ปี 2026 อุตสาหกรรมปัญญาประดิษฐ์เห็นการเติบโตของ 'ปัญญาประดิษฐ์เชิงกายภาพ' พร้อมความก้าวหน้าสำคัญ

Physical AI, รับช่วงต่อ

ผู้เขียนบทความ แหล่งที่มา: โรงเรียนวิจัยใหม่ของดูจิ้น

ตั้งแต่เริ่มปี 2026 วงการ AI ได้เกิดคำศัพท์ยอดนิยมขึ้นคำหนึ่ง — “ฟิสิกส์ AI”

ฮวง เหรินซว่ย ได้กล่าวซ้ำๆ ในการจัดแสดง CES เมื่อต้นปีว่า “คลื่น AI ลูกต่อไปจะเป็น AI ที่ทำงานในโลกกายภาพ” ขณะที่ซุน อวี้เชิน ก็เพิ่งประกาศอย่างเป็นทางการว่า “ผลประโยชน์จาก AI แบบเสมือนได้สิ้นสุดลงแล้ว ฟิสิกส์ AI คือโอกาสที่ใหญ่ที่สุดในสามปีข้างหน้า”

ในภาคอุตสาหกรรม บริษัทชื่อดัง Figure AI ได้สร้างกระแสทั่วทั้งอินเทอร์เน็ตด้วยการถ่ายทอดสดการจัดเรียงหุ่นยนต์อย่างต่อเนื่องเป็นเวลาห้าวัน ขณะที่บริษัท Zhìyuán Robotics ของจีนประกาศว่าหุ่นยนต์อเนกประสงค์รุ่นที่ 10,000 ได้ผลิตเสร็จแล้ว…

คำพูดของผู้เชี่ยวชาญและการเปลี่ยนแปลงที่แท้จริงของปัญญาเชิงร่างกาย ได้ดึงความสนใจของอุตสาหกรรมไปสู่เรื่องราวอันยิ่งใหญ่นี้ที่เคลื่อนตัวจากปัญญาเสมือนจริงสู่การดำเนินการในโลกกายภาพ อย่างไรก็ตาม ยังคงมีคำถามในใจของหลายคนว่า “AI ทางกายภาพ” ที่ว่านี้ เป็นจุดเปลี่ยนที่หลีกเลี่ยงไม่ได้ของการพัฒนาเทคโนโลยี หรือแค่แนวคิดที่ถูกห่อหุ้มอย่างเฉียบคมเพื่อเปลี่ยนคำศัพท์เท่านั้น

ในปี 2026 วงการ AI เกิดความนิยมใน “AI ทางกายภาพ” โดย Huang Renxun ระบุว่าคลื่นลูกต่อไปของ AI จะเป็น AI ที่ทำงานในโลกทางกายภาพ Figure AI แสดงเทคโนโลยีผ่านการถ่ายทอดสดการจัดแยกหุ่นยนต์เป็นเวลา 5 วัน ซึ่งแสดงให้เห็นว่าเทคโนโลยีนี้ข้ามจุดวิกฤตของการสาธิตในห้องแล็บไปแล้ว ส่วน Zhìyuán Robotics ได้ผลิตหุ่นยนต์อเนกประสงค์แบบมีร่างกายครบ 10,000 หน่วย แก่นหลักของเทคโนโลยีนี้คือการทำให้ AI มีความสามารถในการปิดวงจร “รับรู้-วิเคราะห์-กระทำ-ตอบกลับ” ในโลกจริง ผู้สนับสนุนหลักประกอบด้วย โมเดลภาษาขนาดใหญ่ที่มอบความสามารถในการเข้าใจให้กับหุ่นยนต์ โมเดลโลกที่แก้ปัญหาการกระทำในโลกทางกายภาพ และโมเดล VLA ที่เชื่อมช่องว่างขั้นสุดท้ายจาก “เข้าใจ” เป็น “ทำถูกต้อง” ขณะนี้ AI ทางกายภาพกำลังเปลี่ยนจากขั้นตอนการพิสูจน์ทางเทคนิคสู่การนำไปใช้เชิงพาณิชย์ ตั้งแต่ปี 2026 การระดมทุนได้เกิน 110,000 ล้านหยวน และการแข่งขันได้เข้าสู่ระยะการผลิตจำนวนมากและการจัดส่ง

