#44 - Khi AI vật lý bước ra thế giới thực
Tiến Phong
"KHOẢNH KHẮC CHATGPT" CỦA THẾ GIỚI VẬT LÝ
Tháng 1 năm 2026, tại sân khấu Triển lãm Điện tử Tiêu dùng (CES) Las Vegas, Jensen Huang - nhà sáng lập kiêm CEO của NVIDIA - tuyên bố một câu khiến cả hội trường im lặng: "Khoảnh khắc ChatGPT dành cho Physical AI đã đến". Nếu ChatGPT (chương trình trò chuyện AI tạo sinh của OpenAI) năm 2022 đánh dấu thời điểm trí tuệ nhân tạo chinh phục thế giới ngôn ngữ số, thì năm 2026 chứng kiến một bước ngoặt tương đương nhưng ở chiều kích hoàn toàn khác: AI không còn chỉ suy luận và sinh văn bản trên màn hình, mà bắt đầu nhìn, hiểu, suy luận và hành động ngay trong thế giới vật chất - nơi có trọng lực, ma sát, ánh sáng thay đổi, và sự bất định của con người.
Trí tuệ nhân tạo vật lý - thuật ngữ mà NVIDIA, Deloitte, BCG (Tập đoàn Tư vấn Boston), và giờ đây cả Viện Nghiên cứu Capgemini - đều dùng làm trục xoay cho các báo cáo chiến lược năm 2026 - không phải một công nghệ đơn lẻ. Đó là sự hội tụ của nhiều đột phá cùng chín muồi: Các mô hình nền tảng - hệ thống AI được huấn luyện trên lượng dữ liệu khổng lồ, có thể thích ứng với nhiều nhiệm vụ khác nhau - học cách hiểu vật lý thế giới thực, bản sao kỹ thuật số có độ trung thực cao, điện toán biên đủ mạnh để suy luận ngay trên thân robot, và chi phí phần cứng robot giảm mạnh nhờ chuỗi cung ứng quy mô lớn. Kết quả là robot đang chuyển đổi từ những cỗ máy lập trình cứng nhắc thành những tác nhân tự chủ, nhận biết ngữ cảnh, và có khả năng thích ứng - tức là từ automation (tự động hóa - máy làm theo chương trình cố định) sang autonomy (tự trị hóa - máy tự ra quyết định và hành động linh hoạt).
Báo cáo "Trí tuệ nhân tạo vật lý: Đưa cộng tác người-robot lên tầm cao mới" của Viện nghiên cứu Capgemini, công bố tháng 4/2026 dựa trên khảo sát 1.678 lãnh đạo cấp cao từ 16 quốc gia và 15 ngành công nghiệp, cho thấy 67% giám đốc điều hành coi Trí tuệ nhân tạo vật lý là bước ngoặt mang tính cách mạng, 79% tổ chức đã bắt đầu tiếp cận, và 27% đang triển khai hoặc mở rộng quy mô. Con số này không còn là dự báo - đó là hiện thực đang diễn ra.
NỀN TẢNG KỸ THUẬT CỦA AI VẬT LÝ
Để hiểu tại sao Physical AI xuất hiện vào đúng thời điểm này, cần nhìn vào ba trụ cột kỹ thuật đang hội tụ đồng thời.
Thứ nhất là Mô hình nền tảng cho robot: Nếu ChatGPT vận hành trên LLM (Large Language Model - mô hình ngôn ngữ lớn), thì robot thế hệ mới vận hành trên một kiến trúc hoàn toàn khác: VLA - mô hình Thị giác-Ngôn ngữ-Hành động, tức hệ thống AI kết hợp đồng thời khả năng nhìn, hiểu lời nói, và thực hiện thao tác vật lý. Robot không chỉ "nhìn thấy" một cốc nước trên bàn, mà hiểu ngữ cảnh (ai đang cần nước, bàn có bị nghiêng không), suy luận (cần cầm bằng tay nào, lực bao nhiêu), và thực thi hành động vật lý chính xác. Tại GTC 2026 (Hội nghị Công nghệ GPU thường niên của NVIDIA), NVIDIA công bố GR00T N2 - mô hình nền tảng robot thế hệ mới dựa trên kiến trúc World Action Model (mô hình hành động thế giới - hệ thống giúp robot dự đoán hệ quả vật lý của từng thao tác trước khi thực hiện), giúp robot thành công ở các nhiệm vụ mới trong môi trường mới gấp đôi so với các mô hình VLA hàng đầu trước đó.
