ทำไม Physical AI ยากกว่าที่เราคิด

Physical AI กำลังเคลื่อนจากการสาธิตที่น่าประทับใจไปสู่ความเป็นจริงทางวิศวกรรม หากความสนใจเคยเน้นไปที่ความสามารถของมันมาก่อน ตอนนี้คำถามเรื่องความสามารถในการปรับขนาดกำลัง trở nênเร่งด่วนมากขึ้น: สิ่ง gìที่ขัดขวางไม่ให้ระบบเหล่านี้กลายเป็นที่แพร่หลายและเชื่อถือได้จริงๆ?

Physical AI และ หุ่นยนต์แบบมนุษย์ ตอนนี้ยืนอยู่ที่จุดตัดกันของสามความท้าทายหลัก – วิศวกรรม, การรับรู้, และการลงทุน ความฉลาดที่ทำงานในโลกแห่งความเป็นจริงกำหนดข้อกำหนดที่แตกต่างจาก AI ที่ใช้ซอฟต์แวร์อย่างพื้นฐาน: ที่นี่, ความผิดพลาดมีค่าใช้จ่ายสูง, และสภาพแวดล้อมยังคงไม่แน่นอน ดังนั้นการอภิปรายจึงเปลี่ยนจากผลกระทบ “ว้าว” ไปสู่อุปสรรคทางเทคนิค, ตลาด, และการกำกับดูแลที่เป็นรูปธรรม

ช่างเครื่องที่ต้องเรียนรู้ที่จะคิด

ความท้าทายแรกคือทักษะการเคลื่อนไหวที่ละเอียดอ่อน เรามีมอเตอร์และเซอร์โวที่สามารถดำเนินการเคลื่อนไหวที่แม่นยำสูง แต่การจำลองความอ่อนไหว, ความยืดหยุ่น, และความสามารถในการปรับเปลี่ยนในทันทีเมื่อจัดการกับวัตถุเล็กๆ นั้นยากมาก มือของมนุษย์ควบคุมแรง, มุม, ความเร็ว, และเส้นทาง – ทั้งหมดนี้ภายในเศษวินาที, ปรับเปลี่ยนอย่างต่อเนื่องเพื่อความเปลี่ยนแปลงเล็กๆ น้อยๆ

ความท้าทายที่สองคือการควบคุมสมดุลและแรง การหุ่นยนต์ต้องโต้ตอบกับวัตถุที่มีรูปร่าง, น้ำหนัก, และเนื้อผ้าแตกต่างกัน: แอปเปิ้ล, แก้ว, ของประดับ, ส่วนประกอบโลหะ, วัตถุที่เปียกหรือลื่น หุ่นยนต์อาจมีแรงกายที่สำคัญ แต่ต้องสามารถคำนวณและใช้แรงนั้นอย่างถูกต้อง ซึ่งต้องใช้เซ็นเซอร์ที่สัมผัส, ระบบที่ทำให้สามารถ “รู้สึก” แรงดัน, การต้านทาน, และการสัมผัสพื้นผิว นอกจากนี้ยังสำคัญที่จะไม่เพียงแต่ตรวจจับแรงเท่านั้น แต่ยังต้องตีความมันอย่างเหมาะสมในบริบทของการกระทำเฉพาะ นี่กลายเป็นคำถามเกี่ยวกับการทำความเข้าใจคุณสมบัติทางกายภาพของวัตถุ – การต้านทานวัสดุ, ความยืดหยุ่น, การเสียดสี, และพารามิเตอร์อื่นๆ

