# Bài viết Liên quan Dữ liệu AI

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Dữ liệu AI", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Nửa năm huy động 17 tỷ nhân dân tệ, những 'người bán xẻng' dữ liệu trở thành ngành kinh doanh béo bở nhất trong lĩnh vực Embodied AI

Đầu năm 2026, ngành công nghiệp trí tuệ thể sinh (Embodied AI) tại Trung Quốc chứng kiến làn sóng đầu tư mạnh mẽ vào lĩnh vực dữ liệu đào tạo. Trong nửa đầu năm, 25 công ty khởi nghiệp chuyên về dữ liệu thể sinh đã huy động tổng cộng hơn 170 tỷ nhân dân tệ. LiberAI, một công ty mới thành lập cuối năm 2025 bởi founder 00h Lưu Tùng Minh, là minh chứng cho xu hướng này khi đã hoàn thành 5 vòng gọi vốn và định giá lên tới 5 tỷ nhân dân tệ. Bài viết phân tích sự bùng nổ này xuất phát từ "sa mạc dữ liệu" trong ngành robot. Khác với mô hình ngôn ngữ lớn (LLM) có nguồn dữ liệu văn bản khổng lồ trên internet, việc đào tạo robot đòi hỏi dữ liệu hành động vật lý 3D chất lượng cao, vốn rất khan hiếm. Nhu cầu cấp thiết này đã tạo ra một thị trường "bán xẻng" cực kỳ sinh lời. Các công ty dữ liệu thể sinh được phân loại thành 5 trường phái chính: 1. **Thu thập dữ liệu thực tế bằng robot/thiết bị cảm ứng:** Xây dựng nhà máy sản xuất dữ liệu hàng loạt với độ chính xác cao, điển hình như Paxini Perception, Noitom Robotics. 2. **Dữ liệu tổng hợp mô phỏng (Simulation):** Tạo dữ liệu ồ ạt trong thế giới ảo, như LightWheel AI, công ty kỳ lân đầu tiên trong lĩnh vực này. 3. **Thu thập UMI/Không dùng robot bản thể:** Con người đeo thiết bị để thu thập hành động tự nhiên, bỏ qua giới hạn của robot. Đây là lĩnh vực thu hút vốn mật độ cao, với các công ty như Jianzhi Robot, Tashi Zhihang. 4. **Chưng cất video/Mô hình thế giới (World Model):** Tận dụng video internet có sẵn để suy luận ra thông tin 3D và vật lý, hoặc dùng mô hình thế giới để tạo dữ liệu, như Shutu Tech, Gigaview. 5. **Nền tảng/Cơ sở hạ tầng dữ liệu:** Cung cấp dịch vụ xử lý, làm sạch, chuẩn hóa và đánh giá dữ liệu thô cho các công ty robot, như Wuwen AI, Yiren Tech. Tuy nhiên, bài viết cũng chỉ ra một vấn đề cơ cấu: nhu cầu dữ liệu chủ yếu đến từ các công ty robot và mô hình AI khác - những đơn vị cũng đang dựa vào vốn đầu tư mạo hiểm và chưa có lợi nhuận bền vững. Doanh thu của các công ty dữ liệu phụ thuộc vào làn sóng gọi vốn của khách hàng. Tương lai của ngành sẽ phụ thuộc vào khả năng ứng dụng thực tế và tạo ra lợi nhuận của robot thể sinh. Dự đoán chỉ có hai loại công ty dữ liệu tồn tại lâu dài: những công ty trở thành nền tảng/tiêu chuẩn công nghiệp, và những công ty có khả năng cung cấp dữ liệu chất lượng cao, đa dạng cho các kịch bản thực tế phức tạp.

marsbit21 giờ trước

Nửa năm huy động 17 tỷ nhân dân tệ, những 'người bán xẻng' dữ liệu trở thành ngành kinh doanh béo bở nhất trong lĩnh vực Embodied AI

marsbit21 giờ trước

Đã đến lúc "iPhone" của Trí tuệ thể hiện chưa?

