Figure AI Helix 2.5: ฮิวมานอยด์ทดสอบ Zero-Shot ใน 30 บ้านสำเร็จ 56%

TL;DR — วันที่ 17 กันยายน 2026 Figure AI เปิดตัว Helix 2.5 neural network ที่ทำให้หุ่นยนต์ฮิวมานอยด์ Figure ทำงาน 3 ประเภทได้ใน 30 บ้าน Bay Area ที่ไม่เคยเห็นมาก่อน โดยไม่เก็บข้อมูลหรือ fine-tune ในสถานที่นั้นเลย อัตราความสำเร็จ zero-shot พุ่งจาก 9% เป็น 56% เมื่อเทียบกับ policy ที่ฝึกจากศูนย์ นับเป็น scaling law ฉบับแรกที่วัดได้บนหุ่นยนต์ฮิวมานอยด์ และเป็นสัญญาณสำคัญว่าธุรกิจโรงแรม สถานดูแลผู้สูงอายุ และ facility management ในไทยต้องเริ่มวางแผนรับมือ

ทำไม Helix 2.5 ถึงสำคัญสำหรับธุรกิจโรงแรมและ Eldercare ในไทย

ปัญหาใหญ่ที่สุดในการ deploy หุ่นยนต์ ฮิวมานอยด์ ในภาคธุรกิจ hospitality มาโดยตลอดคือ ต้นทุนการปรับตั้งในแต่ละสถานที่ ห้องพักแต่ละห้องในโรงแรมมี layout ต่างกัน เฟอร์นิเจอร์ตำแหน่งแตกต่าง สิ่งของบนโต๊ะกระจัดกระจาย ระบบ AI รุ่นก่อนต้องใช้เวลาหลายสัปดาห์สาธิตและเก็บข้อมูลในแต่ละห้องหรือแต่ละสาขาก่อนจะทำงานได้ ต้นทุนการ customization นี้ทำให้ ROI ติดลบในระยะสั้น

Helix 2.5 เปลี่ยนสมการนี้ด้วยการแสดงให้เห็นว่าหุ่นยนต์สามารถ ทำงานในสถานที่แปลกหน้าได้ทันที โดยไม่ต้องผ่านขั้นตอน site training แม้แต่ขั้นตอนเดียว นัยต่อธุรกิจไทยชัดเจน: โรงแรมที่มีหลายสาขาอาจ deploy humanoid fleet ด้วยต้นทุนการตั้งค่าต่ำกว่าเดิมมาก

ประเทศไทยมีโรงแรมและที่พักที่จดทะเบียนกว่า 30,000 แห่ง ทั่วประเทศ และกำลังเผชิญกับการขาดแคลนแรงงาน housekeeping หนักขึ้นทุกปี โดยเฉพาะในพื้นที่ท่องเที่ยวอย่างภูเก็ต เกาะสมุย และพัทยา ขณะที่ภาคดูแลผู้สูงอายุ (eldercare) ก็กำลังเข้าสู่วิกฤต เมื่อประเทศไทยจะก้าวเป็นสังคมสูงอายุอย่างสมบูรณ์ภายในปี 2031 ข้อพิสูจน์ว่าหุ่นยนต์ฮิวมานอยด์ generalize ข้ามสภาพแวดล้อมได้จึงมีความหมายเชิงธุรกิจที่ชัดเจน

Helix 2.5 คืออะไร — “สมอง” ใหม่ ไม่ใช่หุ่นยนต์ใหม่

สิ่งสำคัญที่ต้องเข้าใจก่อนคือ Helix 2.5 ไม่ใช่หุ่นยนต์รุ่นใหม่ แต่เป็น neural network หรือ “สมอง AI” ใหม่ที่ขับเคลื่อน Figure 03 (ตัวหุ่นยนต์ที่ประกาศไปก่อนหน้า) ให้มีความสามารถสูงขึ้น เปรียบเทียบได้กับการที่สมาร์ทโฟนรุ่นเดิมได้รับ OS ใหม่ที่ทำงานได้ฉลาดขึ้นมาก

