เว็บไซต์นี้ใช้คุ้กกี้เพื่อสร้างประสบการณ์ที่ดีมีประสิทธิภาพยิ่งขี้น อ่านเพิ่มเติมคลิก (Privacy Policy) และ (Cookies Policy)
Skip to content
FWD ชี้แฮกเกอร์ใช้ AI โจมตีธุรกิจประกัน พร้อมผนึก คปภ.-แบงก์ สกัดภัยไซเบอร์
Finance FWD ชี้แฮกเกอร์ใช้ AI โจมตีธุรกิจประกัน พร้อมผนึก คปภ.-แบงก์ สกัดภัยไซเบอร์
ทองแท่งจ่อหลุด 60,000 บาท รายงาน ‘เฟด’ กดดันทองโลกร่วงหนัก
Finance ทองแท่งจ่อหลุด 60,000 บาท รายงาน ‘เฟด’ กดดันทองโลกร่วงหนัก
AI+Virtual Twin ฟื้นยานยนต์-โรบอต ญี่ปุ่น สู้จีน-สหรัฐ 
Tech AI+Virtual Twin ฟื้นยานยนต์-โรบอต ญี่ปุ่น สู้จีน-สหรัฐ 
แนวโน้มราคาทองวันนี้ (19 พ.ย. 69) บทวิเคราะห์โดย YLG Bullion
Finance แนวโน้มราคาทองวันนี้ (19 พ.ย. 69) บทวิเคราะห์โดย YLG Bullion
หุ้นลงไม่เยอะ แต่ทำไมทุกอย่างดูน่ากลัว ?
Finance หุ้นลงไม่เยอะ แต่ทำไมทุกอย่างดูน่ากลัว ?
ราคาน้ำมันดิบปรับลด หลังตลาดยังให้น้ำหนักกับอุปทานที่มีแนวโน้มเพิ่มขึ้นต่อเนื่อง
Economic ราคาน้ำมันดิบปรับลด หลังตลาดยังให้น้ำหนักกับอุปทานที่มีแนวโน้มเพิ่มขึ้นต่อเนื่อง
หุ้นไทยยังไร้แรงหนุน เสี่ยงแกว่งลงต่อ CBG-GPSC เด่นรับน้ำมันขาลง
Finance หุ้นไทยยังไร้แรงหนุน เสี่ยงแกว่งลงต่อ CBG-GPSC เด่นรับน้ำมันขาลง
กางโรดแมปหอการค้า 5 ภาค ปลดล็อกลงทุน-เกษตร-ท่องเที่ยว
เศรษฐกิจภูมิภาค กางโรดแมปหอการค้า 5 ภาค ปลดล็อกลงทุน-เกษตร-ท่องเที่ยว
กำไร บจ.ทะลุ 1 ล้านล้าน FETCO คาดครึ่งปีหลังโต 15-20%
Finance กำไร บจ.ทะลุ 1 ล้านล้าน FETCO คาดครึ่งปีหลังโต 15-20%
ราคาทองวันนี้ (19 พ.ย. 69) ปรับลง 500 บาท ทองรูปพรรณบาทละ 61,050 บาท
Finance ราคาทองวันนี้ (19 พ.ย. 69) ปรับลง 500 บาท ทองรูปพรรณบาทละ 61,050 บาท
ดูทั้งหมด

AI+Virtual Twin ฟื้นยานยนต์-โรบอต ญี่ปุ่น สู้จีน-สหรัฐ 

19 พ.ย. 2569 | 09:40น.
คอลัมน์ : สัมภาษณ์พิเศษ

ความท้าทายด้านการผลิตในอุตสาหกรรมยานยนต์ประเทศญี่ปุ่นส่งผลกระทบถึงประเทศไทยในฐานะห่วงโซ่อุปทานที่สำคัญในเอเชีย

