Liệu năm nay có phải là năm của robot không? Một bài tổng hợp các dự án trong lĩnh vực robot

Tiêu đề bài viết: Năm nay có phải là Năm Robot không? Tổng hợp các dự án trong lĩnh vực robot

Tác giả: Cookie

Nguồn:

Chuyển thể: Mars Finance

Trong bài phát biểu trở lại Davos đầu năm nay, Elon Musk một lần nữa nhấn mạnh lời tiên tri đầy cảm hứng — tương lai, số lượng robot trên Trái đất sẽ vượt quá con người.

Rõ ràng, AI và robot đã trở thành hai chủ đề công nghệ hàng đầu toàn cầu: một là trí tuệ nhân tạo tổng quát (AGI) đang tiến gần đến điểm giới hạn, hai là robot đang bước ra khỏi phòng thí nghiệm, cố gắng tiếp quản toàn diện lao động thể chất của con người. Ngoài ra, bên cạnh khái niệm AI, ngành tiền mã hóa năm nay cũng chú trọng vào lĩnh vực trí tuệ thể hiện (embodied intelligence). Dưới đây là các dự án trong lĩnh vực Robotic đáng chú ý.

OpenMind

Ngày 4 tháng 8 năm 2025, theo thông báo chính thức, công ty hạ tầng robot thông minh có trụ sở tại Silicon Valley OpenMind đã hoàn thành vòng gọi vốn 20 triệu USD, dẫn đầu bởi Pantera Capital, còn có Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures và Amber Group cùng nhiều tổ chức và nhà đầu tư thiên thần danh tiếng khác.

OpenMind phát triển phần mềm mã nguồn mở giúp robot suy nghĩ, học hỏi và làm việc. Hệ điều hành robot AI mã nguồn mở OM1 cho phép cấu hình và triển khai AI Agent trong thế giới số và thế giới vật lý. Người dùng có thể tạo ra một vai trò AI, vận hành nó trên đám mây hoặc trên robot vật lý trong thế giới thực.

Nói đơn giản, OpenMind làm OM1 như thể đang tạo ra “bộ não AI” cho robot. “Bộ não AI” này có thể phối hợp nhiều AI Agent làm việc cùng nhau, tương tác với nhiều LLM, hoặc lấy dữ liệu từ nhiều nguồn để thực hiện nhiệm vụ (ví dụ như giúp người dùng đăng bài trên mạng xã hội). Vì OM1 là mã nguồn mở, nên đây là một hệ điều hành robot cực kỳ linh hoạt, giống như hệ điều hành Android của điện thoại, không phụ thuộc vào phần cứng.

Ngoài ra, OpenMind còn có mạng nhận dạng robot trên chuỗi tên FABRIC, nhằm chia sẻ lớp tin cậy có thể xác thực giữa con người và robot. Con người có thể chia sẻ dữ liệu vị trí qua bản đồ, đánh giá hành vi robot và phát triển các chức năng để nhận huy chương, còn robot có hệ thống OM1 sẽ tham gia vào mạng FABRIC, có thể xác thực danh tính duy nhất, đồng thời theo dõi các lệnh, nhật ký hoạt động, quyền sở hữu và các hành vi liên quan trên chuỗi.

Tháng 12 năm 2025, OpenMind hợp tác cùng nhà phát hành stablecoin Circle công bố hệ thống thanh toán tự chủ dựa trên giao thức x402 cho robot. Khi khả năng của robot nâng cao, chúng không còn chỉ là công cụ thực hiện nhiệm vụ nữa, mà bắt đầu đóng vai trò như các thực thể kinh tế tự chủ. Chúng cần mua sức mạnh tính toán, dữ liệu, kỹ năng, thậm chí thuê các robot hoặc con người khác để hoàn thành các nhiệm vụ phức tạp.

CodecFlow

CodecFlow cung cấp nền tảng thống nhất cho phép vận hành liền mạch trên đám mây, biên, máy tính để bàn và phần cứng robot, đồng thời hỗ trợ API phổ biến hiện nay và các hệ thống truyền thống. Nền tảng này chuẩn hóa đầu vào cảm biến của các robot thành định dạng chung, phân mảnh các hành động phức tạp của robot thành các module, giúp nhóm phát triển hoặc người dùng không cần thiết kế robot từ đầu. Việc cảm nhận, ra quyết định và điều khiển của robot cũng có thể ảnh hưởng lẫn nhau qua mạng, thay vì bị phân mảnh hoặc phụ thuộc vào phần cứng.

