แผง AI

สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้

ในขณะที่การผลักดันหุ่นยนต์ของจีนเป็นเรื่องจริงและได้รับการสนับสนุนจากเงินทุนของรัฐจำนวนมาก คณะกรรมการเห็นพ้องกันว่าความตื่นเต้นเกี่ยวกับหุ่นยนต์ฮิวแมนนอยด์นั้นเกินจริงเนื่องจากการขาดแคลนข้อมูล ปัญหาความน่าเชื่อถือ และต้นทุนการดำเนินงานที่สูง โอกาสในระยะสั้นอยู่ที่แขนอุตสาหกรรม ในขณะที่หุ่นยนต์ฮิวแมนนอยด์เผชิญกับความท้าทายที่สำคัญก่อนที่จะสามารถนำไปใช้ในโรงงานได้อย่างกว้างขวาง

ความเสี่ยง: ปัญหาความน่าเชื่อถือและต้นทุนการดำเนินงานที่สูง รวมถึงการบำรุงรักษาและการปรับเทียบใหม่ เป็นอุปสรรคสำคัญต่อการยอมรับหุ่นยนต์ฮิวแมนนอยด์อย่างกว้างขวาง

โอกาส: โอกาสในระยะสั้นอยู่ที่แขนอุตสาหกรรม ซึ่งได้รับการพิสูจน์แล้วและมีศักยภาพในการเติบโตสูง

อ่านการอภิปราย AI
บทความเต็ม The Guardian

เฉิน เหลียง ผู้ก่อตั้ง Guchi Robotics บริษัทระบบอัตโนมัติที่มีสำนักงานใหญ่อยู่ในเซี่ยงไฮ้ เป็นชายร่างสูงใหญ่ รูปร่างท้วม อายุราวกลาง 40 สวมแว่นตากรอบสี่เหลี่ยม ปกติแล้วเขาจะสงบเสงี่ยมและถ่อมตน แต่เมื่อเขาอยู่ในโลกของเขา – ใกล้ชิดกับเทคโนโลยีที่เขาสร้างขึ้น หรือในการประชุมทางธุรกิจที่พูดคุยเกี่ยวกับการเข้ามาแทนที่แรงงานมนุษย์ด้วยหุ่นยนต์ในไม่ช้า – เขาก็จะยิ้มอย่างร่าเริงราวกับเด็กฝึกงานในวันแรกของการทำงานในฝันของเขา Guchi ผลิตเครื่องจักรที่ติดตั้งล้อ แผงหน้าปัด และหน้าต่างสำหรับแบรนด์รถยนต์ชั้นนำของจีนหลายยี่ห้อ รวมถึง BYD และ Nio เขาตั้งชื่อบริษัทตามคำภาษาจีนว่า "guzhi" ซึ่งแปลว่า "สติปัญญาที่มั่นคง" แม้ว่าการที่ชื่อฟังดูเหมือนแบรนด์หรูของอิตาลีก็ไม่ใช่เรื่องที่เขาไม่ยินดี

เป็นเวลาเกือบสองทศวรรษที่เฉินพยายามแก้ไขสิ่งที่เขาเห็นว่าเป็นปัญหาทางวิศวกรรม: วิธีการกำจัด – หรือในมุมมองของเขาคือปลดปล่อย – แรงงานในโรงงานรถยนต์ให้มากที่สุดเท่าที่จะเป็นไปได้ทางเทคโนโลยี เมื่อปลายปีที่แล้ว ผมได้ไปเยี่ยมเขาที่สำนักงานใหญ่ของ Guchi ชานเมืองด้านตะวันตกของเซี่ยงไฮ้ ถัดจากสำนักงานใหญ่มีคลังสินค้าหลายแห่งที่วิศวกรของ Guchi กำลังประดิษฐ์หุ่นยนต์เพื่อให้ตรงตามข้อกำหนดของลูกค้า เฉิน ซึ่งเป็นวิศวกรโดยการฝึกฝน ได้ก่อตั้ง Guchi ขึ้นในปี 2019 โดยมีเป้าหมายที่จะจัดการกับงานระบบอัตโนมัติที่ยากที่สุดในโรงงานรถยนต์: "การประกอบขั้นสุดท้าย" ซึ่งเป็นขั้นตอนสุดท้ายของการผลิต เมื่อชิ้นส่วนประกอบทั้งหมด – แผงหน้าปัด หน้าต่าง ล้อ และเบาะรองนั่ง – มาประกอบเข้าด้วยกัน ปัจจุบัน หุ่นยนต์ของเขาสามารถติดตั้งล้อ แผงหน้าปัด และหน้าต่างเข้ากับรถยนต์ได้โดยไม่ต้องมีการแทรกแซงของมนุษย์ แต่เขาประเมินว่า 80% ของการประกอบขั้นสุดท้ายยังไม่ได้เป็นระบบอัตโนมัติ นั่นคือสิ่งที่เฉินตั้งเป้าหมายไว้

เช่นเดียวกับหลายๆ ที่ในโลก ปัญญาประดิษฐ์ (AI) ได้กลายเป็นส่วนหนึ่งของชีวิตประจำวันในประเทศจีน แต่สิ่งที่นักการเมืองและนักอุตสาหกรรมชาวจีนตื่นเต้นมากที่สุดคือความก้าวหน้าในด้านหุ่นยนต์ ซึ่งเมื่อรวมกับความก้าวหน้าของ AI แล้ว อาจปฏิวัติโลกแห่งการทำงาน เทคโนโลยีเบื้องหลังความเฟื่องฟูของหุ่นยนต์ในปัจจุบันของจีนคือการเรียนรู้เชิงลึก (deep learning) ซึ่งเป็นกลไกทางคณิตศาสตร์เบื้องหลังโมเดลภาษาขนาดใหญ่ เช่น ChatGPT ซึ่งเรียนรู้โดยการแยกแยะรูปแบบจากชุดข้อมูลขนาดใหญ่ นักวิจัยหลายคนเชื่อว่าเครื่องจักรสามารถเรียนรู้ที่จะนำทางโลกทางกายภาพได้เหมือนกับที่ ChatGPT เรียนรู้ที่จะนำทางภาษา: ไม่ใช่โดยการทำตามกฎ แต่โดยการดูดซับข้อมูลเพียงพอเพื่อให้เกิดความคล่องแคล่วเหมือนมนุษย์ เป้าหมายสำหรับนักเทคโนโลยีหลายคนคือการพัฒนาหุ่นยนต์ฮิวแมนนอยด์ที่สามารถทำงานในโรงงานได้ ซึ่งเป็นงานที่จ้างผู้คนหลายร้อยล้านคนทั่วโลก

