Unitree พุ่งกว่า 60% ใน 7 วัน Nomura Securities ชี้คูเมืองที่แท้จริงของหุ่นยนต์กำลังเปลี่ยนไป

Unitree Technology กำลังกลายเป็นหนึ่งในบริษัทเทคโนโลยีที่ได้รับความสนใจมากที่สุดในตลาดหุ้น A-share ช่วงนี้

วันที่ 26 ตุลาคม ราคาหุ้น Unitree Technology (688836.SH) ยังคงพุ่งขึ้นต่อเนื่อง ช่วงเช้าพุ่งขึ้นกว่า 9% แตะระดับสูงสุดที่ 682 หยวน/หุ้น ณ สิ้นสุดภาคเช้า ราคาหุ้นอยู่ที่ 674.01 หยวน มูลค่าตลาดรวม 2.726 แสนล้านหยวน ก่อนหน้านี้เมื่อวันที่ 23 ตุลาคม Unitree Technology เพิ่งทำสถิติแตะเพดาน 20% นับตั้งแต่วันที่ 16 ตุลาคมเป็นต้นมา เจ็ดวันทำการสะสมเพิ่มขึ้นกว่า 60%

เบื้องหลังความร้อนแรงของตลาดคือความคาดหวังที่เพิ่มขึ้นต่อความก้าวหน้าของเทคโนโลยีหุ่นยนต์ฮิวแมนนอยด์ เมื่อวันที่ 21 ตุลาคม Unitree Technology เปิดตัวหุ่นยนต์ฮิวแมนนอยด์ H2-X โชว์การเคลื่อนไหวซับซ้อน เช่น กระโดดจากที่สูงและตีลังกาหน้า วันถัดมา หวัง ซิงซิง ผู้ก่อตั้ง Unitree กล่าวในการประชุม World Physical AI ว่า เมื่อความสามารถของโมเดลขนาดใหญ่พัฒนาขึ้นเรื่อยๆ Physical AI ก็เริ่มมีสัญญาณของการทะลุทะลวงครั้งสำคัญ

ระหว่างที่ราคาหุ้น Unitree พุ่งขึ้นต่อเนื่อง Nomura Securities ได้เผยแพร่รายงานวิจัยหุ่นยนต์ทั่วโลกฉบับล่าสุดเมื่อวันที่ 25 ตุลาคม โดยเสนอข้อสรุปที่ดูขัดกับสามัญสำนึก: เมื่ออัลกอริทึมควบคุมการเคลื่อนไหวของหุ่นยนต์ฝึกได้ง่ายขึ้นเรื่อยๆ สิ่งที่จะกำหนดภูมิทัศน์การแข่งขันของอุตสาหกรรมอาจไม่ใช่ซอฟต์แวร์การเคลื่อนไหวอีกต่อไป แต่เป็นความสม่ำเสมอของฮาร์ดแวร์และความสามารถในการผลิตขนาดใหญ่

ข้อสรุปนี้มาจากงานวิจัย SuperMimic ล่าสุดจาก University of California, Berkeley เทคโนโลยีนี้ช่วยลดปริมาณการคำนวณสำหรับการฝึกตัวควบคุมการเคลื่อนไหวทั้งตัวของหุ่นยนต์ฮิวแมนนอยด์ลงกว่า 1,000 เท่า งานที่เคยต้องใช้ GPU 128 ตัวทำงานต่อเนื่องหนึ่งสัปดาห์ ตอนนี้ใช้ GPU H100 เพียงตัวเดียวฝึกสามชั่วโมงก็ได้ผลทดสอบมาตรฐานที่ดีกว่า

ทีมวิจัยยังได้นำตัวควบคุมนี้ไปใช้กับหุ่นยนต์ฮิวแมนนอยด์ Unitree G1 จริง และประสบความสำเร็จในการเคลื่อนไหวซับซ้อน เช่น ตีลังกาด้านข้างและตีลังกากลางอากาศ

นั่นหมายความว่า ต้นทุนในการได้มาซึ่งความสามารถในการเคลื่อนไหวของหุ่นยนต์ที่เคยต้องใช้พลังการคำนวณมหาศาลกำลังลดลงเรื่อยๆ

