UMA สาร์ทอัปหุ่นยนต์ก่อตั้งโดยอดีตวิศวกรของ Elon Musk คนวางโครงข่ายประสาทตัวแรกให้ Optimus

ถ้าให้เดาว่าใครเข้าใจหุ่นยนต์ Optimus ของ Tesla ดีที่สุด หลายคนคงนึกถึง Elon Musk เป็นชื่อแรก แต่คนที่รู้จริงว่า Optimus เรียนรู้ยังไง ติดขัดตรงไหน กลับเป็นวิศวกรอีกคนที่แทบไม่มีใครรู้จักชื่อมาก่อน จนกระทั่งเขาลาออกมาตั้งบริษัทของตัวเอง

Rémi Cadène ใช้เวลา 3 ปีเต็มอยู่ในทีมที่สร้าง Optimus ขึ้นมาตั้งแต่บรรทัดโค้ดแรก เป็นคนวางโครงข่ายประสาทตัวแรกให้มันด้วยตัวเอง ก่อนจะย้ายไปคุมโปรเจกต์โอเพนซอร์สที่ Hugging Face จนกลายเป็นโครงสร้างพื้นฐานที่คนทำหุ่นยนต์ทั่วโลกใช้ร่วมกัน

ตอนนี้เขาเอาทุกอย่างที่สั่งสมมาตลอดทางนั้น มาเปิดบริษัทชื่อ UMA ขึ้นในปารีส ด้วยเป้าหมายที่ใหญ่ไม่แพ้ Tesla คือสร้างหุ่นยนต์ humanoid คู่แข่งของ Optimus ขึ้นมาเอง แล้วชายคนนี้คือใคร และบริษัทที่เขาสร้างขึ้นจะไปได้ไกลแค่ไหน บทความนี้ Techsauce จะมาเล่าให้ฟัง

Rémi Cadène คือใคร

Rémi Cadène เป็นวิศวกรสายดีปเทคตัวจริง เขาจบปริญญาเอกจาก Sorbonne และไปทำวิจัยหลังปริญญาเอกที่ Brown University โปรไฟล์ที่ทำให้คนในวงการต้องหันมามองคือผลงานช่วงปี 2021-2024 ตอนที่อยู่กับ Tesla เขาไม่ได้ทำแค่ระบบ AI ให้ Autopilot แต่เป็นคนที่เขียนโค้ดโครงข่ายประสาท (Neural Network) ชุดแรกให้กับหุ่นยนต์ Optimus ด้วยตัวเอง

ก่อนจะออกมาตั้งบริษัท UMA เขาแวะไปเป็นหัวหน้าทีมโปรเจกต์ LeRobot ที่ Hugging Face มาก่อน โปรเจกต์นี้คือการทำระบบสอนหุ่นยนต์แบบโอเพนซอร์สให้คนเอาไปใช้ฟรี ผลคือมันเวิร์กมากจนกลายเป็นเครื่องมือพื้นฐานที่นักพัฒนาทั่วโลกหยิบไปใช้ การันตีด้วยยอดคนกดดาวบน GitHub ถึง 12,000 ดาว การเปิดเทคโนโลยีให้ทุกคนใช้ในวันนั้น ทำให้เขาได้คอนเนคชันระดับโลกกลับมาแบบเต็ม ๆ

พอเปิดบริษัทปุ๊บ คอนเนคชันที่ว่าก็ดึงดูดคนเก่ง ๆ ระดับท็อปมาช่วยทันที ไม่ว่าจะเป็น Yann LeCun (หัวหน้านักวิทยาศาสตร์ AI ของ Meta) และ Thomas Wolf (ผู้ร่วมก่อตั้ง Hugging Face) ที่เข้ามาเป็นที่ปรึกษาให้ ส่วนทีมบริหารที่ดึงมาร่วมก่อตั้งก็เป็นคนในวงการที่เคยทำงานด้วยกันมาแล้ว

• Simon Alibert (CTO) คนที่ร่วมปั้นโปรเจกต์ LeRobot มาด้วยกัน
• Pierre Sermanet (Chief Science Officer) อดีตนักวิจัยจาก Google DeepMind
• Robert Knight (Chief Robot Officer) คนออกแบบ SO-100 แขนหุ่นยนต์แบบโอเพนซอร์สที่ฮิตใช้กันแพร่หลาย

ด้วยโปรไฟล์และทีมงานระดับนี้ ทำให้ตอนเปิดระดมทุนรอบ Seed สตาร์ทอัพของเขาได้รับเงินสนับสนุนจากกลุ่มนักลงทุน VC ที่เชี่ยวชาญด้าน Deep Tech ในยุโรปโดยตรง ทั้ง Greycroft, Red River West, Kima Ventures และ Factorial แบบไม่ต้องพึ่งพาทุนจากฝั่งซิลิคอนแวลลีย์

ทำไมเลือกเดินออกมาแข่งสร้าง Humanoid

อุตสาหกรรมหุ่นยนต์ Humanoid ในปี 2026 มีอัตราการแข่งขันสูงและขับเคลื่อนด้วยตัวเลขการใช้งานจริงในสายการผลิต