ที่มาของบทความ: ดงเจี้ยนซินยานสห

ก่อนตอบคำถามข้างต้น มาลองวิเคราะห์คำศัพท์ทางเทคนิคที่ดูค่อนข้างแข็งกระด้างนี้กันก่อน

ปัญญาประดิษฐ์ทางกายภาพ ตามความหมายเชิงตัวอักษร คือเทคโนโลยีปัญญาประดิษฐ์ที่ผสาน AI เข้ากับโลกทางกายภาพอย่างลึกซึ้ง แต่เมื่อพิจารณาถึงแก่นแท้ ปัญญาประดิษฐ์เสมือนรับผิดชอบการ “คิดและสื่อสาร” ในขณะที่ปัญญาประดิษฐ์ทางกายภาพต้อง “รับรู้และกระทำ” ดังนั้น มันจึงไม่ใช่ตัวแทนอัจฉริยะบนหน้าจออีกต่อไป แต่ต้องทำให้เครื่องจักรสามารถรับรู้ เข้าใจ และดำเนินการซับซ้อนในโลกทางกายภาพจริง

ฟิสิคัล AI เป็นเทคโนโลยีที่ “ทำให้เครื่องจักรอิสระ เช่น หุ่นยนต์ รถยนต์ขับเคลื่อนด้วยตัวเอง ฯลฯ สามารถรับรู้ ทำความเข้าใจ และดำเนินการดำเนินการที่ซับซ้อนในโลกทางกายภาพจริง” หวัง เซียง สมาชิกคณะกรรมการบริหารของ Chinese Computer Federation ได้อธิบายแนวคิดนี้อย่างเป็นระบบในการจัดแสดงซัพพลายเชนนานาชาติจีน ครั้งที่ 3 โดยกล่าวว่า “ฟิสิคัล AI หมายถึงระบบ AI ที่มีความสามารถในการปิดวงจร ‘รับรู้—ให้เหตุผล—กระทำ—ตอบกลับ’ ในโลกจริง”

พูดให้เข้าใจง่ายๆ คือ AI ในอดีต “พูดคุยได้” ส่วน AI ทางกายภาพในปัจจุบัน “ทำสิ่งต่างๆ ได้” เมื่อ AI ก้าวออกจากกรอบการสนทนาของ ChatGPT และเข้าสู่โลกแห่งความเป็นจริง เช่น โรงงาน คลังสินค้า และบ้านเรือน นี่คือปัญหาที่ AI ทางกายภาพต้องแก้ไข

ความแตกต่างนี้สะท้อนให้เห็นอย่างชัดเจนในกิจกรรมของบริษัทหุ่นยนต์สองแห่งที่เป็นที่รู้จักในปีนี้

หนึ่งในนั้นคือ Figure AI จากสหรัฐอเมริกา ซึ่งใช้การถ่ายทอดสดต่อเนื่องห้าวันเพื่อพิสูจน์ว่า “หุ่นยนต์สามารถทำงานได้จริง” การถ่ายทอดสดเริ่มตั้งแต่วันที่ 14 พฤษภาคม โดยมีเนื้อหาคือหุ่นยนต์รูปคน Figure 03 สามตัวสลับกันทำงานบนสายการผลิตเพื่อจัดเรียงพัสดุ ภารกิจของหุ่นยนต์คือตรวจจับบาร์โค้ด จับพัสดุ ปรับทิศทางใหม่ และวางบาร์โค้ดลงบนสายพานในทิศทางหันลง