Song song, NVIDIA phát triển Cosmos - bộ World Foundation Model (mô hình nền tảng thế giới - hệ thống AI mô phỏng quy luật vật lý để tạo ra dữ liệu huấn luyện ảo nhưng chân thực như đời thật). Đây là giải pháp cho bài toán lớn nhất của robot AI: Khan hiếm dữ liệu huấn luyện thực tế. Không giống LLM có thể "ngốn" toàn bộ internet để học, robot cần dữ liệu đa chiều - hình ảnh, xúc giác, không gian 3D, động lực học - vốn cực kỳ tốn kém để thu thập ngoài đời thực. Cosmos cho phép chuyển đổi bài toán dữ liệu thành bài toán tính toán: Thay vì thu thập hàng triệu giờ dữ liệu thực, ta tạo ra chúng trong môi trường mô phỏng rồi dùng GPU (bộ xử lý đồ họa, nay là nền tảng tính toán AI chủ lực) để huấn luyện.
Thứ hai là Phần cứng biên và chip AI chuyên dụng
Robot tự trị không thể phụ thuộc vào kết nối điện toán đám mây để ra quyết định - độ trễ vài trăm mili-giây có thể gây tai nạn trong nhà máy. Chip Jetson Thor của NVIDIA, với kiến trúc Blackwell (thế hệ chip AI mới nhất của NVIDIA), mang sức mạnh tính toán AI trực tiếp lên thân robot, cho phép always-on inference (suy luận luôn bật - khả năng xử lý thông tin AI liên tục 24/7 ngay tại thiết bị) với mức tiêu thụ năng lượng dưới 5 watt. Đây là bước tiến quan trọng khiến robot có thể xử lý thông tin thời gian thực tại hiện trường - từ nhà máy đến phòng phẫu thuật - mà không cần gửi dữ liệu về trung tâm dữ liệu.
Thứ ba là Vòng xoáy tăng cường
Capgemini nhấn mạnh một cơ chế tự tăng cường đang hình thành: Khi robot được triển khai thực tế, chúng liên tục tạo ra dữ liệu vận hành - dữ liệu này quay lại cải thiện mô hình AI - mô hình tốt hơn lại nâng cao hiệu suất robot - robot hiệu quả hơn được triển khai rộng hơn. Vòng xoáy flywheel (bánh đà - cơ chế trong đó mỗi vòng quay lại tiếp thêm năng lượng cho vòng quay tiếp theo) này, kết hợp với tiến bộ trong pin, 5G riêng (mạng di động thế hệ 5 dành riêng cho nhà máy), và mô hình kinh doanh RaaS - Robotics-as-a-Service (robot như một dịch vụ - doanh nghiệp thuê robot theo tháng thay vì mua đứt), đang tạo ra động lực tự gia tốc cho toàn ngành.
QUỐC GIA NÀO ĐANG DẪN ĐẦU CUỘC ĐUA TOÀN CẦU?
