Ba nhà mạng lớn của Hàn Quốc đang đẩy mạnh hiện diện trong lĩnh vực robot và sản xuất, coi Physical AI là một động lực tăng trưởng mới trong quá trình chuyển đổi thành doanh nghiệp AI. Dù hướng đi này được kỳ vọng mở ra dư địa tăng trưởng mới, khả năng thương mại hóa thực tế vẫn là bài toán chưa có lời giải rõ ràng.

Physical AI là nhóm công nghệ AI có thể nhận biết môi trường vật lý, đưa ra quyết định và thực hiện hành động thông qua robot hoặc thiết bị. Khác với AI tạo sinh chủ yếu xử lý văn bản hay hình ảnh, Physical AI gắn với các công nghệ như VLA (Vision-Language-Action), digital twin và dữ liệu huấn luyện robot.

Giới viễn thông đặc biệt quan tâm đến lĩnh vực này vì có thể tận dụng trực tiếp hạ tầng sẵn có như mạng, điện toán đám mây và trung tâm dữ liệu. Theo đánh giá của các nhà mạng, năng lực truyền dữ liệu lớn theo thời gian thực qua mạng ổn định, cùng khả năng xử lý nhanh tại hạ tầng điện toán biên, là lợi thế quan trọng để triển khai Physical AI.

SKT đặt cược vào digital twin cho nhà máy

SK Telecom đang mở rộng năng lực digital twin tích lũy từ mảng AI cho sản xuất sang Physical AI. Cách tiếp cận của doanh nghiệp là tái tạo nhà máy và thiết bị trong môi trường ảo, từ đó kiểm tra trước tác động của việc thay đổi quy trình hoặc bố trí máy móc, đồng thời sử dụng dữ liệu mô phỏng để huấn luyện robot.

Trước đó, SKT đã đưa công nghệ digital twin dựa trên NVIDIA Omniverse vào fab bán dẫn của SK hynix. Trọng tâm là tái hiện môi trường sản xuất trong không gian số để đánh giá trước ảnh hưởng của các thay đổi trên dây chuyền hay trong cách sắp xếp thiết bị. Công ty cũng xây dựng cơ chế tạo dữ liệu và huấn luyện trong môi trường ảo nhằm đáp ứng nhu cầu dữ liệu lớn cho robot khi phải lặp lại nhiều tình huống như trong thực tế.

Song song với triển khai công nghệ, SKT cũng thúc đẩy chuẩn hóa ở quy mô quốc tế. Đề xuất về “cấu trúc và phương thức liên kết nhà máy dữ liệu robot” do doanh nghiệp trình lên Khu vực Tiêu chuẩn hóa Viễn thông thuộc Liên minh Viễn thông Quốc tế (ITU-T) đã được chọn làm nhiệm vụ tiêu chuẩn hóa mới. Mục tiêu là kết nối các định dạng dữ liệu khác nhau giữa các nhà sản xuất và nền tảng, qua đó nâng hiệu quả sử dụng dữ liệu huấn luyện robot.

SKT đồng thời mở rộng hợp tác với startup. Tháng 7, công ty đã làm việc với 8 startup robotics trong nước để thảo luận phương án xây dựng dữ liệu huấn luyện phục vụ phát triển robot foundation model (RFM) trong môi trường digital twin, cũng như kế hoạch thử nghiệm chung tại các lĩnh vực sản xuất, logistics và dịch vụ. Theo SKT, các cuộc thảo luận này có thể giúp rút ngắn thời gian đưa công nghệ từ nghiên cứu sang ứng dụng thực tế và thương mại hóa, đồng thời mở rộng hệ sinh thái Physical AI trong nước.

KT xây nền tảng điều phối robot với K RaaS

Khác với hướng đi tập trung vào bản thân robot, KT đặt trọng tâm vào khả năng điều phối, kết nối nhiều robot và thiết bị trong cùng một hệ thống. Trục chính của chiến lược này là nền tảng dịch vụ robot K RaaS (KT Robot as a Service).

K RaaS cho phép doanh nghiệp quản lý đồng thời nhiều loại robot, thiết bị công nghiệp hiện có và hệ thống IT nội bộ. Tại một trung tâm logistics, nền tảng này có thể kết nối robot di động với hệ thống quản lý kho (WMS), thang máy và cửa tự động để tích hợp toàn bộ luồng vận hành.