Helix 2.5 สร้างขึ้นจากการ pretraining บน Index — ชุดข้อมูลพฤติกรรมมนุษย์จริงที่ Figure AI รวบรวมมาอย่างเป็นระบบ แนวคิดคล้ายกับวิธีที่ LLM อย่าง GPT หรือ Claude ถูก pretrain บน internet text ขนาดใหญ่ก่อน จากนั้น fine-tune สำหรับงานเฉพาะทาง ในกรณีนี้ Index เป็น “internet” ของพฤติกรรมร่างกายมนุษย์ — ข้อมูลวิธีที่มนุษย์จับสิ่งของ ขยับแขน ทำงานบ้าน — ซึ่งถูกถ่ายทอดให้หุ่นยนต์เรียนรู้

ความแตกต่างกับ Helix 02 คือ Helix 2.5 ใช้ task-specific data น้อยกว่าครึ่งหนึ่ง ในการเรียนรู้งานใหม่ และสำคัญกว่านั้นคือสามารถ generalize สิ่งที่เรียนรู้ไปยังสภาพแวดล้อมที่ไม่เคยเห็นได้จริง ซึ่งเป็นสิ่งที่ Helix 02 ยังทำได้ไม่ดี

Index Dataset และ Scaling Law ฉบับแรกของหุ่นยนต์ฮิวมานอยด์

จุดที่นักวิเคราะห์ในวงการให้ความสำคัญมากที่สุดในการประกาศ Helix 2.5 ไม่ใช่ตัวเลข 56% แต่คือ การค้นพบ scaling law — กฎที่บอกว่ายิ่งมีข้อมูล pretraining มากขึ้น ความสามารถของโมเดลจะดีขึ้นในอัตราที่คาดเดาได้ ซึ่ง Figure AI รายงานว่านี่คือ scaling law ฉบับแรกที่วัดได้บนหุ่นยนต์ฮิวมานอยด์ โดยเฉพาะ

ความสำคัญของ scaling law คือมันบอกว่า เส้นทางข้างหน้ามีความแน่นอน ไม่ใช่แค่การพัฒนาแบบ trial-and-error วงการ AI ภาษาเรียนรู้เรื่องนี้จาก GPT-3 ไปยัง GPT-4 ว่าถ้า scaling law ใช้ได้จริง การเพิ่มข้อมูลและ compute จะทำให้โมเดลดีขึ้นอย่างต่อเนื่องและคาดการณ์ได้ Figure AI กำลังอ้างว่าหุ่นยนต์ฮิวมานอยด์กำลังเข้าสู่ช่วงเวลาเดียวกันนั้น

นักวิเคราะห์จาก Spatial Insider รายงาน ว่า Index pretraining เพิ่ม zero-shot success จาก 9% เป็น 56% ในการเปรียบเทียบที่ควบคุมตัวแปรอื่นให้เหมือนกันทุกประการ — เปลี่ยนแปลงเพียงแค่การมีหรือไม่มี Index pretraining เท่านั้น ตัวเลขนี้ตรวจสอบได้และน่าเชื่อถือเพราะ Figure AI เปิดเผย methodology การทดสอบมาด้วย

ผลทดสอบจริง: 3 งาน ใน 30 บ้าน ไม่มีการ Fine-tune แม้แต่ครั้งเดียว

การทดสอบ Helix 2.5 ครั้งนี้มีความเข้มงวดกว่า lab demo ทั่วไปอย่างมีนัยสำคัญ เงื่อนไขหลักที่ Figure AI กำหนดคือ:

• 30 บ้านในพื้นที่ Bay Area ที่หุ่นยนต์ไม่เคยเข้าไปก่อน
• ไม่มีการเก็บข้อมูลในบ้านเหล่านั้น ก่อนการทดสอบ
• ไม่มีการ fine-tuning หรือ adaptation สำหรับสถานที่หรือวัตถุในบ้านนั้นๆ
• ใช้ foundation model ตัวเดียวสำหรับทุกบ้านและทุกงาน

งาน 3 ประเภทที่ทดสอบคือ:

1. จัดเก็บห้องนั่งเล่น (tidying living rooms) — หยิบของที่กระจัดกระจายกลับที่
2. พับผ้าขนหนู (folding towels) — งาน manipulation ที่ต้องการ dexterity สูง
3. ทำเตียง (making beds) — งาน whole-body ที่ต้องประสานงานระหว่างแขน ลำตัว และการเคลื่อนที่รอบเตียง

