Humanoid đang tạo ra một cuộc đua chip mới: Robot cần bộ xử lý riêng để nhìn, suy luận và giữ thăng bằng trong mili-giây

Một chatbot có thể mất vài trăm mili-giây để trả lời mà người dùng gần như không nhận ra. Với humanoid, cùng khoảng trễ đó có thể xảy ra sau khi bàn chân đã chạm đất, cơ thể bắt đầu nghiêng hoặc bàn tay đã đi quá vị trí cần nắm. Robot hình người vì thế đang tạo ra một loại bài toán điện toán khác: phải chạy AI đủ lớn để hiểu môi trường, nhưng đồng thời phải phản ứng với thế giới vật lý theo nhiều nhịp thời gian, có những vòng điều khiển chỉ kéo dài vài mili-giây.

Đó là lý do cuộc cạnh tranh quanh humanoid đang lan sang silicon. NVIDIA đã đưa Jetson Thor dựa trên kiến trúc Blackwell vào các robot của Boston Dynamics, Unitree và nhiều hãng khác. Qualcomm, vốn có kinh nghiệm với chip di động và ô tô, tung Dragonwing IQ10 như một bộ xử lý dành riêng cho humanoid và robot công nghiệp, đồng thời hợp tác với Figure về kiến trúc điện toán thế hệ tiếp theo.

Gọi những con chip này là “GPU cho robot” chỉ đúng một phần. Humanoid cần GPU hoặc NPU để chạy mô hình thị giác và AI, nhưng một hệ thống hoàn chỉnh còn phải có CPU, bộ xử lý cảm biến, giao tiếp camera tốc độ cao, bộ nhớ băng thông lớn, logic thời gian thực và các lớp an toàn độc lập. Điểm cạnh tranh không còn đơn giản là ai có nhiều TOPS nhất.

Một humanoid thực ra chạy nhiều chiếc đồng hồ cùng lúc

Phần “nhìn và hiểu” của robot có thể nhận hình ảnh từ camera, dữ liệu lidar, IMU, encoder ở khớp và cảm biến lực. Các mô hình vision-language hoặc vision-language-action sau đó biến dữ liệu đó thành mục tiêu cấp cao: đi tới đâu, cầm vật gì hoặc thực hiện động tác nào.

Nhưng mệnh lệnh “nhặt chiếc hộp” không thể đi thẳng tới động cơ. Một tầng khác phải tính quỹ đạo tay, tư thế thân người, vị trí bàn chân và phân bố lực. Bên dưới nữa là các vòng điều khiển theo dõi góc, vận tốc và mô-men của từng khớp.

Các tầng này không chạy cùng tần số. Trong một nghiên cứu locomotion trên Unitree G1 năm 2025, bộ lập kế hoạch bước chạy ở 40 Hz, còn tầng model-predictive control chạy ở 500 Hz trên máy tính gắn trên robot. 500 Hz tương đương một chu kỳ khoảng 2 mili-giây. Ở một hệ khác công bố tại Robotics: Science and Systems 2025, policy locomotion chạy ở 50 Hz trên Jetson Orin, tức khoảng 20 mili-giây mỗi chu kỳ.

Những con số này không có nghĩa mọi humanoid đều cần một mô hình AI hoàn thành suy luận trong 2 mili-giây. Chúng cho thấy kiến trúc robot có nhiều tầng với yêu cầu độ trễ rất khác nhau. Phần AI cấp cao có thể chậm hơn; phần giữ thăng bằng, xử lý tiếp xúc và điều khiển khớp không có cùng mức tự do đó.

Jetson Thor đưa GPU Blackwell lên lưng robot

NVIDIA đang tiếp cận bài toán từ hướng quen thuộc của hãng: đưa một GPU mạnh cùng hệ sinh thái phần mềm AI vào một máy tính edge đủ nhỏ để gắn trực tiếp lên robot. Jetson AGX Thor, được thương mại hóa từ tháng 8/2025, dùng GPU Blackwell, có 128 GB bộ nhớ và đạt tới 2.070 FP4 TFLOPS trong mức công suất tối đa 130 W theo thông số của NVIDIA.

Con số FP4 lớn chủ yếu hữu ích cho inference các mô hình AI được lượng tử hóa mạnh; nó không phải thước đo trực tiếp cho mọi tác vụ điều khiển robot. Điểm quan trọng hơn là Thor ghép GPU với CPU Arm 14 nhân, băng thông bộ nhớ 273 GB/s và các khối xử lý cảm biến trong cùng một nền tảng. Điều này cho phép robot chạy đồng thời nhiều pipeline như nhận dạng hình ảnh, mô hình ngôn ngữ-thị giác, policy điều khiển và xử lý dữ liệu camera mà không phải gửi mọi thứ lên máy chủ.

Boston Dynamics cho biết Atlas sử dụng Jetson Thor để chạy các mô hình AI đa phương thức cùng với bộ điều khiển toàn thân và manipulation controller. Unitree H2 Plus cũng liệt kê Jetson T5000 dựa trên Thor làm mô-đun tính toán hiệu năng cao, với 128 GB bộ nhớ và mức công suất cấu hình 40–130 W. NVIDIA còn dùng Thor trong thiết kế tham chiếu Isaac GR00T cho humanoid mà hãng công bố giữa năm 2026.

Chiến lược này không chỉ bán chip. Isaac Sim, Isaac Lab, GR00T và runtime CUDA tạo thành một đường đi từ huấn luyện trong mô phỏng tới triển khai trên robot. Với humanoid, nơi dữ liệu thực nghiệm đắt và dễ làm hỏng phần cứng, phần mềm đi kèm có thể quan trọng gần bằng silicon.