ในระหว่างการถ่ายทอดสด หุ่นยนต์หนึ่งตัวทำงานต่อเนื่องเกิน 33 ชั่วโมง และจัดการพัสดุมากกว่า 40,000 ชิ้น ผู้ก่อตั้ง เบร็ตต์ แอ็ดคอคก์ ระบุว่า หุ่นยนต์ดังกล่าวใช้รุ่น Helix 02 ล่าสุดของบริษัท โดยทำงานในโหมด “อัตโนมัติสมบูรณ์”

ความหมายของการถ่ายทอดสดของ Figure AI ไม่ได้อยู่ที่การแสดงความสามารถทางเทคโนโลยีเพียงอย่างเดียว แต่ยังหมายถึงการแจ้งให้โลกทั้งใบทราบผ่านภาพจริงว่า เทคโนโลยี AI ทางกายภาพได้ข้ามจุดวิกฤตของ “การสาธิตในห้องแล็บ” ไปแล้ว การที่บริษัทหนึ่งถ่ายทอดสดแบบเรียลไทม์ให้เห็นหุ่นยนต์ทำงานต่อเนื่องเป็นเวลาหลายวันโดยไม่มีปัญหาใหญ่ใดๆ นั้นเองคือการประกาศเทคโนโลยีที่ทรงพลัง

บริษัท Zhìyuán Robotics ของจีนยังได้จัดสตรีมมิ่งแบบเดียวกัน โดยนำหุ่นยนต์ Zhìyuán精灵 G2 ไปทำงานร่วมกับมนุษย์บนสายการผลิตแผ่นของบริษัท Longqi Technology Park ในหนานฉาง ผลการทดสอบแบบเรียลไทม์แสดงว่า หุ่นยนต์สามารถทำงานต่อเนื่อง 8 ชั่วโมงโดยไม่มีข้อผิดพลาดร้ายแรง และอัตราความสำเร็จโดยรวมสูงกว่า 99.5% กระบวนการเดียวใช้เวลาเพียง 18-20 วินาที สามารถผลิตสินค้าได้ 310 ชิ้นต่อชั่วโมง หุ่นยนต์หนึ่งตัวสามารถรับภาระงานสองขั้นตอนได้

นอกจากนี้ ซีหยวนโรบอตยังประกาศอย่างเป็นทางการในเดือนมีนาคมว่า หุ่นยนต์ปัญญาประดิษฐ์ทั่วไปแบบกายภาพเครื่องแรกของโลกได้บรรลุการส่งมอบจำนวน 10,000 เครื่อง โดยใช้เวลาเพียงกว่าสามเดือนในการเพิ่มจาก 5,000 เครื่องเป็น 10,000 เครื่อง ระหว่างเดือนธันวาคม 2025 ถึงเดือนมีนาคม 2026

นอกเหนือจากจำนวนการจัดส่ง ซีหยวนโรบอติกส์เปิดเผยว่า บริษัทมีเป้าหมายรายได้ถึง 10,000 ล้านหยวนในปี 2027 หากพิจารณาจากประสบการณ์การพัฒนาของอุตสาหกรรมชั้นนำในอดีต เช่น พลังงานใหม่ การขับขี่อัตโนมัติ หรือชิป บริษัทที่ก่อตั้งไม่ถึงสองปีสามารถผลิตและจัดส่งในระดับหมื่นหน่วย และตั้งเป้ารายได้หมื่นล้านหยวนได้นั้น ถือเป็นปรากฏการณ์ในวงการเทคโนโลยีเชิงลึก

บริษัททั้งสองแห่งนี้ได้พิสูจน์ด้วยข้อมูลและสถานการณ์จริงว่า AI ทางกายภาพไม่จำเป็นต้องพึ่งพาการควบคุมระยะไกลหรือสคริปต์ที่กำหนดล่วงหน้าเพื่อ “แสดง” อีกต่อไป แต่สามารถดำเนินงานภารกิจที่ซับซ้อนได้อย่างอิสระในสภาพแวดล้อมจริง

