ขณะที่ทุกคนจ้องแท็กซี่ไร้คนขับในเมือง รถบรรทุกแอบไปถึงเส้นชัยก่อนแล้วบนไฮเวย์

เทรนด์นี้ถูกผลักด้วยแรงสองอย่างที่บังเอิญมาบรรจบกันพอดี อย่างแรกคือ ปัญหาเชิงโครงสร้าง ที่ฝั่งอุปสงค์ และอย่างที่สองคือ ความง่ายเชิงเทคนิค ที่ฝั่งเทคโนโลยี

แรงแรกคือ คนขับรถบรรทุกขาดแคลนเรื้อรัง สมาคมรถบรรทุกอเมริกัน (ATA) ประเมินว่าปี 2024 อเมริกาขาดคนขับราว 60,000 คน และตัวเลขนี้มีแนวโน้มพุ่งไปแตะ 175,000 คนภายในปี 2028 เหตุผลคืออาชีพนี้โหด — ต้องอยู่บนถนนเป็นสัปดาห์ ห่างบ้าน อายุเฉลี่ยคนขับสูงขึ้นเรื่อยๆ และคนรุ่นใหม่ไม่อยากทำ ผลคือ “คนขับ” กลายเป็นทั้งต้นทุนที่แพงที่สุดและของที่หายากที่สุด ในธุรกิจขนส่ง การมีรถที่วิ่งเองได้ 24 ชั่วโมงโดยไม่ต้องพักจึงไม่ใช่แค่ลดต้นทุน แต่แก้ปัญหา “ไม่มีคนจะจ้าง” ตรงๆ

แรงที่สองคือเหตุผลที่ลึกกว่า: ไฮเวย์คืออัตโนมัติที่ง่ายที่สุด ลองนึกภาพความต่างระหว่างขับบนทางด่วนกับขับในตรอกซอกซอยกลางเมือง — บนไฮเวย์รถแค่ต้องอยู่ในเลน รักษาระยะ และเปลี่ยนเลนเป็นครั้งคราว ไม่มีคนเดินถนน ไม่มีสี่แยกวุ่นวาย ไม่มีจักรยานตัดหน้า ไม่มีไฟแดง แถมเส้นทางยังซ้ำเดิมทุกวันจนทำแผนที่ละเอียดไว้ล่วงหน้าได้ ขณะที่แท็กซี่ในเมืองต้องเดาว่าคนริมถนนจะก้าวลงมาข้ามไหม ต้องอ่านตำรวจโบกมือ ต้องรับมือเหตุประหลาดนับไม่ถ้วน — นี่คือเหตุผลที่ทำให้สนามรถบรรทุกมาถึง “วิ่งจริง รับเงินจริง” ได้ก่อน

และของรางวัลก็ใหญ่มาก ตลาดขนส่งด้วยรถบรรทุกในอเมริกามีมูลค่ากว่า $530,000 ล้านต่อปี นักวิเคราะห์ประเมินว่า autonomy จะลดต้นทุนขนส่งทางไกลได้ราว 30% คิดเป็นเงินที่ประหยัดได้ถึงระดับ $168,000 ล้านต่อปี — นี่คือเหตุผลที่เงินลงทุนหลายพันล้านไหลเข้าสนามนี้แม้รู้ว่าทางยังยาว

กุญแจที่ทำให้รถบรรทุกไร้คนขับ “ใช้ได้จริง” ทั้งที่ autonomy เต็มรูปแบบยังยาก คือไอเดียฉลาดๆ ที่เรียกว่า โมเดล hub-to-hub (ศูนย์ถึงศูนย์) — แทนที่จะให้รถขับเองตั้งแต่หน้าโกดังต้นทางไปจนถึงประตูปลายทาง (ซึ่งต้องผ่านถนนในเมืองที่ยาก) เราแบ่งงานให้คนกับเครื่องทำในส่วนที่แต่ละฝ่ายเก่ง

กลไกคือ: คนขับมนุษย์ขับรถช่วงต้นจากโกดังในเมืองมาที่ “ศูนย์ถ่ายสินค้า” (transfer hub) ริมไฮเวย์ ตรงนั้นรถจะถูกสลับเป็นโหมดไร้คนขับ แล้ววิ่งเองทางไกลบนทางหลวงไปยังศูนย์ถ่ายสินค้าอีกแห่งใกล้เมืองปลายทาง จากนั้นคนขับอีกคนรับช่วงเข้าเมือง ผลคือ ระบบ AI เจอแต่ฉากที่ง่าย — ไฮเวย์ล้วน — ส่วนงานยากในเมืองยังเป็นของคน นี่คือเหตุผลที่โมเดลนี้ “ปล่อยวิ่งจริง” ได้ก่อนที่ autonomy จะเพอร์เฟกต์