Nhân viên vận hành dựa trên AI, qua cảm nhận và suy luận theo thời gian thực, phản hồi các thay đổi trong UI phần mềm hoặc môi trường robot để giải quyết các điểm yếu của quá trình tự động hóa robot truyền thống, vốn quá phụ thuộc vào kịch bản đã viết sẵn, dễ bị tổn thương khi có sự thay đổi nhỏ. Nói ngắn gọn, là chụp ảnh màn hình, hình ảnh camera hoặc dữ liệu cảm biến rồi dùng AI xử lý để đưa ra kết quả quan sát hoặc lệnh, cuối cùng thực hiện qua giao diện người dùng.

Peaq

Ngày 27 tháng 3 năm 2025, giao thức DePIN Layer1 Peaq hoàn thành vòng gọi vốn 15 triệu USD, dẫn đầu bởi Generative Ventures và Borderless Capital, còn có Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund, Altana Wealth và nhiều nhà đầu tư khác.

Dù ban đầu tập trung vào câu chuyện DePIN, nhưng năm ngoái vào tháng 9, peaq đã phát hành Robotics SDK giúp robot có thể nhận dạng danh tính tự chủ, thực hiện thanh toán, xác thực dữ liệu và tham gia vào mạng kinh tế chuỗi. Hiện tại, bất kỳ robot nào tương thích với hệ thống ROS2 đều có thể tham gia vào mạng peaq, dùng tiêu chuẩn chung để giao dịch với con người hoặc robot khác.

Ngoài ra, năm ngoái peaq còn ra mắt dự án RWA tên “RoboFarm” trên nền tảng DualMint, xây dựng trang trại robot tại Hong Kong, đạt tự động hóa 80% trong sản xuất nông nghiệp. Các loại rau xà lách, cải bó xôi và kale trồng tại đây được bán tại Hong Kong. Lợi nhuận dự kiến hàng năm của chủ sở hữu NFT khoảng 18%.

Axis Robotics

Axis Robotics tập trung xây dựng hạ tầng phân tán cho trí tuệ thể chất (Physical AI). Họ tin rằng, ưu tiên mô phỏng (Simulation First) là con đường tốt nhất để vượt qua giới hạn dữ liệu và khả năng tổng quát của mô hình robot, thông qua thu thập dữ liệu quy mô lớn, chi phí thấp, kết hợp với engine tăng cường dữ liệu độc quyền, giúp nâng cao chất lượng, đa dạng và quy mô dữ liệu. Đồng thời, mỗi tài sản dữ liệu đều có nguồn gốc rõ ràng trên chuỗi (On-chain Provenance), tạo thành nguồn nhiên liệu chính cho sự tiến hóa của trí tuệ robot tổng quát (RGI).

Axis đổi mới cách cung cấp dữ liệu huấn luyện robot. Các dự án khác thường yêu cầu người dùng quay video các hành động trong đời thực qua điện thoại hoặc kính thông minh rồi tải lên, để giảm thiểu rào cản và mở rộng quy mô toàn cầu. Tuy nhiên, dữ liệu video có độ chân thực vật lý thấp, thiếu thông tin chiều sâu, không đảm bảo tính liên tục và chính xác của dữ liệu 3D.

Thông qua “mô phỏng giả lập”, Axis giải quyết vấn đề này, bằng cách tạo ra nhiều cảnh giả lập đa dạng (đèn chiếu, góc quay, ma sát, động lực học, v.v.) để mô hình có thể hoàn thành nhiệm vụ trong điều kiện ảo khắc nghiệt hơn, từ đó nâng cao khả năng tổng quát. Axis sử dụng chiến lược Hybrid Strategy (chiến lược lai), kết hợp dữ liệu thật khan hiếm với dữ liệu tổng hợp khổng lồ. Nhờ công nghệ tăng cường siêu dữ liệu dựa trên GPU, họ tạo ra nhiều biến đổi về ánh sáng, kết cấu, đặc tính vật lý của một cảnh duy nhất. Các cảnh giả lập không cố định, có thể điều chỉnh linh hoạt, tạo ra vô số cảnh khác nhau để robot đối mặt với các thử thách khắt khe hơn. Chi phí tạo cảnh thấp, số lượng lớn, phương pháp này đã được các ông lớn như Google, Nvidia chứng minh hiệu quả.

Dự án mô phỏng robot học “Little Prince’s Rose” của Axis đã hoàn thành và mở cho cộng đồng. Trong dự án này, người dùng qua web điều khiển robot tưới cây trong môi trường giả lập, thu thập và phân tích dữ liệu để robot học cách tưới cây. Người dùng có thể điều khiển từ xa qua web, giữ chi phí thấp, đồng thời xây dựng mô hình cơ bản 3D-aware VLA (Vision-Language-Action), giúp robot có khả năng suy nghĩ trong không gian 3 chiều.

