หุ่นยนต์รูปร่างคน: เดิมพันที่กล้าที่สุดของวงการหุ่นยนต์

คำถามแรกที่ทุกคนถามคือ “ทำไมต้องเลียนแบบคน? รูปร่างอื่นไม่ดีกว่าเหรอ?” คำตอบไม่ใช่เรื่องความสวยงาม แต่เป็นเรื่อง เศรษฐศาสตร์ของโลกที่มีอยู่แล้ว

คิดดูดีๆ: บันได ลูกบิดประตู สวิตช์ไฟ ชั้นวางของ คันโยก เครื่องมือช่าง รถเข็น — ทุกอย่างถูกออกแบบมาเพื่อ ร่างกายคน ทั้งสิ้น ถ้าเราอยากให้หุ่นยนต์ทำงานในโรงงาน คลังสินค้า หรือบ้านที่มีอยู่แล้ว มีสองทางเลือก: รื้อสร้างทุกอย่างใหม่ให้หุ่นยนต์ (แพงมหาศาล) หรือ ทำหุ่นยนต์ให้รูปร่างเหมือนคน แล้วมันใช้ของเดิมได้เลย รูปร่างคนจึงเป็น “ปลั๊กเสียบ” ที่เข้ากับโลกได้ทันที — นี่คือเหตุผลทางวิศวกรรมที่แท้จริง

แล้ว “ทำไมต้องตอนนี้?” — เพราะสองแรงมาบรรจบกันพอดี แรงที่หนึ่งคือ Physical AI ปัญหาที่ค้างคามาหลายสิบปีไม่ใช่ร่างกาย แต่คือ “สมอง” — จะสอนหุ่นให้เข้าใจโลกที่ยุ่งเหยิงได้ยังไง? การมาถึงของโมเดล AI ขนาดใหญ่ (โดยเฉพาะโมเดลแบบ VLA ที่จะอธิบายต่อไป) ทำให้หุ่นเริ่ม “เข้าใจสิ่งที่เห็น” และทำตามคำสั่งภาษาธรรมดาได้ ทีม Goldman ถึงกับเขียนว่า “ความก้าวหน้าของ AI คือสิ่งที่ทำให้เราเซอร์ไพรส์ที่สุด”

แรงที่สองคือการขาดแรงงาน ประชากรสูงวัยในจีน ญี่ปุ่น เกาหลี ยุโรป ทำให้แรงงานในโรงงาน คลังสินค้า และงานดูแลหดตัวลงเรื่อยๆ — humanoid จึงถูกวางเป็นคำตอบของ สังคมสูงวัย โดยตรง

หุ่นยนต์ humanoid หนึ่งตัวเข้าใจง่ายที่สุดถ้ามองเป็น 3 ชั้นที่ต้องทำงานพร้อมกัน — เหมือนคน: ร่างกาย (ที่ขยับได้), ประสาทสัมผัส (ที่รับรู้โลก) และ สมอง (ที่ตัดสินใจ) ถ้าชั้นใดชั้นหนึ่งอ่อน หุ่นทั้งตัวก็ใช้งานจริงไม่ได้

ชั้นร่างกาย คือสิ่งที่แพงที่สุด หัวใจคือ actuator — “กล้ามเนื้อกล” ที่ข้อต่อแต่ละจุด (หุ่นหนึ่งตัวมีหลายสิบจุด) ของพวกนี้กินต้นทุนเกือบครึ่งของทั้งตัว Morgan Stanley ประเมินว่าชิ้นส่วนการเคลื่อนไหว เช่น ขาและข้อต่อ ของ Tesla Optimus Gen 2 อยู่ที่ราว $21,000 จากต้นทุนรวม ~$55,000 — คิดเป็นเกือบ 40% เฉพาะแค่ขา และมอเตอร์/ข้อต่อทั้งตัวรวมกันมักอยู่ที่ 40–50% ของต้นทุน