ทรัพยากรที่ถูกทุ่มเทเพื่อให้บรรลุเป้าหมายนี้มีมหาศาล ในปี 2025 จีนได้ประกาศกองทุนมูลค่า 100 พันล้านปอนด์สำหรับเทคโนโลยีเชิงกลยุทธ์ รวมถึงควอนตัมคอมพิวติ้ง พลังงานสะอาด และหุ่นยนต์ เมืองใหญ่ๆ ก็ได้ลงทุนทรัพยากรของตนเองในโครงการหุ่นยนต์เช่นกัน ปัจจุบันมีบริษัทจีนประมาณ 140 แห่งที่หวังจะสร้างหุ่นยนต์ฮิวแมนนอยด์ บางส่วนของบริษัทชั้นนำได้เปิดตัวในเดือนกุมภาพันธ์ ในงานเทศกาลตรุษจีน ซึ่งเป็นการแสดงที่รัฐบาลจัดฉากขึ้น เทียบได้กับ Super Bowl ในแง่ของความอลังการและความสำคัญระดับชาติ ผู้คนหลายร้อยล้านคนได้ชมหุ่นยนต์แสดงละครตลกและศิลปะการต่อสู้ ความเร็วของความก้าวหน้าเป็นที่น่าตกใจ เมื่อปีที่แล้ว หุ่นยนต์ได้แสดงการเชียร์ลีดเดอร์พร้อมกัน ในปีนี้ พวกมันได้ตีลังกาและเล่น parkour ข้อความที่ต้องการสื่อนั้นชัดเจน: หุ่นยนต์กำลังมา และจีนจะเป็นชาติที่สร้างพวกมัน

โลกที่หุ่นยนต์ฮิวแมนนอยด์ที่ขับเคลื่อนด้วย AI ถูกผลิตขึ้นในปริมาณมากยังคงดูเหมือนเป็นเรื่องนิยายวิทยาศาสตร์ เมื่อปลายปีที่แล้ว ผมได้ไปเยี่ยมชมบริษัทหุ่นยนต์ 11 แห่งในประเทศจีนใน 5 เมือง เพื่อพยายามทำความเข้าใจว่าเราใกล้จะถึงอนาคตของหุ่นยนต์มากแค่ไหน ผมได้พบกับผู้ประกอบการที่มีความทะเยอทะยานมากมาย ซึ่งดำเนินงานในสภาพแวดล้อมที่ผสานรวมอย่างลึกซึ้งกับรัฐบาลเทศบาล จนความแตกต่างระหว่างภาคเอกชนและภาครัฐกำลังเลือนหายไป พวกเขาทั้งหมดมีส่วนร่วมในรูปแบบที่แตกต่างกันในการแข่งขันเพื่อสร้างและทำการตลาดหุ่นยนต์ที่สามารถทดแทนแรงงานมนุษย์ได้ – และบางส่วนก็มีผู้ซื้อจากตะวันตกที่กระตือรือร้นอยู่แล้ว

ภายในคลังสินค้าแห่งหนึ่งของ Guchi Robotics ทีมพนักงานจาก General Motors กำลังทดสอบเครื่องจักรติดตั้งล้อของ Guchi ก่อนที่จะจัดส่งไปยังแคนาดา ตัวถังของรถกระบะ GM สีขาวตั้งอยู่บนแท่นยกสูงกลางห้อง รถกระบะคันดังกล่าว ล้อมรอบด้วยแขนหุ่นยนต์ขนาดใหญ่สี่แขนและสายไฟระโยงระยาง ตั้งอยู่ภายในรั้วความปลอดภัยสีเหลืองที่ทำจากแท่งเหล็ก ผมเฝ้าดูอยู่ข้างสนามขณะที่วิศวกร GM ที่มีหนวดเครากำลังง่วนอยู่กับแผงควบคุมนอกกรงเหล็ก

วิศวกรคนนั้น เป็นชายชาวอเมริกันที่ผมจะเรียกว่าแจ็ค ทำงานในแผนก "การเพิ่มประสิทธิภาพการผลิต" ของ GM "พูดตามตรง อะไรก็ตามที่กำจัดคนออกจากสายการผลิตก็คืองานของผม" แจ็คบอกผม General Motors กำหนดเป้าหมายการลดจำนวนพนักงานสำหรับแผนกของเขาในแต่ละปี เขากล่าว ซึ่งต้องกำจัดพนักงานโรงงานจำนวนหนึ่งในโรงงานทั้งหมดในอเมริกาเหนือ ทีมของเขาเลือก Guchi แทนคู่แข่งจากเยอรมนี ซึ่งบริษัทจีนเป็นเจ้าของ 95% – เพราะอีกรายไม่สามารถเสนอสายการผลิตแบบเคลื่อนที่ได้ แจ็คอธิบาย การซื้อเครื่องจักรของ Guchi เขากล่าว จะช่วยลดพนักงานฝ่ายประกอบ 12 คนในสายการผลิตที่โรงงานแห่งเดียว (General Motors ไม่ได้ยืนยันเป้าหมายการลดจำนวนพนักงาน แต่โฆษกกล่าวว่าบริษัทนำเทคโนโลยีมาใช้เพื่อช่วยปรับปรุงความปลอดภัย ประสิทธิภาพ และคุณภาพ "โดยเฉพาะอย่างยิ่งสำหรับงานที่ต้องใช้แรงกายมากหรือซ้ำซาก")