Chỉ sau 5 ngày ra mắt, dự án đã thu hút hàng nghìn người dùng không có nền tảng robot, đóng góp hơn 10.000 dữ liệu hành trình chất lượng cao để huấn luyện chiến lược. Dựa trên dữ liệu này, Axis đã huấn luyện thành công mô hình chiến lược và tái tạo thành công robot Franka trên thực tế. Điều này đánh dấu Axis đã hoàn thiện chu trình “tạo nhiệm vụ -> cộng đồng thu thập -> tăng cường dữ liệu -> huấn luyện mô hình -> triển khai thực tế”.

Một giờ dữ liệu thực có thể biến thành 1000 giờ dữ liệu huấn luyện, giúp giảm đáng kể chi phí tổng thể cho mô hình robot.

Trong đợt thử nghiệm Beta dịp Tết Nguyên Đán, chỉ trong 5 ngày, 18.000 người tham gia không có nền tảng robot đã hoàn thành 27 nhiệm vụ mới, đóng góp hơn 100.000 dữ liệu hành trình. Kết quả thử nghiệm xác nhận khả năng thích ứng cao của các nhiệm vụ và khả năng tương thích với robot bánh xe, robot hai tay đa dạng.

Sản phẩm chính của Axis dự kiến sẽ ra mắt chính thức vào cuối tháng 3, và dự kiến cuối tháng 4 hoặc đầu tháng 5 sẽ mở mã nguồn bộ dữ liệu mô phỏng hoàn chỉnh lớn nhất thế giới dựa trên robot Franka, đáp ứng đầy đủ yêu cầu huấn luyện chiến lược và mô hình. Đồng thời, Axis, với xuất phát điểm từ Crypto-AI, đã bắt đầu mở rộng hợp tác và thúc đẩy ứng dụng thực tế trong ngành, làm việc với các khách hàng tiêu chuẩn trong các lĩnh vực như tự động hóa sản xuất, hợp tác với các công ty tính toán gần IPO về tài sản ảo và mô hình thế giới, cùng các doanh nghiệp về mô phỏng ảo và huấn luyện mô hình, thể hiện tính ngoại lai hiếm có của dự án Crypto.

GEODNET

Mạng phân tán cung cấp dữ liệu định vị chính xác đến centimet cho drone và robot, có hơn 21.000 trạm hoạt động tại hơn 150 quốc gia. Trong năm qua, dự án thu về hơn 7 triệu USD, và có xu hướng tăng trưởng theo quý.

Dù chủ yếu được xếp vào lĩnh vực DePIN, nhưng khi công nghệ robot ngày càng phổ biến trong đời sống thực, nhu cầu về dữ liệu định vị chính xác theo thời gian thực dự kiến sẽ mở rộng hơn nữa. Tháng 2 năm 2025, Multicoin tuyên bố dẫn đầu mua lại 8 triệu USD token $GEDO từ Quỹ GEODNET với giá trị tương đương.

BitRobot

BitRobot Network do FrodoBots Lab và Protocol Labs hợp tác phát triển, nhằm thực hiện phân tán robot làm việc và hợp tác. Các thành phần chính gồm: VRW (công cụ xác thực nhiệm vụ robot, chỉ số đo lường phần thưởng mạng), thiết bị sở hữu và truy cập mạng (ENT, token định danh duy nhất của robot dưới dạng NFT), và mạng con (subnet) như một lớp thực thi nhiệm vụ, tạo giá trị cho mạng BitRobot.

Ngày 14 tháng 2 năm 2025, FrodoBots Lab công bố hoàn thành vòng gọi vốn hạt giống 6 triệu USD, tổng cộng 8 triệu USD.

FrodoBots còn bán robot, như Earth Rovers, giá 249 USD, người chơi điều khiển từ xa qua trình duyệt trong trò chơi săn tìm kho báu toàn cầu ET Fugi, dữ liệu dùng để nghiên cứu và thử nghiệm mô hình AI định hướng mới nhất. ET Fugi là mạng con đầu tiên của BitRobot.

Ngoài ra, còn có game robot Octo Arms sẽ ra mắt trong tương lai, người chơi điều khiển cánh tay cơ khí để hoàn thành các trò chơi ghép hình 3D hoặc thi đấu.

Khái niệm “mạng con” của hệ thống này khá trừu tượng, nói đơn giản, bất kỳ nhóm nào đóng góp cho hệ sinh thái chung (hoặc dự án/ sự kiện cụ thể của nhóm đó) đều có thể gọi là một mạng con, như trò chơi ET Fugi hay SeeSaw do Virtuals phát hành.

