จากฮาร์ดแวร์สู่ข้อมูลหน้างาน: Kawasaki, FANUC และ Yaskawa จับมือครั้งไม่ธรรมดาในฟิสิคัลเอไอ
ผู้ผลิตหุ่นยนต์ของญี่ปุ่น 3 รายที่เป็นคู่แข่งกัน ได้แก่ Kawasaki Heavy Industries, FANUC และ Yaskawa Electric กำลังร่วมกันกำหนดข้อกำหนดและรูปแบบการเก็บข้อมูลหน้างานให้เป็นมาตรฐานเดียวกัน ทั้งสามจับมือกันเพื่อสร้างรากฐานของฟิสิคัลเอไอ (physical AI — AI…

ผู้ผลิตหุ่นยนต์ของญี่ปุ่น 3 รายที่เป็นคู่แข่งกัน ได้แก่ Kawasaki Heavy Industries, FANUC และ Yaskawa Electric กำลังร่วมกันกำหนดข้อกำหนดและรูปแบบการเก็บข้อมูลหน้างานให้เป็นมาตรฐานเดียวกัน ทั้งสามจับมือกันเพื่อสร้างรากฐานของฟิสิคัลเอไอ (physical AI — AI ที่เข้าใจและควบคุมการทำงานในโลกจริง) สำหรับหน้างานโรงงาน ในปีแรกโครงการวางแผนเก็บข้อมูลหน้างาน 5,000 ชั่วโมง โดยได้รับการสนับสนุนจากภาครัฐสูงสุด 2 พันล้านเยน (ราว 13 ล้านดอลลาร์สหรัฐ) เป้าหมายไม่ใช่ผลิตภัณฑ์ใหม่ แต่เป็นมาตรฐานร่วมด้านข้อกำหนดและวิธีเก็บข้อมูลที่จะเป็นฐานให้กับตัว AI เอง ความเคลื่อนไหวนี้สะท้อนว่าแกนการแข่งขันของหุ่นยนต์อุตสาหกรรมกำลังเลื่อน — จากสมรรถนะของตัวเครื่องไปสู่ปริมาณและคุณภาพของข้อมูล
ประเด็นสำคัญ
- Kawasaki Heavy Industries, FANUC และ Yaskawa Electric ร่วมมือกันสร้างชุดข้อมูล (dataset) ฟิสิคัลเอไอสำหรับหน้างานโรงงาน โครงการนี้ได้รับเลือกในโครงการ "GENIAC" ซึ่งเป็นโครงการสนับสนุนการพัฒนา AI เชิงสร้างสรรค์ที่ดำเนินการโดยกระทรวงเศรษฐกิจ การค้าและอุตสาหกรรมญี่ปุ่น (METI) ร่วมกับ NEDO
- ทั้งสามจะสร้างรากฐานของ "VTLA model" ที่ประมวลผลการมองเห็น การสัมผัส ภาษา และการเคลื่อนไหวไปพร้อมกัน โดยเก็บข้อมูลภาพ การสัมผัส และการเคลื่อนไหว 5,000 ชั่วโมงจากโรงงานในปีแรก
- โครงการดำเนินตั้งแต่เดือนสิงหาคม 2026 ถึงเดือนกรกฎาคม 2027 โดยได้รับการสนับสนุนสูงสุด 2 พันล้านเยน (ราว 13 ล้านดอลลาร์สหรัฐ) จาก NEDO มหาวิทยาลัยโอซากา, สตาร์ทอัพเซนเซอร์สัมผัส FingerVision และบริษัท AI อย่าง ABEJA ก็เข้าร่วมด้วย
- สิ่งที่ทั้งสามทำให้เป็นมาตรฐานเดียวกันคือข้อกำหนดของข้อมูลและวิธีเก็บข้อมูล ส่วนข้อมูลหน้างานของตนเอง เทคโนโลยีควบคุม และฮาร์ดแวร์ ยังคงอยู่กับแต่ละบริษัท เส้นแบ่งระหว่างการร่วมมือกับการแข่งขันจึงเป็นจุดชี้ขาด
