ทำไมสตาร์ตอัป World Model ของจีนอาจไม่ต้องมีต้นแบบจากสหรัฐฯ

World Model กำลังกลายเป็นหัวข้อสำคัญของ Physical AI หรือ AI ที่ต้องทำงานกับสภาพแวดล้อมทางกายภาพจริง เป้าหมายของระบบประเภทนี้ไม่ใช่แค่สร้างวิดีโอให้ดูสมจริง แต่คือการสร้างแบบจำลองว่าโลกเปลี่ยนแปลงอย่างไร และการกระทำหนึ่ง ๆ จะก่อผลอะไรตามมา

บนเวที WAIC 2026 ผู้ร่วมเสวนาจาก Muka Robotics, Shengshu Technology, EvoPhys.ai และ Chengwei Capital เสนอว่า สตาร์ตอัปจีนอาจแข่งขันในสนามนี้โดยไม่จำเป็นต้องยึดการไล่ตามห้องแล็บ AI แนวหน้าของสหรัฐฯ เป็นแม่แบบเดิม

ข้อเสนอของพวกเขา ไม่ใช่ การอ้างว่าจีนมีทรัพยากรคอมพิวต์ระดับแนวหน้าเทียบเท่าสหรัฐฯ แต่เป็นการชี้ว่า ความก้าวหน้าของ World Model อาจขึ้นอยู่กับประสิทธิภาพในการเรียนรู้ ข้อมูลปฏิสัมพันธ์จากโลกจริง และการทดสอบด้วยหุ่นยนต์อย่างรวดเร็วมากขึ้น ปัจจัยเหล่านี้อาจมีน้ำหนักพอ ๆ กับจำนวน GPU ที่มีอยู่ ขณะที่ WAIC เองก็สะท้อนความคึกคักของภาคส่วนนี้ โดยมีรายงานว่ามีบริษัทด้าน embodied AI และหุ่นยนต์เข้าร่วมมากกว่า 200 แห่ง 8

จุดเปลี่ยนที่เสนอ: จากขนาดคอมพิวต์ สู่ประสิทธิภาพของรอบทดลอง

ผู้ร่วมเสวนามองว่าการเทียบกับแล็บสหรัฐฯ ตามขนาดคอมพิวต์เพียงอย่างเดียวอาจมีประโยชน์น้อยลง สำหรับสาขาที่ยังไม่มีมาตรฐานเทคนิคและตลาดที่ตายตัวอย่าง World Model

ตามแนวคิดนี้ ทีมที่มีคอมพิวต์น้อยกว่าอาจยังแข่งขันได้ หากสามารถเก็บข้อมูลจากโลกจริงที่มีประโยชน์ในต้นทุนต่ำ ฝึกสถาปัตยกรรมที่ใช้ข้อมูลหลากหลายประเภทได้อย่างมีประสิทธิภาพ และนำความผิดพลาดไปทดสอบกับเครื่องจักรจริงได้รวดเร็ว

กรณีของ Muka Robotics ที่มีรายงานว่าโมเดล LJM ได้อันดับสูงใน WorldArena โดยใช้ GPU 32 ตัว ถูกยกเป็นตัวอย่างของแนวทางที่ให้ความสำคัญกับประสิทธิภาพ อย่างไรก็ดี นี่เป็นผลลัพธ์ที่บริษัทรายงาน ไม่ใช่การประเมินอิสระที่ยืนยันความเป็นผู้นำทางเทคนิคโดยรวม 3

ความต่างที่สำคัญอยู่ที่วิธีพิสูจน์ผลลัพธ์: โมเดลวิดีโออาจวัดจากความสมจริงทางภาพ แต่ World Model สำหรับหุ่นยนต์สามารถวัดได้จากว่า การคาดการณ์นั้นทำให้หุ่นยนต์ทำงานสำเร็จภายใต้ข้อจำกัดทางกายภาพจริงหรือไม่ หากโมเดลคาดการณ์เรื่องการสัมผัส การเคลื่อนที่ หรือสถานะของวัตถุผิดพลาด ความผิดพลาดนั้นจะปรากฏชัดเมื่อหุ่นยนต์ต้องลงมือทำจริง