ความท้าทายที่สามคือการวางแนวทางในพื้นที่ – การแสดง 6 มิติ นี่ไม่หมายถึง “โลก 6 มิติ” ในความหมายของหนังวิทยาศาสตร์ แต่หมายถึงพิกัดตำแหน่ง 3 มิติ – ความสูง, ความกว้าง, และความลึก – บวกกับมุมการหมุน 3 มิติ: มุมการหมุนตามแกนแต่ละแกน ตัวอย่างเช่น ท่อหรือแก้วเป็นวัตถุ 3 มิติ แต่สำหรับหุ่นยนต์ การทราบพิกัดของมันไม่เพียงพอ หุ่นยนต์ต้องเข้าใจทิศทางของวัตถุ, ตำแหน่งของมันเทียบกับแรงโน้มถ่วง, และวิธีการเปลี่ยนแปลงตำแหน่งเมื่อเครื่องมือหมุน หากหุ่นยนต์หยิบแก้วและต้องการเทน้ำจากมัน มันไม่สามารถเพียง “เอียงวัตถุ” ได้ มันต้องคำนวณเส้นทางที่แม่นยำ, มุม, และความเร็วการหมุน ในขณะเดียวกันก็คำนึงถึงของเหลวภายใน, ความไม่สมดุล, และแรงโน้มถ่วง ทั้งหมดนี้ต้องการการสร้างแบบจำลองพื้นที่ที่ซับซ้อนและคาดการณ์ผลลัพธ์ของการกระทำ

ทำไมตลาดยังคงระมัดระวัง

เมื่อพิจารณา Physical AI ในบริบทของหุ่นยนต์แบบมนุษย์ มันสำคัญที่จะยอมรับระดับความกังขาที่ยังคงเห็นได้ชัด

ส่วนหนึ่งของความกังขานี้เป็นเรื่องจิตวิทยา ผลกระทบ “หุบเหวที่ไม่สบาย” – เมื่อสิ่งใดดูเหมือนมนุษย์แต่ไม่สมจริงพอที่จะสร้างความไม่สบายและความวิตกกังวล น้ำเสียงที่ไม่ธรรมชาติ, การเคลื่อนไหวที่ไม่ธรรมชาติหรือ “หัก”, การพูดที่มีเสียงเครื่องจักร – ทั้งหมดนี้สร้างความต้านทานทางอารมณ์ และเทคโนโลยีที่ทำให้เกิดความไม่สบายมักจะถูกนำมาใช้ช้ากว่า

但是อุปสรรคหลักคือเศรษฐกิจ นักลงทุนเห็นว่าบริษัทต่างๆ ได้นำเสนอโพรโทไทป์ที่น่าประทับใจมาเป็นเวลาหลายทศวรรษ แต่แบบจำลองการค้าที่สามารถขยายได้และยั่งยืนยังคงมีจำกัด ความก้าวหน้าทางเทคโนโลยีเป็นที่เห็นได้ชัด แต่ตลาดมวลรวมที่ยั่งยืนยังไม่เกิดขึ้นอย่างเต็มที่

ผู้เล่นอย่าง Boston Dynamics สร้างงานวิศวกรรมที่ยอดเยี่ยม แต่การประยุกต์ใช้งานยังคงจำกัดและแพง Tesla กำลังพัฒนาหุ่นยนต์แบบมนุษย์ของตนเอง บริษัทใหม่ๆ เช่น Figure AI ได้รับการลงทุนอย่างมาก โดยสัญญาว่าจะมีหุ่นยนต์สำหรับอุตสาหกรรมการผลิต, การขนส่งสินค้า, และการดูแลสุขภาพ

การผลิตยังคงเป็นทิศทางที่ชัดเจนในบริบทนี้ การหุ่นยนต์ไม่มีคำถามถึงว่า “ถ้า” แต่เป็นเรื่องของความเร็วและต้นทุนในการใช้งาน

ตัวอย่างที่ชัดเจนกว่าคือการขนส่งสินค้าและคลังสินค้า หุ่นยนต์สำหรับการขนส่งสินค้าเป็นหนึ่งในส่วนแบ่งที่มีผลกำไรและได้รับการยอมรับมากที่สุดในด้านหุ่นยนต์ในปัจจุบัน ฉันจำได้ว่าที่ Keymakr บริษัทขนส่งสินค้าหลายแห่งเข้ามาขอบริการการทำเครื่องหมายข้อมูลของเราขณะนำเทคโนโลยีเหล่านี้ไปใช้ โดยมีแผนการขยายที่ทะเยอทะยานในการขยายส่วนแบ่งการตลาด ความต้องการสินค้าออนไลน์ที่มีปริมาณมากต้องการการเคลื่อนย้ายสินค้าในปริมาณมากด้วยความเร็วและความแม่นยำที่สูง มนุษย์ไม่สามารถทำงานได้ด้วยความเร็วและความแม่นยำนี้ ห้องเก็บของอัตโนมัติจึงกลายเป็นหัวข้อ “ร้อน” และทำให้เกิดอุตสาหกรรมใหม่: แพลตฟอร์มอัตโนมัติเดินเส้นทาง, จัดเรียง, ขนส่ง, และแจกจ่ายสินค้า

