Startup thường chế sản phẩm rồi mới tìm khách hàng: Vantora vào doanh nghiệp công nghiệp trước rồi mới sinh startup

Startup thường bắt đầu bằng một giả thuyết: xây sản phẩm trước, tìm product-market fit sau. Với phần mềm consumer, cách này có thể rẻ enough để thử nhanh. Nhưng nếu sản phẩm phải chạm vào dây chuyền sản xuất, đội xe, lịch bảo trì máy bay hay hệ thống logistics đã vận hành hàng chục năm, một prototype đẹp chưa giải quyết được câu hỏi khó nhất: doanh nghiệp có thật sự cho nó đi vào hoạt động cốt lõi hay không?

Vantora đang thử đảo thứ tự đó. Venture studio trước đây mang tên UP.Labs không bắt đầu bằng một founder có ý tưởng rồi đi tìm khách hàng. Đội ngũ của họ vào bên trong một doanh nghiệp lớn, làm việc với operator và dữ liệu thật để tìm những vấn đề có tác động tài chính đủ lớn, sau đó mới tuyển founder, lập startup và xây sản phẩm quanh bài toán đó.

Ngày 16/9/2026, Silversmith Capital Partners công bố khoản đầu tư hơn 100 triệu USD vào Vantora. Đây là vốn bên ngoài đầu tiên của công ty kể từ khi thành lập năm 2022. Vantora cho biết đã tạo 17 venture, đặt mục tiêu đạt 20 vào cuối năm nay và doanh thu tăng 79% so với cùng kỳ. Quan trọng hơn khoản tiền là sự thay đổi trong mô hình: startup mới ngày càng được xây cho một corporate partner cụ thể thay vì mặc định phải bán cho cả thị trường.

Thay vì customer discovery sau khi có sản phẩm, customer đứng ở điểm xuất phát

Mô hình của Vantora bắt đầu bằng việc đưa một nhóm gồm founder giàu kinh nghiệm, product leader và kỹ sư AI vào doanh nghiệp đối tác. Theo công ty, họ làm việc cùng chính operator và data của doanh nghiệp để xác định những vấn đề có thể tạo ra tác động lớn lên hoạt động cốt lõi.

Vantora nói họ thường nhắm tới các cơ hội có khả năng đóng góp khoảng 50–100 triệu USD EBITDA mỗi năm cho đối tác. Đây là tiêu chí và ước tính của chính công ty, không phải mức lợi nhuận đã được kiểm chứng cho mọi venture. Nhưng cách đặt ngưỡng cho thấy logic khác một accelerator thông thường: một bài toán không được chọn chỉ vì có thể làm demo AI tốt; nó phải đủ lớn để doanh nghiệp sẵn sàng cấp dữ liệu, operator time và vốn cho một công ty mới.

Corporate partner sau đó đầu tư vào venture, trở thành khách hàng đầu tiên và nắm equity từ lúc thành lập. Vantora gọi cấu trúc mới là Sovereign AI: nếu lớp intelligence được xây từ quy trình, dữ liệu và máy móc riêng của doanh nghiệp, doanh nghiệp cuối cùng phải có đường để sở hữu lớp đó.

Điểm này đi xa hơn một hợp đồng phần mềm enterprise. Với SaaS truyền thống, vendor cố xây một sản phẩm đủ generic để bán cho hàng trăm khách hàng. Vantora có thể làm điều ngược lại: xây một công ty xoay quanh một hệ vận hành cụ thể, chứng minh hiệu quả ngay tại anchor customer, rồi cho chính đối tác quyền đưa venture trở lại vào core business khi giá trị đã hiện trên P&L.

Vì sao Physical AI khiến mô hình “khách hàng trước, startup sau” hấp dẫn hơn?

Physical AI là một nhãn khá rộng. Trong cách Vantora dùng thuật ngữ này, nó không chỉ có nghĩa humanoid hay robot tự hành. Nó bao gồm AI tác động trực tiếp tới những hệ vật lý và quy trình vận hành: nhà máy, phương tiện, bảo trì, logistics, cấu hình sản phẩm, máy móc và các workflow mà lỗi phần mềm có thể kéo theo chi phí ngoài thế giới thật.

Đây là nơi một startup đứng bên ngoài gặp nhiều ma sát. Một model muốn tối ưu nhà máy cần biết máy nào đang chạy, ERP ghi dữ liệu ra sao, operator thực sự xử lý exception như thế nào và những ràng buộc nào chỉ tồn tại trong kinh nghiệm của người vận hành. Một hệ autonomous retrofit còn cần quyền truy cập hardware, interface điều khiển và dữ liệu mà doanh nghiệp thường không muốn chia sẻ rộng.

