Toyota รุกหุ่นยนต์โรงงานเต็มตัว: แผน 400,000 เครื่องคือเครือข่ายสะสมข้อมูลหน้างาน
Toyota ของญี่ปุ่นเดินหน้าเข้าสู่ธุรกิจหุ่นยนต์สำหรับสายการผลิตอย่างเต็มตัว บริษัทตั้งหน่วยงานใหม่ "Toyota Robotics" และวางแผนนำหุ่นยนต์ราว 400,000 เครื่องมาใช้งานทั่วกลุ่มบริษัทและซัพพลายเออร์ในระยะกลางถึงยาว ในการแข่งขันด้าน "ฟิสิคัลเอไอ" (physical AI คือ AI…

Toyota ของญี่ปุ่นเดินหน้าเข้าสู่ธุรกิจหุ่นยนต์สำหรับสายการผลิตอย่างเต็มตัว บริษัทตั้งหน่วยงานใหม่ "Toyota Robotics" และวางแผนนำหุ่นยนต์ราว 400,000 เครื่องมาใช้งานทั่วกลุ่มบริษัทและซัพพลายเออร์ในระยะกลางถึงยาว ในการแข่งขันด้าน "ฟิสิคัลเอไอ" (physical AI คือ AI ที่เข้าใจและควบคุมการทำงานในโลกจริง) สิ่งที่ชี้ขาดในเวลานี้ไม่ใช่รูปทรงของตัวเครื่อง แต่คือใครสามารถเก็บข้อมูลการเคลื่อนไหวจากสายการผลิตที่เดินเครื่องจริงได้มากเพียงใด ตัวเลข 400,000 จึงควรถูกอ่านว่าเป็นความพยายามสร้างเครือข่ายเก็บข้อมูลหน้างานที่ใหญ่ที่สุดแห่งหนึ่งของภาคการผลิต โอกาสของ Toyota ควรถูกประเมินไปพร้อมกับความเคลื่อนไหวของ Tesla ผู้ผลิตรถยนต์ยุโรป บริษัทหุ่นยนต์จากสหรัฐฯ และผู้เล่นจีนที่มาแรง
ประเด็นสำคัญ:
- วันที่ 18 กันยายน 2026 Toyota ประกาศรุกธุรกิจหุ่นยนต์หน้างานผลิตอย่างเต็มตัว โดยตั้งองค์กรใหม่ "Toyota Robotics" พร้อมเปิดเผยแนวคิดที่จะทยอยจำหน่ายหุ่นยนต์ที่ติดตั้ง AI ของบริษัทให้แก่ลูกค้าภายนอก
- ในระยะกลางถึงยาว Toyota ตั้งเป้านำหุ่นยนต์ราว 400,000 เครื่องมาใช้งาน — 150,000 เครื่องในกลุ่ม Toyota และ 250,000 เครื่องในซัพพลายเออร์ ตั้งแต่ปี 2028 เป็นต้นไป บริษัทจะปรับปรุงโรงงานราว 60 แห่งทั่วโลก ควบคู่การลงทุนปรับปรุงอุปกรณ์ราวปีละ 1 ล้านล้านเยน ตัวเลข 400,000 มิใช่เป้าการขายรุ่นเดียว แต่เป็นแผนการใช้งานที่รวมหุ่นยนต์อุตสาหกรรมที่มีอยู่เดิมด้วย
- หุ่นยนต์หลัก "ELEY" หนักราว 50 กิโลกรัม มีมือสองนิ้ว และเคลื่อนที่ด้วยล้อ ไม่ใช่เดินสองขา ทำงานด้วยโมเดลพื้นฐาน (foundation model) ด้านพฤติกรรมที่เรียกว่า Large Behavior Model (LBM) ซึ่งเป็น AI ที่เรียนรู้การเคลื่อนไหวของหุ่นยนต์จากข้อมูลการสาธิตจำนวนมาก พัฒนาโดย Toyota Research Institute (TRI) โดย LBM จะยิ่งเก่งขึ้นเมื่อข้อมูลการสาธิตจากหน้างานเพิ่มขึ้นและหลากหลายขึ้น
- Toyota วางแผนเปลี่ยนงานของช่างฝีมือระดับ "ทาคุมิ (takumi)" ราว 18,000 คน ให้เป็นข้อมูลสำหรับหุ่นยนต์เรียนรู้ แต่ยังไม่เปิดเผยตัวชี้วัดที่จะใช้ประเมินผล
"Toyota Robotics" ถือกำเนิด: 400,000 เครื่องคือเครือข่ายเก็บข้อมูล