ที่สำคัญกว่านั้น ซีหยวนเป็นรายแรกที่ผ่านขีดจำกัดการจัดส่ง 10,000 หน่วย โดยผูกความสามารถในการผลิตจำนวนมากกับคำสั่งซื้อที่มีอยู่ ซึ่งแสดงให้เห็นว่าเส้นทางนี้ได้ผ่านจุดเปลี่ยนจาก “การพิสูจน์ทางเทคนิค” สู่ “การสร้างผลลัพธ์ทางธุรกิจ” กล่าวอีกนัยหนึ่ง ความเป็นไปได้ของ AI ทางกายภาพไม่ใช่คำถามอีกต่อไป การแข่งขันที่แท้จริงได้เข้าสู่ระยะลึกของ “ความใช้งานได้” และ “ความคุ้มค่าทางเศรษฐกิจ”

ดังนั้น คำถามที่เกิดขึ้นตอนนี้คือ ทำไม AI ทางฟิสิกส์ถึงระเบิดขึ้นอย่างกะทันหันในปีนี้? เมื่อทบทวนในตอนนี้ นอกจากความต้องการเชิงพาณิชย์ที่แท้จริงแล้ว การพัฒนาเทคโนโลยีที่เกิดขึ้นอย่างต่อเนื่องกลับกลายเป็นปัจจัยผลักดันหลัก

ก่อนอื่น แบบจำลองภาษาขนาดใหญ่ (LLM) ได้นำ “ความสามารถในการเข้าใจ” มาสู่หุ่นยนต์ หุ่นยนต์แบบดั้งเดิมพึ่งพาโค้ดและการเขียนโปรแกรมแบบกำหนดกฎตายตัว ซึ่งเทียบได้กับวิศวกรที่เขียน “บทละคร” ล่วงหน้า โดยหุ่นยนต์จะดำเนินการทุกขั้นตอนตามคำสั่งที่กำหนดไว้ในบทละครอย่างเคร่งครัด รูปแบบนี้มีช่องโหว่ใหญ่คือ หากสภาพแวดล้อมที่หุ่นยนต์ทำงานเปลี่ยนแปลงแม้เพียงเล็กน้อย โค้ดก็ต้องเขียนใหม่ทั้งหมด ความทนทานต่อการเปลี่ยนแปลงจึงต่ำ และยากที่จะก้าวข้ามขีดจำกัดของการพาณิชย์

อย่างไรก็ตาม หลังจากที่กูเกิลพยายามผสาน LLM เข้ากับการดำเนินการทางกายภาพของหุ่นยนต์ และเปิดตัวโมเดลขนาดใหญ่แบบมีร่างกายและหลายโมดัล เช่น Google PaLM-E และ RT-2 ในเดือนสิงหาคม 2023 ทำให้หุ่นยนต์สามารถรับคำสั่งภาษาธรรมชาติแล้วแยกงานที่ซับซ้อนออกเป็นขั้นตอนต่างๆ แล้วดำเนินการได้อัตโนมัติ ทำให้โมเดลภาษาขนาดใหญ่ก้าวข้ามความสามารถจาก “การเข้าใจการสนทนา” เป็น “การดำเนินการทางกายภาพ”

ฮวง เหรินซวิน ชี้ให้เห็นถึงแก่นแท้ของการวิวัฒนาการทางเทคโนโลยีในการพูดที่ CES 2026: ปัญญาประดิษฐ์ทางกายภาพจริงๆ แล้วเป็นการถ่ายโอนอำนาจการควบคุมระดับพื้นฐาน เมื่อปัญญาประดิษฐ์ทางกายภาพผ่านจุดวิกฤตของการวิวัฒนาการทางเทคโนโลยี อำนาจการควบคุมจะถูกถ่ายโอนจากโค้ดเชิงกำหนดที่มนุษย์เขียนขึ้นไปยังเครือข่ายประสาทเทียมที่มีความสามารถในการทั่วไปและเข้าใจกฎของฟิสิกส์