ส่วน หุ่นยนต์ส่งของช่วงสุดท้าย ใช้ตรรกะเดียวกันแต่กลับด้าน — มันรับเฉพาะช่วงสั้นๆ ระยะไม่กี่กิโลเมตรรอบศูนย์กระจายสินค้า วิ่งช้าๆ บนทางเท้าด้วยความเร็วระดับคนเดิน ถ้าเจอสถานการณ์งงๆ ก็แค่หยุดรอ หรือให้คนควบคุมจากระยะไกลเข้ามาช่วย ความเสี่ยงต่ำเพราะมันเล็กและช้า — พลาดก็แค่พิซซ่าเย็น ไม่ใช่ชนคน

การขนของไร้คนขับใช้ “สมอง” ชุดเดียวกับแท็กซี่ไร้คนขับ แต่เอาไปใช้คนละโจทย์ มันจึงร้อยเข้ากับเทรนด์อื่นอย่างลึกซึ้ง:

• แชร์เทคโนโลยีกับ Robotaxi แต่เคสใช้งานต่าง: ทั้งคู่ต้องการ perception (รับรู้สิ่งรอบตัว) และ planning (วางเส้นทาง) เหมือนกัน เซนเซอร์และอัลกอริทึมก็คล้ายกัน แต่รถบรรทุกปรับจูนให้เก่งเรื่อง “มองไกลบนไฮเวย์ + เบรกระยะยาวของรถหนัก” ส่วนแท็กซี่เน้น “รับมือความวุ่นวายของเมือง” — เทคโนโลยีฐานเดียวกัน แต่ความถนัดถูกออกแบบมาคนละทาง
• พึ่ง AI เป็นสมอง: ความสามารถในการ “ทายอนาคต” ว่ารถคันข้างหน้าจะเบรกไหม มาจากโมเดล AI ที่ฝึกจากการขับนับล้านไมล์ — ไม่มี AI ก็ไม่มีคนขับ
• กิน LiDAR และ เซมิคอนดักเตอร์: รถบรรทุกไร้คนขับต้องการ LiDAR ที่ “มองไกล” กว่าแท็กซี่ (เพราะวิ่งเร็วและรถหนักเบรกช้า ต้องเห็นล่วงหน้าหลายร้อยเมตร) บวกชิปประมวลผลพลังสูงที่ต้องคิดเรียลไทม์ — ทุกคันคือคอมพิวเตอร์เคลื่อนที่
• แก้โจทย์ Aging Population: เมื่อกำลังแรงงานสูงวัยขึ้นและคนรุ่นใหม่ไม่อยากเป็นคนขับรถบรรทุก autonomy คือทางออกของ “งานที่ไม่มีคนอยากทำ” โดยตรง — เป็นแรงผลักเชิงประชากรศาสตร์ที่หนุนเทรนด์นี้

สถานะปี 2025–2026 สรุปได้ในประโยคเดียว: “มันเริ่มขึ้นจริงแล้ว — และคนที่รอด คือคนที่เลือกโจทย์ง่ายและมีเงินพอจะอยู่ถึงเส้นชัย”

หมุดหมายที่ใหญ่ที่สุดเป็นของ Aurora Innovation ในเดือนพฤษภาคม 2025 มันเปิดบริการขนส่งสินค้าด้วยรถบรรทุกหนักไร้คนขับเชิงพาณิชย์เส้นทาง Dallas–Houston เป็นเจ้าแรกของโลก — เบาะคนขับว่างเปล่าจริงๆ จากนั้นก็ขยายเร็วมาก: เพิ่มการวิ่ง กลางคืน (ทำให้ใช้รถได้เต็ม 24 ชม.) เปิดเส้นทางไป Phoenix และ El Paso–Fort Worth จนเป็น 10 เส้นทาง ทำระยะไร้คนขับสะสมแบบ ปลอดอุบัติเหตุกว่า 250,000 ไมล์ และตั้งเป้าจบปี 2026 ด้วยรถบรรทุกไร้คนขับ 200+ คัน ก่อนเข้าสู่ “การสเกลแบบอุตสาหกรรม” ในปี 2027

