NVIDIA จับมือ LG และ Doosan สร้าง "โรงงาน AI" ในเกาหลีใต้

NVIDIA ประกาศความร่วมมือพร้อมกันกับสองกลุ่มทุนอุตสาหกรรมรายใหญ่ของเกาหลีใต้ คือ LG Group และ Doosan Group เพื่อสร้างสิ่งที่บริษัทเรียกว่า "โรงงาน AI" (AI factory) โดยวางให้เป็นโครงสร้างพื้นฐานด้านการประมวลผลแบบเร่งความเร็ว (accelerated computing) สำหรับฝึก จำลอง ตรวจสอบ และนำโมเดล AI ไปใช้งานจริงทั่วทั้งเครือธุรกิจ ตั้งแต่หุ่นยนต์ ยานยนต์ไร้คนขับ เทคโนโลยีศูนย์ข้อมูล ไปจนถึงบริการคลาวด์ GPU

คำว่า "โรงงาน AI" ในบริบทนี้ไม่ได้หมายถึงอาคารที่มีสายพานการผลิตแบบเดิม แต่หมายถึงศูนย์ประมวลผลที่ออกแบบมาเพื่อแปลงพลังคำนวณให้กลายเป็นข้อมูลและโมเดลปัญญาประดิษฐ์ NVIDIA ระบุว่าความร่วมมือนี้เชื่อมขั้นตอนตั้งแต่การพัฒนาโมเดล การสร้างข้อมูลสำหรับ physical AI การจำลองและฝึกหุ่นยนต์ ไปจนถึงการติดตั้งที่ edge และการทำ digital twin ระดับโรงงาน ให้กลายเป็นกระบวนการเดียวที่ต่อเนื่องกัน

หุ่นยนต์ที่ "ฉลาดขึ้น": physical AI คือหัวใจของดีล

จุดที่เป็นแกนกลางของความร่วมมือคือ physical AI หรือการนำ AI ไปฝังในเครื่องจักรและหุ่นยนต์ที่ทำงานในโลกจริง โดยทั้ง LG และ Doosan ใช้ชุดเครื่องมือฝั่งหุ่นยนต์ของ NVIDIA ร่วมกันหลายตัว ทั้ง Isaac Sim และ Isaac Lab สำหรับจำลองและฝึกหุ่นยนต์ในสภาพแวดล้อมเสมือนที่อิงฟิสิกส์จริง และโมเดล Cosmos สำหรับสร้างข้อมูลสังเคราะห์ (synthetic data) เพื่อแก้ปัญหาการขาดแคลนข้อมูลฝึกหุ่นยนต์

ฝั่ง LG

LG Electronics กำลังพัฒนาหุ่นยนต์ในบ้านอย่าง CLOiD เพื่อช่วยงานในครัวเรือน โดยจะจำลองและตรวจสอบหุ่นยนต์ในสภาพแวดล้อมเสมือนก่อนนำไปใช้จริง พร้อมศึกษาการนำโมเดล Isaac GR00T ซึ่งเป็นโมเดลภาษา-ภาพ-การกระทำเชิงเหตุผล มาให้หุ่นยนต์มีความสามารถในการให้เหตุผลคล้ายมนุษย์และทำงานที่ซับซ้อนได้ นอกจากนี้ LG ยังตั้ง "โรงงานข้อมูล physical AI" เพื่อผลิตข้อมูลฝึกคุณภาพสูงป้อนให้โครงการหุ่นยนต์และ AI อุตสาหกรรมทั้งในเกาหลีและทั่วโลก ขณะที่ LG Innotek เตรียมป้อนชิ้นส่วนเซนเซอร์ และ LG CNS นำเทคโนโลยีหุ่นยนต์ของ NVIDIA เข้าไปในแพลตฟอร์ม PhysicalWorks สำหรับงานผลิตและโลจิสติกส์

ฝั่ง Doosan

Doosan Robotics กำลังผนวก Isaac Sim, Isaac Lab, โมเดล Cosmos, เอนจินฟิสิกส์โอเพนซอร์ส Newton และชิป Jetson Thor เข้ากับแพลตฟอร์ม Agentic Robot OS ของตน เพื่อเชื่อมการรับรู้ การให้เหตุผล การจำลอง การเรียนรู้ และการประมวลผลบนตัวอุปกรณ์เข้าด้วยกัน บริษัทตั้งเป้าพัฒนากรณีใช้งานสำหรับงานอุตสาหกรรมมูลค่าสูง เช่น การจัดเรียงพาเลทและการขัดผิวงาน รวมถึงหุ่นยนต์รูปแบบใหม่อย่างแขนกลคู่และหุ่นยนต์ฮิวแมนนอยด์ โดยมุ่งยกระดับจากผู้ผลิตแขนกลไปสู่บริษัทโซลูชันหุ่นยนต์แบบครบวงจร ส่วน Doosan Bobcat เตรียมนำ physical AI ไปใช้กับเครื่องจักรงานก่อสร้าง เกษตร และการขนถ่ายวัสดุ ผ่านการสร้าง world model ที่ทำให้อุปกรณ์รับรู้สภาพแวดล้อมและทำงานได้อัตโนมัติมากขึ้น

