ปัญญาประดิษฐ์ หรือ AI กำลังเข้าสู่การเปลี่ยนแปลงครั้งสำคัญ จากเทคโนโลยีที่เคยเน้นการประมวลผลข้อมูล สร้างเนื้อหา และช่วยมนุษย์ตัดสินใจ ไปสู่ระบบที่สามารถรับรู้สภาพแวดล้อมและลงมือปฏิบัติงานในโลกจริงได้ โดย Steven Fong, Corporate Vice President, APJ Embedded Business ของ AMD ได้อธิบายแนวโน้มดังกล่าวผ่านบทความเรื่องการเปลี่ยนผ่านของ AI จากการ “รู้” สู่การ “ลงมือทำ”
พร้อมมองว่าเทคโนโลยี Physical AI จะเข้ามามีบทบาทสำคัญต่ออุตสาหกรรมในช่วงทศวรรษหน้า แตกต่างจาก AI ที่หลายคนคุ้นเคยอย่าง Chatbot, AI Assistant หรือ Copilot ซึ่งทำหน้าที่ช่วยค้นหาข้อมูล สรุปเนื้อหา และสร้างผลงานบนโลกดิจิทัล
เพราะ Physical AI จะขยายความสามารถเหล่านั้นไปสู่การควบคุมเครื่องจักร หุ่นยนต์ ยานยนต์อัตโนมัติ และระบบอัจฉริยะที่ต้องตอบสนองต่อสถานการณ์จริงได้อย่างต่อเนื่อง
สิ่งที่ทำให้ Physical AI แตกต่างจาก AI บนคลาวด์ทั่วไปคือข้อกำหนดด้านความเร็ว ความแม่นยำ และความปลอดภัยในการทำงาน เพราะระบบเหล่านี้ไม่ได้มีหน้าที่เพียงสร้างคำตอบ แต่ต้องนำผลการประมวลผลไปใช้ควบคุมอุปกรณ์ทางกายภาพโดยตรง ตัวอย่างเช่น หุ่นยนต์ในโรงงานที่ต้องทำงานร่วมกับมนุษย์ ยานยนต์อัตโนมัติที่ต้องตรวจจับและตอบสนองต่อสิ่งกีดขวาง หรืออุปกรณ์ทางการแพทย์ที่ช่วยสนับสนุนการตัดสินใจของแพทย์แบบเรียลไทม์ ระบบเหล่านี้ไม่สามารถยอมรับความล่าช้าหรือความผิดพลาดได้ในระดับเดียวกับการใช้งานแชตบอตทั่วไป AMD จึงมองว่า Physical AI จำเป็นต้องได้รับการออกแบบให้มีการตอบสนองที่รวดเร็วและคาดการณ์ได้ มีความปลอดภัยในการทำงานหรือ Functional Safety รองรับข้อจำกัดด้านพลังงานและความร้อน รวมถึงสามารถทำงานต่อเนื่องได้แม้การเชื่อมต่อเครือข่ายมีปัญหา
ดังนั้น ความสำเร็จของ Physical AI จึงไม่ได้ขึ้นอยู่กับความสามารถของโมเดล AI เพียงอย่างเดียว แต่ต้องพิจารณาการทำงานร่วมกันของระบบทั้งหมด ตั้งแต่เซ็นเซอร์ การประมวลผล การวางแผน ไปจนถึงการควบคุมและสั่งงานอุปกรณ์จริง
ในมุมมองของ AMD การพัฒนา Physical AI จำเป็นต้องใช้สถาปัตยกรรมการประมวลผลแบบผสมผสาน หรือ Heterogeneous Computing เพราะไม่มีหน่วยประมวลผลประเภทใดประเภทหนึ่งที่เหมาะสมกับทุกขั้นตอนของการทำงาน
บริษัทเปรียบเทียบระบบดังกล่าวกับร่างกายมนุษย์ที่ต้องอาศัยสมอง ระบบประสาท และกล้ามเนื้อทำงานร่วมกัน โดย CPU และ GPU ประสิทธิภาพสูงจะรับผิดชอบการคิดวิเคราะห์ข้อมูลที่ซับซ้อน การรับรู้ และการประมวลผล AI ขณะที่ NPU และ Adaptive SoC ช่วยรองรับการประมวลผลที่ต้องการความหน่วงต่ำและประหยัดพลังงาน ส่วน FPGA มีบทบาทในการควบคุมเซ็นเซอร์และอุปกรณ์ขับเคลื่อนหรือ Actuator ที่ต้องการความแม่นยำและการตอบสนองที่คาดการณ์ได้
