Cách các mô hình mở đang định hình và thúc đẩy nghiên cứu AI

Tại Hội nghị Quốc tế về Học máy (ICML), gần 145 bài báo nghiên cứu đã trích dẫn các mô hình mở và tập dữ liệu NVIDIA Nemotron như nền tảng cốt lõi cho những nghiên cứu mới.

Mỗi năm, ICML lại phác họa bức tranh toàn cảnh về hướng đi mà hàng ngàn nhà nghiên cứu AI đang theo đuổi. Năm nay, các bài báo được chấp nhận đã chỉ ra một xu thế rõ ràng: các mô hình tiên phong mở (open frontier models) và hạ tầng AI mở đã trở thành nền tảng trọng yếu cho cách thức khoa học AI hiện đại vận hành.

NVIDIA có 74 bài báo được chấp nhận tại ICML 2026. Có khoảng 2.000 bài báo được chấp nhận trích dẫn việc sử dụng GPU NVIDIA và 145 bài trích dẫn NVIDIA Nemotron — một hệ sinh thái các mô hình mở bao gồm cả các tập dữ liệu mở — như nền tảng cho nghiên cứu mới. Hàng trăm bài báo khác dựa trên NVIDIA Cosmos, NVIDIA Isaac GR00T, BioNeMo cùng các dòng mô hình mở khác của NVIDIA, bao trùm các lĩnh vực từ physical AI (AI vật lý), robot, xe tự hành đến nghiên cứu y sinh.

Các chủ đề định hình nghiên cứu trong năm nay

Nhiều lĩnh vực như thị giác máy tính, tạo video, học tăng cường (reinforcement learning) cho các mô hình ngôn ngữ lớn (LLMs), huấn luyện AI agent, cũng như suy luận (inference) vẫn là những chủ đề nổi bật xuyên suốt các bài báo năm nay, phản ánh dòng vốn đầu tư liên tục vào các mảng này. Song song đó, một số lĩnh vực mới cũng đã tạo ra sự đột phá.

Các mô hình thế giới cho robot (robot world models) thu hút sự chú ý đặc biệt, với các nghiên cứu như DreamDojo đẩy lùi giới hạn về cách các hệ thống AI học suy luận và hành động trong môi trường vật lý. Chẳng hạn, DreamDojo học cách thế giới vật lý vận hành từ video thực tế của con người và dựa vào các mô hình mở tiên phong NVIDIA Cosmos để dự đoán cách một robot xử lý đồ vật hoặc hoạt động trong những môi trường mà nó chưa từng được đào tạo. Công nghệ này cho phép các nhà nghiên cứu đánh giá các chính sách (policies), lập kế hoạch hành động và điều khiển từ xa một robot ảo, qua đó tăng tốc độ phát triển mà không phải đối mặt với chi phí hay rủi ro của việc triển khai phần cứng thực tế.

AI ứng dụng trong khoa học sự sống (life sciences) được thúc đẩy mạnh mẽ bởi các mô hình mở NVIDIA BioNeMo cùng những nghiên cứu giúp giới khoa học thấu hiểu chức năng protein, hành vi phân tử và mã di truyền. Các báo cáo như FLIP2 giới thiệu những bộ tiêu chuẩn công khai (public benchmarks) nhằm kiểm tra năng lực dự đoán ảnh hưởng của đột biến protein từ AI. Trong khi đó, KERMT là một mô hình mở mới thuộc BioNeMo, được thiết kế để dự đoán các đặc tính phân tử quan trọng trong quá trình khám phá thuốc.

Việc tạo dữ liệu tổng hợp (Synthetic Data Generation – SDG) đặc biệt thu hút sự quan tâm tại ICML năm nay với một số tập dữ liệu mở thuộc hệ sinh thái Nemotron và physical AI. Điều này phản ánh sự dịch chuyển vĩ mô trong tư duy của các nhà nghiên cứu: làm thế nào để huấn luyện AI ở quy mô lớn mà không phải phụ thuộc hoàn toàn vào nguồn dữ liệu do con người gán nhãn.