Founder Vantora John Kuolt nói với TechCrunch rằng mô hình cũ từng khiến studio phải bỏ qua những ý tưởng có giá trị nhất: corporate partner coi chúng quá chiến lược để một startup mang công nghệ đó đi bán cho đối thủ. Ông đưa ví dụ một doanh nghiệp công nghiệp cần retrofit máy móc để trở nên autonomous; lớp intelligence điều khiển các tài sản đó có thể trở thành thứ doanh nghiệp muốn sở hữu thay vì thuê từ vendor dùng chung.

Vantora vì thế chuyển sang thứ Kuolt gọi là “proprietary M&A pipeline”. Venture vẫn được lập như một startup với founder, equity và đội kỹ thuật riêng. Nhưng exit tự nhiên có thể không phải IPO hay bán cho một tập đoàn bất kỳ. Corporate partner đã đứng ở đầu quy trình có thể hấp thụ công ty vào chính tổ chức của mình.

Porsche cho thấy mô hình cũ đã hoạt động như thế nào

Vantora không bắt đầu từ Physical AI năm 2026. Khi còn mang tên UP.Labs, công ty ra mắt năm 2022 với Porsche là corporate partner đầu tiên. Hai bên khi đó lên kế hoạch tạo sáu startup quanh những vấn đề chiến lược trong mobility.

Startup đầu tiên, Pull Systems, được công bố năm 2023 để phân tích dữ liệu xe điện, trong đó có tình trạng battery và power electronics. Sau đó là Sensigo, dùng AI để hỗ trợ chẩn đoán và sửa chữa xe trong service center.

Điểm đáng chú ý là các startup Porsche ban đầu vẫn được định hướng có thể mở rộng ra thị trường ngoài Porsche. Pull Systems được mô tả là có thể phục vụ manufacturer, supplier và bên thứ ba; Sensigo cũng được xây như một nền tảng có thể dùng rộng hơn. Đó là mô hình venture studio quen thuộc hơn: corporate partner giúp tìm problem và làm launch customer, nhưng startup vẫn cần một thị trường độc lập đủ lớn.

Chiến lược Vantora mới nới lỏng yêu cầu đó. Nếu solution quá gắn với lợi thế vận hành của một partner để có thể bán cho đối thủ, nó không còn mặc định bị loại. Venture có thể được xây như một tài sản chiến lược riêng và cuối cùng quay về công ty đã sinh ra bài toán.

Alaska Airlines từng biến chính lịch bay thành nguồn để sinh startup

Mô hình problem-first cũng hiện rõ trong quan hệ với Alaska Airlines. Năm 2023, hãng hàng không và UP.Labs lập Airline Venture Lab để tìm các vấn đề như network optimization, routing, aircraft maintenance và revenue management trước khi chọn startup cần tạo.

Một năm sau, hai bên ra mắt Odysee. Startup này dùng operations research, AI và dữ liệu để giúp airline planner thử nhiều cấu hình lịch bay và lượng hóa trade-off giữa revenue, reliability và cách sử dụng aircraft. Alaska không mua một tool đã tồn tại rồi chỉnh sửa; bài toán scheduling của hãng là một phần điểm xuất phát để lập công ty.

Tài liệu Investor Day 2024 của Alaska còn cho thấy cấu trúc tài chính cụ thể của mô hình lúc đó: Alaska cho biết họ sở hữu 25% equity và một board seat trong mỗi startup thuộc partnership, trong khi UP.Ventures đầu tư vốn sớm; hãng có call option để mua startup sau ba năm. Các điều khoản mới của Vantora không nhất thiết giống hoàn toàn cấu trúc này, nhưng nó cho thấy việc corporate partner có đường dẫn từ “khách hàng” tới “chủ sở hữu” đã tồn tại trước đợt tái định vị năm nay.

Vantora đang xây một data layer chung phía sau nhiều startup

Nếu mỗi venture bắt đầu từ một enterprise khác nhau, studio dễ biến thành công ty consulting tạo dự án tùy chỉnh. Vantora cố tránh điều đó bằng một lớp công nghệ dùng chung mang tên COSMOS.

