Ngành xe ô tô tự lái đã đi được 99% chặng đường, nhưng 1% cuối cùng mới là thử thách lớn nhất. Theo thông tin từ TMTPost, trong vài năm trở lại đây, công nghệ lái xe thông minh đã có những bước tiến đáng kể cả về kỹ thuật lẫn mức độ phổ cập trên thị trường. Các hệ thống hỗ trợ lái xe cấp độ L2/L2+ như kiểm soát hành trình thích ứng, giữ làn đường hay đỗ xe tự động đã trở thành trang bị phổ biến trên nhiều mẫu xe thương mại.
Theo QuestAuto, một công ty nghiên cứu và phân tích dữ liệu thị trường ô tô tại Trung Quốc, tỷ lệ thâm nhập của các hệ thống hỗ trợ lái từ cấp độ L2 trở lên trên xe năng lượng mới tại Trung Quốc đã đạt 77,3%. Ở cấp độ cao hơn, nhiều thành phố tại Trung Quốc, Mỹ và các quốc gia khác đã triển khai thử nghiệm Robotaxi - dịch vụ xe tự vận hành hoàn toàn trong các khu vực và điều kiện xác định trước, tích lũy lượng lớn dữ liệu vận hành thực tế.
Tiến bộ công nghệ vượt bậc
Song hành với sự mở rộng thị trường là những bước tiến mạnh mẽ về công nghệ. Các hệ thống lái xe thông minh chủ đạo đã chuyển từ mô hình điều khiển dựa trên quy tắc sang kiến trúc điều khiển dựa trên dữ liệu, từ cấu trúc mô-đun truyền thống sang các mạng nơ-ron đầu cuối. Trong quá trình này, các mô hình AI đa phương thức như mô hình kết hợp giữa hình ảnh và ngôn ngữ và mô hình liên kết trực tiếp với hành động điều khiển cũng được đưa vào nhằm nâng cao khả năng hiểu ngữ cảnh và ra quyết định của xe.
Năng lực tính toán trên xe cũng tăng trưởng theo cấp số nhân. Các dòng chip của Nvidia đã phát triển từ Xavier lên Orin rồi Thor, đưa sức mạnh xử lý từ 30 TOPS lên hơn 2.000 TOPS. Tại Trung Quốc, chip AI Turing do Xpeng tự phát triển đạt 750 TOPS trên mỗi chip. Mẫu xe đầu bảng mới nhất của hãng được trang bị bốn chip, nâng tổng năng lực tính toán hiệu dụng vượt 3.000 TOPS.
Trong khi đó, chi phí và hiệu năng cảm biến cũng cải thiện mạnh mẽ. Giá lidar cơ học từng lên tới hàng chục nghìn USD, giảm xuống vài nghìn USD với thế hệ bán rắn vào năm 2020. Hiện nay, cùng sự phát triển của các nhà sản xuất Trung Quốc như Huawei, Hesai hay RoboSense, giá lidar đã giảm xuống mức chỉ vài nghìn nhân dân tệ trong khi hiệu suất tiếp tục được nâng cao.
Rào cản lớn nhất: Lỗi hệ thống
Sự cộng hưởng giữa năng lực phần cứng vượt trội và sự nhảy vọt của các thuật toán AI khiến nhiều người tin rằng con người chỉ còn cách kỷ nguyên xe tự lái hoàn toàn một bước chân ngắn. Tuy nhiên, thực tế phức tạp hơn nhiều. Từ hỗ trợ lái thông minh lên không người lái hoàn toàn không phải là phép cộng tuyến tính, mà là bước nhảy vọt có độ khó tăng theo cấp số nhân.
Điểm mấu chốt nằm ở sự khác biệt giữa cách con người và máy móc học lái xe. Một người trưởng thành chỉ cần vài chục giờ thực hành để lái xe tự tin, bởi đã tích lũy nhiều năm kinh nghiệm sống, hiểu quy tắc giao thông và nhận thức nguy hiểm. Ngược lại, máy móc vận hành theo triết lý hoàn toàn khác. Ban đầu, các hệ thống dựa vào quy tắc lập trình sẵn, nhưng con người không thể liệt kê hết mọi tình huống thực tế.