หุ่นยนต์อาจเป็นทั้งแหล่งข้อมูลและสนามทดสอบ

แก่นของข้อเสนอคือวงจรป้อนกลับระหว่าง World Model กับ embodied intelligence หรือระบบ AI ที่มีร่างกายและปฏิสัมพันธ์กับโลก:

1. World Model ช่วยหุ่นยนต์ คาดการณ์การเปลี่ยนแปลงของสภาพแวดล้อมและผลที่อาจเกิดจากการกระทำ
2. หุ่นยนต์ช่วย World Model ด้วยการสร้างข้อมูลปฏิสัมพันธ์ที่ผูกกับการกระทำ และส่งผลตอบกลับตรง ๆ ว่าคำทำนายสอดคล้องกับโลกจริงหรือไม่
3. การนำไปใช้และฝึกซ้ำ เปลี่ยนผลตอบกลับนี้ให้เป็นวงจรพัฒนาที่เร็วขึ้น ทั้งการเก็บข้อมูล การออกแบบโมเดล และการประเมินผล

ภาพจากงาน WAIC ช่วยอธิบายว่าเหตุใดผู้ร่วมเสวนาจึงเห็นประเด็นนี้เป็นโอกาส คู่มืออย่างเป็นทางการของงานระบุว่ามีหุ่นยนต์มากกว่า 300 ตัวในสถานการณ์ใช้งานแบบเคลื่อนไหว ขณะที่รายงานอีกชิ้นระบุว่ามีบริษัท embodied AI และหุ่นยนต์เข้าร่วมกว่า 200 แห่ง 108

ตัวเลขเหล่านี้ไม่ได้พิสูจน์ว่าประเทศใดมีความได้เปรียบด้านข้อมูลอย่างเด็ดขาด แต่ช่วยอธิบายตรรกะเชิงกลยุทธ์ได้ว่า ฐานหุ่นยนต์ที่มีขนาดใหญ่และหลากหลายอาจเปิดโอกาสให้เก็บข้อมูลปฏิสัมพันธ์ได้มากขึ้น และมีสภาพแวดล้อมจริงให้ตรวจสอบมากขึ้นว่าโมเดลทำนายปรากฏการณ์ทางกายภาพได้ใช้การได้เพียงใด

ความหนาแน่นของซัพพลายเชน: ความได้เปรียบเรื่องเวลา ไม่ใช่แค่ต้นทุน

อีกประเด็นคือการประสานงานแบบระบบนิเวศฮาร์ดแวร์สไตล์เซินเจิ้น ซึ่งผู้ผลิตชิ้นส่วน ผู้ประกอบระบบ ผู้ผลิตหุ่นยนต์ และทีมซอฟต์แวร์อยู่ใกล้กันทั้งในเชิงภูมิศาสตร์และเชิงพาณิชย์ จนอาจย่นระยะเวลาจากการพบความล้มเหลวของโมเดล ไปสู่การทดลองรอบใหม่ได้

ความได้เปรียบในมุมนี้ไม่ได้หมายถึงฮาร์ดแวร์ราคาถูกเพียงอย่างเดียว แต่คือความสามารถในการปรับชุดเซ็นเซอร์ อุปกรณ์ปลายแขนของหุ่นยนต์ ขั้นตอนเก็บข้อมูล หรือการตั้งค่าหุ่นยนต์ แล้วนำข้อมูลที่ได้กลับไปฝึกโมเดลอย่างรวดเร็ว ซึ่งมีความสำคัญกับ Physical AI เพราะคุณภาพของโมเดลแยกไม่ขาดจากเครื่องจักร เซ็นเซอร์ และสภาพแวดล้อมที่ใช้สร้างและตรวจสอบข้อมูล

อย่างไรก็ตาม นี่ยังเป็นข้อเสนอเชิงกลยุทธ์ ไม่ใช่หลักประกันว่าผู้นำทางเทคนิคจะเกิดขึ้นโดยอัตโนมัติ ซัพพลายเชนที่ตอบสนองไว้อาจเร่งการทดลองได้ แต่ไม่อาจตอบโจทย์เรื่องความสามารถในการนำไปใช้กับสถานการณ์ใหม่ ความปลอดภัย ความเชื่อถือได้ หรือความคุ้มค่าทางธุรกิจได้ด้วยตัวเอง

