หุ่นยนต์ฮิวแมนนอยด์จะมี “ChatGPT Moment” เมื่อไร?

พูดให้เข้าใจง่ายคือ อุตสาหกรรมต้องก้าวจากหุ่นยนต์ที่ “ทำสิ่งที่ถูกสั่ง” ไปสู่หุ่นยนต์ที่ “เข้าใจว่าควรทำอะไรต่อ”

กรอบเวลาของสองผู้บริหาร

Wang Xiaogang: จุดเปลี่ยนทางเทคนิคภายในสิ้นปี 2027

Wang Xiaogang กล่าวว่า ACE คาดว่าปัญญาประดิษฐ์ที่เข้าใจและควบคุมการทำงานในโลกจริงจะถึง “ChatGPT Moment” ภายในสิ้นปี 2027 โดยมีแรงขับเคลื่อนจาก world model หรือโมเดลที่พยายามสร้างความเข้าใจเกี่ยวกับสภาพแวดล้อม ตลอดจนการเพิ่มปริมาณข้อมูลจากโลกจริงอย่างมาก

อย่างไรก็ตาม เขาแยก “ความก้าวหน้าทางเทคนิค” ออกจาก “การนำไปใช้เชิงพาณิชย์ในวงกว้าง” อย่างชัดเจน โดยระบุว่า แม้จะไปถึงจุดเปลี่ยนได้ในช่วงปลายปี 2027 ก็อาจต้องใช้เวลาอีก 4–5 ปีกว่าจะเห็นการใช้งานโมเดลลักษณะนี้ในหลายอุตสาหกรรมอย่างแพร่หลาย

ความแตกต่างนี้มีความสำคัญ โมเดลอาจแสดงความสามารถด้านการให้เหตุผลหรือการควบคุมที่ดีขึ้นอย่างก้าวกระโดด แต่ยังมีต้นทุนสูง ทำงานไม่สม่ำเสมอ หรือเชื่อมเข้ากับกระบวนการทำงานประจำวันได้ยาก จุดเปลี่ยนในห้องทดลองจึงไม่ใช่เหตุการณ์เดียวกับการมีแรงงานหุ่นยนต์ที่เชื่อถือได้ในเชิงเศรษฐกิจ

Wang Xingxing: เร็วสุด 2–3 ปี แต่กรณีล่าช้าอาจถึง 10 ปี

Wang Xingxing มองไว้สองเส้นทาง หากความก้าวหน้าเป็นไปตามกรณีดีที่สุด ปัญญาประดิษฐ์สำหรับโลกกายภาพอาจถึงจุดเปลี่ยนภายใน 2–3 ปี แต่หากความสามารถในการปรับตัวกับงานใหม่และการควบคุมการเคลื่อนไหวอย่างแม่นยำยังพัฒนาได้ช้า อุตสาหกรรมอาจต้องใช้เวลา 5–10 ปี

เกณฑ์การทำงานในบ้านที่เขาเสนอทำให้คำคาดการณ์นี้มีความท้าทายมากกว่าการสาธิตความสามารถเพียงฉากเดียว หุ่นยนต์ต้องเข้าไปทำงานในสถานที่ใหม่ ตีความคำสั่งภาษาธรรมชาติ และทำงานหลากหลายประเภทได้ด้วยตัวเอง

คอขวดอยู่ที่ “สมอง” ไม่ใช่กลไก

แม้ฮาร์ดแวร์ เช่น มอเตอร์ แบตเตอรี่ และโครงสร้างร่างกาย จะพัฒนาอย่างรวดเร็ว แต่ซอฟต์แวร์ยังมีปัญหาในการนำประสบการณ์ที่จำกัดไปปรับใช้กับสถานการณ์จริงที่ยุ่งเหยิงและคาดเดาได้ยาก ผู้บริหารทั้งสองระบุว่าโมเดล AI และข้อมูลฝึกสอนคือข้อจำกัดสำคัญของหุ่นยนต์ในโลกจริง

หุ่นยนต์ต้องใช้ข้อมูลที่เชื่อมโยงสิ่งที่มองเห็นเข้ากับสิ่งที่ต้องทำ เช่น วัตถุมีพื้นผิวและน้ำหนักอย่างไร ควรออกแรงมากแค่ไหน ต้องปรับการจับอย่างไรเมื่อพื้นผิวลื่น และควรแก้สถานการณ์อย่างไรเมื่อการกระทำครั้งแรกไม่สำเร็จ

