Nvidia กำลังเดิมพันกับ Physical AI — และจีนคือสนามสำคัญของหุ่นยนต์ยุคใหม่

Nvidia กำลังวางตำแหน่งตัวเองให้เป็นโครงสร้างพื้นฐานของ Physical AI หรือปัญญาประดิษฐ์ที่ไม่ได้มีหน้าที่เพียงสร้างข้อความ ภาพ หรือโค้ด แต่สามารถรับรู้ สรุปเหตุผล และลงมือทำในโลกจริงได้

เป้าหมายของบริษัทครอบคลุมตั้งแต่หุ่นยนต์ รถยนต์ไร้คนขับ โดรน ไปจนถึงระบบอัตโนมัติในโรงงานและคลังสินค้า ธุรกิจกลุ่มนี้สร้างรายได้ให้ Nvidia ราว 1 หมื่นล้านดอลลาร์ต่อปีในปัจจุบัน และ Jensen Huang ซีอีโอของบริษัทมองว่าอาจเติบโตได้ถึง 10 เท่าในช่วงทศวรรษหน้า หรือกลายเป็นธุรกิจมูลค่าประมาณ 1 แสนล้านดอลลาร์

อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นการประเมินโอกาสและเป้าหมายการเติบโต ไม่ใช่รายการรายได้แยกต่างหากที่ Nvidia รายงานไว้ในงบการเงินโดยตรง

Physical AI คืออะไรในมุมของ Nvidia

Physical AI คือระบบ AI ที่ทำงานกับวัตถุ เครื่องจักร และสภาพแวดล้อมจริง ไม่ได้จำกัดอยู่แค่โลกดิจิทัล สำหรับ Nvidia โอกาสนี้ครอบคลุมหลายชั้นของเทคโนโลยี ได้แก่

• การฝึกโมเดล: GPU ในดาต้าเซ็นเตอร์ใช้ฝึกโมเดลที่ควบคุมหุ่นยนต์ รถยนต์ไร้คนขับ และเครื่องจักรประเภทต่าง ๆ
• การจำลองสถานการณ์: นักพัฒนาสามารถทดสอบพฤติกรรมของเครื่องจักรในสภาพแวดล้อมเสมือน ก่อนนำไปทดลองในโลกจริง
• การประมวลผลที่ปลายทาง: ชิปที่ติดตั้งอยู่ในรถยนต์หรือหุ่นยนต์สามารถตีความข้อมูลจากเซ็นเซอร์และตัดสินใจแบบเรียลไทม์
• โมเดลและซอฟต์แวร์: เครื่องมือสำหรับนักพัฒนาและโมเดลแบบเปิดช่วยให้ผู้ผลิตสร้าง ทดสอบ และนำแอปพลิเคชัน Physical AI ไปใช้งาน

จุดแข็งของแนวทางนี้คือ Nvidia ไม่ได้ขายเพียงชิปหนึ่งตัวให้กับผู้ผลิตหุ่นยนต์ แต่สามารถเข้าไปอยู่ในทุกช่วงของวงจรผลิตภัณฑ์ ตั้งแต่การฝึกโมเดลและจำลองการทำงาน ไปจนถึงชิปที่ติดตั้งอยู่ในเครื่องจักรซึ่งออกสู่ตลาดจริง

ทำไม Huang จึงมองเห็นโอกาสเติบโต 10 เท่า

แนวคิดหลักของ Huang คือ AI กำลังเคลื่อนจากโลกเสมือนเข้าสู่โรงงาน ยานยนต์ คลังสินค้า และโครงสร้างพื้นฐานทางกายภาพอื่น ๆ

ภาคการผลิตถือเป็นจุดเริ่มต้นที่น่าสนใจ เพราะงานจำนวนมากมีลักษณะซ้ำ ๆ วัดผลได้ และมีสภาพแวดล้อมค่อนข้างเป็นระบบ คุณสมบัติเหล่านี้ทำให้การฝึกและทดสอบระบบอัตโนมัติง่ายกว่างานที่ต้องรับมือกับสถานการณ์เปิดและคาดเดาไม่ได้ เช่น การใช้งานในพื้นที่สาธารณะหรือในบ้าน

