ประเด็นสำคัญจึงไม่ใช่แค่ขนาดของเช็ค แต่คือแนวทางของ Gravis ที่ต้องการเพิ่ม “ชั้นความเป็นอัตโนมัติ” ให้กับกองเครื่องจักรเดิม ซึ่งอาจเหมาะกับผู้รับเหมาที่ใช้รถขุดหลายยี่ห้อและไม่ต้องการเปลี่ยนเครื่องจักรทั้งหมดในครั้งเดียว

Gravis Robotics คือใคร

Gravis ก่อตั้งขึ้นในปี 2022 โดยแยกตัวออกมาจากระบบนิเวศงานวิจัยด้านหุ่นยนต์ของ ETH Zurich มหาวิทยาลัยเทคโนโลยีชั้นนำของสวิตเซอร์แลนด์ บริษัทนำโดย Ryan Luke Johns ผู้ร่วมก่อตั้งและซีอีโอ และ Dominic Jud ผู้ร่วมก่อตั้งและซีทีโอ ขณะที่รายงานข่าวระบุว่าบริษัทมีทีมงานประมาณ 75 คน

ก่อนการลงทุนจาก SoftBank Gravis ระดมทุนมาแล้ว 23 ล้านดอลลาร์ รวมถึงรอบที่ IQ Capital และ Zacua Ventures ร่วมเป็นแกนนำ

การขยับจากเงินทุนเดิม 23 ล้านดอลลาร์มาเป็น Series A มูลค่า 200 ล้านดอลลาร์ถือว่าใหญ่มากสำหรับบริษัทหุ่นยนต์ก่อสร้างระยะเริ่มต้น เงินก้อนนี้จะช่วยเพิ่มกำลังทีมวิศวกรรม ขยายการให้บริการในต่างประเทศ และนำระบบไปติดตั้งในโครงการโครงสร้างพื้นฐานมากขึ้น

ไม่ได้สร้างรถขุดใหม่ แต่ติดตั้ง “สมอง” ให้เครื่องจักรเดิม

ผลิตภัณฑ์หลักของ Gravis คือระบบติดตั้งเพิ่มเติม หรือ retrofit ไม่ใช่รถขุดที่บริษัทผลิตขึ้นเอง โดย Gravis Rack เป็นชุดควบคุมอัตโนมัติที่สามารถติดตั้งกับเครื่องจักรหนักจากผู้ผลิตหลายราย เช่น Caterpillar, John Deere, Volvo, JCB และ Hitachi รวมถึง Case, Develon, Sumitomo และ Yanmar

ระบบรองรับการทำงานหลายระดับ ตั้งแต่ตัวช่วยผู้ควบคุมภายในห้องโดยสารและระบบนำทางแบบ 3 มิติ ไปจนถึงการควบคุมจากระยะไกลและการทำงานอัตโนมัติเต็มรูปแบบ

Gravis ยังมีซอฟต์แวร์ช่วยเหลือชื่อ Gravis Copilot ซึ่งทำงานร่วมกับฮาร์ดแวร์ retrofit เพื่อเปลี่ยนกองเครื่องจักรต่างยี่ห้อของผู้รับเหมาให้เป็นระบบกึ่งอัตโนมัติหรืออัตโนมัติ

แนวทางที่ไม่ผูกติดกับผู้ผลิตรายใดรายหนึ่งเป็นหัวใจของดีลนี้ ผู้รับเหมามักใช้เครื่องจักรหลายแบรนด์ โดยเลือกจากราคา ความพร้อมใช้งาน เครือข่ายตัวแทนจำหน่าย และความสะดวกในการซ่อมบำรุง ระบบที่ทำงานกับเครื่องจักรซึ่งมีอยู่แล้วจึงอาจนำไปใช้ได้ง่ายกว่าแพ็กเกจอัตโนมัติที่ผูกกับผู้ผลิตเพียงรายเดียว