การจำลองสถานการณ์และการสาธิตโดยมนุษย์ช่วยเติมข้อมูลได้ แต่ไม่อาจสะท้อนความไม่แน่นอนทั้งหมดของบ้าน โรงงาน ร้านค้า และสภาพแวดล้อมทางกายภาพอื่น ๆ ได้

ปัญหานี้แตกต่างจากการฝึกโมเดลภาษา เพราะหุ่นยนต์ไม่สามารถเรียนรู้จากคำบรรยายของการกระทำเพียงอย่างเดียว แต่ต้องเรียนรู้ความสัมพันธ์ระหว่างการรับรู้ การเคลื่อนไหว ผลลัพธ์ และการแก้ไขข้อผิดพลาด

ACE Robotics พยายามสร้างระบบเก็บข้อมูลอย่างไร

ACE Robotics ใช้แนวทางที่บริษัทเรียกว่า “human-centered” หรือยึดมนุษย์เป็นศูนย์กลาง โดยให้พนักงานในสายการผลิตสวมเซ็นเซอร์น้ำหนักเบาเพื่อบันทึกการเคลื่อนไหวและปฏิสัมพันธ์ระหว่างมนุษย์กับสภาพแวดล้อม บริษัทระบุว่าเป้าหมายคือการรวบรวมข้อมูลฝึกสอนหลายสิบล้านชั่วโมงสำหรับ world model ของปัญญาประดิษฐ์ที่ทำงานในโลกจริง

แนวทางนี้มีเป้าหมายเพื่อเพิ่มตัวอย่างจากโลกจริงให้มากกว่าการพึ่งพาข้อมูลที่หุ่นยนต์สร้างขึ้นเองหรือข้อมูลจากการจำลองเพียงอย่างเดียว มนุษย์สามารถแสดงให้เห็นว่างานหนึ่ง ๆ ต้องทำอย่างไร การเคลื่อนไหวควรปรับตามสถานการณ์แบบไหน และงานหลายขั้นตอนเชื่อมต่อกันเป็นกระบวนการยาวได้อย่างไร

ACE ก่อตั้งขึ้นในเดือนกรกฎาคม 2025 และมี Wang Xiaogang ซึ่งเป็นหนึ่งในผู้ร่วมก่อตั้ง SenseTime เป็นผู้นำ การระดมทุนรอบ angel ของบริษัทมี Ant Group เป็นผู้นำ โดยมีเงินทุนที่เกี่ยวข้องกับ SenseTime และนักลงทุนรายอื่นเข้าร่วมด้วย

Kairos-4B ของ ACE มีอะไรน่าสนใจ

ACE ระบุว่า Kairos-4B ซึ่งเป็นโมเดลปัญญาประดิษฐ์สำหรับโลกจริงแบบโอเพนซอร์ส ทำผลงานนำในการทดสอบมาตรฐานสาธารณะด้าน embodied AI และมีผลเหนือกว่า Cosmos 3 ของ Nvidia ในการเปรียบเทียบที่บริษัทอ้างถึงระหว่างงานประชุม

อย่างไรก็ตาม นี่เป็นคำกล่าวอ้างด้านประสิทธิภาพจากบริษัทที่พัฒนาโมเดลเอง จึงควรอ่านในฐานะผลการทดสอบบน benchmark ไม่ใช่หลักฐานว่าหุ่นยนต์ฮิวแมนนอยด์อเนกประสงค์พร้อมใช้งานในบ้านหรือโรงงานแล้ว

บริษัทกำลังพยายามผลักดันการใช้งานให้พ้นจากห้องทดลองด้วย โดย ACE ระบุว่ามีแผนนำโมเดล AI ไปติดตั้งในร้านค้าปลีกไร้พนักงาน 1,000 แห่ง เป้าหมายลักษณะนี้สะท้อนกลยุทธ์ที่มักเริ่มจากสภาพแวดล้อมเชิงพาณิชย์ที่ควบคุมได้และกำหนดขั้นตอนมาตรฐานได้ง่ายกว่าบ้านทั่วไป

กระแสหุ่นยนต์จีนกำลังร้อนแรง แต่ตัวเลขต้องอ่านอย่างระมัดระวัง

คำคาดการณ์ดังกล่าวเกิดขึ้นท่ามกลางกระแสความสนใจอย่างหนักต่ออุตสาหกรรมหุ่นยนต์ฮิวแมนนอยด์ของจีน การเข้าจดทะเบียนในตลาด STAR Market ที่เซี่ยงไฮ้ของ Unitree ระดมทุนได้ประมาณ 904 ล้านดอลลาร์สหรัฐ และมีรายงานว่าความต้องการซื้อจากนักลงทุนรายย่อยมากกว่าจำนวนหุ้นที่จัดสรรถึงกว่า 8,000 เท่า หุ้นปิดการซื้อขายวันแรกสูงกว่าราคา IPO 460% ทำให้มูลค่าบริษัทอยู่ที่ประมาณ 5 หมื่นล้านดอลลาร์สหรัฐ

