เมื่อ “คนขับ” กลายเป็นซอฟต์แวร์ และนั่งอยู่บนหลังคารถ

ในบรรดาหุ่นยนต์ทั้งหมด รถขับเองคือตัวที่ “พลาดไม่ได้” ที่สุด หุ่นยนต์ในโรงงานพังก็แค่หยุดสายการผลิต หุ่นดูดฝุ่นเดินชนโซฟาก็ไม่มีใครเจ็บ แต่รถสองตันที่วิ่ง 100 กม./ชม. ปนกับคนเป็นล้านบนถนน หากตัดสินใจผิดแม้เสี้ยววินาทีเดียว = ชีวิตคน นี่คือเหตุผลที่มันยากกว่าหุ่นยนต์ชนิดอื่นมหาศาล และเป็นเหตุผลที่เงินมหาศาลไหลเข้ามา — เพราะของรางวัลก็ใหญ่พอกัน

ขนาดของรางวัลคือทั้งอุตสาหกรรมขนส่งคนและของของโลก ค่าใช้จ่ายที่ใหญ่ที่สุดของบริการเรียกรถวันนี้คือ “คนขับ” — ถ้าตัดออกได้ ต้นทุนต่อเที่ยวก็เปลี่ยนไปทั้งกระดาน นักวิเคราะห์จึงประเมินตลาด robotaxi ไว้สูงลิ่ว แม้ตัวเลขจะเหวี่ยงมากตามสมมติฐาน — Goldman Sachs มองตลาดโลกแตะราว $415,000 ล้านภายในปี 2035 ส่วนสำนักอื่นให้ตั้งแต่ ~$100,000 ล้านไปจนเกิน $400,000 ล้าน ความต่างมหาศาลนี้เองคือเครื่องเตือนว่า “ไม่มีใครรู้แน่ว่ามันจะมาเร็วแค่ไหน”

แต่สิ่งที่ทำให้เดิมพันนี้ “จริง” ขึ้นมา ไม่ใช่ขนาดตลาด — แต่คือ ข้อมูลความปลอดภัย งานวิจัยของ Waymo ที่ตีพิมพ์ในปี 2025 (ผ่านการทบทวนทางวิชาการ) วิเคราะห์ระยะทางขับเองโดยไม่มีคนในรถถึง 56.7 ล้านไมล์ พบว่าอุบัติเหตุที่มีคนบาดเจ็บ น้อยลง 70–90% เทียบกับคนขับมนุษย์ในถนน/พื้นที่เดียวกัน และอุบัติเหตุที่สี่แยกแบบรถชนรถลดลงถึง 96% — นี่คือหลักฐานชิ้นแรกๆ ในระดับสถิติที่บอกว่ารถขับเอง (อย่างน้อยของ Waymo) ปลอดภัยกว่า คนขับจริง ไม่ใช่แค่คำโฆษณา

หัวใจของรถขับเองคือ “วงจรคิด” ที่หมุนซ้ำหลายสิบครั้งต่อวินาที แบ่งเป็น 4 ขั้นที่ต่อกันเป็นสายพาน เหมือนสมองคนที่ทำทุกขั้นนี้ตอนขับรถโดยไม่รู้ตัว — รถแค่ต้องทำมันให้เร็วและแม่นกว่า โดยไม่มีวันเผลอ ไม่ง่วง ไม่เล่นมือถือ

ขั้นที่ยากที่สุดคือ “ทายอนาคต” (prediction) เพราะมันไม่ใช่แค่เห็นว่ามีคนยืนริมถนน แต่ต้องเดาให้ออกว่า คนนั้นกำลังจะก้าวลงมาข้าม หรือแค่ยืนรอเพื่อน มนุษย์เดาเรื่องนี้เก่งมากจากสัญชาตญาณและบริบท ส่วนรถต้องเรียนรู้จากข้อมูลมหาศาล นี่คือจุดที่เทรนด์นี้ พึ่ง ปัญญาประดิษฐ์ (AI) โดยตรง — โมเดล AI ที่ฝึกจากการขับนับร้อยล้านไมล์คือสิ่งที่ทำให้การทำนายแม่นพอจะปล่อยรถวิ่งได้จริง

สองยักษ์ที่นำเทรนด์นี้ เดิมพันคนละทาง อย่างสุดขั้ว และความต่างนี้แหละคือเรื่องที่ลึกและสำคัญที่สุดของทั้ง node — เพราะใครถูก จะกำหนดว่ารถขับเองจะ “แพงแต่ปลอดภัย” หรือ “ถูกและขยายเร็ว”