เดโมในวิดีโอดูเหมือนแก้ปัญหาหมดแล้ว แต่ความจริงคือ humanoid ติดอยู่กับโจทย์ใหญ่ 4 ข้อ ที่ ยังไม่มีใครแก้ได้สมบูรณ์

ภาพประกอบ (hand.png)

1. มือที่คล่องแคล่ว (dexterity) — นี่คือด่านโหดสุด มือคนมี 27 องศาอิสระ (จุดที่ขยับได้) มีเซนเซอร์สัมผัสเป็นพันจุด และถูกควบคุมด้วยสมองส่วนใหญ่ที่สุดส่วนหนึ่ง มือหุ่นวันนี้มีตั้งแต่ 6 ถึงราว 22 องศาอิสระ — Tesla Optimus Gen 3 ดันมือขึ้นเป็น 22 องศา (เท่าตัวจากรุ่นก่อน) เพื่อพับผ้าหรือใช้เครื่องมือได้ แต่ทั่วไปแล้วมือ 6 องศายังทำได้แค่ 60–70% ของสิ่งที่มือคนทำ การ “หยิบของแปลกๆ ที่ไม่เคยเห็น” ยังเป็นปัญหาที่ยังไม่จบ

2. การทรงตัวและเดิน (locomotion) — การเดินสองขาบนพื้นไม่เรียบ ขึ้นบันได หรือถูกชนแล้วไม่ล้ม เป็นปัญหาควบคุมที่ยากมาก หลายปีที่ผ่านมาดีขึ้นชัด (Optimus เดินบนพื้นขรุขระได้นิ่งขึ้น) แต่ก็ยังเปราะกว่าคนมาก

3. แบตเตอรี่ — หุ่นที่ทำงานได้แค่ 2–5 ชั่วโมงต่อการชาร์จ ยังไม่พอสำหรับงานกะเต็ม Figure 02 อยู่ที่ราว 5 ชั่วโมง, Boston Dynamics ราว 4 ชั่วโมง, บางตัวแค่ 2 ชั่วโมง — พลังงานคือกำแพงที่เงียบแต่จริง

4. ต้นทุนและสมอง — ต้นทุนยังสูง (~$55,000 ต่อตัวสำหรับ Optimus วันนี้ เทียบเป้าราคา $20,000–30,000) และ “สมอง” ที่เข้าใจโลกจริงแบบทั่วไป ยังไปไม่ถึง — เดโมส่วนใหญ่ยังเป็น การควบคุมจากระยะไกลโดยคน (teleoperation) หรือทำงานในสภาพแวดล้อมที่จัดมาให้แล้ว ไม่ใช่หุ่นที่ “คิดเองทำเองอิสระ”

humanoid เป็น “แอปพลิเคชันปลายทาง” ที่ดูดทุกอย่างจากเทรนด์อื่นมารวมกัน — มันคือจุดที่เทรนด์หลายสายมาบรรจบ:

• นั่งอยู่ใต้ Robotics & Physical AI: humanoid เป็นรูปแบบที่ทะเยอทะยานที่สุดของหุ่นยนต์ — ตัวแม่ของมันรวมหุ่นยนต์ทุกชนิดและซัพพลายเชนการขับเคลื่อน/รับรู้เข้าด้วยกัน
• พึ่ง Robotics Components & Actuation โดยตรง: actuator ความแม่นยำสูง มอเตอร์เซอร์โว และเซนเซอร์ คือชั้นที่กินครึ่งต้นทุน — เป็นคอขวดที่กำหนดว่าหุ่นจะถูกลงได้แค่ไหน
• ขับเคลื่อนด้วย Robotics AI & Embodiment Software + AI: “สมอง” VLA คือสิ่งที่เปลี่ยน humanoid จากของเล่นเป็นแรงงานได้ — และตัว AI ดิบ (โมเดล/ชิป) มาจากเทรนด์ AI
• พึ่ง Critical Materials & Supply Chain: มอเตอร์ทรงพลังต้องใช้แม่เหล็กแรร์เอิร์ธ (rare-earth) ซึ่งจีนคุมห่วงโซ่อยู่ — เป็นจุดเปราะทางภูมิรัฐศาสตร์
• ตอบโจทย์ สังคมสูงวัย: ดีมานด์หลักระยะยาวคือการชดเชยแรงงานที่หดตัว

