Nvidia và Hitachi đang mở rộng phạm vi ứng dụng của Physical AI từ robot sang các hệ thống hạ tầng xã hội như đường sắt, điện lưới và nhà máy. Theo hai doanh nghiệp, việc đưa AI vào môi trường vận hành thực tế đòi hỏi tiêu chuẩn chính xác và cơ chế kiểm chứng nghiêm ngặt hơn nhiều so với AI tạo sinh.

ITmedia Japan ngày 15/4 đưa tin Hitachi đang tăng tốc phát triển mảng giải pháp AI cho hạ tầng xã hội dưới thương hiệu “HMAX by Hitachi”.

Tại CES 2026 ở Las Vegas hồi tháng 1, Aria Barirani, Giám đốc Marketing của Hitachi America, định nghĩa Physical AI là “AI có thể cảm nhận, suy luận, tương tác và hành động trong thế giới vật lý”. Ông cho rằng không nên chỉ nhìn Physical AI như công nghệ dành cho robot, bởi các lĩnh vực như máy biến áp, lưới truyền tải, tàu hỏa, hệ thống tín hiệu hay bioreactor mới là những thị trường ứng dụng cốt lõi.

Theo Nvidia, yếu tố quyết định trong lĩnh vực này là độ chính xác. Deepu Talla, Phó chủ tịch phụ trách Edge AI và Robotics của Nvidia, cho biết mức độ tin cậy của hệ thống thường được đo bằng “số chữ số 9”. Cụ thể, hệ thống quản lý tòa nhà cần “6 số 9”, xe tự hành cần “10 số 9”, còn robot phẫu thuật cần tới “15 số 9”. Khác với AI tạo sinh, vốn khi sai có thể chỉ dẫn tới thông tin lệch hoặc kết quả không chính xác, lỗi của Physical AI có thể tác động trực tiếp đến an toàn và hoạt động vận hành.

Quá trình triển khai AI vào hạ tầng xã hội cũng vấp phải nhiều rào cản ngoài yếu tố kỹ thuật. Hitachi cho biết các hệ thống này thường có vòng đời kéo dài hàng chục năm, mức độ số hóa và kết nối còn thấp, trong khi môi trường quản lý lại rất chặt chẽ. Riêng trong các lĩnh vực như đường sắt và năng lượng, hệ thống còn phải bảo đảm khả năng truy vết quyết định, đồng thời cho phép con người can thiệp để dừng hoặc điều chỉnh phán đoán của AI khi cần.

Để đáp ứng các yêu cầu đó, Nvidia đề xuất mô hình phát triển theo cấu trúc “ba máy tính”. Theo cách tiếp cận này, mô hình AI trước tiên được huấn luyện tại trung tâm dữ liệu, sau đó được kiểm chứng trên quy mô lớn trong môi trường mô phỏng, rồi mới đưa vào vận hành thực tế. Điểm then chốt là doanh nghiệp có thể chạy hàng triệu kịch bản thử nghiệm trong không gian ảo mà không cần dừng nhà máy hay đoàn tàu ngoài thực địa.

Bài toán dữ liệu cũng là một thách thức lớn. Những dữ liệu về sự cố ngoài thực tế, như rung động bất thường trong nhà máy, lỗi đường ray hay trục trặc trong quy trình sinh học, thường rất khó thu thập và cũng khó tái tạo. Vì vậy, dữ liệu tổng hợp đang được xem là giải pháp bổ sung quan trọng. Mô hình nền tảng thế giới “Cosmos” của Nvidia có thể tạo ra nhiều môi trường vật lý khác nhau để kết hợp với dữ liệu cảm biến thực, qua đó bổ sung nguồn dữ liệu huấn luyện còn thiếu.

Song song với đó, Nvidia cũng cung cấp nhiều mô hình mở để thúc đẩy hệ sinh thái Physical AI. Danh mục này gồm “Nemotron” cho mô hình ngôn ngữ, “AlphaMayo” cho xe tự hành, “GR00T” cho robot hình người, “BioNeMo” cho dược sinh học và “Earth-2” cho mô phỏng khí hậu. Chiến lược của hãng là công khai cả trọng số mô hình lẫn công cụ huấn luyện, qua đó giúp doanh nghiệp tùy chỉnh theo môi trường vận hành riêng.

Trên nền tảng này, “HMAX by Hitachi” được phát triển với trọng tâm gồm ba lĩnh vực: di động, năng lượng và công nghiệp. Giải pháp kết hợp dữ liệu cảm biến với tri thức chuyên ngành mà Hitachi đã tích lũy từ máy biến áp, lưới truyền tải, tàu hỏa và thiết bị nhà máy, đồng thời tận dụng dữ liệu tổng hợp và mô hình AI để xây dựng các ứng dụng có thể triển khai tại hiện trường.

Giới quan sát nhận định cuộc đua Physical AI đang vượt ra ngoài câu chuyện hiệu năng mô hình, để chuyển sang cạnh tranh toàn diện về dữ liệu, mô phỏng, khả năng đáp ứng quy định và tri thức vận hành theo từng ngành. Trong các môi trường hạ tầng không thể dừng, mức độ kiểm chứng và khả năng kiểm soát của con người có thể sẽ trở thành tiêu chí quan trọng hơn cả hiệu năng AI.