ภาพประกอบ (split.png)

ฝั่ง Waymo (ของ Alphabet) เลือกทาง “เซนเซอร์แน่น” ติดทั้ง LiDAR เรดาร์ และกล้องรอบคัน แล้วขับเฉพาะในเมืองที่ทำ แผนที่ HD ละเอียดระดับเซนติเมตร ไว้ก่อนแล้ว แนวคิดคือ “รู้ทุกอย่างให้มากที่สุด ระวังให้สุด ค่อยๆ ขยายทีละเมือง” ข้อเสียคือ แพง และการต้องทำแผนที่ก่อนทำให้ขยายเมืองช้า แต่ผลคือ — มันทำงานได้จริง ปลอดภัยจริง และรับเงินผู้โดยสารจริงแล้ว (ตัวเลขต้นทุนต่อคันและเศรษฐศาสตร์ฝั่งผู้ให้บริการ เจาะลึกในบทลูก → robotaxi)

ฝั่ง Tesla เลือกทาง “กล้องล้วน” (vision-only) ตัด LiDAR และแผนที่ HD ทิ้ง ใช้แค่กล้อง 8 ตัวรอบรถ + AI ล้วนๆ เหตุผลคือ “คนขับได้ด้วยตาสองข้าง รถก็ควรขับได้ด้วยกล้อง” ข้อได้เปรียบมหาศาลคือ ต้นทุนต่อคันถูกกว่ามาก และรถ Tesla ที่ขายไปแล้วหลายล้านคันทั่วโลกกลายเป็น “กองทัพเก็บข้อมูล” ให้ AI เรียนรู้ — ถ้าวิธีนี้เวิร์ก Tesla จะสเกลได้เร็วและถูกกว่าใคร แต่นั่นคือ “ถ้า” ตัวใหญ่ เพราะการขับเองด้วยกล้องล้วนยากกว่าในเชิงเทคนิค โดยเฉพาะการตีระยะและการมองในสภาพแสงน้อย

สถานะปี 2026 บอกอะไรได้บ้าง? Waymo นำในเรื่อง “ของจริงที่วิ่งอยู่” อย่างชัดเจน ส่วน Tesla ก็ไล่ตามเร็ว — จากที่ช่วงแรกยังมีเจ้าหน้าที่ความปลอดภัยนั่งเฝ้า มาถึงเดือนมิถุนายน 2026 ก็ขยายครอบคลุมทั้ง Austin metro แบบ ไม่มีคนเฝ้าในรถ (unsupervised) — เร็วและถูกในแง่ฮาร์ดแวร์ แม้ยังต้องพิสูจน์ความปลอดภัยในวงกว้างต่อไป (ไทม์ไลน์การเปิดตัวและการถอดคนเฝ้าแบบละเอียด เจาะลึกในบทลูก → robotaxi)

รถขับเองเป็น “สาขาเรือธง” ของ Robotics & Physical AI — มันคือหุ่นยนต์ที่ออกจากโรงงานมาอยู่ในโลกจริงเต็มตัวที่สุด และมันร้อยเข้ากับเทรนด์อื่นอย่างลึกซึ้ง:

• พึ่ง AI เป็นสมอง: ความสามารถในการ “ทายอนาคต” และตัดสินใจ มาจากโมเดล AI ที่ฝึกบนการขับนับร้อยล้านไมล์ — ไม่มี AI ก็ไม่มีคนขับ
• เป็นพี่น้องกับ Robotics AI & Embodiment: “สมองที่ควบคุมร่างกายให้เคลื่อนในโลกจริง” เป็นโจทย์เดียวกับหุ่นยนต์ฮิวแมนนอยด์ บทเรียนจากรถขับเองไหลไปสู่หุ่นยนต์ตัวอื่น และกลับกัน
• ใช้ฮาร์ดแวร์เดียวกับรถยุคใหม่จาก Electrification & Mobility: รถขับเองส่วนใหญ่เป็นรถไฟฟ้า (มอเตอร์ไฟฟ้าควบคุมด้วยซอฟต์แวร์ได้แม่นกว่าเครื่องยนต์) สองเทรนด์นี้ เสริมกัน แต่เป็นคนละชั้น: เทรนด์โน้นคือ “รถวิ่งด้วยอะไร” เทรนด์นี้คือ “ใครขับ”
• กิน เซมิคอนดักเตอร์ มหาศาล: การประมวลผลภาพและ AI แบบเรียลไทม์ในรถต้องใช้ชิปประมวลผลพลังสูง — ทุกคันคือคอมพิวเตอร์เคลื่อนที่

