โรงงานเสมือนจริงกลายเป็นสนามฝึกหุ่นยนต์เกาหลี
Nvidia กำลังขยายความร่วมมือกับผู้ผลิตในเกาหลีใต้ เพื่อฝึกหุ่นยนต์ในโรงงานเสมือนจริงก่อนนำไปใช้ในสายการผลิต ขณะเดียวกัน ข้อตกลงใหม่กับ Kakao Mobility ยังต่อยอดเทคโนโลยีของบริษัทไปสู่แผนพัฒนาแท็กซี่ไร้คนขับ ในงาน Nvidia AI Day Seoul 2026 ซึ่งเริ่มขึ้นเมื่อวันที่ 9 พฤศจิกายน ที่ COEX ในกรุงโซล บริษัทนำเสนอโครงการที่ร่วมมือกับ Hyundai Motor Group, Doosan Robotics, LG Electronics, Samsung Electronics และ SK Hynix
สารบัญ
- โรงงานเสมือนจริงกลายเป็นสนามฝึกหุ่นยนต์เกาหลี
- AI กายภาพเปลี่ยนสายการผลิตอย่างไร
- Hyundai ทดสอบการปรับเปลี่ยนโรงงานโดยไม่หยุดการผลิต
- Doosan และ LG รับมือกับการสัมผัส แรงกด และการจัดการชิ้นส่วน
- โรงงานเซมิคอนดักเตอร์เชื่อมการจำลองเข้ากับการตรวจสอบปัญหา
- Kakao Mobility ตั้งเป้าขยับจากแท็กซี่ที่มีคนควบคุมไปสู่ระบบระดับ 4
- ระบบขับขี่ทำงานร่วมกันอย่างไร
- AI agent ต้นทุนต่ำลงและโมเดลภาษาเกาหลีช่วยสนับสนุนโรงงาน
- ทางเลือกด้านพลังงานและแพลตฟอร์มกำหนดทิศทางการขยายตัว
- สิ่งที่ควรรู้
โครงการเหล่านี้มุ่งเน้นงานอุตสาหกรรมเฉพาะด้าน ได้แก่ การทดสอบการเคลื่อนไหวของหุ่นยนต์ในโรงงานรถยนต์ การขัดประตูรถยนต์ การประกอบชิ้นส่วนเครื่องซักผ้า และการตรวจสอบปัญหาของอุปกรณ์ในโรงงานเซมิคอนดักเตอร์ ส่วน Kakao Mobility วางแผนผสาน AI สำหรับการขับขี่ของบริษัทเข้ากับหน่วยประมวลผลที่มีระบบ Nvidia DRIVE AGX Thor สองชุด สำหรับรถยนต์ที่พัฒนาร่วมกับ Kia
Deepu Talla รองประธานฝ่ายหุ่นยนต์และ Edge AI ของ Nvidia กล่าวว่า AI agent อาจช่วยลดเวลาสร้างสภาพแวดล้อมจำลองหุ่นยนต์ จากหลายเดือนที่ต้องใช้วิศวกรหลายคน เหลือไม่ถึงหนึ่งสัปดาห์สำหรับวิศวกรหนึ่งคน นอกจากนี้ เขายังกล่าวถึงความเป็นไปได้ที่จะเร่งการพัฒนาดิจิทัลทวินและเวิร์กโฟลว์หุ่นยนต์ที่เกี่ยวข้องได้ราว 100 เท่า
การสาธิตในเดือนพฤศจิกายนต่อยอดจากข้อตกลงที่ระบุไว้ในการอัปเดตความร่วมมือเมื่อเดือนมิถุนายนของ Nvidia ซึ่งกล่าวถึงโรงงาน AI ของ LG แผนขยายศูนย์ข้อมูล GAK Sejong ของ Naver ให้มีกำลังไฟฟ้า 55 เมกะวัตต์ และขยายสู่ระดับกิกะวัตต์ในระยะต่อไป ตลอดจน AI Cloud ของ SK Telecom ที่วางแผนให้มีกำลังไฟฟ้าระดับกิกะวัตต์โดยใช้ Nvidia DSX
