ผู้เขียน：Syed Armani
แปลโดย: Felix, PANews
AI ไม่ได้ถูกจำกัดอยู่แค่บนหน้าจอและซอฟต์แวร์อีกต่อไป ด้วยการรวมตัวของ AI กับเทคโนโลยีหุ่นยนต์ 机器กำลังเริ่มมีความสามารถในการรับรู้โลก ตีความเงื่อนไขที่เปลี่ยนแปลงอย่างต่อเนื่อง และดำเนินการแบบเรียลไทม์ การเปลี่ยนแปลงสู่ระบบฟิสิกส์อัจฉริยะ (หรือที่เรียกว่า Physical AI) นี้กำลังเริ่มเปลี่ยนแปลงอุตสาหกรรมต่างๆ และมีศักยภาพที่จะส่งผลกระทบต่อชีวิตประจำวันในครัวเรือนเมื่อเทคโนโลยีมีความสุกงอมมากขึ้น
นวัตกรรมในสาขาหุ่นยนต์กำลังเติบโตอย่างรวดเร็วโดยไม่เคยมีมาก่อน Figure เพิ่งเปิดตัวหุ่นยนต์รูปคน Figure 03 ที่ออกแบบมาสำหรับการใช้งานในบ้านและธุรกิจ หุ่นยนต์นี้สามารถทำภารกิจในบ้านบางอย่างได้ เช่น พับเสื้อผ้าและใส่จานลงในเครื่องล้างจาน แต่ยังไม่สมบูรณ์แบบ Tesla กำลังดำเนินโครงการทดลองในขอบเขตจำกัดภายในโรงงานเพื่อใช้งานหุ่นยนต์รูปคน Optimus โดรนอัตโนมัติและหุ่นยนต์แบบขาได้รับการใช้งานมากขึ้นในภารกิจตรวจสอบที่อันตราย ในขณะเดียวกัน Yuqitech และเทคโนโลยีสัมผัสอย่าง FlexiTac กำลังพัฒนาให้หุ่นยนต์สามารถเคลื่อนไหวได้ในสภาพแวดล้อมบ้านที่ยุ่งเหยิง โดยรับประกันความปลอดภัยรอบสัตว์เลี้ยงและเด็ก รวมถึงช่วยจัดการงานประจำวัน เมื่อหุ่นยนต์อัจฉริยะพร้อมใช้งาน จะเน้นที่ปัญญาทั่วไปและการรับรู้บริบท เช่น การระบุว่ามีน้ำหกออกมาโดยไม่ต้องได้รับคำสั่งชัดเจน
นักลงทุนกำลังลงทุนเงินจำนวนมากเข้าสู่เทคโนโลยีสแต็กที่มีศักยภาพในการสนับสนุนฮาร์ดแวร์หุ่นยนต์รุ่นถัดไป ในเดือนมกราคม 2026 Skild AI ระดมทุนได้ 1.4 พันล้านดอลลาร์สหรัฐในรอบการระดมทุนชุด C โดยมีมูลค่าบริษัทอยู่ที่ 14 พันล้านดอลลาร์สหรัฐ เพื่อขยายแบบจำลองพื้นฐานหุ่นยนต์ทั่วไป ขณะที่ Figure AI ระดมทุนเกิน 1 พันล้านดอลลาร์สหรัฐในรอบการระดมทุนชุด C ปี 2025 ของตน โดยมีมูลค่าบริษัทหลังการระดมทุนอยู่ที่ 39 พันล้านดอลลาร์สหรัฐ เพื่อขยายขีดความสามารถในการผลิตของมนุษย์และการใช้งานในอุตสาหกรรม Apptronik ขยายการระดมทุนชุด A เป็น 935 ล้านดอลลาร์สหรัฐ และ NEURA Robotics เพิ่มเงินทุนในรอบการระดมทุนชุด B อีก 120 ล้านยูโร สิ่งเหล่านี้แสดงให้เห็นถึงข้อตกลงที่เพิ่มขึ้นเรื่อยๆ ว่า AI ทางกายภาพกำลังกลายเป็นรากฐานเชิงกลยุทธ์สำหรับหุ่นยนต์เพื่อผู้บริโภคและอุตสาหกรรม
จุดเปลี่ยนของการแพร่หลายของหุ่นยนต์อัจฉริยะมาถึงแล้วหรือยัง?