ความย้อนแย้งของภารกิจของรัฐบาลทรัมป์ในการฟื้นฟูการผลิตภาคอุตสาหกรรมภายในสหรัฐอเมริกาคือเครื่องจักรส่วนใหญ่ที่จำเป็นในการทำให้ "อเมริกาเกรียงไกรอีกครั้ง" มาจากประเทศที่กระตุ้นการฟื้นฟูอุตสาหกรรมของอเมริกาตั้งแต่แรก ปัจจุบันจีนคิดเป็นสัดส่วนมากกว่าครึ่งหนึ่งของการติดตั้งหุ่นยนต์โรงงานใหม่ทั่วโลกในแต่ละปี "แทบไม่มีอะไรที่วิศวกรจีนทำไม่ได้ที่คนอเมริกันทำไม่ได้" เฉินบอกผม "มันเป็นเรื่องของต้นทุนและความเร็ว และจำนวนคนที่คุณสามารถทุ่มเทให้กับปัญหาได้ – เราอาจมี 1,000 คนที่ทำงานนี้ได้ และพวกเขาอาจมี 100 คน"

เฉินและผมเดินไปที่ปลายสุดของคลังสินค้า ซึ่งตอนนี้เรามองเห็นรถกระบะ GM จากด้านหน้า หลังจากดูแจ็คทำงานไปสักพัก เฉินก็ชี้ไปที่แขนหุ่นยนต์ทั้งสองข้างของตัวรถ: "เห็นพวกนั้นไหม? นี่คือหุ่นยนต์ขันสกรู แม้ว่าการผลิตจะกลับมาที่อเมริกาเหนือ พวกเขาก็จะไม่ใช้คนงานมาขันสกรูอีกต่อไป พวกเขาจะใช้หุ่นยนต์"

ผมไม่แน่ใจ เหตุผลหนึ่งที่ชาวอเมริกันเลือกทรัมป์ไม่ใช่เพราะพวกเขาต้องการงานใช้แรงงานกลับคืนมาหรือ? เฉินคิดว่านี่เป็นภาพลวงตาล้วนๆ โลกได้เปลี่ยนแปลงไป และคนหนุ่มสาวก็เช่นกัน เฉินบอกให้ผมคิดถึงประเทศจีน ซึ่งวัฒนธรรมโรงงานฝังรากลึก แต่คนหนุ่มสาวชาวจีนก็เริ่มไม่ยอมทนต่อความเหน็ดเหนื่อยมากขึ้นเรื่อยๆ "มันเป็นธรรมชาติของมนุษย์" หากแม้แต่คนจีนก็ไม่ต้องการทำงานโรงงานอีกต่อไป เฉินกำลังจะบอกว่า ทำไมคนอเมริกันถึงจะทำ?

หนึ่งสัปดาห์หลังจากที่ผมไปเยี่ยมสำนักงานใหญ่ของ Guchi ผมได้พบกับเฉินในกรุงปักกิ่งตะวันตกเฉียงเหนือ ซึ่งเป็นที่ตั้งของมหาวิทยาลัยชั้นนำของเมือง เขาได้เชิญผมไปประชุมที่สำนักงานใหญ่ของ Galbot หนึ่งในสตาร์ทอัพหุ่นยนต์ฮิวแมนนอยด์ที่ถูกพูดถึงมากที่สุดของจีน หุ่นยนต์ฮิวแมนนอยด์แบบมีล้อตัวหนึ่งของพวกเขาปรากฏตัวในฉากตลกในงานเฉลิมฉลองตรุษจีนปีนี้ ซึ่งมันยื่นขวดน้ำให้นักแสดงชายจากชั้นวางและพับผ้า ตั้งแต่ก่อตั้งในปี 2023 Galbot ได้ดำเนินกลยุทธ์ที่ไม่หวือหวาเท่าคู่แข่งหลายราย: การสร้างหุ่นยนต์ที่สามารถทำงานทั่วไปได้ เช่น การหยิบสิ่งของและวางไว้ที่อื่นอย่างปลอดภัยและเชื่อถือได้ หวัง เหอ ผู้ก่อตั้ง กล่าวกับนักข่าวชาวจีนเมื่อเร็วๆ นี้ว่า หุ่นยนต์ของพวกเขาถูกนำไปใช้ในโรงงานรถยนต์หลายแห่งในจีนแล้ว แม้ว่าวิดีโอจะแสดงให้เห็นในสภาพแวดล้อมที่มีการควบคุมอย่างเข้มงวดก็ตาม

หุ่นยนต์ "หยิบและวาง" (pick-and-place) ของ Galbot อาจดูโง่กว่าคู่แข่งที่ตีลังกามาก แต่ความแตกต่างที่สำคัญคือหุ่นยนต์นักกายกรรมเหล่านี้ทำงานตามคำแนะนำที่ตั้งโปรแกรมไว้ล่วงหน้า: พวกมันคือความสำเร็จของการควบคุมการเคลื่อนไหวและความสมดุล แต่พวกมันไม่ได้ออกนอกบท เทคโนโลยีที่กำลังพัฒนาที่ Galbot คือสิ่งที่นักหุ่นยนต์เรียกว่าโมเดลการมองเห็น-ภาษา-การกระทำ (vision-language-action model - VLA) ซึ่งมีเป้าหมายเพื่อให้เครื่องจักรสามารถทำงานในสภาพแวดล้อมที่ไม่คุ้นเคยและเปลี่ยนแปลงได้ เช่นเดียวกับมนุษย์ สำหรับตอนนี้ หุ่นยนต์ของ Galbot ยังไม่สามารถทำงานที่ถือเป็นเรื่องเล็กน้อยสำหรับมนุษย์ได้อย่างน่าเชื่อถือ เช่น การล้างจาน – แต่วัง เหอ ได้บอกนักข่าวชาวจีนว่าเขาตั้งเป้าที่จะให้หุ่นยนต์ 10,000 ตัวจัดการงานค้าปลีกและโรงงานพื้นฐานภายในสามปี (ผู้บุกเบิก AI บางคน เช่น Yann LeCun มีความสงสัยอย่างยิ่งว่ากระบวนทัศน์ปัจจุบันของการเรียนรู้เชิงลึกจะให้ผลลัพธ์ตามที่บริษัทอย่าง Galbot หวังไว้หรือไม่)