โครงสร้างพื้นฐาน: พลังงาน การระบายความร้อน และวัสดุ

นอกเหนือจากหุ่นยนต์ ดีลยังลงลึกถึงชั้นโครงสร้างพื้นฐานของโรงงาน AI ซึ่งอิงกับแพลตฟอร์ม NVIDIA DSX เป็นมาตรฐานกลาง ฝั่ง LG Electronics ร่วมพัฒนาโซลูชันระบายความร้อนทั้งชุดจ่ายน้ำหล่อเย็น (CDU) และแผ่นเย็น (cold plate) พร้อมเทคนิคออกแบบโมดูลสำเร็จรูป ขณะที่ LG Uplus และ LG Energy Solution เตรียมสร้างโรงงาน AI และศูนย์ข้อมูลขนาดใหญ่ที่รองรับ GPU รุ่นใหม่ โดย LG Energy Solution ยังร่วมพัฒนาระบบจ่ายไฟแบบ 800 โวลต์กระแสตรง เพื่อรองรับความต้องการพลังงานที่เพิ่มขึ้นของชิปรุ่นถัดไป

ฝั่ง Doosan เน้นที่ "พลังงาน" และ "วัสดุ" Doosan Enerbility เสนอพอร์ตโครงสร้างพื้นฐานพลังงานขนาดใหญ่ ทั้งกังหันก๊าซ กังหันไอน้ำ เครื่องปฏิกรณ์นิวเคลียร์โมดูลาร์ขนาดเล็ก (SMR) และเซลล์เชื้อเพลิงไฮโดรเจน เพื่อจ่ายไฟให้ศูนย์ข้อมูล AI ที่ต้องการพลังงานต่อเนื่องและมีประสิทธิภาพสูง ส่วน Doosan Corporation Electro-Materials BG ป้อนวัสดุ copper clad laminate (CCL) ซึ่งเป็นวัสดุพื้นฐานของแผ่นวงจรพิมพ์สำหรับเซิร์ฟเวอร์ AI และอุปกรณ์เครือข่าย

ในด้านยานยนต์ LG Electronics ปรับสถาปัตยกรรมระบบช่วยขับขี่ขั้นสูง (ADAS) ให้สอดคล้องกับแพลตฟอร์ม NVIDIA DRIVE Hyperion และเตรียมใช้ชิป DRIVE AGX กับห้องโดยสารอัจฉริยะ ขณะเดียวกัน NVIDIA และ LG AI Research ยังร่วมพัฒนาโมเดล EXAONE ซึ่งเป็นหนึ่งในโมเดล "AI อธิปไตย" (sovereign AI) ของเกาหลี โดยใช้ GPU สถาปัตยกรรม Blackwell และเฟรมเวิร์ก NeMo ในการฝึกและให้บริการ

โจทย์ที่ตามมาถึงอุตสาหกรรมไทย

แม้การประกาศครั้งนี้จะไม่ได้พูดถึงไทยโดยตรง แต่ทิศทางของกลุ่มทุนเกาหลีมีนัยต่อภาคการผลิตในภูมิภาคที่ไทยอยู่ในห่วงโซ่เดียวกัน โดยเฉพาะกลุ่มชิ้นส่วนยานยนต์ อิเล็กทรอนิกส์ และโลจิสติกส์ เมื่อบริษัทอย่าง LG และ Doosan ขยับจากการผลิตฮาร์ดแวร์ไปสู่การเป็นเจ้าของทั้งหุ่นยนต์ ข้อมูลฝึก และระบบปฏิบัติการอัจฉริยะที่สั่งงานหุ่นยนต์ได้ "เพดาน" ของความสามารถในการแข่งขันด้านการผลิตก็ถูกยกสูงขึ้น

ประเด็นที่น่าจับตาคือเทคนิคอย่างการสร้างข้อมูลสังเคราะห์และการจำลองก่อนติดตั้งจริง ซึ่งช่วยลดต้นทุนและเวลาในการนำหุ่นยนต์เข้าสายการผลิต หากเทคนิคเหล่านี้แพร่หลายและราคาเข้าถึงได้มากขึ้น คำถามสำหรับผู้ประกอบการไทยจึงไม่ใช่แค่ "จะซื้อหุ่นยนต์ตัวไหน" แต่เป็น "จะมีข้อมูลและระบบปฏิบัติการของตัวเองหรือต้องพึ่งแพลตฟอร์มของผู้อื่น" ซึ่งเป็นโจทย์เชิงโครงสร้างที่ตอบได้ยากกว่าการลงทุนซื้อเครื่องจักร และอาจกำหนดว่าใครจะอยู่ตรงไหนของห่วงโซ่การผลิตในทศวรรษหน้า