Unitree Rehearsal: AI ที่ให้หุ่นยนต์พัฒนาตัวเองได้ สัญญาณที่ธุรกิจไทยต้องจับตา
Unitree เปิดเผยระบบ Rehearsal ให้ AI ค้นงานวิจัย เขียนโค้ด ทดสอบในซิม และทดลองบนหุ่นจริงแบบวนซ้ำ Wang Xingxing คาดหุ่นยนต์รับคำสั่งเสียงได้ 80% ภายในปี 2028
TL;DR — ปลายตุลาคม 2026 Wang Xingxing ผู้ก่อตั้ง Unitree Robotics เปิดเผยระบบ Unitree Rehearsal ที่ให้ AI ค้นงานวิจัย เขียนโค้ด ทดสอบในซิม แล้วทดลองกับหุ่นจริงเป็นวงจรอัตโนมัติ เป้าหมายคือให้หุ่นยนต์ Humanoid ทำงานตามคำสั่งเสียงได้ 80% ภายในปี 2028 — เร็วกว่าที่เขาเคยประเมินไว้ก่อนหน้านี้อย่างมีนัยสำคัญ สำหรับธุรกิจไทยที่กำลังวางแผน Pilot หุ่นยนต์ นี่คือสัญญาณที่บ่งว่าระยะ “ทดลองจริงเชิงพาณิชย์” อาจมาถึงเร็วกว่าคาด
ทำไม Unitree Rehearsal จึงสำคัญกับไทย?
ช่วง 12 เดือนที่ผ่านมา ไทยอยู่ในกระแสความสนใจ Humanoid Robot อย่างชัดเจน ตั้งแต่ BOI ประกาศสิทธิประโยชน์ด้าน Robotics & AI ในเขต EEC ไปจนถึงโรงงาน Tier-1 ยานยนต์ที่เริ่มทดสอบ หุ่นยนต์ Humanoid ในไลน์ประกอบ
ปัญหาที่เกือบทุก Buyer ในไทยถามเหมือนกันคือ “เมื่อไหร่หุ่นยนต์จะทำงานได้จริงโดยไม่ต้องมีวิศวกรประคับประคองตลอด?” คำตอบของ Unitree ผ่านระบบ Rehearsal เป็นหลักฐานล่าสุดว่าบริษัทอยู่ระหว่างแก้ปัญหานี้อย่างจริงจัง
Unitree Rehearsal คืออะไร?
Wang Xingxing ประกาศระบบนี้ในงาน Physical AI Conference ที่เมืองหางโจว ช่วงปลายตุลาคม 2026 โดยอธิบายว่า Rehearsal คือ กลไกที่ให้หุ่นยนต์ Unitree พัฒนาอัลกอริทึมของตัวเองได้แบบวนซ้ำ ผ่านขั้นตอนดังนี้:
- ค้นหางานวิจัย (Paper Search) — AI สแกนและสังเคราะห์งานวิจัยที่เกี่ยวข้องกับทักษะที่ต้องการ เช่น การหยิบวัตถุ การเดินบนพื้นผิวต่างกัน
- เขียนโค้ดอัตโนมัติ (Auto Code Generation) — แปลแนวคิดจากงานวิจัยเป็น code สำหรับระบบ control ของหุ่นยนต์
- ทดสอบในซิม (Simulation Testing) — รัน code ในสภาพแวดล้อมจำลองก่อน ลดความเสี่ยงความเสียหายต่อฮาร์ดแวร์จริง
- ทดลองกับหุ่นจริง (Real Robot Trial) — นำ code ที่ผ่านซิมไปทดลองกับ Unitree G1, H2 หรือ H2-X ตัวจริง
- เก็บ Feedback ปรับโมเดล (Feedback Loop) — ดึงข้อมูลจากการทดลองจริงกลับมาปรับ AI model และเริ่มวงจรใหม่
Wang เรียกระบบนี้ว่า “โครงการสำคัญที่สุดของ Unitree ในปีนี้” และ Unitree ได้ใช้แนวทางคล้ายกันนี้มาพักหนึ่งแล้ว แต่การประกาศที่หางโจวเป็นครั้งแรกที่มีการนำเสนออย่างเป็นทางการ