ในงาน 3DExperience ที่ประเทศญี่ปุ่น จัดโดยบริษัท Dassault Systemes ผู้ให้บริการซอฟต์แวร์ออกแบบสามมิติ และดิจิทัล ทวิน จากฝรั่งเศส เมื่อต้นเดือน พ.ย. 2569 ที่ผ่านมา มีวิศวกร และนักธุรกิจในอุตสาหกรรมยานยนต์ของญี่ปุ่น ทั้ง Toyota, Mazda, Nissan มากันครบ ร่วมด้วยค่ายพันธมิตรยุโรปอย่าง BMW ที่มาแลกเปลี่ยนมุมมอง และแนวทางการใช้เทคโนโลยีใหม่เพื่อขับเคลื่อนอุตสาหกรรม

“ประชาชาติธุรกิจ” มีโอกาสพูดคุยกับ “ปาสคาล ดาลอส” ประธานเจ้าหน้าที่บริหาร ดาสโซลต์ ซิสเทเมส  “ฟิลิเป ก็อดบูต์” ประธาน และผู้อำนวยการ ประจำญี่ปุ่น และ “โอลิวิเยร์ ซัปแป็ง” ประธานเจ้าหน้าที่บริหาร CATIA แพลตฟอร์มออกแบบ บริษัทเดียวกัน  

เร่งเครื่อง AI+Virtual Twin 

“ปาสคาล” กล่าวถึงเทคโนโลยีปัญญาประดิษฐ์เชิงลึก (Vertical AI) ว่า กำลังปฏิวัติอุตสาหกรรมการผลิต และด้วยแพลตฟอร์มของดาสโซลต์ ครอบคลุมตั้งแต่การออกแบบ การจัดการผลิตภัณฑ์ ไปจนถึงสายพานการผลิต สามารถสร้างโมเดล AI ใหม่ ที่เรียกว่า Industrial AI เมื่อรวมเข้ากับแชตบอตจาก Generative AI จะช่วยให้วิศวกรต่อยอดการสร้างสรรค์และส่งมอบชิ้นส่วนในสายพานการผลิตจากเดิมใช้ระยะเวลาเป็น “เดือน” เหลือแค่ “สัปดาห์” 

AI
ปาสคาล ดาลอส

“เรากำลังเสนอแนวทางการผสาน Industrial AI เข้ากับแพลตฟอร์ม 3D UNIV+RSES ดึงฐานข้อมูลวิศวกรรมเชิงลึกมาสร้างโมเดล Virtual Twin ที่ให้ข้อมูลลึกซึ้งตรงกับบริบทอุตสาหกรรมของญี่ปุ่น และมีผู้ช่วย AI อัจฉริยะสำหรับภาคอุตสาหกรรม หรือ AI Companions อย่าง Aura, Leo และ Marie ช่วยขยายขีดความสามารถในการออกแบบและจำลองเสมือนจริง” 

เขายกตัวอย่างด้วยว่า Gen AI ทั่วไปก็สามารถทำแบบจำลองชิ้นส่วน 3 มิติได้ แต่ข้อมูลเรื่องความเค้น การรับแรง การสึกหรอที่เกิดขึ้นจริง มีแค่ “โมเดลเชิงลึก” ที่ฝึกฝนมาจากอุตสาหกรรมจริงในประเทศญี่ปุ่นและเป็นส่วนสำคัญที่ทำให้เกิด Industrial AI โดยเฉพาะกับอุตสาหกรรมยานยนต์ 

“ดาสโซลต์กำลังขับเคลื่อนการออกแบบ และการผลิตของญี่ปุ่นให้เข้ากระบวนการผลิตแบบอัตโนมัติ” 

และว่า การทำงานด้วยระบบอัตโนมัติไม่ได้มาแทนที่ “มนุษย์” มนุษย์ยังมีทักษะและความสามารถตัดสินใจควบคุมเครื่องจักร เป็นกระบวนการปกติอยู่แล้ว

สำหรับตนการจะใช้ Industrial AI ต้องไม่เน้นเรื่อง Human In the Loop แต่ต้องเร่งให้เกิด Machine In the Loop ไม่เช่นนั้นจะยากต่อการแข่งขัน

