การเติบโตของปัญญาประดิษฐ์ทางกายภาพ: การเปลี่ยนแปลงอนาคตของหุ่นยนต์และระบบอัตโนมัติในอุตสาหกรรม

Physical AI คืออะไร?

Physical AI หมายถึงการผสานรวมปัญญาประดิษฐ์ (AI) เข้ากับระบบทางกายภาพ ทำให้เครื่องจักรสามารถรับรู้ วิเคราะห์ และปรับตัวเข้ากับสภาพแวดล้อมรอบตัวแบบเรียลไทม์ แตกต่างจากระบบอัตโนมัติแบบดั้งเดิมที่ทำงานตามคำสั่งที่กำหนดไว้ล่วงหน้า  Physical AI มีเซ็นเซอร์และตัวกระตุ้นที่ช่วยให้สามารถจัดการกับงานที่เปลี่ยนแปลงและไม่สามารถคาดเดาได้ ความก้าวหน้านี้ทำให้ AI ก้าวจากโมเดลเชิงทฤษฎีสู่โซลูชันที่จับต้องได้และใช้งานจริงเพื่อตอบโจทย์ความท้าทายในโลกแห่งความเป็นจริงในหลากหลายอุตสาหกรรม

การเปลี่ยนแปลงของอุตสาหกรรมผ่านเครื่องจักรอัจฉริยะ

หนึ่งในความก้าวหน้าที่โดดเด่นคือหุ่นยนต์ที่ปัจจุบันสามารถโต้ตอบกับสภาพแวดล้อมนอกเหนือจากโรงงาน เครื่องจักรที่มี Physical AI สามารถนำทางยานยนต์อัตโนมัติ บริหารจัดการ อาคารอัจฉริยะ และทำงานร่วมกับมนุษย์ในงานเกษตรกรรม การพัฒนาเหล่านี้ช่วยเพิ่มประสิทธิภาพ ปรับปรุงความปลอดภัย และทำให้อุตสาหกรรมสามารถปรับตัวเข้ากับการเปลี่ยนแปลงของตลาดได้ดีขึ้น

ตัวอย่างเช่น หุ่นยนต์สองขาของ Agility Robotics ในรัฐจอร์เจียกำลังเคลื่อนย้ายสินค้าอย่างแม่นยำ และที่ BMW หุ่นยนต์สามารถเพิ่มความเร็วในการผลิตได้ถึง 400% โดยเฉพาะในงาน การแทรกแผ่นโลหะ การใช้งานเหล่านี้แสดงถึงการเปลี่ยนผ่านจากระบบอัตโนมัติแบบดั้งเดิมไปสู่ระบบอิสระที่ยืดหยุ่นมากขึ้น ซึ่งเรียนรู้ ปรับตัว และเพิ่มประสิทธิภาพแบบเรียลไทม์

การเติบโตของการลงทุนใน Physical AI

การนำ Physical AI มาใช้ได้รับการสนับสนุนจากการลงทุนจำนวนมหาศาล ซึ่งเป็นจุดเปลี่ยนสำคัญ ตามการวิเคราะห์ล่าสุด มีเงินลงทุนกว่า 7.5 พันล้านดอลลาร์สหรัฐไหลเข้าสู่บริษัท Physical AI ในปี 2024 เท่านั้น บริษัทใหญ่ ๆ เช่น Physical Intelligence ที่ได้รับการสนับสนุนจาก Jeff Bezos ระดมทุนได้ 400 ล้านดอลลาร์ ขณะที่ Figure AI Inc. ได้รับเงินทุน 675 ล้านดอลลาร์ การเพิ่มขึ้นของเงินทุนนี้แสดงถึงการเติบโตอย่างรวดเร็วของอุตสาหกรรม เนื่องจากการนำไปใช้ในช่วงแรกส่งผลให้เกิดประสิทธิภาพและรายได้ที่จับต้องได้ในหลายภาคส่วน

นักลงทุนร่วมทุน กำลังเปลี่ยนทรัพยากรไปยังสตาร์ทอัพที่ขับเคลื่อนด้วย AI โดย 93% ของเงินทุนร่วมทุนทั้งหมดในปัจจุบันมุ่งเน้นไปที่ เทคโนโลยี AI ความเคลื่อนไหวนี้ยิ่งเร่งตัวขึ้น โดยบริษัทอย่าง General Intuition PBC และ Project Prometheus ระดมทุนจำนวนมากสำหรับ โมเดล AI ที่สามารถทำงานในสภาพแวดล้อมทางกายภาพได้