ความท้าทายหลัก: Wang ระบุว่าอุปสรรคใหญ่ที่สุดคือการ align input/output ของ AI model ให้ตรงกับ input/output จริงของหุ่นยนต์ฟิสิคัล กล่าวคือ การที่ AI “รู้” วิธีทำสิ่งหนึ่ง กับการที่หุ่นยนต์มีมอเตอร์และเซ็นเซอร์ที่ทำสิ่งนั้นได้จริงยังคงเป็นช่องว่างสำคัญ
ความสามารถปัจจุบัน: ที่ GPT-6 เปลี่ยนภาพ
ส่วนหนึ่งที่ทำให้ Wang มั่นใจมากขึ้นคือประสิทธิภาพของ frontier AI model รุ่นล่าสุด เขาอ้างว่า หุ่นยนต์ที่ใช้ GPT-6 สามารถทาสีและเล่นหมากล้อม (Go) ได้แล้ว รวมถึงเปลี่ยนสีและล้างพู่กันระหว่างการทาสี ซึ่งต้องการการประสานงานระหว่างมือ ตา และการวางแผนลำดับขั้นตอนที่ซับซ้อน
Wang ยอมรับว่าก่อนหน้านี้เขาค่อนข้างสงสัยในความสามารถของ AI model developer แต่ตอนนี้เขาเปลี่ยนใจ:
“As long as you give a frontier model data and time, it will undoubtedly surpass humans in many areas.” — Wang Xingxing
อย่างไรก็ตาม เขายังเป็นกลางเรื่องขีดจำกัดปัจจุบัน:
“If you take a humanoid home now and ask it to clean the room, honestly I don’t think it can complete that task.”
ประโยคนี้สำคัญมากสำหรับธุรกิจไทยที่กำลังวางแผน ROI ควรระวังการอ้าง use case ที่กว้างเกินไปในระยะสั้น
เป้าหมาย 2028: เมื่อไหร่ที่ “80%” หมายความว่าอะไร?
ตัวเลขที่ Wang Xingxing ให้ในงาน Physical AI Conference หางโจว:
- ปี 2028: หุ่นยนต์ทำงานตามคำสั่งเสียงได้ 80% — นี่คือ “aha moment” สำหรับ practical adoption
- ในงาน World Robot Conference ปักกิ่ง (สิงหาคม 2026): เคยพูดว่าการใช้งานจริงในโรงงานและบ้านอาจต้องใช้เวลา 10 ปี
นั่นหมายความว่าในเวลาเพียง 3 เดือน Wang ได้ปรับ timeline อย่างมีนัยสำคัญ ซึ่งน่าจะมาจากความก้าวหน้าของ Rehearsal system และ frontier AI model ที่ดีขึ้นเร็ว
ความหมายของ “80% task completion”:
- ไม่ใช่ Full Automation ยังต้องมีคนดูแล 20% ของงาน
- เหมาะสำหรับ Structured environment เช่น คลังสินค้าที่มีระบบ layout ชัดเจน มากกว่าบ้านทั่วไปที่ Unstructured
- สำหรับโรงงาน EEC ในไทย งาน Repetitive เช่น การหยิบ-วางชิ้นส่วน การตรวจสอบสายพาน อาจอยู่ในกลุ่ม 80% นี้ก่อน
Unitree ในตลาดโลกและไทยตอนนี้
Unitree Robotics ปัจจุบันผลิตหุ่นยนต์ หลักหมื่นตัวต่อปี และตั้งเป้าขยายไปหลักสิบล้านตัวเพื่อรองรับ demand ที่คาดว่าจะเพิ่มขึ้นเมื่อหุ่นยนต์มีความสามารถมากพอ
รุ่นที่มีในตลาดตอนนี้:
| รุ่น | ราคาอ้างอิง | จุดแข็ง |