1. Trung Quốc: Từ công xưởng thế giới đến phòng thí nghiệm robot toàn cầu
Nếu có một quốc gia đang biến Physical AI từ tầm nhìn thành sản phẩm ở quy mô công nghiệp, đó là Trung Quốc. Theo TrendForce (hãng nghiên cứu thị trường công nghệ Đài Loan), sản lượng robot humanoid (robot hình người - robot có đầu, thân, hai tay và hai chân mô phỏng cơ thể người) của Trung Quốc dự kiến tăng 94% trong năm 2026, với hai doanh nghiệp AgiBot và Unitree Robotics chiếm gần 80% tổng lượng xuất xưởng toàn cầu. AgiBot đã đạt cột mốc 10.000 robot xuất xưởng tích lũy vào cuối tháng 3/2026; Unitree đang IPO (phát hành cổ phiếu lần đầu ra công chúng) trên sàn STAR Market (sàn chứng khoán công nghệ Thượng Hải) với mục tiêu 20.000 đơn vị trong năm. Robot humanoid G1 của Unitree có giá khởi điểm chỉ từ 13.500 USD, trong khi mẫu R1 mới ra mắt chỉ 4.900 USD - mức giá không tưởng so với các đối thủ phương Tây.
Sức mạnh của Trung Quốc không chỉ nằm ở số lượng mà ở hệ sinh thái chuỗi cung ứng tích hợp dọc (tức doanh nghiệp kiểm soát từ khâu sản xuất linh kiện đến lắp ráp thành phẩm). Chính chiến lược đã giúp Trung Quốc thống trị thị trường xe điện nay được áp dụng cho robot: 90% linh kiện có nguồn gốc nội địa, từ joint module (module khớp nối - bộ phận cho phép các chi của robot di chuyển linh hoạt) đến dexterous hand (bàn tay khéo léo - tay robot có thể cầm nắm, xoay, bóp vật thể giống tay người), cảm biến và actuator (bộ truyền động - thiết bị chuyển tín hiệu điều khiển thành chuyển động cơ học). Các hãng xe điện như XPeng, BYD cũng nhảy vào sản xuất robot, tận dụng chuỗi cung ứng pin, cảm biến sẵn có. Tập đoàn Lưới điện Quốc gia Trung Quốc (State Grid - công ty điện lực lớn nhất thế giới) đã phân bổ khoảng 1 tỷ USD năm 2026 để mua sắm 8.500 robot AI, bao gồm 5.000 robot chó tuần tra lưới điện và robot humanoid bảo trì đường dây siêu cao áp.
Tuy nhiên, như báo cáo của Merics (Viện Nghiên cứu Trung Quốc Mercator, trụ sở tại Berlin, tháng 5/2026) chỉ ra, hệ sinh thái robot Trung Quốc vẫn phụ thuộc nặng nề vào chip và phần mềm của NVIDIA - từ Jetson Thor cho tính toán biên đến Isaac Sim (nền tảng mô phỏng robot của NVIDIA) cho huấn luyện. Đây là gót chân Achilles chiến lược trong bối cảnh kiểm soát xuất khẩu của Mỹ có thể mở rộng sang chip biên có năng lực AI cao.
2. Mỹ: Nền tảng phần mềm và mô hình, nhưng chậm chân ở phần cứng
Nếu Trung Quốc dẫn đầu về sản lượng phần cứng, Hoa Kỳ thống trị ở tầng nền tảng phần mềm và mô hình AI. NVIDIA đã xây dựng một hệ sinh thái gần như không thể thay thế: Isaac Sim (mô phỏng robot), Omniverse (nền tảng bản sao kỹ thuật số), GR00T (mô hình nền tảng cho robot), Cosmos (mô hình thế giới), và Jetson (phần cứng biên) - tạo thành một full-stack platform (nền tảng toàn diện từ phần cứng đến phần mềm) mà Jensen Huang tuyên bố sẽ là nền tảng cho toàn ngành robot. Tại GTC 2026, NVIDIA công bố quan hệ đối tác với FANUC (Nhật Bản), KUKA (Đức), Universal Robots (Đan Mạch), Agility, Figure AI (Mỹ), và hàng chục hãng robot hàng đầu khác đều xây dựng trên nền tảng này.