ตามที่ Unite.AI รายงาน ผลลัพธ์คือ Helix 2.5 สำเร็จงานเหล่านี้ใน 30 บ้านที่แตกต่างกันโดยไม่มีการปรับแต่งเพิ่มเติม โดยเฉพาะงานทำเตียงซึ่งถือเป็น benchmark ที่ท้าทายที่สุดในบรรดาสาม เพราะต้องจัดการกับผ้าปูที่นอนที่มีน้ำหนักและความนิ่มแตกต่างกัน และต้องเดินรอบเตียงหลายรอบในพื้นที่จำกัด

สิ่งที่สำคัญไม่แพ้กันคือ AlphaSignal รายงาน ว่า Helix 2.5 ทำงานเหล่านี้จาก foundation model ตัวเดียว ไม่ใช่โมเดลแยกกันสำหรับแต่ละงาน ซึ่งหมายความว่าโมเดลหนึ่งตัวสามารถรองรับหลายงานในสถานที่แปลกหน้าได้โดยไม่ต้องสร้าง pipeline ซับซ้อน

Figure 03 — Hardware ที่รองรับ Helix 2.5 และราคาปัจจุบัน

Figure 03 คือหุ่นยนต์ฮิวมานอยด์ที่เป็น platform หลักรองรับ Helix 2.5 Figure AI ประกาศราคาอย่างเป็นทางการที่ $89,000 ต่อหน่วย (ประมาณ 3.1 ล้านบาท ที่อัตราแลกเปลี่ยน 35 บาท/ดอลลาร์) โดยราคานี้รวม:

• หุ่นยนต์ Figure 03 หนึ่งตัว
• Charging station
• Subscription Figure Cloud 1 ปี (ระบบ management และ AI update)

เงื่อนไขการสั่งซื้อ: ขั้นต่ำ 10 หน่วย หมายความว่าเงินลงทุนขั้นต่ำอยู่ที่ $890,000 หรือประมาณ 31 ล้านบาท ยังเป็นเกณฑ์ที่สูงสำหรับ SME แต่สมเหตุสมผลสำหรับโรงแรมระดับ 4–5 ดาวที่มีห้องพัก 300 ห้องขึ้นไป หรือกลุ่มธุรกิจ eldercare ที่มีหลายสาขา

นอกจากนี้ Figure ยังประกาศพัฒนา Figure Lite เวอร์ชันราคาต่ำกว่า เหมาะสำหรับตลาดกลาง แต่ยังไม่มีราคาและ spec อย่างเป็นทางการ

สำหรับ use case โรงงานและ logistics ผลการใช้งานจริงที่ Figure AI รายงานในผลประกอบการ Q1/2026 ระบุว่า Figure 03 ลดข้อผิดพลาด inventory 73% และเพิ่ม throughput 18% ในพื้นที่ที่ deploy แล้ว แม้ตัวเลขนี้มาจาก logistics use case แต่แสดงให้เห็นว่า platform นี้ทำงานได้จริงในสภาพแวดล้อมเชิงพาณิชย์

นัยต่อตลาดไทย: โรงแรม Eldercare และ Serviced Apartment

ภาคธุรกิจไทยที่ได้ประโยชน์มากที่สุดจาก zero-shot generalization ของ Helix 2.5 คือ:

1. โรงแรมและ Hospitality ห้องพักแต่ละห้องในโรงแรมเดียวกันมี micro-variation สูง เฟอร์นิเจอร์วางไม่ตรงกันทุกครั้ง ของใช้ผู้เข้าพักกระจัดกระจาย กระเป๋าอยู่คนละมุม งานทำเตียงและ turnover ห้องพักคือต้นทุน labor หลักในโรงแรมขนาดใหญ่ ด้วย Helix 2.5 ที่พิสูจน์แล้วว่า generalize ข้ามห้องพักในบ้านแปลกหน้า 30 หลัง โมเดลนี้ในอนาคตอาจทำงาน turnover ห้องพักในโรงแรมที่มีห้อง 300–500 ห้องโดยไม่ต้องฝึกทุกห้อง