อย่างไรก็ตาม อุตสาหกรรมส่วนใหญ่ยังคงอยู่ในระยะทดลองและทำสัญญาใหญ่ๆ บริษัทต่างๆ ยังคงกำลังมองหาการใช้งานที่น่าสนใจซึ่งให้ผลตอบแทนที่คาดการณ์ได้ นักลงทุนประเมินเวลาที่จะเห็นผลตอบแทนจากการลงทุน, ความเสี่ยงทางเทคโนโลยี, และขนาดของความท้าทายทางวิศวกรรม

ดังนั้น ตลาดจึงพัฒนาไปอย่างค่อยเป็นค่อยไป ทุนในภาคส่วนนี้ต้องการไม่เพียงแต่ความมุ่งมั่น แต่ยังต้องการเศรษฐศาสตร์ที่พิสูจน์ได้

ความเสี่ยงกลายเป็นส่วนหนึ่งของสถาปัตยกรรม

ชั้นการอภิปรายที่แยกออกมาเกี่ยวข้องกับการกำกับดูแลและความมั่นคงทางไซเบอร์ กรอบการกำกับดูแลที่ครอบคลุมสำหรับ Physical AI ยังไม่ได้รับการก่อตั้งขึ้นอย่างเต็มที่ อุตสาหกรรมยังคงอยู่ในระยะเริ่มต้น: ไม่มีมาตรฐานที่เติบโตเต็มที่, ไม่มีการมีอยู่ทั่วไปในสภาพแวดล้อมทุกวัน, และไม่มีโปรโตคอลการรับรองแบบกำหนดไว้ กฎระเบียบจะเกิดขึ้นในที่สุด – แต่เช่นเดียวกับในรอบเทคโนโลยีอื่นๆ มันจะเป็นผลมาจากการขยายตัว

สิ่งที่สำคัญที่สุดในขณะนี้คือคำถามที่แตกต่าง – ความไว้วางใจในระบบที่ได้รับอิสระทางกายภาพ หุ่นยนต์ในบ้าน, ห้องเก็บของ, หรือสถานที่สำคัญอื่นๆ เป็นโหนดเครือข่ายที่มีเซ็นเซอร์, กล้อง, ไมโครโฟน, และช่องทางสื่อสาร พฤติกรรมของมันถูกกำหนดโดยซอฟต์แวร์และการอัปเดต และแม้ว่าหุ่นยนต์จะถูกตั้งโปรแกรมเพื่อทำงานที่ปลอดภัยในตอนแรก ความเสี่ยงของภัยคุกคามทางไซเบอร์ก็ยังคงอยู่ หากไม่มีการป้องกันที่เพียงพอ ผู้กระทำความผิดอาจเข้าถึงเครือข่ายอุปกรณ์และพยายามใช้มันเพื่อจุดประสงค์ที่เป็นอันตราย

สถานการณ์ที่เกี่ยวข้องกับการแฮ็กยานพาหนะอัตโนมัติหรือเครือข่ายหุ่นยนต์อยู่ในไพ่แล้ว มันถูกมองว่าเป็นส่วนหนึ่งของการประเมินความเสี่ยง – เช่นเดียวกับที่เคยเกิดขึ้นกับระบบธนาคาร, อินเทอร์เน็ต, และบริการคลาวด์

แต่ประวัติศาสตร์แสดงให้เห็นว่าการก้าวหน้าทางเทคโนโลยีไม่หยุดเพราะความเสี่ยง แทนที่จะหยุดนิ่ง อุตสาหกรรมจะเสริมสร้างการป้องกันโดยการกำหนดมาตรฐาน, ระบบการตรวจสอบ, และระบบความมั่นคงที่มีหลายชั้น Physical AI จะติดตามเส้นทางเดียวกัน คำถามไม่ใช่ว่าความเสี่ยงจะเกิดขึ้นหรือไม่ แต่ว่าความมั่นคงจะถูกฝังอยู่ในระบบนิเวศทั้งหมดได้เร็วแค่ไหน