เกาหลีใต้จึงมีบทบาทเชื่อมโยงกันสองด้านในกลยุทธ์ของ Nvidia ได้แก่ การจัดหาหน่วยความจำ อุปกรณ์อิเล็กทรอนิกส์ และความเชี่ยวชาญภาคอุตสาหกรรมสำหรับโครงสร้างพื้นฐาน AI รวมถึงการจัดหาโรงงานและบริการขนส่งที่สามารถนำโครงสร้างพื้นฐานดังกล่าวไปใช้ได้ ความร่วมมือล่าสุดมุ่งเปลี่ยนกำลังประมวลผลให้เป็นเครื่องจักรที่ทำงานจริงและเป็นประโยชน์
AI กายภาพเปลี่ยนสายการผลิตอย่างไร
AI กายภาพช่วยให้เครื่องจักรใช้ข้อมูลเกี่ยวกับสภาพแวดล้อมเพื่อตัดสินใจว่าจะเคลื่อนไหวและทำงานอย่างไร สำหรับหุ่นยนต์ในโรงงาน อาจหมายถึงการปรับการจับยึดเมื่อชิ้นส่วนมาถึงในตำแหน่งที่ต่างออกไป หรือเปลี่ยนแรงกดเมื่อสัมผัสพื้นผิวที่ไม่เรียบ
Talla เปรียบเทียบแนวทางนี้กับหุ่นยนต์อุตสาหกรรมที่ตั้งโปรแกรมให้ทำการเคลื่อนไหวแบบเดิมซ้ำ ๆ ตามคำอธิบายของเขา ระบบอัตโนมัติในอุตสาหกรรมยานยนต์ที่พัฒนามาหลายทศวรรษทำให้งานผลิตซ้ำ ๆ มีประสิทธิภาพ ขณะที่งานซึ่งมีการเปลี่ยนแปลงบ่อยยังทำให้ระบบอัตโนมัติเข้ามาทำงานได้ยากกว่า
Talla กล่าวถึงปัญหาการเขียนโปรแกรมระหว่างการบรรยายหลักว่า:
ในพื้นที่ที่สภาพแวดล้อมการทำงานเปลี่ยนแปลงอยู่เสมอ คุณไม่สามารถเขียนโปรแกรมกำหนดทุกการกระทำได้
เวิร์กโฟลว์ที่ Nvidia เสนอประกอบด้วยการประมวลผลสามขั้น ระบบ DGX ใช้ฝึกโมเดล AI เทคโนโลยี RTX รองรับการจำลองเสมือนจริง และคอมพิวเตอร์ Jetson ใช้รันซอฟต์แวร์ที่ได้บนหุ่นยนต์ Isaac มีเครื่องมือสำหรับพัฒนาและฝึกหุ่นยนต์ Omniverse จำลองสภาพแวดล้อมการทำงาน ส่วน Newton จำลองปฏิสัมพันธ์ทางกายภาพ เช่น การสัมผัสระหว่างเครื่องมือกับพื้นผิว
Cosmos แพลตฟอร์มโมเดลโลกของ Nvidia ช่วยเติมเต็มกระบวนการอีกส่วนหนึ่งด้วยการสร้างสภาพแวดล้อมจำลองและข้อมูลสังเคราะห์ ข้อมูลสังเคราะห์คือตัวอย่างที่สร้างขึ้นด้วยซอฟต์แวร์ แทนการเก็บจากอุปกรณ์จริงทั้งหมด นักพัฒนาสามารถใช้ตัวอย่างเหล่านี้ฝึกหุ่นยนต์และประเมินการตอบสนองต่อสถานการณ์ต่าง ๆ
Hyundai ทดสอบการปรับเปลี่ยนโรงงานโดยไม่หยุดการผลิต
Hyundai Motor Group และ Nvidia กำลังสร้างโรงงานผลิตรถยนต์เป็นดิจิทัลทวิน ซึ่งเป็นแบบจำลองเสมือนของโรงงานและอุปกรณ์จริง วิศวกรสามารถใช้แบบจำลองนี้ทดสอบตำแหน่งและการเคลื่อนไหวของหุ่นยนต์ ตลอดจนลำดับการผลิต โดยที่สายการประกอบจริงยังเดินเครื่องต่อไป