การเร่งพัฒนาที่เห็นในพื้นที่นี้เป็นผลมาจากการรวมตัวของเทคโนโลยีหลายประเภท ตลอดหลายทศวรรษที่ผ่านมา โมดูลต่างๆ ที่ประกอบเป็นหุ่นยนต์อัจฉริยะถูกพัฒนาอย่างแยกจากกัน เช่น อัลกอริธึม AI ขั้นสูง เซนเซอร์ความละเอียดสูง แขนกล และระบบควบคุมแบบเรียลไทม์ จนกระทั่งเมื่อไม่นานมานี้ โมดูลเหล่านี้จึงเริ่มรวมตัวกัน ทำให้หุ่นยนต์สามารถรับรู้ วิเคราะห์ และดำเนินการได้อย่างมีประสิทธิภาพในสภาพแวดล้อมจริง ต่อไปนี้คือปัจจัยหลักที่ผลักดัน “จุดเปลี่ยนของหุ่นยนต์” นี้:
ปัจจัยทางเศรษฐกิจ: อุปกรณ์ได้รับการผลิตเป็นสินค้าโภคภัณฑ์แล้ว ในอดีต หุ่นยนต์มีราคาแพงเพราะชิ้นส่วนแต่ละชิ้นเป็นแบบเฉพาะตัว ขณะนี้ พวกมันได้รับประโยชน์จากห่วงโซ่อุปทานของผลิตภัณฑ์อิเล็กทรอนิกส์เพื่อผู้บริโภคและรถยนต์ไฟฟ้า
ตัวขับเคลื่อน: ตัวขับเคลื่อนสำหรับหุ่นยนต์รูปคนแรงบิดสูงเคยมีราคาแพงมาก โดยในระบบอุตสาหกรรมขนาดเล็ก ค่าใช้จ่ายต่อข้อต่อโดยทั่วไปมักเกิน 1,000 ดอลลาร์ แต่การออกแบบแบบรวมแนวตั้งรุ่นใหม่จากบริษัทอย่างเทสล่าและ-unitree กำลังลดต้นทุนของส่วนประกอบตัวขับเคลื่อนบางส่วนลงเหลือหลักร้อยดอลลาร์
เซนเซอร์: ในช่วงสิบปีที่ผ่านมา ต้นทุนของเลเซอร์เรดาร์และกล้องความลึกได้ลดลงอย่างมาก อุปกรณ์ระดับสูงที่เคยมีราคาประมาณ 10,000 ดอลลาร์สหรัฐ ตอนนี้มีราคาเพียงไม่กี่ร้อยดอลลาร์สหรัฐ ซึ่งเกิดจากความก้าวหน้าในการออกแบบแบบสถานะคงที่ การผลิตในปริมาณมาก และการใช้งานในอุตสาหกรรมยานยนต์และอุปกรณ์พกพา
แบตเตอรี่: การลงทุนอย่างกว้างขวางทั่วโลกในยานยนต์ไฟฟ้าได้ลดต้นทุนและเพิ่มความน่าเชื่อถือของแบตเตอรี่ลิเธียมไอออนความหนาแน่นสูง ทำให้หุ่นยนต์หลายรุ่นสามารถทำงานได้ 2-4 ชั่วโมงต่อการชาร์จหนึ่งครั้ง
การคำนวณแบบขอบ: หุ่นยนต์ต้องประมวลผลข้อมูลในที่เกิดเหตุ เพราะงานควบคุมแบบเรียลไทม์ เช่น การรักษาสมดุลหรือจับวัตถุ ไม่สามารถยอมรับความล่าช้าของเครือข่ายได้ ชิปอย่าง Jetson Thor ของ NVIDIA ถูกออกแบบมาเพื่อทำงานการอนุมาน AI บนอุปกรณ์ ในขณะเดียวกันก็จัดการกับสตรีมข้อมูลจากเซนเซอร์หลายตัว ซึ่งทำให้หุ่นยนต์สามารถประมวลผลและติดตามสภาพแวดล้อมของตนเองในที่เกิดเหตุ โดยไม่ต้องพึ่งการเชื่อมต่อเครือข่ายเพื่อตอบสนองอย่างรวดเร็วต่อการเปลี่ยนแปลงของสภาพแวดล้อม