Tuy nhiên, về sản lượng robot humanoid thực tế, các doanh nghiệp Mỹ tụt hậu đáng kể. Unitree của Trung Quốc xuất xưởng gấp khoảng 36 lần so với Figure AI và Tesla cộng lại trong năm 2025. Tesla Optimus (robot hình người của Tesla) vẫn trong giai đoạn thử nghiệm nội bộ, với mục tiêu 50.000 đơn vị vào cuối 2026 nhưng chưa rõ tính khả thi. Dù vậy, các startup (doanh nghiệp khởi nghiệp) Mỹ như Physical Intelligence và Skild AI đã huy động 6,5 tỷ USD vào năm 2025 cho nghiên cứu mô hình thế giới tiên tiến - cho thấy đầu tư vẫn đổ mạnh vào tầng trí tuệ hơn là tầng sản xuất.
3. Phần còn lại của thế giới: Từ BMW đến phẫu thuật robot
Châu Âu và phần còn lại của thế giới chủ yếu đóng vai trò người dùng và nhà tích hợp. BMW đang thử nghiệm robot humanoid Figure 02 tại nhà máy South Carolina (Mỹ) - trong 11 tháng, robot này đã nạp hơn 90.000 linh kiện vào 30.000 xe BMW X3, dù tốc độ vẫn chỉ bằng 1/4 công nhân. Trong y tế, các hệ thống phẫu thuật robot như Hugo RAS của Medtronic và Versius Plus của CMR Surgical vừa được FDA (Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ) phê duyệt vào tháng 12/2025, đánh dấu bước chuyển từ da Vinci (hệ thống phẫu thuật robot thống trị thị trường suốt hai thập kỷ) độc quyền sang hệ sinh thái đa nhà cung cấp. Thị trường phẫu thuật robot toàn cầu đạt 14,3 tỷ EUR vào 2026 và dự kiến tăng lên 49,1 tỷ EUR vào 2034. NVIDIA cũng đã mở rộng nền tảng Isaac sang y tế với GR00T-H - mô hình VLA (Thị giác-Ngôn ngữ-Hành động) dành riêng cho robot phẫu thuật - và Cosmos-H cho tạo dữ liệu tổng hợp phẫu thuật.
Năm hành động ưu tiên từ Capgemini - Bài học cho nhà hoạch định chính sách
Báo cáo Capgemini đề xuất 5 hành động ưu tiên cho doanh nghiệp muốn khai thác Physical AI, nhưng mỗi hành động đều hàm chứa bài học chính sách quan trọng.
Thứ nhất, xây dựng hiểu biết rõ ràng về năng lực và giới hạn hiện tại của Physical AI. 60% giám đốc điều hành tin rằng Physical AI sẽ mở ra những ứng dụng robot trước đây bất khả thi. Tuy nhiên, hơn 70% cũng thừa nhận robot humanoid (hình người) vẫn chưa đủ trưởng thành về kỹ thuật để triển khai diện rộng. Khoảng cách giữa kỳ vọng và thực tế đòi hỏi nhà hoạch định chính sách phải tỉnh táo: không bỏ lỡ làn sóng, nhưng cũng không đầu tư dàn trải vào công nghệ chưa chín muồi.
Thứ hai, neo mọi triển khai vào niềm tin, an toàn và giám sát của con người. Đây không phải lời khuyên mang tính đạo đức suông. Robot AI vận hành trong thế giới vật lý có thể gây tai nạn, xâm phạm quyền riêng tư (qua camera, cảm biến), và tạo ra lỗ hổng an ninh mạng. IFR (Liên đoàn Robot Quốc tế, trụ sở tại Frankfurt, Đức) nhấn mạnh rằng tự trị hóa bằng AI "thay đổi căn bản bức tranh an toàn" và đòi hỏi các tiêu chuẩn ISO (Tổ chức Tiêu chuẩn hóa Quốc tế), khung trách nhiệm pháp lý, và kiểm thử nghiêm ngặt hơn bao giờ hết.