สถาปัตยกรรมโมเดลคืออีกครึ่งหนึ่งของสมมติฐาน

งานด้าน World Action ของ Shengshu Technology เป็นตัวอย่างที่ชัดของแนวคิดซึ่งใช้การออกแบบสถาปัตยกรรมสร้างความได้เปรียบ งานวิจัย MotuBrain วางวิดีโอและการกระทำไว้ในกรอบการสร้างข้อมูลร่วมกัน ทำให้งานอย่างการสร้างนโยบายควบคุม การสร้างแบบจำลองโลก การสร้างวิดีโอ inverse dynamics และการทำนายวิดีโอ–การกระทำร่วมกัน กลายเป็นโหมดการอนุมานที่ต่างกันของโมเดลเดียว 32

Shengshu ระบุว่า MotuBrain สร้างแบบจำลองความเข้าใจ การคาดการณ์ และการกระทำร่วมกัน เพื่อใช้ข้อมูลต่างชนิดได้ดีขึ้น และเพิ่มความสามารถในการถ่ายโอนความรู้ข้ามงาน 33 ในทางปฏิบัติ นี่คือความพยายามลดรอยต่อระหว่างระบบที่มองเห็นโลก ระบบที่คาดการณ์การเปลี่ยนแปลงของโลก และระบบที่เลือกการกระทำ

นัยสำคัญจึงไม่ใช่ว่าสถาปัตยกรรมที่เผยแพร่หนึ่งแบบได้ตัดสินอนาคตของทั้งวงการแล้ว แต่คือการชี้ให้เห็นว่า การออกแบบโมเดลอาจสร้างแรงงัดได้ หากกรอบเดียวสามารถใช้ข้อมูลซ้ำข้ามงานด้านวิดีโอ การกระทำ และการทำนายเชิงกายภาพ ความสามารถที่เกิดขึ้นก็อาจไม่เพิ่มขึ้นแบบหนึ่งต่อหนึ่งตามปริมาณคอมพิวต์

ทางเลือกแบบยึดฟิสิกส์เป็นหลัก

EvoPhys.ai ถูกนำเสนอว่าเข้าแก้คอขวดเดียวกันจากอีกทิศทางหนึ่ง คือเรียนรู้กฎเกณฑ์ทางกายภาพจากปฏิสัมพันธ์พื้นฐาน แทนการพึ่งพาคลังวิดีโอที่ผ่านการคัดสรรขนาดมหาศาลเป็นหลัก เป้าหมายคือโมเดลที่ยึดโยงกับแรง การสัมผัส การเคลื่อนที่ และผลลัพธ์ของการกระทำมากขึ้น

กิจกรรมที่เกี่ยวข้องปรากฏใน WAIC เช่นกัน โดย TrendForce รายงานว่า Moore Threads สาธิตการฝึก EvoPhys-World ของมหาวิทยาลัยปักกิ่ง ซึ่งอธิบายว่าเป็น World Model แบบ 5D บนโครงสร้างคอมพิวต์ภายในประเทศ 9 ข้อมูลนี้ยืนยันว่ามีการทำงานเชิงเทคนิคในแนวทางดังกล่าวจริง แต่ยังไม่ใช่การตรวจสอบโดยอิสระต่อข้ออ้างที่กว้างกว่าว่ามีสมรรถนะเหนือกว่า ใช้ข้อมูลได้คุ้มกว่า หรือเป็นผู้นำระดับประเทศ

เหตุใดจึงเรียกว่าโอกาสระดับ “ภูเขาไท่”

อุปมานี้สะท้อนทั้งโอกาสและภาระหนักในเวลาเดียวกัน

โอกาสของผู้มาก่อน

หาก World Model กลายเป็นชั้นเทคโนโลยีหลักของหุ่นยนต์ ระบบอัตโนมัติ และการจำลองสถานการณ์ ทีมที่เริ่มก่อนอาจมีส่วนกำหนดมาตรฐานสำคัญได้เอง ตั้งแต่ว่าควรเก็บข้อมูลแบบใด วัดความสามารถในการให้เหตุผลเชิงกายภาพอย่างไร รองรับหุ่นยนต์ประเภทใด ไปจนถึงแอปพลิเคชันใดที่สร้างคุณค่าจริง

