Digital twin hay AI agent: nhà máy cần cái nào trước, và khi nào phải ghép cả hai

Thử hình dung một khách hàng sản xuất hỏi FDE: nên đầu tư digital twin hay AI agent? Câu hỏi nghe như phải chọn một trong hai, nhưng đặt vấn đề như vậy là sai. Hai công nghệ này không cạnh tranh nhau, vì chúng trả lời hai câu hỏi khác nhau, và một agent chạm vào dây chuyền thật mà thiếu thứ kia có thể gây hại.

Một nghiên cứu so sánh có hệ thống về software agent và digital twin trong sản xuất công nghiệp, công bố trên arXiv năm 2023, vạch ranh giới khá rõ. Agent thường được dùng để cùng lập kế hoạch và thực thi các quy trình sản xuất. Digital twin thì thường thụ động hơn: giám sát tài nguyên sản xuất và xử lý thông tin.

Với FDE, ranh giới đó dùng được như một công cụ chẩn đoán. Khi đã biết khách hàng cần ai đó ra quyết định hay cần ai đó hiểu đúng thế giới vật lý, bạn sẽ không bán nhầm giải pháp và không mất sáu tháng xây thứ khách chưa cần.

Twin biết vật lý, agent biết hành động

Có thể hiểu thế này: twin trả lời câu “nếu làm thế này thì chuyện gì xảy ra”, còn agent trả lời câu “vậy nên làm gì”. Một bên là mô hình, bên kia là người ra quyết định. Bài toán của nhà máy thuộc về bên nào tùy vào việc có hành động thật trên thiết bị đang chạy hay không.

Có những bài toán chỉ cần twin. Siemens và NVIDIA mô tả cách dùng AI mô phỏng hàng trăm phương án bố trí nhà máy để tìm thiết kế hiệu quả nhất.

Đó là việc của giai đoạn thiết kế, khi chưa có agent nào điều khiển ca sản xuất. Rev Lebaredian của NVIDIA còn đi xa hơn: huấn luyện robot trong môi trường ảo trước khi lắp bất kỳ phần cứng nào.

NVIDIA cũng dẫn một kết quả do chính họ công bố: BMW Group tăng hiệu quả tới 30% khi quy hoạch nhà máy mới xây từ đầu. Đây là con số từ phía nhà cung cấp. Nên đọc nó như tín hiệu về loại bài toán twin làm tốt, chứ không phải lời hứa cho mọi khách hàng.

Vì sao agent không thể đứng một mình trên sàn máy

Phía ngược lại, thế mạnh của agent là lập kế hoạch và thực thi. Vấn đề bắt đầu khi một agent dựa trên LLM được giao quyền đề xuất thông số cho thiết bị vật lý. XMPro, một nhà cung cấp phần mềm công nghiệp, nói thẳng điểm yếu này: LLM học từ văn bản trên internet nên không có sẵn hiểu biết nào về hệ thống vật lý.

Từ điểm yếu đó, XMPro chỉ ra hai kiểu hỏng. Kiểu dễ thấy: nếu thiếu giới hạn vận hành được khai báo rõ ràng, agent có thể khuyến nghị hành động vượt ngưỡng an toàn. Kiểu khó thấy hơn: agent tối ưu cho mục tiêu cục bộ nhưng lại gây ra vấn đề cho toàn hệ thống.

Thử hình dung một nhà máy bánh kẹo giả định. Agent lập lịch nhận một đơn gấp và đề xuất tăng tốc băng tải ở khu đóng gói để kịp giao. Nếu chỉ xét riêng khu đó, quyết định này hợp lý.

Nhưng nếu tốc độ mới buộc lò nướng phía trước chạy nóng quá ngưỡng cho phép, hoặc làm hàng dồn ứ ở khu làm lạnh, thì agent đã mắc cả hai lỗi cùng lúc.

Vì gốc của lỗi nằm ở chỗ LLM không có sẵn hiểu biết vật lý, khó trông cậy vào vài dòng dặn dò trong prompt để chặn nó. Chỗ dựa chắc hơn là một mô hình biết lò chịu được bao nhiêu độ và nguyên liệu đi qua các khu như thế nào, và twin cung cấp đúng thứ đó.

NVIDIA định vị twin là môi trường an toàn để huấn luyện, kiểm thử và xác nhận AI. Trong ví dụ này, điều đó nghĩa là chạy thử đề xuất của agent trên twin trước khi chạm vào máy thật.

Ghép lại thì mỗi bên bù chỗ yếu của bên kia

Nghiên cứu trên arXiv kết luận rằng khi agent đi cùng twin, tài sản sản xuất vừa thông minh, tự chủ và biết phối hợp, vừa phản ánh sát thực tế. Cách chia vai khá rõ: agent mang tới sự tự chủ và khả năng phối hợp, còn twin mang tới độ sát thực.