บทบาทของ Foundation Models ใน AI Robotics

ความก้าวหน้าที่สำคัญใน Physical AI คือการพัฒนา Robotics Foundation Models (RFMs) โมเดล AI เหล่านี้ทำหน้าที่เป็น "สมอง" สำหรับหุ่นยนต์ ช่วยให้สามารถวิเคราะห์ข้อมูลจำนวนมากและดำเนินการตาม การรับรู้ในโลกจริง สร้างขึ้นบนพื้นฐานของ โมเดลภาพและภาษา RFMs ช่วยให้หุ่นยนต์สามารถจดจำวัตถุและเข้าใจกฎฟิสิกส์

ตัวอย่างเช่น  Robotics Transformer 2 ของ Google DeepMind ขยายขีดความสามารถของโมเดล AI ก่อนหน้าเพื่อสร้างหุ่นยนต์ที่ปรับตัวและฉลาดมากขึ้น ด้วย โมเดลภาพ-ภาษา-การกระทำ (VLAs) หุ่นยนต์สามารถฝึกฝนให้ทำงานโดยไม่ต้องมีการฝึกเฉพาะเจาะจงล่วงหน้า ทำให้สามารถปฏิบัติตามคำสั่งเช่น "เก็บขยะและทิ้ง" ได้ แม้ว่าจะไม่เคยได้รับการสอนงานนี้โดยตรง

การฝึกอบรมเสมือนและ Digital Twins: อนาคตของ AI Robotics

การพัฒนา World Foundation Models (WFMs) ได้เร่งความก้าวหน้าของ Physical AI WFMs สร้าง digital twins ของสภาพแวดล้อม ช่วยให้หุ่นยนต์ได้รับการฝึกฝนใน โลกเสมือน ก่อนนำไปใช้ในสถานการณ์จริง ด้วยการจำลองสภาพแวดล้อมอย่างแม่นยำ หุ่นยนต์สามารถเรียนรู้และปรับตัวเข้ากับสภาพต่าง ๆ ได้ในเวลาที่น้อยกว่าการเก็บข้อมูลทางกายภาพ

แพลตฟอร์ม Cosmos ของ Nvidia เป็นตัวอย่างที่ดี ช่วยฝึกหุ่นยนต์และยานยนต์อัตโนมัติด้วยการสร้าง สภาพแวดล้อมเสมือน ที่เลียนแบบความซับซ้อนของโลกจริง ความก้าวหน้าใน digital twins ช่วยให้หุ่นยนต์เข้าใจและนำทางสภาพแวดล้อมได้อย่างแม่นยำอย่างไม่เคยมีมาก่อน ในความเป็นจริง  Waabi Innovation Inc. กับ Waabi World สามารถจำลองความสมจริงได้ถึง 99.7% ซึ่งพิสูจน์ว่าหุ่นยนต์สามารถฝึกในพื้นที่เสมือนให้ทำงานได้ใกล้เคียงกับโลกกายภาพจริง

การพาณิชย์และการใช้งานของ Physical AI

เมื่อ Physical AI พัฒนาต่อไป  การใช้งานเชิงพาณิชย์ ก็เติบโตอย่างรวดเร็ว ในปี 2024 หุ่นยนต์มนุษย์เช่น Digit ของ Agility Robotics เริ่มถูกนำไปใช้ในงานโลจิสติกส์ ซึ่งเป็นก้าวสำคัญของ หุ่นยนต์ที่ขับเคลื่อนด้วย AI อย่างไรก็ตาม หุ่นยนต์มนุษย์ แม้จะเป็นนวัตกรรมใหม่ แต่ยังคงเป็นส่วนเล็ก ๆ ของตลาดโดยรวม

การเปลี่ยนแปลงที่แท้จริงเกิดขึ้นกับ หุ่นยนต์ร่วมมือ (cobots) ,  แขนกลหุ่นยนต์ และ  หุ่นยนต์เคลื่อนที่อัตโนมัติ (AMRs) ตัวอย่างเช่น  ระบบหุ่นยนต์ของ Amazon กำลังปฏิวัติการจัดการคลังสินค้า โดยมีหุ่นยนต์อย่าง  Vulcan,  Cardinal และ  Proteus ช่วยเพิ่มประสิทธิภาพการดำเนินงาน กองทัพหุ่นยนต์ของ Amazon ที่มีมากกว่า  750,000 หน่วย คาดว่าจะช่วยบริษัทประหยัดเงินได้ถึง  10 พันล้านดอลลาร์ต่อปีภายในปี 2030