ปัจจุบัน Figure AI นำหุ่นยนต์ Figure 02 เข้าทำงานในโรงงาน BMW ที่ Spartanburg ซึ่งมีส่วนร่วมในกระบวนการผลิตรถยนต์ไปแล้วกว่า 30,000 คัน ฝั่ง Hyundai ก็ประกาศบูรณาการหุ่นยนต์ Atlas จาก Boston Dynamics จำนวน 25,000 ตัวเข้าสายการผลิตภายในปี 2028

ตลาดยุโรปยังคงขาดแคลนบริษัทผู้นำทางเทคโนโลยีในกลุ่มนี้ ทั้งในแง่ของเม็ดเงินลงทุนและโครงสร้างพื้นฐานการทดสอบระบบเมื่อเทียบกับสหรัฐอเมริกา นี่คือช่องว่างทางธุรกิจที่ Cadène ประเมินว่าเป็นโอกาสสำคัญ

จุดขายที่สร้างความแตกต่างให้ UMA คือกระบวนการเรียนรู้ของระบบปฏิบัติการ หุ่นยนต์รุ่น Northstar ใช้สถาปัตยกรรม Real-Time Learning Architecture แทนการเขียนโปรแกรมสั่งงานตามลำดับขั้นตอนแบบหุ่นยนต์อุตสาหกรรมดั้งเดิม Northstar จะเรียนรู้ผ่านการสังเกตการสาธิตของมนุษย์และฝึกฝนซ้ำ (Imitation Learning)

ตัวผลิตภัณฑ์ถูกออกแบบให้มีน้ำหนักเบาเพียง 40 กิโลกรัม เน้นโครงสร้างที่ง่ายต่อการบำรุงรักษาเพื่อควบคุมต้นทุนการดำเนินงาน UMA เพิ่งนำ Northstar ไปเปิดตัวในงาน Machina Summit เมื่อวันที่ 7 กรกฎาคม 2026 ที่ผ่านมา พร้อมตั้งเป้านำเสนอ Proof-of-Concept ที่ใช้งานได้จริงภายในสิ้นปีนี้

ทำไมถึงเลือกยุโรปเป็นที่ตั้ง UMA

เหตุผลที่ UMA เลือกตั้งในยุโรปเป็นเพราะปัญหาโครงสร้างประชากรที่กำลังก้าวเข้าสู่สังคมสูงวัยอย่างรวดเร็ว ทำให้หาคนทำงานยากและค่าจ้างก็แพงขึ้นเรื่อย ๆ หลังจากคว้าเงินทุนก้อนแรก (Seed Round) 40 ล้านดอลลาร์สหรัฐฯ มาได้เมื่อเดือนธันวาคม 2025 บริษัทก็วางแผนผลิตหุ่นยนต์ 2 แบบหลัก ๆ คือ 

1. หุ่นยนต์เคลื่อนที่แบบแขนคู่สำหรับใช้ในโกดังสินค้า
2. หุ่นยนต์ไซส์กะทัดรัดสำหรับฝั่งโรงพยาบาลและสาธารณสุข

การแข่งขันในยุโรปมีความเข้มข้นไม่แพ้ภูมิภาคอื่น UMA ต้องประเมินการแข่งขันกับบริษัทคู่แข่งในพื้นที่อย่าง Neura Robotics และ Sereact ในเยอรมนี รวมถึง Genesis สตาร์ทอัพจากฝรั่งเศสที่มุ่งเป้าเจาะตลาดภาคสาธารณสุขเช่นเดียวกัน

ความท้าทายหลักในการประยุกต์ใช้งานเชิงพาณิชย์ คือการบริหารจัดการข้อกำหนดทางแรงงาน การนำหุ่นยนต์เข้าสู่ระบบการทำงานมักต้องเผชิญกับการเจรจากับสหภาพแรงงาน

กรณีศึกษาของ Hyundai ที่พบการต่อต้านจากพนักงานเกี่ยวกับการใช้งานหุ่นยนต์ Atlas (ซึ่งมีการประเมินต้นทุนไว้ที่ 145,000 ดอลลาร์สหรัฐต่อตัว) เป็นข้อพิสูจน์ถึงความเสี่ยงนี้ สหภาพแรงงานในยุโรปมีอำนาจการต่อรองสูง ซึ่งอาจส่งผลกระทบโดยตรงต่อแผนการริเริ่มโครงการนำร่องของ UMA

ปัจจุบัน UMA อยู่ระหว่างการเจรจากับลูกค้าระดับองค์กร 50 ราย ตัวชี้วัดความสำเร็จของบริษัทในระยะถัดไป คือการแปลงความเชี่ยวชาญทางวิศวกรรมระดับโลก ให้เป็นผลลัพธ์ทางธุรกิจและการส่งมอบผลิตภัณฑ์เพื่อใช้งานจริงในระดับสเกล เพื่อแข่งขันกับกลุ่มบริษัทที่ดำเนินการติดตั้งระบบในอุตสาหกรรมไปล่วงหน้าแล้ว

อ้างอิง: bloomberg, electrek.co, startupfortune, venturebeat, press.bmwgroup, newatlas, techtimes