Oliver Shu explains how AI reasoning and robot learning are moving science toward autonomous labs. He describes near-term collaboration between scientists and AI-robot systems, the importance of interpretability, and the long-term goal of fully self-driving science.
Oliver Shu giải thích cách lý luận AI và học máy robot đang đưa khoa học tiến tới các phòng thí nghiệm tự hành. Ông mô tả sự hợp tác gần hạn giữa các nhà khoa học và hệ thống AI-robot, tầm quan trọng của khả năng diễn giải, và mục tiêu dài hạn về khoa học hoàn toàn tự lái.
Welcome to part three of our 2026 big idea series.
Chào mừng đến với phần ba trong loạt ý tưởng lớn năm 2026 của chúng tôi.
Oliver Shu explores how autonomous labs and AI are revolutionizing scientific discovery and changing how we conduct research and accelerate breakthroughs.
Oliver Shu khám phá cách các phòng thí nghiệm tự hành và AI đang cách mạng hóa khám phá khoa học và thay đổi cách chúng ta tiến hành nghiên cứu và tăng tốc các đột phá.
Brian Kim reveals how AI is evolving beyond mere productivity tools to become the connective tissue and consumer applications, transforming how we interact and engage.
Brian Kim tiết lộ cách AI đang phát triển vượt ra ngoài các công cụ năng suất đơn thuần để trở thành mô liên kết và các ứng dụng tiêu dùng, biến đổi cách chúng ta tương tác và gắn kết.
And David Haber
Và David Haber
discusses how AI is reinforcing business models, creating compounding advantages that separate leaders from followers.
Thảo luận về cách AI đang củng cố các mô hình kinh doanh, tạo ra những lợi thế tích lũy giúp phân tách người dẫn đầu khỏi người theo sau.
My name is Oliver Shu.
Tên tôi là Oliver Shu.
I'm a partner on the American Dynism team here at A16Z.
Tôi là đối tác trong nhóm American Dynism tại A16Z.
And my big idea is that advances in AI reasoning capabilities and in robot learning will help accelerate scientific progress by moving us closer towards autonomous labs.
Và ý tưởng lớn của tôi là những tiến bộ trong khả năng suy luận của AI và trong học tập của robot sẽ giúp tăng tốc tiến bộ khoa học bằng cách đưa chúng ta đến gần hơn với các phòng thí nghiệm tự hành.
Laboratory automation is something that's existed for a long time.
Tự động hóa phòng thí nghiệm là điều đã tồn tại từ lâu.
Like that is not new.
Điều đó không mới.
This idea of having robots that you music can pre-program to assist in some of the motions involved in a lab.
Ý tưởng có những robot mà bạn [nhạc] có thể lập trình trước để hỗ trợ một số chuyển động liên quan trong phòng thí nghiệm.
What is new
Điều mới
and what is emerging right now is the combination of reasoning capabilities um and experiment planning and uh the physical element of lab automation.
Và điều đang nổi lên ngay lúc này là sự kết hợp giữa khả năng suy luận, lập kế hoạch thí nghiệm và yếu tố vật lý của tự động hóa phòng thí nghiệm.
So what that might look like in the near term is collaboration between a scientist and a system that involves both an AI application and a robot.
Vậy điều đó có thể trông như thế nào trong ngắn hạn là sự hợp tác giữa một nhà khoa học và một hệ thống bao gồm cả ứng dụng AI và robot.
music Um and having that be a much more collaborative process uh in the near term in many different kinds of labs and many different kinds of scientific processes whether that's in the life sciences in the chemicals industry in the material science uh research sphere uh and so on and so forth.
[nhạc] Và biến đó thành một quá trình hợp tác hơn nhiều trong ngắn hạn ở nhiều loại phòng thí nghiệm khác nhau và nhiều quy trình khoa học khác nhau, dù đó là trong khoa học sự sống, ngành hóa chất, lĩnh vực nghiên cứu khoa học vật liệu, v.v.
One of the things that I think is important in the near term though is around
Một trong những điều tôi nghĩ là quan trọng trong ngắn hạn là về
interpretability.