การก้าวข้ามของ “สมอง” (โมเดล AI): นี่คือการเปลี่ยนแปลงที่ใหญ่ที่สุด การเปลี่ยนจากโปรแกรมแบบ “ถ้า/แล้ว” เป็น “โมเดลโลก (World Models)” โมเดลโลกคือโมเดล AI ที่เรียนรู้วิธีการทำงานของโลกแห่งความเป็นจริงผ่านการดูวิดีโอ แทนที่จะเขียนโปรแกรมให้หุ่นยนต์ “หมุนด้ามจับประตู” ให้แสดงวิดีโอการเปิดประตู 10,000 วิดีโอ AI เพียงแค่สังเกตวิดีโอ ก็สามารถสร้างแบบจำลองทางความคิดเกี่ยวกับการทำงานของฟิสิกส์ พัฒนาสัญชาตญาณทางฟิสิกส์ และจำลองสถานการณ์ในจินตนาการก่อนดำเนินการ Google Deepmind Genie 3 และ NVIDIA Cosmos เป็นตัวอย่างของโมเดลโลกชนิดใหม่นี้
ในขณะที่เครื่องจักรกลายเป็นฉลาดยิ่งขึ้น ต้นทุนก็ยังคงลดลงอย่างต่อเนื่อง ตัวอย่างเช่น หุ่นยนต์ Noetix Bumi (ราคา 1,400 ดอลลาร์) ปัจจุบันมีราคาใกล้เคียงกับ iPhone 17 Pro Max การลดลงของต้นทุนฮาร์ดแวร์ ประสิทธิภาพของชิป AI ที่ดีขึ้น และความสามารถของโมเดลโลกที่เพิ่มขึ้น ล้วนเป็นปัจจัยร่วมที่ทำให้หุ่นยนต์อัจฉริยะเข้าถึงได้ง่ายขึ้นสำหรับสาธารณชน และขยายขอบเขตการวิจัยและพัฒนาจากห้องแล็บเทคโนโลยีขั้นสูงไปสู่พื้นที่กว้างขวางยิ่งขึ้น
หากช่วงเวลา “ChatGPT” ของวงการหุ่นยนต์จะเกิดขึ้นในไม่ช้า ความเป็นไปได้สูงที่จะเห็นการประยุกต์ใช้ในภาคอุตสาหกรรมและโลจิสติกส์ก่อน ตามด้วยหุ่นยนต์รูปแบบมนุษย์สำหรับใช้งานในบ้าน แม้ว่าจะยังมีความท้าทายอีกมากมายก่อนที่หุ่นยนต์อัจฉริยะจะแพร่หลายอย่างแท้จริง แต่ผู้ที่มองโลกในแง่ดีอย่างมีเหตุผลจะตระหนักว่าแนวโน้มปัจจุบันกำลังชี้ไปสู่อนาคตที่ความเป็นไปได้ในการใช้งานหุ่นยนต์อัจฉริยะอย่างกว้างขวางกำลังเพิ่มขึ้น
การพัฒนาซอฟต์แวร์ที่สำคัญมักมาพร้อมกับการพัฒนาฮาร์ดแวร์ ความปรากฏของ Instagram และ TikTok เกิดขึ้นได้เพราะมีฮาร์ดแวร์ที่จำเป็น หากฮาร์ดแวร์หุ่นยนต์อัจฉริยะสามารถแพร่หลายในเชิงพาณิชย์ในอีกไม่นานข้างหน้า คำถามที่น่าสนใจก็คือ: แอปพลิเคชันหุ่นยนต์จะเป็นคลื่นลูกต่อไปไหม?
มีความท้าทายใดบ้างที่ขัดขวางแนวโน้มการเติบโตนี้?
