Ngày 18/9/2026, Toyota chính thức tuyên bố tiến vào mảng robot hướng tới hiện trường sản xuất. Bản thân tin này không gây ngạc nhiên — công ty chơi robot cũng đã nhiều năm, từ robot ném rổ CUE đến robot hỗ trợ sinh hoạt HSR, kiểu nào cũng thử qua. Điểm khác lần này là: hãng lập một tổ chức mới tên “Toyota Robotics”, sẽ đưa AI tự nghiên cứu vào trong robot để bán ra bên ngoài, kèm theo một con số trung - dài hạn — khoảng 400.000 máy.

400.000 máy là khái niệm thế nào? Sản lượng xuất hàng robot công nghiệp hàng năm của cả Nhật Bản cũng chỉ quanh quẫn 50.000 - 60.000 máy. Rõ ràng đây không phải một chỉ tiêu bán hàng thông thường. Đặt con số này cạnh một thông tin khác, mọi chuyện rõ ngay: trong 400.000 máy đó, Toyota Group tự dùng 150.000 máy, nhà cung ứng dùng 250.000 máy, kết hợp chương trình cải tạo thiết bị quy mô khoảng 1.000 tỷ yên mỗi năm (khoảng 50 tỷ NDT) bắt đầu từ 2028, lần lượt triển khai theo các đợt đại tu, cải tạo ở khoảng 60 nhà máy trên toàn cầu. Nói cách khác, Toyota đang quy hoạch chính mình và cả chuỗi cung ứng như một tấm lưới thu thập dữ liệu hiện trường sản xuất.

Trước hết, phác ra bộ khung của sự việc:

  • Ngày 18/9/2026, Toyota tuyên bố tiến vào mảng robot hiện trường sản xuất, thành lập tổ chức mới “Toyota Robotics” để bán ra robot trang bị AI tự nghiên cứu;
  • Mục tiêu trung - dài hạn ứng dụng khoảng 400.000 máy: tập đoàn 150.000 + nhà cung ứng 250.000, kết hợp cải tạo thiết bị khoảng 1.000 tỷ yên mỗi năm từ 2028, làm mới khoảng 60 nhà máy toàn cầu — con số này gồm cả số robot công nghiệp hiện có, không phải doanh số của một dòng máy duy nhất;
  • Robot chủ lực “ELEY” nặng khoảng 50 kg, bàn tay hai ngón, di chuyển bằng bánh xe, trang bị AI nền tảng hành vi “mô hình hành vi quy mô lớn (LBM)” do Toyota Research Institute (TRI) phát triển;
  • Toyota dự định chuyển hóa tác nghiệp của khoảng 18.000 kỹ thuật viên lành nghề kiểu “takumi” thành mẫu học cho robot, nhưng chỉ số đo lường hiệu quả chưa được công bố.

ELEY: bánh xe, bàn tay hai ngón, và một nền tảng càng nuôi càng thông minh

Nói về thân máy trước. ELEY nặng khoảng 50 kg, bàn tay hình hai ngón, di chuyển bằng bánh xe — không học người đi bằng hai chân. Lựa chọn này không hề bảo thủ, ngược lại khá thực dụng: đi hai chân khó điều khiển, có rủi ro ngã, ngốn điện, trong khi nền nhà máy vốn phẳng phiu; bánh xe rẻ hơn, nhanh hơn và dễ triển khai theo lô hơn. Mà triển khai theo lô tự nó đã quan trọng: càng sớm đưa robot từng đợt lên dây chuyền, tích lũy dữ liệu càng nhanh. Hình thái thân máy không phải mục đích, mà là phương tiện để dữ liệu được thu thập liên tục.

Nhân vật chính thật sự là AI bên trong. LBM (mô hình hành vi quy mô lớn) là một loại “mô hình nền tảng hành vi”: mô hình ngôn ngữ lớn thông minh lên nhờ văn bản khổng lồ, còn LBM học động tác robot nhờ khối lượng lớn dữ liệu trình diễn. Nó khác lối lập trình thủ công từng động tác như trước — bằng cách quan sát tác nghiệp của con người, chỉ với một lượng học nhỏ đã thu được động tác khó sai. Trong bản demo đã công bố, ELEY học gấp áo thun xong có thể tự lặp lại. Thế mạnh của loại mô hình nền tảng này là chỉ cần chút học bổ sung đã nắm được nhiệm vụ mới; nhưng chất lượng phần nền lại phụ thuộc vào việc nó được nuôi bao nhiêu trình diễn hiện trường có độ phủ rộng và chất lượng cao.