Thứ ba, xây dựng chiến lược dữ liệu chuyên biệt cho Physical AI. Không giống dữ liệu văn bản cho LLM (mô hình ngôn ngữ lớn), dữ liệu cho robot AI là đa phương thức (kết hợp nhiều dạng gồm hình ảnh, cảm biến lực, không gian 3D) và gắn liền với ngữ cảnh vật lý cụ thể. Quốc gia nào xây dựng được hạ tầng thu thập, chia sẻ và tiêu chuẩn hóa dữ liệu robot - như các trung tâm huấn luyện robot lớn mà Trung Quốc đang xây ở Bắc Kinh, Thượng Hải, và Hợp Phì - sẽ có lợi thế cạnh tranh quyết định.
Thứ tư, đầu tư vào lực lượng lao động cho kỷ nguyên cộng tác người-robot. Động lực đầu tư số 1 vào Physical AI, theo Capgemini, không phải chi phí lao động mà là thiếu hụt lao động — đặc biệt trong nông nghiệp, bán lẻ, logistics (hậu cần — vận chuyển, kho bãi, phân phối hàng hóa), và ô tô. Điều này đặc biệt đáng chú ý cho Việt Nam: với tốc độ già hóa dân số nhanh chóng và tỷ lệ sinh giảm, Physical AI không chỉ là lựa chọn công nghệ mà có thể trở thành yêu cầu sống còn để duy trì năng lực sản xuất trong thập kỷ tới.
Thứ năm, duy trì sự tham gia liên tục với hệ sinh thái Physical AI đang biến đổi nhanh. Công nghệ này đang ở điểm uốn (inflection point — thời điểm bước ngoặt khi xu hướng tăng tốc đột biến) — 43% giám đốc điều hành cho biết reshoring (hồi hương sản xuất — xu hướng đưa nhà máy từ nước ngoài về nước mình) và tái công nghiệp hóa đang thúc đẩy đầu tư vào Physical AI như phương tiện hỗ trợ sản xuất nội địa quy mô lớn. Đây là tín hiệu chiến lược cực kỳ quan trọng: Physical AI đang được các nước phát triển coi là công cụ đưa sản xuất về nước, và điều đó ảnh hưởng trực tiếp đến mô hình kinh tế dựa vào FDI (vốn đầu tư trực tiếp nước ngoài) sản xuất của Việt Nam.
HÀM Ý CHÍNH SÁCH CHO VIỆT NAM
1. Nghịch lý chiến lược: Physical AI vừa là cơ hội vừa là mối đe dọa
Việt Nam đang đứng trước một nghịch lý chiến lược đặc biệt sắc nét. Một mặt, Physical AI mở ra cơ hội nâng cấp vị thế trong chuỗi giá trị toàn cầu - từ lắp ráp thâm dụng lao động sang sản xuất thông minh tự trị. Mặt khác, chính Physical AI lại là công cụ các nước phát triển dùng để reshoring (hồi hương sản xuất) - đưa nhà máy về nước mà không cần lao động giá rẻ nữa. Khi 43% lãnh đạo doanh nghiệp toàn cầu nói rằng Physical AI thúc đẩy sản xuất nội địa quy mô lớn, thì lợi thế lao động giá rẻ của Việt Nam - vốn là trụ cột thu hút FDI (vốn đầu tư trực tiếp nước ngoài) suốt ba thập kỷ - đang bị đe dọa từ gốc rễ.
Đây là phiên bản mới của rủi ro "China+1 reversal" (đảo ngược xu hướng Trung Quốc+1 - khi các nước từng chuyển nhà máy sang Việt Nam để giảm phụ thuộc Trung Quốc nay có thể rút về nước nhờ robot) mà tác giả đã phân tích trong các bài viết trước trên Scholicymaker: khi chi phí robot giảm xuống dưới 5.000 USD/đơn vị (như Unitree R1), khi robot có thể học việc qua quan sát thay vì lập trình thủ công, thì quyết định đặt nhà máy ở Việt Nam hay giữ lại ở Mỹ/Đức/Nhật sẽ phụ thuộc ngày càng ít vào chi phí lao động và ngày càng nhiều vào hạ tầng số, hệ sinh thái AI, và khung pháp lý.