การปรับเปลี่ยนที่เสนอสามารถทดลองซ้ำในโรงงานเสมือนก่อนที่พนักงานจะเคลื่อนย้ายเครื่องจักรหรือเปลี่ยนกระบวนการผลิต Nvidia ระบุว่าสามารถทดลองได้หลายร้อยหรือหลายพันครั้ง โดยการจำลองซ้ำดำเนินไปเร็วกว่าการทำงานจริง
AI agent มีเป้าหมายช่วยให้สร้างสภาพแวดล้อมเสมือนเหล่านี้ได้ง่ายขึ้น Agent คือซอฟต์แวร์ที่วางแผนงานและเรียกใช้เครื่องมืออื่นเพื่อทำงานให้สำเร็จ ในกรณีนี้ agent เชื่อมเครื่องมือจำลองเข้าด้วยกันและทำงานบางส่วนโดยอัตโนมัติ ซึ่งก่อนหน้านี้วิศวกรและศิลปินดิจิทัลต้องทำด้วยมือ
ประโยชน์ที่ Hyundai คาดหวังคือการย่นระยะเวลาตั้งแต่แนวคิดทางวิศวกรรมไปจนถึงการทดสอบการเปลี่ยนแปลงในสายการผลิต โดยสามารถตรวจสอบพฤติกรรมของหุ่นยนต์ควบคู่กับกระบวนการทำงานของโรงงานโดยรวม แทนที่จะพิจารณาเครื่องจักรแต่ละตัวเป็นอุปกรณ์แยกส่วน
Doosan และ LG รับมือกับการสัมผัส แรงกด และการจัดการชิ้นส่วน
Doosan Robotics กำลังร่วมมือกับ Nvidia พัฒนาการขัดประตูรถยนต์และพื้นผิวเครื่องใช้ไฟฟ้าอย่างแม่นยำ งานขัดไม่ได้หมายถึงการทำเส้นทางเดิมซ้ำ ๆ เท่านั้น ผลลัพธ์ยังขึ้นอยู่กับวัสดุ ความหยาบของพื้นผิว และแรงกดจากหุ่นยนต์
ความร่วมมือนี้ใช้ Isaac Lab และเอนจินฟิสิกส์ Newton เพื่อศึกษาปฏิสัมพันธ์ดังกล่าว การสาธิตตรวจสอบสภาพพื้นผิวและแรงกดในการขัด โดยมีเป้าหมายคาดการณ์ว่าการเคลื่อนไหวของหุ่นยนต์จะเปลี่ยนแปลงวัสดุที่สัมผัสอย่างไร
LG Electronics นำ Isaac Sim และ Isaac Lab มาใช้กับการผลิตเครื่องใช้ไฟฟ้า หุ่นยนต์ฝึกหยิบ ประกอบ และจัดวางชิ้นส่วนสำหรับผลิตภัณฑ์ต่าง ๆ รวมถึงเครื่องซักผ้าและตู้เย็น การฝึกซ้ำในสภาพแวดล้อมจำลองช่วยให้นักพัฒนาปรับการเคลื่อนไหวและทดสอบประสิทธิภาพก่อนนำการเปลี่ยนแปลงไปใช้กับชิ้นส่วนและเครื่องจักรจริง
กำหนดการในงานของ LG ยังมีระบบเรียนรู้และตรวจสอบความถูกต้องที่พัฒนาบน Isaac GR00T รวมถึงตัวอย่างการใช้งานในโรงงาน ความร่วมมือในวงกว้างกับ Nvidia เชื่อมโยงข้อมูลการผลิตและความรู้ด้านการผลิตเข้ากับโครงสร้างพื้นฐาน AI โดยมีแผนเชื่อมโยงการจัดซื้อ การผลิต โลจิสติกส์ และการส่งมอบสินค้าให้ลูกค้าผ่านข้อมูลและ AI
