Từ thử nghiệm đến vận hành: doanh nghiệp cần những lối đi rõ ràng
Triển khai AI doanh nghiệp là quá trình đưa các mô hình và tác nhân trí tuệ nhân tạo vào quy trình, hạ tầng và sản phẩm thực tế, thay vì chỉ dừng ở các thử nghiệm trong phòng lab; nó đòi hỏi công cụ mã nguồn mở, nền tảng quản lý hạ tầng AI tính toán và giải pháp điều phối mô hình để bảo đảm AI vận hành ổn định, an toàn và có thể mở rộng trong môi trường sản xuất. Trong bối cảnh đó, việc AWS công bố bộ công cụ mã nguồn mở AWS Physical AI Toolchain on AWS ngày 12/10 nhằm hỗ trợ phát triển robot và máy móc thông minh, cùng với ba giải pháp Ship AI Live mà FPT giới thiệu tại sự kiện FPT Transform 2026 ở Hà Nội, cho thấy cuộc chơi AI đang dịch chuyển rõ rệt từ ý tưởng sang vận hành AI thực tế. Điểm đáng chú ý không phải là thêm vài sản phẩm mới, mà là hai cách tiếp cận khác nhau cho cùng một bài toán: làm sao để doanh nghiệp bớt sa lầy vào hạ tầng và tập trung nhiều hơn vào giá trị kinh doanh.
AWS Physical AI Toolchain: kiến trúc mở cho thế giới robot và máy móc thông minh
AWS chọn cách đặt nền móng bằng một công cụ mã nguồn mở: AWS Physical AI Toolchain on AWS, cung cấp mẫu kiến trúc, công cụ tự động triển khai và mã nguồn mẫu có thể dùng ngay. Đây là lựa chọn hấp dẫn cho những doanh nghiệp muốn kiểm soát sâu về kỹ thuật, nhất là trong lĩnh vực robot và hệ thống máy móc thông minh. Bộ công cụ này trải rộng trên năm khâu cốt lõi của Physical AI: tạo dữ liệu tổng hợp, huấn luyện mô hình, mô phỏng và kiểm chứng, triển khai tại biên và cải tiến liên tục. Việc tích hợp với nền tảng Physical AI của NVIDIA giúp doanh nghiệp không phải tự ghép từng mảnh công nghệ rời rạc. Theo AWS, họ xây dựng Physical AI Toolchain sau khi nhận phản hồi rằng khách hàng đang phải dành quá nhiều nguồn lực kỹ thuật cho việc dựng hạ tầng thay vì đổi mới sản phẩm. Nói cách khác, đây là một nỗ lực chuyển phần việc nặng về kỹ thuật sang cho nền tảng, để đội ngũ nội bộ tập trung vào bài toán kinh doanh.
Điểm thú vị là hệ sinh thái quanh Physical AI đã bắt đầu hình thành. NeuRA Robotics đang dùng nền tảng này để phát triển robot hình người có khả năng nhận thức, học qua quan sát, lắng nghe và trải nghiệm, với mục tiêu đưa hàng triệu robot thông minh ra thị trường vào năm 2030. RealWorld lại nhắm vào bài toán thao tác tinh vi, xây dựng mô hình nền tảng với 8,1 tỷ tham số để robot có thể cầm nắm, xoay và xử lý vật thể chính xác như con người trong nhà máy và môi trường dịch vụ. Còn Config tập trung vào dữ liệu, thu thập hơn 200.000 giờ chuyển động của robot và dùng AI tạo sinh để mở rộng thành nhiều kịch bản huấn luyện khác nhau. Những con số này cho thấy Physical AI không còn là khái niệm mơ hồ, mà đang trở thành một chuỗi giá trị cụ thể, nơi dữ liệu vận hành thực tế được tái sử dụng để tạo dữ liệu huấn luyện mới. Với các doanh nghiệp sản xuất, xây dựng, logistics, đây là lời nhắc rằng nếu không chuẩn bị kiến trúc mở ngay từ bây giờ, họ có thể bị bỏ lại phía sau khi robot bước vào dây chuyền.