ข้อมูลการจัดส่งยังสะท้อนความได้เปรียบด้านการผลิตในช่วงเริ่มต้นของจีน โดย Smart Analytics Global ประเมินว่า การจัดส่งหุ่นยนต์ฮิวแมนนอยด์ทั่วโลกในช่วงครึ่งแรกของปี 2026 อยู่ที่ประมาณ 19,100 ยูนิต และผู้ผลิตจีนมีสัดส่วนมากกว่า 97% ของทั้งหมด

ตัวเลขนี้ไม่ควรถูกตีความว่าเป็นหลักฐานของระบบอัตโนมัติอเนกประสงค์ที่เติบโตเต็มที่แล้ว รายงานที่มีอยู่มีตัวเลขขัดแย้งกัน โดยมีการอ้างว่าจีนจัดส่งหุ่นยนต์ฮิวแมนนอยด์มากกว่า 40,000 ยูนิตในช่วงเวลาเดียวกัน แต่ตัวเลขดังกล่าวไม่สอดคล้องกับประมาณการ 19,100 ยูนิตสำหรับทั้งโลก และไม่มีข้อมูลที่แข็งแรงพอรองรับในชุดหลักฐานนี้

ด้าน Morgan Stanley ปรับเพิ่มประมาณการการจัดส่งหุ่นยนต์ฮิวแมนนอยด์ของจีนตลอดปีเป็น 50,000 ยูนิต โดยอ้างถึงการเปลี่ยนผ่านจากการสาธิตไปสู่การใช้งานเชิงพาณิชย์ที่เกิดขึ้นเร็วกว่าคาด แต่ประมาณการยอดจัดส่งสะท้อนการขยายตัวของตลาด ไม่ได้ยืนยันว่าหุ่นยนต์เหล่านั้นผ่านเกณฑ์การทำงานในบ้าน 80% ตามที่ Wang Xingxing เสนอ

ข้อสรุปที่แท้จริง: ความสามารถอาจมาก่อนความน่าเชื่อถือ

สิ่งที่ควรอ่านจากคำพูดของผู้บริหารทั้งสองไม่ใช่การฟันธงว่าหุ่นยนต์ฮิวแมนนอยด์จะต้องถึงจุดเปลี่ยนในปี 2027 อย่างแน่นอน แต่คืออุตสาหกรรมกำลังเข้าสู่ช่วงที่คุณภาพของซอฟต์แวร์ ข้อมูลฝึกสอน และความสามารถในการปรับตัว จะเป็นตัวตัดสินว่าหุ่นยนต์กลุ่มนี้จะมีประโยชน์ในวงกว้างหรือไม่ มากกว่าการพึ่งพามอเตอร์ แบตเตอรี่ หรือการออกแบบกลไกเพียงอย่างเดียว

การคาดการณ์ของ ACE ชี้ไปที่ความก้าวหน้าทางเทคนิคภายในสิ้นปี 2027 ตามด้วยช่วงเวลาอีกหลายปีสำหรับการทำตลาด ส่วนกรอบเวลาของ Unitree แสดงความไม่แน่นอนอย่างตรงไปตรงมา คือ 2–3 ปีหากความก้าวหน้าเร่งตัวขึ้น หรือ 5–10 ปีหากปัญหาที่ยากที่สุดยังแก้ไม่ตก

จีนกำลังแสดงความแข็งแกร่งในด้านเงินทุน การผลิต และยอดจัดส่งระยะแรก แต่คำถามที่ยังไม่มีคำตอบคือ ขนาดการผลิตดังกล่าวจะนำไปสู่หุ่นยนต์ที่ทำงานได้อย่างสม่ำเสมอในสถานที่ที่ไม่เคยพบมาก่อนได้หรือไม่ ตราบใดที่ปัญหาข้อมูลและโมเดลยังไม่ถูกแก้ “ChatGPT Moment” ของสมองหุ่นยนต์ก็ยังเป็นเพียงการคาดการณ์ ไม่ใช่ผลิตภัณฑ์ที่เสร็จสมบูรณ์