บริษัทพัฒนารายย่อยก็เป็นส่วนหนึ่งของเครือข่ายนี้เช่นกัน สตาร์ตอัปเกาหลีใต้ RealWorld กำลังพัฒนา DexPinch เพื่อประเมินการควบคุมหยิบจับของหุ่นยนต์และความแม่นยำของอัลกอริทึม ส่วน Krafton ถูกนำเสนอในฐานะพันธมิตรอีกราย โดยพัฒนาหุ่นยนต์ที่มุ่งปฏิสัมพันธ์กับผู้คนในงานดูแลสังคมและการแพทย์
โรงงานเซมิคอนดักเตอร์เชื่อมการจำลองเข้ากับการตรวจสอบปัญหา
SK Hynix, Samsung Electronics และ SK Telecom แสดงให้เห็นว่าความร่วมมือของ Nvidia ขยายไปไกลกว่าการขยับแขนหุ่นยนต์ โครงการของบริษัทเหล่านี้ใช้โรงงานเสมือน การจำลองทางวิศวกรรม และการวิเคราะห์ด้วย AI เพื่อตรวจสอบอุปกรณ์และกระบวนการทำงานที่ซับซ้อน
ดิจิทัลทวินสำหรับโรงงานเซมิคอนดักเตอร์ช่วยติดตามอุปกรณ์และกระบวนการผลิต ตลอดจนวิเคราะห์ขั้นตอนการปฏิบัติงานมาตรฐาน ซึ่งเป็นคำแนะนำที่พนักงานใช้เพื่อทำงานให้สม่ำเสมอ Nvidia ยังสาธิต AI agent ที่ตรวจสอบสาเหตุของความผิดปกติของอุปกรณ์ภายในโรงงานเสมือน
Samsung นำเสนอการวิเคราะห์การไหลของของไหล ความร้อน และโครงสร้างโดยใช้ PhysicsNeMo เครื่องมือของ Nvidia สำหรับโมเดล AI ที่อิงกับพฤติกรรมทางกายภาพ งานเหล่านี้ตรวจสอบการไหลของของเหลวหรือก๊าซ การเคลื่อนที่ของความร้อน และการตอบสนองของโครงสร้างต่อแรง Samsung ยังสาธิตการใช้ AI ช่วยสำรวจทางเลือกในการออกแบบ
โครงการของ SK Hynix ครอบคลุมการจำลองอุปกรณ์และกระบวนการเซมิคอนดักเตอร์โดยใช้ CUDA-X และ PhysicsNeMo เป้าหมายร่วมของโครงการเหล่านี้คือการเปิดทางให้วิศวกรตรวจสอบการเปลี่ยนแปลงที่เป็นไปได้และปัญหาการทำงานผ่านระบบดิจิทัลควบคู่กับระบบกายภาพที่ตนดูแล
Kakao Mobility ตั้งเป้าขยับจากแท็กซี่ที่มีคนควบคุมไปสู่ระบบระดับ 4
Kakao Mobility และ Nvidia ลงนามบันทึกความเข้าใจด้านการขับขี่อัตโนมัติเมื่อวันที่ 9 พฤศจิกายน ที่ The Westin Seoul Parnas ในย่านกังนัม ผู้เข้าร่วมประกอบด้วย Kim Jin-gyu รองประธานฝ่าย AI กายภาพของ Kakao Mobility และ Gaurav Agrawal ผู้อำนวยการอาวุโสฝ่ายธุรกิจยานยนต์ของ Nvidia
ปัจจุบัน Kakao Mobility ให้บริการแท็กซี่ไร้คนขับในย่านกังนัม โดยมีพนักงานขับรถเพื่อความปลอดภัยอยู่ในรถ บริการเริ่มต้นด้วยรถสองคันในเดือนมีนาคม และขยายเป็นหกคันในเดือนสิงหาคม ซึ่งเพิ่มจำนวนรถเป็นสามเท่า ผู้โดยสารเรียกใช้บริการผ่าน Kakao T