Toyota วางตำแหน่งหุ่นยนต์หน้างานผลิตให้เป็นธุรกิจในตัวเอง และตั้งหน่วยงานใหม่ Toyota Robotics บริษัทจะต่อยอดสิ่งที่สั่งสมมา — ตั้งแต่หุ่นยนต์ยิงบาสเกตบอล "CUE" ไปจนถึงหุ่นยนต์ช่วยเหลือมนุษย์ "HSR" — ไปสู่การใช้งานบนสายการผลิตและการจำหน่ายสู่ภายนอก
ขนาดของแผนนั้นใหญ่ ในระยะกลางถึงยาว Toyota วางแผนนำหุ่นยนต์ราว 400,000 เครื่องมาใช้งาน: 150,000 เครื่องในกลุ่ม และ 250,000 เครื่องในซัพพลายเออร์ นี่ไม่ใช่เพียงจำนวนเครื่องใหม่ แต่เป็นแผนปรับปรุงฐานการผลิตทั้งหมด — รวมหุ่นยนต์อุตสาหกรรมที่มีอยู่เดิม — ให้เป็นแพลตฟอร์มรุ่นใหม่ โดยจะทยอยติดตั้งควบคู่การปรับปรุงอุปกรณ์ราวปีละ 1 ล้านล้านเยนตั้งแต่ปี 2028 สอดรับการสร้างใหม่และปรับปรุงโรงงานเก่าราว 60 แห่งทั่วโลก
สิ่งที่ต้องไม่มองข้ามคือ 400,000 เครื่องนี้เป็นมากกว่าจำนวนการติดตั้ง หุ่นยนต์ทุกเครื่องที่ทำงานบนสายการผลิตจริงล้วนสร้างข้อมูลการเคลื่อนไหว ขนาดระดับนั้นจึงหมายถึงเครือข่ายสำหรับเก็บข้อมูลจากกลุ่มหน้างานผลิตที่อาจใหญ่ที่สุดในโลก การแข่งขันฟิสิคัลเอไอกำลังเคลื่อนไปสู่การช่วงชิงข้อมูลหน้างานนี้
ทำไมตอนนี้จึงเป็นเรื่องข้อมูล: LBM เก่งขึ้นจากการสาธิตในหน้างานจริง
หัวใจอยู่ที่หุ่นยนต์คู่หู AI "ELEY" หนักราว 50 กิโลกรัม มีมือสองนิ้ว และเคลื่อนที่ด้วยล้อ ทำงานด้วย LBM ที่ TRI พัฒนา แทนการเขียนโปรแกรมทุกท่าทางด้วยมือ ระบบเรียนรู้จากการสาธิตของมนุษย์ และสามารถสร้างการเคลื่อนไหวที่มีโอกาสผิดพลาดต่ำด้วยข้อมูลฝึกเพิ่มเติมเพียงเล็กน้อย มีการเผยแพร่การสาธิตที่หุ่นยนต์เรียนรู้การพับเสื้อยืดแล้วทำซ้ำได้เองโดยอัตโนมัติ
LBM คือ "โมเดลพื้นฐานสำหรับพฤติกรรม" เช่นเดียวกับที่โมเดลภาษาเก่งขึ้นจากข้อความมหาศาล มันเรียนรู้การเคลื่อนไหวของหุ่นยนต์จากข้อมูลการสาธิตจำนวนมาก จุดแข็งคือเรียนรู้งานใหม่ได้ด้วยการฝึกเพิ่มเพียงเล็กน้อย แต่คุณภาพของโมเดลที่ได้ขึ้นอยู่กับว่ามีข้อมูลการสาธิตจากหน้างานที่หลากหลายเพียงใด ด้วยเหตุนี้งานของช่างทาคุมิราว 18,000 คนจึงมีค่ายิ่ง เพราะไหวพริบและเคล็ดวิชาที่สั่งสมกลายเป็นวัตถุดิบการเรียนรู้คุณภาพสูง
การที่ ELEY เลือกล้อแทนขาสองข้างก็อ่านได้ในกรอบของข้อมูลเดียวกันนี้ การเดินสองขาควบคุมยาก ทั้งเสี่ยงล้มและกินพลังงานมาก บนพื้นเรียบของโรงงาน ระบบล้อช่วยลดต้นทุนและทำให้ติดตั้งหุ่นยนต์จำนวนมากได้เร็วกว่า ยิ่งนำหุ่นยนต์เข้าหน้างานจำนวนมากได้เร็ว ข้อมูลก็ยิ่งสะสมเร็ว รูปทรงของตัวเครื่องไม่ใช่เป้าหมาย แต่เป็นเครื่องมือให้ข้อมูลไหลเวียน