Ngành công nghiệp đã chuyển sang mô hình vận hành dữ liệu và khớp mô hình, sử dụng mạng thần kinh nhân tạo huấn luyện trên dữ liệu khổng lồ. Hệ thống cần hàng chục triệu km vận hành để đạt độ chín muồi, nhưng điều học được không phải quy tắc giao thông mà chỉ là mối tương quan thống kê. Rào cản lớn nhất là lỗi hệ thống: trong thế giới thực, tồn tại vô số tình huống hiếm gặp như mảnh lốp xe cùng màu mặt đường, tín hiệu giao thông mâu thuẫn, hay mưa lớn làm mờ vạch kẻ đường.
Ở cấp độ L2, con người luôn trong vòng điều khiển nên hậu quả chỉ là trải nghiệm chưa hoàn hảo. Nhưng ở cấp độ L4/L5, không còn tài xế làm lớp bảo vệ cuối cùng, lỗi hệ thống trở thành vấn đề sống còn. Để giải quyết, ngành công nghiệp thu thập thêm dữ liệu thực tế - tính đến đầu năm 2026, đội xe của Waymo đã tích lũy hơn 170 triệu dặm. Tuy nhiên, về bản chất toán học, lỗi hệ thống là tập hợp vô hạn, nên bổ sung dữ liệu khó giải quyết triệt để.
Thách thức ngoài công nghệ
Ngay cả khi rào cản kỹ thuật được giải quyết, xe tự lái vẫn đối mặt với nhiều thách thức khác. Đầu tiên là độ tin cậy hệ thống: mọi thành phần từ cảm biến, tính toán đến điều khiển đều phải thiết kế dự phòng cấp độ cao, kéo theo chi phí lớn. Thứ hai là khung pháp lý: khi quyền điều khiển chuyển giao cho hệ thống, trách nhiệm trong tai nạn trở nên phức tạp, đòi hỏi xây dựng hệ thống trách nhiệm mới và cơ chế giám sát liên tục.
Bên cạnh đó là vấn đề đạo đức. Mỗi năm có khoảng 1,2 triệu người tử vong vì tai nạn giao thông toàn cầu. Giả sử xe tự lái giảm con số này xuống còn 1 triệu, liệu xã hội có chấp nhận? Con người đánh giá lỗi máy móc và lỗi con người theo hai tiêu chuẩn khác nhau. Các vụ tai nạn của Uber năm 2018 và Cruise năm 2023 là ví dụ điển hình cho sự nhạy cảm của xã hội.
Cuối cùng là bài toán kinh doanh. Hiện các hãng xe kiếm tiền chủ yếu bằng bán xe, nhưng trong tương lai Robotaxi phổ biến, ngành công nghiệp có thể chuyển sang mô hình MaaS (Di chuyển như một dịch vụ). Giá trị cốt lõi nằm ở vận hành đội xe, quản lý thuật toán và điều phối mạng lưới vận tải, kéo theo thay đổi trong bảo hiểm, bãi đỗ xe và cơ sở hạ tầng.
Như vậy, những tiến bộ trong cảm biến, tính toán, dữ liệu và AI đã đưa ngành công nghiệp rất gần tới xe tự lái. Tuy nhiên, khoảng cách còn lại không đơn thuần là nâng cấp công nghệ. Thách thức lớn nhất là xử lý lỗi hệ thống trong thế giới thực, nơi dữ liệu và khớp mẫu bộc lộ giới hạn. Xa hơn, xe tự lái còn kéo theo thay đổi về kỹ thuật, pháp lý, đạo đức và mô hình kinh doanh. Việc hiện thực hóa xe tự lái hoàn toàn phụ thuộc vào khả năng xây dựng đồng thuận xã hội mới về an toàn, trách nhiệm và cách vận hành giao thông tương lai.
