Generalist AI: Dạy robot bằng dữ liệu thao tác của con người, còn bao xa tới thương mại hóa?

Vì sao để con người thu thập dữ liệu thay vì điều khiển robot từ xa?

Các mô hình nền tảng cho robot thiếu lượng lớn dữ liệu tương tác vật lý có thể thu thập trực tiếp. Mỗi giờ thu thập dữ liệu bằng phương pháp điều khiển từ xa truyền thống đều cần một robot sẵn sàng hoạt động và một người vận hành thường đã được đào tạo, khiến chi phí cao và tốc độ mở rộng chậm.
Generalist để người dùng cầm kẹp “Data Hand” thực hiện các nhiệm vụ hằng ngày, đồng thời ghi lại dữ liệu hình ảnh và chuyển động. Không cần robot có mặt, dữ liệu vì thế có thể được thu thập song song tại nhiều địa điểm. Công ty cho biết tập dữ liệu đã tăng từ khoảng 270 nghìn giờ vào tháng 11 năm 2025 lên hơn 500 nghìn giờ vào tháng 4 năm 2026.
Hướng đi này đặt cược vào khả năng tương tác thực tế giữ lại động lực học vật lý và thu hẹp khoảng cách giữa mô phỏng với thực tế. So với các hướng tập trung vào mô phỏng hoặc video trên internet, lợi thế của nó phụ thuộc vào việc quy mô thu thập có thể tiếp tục chuyển hóa thành năng lực của mô hình hay không.

Theo công bố của công ty, GEN-1 ra mắt vào tháng 4 năm 2026 đạt tỷ lệ thành công trung bình 99% sau khi được huấn luyện bổ sung theo từng nhiệm vụ, tăng từ 64% của mô hình trước đó; tốc độ thực hiện cũng cao gấp khoảng ba lần. Đây là kết quả sau khi được huấn luyện chuyên biệt.
GEN-1.5 ra mắt vào tháng 8 thay đổi cách dạy nhiệm vụ mới: chỉ cần một lần làm mẫu kéo dài 3–12 giây, không cập nhật tham số mô hình, robot đã có thể thực hiện nhiệm vụ; tỷ lệ thành công trung bình trên 10 nhiệm vụ là 59%. Sau khi bổ sung 5 phút dữ liệu và 10 bước cập nhật tham số cho mỗi nhiệm vụ, chỉ số này tăng lên 83%.
Morgan Stanley coi trọng tiềm năng giảm chi phí dạy nhiệm vụ mới và giảm nhu cầu thu thập dữ liệu trong nhiều ngày. Tuy nhiên, các kết quả này chỉ giới hạn ở những nhiệm vụ đơn giản với quy trình ngắn; công ty cũng thừa nhận rằng kỹ năng học từ một lần làm mẫu tức thời kém ổn định hơn kỹ năng sau khi được tinh chỉnh chuyên biệt.

Generalist cho biết hiệu suất mô hình cải thiện theo cách có thể dự đoán khi dữ liệu tiền huấn luyện tăng lên. Nếu quy luật này tiếp tục đúng, doanh nghiệp có thể ước tính tốt hơn lợi tức đầu tư thu thập dữ liệu và phân bổ năng lực tính toán, đồng thời trọng tâm cạnh tranh sẽ chuyển sang bên nào có thể thu được dữ liệu đa dạng hơn.
Lợi thế phòng thủ còn đòi hỏi dữ liệu từ bàn tay con người có thể chuyển sang các hình thái robot khác nhau. Khác biệt về cấu trúc cánh tay robot, khớp và cảm biến có thể phân mảnh dữ liệu; Morgan Stanley chỉ ra rằng dữ liệu về hiệu ứng quy mô và tỷ lệ thành công chủ yếu do công ty tự báo cáo, còn đánh giá độc lập rất hạn chế.
Công ty hy vọng dùng tập dữ liệu ban đầu lớn hơn để trước hết giành được các lượt triển khai, sau đó củng cố mô hình bằng dữ liệu phản hồi từ quá trình triển khai. Nhưng đối thủ cũng có thể tích lũy dữ liệu thực tế sau khi triển khai trên quy mô lớn, và cách kết hợp hiệu quả giữa mô phỏng, video và dữ liệu thực tế vẫn là câu hỏi bỏ ngỏ.

Generalist hiện thăm dò khả năng triển khai thông qua các đối tác phần cứng và chương trình tiếp cận sớm dành cho một số ít khách hàng. Giải pháp bàn giao có thể bao gồm robot hoàn chỉnh hoặc chạy trên cánh tay robot sẵn có của khách hàng; con đường thương mại vẫn đang hình thành.
Morgan Stanley hình dung rằng việc tự chế tạo robot hoàn chỉnh có thể tăng khả năng kiểm soát độ tin cậy và thu thập dữ liệu triển khai, nhưng làm tăng gánh nặng vốn và vận hành. Cấp phép cho đối tác phần cứng là phương án nhẹ hơn, nhưng doanh thu bị giới hạn bởi kênh phân phối của đối tác, và đối tác cũng có thể chuyển sang mô hình khác.
Khách hàng sản xuất và logistics có chu kỳ bán hàng dài và yêu cầu cao về độ tin cậy; sự cố robot có thể khiến dây chuyền sản xuất ngừng hoạt động. Đồng thời, thu thập dữ liệu và huấn luyện cần nhiều vốn, còn giá bán chưa được xác định. Vì vậy, ngân hàng cho rằng doanh thu bền vững cuối cùng còn phụ thuộc vào năng lực sản xuất robot và mức độ sẵn sàng áp dụng của khách hàng trong nền kinh tế thực.