Qualcomm chọn kiến trúc dị thể thay vì chỉ nhấn vào GPU

Qualcomm đang đưa một triết lý khác từ điện thoại và ô tô vào robot. Dragonwing IQ10, công bố tại CES 2026, được thiết kế như một SoC robot tích hợp CPU, GPU, NPU, xử lý hình ảnh, giao tiếp cảm biến và các khối phục vụ điều khiển thời gian thực.

Reference design IQ10 mà Qualcomm giới thiệu tại Computex 2026 được công bố với năng lực AI tới 700 TOPS, CPU Oryon 18 nhân, hỗ trợ tối đa 20 camera cùng lidar và radar, đồng thời nhấn mạnh khả năng điều khiển xác định cho robot công nghiệp và humanoid. Qualcomm cũng cho biết đang hợp tác với Figure để xác định kiến trúc compute thế hệ tiếp theo khi hãng robot này mở rộng nền tảng humanoid.

Không nên đặt 700 TOPS của Qualcomm cạnh 2.070 FP4 TFLOPS của NVIDIA rồi kết luận chip nào nhanh hơn. Hai hãng đang dùng cách đo, kiểu phép toán và độ chính xác số khác nhau; hiệu năng thực tế còn phụ thuộc mô hình, compiler, băng thông bộ nhớ và mức điện năng. Với robot, latency ở một pipeline cụ thể thường có ý nghĩa hơn peak compute trên bảng thông số.

Humanoid cần nhiều hơn một bộ tăng tốc AI

Khác máy chủ trong trung tâm dữ liệu, robot mang toàn bộ nguồn điện theo người. Mỗi watt dành cho compute là một watt không còn dành cho động cơ, và nhiệt sinh ra phải được tản trong thân máy nhỏ đang liên tục chuyển động. Vì thế performance-per-watt trở thành một ràng buộc thiết kế ngay từ đầu.

Băng thông dữ liệu cũng là vấn đề. Một humanoid có thể có camera ở đầu và cổ tay, IMU, encoder ở hàng chục khớp, cảm biến lực và đôi khi lidar. Nếu các luồng dữ liệu phải đi qua quá nhiều chip rời hoặc sao chép qua nhiều lớp bộ nhớ, độ trễ và điện năng đều tăng. Đây là lý do các SoC robot mới dành nhiều diện tích silicon cho image signal processor, network interface và accelerator chuyên dụng chứ không chỉ GPU.

Một yêu cầu khác là tính xác định. Mô hình AI có thể chấp nhận thời gian inference dao động đôi chút, nhưng vòng điều khiển động cơ hoặc cơ chế dừng an toàn thì không. Agility Robotics, chẳng hạn, cho biết Digit 5 có một safety controller độc lập giám sát khoảng cách với con người và kích hoạt phản ứng an toàn khi cần. Điều này cho thấy “não robot” trong thực tế có thể là một hệ thống nhiều bộ xử lý, thay vì một con chip duy nhất làm tất cả.

Cuộc đua chip mới nằm ở chỗ ghép AI với vật lý

GPU trung tâm dữ liệu được tối ưu để đẩy càng nhiều phép toán AI càng tốt. Chip smartphone phải tiết kiệm pin và xử lý camera. Chip ô tô phải đáp ứng cảm biến thời gian thực và tiêu chuẩn an toàn. Humanoid buộc nhiều yêu cầu đó gặp nhau trên cùng một cỗ máy: compute AI lớn, bộ nhớ nhanh, điện năng thấp, nhiều cảm biến, mạng nội bộ độ trễ thấp và các đường điều khiển có thể dự đoán được.

NVIDIA đang có lợi thế về GPU và hệ sinh thái CUDA/Isaac; Qualcomm nhấn mạnh SoC dị thể, hiệu quả năng lượng và kinh nghiệm với hệ thống edge. Các hãng robot cũng chưa nhất thiết sẽ phụ thuộc mãi vào chip thương mại. Khi số lượng robot đủ lớn, thiết kế accelerator hoặc silicon tùy biến cho perception, policy và motor control có thể trở nên hợp lý về chi phí.

Nhưng thị trường vẫn còn sớm. Phần lớn humanoid hiện nay mới ở giai đoạn pilot, nghiên cứu hoặc triển khai giới hạn; chưa có bằng chứng rằng một kiến trúc compute duy nhất đã trở thành tiêu chuẩn ngành. Câu hỏi thực tế trong vài năm tới không chỉ là chip nào đạt TOPS cao hơn, mà nền tảng nào có thể chạy ổn định cả chuỗi sensor → perception → reasoning → planning → control trong giới hạn nhiệt và pin của một cơ thể biết đi.

Nếu humanoid thực sự chuyển từ demo sang làm việc hàng giờ trong nhà máy, kho vận và môi trường có con người, silicon dành riêng cho robot sẽ không còn là linh kiện phụ. Nó sẽ trở thành một trong những lớp quyết định robot phản ứng nhanh đến đâu, dùng pin được bao lâu và có thể chạy bao nhiêu mô hình ngay trên máy mà không cần dựa vào đám mây.

Nguồn: NVIDIA Jetson Thor; Boston Dynamics; Unitree H2 Plus; Qualcomm Dragonwing IQ10; Qualcomm IQ10 Reference Design; Hierarchical Reduced-Order MPC for Humanoid Robots; Robotics: Science and Systems 2025; Agility Robotics Digit 5.