Lớp nghiên cứu mở (The Open Research Stack)

Hạ tầng mở trang bị cho các nhà nghiên cứu những công cụ đắc lực để đẩy nhanh các đột phá công nghệ.

Các bài nghiên cứu chỉ ra rằng Nemotron đang được ứng dụng không chỉ như một phiên bản mô hình đơn lẻ mà đóng vai trò như một lớp nghiên cứu (research stack) toàn diện: cung cấp trọng số mở (open weights) để đánh giá, tập dữ liệu mở để huấn luyện và tinh chỉnh, cùng với các bộ công thức (open recipes) dành cho suy luận, khả năng sử dụng công cụ, tính an toàn, quản lý dữ liệu (data curation) và suy luận hiệu quả.

Song hành cùng các mô hình này, NeMo Curator và các tập dữ liệu mở mà nó hỗ trợ mang đến cho các nhà nghiên cứu một nền tảng mang tính tái tạo (reproducible) để quản lý dữ liệu huấn luyện. Các công cụ SDG cho phép tạo ra các tập dữ liệu huấn luyện chất lượng cao với quy mô và tốc độ mà chỉ vài năm trước đây vẫn bị xem là bất khả thi.

Dòng mô hình vạn năng (omnimodels) tiên phong Cosmos 3 mang lại cho các nhà nghiên cứu và lập trình viên một bước nhảy vọt về mặt thế hệ trong khả năng xây dựng robot, xe tự hành và vision AI có khả năng nhận thức, suy luận, lập kế hoạch và hành động trong thế giới thực.

Thêm vào đó, dòng mô hình mở NVIDIA Alpamayo dành riêng cho phát triển xe tự hành, NVIDIA Isaac GR00T dành cho robot và NVIDIA BioNeMo trong mảng y sinh học đang tiếp tục giúp gia tốc quá trình R&D trên nhiều khối ngành công nghiệp cốt lõi.

Hệ sinh thái đang phát triển trên nền tảng mở

Động lực này vươn xa ra khỏi khuôn khổ các phòng thí nghiệm nội bộ của NVIDIA:

🧬 Basecamp Research đã phát triển một mô hình nền tảng DNA mới mang tên EDEN, giúp các nhà nghiên cứu diễn giải và thiết kế chuỗi gen.

💊 Merck & Co., ứng dụng KERMT để dự đoán cách các phân tử thuốc tiềm năng có thể hoạt động trong cơ thể, giúp xác định xem chúng có hiệu quả, an toàn và có tiềm năng phát triển thành thuốc thực tế hay không.

🧠 Sakana AI (đơn vị tham dự ICML năm nay) đã xây dựng các mô hình Fugu và Fugu-Ultra trực tiếp trên nền Nemotron 3 Ultra, tận dụng sức mạnh của nền tảng mở để thúc đẩy tự động hóa nghiên cứu AI.

💻 KiloCode đã tích hợp thành công Nemotron vào kiến trúc định tuyến mã (code-routing) của họ, ghi nhận mức giảm chi phí token lên đến 90% — một kết quả có ý nghĩa to lớn tới bài toán kinh tế khi triển khai AI trên môi trường production.

🌐 NAVER tự phát triển mô hình riêng dựa trên kiến trúc của Nemotron, mở rộng nền tảng phục vụ cho các nghiên cứu AI bằng tiếng Hàn.

⚡ Together AI đang lưu trữ trực tiếp các mô hình Nemotron trên hệ thống của họ, giúp các nhà nghiên cứu cần sự ổn định và liền mạch dễ dàng tiếp cận với inference mở.

Các công ty về robot hình người (humanoid) như LG Electronics, NEURA Robotics và Noble Machines đang áp dụng mô hình NVIDIA Isaac GR00T để tăng tốc triển khai công nghiệp. Cùng lúc đó, 1X, Agility, Agile Robots, Boston Dynamics, Hexagon Robotics, và Mentee đang chế tạo thế hệ humanoid tiếp theo dựa trên các mô hình thế giới Cosmos, Isaac Sim và Isaac Lab để gia tốc quá trình phát triển và kiểm thử robot.

____
Bài viết liên quan