จุดที่ต้องระวังในใจ: ผู้ที่ ทำเงินก่อน ในเทรนด์นี้ มักไม่ใช่คนทำหุ่นทั้งตัว แต่เป็นคน ขายชิ้นส่วน (actuator, มอเตอร์, เซนเซอร์) ให้ทุกค่าย — เหมือนยุคตื่นทอง คนขายพลั่วรวยก่อนคนขุดทอง นี่คือเหตุผลที่บริษัทจดทะเบียนหลายตัวในเทรนด์นี้จริงๆ แล้วเป็นผู้ผลิตชิ้นส่วน ไม่ใช่ผู้สร้างหุ่น

ปี 2025 คือปีที่ humanoid “ออกจากห้องแล็บ” มาสู่ การทดลองในงานจริง (pilot) เป็นครั้งแรก — แต่ย้ำคำว่า ทดลอง งานที่ทำได้จริงยังเป็นงานง่ายๆ ซ้ำๆ ในโรงงาน/คลังสินค้า ภายใต้เงื่อนไขที่ควบคุม ไม่ใช่หุ่นในครัวบ้านคุณ

ภาพประกอบ (factory.png)

ตัวอย่างที่จับต้องได้: Figure วางหุ่น Figure 02 ที่โรงงาน BMW (Spartanburg) นาน 11 เดือน วางชิ้นโลหะกว่า 90,000 ชิ้น แม่นยำเกิน 99% ต่อกะ · Agility ส่งหุ่น Digit เข้าทดสอบที่คลัง Amazon ขนกล่องเปล่า · Tesla เริ่มใช้ Optimus ในโรงงานตัวเอง แม้ Musk ยอมรับใน Q4 2025 ว่า “ส่วนใหญ่ยังเพื่อเรียนรู้ ไม่ใช่งานที่ให้ผลผลิตจริง”

ตัวเลขภาพรวมบอกทั้งความเร็วและความเล็ก: ยอดส่งมอบหุ่น humanoid ปี 2025 อยู่ที่ราว 50,000 ตัวทั่วโลก (โต ~250% จากปีก่อน) — เร็วมาก แต่ยังเล็กมากเทียบกับแรงงานหลายพันล้านคน และที่สำคัญ จีนครองยอดส่งมอบราว 85% และดูดดีมานด์เกิน 60% ของโลก ส่วนใหญ่เพราะหุ่นจีนถูกกว่ามาก

ทิศทางแรกคือ “เส้นทางต้นทุนลง” ทั้งวงการเดิมพันว่าราคาจะดิ่งเหมือนที่เคยเกิดกับแบตเตอรี่และแผงโซลาร์ — เมื่อผลิตจำนวนมาก actuator และชิ้นส่วนจะถูกลง Goldman ปรับประมาณการขึ้นส่วนหนึ่งเพราะคาดว่าต้นทุนวัสดุจะลดราว 40% ถ้าราคาตัวหนึ่งลงไปแตะ $20,000 จริง สมการ “หุ่นถูกกว่าจ้างคนต่อปี” ก็จะเปลี่ยนหลายอุตสาหกรรม

ทิศทางที่สองคือ “สมองที่ดีขึ้นเร็วกว่าร่างกาย” ความก้าวหน้าหลักจากนี้น่าจะมาจากซอฟต์แวร์ VLA ไม่ใช่ฮาร์ดแวร์ — หุ่นจะ “เรียนรู้งานใหม่” จากการดูคนทำ หรือจากข้อมูลจำลอง (simulation) มากขึ้น ลดการต้องตั้งโปรแกรมทีละท่า นี่คือจุดที่ humanoid จะค่อยๆ ขยับจาก teleoperation ไปสู่การทำงานอิสระจริง