AI ของ Gravis ทำงานอย่างไร

Gravis ระบุว่าระบบผสานข้อมูลจากกล้อง เซนเซอร์ ระบบเทเลเมทรีของเครื่องจักร และสัญญาณตอบสนองทางกายภาพจากอุปกรณ์ Dominic Jud เปรียบเทียบแนวคิดนี้กับวิธีที่ผู้ควบคุมเครื่องจักรที่มีประสบการณ์อ่านสภาพพื้นดินจากแรงของเครื่องยนต์ แรงสั่นสะเทือน และแรงต้านของระบบไฮดรอลิก

บริษัทระบุว่าโมเดล AI ใช้สัญญาณเหล่านี้เพื่อปรับการควบคุมให้เข้ากับแรงของดินและชั้นใต้ผิวดิน ขณะที่การฝึกด้วยระบบจำลองช่วยให้ AI นำความรู้ไปใช้กับเครื่องจักรและสภาพแวดล้อมที่แตกต่างกันได้

ในทางปฏิบัติ เป้าหมายไม่ใช่เพียงให้รถขุดวิ่งตามเส้นทางที่ตั้งโปรแกรมไว้ล่วงหน้า แต่ต้องช่วยให้เครื่องจักรตอบสนองต่อภูมิประเทศที่เปลี่ยนแปลงระหว่างการขุด ทำร่องวางระบบ ขุดดินปริมาณมาก และตักดินขึ้นรถบรรทุก

โครงการ CAM Pathfinder ที่ได้รับการสนับสนุนจากรัฐบาลสหราชอาณาจักรและดำเนินงานร่วมกับ Flannery Plant Hire กำลังทดสอบรถขุดระบบอัตโนมัติระดับสูงจำนวน 6 คันสำหรับงานลักษณะดังกล่าว

ตัวเลขเพิ่มผลิตภาพ 30% ต้องอ่านอย่างระมัดระวัง

Gravis อ้างว่าเทคโนโลยีของบริษัทอาจเพิ่มผลิตภาพในไซต์ก่อสร้างได้ สูงสุด 30% เมื่อเทียบกับการทำงานด้วยแรงงานคนในระดับสูงสุด นอกจากนี้ยังนำเสนอประโยชน์ด้านความปลอดภัย การลดงานแก้ไขซ้ำ รวมถึงการสำรวจพื้นที่และทำแผนที่จุดเสี่ยง

แต่ตัวเลข 30% นี้เป็นคำกล่าวอ้างจากบริษัท ไม่ใช่เกณฑ์มาตรฐานของอุตสาหกรรมที่ผ่านการตรวจสอบโดยอิสระตามหลักฐานที่มีสำหรับดีลนี้ ผลลัพธ์จริงย่อมขึ้นอยู่กับประเภทเครื่องจักร ลักษณะงาน สภาพพื้นที่ ขั้นตอนการทำงานของผู้ควบคุม และระดับความเป็นอัตโนมัติที่นำมาใช้

จากต้นแบบสู่การใช้งานจริง

Gravis ระบุว่าระบบของบริษัทถูกนำไปใช้งานร่วมกับลูกค้าด้านโครงสร้างพื้นฐานใน 4 ทวีป รายงานก่อนหน้านี้ยังกล่าวถึงการติดตั้งหรือความร่วมมือกับบริษัทอย่าง Holcim, Taylor Woodrow, HD Hyundai และ Flannery

ความร่วมมือกับ Flannery มีความสำคัญในเชิงธุรกิจ เพราะทั้งสองบริษัทพัฒนาโมเดลที่รวมรถขุดอัตโนมัติเข้ากับบริการเช่าเครื่องจักร ลูกค้าจึงสามารถเช่าเครื่องจักรที่ติดตั้ง Gravis Rack มาแล้ว แทนที่จะต้องซื้ออุปกรณ์และสร้างโครงการหุ่นยนต์ภายในองค์กรเอง