Huang เคยประเมินว่าอุตสาหกรรมหุ่นยนต์อาจมีมูลค่ารวมสูงถึง 50 ล้านล้านดอลลาร์ และกล่าวว่า “ช่วงเวลาที่เหมือน ChatGPT” ของหุ่นยนต์ได้มาถึงแล้ว ตัวเลข 50 ล้านล้านดอลลาร์หมายถึงตลาดกว้าง ๆ ของการผลิตและหุ่นยนต์ที่อาจเกิดขึ้น ไม่ใช่รายได้ที่ Nvidia จะได้รับทั้งหมด บริษัทจะเก็บเกี่ยวมูลค่าเพียงบางส่วนผ่านชิป ซอฟต์แวร์ ระบบจำลอง และโครงสร้างพื้นฐาน

คำถามสำคัญจึงไม่ใช่ตลาดใหญ่พอหรือไม่ แต่คือหุ่นยนต์อัตโนมัติจะก้าวจากการสาธิตและการทดลองในโรงงานบางแห่ง ไปสู่การใช้งานเชิงพาณิชย์ที่เชื่อถือได้ในวงกว้างได้เร็วเพียงใด เครื่องจักรเหล่านี้ต้องปลอดภัย ต้นทุนเหมาะสม ทำงานได้จริง และบำรุงรักษาได้ในสภาพแวดล้อมที่ซับซ้อนขึ้น

Nvidia ไม่ได้ขายแค่ชิป แต่กำลังขายทั้งระบบ

กลยุทธ์ของ Nvidia คือทำให้แพลตฟอร์มของบริษัทมีบทบาทตั้งแต่ก่อนหุ่นยนต์ออกจากสายการผลิต ไปจนถึงช่วงที่หุ่นยนต์เริ่มทำงานจริง

เครื่องมือด้านหุ่นยนต์ในตระกูล Isaac และเฟรมเวิร์กสำหรับการจำลอง ช่วยให้นักพัฒนาสร้างและทดสอบระบบในโลกเสมือนก่อนนำไปทดลองกับเครื่องจักรจริง Nvidia ระบุว่าแพลตฟอร์มของบริษัทครอบคลุมการออกแบบ ฝึก ทดสอบ และนำ Physical AI ไปใช้งาน

บริษัทยังพัฒนาโมเดลตระกูล Cosmos สำหรับงาน Physical AI โดย Nvidia อธิบายว่า Cosmos Transfer และ Cosmos Predict เป็นโมเดลโลกแบบเปิดที่ช่วยสร้างข้อมูลสังเคราะห์ตามหลักฟิสิกส์ และประเมินนโยบายการควบคุมหุ่นยนต์ในสภาพแวดล้อมจำลอง ส่วน Cosmos Reason ออกแบบมาเพื่อช่วยให้เครื่องจักรอัจฉริยะตีความและลงมือทำกับโลกจริง

ในระดับฮาร์ดแวร์ ชิปประมวลผลปลายทางของ Nvidia เช่น Jetson Orin และ Jetson Thor มีหน้าที่ประมวลผล AI บนตัวรถหรือหุ่นยนต์โดยตรง ตัวอย่างหนึ่งคือระบบวิจัยที่นำหุ่นยนต์ฮิวแมนนอยด์ของ Unitree มาทำงานร่วมกับฮาร์ดแวร์ Jetson Thor รวมถึงโมเดลหุ่นยนต์และซอฟต์แวร์จำลองของ Nvidia

แนวคิดทางธุรกิจคล้ายกับกลยุทธ์แพลตฟอร์มที่ Nvidia ใช้ในตลาด AI โดยทั่วไป นั่นคือทำให้ฮาร์ดแวร์ ซอฟต์แวร์ และชุมชนนักพัฒนาทำงานร่วมกันอย่างแน่นแฟ้น จนลูกค้ามีแรงจูงใจที่จะใช้ระบบของ Nvidia ต่อเนื่องตั้งแต่ขั้นพัฒนาไปจนถึงการติดตั้งใช้งานจริง

ทำไมจีนจึงเป็นศูนย์กลางของยุทธศาสตร์หุ่นยนต์

จีนมีทั้งฐานการผลิตขนาดใหญ่ ห่วงโซ่อุปทานที่หนาแน่น และตลาดภายในประเทศที่พร้อมรองรับหุ่นยนต์ฮิวแมนนอยด์ รายงานอุตสาหกรรมระบุว่า บริษัทจีนมีสัดส่วนมากกว่า 97% ของการจัดส่งหุ่นยนต์ฮิวแมนนอยด์ทั่วโลกในช่วงครึ่งแรกของปี 2026 ขณะที่การจัดส่งทั่วโลกอยู่ที่ประมาณ 19,100 ตัว เพิ่มจากราว 5,100 ตัวในช่วงเดียวกันของปีก่อน 1