ผู้ผลิตหุ่นยนต์แถวหน้าจับมือกัน — เรื่องข้อมูล
ในเดือนกรกฎาคม 2026 Kawasaki Heavy Industries, FANUC และ Yaskawa Electric ของญี่ปุ่นประกาศความร่วมมือเพื่อพัฒนาโมเดลพื้นฐาน (foundation model) ของฟิสิคัลเอไอบนหน้างานโรงงาน โครงการนี้ได้รับเลือกในโครงการ "GENIAC" ซึ่งดำเนินการโดยกระทรวงเศรษฐกิจ การค้าและอุตสาหกรรมญี่ปุ่น (METI) และ NEDO (องค์การพัฒนาพลังงานใหม่และเทคโนโลยีอุตสาหกรรม) โดยดำเนินตั้งแต่เดือนสิงหาคม 2026 ถึงเดือนกรกฎาคม 2027 และได้รับการสนับสนุนสูงสุด 2 พันล้านเยน (ราว 13 ล้านดอลลาร์สหรัฐ) จาก NEDO
ฟิสิคัลเอไอคือ AI ที่ทำงานในโลกจริง แทนที่จะสร้างข้อความหรือภาพบนหน้าจอ ระบบดังกล่าวจะควบคุมแขนและมือของหุ่นยนต์ให้หยิบจับ ประกอบ และขนย้าย — ทำงานจริงในหน้างาน
ทั้งสามรายต่างเป็นผู้ผลิตหุ่นยนต์อุตสาหกรรมชั้นนำที่มีส่วนแบ่งตลาดสูงระดับโลก และตามปกติแล้วต่างแย่งลูกค้ากลุ่มเดียวกัน สิ่งที่ทำให้การจับมือครั้งนี้ไม่ธรรมดาคือ สิ่งที่ทั้งสามร่วมมือกันไม่ใช่ผลิตภัณฑ์สำเร็จรูปหรือเทคโนโลยีชิ้นส่วน แต่เป็นข้อมูล
บทบาทถูกแบ่งกันไว้ ผู้ผลิตทั้งสามรับหน้าที่ทำให้ข้อกำหนดของข้อมูลและฐานการเก็บข้อมูลเป็นมาตรฐานเดียวกัน ส่วนมหาวิทยาลัยโอซากาเป็นผู้ดำเนินโครงการหลัก และ ABEJA ซึ่งได้รับมอบหมายจากมหาวิทยาลัย เป็นผู้ยกระดับเทคโนโลยีพื้นฐาน ขณะที่เทคโนโลยีเซนเซอร์สัมผัสมาจากสตาร์ทอัพ FingerVision จึงเกิดเป็นโครงสร้างความร่วมมือระหว่างคู่แข่ง มหาวิทยาลัย และสตาร์ทอัพ เพื่อสร้างชุดข้อมูลร่วมกัน
ทำไมต้องตอนนี้ — ปัจจัยชี้ขาดเลื่อนจากตัวเครื่องมาสู่ข้อมูล
ที่ผ่านมาเป็นเวลานาน การแข่งขันของหุ่นยนต์อุตสาหกรรมตัดสินกันที่ฮาร์ดแวร์ ได้แก่ ความแม่นยำในการกำหนดตำแหน่ง น้ำหนักบรรทุก (payload) ความเร็ว และความทนทาน จุดแข็งของผู้ผลิตญี่ปุ่นมาจากความเชี่ยวชาญเชิงกลที่สั่งสมมาอย่างลึกซึ้ง
แต่ฟิสิคัลเอไอเรียกร้องสิ่งอื่น เมื่อมีคนสั่งว่า "หยิบชิ้นนั้น" หุ่นยนต์ต้องประเมินสถานการณ์และขยับมือได้ แม้กับชิ้นส่วนที่ไม่เคยเห็นมาก่อน พฤติกรรมอเนกประสงค์เช่นนี้ไม่อาจทำได้ด้วยฮาร์ดแวร์ที่แม่นยำเพียงอย่างเดียว แต่ต้องอาศัย AI ที่ผ่านการฝึกด้วยข้อมูลการทำงานจำนวนมหาศาล หลักการเดียวกับที่ใช้กับโมเดลภาษาขนาดใหญ่ก็ใช้ได้ที่นี่ นั่นคือ ปริมาณและความหลากหลายของข้อมูลฝึกเป็นตัวกำหนดความสามารถของโมเดลเป็นส่วนใหญ่
