Tại Trung tâm đào tạo dữ liệu robot hình người Thạch Cảnh Sơn ở Bắc Kinh, những công việc tưởng như quá đơn giản với con người lại trở thành bài tập quan trọng đối với máy móc. Hàng chục robot liên tục nhặt chai nước, đặt khay thức ăn vào lò vi sóng, quét bưu kiện, gấp quần áo hoặc sắp xếp đồ dùng trên bàn. Đứng bên cạnh là các chuyên gia sử dụng kính chuyên dụng và bộ điều khiển để hướng dẫn từng chuyển động, sau đó lặp lại quy trình nhằm tạo ra dữ liệu phục vụ quá trình huấn luyện. Đây không đơn thuần là phòng thí nghiệm robot, mà đang trở thành một dạng “trường học” dành cho thế hệ máy móc có khả năng tương tác trực tiếp với thế giới vật lý.

Chuyên gia sử dụng bộ điều khiển để hướng dẫn robot hình người thực hiện các thao tác lặp lại, qua đó thu thập dữ liệu huấn luyện.

Cơ sở Thạch Cảnh Sơn rộng hơn 10.000 m², bắt đầu hoạt động từ tháng 9/2025 và hiện được xem là trung tâm đào tạo dữ liệu robot hình người lớn nhất Trung Quốc. Cơ sở này do Tập đoàn Đổi mới khoa học và công nghệ Kinh Thạch, một doanh nghiệp nhà nước, phối hợp với Leju Robotics, công ty tư nhân chuyên phát triển robot, vận hành. Theo Chu Khải, Tổng giám đốc trung tâm, mục tiêu chính là tạo dữ liệu từ những tình huống thực tế, trải rộng từ công việc gia đình, sinh hoạt thường ngày đến các nhiệm vụ trong môi trường sản xuất công nghiệp. Trung tâm hiện có khoảng 100 robot hình người, có khả năng tạo khoảng 29.000 giờ dữ liệu mỗi năm và bao phủ gần 700 tình huống khác nhau. Đáng chú ý, tỷ lệ đạt yêu cầu đối với mỗi nhiệm vụ thu thập dữ liệu được công bố ở mức 99%.

Quy mô đầu tư cho thấy Trung Quốc không xem đây là một dự án thử nghiệm ngắn hạn. Trung tâm Thạch Cảnh Sơn được lên kế hoạch triển khai qua 5 giai đoạn với tổng vốn đầu tư khoảng 700 triệu nhân dân tệ, tương đương hơn 2.700 tỷ đồng; riêng ba giai đoạn đầu đã nhận 200 triệu nhân dân tệ. Song song với dữ liệu thu thập từ môi trường thật, cơ sở cũng phát triển hệ thống mô phỏng ảo nhằm bổ sung thêm dữ liệu với quy mô lớn. Mục tiêu cuối cùng là xây dựng cái gọi là “bộ não hiện thân” cho robot hình người, giúp chúng không chỉ biết xử lý thông tin mà còn có thể nhận biết môi trường, thực hiện thao tác và thích ứng với những tình huống thay đổi trong thế giới thực. Những robot này được kỳ vọng có thể làm việc trong nhà máy, trung tâm logistics, cơ sở chăm sóc người cao tuổi và xa hơn là ngay trong các hộ gia đình.

Sự xuất hiện của Thạch Cảnh Sơn không phải hiện tượng đơn lẻ. Theo số liệu được dẫn từ công ty nghiên cứu thị trường Interact Analysis, tính đến cuối tháng 4/2026, Trung Quốc đã có ít nhất 90 trung tâm thu thập dữ liệu và huấn luyện robot hình người đang hoạt động, được lên kế hoạch hoặc trong quá trình xây dựng. Động lực phía sau là chiến lược phát triển “trí tuệ hiện thân”, tức những hệ thống AI có khả năng tương tác với thế giới vật lý. Khái niệm này đã xuất hiện trong Báo cáo công tác Chính phủ Trung Quốc hai năm liên tiếp, 2025 và 2026, đồng thời được xác định là một lĩnh vực công nghiệp tương lai trong Kế hoạch 5 năm lần thứ 15. Trung Quốc cũng đang sở hữu lợi thế đáng kể về sản xuất phần cứng: khoảng 19.100 robot hình người được xuất xưởng trên toàn cầu trong nửa đầu năm 2026, trong đó các sản phẩm từ Trung Quốc chiếm hơn 97%, theo nghiên cứu ngành được bài viết dẫn lại.

Tuy nhiên, sản xuất hàng loạt robot mới chỉ giải quyết một nửa bài toán. Một cỗ máy có thể sở hữu hàng loạt cảm biến, động cơ và bộ xử lý hiện đại nhưng vẫn khó thực hiện chính xác những thao tác tưởng chừng đơn giản nếu thiếu dữ liệu huấn luyện phù hợp. Đây chính là điểm khác biệt giữa AI tạo sinh thông thường và AI vật lý. Các mô hình AI có thể khai thác kho văn bản, hình ảnh, âm thanh và video khổng lồ trên Internet, trong khi robot hình người cần học từ những tương tác thực tế như cách cầm một vật thể, di chuyển trong không gian, mở tủ, gấp quần áo hay thao tác với dụng cụ. Những dữ liệu này khó thu thập, tốn thời gian và đòi hỏi môi trường được kiểm soát. Tại Hội nghị Trí tuệ Nhân tạo Thế giới 2026, chuyên gia Yao Maoqing của AgiBot cùng CEO nền tảng dữ liệu AI vật lý Maniformer ước tính trí tuệ hiện thân có thể cần hàng chục triệu, thậm chí hàng trăm triệu giờ dữ liệu trước khi đạt khả năng triển khai rộng rãi, trong khi lượng dữ liệu tương tác vật lý chất lượng cao hiện có trên toàn cầu mới chỉ ở mức vài trăm nghìn giờ.

Các nhiệm vụ đời thường như nấu ăn, gấp quần áo hay sắp xếp đồ dùng trở thành dữ liệu quan trọng để phát triển AI vật lý.

Khoảng cách khổng lồ đó lý giải vì sao Trung Quốc đang xây dựng hàng loạt “trường học robot” thay vì chỉ tập trung vào việc chế tạo phần cứng. Với quy mô nhà máy, logistics, bán lẻ, dịch vụ và hộ gia đình lớn, quốc gia này có thể tạo ra nhiều bối cảnh để robot luyện tập hơn, từ đó biến các thao tác đời thường thành dữ liệu có giá trị cho AI. Theo Chu Khải, sự phối hợp giữa doanh nghiệp, cơ quan chính phủ và nguồn vốn nhà nước giúp các trung tâm có điều kiện mở rộng nhanh. Nếu cuộc đua robot hình người trước đây chủ yếu xoay quanh việc ai chế tạo được cỗ máy tốt hơn, thì giai đoạn tiếp theo có thể được quyết định bởi một câu hỏi khác: ai sở hữu nhiều dữ liệu thực tế và chất lượng hơn để dạy robot cách sống và làm việc cùng con người. Với hàng chục trung tâm đang được triển khai, Trung Quốc đang đặt cược rằng lợi thế sản xuất phần cứng chỉ thực sự phát huy khi được ghép với một “hệ thống giáo dục” đủ lớn cho robot.