ในเวลานี้ หุ่นยนต์ไม่ได้เป็นเพียง “การดำเนินการตามรหัส” อีกต่อไป แต่ได้รับความสามารถในการ “เข้าใจคำสั่งและวางแผนการกระทำด้วยตนเอง”

หากโมเดลภาษาขนาดใหญ่แก้ปัญหาเรื่อง “การเข้าใจ” โมเดลโลกจะแก้ปัญหาเรื่อง “การกระทำในโลกทางกายภาพ” โดยแก่นหลักของโมเดลโลกคือการให้ AI เรียนรู้ความเข้าใจภายในเกี่ยวกับกฎเกณฑ์การทำงานของโลกทางกายภาพ

แพลตฟอร์มโมเดลพื้นฐานของโลก AI ทางฟิสิกส์ Cosmos ที่ NVIDIA เปิดตัวใน CES ปีที่แล้วได้กลายเป็นเหตุการณ์สำคัญ โดยความสามารถหลักของโมเดลนี้คือการสร้างข้อมูลการกระทำที่สอดคล้องกับกฎทางฟิสิกส์จากข้อความหรือภาพ นักพัฒนาสามารถใช้ Cosmos เพื่อเร่งการพัฒนา AI ทางฟิสิกส์สำหรับรถยนต์อัจฉริยะ หุ่นยนต์ และตัวแทน AI วิเคราะห์วิดีโอ

ตามที่ NVIDIA ระบุ Cosmos ได้รับการฝึกฝนจากข้อมูลจริงมากกว่า 20 ล้านชั่วโมง ซึ่งช่วยลดความยากลำบากในการจำลองและการฝึกโมเดลอย่างมาก โดยมีโมเดลโลก ระบบ AI สามารถทำการจำลองและซ้อมรบในสภาพแวดล้อมเสมือนจำนวนมาก ก่อนที่จะนำผลลัพธ์ไปใช้ในโลกกายภาพจริง

ความสามารถสูงสุดของหุ่นยนต์ไม่ใช่การ “เข้าใจ” หรือ “ฟังเข้าใจ” แต่คือการ “ทำถูกต้อง” การปรากฏตัวของโมเดล Vision-Language-Action ทำให้หุ่นยนต์สามารถจัดการกับข้อมูลภาพ ความเข้าใจภาษา และการควบคุมการกระทำได้พร้อมกัน จึงสามารถสร้างวงจรปิดที่ว่า “เห็นแล้วทำได้ทันที”

DeepMind ได้เปิดตัวโมเดลขนาดใหญ่แบบหลายโมดัลและมีร่างกายรุ่นใหม่ Gemini Robotics 1.5 ในเดือนกันยายนปีที่แล้ว โดยอ้างว่าเป็นโมเดลเชิงคิดที่ออกแบบมาเพื่อการให้เหตุผลแบบมีร่างกายเป็นครั้งแรกของโลก; ในขณะเดียวกัน NVIDIA ได้เปิดตัวโมเดลแบบโอเพนซอร์ส Isaac GR00T N1.6 ที่ออกแบบมาเฉพาะสำหรับหุ่นยนต์รูปแบบมนุษย์ ซึ่งสามารถเปิดใช้งานการควบคุมทั้งร่างกาย

ในขณะเดียวกัน ศูนย์นวัตกรรมหุ่นยนต์รูปคนปักกิ่งได้เปิด-source โมเดลสมองเล็กของเอ็มบอดี้ XR-1 ซึ่งเป็นโมเดลแรกของประเทศที่สอดคล้องกับมาตรฐานแห่งชาติด้านปัญญาเชิงร่างกาย โดยได้รับการฝึกอบรมด้วยข้อมูลมากกว่าหนึ่งล้านชุด และสามารถดำเนินการงานที่ซับซ้อนด้วยแขนคู่ เช่น การหยิบวาง การผลักดึง และการหมุน