ปัญหาคือ ข้อมูลเหล่านี้ที่ผ่านมากระจัดกระจายไปตามผู้ผลิตแต่ละราย รูปแบบการบันทึก รวมถึงว่าจะวัดอะไรและวัดอย่างไร แตกต่างกันไปในแต่ละบริษัท ทำให้ข้อมูลของบริษัทหนึ่งนำไปใช้ฝึกกับอีกบริษัทหนึ่งไม่ได้โดยง่าย หากปรับรูปแบบให้ตรงกัน ข้อมูลที่เก็บจากหลายบริษัทและหลายกระบวนการก็จะนำมาใช้ร่วมกันได้ ขอบเขตที่ใช้ฝึกได้กว้างขึ้น และความเร็วในการพัฒนาก็สูงขึ้น การทำให้เป็นมาตรฐานคือฐานที่ทำให้การใช้ร่วมกันนี้เกิดขึ้นได้
ด้วยเหตุนี้คู่แข่งจึงมารวมตัวกัน ข้อมูลหน้างานที่หลากหลายไม่อาจเก็บได้โดยบริษัทเดียว การนำข้อมูลจากหลายภาคส่วนและหลายกระบวนการมารวมกันในรูปแบบเดียวกัน ทำให้ชุดข้อมูลเติบโตใหญ่ขึ้นเร็วกว่าที่บริษัทเดียวจะเก็บไว้เองตามลำพัง การจับมือกันจึงสมเหตุสมผล เพราะสิ่งที่แข่งขันกันได้เลื่อนมาสู่ข้อมูล
VTLA มุ่งเปลี่ยนจาก "การสอน" ไปสู่ "การเรียนรู้"
หัวใจของความพยายามนี้คือ "VTLA (Vision-Tactile-Language-Action) model" — โมเดล AI ที่ประมวลการมองเห็น การสัมผัส ภาษา และการเคลื่อนไหวเป็นหนึ่งเดียว โดยมุ่งให้เข้าใจคำสั่งที่เป็นภาษา มองเห็นวัตถุผ่านกล้อง และเคลื่อนไหวพร้อมปรับแรงตามความรู้สึกที่ปลายนิ้ว ทั้งหมดภายในโมเดลเดียว
จุดเด่นคือการใส่การสัมผัสเข้าไปด้วย หุ่นยนต์อุตสาหกรรมแบบเดิมทำงานจากการมองเห็นและข้อมูลตำแหน่งเป็นหลัก แต่สำหรับงานมือที่ละเอียดอ่อน — หนีบชิ้นส่วนที่นิ่ม สอดเข้าไปในรูที่เยื้องเล็กน้อย — ความสามารถในการรับรู้การลื่นและแรงกดเป็นสิ่งจำเป็น เทคโนโลยีของ FingerVision เข้ามาเติมช่องว่างนั้น
สิ่งที่ VTLA ต้องการเปลี่ยนคือวิธีสอนงานให้หุ่นยนต์ตั้งแต่ต้น หน้างานในปัจจุบันพึ่งพา "การสอน" (teaching) ซึ่งเป็นงานตั้งค่าที่ต้องสอนการเคลื่อนไหวให้หุ่นยนต์ทีละท่าด้วยมือ และคนต้องป้อนพิกัดและลำดับขั้นใหม่ทุกครั้งที่ชิ้นงานเปลี่ยน ภาระงานนี้เป็นอุปสรรคต่อการทำงานอัตโนมัติในโรงงานที่ผลิตหลากรุ่นปริมาณน้อย และในโรงงานที่ขาดแรงงาน หาก VTLA ใช้งานได้จริง ความสัมพันธ์นี้จะพลิกกลับ แทนที่คนจะสอนอย่างละเอียด AI จะเรียนรู้พฤติกรรมจากข้อมูลที่สะสมไว้ และรับมือกับงานที่ไม่เคยเห็นได้ในระดับหนึ่ง แนวทางพื้นฐานของระบบอัตโนมัติอาจเปลี่ยนจาก "การสอน" ไปสู่ "การเรียนรู้"
