Xe tự lái đang tạo ra một núi dữ liệu khổng lồ mà ngay cả các công ty công nghệ lớn cũng đau đầu xử lý. Nomadic — startup vừa gọi vốn thành công 8,4 triệu USD — đang giải quyết đúng cái bài toán đó: biến footage thô từ robot và phương tiện tự hành thành bộ dữ liệu có cấu trúc, có thể tìm kiếm được. Với Việt Nam, nơi các dự án xe tự lái và robot đang dần xuất hiện, đây là tín hiệu đáng chú ý.
Nomadic Làm Được Gì Mà Người Khác Chưa Làm?
Hãy tưởng tượng một chiếc xe tự lái chạy trên đường mỗi ngày. Nó ghi lại hàng terabyte video từ camera, cảm biến LiDAR, radar — liên tục, không ngừng nghỉ. Vấn đề không phải là thiếu dữ liệu. Vấn đề là dữ liệu đó vô dụng nếu không được gán nhãn, phân loại và sắp xếp đúng cách.
Nomadic xây dựng một pipeline sử dụng deep learning để tự động chuyển đổi footage thô thành dataset có cấu trúc — nghĩa là bạn có thể tìm kiếm theo tình huống cụ thể: “xe cắt ngang đường”, “người đi bộ trong mưa”, “đèn đường bị che khuất”. Thay vì kỹ sư phải xem thủ công hàng nghìn giờ video, hệ thống của Nomadic làm điều đó tự động và nhanh hơn nhiều lần.
Vòng gọi vốn 8,4 triệu USD này — theo TechCrunch — sẽ giúp Nomadic mở rộng đội ngũ và hoàn thiện mô hình AI cốt lõi của mình. Đây là bước đi hợp lý trong bối cảnh các công ty xe tự lái đang chi hàng tỷ đô la để cải thiện độ an toàn nhưng lại tắc nghẽn ngay khâu xử lý dữ liệu.
Thực tế cho thấy khâu gán nhãn và cấu trúc hóa dữ liệu vẫn là điểm nghẽn lớn nhất trong chuỗi phát triển AI cho xe tự lái — không phải thuật toán điều khiển.
Tại Sao Đây Là Bài Toán Khó Đến Vậy?
Dữ liệu từ xe tự lái không giống ảnh chụp thông thường. Chúng đa chiều, đa nguồn, và cực kỳ nhạy cảm với ngữ cảnh. Một cảnh quay ở San Francisco khác hoàn toàn so với cảnh quay ở Hà Nội hay TP.HCM — nơi xe máy chen chúc, hẻm nhỏ chằng chịt và văn hóa giao thông có những đặc thù riêng không có trong bất kỳ dataset phương Tây nào.
Đây chính là lý do các công ty muốn phát triển xe tự lái tại thị trường Việt Nam phải tự xây dựng dataset riêng. Và để làm điều đó hiệu quả, họ cần đúng loại công cụ mà Nomadic đang xây dựng.
Điều ít ai để ý là chi phí gán nhãn dữ liệu thủ công đang chiếm 60–80% tổng chi phí phát triển AI trong lĩnh vực xe tự hành. Tự động hóa khâu này — đúng hướng mà Nomadic đang làm — có thể giảm chi phí đó xuống đáng kể.
Ý Nghĩa Với Người Việt Nam
Việt Nam chưa có xe tự lái thương mại, nhưng không có nghĩa là câu chuyện này không liên quan. Thực tế là hoàn toàn ngược lại.
Lấy ví dụ cụ thể: các công ty logistics tại Việt Nam như Giao Hàng Nhanh hay Giao Hàng Tiết Kiệm đang thử nghiệm robot phân loại hàng hóa trong kho. Những robot này cũng tạo ra footage và dữ liệu cảm biến tương tự xe tự lái — và cũng cần được xử lý, cấu trúc hóa để huấn luyện AI nội bộ. Đây là bài toán y hệt những gì Nomadic đang giải.
Hay rộng hơn: nếu VinFast hoặc một startup Việt nào đó muốn nghiêm túc phát triển xe tự lái cho điều kiện giao thông Việt Nam, họ sẽ cần đúng loại công cụ quản lý dữ liệu này. Không có công ty nước ngoài nào có dataset phản ánh cảnh một xe máy bóp còi, vượt đèn đỏ và len lỏi qua ngã tư Hà Nội vào giờ cao điểm. Đó là bài toán riêng, cần giải pháp riêng.
Những kỹ sư AI và kỹ sư dữ liệu người Việt đang làm việc trong lĩnh vực computer vision và robotics nên theo dõi cách Nomadic xây dựng pipeline của họ — không phải để copy, mà để hiểu hướng đi của ngành. Bài toán AI có thay thế công việc của bạn không không chỉ nằm ở ChatGPT — nó nằm ở cả những hệ thống tự động hóa gán nhãn dữ liệu như thế này.
Theo quan sát của chúng tôi, thị trường Đông Nam Á — đặc biệt là Việt Nam với mật độ giao thông hỗn loạn đặc thù — chính là “bãi thử nghiệm” lý tưởng cho AI xe tự lái, nhưng đồng thời cũng là thị trường bị bỏ ngỏ lâu nhất.
Góc Nhìn Nguoimay.AI
Nomadic giải quyết đúng điểm đau, nhưng câu hỏi chúng tôi đặt ra là: ai sẽ kiểm soát những dataset khổng lồ này về mặt quyền riêng tư và chủ quyền dữ liệu? Footage từ xe tự lái chứa hình ảnh khuôn mặt, biển số, địa điểm nhạy cảm — và hiện chưa có khung pháp lý nào đủ mạnh để quản lý điều này, kể cả ở Mỹ lẫn Việt Nam. Bài gốc trên TechCrunch không đề cập đến vấn đề này, nhưng theo chúng tôi, đây mới là rủi ro thực sự cần theo dõi.
Kết Luận
Nomadic đang lấp đầy một khoảng trống thực sự trong hệ sinh thái xe tự lái — không phải bằng cách chế tạo thêm robot, mà bằng cách làm cho dữ liệu từ robot trở nên có ích. Với Việt Nam, câu chuyện này nhắc nhở rằng cuộc đua AI không chỉ diễn ra ở phần nhìn thấy được — mà còn ở lớp dữ liệu nền tảng phía sau, thứ quyết định ai sẽ dẫn đầu trong 10 năm tới.
