Sau GPU cho chatbot có thể là chip dành riêng cho cơ thể robot: Một semiconductor market mới đang hình thành

GPU đã trở thành phần cứng biểu tượng của làn sóng chatbot vì phần khó nhất của generative AI nằm ở việc huấn luyện và chạy những mô hình rất lớn trong data center. Robot đặt ra một bài toán khác. Một humanoid phải nhìn qua nhiều camera, đọc IMU và tactile sensor, giữ thăng bằng, điều khiển hàng chục motor, quản lý pin và phản ứng đủ nhanh để một lỗi phần mềm không biến thành một cú va chạm vật lý.

Vì vậy, cuộc đua semiconductor cho robotics đang bắt đầu tách thành hai lớp. Ở giữa robot là một máy tính AI mạnh để chạy vision-language-action model, perception và planning. Nhưng trải khắp “cơ thể” lại là một mạng processor, microcontroller, sensor interface, network switch, power semiconductor và safety chip phải làm những việc mà một GPU trung tâm không phù hợp để xử lý một mình.

Năm 2026, dấu hiệu của thị trường này xuất hiện khá rõ. Qualcomm giới thiệu Dragonwing IQ10 như một processor dành cho humanoid và autonomous mobile robot. NVIDIA tiếp tục mở rộng Jetson Thor thành dòng module cho robotics. Cùng lúc, NXP, Infineon, STMicroelectronics và Texas Instruments đều công bố kiến trúc hoặc reference design xoay quanh phần “body” của robot — motor control, sensing, power, networking và functional safety.

Đây chưa phải một thị trường trưởng thành kiểu smartphone SoC. Phần lớn humanoid vẫn ở giai đoạn pilot, số lượng sản xuất còn nhỏ và kiến trúc giữa các hãng chưa ổn định. Nhưng điều đang hình thành không chỉ là nhu cầu mua thêm GPU. Nó giống một semiconductor stack mới dành cho máy biết cảm nhận và tác động lên thế giới vật lý.

“Bộ não” AI chỉ là một phần của robot

NVIDIA là ví dụ rõ nhất cho lớp compute trung tâm. Jetson Thor đưa kiến trúc Blackwell xuống một module edge với tối đa 2.070 FP4 TFLOPS, 128 GB memory và dải công suất 40–130 W. NVIDIA định vị nó cho humanoid, nơi cùng một máy tính phải chạy perception, multimodal model, whole-body planning và các workload generative AI ngay trên robot thay vì gửi mọi thứ lên cloud.

Tháng 7/2026, NVIDIA tiếp tục giới thiệu các module T3000 và T2000 cho robotics và edge AI, cho thấy chiến lược không dừng ở một developer kit cao cấp. Công ty muốn tạo một họ compute có thể đi từ prototype tới deployment với nhiều mức công suất và chi phí khác nhau.

Qualcomm chọn hướng tích hợp rộng hơn. Dragonwing IQ10 Robotics Reference Design được thiết kế để gom AI compute, camera và sensor interface, networking, real-time I/O và software stack vào cùng một platform. Qualcomm công bố mức tới 700 TOPS, 18 CPU core Oryon và hỗ trợ tới 12 camera GMSL2 cùng LiDAR, ToF và IMU.

Hai con số 2.070 TFLOPS và 700 TOPS không nên so trực tiếp. Chúng dùng cách đếm operation, precision và giả định phần cứng khác nhau. Điểm đáng quan tâm hơn là cả NVIDIA lẫn Qualcomm đều đang tối ưu processor cho một môi trường mà AI phải chạy trên thiết bị, trong giới hạn điện và nhiệt, đồng thời nhận dữ liệu sensor liên tục.

Robot còn cần một “hệ thần kinh” bằng silicon

Nếu chỉ đặt một accelerator mạnh vào thân robot rồi nối mọi camera và motor trực tiếp tới nó, hệ thống nhanh chóng gặp vấn đề về bandwidth, latency và độ tin cậy. Một camera có thể tạo luồng dữ liệu lớn; nhiều camera cộng thêm depth sensor, IMU và tactile array khiến lượng dữ liệu đổ về processor trung tâm tăng nhanh. Ở chiều ngược lại, lệnh điều khiển joint không chỉ cần nhanh mà còn phải đến đúng thời điểm.

