ที่งาน XPENG AI Day เมื่อเดือนพฤศจิกายนปีที่แล้ว ผมได้เปิดตัวกรอบงาน Physical AI แบบครบวงจร (full-stack) ของเรา โดยมีเป้าหมายที่จะนำแอปพลิเคชัน Physical AI ต่างๆ เช่น Robotaxis, หุ่นยนต์ฮิวแมนนอยด์ และรถบินได้ เข้าสู่การผลิตจำนวนมากภายในปี 2026
ตอนนี้ ในช่วงกลางปีนี้ เรากำลังมองไปที่กุญแจสำคัญที่แท้จริงในการขยายขนาดของ Physical AI
Physical AI คืออะไร
ก่อนอื่น Physical AI คืออะไร? คุณอาจจะได้ยินคำว่า 'embodied AI' บ่อยๆ เช่นกัน อันที่จริงแล้ว Physical AI ครอบคลุมขอบเขตที่ใหญ่กว่า embodied AI
การผสานความสามารถ AI ของโลกดิจิทัลเข้ากับฮาร์ดแวร์ทางกายภาพ เช่น ยานยนต์ไร้คนขับและหุ่นยนต์ จะก่อให้เกิด 'Physical AI' ตัวอย่างเช่น หุ่นยนต์จะค่อยๆ ได้รับความสามารถในการทำความเข้าใจ โต้ตอบ และปรับเปลี่ยนโลก ซึ่งท้ายที่สุดจะก่อให้เกิดการเปลี่ยนแปลงครั้งใหญ่ในด้านผลิตภาพและความสัมพันธ์ทางการผลิต
Physical AI ประกอบด้วยองค์ประกอบหลักสี่ประการ
เพื่อขยายขนาด Physical AI เราจำเป็นต้องแยกย่อยองค์ประกอบหลักของมัน ในมุมมองของผม Physical AI ประกอบด้วยองค์ประกอบหลักสี่ประการ ได้แก่ โมเดล พลังประมวลผล ข้อมูล และสิ่งห่อหุ้มทางกายภาพ (physical embodiments)
รากฐานของโลก Physical AI คือระบบปฏิบัติการ และโมเดลคือระบบปฏิบัติการนั้น ในขณะเดียวกัน โมเดลขนาดใหญ่ (large model) สามารถมองได้ว่าเป็นเครื่องยนต์ ข้อมูลคือเชื้อเพลิงที่ขับเคลื่อนวิวัฒนาการของมัน และขนาดและประสิทธิภาพของการประยุกต์ใช้ข้อมูลจะเป็นตัวกำหนดความสามารถของโมเดล
โมเดล พลังประมวลผล และข้อมูล เป็นองค์ประกอบที่อยู่ในอาณาจักรดิจิทัลซึ่งเป็นไปตามกฎการปรับขนาด (Scaling Laws) ในพื้นที่เสมือน หมายความว่าประสิทธิภาพของโมเดลจะดีขึ้นอย่างต่อเนื่องเมื่อพารามิเตอร์ของโมเดล พลังประมวลผล และปริมาณชุดข้อมูลขยายตัว
ในทางตรงกันข้าม สิ่งห่อหุ้มทางกายภาพอยู่ในโลกทางกายภาพ พวกมันหมายถึงระบบที่จับต้องได้ซึ่งขับเคลื่อนโดย AI เช่น ยานพาหนะและหุ่นยนต์ฮิวแมนนอยด์ ซึ่งความสามารถของพวกมันถูกจำกัดโดยกฎทางกายภาพที่ควบคุมการผลิต
องค์ประกอบทั้งสี่นี้ร่วมกันสร้างกระดูกสันหลังพื้นฐานของระบบขับเคลื่อนอัตโนมัติและแม้กระทั่งปัญญาประดิษฐ์ทั่วไป (AGI) การนำ Physical AI ไปใช้ในโลกแห่งความเป็นจริงสามารถทำได้ผ่านความก้าวหน้าพร้อมกันทั้งในองค์ประกอบดิจิทัลและกายภาพเท่านั้น
การผลิตจำนวนมาก: Physical AI กับ Digital AI
ไม่ต้องสงสัยเลยว่าการผลิต Physical AI จำนวนมากนั้นท้าทายกว่า Digital AI อย่างมาก แต่เหนือกว่าข้อจำกัดด้านซอฟต์แวร์แล้ว ยังมีปัจจัยอื่นๆ อีกหรือไม่?