2. Luật AI và Luật Công nghệ số - Nền tảng pháp lý đã sẵn sàng nhưng cần hiệu chỉnh
Việt Nam đã có bước đi đáng ghi nhận khi ban hành Luật Trí tuệ Nhân tạo (có hiệu lực từ 1/3/2026) và Luật Công nghiệp Công nghệ số (có hiệu lực từ 1/1/2026) - đưa Việt Nam vào nhóm các quốc gia tiên phong tại ASEAN (Hiệp hội các quốc gia Đông Nam Á) về khung pháp lý AI. Luật AI áp dụng risk-based approach (cách tiếp cận dựa trên rủi ro - phân loại và quản lý AI theo mức độ nguy cơ thực tế, thay vì quản lý đồng loạt) tương tự EU AI Act (Đạo luật AI của Liên minh Châu Âu), phân loại hệ thống AI theo 3 cấp rủi ro (cao, trung bình, thấp) và yêu cầu đánh giá sự phù hợp trước khi triển khai đối với AI rủi ro cao.
Tuy nhiên, như NBR - National Bureau of Asian Research (Cục Nghiên cứu Châu Á Quốc gia, trụ sở tại Seattle, Mỹ) cảnh báo trong phân tích tháng 2/2026, nguy cơ lớn nhất nằm ở khâu triển khai: nếu phân loại rủi ro cao quá rộng - ví dụ, xếp các hệ thống AI dùng cho kiểm soát chất lượng, bảo trì dự đoán (predictive maintenance - dùng AI dự đoán khi nào máy sắp hỏng để sửa trước), hoặc tối ưu kho hàng vào nhóm rủi ro cao chỉ vì quy mô sử dụng lớn chứ không phải vì bản chất rủi ro - thì tốc độ ứng dụng AI sẽ chậm lại đúng ở nơi Việt Nam cần nó nhất: sản xuất và logistics (hậu cần). Đây là bài toán cân bằng mà các nghị định hướng dẫn sắp tới cần giải quyết: bảo vệ quyền lợi công dân mà không tạo ra rào cản tuân thủ quá tải cho doanh nghiệp, đặc biệt doanh nghiệp vừa và nhỏ.
3. Sáu khuyến nghị chính sách cụ thể
Một là: Xây dựng Chiến lược Physical AI quốc gia gắn với Nghị quyết 57-NQ/TW về đột phá khoa học công nghệ. Physical AI cần được nhận diện không chỉ như một nhánh của AI mà như một lĩnh vực chiến lược giao thoa giữa AI, robot, sản xuất, và quốc phòng - tương tự cách Trung Quốc đã đưa robot hình người vào Kế hoạch 5 năm lần thứ 14 từ năm 2021.
Hai là: Hiệu chỉnh phân loại rủi ro AI trong nghị định hướng dẫn Luật AI sao cho tỷ lệ thuận với rủi ro thực tế chứ không phải quy mô triển khai. Robot công nghiệp kiểm tra sản phẩm trong nhà máy đóng cửa không cùng mức rủi ro với AI ra quyết định y tế hoặc tuyển dụng. Sự phân biệt này quyết định tốc độ ứng dụng Physical AI trong sản xuất Việt Nam.