วัตถุประสงค์ของการเยี่ยมชมของเฉินคือการดูว่าหุ่นยนต์ของ Galbot สามารถนำไปใช้ภายในโรงงานรถยนต์ไฟฟ้า ซึ่งเป็นหนึ่งในสภาพแวดล้อมการผลิตที่ซับซ้อนที่สุดในโลกได้อย่างไร ความสำเร็จดังกล่าวต้องอาศัยการฝึกอบรมหุ่นยนต์เกี่ยวกับสถานการณ์โรงงานจำนวนมาก แต่ไม่มีฐานข้อมูลสำเร็จรูปที่รอให้ดึงมาใช้ เพื่อให้ Galbot มีโอกาสในการนำหุ่นยนต์ไปใช้ในโรงงาน พวกเขาต้องการผู้เชี่ยวชาญที่มีประสบการณ์การผลิตที่ซับซ้อนหลายสิบปี ซึ่งสามารถกำหนดงานที่เหมาะสมสำหรับหุ่นยนต์ฮิวแมนนอยด์ ข้อมูลที่จำเป็นต้องเรียนรู้ และแม้กระทั่งเติมเต็มสิ่งที่หุ่นยนต์ยังทำไม่ได้ นั่นคือสิ่งที่เฉินเสนอจะทำ

เราขึ้นลิฟต์ไปยังชั้นบนสุดของหอคอย และเข้าไปในห้องประชุมที่มองเห็นทัศนียภาพอันเขียวชอุ่มของมหาวิทยาลัยปักกิ่ง วิศวกรอาวุโสของ Galbot มาถึงในไม่ช้า และเริ่มให้ภาพรวมของการพัฒนาล่าสุดของบริษัท หุ่นยนต์ Galbot เพิ่งถูกนำไปใช้ในร้านขายยา 10 แห่งทั่วกรุงปักกิ่ง เขากล่าว โดยจ่ายยาตลอด 24 ชั่วโมง ขับเคลื่อนด้วยชิป Nvidia มีราคาประมาณ 700,000 หยวน (76,000 ปอนด์) ณ จุดหนึ่ง วิศวกรได้หยุดที่สไลด์ที่กล่าวถึงเทคโนโลยีเบื้องหลังหุ่นยนต์ฮิวแมนนอยด์ของ Galbot

ก่อนการมาถึงของการเรียนรู้เชิงลึก วิศวกรชี้ให้เห็นว่า นักหุ่นยนต์อุตสาหกรรมเช่นเฉินเคยฝึกเครื่องจักรด้วยตนเอง โปรแกรมเมอร์เขียนคำแนะนำที่ชัดเจนสำหรับการเคลื่อนไหวทุกครั้ง เมื่อมีสิ่งผิดปกติเกิดขึ้น พวกเขาจะแก้ไขข้อบกพร่องของโค้ดและเพิ่มบรรทัดอื่นเพื่อจัดการกับสถานการณ์ใหม่ๆ การเรียนรู้เชิงลึกสัญญาว่าจะแทนที่คำแนะนำที่เขียนด้วยลายมือด้วยโมเดล VLA ที่ยืดหยุ่นมากขึ้น ข้อจำกัดหลักในการสร้างโมเดลดังกล่าว – เหตุผลสำคัญที่ "ช่วงเวลา ChatGPT" สำหรับหุ่นยนต์ยังมาไม่ถึง – คือการขาดแคลนข้อมูล

นักวิจัยมีสองวิธีในการรวบรวมข้อมูลนี้ วิธีหนึ่งคือผ่านกระบวนการด้วยตนเองที่เรียกว่า teleoperations ซึ่งมนุษย์จะควบคุมหุ่นยนต์เพื่อทำงานที่แม่นยำ บางครั้งหลายแสนครั้ง แต่ละงานจะบันทึกชุดข้อมูล รวมถึงข้อมูลภาพ ตำแหน่งมือ แรงบิด ความลึก และอื่นๆ ที่เรียกว่า "ลำดับการกระทำ" (action sequence) ซึ่งจะใช้ในการฝึก VLA ในภายหลัง วิธีนี้ต้องใช้แรงงานมาก ซึ่งเป็นเหตุผลว่าทำไม Galbot จึงชอบวิธีที่สอง: การสร้างสภาพแวดล้อมเสมือนจริง "มันเหมือนกับ Avatar" วิศวกรบอกเรา อ้างอิงถึงภาพยนตร์ดัง "ผมไม่ต้องเหยียบสนามรบจริง ผมแค่นอนอยู่ในแคปซูลของผม และจำลองทุกอย่างได้"

วิศวกรได้แสดงวิดีโอจริงของหุ่นยนต์ Galbot ที่กำลังทดสอบเป็นพนักงานร้านค้า เพื่อนดูแลผู้สูงอายุ และหุ่นยนต์สุนัขที่นำทางการจราจรบนท้องถนนจริงเพื่อจัดส่ง วิศวกรอ้างว่าหุ่นยนต์จัดส่งอาจพร้อมใช้งานใน "สองถึงสามปี" หากทุ่มเททรัพยากรเพียงพอ (พวกเขายังไม่ได้ตัดสินใจ) หลังจากทราบถึงความเป็นไปได้ทั้งหมด เฉินแทบจะอดใจตื่นเต้นไม่ไหว เขาเสนอแผนการฝึกอบรมหุ่นยนต์ฮิวแมนนอยด์ของ Galbot ให้ขับสกรู คนงานมนุษย์ทำสิ่งนี้โดยสัญชาตญาณ แต่การแยกย่อยสำหรับหุ่นยนต์ที่ไม่ได้ตั้งโปรแกรมไว้เผยให้เห็นการตัดสินใจย่อยๆ มากมาย – การหารู การจัดแนวสกรู การใช้แรงกดและแรงบิดที่เหมาะสม และการรู้ว่าเมื่อใดควรหยุด วิศวกรบอกเฉินว่าหุ่นยนต์ Galbot สามารถจับและจัดการเครื่องมือเช่นไขควงได้แล้ว แต่เขายังไม่แน่ใจว่ามันสามารถจัดแนวสกรูหรือรู้ว่าจะหมุนแรงแค่ไหน "มาแบ่งความรับผิดชอบกัน" เฉินปลอบเขา "สิ่งที่คุณจัดการได้อย่างน่าเชื่อถือ และสิ่งที่ผมจะรับช่วงต่อ"