อย่างไรก็ตาม Nomura เห็นว่า นี่ไม่ได้หมายความว่าความได้เปรียบในการแข่งขันของบริษัทหุ่นยนต์ชั้นนำจะหายไป ในทางกลับกัน เมื่อบริษัทจำนวนมากขึ้นสามารถฝึกอัลกอริทึมควบคุมการเคลื่อนไหวที่ยอดเยี่ยมได้ ความสามารถอีกอย่างหนึ่งอาจหายากมากขึ้น: การผลิตหุ่นยนต์ฮิวแมนนอยด์จำนวนมากที่มีประสิทธิภาพเสถียรและพารามิเตอร์ฮาร์ดแวร์สม่ำเสมอสูงในต้นทุนที่ต่ำพอ

จากการสำรวจอุตสาหกรรมของ Nomura จีนมีบริษัทประมาณ 300 แห่งที่สามารถส่งมอบความสามารถควบคุมการเคลื่อนไหวหลักบางอย่างได้ ความได้เปรียบของ Unitree ที่เคยนำหน้าอุตสาหกรรมหนึ่งถึงสองปีในด้านฮาร์ดแวร์และการควบคุมการเคลื่อนไหวอาจกำลังแคบลง แต่การสั่งสมด้านต้นทุนฮาร์ดแวร์ ซัพพลายเชน และประสบการณ์การผลิตจำนวนมากยังคงเป็นกำแพงการแข่งขันที่ยากจะลอกเลียนแบบได้อย่างรวดเร็ว

สำหรับ Unitree ที่ราคาหุ้นแข็งแกร่งต่อเนื่อง รายงานวิจัยของ Nomura ฉบับนี้ให้มุมมองการลงทุนที่น่าสนใจ: การแข่งขันขั้นต่อไปของอุตสาหกรรมหุ่นยนต์อาจไม่ใช่การทำให้หุ่นยนต์เคลื่อนไหวซับซ้อนที่สุด แต่เป็นการถ่ายทอดการเคลื่อนไหวเหล่านี้ไปยังผลิตภัณฑ์ต้นทุนต่ำจำนวนมากได้อย่างเสถียร

GPU ตัวเดียวแทนคลัสเตอร์เดิม ต้นทุนฝึกหุ่นยนต์ลดลงพันเท่า

เมื่อวันที่ 20 ตุลาคม ทีมวิจัยจาก University of California, Berkeley เผยแพร่บทความ "SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model" บทความนี้ได้รับการตอบรับให้ตีพิมพ์ในการประชุม CoRL 2026 (Conference on Robot Learning) ผู้เขียนรวมถึงนักวิชาการหุ่นยนต์ชื่อดัง Pieter Abbeel และ Koushil Sreenath

งานวิจัยมุ่งเน้นปัญหาหลักในวงการหุ่นยนต์ฮิวแมนนอยด์: ทำอย่างไรให้หุ่นยนต์เชี่ยวชาญการเคลื่อนไหวร่างกายที่หลากหลาย โดยหลีกเลี่ยงต้นทุนการฝึกที่พุ่งสูงขึ้นตามจำนวนการเคลื่อนไหว

การฝึกควบคุมการเคลื่อนไหวของหุ่นยนต์ฮิวแมนนอยด์แบบดั้งเดิมมักอาศัยการเรียนรู้แบบเสริมกำลัง นักวิจัยสร้างโมเดลหุ่นยนต์ในเครื่องจำลองฟิสิกส์ก่อน จากนั้นให้หุ่นยนต์ลองเคลื่อนไหวต่างๆ ซ้ำๆ ผ่านการลองผิดลองถูกจำนวนมากเพื่อค่อยๆ เรียนรู้การเดิน วิ่ง เต้น และตีลังกา

วิธีนี้ได้ผลแต่ต้องใช้ทรัพยากรการคำนวณมหาศาล เมื่อจำนวนการเคลื่อนไหวที่ฝึกเพิ่มขึ้น เครื่องจำลองต้องประมวลผลมากขึ้น ต้นทุนการฝึกก็สูงขึ้นตาม

ตัวอย่างเช่น ระบบควบคุมการเคลื่อนไหว SONIC ที่มีอยู่ ใช้ GPU 128 ตัวในการฝึกต่อเนื่องประมาณเจ็ดวัน รวมใช้เวลาประมวลผล GPU ประมาณ 21,000 ชั่วโมง

SuperMimic เปลี่ยนวิธีการฝึกหุ่นยนต์

นักวิจัยไม่ให้หุ่นยนต์พึ่งพาเครื่องจำลองฟิสิกส์เพื่อลองผิดลองถูกซ้ำๆ อีกต่อไป แต่ฝึกโมเดลที่อธิบายกฎการเคลื่อนไหวทางฟิสิกส์ของร่างกายหุ่นยนต์ก่อน จากนั้นให้ตัวควบคุมการเคลื่อนไหวเรียนรู้ภายในโมเดลนี้

