ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ 

ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริง

แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น 

เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI 

เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย 

และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ” 

“การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน 

เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง 

แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต 

ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ: 

• การตอบสนองแบบเรียลไทม์ 

• การทำงานที่แม่นยำและคาดการณ์ผลลัพธ์ได้อย่างแน่นอน 

• ความปลอดภัยในการทำงาน (Functional safety) และความน่าเชื่อถือสูง 

• ความสามารถในการทำงานภายใต้ข้อจำกัดด้านพลังงานและความร้อน 
• ความยืดหยุ่นในการทำงานต่อเนื่อง แม้ในภาวะที่การเชื่อมต่อมีข้อจำกัดหรือถูกตัดขาด 

ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป 

ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก 

และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI” 

ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด 

เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์ 

สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ 

ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ

จึงไม่มีสถาปัตยกรรมโปรเซสเซอร์เพียงรูปแบบเดียวที่สามารถจัดการทุกกระบวนการเหล่านี้ได้อย่างมีประสิทธิภาพ แต่จำเป็นต้องอาศัยการทำงานร่วมกันของหน่วยประมวลผลหลากหลายประเภท 

โปรเซสเซอร์ (CPU) และกราฟิกการ์ด (GPU) ประสิทธิภาพสูงจะทำหน้าที่เสมือน “สมอง” ที่รับผิดชอบการคิดวิเคราะห์ข้อมูลที่ซับซ้อน การรับรู้ และรองรับเวิร์กโหลดของ AI ในขณะที่ Adaptive SoC และ NPU จะเปรียบเสมือน “ระบบประสาท” ที่ช่วยให้การประมวลผลมีความหน่วงต่ำและประหยัดพลังงาน ณ จุดที่ต้องตัดสินใจ ส่วนชิป FPGA จะรองรับการควบคุมเซ็นเซอร์และกลไกการเคลื่อนไหว (Actuator) อย่างแม่นยำ ช่วยให้เครื่องจักรอัจฉริยะสามารถโต้ตอบกับโลกทางกายภาพได้อย่างปลอดภัยและไร้ข้อผิดพลาด 

นี่คือเหตุผลที่ Physical AI ต้องพึ่งพาสถาปัตยกรรมการประมวลผลแบบผสมผสาน (Heterogeneous Computing) แทนที่จะใช้งานหน่วยประมวลผลเพียงชนิดเดียว ระบบ Physical AI สามารถผสานขุมพลังของ CPU, GPU, NPU, Adaptive Compute และ FPGA เข้าด้วยกัน โดยหน่วยประมวลผลแต่ละตัวจะถูกปรับแต่งมาให้เหมาะสมกับหน้าที่เฉพาะของตนเองตลอดทั้งกระบวนการทำงาน ตั้งแต่การรับรู้ผ่านเซ็นเซอร์ไปจนถึงการสั่งการลงมือทำ 

ยุค Physical AI สอดรับกับจุดแข็งของ AMD อย่างลงตัว 

การเกิดขึ้นของยุค Physical AI ไม่ได้ทำให้กลยุทธ์ด้านเทคโนโลยีของ AMD เปลี่ยนแปลงไปแต่อย่างใด ในทางกลับกัน สิ่งนี้ได้เข้ามาช่วยตอกย้ำความสำเร็จของกลยุทธ์ที่ AMD มุ่งมั่นพัฒนามาอย่างต่อเนื่องตลอดหลายทศวรรษ 

อย่างที่กล่าวไปว่า Physical AI ต้องอาศัยการประมวลผลแบบผสมผสาน ซึ่ง AMD มีพอร์ตโฟลิโอด้านการประมวลผลที่ครอบคลุมที่สุดในอุตสาหกรรม ไม่ว่าจะเป็น CPU, GPU, NPU, Adaptive SoC ไปจนถึง FPGA เพื่อตอบโจทย์การเลือกใช้หน่วยประมวลผลให้เหมาะสมที่สุดสำหรับทุกเวิร์กโหลด 

แทนที่จะจำกัดการเพิ่มประสิทธิภาพไว้ที่ขั้นตอนใดขั้นตอนหนึ่งของการประมวลผล AI เทคโนโลยีเหล่านี้กลับถูกออกแบบมาให้ทำงานประสานกัน เพื่อรองรับกระบวนการทั้งหมดของ Physical AI ได้อย่างครบวงจร ตั้งแต่การรับรู้และการคิดวิเคราะห์ ไปจนถึงการควบคุมและการลงมือทำทางกายภาพแบบเรียลไทม์ 

