Chi phí phát triển xe tự hành: Hé lộ “hóa đơn” hàng tỷ đô la

Tại sao việc ‘dạy lái xe’ cho AI lại tốn kém hơn cả một chương trình không gian?

Phần 1: Những con số biết nói

Waymo của Google đã “đốt” hơn 10 tỷ USD vào dự án xe tự hành của mình. Cruise, được General Motors hậu thuẫn, đã huy động gần 15 tỷ USD trước khi gặp khủng hoảng vào cuối năm 2023. Argo AI, được Ford và Volkswagen chống lưng, đã phải đóng cửa vào năm 2022 sau khi tiêu tốn hàng tỷ đô la mà không tạo ra được con đường thương mại hóa rõ ràng.

Những con số này lớn hơn ngân sách hàng năm của nhiều quốc gia nhỏ trên thế giới. Điều gì khiến việc tạo ra một “tài xế robot” lại có một cái giá “trên trời” như vậy?

“Hôm nay, hãy tạm gác lại những câu chuyện về thuật toán và cảm biến. Hãy cùng XecoV soi chiếu vào ‘bảng cân đối kế toán’ của cuộc đua công nghệ tốn kém nhất lịch sử nhân loại để tìm ra câu trả lời.”

Phần 2: Bóc tách “Hóa đơn” tỷ đô – Tiền đã đi về đâu?

Để hiểu được con số khổng lồ này, chúng ta cần bóc tách chi tiết các hạng mục chi tiêu chính. Nó giống như việc nuôi một đứa trẻ thiên tài nhưng cực kỳ tốn kém, mỗi giai đoạn phát triển đều cần những khoản đầu tư khổng lồ.

Hạng mục 1: Nhân sự – “Bộ não của những bộ não”

Đây là khoản chi lớn nhất và quan trọng nhất. Cuộc đua xe tự hành thực chất là cuộc chiến giành giật nhân tài.

• Chi phí: Một công ty tiên phong cần một đội quân hàng ngàn người, bao gồm các kỹ sư và tiến sĩ hàng đầu thế giới về Trí tuệ Nhân tạo (AI), Học máy (Machine Learning), Thị giác Máy tính (Computer Vision) và Robotics. Mức lương cho những chuyên gia này có thể lên tới 7 con số (triệu USD) mỗi năm.
• XecoV: “Theo XecoV, đây chính là chi phí ‘học phí và gia sư’ cho ‘đứa trẻ’ AI. Bạn không thể thuê một gia sư bình thường, bạn phải mời về cả một viện hàn lâm khoa học với những giáo sư giỏi nhất, trả lương hậu hĩnh nhất để dạy cho nó cách nhìn, cách suy nghĩ và cách phản xạ.”

Hạng mục 2: Phần cứng – “Những giác quan Vàng ròng”

Để AI có thể “nhìn” được thế giới, nó cần những “giác quan” cực kỳ đắt đỏ.

• LiDAR & Cảm biến: Ở giai đoạn đầu, những bộ LiDAR cao cấp gắn trên nóc xe thử nghiệm từng có giá lên tới 75.000 USD/chiếc. Mặc dù giá đã giảm đáng kể, chi phí để trang bị đầy đủ cảm biến (LiDAR, radar, camera cao cấp) cho một đội xe hàng trăm chiếc vẫn là một con số khổng lồ.
• Siêu máy tính trên bánh xe: Mỗi chiếc xe thử nghiệm không chỉ là một chiếc ô tô. Nó là một trung tâm dữ liệu di động, mang trong mình sức mạnh tính toán của hàng chục máy tính cá nhân cao cấp. Chi phí cho các bộ xử lý chuyên dụng (GPU, CPU) cấp ô tô, có hệ thống dự phòng (redundancy) để đảm bảo an toàn, lên tới hàng chục ngàn đô la mỗi xe.

Hạng mục 3: Dữ liệu – “Nguồn ‘thức ăn’ vô tận và đắt đỏ”

Đây là “miệng cống” đốt tiền thầm lặng nhưng khủng khiếp nhất.

• Thu thập dữ liệu: Để AI học lái, nó cần xem rất nhiều ví dụ. Điều này đòi hỏi phải vận hành một đội xe thử nghiệm chạy 24/7 trên khắp các thành phố lớn. Chi phí bao gồm: xăng dầu, bảo dưỡng, sửa chữa, và đặc biệt là lương cho 2 tài xế an toàn (safety driver) ngồi trên mỗi xe theo quy định.
• Lưu trữ & Xử lý: Mỗi chiếc xe tự hành tạo ra hàng Terabyte dữ liệu mỗi ngày. Một đội xe hàng trăm chiếc có thể tạo ra hàng Petabyte (tương đương hàng triệu Gigabyte) dữ liệu. Chi phí để thuê dịch vụ đám mây hoặc xây dựng trung tâm dữ liệu riêng để lưu trữ và xử lý khối dữ liệu khổng lồ này là một con số đáng kinh ngạc.
• Gắn nhãn dữ liệu (Data Annotation): Đây là công việc “dạy dỗ” trực tiếp cho AI. Hàng ngàn nhân công trên khắp thế giới phải ngồi xem lại từng khung hình, từng đoạn video mà xe thu thập được, rồi tỉ mỉ khoanh vùng và “chỉ” cho AI biết: “đây là người đi bộ”, “đây là vạch kẻ liền”, “đây là biển báo dừng”… Đây là một công việc thủ công, tốn thời gian và cực kỳ tốn kém.