โมเดลนี้สามารถทำนายว่าร่างกายหุ่นยนต์จะเคลื่อนไหวอย่างไรหลังจากทำท่าต่างๆ จึงแทนที่กระบวนการจำลองฟิสิกส์แบบดั้งเดิมจำนวนมากได้

ผลการทดลองแสดงว่า SuperMimic ฝึกบน GPU H100 ตัวเดียวสามชั่วโมง ก็มีประสิทธิภาพการติดตามการเคลื่อนไหวเหนือกว่าโมเดลที่เผยแพร่ของ SONIC ในการทดสอบมาตรฐานที่มีการเคลื่อนไหว 129,514 ท่า SuperMimic ล้มเหลวเพียง 25 ท่า ขณะที่ SONIC ล้มเหลว 179 ท่า เมื่อฝึกเพิ่มด้วย GPU สองตัวเป็นเวลา 9.8 ชั่วโมง SuperMimic ลดจำนวนการล้มเหลวในชุดทดสอบนี้เหลือศูนย์

นั่นหมายความว่า เมื่อเทียบกับกระบวนการฝึกที่เคยต้องใช้เวลาประมวลผล GPU หลายหมื่นชั่วโมง วิธีใหม่ใช้เพียงไม่กี่ถึงหลายสิบชั่วโมง GPU ก็ได้ผลควบคุมการเคลื่อนไหวที่แข่งขันได้

Nomura เห็นว่านี่เป็นหลักฐานที่ชัดเจนที่สุดชิ้นหนึ่งจนถึงปัจจุบันที่บ่งชี้ว่าการฝึกควบคุมการเคลื่อนไหวทั้งตัวของหุ่นยนต์ฮิวแมนนอยด์กำลังถูกลง ที่สำคัญกว่านั้น เทคโนโลยีนี้ได้ย้ายจากสภาพแวดล้อมจำลองสู่หุ่นยนต์จริงแล้ว

ทีมวิจัยนำตัวควบคุมโครงข่ายประสาทเทียมที่ฝึกเสร็จแล้วไปใช้กับหุ่นยนต์ฮิวแมนนอยด์ Unitree G1 และประสบความสำเร็จในการเคลื่อนไหวซับซ้อน เช่น ตีลังกาด้านข้างและตีลังกากลางอากาศ 360 องศา นี่แสดงให้เห็นว่า กลยุทธ์ควบคุมการเคลื่อนไหวที่ฝึกในสภาพแวดล้อมจำลองด้วยวิธีใหม่ อย่างน้อยในช่วงการเคลื่อนไหวที่แสดงในการทดลอง สามารถถ่ายโอนไปทำงานบนฮาร์ดแวร์จริงได้

สำหรับอุตสาหกรรมหุ่นยนต์ การเพิ่มประสิทธิภาพเช่นนี้อาจเปลี่ยนเกณฑ์การพัฒนาเทคโนโลยีควบคุมการเคลื่อนไหว งานฝึกที่เคยต้องอาศัยบริษัทที่มีทรัพยากร GPU จำนวนมากและทีมอัลกอริทึมมืออาชีพ ในอนาคตอาจทำได้โดยทีมขนาดเล็กจำนวนมากขึ้น

ทำไมประสิทธิภาพการฝึกจึงเพิ่มขึ้นพันเท่า?

ความก้าวหน้าสำคัญของ SuperMimic ไม่ใช่การเพิ่มข้อมูลฝึก แต่เป็นการเปลี่ยนวิธีที่หุ่นยนต์เรียนรู้การเคลื่อนไหว

Nomura ชี้ว่า เนื่องจากหุ่นยนต์ฮิวแมนนอยด์ใช้โครงสร้างร่างกายชุดเดียวกันเมื่อเคลื่อนไหวต่างๆ จึงไม่จำเป็นต้องเรียนรู้กฎฟิสิกส์ทั้งหมดใหม่สำหรับทุกการเคลื่อนไหว