สิ่งสำคัญที่ไม่แพ้กันคือ ประสบการณ์อันยาวนานของ AMD ในด้านระบบประมวลผลแบบฝังตัว (Embedded Computing) ตลอดหลายทศวรรษที่ผ่านมา เทคโนโลยีของ AMD ได้อยู่เบื้องหลังการขับเคลื่อนระบบต่างๆ ในอุตสาหกรรมยานยนต์ ระบบอัตโนมัติทางอุตสาหกรรม โทรคมนาคม การแพทย์ อวกาศและการบิน รวมถึงตลาด Embedded อื่นๆ ซึ่งล้วนเป็นกลุ่มอุตสาหกรรมที่ให้ความสำคัญกับการทำงานที่เสถียรและคาดการณ์ได้ วงจรชีวิตผลิตภัณฑ์ที่ยาวนาน ความปลอดภัยในการใช้งาน (Functional safety) การทนทานต่อสภาพแวดล้อมที่สมบุกสมบัน รวมถึงการร่วมพัฒนาระบบไปพร้อมกับลูกค้า 

และคุณสมบัติความแข็งแกร่งทั้งหมดนี้ ก็กำลังกลายเป็นปัจจัยสำคัญยิ่ง ในวันที่ยุคของ Physical AI กำลังก้าวข้ามจากขั้นตอนการวิจัยในห้องแล็บ ไปสู่การนำไปใช้งานจริงในโลกกว้าง 

แต่การจะไปให้ถึง Physical AI นั้น ลำพังแค่การมีชิปประมวลผล (Silicon) ย่อมไม่เพียงพอ เพราะการสร้างระบบทางกายภาพอัจฉริยะจำเป็นต้องอาศัยองค์ประกอบอื่นๆ ที่ทำงานสอดประสานกันอย่างลงตัว ทั้งโมเดล AI, ซอฟต์แวร์หุ่นยนต์, มิดเดิลแวร์ (Middleware), เซ็นเซอร์, ระบบจำลองสถานการณ์ (Simulation), การตรวจสอบความถูกต้อง (Validation) รวมถึงแพลตฟอร์มที่พร้อมสำหรับการผลิตจริง 

นี่จึงเป็นเหตุผลที่ AMD เดินหน้าขยายกลยุทธ์ “ระบบนิเวศแบบเปิด” (Open Ecosystem) ที่บริษัทมุ่งมั่นทำมาอย่างต่อเนื่อง ผ่านโครงการสนับสนุนต่างๆ เช่น AMD Robotics Partner Network และโซลูชัน AMD Kria AI เพื่อช่วยให้ลูกค้าสามารถเปลี่ยนผ่านจากการพัฒนาเครื่องต้นแบบ (Prototype) ไปสู่การผลิตจริงได้อย่างรวดเร็วและไร้รอยต่อมากยิ่งขึ้น 

ด้วยเหตุนี้ AMD จึงไม่ต้องเสียเวลามาปรับตัวเพื่อเข้าสู่ยุค Physical AI เพราะบริษัทกำลังต่อยอดรากฐานที่แข็งแกร่ง ทั้งในด้านเทคโนโลยี ซอฟต์แวร์ และระบบนิเวศที่พัฒนามาตลอดหลายปีให้ก้าวหน้าไปอีกขั้น 

ทศวรรษหน้าของ AI จะถูกกำหนดทิศทางโดยระบบที่ “ลงมือทำ” 

Physical AI ไม่ได้เป็นเพียงแค่วิวัฒนาการขั้นต่อไปของเทคโนโลยี AI แต่เป็นภาพสะท้อนของการเปลี่ยนแปลงขั้นพื้นฐาน ว่าความอัจฉริยะจะสามารถสร้างมูลค่าและประโยชน์ใหม่ๆ ได้อย่างไร 

ยุคแรกเริ่มของ AI มักถูกตีกรอบความสามารถไว้ที่ระบบซึ่งทำหน้าที่ทำความเข้าใจข้อมูล แต่ในยุคถัดไป รูปโฉมของ AI จะถูกกำหนดด้วยระบบที่สามารถรับรู้ ตัดสินใจ และลงมือปฏิบัติงานในโลกทางกายภาพได้อย่างปลอดภัย 