ทิศทางที่สามคือ “จีน vs สหรัฐฯ” จีนวางหุ่นยนต์เป็นวาระแห่งชาติ อัดทั้งทุนและนโยบาย และมีข้อได้เปรียบด้านซัพพลายเชน (มอเตอร์ แม่เหล็ก การผลิตจำนวนมาก) ขณะที่สหรัฐฯ นำด้านสมอง AI การแข่งขันนี้จะกำหนดว่าใครคุมราคาและมาตรฐานของเทรนด์ — และเป็นได้ทั้งโอกาส (ของถูกลงเร็ว) และความเสี่ยงเชิงภูมิรัฐศาสตร์

เทรนด์นี้น่าตื่นเต้น แต่ต้องดูด้วยสายตาที่ติดดิน — มันมีความเสี่ยงเฉพาะตัวที่หนักกว่าหลายเทรนด์

ความเสี่ยงข้อแรกคือ “ยังเป็นช่วงต้นจริงๆ ระยะห่างระหว่างเดโมกับงานจริงยังกว้าง” วิดีโอที่หุ่นเต้น ชงกาแฟ หรือพับผ้า มักเป็นการควบคุมจากระยะไกล หรือทำในเงื่อนไขที่จัดมาให้ การทำงานอิสระในโลกจริงที่ยุ่งเหยิงยังไปไม่ถึง — อย่าสับสนระหว่าง “ทำได้ในคลิป” กับ “ใช้งานได้จริงในสเกล”

ความเสี่ยงข้อสองคือ “ต้นทุนและความคล่องของมือ” สองกำแพงนี้ยังไม่ถูกทลาย ถ้าต้นทุนไม่ลงตามที่หวัง หรือมือยังหยิบจับของหลากหลายไม่ได้ดีพอ ตลาดจริงก็จะแคบกว่าที่ฝันไว้มาก และทุกตัวเลขประมาณการตลาด (ตั้งแต่ $38B ถึง $5 ล้านล้าน) ก็ตั้งอยู่บนสมมติฐานว่า “ปัญหาเหล่านี้จะถูกแก้”

ความเสี่ยงข้อสามคือ “ฟองสบู่ความคาดหวัง (hype)” เงินทุนไหลเข้ามหาศาล มูลค่าบริษัทเอกชนพุ่ง (Figure ~$39B ทั้งที่ยังไม่มีรายได้จริง) — ถ้าเส้นทางสู่กำไรช้ากว่าที่ตลาดเชื่อ การปรับฐานก็รุนแรงได้ และเพราะผู้นำส่วนใหญ่เป็นเอกชน นักลงทุนรายย่อยที่อยากเล่นเทรนด์นี้มักต้องเข้าทางอ้อม (ผู้ผลิตชิ้นส่วน หรือบริษัทใหญ่ที่มีโปรเจกต์หุ่นแฝงอยู่) ซึ่งความเชื่อมโยงกับ “ความสำเร็จของ humanoid” ก็เจือจางลง

สรุปสั้นๆ: humanoid คือความพยายามทำหุ่นยนต์ที่ “เข้ากับโลกของคนได้ทันที” โดยให้มันมีรูปร่างเหมือนเรา เหตุผลทางวิศวกรรมหนักแน่น (โลกถูกสร้างมาเพื่อคน) และจังหวะก็มาถึง (AI + ขาดแรงงาน) แต่ของจริงยังอยู่แค่ pilot ในโรงงาน ต้นทุนยังแพง มือยังไม่คล่อง และผู้นำส่วนใหญ่ยังเป็นเอกชน pre-revenue — นี่คือเดิมพันระยะยาวที่ใหญ่ที่สุดอันหนึ่งของยุค ที่ต้องดูด้วยทั้งความตื่นเต้น และ ความระมัดระวังพอๆ กัน