ทีมวิจัยใช้ประโยชน์จากจุดนี้ สร้างโมเดลร่างกายหุ่นยนต์ที่ใช้ร่วมกันได้สำหรับการเคลื่อนไหวจำนวนมาก ไม่ว่าหุ่นยนต์จะเดิน เต้น หรือตีลังกา ตัวควบคุมสามารถเรียนรู้วิธีปรับข้อต่อภายในโมเดลนี้ได้ ซึ่งลดการพึ่งพาการจำลองฟิสิกส์แบบดั้งเดิม ตามบทความ ประสิทธิภาพที่เพิ่มขึ้นของ SuperMimic มาจากสามด้านหลัก

ประการแรกคือความเร็วในการทำงาน ที่ขนาดแบตช์ทั่วไป โมเดลโลกที่เรียนรู้ทำงานเร็วกว่าเครื่องจำลองฟิสิกส์แบบดั้งเดิมกว่า 10 เท่า ที่ขนาดแบตช์ทดสอบสูงสุด ความเร็วเพิ่มขึ้นสูงสุด 62 เท่า

ประการที่สองคือวิธีการฝึก การเรียนรู้แบบเสริมกำลังแบบดั้งเดิมอาศัยการลองผิดลองถูกแบบสุ่มจำนวนมาก หุ่นยนต์ต้องลองเคลื่อนไหวต่างๆ ซ้ำๆ แล้วปรับกลยุทธ์ควบคุมตามผลตอบรับ

โมเดลโลกที่ SuperMimic ใช้มีคุณสมบัติหาอนุพันธ์ได้ ให้ข้อมูลเกรเดียนต์ที่ตรงกว่าแก่ตัวควบคุม ช่วยตัดสินว่าควรปรับการเคลื่อนไหวอย่างไร โดยไม่ต้องพึ่งพาการสำรวจแบบสุ่มทั้งหมด การเปลี่ยนแปลงนี้เพียงอย่างเดียวลดจำนวนขั้นตอนการฝึกที่ต้องใช้ลงประมาณ 64 เท่า

สุดท้ายคือความสามารถในการขยายขนาด เมื่อข้อมูลการฝึกเพิ่มจาก 1 ชั่วโมงเป็น 264 ชั่วโมง ความคลาดเคลื่อนในการทำนายของโมเดลโลกยังคงค่อนข้างเสถียร นั่นหมายความว่า แม้หุ่นยนต์ต้องเชี่ยวชาญการเคลื่อนไหวมากขึ้นเรื่อยๆ ปริมาณการคำนวณสำหรับการฝึกก็ไม่จำเป็นต้องเพิ่มขึ้นตามสัดส่วน

การปรับปรุงประสิทธิภาพสามอย่างรวมกันทำให้ SuperMimic ลดชั่วโมง GPU ลงกว่า 1,000 เท่า

อย่างไรก็ตาม Nomura เน้นว่า เงื่อนไขการฝึกของ SuperMimic และ SONIC ไม่เหมือนกันทั้งหมด ข้อมูลการเคลื่อนไหวที่ใช้โดย SuperMimic น้อยกว่าประมาณ 2.3 เท่า และใช้ GPU รุ่นใหม่กว่า จึงไม่สามารถสรุปว่าความแตกต่างของพลังการคำนวณทั้งหมดมาจากการปรับปรุงอัลกอริทึมเพียงอย่างเดียว ผู้เขียนบทความเห็นว่า ปัจจัยเหล่านี้ยังไม่เพียงพอที่จะอธิบายความแตกต่างของประสิทธิภาพการคำนวณที่มหาศาลเช่นนี้

นอกจากนี้ SuperMimic ไม่ได้หมายความว่าหุ่นยนต์ฮิวแมนนอยด์มีปัญญาทั่วไปแล้ว

ปัจจุบันงานวิจัยครอบคลุมการเคลื่อนไหวร่างกายบนพื้นราบเป็นหลัก ไม่รวมถึงภูมิประเทศซับซ้อนหรือการจัดการวัตถุ โมเดลโลกฝึกโดยใช้ข้อมูลจากเครื่องจำลองทั้งหมด ไม่ใช่ข้อมูลปฏิสัมพันธ์ทางฟิสิกส์จากโลกจริง

การเคลื่อนไหวในการทดสอบมาตรฐานขนาดใหญ่ก็เป็นการเคลื่อนไหวที่ใช้ฝึก ดังนั้นการไม่ล้มเหลวในชุดทดสอบไม่ได้หมายความว่าหุ่นยนต์สามารถรับมือกับการเคลื่อนไหวที่ไม่รู้จักและสภาพแวดล้อมซับซ้อนทั้งหมดได้