2. Eldercare และสถานดูแลผู้สูงอายุ งานทำเตียงและจัดห้องให้ผู้สูงอายุใน nursing home เป็นหนึ่งในงานที่ใช้แรงงานมากที่สุดและ turnover staff สูงที่สุดในอุตสาหกรรม ด้วยประเทศไทยที่กำลังเข้าสู่ช่วง full aging society ความต้องการ humanoid ใน eldercare จะเพิ่มขึ้นอย่างรวดเร็ว

3. Serviced Apartment และ Property Management กลุ่มนี้มี floor plan ที่ standardized กว่าโรงแรม แต่มีจำนวนห้องต่อสาขามากและต้องการ turnover รวดเร็ว เป็น use case ที่ ROI คำนวณได้ง่ายกว่า

ข้อจำกัดที่ยังมีอยู่: ราคา Figure 03 ที่ $89,000 ต่อตัวยังสูงสำหรับ hospitality ไทยส่วนใหญ่ และ Figure AI ยังไม่มี official distributor ในไทยหรือ ASEAN คาดว่าการขยายตลาด ASEAN จะเกิดขึ้นในช่วงปี 2027–2028 เมื่อราคาลดลงและ Figure Lite เปิดตัว

สิ่งที่ธุรกิจไทยควรทำตอนนี้

Helix 2.5 ยืนยันว่าเทคโนโลยีกำลังเดินหน้าเร็วกว่าที่หลายฝ่ายคาดไว้ สำหรับผู้บริหารในธุรกิจ hospitality และ eldercare ของไทย ขั้นตอนที่ควรเริ่มทำวันนี้มีดังนี้:

• Map กระบวนการที่ repetitive สูง: ระบุว่าต้องใช้ FTE กี่คนสำหรับงาน housekeeping กะดึก หรืองาน turnover ห้องพักในช่วง peak season
• คำนวณ baseline cost: ต้นทุนแรงงาน housekeeping ต่อปีในโรงแรมที่มีห้อง 300 ห้องอยู่ที่ประมาณ 5–10 ล้านบาทต่อปีขึ้นอยู่กับ shift structure
• ติดตามข่าว Figure Lite: เมื่อ Figure Lite ประกาศราคาอย่างเป็นทางการ จะเป็นตัวชี้วัดว่า timeline จริงสำหรับตลาด ASEAN อยู่ที่ใด
• ติดต่อ distributor ใน ASEAN ล่วงหน้า: บริษัทหลายรายกำลังหารือเรื่อง partnership ในภูมิภาค การเข้าไปในช่วง early adopter อาจได้สิทธิ์ pilot program ก่อน

สำหรับธุรกิจที่พร้อมศึกษาเพิ่มเติมเกี่ยวกับการ deploy หุ่นยนต์ฮิวมานอยด์หรือ service robot ในบริบทของไทย ติดต่อทีมที่ปรึกษาของเราได้ที่ /contact/ เพื่อประเมิน use case และ ROI เบื้องต้น

บทสรุป

Helix 2.5 เป็นหลักฐานชิ้นสำคัญที่บอกว่าอุตสาหกรรมหุ่นยนต์ฮิวมานอยด์กำลังผ่านจุดเปลี่ยน ไม่ใช่แค่ “demo ที่น่าประทับใจ” แต่คือการพิสูจน์ว่า scaling law ที่ทำให้ AI ภาษาพัฒนาก้าวกระโดดนั้นกำลังมีผลกับ robot AI เช่นกัน อัตราสำเร็จ 56% ใน 30 บ้านแปลกหน้าไม่ใช่เลขที่สมบูรณ์แบบ แต่มันสูงกว่า 9% ของ baseline ถึง 6 เท่า และแสดงให้เห็นเส้นทางที่ชัดเจนสู่ความสามารถเชิงพาณิชย์จริง สำหรับธุรกิจไทยในภาคโรงแรมและ eldercare คำถามไม่ใช่ “จะมีหุ่นยนต์แบบนี้ไหม” อีกต่อไปแล้ว แต่คือ “เราจะพร้อมรับมือเมื่อมันมาถึงหรือเปล่า”