โมเดลนี้อาจลดอุปสรรคสำคัญของระบบอัตโนมัติในอุตสาหกรรมก่อสร้าง ผู้รับเหมาอาจยอมเช่าเครื่องจักรอัตโนมัติสำหรับโครงการหนึ่งได้ง่ายกว่าการลงทุนติดตั้งระบบใหม่ให้กับเครื่องจักรทั้งกอง

SafeAI และ Teleo อยู่ตรงไหนในตลาดนี้

SafeAI และ Teleo เป็นบริษัทที่ทำงานในพื้นที่ใกล้เคียง ทั้งด้านระบบอัตโนมัติสำหรับเครื่องจักรก่อสร้างและการควบคุมจากระยะไกล จุดต่างที่ Gravis นำเสนอคือแพลตฟอร์มที่เรียนรู้จากข้อมูลและปรับตัวตามเครื่องจักร ซึ่งออกแบบมาให้ทำงานกับอุปกรณ์หลายแบรนด์และหลายขนาด โดยไม่บังคับให้ลูกค้าต้องใช้ผู้ผลิตรายเดียว

อย่างไรก็ตาม ความได้เปรียบดังกล่าวยังเป็นข้อเสนอทางธุรกิจ ไม่ใช่ผลลัพธ์ที่รับประกันแล้ว Gravis ยังต้องพิสูจน์ว่าระบบทำงานได้เสถียรในไซต์ที่หลากหลาย ผ่านข้อกำหนดด้านความปลอดภัยและการตรวจรับรอง ควบคุมต้นทุนการติดตั้ง และให้บริการลูกค้าได้เมื่อการใช้งานขยายตัว

เครื่องจักรก่อสร้างต้องทำงานท่ามกลางฝุ่น พื้นที่ไม่เรียบ น้ำหนักบรรทุกที่เปลี่ยนไป และผู้คนที่เคลื่อนไหวไม่แน่นอน ปัจจัยเหล่านี้อาจเปิดเผยข้อจำกัดของระบบที่ไม่เห็นได้ชัดจากการสาธิตในสภาพแวดล้อมควบคุม

ทำไม SoftBank จึงมองว่าเป็น “Physical AI”

การลงทุนใน Gravis ขยายกลยุทธ์ AI ของ SoftBank ไปสู่ระบบที่สามารถรับรู้และลงมือทำในโลกจริง หรือที่เรียกว่า Physical AI นี่เป็นโจทย์เชิงพาณิชย์ที่แตกต่างจากซอฟต์แวร์หรือโมเดล AI ทั่วไป เพราะระบบต้องทำงานอย่างปลอดภัยใกล้คนและเครื่องจักรในสภาพแวดล้อมที่เปลี่ยนแปลงตลอดเวลา พร้อมสร้างมูลค่าที่วัดผลได้ให้กับลูกค้าอุตสาหกรรม

ดีลนี้สอดคล้องกับการขยายพอร์ตโฟลิโอหุ่นยนต์ของ SoftBank บริษัทตกลงเข้าซื้อธุรกิจหุ่นยนต์ของ ABB ด้วยมูลค่ากิจการ 5.375 พันล้านดอลลาร์ โดยระบุว่าธุรกรรมดังกล่าวเป็นส่วนหนึ่งของความพยายามผสาน AI เข้ากับหุ่นยนต์ อย่างไรก็ตาม การเข้าซื้อกิจการยังอยู่ภายใต้การอนุมัติจากหน่วยงานกำกับดูแลและเงื่อนไขการปิดดีลอื่น ๆ ตามประกาศที่มีอยู่