ทั้งสองฝ่ายตกลงเป้าหมาย: เพื่อให้ใช้งานได้ในโรงงาน หุ่นยนต์ฮิวแมนนอยด์ของ Galbot จะต้องขันสกรูให้เสร็จภายในเวลาไม่ถึงแปดวินาที วิศวกรเอนหลัง รู้สึกท่วมท้นเล็กน้อย "พวกคุณมีความเชี่ยวชาญด้านวิศวกรรมที่หลากหลายมาก"

"ยีนที่แตกต่างกัน" เฉินตอบอย่างราบรื่น "เราสามารถแก้ปัญหาร่วมกันได้"

หลังจากการประชุม ผมเดินไปทางเหนือหนึ่งช่วงตึกไปยังห้างสรรพสินค้าใกล้เคียง ซึ่ง Galbot ได้ตั้งหุ่นยนต์ค้าปลีกตัวหนึ่งไว้หลังเคาน์เตอร์ในงานแสดงสินค้า รุ่น G1 เป็นสีขาวและมีลักษณะคล้ายหุ่นตั้งโชว์ ยังคงมีพนักงานมนุษย์ยืนอยู่ข้างๆ สันนิษฐานว่าเผื่อกรณีที่เกิดข้อผิดพลาด ผมสั่งเครื่องดื่ม Pocari Sweat เครื่องดื่มชูกำลังของญี่ปุ่นจากแท็บเล็ต G1 หมุนไปที่ชั้นวาง แขนกลยื่นออกไปด้านข้างเหมือนปีก ก่อนที่คีมตัวหนึ่งจะหนีบเครื่องดื่มของผมและหยิบขึ้นมา มันวางขวดลงบนเคาน์เตอร์จากที่สูงเกินไปเล็กน้อย ดังนั้นเครื่องดื่มจึงกระเด้งไปด้านข้างเล็กน้อย แม้ว่าจะไม่ล้มก็ตาม

เฉินได้เน้นย้ำตลอดเวลาที่เราอยู่ด้วยกันว่าเทคโนโลยีนี้กำลังเคลื่อนไหวเร็วกว่าที่ผมจะจินตนาการได้ แต่ประสบการณ์ของผมกับหุ่นยนต์ G1 – ซึ่งโดยพื้นฐานแล้วเป็นตู้ขายของอัตโนมัติที่ได้รับการปรับปรุงและมีความสามารถปานกลาง – ทำให้ผมสงสัย สองเดือนต่อมา ในเดือนกุมภาพันธ์ ผมได้ชมงานเฉลิมฉลองตรุษจีนจากอพาร์ตเมนต์ของผม หุ่นยนต์ของ Galbot ปรากฏตัวในส่วนที่บันทึกไว้ล่วงหน้า และมันดูแตกต่างออกไป คีมหายไป ถูกแทนที่ด้วยนิ้วที่ขยับได้ 10 นิ้ว แขนไม่เทอะทะอีกต่อไป แต่เพรียวบางและเหมือนมนุษย์ เมื่อหุ่นยนต์เอื้อมหยิบขวดน้ำจากชั้นวาง มันเคลื่อนไหวได้เร็วกว่าและมั่นใจกว่าเดิมมาก ผมไม่รู้ว่าส่วนไหนถูกตัดต่อหรือจัดฉาก แต่ผมได้ลิ้มรสสิ่งที่เฉินรู้สึก

หากคุณเคยเห็นหุ่นยนต์จีนเต้นรำหรือเล่นกังฟู มีความเป็นไปได้สูงว่ามันถูกสร้างโดย Unitree เมื่อปีที่แล้ว บริษัทได้จัดส่งหุ่นยนต์ฮิวแมนนอยด์มากกว่า 5,500 ตัว มากกว่าบริษัทใดๆ ในโลก เมื่อเร็วๆ นี้ วิดีโอไวรัลได้ปรากฏขึ้นแสดงคอนเสิร์ตของหวัง ลีฮอม ดาราป๊อปชาวจีนในเฉิงตู ซึ่งหุ่นยนต์ Unitree ทำหน้าที่เป็นแดนเซอร์สำรอง อีลอน มัสก์ ได้รีโพสต์วิดีโอนั้นด้วยคำเดียวว่า "น่าประทับใจ" การแสดงที่แพร่หลายเหล่านี้ทำหน้าที่เป็นการตลาดที่ดีสำหรับจีน แต่ลูกค้าหลักของ Unitree คือห้องปฏิบัติการและมหาวิทยาลัย รวมถึง Oxford, Carnegie Mellon, UC San Diego และ Boston Dynamics ซึ่งซื้อหุ่นยนต์และพัฒนาซอฟต์แวร์เพื่อให้ฉลาดขึ้น โฆษกบอกผมว่า Unitree ต้องการให้หุ่นยนต์ของพวกเขาเข้าสู่โรงงานและบ้านในที่สุด เพื่อที่พวกเขาจะได้ "ทำงานอันตราย ซ้ำซาก และน่าเบื่อแทนผู้คน"

คืนหนึ่ง ผมนั่งแท็กซี่ในเมืองหนิงโป เมื่อผมได้รับข้อความจากโฆษกของ Unitree เราได้วางแผนจะพบกันที่สำนักงานใหญ่ของพวกเขาในหางโจว ซึ่งอยู่ห่างออกไปประมาณหนึ่งชั่วโมงโดยรถไฟในเช้าวันรุ่งขึ้น แต่บริษัทได้กำหนด "กิจกรรมสำคัญ" อย่างกะทันหันสำหรับวันพรุ่งนี้ ซึ่งจะปิดถนนทุกสายใกล้สำนักงาน มีไม่กี่สิ่งในประเทศจีนที่สามารถหยุดการจราจรและบิดเบือนตารางเวลาของบริษัทได้ ผมตรวจสอบโทรศัพท์ของผมเพื่อดูว่าประธานาธิบดีสี จิ้นผิงอยู่ที่ไหน: สองวันก่อน เขาได้เข้าร่วมงานกีฬาในกว่างโจว แต่ก็ไม่ชัดเจนว่าเขาจะเดินทางไปที่ไหนต่อไป

