Tại sự kiện NVIDIA GTC 2026 vừa qua, đại diện từ Porsche Engineering – bao gồm Daniel Schumacher (Kiến trúc sư Đám mây), Benedikt Kisner (Giải pháp Kỹ thuật số) và Leon Eisenmann (Kỹ sư Machine Learning) – đã mang đến một phiên thảo luận mang tính thực tiễn cao về chủ đề đổi mới trong ngành ô tô.
Trọng tâm của phiên trình bày không nằm ở việc phô diễn một mô hình AI đơn lẻ, mà là cách Porsche xây dựng toàn bộ hệ sinh thái kỹ thuật theo thời gian thực kết nối đám mây để giải quyết bài toán cốt lõi: Rút ngắn thời gian đưa công nghệ từ phòng thí nghiệm lên xe thực tế (Time-to-car).
I. Bài Toán Của Ngành Ô Tô Truyền Thống
Theo Daniel Schumacher, quy trình phát triển AI trên ô tô trước đây tốn rất nhiều thời gian. Dữ liệu được ghi lại ngoại tuyến, các kỹ sư phải chép dữ liệu thủ công từ xe thử nghiệm bằng USB, và việc xác thực diễn ra nhiều tuần sau khi thu thập. Điều này dẫn đến chu kỳ thử nghiệm kéo dài và dữ liệu của các xe trong đội thử nghiệm rất khó đồng bộ.
Câu hỏi đặt ra là: “Quy trình phát triển sẽ ra sao nếu các ứng dụng AI có thể chuyển thẳng từ phòng thí nghiệm vào xe từ sớm, an toàn và trên quy mô lớn?”
II. Giải Pháp: Vòng Lặp “Big Data Loop”
Để trả lời câu hỏi trên, Porsche Engineering đã xây dựng một vòng lặp phát triển liên tục mang tên Big Data Loop, tựa trên 5 trụ cột công nghệ chính:
- Car Data Box (Thiết bị Edge trên xe): Chạy trên nền tảng chip NVIDIA Jetson, đóng vai trò thu thập dữ liệu cảm biến, chạy các mô hình AI trực tiếp trên xe (In-vehicle AI) với độ trễ thấp.
- Hồ dữ liệu trung tâm (Data Lake): Nơi toàn bộ dữ liệu từ các xe được tự động đẩy lên đám mây và gán siêu dữ liệu (metadata) để dễ dàng truy vấn.
- Hệ thống xử lý đám mây (Cloud Processing): Dựa trên Kubernetes để xử lý dữ liệu và huấn luyện AI ở quy mô lớn.
- Nền tảng IoT Edge: Cho phép triển khai từ xa (CI/CD) các bản cập nhật phần mềm hoặc mô hình AI mới xuống thẳng toàn bộ đội xe chỉ trong vài phút.
- Hệ thống On-premise (NVIDIA DGX B200): Cụm siêu máy tính mạnh mẽ sử dụng khung PyTorch và Slurm để huấn luyện các mô hình AI phức tạp nhất trước khi tối ưu hóa để đưa xuống xe.
III. 3 Ứng Dụng Thực Tế (Use Cases) Chứng Minh Sức Mạnh Hệ Sinh Thái
Để chứng minh tính hiệu quả của Big Data Loop, Leon và Benedikt đã trình bày 3 bài toán kỹ thuật mà Porsche đã giải quyết thành công:
- Signal Foundation Model (Mô hình nền tảng tín hiệu)
- Dữ liệu xe thường là các tín hiệu chuỗi thời gian (time-series) khổng lồ và không có nhãn. Rất khó để tìm kiếm các sự cố hiếm gặp. Porsche đã tạo ra một mô hình biến các tín hiệu thô này thành không gian ẩn (latent space) và kết hợp với AI tạo sinh để tự động mô tả tình huống.
- Kết quả: Kỹ sư có thể dùng ngôn ngữ tự nhiên để tìm kiếm dữ liệu (ví dụ: “Tìm tình huống xe tạt đầu”). Hệ thống sẽ tự động dán nhãn hàng ngàn kilomet dữ liệu thử nghiệm.
- AI-Corrected Race GPS (Sửa lỗi GPS trong đua xe bằng AI)
- GPS tiêu chuẩn thường sai số từ 5 – 10 mét, không thể dùng trên đường đua tốc độ cao, trong khi GPS vi sai lại quá đắt để sản xuất đại trà.
- Kết quả: Bằng cách dùng mô hình mạng nén LSTM chạy trực tiếp trên Car Data Box, kết hợp dữ liệu GPS lỗi với thông số động lực học (tốc độ, góc lái, gia tốc), Porsche đã giảm 95% sai số, đưa độ lệch về mức 1 – 2 mét theo thời gian thực.
- Agentic AI-Driven Fleet Diagnosis (Chẩn đoán lỗi đội xe bằng AI Đa tác tử)
- Khi một lỗi xuất hiện trong đội xe thử nghiệm, việc tìm nguyên nhân gốc rễ qua hàng đống tệp log tốn rất nhiều ngày của các chuyên gia.
- Kết quả: Porsche sử dụng mô hình AI Đa tác tử (Multi-agent AI). Mỗi AI chuyên trách một mảng (ADAS, khung gầm, pin…) sẽ tự động phân tích các điểm bất thường và một AI điều phối sẽ tổng hợp lại. Quá trình này giúp đưa ra giả thuyết và khoanh vùng nguyên nhân lỗi chỉ trong vài phút thay vì vài giờ.
“Sự đổi mới không nằm ở một mô hình AI xuất sắc. Nó nằm ở hệ thống biến dữ liệu thành các cải tiến nhanh hơn, an toàn hơn và có tính lặp lại cao.” – Benedikt Kisner
IV. Kết Luận
Phiên trình bày của Porsche Engineering tại GTC 2026 đã mang đến một góc nhìn thực tế, khô khan nhưng đầy sức mạnh của ngành kỹ thuật ô tô hiện đại. Bằng việc đồng bộ hóa dữ liệu từ xe lên đám mây và ngược lại, Porsche đang biến những chiếc xe thử nghiệm thành một phần mở rộng của phòng thí nghiệm AI, đánh dấu một bước tiến lớn trong việc rút ngắn “Time-to-car” và nâng cao chất lượng sản phẩm cuối cùng.