ความท้าทายและข้อจำกัดในโลกจริง

แม้จะมีความก้าวหน้าอย่างรวดเร็ว แต่ระบบ  Physical AI ยังเผชิญกับความท้าทายบางประการ เช่น หุ่นยนต์มนุษย์ แม้จะน่าประทับใจ แต่ยังมีปัญหาในการทำงานที่ต้องใช้  การตัดสินใจอย่างละเอียด และ  การจัดการที่ประณีต ผู้เชี่ยวชาญอย่าง  Cedric Vincent จาก  Tria Technologies เตือนว่าแม้ว่าหุ่นยนต์จะสามารถเคลื่อนย้ายวัตถุได้ แต่ยังคงมีปัญหากับงานที่ซับซ้อนซึ่งต้องใช้การตัดสินใจแบบมนุษย์ ในขณะนี้  แขนกลหุ่นยนต์ และหุ่นยนต์เฉพาะทางอื่น ๆ ยังคงมีประสิทธิภาพมากกว่าสำหรับงานในโรงงาน

นอกจากนี้  Physical AI ยังอยู่ในช่วงเริ่มต้นในเรื่องความสามารถในการ  ทั่วไป หรือการทำงานได้หลากหลายงานพร้อมกัน ตามที่  Igor Pedan จาก  Amazon Robotics ชี้ให้เห็น แม้ว่าหุ่นยนต์จะเก่งในงานที่ตั้งโปรแกรมไว้ล่วงหน้า แต่ยังไม่สามารถตัดสินใจและปรับตัวได้อย่างสม่ำเสมอในกิจกรรมที่หลากหลาย

อนาคตของยานยนต์และรถบรรทุกอัตโนมัติ

นอกเหนือจาก  หุ่นยนต์อุตสาหกรรม แล้ว  ยานยนต์อัตโนมัติ ก็ได้รับประโยชน์จากความก้าวหน้าของ  Physical AI สตาร์ทอัพอย่าง  Waabi กำลังพัฒนารถบรรทุกไร้คนขับเต็มรูปแบบ โดยใช้  โมเดล AI รุ่นใหม่ ที่สามารถนำทางในสภาพถนนที่หลากหลาย ตลาดรถบรรทุกอัตโนมัติคาดว่าจะเติบโตจาก  68.09 พันล้านดอลลาร์ ในปี 2024 เป็น  214.32 พันล้านดอลลาร์ ภายในปี 2030 โดยได้รับแรงหนุนจากประโยชน์ด้านต้นทุนการดำเนินงานที่เทคโนโลยีเหล่านี้มอบให้

แพลตฟอร์ม Drive Thor ของ Nvidia ได้รับความนิยมในหมู่ผู้ผลิตรถยนต์รายใหญ่ รวมถึง  Mercedes-Benz,  Volvo และ  Jaguar Land Rover ซึ่งช่วยเร่งการพาณิชย์ของยานยนต์อัตโนมัติ ในด้านรถบรรทุก  ยานยนต์อัตโนมัติ อาจช่วยผู้ผลิตประหยัดค่าใช้จ่ายในการขนส่งได้เกือบ  30% ภายในปี 2040 ตามการประเมินของ  McKinsey & Co. และ  PricewaterhouseCoopers

ความร่วมมือระหว่างมนุษย์และหุ่นยนต์ในอนาคต

แม้จะมีความกังวลเกี่ยวกับ  การสูญเสียงาน จาก AI แต่อนาคตของ  Physical AI คือความร่วมมือ ไม่ใช่การแทนที่ ผู้เชี่ยวชาญอย่าง  Mat Gilbert จาก  Capgemini Invent แนะนำว่าอนาคตจะเห็น AI และมนุษย์ทำงานร่วมกัน เพื่อเสริมสร้างความเชี่ยวชาญของมนุษย์แทนการแทนที่  Physical AI จะช่วยงานที่ซ้ำซากหรืออันตราย ขณะที่มนุษย์จะเน้นการดูแลจัดการและปรับตัวเข้ากับเทคโนโลยีเหล่านี้

ตามที่  Jensen Huang ซีอีโอของ Nvidia เน้นย้ำ คุณค่าที่แท้จริงของ  Physical AI อยู่ที่ความสามารถในการทำงาน  ร่วมกับมนุษย์อย่างไร้รอยต่อ เพิ่มประสิทธิภาพการดำเนินงานโดยไม่ทำให้บทบาทของมนุษย์หายไปทั้งหมด ในความเป็นจริง  ระบบที่ขับเคลื่อนด้วย AI อาจสร้าง  งานใหม่ 170 ล้านตำแหน่ง ทั่วโลกภายในปี 2030 ตามรายงานของ  World Economic Forum