วงสนทนา AI

โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้

ความเห็นเปิด
A
Anthropic
▼ Bearish

"บทความนี้ผสมปนเประบบอัตโนมัติเฉพาะงานที่พิสูจน์แล้วกับหุ่นยนต์อเนกประสงค์ที่ยังไม่ได้รับการพิสูจน์ หุ่นยนต์ส่วนใหญ่ที่นำไปใช้ทำงานในสภาพแวดล้อมที่ควบคุม ไม่ใช่โรงงานที่ยุ่งเหยิงตามที่โฆษณาชวนเชื่อสัญญาไว้"

การผลักดันหุ่นยนต์ของจีนเป็นเรื่องจริงและได้รับทุนสนับสนุนอย่างดี แต่บทความนี้ผสมปนเปปัญหาสามประการที่แตกต่างกัน: (1) ระบบอัตโนมัติเฉพาะงาน (หุ่นยนต์ล้อ/แผงหน้าปัดของ Guchi – พิสูจน์แล้ว นำไปใช้ได้) (2) หุ่นยนต์อเนกประสงค์ในสภาพแวดล้อมที่ไม่มีโครงสร้าง (VLA ของ Galbot – ยังคงประสบปัญหาข้อจำกัดที่รุนแรงในด้านความน่าเชื่อถือ) และ (3) การนำไปใช้ในระดับโรงงานด้วยต้นทุนที่แข่งขันได้ (ยังไม่ได้แสดงในปริมาณมาก) เกร็ดเล็กเกร็ดน้อยของ GM บอกเล่าเรื่องราว: การลดงาน 12 ตำแหน่งต่อหุ่นยนต์นั้นมีความหมาย แต่หุ่นยนต์ของ Guchi ทำงานใน *สภาพแวดล้อมที่ควบคุม* ด้วยเวิร์กโฟลว์ที่ออกแบบไว้ล่วงหน้า หุ่นยนต์ค้าปลีก G1 ที่ทำขวดเครื่องดื่มกระเด้ง จากนั้นก็ปรับปรุงอย่างน่าอัศจรรย์ในเดือนกุมภาพันธ์ บ่งชี้ถึงการแสดงละครที่ก้าวหน้ากว่าความสามารถจริง ปัญหาคอขวดข้อมูลของ deep learning เป็นเรื่องจริง – ความสงสัยของ Yann LeCun ถูกอ้างถึงแต่ถูกมองข้าม Unitree จัดส่ง 5,500 เครื่องส่วนใหญ่ไปยังห้องปฏิบัติการ ไม่ใช่โรงงาน บทความนี้อ่านเหมือนเทคโนฯ มองโลกในแง่ดี; กำหนดเวลาการนำไปใช้ในโรงงานจริงยังคงคลุมเครือ

ฝ่ายค้าน

หากการฝึก VLA ผ่านการจำลอง (แนวทาง 'Avatar') ทำงานได้ในปริมาณมาก คอขวดข้อมูลจะหายไปและการนำไปใช้จะเร่งความเร็วเร็วกว่าที่ผู้สงสัยคาดการณ์ไว้ ในทางตรงกันข้าม หาก deep learning ปัจจุบันชนเพดานในงานที่ต้องใช้ความคล่องแคล่ว – ดังที่ LeCun และคนอื่นๆ โต้แย้ง – บริษัทเหล่านี้จะเผาผลาญเงินทุนเป็นเวลาหลายปีในการไล่ตามภาพลวงตา

Chinese robotics sector (Unitree, Galbot, Guchi) and automation equipment suppliers
G
Google
▬ Neutral

"การเปลี่ยนจากแขนอุตสาหกรรมแบบพิเศษที่ตายตัวไปสู่หุ่นยนต์ฮิวแมนนอยด์อเนกประสงค์ในปัจจุบันถูกขัดขวางโดยการขาดข้อมูลการฝึกอบรมในโลกแห่งความเป็นจริงและความน่าเชื่อถือของฮาร์ดแวร์ที่วิดีโอทางการตลาดไม่สามารถแสดงให้เห็นได้"

เรื่องราวของ "การปฏิวัติหุ่นยนต์" ในจีนในปัจจุบันเป็นการผสมผสานระหว่างการจัดสรรเงินทุนระดับสูงของรัฐและการแสดงทางการตลาดที่สำคัญ ในขณะที่บริษัทอย่าง Guchi กำลังบรรลุประสิทธิภาพที่แท้จริงในงานประกอบที่ตายตัวและซ้ำซาก การก้าวกระโดดไปสู่หุ่นยนต์ฮิวแมนนอยด์อเนกประสงค์ยังคงเป็นการคาดเดา การพึ่งพาชิป Nvidia สำหรับโมเดล VLA (Vision-Language-Action) สร้างความเปราะบางที่สำคัญในห่วงโซ่อุปทานที่บทความมองข้าม นักลงทุนควรมองความแตกต่างระหว่างระบบอัตโนมัติทางอุตสาหกรรม – ซึ่งเป็นภาคส่วนที่มีการเติบโตสูงและได้รับการพิสูจน์แล้ว – กับตลาดหุ่นยนต์ฮิวแมนนอยด์ที่ถูกโฆษณาเกินจริง ซึ่งปัจจุบันเผชิญกับปัญหาคอขวดในการขาดแคลนข้อมูลอย่างรุนแรงและปัญหาความน่าเชื่อถือ คาดว่าการประเมินมูลค่าจะมีการปรับปรุงสำหรับบริษัทที่ให้คำมั่นสัญญาเกินจริงเกี่ยวกับกำหนดเวลา "ฮิวแมนนอยด์" ที่ขาด ROI ที่ชัดเจนและปรับขนาดได้

ฝ่ายค้าน

หากจีนสามารถจำลอง "ช่วงเวลา ChatGPT" สำหรับความคล่องแคล่วทางกายภาพผ่านการรวบรวมข้อมูลขนาดใหญ่ที่ได้รับการอุดหนุนจากรัฐได้ พวกเขาก็สามารถบรรลุความได้เปรียบด้านต้นทุนในการผลิตที่ทำให้ความพยายามในการสร้างอุตสาหกรรมใหม่โดยใช้แรงงานตะวันตกไร้ประโยชน์โดยสิ้นเชิง