Industrial AI ฟื้นยานยนต์ญี่ปุ่น

“ฟิลิเป” กล่าวว่า ซอฟต์แวร์ของดาสโซลต์ ซิสเทเมส  ทำงานกับยานยนต์ญี่ปุ่นมาเกือบ 40 ปี ฮอนด้าคือลูกค้ารายที่สองนับตั้งแต่บริษัทก่อตั้ง และดูแลซอฟต์แวร์ออกแบบในอุตสาหกรรมการบิน ซอฟต์แวร์เหล่านี้เข้ามาช่วยจัดเก็บและสร้างมาตรฐานกระบวนการทำงาน โดยนำเทคโนโลยีไปผสานกับจุดแข็งดั้งเดิมของญี่ปุ่น คือความยืดหยุ่น และการใส่ใจในรายละเอียดเชิงลึก 

“วัฒนธรรมด้านวิศวกรรมของญี่ปุ่นเน้นมาตรฐาน และความละเอียดลออ คือสิ่งที่ดียิ่ง แต่ความท้าทายคือแรงงานผู้ชำนาญของญี่ปุ่นกำลังลดลงอย่างรวดเร็ว ดังนั้นหัวใจสำคัญที่ต้องเร่งทำ คือรวบรวมองค์ความรู้ทางวิศวกรรม และทรัพย์สินทางปัญญาขององค์กรเข้ามาไว้ในแพลตฟอร์ม ทำให้การนำเทมเพลตหรือแบบชิ้นส่วนเดิมมาพัฒนาต่อยอดได้ทันที ไม่ต้องนับหนึ่งใหม่”

ฟิลิเป ก็อดบูต์

นั่นคือการสร้างโมเดล Industrial AI

สิ่งเหล่านี้มีความสำคัญต่อการเปลี่ยนผ่านสู่การผลิตยานยนต์ในยุคใหม่ ไม่ว่า EV หรือ SDV (Software-Defined Vehicle) รวมถึงโรบอต ที่ต้องการความเร็วจากเทคโนโลยี และการควบคุมคุณภาพด้วยวัฒนธรรมแบบญี่ปุ่น

“ค่ายญี่ปุ่นกำลังวางแผนเข้าสู่การเปลี่ยนผ่านครั้งใหญ่ ทั้งซัพพลายเชนอย่างเป็นระบบ แต่ด้วยขนาดของอุตสาหกรรมที่ซับซ้อน และมีการรวมตัวกันอย่างแน่นหนาของซัพลายเออร์หลายราย ทำให้การเปลี่ยนผ่านไปสู่ EV หรือ Software-Defined Vehicles (SDV) ช้ากว่าแต่ด้วยแรงกดดันจากความรวดเร็วของคู่แข่งจากจีน และสหรัฐอเมริกา ทำให้ค่ายญี่ปุ่นเร่งเปลี่ยนวิธีเข้าถึงตลาด อย่าง Toyota แม้จะแข็งแกร่งมากแต่มีกลุ่มบริษัท และระบบนิเวศซัพพลายเออร์ขนาดใหญ่ การปรับเปลี่ยนกระบวนการผลิตทั้งหมดจึงเป็นความท้าทายหลักที่ต้องใช้เวลา และการทำงานร่วมกันทั้งกลุ่ม”

เร่งเครื่อง ต่อกรจีน-สหรัฐ 

ขณะที่ “โอลิวิเยร์” ฉายภาพรวมทั้งโลกว่า ค่ายรถยนต์ญี่ปุ่นกำลังเฝ้าดู และประเมินโมเดลการผลิตแบบรวบยอดเบ็ดเสร็จ (Vertical Integration) ผลิตตั้งแต่ชิป แบตเตอรี่ ไปจนถึงซอฟต์แวร์ และตัวรถ แบบที่ Tesla หรือค่าย EV จีนใช้ เพื่อหาจุดสมดุลระหว่างโครงสร้างซัพพลายเชนแบบเดิมกับการรวบขั้นตอนการผลิตเข้ามาทำเอง