ตัวเลขดังกล่าวสะท้อนแรงส่งในระยะเริ่มต้น แต่ไม่ได้พิสูจน์ว่าหุ่นยนต์ฮิวแมนนอยด์สามารถทำกำไรได้ในวงกว้าง หรือพร้อมเข้ามาทดแทนแรงงานมนุษย์แล้ว จีนยังได้เปรียบจากความสามารถในการผลิต การเข้าถึงชิ้นส่วน และความต้องการจากโรงงานภายในประเทศ ซึ่งอาจช่วยให้ผู้ผลิตเปลี่ยนจากต้นแบบไปสู่การติดตั้งในจำนวนมากได้เร็วขึ้น

ด้วยเหตุนี้ ผู้ผลิตหุ่นยนต์จีนจึงเป็นพันธมิตรที่มีคุณค่าสำหรับ Nvidia ความร่วมมือกับ Unitree เปิดทางให้ซอฟต์แวร์และแพลตฟอร์มประมวลผลปลายทางของ Nvidia เข้าไปเชื่อมต่อกับผู้ผลิตหุ่นยนต์ฮิวแมนนอยด์รายสำคัญของจีน ระบบที่ประกาศเปิดตัวในระยะแรกมุ่งเน้นสถาบันวิจัย เช่น Stanford และ ETH Zurich จึงยังไม่ใช่หลักฐานว่าตลาดผู้บริโภคได้ยอมรับหุ่นยนต์ในวงกว้างแล้ว

เป้าหมายเชิงยุทธศาสตร์ของ Nvidia จึงใหญ่กว่าการขายชิปให้หุ่นยนต์หนึ่งรุ่น บริษัทต้องการวางสถาปัตยกรรมการพัฒนาและการประมวลผลที่ผู้ผลิตจำนวนมากเลือกใช้เมื่ออุตสาหกรรมขยายตัว

ยอดขาย H200 สะท้อนข้อจำกัดของตลาดจีน

แม้จีนจะมีความสำคัญต่อยุทธศาสตร์หุ่นยนต์ แต่ธุรกิจของ Nvidia ในจีนยังอยู่ภายใต้ข้อจำกัดด้านการส่งออกระหว่างสหรัฐฯ กับจีน

ชิป H200 เป็นตัวเร่งความเร็วสำหรับดาต้าเซ็นเตอร์ ใช้กับงาน AI ที่ต้องการประสิทธิภาพสูง เช่น การฝึกและการประมวลผลโมเดล หน่วยงานสหรัฐฯ อนุญาตให้มีการขายบางส่วน แต่การเข้าถึงชิปยังถูกจำกัดและมีความอ่อนไหวทางการเมือง

Nvidia ระบุว่า บริษัทขาย H200 จำนวนไม่มากให้ลูกค้าในจีนในไตรมาสล่าสุด โดยยอดขายดังกล่าวคิดเป็นน้อยกว่า 1% ของรายได้จากดาต้าเซ็นเตอร์ในช่วงเวลานั้น และบริษัทก็ยังไม่ได้จัดส่งครบตามจำนวนที่ใบอนุญาตจากสหรัฐฯ อนุญาต

รายงานยังระบุว่า ByteDance และ Tencent ต่างได้รับ H200 ราว 10,000 ตัวเป็นล็อตขนาดเล็ก ซึ่งแสดงให้เห็นว่ายังมีช่องทางให้ความต้องการจากจีนเข้าถึง Nvidia ได้ แม้อยู่ภายใต้ข้อจำกัด แต่ธุรกรรมเหล่านี้ไม่ควรถูกมองว่าเป็นการกลับไปสู่ยุคที่ Nvidia ขายสินค้าในจีนได้อย่างไร้ข้อจำกัด เพราะการอนุมัติจากรัฐบาล นโยบายของจีน การจัดสรรสินค้า และการแข่งขันจากชิปท้องถิ่น ล้วนส่งผลต่อขนาดและจังหวะของตลาด