Khả năng diễn giải.
So, you know, if you think about AI systems as non-deterministic music computers, one of the things that really matters for research is you want to really understand why the system is doing what it's doing, why it's planning music on uh iterating on an experiment in a given way, why it's planning on doing this particular thing.
Vậy, bạn biết đấy, nếu bạn nghĩ về các hệ thống AI như những máy tính phi xác định [nhạc], một trong những điều thực sự quan trọng đối với nghiên cứu là bạn muốn thực sự hiểu tại sao hệ thống làm điều nó đang làm, tại sao nó lập kế hoạch [nhạc] lặp lại một thí nghiệm theo một cách nhất định, tại sao nó lập kế hoạch làm điều cụ thể này.
And I think uh you know systems that are
Và tôi nghĩ, bạn biết đấy, các hệ thống
purpose-built for scientific research are probably going to focus a lot on that on the interpretability on recording what exactly is uh is happening throughout each step of the process as it collaborates with a human scientist.
Được thiết kế riêng cho nghiên cứu khoa học có lẽ sẽ tập trung rất nhiều vào khả năng diễn giải, vào việc ghi lại chính xác điều gì đang diễn ra trong từng bước của quá trình khi nó hợp tác với một nhà khoa học con người.
I think this concept of fully self-driving science, right, like a closed loop where you have AI that iterates on itself and then carries out
Tôi nghĩ khái niệm khoa học hoàn toàn tự hành này, đúng vậy, giống như một vòng lặp khép kín nơi bạn có AI tự lặp lại rồi thực hiện
an experiment, then continues to to iterate without human intervention.
Một thí nghiệm, rồi tiếp tục lặp lại mà không cần sự can thiệp của con người.
I think this is further out.
Tôi nghĩ điều này còn xa hơn.
This is what I would consider the destination uh for this idea of autonomous science.
Đây là điều tôi sẽ coi là đích đến cho ý tưởng về khoa học tự hành này.
I think where we are right now is that there's a lot of work being done uh to form the foundations of autonomous science and there uh if you consider science as you know broadly speaking some combination of theory of computation and of experimentation there's work being done in the AI ecosystem across areas like mathematical reasoning uh physical reasoning simulation and world models and robot
Tôi nghĩ nơi chúng ta đang ở hiện tại là có rất nhiều công việc đang được thực hiện để tạo nền tảng cho khoa học tự hành, và ở đó, nếu bạn coi khoa học nói chung là sự kết hợp nào đó giữa lý thuyết, tính toán và thực nghiệm, thì có công việc đang được thực hiện trong hệ sinh thái AI trên các lĩnh vực như suy luận toán học, suy luận vật lý, mô phỏng và mô hình thế giới, và robot
learning and all of these things eventually music as these capabilities improve can be applied to uh closing this loop.
Học tập, và tất cả những điều này cuối cùng [nhạc] khi các khả năng này cải thiện có thể được áp dụng để khép kín vòng lặp này.
But progress across all these fields is of course uneven and you kind of have to wait for the capabilities to get to the point where um they're ready to be applied to this close this closed loop and I think that's the destination and in the near term incrementally we'll
Nhưng tiến bộ trên tất cả các lĩnh vực này tất nhiên là không đồng đều và bạn phải chờ đợi các khả năng đạt đến điểm mà chúng sẵn sàng được áp dụng để khép kín vòng lặp này, và tôi nghĩ đó là đích đến, và trong ngắn hạn, từng bước một chúng ta sẽ
make progress on you know lab automation on the reasoning pieces of this um but uh ultimately the final destination I think would be around this idea of a of of a self-driving lab or of autonomous science part of this is going to be driven by the market dynamic uh in which the research is conducted.
Đạt được tiến bộ về tự động hóa phòng thí nghiệm, về các phần suy luận của điều này, nhưng cuối cùng đích đến cuối cùng tôi nghĩ sẽ xoay quanh ý tưởng về một phòng thí nghiệm tự hành hoặc khoa học tự hành. Một phần của điều này sẽ được thúc đẩy bởi động lực thị trường mà trong đó nghiên cứu được tiến hành.
