Xe tự hành đang chuyển từ nhận diện vật thể và tuân thủ quy tắc sang khả năng suy luận trong những tình huống bất ngờ. Bước tiến này cho thấy cuộc đua AI không chỉ nằm ở cảm biến hay phần cứng, mà ngày càng phụ thuộc vào dữ liệu, năng lực tính toán và khả năng làm chủ công nghệ.
Khi xe tự lái gặp những tình huống chưa từng thấy
Sau nhiều năm phát triển, xe tự hành đã có thể di chuyển trên đường phố đông đúc, nhận diện người đi bộ, xe đạp và phản ứng với tín hiệu giao thông. Tuy nhiên, thách thức lớn nhất lại nằm ở những tình huống hiếm gặp, thường được giới nghiên cứu gọi là “kịch bản đuôi dài” (long-tail scenarios).
Đó có thể là một đoạn đường bất ngờ bị phong tỏa, người đi bộ xuất hiện từ phía sau một chiếc xe đỗ hoặc phương tiện khẩn cấp đột ngột cắt ngang. Những trường hợp này ít xuất hiện trong dữ liệu huấn luyện nhưng có thể ảnh hưởng lớn đến an toàn.
Các hệ thống tự hành truyền thống thường xử lý theo chuỗi nhận diện vật thể, dự đoán chuyển động rồi lựa chọn hành động. Cách tiếp cận này hiệu quả với những tình huống quen thuộc, nhưng khó hơn khi môi trường thực tế không còn giống những mẫu dữ liệu đã được học.
Vì vậy, một hướng phát triển mới là các mô hình “thị giác - ngôn ngữ - hành động” (VLA), kết hợp dữ liệu hình ảnh với khả năng suy luận để lựa chọn hành động. Thay vì chỉ phản ứng với những gì cảm biến ghi nhận, hệ thống hướng tới việc đánh giá các khả năng có thể xảy ra trước khi đánh lái, phanh hoặc tăng tốc.
Alpamayo và bước chuyển sang AI có khả năng suy luận
Nvidia đang đặt cược vào hướng tiếp cận này với Alpamayo, một hệ sinh thái gồm mô hình VLA, dữ liệu lái xe và công cụ mô phỏng dành cho phát triển xe tự hành. Nvidia giới thiệu Alpamayo 1 vào đầu năm 2026 như một mô hình AI mã nguồn mở tập trung vào các tình huống lái xe “đuôi dài”.
Khác với một hệ thống chỉ đưa ra quỹ đạo, Alpamayo có thể tạo ra cả quỹ đạo dự kiến và “dấu vết suy luận” giải thích nguyên nhân dẫn tới quyết định. Nvidia cho biết cách tiếp cận này nhằm giúp kỹ sư kiểm tra và đánh giá các quyết định của hệ thống trong những tình huống phức tạp.
Alpamayo không phải một chiếc xe tự lái hoàn chỉnh mà là một nền tảng phục vụ phát triển hệ thống tự hành. Nó kết hợp mô hình AI với dữ liệu thực tế và mô phỏng để huấn luyện, kiểm thử các tình huống khó trước khi công nghệ được đưa lên phương tiện.
Nvidia cho biết Mercedes-Benz sẽ đưa công nghệ Alpamayo vào dòng CLA mới, nhưng điều này không đồng nghĩa mẫu xe sẽ ngay lập tức trở thành phương tiện hoàn toàn tự lái. Công nghệ vẫn phải trải qua quá trình tích hợp, kiểm thử và đáp ứng các yêu cầu an toàn trước khi được triển khai rộng rãi.
Tuy nhiên, khả năng suy luận cũng kéo theo yêu cầu lớn về năng lực tính toán. Các mô hình AI lớn khó chạy trực tiếp trên phương tiện nếu không được tối ưu hóa, trong khi xe tự hành lại đòi hỏi quyết định gần như theo thời gian thực. Nvidia hiện phát triển cả hệ thống tính toán trên xe, mô phỏng và các công cụ huấn luyện để giải quyết khoảng cách này.
Từ xe tự lái nhìn về năng lực AI của Việt Nam
Sự phát triển của xe tự hành cho thấy AI đang chuyển từ công cụ phân tích dữ liệu sang công nghệ có khả năng nhận biết, suy luận và tác động trực tiếp lên thế giới vật lý. Để làm được điều đó, ngoài thuật toán còn cần dữ liệu lớn, hạ tầng tính toán, nhân lực chất lượng cao và năng lực nghiên cứu lâu dài.
Đây cũng là những yếu tố được Nghị quyết 57 đặt ở vị trí trọng tâm, cùng với yêu cầu từng bước tự chủ về công nghệ, nhất là công nghệ chiến lược. Nghị quyết đặt mục tiêu đến năm 2030 Việt Nam thuộc nhóm 3 nước dẫn đầu Đông Nam Á về nghiên cứu và phát triển AI.
Với Việt Nam, câu chuyện xe tự hành vì thế không nhất thiết bắt đầu từ việc phát triển một mẫu xe hoàn toàn tự lái. Giá trị tham khảo nằm ở cách các công nghệ AI mới được xây dựng trên nền dữ liệu, năng lực tính toán, nghiên cứu và thử nghiệm thực tế. Khi những năng lực này được tích lũy, AI mới có thể đi xa hơn việc sử dụng các mô hình có sẵn để từng bước tạo ra công nghệ và sản phẩm phù hợp với nhu cầu trong nước.
Cuộc đua xe tự hành vì vậy đang dần trở thành cuộc đua về khả năng làm chủ AI, dữ liệu và hạ tầng công nghệ. Với những tình huống “đuôi dài”, lợi thế không chỉ thuộc về hệ thống nhìn thấy nhiều hơn, mà còn ở khả năng xử lý tốt hơn những điều chưa từng xảy ra.