ความร่วมมือใหม่นี้มุ่งสู่ระบบอัตโนมัติระดับ 4 ซึ่งเป็นระดับที่รถทำหน้าที่ขับขี่ได้โดยไม่ต้องพึ่งพาคนขับภายในเงื่อนไขการใช้งานที่กำหนด เช่น พื้นที่ให้บริการที่ระบุไว้ Kakao Mobility ยังไม่ได้เปิดเผยวันเปิดให้บริการเชิงพาณิชย์หรือจำนวนรถที่จะจัดหาให้บริการระดับ 4 ตามแผน
Kakao Mobility จะเป็นผู้นำพัฒนา AI สำหรับการขับขี่ของบริษัทเอง ขณะที่ Nvidia จัดหาเทคโนโลยีด้านการประมวลผล การเชื่อมต่อเซ็นเซอร์ และความปลอดภัย ทั้งสองบริษัทวางแผนนำระบบที่พัฒนาขึ้นไปใช้กับรถยนต์เฉพาะทางของ Kia เป็นลำดับแรก ซึ่งออกแบบมาเพื่อการใช้งานเฉพาะ เช่น บริการรับส่งผู้โดยสาร
ข้อตกลงนี้ต่อเนื่องจากความคืบหน้าหลายขั้นตอนที่เชื่อมโยงกัน:
- มีนาคม 2026: Kakao Mobility เริ่มให้บริการแท็กซี่ไร้คนขับในย่านกังนัมด้วยรถสองคันและพนักงานขับรถเพื่อความปลอดภัย
- พฤษภาคม 2026: Kakao Mobility ร่วมมือกับ LG Innotek ด้านการตรวจจับความแม่นยำสูงและข้อมูลการขับขี่
- กรกฎาคม 2026: Kakao Mobility และ Kia ตกลงพัฒนาและจัดหารถยนต์สำหรับบริการขับขี่อัตโนมัติ
- สิงหาคม 2026: จำนวนรถในกองรถย่านกังนัมเพิ่มเป็นหกคัน
- 9 พฤศจิกายน 2026: Kakao Mobility และ Nvidia ลงนามข้อตกลงความร่วมมือด้านเทคโนโลยี
- ภายในสิ้นปี 2026: Kakao Mobility วางแผนขยายการนำโมเดล AI สำหรับการขับขี่แบบครบวงจรไปใช้งาน
ระบบขับขี่ทำงานร่วมกันอย่างไร
โมเดลแบบครบวงจรของ Kakao Mobility เชื่อมการทำความเข้าใจสภาพแวดล้อมรอบรถเข้ากับการตัดสินใจขับขี่ผ่านโมเดล AI ปัจจุบันบริษัทผสานการตัดสินใจขับขี่ด้วย AI เข้ากับระบบตรวจสอบความปลอดภัยที่อิงกฎเกณฑ์ชัดเจน
หน่วยประมวลผลตามแผนจะมีระบบ DRIVE AGX Thor สองชุด สถาปัตยกรรมอ้างอิง Hyperion ของ Nvidia เป็นกรอบการออกแบบสำหรับเชื่อมต่อรถยนต์ เซ็นเซอร์ และฮาร์ดแวร์ประมวลผล ส่วน Halos เป็นกรอบความปลอดภัยสำหรับการพัฒนาและตรวจสอบความถูกต้อง
Rishi Dhall รองประธานฝ่ายยานยนต์ของ Nvidia อธิบายการแบ่งหน้าที่ตามแผนว่า:
Nvidia Hyperion มอบพื้นฐานเทคโนโลยีด้านเซ็นเซอร์และการประมวลผลที่จำเป็นต่อการนำระบบขับขี่อัตโนมัติระดับ 4 มาใช้ ส่วน Nvidia Halos สนับสนุนกรอบความปลอดภัยที่ครอบคลุมตลอดทั้งกระบวนการ ตั้งแต่การพัฒนาเทคโนโลยีไปจนถึงการนำไปใช้ในบริการจริง