ความจริงปี 2025–2026 มีสองหน้าในประโยคเดียว: “มันเกิดขึ้นจริงแล้ว — แต่ยากและแพงกว่าที่ทุกคนคิด”

หน้าแรกคือ Waymo ที่กลายเป็นของจริง จำนวนเที่ยวที่มีคนจ่ายเงินจริงพุ่งจากราว 10,000 เที่ยว/สัปดาห์ ใน 10 เมือง มาทะลุ 500,000 เที่ยว/สัปดาห์ (มีนาคม 2026) — โตหลายสิบเท่าในไม่ถึงสองปี และตั้งเป้าแตะ 1 ล้านเที่ยว/สัปดาห์ภายในสิ้นปี 2026 พร้อมขยายจากฟีนิกซ์/ซานฟรานซิสโกไปอีกหลายเมืองในแถบ Sun Belt และเตรียมทดสอบไกลถึงโตเกียวและลอนดอน

หน้าที่สองคือ Cruise ที่ล่มสลาย หลัง GM ทุ่มไปกว่า $10,000 ล้าน ก็ตัดสินใจเลิกทำธุรกิจ robotaxi ปลายปี 2024 ชนวนคือเหตุรถ Cruise ลากคนเดินถนนที่ถูกอีกคันชนเข้ามาใต้ท้องรถไปกว่า 6 เมตรในซานฟรานซิสโก (ตุลาคม 2023) ตามด้วยการรายงานข้อมูลไม่ครบต่อหน่วยงานกำกับ จนถูกพักใบอนุญาตและจบเกม — บทเรียนราคาแพงที่สุดของเทรนด์นี้ว่า “เงินมหาศาลไม่การันตีความสำเร็จ และความผิดพลาดด้านความปลอดภัย/ความเชื่อใจครั้งเดียวก็จบได้”

ภาพประกอบ (highway.png)

ส่วนสนาม รถบรรทุกไร้คนขับ ก็มาแรงเงียบๆ Aurora เปิดบริการขนส่งสินค้าด้วยรถบรรทุกหนักไร้คนขับเชิงพาณิชย์เส้นทาง Dallas–Houston ตั้งแต่พฤษภาคม 2025 (เจ้าแรกของโลก) ขยายเป็น 10 เส้นทางข้ามเท็กซัส–นิวเม็กซิโก–แอริโซนา ทำระยะทางไร้คนขับ ปลอดอุบัติเหตุกว่า 250,000 ไมล์ และตั้งเป้ามีรถบรรทุกไร้คนขับ 200+ คัน ภายในสิ้นปี 2026 — ตอกย้ำว่าไฮเวย์ที่ตรงและคาดเดาได้ อาจเป็นด่านที่ autonomy ทำเงินได้ก่อนถนนในเมือง

และอย่ามองข้าม จีน — Baidu Apollo Go ทำเที่ยวขับเองล้วนสะสมทะลุ 17 ล้านเที่ยว ใน 22 เมือง โดยมี Wuhan เป็นฐานใหญ่ที่สุด (รถไร้คนขับกว่า 1,000 คัน) แต่จีนก็เพิ่งเจอบทเรียนจริงเช่นกัน เมื่อรถ Apollo Go กว่า 100 คันค้างกลางถนนพร้อมกันจาก “ความผิดพลาดของระบบ” ใน Wuhan (เมษายน 2026) — เครื่องเตือนว่าแม้สเกลใหญ่แล้ว เทคโนโลยีก็ยังเปราะ

ทิศทางแรกคือ การแข่ง “ทีละเมือง” เพราะรถขับเองไม่ได้เปิดสวิตช์แล้วใช้ได้ทั้งประเทศ มันต้องพิสูจน์ตัวทีละเมือง ทำแผนที่ ปรับให้เข้ากับสภาพถนน/กฎหมายท้องถิ่น ดังนั้นในระยะ 3–5 ปีข้างหน้า เราจะเห็น robotaxi เป็น “หย่อมๆ” ในเมืองที่เปิดแล้ว ไม่ใช่ปูพรมพร้อมกัน — และจำนวนเมืองที่เปิดได้จริงต่อปี คือมาตรวัดความคืบหน้าที่ดีที่สุด