Ba mảnh ghép của FPT: EOS, Kubernetes Engine và Token Factory
Trong khi AWS đẩy mạnh Physical AI, FPT lại chọn cách giải quyết trực diện bài toán vận hành AI thực tế trong doanh nghiệp. Tại sự kiện FPT Transform 2026 với chủ đề “Ship AI Live”, hơn 1.700 vé đã được bán trước – một tín hiệu cho thấy nhu cầu đưa AI vào hoạt động thực tế đang rất rõ. Ba giải pháp được công bố gồm FPT AI EOS, FPT Kubernetes Engine với GPU và FPT Token Factory, bao phủ các khâu từ tổ chức quy trình công việc, vận hành hạ tầng AI tính toán đến truy cập và sử dụng mô hình. Theo Tổng Giám đốc FPT Smart Cloud Lê Hồng Việt, mục tiêu là giúp doanh nghiệp lựa chọn mức độ tự chủ về AI phù hợp với nhu cầu, từ ứng dụng, mô hình đến hạ tầng, đồng thời tăng khả năng kiểm soát công nghệ và dữ liệu. Đây là cách tiếp cận mang tính “giải pháp tổng hợp”: không ép doanh nghiệp phải trở thành chuyên gia hạ tầng, nhưng vẫn mở đường cho những đơn vị muốn đi sâu hơn vào kỹ thuật.
FPT AI EOS đóng vai trò điều phối các tác nhân AI (AI Agents), cho phép AI tham gia thực hiện nhiều công việc trong quy trình nghiệp vụ và phối hợp với nhân sự. Thông qua các nhân sự số, doanh nghiệp có thể tổ chức, theo dõi tiến độ công việc, kết nối với hệ thống hiện có và chuyển các quyết định cần kiểm soát cho người có thẩm quyền phê duyệt. Demo nhân sự số “Tín” tại sự kiện cho thấy AI có thể chuẩn bị báo giá, theo dõi phản hồi khách hàng, tạo hợp đồng, tổng hợp ý kiến từ các bộ phận kinh doanh, pháp chế, tài chính và cập nhật trạng thái thương vụ. Nhưng những việc ảnh hưởng trực tiếp đến cam kết với khách hàng – như gửi thông tin, chấp nhận điều khoản rủi ro hoặc ký hợp đồng – vẫn do con người phê duyệt. Đây là thông điệp quan trọng: triển khai AI doanh nghiệp không đồng nghĩa với việc loại bỏ con người, mà là tái phân bổ công việc để AI xử lý khối lượng thao tác, còn con người giữ vai trò quyết định.
Hạ tầng AI tính toán và cổng mô hình: giảm ma sát kỹ thuật để AI chạy được ngoài đời
Nếu EOS là lớp quy trình, thì FPT Kubernetes Engine với GPU chính là câu trả lời cho bài toán hạ tầng AI tính toán. Được phát triển trên hệ sinh thái FPT AI Factory, giải pháp này cung cấp môi trường Kubernetes được quản trị dành cho các tác vụ AI. FPT quản lý lớp hạ tầng và hệ thống điều khiển Kubernetes – từ cài đặt, nâng cấp, giám sát, tự động mở rộng đến các thành phần phần mềm phục vụ GPU. Doanh nghiệp chỉ cần tập trung vào ứng dụng, mô hình và tác vụ AI của mình. Theo kết quả thử nghiệm do FPT công bố, cụm Kubernetes có GPU có thể được khởi tạo trong khoảng 5 phút, đưa tác vụ vào môi trường vận hành trong khoảng 30 giây và giảm tới 90% khối lượng vận hành hạ tầng AI thủ công. Đây là một câu nói đáng trích dẫn: “Cụm Kubernetes có GPU có thể được khởi tạo trong khoảng 5 phút, đưa tác vụ vào môi trường vận hành trong khoảng 30 giây và giảm tới 90% khối lượng vận hành hạ tầng AI thủ công”. Với những đội ngũ IT đang vật lộn với việc dựng cluster, con số này không chỉ là thông tin kỹ thuật mà là lời hứa về thời gian được giải phóng.