เส้นแบ่งระหว่างการร่วมมือกับการแข่งขัน
แก่นของการจับมือสามฝ่ายนี้อยู่ที่เส้นแบ่งระหว่างสิ่งที่แบ่งปันกันกับจุดที่แต่ละบริษัทยังแข่งกันอยู่
สิ่งที่ทำให้เป็นมาตรฐานเดียวกันคือข้อกำหนดของข้อมูลและวิธีเก็บ — กติกาว่าจะบันทึกและจัดเก็บข้อมูลอย่างไร ส่วนสิ่งที่ยังเป็นของแต่ละบริษัทคือข้อมูลหน้างานที่เก็บจริงในโรงงานของตน เทคโนโลยีควบคุมและฮาร์ดแวร์ของหุ่นยนต์ ตลอดจนผลิตภัณฑ์และบริการขั้นสุดท้าย กติกาพื้นฐานถูกแบ่งปัน ส่วนการชิงชัยเกิดขึ้นบนกติกานั้น
ประเด็นสำคัญจริง ๆ ในโครงสร้างนี้คือ ใครกุมอำนาจตัดสินใจ ใครเป็นเจ้าของข้อมูลที่เก็บในรูปแบบร่วม และใครมีสิทธิ์นำไปใช้ฝึกโมเดล ใครเป็นผู้กำหนดเนื้อหาของมาตรฐาน ผู้ที่กุมจุดนี้ไว้มีแนวโน้มได้ตำแหน่งที่ใกล้กับฐานรากของยุคฟิสิคัลเอไอ การวางมาตรฐานจึงเป็นการแข่งขันเพื่อสิทธิ์ในการกำหนดรายละเอียดของมันด้วย
เมื่อมองในบริบทระดับโลก ความเคลื่อนไหวนี้ทอดยาวไปพร้อมกับการแข่งขันแย่งชิงข้อมูล NVIDIA ของสหรัฐอเมริกากำลังขยายฐานที่มั่นในฟิสิคัลเอไอด้วยการสร้างฐานที่แข็งแกร่งในโครงสร้างพื้นฐานด้านการประมวลผลและสภาพแวดล้อมจำลอง (simulation) ที่ใช้พัฒนาหุ่นยนต์ ผู้ผลิตญี่ปุ่นทั้งสามยังอยู่ระหว่างการหารือแยกต่างหากกับ Fujitsu ของญี่ปุ่นและ NVIDIA เรื่องการนำไปใช้จริง และในบางส่วนก็จะอาศัยเทคโนโลยีต่างชาติสำหรับการประมวลผล แต่ในจุดเดียวคือมาตรฐานข้อมูลสำหรับหน้างาน ทั้งสามกำลังเคลื่อนเพื่อกุมฐานที่สร้างเองในประเทศ ยืมแพลตฟอร์มมาบางส่วน แต่ยังรักษาอำนาจในการกำหนดมาตรฐานข้อมูลไว้กับตัวเอง — จึงอาจมองได้ว่าความพยายามด้าน VTLA คือการกำหนดเส้นแบ่งดังกล่าว
ผลกระทบต่ออุตสาหกรรม — งานของผู้รวมระบบและผู้ผลิตชิ้นส่วนเปลี่ยนไป
หากชุดข้อมูลอเนกประสงค์และโมเดลพื้นฐานหยั่งราก ผลกระทบจะแผ่ออกไปนอกวงผู้ผลิตหุ่นยนต์