การที่ยังไม่มีผู้นำระดับโลกหรือสูตรผลิตภัณฑ์ที่ตกผลึก อาจเปิดพื้นที่ให้ผู้เล่นหน้าใหม่สร้างทิศทางของตลาดได้

ภาระของการไม่มีแผนที่

แต่การไม่มีต้นแบบที่พิสูจน์แล้วก็หมายถึงความเสี่ยงในการลงมือทำ สตาร์ตอัปต้องเลือกลงทุนกับท่อส่งข้อมูล แพลตฟอร์มฮาร์ดแวร์ สถาปัตยกรรมโมเดล วิธีประเมินผล กลุ่มลูกค้า และโมเดลธุรกิจ ก่อนที่ตลาดจะแสดงชัดว่าทางเลือกใดอยู่รอด การพิสูจน์ในโลกจริงยังช้าและมีต้นทุนสูงกว่าการประเมินโมเดลซอฟต์แวร์ล้วน

ดังนั้น ข้อโต้แย้งจากเวทีนี้ไม่ควรถูกอ่านว่า จีนชนะการแข่งขัน World Model แล้ว แต่เป็นข้อเสนอเกี่ยวกับ รูปทรงของการแข่งขัน: ในสาขาที่โมเดลต้องเรียนรู้จากโลกจริงและลงมือกระทำในโลกจริง ความเร็วของรอบพัฒนา คุณภาพข้อมูล และสถาปัตยกรรม อาจกลายเป็นตัวแปรเชิงกลยุทธ์เคียงคู่กับพลังคอมพิวต์

สิ่งที่ควรจับตาต่อจากนี้

แนวคิดนี้จะพิสูจน์ได้ด้วยหลักฐานมากกว่าคำกล่าวบนเวที โดยเฉพาะ 4 ด้านต่อไปนี้:

• การประเมินโดยอิสระ: ผลทดสอบที่วัดการคาดการณ์เชิงกายภาพและผลงานของหุ่นยนต์จริงในสภาพแวดล้อมหลากหลาย ไม่ใช่เพียงการสาธิตเฉพาะจุด
• ประสิทธิภาพการใช้ข้อมูล: โมเดลพัฒนาได้อย่างมีนัยสำคัญหรือไม่ ด้วยปริมาณข้อมูลปฏิสัมพันธ์ที่เก็บและติดป้ายกำกับได้จริง
• การถ่ายโอนข้ามตัวตนหุ่นยนต์: โมเดลที่ฝึกกับหุ่นยนต์ ชุดเซ็นเซอร์ หรืองานหนึ่ง จะนำไปใช้กับอีกแบบได้มากน้อยเพียงใดโดยไม่ต้องฝึกใหม่อย่างหนัก
• เศรษฐศาสตร์ของการใช้งาน: World Model ทำให้หุ่นยนต์ปลอดภัยกว่า เชื่อถือได้กว่า หรือต้นทุนต่ำลงมากพอจะรองรับการใช้งานเชิงพาณิชย์ต่อเนื่องหรือไม่

ณ ตอนนี้ แหล่งข้อมูลที่มีสนับสนุนข้อเท็จจริงว่า WAIC มีการเข้าร่วมอย่างคึกคักของภาคหุ่นยนต์ และสนับสนุนกรอบ World Action ที่ Shengshu เผยแพร่ แต่ยังไม่ได้ยืนยันอย่างอิสระถึงการเปรียบเทียบทรัพยากรคอมพิวต์เฉพาะเจาะจง จำนวนบริษัทหุ่นยนต์ที่อาจเป็นผู้ป้อนข้อมูล หรือความเป็นผู้นำของจีนทั้งอุตสาหกรรม ข้อกล่าวอ้างเหล่านี้จึงควรถูกมองเป็นวิสัยทัศน์เชิงกลยุทธ์ที่ทะเยอทะยาน ซึ่งต้องพิสูจน์ด้วยผลลัพธ์จากโลกจริงที่ทำซ้ำได้ 8103233