ความแตกต่างระหว่างผลิตภัณฑ์ของ Nvidia ก็มีความสำคัญเช่นกัน GPU ดาต้าเซ็นเตอร์อย่าง H200 ใช้ฝึกและให้บริการโมเดล AI ขนาดใหญ่ ขณะที่ Orin และ Thor ออกแบบมาเพื่อการประมวลผลแบบเรียลไทม์ภายในรถยนต์และหุ่นยนต์ ลูกค้ารายหนึ่งจึงอาจใช้โครงสร้างพื้นฐานของ Nvidia ในขั้นพัฒนา และใช้ชิป Nvidia ที่ปลายทางเมื่อเครื่องจักรถูกนำไปใช้งานจริง

Physical AI จะช่วยกระจายธุรกิจ Nvidia ได้อย่างไร

ผลประกอบการของ Nvidia ยังคงพึ่งพาความต้องการ GPU จากดาต้าเซ็นเตอร์เป็นหลัก Physical AI จึงเป็นช่องทางที่ช่วยขยายบริษัทไปยังตลาดยานยนต์ ระบบอัตโนมัติในโรงงาน โลจิสติกส์ หุ่นยนต์ ซอฟต์แวร์จำลอง และการประมวลผลที่ปลายทาง

ธุรกิจนี้อาจสร้างวงจรการเติบโตที่เสริมแรงกันเองได้ดังนี้

1. มีการติดตั้งเครื่องจักรในโลกจริงมากขึ้น
2. เครื่องจักรเหล่านั้นสร้างข้อมูลจากการปฏิบัติงานและเผยให้เห็นสถานการณ์ที่ระบบยังรับมือไม่ได้
3. ข้อมูลและการจำลองที่ดีขึ้นช่วยพัฒนาโมเดล Physical AI
4. โมเดลที่มีความสามารถมากขึ้นทำให้ระบบอัตโนมัติมีความคุ้มค่าทางเศรษฐกิจในงานประเภทใหม่
5. การติดตั้งเพิ่มเติมเพิ่มความต้องการ GPU สำหรับการฝึก การจำลอง และการประมวลผลปลายทาง

วงจรดังกล่าวคือเหตุผลสำคัญที่ทำให้ Nvidia ต้องการเป็นแพลตฟอร์มมาตรฐานของ Physical AI หากทำได้ รายได้ของบริษัทอาจมาจากเครื่องจักรจำนวนหลายพัน หลายล้าน หรือมากกว่านั้น แทนที่จะพึ่งพาดาต้าเซ็นเตอร์ขนาดใหญ่เพียงไม่กี่แห่ง

ความเสี่ยงใหญ่ที่สุด: จำนวนการจัดส่งไม่เท่ากับการใช้งานจริง

หลักฐานที่ชัดเจนที่สุดของกระแสหุ่นยนต์ในปัจจุบันคือจำนวนการจัดส่งที่เพิ่มขึ้น และระบบนิเวศฮาร์ดแวร์กับซอฟต์แวร์ที่กำลังขยายตัวอย่างรวดเร็ว แต่ยอดจัดส่งเป็นเพียงสัญญาณระยะเริ่มต้น

กรณีการลงทุนระยะยาวของ Nvidia ขึ้นอยู่กับว่าระบบอัตโนมัติจะทำงานได้อย่างน่าเชื่อถือหรือไม่เมื่อออกจากสภาพแวดล้อมที่ควบคุมได้ หุ่นยนต์ต้องทำงานที่มีประโยชน์ในโรงงาน คลังสินค้า ไซต์ก่อสร้าง ฟาร์ม ร้านค้า ถนน และอาจรวมถึงบ้านในอนาคต นอกจากนี้ยังต้องผ่านมาตรฐานความปลอดภัย มีต้นทุนที่ยอมรับได้ และสร้างประสิทธิภาพมากพอที่จะคุ้มค่ากับค่าใช้จ่ายในการติดตั้งและบำรุงรักษา

หากการเปลี่ยนผ่านดังกล่าวใช้เวลานานกว่าที่คาด การประเมินตลาด 50 ล้านล้านดอลลาร์ของ Huang ก็จะยังเป็นภาพสะท้อนศักยภาพระยะยาว มากกว่าจะเป็นแหล่งรายได้ที่เกิดขึ้นทันที

Physical AI ของ Nvidia มีผลิตภัณฑ์ ลูกค้า และรายได้ในระยะเริ่มต้นแล้ว แต่การขยับจากธุรกิจราว 1 หมื่นล้านดอลลาร์ไปสู่ 1 แสนล้านดอลลาร์ จะเกิดขึ้นได้ก็ต่อเมื่อเศรษฐกิจจริงนำเครื่องจักรอัตโนมัติไปใช้งานในระดับใหญ่และต่อเนื่อง