liệu hạt giống mà sinh ra số lượng mẫu huấn luyện khổng lồ.

Bởi vậy, phân tích của Mỹ Cổ Đầu tư cho rằng, cạnh tranh của Physical AI đang dịch chuyển:

Trước đây so ai sở hữu dữ liệu thật nhiều hơn, sau này sẽ là — chất lượng dữ liệu thật × năng lực tái tạo không gian × độ chính xác giả lập × hiệu quả khuếch đại dữ liệu tổng hợp.

Các công ty Mỹ hưởng lợi

Theo thứ tự “mức độ hưởng lợi trực tiếp”, tôi xếp thành bốn tầng; càng phía trước càng chắc chắn, càng về sau biến động lớn hơn, đồng thời tập trung hơn:

Tầng thứ nhất · Cơ sở hạ tầng: NVDA

Dù cuối cùng doanh nghiệp robot hay tự lái nào thắng, đều cần năng lực tính toán, mô phỏng, dữ liệu tổng hợp và nền tảng huấn luyện. Trong khi NVIDIA có trong tay GPU, Omniverse, Isaac, Cosmos — cái họ bán không chỉ là chip, mà là “nền tảng giúp máy móc học thế giới thực”. Đây là vị trí ít phụ thuộc ai thắng nhất.

Tầng thứ hai · Tái tạo 3D và song sinh số: PTC, ADSK

Muốn thế giới thực thành thế giới số mà AI có thể huấn luyện, trước hết cần những đơn vị xây dựng 3D công nghiệp, song sinh số và workflow thiết kế. Họ là cửa vào dữ liệu của các mô hình trí tuệ nhân tạo.

Tầng thứ ba · Nhận biết không gian: OUST, MBLY

Lidar, thị giác máy — đảm nhiệm biến môi trường vật lý thành dữ liệu không gian cho máy đọc được. Không có tầng này, mọi thứ phía trên chỉ là lâu đài trên không; nhưng đồng thời cuộc đua ở đây cực kỳ khốc liệt về chi phí và tính nhất quán.

Tầng thứ tư · Ứng dụng thực tế: TSLA, SYM

Những đơn vị thực sự triển khai AI vào đời sống thực. Biên độ lớn nhất nhưng rủi ro cũng tập trung nhất: mô hình có thể chạy nhưng không chắc robot đã sản xuất đại trà; mô phỏng hiệu quả nhưng không chắc chuyển hóa được sang thực tế trơn tru.

Sau này, đừng chỉ nhìn bản demo choáng ngợp mà hãy chú ý ba điều: mô phỏng có thực sự giảm huấn luyện thực địa không, dữ liệu tổng hợp có thật sự nâng tỷ lệ thành công mô hình không, khách hàng có chịu trả tiền cho dịch vụ dài hạn không.

Cuộc cách mạng AI trước đã biến tri thức con người thành token.
Vòng kế tiếp, có thể là cả thế giới thực trở thành dữ liệu có thể tính toán, mô phỏng, huấn luyện.

Ngôn ngữ giúp AI hiểu con người; còn 3D, có thể sẽ giúp AI thực sự bước vào thế giới này.

Mỹ Cổ Đầu tư VIP nâng cấp toàn diện

Mỹ Cổ Đầu tư - Công cụ phân tích AI định lượng cho chứng khoán Mỹ

Mỹ Cổ Đầu tư là công ty công nghệ tài chính chuyên nghiên cứu chứng khoán Mỹ, thành lập năm 2008 tại Silicon Valley, Hoa Kỳ, do cựu chuyên gia phân tích sàn giao dịch chứng khoán New York Ken sáng lập, hợp tác cùng nhiều chuyên gia Morgan Stanley, kỹ sư Google, Meta sử dụng AI và dữ liệu lớn kết hợp với hơn mười năm kinh nghiệm và mô hình định lượng trong ngành chứng khoán Mỹ, tạo nên một cơ sở dữ liệu về thị trường, xử lý hàng triệu dữ liệu chứng khoán mỗi ngày: phát hiện lệnh lớn quyền chọn, dòng tiền chủ lực theo thời gian thực, biến động vị thế tổ chức, tin nóng của Trump