Ba là: Xây dựng hạ tầng dữ liệu robot quốc gia, bao gồm robot training center (trung tâm huấn luyện robot - cơ sở nơi doanh nghiệp có thể thu thập, tiêu chuẩn hóa, và chia sẻ dữ liệu vận hành đa phương thức). Trung Quốc đã xây các trung tâm như vậy ở Bắc Kinh, Thượng Hải, và Hợp Phì. Việt Nam có thể bắt đầu với các khu công nghệ tập trung tại Hà Nội và TP. Hồ Chí Minh, liên kết với NVIDIA Isaac Sim và các nền tảng mô phỏng mã nguồn mở.
Bốn là: Tạo sandbox (không gian thử nghiệm pháp lý - khu vực cho phép doanh nghiệp thử nghiệm công nghệ mới với quy định nới lỏng trong thời gian và phạm vi giới hạn) cho Physical AI trong sản xuất, hậu cần, và nông nghiệp, cho phép doanh nghiệp thử nghiệm robot tự trị trong môi trường kiểm soát trước khi tuân thủ đầy đủ quy định. Luật Công nghiệp Công nghệ số đã có điều khoản sandbox - cần mở rộng phạm vi cụ thể cho robot AI.
Năm là: Tái định vị chiến lược FDI (vốn đầu tư trực tiếp nước ngoài): từ "lao động giá rẻ" sang "hệ sinh thái Physical AI sẵn sàng". Khi chi phí robot giảm và reshoring (hồi hương sản xuất) gia tăng, Việt Nam cần thu hút FDI bằng hạ tầng số (5G riêng, bản sao kỹ thuật số, điện toán biên, nhân lực kỹ thuật AI-robot, và khung pháp lý thân thiện đổi mới - chứ không chỉ bằng mức lương công nhân thấp hơn Trung Quốc.
Sáu là: Đầu tư vào đào tạo lực lượng lao động cộng tác người-robot. IFR (Liên đoàn Robot Quốc tế) nhấn mạnh rằng sự hợp tác chặt chẽ với người lao động trong quá trình triển khai robot là yếu tố quyết định sự chấp nhận — cả trong công nghiệp lẫn dịch vụ. Việt Nam cần chương trình đào tạo quy mô quốc gia về vận hành, giám sát, và bảo trì robot AI, tích hợp vào hệ thống giáo dục nghề nghiệp và đại học kỹ thuật.
Không có lựa chọn đứng ngoài
Physical AI không phải xu hướng công nghệ để quan sát từ xa. Đó là một chuyển dịch cấu trúc đang định hình lại trật tự sản xuất toàn cầu - và Việt Nam, với vị thế một công xưởng sản xuất lớn trong chuỗi giá trị toàn cầu, nằm ngay giữa tâm chấn của chuyển dịch này.
Thị trường robot công nghiệp toàn cầu đã đạt mức cao lịch sử 16,7 tỷ USD. Đầu tư vào mô hình thế giới tiên tiến tăng từ 1,3 tỷ EUR năm 2024 lên 6,5 tỷ EUR năm 2025. Chi phí vật liệu hình người dự kiến giảm từ 35.000 USD xuống 13.000–17.000 USD trong thập kỷ tới. Waymo (công ty xe tự lái của Alphabet/Google) đã hoàn thành 10 triệu chuyến xe taxi không người lái trả phí. Thị trường Physical AI được dự báo tăng từ 3,1 tỷ USD (2025) lên 83,6 tỷ USD vào 2035. Những con số này nói lên một thực tế: thế giới đang đặt cược lớn vào Physical AI, và canh bạc này ngày càng có nhiều bằng chứng là đúng.
Đối với Việt Nam, câu hỏi không phải "Physical AI có ảnh hưởng đến chúng ta không?" mà là "chúng ta sẽ là người tạo ra giá trị, hay người bị thay thế bởi giá trị mà Physical AI tạo ra ở nơi khác?" Nghị quyết 57 về đột phá khoa học công nghệ, Luật AI, và Luật Công nghiệp Công nghệ số đã đặt nền móng pháp lý. Bây giờ là lúc chuyển từ khung pháp lý sang hành động chiến lược - trước khi cửa sổ cơ hội đóng lại.