KT cũng đang phát triển công nghệ dựa trên VLA để robot hiểu bối cảnh xung quanh, tiếp nhận chỉ dẫn của con người và thực hiện hành động phù hợp. Mục tiêu là áp dụng công nghệ này cho nhiều dạng robot như humanoid hoặc robot di động, thay vì phụ thuộc vào một nhà sản xuất cụ thể. Tại MWC26 ở Barcelona hồi tháng 2, KT từng giới thiệu kịch bản trong đó humanoid kiểm tra tình trạng linh kiện và điều phối robot di động thực hiện khâu vận chuyển.

Hiện KT đang mở rộng phạm vi ứng dụng K RaaS tại các nhà máy bán dẫn, trung tâm logistics và tòa nhà thông minh. Đại diện công ty cho biết trong thời gian tới, Physical AI sẽ tiếp tục được mở rộng sang các lĩnh vực như khách sạn, bán lẻ và y tế, bên cạnh sản xuất và logistics.

KT cũng đã bắt đầu thử nghiệm tại các cơ sở công nghiệp. Doanh nghiệp tham gia chương trình “xây dựng nền tảng mạng AI hiệu năng cao” của Bộ Khoa học và ICT, cùng Samsung Electronics, HD Hyundai Samho và các đối tác phát triển dịch vụ Physical AI dựa trên AI-RAN tại nhà máy đóng tàu của HD Hyundai Samho ở Yeongam, tỉnh Jeolla Nam. Tại các xưởng hàn và sơn, các bên đang thử nghiệm tự động hóa những công đoạn như hàn chính xác bằng robot bốn chân và sơn tự hành bằng robot sơn, nhằm kiểm chứng năng suất và mức độ an toàn.

LGU+ hướng Physical AI vào đời sống với Iksio

LGU+ chọn cách kết hợp thế mạnh về giọng nói với Physical AI. Theo mô hình này, Iksio sẽ phân tích nội dung cuộc gọi để hiểu bối cảnh của người dùng, xác định hành động cần thực hiện và để humanoid xử lý phần việc trong thế giới thực.

Ví dụ, khi người dùng nhắc tới một chuyến công tác trong lúc gọi điện, Iksio có thể kiểm tra lịch trình và thời tiết, còn humanoid sẽ chuẩn bị các vật dụng cần thiết. Về dài hạn, LGU+ đặt mục tiêu mở rộng mô hình này thành ambient AI, cung cấp dịch vụ phù hợp theo ngữ cảnh bằng cách kết nối smart glasses, thiết bị đeo, đồ gia dụng và ô tô, kể cả khi người dùng không đưa ra mệnh lệnh riêng.

Bên cạnh đó, LGU+ cũng phát triển công nghệ mạng làm nền tảng cho Physical AI. Doanh nghiệp đã phối hợp với Đại học Yonsei kiểm chứng công nghệ duy trì kết nối khi robot hoặc drone di chuyển giữa các mạng khác nhau, thông qua việc liên thông mạng 5G với mạng thử nghiệm AI-RAN. Theo LGU+, nếu Physical AI muốn hoạt động ngoài phạm vi nhà máy hay trung tâm logistics, kết nối liền mạch và không gián đoạn là điều kiện bắt buộc.

Dù vậy, theo đánh giá của giới trong ngành, khoản đầu tư Physical AI của ba nhà mạng vẫn còn phải vượt qua nhiều bước kiểm chứng trước khi có thể chuyển hóa thành doanh thu rõ rệt. Nguyên nhân là các lợi ích cụ thể như tiết kiệm chi phí hay cải thiện năng suất vẫn chưa được chứng minh đầy đủ.

Một nguồn tin trong ngành cho biết cả ba doanh nghiệp hiện vẫn ưu tiên xác nhận hiệu quả ứng dụng tại các cơ sở công nghiệp hơn là theo đuổi lợi nhuận ngắn hạn. Theo người này, khả năng thương mại hóa sẽ xuất hiện sớm hơn ở mảng doanh nghiệp, đặc biệt là sản xuất và logistics, nơi hiệu quả đầu tư có thể đo lường tương đối rõ.