เข้าใจลึกซึ้งใน Physical AI ของ Huang Renxun: ทำไมโอกาสใน Crypto ถึงซ่อนอยู่ใน "มุมแคบ" ด้วย?

เขียนโดย: หว่อเทียน\n\n \n\nในการประชุมเวิลด์เศรษฐกิจที่ดาวอส หว่องเหรินชุนพูดอะไรบ้าง?\n\n \n\nดูเผินๆ เขากำลังโปรโมตหุ่นยนต์ แต่จริงๆ แล้ว เขากำลังทำการปฏิวัติตนเองอย่างกล้าหาญ เขาจบยุคสมัยเก่าแห่งการสะสมการ์ดจอเพื่อฝึกโมเดลขนาดใหญ่ด้วยคำพูดเดียว แต่กลับคาดไม่ถึงว่า จะเป็นการเปิดโอกาสให้กับเส้นทาง Crypto อย่างหายาก? \n\n \n\nเมื่อวานนี้ ในการประชุมดาวอส หว่องเหรินชุนชี้ให้เห็นว่า ชั้นของการใช้ง AI กำลังระเบิด ความต้องการพลังการคำนวณจะเปลี่ยนจาก “ด้านการฝึก” ไปสู่ “ด้านการอนุมาน” และ “Physical AI (AI เชิงกายภาพ)” \n\n \n\nนี่น่าสนใจมาก\n\n \n\nในฐานะที่ NVIDIA เป็นผู้ชนะรายใหญ่ในยุค AI 1.0 ที่แข่งขันกันด้านพลังการคำนวณ ตอนนี้ประกาศเปลี่ยนทิศทางไปสู่ “ด้านการอนุมาน” และ “Physical AI” ซึ่งส่งสัญญาณตรงไปตรงมามาก: ยุคที่พึ่งพาการสะสมการ์ดจอเพื่อฝึกโมเดลขนาดใหญ่และสร้างความสำเร็จด้วย “พลังมหาศาล” ได้ผ่านไปแล้ว ต่อไปนี้ การแข่งขัน AI จะเน้นไปที่การลงมือทำตามกรณีใช้งานและการนำไปใช้จริงเป็นหลัก \n\n \n\nพูดอีกอย่างคือ Physical AI เป็นช่วงครึ่งหลังของ Generative AI\n\n \n\nเพราะ LLM ได้อ่านข้อมูลจากอินเทอร์เน็ตของมนุษย์มาหลายสิบปีแล้ว แต่ก็ยังไม่เข้าใจวิธีเปิดฝาขวดเหมือนมนุษย์ Physical AI จึงเป็นการแก้ปัญหา “ความรู้และการปฏิบัติ” ที่อยู่นอกเหนือจากความฉลาดของ AI \n\n \n\nเพราะว่า AI เชิงกายภาพไม่สามารถพึ่งพา “วงจรสะท้อนกลับระยะไกล” ของเซิร์ฟเวอร์คลาวด์ได้ง่ายๆ กลไกง่ายๆ คือ ให้ ChatGPT สร้างข้อความช้าลงหนึ่งวินาที คุณอาจรู้สึกว่าช้า แต่ถ้าหุ่นยนต์สองเท้าช้าหนึ่งวินาทีจากการดีเลย์ของเครือข่าย ก็อาจทำให้มันล้มลงจากบันไดได้\n\n \n\nอย่างไรก็ตาม Physical AI ดูเหมือนจะเป็นการต่อยอดของ AI สร้างสรรค์ แต่จริงๆ แล้วเผชิญกับสามหัวข้อใหม่ที่แตกต่างกันอย่างสิ้นเชิง:\n\n \n\n1) ปัญญาเชิงพื้นที่: ทำให้ AI เข้าใจโลกสามมิติ\n\n \n\nศาสตราจารย์ ลีเฟยเฟย เคยเสนอว่า ปัญญาเชิงพื้นที่คือดาวเหนือถัดไปของวิวัฒนาการ AI หุ่นยนต์ต้อง “เข้าใจ” สภาพแวดล้อมก่อน การไม่ใช่แค่รู้ว่านี่คือ “เก้าอี้” แต่ต้องเข้าใจ “ตำแหน่ง โครงสร้าง และแรงที่ต้องใช้ในการเคลื่อนย้ายเก้าอี้นี้ในสามมิติ”\n\n \n\nซึ่งต้องการข้อมูลสภาพแวดล้อม 3D ขนาดใหญ่แบบเรียลไทม์ ครอบคลุมทุกมุมในร่มและกลางแจ้ง\n\n \n\n2) สนามฝึกเสมือน: ให้ AI ฝึกผิดพลาดในโลกจำลอง\n\n \n\nOmniverse ที่หว่องเหรินชุนพูดถึงจริงๆ แล้วคือ “สนามฝึกเสมือน” หุ่นยนต์ก่อนเข้าสู่โลกจริง