การที่ LBM ไม่ผูกกับฮาร์ดแวร์ตัวใดตัวหนึ่งก็สำคัญ ในปี 2025 TRI เผยแพร่การสาธิต LBM ขับเคลื่อนหุ่นยนต์ฮิวแมนอยด์ "Atlas" ของ Boston Dynamics จากสหรัฐอเมริกา หาก AI ไม่ผูกกับฮาร์ดแวร์เฉพาะ สิ่งที่ชี้ขาดการแข่งขันคือใครนำ AI ไปใช้ในหน้างานที่หลากหลายและเก็บข้อมูลได้มากกว่ากัน
สิ่งที่แต่ละค่ายต้องการจริง ๆ: การช่วงชิง "แหล่งเก็บข้อมูล"
เมื่อมองผ่านมุมนี้ แก่นของการแข่งขันก็ปรากฏ
Tesla ของสหรัฐฯ พูดเรื่องนี้ตรงที่สุด ภายในกลางปี 2026 บริษัทนำ Optimus ไปติดตั้งราว 1,000 ตัวในโรงงานอย่าง Fremont แต่ยอดขายสู่ภายนอกเป็นศูนย์ และ Elon Musk เองยอมรับว่าหุ่นยนต์เหล่านั้น "มีไว้เพื่อการเรียนรู้และเก็บข้อมูลเป็นหลัก ไม่ได้ทำงานที่ก่อผลผลิตในโรงงานอย่างมีนัยสำคัญ" นั่นแทบเท่ากับยอมรับว่าเป้าหมายในเวลานี้คือการเก็บข้อมูล แต่แหล่งเก็บส่วนใหญ่คือโรงงานของ Tesla เอง ความหลากหลายจึงจำกัด
BMW และ Mercedes-Benz ของเยอรมนีไม่ผลิตหุ่นยนต์เอง แต่จับมือกับสตาร์ทอัพเฉพาะทาง ที่โรงงาน Spartanburg รัฐเซาท์แคโรไลนา BMW นำ "Figure 02" ของ Figure AI จากสหรัฐฯ มาทดสอบสิบเดือนโดยใช้ในกระบวนการผลิตรถ "X3" กว่า 30,000 คัน และเดินหน้าสู่สัญญาเชิงพาณิชย์สำหรับรุ่นต่อยอด "Figure 03" เริ่มที่ราว 40 ตัว คิดค่าบริการราว 25 ดอลลาร์สหรัฐต่อชั่วโมงการทำงานของหุ่นยนต์ ส่วน Mercedes นำ "Apollo" ของ Apptronik จากสหรัฐอเมริกาเข้าไปที่ฐานในกรุงเบอร์ลิน เริ่มจากงานโลจิสติกส์ภายในและการตรวจสอบคุณภาพเบื้องต้น ในการแบ่งงานเช่นนี้ ข้อมูลจริงจากสายการผลิตของค่ายรถกลับไปสะสมอยู่ฝั่งบริษัท AI เฉพาะทาง — ผู้ที่กุมข้อมูลคือผู้ให้บริการ AI ไม่ใช่ผู้ผลิตรถ
ผู้เล่นจีนนำหน้าในด้านการผลิตจำนวนมากและความเร็วในการติดตั้ง ในเดือนกันยายน 2026 UBTech เปิดเดินเครื่องโรงงานอัจฉริยะที่เมืองหลิ่วโจว เขตกว่างซี ด้วยกำลังการผลิตต่อปีเกิน 10,000 เครื่อง ซึ่งเป็นตัวเลขกำลังการผลิต ไม่ใช่จำนวนที่ติดตั้งใช้งาน กระนั้นหุ่นยนต์ "Walker S2" ของบริษัทหลายร้อยเครื่องได้ใช้งานแล้ว เข้าไปในโรงงานของ BYD, Geely, FAW-Volkswagen, Dongfeng, Audi FAW, BAIC และ Foxconn โดย Airbus ของยุโรปก็เริ่มเดินหน้าปรับใช้ในเดือนมกราคม 2026 ด้าน Unitree ผลิตหุ่นยนต์ฮิวแมนอยด์สะสมราว 18,000 เครื่อง ณ เดือนกรกฎาคม 2026 มีสัดส่วนการผลิตชิ้นส่วนเองเกิน 90% และวางแผนสร้างกำลังการผลิตปีละ 75,000 เครื่อง ส่วน XPeng ตั้งเป้าผลิตหุ่นยนต์ฮิวแมนอยด์ "IRON" จำนวนมากภายในสิ้นปี 2026 รัฐบาลจีนตั้งเป้ายอดจัดส่งต่อปีเกิน 100,000 เครื่องภายในปี 2027 ยอดจัดส่งฮิวแมนอยด์ทั่วโลกครึ่งแรกของปี 2026 ทะลุ 22,000 เครื่อง โดยมีรายงานว่าบริษัทจีนครองห้าอันดับแรก การนำหุ่นยนต์จำนวนมากเข้าสู่หน้างานที่หลากหลายอย่างรวดเร็ว ทำให้ผู้เล่นจีนกำลังสะสมข้อมูลหน้างานที่หลากหลายได้เร็วที่สุด