Nhận định của XecoV: “Nếu AI là bộ não, thì dữ liệu chính là thức ăn. Và ‘đứa trẻ’ AI này không bao giờ biết no. Nó cần một chế độ ăn uống đa dạng và khổng lồ từ khắp nơi trên thế giới để trở nên thông minh, và chi phí cho ‘bữa ăn’ đó là không hề rẻ.”

Hạng mục 4: Thử nghiệm & Mô phỏng

Bên cạnh việc chạy xe ngoài đời thực, các công ty phải đầu tư lớn vào thế giới ảo.

• Chi phí bao gồm việc xây dựng các nền tảng mô phỏng “Ma trận” siêu thực, thuê hoặc mua các trang trại máy chủ (server farms) khổng lồ để chạy hàng tỷ km mô phỏng mỗi năm. Ngoài ra, họ còn phải xây dựng các trường thử nghiệm vật lý riêng, nơi các kịch bản nguy hiểm được tái tạo một cách an toàn.

Phần 3: Tại sao họ vẫn “đốt tiền”? Canh bạc dài hạn

Với chi phí khủng khiếp và rủi ro thất bại như Argo AI, tại sao các tập đoàn lớn vẫn không ngừng đổ tiền vào canh bạc này? Câu trả lời là vì phần thưởng không chỉ lớn, mà nó có thể định hình lại toàn bộ xã hội.

• Thị trường nghìn tỷ đô: Mục tiêu cuối cùng của Waymo hay Cruise không phải là bán thêm vài chiếc xe. Mục tiêu của họ là thống trị thị trường Vận tải như một Dịch vụ (Transportation-as-a-Service – TaaS). Hãy tưởng tượng một thế giới nơi bạn không cần sở hữu xe, chỉ cần mở ứng dụng và một chiếc robotaxi sẽ đến đón bạn với chi phí rẻ hơn rất nhiều. Đó là thị trường của taxi, xe tải, xe buýt, giao hàng tự động… trị giá hàng ngàn tỷ đô la.
• Lợi thế cạnh tranh: Trong cuộc đua này, kẻ về nhì có thể sẽ mất tất cả. Bên đi đầu sẽ thiết lập tiêu chuẩn công nghệ, sở hữu kho dữ liệu khổng lồ và hàng ngàn bằng sáng chế, tạo ra một rào cản gần như không thể vượt qua cho những kẻ đến sau.

Góc nhìn của XecoV: “Đây không phải là một cuộc đua để bán thêm vài chiếc xe. XecoV nhận định rằng đây là cuộc chiến để sở hữu ‘hệ điều hành’ cho toàn bộ ngành giao thông vận tải trong thế kỷ 21, giống như cách Microsoft Windows hay Apple iOS đã định hình thế giới máy tính cá nhân và di động. Ai thắng sẽ nắm trong tay ‘mỏ vàng’ của thế kỷ này.”

Phần 4: Tương lai của chi phí – Con đường đến “Bình dân hóa”

Chi phí sẽ không mãi ở trên trời. Nhiều yếu tố đang giúp “hạ nhiệt” hóa đơn tỷ đô này:

• Phần cứng: Sự ra đời của LiDAR thể rắn (solid-state) và việc sản xuất hàng loạt đang giúp giảm giá thành cảm biến từ hàng chục ngàn xuống còn vài trăm đô la.
• Dữ liệu: Các thuật toán AI thế hệ mới ngày càng thông minh hơn, có khả năng tự học từ dữ liệu chưa được gán nhãn, giúp giảm bớt gánh nặng cho công đoạn Data Annotation.
• Hiệu ứng quy mô: Một khi công nghệ được chứng minh là an toàn và được cấp phép triển khai rộng rãi, chi phí trên mỗi km vận hành sẽ giảm mạnh, mở ra con đường sinh lời.

Phần 5: “Học phí” cho tương lai

Tóm lại, “hóa đơn” hàng tỷ đô la của xe tự hành đến từ 4 “miệng cống” chính: chiêu mộ Nhân sự đỉnh cao, trang bị Phần cứng đắt đỏ, tiêu thụ nguồn Dữ liệu vô tận và đầu tư vào Thử nghiệm quy mô lớn. Đây là một cuộc chơi poker mà tiền cược đầu vào đã là vài tỷ đô.

“Nhìn vào những con số chi phí khổng lồ, thật dễ để choáng ngợp và bi quan. Nhưng theo XecoV, thay vì coi đó là tiền ‘bị đốt’, chúng ta nên xem đó là khoản ‘học phí’ mà cả nhân loại đang cùng nhau đóng góp để theo đuổi một trong những giấc mơ vĩ đại nhất: một tương lai giao thông không còn tai nạn, không còn tắc đường, và trả lại thời gian quý báu cho con người. Và nếu thành công, ‘hóa đơn’ hàng tỷ đô của ngày hôm nay có thể sẽ là khoản đầu tư sinh lời nhiều nhất trong lịch sử.”