Đó là lý do NXP gọi sản phẩm mới của mình là robot body solutions. Trong kiến trúc công bố tháng 3/2026, i.MX 95 application processor có thể làm node xử lý machine vision gần camera, trong khi một chuỗi i.MX RT1180 crossover MCU điều khiển các joint và được nối về trung tâm qua S32J TSN switch. Hệ thống hỗ trợ EtherCAT và time-sensitive networking để giữ timing có tính dự đoán được giữa các motor.

Mô hình này giống một nervous system phân tán hơn một PC. Processor trung tâm xử lý những quyết định cấp cao; các node ở gần sensor làm preprocessing và đồng bộ dữ liệu; MCU ở gần actuator chạy vòng motor control; network đưa trạng thái và lệnh qua cơ thể robot với độ trễ được kiểm soát.

NXP còn mô tả các i.MX processor như distributed edge-perception node: xử lý RAW/RGB video, IMU fusion hoặc tactile input trước khi stream dữ liệu đã đồng bộ tới GPU. Lợi ích không chỉ là giảm bandwidth. Một task time-critical có thể được xử lý ngay gần nguồn dữ liệu thay vì chờ round-trip qua một processor trung tâm đang bận chạy model lớn.

Motor control và power có thể là phần semiconductor ít hào nhoáng nhưng khó thay thế

Một chatbot chạy chậm thêm vài chục mili-giây thường chỉ làm người dùng khó chịu. Một joint robot phản hồi sai thời điểm có thể làm cả cánh tay rung, mất ổn định hoặc va vào vật thể. Đây là nơi những công ty semiconductor vốn mạnh trong automotive và industrial automation nhìn thấy lợi thế của mình.

Infineon đang đưa portfolio motor control, microcontroller, sensor, power và security vào reference architecture kết hợp với NVIDIA Jetson Thor. Công ty đã demo một motor drive GaN khoảng 1 kW có kích thước rất nhỏ cho cánh tay humanoid, tích hợp power stage, current sensing và Cortex-M33 MCU để chạy field-oriented control ngay gần motor.

Điểm đáng chú ý là power electronics không phải phụ kiện bên lề. Mỗi joint cần biến điện từ battery thành dòng chính xác cho motor, đồng thời đo current, position và temperature rồi phản hồi gần như liên tục. Với robot có nhiều bậc tự do, số lượng power stage, gate driver, current sensor và MCU có thể tăng theo số actuator.

Texas Instruments cũng đang ghép real-time motor control, mmWave radar, sensing và power với NVIDIA. STMicroelectronics tập trung vào IMU, camera/sensor interface, MCU và motor control. Đây đều là những lĩnh vực đã được tối ưu nhiều năm cho ô tô và máy công nghiệp — nơi timing, nhiệt độ, tuổi thọ và safety quan trọng không kém raw compute.

Vì sao các hãng chip ô tô lại xuất hiện quanh humanoid?

Kiến trúc điện tử của một robot hiện đại có nhiều điểm gần automotive hơn smartphone. Cả hai đều phải hợp nhất camera và sensor, điều khiển actuator, vận hành dưới giới hạn năng lượng, giao tiếp qua network thời gian thực và đảm bảo một lỗi ở phần infotainment hoặc AI không kéo theo mất kiểm soát vật lý.

Điều này giúp giải thích vì sao NXP, Infineon, ST và TI cùng xuất hiện quanh NVIDIA. Họ không nhất thiết muốn cạnh tranh trực diện với GPU ở lớp reasoning. Giá trị của họ nằm ở những phần “thấp” hơn của stack: MCU, real-time processor, Ethernet/TSN, CAN, radar, IMU, power MOSFET/GaN, gate driver và secure element.

Infineon ước tính một humanoid có khoảng 500 USD semiconductor content nằm trong phạm vi sản phẩm mà hãng có thể cung cấp. STMicroelectronics đưa ra con số khoảng 600 USD. Đây là ước tính của chính các nhà cung cấp, không phải benchmark độc lập của toàn ngành, và bill of materials giữa các robot có thể khác nhau rất lớn. Nhưng việc hai nhà sản xuất chip công nghiệp lớn bắt đầu công khai tính “semiconductor content per robot” cho thấy họ đang xem humanoid như một end market riêng, tương tự cách ngành chip từ lâu theo dõi semiconductor content trên mỗi ô tô.