ทิศทางที่สองคือ รถบรรทุกอาจถึงเส้นชัยก่อน เพราะไฮเวย์เป็นโจทย์ที่ “แคบและซ้ำ” กว่า — ไม่มีคนเดินถนน ไม่มีสี่แยกวุ่นวาย เส้นทางเดิมซ้ำๆ ทำให้ autonomy ทำเงินบนทางหลวงได้ง่ายกว่าในเมือง การที่ Aurora เริ่มวิ่งจริงเชิงพาณิชย์แล้วเป็นสัญญาณว่า “การขนของ” อาจกลายเป็น killer app แรกของ autonomy ก่อน “การขนคน”

ทิศทางที่สามคือ สงครามต้นทุน กุญแจสู่กำไรไม่ใช่แค่ “ขับเองได้” แต่ “ขับเองได้ในราคาที่คุ้ม” ราคา LiDAR ที่เคยแพงระดับหลายหมื่นดอลลาร์ ตอนนี้ลงมาเหลือราว $1,000 ต่อชุดและยังถูกลงทุกปี ขณะที่ Tesla เดิมพันว่ากล้องล้วนจะถูกกว่าตั้งแต่ต้น ใครก็ตามที่ทำให้ “ต้นทุนต่อไมล์” ต่ำกว่าค่าจ้างคนขับได้จริงและกว้างพอ คนนั้นชนะ

รถขับเองเป็นเทรนด์ที่ “อยู่ใกล้เส้นชัยแต่เส้นชัยยังเลื่อนได้” เพราะความเสี่ยงของมันฝังอยู่ในธรรมชาติของการแบกชีวิตคน

ภาพประกอบ (longtail.png)

ความเสี่ยงข้อแรกคือ “หางยาวของเหตุการณ์ประหลาด” (long-tail edge cases) รถขับการขับ 99% ที่เป็นกิจวัตรได้สบาย แต่ 1% สุดท้าย — เด็กวิ่งตัดหน้า ของหล่นกลางถนน ตำรวจโบกมือสวนสัญญาณไฟ น้ำท่วมขัง คนแต่งชุดแปลกๆ — คือสิ่งที่นานๆ เกิดทีแต่มีได้ ไม่รู้จบ และพลาดแค่ครั้งเดียวก็เป็นข่าวหน้าหนึ่ง การไต่จาก “เกือบดี” ไป “ดีพอจะไว้ใจ” ในช่วง 1% นี้แหละที่กินเวลาและเงินมหาศาล

ความเสี่ยงข้อสองคือ กฎหมาย ความเชื่อใจ และความรับผิด (liability) ถ้ารถขับเองชนคน — ใครผิด? บริษัทซอฟต์แวร์ เจ้าของรถ หรือผู้ผลิต? กรอบกฎหมายเรื่องนี้ยังไม่ลงตัวในเกือบทุกประเทศ และอย่างที่ Cruise สอนไว้ ความเชื่อใจของสาธารณะเปราะบางมาก — อุบัติเหตุเด่นๆ ครั้งเดียวกับการจัดการที่แย่ ก็ทำให้หน่วยงานกำกับสั่งหยุดทั้งบริษัทได้

ความเสี่ยงข้อสามคือ เศรษฐศาสตร์ต่อหน่วย (unit economics) ที่ยังพิสูจน์ไม่เต็มที่ รถ $150,000+ ต่อคัน บวกค่าทำแผนที่ ค่าทีมเฝ้าระยะไกล ค่าประกัน — กว่าจะคุ้มต้องวิ่งเยอะและนานมาก Cruise คือหลักฐานว่าเผาเงินได้เป็นหมื่นล้านโดยยังไม่ถึงจุดคุ้มทุน คำถามที่ยังไม่มีคำตอบชัดคือ robotaxi “ทำกำไรได้จริงในวงกว้าง” เมื่อไหร่ ไม่ใช่แค่ “วิ่งได้”

สรุปสั้นๆ: รถขับเองคือเรื่องราวของการพยายามถอด “คนขับ” ออกจากสมการ — บททดสอบที่ยากและเดิมพันสูงที่สุดของหุ่นยนต์ ปี 2025–2026 พิสูจน์แล้วว่ามัน เป็นไปได้จริง (Waymo วิ่งจริง รับเงินจริง ปลอดภัยกว่าคนจริง) แต่ก็ ยากและแพงจริง (Cruise ล่ม, Apollo Go ค้างหมู่, Tesla ยังพิสูจน์ตัว) เข้าใจ node นี้ คือเข้าใจว่าทำไม “หุ่นยนต์ตัวแรกที่คุณจะนั่งทับ” ถึงเดินทางมาไกลขนาดนี้ — และทำไมก้าวสุดท้ายถึงยากที่สุด