SoftBank ยังจัดตั้ง Robo HD เพื่อรวมการลงทุนที่เกี่ยวข้องกับหุ่นยนต์ไว้ในโครงสร้างเดียวกัน ขณะเดียวกัน บริษัทได้ทำข้อตกลงลงทุนเพิ่มเติมใน OpenAI สูงสุด 40,000 ล้านดอลลาร์ โดยคาดว่าเงินลงทุนจริงของ SoftBank จะอยู่ที่ 30,000 ล้านดอลลาร์ หากธุรกรรมเสร็จสมบูรณ์ เงินลงทุนสะสมใน OpenAI จะอยู่ที่ประมาณ 64,600 ล้านดอลลาร์ และถือหุ้นราว 13% ตัวเลขทั้งหมดนี้ยังขึ้นอยู่กับการปิดธุรกรรมและเงื่อนไขสุดท้าย

Gravis จึงอาจเป็นชั้นการประยุกต์ใช้ในยุทธศาสตร์ดังกล่าว นั่นคือการนำซอฟต์แวร์อัจฉริยะและระบบอัตโนมัติไปใช้งานผ่านเครื่องจักรจริงในตลาดอุตสาหกรรมขนาดใหญ่ แต่การลงทุนครั้งนี้ยังไม่ควรถูกตีความว่า SoftBank มีแพลตฟอร์ม AI และหุ่นยนต์แบบบูรณาการครบวงจรแล้ว

บททดสอบที่ใกล้ที่สุดคือ Gravis จะเปลี่ยนระบบ retrofit ที่ยืดหยุ่นทางเทคนิคให้กลายเป็นการปฏิบัติงานก่อสร้างที่เชื่อถือได้ ทำซ้ำได้ และคุ้มทุนหรือไม่

ความหมายที่ใหญ่กว่าของเงินลงทุนรอบนี้

เช็คมูลค่า 200 ล้านดอลลาร์จาก SoftBank สะท้อนว่าระบบอัตโนมัติสำหรับงานก่อสร้างกำลังถูกประเมินในฐานะโอกาสสร้างแพลตฟอร์ม ไม่ใช่เพียงโครงการทดลองรายแห่ง Gravis กำลังมองไปยังกองเครื่องจักรหนักที่มีอยู่ทั่วโลก และใช้ฮาร์ดแวร์กับซอฟต์แวร์ retrofit เพื่อทำให้ระบบอัตโนมัติเข้าถึงตลาดได้ โดยไม่ต้องรอให้ผู้ผลิตทุกรายออกแบบเครื่องจักรรุ่นใหม่

แนวทางนี้อาจเปิดช่องทางเข้าสู่ตลาดที่กว้าง แต่ก็ทำให้เกิดคำถามที่ยากที่สุดเช่นกัน: ระบบอัตโนมัติชุดเดียวจะทำงานได้สม่ำเสมอกับเครื่องจักรต่างยี่ห้อและต่างประเภทหรือไม่ ผู้รับเหมาจะไว้วางใจให้ระบบรับผิดชอบงานที่เกี่ยวข้องกับความปลอดภัยได้แค่ไหน และผลิตภาพที่เพิ่มขึ้นจะยังคงอยู่เมื่อเจอกับความซับซ้อนของไซต์ก่อสร้างจริงหรือไม่

เงินลงทุน 200 ล้านดอลลาร์ทำให้ Gravis มีทรัพยากรพอที่จะหาคำตอบในระดับใหญ่ขึ้น ส่วนมูลค่าบริษัท 1 พันล้านดอลลาร์ที่มีรายงานออกมาจะสมเหตุสมผลหรือไม่ สุดท้ายคงไม่ได้ตัดสินกันที่ขนาดของเงินระดมทุน แต่ขึ้นอยู่กับความสามารถในการเปลี่ยนคำกล่าวอ้างเรื่อง Physical AI ให้เป็นผลผลิตที่เชื่อถือได้ การทำงานที่ปลอดภัยขึ้น และเศรษฐศาสตร์การดำเนินงานที่ลูกค้าก่อสร้างทำซ้ำได้จริง