ทั้งสองบริษัทตั้งใจพัฒนาระบบที่สอดคล้องกับมาตรฐานสากล จัดตั้งบริการในเกาหลีใต้ และพิจารณาขยายสู่ตลาดต่างประเทศในระยะยาว งานด้านวิศวกรรมที่ต้องเร่งดำเนินการคือการผสานซอฟต์แวร์ของ Kakao Mobility ฮาร์ดแวร์ของ Nvidia และรถยนต์ของ Kia ให้เป็นระบบที่ทำงานร่วมกัน
AI agent ต้นทุนต่ำลงและโมเดลภาษาเกาหลีช่วยสนับสนุนโรงงาน
Nvidia ยังนำเสนอแนวทางลดต้นทุนการใช้งาน AI agent Jonathan Cohen รองประธานฝ่ายวิจัยประยุกต์ของบริษัท อธิบายถึง Switchyard ซึ่งจัดสรรงานไปยังโมเดล AI ต่าง ๆ ตามระดับความยากและต้นทุน
ในการทดสอบภายในของ Nvidia แนวทางดังกล่าวรักษาอัตราความสำเร็จของงานไว้ที่ 80% ขณะลดต้นทุนเหลือประมาณหนึ่งในสามของการใช้โมเดลทรงพลังเพียงโมเดลเดียว กล่าวอีกนัยหนึ่งคือประหยัดค่าใช้จ่ายได้ราวสองในสาม โดยอัตราความสำเร็จไม่เปลี่ยนแปลง
Cohen อธิบายเหตุผลที่การจัดสรรงานมีความสำคัญว่า:
คุณไม่จำเป็นต้องมอบหมายทุกงานให้โมเดลที่ฉลาดที่สุด
Naver เข้าร่วม Nemotron Coalition โดยแบ่งปันข้อมูลและเทคนิคการฝึกเพื่อพัฒนาโมเดลแบบเปิด Naver Cloud นำเสนอประสบการณ์ด้าน Nemotron และการฝึกโมเดลขนาดใหญ่ ส่วน SK Telecom, LG AI Research และ Upstage ต่างใช้เทคโนโลยีและชุดข้อมูล Nemotron เพื่อพัฒนาโมเดลที่เหมาะกับภาษาเกาหลีและอุตสาหกรรมในประเทศ
Nvidia ระบุว่ากลยุทธ์โมเดลแบบเปิดของบริษัทครอบคลุมการเผยแพร่น้ำหนักโมเดล ตลอดจนสคริปต์สำหรับการฝึกและทดสอบ น้ำหนักโมเดลคือค่าตัวเลขที่เรียนรู้มาและกำหนดการตอบสนองของโมเดล การเข้าถึงองค์ประกอบเหล่านี้ช่วยให้บริษัทต่าง ๆ มีจุดเริ่มต้นในการปรับระบบโดยใช้ข้อมูลและความรู้ด้านอุตสาหกรรมของตนเอง
ทางเลือกด้านพลังงานและแพลตฟอร์มกำหนดทิศทางการขยายตัว
การฝึก AI การจำลองหุ่นยนต์ และการให้บริการล้วนต้องใช้โครงสร้างพื้นฐานด้านการประมวลผล แพลตฟอร์ม DSX ของ Nvidia มอง GPU เครือข่าย ระบบระบายความร้อน และแหล่งจ่ายไฟฟ้าเป็นองค์ประกอบของระบบเดียวที่สามารถบริหารจัดการร่วมกันได้
Nvidia ระบุว่า Nscale พันธมิตรด้านคลาวด์ ใช้ระบบบริหารจัดการพลังงานแบบพลวัตเพื่อเพิ่มขีดความสามารถในการติดตั้ง GPU ราว 37% และเพิ่มการสร้างโทเคนประมาณ 50% ภายใต้งบพลังงานเท่าเดิม โทเคนคือหน่วยข้อความขนาดเล็กที่โมเดลภาษาประมวลผลและสร้างขึ้น ตัวอย่างนี้สะท้อนการให้ความสำคัญของบริษัทกับการเพิ่มปริมาณการประมวลผลที่เป็นประโยชน์จากแหล่งจ่ายไฟฟ้าที่มีจำกัด