ข้อมูลการฝึกหุ่นยนต์: นี่คือข้อจำกัดที่ใหญ่ที่สุดที่การพัฒนาหุ่นยนต์ปัญญาประดิษฐ์ทั่วไปต้องเผชิญ ต่างจาก AI ที่สามารถดึงข้อมูลข้อความจากอินเทอร์เน็ตทั้งหมด หุ่นยนต์ต้องการประสบการณ์จากโลกแห่งความเป็นจริง เช่น ความรู้สึก การรักษาสมดุล และการโต้ตอบกับวัตถุ การรวบรวมข้อมูลประเภทนี้ช้าและมีค่าใช้จ่ายสูง รวมถึงใช้แรงงานมาก
ปัญหาทางกายภาพ: การดูวิดีโอไม่สามารถสอนหุ่นยนต์ให้จัดการวัตถุหรือเคลื่อนที่อย่างปลอดภัยได้อย่างสมบูรณ์ หุ่นยนต์ต้องสัมผัสแรงและการสัมผัสด้วยตัวเอง การควบคุมจากระยะไกล ซึ่งมนุษย์กำหนดทิศทางหุ่นยนต์แบบเรียลไทม์ สามารถจับความตั้งใจและแรงได้พร้อมกัน จึงเป็นมาตรฐานที่ดีที่สุดสำหรับการรวบรวมข้อมูล การสร้างข้อมูลคุณภาพสูงหลายร้อยชั่วโมงต้องการให้ผู้ดำเนินการอยู่ประจำตลอดเวลา ซึ่งมีความสามารถในการขยายขนาดน้อยกว่าการรวบรวมข้อมูลดิจิทัลมาก
ความแตกต่างระหว่างการจำลองกับความเป็นจริง: การจำลองสามารถสร้างข้อมูลจำนวนมากในต้นทุนต่ำ แต่เนื่องจากปรากฏการณ์ทางฟิสิกส์ไม่ได้รับการสร้างแบบจำลองหรือสภาพแวดล้อมไม่สามารถคาดเดาได้ หุ่นยนต์จึงมักล้มเหลวในการถ่ายโอนทักษะไปยังโลกแห่งความเป็นจริง
On-chain machine economy
การรวมกันของบล็อกเชนและหุ่นยนต์มอบวิธีแก้ปัญหาที่เป็นรูปธรรมสำหรับความท้าทายที่เทคโนโลยีหุ่นยนต์กำลังเผชิญอยู่ในปัจจุบัน กลไกการให้รางวัลโทเค็นสามารถช่วยประสานงานหุ่นยนต์นับล้านเครื่อง และให้รางวัลแก่ผู้ที่มีส่วนร่วมในการดำเนินการอุปกรณ์ระยะไกลหรือข้อมูลเซนเซอร์ การโต้ตอบแต่ละครั้งกลายเป็นทรัพย์สินข้อมูลที่มีค่า สร้างชุดข้อมูลหุ่นยนต์ที่เติบโตอย่างรวดเร็วและเป็นของชุมชน ซึ่งมีขนาดใหญ่กว่าบริษัทใดๆ อย่างมาก
Tokenization of Data Collection
ข้อมูลหุ่นยนต์มีคุณค่าสูงมาก แต่ข้อมูลการรับรู้และการโต้ตอบในโลกแห่งความเป็นจริงกลับหายากมาก บริษัทขนาดใหญ่รวบรวมข้อมูลการขับขี่และข้อมูลอุตสาหกรรมจำนวนมากผ่านยานพาหนะของตน ทำให้ได้เปรียบด้านขนาดที่นักพัฒนาอิสระไม่สามารถเทียบได้