ประเด็นสำคัญจึงไม่ใช่แค่ขนาดของเช็ค แต่คือแนวทางของ Gravis ที่ต้องการเพิ่ม “ชั้นความเป็นอัตโนมัติ” ให้กับกองเครื่องจักรเดิม ซึ่งอาจเหมาะกับผู้รับเหมาที่ใช้รถขุดหลายยี่ห้อและไม่ต้องการเปลี่ยนเครื่องจักรทั้งหมดในครั้งเดียว

Gravis Robotics คือใคร

Gravis ก่อตั้งขึ้นในปี 2022 โดยแยกตัวออกมาจากระบบนิเวศงานวิจัยด้านหุ่นยนต์ของ ETH Zurich มหาวิทยาลัยเทคโนโลยีชั้นนำของสวิตเซอร์แลนด์ บริษัทนำโดย Ryan Luke Johns ผู้ร่วมก่อตั้งและซีอีโอ และ Dominic Jud ผู้ร่วมก่อตั้งและซีทีโอ ขณะที่รายงานข่าวระบุว่าบริษัทมีทีมงานประมาณ 75 คน

ก่อนการลงทุนจาก SoftBank Gravis ระดมทุนมาแล้ว 23 ล้านดอลลาร์ รวมถึงรอบที่ IQ Capital และ Zacua Ventures ร่วมเป็นแกนนำ

การขยับจากเงินทุนเดิม 23 ล้านดอลลาร์มาเป็น Series A มูลค่า 200 ล้านดอลลาร์ถือว่าใหญ่มากสำหรับบริษัทหุ่นยนต์ก่อสร้างระยะเริ่มต้น เงินก้อนนี้จะช่วยเพิ่มกำลังทีมวิศวกรรม ขยายการให้บริการในต่างประเทศ และนำระบบไปติดตั้งในโครงการโครงสร้างพื้นฐานมากขึ้น

ไม่ได้สร้างรถขุดใหม่ แต่ติดตั้ง “สมอง” ให้เครื่องจักรเดิม

ผลิตภัณฑ์หลักของ Gravis คือระบบติดตั้งเพิ่มเติม หรือ retrofit ไม่ใช่รถขุดที่บริษัทผลิตขึ้นเอง โดย Gravis Rack เป็นชุดควบคุมอัตโนมัติที่สามารถติดตั้งกับเครื่องจักรหนักจากผู้ผลิตหลายราย เช่น Caterpillar, John Deere, Volvo, JCB และ Hitachi รวมถึง Case, Develon, Sumitomo และ Yanmar

ระบบรองรับการทำงานหลายระดับ ตั้งแต่ตัวช่วยผู้ควบคุมภายในห้องโดยสารและระบบนำทางแบบ 3 มิติ ไปจนถึงการควบคุมจากระยะไกลและการทำงานอัตโนมัติเต็มรูปแบบ

Gravis ยังมีซอฟต์แวร์ช่วยเหลือชื่อ Gravis Copilot ซึ่งทำงานร่วมกับฮาร์ดแวร์ retrofit เพื่อเปลี่ยนกองเครื่องจักรต่างยี่ห้อของผู้รับเหมาให้เป็นระบบกึ่งอัตโนมัติหรืออัตโนมัติ

แนวทางที่ไม่ผูกติดกับผู้ผลิตรายใดรายหนึ่งเป็นหัวใจของดีลนี้ ผู้รับเหมามักใช้เครื่องจักรหลายแบรนด์ โดยเลือกจากราคา ความพร้อมใช้งาน เครือข่ายตัวแทนจำหน่าย และความสะดวกในการซ่อมบำรุง ระบบที่ทำงานกับเครื่องจักรซึ่งมีอยู่แล้วจึงอาจนำไปใช้ได้ง่ายกว่าแพ็กเกจอัตโนมัติที่ผูกกับผู้ผลิตเพียงรายเดียว