Hoàn thiện bức tranh là FPT Token Factory – cổng truy cập thống nhất tới nhiều mô hình AI, bao gồm mô hình do FPT vận hành và mô hình từ nhà cung cấp khác. Thay vì phải tích hợp từng API riêng lẻ, doanh nghiệp có thể dùng một đầu mối để truy cập và suy luận mô hình, tức dùng mô hình để xử lý yêu cầu và tạo kết quả. Đối với mô hình do FPT vận hành, dữ liệu được xử lý trên hạ tầng của FPT; với mô hình bên thứ ba, Token Factory đóng vai trò cổng truy cập và quản lý việc sử dụng, còn cách xử lý dữ liệu phụ thuộc vào chính sách của nhà cung cấp. Việc tập trung nhiều mô hình trên một đầu mối giúp doanh nghiệp lựa chọn công cụ phù hợp với từng tác vụ, đồng thời quản lý việc sử dụng tài nguyên và chi phí thuận tiện hơn. Quan trọng hơn, ba giải pháp – EOS, Kubernetes Engine và Token Factory – có thể vận hành độc lập hoặc kết hợp tùy nhu cầu. Doanh nghiệp có thể bắt đầu từ việc dùng EOS để tổ chức nhân sự số, sau đó bổ sung Kubernetes Engine khi muốn chủ động hơn với hạ tầng, và dùng Token Factory để linh hoạt giữa các mô hình. Đây là một lộ trình nâng cấp tự nhiên, thay vì một cú nhảy công nghệ gây sốc.
Kiến trúc mở hay giải pháp tổng hợp: doanh nghiệp nên chọn gì?
Nhìn từ góc độ chiến lược, AWS Physical AI Toolchain đại diện cho lối đi kiến trúc mở, còn bộ ba giải pháp của FPT đại diện cho lối đi giải pháp tổng hợp. Với Physical AI Toolchain, doanh nghiệp – nhất là các nhà sản xuất robot, tự động hóa – có thể xây dựng chuỗi phát triển của riêng mình, từ dữ liệu tổng hợp đến triển khai tại biên, trên nền một stack mã nguồn mở tích hợp với NVIDIA. Điều này phù hợp với những đơn vị có đội ngũ kỹ thuật mạnh, muốn kiểm soát sâu và sẵn sàng đầu tư dài hạn vào năng lực nội bộ. Ngược lại, với FPT AI EOS, Kubernetes Engine và Token Factory, doanh nghiệp có thể chọn mức độ tự chủ về AI theo từng lớp – ứng dụng, mô hình, hạ tầng – và tăng dần khi đã tích lũy đủ kinh nghiệm. Đây là lựa chọn hợp lý cho đa số doanh nghiệp dịch vụ, tài chính, bán lẻ, nơi mục tiêu chính là vận hành AI thực tế để cải thiện quy trình, chứ không phải tự xây cả nền tảng từ đầu.
Điểm chung của cả hai hướng là cùng nhắm vào việc giảm gánh nặng hạ tầng để doanh nghiệp dồn nguồn lực nhiều hơn cho phát triển ứng dụng và sản phẩm mới. Physical AI Toolchain giúp các công ty như NeuRA Robotics, RealWorld hay Config biến tham vọng robot thông minh thành lộ trình kỹ thuật cụ thể với dữ liệu, mô hình và mô phỏng. Bộ ba giải pháp của FPT thì giúp các doanh nghiệp Việt Nam đưa AI vào quy trình nghiệp vụ, quản lý hạ tầng AI tính toán và khai thác mô hình AI mà không phải xây mọi thứ từ số 0. Kết luận thực tế là: không còn một “con đường đúng duy nhất” cho triển khai AI doanh nghiệp. Các đơn vị có thể chọn kiến trúc mở nếu muốn tự tay thiết kế mọi tầng, hoặc chọn giải pháp tổng hợp nếu ưu tiên tốc độ và sự đơn giản. Quan trọng là phải bắt đầu từ câu hỏi: AI sẽ tạo giá trị ở đâu trong vận hành của mình – trên dây chuyền robot, trong quy trình hợp đồng, hay ở lớp mô hình phục vụ khách hàng – rồi chọn lối đi phù hợp thay vì chạy theo trào lưu.