SeeSaw

Mạng con số 5 của BitRobot, do Virtuals ra mắt vào tháng 10 năm ngoái, là ứng dụng chia sẻ dữ liệu huấn luyện robot. Trong SeeSaw, người dùng quay video hành vi hàng ngày của mình, tải lên để nhận thưởng. Các dữ liệu video về các hành vi như buộc dây giày, gấp quần áo từ khắp nơi sẽ được dùng để huấn luyện robot.

Auki

Mạng cảm nhận phi tập trung Posemesh của Auki kết nối con người, thiết bị và AI, dựa trên kiến trúc DePIN, cho phép robot, kính AR chia sẻ dữ liệu vị trí và cảm biến theo thời gian thực, xây dựng hiểu biết không gian hợp tác vật lý. Các nút mạng gồm: nút tính toán cung cấp sức mạnh tính toán, nút di chuyển (robot) gửi dữ liệu vị trí và cảm biến, nút dựng bản đồ 3D dựa trên dữ liệu, và nút quản lý không gian 3D. Các nút được thưởng $AUKI dựa trên đóng góp, thúc đẩy mạng thị giác máy tự tiến hóa.

Mạng này nhấn mạnh bảo vệ quyền riêng tư, tránh tập trung theo dõi cá nhân, phù hợp nhiều ứng dụng như bán lẻ (tối ưu trưng bày), quản lý tài sản (theo dõi tài sản), hướng dẫn tại hội chợ, xây dựng, v.v.

Nền tảng tính toán không gian AI Cactus của họ đã bắt đầu thử nghiệm với Toyota Material Handling và siêu thị Thụy Điển Stora Coop.

XMAQUINA

DAO cho phép nhà đầu tư cá nhân tham gia vào các doanh nghiệp robot. DAO này bán token $DEUS theo đợt, huy động được 10 triệu USD. Hiện tại, số tiền thu được từ đấu giá đã được dùng để mua cổ phần của 6 doanh nghiệp robot như Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics, Robotico, trong đó một số đã bắt đầu sinh lợi, thậm chí lợi nhuận một lần vượt quá 100%.

PrismaX

Ngày 17 tháng 6 năm 2025, PrismaX công bố huy động thành công 11 triệu USD, có các nhà đầu tư gồm a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator và Virtuals.

PrismaX xây dựng lớp điều phối mở, kết nối điều khiển từ xa, người dùng robot và các công ty robot. Người điều khiển có thể kết nối với người dùng, điều khiển robot từ xa để hoàn thành nhiệm vụ thực tế, đồng thời thu thập dữ liệu giá trị. Họ cũng có thể yêu cầu các dịch vụ như logistics, quảng cáo.

Ngoài ra, PrismaX còn có giao thức điều khiển robot từ xa, giúp doanh nghiệp tìm kiếm robot có khả năng thực hiện nhiệm vụ phức tạp, có kinh nghiệm, và người điều khiển có thể đặt cược token để nâng cao độ tin cậy, tăng cơ hội nhận nhiệm vụ có lợi nhuận cao. Người đặt cược sẽ nhận phần thưởng dựa trên số lượng token và chất lượng công việc, cùng với hiệu quả công việc cao hơn sẽ nhận thêm thưởng.

Dữ liệu thu thập từ điều khiển từ xa sẽ dùng để huấn luyện robot, nâng cao khả năng tự chủ, từ đó tăng năng suất của người điều khiển từ xa, hướng tới robot tự động hóa cao hoặc hoàn toàn tự chủ.

NRN Agents

NRN xuất phát từ game đối kháng AI Agent và hệ thống huấn luyện trực tuyến AI Arena. Ngày 28 tháng 10 năm 2021, nhà phát triển ArenaX Labs công bố huy động 5 triệu USD vòng hạt giống, do Paradigm Capital dẫn đầu, Framework Venture Partners tham gia. Ngày 9 tháng 1 năm 2024, họ công bố vòng gọi vốn mới 6 triệu USD, do Framework Ventures dẫn dắt, cùng SevenX Ventures, FunPlus/Xterio, Moore Strategic Ventures đầu tư.

Dù quy trình chủ yếu là thu thập dữ liệu -> huấn luyện tăng cường robot, nhưng nhờ kinh nghiệm trong lĩnh vực game, NRN cung cấp trải nghiệm dựa trên trình duyệt, biến việc thu thập dữ liệu robot thành trò chơi, người dùng có thể điều khiển robot mô phỏng trực quan qua trình duyệt. Trong quá trình chơi, hành vi của người dùng sẽ được dùng để huấn luyện hệ thống robot thực tế. Hiện tại, dự án tập trung vào robot cánh tay RME-1 để kiểm nghiệm thu thập dữ liệu, học tập và thích nghi theo thời gian thực.