AI ของ Gravis ทำงานอย่างไร

Gravis ระบุว่าระบบผสานข้อมูลจากกล้อง เซนเซอร์ ระบบเทเลเมทรีของเครื่องจักร และสัญญาณตอบสนองทางกายภาพจากอุปกรณ์ Dominic Jud เปรียบเทียบแนวคิดนี้กับวิธีที่ผู้ควบคุมเครื่องจักรที่มีประสบการณ์อ่านสภาพพื้นดินจากแรงของเครื่องยนต์ แรงสั่นสะเทือน และแรงต้านของระบบไฮดรอลิก

บริษัทระบุว่าโมเดล AI ใช้สัญญาณเหล่านี้เพื่อปรับการควบคุมให้เข้ากับแรงของดินและชั้นใต้ผิวดิน ขณะที่การฝึกด้วยระบบจำลองช่วยให้ AI นำความรู้ไปใช้กับเครื่องจักรและสภาพแวดล้อมที่แตกต่างกันได้

ในทางปฏิบัติ เป้าหมายไม่ใช่เพียงให้รถขุดวิ่งตามเส้นทางที่ตั้งโปรแกรมไว้ล่วงหน้า แต่ต้องช่วยให้เครื่องจักรตอบสนองต่อภูมิประเทศที่เปลี่ยนแปลงระหว่างการขุด ทำร่องวางระบบ ขุดดินปริมาณมาก และตักดินขึ้นรถบรรทุก

โครงการ CAM Pathfinder ที่ได้รับการสนับสนุนจากรัฐบาลสหราชอาณาจักรและดำเนินงานร่วมกับ Flannery Plant Hire กำลังทดสอบรถขุดระบบอัตโนมัติระดับสูงจำนวน 6 คันสำหรับงานลักษณะดังกล่าว

ตัวเลขเพิ่มผลิตภาพ 30% ต้องอ่านอย่างระมัดระวัง

Gravis อ้างว่าเทคโนโลยีของบริษัทอาจเพิ่มผลิตภาพในไซต์ก่อสร้างได้ สูงสุด 30% เมื่อเทียบกับการทำงานด้วยแรงงานคนในระดับสูงสุด นอกจากนี้ยังนำเสนอประโยชน์ด้านความปลอดภัย การลดงานแก้ไขซ้ำ รวมถึงการสำรวจพื้นที่และทำแผนที่จุดเสี่ยง

แต่ตัวเลข 30% นี้เป็นคำกล่าวอ้างจากบริษัท ไม่ใช่เกณฑ์มาตรฐานของอุตสาหกรรมที่ผ่านการตรวจสอบโดยอิสระตามหลักฐานที่มีสำหรับดีลนี้ ผลลัพธ์จริงย่อมขึ้นอยู่กับประเภทเครื่องจักร ลักษณะงาน สภาพพื้นที่ ขั้นตอนการทำงานของผู้ควบคุม และระดับความเป็นอัตโนมัติที่นำมาใช้

จากต้นแบบสู่การใช้งานจริง

Gravis ระบุว่าระบบของบริษัทถูกนำไปใช้งานร่วมกับลูกค้าด้านโครงสร้างพื้นฐานใน 4 ทวีป รายงานก่อนหน้านี้ยังกล่าวถึงการติดตั้งหรือความร่วมมือกับบริษัทอย่าง Holcim, Taylor Woodrow, HD Hyundai และ Flannery

ความร่วมมือกับ Flannery มีความสำคัญในเชิงธุรกิจ เพราะทั้งสองบริษัทพัฒนาโมเดลที่รวมรถขุดอัตโนมัติเข้ากับบริการเช่าเครื่องจักร ลูกค้าจึงสามารถเช่าเครื่องจักรที่ติดตั้ง Gravis Rack มาแล้ว แทนที่จะต้องซื้ออุปกรณ์และสร้างโครงการหุ่นยนต์ภายในองค์กรเอง

