'Đừng học code nữa, học ngành này đi' - Ngành gì mà CEO của công ty lớn nhất hành tinh nhất định theo bằng được nếu trở lại tuổi 20

"Làn sóng tiếp theo của AI không nằm trong mã lập trình mà nằm trong các định luật vật lý", CEO Nvidia Jensen Huang cho biết.

"Làn sóng tiếp theo của AI không nằm trong mã lập trình, mà trong các định luật vật lý" –  đây là câu nói của người được xem là đang dẫn dắt kỷ nguyên AI hiện đại: Jensen Huang, nhà sáng lập kiêm CEO Nvidia. Tại nhiều sự kiện gần đây, ông liên tục nhấn mạnh rằng sau kỷ nguyên của AI tạo sinh (Generative AI), thế giới đang bước vào một kỷ nguyên mới: AI vật lý (Physical AI) – nơi trí tuệ nhân tạo không chỉ tạo ra nội dung số mà còn hành động trong thế giới thực.

Từ AI ngôn ngữ đến AI vật lý

Nếu thế hệ AI đầu tiên giúp máy tính "nhìn thấy" (computer vision) và "nghe được" (speech recognition), thì Generative AI đã khiến chúng có thể "viết", "nói" và "sáng tạo" như con người. ChatGPT, Midjourney, Claude hay Gemini là minh chứng rõ ràng cho sự bùng nổ này. Tuy nhiên, các mô hình này vẫn bị giới hạn trong thế giới số – nơi tất cả hành động đều là dữ liệu.

Jensen Huang cho rằng, sự chuyển dịch tiếp theo là đưa AI ra khỏi thế giới số để tương tác với thế giới vật lý, nơi các yếu tố như lực, ma sát, quán tính, không gian ba chiều, và tính bất định đóng vai trò quyết định. Đây chính là Physical AI – thứ sẽ biến các mô hình ngôn ngữ lớn thành những hệ thống có khả năng suy nghĩ, lên kế hoạch và hành động trong môi trường thực tế.

Trong một bài phát biểu tại Trung Quốc vào tháng 7/2025, Huang khẳng định: "Nếu tôi 20 tuổi hôm nay, tôi sẽ chọn học vật lý thay vì khoa học máy tính. Đó mới là ngôn ngữ của làn sóng AI tiếp theo".

Physical AI là gì và vì sao nó quan trọng?

Physical AI, theo định nghĩa của Nvidia, là những mô hình trí tuệ nhân tạo có khả năng nhận thức, hiểu và thao tác với thế giới vật lý. Khác với các mô hình chỉ tạo ra văn bản hay hình ảnh, Physical AI có thể điều khiển robot, xe tự hành, cánh tay máy trong nhà máy hay drone bay trong không gian mở.

Điểm khác biệt cốt lõi là: AI không chỉ "nghĩ", mà còn "làm". Một robot gắp hàng trong kho vận không chỉ cần biết hình dáng vật thể mà còn phải tính toán đường đi ngắn nhất, lực cần thiết để cầm nắm, và thích ứng với sự thay đổi môi trường – điều mà các mô hình Generative AI đơn thuần không làm được.

Theo Huang, đây là mảnh đất màu mỡ tiếp theo của ngành công nghệ – một thị trường có thể đạt quy mô hàng nghìn tỷ USD khi robot, xe tự hành và các thiết bị AI tương tác vật lý trở nên phổ biến. Goldman Sachs từng ước tính riêng thị trường robot hình người (humanoid robotic) có thể đạt 38 tỷ USD vào năm 2035.

Hệ sinh thái Physical AI: Nvidia đang chuẩn bị gì?

Khác với làn sóng Generative AI chủ yếu dựa vào phần mềm và hạ tầng điện toán, Physical AI đòi hỏi một hệ sinh thái toàn diện từ mô phỏng đến triển khai vật lý. Đây là nơi Nvidia chứng tỏ lợi thế vượt trội của mình.

Đầu tiên là Isaac và Omniverse – hai nền tảng cho phép mô phỏng thế giới thực một cách chính xác đến từng chi tiết vật lý. Isaac giúp lập trình và huấn luyện robot trong môi trường ảo, còn Omniverse là "vũ trụ mô phỏng" giúp tạo dữ liệu tổng hợp, tái hiện các kịch bản không thể xảy ra trong phòng lab. Đây là cách để huấn luyện robot mà không cần phải gây tai nạn hàng trăm lần ngoài đời thực.

Thứ hai là các mô hình nền tảng cho robot, tiêu biểu là Cosmos và GR00T. Cosmos là nền tảng giúp robot hiểu thế giới vật lý và điều hướng hành vi dựa trên dữ liệu mô phỏng. Trong khi đó, GR00T – mô hình mã nguồn mở dành cho robot hình người – có khả năng học tập cách đi, đứng, cầm nắm và phản ứng như con người.

Cuối cùng là hạ tầng phần cứng, từ siêu máy chủ DGX chuyên huấn luyện mô hình AI, đến chip Jetson Thor được thiết kế riêng cho các thiết bị biên như robot hay xe tự hành. Theo Jensen Huang, Physical AI cần ba "máy tính": một để huấn luyện (train), một để mô phỏng (simulate), và một để hành động (act). Nvidia đang cung cấp cả ba.

Vì sao Nvidia đặt cược vào Physical AI?

Câu trả lời nằm ở cả tầm nhìn công nghệ lẫn chiến lược thị trường. Trong khi các mô hình ngôn ngữ đang ngày càng bão hòa – với sự cạnh tranh gay gắt từ OpenAI, Google, Anthropic, Meta – thì Physical AI vẫn là vùng đất chưa có người thống trị. Đây là cơ hội để Nvidia định vị lại vai trò, không chỉ là nhà cung cấp GPU, mà là kiến trúc sư của thế hệ máy móc thông minh trong thế giới thực.

Một điểm đặc biệt là: Physical AI không thể phát triển chỉ bằng phần mềm mã nguồn mở hay mô hình đám mây. Nó đòi hỏi phần cứng cực kỳ chuyên biệt, tối ưu cho môi trường khắc nghiệt, thời gian phản hồi tức thì, và độ tin cậy gần như tuyệt đối. Với Blackwell, Rubin và sắp tới là kiến trúc Feynman, Nvidia đang xây dựng nền tảng phần cứng cho 10 năm tới – điều mà ít đối thủ có thể làm kịp.

Physical AI có thực sự là tương lai?

Dù tiềm năng là rõ ràng, giới chuyên gia vẫn cảnh báo rằng Physical AI sẽ là một cuộc chơi dài hơi. Không giống như phần mềm có thể cập nhật trong vài tuần, robot và hệ thống vật lý cần hàng năm để thiết kế, thử nghiệm và đưa vào vận hành. Thách thức về độ an toàn, pháp lý, chi phí sản xuất và niềm tin của người tiêu dùng vẫn còn rất lớn.

Tuy nhiên, điều đó không ngăn được các gã khổng lồ đổ tiền vào cuộc đua. Tesla với Optimus, Figure AI với mô hình robot học sâu, Boston Dynamics với Atlas, và giờ là Nvidia – đều đang tạo nên bức tranh AI nơi các mô hình không chỉ phản hồi câu hỏi, mà còn mở cửa, bốc hàng, chạy xe và thậm chí… chăm sóc con người.