Nomura นิยามว่านี่เป็นความก้าวหน้าในระดับ "สมองน้อย" ของหุ่นยนต์ กล่าวคือ ความสามารถในการควบคุมการเคลื่อนไหวร่างกายและการทรงตัวทะลุทะลวง ไม่ใช่ "สมองใหญ่" ที่รับผิดชอบการเข้าใจงานซับซ้อน การวางแผน และการใช้เหตุผล และไม่ใช่ "มือทั้งสอง" ที่รับผิดชอบการจัดการละเอียด

พูดอีกอย่างคือ SuperMimic ลดต้นทุนการคำนวณในการทำให้หุ่นยนต์เรียนรู้การเคลื่อนไหวลงอย่างมาก แต่ไม่ได้แก้ปัญหาทางเทคนิคทั้งหมดที่จำเป็นสำหรับหุ่นยนต์ในการทำงานจริงอย่างอัตโนมัติ

Nomura: ข้อได้เปรียบที่แท้จริงของ Unitree อาจไม่ใช่อัลกอริทึมการเคลื่อนไหวอีกต่อไป

เมื่อเทียบกับความก้าวหน้าทางเทคนิคของ SuperMimic เอง Nomura สนใจผลกระทบต่อภูมิทัศน์การแข่งขันของอุตสาหกรรมหุ่นยนต์มากกว่า

ในอดีต อัลกอริทึมควบคุมการเคลื่อนไหวเป็นกำแพงการแข่งขันสำคัญของผู้ผลิตหุ่นยนต์ฮิวแมนนอยด์ การทำให้หุ่นยนต์เดิน กระโดด วิ่ง หรือแม้แต่ทำท่าผาดโผนยากๆ ได้อย่างเสถียร มักต้องอาศัยการวิจัยอัลกอริทึมระยะยาว ทรัพยากรการคำนวณขนาดใหญ่ และการปรับแต่งทางวิศวกรรมซ้ำแล้วซ้ำเล่า

แต่ SuperMimic แสดงให้เห็นว่ากำแพงนี้อาจกำลังลดลง หากการฝึกควบคุมการเคลื่อนไหวที่เคยต้องใช้คลัสเตอร์ GPU ขนาดใหญ่ ตอนนี้ทำได้ด้วย GPU ตัวเดียว บริษัทจำนวนมากขึ้นก็มีโอกาสได้ระบบควบคุมการเคลื่อนไหวประสิทธิภาพสูง

จากการสำรวจอุตสาหกรรมของ Nomura จีนมีบริษัทประมาณ 300 แห่งที่สามารถส่งมอบความสามารถควบคุมการเคลื่อนไหวหลักบางอย่างได้ รายงานเห็นว่า ความได้เปรียบหนึ่งถึงสองปีของ Unitree ในด้านฮาร์ดแวร์และการควบคุมการเคลื่อนไหวอาจกำลังแคบลง และความก้าวหน้าทางเทคนิคเช่น SuperMimic จะยิ่งลดเกณฑ์การพัฒนาอัลกอริทึมการเคลื่อนไหวลงอีก

อย่างไรก็ตาม Nomura ไม่ได้สรุปว่า Unitree จะสูญเสียความได้เปรียบในการแข่งขัน ตรงกันข้าม เมื่อซอฟต์แวร์ควบคุมการเคลื่อนไหวเข้าถึงได้ง่ายขึ้น การสั่งสมด้านการผลิตฮาร์ดแวร์ของ Unitree อาจสำคัญยิ่งขึ้น

ปัญหาคือ อัลกอริทึมชุดหนึ่งทำให้หุ่นยนต์หนึ่งเครื่องเคลื่อนไหวซับซ้อนได้ ไม่ได้หมายความว่ามันจะทำงานเสถียรบนหุ่นยนต์นับพันเครื่อง หุ่นยนต์ฮิวแมนนอยด์มักมีข้อต่อมากกว่ายี่สิบข้อ แต่ละข้อเกี่ยวข้องกับแอคชูเอเตอร์ โครงสร้างส่งกำลัง เซนเซอร์ และการสอบเทียบจลนศาสตร์ที่แม่นยำ แม้หุ่นยนต์สองเครื่องใช้การออกแบบเดียวกันหมด ในกระบวนการผลิตจริงก็อาจมีความแตกต่างเล็กน้อย