โมเดลนี้อาจลดอุปสรรคสำคัญของระบบอัตโนมัติในอุตสาหกรรมก่อสร้าง ผู้รับเหมาอาจยอมเช่าเครื่องจักรอัตโนมัติสำหรับโครงการหนึ่งได้ง่ายกว่าการลงทุนติดตั้งระบบใหม่ให้กับเครื่องจักรทั้งกอง

SafeAI และ Teleo อยู่ตรงไหนในตลาดนี้

SafeAI และ Teleo เป็นบริษัทที่ทำงานในพื้นที่ใกล้เคียง ทั้งด้านระบบอัตโนมัติสำหรับเครื่องจักรก่อสร้างและการควบคุมจากระยะไกล จุดต่างที่ Gravis นำเสนอคือแพลตฟอร์มที่เรียนรู้จากข้อมูลและปรับตัวตามเครื่องจักร ซึ่งออกแบบมาให้ทำงานกับอุปกรณ์หลายแบรนด์และหลายขนาด โดยไม่บังคับให้ลูกค้าต้องใช้ผู้ผลิตรายเดียว

อย่างไรก็ตาม ความได้เปรียบดังกล่าวยังเป็นข้อเสนอทางธุรกิจ ไม่ใช่ผลลัพธ์ที่รับประกันแล้ว Gravis ยังต้องพิสูจน์ว่าระบบทำงานได้เสถียรในไซต์ที่หลากหลาย ผ่านข้อกำหนดด้านความปลอดภัยและการตรวจรับรอง ควบคุมต้นทุนการติดตั้ง และให้บริการลูกค้าได้เมื่อการใช้งานขยายตัว

เครื่องจักรก่อสร้างต้องทำงานท่ามกลางฝุ่น พื้นที่ไม่เรียบ น้ำหนักบรรทุกที่เปลี่ยนไป และผู้คนที่เคลื่อนไหวไม่แน่นอน ปัจจัยเหล่านี้อาจเปิดเผยข้อจำกัดของระบบที่ไม่เห็นได้ชัดจากการสาธิตในสภาพแวดล้อมควบคุม

ทำไม SoftBank จึงมองว่าเป็น “Physical AI”

การลงทุนใน Gravis ขยายกลยุทธ์ AI ของ SoftBank ไปสู่ระบบที่สามารถรับรู้และลงมือทำในโลกจริง หรือที่เรียกว่า Physical AI นี่เป็นโจทย์เชิงพาณิชย์ที่แตกต่างจากซอฟต์แวร์หรือโมเดล AI ทั่วไป เพราะระบบต้องทำงานอย่างปลอดภัยใกล้คนและเครื่องจักรในสภาพแวดล้อมที่เปลี่ยนแปลงตลอดเวลา พร้อมสร้างมูลค่าที่วัดผลได้ให้กับลูกค้าอุตสาหกรรม

ดีลนี้สอดคล้องกับการขยายพอร์ตโฟลิโอหุ่นยนต์ของ SoftBank บริษัทตกลงเข้าซื้อธุรกิจหุ่นยนต์ของ ABB ด้วยมูลค่ากิจการ 5.375 พันล้านดอลลาร์ โดยระบุว่าธุรกรรมดังกล่าวเป็นส่วนหนึ่งของความพยายามผสาน AI เข้ากับหุ่นยนต์ อย่างไรก็ตาม การเข้าซื้อกิจการยังอยู่ภายใต้การอนุมัติจากหน่วยงานกำกับดูแลและเงื่อนไขการปิดดีลอื่น ๆ ตามประกาศที่มีอยู่