- ความหนาแน่นของข้อมูล: Digital AI จัดการกับกระแสข้อมูลที่มีความหนาแน่นต่ำ Physical AI จัดการกับกระแสข้อมูลที่มีความหนาแน่นสูงกว่ามาก ดังนั้น การเปลี่ยนผ่านจาก Digital AI สู่ Physical AI จึงเป็นการเปลี่ยนแปลงจากกระแสข้อมูลความหนาแน่นต่ำไปสู่กระแสข้อมูลความหนาแน่นสูง รวมถึงเป็นการก้าวออกจากโดเมนดิจิทัลเข้าสู่กาลอวกาศทางกายภาพ
- ขอบเขตความสามารถ: ขีดจำกัดสูงสุดของ Digital AI อยู่ที่ประสิทธิภาพของข้อมูลที่สูงขึ้น โดยมีลักษณะทนทานต่อข้อผิดพลาด (fault tolerance) ที่ขีดจำกัดล่าง และการนำไปประยุกต์ใช้ที่สามารถถ่ายโอนได้สูง ในทางกลับกัน ขีดจำกัดสูงสุดของ Physical AI คือพลังในการปรับเปลี่ยนโลกทางกายภาพ ในขณะที่ขีดจำกัดล่างกำหนดมาตรฐานความปลอดภัยที่เข้มงวดโดยไม่ยอมให้เกิดข้อผิดพลาด และการนำไปประยุกต์ใช้ยังคงเฉพาะเจาะจงกับแต่ละกรณีอย่างลึกซึ้ง ที่สำคัญ Digital AI เป็นสากลและถ่ายโอนได้ง่าย แต่ Physical AI ผูกติดอยู่กับสถานการณ์เฉพาะอย่างมาก
- อุปสรรคด้านฮาร์ดแวร์: ในขณะที่ CPU, GPU และคลัสเตอร์เซิร์ฟเวอร์เป็นอุปสรรคด้านฮาร์ดแวร์หลักสำหรับ Digital AI แต่อุปสรรคด้านฮาร์ดแวร์ของ Physical AI ครอบคลุมมิติที่กว้างกว่ามาก รวมถึงประสิทธิภาพพื้นฐาน ต้นทุน ความน่าเชื่อถือ กำลังการผลิต และความสามารถในการผลิตจำนวนมากของฮาร์ดแวร์ฝั่งเอดจ์ (edge-side)
- กฎหมายและข้อบังคับ: กฎระเบียบ Digital AI มุ่งเน้นไปที่การจัดการทางอ้อม ซึ่งเกี่ยวข้องกับความเป็นส่วนตัวของข้อมูล ลิขสิทธิ์ และจริยธรรม ในทางตรงกันข้าม Physical AI เผชิญกับข้อจำกัดในการปฏิบัติงานโดยตรงและเข้มงวดจากนโยบายและกฎระเบียบ ตัวอย่างเช่น Robotaxis ต้องได้รับใบอนุญาตทดสอบบนถนนและการรับรองความปลอดภัยที่เข้มงวด
- การยอมรับของสาธารณชน: Digital AI มีลักษณะเด่นในฐานะเครื่องมือและได้รับการยอมรับจากสาธารณชนได้ง่าย Physical AI กลับเกี่ยวข้องกับข้อกังวลด้านความปลอดภัยและความน่าเชื่อถือ และต้องใช้รอบระยะเวลาที่ยาวนานกว่ามากในการสร้างความไว้วางใจจากสาธารณชน
นี่คือเหตุผลที่การแข่งขันเพื่อขยายขนาด Physical AI เป็นของบริษัทที่มีความสามารถในการบูรณาการข้ามโดเมนและการพัฒนาด้วยตนเอง ไม่ใช่แค่บริษัทที่มุ่งเน้นเฉพาะโมเดลหรือฮาร์ดแวร์เท่านั้น