ต้องฝึก “ล้ม 10,000 ครั้ง” ในสภาพแวดล้อมเสมือนเพื่อเรียนรู้การเดิน กระบวนการนี้เรียกว่า Sim-to-Real จากการจำลองสู่ความเป็นจริง หากให้หุ่นยนต์ลองผิดลองถูกในโลกจริงเลย ค่าใช้จ่ายด้านฮาร์ดแวร์จะเป็นตัวเลขมหาศาล\n\n \n\nกระบวนการนี้ ต้องการความสามารถของเอนจินฟิสิกส์และการเรนเดอร์ที่สูงมากในระดับทวีคูณ\n\n \n\n3) ผิวหนังอิเล็กทรอนิกส์: “ข้อมูลสัมผัส” เป็นสมบัติใหม่ที่รอการขุด\n\n \n\nเพื่อให้ Physical AI มี “ความรู้สึก” ต้องใช้ผิวหนังอิเล็กทรอนิกส์ในการรับรู้ อุณหภูมิ ความกดดัน และพื้นผิว ข้อมูล “สัมผัส” เหล่านี้เป็นทรัพยากรใหม่ที่ไม่เคยถูกเก็บรวบรวมในระดับเชิงพาณิชย์มาก่อน อาจต้องใช้เซ็นเซอร์จำนวนมาก เช่นในงาน CES บริษัท Ensuring ได้แสดง “ผิวหนังแบบผลิตจำนวนมาก” ที่ฝังเซ็นเซอร์ถึง 1,956 ตัวบนมือเดียว เพื่อให้หุ่นยนต์สามารถแยกไข่ได้อย่างมหัศจรรย์\n\n \n\nข้อมูลสัมผัสเหล่านี้เป็นทรัพยากรใหม่ที่ไม่เคยถูกเก็บรวบรวมในระดับเชิงพาณิชย์มาก่อน\n\n \n\nดูจากสิ่งเหล่านี้ คุณจะรู้สึกว่า การเกิดขึ้นของแนวคิด Physical AI เปิดโอกาสให้กับอุปกรณ์สวมใส่และหุ่นยนต์รูปแบบมนุษย์ในด้านฮาร์ดแวร์เป็นอย่างมาก ต้องรู้ว่าก่อนหน้านี้ สิ่งเหล่านี้ถูกวิจารณ์ว่าเป็น “ของเล่นขนาดใหญ่”\n\n \n\nจริงๆ แล้ว ผมอยากจะบอกว่า ในแผนที่ใหม่ของ Physical AI เส้นทาง Crypto ก็มีโอกาสเสริมสร้างระบบนิเวศได้อย่างยอดเยี่ยม ผมขอยกตัวอย่างง่ายๆ:\n\n \n\n1) ยักษ์ใหญ่ด้าน AI สามารถส่งรถถ่ายภาพถนนในเมืองทั่วโลก แต่ไม่สามารถเก็บข้อมูลในซอยในชุมชนหรือในชั้นใต้ดินได้ ด้วยการใช้ Token กระตุ้นจากเครือข่าย DePIN เพื่อจูงใจผู้ใช้ทั่วโลกให้ใช้อุปกรณ์พกพาเก็บข้อมูลเหล่านี้ ก็อาจทำให้เสร็จสมบูรณ์ได้\n\n \n\n2) ดังที่กล่าวไป หุ่นยนต์ไม่สามารถพึ่งพาพลังการคำนวณบนคลาวด์ได้ แต่ในระยะสั้น ต้องใช้การคำนวณขอบและการเรนเดอร์แบบกระจายอย่างมาก โดยเฉพาะการสร้างข้อมูลจากการจำลองสู่ความเป็นจริง การใช้เครือข่ายพลังการคำนวณแบบกระจาย รวมฮาร์ดแวร์ระดับผู้บริโภคที่ว่างงานอยู่ มารวมกันและจัดสรร ก็สามารถนำไปใช้ได้\n\n \n\n3) “ข้อมูลสัมผัส” นอกจากการใช้เซ็นเซอร์จำนวนมากแล้ว ชื่อเสียงก็ชี้ให้เห็นว่านี่เป็นข้อมูลที่มีความเป็นส่วนตัวสูง การจัดการให้คนทั่วไปแชร์ข้อมูลเหล่านี้กับบิ๊ก AI อย่างไรดี แนวทางที่เป็นไปได้คือ ให้ผู้ที่ให้ข้อมูลได้รับสิทธิ์ในข้อมูลและแบ่งปันผลตอบแทน\n\n \n\nสรุป:\n\n \n\nPhysical AI คือช่วงครึ่งหลังของเวที AI ในเว็บ 2.0 ที่หว่องเหรินชุนประกาศ สำหรับเส้นทาง AI + Crypto ในเว็บ 3.0 เช่น DePIN, DeAI, DeData ก็ไม่ใช่เรื่องแปลกอะไร คุณคิดเห็นอย่างไร?