SoftBank ยังจัดตั้ง Robo HD เพื่อรวมการลงทุนที่เกี่ยวข้องกับหุ่นยนต์ไว้ในโครงสร้างเดียวกัน ขณะเดียวกัน บริษัทได้ทำข้อตกลงลงทุนเพิ่มเติมใน OpenAI สูงสุด 40,000 ล้านดอลลาร์ โดยคาดว่าเงินลงทุนจริงของ SoftBank จะอยู่ที่ 30,000 ล้านดอลลาร์ หากธุรกรรมเสร็จสมบูรณ์ เงินลงทุนสะสมใน OpenAI จะอยู่ที่ประมาณ 64,600 ล้านดอลลาร์ และถือหุ้นราว 13% ตัวเลขทั้งหมดนี้ยังขึ้นอยู่กับการปิดธุรกรรมและเงื่อนไขสุดท้าย

Gravis จึงอาจเป็นชั้นการประยุกต์ใช้ในยุทธศาสตร์ดังกล่าว นั่นคือการนำซอฟต์แวร์อัจฉริยะและระบบอัตโนมัติไปใช้งานผ่านเครื่องจักรจริงในตลาดอุตสาหกรรมขนาดใหญ่ แต่การลงทุนครั้งนี้ยังไม่ควรถูกตีความว่า SoftBank มีแพลตฟอร์ม AI และหุ่นยนต์แบบบูรณาการครบวงจรแล้ว

บททดสอบที่ใกล้ที่สุดคือ Gravis จะเปลี่ยนระบบ retrofit ที่ยืดหยุ่นทางเทคนิคให้กลายเป็นการปฏิบัติงานก่อสร้างที่เชื่อถือได้ ทำซ้ำได้ และคุ้มทุนหรือไม่

ความหมายที่ใหญ่กว่าของเงินลงทุนรอบนี้

เช็คมูลค่า 200 ล้านดอลลาร์จาก SoftBank สะท้อนว่าระบบอัตโนมัติสำหรับงานก่อสร้างกำลังถูกประเมินในฐานะโอกาสสร้างแพลตฟอร์ม ไม่ใช่เพียงโครงการทดลองรายแห่ง Gravis กำลังมองไปยังกองเครื่องจักรหนักที่มีอยู่ทั่วโลก และใช้ฮาร์ดแวร์กับซอฟต์แวร์ retrofit เพื่อทำให้ระบบอัตโนมัติเข้าถึงตลาดได้ โดยไม่ต้องรอให้ผู้ผลิตทุกรายออกแบบเครื่องจักรรุ่นใหม่

แนวทางนี้อาจเปิดช่องทางเข้าสู่ตลาดที่กว้าง แต่ก็ทำให้เกิดคำถามที่ยากที่สุดเช่นกัน: ระบบอัตโนมัติชุดเดียวจะทำงานได้สม่ำเสมอกับเครื่องจักรต่างยี่ห้อและต่างประเภทหรือไม่ ผู้รับเหมาจะไว้วางใจให้ระบบรับผิดชอบงานที่เกี่ยวข้องกับความปลอดภัยได้แค่ไหน และผลิตภาพที่เพิ่มขึ้นจะยังคงอยู่เมื่อเจอกับความซับซ้อนของไซต์ก่อสร้างจริงหรือไม่

เงินลงทุน 200 ล้านดอลลาร์ทำให้ Gravis มีทรัพยากรพอที่จะหาคำตอบในระดับใหญ่ขึ้น ส่วนมูลค่าบริษัท 1 พันล้านดอลลาร์ที่มีรายงานออกมาจะสมเหตุสมผลหรือไม่ สุดท้ายคงไม่ได้ตัดสินกันที่ขนาดของเงินระดมทุน แต่ขึ้นอยู่กับความสามารถในการเปลี่ยนคำกล่าวอ้างเรื่อง Physical AI ให้เป็นผลผลิตที่เชื่อถือได้ การทำงานที่ปลอดภัยขึ้น และเศรษฐศาสตร์การดำเนินงานที่ลูกค้าก่อสร้างทำซ้ำได้จริง