ตัวอย่างเช่น จุดศูนย์ข้อต่อ ความคลาดเคลื่อนของขนาด และประสิทธิภาพการส่งกำลังของอุปกรณ์แต่ละเครื่องอาจแตกต่างกัน เมื่อความคลาดเคลื่อนเหล่านี้กระจายอยู่บนข้อต่อมากกว่ายี่สิบข้อ ประสิทธิภาพการเคลื่อนไหวของหุ่นยนต์ทั้งตัวก็อาจเบี่ยงเบนได้

Nomura ชี้ว่า โมเดลหุ่นยนต์ที่ SuperMimic ใช้ในสภาพแวดล้อมจำลองมีความคลาดเคลื่อนในการสอบเทียบข้อต่อเพียง ±0.01 เรเดียน ข้อกำหนดความสม่ำเสมอของพารามิเตอร์ฮาร์ดแวร์เช่นนี้ เน้นย้ำความท้าทายที่หุ่นยนต์ต้องเผชิญเมื่อย้ายจากห้องทดลองสู่การผลิตขนาดใหญ่ สมมติว่าบริษัทหนึ่งพัฒนาตัวควบคุมที่ยอดเยี่ยมที่ทำให้หุ่นยนต์ตีลังกาได้ แต่เนื่องจากความแตกต่างของฮาร์ดแวร์ระหว่างหุ่นยนต์ที่ผลิตจำนวนมาก ตัวควบคุมนี้ทำงานเสถียรได้เพียงไม่กี่เครื่อง บริษัทก็ยังต้องใช้เวลามากในการสอบเทียบ ปรับแต่ง หรือแม้แต่ฝึกใหม่ทีละเครื่อง

ในกรณีนี้ แม้ต้นทุนการฝึกอัลกอริทึมจะลดลงอย่างมาก ต้นทุนการติดตั้งและบำรุงรักษาที่เกิดจากความไม่สม่ำเสมอของฮาร์ดแวร์ก็ยังอาจสูง Nomura เห็นว่า กุญแจสำคัญในการแก้ปัญหานี้คือการสั่งสมระยะยาวด้านการออกแบบฮาร์ดแวร์ การจัดการซัพพลายเชน การควบคุมคุณภาพ และประสบการณ์การผลิตขนาดใหญ่ ความสามารถเหล่านี้ยากที่จะได้มาในเวลาอันสั้นด้วยการซื้อ GPU หรือทำซ้ำบทความวิจัยหนึ่งฉบับ นี่เป็นเหตุผลสำคัญที่ Nomura เห็นว่า Unitree ยังมีความได้เปรียบในการแข่งขันเมื่อเทียบกับบริษัทโมเดลหุ่นยนต์บางแห่งที่สร้างฮาร์ดแวร์เอง

เมื่อต้นทุนการฝึกซอฟต์แวร์การเคลื่อนไหวลดลงเรื่อยๆ การแข่งขันในอุตสาหกรรมหุ่นยนต์อาจค่อยๆ เปลี่ยนจากความสามารถด้านอัลกอริทึมในอดีต ไปสู่ความแม่นยำของฮาร์ดแวร์ ความสม่ำเสมอของผลิตภัณฑ์ การควบคุมต้นทุน และการส่งมอบขนาดใหญ่

แอคชูเอเตอร์คิดเป็นต้นทุนสูงสุด 75% ใครจะได้ประโยชน์?

ความสำคัญของความสม่ำเสมอของฮาร์ดแวร์ยังหมายความว่า การกระจายมูลค่าในห่วงโซ่อุตสาหกรรมหุ่นยนต์อาจเปลี่ยนแปลง

Nomura ประมาณการว่า แอคชูเอเตอร์คิดเป็นประมาณ 50% ถึง 75% ของต้นทุนชิ้นส่วนหุ่นยนต์ฮิวแมนนอยด์ เป็นองค์ประกอบสำคัญของต้นทุนฮาร์ดแวร์ทั้งเครื่อง แอคชูเอเตอร์รับผิดชอบการแปลงคำสั่งควบคุมเป็นการเคลื่อนไหวข้อต่อจริง ความแม่นยำ ความเร็วตอบสนอง ความเสถียร และความสม่ำเสมอในการผลิต ส่งผลโดยตรงต่อความสามารถของหุ่นยนต์ในการเคลื่อนไหวซับซ้อน

เมื่ออัลกอริทึมควบคุมการเคลื่อนไหวเข้าถึงได้ง่ายขึ้น ความแตกต่างด้านความสามารถซอฟต์แวร์ระหว่างผู้ผลิตทั้งเครื่องอาจลดลง ขณะที่คุณภาพการผลิตและความได้เปรียบด้านต้นทุนของฮาร์ดแวร์หลัก เช่น แอคชูเอเตอร์ อาจโดดเด่นขึ้น