แนวโน้มยานยนต์ในอนาคตจะมุ่งสู่ยานยนต์ไร้คนขับ และ SDV โดยมี AI เป็นองค์ประกอบสำคัญในกระบวนการพัฒนา ดังนั้น การออกแบบรถยนต์ในระยะ 3-5 ปีนี้จะเปลี่ยนผ่านจากการเน้นระบบกลไกเพียว ๆ ไปสู่รถยนต์ที่ควบคุมด้วยซอฟต์แวร์ (SDV) และซอฟต์แวร์ฝังตัว (Embedded Software)  

หากมองไปอีก 3-5 ปีข้างหน้า แม้หลายฝ่ายมองว่า Pure EV จะเป็นผู้ชนะในระยะยาว แต่การเปลี่ยนผ่านไปสู่ EV 100% ต้องใช้เวลา ยังมีอุปสรรคเรื่องระยะทางการขับขี่ ความพร้อมของโครงสร้างพื้นฐาน สถานีชาร์จ และราคาแบตเตอรี่ที่ยังสูง

โอลิวิเยร์ ซัปแป็ง

ขณะที่กลุ่มรถบรรทุก และรถบัส การเปลี่ยนผ่านจะใช้เวลานานกว่ารถยนต์นั่งส่วนบุคคล และยังมีการลงทุนในหลากหลายเทคโนโลยีควบคู่กันไป

ปัจจุบันจึงไม่มีค่ายใดทุ่มเดิมพันไปที่ยุทธศาสตร์การผลิตเพียงแบบเดียว ไม่ว่าจะเป็น EV 100% ไฮบริด หรือเครื่องยนต์สันดาป เพราะแต่ละภูมิภาคมีความต้องการต่างกัน ค่ายญี่ปุ่นจึงวางแผนพัฒนารองรับในทุกรูปแบบเทคโนโลยีควบคู่กันไป

“การใช้ Industrial AI และ AI Companion เป็นตัวเปลี่ยนเกมสำคัญ ที่เร่งกระบวนการออกแบบ เพื่อรับมือกับการแข่งขันจากค่ายรถยนต์ไฟฟ้าจีน ที่อ้างว่าพัฒนารถรุ่นใหม่ได้ใน 12-20 เดือน ขณะที่ค่ายรถยนต์ญี่ปุ่น และตะวันตกแบบดั้งเดิมใช้เวลา 36-48 เดือน เทคโนโลยีนี้จึงช่วยบีบระยะเวลาการพัฒนาให้เร็วขึ้น โดยยังคงรักษารายละเอียดและคุณภาพมาตรฐานสูงไว้ได้”

ตัวอย่างลูกค้าของบริษัทที่ผลิตตัวฐานรถ (Chassis) เป็นซัพพลายเออร์เทียร์ 1 ที่ใช้แพลตฟอร์ม 3DEXPERIENCE เพิ่มผลผลิตถึง 10 เท่า

ไทยต้องเตรียมรับอย่างไร 

การเปลี่ยนผ่านสู่การผลิตด้วย AI ของค่ายรถยนต์ญี่ปุ่นส่งผลกับซัพพลายเชนทั่วโลก โดยเฉพาะประเทศไทย ซึ่ง “ฟิลิเป” มองว่า หากโรงงานหรือซัพพลายเออร์ในไทยวางจุดยืนว่าตนเองอยู่ได้เพราะเป็นผู้ผลิตที่ราคาถูกที่สุด ไม่ใช่จุดแข็งหรือสินทรัพย์ที่ยั่งยืน แต่สินทรัพย์ที่แท้จริงและมีค่าที่สุดของซัพพลายเออร์หรือวิศวกรไทย คือ องค์ความรู้ทางวิศวกรรม และทรัพย์สินทางปัญญา (IP) ในกระบวนการทำงานของตนเอง 

ท่ามกลางความไม่แน่นอนทางภูมิรัฐศาสตร์ ภัยธรรมชาติ หรือความขัดแย้งในโลก สิ่งเดียวที่องค์กรพึ่งพาได้และครอบครองอย่างแท้จริง คือองค์ความรู้ ต้องนำองค์ความรู้และทักษะของวิศวกรเข้ามาจัดเก็บไว้ในระบบดิจิทัล และแพลตฟอร์มอย่างเป็นระบบ เพื่อให้องค์กรควบคุมและใช้ประโยชน์ได้เอง โดยไม่ปล่อยให้หลุดมือ หรือถูกผู้อื่นนำไปทดแทนได้ง่าย