Một thị trường mới không đồng nghĩa sắp có một “GPU của robotics”

Robotics hiện vẫn phân mảnh mạnh. Một AMR trong kho, cánh tay công nghiệp, robot phẫu thuật và humanoid có yêu cầu rất khác nhau về sensor, compute, power và safety. Ngay cả giữa các humanoid, số joint, loại actuator, camera và kiến trúc control cũng chưa hội tụ.

Điều đó khiến các reference platform hiện tại quan trọng hơn một ASIC cực kỳ chuyên biệt. Khi model và thuật toán robotics còn thay đổi nhanh, nhà sản xuất cần phần cứng đủ linh hoạt để chạy workload mới. GPU, NPU và programmable MCU có lợi thế vì software có thể thay đổi mà không phải thiết kế lại silicon.

Custom chip có thể xuất hiện mạnh hơn khi một robot đạt volume đủ lớn và workload đã ổn định. Khi đó, việc tích hợp nhiều chức năng vào một SoC có thể giảm BOM, điện năng và kích thước. Smartphone từng đi qua quá trình tương tự: từ nhiều chip rời sang application processor tích hợp CPU, GPU, ISP, modem và AI accelerator. Robot có thể đi theo hướng đó, nhưng khó có một SoC duy nhất thay thế toàn bộ MCU, power semiconductor và safety component phân tán trong cơ thể.

Robot buộc AI chip phải quan tâm tới những thứ data center có thể bỏ qua

Ở data center, chip AI được tối ưu mạnh cho throughput: bao nhiêu token hoặc matrix operation có thể xử lý trong một khoảng thời gian. Robot thêm những ràng buộc khác.

• Latency: sensor phải đi tới perception và control đủ nhanh để robot phản ứng với môi trường.
• Determinism: một số control loop cần timing dự đoán được, không chỉ latency trung bình thấp.
• Power: mọi watt dùng cho compute đều lấy từ battery và cuối cùng trở thành nhiệt cần tản.
• Sensor bandwidth: nhiều camera, depth sensor, radar và IMU phải hoạt động đồng thời.
• Functional safety: failure phải được phát hiện và đưa hệ về trạng thái an toàn, ngay cả khi lớp AI cấp cao gặp lỗi.
• Physical footprint: electronics phải nằm trong torso, arm hoặc joint có không gian hạn chế.

Đó là lý do một “chip cho robot” khó được đánh giá chỉ bằng TOPS. Compute cao nhưng tiêu thụ quá nhiều điện, không có I/O phù hợp hoặc không kết nối được với safety MCU và motor network vẫn có thể là lựa chọn tệ cho một robot thật.

Thị trường chỉ thực sự lớn khi robot rời khỏi pilot

Cho đến hiện tại, bằng chứng về một semiconductor market mới chủ yếu nằm ở sản phẩm, partnership và reference design hơn là doanh thu lớn. Qualcomm đang làm việc với Figure và NEURA Robotics; NVIDIA cho biết Jetson Thor đã được nhiều hãng robot như Boston Dynamics, Figure và Agility Robotics sử dụng; NXP, Infineon, ST và TI đồng loạt xây các thành phần body-side quanh những platform này.

Nhưng phần quyết định vẫn là volume robot thực tế. Một humanoid demo tại triển lãm có thể chứa nhiều silicon đắt tiền mà không đặt áp lực tối ưu BOM. Khi một hãng phải sản xuất hàng chục nghìn robot, mỗi watt, mỗi connector, mỗi MCU và mỗi USD trong bill of materials mới trở thành bài toán semiconductor thực sự.

Nếu robotics đạt tới giai đoạn đó, “AI chip market” sẽ không còn đồng nghĩa với accelerator đặt trong rack. Nó có thể tách thành một lớp silicon chạy model ở trung tâm robot và một lớp lớn hơn trải ra toàn cơ thể để nối perception với action. Phần đầu trông giống hậu duệ của GPU. Phần sau lại giống sự kết hợp giữa automotive electronics, industrial control và embedded AI.

Chính lớp thứ hai mới là phần dễ bị bỏ qua khi nhìn robot chỉ như một chatbot có chân. Một robot không chỉ cần nghĩ. Nó phải biết chính xác camera nào vừa thấy gì, joint nào đang ở đâu, motor nào đang hút bao nhiêu dòng và khi nào phải dừng. Nếu humanoid chuyển từ prototype sang sản phẩm số lượng lớn, những chip làm các công việc âm thầm đó có thể trở thành một trong những semiconductor market đáng theo dõi nhất của physical AI.