CEO của XMPro còn nói mạnh hơn, gọi twin là nền móng thiết yếu để xây agent công nghiệp đáng tin cậy. Cần nhớ XMPro bán nền tảng twin, nên ở đây có xung đột lợi ích. Dù vậy, hai kiểu hỏng nêu trên là có thật, và đó là lý do kỹ thuật chứ không chỉ là lý do thương mại.

Twin không miễn phí, và dữ liệu kém thì khỏi bàn

Đây là chỗ mọi đề xuất “xây twin trước” cần được soi kỹ. TechTarget lưu ý rằng chi phí tạo và vận hành twin có thể khiến nhiều tổ chức phải chờ lâu mới có ROI dương. Tệ hơn, thiếu dữ liệu hoặc dữ liệu kém sẽ hạn chế việc dùng twin, thậm chí khiến twin không dùng được.

Vì thế, ở khách hàng, câu đầu tiên FDE nên hỏi không phải “twin hay agent” mà là “dữ liệu cảm biến của các anh trông thế nào”. Một nhà máy có cảm biến rời rạc, hay mất mẫu, thời gian không đồng bộ thì chưa sẵn sàng cho twin. Cố xây twin ở đó là đổ ngân sách vào một mô hình sai.

Bảng dưới đây giúp đọc nhanh một yêu cầu của khách hàng:

Tình huống ở khách hàng	Cần gì	Lý do
Thiết kế layout nhà máy mới	Twin	Mô phỏng nhiều phương án; chưa có vận hành thật để agent can thiệp
Robot sắp lắp, cần huấn luyện trước	Twin	Môi trường ảo thay cho phần cứng chưa có
Điều phối kế hoạch, giấy tờ, công việc không chạm thông số máy	Agent	Thế mạnh lập kế hoạch và thực thi; ít rủi ro vật lý
Agent đề xuất hoặc chỉnh thông số thiết bị đang chạy	Cả hai	Twin kiểm tra giới hạn an toàn và tác động lên toàn hệ thống trước khi thực thi
Dữ liệu cảm biến thiếu hoặc kém	Chưa cần cái nào cho phần vật lý	Sửa dữ liệu trước; twin chạy trên dữ liệu kém không dùng được

Dòng thứ ba là suy luận từ ranh giới mà nghiên cứu vạch ra, chứ không phải khuyến nghị có sẵn trong tài liệu nào. Tuy vậy, nó giải thích vì sao dự án agent đầu tiên ở nhà máy nên bắt đầu từ tầng điều phối: giá trị đến nhanh, rủi ro thấp và không phải chờ twin.

FDE nên luyện gì từ ranh giới này

Kỹ năng then chốt là chuyển giới hạn vật lý thành ràng buộc trong code. Mỗi ngưỡng mà kỹ sư vận hành đưa ra phải trở thành một bước kiểm tra agent phải vượt qua trước khi hành động, chứ không nằm trong một tài liệu không ai đọc.

Kỹ năng thứ hai là đánh giá dữ liệu đã sẵn sàng hay chưa trước khi hứa hẹn. Một FDE dám nói “chưa nên xây twin, trước hết cần làm ba việc này với dữ liệu” thường được khách tin hơn người chào giải pháp lớn nhất.

Khi đọc mô tả công việc FDE ở các công ty công nghiệp, hãy xem vai trò có đòi hỏi làm việc với dữ liệu cảm biến, mô phỏng hay ràng buộc an toàn hay không. Nếu có, đó là chỗ kỹ năng đứng giữa hai thế giới này được dùng tới, và bạn nên chuẩn bị ví dụ cụ thể cho buổi phỏng vấn.

Trên CV, đừng chỉ ghi “xây AI agent”. Hãy ghi rõ bạn đã ràng buộc agent bằng giới hạn thực tế nào, kiểm chứng nó trong môi trường mô phỏng ra sao và kết quả thế nào. Đó là bằng chứng bạn hiểu rằng ở nhà máy, một quyết định sai không chỉ là một bug.

Lần tới ngồi với kỹ sư vận hành, hãy mang theo bốn câu hỏi: thông số nào tuyệt đối không được vượt, thay đổi ở khu này dội sang khu nào, dữ liệu cảm biến nào đủ đầy và đủ tin để mô hình hóa, và agent sẽ được phép chạm vào thông số máy hay chỉ lo điều phối.

Bốn câu trả lời đó đủ để bạn biết khách cần twin, agent, hay cả hai.