การใช้ AI ทางกายภาพแบบกระจายศูนย์อนุญาตให้ผู้ใช้ควบคุมหุ่นยนต์จากระยะไกลหรือบริจาคข้อมูลเซนเซอร์ และได้รับรางวัลเป็นโทเค็น เครือข่ายแบบกระจายศูนย์สามารถประสานงานผู้ชื่นชอบนับพันคนทั่วโลก เพื่อช่วยให้หุ่นยนต์จัดการกับพื้นผิวที่ซับซ้อน หรือผู้มีส่วนร่วมในสภาพแวดล้อมพิเศษสามารถอัปโหลดข้อมูลและรับรางวัล แม้ว่าแพลตฟอร์มเหล่านี้ยังอยู่ในระยะเริ่มต้น แต่พวกมันบ่งชี้ว่าในอนาคต ข้อมูลหุ่นยนต์จะสามารถแชร์ได้อย่างกว้างขวางมากขึ้น และลดอำนาจผูกขาดของบริษัทขนาดใหญ่ไม่กี่แห่ง
โรบอตในฐานะภาคส่วนทางเศรษฐกิจ
ในรูปแบบ "Robot as a Service" หุ่นยนต์อัจฉริยะสามารถกลายเป็นสินทรัพย์ที่ "โทเค็นไนซ์" ได้ หุ่นยนต์แต่ละตัว (หรือสิทธิ์ในการใช้งาน) สามารถถูกแทนด้วยโทเค็นดิจิทัล ทำให้ผู้ใช้หลายคนสามารถเป็นเจ้าของหรือเช่าได้ ค่าบริการที่จ่ายให้กับหุ่นยนต์สามารถถูกส่งตรงไปยังกระเป๋าเงินของหุ่นยนต์ผ่านโทเค็นหรือสแตเบิลโค인 การตั้งค่านี้ช่วยให้เกิดรายได้ด้วยตนเอง: หุ่นยนต์สร้างรายได้จากการทำงาน ชำระค่าใช้จ่ายในการดำเนินงานของตนเอง และจ่ายผลกำไรให้กับผู้ถือโทเค็นโดยอัตโนมัติ โดยพื้นฐานแล้ว นี่คือโปรโตคอล Web3 ที่เปลี่ยนหุ่นยนต์ให้เป็นผู้ให้บริการที่สามารถเขียนโปรแกรมได้ มีความเป็นอิสระ และมีรายได้ที่โปร่งใสและติดตามได้
Physical AI market landscape
ขอบเขตระหว่างปัญญาดิจิทัลกับพฤติกรรมทางกายภาพกำลังจางหายไป เนื่องจากเครื่องจักรการเรียนรู้แบบอัจฉริยะรุ่นใหม่สามารถเข้าใจโลกสามมิติที่ซับซ้อนยุ่งเหยิง
แก่นกลางของปฏิวัตินี้คือโมเดล AI สมองที่ซับซ้อนซึ่งพัฒนาโดย Physical Intelligence และ Skild AI นั้นเกินกว่ารหัสคงที่ และมอบปัญญาทั่วไปสำหรับรูปแบบทางกายภาพต่างๆ โมเดลเหล่านี้ทำให้หุ่นยนต์สามารถมองความคล่องตัวและการเคลื่อนไหวเป็นปัญหาของซอฟต์แวร์ ทำให้สมองเดียวที่เป็นเอกภาพสามารถปรับตัวให้เข้ากับร่างกายหุ่นยนต์หลายรูปแบบ ชั้นปัญญานี้ได้รับการสนับสนุนโดยแพลตฟอร์มจำลองและท่อข้อมูล (เช่น แพลตฟอร์มที่ Zeromatter ให้มา) ซึ่งอนุญาตให้ระบบฝึกฝนในสภาพแวดล้อมเสมือนอย่างปลอดภัยก่อนนำไปใช้งานในโลกจริง
ที่พัฒนาควบคู่ไปกับสมองของหุ่นยนต์คือ AI ทางกายภาพแบบกระจายศูนย์ ตัวอย่างเช่น เครือข่ายโครงสร้างพื้นฐานแบบกระจายศูนย์ Fabric Protocol ให้ตัวตนบนบล็อกเชนและกระเป๋าสตางค์เข้ารหัสแก่หุ่นยนต์อิสระ และใช้การเข้ารหัสเพื่อยืนยันงานของหุ่นยนต์ บริษัทเช่น Auki, Peaq และ IoTeX กำลังสร้าง “เศรษฐกิจของหุ่นยนต์” ที่หุ่นยนต์สามารถแชร์แผนที่ 3D ยืนยันข้อมูล และซื้อขายด้วยตนเอง วิธีการแบบกระจายศูนย์นี้รับประกันว่าชั้นการประสานงานจะไม่อยู่ภายใต้การควบคุมของบริษัทใดบริษัทหนึ่ง