|---|---|---|
| G1 | ขนาดกะทัดรัด เหมาะ R&D | |
| H1 | Payload ดี เหมาะ Pilot | |
| H2 | $29,900 (~฿1,050,000) | ประสิทธิภาพสูงสุด |
| H2-X | ยังไม่ระบุราคา | Runtime 8 ชม., กระโดดได้จากที่สูง 4 ม. |
ราคา H2 ที่ $29,900 (~฿1,050,000) เป็น ราคาที่ต่ำที่สุดในบรรดา Humanoid Performance-Grade รุ่นที่มีในตลาด ณ ปัจจุบัน เมื่อเทียบกับคู่แข่งที่มักตั้งราคาสูงกว่า 3–5 เท่า
หุ้น Unitree บน STAR Market ของเซี่ยงไฮ้ปรับตัวขึ้น 5 เท่าตั้งแต่เปิดซื้อขาย (สิงหาคม 2026) และปัจจุบันอยู่ต่ำกว่าจุดสูงสุดราว 25% ซึ่งสะท้อนว่าตลาดยังมองบวกแต่เริ่มสะท้อน expectation ที่เป็นจริงมากขึ้น
นัยสำคัญสำหรับธุรกิจไทยที่วางแผน Humanoid
สำหรับคลังสินค้าและโรงงาน EEC:
ระบบ Rehearsal หมายความว่า Unitree มีแผนรองรับ use case ใหม่ๆ โดยไม่จำเป็นต้องรอ hardware generation ใหม่เสมอ ธุรกิจที่ซื้อ G1 หรือ H1 วันนี้อาจได้รับ software update ที่ทำให้หุ่นยนต์ทำงานใหม่ได้ผ่าน OTA update ในอนาคต เหมือน Tesla ที่ปรับปรุง Autopilot ผ่าน software
สำหรับผู้ที่ยังไม่ได้ซื้อ:
- หากกรณีใช้งานของคุณคือ Repetitive structured task (หยิบ-วาง, ขนของระหว่างสถานี, ตรวจสอบสายพาน) ในพื้นที่ที่ออกแบบได้ล่วงหน้า → Pilot ได้แล้วตอนนี้ ROI มีแนวโน้มดีขึ้นเรื่อยๆ ตาม software
- หากกรณีใช้งานคือ Unstructured environments (บ้าน, งาน care ผู้สูงอายุ, งานที่ต้องการ judgment สูง) → ยังควรรออีก 12–24 เดือน
เรื่อง 2028 timeline:
ธุรกิจที่กำลังเตรียม ROI projection ควรนำตัวเลข 2028 (80% task completion) เข้าไปในสมมติฐาน แต่ระวังตีความมากเกินไป เพราะ “80%” ในสภาพแวดล้อมควบคุมกับ “80%” ในโรงงานจริงอาจต่างกันมาก แนะนำวางแผนแบบ phased deployment คือเริ่ม Pilot 1–2 หน่วยในปีนี้ ขยายตามผลการทดสอบ
ความเสี่ยงและประเด็นที่ต้องติดตาม
ความเสี่ยงด้านซัพพลายเชน:
ตลาดโลกในปี 2026 มีปัจจัยภูมิรัฐศาสตร์ที่ส่งผลต่อ tech supply chain โดยเฉพาะกับผู้ผลิตจีนอย่าง Unitree ธุรกิจไทยที่วางแผน deployment ควรประเมิน spare parts และ support availability ล่วงหน้า
Software dependency:
Rehearsal system และการอัปเดต AI model ต้องการ cloud connectivity ในระดับหนึ่ง ควรประเมิน data policy และ network requirement ก่อน deploy ในโรงงานที่มี production data sensitivity
ความสามารถของ system integrator ในไทย:
หุ่นยนต์ Humanoid ต้องการ system integrator ที่เข้าใจทั้ง robotics hardware และ AI software ซึ่งยังหายากในไทย ควรประเมิน support availability ร่วมกับ vendor ก่อนตัดสินใจซื้อ
สรุป: Rehearsal เปลี่ยน Roadmap แต่ไม่ได้ shortcut ระยะสั้น
Unitree Rehearsal ไม่ใช่ announcement ว่าหุ่นยนต์ “พร้อมแล้ว” วันนี้ แต่เป็นสัญญาณว่า Unitree กำลังวางโครงสร้างพื้นฐานที่จะทำให้ความสามารถของหุ่นยนต์ปรับปรุงได้เร็วขึ้นกว่าวงจร hardware เดิมอย่างมาก
สำหรับธุรกิจไทยในกลุ่ม logistics, โรงงาน EEC, หรือ service facility ที่ประเมิน Humanoid อยู่ — นี่คือเวลาที่เหมาะสมที่สุดในการ เริ่ม Pilot เล็กๆ เพื่อสะสมประสบการณ์ ก่อนที่ตลาดจะแข่งกันเข้าพร้อมกันในปี 2027–2028
อยากประเมิน ROI ของ Humanoid สำหรับธุรกิจของคุณ? ติดต่อทีมของเราที่ youshouldautomatethat.tech/contact/ หรือทดลองประเมินเบื้องต้นด้วย ROI Calculator ของเราได้เลย
แหล่งข้อมูล:
FAQ ที่เกี่ยวข้อง
Unitree Rehearsal คืออะไร และต่างจาก AI เดิมอย่างไร?
Rehearsal คือระบบที่ให้ AI ค้นหางานวิจัยใหม่ เขียนโค้ดอัตโนมัติ ทดสอบในสภาพแวดล้อมจำลอง (simulation) แล้วนำไปทดลองกับหุ่นยนต์ตัวจริง จากนั้นดึง feedback กลับมาปรับโมเดลอีกรอบ วงจรนี้ทำให้หุ่นยนต์สามารถเรียนรู้ทักษะใหม่ได้โดยไม่ต้องรอทีมวิศวกรเขียนโปรแกรมทีละชุด
ธุรกิจไทยที่ศึกษา Humanoid อยู่ควรรอ Rehearsal หรือเดินหน้าซื้อเลย?
ขึ้นกับกรณีใช้งาน ถ้าต้องการ Pilot ในคลังสินค้าหรือโรงงาน EEC ที่มีงาน Repetitive ชัดเจน เริ่ม Pilot ด้วย G1 หรือ H1 ตอนนี้ได้เลยในราคา ฿970,000–1,100,000 บาท แต่ถ้าเป้าหมายคืองานบ้านหรืองาน Unstructured เต็มรูปแบบ ควรรอดูพัฒนาการอีก 12–18 เดือน
Unitree H2 ราคาเท่าไหร่ในไทย?
ราคาอ้างอิงจากเว็บ Unitree คือ $29,900 ประมาณ ฿1,050,000–1,100,000 บาท (อัตราแลกเปลี่ยนปี 2026) ราคานี้ยังไม่รวมค่าติดตั้ง ค่า integration และค่า software license สำหรับ application เฉพาะทาง ต้นทุนรวม Pilot ใน 1 สถานีทำงานมักอยู่ที่ ฿2–4 ล้านบาท
Rehearsal จะทำให้ Humanoid ทำงานจริงเชิงพาณิชย์ได้เร็วขึ้นแค่ไหน?
Wang Xingxing ประเมินว่าหุ่นยนต์จะทำงานตามคำสั่งเสียงได้ 80% ภายในปี 2028 ซึ่งเร็วกว่าที่เคยพูดในงาน World Robot Conference ปี 2026 ว่าต้องใช้เวลา 10 ปี แต่ตัวเลข 80% ยังหมายความว่ายังมีอีก 20% ที่ต้องใช้คนดูแล ธุรกิจจึงควรวางแผนแบบ Human-in-the-Loop ไม่ใช่ Full Automation