การแบ่งหน้าที่ให้หน่วยประมวลผลแต่ละประเภทจึงช่วยให้ระบบสามารถจัดการงานที่แตกต่างกันได้อย่างเหมาะสม ตั้งแต่การรับข้อมูลจากโลกภายนอกจนถึงการสั่งให้เครื่องจักรเคลื่อนไหวหรือปฏิบัติงานจริง ซึ่ง AMD มองว่าเป็นโจทย์ด้านวิศวกรรมระบบมากกว่าการพัฒนาโมเดล AI ให้มีความสามารถสูงขึ้นเพียงอย่างเดียว
AMD ระบุว่าบริษัทมีพื้นฐานด้านเทคโนโลยีที่สอดคล้องกับความต้องการของ Physical AI จากกลุ่มผลิตภัณฑ์ที่ครอบคลุม CPU, GPU, NPU, Adaptive SoC และ FPGA รวมถึงประสบการณ์ด้าน Embedded Computing ที่นำไปใช้งานในอุตสาหกรรมยานยนต์ ระบบอัตโนมัติ โทรคมนาคม การแพทย์ การบิน และอวกาศ ซึ่งเป็นกลุ่มงานที่ต้องให้ความสำคัญกับเสถียรภาพ ความปลอดภัย และอายุการใช้งานของผลิตภัณฑ์
อย่างไรก็ตาม บริษัทมองว่าการมีชิปประมวลผลที่เหมาะสมยังไม่เพียงพอต่อการนำ Physical AI ไปใช้งานจริง เพราะยังต้องอาศัยซอฟต์แวร์หุ่นยนต์ โมเดล AI ระบบ Middleware เซ็นเซอร์ เครื่องมือจำลองสถานการณ์ และกระบวนการตรวจสอบความถูกต้องก่อนนำไปใช้งาน AMD จึงเดินหน้าสนับสนุนระบบนิเวศแบบเปิด หรือ Open Ecosystem ผ่านโครงการอย่าง AMD Robotics Partner Network และโซลูชัน AMD Kria AI เพื่อช่วยให้นักพัฒนาและผู้ผลิตสามารถต่อยอดระบบจากเครื่องต้นแบบไปสู่ผลิตภัณฑ์ที่พร้อมใช้งานในระดับอุตสาหกรรมได้สะดวกขึ้น
สำหรับประเทศไทย Steven Fong มองว่า Physical AI อาจมีบทบาทสำคัญต่อการพัฒนาเศรษฐกิจและภาคอุตสาหกรรมในระยะยาว โดยเฉพาะในช่วงที่ประเทศกำลังเผชิญกับการเปลี่ยนแปลงด้านโครงสร้างประชากร การเข้าสู่สังคมผู้สูงอายุ ภาวะตลาดแรงงานตึงตัว และความจำเป็นในการเพิ่มผลิตภาพของภาคการผลิต เทคโนโลยีหุ่นยนต์ ระบบอัตโนมัติ และโครงสร้างพื้นฐานอัจฉริยะจึงอาจกลายเป็นเครื่องมือช่วยให้ภาคธุรกิจสามารถรักษาประสิทธิภาพการดำเนินงานและเพิ่มขีดความสามารถในการแข่งขันได้ แม้ Physical AI จะไม่สามารถแก้ไขทุกปัญหาได้ด้วยตัวเอง แต่ AMD เชื่อว่าความสามารถในการเชื่อมต่อการรับรู้
การตัดสินใจ และการลงมือทำเข้าด้วยกันอย่างปลอดภัย จะเป็นปัจจัยสำคัญในการเปลี่ยนรูปแบบการทำงานของหลายอุตสาหกรรมในอนาคต
และเป็นเหตุผลที่บริษัทมองว่าทศวรรษถัดไปของ AI จะไม่ได้แข่งขันกันเพียงว่าโมเดลใดมีความฉลาดมากกว่า แต่จะให้ความสำคัญกับการนำความสามารถของ AI ไปสร้างผลลัพธ์ในโลกจริงได้อย่างมีประสิทธิภาพและน่าเชื่อถือมากเพียงใด