Trí tuệ thể hiện có đang ở thời điểm "iPhone" chưa? Tại một hội nghị bàn tròn ở Vũ Hán, các chuyên gia đã thảo luận về tình hình và triển vọng của lĩnh vực này. **Hiện trạng: Còn nhiều thách thức, chưa đến "thời điểm iPhone"** - **Công nghệ còn sơ khai:** Được so sánh với thời kỳ "điện thoại cục gạch". Con đường công nghệ chưa hội tụ, ngoài mô hình VLA vẫn còn nhiều hướng thử nghiệm. - **"Bộ não" còn yếu:** Khả năng vận động ("tiểu não") đã tốt, nhưng khả năng ra quyết định và khái quát hóa ("đại não") chưa đủ cho ứng dụng thương mại quy mô. - **Thiếu dữ liệu trầm trọng:** Cần hàng triệu bộ dữ liệu, nhưng hiện toàn cầu chỉ có khoảng 500.000, chênh lệch 200 lần. - **Bài toán kinh tế chưa có lời giải:** Chi phí robot hình người cộng với mô hình AI hiện vẫn đắt hơn nhiều so với chi phí nhân lực truyền thống. **Ứng dụng và không gian tưởng tượng** - **Thị trường giá trị cảm xúc (hàng tỷ USD):** Biểu diễn, robot đồng hành/chăm sóc. - **Thị trường dịch vụ thương mại (hàng nghìn tỷ USD):** Chào khách, hướng dẫn tham quan, mua sắm. - **Thị trường lao động sản xuất (hàng trăm nghìn tỷ USD):** Làm việc trong nhà máy, việc nhà. - **Ứng dụng có thể đi trước:** Trí tuệ thể hiện không nhất thiết phải là robot hình người. Các ứng dụng như robot giao đồ ăn, hút bụi đã có mặt. Giá trị đồng hành, tình cảm có thể là bước đột phá đầu tiên. **Hệ sinh thái ngành và nhu cầu** - Điểm nghẽn chính nằm ở **dữ liệu và mô hình**. Cần cơ chế để thu thập, chia sẻ và giao dịch dữ liệu quy mô lớn. - Cần phát triển hơn nữa chuỗi cung ứng linh kiện phần cứng then chốt và các mô hình AI (như VLA, World Model) dưới dạng dịch vụ/dễ tiếp cận. - Các yếu tố hạ nguồn như kênh phân phối, bảo hiểm, bảo trì cũng cần được xây dựng. **Sử dụng AI để tạo ra AI** - AI đã giúp tăng hiệu quả trong nghiên cứu, mã hóa, giảng dạy và văn phòng. - Tuy nhiên, cần thận trọng với tính **"lừa dối"** và nguy cơ **"thay thế tư duy"** của AI. Các quyết định và phán đoán cốt lõi vẫn phải do con người nắm giữ. - Các phương pháp như sử dụng mô hình giáo viên, dữ liệu tổng hợp (simulation) và World Model đang được khám phá để huấn luyện AI thể hiện. **Tóm lại:** Thời điểm bùng nổ như iPhone của trí tuệ thể hiện chưa tới. Lĩnh vực này vẫn cần thời gian để giải quyết các thách thức về công nghệ, dữ liệu và kinh tế. Tuy nhiên, các ứng dụng cụ thể, đặc biệt là những ứng dụng mang lại giá trị cảm xúc, có thể dẫn đường và từng bước mở ra tương lai nơi AI bước vào thế giới vật lý.

marsbit07/14 05:15

Đã đến lúc "iPhone" của Trí tuệ thể hiện chưa?

marsbit07/14 05:15

Đối thủ lớn nhất của Unitree, tại sao lại chia tách thêm lần nữa?