การเปลี่ยนแปลงครั้งนี้ มีความหมายอย่างยิ่งต่อประเทศที่ขับเคลื่อนเศรษฐกิจด้วยภาคการผลิต และกำลังเผชิญกับการเปลี่ยนแปลงเชิงโครงสร้างด้านประชากรศาสตร์ อย่างเช่น “ประเทศไทย” ที่กำลังก้าวเข้าสู่สังคมผู้สูงอายุ ภาวะตลาดแรงงานที่ตึงตัว และความท้าทายในการยกระดับผลิตภาพ (Productivity) ในภาคอุตสาหกรรม ปัจจัยเหล่านี้ต่างเป็นตัวเร่งให้เกิดการลงทุนด้านระบบอัตโนมัติ หุ่นยนต์ และโครงสร้างพื้นฐานอัจฉริยะอย่างหลีกเลี่ยงไม่ได้ 

สำหรับระบบเศรษฐกิจในลักษณะนี้ Physical AI จะไม่ใช่แค่เทรนด์เทคโนโลยีฉาบฉวยอีกต่อไป แต่จะกลายมาเป็นเครื่องมือชิ้นสำคัญในการรักษามาตรฐานผลิตภาพในระยะยาว ยกระดับขีดความสามารถในการแข่งขันของภาคอุตสาหกรรม และสร้างความยืดหยุ่นแข็งแกร่งให้กับเศรษฐกิจของประเทศ 

แม้ Physical AI จะไม่สามารถแก้ไขปัญหาทุกอย่างได้ด้วยตัวมันเอง แต่ด้วยความสามารถในการช่วยให้ระบบอัจฉริยะทำงานและโต้ตอบกับโลกทางกายภาพได้อย่างปลอดภัย เทคโนโลยีนี้จึงมีศักยภาพอันเปี่ยมล้นที่จะเข้ามาพลิกโฉมรูปแบบการดำเนินงานในหลากหลายอุตสาหกรรมไปอย่างสิ้นเชิง 

AMD มีความเชื่อมั่นอย่างแรงกล้าว่า ทศวรรษต่อไปของ AI จะไม่ถูกกำหนดทิศทางโดยระบบที่ทำได้เพียงแค่ “รู้” อีกต่อไป แต่จะถูกขับเคลื่อนด้วยระบบที่สามารถ “ลงมือทำ” ได้อย่างแท้จริง 

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business 

AMD Outlines Next AI Decade Around Physical AI and Heterogeneous Computing Systems

AMD has highlighted the transition of artificial intelligence from digital productivity tools into physical environments in an analysis by Steven Fong, Corporate Vice President of the APJ Embedded Business. The company stated that the next decade of AI development will be shaped by Physical AI—systems capable of perceiving, deciding, and acting within the real world across robotics, autonomous vehicles, real-time medical instruments, and responsive infrastructure.

Deploying intelligent systems into operational hardware alters computing requirements compared to centralized cloud AI architectures. Physical AI demands deterministic and real-time execution, operational functional safety, resilience during network disconnects, and continuous operation under tight thermal and power constraints. Because intelligence must function from sensor intake through inferencing and physical actuation, AMD approaches Physical AI as a holistic systems engineering challenge rather than a standalone model design exercise.

Fong emphasized that no single processor architecture can manage this operational pipeline alone, requiring heterogeneous computing. Within this structure, high-performance CPUs and GPUs analyze complex workloads, while Adaptive SoCs and NPUs provide low-latency edge decision-making with power efficiency. Additionally, FPGAs provide the precision timing required to operate sensors and physical actuators safely.

AMD positions its existing product portfolio—spanning CPUs, GPUs, NPUs, Adaptive SoCs, and FPGAs—to address these system-level needs. The approach builds on the company’s long-standing footprint in embedded computing across industrial automation, automotive, telecommunications, healthcare, and aerospace sectors. To transition prototypes into commercial production, AMD is expanding its open ecosystem through the AMD Robotics Partner Network and AMD Kria AI solutions.

In manufacturing-driven economies facing structural demographic headwinds like Thailand, where aging populations and tight labor markets present productivity challenges, AMD indicates that Physical AI will serve as an operational tool to automate facilities, sustain output, and strengthen economic competitiveness over the long term.