คู่แข่งสำคัญคือ Kodiak AI ที่เข้าตลาดหุ้นผ่านการควบรวมกับ SPAC (Ares Acquisition Corp II) ในเดือนกันยายน 2025 ที่มูลค่าราว $2,500 ล้าน Kodiak เลือกกลยุทธ์ต่าง — แทนที่จะวิ่งไฮเวย์สาธารณะ มันเริ่มจาก เส้นทางในพื้นที่อุตสาหกรรมปิด เช่นขนทรายในแหล่งขุดน้ำมัน Permian Basin ให้ Atlas Energy (สั่งรถไร้คนขับไปแล้ว 100 คัน วิ่งทั้งวันทั้งคืน) สะสมระยะขับเองกว่า 3 ล้านไมล์ และส่งของให้ลูกค้าใหญ่อย่าง Maersk, IKEA, J.B. Hunt

อีกฝั่งของ node คือ หุ่นยนต์ส่งของช่วงสุดท้าย ที่โตเงียบๆ แต่เร็ว Serve Robotics (หนุนหลังโดย Nvidia และ Uber) ขยายฝูงหุ่นยนต์ทางเท้าทะลุ 2,000 ตัว ภายในสิ้นปี 2025 ใน 20 เมือง ทำการส่งสำเร็จกว่า 100,000 เที่ยว ด้วยอัตราส่งสำเร็จ 99.8% บนแพลตฟอร์มอย่าง Uber Eats และ DoorDash ส่วนผู้เล่นรายใหญ่ที่ยังเป็นบริษัทเอกชน เช่น Waabi (รถบรรทุก เน้นฝึกด้วยซิมูเลชัน), Gatik (เจ้าตลาด middle-mile ส่งให้ Walmart/Tyson) และ Nuro (รถส่งของไร้คนขับ) ก็เป็นกำลังหลักของสนามนี้

ภาพประกอบ (lastmile.webp)

ทิศทางแรกคือ การขยายเส้นทางทีละเส้น เพราะรถบรรทุกไร้คนขับไม่ได้เปิดสวิตช์แล้ววิ่งได้ทั้งประเทศ มันต้อง “ตรวจรับ” (validate) ทีละเส้นทาง — ทำแผนที่ ทดสอบ ปรับจูนให้เข้ากับสภาพถนนและกฎหมายของแต่ละรัฐ ดังนั้นในระยะ 3–5 ปีข้างหน้า เราจะเห็น autonomy แผ่ขยายจากแถบ Sun Belt (เท็กซัส–แอริโซนา ที่อากาศดี ฝนน้อย กฎเอื้อ) ออกไปทีละเส้นทาง ไม่ใช่ปูพรมพร้อมกัน — และ “จำนวนเส้นทางที่เปิดได้จริงต่อปี” คือมาตรวัดความคืบหน้าที่ดีที่สุด

ทิศทางที่สองคือ สงครามต้นทุนต่อไมล์ เป้าหมายที่แท้จริงไม่ใช่แค่ “วิ่งเองได้” แต่ “วิ่งเองได้ในราคาที่ถูกกว่าจ้างคน” รถไร้คนขับวิ่งได้ทั้งวันทั้งคืนโดยไม่ต้องพักตามกฎชั่วโมงทำงานของคนขับ ทำให้ใช้รถได้คุ้มขึ้นเท่าตัว ขณะที่ราคา LiDAR และชิปก็ถูกลงทุกปี ใครก็ตามที่ดัน “ต้นทุนต่อไมล์” ลงต่ำกว่าค่าจ้างคนขับได้จริง และ กว้างพอ — คนนั้นชนะ และนี่คือเหตุผลที่ Aurora เร่งทำรถรุ่นสองที่ออกแบบมาเพื่อ “ผลิตจำนวนมาก” โดยเฉพาะ

ทิศทางที่สามคือ middle-mile และ last-mile จะมาก่อน “ขนคน” งานขนของซ้ำเส้นเดิมระหว่างคลังสินค้า (เช่นที่ Gatik ทำให้ Walmart) และหุ่นยนต์ส่งของบนทางเท้า เป็นโจทย์ที่ “แคบและคุมได้” กว่า — ตลาดหุ่นยนต์ส่งของช่วงสุดท้ายเองก็คาดว่าจะโตหลายเท่าตัวภายในปี 2030 การขนของไร้คนขับจึงมีโอกาสกลายเป็น killer app แรกของ autonomy ก่อนที่แท็กซี่ในเมืองจะทำกำไรได้กว้างจริง