อุตสาหกรรมกำลังถูกสร้างขึ้นรอบๆ มัน

ความท้าทายทั้งหมดที่กล่าวถึง – ทั้งทางเทคนิค, ตลาด, และการกำกับดูแล – มีลักษณะเด่นร่วมกัน: ไม่มีสิ่งใดที่สามารถแก้ไขได้ในที่เดียว

Physical AI ไม่สามารถมองได้ว่าเป็นผลิตภัณฑ์หรือเทคโนโลยีเดียว สิ่งที่เรากำลังเห็นคือการก่อตั้งโครงสร้างพื้นฐานทั้งหมดที่ฮาร์ดแวร์, การคำนวณ, พลังงาน, ข้อมูล, และวัสดุพัฒนาไปพร้อมๆ กัน และมันคือที่นี่ที่ชัดเจนว่านี่คือการเกิดขึ้นของระบบนิเวศอุตสาหกรรมใหม่

หุ่นยนต์เป็นอิสระและเคลื่อนไหวได้ ซึ่งหมายความว่ามันไม่สามารถพึ่งพาเพียงคลาวด์เท่านั้น ไม่เหมือนกับ LLM ที่ทำงานบนคลัสเตอร์เสิร์ฟเวอร์ ความฉลาดทางกายภาพต้องตัดสินใจที่ระดับพื้นที่และในเวลาจริง ซึ่งเปลี่ยนแปลงข้อกำหนดของชิปไปอย่างพื้นฐาน: ชิปต้องมีพลัง, มีประสิทธิภาพด้านพลังงาน, และได้รับการปรับให้เหมาะสมสำหรับการอนุมานบนอุปกรณ์ขอบ

สิ่งนี้สร้างพื้นที่การพัฒนาที่กว้างขวาง: ชิปที่มีประสิทธิภาพด้านพลังงานสำหรับหุ่นยนต์, โมเดล AI ที่กะทัดรัดและได้รับการปรับให้เหมาะสมสำหรับการใช้งานบนอุปกรณ์ขอบ, แพลตฟอร์มสำหรับการฝึกอบรมโมเดลเหล่านี้, ระบบการทำเครื่องหมายข้อมูลและเตรียมชุดข้อมูลพิเศษ เช่น ที่เราทำที่ Introspector, รวมถึงความก้าวหน้าในแบตเตอรี่และระบบพลังงานอิสระ

แนวคิดกำลังถูกอภิปรายเกี่ยวกับการให้หุ่นยนต์เปลี่ยนแบตเตอรี่ของตัวเอง: การถอดโมดูลที่หมด, วางบนเครื่องชาร์จ, และเชื่อมต่อแบตเตอรี่ที่ชาร์จแล้วโดยไม่ต้องปิดระบบทั้งหมด สิ่งนี้อาจกลายเป็นตลาดที่แยกออกมาได้

อุตสาหกรรมที่ครอบคลุมกำลังเกิดขึ้นรอบๆ Physical AI นอกเหนือจากคอมพิวเตอร์และพลังงาน วิทยาศาสตร์วัสดุจะต้องพัฒนา: โป๊ะที่สังเคราะห์เลียนแบบผิวหนัง, พื้นผิวเซ็นเซอร์ที่ยืดหยุ่น, วัสดุที่ปลอดภัยและน่าสัมผัสสำหรับการโต้ตอบกับมนุษย์ หากหุ่นยนต์ทำงานร่วมกับคน, ลักษณะการปรากฏและลักษณะกายภาพของมันกลายเป็นส่วนหนึ่งของการรับรู้ของผู้ใช้และความไว้วางใจในเทคโนโลยี

ในความหมายนี้ Physical AI เกี่ยวกับสต๊อกเทคโนโลยีทั้งหมด – ตั้งแตงชิปและแบตเตอรี่ไปจนถึงเซ็นเซอร์, ซอฟต์แวร์, วัสดุ, และปัจจัยการรับรู้ของมนุษย์ มันคือความซับซ้อนนี้ที่ขนาดอุตสาหกรรมในอนาคตอยู่