ผู้ที่เปลี่ยนแปลงมากที่สุดคือผู้รวมระบบ (system integrator หรือ SIer) การติดตั้งหุ่นยนต์และตั้งค่าด้วยการสอนเป็นแหล่งรายได้หลักของผู้รวมระบบมาโดยตลอด เมื่อการเรียนรู้เข้ามาแทนที่วิธีได้มาซึ่งการเคลื่อนไหวมากขึ้น งานสอนการเคลื่อนไหวทีละท่าด้วยมือก็จะหดตัวลง แทนที่ด้วยจุดศูนย์ถ่วงที่เลื่อนไปสู่การสนับสนุนที่มีข้อมูลเป็นแกน — จะเก็บข้อมูลให้เหมาะกับหน้างานอย่างไร และจะปรับโมเดลให้เข้ากับกระบวนการเฉพาะของโรงงานอย่างไร จากผู้ติดตั้งเครื่องจักรสู่ผู้สนับสนุนการใช้ข้อมูล บทบาทกำลังถูกเขียนใหม่
สำหรับผู้ผลิตชิ้นส่วนและเซนเซอร์ โอกาสกำลังเปิดออก การที่ VTLA ให้ความสำคัญกับการสัมผัสอาจดันความต้องการเซนเซอร์วัดแรง (force sensing) และเซนเซอร์สัมผัส รวมถึงชิ้นส่วนเชิงกลที่รองรับให้สูงขึ้น ความแม่นยำของฟิสิคัลเอไอไม่ได้ขึ้นกับ AI เท่านั้น แต่ขึ้นกับคุณภาพของเซนเซอร์ที่ตรวจวัดสภาพทางกายภาพได้อย่างแม่นยำด้วย ซึ่งเป็นสาขาที่ทับซ้อนกับความแข็งแกร่งของผู้ผลิตชิ้นส่วนญี่ปุ่น ถึงอย่างนั้น แหล่งสร้างมูลค่าก็อาจเลื่อนจากการขายเซนเซอร์เป็นชิ้นเดี่ยว ไปสู่การที่ข้อมูลซึ่งเซนเซอร์จับได้ถูกป้อนเข้าสู่แพลตฟอร์มอย่างไร
จุดที่ต้องจับตา — ใครเป็นผู้กำหนดสิทธิ์การใช้ข้อมูล
สิ่งที่ต้องจับตาที่สุดคือ อำนาจตัดสินใจอยู่ที่ใคร ใครเป็นเจ้าของข้อมูลที่รวมกันไว้ และแต่ละบริษัทใช้ได้มากน้อยเพียงใด สิทธิ์ในการกำหนดเนื้อหาของมาตรฐานถูกแบ่งกันอย่างไรระหว่างทั้งสาม หากเรื่องนี้ยังคลุมเครือ วาทกรรมเรื่องการทำให้เป็นมาตรฐานอาจดำเนินต่อไปโดยไม่พัฒนาไปสู่มาตรฐานที่ใช้ได้จริง กติกาการดำเนินงานที่โครงการเผยแพร่ออกมาจะเป็นเกณฑ์แรกในการตัดสิน
ขนาดของข้อมูลก็เป็นคำถามเช่นกัน 5,000 ชั่วโมงในปีแรกจะเพียงพอต่อการฝึกโมเดลอเนกประสงค์หรือไม่นั้นประเมินจากภายนอกได้ยาก เมื่อเทียบกับข้อความปริมาณมหาศาลกว่าหลายเท่าที่โมเดลภาษาขนาดใหญ่เรียนรู้มา 5,000 ชั่วโมงดูเป็นระดับเริ่มต้น ข้อมูลหน้างานมีเนื้อหาเข้มข้นต่อชั่วโมง การเทียบด้วยเวลาอย่างง่าย ๆ จึงใช้ไม่ได้ แต่จะเพิ่มได้มากเพียงใดตั้งแต่ปีที่สองเป็นต้นไปจะเป็นตัวกำหนดความสามารถที่แท้จริงของโมเดล
และมีคำถามว่ามาตรฐานในประเทศจะใช้ได้ในระดับโลกหรือไม่ ผู้ผลิตญี่ปุ่นเคยประสบความสำเร็จในตลาดโลกด้วยฮาร์ดแวร์ แล้วจะกุมความริเริ่มบนสมรภูมิใหม่อย่างข้อมูลได้หรือไม่ โครงการหนึ่งปีนี้คือบททดสอบแรกของเรื่องนั้น