นั่นหมายความว่า บริษัทชิ้นส่วนที่มีความสามารถในการผลิตแอคชูเอเตอร์ความแม่นยำสูง ซัพพลายเชนที่เสถียร และระบบควบคุมคุณภาพเข้มงวด อาจกลายเป็นผู้ได้ประโยชน์สำคัญจากการพัฒนาอุตสาหกรรมหุ่นยนต์

สำหรับผู้ผลิตทั้งเครื่อง กุญแจสำคัญของการแข่งขันในอนาคตอาจไม่ใช่หุ่นยนต์เครื่องเดียวทำท่ายากบางอย่างได้หรือไม่ แต่เป็นความสามารถในการควบคุมต้นทุนไปพร้อมกับรักษาประสิทธิภาพที่สม่ำเสมอของผลิตภัณฑ์จำนวนมาก

Nomura จึงเห็นว่า ในอนาคตบริษัทหุ่นยนต์และซัพพลายเออร์หลักที่มีความสามารถควบคุมความสม่ำเสมอของฮาร์ดแวร์ระดับสูง อาจได้เปรียบกว่าบริษัทที่พึ่งพาซอฟต์แวร์ควบคุมการเคลื่อนไหวเพียงอย่างเดียว

สำหรับ Unitree ข้อสรุปนี้มีความหมายสำคัญ เมื่อต้นทุนการพัฒนาอัลกอริทึมการเคลื่อนไหวลดลงเรื่อยๆ ตำแหน่งผู้นำที่ Unitree เคยสร้างจากความสามารถควบคุมการเคลื่อนไหวอาจเผชิญการไล่ตามจากคู่แข่งมากขึ้น แต่การสั่งสมด้านการออกแบบฮาร์ดแวร์ การควบคุมต้นทุน และการผลิตขนาดใหญ่ ก็อาจกลายเป็นกำแพงการแข่งขันที่ยากจะลอกเลียนแบบในขั้นต่อไป

ต้องทราบว่า SuperMimic พิสูจน์ว่าประสิทธิภาพการคำนวณสำหรับการฝึกงานควบคุมการเคลื่อนไหวทั้งตัวบางอย่างสามารถเพิ่มขึ้นอย่างมาก แต่ไม่ได้หมายความว่าซอฟต์แวร์การเคลื่อนไหวของหุ่นยนต์จะกลายเป็นมาตรฐานเดียวกันทันที การติดตั้งในสภาพแวดล้อมจริง การบูรณาการระบบ การควบคุมความปลอดภัย และความน่าเชื่อถือของผลิตภัณฑ์ยังต้องอาศัยการลงทุนทางวิศวกรรมต่อเนื่อง

ดังนั้น ข้อสรุปของ Nomura จึงใกล้เคียงกับการคาดการณ์ทิศทางการแข่งขันในอนาคต มากกว่าการเห็นว่าซอฟต์แวร์ควบคุมการเคลื่อนไหวหมดมูลค่าทางการค้าแล้ว

ราคาหุ้นพุ่งกว่า 60% ใน 7 วัน Unitree ต้องพิสูจน์อะไรต่อไป?

กลับมาที่ตลาดทุน ผลงานราคาหุ้นล่าสุดของ Unitree แสดงให้เห็นว่า นักลงทุนกำลังประเมินความก้าวหน้าทางเทคนิคและแนวโน้มการค้าเชิงพาณิชย์ของอุตสาหกรรมหุ่นยนต์ฮิวแมนนอยด์ใหม่

เมื่อวันที่ 21 ตุลาคม Unitree เปิดตัวหุ่นยนต์ฮิวแมนนอยด์ H2-X แสดงความสามารถเคลื่อนไหวพลวัตที่ซับซ้อนขึ้น วันที่ 22 ตุลาคม หวัง ซิงซิง แสดงความคาดหวังเชิงบวกต่อการทะลุทะลวงของเทคโนโลยี Physical AI ในการประชุม World Physical AI

จากนั้น Unitree แตะเพดาน 20% ในวันที่ 23 ตุลาคม และช่วงเช้าวันที่ 26 ตุลาคมยังคงพุ่งขึ้นกว่า 9% ณ สิ้นสุดภาคเช้า มูลค่าตลาดรวมแตะ 2.726 แสนล้านหยวน