NVLink Fusion รองรับงานด้านโครงสร้างพื้นฐานอีกส่วนหนึ่ง คือการเชื่อมชิป AI แบบกำหนดเองเข้ากับระบบของ Nvidia โดยออกแบบมาเพื่อลดภาระของผู้พัฒนาชิปในการสร้างโครงสร้างพื้นฐานด้านเซิร์ฟเวอร์ เครือข่าย และแร็กสำหรับโปรเซสเซอร์ของตน
การขยายตัวของเกาหลีใต้มีการจัดสรรชิป 260,000 ชิ้นที่ประกาศเมื่อเดือนพฤศจิกายน 2025 โดยมีกำหนดเริ่มส่งมอบในปี 2026 ข้อตกลงเมื่อเดือนตุลาคม 2026 สำหรับสายการผลิตซับสเตรตโดยเฉพาะ ณ โรงงานของ Samsung Electro-Mechanics ในเมืองเซจงและปูซาน ยังเพิ่มความเชื่อมโยงระหว่างภาคการผลิตของเกาหลีกับห่วงโซ่อุปทานของ Nvidia
บทบาททางธุรกิจของ Nvidia ขยายผ่านความร่วมมือเหล่านี้ Talla อธิบายว่าบริษัทเป็นผู้ให้บริการแพลตฟอร์มและชิป ไม่ใช่ผู้ผลิตหุ่นยนต์ พันธมิตรเกาหลีจัดหาโรงงาน ผลิตภัณฑ์ ความรู้ด้านปฏิบัติการ และแอปพลิเคชัน ส่วน Nvidia จัดหาโครงสร้างพื้นฐานร่วมสำหรับการพัฒนาส่วนใหญ่ การใช้เครื่องมือร่วมกันอาจทำให้การผสานระบบง่ายขึ้น ขณะเดียวกันก็ทำให้ความเข้ากันได้และการเข้าถึงเครื่องมือเหล่านี้อย่างต่อเนื่องเป็นปัจจัยสำคัญสำหรับบริษัทที่เข้าร่วม
สิ่งที่ควรรู้
- Nvidia นำเสนอความร่วมมือด้านการผลิตและหุ่นยนต์ที่ขยายตัวในเกาหลีใต้ ในงาน AI Day Seoul 2026 ซึ่งจัดขึ้นระหว่างวันที่ 9 ถึง 10 พฤศจิกายน ที่ COEX
- Hyundai กำลังทดสอบกระบวนการผลิตในดิจิทัลทวิน Doosan พัฒนาการขัดด้วยหุ่นยนต์ และ LG ฝึกหุ่นยนต์สำหรับการผลิตเครื่องใช้ไฟฟ้า
- โครงการของ Samsung, SK Hynix และ SK Telecom เชื่อมการจำลองโรงงานเข้ากับการวิเคราะห์ทางวิศวกรรม การติดตามตรวจสอบ และขั้นตอนการปฏิบัติงาน
- Nvidia ระบุว่า AI agent ช่วยลดเวลาพัฒนาสภาพแวดล้อมจำลองจากหลายเดือนเหลือไม่ถึงหนึ่งสัปดาห์สำหรับวิศวกรหนึ่งคน
- Kakao Mobility วางแผนผสาน AI สำหรับการขับขี่ของบริษัทเข้ากับเทคโนโลยีประมวลผลและความปลอดภัยของ Nvidia ในรถยนต์ Kia สำหรับบริการระดับ 4
- กองรถปัจจุบันของ Kakao Mobility ในย่านกังนัมมีรถหกคันและพนักงานขับรถเพื่อความปลอดภัย บริษัทยังไม่ประกาศวันเปิดตัวบริการระดับ 4 หรือจำนวนรถที่จะจัดหา
- การบริหารจัดการพลังงานของศูนย์ข้อมูล โมเดลภาษาเกาหลี และแพลตฟอร์มพัฒนาร่วมกัน เป็นแรงสนับสนุนความพยายามในภาคอุตสาหกรรมโดยรวม