Điều này phải nhắc tới thứ Toyota nắm trong tay mà người khác rất khó sao chép: khoảng 18.000 bậc thầy kỹ thuật (takumi). Cảm giác tay và bí quyết của kỹ thuật viên lành nghề lại chính là nguồn dữ liệu trình diễn chất lượng nhất. Bậc thầy nắm lực thế nào, đối phó với sản phẩm lỗi ra sao — những kinh nghiệm ngầm không ghi được vào hồ sơ công nghệ — có thể biến thẳng thành tài liệu học cho robot.

Robot di động bánh xe FANUC vận chuyển vật liệu trong khu nhà máy
Robot di động bánh xe đang vận chuyển vật liệu trong khu nhà máy. Đế bánh xe rẻ, tin cậy, dễ triển khai số lớn, là lựa chọn chủ đạo trong bối cảnh nhà máy — ELEY cũng đi con đường này

Còn một điểm dễ bị bỏ qua: LBM không khóa cứng vào phần cứng cụ thể nào. TRI từng công bố năm 2025 bản demo dùng LBM điều khiển robot hình người Atlas của Boston Dynamics. AI đã không bị bó trong một thân máy nào, thì thứ quyết định thắng thua chính là bộ AI này chạy được ở bao nhiêu loại hiện trường và thu về bao nhiêu dữ liệu. Toyota bán robot, đồng thời cũng đang bổ sung nút mới cho tấm lưới này.

Thứ các hãng thật sự giành giật, là hiện trường để thu thập dữ liệu

Kéo ống kính ra xa, trên cùng một đường đua đã có không ít bóng dáng, mà tư thế của từng bên lại nói lên nhiều điều.

Tesla nói thẳng nhất. Đến giữa năm 2026, hãng đã triển khai Optimus quy mô hàng nghìn máy tại các nhà máy như Fremont, nhưng doanh số bán ra ngoài bằng không. Chính Elon Musk thừa nhận, những robot này “chủ yếu phục vụ việc học và thu thập dữ liệu, chưa phát huy sức mạnh thực chất trong nhà máy”. Gần như thừa nhận công khai: thứ muốn giành ngay lúc này chính là dữ liệu. Tuy nhiên, địa bàn thu thập của hãng chủ yếu là nhà máy của chính mình, độ đa dạng hiện trường còn hạn chế.

BMW và Mercedes-Benz của Đức đi một lối khác: không tự chế robot, mà hợp tác với các startup chuyên môn. BMW đưa Figure 02 của Figure AI vào kiểm chứng kéo dài mười tháng tại nhà máy Spartanburg (Mỹ), phục vụ công đoạn sản xuất hơn 30.000 chiếc X3, sau đó tiến tới hợp đồng thương mại với dòng kế nhiệm Figure 03 — giai đoạn đầu khoảng 40 máy, tính phí khoảng 25 USD mỗi giờ làm việc cho mỗi robot. Mercedes-Benz đưa Apollo của Apptronik về cơ sở Berlin, khởi động từ logistics trong nhà máy và kiểm tra chất lượng giai đoạn đầu. Trong mô hình phân công này có một chi tiết đáng ngẫm: dữ liệu thật từ dây chuyền của hãng xe lại tích lũy về phía doanh nghiệp AI. Nắm dữ liệu là Figure và Apptronik, không phải BMW hay Mercedes-Benz.

Robot màu vàng FANUC trên dây chuyền lắp ráp ô tô đang vận chuyển thân trắng
Robot trên dây chuyền lắp ráp tổng thành ô tô đang vận chuyển thân trắng. Dây chuyền nhà máy ô tô chính là loại “hiện trường mật độ dữ liệu cao nhất” mà các hãng tranh nhau

Về sản lượng và tốc độ triển khai, các hãng Trung Quốc chạy nhanh nhất. Tháng 9/2026, UBTECH khánh thành nhà máy thông minh công suất trên 10.000 máy/năm tại Liễu Châu, Quảng Tây — lưu ý đây là công suất, không phải thành tích triển khai thật; nhưng Walker S2 của họ quả thật có hàng trăm máy đưa vào sử dụng, đã vào các nhà máy của BYD, Geely, FAW-Volkswagen, Dongfeng, FAW-Audi, BAIC, Foxconn; Airbus ở châu Âu cũng đẩy mạnh công việc liên quan từ tháng 1/2026. Unitree đến tháng 7/2026 đã sản xuất lũy kế khoảng 18.000 máy, tỷ lệ tự chủ linh kiện vượt 90%, còn quy hoạch dựng cơ chế sản xuất 75.000 máy/năm. Robot hình người IRON của Xpeng nhắm sản lượng lớn vào cuối năm 2026. Chính phủ Trung Quốc đặt mục tiêu xuất hàng vượt 100.000 máy/năm trước năm 2027. Nửa đầu năm 2026, sản lượng xuất xưởng robot hình người toàn cầu vượt 22.000 máy, trong đó năm vị trí dẫn đầu được cho là toàn doanh nghiệp Trung Quốc. Đưa số lượng lớn robot vào các hiện trường đa dạng với tốc độ nhanh nhất — đó là cách các hãng Trung Quốc tích lũy dữ liệu hiện trường.