แต่ที่น่าสังเกตคือ ความก้าวหน้าของเทคโนโลยีควบคุมการเคลื่อนไหวของหุ่นยนต์ ไม่จำเป็นต้องหมายความว่าความสามารถในการทำกำไรของผู้ผลิตทั้งเครื่องจะเพิ่มขึ้นพร้อมกัน การเพิ่มประสิทธิภาพที่ SuperMimic เผยให้เห็น อาจทำให้บริษัทจำนวนมากขึ้นเข้าสู่วงการควบคุมการเคลื่อนไหวด้วยต้นทุนต่ำ ซึ่งเพิ่มความเข้มข้นของการแข่งขันในตลาด เฉพาะบริษัทที่สามารถแปลงความได้เปรียบทางเทคนิคเป็นประสิทธิภาพผลิตภัณฑ์ ความได้เปรียบด้านต้นทุน และความสามารถในการส่งมอบขนาดใหญ่เท่านั้น จึงจะมีโอกาสสร้างกำแพงการค้าที่ยั่งยืนต่อไป

สำหรับ Unitree ที่ราคาหุ้นพุ่งขึ้นอย่างรวดเร็ว การแยกแยะเช่นนี้สำคัญเป็นพิเศษ

เมื่อคืนวันที่ 20 ตุลาคม Unitree เคยออกประกาศความผันผวนผิดปกติของการซื้อขายหุ้น บริษัทระบุว่า ณ วันนั้น อัตราส่วนราคาต่อกำไรย้อนหลัง (P/E) อยู่ที่ 388.25 เท่า สูงกว่าค่าเฉลี่ย 39.51 เท่าของอุตสาหกรรมการผลิตอุปกรณ์ทั่วไปอย่างมีนัยสำคัญ

บริษัทยังเตือนว่า อุตสาหกรรมหุ่นยนต์ฮิวแมนนอยด์ยังอยู่ในช่วงเริ่มต้นของการค้าเชิงพาณิชย์ ความสมบูรณ์ของเทคโนโลยี ความต้องการปลายน้ำ และความสามารถในการสนับสนุนของห่วงโซ่อุตสาหกรรมล้วนมีความไม่แน่นอน หากความคืบหน้าของการค้าเชิงพาณิชย์ขนาดใหญ่ในอุตสาหกรรมไม่เป็นไปตามคาด การเติบโตของรายได้และการปลดปล่อยผลประกอบการในอนาคตอาจได้รับผลกระทบ

ดังนั้น จากมุมมองการลงทุน การเปลี่ยนแปลงทางเทคนิคที่ SuperMimic เป็นตัวแทนอย่างน้อยก็ตั้งคำถามสองข้อที่ต้องติดตามอย่างต่อเนื่อง

ประการแรก เมื่อต้นทุนการฝึกเทคโนโลยีควบคุมการเคลื่อนไหวของหุ่นยนต์ฮิวแมนนอยด์ลดลงเรื่อยๆ บริษัทชั้นนำจะรักษาความได้เปรียบด้านความแตกต่างได้หรือไม่?

ประการที่สอง เมื่อบริษัทจำนวนมากขึ้นเชี่ยวชาญความสามารถเคลื่อนไหวซับซ้อน ผู้ผลิตรายใดจะสามารถพึ่งพาความสม่ำเสมอของฮาร์ดแวร์ ซัพพลายเชน และประสบการณ์การผลิตจำนวนมาก เพื่อแปลงความสามารถทางเทคนิคเป็นผลตอบแทนเชิงพาณิชย์ที่มั่นคง?

คำตอบของ Nomura เอนเอียงไปทางทางเลือกหลัง

เมื่อการทำให้หุ่นยนต์เรียนรู้การเดิน กระโดด หรือแม้แต่ตีลังกาถูกลงเรื่อยๆ สิ่งที่ยากจะลอกเลียนแบบอย่างแท้จริงอาจไม่ใช่อัลกอริทึมควบคุมการเคลื่อนไหวชุดใดชุดหนึ่งอีกต่อไป แต่เป็นระบบการผลิตที่บรรจุความสามารถเหล่านี้ลงในหุ่นยนต์นับพันนับหมื่นเครื่องอย่างเสถียร

สำหรับ Unitree นี่อาจเป็นความได้เปรียบในการแข่งขันที่น่าจับตามองที่สุดในขั้นต่อไป และจะเป็นคำถามหลักที่มูลค่าตลาดสูงต้องพิสูจน์อย่างต่อเนื่อง