ในที่สุด AI ทางกายภาพได้รวบรวมความสามารถพื้นฐานที่จำเป็นสำหรับการนำไปใช้งานจริง: LLM ทำให้เครื่องจักร “เข้าใจ” ความตั้งใจของมนุษย์ โมเดลโลกทำให้เครื่องจักร “คาดการณ์” ผลลัพธ์ทางกายภาพ และ VLA เชื่อมช่องว่างขั้นสุดท้ายจาก “เข้าใจ” ไปสู่ “ทำถูกต้อง” เมื่อรวมกัน ทั้งสามเทคโนโลยีนี้ทำให้หุ่นยนต์มีความสามารถพื้นฐานในการดำเนินงานอย่างอิสระในสภาพแวดล้อมเปิดครั้งแรก

แน่นอน ปัจจุบันการดำเนินการอย่างคล่องแคล่วยังคงมีข้อจำกัด การควบคุมอย่างละเอียดของแขนและมือยังมีปัญหาอีกหลายประการที่ต้องแก้ไข กล่าวอีกนัยหนึ่ง ปัญญาประดิษฐ์ทางกายภาพได้รับบัตรเข้าสู่โรงงานเพื่อทำงานแล้ว แต่เพื่อให้สามารถ “เข้าไปในบ้านเพื่อเสิร์ฟเครื่องดื่ม” ได้อย่างแท้จริง ยังต้องข้ามอุปสรรคเชิงคุณภาพจาก “การเคลื่อนไหวแบบหยาบ” ไปสู่ “การดำเนินการอย่างละเอียด”

การเข้าใจอดีตและปัจจุบันของฟิสิกส์ AI เป็นสิ่งสำคัญ และในขณะนี้ อุตสาหกรรมปัญญาประดิษฐ์แบบมีร่างกายต้องเผชิญกับคำถามว่า การแข่งขันในอนาคตจะมุ่งเน้นที่มิติหลักใดบ้าง?

เราสรุปบทเรียนจากวิวัฒนาการของรถยนต์ขับเคลื่อนอัตโนมัติ ซึ่งการแข่งขันด้านข้อมูลไม่สามารถหลีกเลี่ยงได้ และปัญญาเชิงร่างกายที่มีตรรกะคล้ายกันก็ไม่สามารถหลีกเลี่ยงได้เช่นกัน โดยทั่วไปแล้ว ผู้ใดมีข้อมูลการฝึกอบรมที่มีคุณภาพสูงกว่า ผู้นั้นจะมีอำนาจในการตัดสินใจ

ในอุตสาหกรรมปัจจุบัน NVIDIA ได้ก่อตั้งกำแพงโมเดลโลกโดยใช้ Cosmos ซึ่งโมเดลที่ฝึกด้วยข้อมูลจริงมากกว่า 20 ล้านชั่วโมงนั้นยากต่อการลอกเลียนแบบอย่างรวดเร็ว ในขณะที่ Zhiyuan ได้ดำเนินการผลิตและติดตั้งหุ่นยนต์มากกว่า 10,000 เครื่อง ซึ่งหมายความว่ามันมีความสามารถในการรวบรวมข้อมูลแบบจริงที่ขับเคลื่อนด้วยการตอบกลับ ซึ่งถูกมองว่าเป็นแนวป้องกันข้อมูลในอุตสาหกรรมนี้

ควรระบุว่า ข้อมูลที่จำเป็นสำหรับการแข่งขันด้าน AI ทางกายภาพไม่ได้ขึ้นอยู่กับปริมาณเพียงอย่างเดียว แต่ต้องอาศัยการร่วมมือระหว่างข้อมูลที่สร้างขึ้นและข้อมูลจริง