“โอลิวิเยร์” เสริมในทางเดียวกันว่า ผู้ช่วย AI หรือ AI Companion ที่บริษัทนำเสนอจะไม่สามารถให้คำตอบที่ถูกต้องได้หากปราศจาก “ข้อมูล” ดังนั้นบริษัทหรือซัพพลายเออร์ที่จะมีความสามารถในการแข่งขันสูงสุดในอนาคต ไม่ใช่แค่บริษัทที่นำ AI มาใช้ แต่คือบริษัทที่แปลง และจัดเก็บองค์ความรู้ของตนเองเข้าสู่ระบบ เพื่อให้ AI นำไปประมวลผลได้อย่างแม่นยำ

และด้วยยานยนต์ญี่ปุ่นกระจายซัพพลายเออร์ออกไปในตลาดสำคัญ ดังนั้นผู้ผลิตชิ้นส่วนต้องเชื่อมโยงข้อมูลกับ OEMs ผ่านซอฟต์แวร์มาตรฐานเดียวกัน โดยในประเทศไทยซัพพลายเออร์ในกลุ่มยานยนต์ 70-80% ใช้ซอฟต์แวร์ CATIA เพื่อให้การประสานงานราบรื่นและแม่นยำอยู่แล้ว 

“ปาสคาล” ทิ้งท้ายด้วยว่า แนวโน้มในอีก 3-5 ปีข้างหน้าบริษัทต่าง ๆ มีแนวคิดที่จะนำงานที่เคยจัดจ้างภายนอกกลับมาดำเนินงานภายในบริษัทเอง เนื่องจากเหตุผลหลักที่บริษัทส่งงานออกไปภายนอกในอดีตมาจาก “ต้นทุน” แต่การจัดจ้างภายนอกส่งผลให้องค์ความรู้ และทักษะสำคัญไม่ได้เก็บรักษาไว้ภายในองค์กร ดังนั้นสำหรับประเทศไทยก็ควรเตรียมตัวไว้เช่นกัน 

“มนุษย์จำเป็นต้องเรียนรู้วิธีการออกคำสั่ง และการควบคุมดูแลระบบ โดยมี 2 ทักษะหลัก คือ ทักษะการตั้งคำถาม-ป้อนคำสั่งที่ถูกต้อง และทักษะการเข้าใจ และประเมินผลลัพธ์ (Understanding & Decision-Making) เพื่อวิเคราะห์คำตอบจาก AI และตัดสินใจในขั้นสุดท้ายอย่างถูกต้อง” 

การนำเทคโนโลยี AI, Knowledge Graph และ Virtual Twin มาใช้จะช่วยสกัด และจัดเก็บองค์ความรู้ รวมถึงทักษะแฝง (Tacit Knowledge) ที่อยู่ในหัวพนักงาน เพื่อส่งต่อและถ่ายทอดไปยังบุคลากรรุ่นใหม่ สำหรับใช้ในโครงการต่อ ๆ ไป

“ในส่วนการศึกษา วิชาพื้นฐานอย่างฟิสิกส์ หรือคณิตศาสตร์จะยังคงสำคัญ แต่รูปแบบการเรียนรู้ต้องเปลี่ยนไป ระบบการศึกษาจำเป็นต้องปรับปรุงเพื่อช่วยให้คนรุ่นใหม่เรียนรู้วิธีการประยุกต์ใช้ AI ในการสร้างสรรค์นวัตกรรม ความคิดสร้างสรรค์ และการสร้างความแตกต่างของผลิตภัณฑ์ มากกว่าแค่การมุ่งเน้นเรื่องการลดต้นทุนหรือเพิ่มความเร็วแบบเดิม”

แท็กที่เกี่ยวข้อง

AI (เอไอ) โรบอต