Theo Silversmith, COSMOS là một data ontology product gom dữ liệu vận hành của doanh nghiệp thành cấu trúc mà AI process và autonomous agent có thể sử dụng. Ý tưởng là studio không phải xây lại toàn bộ data plumbing mỗi lần vào một khách hàng mới: các venture có thể khác nhau ở use case nhưng chia sẻ một số hạ tầng để nối legacy system, workflow và dữ liệu vật lý vào model.

Đây có thể là phần quyết định Vantora có thực sự là một venture platform có khả năng scale hay chỉ là consulting được đóng gói bằng equity. Nếu mỗi doanh nghiệp cần hàng tháng mapping dữ liệu và custom integration hoàn toàn mới, economics sẽ vẫn phụ thuộc mạnh vào số giờ chuyên gia. Nếu ontology, toolchain và pattern triển khai tái sử dụng được, chi phí tạo venture tiếp theo có thể giảm theo thời gian.

“Startup có sẵn khách hàng” giải một rủi ro nhưng tạo ra rủi ro khác

Ưu điểm rõ nhất của mô hình là distribution. Venture không ra đời rồi mới hỏi ai sẽ mua; một enterprise lớn đã có mặt ngay từ đầu, mang theo dữ liệu, domain expert, budget và môi trường để thử nghiệm. Điều này đặc biệt có giá trị trong công nghiệp, nơi procurement và integration có thể kéo dài lâu hơn cả runway của startup.

Nhưng cùng cấu trúc đó cũng có thể làm startup quá phụ thuộc vào một khách hàng. Một solution được tối ưu sâu cho workflow của Porsche hay J.B. Hunt chưa chắc generalize sang một doanh nghiệp khác. Nếu partner cuối cùng không mua lại venture, công ty có thể phải khám phá product-market fit bên ngoài muộn hơn bình thường.

Mô hình proprietary còn thu hẹp một phần upside của venture truyền thống. Một sản phẩm giữ riêng cho một tập đoàn có thể tạo giá trị rất lớn cho tập đoàn đó nhưng không có cơ hội trở thành platform bán cho cả ngành. Điều này không hẳn là điểm yếu; nó chỉ cho thấy Vantora đang tối ưu cho strategic enterprise value hơn là mặc định tối đa hóa thị trường độc lập của mỗi startup.

Cũng cần thận trọng với nhãn Physical AI. Một số venture công khai của UP.Labs như Odysee hay Sensigo chủ yếu là software và data platform tác động vào các hoạt động vật lý. Chúng không phải robot tự hành. Việc Vantora hiện mở rộng sang manufacturing, oil & gas và autonomous retrofit có thể đẩy portfolio gần hardware hơn, nhưng công ty chưa công bố đầy đủ những venture Physical AI mới nhất hay các corporate partner công nghiệp mới mà họ đang làm việc cùng.

Hơn 100 triệu USD là vốn để scale một “startup factory”, không phải bằng chứng mô hình đã thắng

Silversmith cho biết Vantora đã có lãi trước khoản đầu tư và đây là lần đầu công ty nhận institutional capital bên ngoài. Tiền mới sẽ được dùng để mở rộng corporate partnerships, phát triển COSMOS và tuyển thêm nhân sự AI lẫn commercial.

Vantora cũng nói đã tạo 17 venture và muốn đạt 20 vào cuối năm 2026. Con số đó cho thấy studio đã vượt qua giai đoạn thử một hoặc hai spinout, nhưng chưa trả lời những câu hỏi dài hạn hơn: bao nhiêu venture sẽ tạo lợi nhuận bền vững, bao nhiêu được corporate partner mua lại, và liệu một studio khoảng hàng trăm người có thể cắm đủ sâu vào ngày càng nhiều ngành mà vẫn giữ domain expertise hay không.

Điều đáng theo dõi vì thế không chỉ là valuation hay số startup được sinh ra. Bài test thực sự nằm ở việc Vantora có thể lặp lại cùng một chu trình trên nhiều ngành: tìm problem trong vận hành thật, dựng data layer, tạo team startup, chứng minh tác động tài chính và chuyển venture thành một tài sản mà doanh nghiệp sẵn sàng sở hữu lâu dài.

Nếu mô hình đó hoạt động, Physical AI có thể tạo ra một kiểu startup khác với làn sóng SaaS trước đây. Founder không nhất thiết bắt đầu bằng một sản phẩm và slide TAM. Điểm xuất phát có thể là một ngày đứng cạnh operator trong nhà máy, hangar hay trung tâm logistics, tìm ra đoạn workflow đang đốt nhiều tiền nhất — rồi chỉ khi problem đủ lớn, startup mới được sinh ra để giải nó.