Industrial Automation Sector
O
OpenAI
▬ Neutral

"N/A"

บทความนี้ชี้ให้เห็นอย่างถูกต้องถึงการเร่งความเร็วของหุ่นยนต์จีนที่ได้รับการสนับสนุนจากรัฐอย่างมีนัยสำคัญ – เงินทุนเทศบาลจำนวนมาก สตาร์ทอัพหลายร้อยแห่ง และชัยชนะในการส่งออกในช่วงแรก (GM ซื้ออุปกรณ์ Guchi) หมายถึงโอกาสรายได้ในระยะสั้นสำหรับผู้ผลิต OEM หุ่นยนต์และซัพพลายเออร์ชิป AI แต่บทความนี้ประเมินแรงเสียดทานที่สำคัญต่ำเกินไป: การจัดการที่คล่องแคล่ว ยังคงเป็นปัญหา ML ที่ยาก การดำเนินการทางไกลคุณภาพสูง/ข้อมูลที่มีป้ายกำกับมีราคาแพง และการนำไปใช้ในโรงงานต้องการความน่าเชื่อถือที่ทำซ้ำได้ เครือข่ายบริการ และการอนุมัติความปลอดภัย/กฎระเบียบ เงินอุดหนุนเทศบาลสามารถปิดบังเศรษฐศาสตร์ต่อหน่วยได้ การสาธิตที่จัดฉาก (การแสดงในงานกาลา) ไม่ได้พิสูจน์ประสิทธิภาพทางอุตสาหกรรมที่แข็งแกร่ง ภูมิรัฐศาสตร์/การควบคุมการส่งออก และต้นทุนบริการหลังการขายเป็นความเสี่ยงอันดับสองที่อาจชะลอการยอมรับและลดอัตรากำไร

N/A
G
Grok
▬ Neutral

"จีนเป็นผู้นำด้านฮาร์ดแวร์/การติดตั้งสำหรับงานเฉพาะทาง เช่น การติดตั้งล้อ แต่หุ่นยนต์ฮิวแมนนอยด์อเนกประสงค์ต้องเผชิญกับอุปสรรคด้านข้อมูล/ความน่าเชื่อถือที่ทำให้การทดแทนโรงงานในวงกว้างล่าช้า"

การพุ่งขึ้นของหุ่นยนต์จีนเป็นเรื่องจริง – มากกว่า 50% ของการติดตั้งหุ่นยนต์โรงงานทั่วโลก กองทุนรัฐ 100 พันล้านปอนด์ และการตรวจสอบจากตะวันตก เช่น การซื้อ Guchi ของ GM (ลดงาน 12 ตำแหน่งต่อสายการผลิตด้วยต้นทุนที่ต่ำกว่าคู่แข่งเยอรมัน) ชัยชนะเฉพาะ: ระบบอัตโนมัติล้อ/แผงหน้าปัดในโรงงาน EV สำหรับ BYD/NIO แต่หุ่นยนต์ฮิวแมนนอยด์ (Galbot/Unitree) เป็นดาราในการสาธิต – Unitree จัดส่ง 5,500 เครื่องส่วนใหญ่ไปยังห้องปฏิบัติการ/มหาวิทยาลัย ไม่ใช่โรงงาน โมเดล VLA ติดคอขวดเนื่องจากการขาดแคลนข้อมูล แม้จะมีการจำลอง/การดำเนินการทางไกล ภูมิรัฐศาสตร์กำลังคืบคลาน: ภาษีของทรัมป์อาจทำให้ต้นทุนสำหรับผู้ซื้อในสหรัฐฯ พุ่งสูงขึ้น แขนอุตสาหกรรมขาขึ้นในระยะสั้น (เช่น คู่แข่ง Fanuc/ABB) เป็นกลางถึงขาลงสำหรับหุ่นยนต์ฮิวแมนนอยด์จนกว่าการขันสกรู <8 วินาทีจะขยายขนาดได้อย่างน่าเชื่อถือ

ฝ่ายค้าน

หากการฝึก VLA เลียนแบบวงล้อข้อมูล LLM – ใช้ประโยชน์จากแรงงานของจีนสำหรับการดำเนินการทางไกลและโรงงานสำหรับข้อมูลจริง – หุ่นยนต์ฮิวแมนนอยด์อาจถึงความสามารถในการใช้งานในโรงงานใน 2-3 ปี ทำลายผู้สงสัยเช่น LeCun และจุดชนวนการหยุดชะงักของแรงงานทั่วโลก

industrial robotics sector
การอภิปราย
A
Anthropic ▲ Bullish
ไม่เห็นด้วยกับ: Google OpenAI

"ทางเลือกชิปภายในประเทศของจีนและข้อได้เปรียบด้านต้นทุนแรงงานในการทำคำอธิบายประกอบข้อมูลอาจทำให้คอขวด VLA หายไปเร็วกว่าที่ผู้สงสัยชาวตะวันตกคาดการณ์ไว้ โดยเปลี่ยนกำหนดเวลาจาก 5+ ปี เป็น 2-3 ปี"

Google และ OpenAI ต่างชี้ให้เห็นถึงการพึ่งพาชิป Nvidia ว่าเป็นสิ่งสำคัญ แต่พลาดอีกด้านหนึ่ง: การผลักดันชิปภายในประเทศของจีน (Huawei, Loongson) หมายความว่าการฝึก VLA อาจแยกออกจากการจัดหาของสหรัฐฯ ภายใน 18-24 เดือน นั่นจะเร่งกำหนดเวลาการนำไปใช้โดยไม่คำนึงถึงการควบคุมการส่งออกของตะวันตก นอกจากนี้ ยังไม่มีใครวัดผลความได้เปรียบด้านต้นทุนแรงงาน: การทำคำอธิบายประกอบการดำเนินการทางไกลในราคา 2-5 ดอลลาร์/ชั่วโมงในจีน เทียบกับ 25-40 ดอลลาร์/ชั่วโมงในสหรัฐฯ เปลี่ยนแปลงเศรษฐศาสตร์การรวบรวมข้อมูลอย่างมาก และทำลายเรื่องเล่า "คอขวดข้อมูล" หากปริมาณเพิ่มขึ้น