ในอุตสาหกรรม เครื่องจักรก่อสร้างอัตโนมัติของ Bedrock Robotics และระบบอัตโนมัติในคลังสินค้าของ Mytra กำลังเปลี่ยนแปลงแรงงาน ในขณะที่ ANYbotics รับผิดชอบงานบำรุงรักษาประจำวันในสภาพแวดล้อมที่อันตราย 与此同时，随着 Figure 和宇树科技的推进，消费市场在家庭助理方面的突破指日可待。
ทัศนคติปี 2030
ในมุมมองที่มองโลกในแง่ดีอย่างมีเหตุผล การฟื้นตัวของเทคโนโลยีหุ่นยนต์ได้เริ่มขึ้นแล้ว แรงสี่ประการที่ไม่อาจหยุดยั้งกำลังรวมตัวกัน: ต้นทุนฮาร์ดแวร์ลดลงอย่างรวดเร็ว โมเดลปัญญาประดิษฐ์มีความฉลาดเพิ่มขึ้นอย่างต่อเนื่อง ชิปการคำนวณขอบมอบพลังการประมวลผลที่ยังไม pernah เคยมีมาก่อน และแรงงานอุตสาหกรรมทั่วโลกมีศักยภาพในการแก้ไขปัญหาข้อมูล ภายในปี 2030 ผลกระทบจากการร่วมมือกันนี้จะผลักดันให้ปัญญาประดิษฐ์ทางกายภาพแทรกซึมเข้าไปทุกที่ทั่วโลก ตั้งแต่เกษตรกรรมอัตโนมัติจนถึงสาขาความเสี่ยงสูง เช่น ดับเพลิงและการดูแลผู้สูงอายุ
ประวัติศาสตร์แสดงให้เห็นว่านวัตกรรมซอฟต์แวร์ที่เปลี่ยนแปลงได้มักเกิดขึ้นหลังจากฮาร์ดแวร์มีความมั่นคง อาจถึงเวลาของยุค “การเช่าอัจฉริยะ” ซึ่งหุ่นยนต์รูปคนมาตรฐานจะทำงานบนระบบปฏิบัติการมาตรฐานและรวมแอปสโตร์ไว้ด้วย เช่นเดียวกับการปฏิวัติสมาร์ทโฟนในอดีต หลายปีข้างหน้าจะถูกกำหนดโดย “แอปสโตร์หุ่นยนต์” โดยผู้ใช้ไม่จำเป็นต้องซื้ออุปกรณ์เฉพาะทาง แต่จะสมัครรับทักษะของหุ่นยนต์ ในรูปแบบนี้ คุณค่าจะเคลื่อนย้ายจากตัวหุ่นยนต์เองไปสู่ “ทักษะ” เฉพาะที่มันสามารถดำเนินการได้ คุณไม่จำเป็นต้องซื้อหุ่นยนต์สอนภาษาฝรั่งเศสเฉพาะทาง แต่สามารถดาวน์โหลด “แอปทักษะภาษาฝรั่งเศส” ลงบนหุ่นยนต์รูปคนทั่วไปของคุณ ซึ่งจะทำให้มันกลายเป็นครูสอนภาษาฝรั่งเศสของคุณ ภายในปี 2030 สำหรับผู้มีรายได้สูง ของขวัญวันหยุดที่ต้องการจะไม่ใช่สมาร์ทโฟนฟล็อกกิ้งรุ่นเฟล็กซ์ แต่เป็นผู้ช่วยอัจฉริยะที่สามารถช่วยจัดการงานบ้านได้จริง
การพยากรณ์นี้อิงจากความหวังเชิงเหตุผล แม้ว่าเส้นทางสู่อนาคตจะไม่เคยราบเรียบ แต่การรวมตัวกันของเทคโนโลยีต่างๆ กำลังบ่งชี้ถึงการเปลี่ยนแปลงครั้งใหญ่ในเทคโนโลยีเครื่องจักร
อ่านเพิ่มเติม: เมื่อหุ่นยนต์เรียนรู้การคิด ทำกำไร และร่วมมือกัน วิเคราะห์เทคโนโลยีและตัวอย่างการใช้งานหุ่นยนต์ 15 ประเภท