บทวิเคราะห์ WRC 2026: เมื่อหุ่นยนต์ถูกถามว่า “ทำงานจริงได้หรือยัง” — สัญญาณจากปักกิ่งที่โรงงานไทยต้องอ่าน

กลางเดือนสิงหาคมที่ผ่านมา งาน World Robot Conference (WRC) 2026 ที่ปักกิ่งปิดฉากลงด้วยภาพที่ต่างจากปีก่อนๆ อย่างชัดเจน — ไม่ใช่การแข่งกันอวดว่าโมเดลฉลาดแค่ไหน แต่เป็นการถูกถามคำถามตรงๆ ว่า “หุ่นยนต์ตัวนี้ทำงานจริงได้หรือยัง” และคำถามนั้น เป็นคำถามเดียวกันที่ผู้จัดการโรงงานในไทยถามทุกวัน

ตัวเลขจากงานบอกอะไร

ปีนี้ WRC มีผู้เข้าร่วมแสดงสินค้ามากกว่า 300 ราย เพิ่มขึ้นราว 40% จากปีก่อน พร้อมหุ่นยนต์บนเวทีราว 3,000 ตัว ในพื้นที่ 52,000 ตารางเมตร ขยายเป็น 4 ฮอลล์ แต่สิ่งที่น่าสนใจกว่าขนาดงานคือองค์ประกอบของคนในงาน: มี รัฐวิสาหกิจ (SOE) 49 แห่ง เดินทางมาร่วมกัน พร้อมส่งมอบ 12 สถานการณ์วิศวกรรมจริง ตั้งแต่งานโครงข่ายไฟฟ้า อวกาศ เหมืองแร่ ไปจนถึงงานโลหกรรม เพื่อหาโซลูชันหุ่นยนต์ที่ใช้งานได้จริง — ผู้ซื้อมาหาผู้ขายด้วยโจทย์จริง ไม่ใช่แค่มาชมเทคโนโลยี

จาก VLA สู่ World Model — วิวัฒนาการที่โรงงานควรเข้าใจ

กระแสเทคนิคที่เปลี่ยนไปจากปีก่อนคือ ปี 2025 คนพูดถึง Vision-Language-Action (VLA) model กันทั้งงาน แต่ปีนี้ผู้แสดงสินค้าหันมาพูดถึงการผสาน World Model เข้ากับ VLA แทน — งานวิจัยที่เผยแพร่บน arXiv ช่วงก่อนหน้านี้ก็ไปในทิศทางเดียวกัน โดยนำเสนอวิธี pre-train ที่ทำให้ policy เดียวทำงานข้ามรูปแบบหุ่นยนต์ที่ต่างกันได้

เหตุผลทางเทคนิคง่ายกว่าที่คิด: VLA เพียวๆ มองเห็นฉาก ตีความคำสั่ง แล้วสั่งการเคลื่อนไหวได้ แต่มันไม่ได้ “คาดเดา” ว่าสิ่งแวดล้อมจะเปลี่ยนไปอย่างไรหลังการกระทำนั้น เมื่องานยาวขึ้น ความผิดพลาดจึงสะสม และประสิทธิภาพตกทันทีที่เจอสถานการณ์ไม่คุ้นเคย — ซึ่งเป็นเรื่องปกติมากในสายการผลิตจริง ที่ตำแหน่งชิ้นงานคลาดเคลื่อนหรือของหลุดมือจาก pallet ได้ตลอดเวลา

คอขวดที่แท้จริง: ข้อมูล ไม่ใช่ฮาร์ดแวร์

ประเด็นที่สื่อและงานวิจัยชี้ตรงกันคือ อุปสรรคใหญ่ของ Embodied AI ตอนนี้ไม่ใช่ชิ้นส่วนหุ่นยนต์ แต่คือ ข้อมูลการโต้ตอบกับโลกกายภาย (physical-interaction data) — ฝั่งจีนสร้าง “โรงงานข้อมูล” สำหรับเก็บข้อมูลสอนหุ่นยนต์ขึ้นแล้วหลายสิบแห่ง แต่รายงานวิเคราะห์ยังประเมินว่าข้อมูลที่มีอยู่ยังห่างจากที่ต้องการอย่างมาก จนบางสำนักเรียกสถานการณ์นี้ว่า data starvation ซึ่งเป็นเหตุผลว่าทำไมหุ่นยนต์ฮิวแมนนอยด์จำนวนมากยังอยู่แค่ขั้น “สาธิตได้สวย” ไม่ใช่ “ส่งไปประจำการได้”

มุมมองของเรา: โรงงานไทยควรทำอะไรตอนนี้

ข้อสรุปของทีมวิศวกรรมของเราคือ อย่ารอหุ่นยนต์ฮิวแมนนอยด์แบบ all-in-one แต่ เริ่มสะสม “ข้อมูลการผลิต” ของตัวเองตั้งแต่วันนี้ เพราะไม่ว่าโมเดลหุ่นยนต์รุ่นไหนจะชนะ ทุกตัวล้วนต้องการข้อมูลจากสนามจริงมา fine-tune — โรงงานที่มีข้อมูล process พลังงาน และการสั่นสะเทือนเป็นระบบอยู่แล้ว จะได้เปรียบทันทีเมื่อหุ่นยนต์รุ่นใช้งานจริงมาถึง ทีมงาน Honey Corporation มีประสบการณ์ติดตั้งระบบ IoT Monitoring และเก็บข้อมูลเครื่องจักรในโรงงานอุตสาหกรรม ซึ่งเป็นรากฐานข้อมูลชุดเดียวกันที่ Physical AI และหุ่นยนต์ยุคใหม่ต้องการ

สัญญาณที่ควรจับตา: เมื่อผู้ซื้อระดับรัฐวิสาหกิจเริ่มเดินมาพร้อมโจทย์จริงแทนการมาชมเทคโนโลยี แปลว่าตลาดกำลังเปลี่ยนจาก “หวัง” เป็น “ซื้อ” — วงจรนี้เคยเกิดกับ MQTT, Machine Vision และ Cobot มาแล้วทั้งนั้น

Key Takeaways

• WRC 2026 มีผู้แสดงสินค้า 300+ ราย (+40%) หุ่นยนต์ราว 3,000 ตัว ในพื้นที่ 52,000 ตร.ม. — ตลาดกำลังร้อนแรงแต่ก็เข้มงวดขึ้น
• SOE 49 แห่งพร้อม 12 โจทย์วิศวกรรมจริง (โครงข่ายไฟฟ้า อวกาศ เหมืองแร่ โลหกรรม) — ผู้ซื้อมาพร้อมปัญหา ไม่ใช่มาเที่ยวชม
• กระแสเทคนิคเปลี่ยนจาก VLA เพียวๆ → VLA + World Model เพื่อให้หุ่นยนต์คาดการณ์ผลของการกระทำและทำงานยาวได้เสถียร
• คอขวดคือข้อมูล ไม่ใช่ฮาร์ดแวร์ — ข้อมูล physical-interaction ยังขาดแคลนรุนแรง จนหุ่นยนต์จำนวนมากติดอยู่ขั้น “สาธิต”
• สิ่งที่โรงงานไทยควรทำวันนี้: ทำ IIoT data foundation ให้เสร็จ — ข้อมูล process ที่เก็บไว้ตั้งแต่ตอนนี้คือ head start ของยุคหุ่นยนต์งานจริง