เทรนด์นี้ “เริ่มจริงแล้ว” แต่เส้นทางข้างหน้าเต็มไปด้วยหลุมพราง และประวัติศาสตร์เพิ่งสอนบทเรียนราคาแพงไปหมาดๆ

ภาพประกอบ (graveyard.webp)

ความเสี่ยงข้อแรกคือ “ซาก SPAC” — เงินหมดก่อนถึงเส้นชัย สนามนี้เป็น “หลุมเผาเงิน” ที่โหดมาก TuSimple เคยเป็นดาวเด่นแต่จบลงด้วยการถอนตัวจากอเมริกาท่ามกลางข้อพิพาทเรื่องการโอนทรัพย์สินไปจีน ปลดพนักงานในสหรัฐฯ ราว 75% ส่วน Embark เข้าตลาดผ่าน SPAC ที่มูลค่าเป้าหมายราว $5,000 ล้าน แล้วล่มสลายภายใน 16 เดือน สุดท้ายถูกขายทิ้งในราคาเพียง $71 ล้าน บทเรียนคือ — บริษัทเหล่านี้ส่วนใหญ่ ไม่ได้ตายเพราะเทคโนโลยีไม่เวิร์ก แต่ตายเพราะเงินหมดก่อน autonomy ต้องใช้ทุนมหาศาลและใช้เวลานานกว่าที่ตลาดทุนจะอดทนไหว

ความเสี่ยงข้อสองคือ กฎหมาย ความปลอดภัย และความรับผิด (liability) รถบรรทุก 18 ล้อหนักหลายสิบตันที่วิ่งเร็วบนไฮเวย์ ถ้าพลาดขึ้นมา ความเสียหายมหาศาลกว่ารถยนต์ทั่วไปมาก แล้วถ้ารถไร้คนขับชนคน — ใครผิด? บริษัทซอฟต์แวร์ เจ้าของรถ หรือผู้ผลิต? กรอบกฎหมายยังไม่ลงตัว และกฎเรื่องรถไร้คนขับยัง ต่างกันในแต่ละรัฐ ทำให้ขยายข้ามรัฐยุ่งยาก อุบัติเหตุเด่นๆ ครั้งเดียวก็อาจทำให้หน่วยงานกำกับสั่งหยุดทั้งวงการได้

ความเสี่ยงข้อสามคือ การพิสูจน์เศรษฐศาสตร์ในวงกว้าง ตอนนี้รถวิ่งจริงแค่หลักสิบถึงร้อยคันบนเส้นทางที่คัดมาแล้วว่าง่าย คำถามที่ยังไม่มีคำตอบคือ มันจะ สเกลจากหลักร้อยเป็นหลักหมื่นคัน โดยที่ต้นทุนต่อคันลดลงและยังปลอดภัยได้จริงไหม — การไต่จาก “วิ่งได้บนเส้นทางที่เลือกแล้ว” ไป “วิ่งได้ทุกที่อย่างคุ้มทุน” คือช่วงที่ยากและกินเงินที่สุด เหมือนที่เพื่อนบ้าน robotaxi ก็เจอ

สรุปสั้นๆ: node นี้คือเรื่องของการเอา “สมองที่ขับรถ” ไปวางบนโจทย์ที่ง่ายที่สุดของวงการ — ไฮเวย์ทางไกลและทางเท้าระยะสั้น — แล้วใช้โมเดล hub-to-hub แบ่งงานให้คนกับเครื่องทำในส่วนที่ถนัด ปี 2025–2026 พิสูจน์แล้วว่ามัน วิ่งจริง รับเงินจริง (Aurora, Kodiak, Serve) แต่ก็ยัง เผาเงินจริงและล้มได้จริง (TuSimple, Embark) เข้าใจ node นี้ คือเข้าใจว่าทำไม “รถที่ไม่มีคนขับ” คันแรกที่จะเปลี่ยนเศรษฐกิจ อาจไม่ใช่แท็กซี่ที่คุณนั่ง แต่เป็นรถบรรทุกที่คุณไม่เคยเห็น