Ngành công nghiệp trí tuệ thể hiện (Embodied AI) đang đối mặt với tình trạng "đói dữ liệu" trầm trọng. Mi Phong Technology, một công ty con tách ra từ đối thủ chính của Unitree là Zhiyuan, vừa huy động thành công hàng trăm triệu tệ để tập trung giải quyết vấn đề này. Thay vì chỉ dựa vào robot thật, Mi Phong giới thiệu giải pháp thu thập dữ liệu không cần robot (như kẹp gắp và thiết bị đeo đầu), nhằm mục tiêu giảm chi phí và mở rộng quy mô, với 60-70% sản lượng dữ liệu vào năm 2026 dự kiến đến từ phương pháp này. Công ty cũng phát triển công cụ xử lý dữ liệu tự động và xây dựng một nền tảng thương mại hóa dữ liệu, hy vọng biến dữ liệu thành một tài nguyên có thể giao dịch tiêu chuẩn hóa cho toàn ngành. Tuy nhiên, thách thức lớn nhất của Mi Phong là chứng minh tính trung lập và xây dựng lòng tin với các đối thủ của công ty mẹ Zhiyuan, trong bối cảnh nhiều đại gia như JD.com cũng đang cạnh tranh trong lĩnh vực hạ tầng dữ liệu này. Sự thành công của mô hình kinh doanh này sẽ phụ thuộc vào việc liệu các công ty robot khác có sẵn sàng tin tưởng và sử dụng dịch vụ của Mi Phong hay không.

marsbit06/23 10:13

Đối thủ lớn nhất của Unitree, tại sao lại chia tách thêm lần nữa?

marsbit06/23 10:13

Cuộc trò chuyện với người sáng lập Quỹ Đầu tư lĩnh vực AI: Quên đi câu chuyện giả tạo về lợi nhuận gấp trăm lần, nhìn nhận thế nào về tài sản Crypto x AI?

Khách mời: Austin Barack, người sáng lập Relayer Capital, một quỹ đầu tư tài sản kỹ thuật số tập trung vào lĩnh vực AI. Trọng tâm của cuộc thảo luận là tiềm năng của các tài sản Crypto x AI, bỏ qua những câu chuyện tăng giá hàng trăm lần. Austin nhấn mạnh AI đang tạo ra khối lượng dữ liệu người dùng chưa từng có, làm nổi bật các lĩnh vực then chốt: AI bảo mật, cung cấp dữ liệu, điện toán suy luận, đào tạo phi tập trung và cơ sở hạ tầng Agent. Các dự án được phân tích sâu: 1. **Venice (VVV & DM):** Nền tảng AI riêng tư với 3 triệu người dùng. Cơ chế token DM như một "quyền lợi vĩnh viễn" cấp hạn mức tính toán miễn phí hàng ngày, được định giá tương tự trái phiếu doanh nghiệp. Austin cho rằng cả doanh thu và định giá của Venice đều bị đánh giá thấp so với tốc độ tăng trưởng. 2. **Grass:** Thu thập và bán tập dữ liệu chất lượng cao để đào tạo mô hình AI. Với doanh thu hàng năm ước tính ~50-80 triệu USD và tốc độ tăng trưởng ba chữ số, định giá 4 tỷ USD (khoảng 5-8 lần doanh thu) được coi là rất hợp lý. 3. **NEAR:** Được đánh giá cao cho trải nghiệm hoán đổi xuyên chuỗi (cross-chain swap) và vai trò cơ sở hạ tầng quan trọng cho Agent, định vị độc đáo trong hệ sinh thái L1. 4. **Akash:** Thị trường GPU phi tập trung, đang tìm thấy sự phù hợp sản phẩm-thị trường thực sự. Austin cũng thảo luận về khung phân tích "dòng giá trị token ròng", nhấn mạnh câu hỏi cốt lõi: người nắm giữ token có thực sự thu được giá trị từ doanh nghiệp tạo ra hay không, thay vì chỉ tập trung vào cơ chế như mua lại và đốt token. Kết luận, ông lạc quan rằng thị trường hiện tập trung dòng tiền vào một nhóm nhỏ các dự án chất lượng có cơ sở cơ bản mạnh mẽ (như Venice, Grass, NEAR, AERO), giúp các nhà đầu tư dễ dàng đạt được mức lợi nhuận kỳ vọng 3-10 lần thay vì theo đuổi các câu chuyện tăng trưởng phi thực tế.

marsbit05/26 02:00