NVIDIA Blueprint: Rút ngắn đường đến tương lai cho xe tự hành

NVIDIA công bố NVIDIA Physical AI Data Factory Blueprint, một bản thiết kế tham chiếu mở nhằm tự động hóa quá trình tạo dữ liệu cho AI vật lý. Đây là nhóm công nghệ đứng sau robot, xe tự hành và các hệ thống AI thị giác có khả năng hoạt động trong thế giới thực.

Điểm đáng chú ý nhất của công bố này là NVIDIA không tung ra thêm một mô hình AI đơn lẻ, mà nhắm thẳng vào bài toán đang làm chậm cả ngành: dữ liệu huấn luyện.

Với robot hay xe tự hành, dữ liệu không chỉ phải nhiều mà còn phải đa dạng, sát thực tế và đủ bao phủ những tình huống hiếm gặp. Đây là khâu tốn chi phí, mất thời gian và rất khó mở rộng nếu làm thủ công.

Blueprint mới được NVIDIA giới thiệu nhằm giải quyết chính nút thắt đó. Theo mô tả, hệ thống này giúp tự động hóa ba công đoạn lớn gồm tạo dữ liệu, mở rộng dữ liệu và đánh giá dữ liệu.

Mục tiêu là biến việc chuẩn bị dữ liệu huấn luyện từ một quy trình rời rạc, nặng tay người thành một dây chuyền có thể vận hành ở quy mô lớn.

Nói một cách dễ hiểu, NVIDIA đang muốn xây dựng một “nhà máy dữ liệu” cho AI vật lý. Tại đây, dữ liệu đầu vào sẽ được xử lý, làm sạch, gắn nhãn, mở rộng bằng mô phỏng hoặc dữ liệu tổng hợp, sau đó được đánh giá và sàng lọc trước khi đưa vào huấn luyện mô hình.

Cách làm này có thể giúp các nhóm phát triển rút ngắn đáng kể thời gian chuẩn bị dữ liệu cho robot, hệ thống AI thị giác và xe tự hành.

Nền tảng quan trọng của blueprint là bộ mô hình NVIDIA Cosmos. Hệ thống này được dùng để xử lý, cải thiện và chú thích dữ liệu thực tế lẫn dữ liệu tổng hợp ở quy mô lớn.

Một thành phần khác là Cosmos Transfer, đóng vai trò mở rộng và đa dạng hóa dữ liệu, giúp các bộ dữ liệu đã chọn lọc bao phủ thêm nhiều điều kiện môi trường, ánh sáng hay các tình huống hiếm.

Bên cạnh đó, NVIDIA còn đưa vào Cosmos Evaluator, công cụ dùng để chấm điểm, xác thực và lọc dữ liệu được tạo ra. Thành phần này giúp nhà phát triển không chỉ có nhiều dữ liệu hơn mà còn kiểm soát tốt hơn chất lượng dữ liệu trước khi huấn luyện mô hình.
Trong các hệ thống vật lý như robot hay xe tự hành, chất lượng dữ liệu đặc biệt quan trọng vì sai lệch nhỏ cũng có thể ảnh hưởng lớn đến hiệu năng khi triển khai ngoài thực tế.

Thông điệp mà NVIDIA phát đi khá rõ: tương lai của AI vật lý sẽ không chỉ phụ thuộc vào mô hình mạnh đến đâu, mà còn phụ thuộc vào khả năng sản xuất dữ liệu ở quy mô công nghiệp. Nếu trước đây các công ty chủ yếu cạnh tranh về mô hình và sức mạnh tính toán, thì nay năng lực tạo dữ liệu nhanh, rẻ và đủ độ tin cậy đang trở thành một lợi thế mới.

Không dừng ở công cụ dữ liệu, NVIDIA còn bổ sung OSMO, một khung điều phối mã nguồn mở để quản lý các quy trình làm việc trên hạ tầng điện toán. Vai trò của OSMO là giảm bớt thao tác thủ công trong quá trình triển khai, giúp các nhóm phát triển không phải tự dựng từng mắt xích trong chuỗi xử lý dữ liệu và huấn luyện mô hình.

Đáng chú ý, NVIDIA cho biết OSMO đã được tích hợp với các tác nhân lập trình như Claude Code, OpenAI Codex và Cursor. Chi tiết này cho thấy hãng đang đẩy mạnh hướng đi dùng AI để hỗ trợ vận hành chính các quy trình AI, từ khâu dữ liệu đến triển khai mô hình.

Một điểm mới khác là NVIDIA không phát triển hệ sinh thái này một mình. Hãng cho biết Microsoft Azure đã tích hợp Physical AI Data Factory Blueprint vào bộ công cụ AI vật lý mở của mình. Blueprint cũng có thể kết nối với các dịch vụ như Azure IoT Operations, Microsoft Fabric, Real-Time Intelligence và Microsoft Foundry để phục vụ các bài toán huấn luyện, kiểm thử và triển khai ở quy mô doanh nghiệp.

Ngoài Azure, Nebius cũng đã tích hợp OSMO vào nền tảng đám mây AI của mình. Theo NVIDIA, hạ tầng này được tối ưu để hỗ trợ toàn bộ chuỗi phát triển AI vật lý, từ quản lý dữ liệu, gắn nhãn, thực thi quy trình đến suy luận mô hình.

NVIDIA cũng đưa ra một số ví dụ ứng dụng cụ thể để chứng minh blueprint không chỉ dừng ở mức ý tưởng. Hãng cho biết đang dùng hệ thống này để huấn luyện và đánh giá Alpamayo, bộ mô hình mã nguồn mở cho lái xe tự hành. Bên cạnh đó, Skild AI đang áp dụng để phát triển mô hình nền tảng cho robot đa năng, còn Uber sử dụng nhằm tăng tốc phát triển xe tự hành.

Nhìn rộng hơn, công bố tại GTC 2026 cho thấy NVIDIA đang muốn chuẩn hóa một lớp hạ tầng mới cho kỷ nguyên AI vật lý. Khi robot, xe tự hành và các hệ thống AI ngoài đời thực bước vào giai đoạn cạnh tranh quy mô lớn, dữ liệu sẽ không còn là phần hậu trường mà trở thành trung tâm của cuộc chơi.
Với blueprint mới, NVIDIA đang đặt cược rằng ai xây được “nhà máy dữ liệu” hiệu quả hơn, người đó sẽ đi nhanh hơn trong cuộc đua AI vật lý.