การพึ่งพาข้อมูลจริงเพียงอย่างเดียวจะเผชิญกับปัญหาด้านขนาดและต้นทุนการสึกหรอของฮาร์ดแวร์ ขณะที่การพึ่งพาข้อมูลสังเคราะห์มากเกินไปจะมีช่องว่างในการถ่ายโอนจากแบบจำลองสู่ความเป็นจริง (sim2real) แนวทางของศูนย์นวัตกรรมหุ่นยนต์รูปคนปักกิ่งที่เรียกว่า “การเรียนรู้ข้ามแหล่งข้อมูล” เป็นผลผลิตจากแนวคิดนี้ ซึ่งช่วยให้หุ่นยนต์สามารถใช้วิดีโอของมนุษย์จำนวนมากในการฝึกฝน ลดต้นทุนการฝึกฝนอย่างมากและเพิ่มประสิทธิภาพการฝึกฝน

เข้าใจได้ง่ายเช่นนี้แล้ว ผู้ใดสามารถเชื่อมต่อวงจรสมบูรณ์แบบระหว่าง “การฝึกด้วยข้อมูลสังเคราะห์—การปรับแต่งด้วยข้อมูลจริง—การรับฟังข้อเสนอแนะจากสถานการณ์จริง” ได้ในอนาคต ผู้นั้นจะครองจุดสูงสุดในการแข่งขันครั้งนี้

หลังจากแก้ไขปัญหาข้อมูลแล้ว การผสานรวม AI ทางกายภาพกับ AI ทางเสมือนอย่างมีประสิทธิภาพ จึงกลายเป็นกุญแจสำคัญที่จะทำให้ AI ทางกายภาพก้าวไปอีกขั้น

ในปัจจุบันเมื่อพูดถึง AI ทางฟิสิกส์ เรามักละเลยมุมมองหนึ่ง นั่นคือ AI ทางฟิสิกส์และ AI ทางเสมือนไม่ได้ขัดแย้งกัน โดยจากมุมมองของสถาปัตยกรรมทางเทคนิค ระบบ AI ทางฟิสิกส์ที่สมบูรณ์สามารถแบ่งออกเป็นสามชั้นหลัก: ชั้นล่างสุดคือชั้นการรับรู้ (เซนเซอร์ การรับรู้ภาพ) ชั้นกลางคือชั้นการตัดสินใจและการรับรู้ (การให้เหตุผลของ AI) และชั้นบนสุดคือชั้นการดำเนินการ (การควบคุมเครื่องจักร)

AI แบบเสมือนรับผิดชอบชั้นกลาง ในขณะที่ AI แบบกายภาพต้องเชื่อมต่อกระบวนการทั้งหมดตั้งแต่การรับรู้จนถึงการดำเนินการ

แนวทางนี้สะท้อนให้เห็นในโซลูชันแบบครบวงจรของ NVIDIA ที่รวม “ชิป + โมเดล + เครื่องมือ” โดยแพลตฟอร์ม Jetson Thor ให้พลังการประมวลผล โมเดล GR00T ให้ปัญญา และแพลตฟอร์ม Isaac ให้ชุดเครื่องมือพัฒนา เมื่อเทียบกับโซลูชันนี้ ผู้ที่สามารถผสานซอฟต์แวร์และฮาร์ดแวร์ได้อย่างลึกซึ้งในอนาคต จะไม่เพียงสามารถสร้างวงจรปิดของ AI ทางกายภาพตั้งแต่ “สมอง” ถึง “อวัยวะ” เท่านั้น แต่ยังสามารถสร้างแนวป้องกันทางเทคโนโลยีของตนเองได้อีกด้วย

จุดสุดท้ายคือกระบวนการเชิงพาณิชย์ของ AI ทางกายภาพ เมื่อสามปีก่อน ทุนต่างมองหาศักยภาพในเส้นทางหุ่นยนต์จาก “วิสัยทัศน์ทางเทคโนโลยี” แต่ตอนนี้ ตลาดทุนได้ใช้เกณฑ์การประเมินที่เป็นรูปธรรมมากขึ้น นั่นคือ ความสามารถในการจัดส่ง