แนวทางที่ Toyota อาจใช้สร้างความได้เปรียบ — กับวงจรข้อมูลที่เริ่มช้า
เมื่อพิจารณาจากข้อมูล Toyota มีศักยภาพสร้างความได้เปรียบได้มาก นอกจากมีกลุ่มหน้างานผลิตที่ใหญ่ที่สุดแห่งหนึ่งของโลก แผนของ Toyota ยังครอบคลุมหุ่นยนต์ 250,000 เครื่องในเครือข่ายซัพพลายเออร์ ซึ่งเป็นขอบเขตที่คู่แข่งอาจไม่มี หน้างานนับไม่ถ้วนที่มีกระบวนการต่างกันอาจกลายเป็นแหล่งข้อมูลที่หลากหลายและมหาศาล งานของช่างทาคุมิยังให้ตัวอย่างคุณภาพสูง อีกทั้งการมี AI หุ่นยนต์ และโรงงานเป็นของตนเอง ทำให้ Toyota อาจหมุนวงจรข้อมูลได้เกือบครบวงจรภายในองค์กร — ต่างจากค่ายยุโรปที่พึ่งพาผู้เชี่ยวชาญภายนอก
ปัญหาคือ นาฬิกาเริ่มเดินช้า ตัวเลข 400,000 เป็นเพียงเป้าระยะกลางถึงยาว และจะเริ่มจริงจังตั้งแต่ปี 2028 ขณะที่ Tesla กำลังเก็บข้อมูลจากหุ่นยนต์ราว 1,000 เครื่องในวันนี้ และผู้เล่นจีนนำหุ่นยนต์เข้าโรงงานรถหลายแห่งในวันนี้ การสะสมข้อมูลมีลักษณะทบต้น ยิ่งหมุนวงจรได้เร็ว การเรียนรู้ยิ่งก้าวหน้าและยิ่งหนุนการยกระดับสมรรถนะรอบถัดไป หากออกตัวช้า ช่องว่างมีแนวโน้มถ่างกว้างขึ้นตามเวลา
ข้อกังวลที่สองคือความลำเอียงของข้อมูล หากหน้างานจำกัดอยู่แต่ใน Toyota และเครือข่ายในเครือ ข้อมูลอาจขาดความหลากหลายที่จำเป็นต่อการนำไปใช้กับโรงงานของบริษัทอื่น ความกว้างของฐานซัพพลายเออร์นั้นจะเป็นตัวชี้ขาดความสำเร็จ ขึ้นอยู่กับว่าจะเปิดออกไปนอกกลุ่มได้มากเพียงใด
ต้องดูอะไรจึงจะประเมินโอกาสได้
สิ่งที่ชี้ขาดไม่ใช่เป้า 400,000 ในตัวมันเอง แต่คือ Toyota จะนำเครื่องจริงเข้าสายการผลิตที่เดินเครื่องจริงได้เร็วเพียงใดและกว้างเพียงใด และเริ่มวงจรเก็บข้อมูล–เรียนรู้–ปรับปรุงได้ก่อนปี 2028 มากน้อยแค่ไหน
ประเด็นที่ต้องจับตามีสามข้อ ได้แก่ ความเร็วในการติดตั้ง (เมื่อไร กี่เครื่อง และในสายการผลิตจริงแห่งใด) ความหลากหลายของแหล่งข้อมูล (ครอบคลุมหน้างานภายใน กลุ่ม และภายนอกได้กว้างเพียงใด) และผลที่ LBM มีต่อ yield กับอัตราการทำงานสุทธิ (net operating rate) ในหน้างานจริง
ความกว้างของฐานการผลิตของ Toyota โดยหลักการอาจเป็นแต้มต่อสำคัญในการแข่งขันข้อมูลของฟิสิคัลเอไอ แต่แต้มต่อนั้นจะมีค่าก็ต่อเมื่อถูกขับเคลื่อนอย่างรวดเร็ว หากออกตัวช้าในการสะสมข้อมูล ตัวเลข 400,000 จะจบลงเป็นเพียงตัวเลขหลักในแผนปรับปรุงอุปกรณ์ ในทางกลับกัน หากเริ่มหมุนข้อมูลได้เร็วในหน้างานที่หลากหลาย — รวมถึงนอกกลุ่ม — ตัวเลขเดียวกันนี้อาจกลายเป็นปัจจัยที่มีผลต่อการแข่งขัน







