Skild AI, startup phát triển AI cho robot, cho biết đã vượt mốc 100 triệu USD doanh thu thường niên quy đổi (ARR) chỉ sau 10 tháng thương mại hóa mô hình nền dành cho robot. Thông tin được Deepak Pathak, CEO công ty, chia sẻ gần đây trên mạng xã hội X.

Theo Pathak, trong 10 tháng qua, Skild AI đã có hơn 60 khách hàng trả phí trong nhiều lĩnh vực như logistics, giao hàng, kiểm tra hiện trường, an ninh, nấu ăn, cũng như vận hành kho, nhà máy và trung tâm dữ liệu. Riêng nhóm ứng dụng mobility đóng góp khoảng 10% doanh thu.

Về các dự án cụ thể, Skild AI đang hợp tác với Nvidia và Foxconn để đưa mô hình nền “Skild Brain” vào robot hai tay thao tác, phục vụ công việc lắp ráp chính xác cho hệ thống Nvidia Blackwell.

Với Sumitomo Wiring Systems, công ty đang thúc đẩy tự động hóa quy trình sản xuất wire harness (bộ dây điện), vốn lâu nay được xem là rất khó tự động hóa. Trong khi đó, với Mitsui & Co., Skild AI đang thí điểm robot đa dụng tích hợp mẫu S1 mới nhất vào chuỗi cung ứng suất ăn công nghiệp có quy mô 1,4 triệu suất mỗi ngày.

Pathak cho rằng ngay từ đầu, Skild AI đã xem khả năng triển khai tại hiện trường là cốt lõi của công nghệ robot, thay vì chỉ coi đó là kết quả đầu ra. Theo ông, năng lực thực sự của AI cho robot chỉ được chứng minh khi robot có thể hoạt động trong môi trường thực tế của khách hàng.

Ông cũng bác bỏ quan điểm cho rằng chỉ cần phát triển một mô hình siêu thông minh cùng phần cứng đủ mạnh thì robot sẽ tự động xuất hiện ở khắp nơi. Theo Pathak, thực tế của ngành robot không diễn ra theo cách đó.

“Trong robot, triển khai tại hiện trường không thể bị đẩy xuống sau cùng. Chuỗi cung ứng được thiết kế ra sao, ai lắp đặt, ai tích hợp, khi hỏng thì ai sửa, quy trình thay đổi thì ai cập nhật - những câu hỏi đó chỉ có thể được trả lời khi trực tiếp đi vào hiện trường”, ông nói.

CEO Skild AI cũng cho rằng rất khó đánh giá năng lực của robot chỉ qua video demo. Theo ông, dù độ chính xác là 5% hay 99%, một khoảnh khắc hoạt động thành công trên video có thể trông rất giống nhau. Ông dẫn ví dụ từ dự án huấn luyện robot nấu trứng năm ngoái: công ty chỉ mất một tuần để làm chín quả trứng đầu tiên, nhưng phải mất thêm hai tháng để hệ thống vận hành ổn định với nhiều loại trứng và môi trường khác nhau.

Pathak nhấn mạnh phần cải thiện 5% hiệu năng cuối cùng thường khó hơn rất nhiều so với việc đạt được 95% ban đầu.

Vấn đề tốc độ cũng được ông xem là rào cản lớn đối với triển khai thực tế. Theo Pathak, ngay cả khi robot đạt độ chính xác 99,9%, nếu tốc độ chậm hơn 10 lần thì vẫn không thể đưa vào vận hành. Trong một dây chuyền gồm 10 công đoạn, nếu robot đảm nhiệm một nửa số đó, chỉ cần một công đoạn chậm lại thì toàn bộ dây chuyền cũng sẽ bị nghẽn theo.

Ông cũng lưu ý rằng môi trường vận hành luôn thay đổi, từ việc nhà cung ứng thay linh kiện đến nhà máy bố trí lại bàn thao tác. Nếu mỗi thay đổi đều buộc phải thu thập dữ liệu mới và huấn luyện lại mô hình, cách làm đó sẽ không bền vững.

Theo Pathak, mẫu S1 mới nhất của Skild AI, được phát triển trên hạ tầng AI của Nvidia, là kết quả của cách tiếp cận này. Robot có thể thực hiện tác vụ mới ngay khi người vận hành cung cấp video thao tác mẫu, mà không cần huấn luyện lại mô hình.

Ông cũng đề cập đến sự khác biệt giữa văn hóa chạy theo demo và văn hóa ưu tiên triển khai, cho rằng hai cách tiếp cận này rất khó cùng tồn tại trong một công ty.

“Với robot có độ chính xác 50%, người ta vẫn có thể chọn ra một khoảnh khắc đẹp để làm demo. Nhưng để triển khai ngoài thực tế, doanh nghiệp phải xử lý nốt 50% còn lại, và đó mới là phần khó hơn nhiều. Chúng tôi quyết định thưởng cho triển khai”, Pathak nói.

Bên cạnh đó, CEO Skild AI giới thiệu khái niệm Physical Recursive Self-Improvement, viết tắt là Physical RSI - phương thức cải tiến lặp dựa trên dữ liệu thu được từ quá trình triển khai. Theo ông, khi mô hình nền được đưa ra hiện trường để học từ nhiều robot và nhiều tác vụ khác nhau, hệ thống có thể thích nghi với công việc mới nhờ in-context learning. Phần dữ liệu tích lũy sau đó được đưa ngược trở lại mô hình nền, giúp các đợt triển khai tiếp theo khởi đầu ở trạng thái tốt hơn.

“Thời đại của demo đã kết thúc. Thời đại của triển khai đã bắt đầu”, ông nhấn mạnh.