สื่อรายงานว่า ตลอดปี 2025 การระดมทุนในสาขาหุ่นยนต์อัจฉริยะของจีนรวมทั้งสิ้น 73.5 พันล้านหยวน จากเหตุการณ์การระดมทุน 744 ครั้ง ตั้งแต่ปี 2026 เป็นต้นมา มีการเพิ่มทุนอีกกว่า 37 พันล้านหยวน ทำให้ยอดรวม vượtเกิน 110 พันล้านหยวน แต่ภายใต้ความเจริญรุ่งเรืองนี้ การไหลเวียนของทุนมีการเปลี่ยนแปลงเชิงโครงสร้างที่มองเห็นได้ชัดเจน

ในเดือนพฤษภาคม 2026 ทิ่นจีอินเทลลิเจนซ์ประสบความสำเร็จในการระดมทุนรอบ B มูลค่า 1 พันล้านหยวน โดยสินทรัพย์หลักคือคำสั่งซื้อในมือในไตรมาสที่ 1 vượtเกิน 10,000 เครื่อง ครอบคลุมลูกค้า 45 บริษัทหุ่นยนต์

Zhongke Diwu Ji ได้รับการระดมทุนรอบ A มูลค่าหลายพันล้านหยวน และเปิดเผยว่าได้รับคำสั่งซื้อจากต่างประเทศมูลค่าหลายพันล้านหยวน

ในระหว่างการระดมทุนของ Weitai Power และ Lu Ming Robotics นักลงทุนจากอุตสาหกรรม เช่น SAIC Shangqi Capital และ Mitsubishi Electric ได้เข้าร่วมอย่างต่อเนื่อง โดยมีเป้าหมายเพื่อผูกพันกำลังการผลิตของสายการผลิตกับความสามารถในการจัดส่งหุ่นยนต์

ในทางกลับกัน บริษัทสตาร์ทอัพหุ่นยนต์รูปคนของอเมริกาอย่าง Cartwheel Robotics แม้จะมีวิสัยทัศน์ทางเทคโนโลยี แต่ไม่มีคำสั่งซื้อรองรับ และได้ประกาศล้มละลายในเดือนมีนาคม 2026

ตัวอย่างที่ดีและไม่ดีแสดงให้เห็นว่าทุนไม่จ่ายให้กับเดโมที่ดูเจ๋งอีกต่อไป แต่จ่ายเฉพาะสำหรับความสามารถในการผลิตจริง

ความนิยมอย่างรุนแรงของ AI ทางกายภาพดูเหมือนเกิดขึ้นอย่างฉับพลัน แต่แท้จริงแล้วเป็นเรื่องที่เกิดขึ้นตามธรรมชาติ

แน่นอน ยังมีผู้เชี่ยวชาญในอุตสาหกรรมมองว่า “ฟิสิคัล AI” เป็นเพียงแนวคิดใหม่ที่ตลาดทุนสร้างขึ้นเพื่อห่อหุ้ม ซึ่งแก่นแท้ยังคงเป็นการพัฒนาตามธรรมชาติของเทคโนโลยีเอไอที่มีร่างกายและหุ่นยนต์ แต่ไม่สามารถปฏิเสธได้ว่า การเกิดขึ้นของฟิสิคัล AI ได้ชี้ชัดว่าอุตสาหกรรมเอไอกำลังก้าวจาก “ปัญญาเสมือน” สู่ “การดำเนินการในรูปแบบกายภาพ” ซึ่งเป็นกระบวนการทางประวัติศาสตร์ที่ไม่สามารถย้อนกลับได้

ในการแข่งขันรอบล่าสุด Figure AI แสดงศักยภาพผ่านการถ่ายทอดสดให้โลกเห็น 智元โรบอตสร้างอุปสรรคทางอุตสาหกรรมด้วยการผลิตจำนวนมากและจัดส่งจริง NVIDIA สร้างระบบนิเวศแพลตฟอร์มด้วย Cosmos และ GR00T... แต่คำถามต่อไปคือ บริษัทใดจะกลายเป็น OpenAI ของด้านฟิสิกส์ AI? และแอปพลิเคชันใดจะเป็นรายแรกที่ได้รับ "ช่วงเวลา ChatGPT"?