So I think there are certain categories of science where there is just a much more mature uh demand side market for the outputs of research and examples include of course life sciences and pharma um the chemicals industry um facets of the uh material science industry.
Vậy tôi nghĩ có một số loại khoa học nhất định nơi có một thị trường phía cầu trưởng thành hơn nhiều cho các kết quả đầu ra của nghiên cứu, và các ví dụ tất nhiên bao gồm khoa học sự sống và dược phẩm, ngành hóa chất, các khía cạnh của ngành khoa học vật liệu.
I think these are areas where there is a ready uh and willing buyer for a lot of the outputs of this research and the
Tôi nghĩ đây là những lĩnh vực có một người mua sẵn sàng và mong muốn cho nhiều kết quả đầu ra của nghiên cứu này và
uh this the increase in speed and capability uh as well as any cost advantage that might um that might occur.
Sự gia tăng về tốc độ và khả năng cũng như bất kỳ lợi thế chi phí nào có thể xảy ra.
All of these things are going to matter more to uh for markets where there is a well-established buyer of of research output.
Tất cả những điều này sẽ quan trọng hơn đối với các thị trường nơi có một người mua được thiết lập tốt cho kết quả đầu ra của nghiên cứu.
And so I think the where you see autonomous labs and autonomous science being adopted first is probably more of a function of the market that um that that it's
Và vì vậy tôi nghĩ nơi bạn thấy các phòng thí nghiệm tự hành và khoa học tự hành được áp dụng đầu tiên có lẽ là một hàm số của thị trường mà nó
operating in.
Đang hoạt động trong đó.
I think periodic labs is a great example of uh of a team taking a swing um at uh at autonomous science.
Tôi nghĩ Periodic Labs là một ví dụ tuyệt vời về một đội ngũ đang thử sức với khoa học tự hành.
I think you know when you look at the early stage startup landscape there's companies like Medra that are focused on the life sciences and uh pharma market.
Tôi nghĩ bạn biết đấy, khi bạn nhìn vào bối cảnh khởi nghiệp giai đoạn đầu, có những công ty như Medra tập trung vào khoa học sự sống và thị trường dược phẩm.
There's companies like uh Chemifi and Yona Labs that are focused on the uh on on the chemistry industry.
Có những công ty như Chemifi và Yona Labs tập trung vào ngành hóa chất.
Um and then there's zooming out a bit there's collaborations between government and industry that are really focused on this intersection of AI and science.
Và rồi, thu nhỏ lại một chút, có những hợp tác giữa chính phủ và ngành công nghiệp thực sự tập trung vào giao điểm giữa AI và khoa học.
uh you know there is the genesis mission led by the department of energy uh that brings together you know academia, government
Bạn biết đấy, có Genesis Mission do Bộ Năng lượng dẫn đầu, quy tụ giới học thuật, chính phủ
and the national labs as well as uh leading AI companies uh to pursue AIdriven science.
Và các phòng thí nghiệm quốc gia cũng như các công ty AI hàng đầu để theo đuổi khoa học do AI dẫn dắt.
I think just today DeepMind announced a partnership with the UK government um music to collaborate on areas of scientific discovery.
Tôi nghĩ chỉ hôm nay DeepMind đã công bố quan hệ đối tác với chính phủ Anh [nhạc] để hợp tác trong các lĩnh vực khám phá khoa học.
So I think there's, you know, there's startups that are working on lab automation.
Vậy tôi nghĩ có, bạn biết đấy, có những startup đang làm việc về tự động hóa phòng thí nghiệm.
There's startups that are working on building an AI scientist and
Có những startup đang làm việc về xây dựng một nhà khoa học AI và
that work is happening against the backdrop of a broader collaboration between both the public sector and the private sector in academia to really accelerate AIdriven scientific discovery.
Công việc đó đang diễn ra trên nền tảng của sự hợp tác rộng lớn hơn giữa cả khu vực công và khu vực tư nhân trong giới học thuật để thực sự tăng tốc khám phá khoa học do AI dẫn dắt.