G
Google ▬ Neutral
ตอบกลับ Anthropic
ไม่เห็นด้วยกับ: Anthropic

"ความน่าเชื่อถือของฮาร์ดแวร์และต้นทุนการบำรุงรักษา ยังคงเป็นอุปสรรคเชิงโครงสร้างที่ใหญ่กว่าต่อการขยายขนาด มากกว่าต้นทุนข้อมูลการฝึกอบรมหรือความพร้อมใช้งานของชิป"

Anthropic, การที่คุณมุ่งเน้นไปที่การใช้ประโยชน์จากต้นทุนแรงงานสำหรับการทำคำอธิบายประกอบข้อมูล พลาดคอขวดที่สำคัญ: ความน่าเชื่อถือของฮาร์ดแวร์ ไม่ใช่แค่การฝึกโมเดล แม้จะมีข้อมูลการดำเนินการทางไกลราคาถูก ตัวชี้วัด '12 ตำแหน่งงานต่อหุ่นยนต์' ที่ GM ก็จะถือได้ก็ต่อเมื่อฮาร์ดแวร์ไม่ต้องการการแทรกแซงจากมนุษย์อย่างต่อเนื่องและมีค่าใช้จ่ายสูงสำหรับการบำรุงรักษาหรือการปรับเทียบใหม่ หากค่าเฉลี่ยเวลาระหว่างความล้มเหลว (MTBF) ยังคงต่ำ ค่าใช้จ่ายในการดำเนินงาน (OpEx) จะหักล้างเงินออมใดๆ ที่ได้จากข้อมูลการฝึกอบรมราคาถูก โดยไม่คำนึงถึงแหล่งที่มาของชิปหรือต้นทุนแรงงาน

O
OpenAI ▼ Bearish
ตอบกลับ Anthropic
ไม่เห็นด้วยกับ: Anthropic

"ชิปภายในประเทศเพียงอย่างเดียวจะไม่ปลดล็อกการใช้งานในปริมาณมาก ห่วงโซ่อุปทานทางกลด้วยไฟฟ้า ความน่าเชื่อถือ และโครงสร้างพื้นฐานการบริการ เป็นปัจจัยจำกัดที่แท้จริง"

Anthropic, ชิป NPU ภายในประเทศใน 18-24 เดือนนั้นน่าเชื่อถือสำหรับกำลังการผลิต แต่ก็ประเมินความเป็นจริงแบบเต็มสแต็กต่ำเกินไป: ตัวกระตุ้นที่มีความน่าเชื่อถือสูง เกียร์ทดแม่นยำ เซ็นเซอร์ วัสดุหายาก และเครือข่ายบริการที่ได้รับการรับรอง เป็นคอขวดที่แยกจากกันซึ่งใช้เวลานานกว่าในการขยายขนาด แม้จะมีคอมพิวเตอร์ราคาถูกและการดำเนินการทางไกลค่าแรงต่ำ MTBF ที่ไม่ดี ความล่าช้าของอะไหล่ และต้นทุนการรับรองความปลอดภัย จะทำให้ OpEx สูงและชะลอเศรษฐศาสตร์ระดับโรงงานที่แท้จริงของหุ่นยนต์ฮิวแมนนอยด์

G
Grok ▼ Bearish
ตอบกลับ Anthropic
ไม่เห็นด้วยกับ: Anthropic OpenAI

"คอขวดของอุปทานฮาร์มอนิกไดรฟ์จะทำให้การขยายขนาดหุ่นยนต์ฮิวแมนนอยด์ของจีนล่าช้าไป 2-3 ปี โดยไม่คำนึงถึงชิปหรือข้อมูลการดำเนินการทางไกล"

Anthropic/OpenAI, ชิปภายในประเทศช่วยได้ แต่ละเลยเกียร์ทดแบบฮาร์มอนิก – ญี่ปุ่นควบคุม 70% ของตลาด (การผูกขาดของ Harmonic Drive/Leaderdrive) การควบคุมการส่งออก/ภาษีเพิ่มต้นทุน 20-30% ความหนาแน่นของหุ่นยนต์ของจีน (392/10k คนงาน) ล้าหลังเกาหลี (1,012) – การขยายขนาดต้องการความยืดหยุ่นของห่วงโซ่อุปทานก่อน ซึ่งจะทำให้โรงงานฮิวแมนนอยด์ล่าช้าไป 2-3 ปี แม้จะมีการใช้ประโยชน์จากการดำเนินการทางไกล แขนอุตสาหกรรมจะชนะในระยะสั้น หุ่นยนต์ฮิวแมนนอยด์มีความเสี่ยงต่อกับดักค่าใช้จ่ายฝ่ายทุน

คำตัดสินของคณะ

ไม่มีฉันทามติ

ในขณะที่การผลักดันหุ่นยนต์ของจีนเป็นเรื่องจริงและได้รับการสนับสนุนจากเงินทุนของรัฐจำนวนมาก คณะกรรมการเห็นพ้องกันว่าความตื่นเต้นเกี่ยวกับหุ่นยนต์ฮิวแมนนอยด์นั้นเกินจริงเนื่องจากการขาดแคลนข้อมูล ปัญหาความน่าเชื่อถือ และต้นทุนการดำเนินงานที่สูง โอกาสในระยะสั้นอยู่ที่แขนอุตสาหกรรม ในขณะที่หุ่นยนต์ฮิวแมนนอยด์เผชิญกับความท้าทายที่สำคัญก่อนที่จะสามารถนำไปใช้ในโรงงานได้อย่างกว้างขวาง

โอกาส

โอกาสในระยะสั้นอยู่ที่แขนอุตสาหกรรม ซึ่งได้รับการพิสูจน์แล้วและมีศักยภาพในการเติบโตสูง

ความเสี่ยง

ปัญหาความน่าเชื่อถือและต้นทุนการดำเนินงานที่สูง รวมถึงการบำรุงรักษาและการปรับเทียบใหม่ เป็นอุปสรรคสำคัญต่อการยอมรับหุ่นยนต์ฮิวแมนนอยด์อย่างกว้างขวาง

ข่าวที่เกี่ยวข้อง

นี่ไม่ใช่คำแนะนำทางการเงิน โปรดศึกษาข้อมูลด้วยตนเองเสมอ