Lá bài trong tay Toyota, và chiếc đồng hồ xuất phát muộn

Nhìn từ góc độ dữ liệu mà rà lại gia sản của Toyota, lợi thế thật ra không nhỏ. Hãng sở hữu một trong những cụm hiện trường sản xuất lớn nhất thế giới, thêm vùng sâu là chuỗi cung ứng — kế hoạch 250.000 máy đặt vào khâu nhà cung ứng, nghĩa là vô số hiện trường với công đoạn khác nhau có thể trở thành nguồn dữ liệu khổng lồ và đa dạng; 18.000 bậc thầy takumi cung cấp mẫu chuẩn; AI, robot, nhà máy đều trong tay mình, vòng khép kín dữ liệu có thể quay trọn bên trong nội bộ. Ở điểm này, hãng và các nhà sản xuất ô tô châu Âu phụ thuộc doanh nghiệp chuyên môn bên ngoài thật ra là hai lối đi hoàn toàn khác.

Nhưng chiếc đồng hồ là một vấn đề. 400.000 máy là mục tiêu trung - dài hạn, phát lực thật sự phải sau năm 2028. Trong khi Tesla ngay lúc này đã thu dữ liệu ở quy mô hàng nghìn máy, các hãng Trung Quốc hiện đã đưa robot vào các nhà máy ô tô lớn. Tích lũy dữ liệu mang tính lãi kép: vòng khép kín càng sớm quay, học càng sâu, vòng nâng hiệu năng kế tiếp càng lớn — ngược lại, một khi tụt hậu, khoảng cách thường bị nới rộng theo thời gian chứ không đứng nguyên.

Nỗi lo ngầm thứ hai là độ lệch của dữ liệu. Nếu hiện trường chỉ giới hạn trong Toyota và hệ thống chuỗi cung ứng của hãng, dữ liệu thu được có thể thiếu tính đa dạng cần thiết khi mở rộng sang nhà máy của các công ty khác. Tấm lưới chuỗi cung ứng khổng lồ này có thật sự biến thành lợi thế dữ liệu hay không, cuối cùng phụ thuộc vào mức độ nó mở ra bên ngoài tập đoàn.

Muốn đoán phần thắng, dõi chặt ba chỗ này

Nhịp độ triển khai thực tế. Bao giờ, bao nhiêu máy, đưa vào những dây chuyền vận hành thật nào — đừng nhìn demo trên buổi ra mắt, hãy nhìn mật độ máy thật lên dây chuyền. Độ rộng dữ liệu. Bao quát tới mức nào nhà máy của chính mình, của tập đoàn và hiện trường bên ngoài, quyết định trực tiếp tính phổ quát của mô hình. Bảng điểm hiện trường. LBM thực tế cải thiện bao nhiêu về tỷ lệ đạt và tỷ lệ tác nghiệp hữu hiệu, Toyota hiện vẫn chưa công bố chỉ số này — mà sớm muộn hãng cũng phải nộp bài.

Suy cho cùng, con số 400.000 tự nó không phải nước quyết định thắng thua. Thứ thật sự quyết định thành bại, là Toyota có thể không đợi đến năm 2028, càng sớm càng tốt và càng rộng càng tốt đưa máy thật lên dây chuyền, để vòng khép kín thu thập và học dữ liệu chất lượng cao quay lên trước. Với chúng tôi — người làm nghề thiết bị — còn một cảm nhận sát vả: khi tay nghề của những bậc thầy takumi bắt đầu trở thành tài sản dữ liệu, hệ tọa độ giá trị của việc bảo trì và hiệu chỉnh cũng dịch chuyển theo. Bài đọc liên quan: Độ phủ thương hiệu và tài liệu dòng máy, Dịch vụ cải tạo, nâng cấp dây chuyền sản xuất.

Đọc thêm

Lưu ý: Bài viết được biên soạn dựa trên báo cáo công khai và quan sát ngành; quy hoạch và số liệu của doanh nghiệp lấy công bố chính thức làm chuẩn, không cấu thành khuyến nghị đầu tư hay mua sắm.