Drylab và bước ngoặt gọi vốn: tín hiệu cho một cách làm AI khác
Drylab AI startup là nền tảng Agentic AI do nhóm nhà khoa học AI và kỹ sư người Việt xây dựng, hướng tới việc giúp phòng thí nghiệm và công ty dược phẩm tự động hóa phân tích dữ liệu, ghi nhớ cả thành công lẫn thất bại thí nghiệm, và tích lũy tri thức nội bộ theo thời gian thay vì phụ thuộc vào mô hình AI đóng gói sẵn từ bên thứ ba. Điểm đáng chú ý không phải là con số vốn, mà là tốc độ và ý nghĩa chiến lược: Drylab hoàn tất vòng gọi vốn hạt giống chỉ sau 8 tháng ra mắt thương mại, do một quỹ đầu tư mạo hiểm lớn tại Đông Nam Á & Ấn Độ dẫn dắt, với sự tham gia của một đối tác dữ liệu khoa học sống lâu năm. Vòng vốn này xác nhận một luận điểm táo bạo: trong nghiên cứu khoa học, giá trị không nằm ở việc dùng AI cho nhanh hơn, mà ở việc xây được một "nhà khoa học AI" ngày càng thông minh theo từng dự án. Đó là khác biệt căn bản giữa Drylab và làn sóng chatbot, công cụ sinh văn bản đang tràn ngập thị trường.
Vì sao cần Agentic AI thay vì AI đóng gói cho phòng thí nghiệm
Drylab chọn xây Agentic AI platform vì một nghịch lý đang diễn ra trong giới nghiên cứu: AI giúp các nhà khoa học công bố số bài báo cao hơn gấp hơn ba lần, nhưng phạm vi đề tài toàn ngành lại bị thu hẹp. Khi mọi người cùng dùng vài mô hình đa dụng giống nhau, tri thức bị chuẩn hóa theo bộ công cụ chung, còn kinh nghiệm riêng của từng phòng thí nghiệm thì không được ghi nhớ. Các mô hình đóng gói, dù chuyên biệt cho thiết kế protein hay phân tích đơn bào, vẫn thường được thiết kế xoay quanh giả định chung, không gắn chặt với mục tiêu, lịch sử dữ liệu, giới hạn thiết bị và cách suy luận của một nhóm nghiên cứu cụ thể. Hệ quả là khi dự án kết thúc hoặc nhân sự thay đổi, phần lớn tri thức tích lũy biến mất cùng con người. Drylab đi ngược lại: nền tảng được cài trên hạ tầng riêng, mọi thứ hệ thống học được – kể cả từ thí nghiệm thất bại – ở lại với tổ chức đó. Đây là lựa chọn mang tính chính trị tri thức: trao quyền sở hữu hiểu biết khoa học cho chính người làm khoa học.
Từ trải nghiệm tự học tin sinh học đến thiết kế nhà khoa học AI
Drylab không sinh ra từ phòng họp của nhà đầu tư, mà từ nỗi đau rất cụ thể trong phòng thí nghiệm: giám đốc khoa học Nhi Nguyễn, nghiên cứu sinh tiến sĩ khoa học y sinh, phải tự học tin sinh học để phân tích dữ liệu thí nghiệm của chính mình. Cùng với CEO John Phan – từng nghiên cứu AI trong một nhóm tại một tập đoàn công nghệ lớn – và CTO Phan Nhật Huy – kỹ sư từng làm việc tại công ty AI của Andrew Ng – họ chọn giải bài toán mà bản thân đã trải qua. Bài toán đó là khoảng cách ngày càng lớn giữa khả năng tạo dữ liệu sinh học và khả năng xử lý dữ liệu: công cụ phân mảnh, hạ tầng rời rạc, chuyên gia tin sinh học thiếu, khiến các nhà khoa học mất hàng tuần để điều phối phân tích, sửa lỗi quy trình và chờ kết quả. Theo một viện nghiên cứu bộ gen người, chi phí giải trình tự một bộ gen đã giảm từ hơn 95 triệu xuống khoảng vài trăm đô la, nhưng khâu phân tích không rẻ đi tương ứng. Câu trả lời của Drylab là tạo ra một "nhà khoa học AI" có thể tự nhận việc, tự sửa lỗi, và học dần từ từng lần phân tích.
Cách Drylab biến Agentic AI thành trí tuệ tự cải thiện cho tổ chức
Khác với chatbot chờ câu lệnh, Agentic AI platform của Drylab được thiết kế như một tác tử biết tự lên kế hoạch và thực thi chuỗi công việc khoa học. Nhà nghiên cứu đặt câu hỏi bằng ngôn ngữ tự nhiên; hệ thống hiểu mục tiêu, chọn phương pháp, lấy công cụ từ hơn 800 phần mềm và cơ sở dữ liệu đã tích hợp, chạy phân tích rồi tự sửa lỗi khi quy trình hỏng. Một mô hình kiểm chứng riêng, được huấn luyện trên các lượt phân tích thật, rà soát quyết định của tác tử và chỉ ra lỗi phương pháp. Điểm quan trọng là Drylab không loại bỏ con người: nhà khoa học vẫn duyệt các bước nhạy cảm như ngưỡng lọc dữ liệu, cách kiểm định kết quả. Lịch sử từ giả thuyết ban đầu, các nhánh thử nghiệm thất bại đến phương án tối ưu đều được ghi lại trong kho dự án để tái sử dụng. Về bản chất, đây là một nền tảng tự học cho tổ chức: mỗi thí nghiệm là một bài học, mỗi sai lầm là một dữ liệu, và Agentic AI là cơ chế biến chúng thành trí nhớ lâu dài thay vì log nằm rải rác trong email, notebook hay file mã.
Chiến lược thị trường: từ hãng dược toàn cầu đến phòng thí nghiệm Đông Nam Á
Drylab là startup người Việt đặt trụ sở tại Singapore, đồng thời hoạt động tại San Francisco – hai điểm nóng của khoa học đời sống và AI. Công ty ra mắt thương mại vào tháng 2 và cho biết đã có khách hàng trả phí là các hãng dược phẩm lớn, trung tâm ung thư, viện nghiên cứu y sinh và trường đại học tại Mỹ, châu Âu, châu Á. Đây là lựa chọn chiến lược: thay vì chạy theo thị trường tiêu dùng, Drylab tập trung vào tổ chức nghiên cứu và công ty dược – nơi tốc độ phân tích dữ liệu có thể quyết định hướng đi của một chương trình thuốc. Nguồn vốn mới được dùng để mở rộng đội ngũ bán hàng doanh nghiệp, tăng lực lượng kỹ sư và chuyên gia sinh học, đồng thời hoàn thiện các chứng nhận bảo mật và tuân thủ mà những tổ chức nghiên cứu lớn yêu cầu. Đối với Đông Nam Á, sự xuất hiện của một Agentic AI platform do người Việt sáng lập, nói được ngôn ngữ của phòng thí nghiệm và hiểu áp lực của nhà khoa học, mở ra khả năng các viện nghiên cứu trong khu vực không chỉ mua công nghệ, mà tự xây trí tuệ khoa học của chính mình. Nếu Drylab giữ được hướng đi "trí tuệ tự cải thiện" này, họ có cơ hội trở thành hạ tầng tri thức cho các chương trình dược phẩm và nghiên cứu y sinh trong nhiều thập kỷ tới.
