ดร. สลิลธร ทองมีนสุข และ นภสินธุ์ คามะปะโส สถาบันวิจัยเพื่อการพัฒนาประเทศไทย วิเคราะห์อุตสาหกรรม ปัญญาประดกลุ่มบริษัท OpenAI, SoftBank, Oracle, NVIDIA และ Microsoft ร่วมกันลงทุนกว่า 17 ล้านล้านบาทในโครงการ “Project Stargate” เพื่อพัฒนาโครงสร้างพื้นฐาน AI ที่รองรับการใช้งานระดับอุตสาหกรรม ขณะเดียวกัน Meta ก็ลงทุนกว่า 6 แสนล้านบาทในการซื้อชิป NVIDIA H100 ซึ่งเป็นชิปประมวลผล AI ที่ทรงพลังที่สุดในตลาด
ศูนย์ข้อมูลสำหรับ AI ใช้พลังงานจำนวนมหาศาล Mark Zuckerberg ซีอีโอของ Meta เคยกล่าวว่า “การฝึกโมเดล AI ขนาดใหญ่ต้องการพลังงานมากกว่าที่คาดไว้มาก” บริษัทเทคโนโลยีหลายแห่งจึงเร่งลงทุนในพลังงานสะอาด เช่น โซลาร์ฟาร์ม และพลังงานนิวเคลียร์
ในขณะที่บริษัทยักษ์ใหญ่ของสหรัฐฯ ทุ่มงบประมาณในการพัฒนาเทคโนโลยีขั้นสูง จีนกลับเลือกเส้นทางที่แตกต่าง โดยใช้แนวทางที่มีต้นทุนต่ำและเน้นความคุ้มค่าในการพัฒนา AI กรณีของ DeepSeek AI เป็นตัวอย่างสำคัญที่ทำให้เห็นว่า แม้จีนจะเผชิญข้อจำกัดในการเข้าถึงเทคโนโลยีชิปจากสหรัฐฯ แต่สามารถพัฒนาโมเดลที่มีประสิทธิภาพเทียบเคียง OpenAI ได้ในราคาต่ำกว่าถึง 95% ซึ่งกลยุทธ์ของ DeepSeek ยังรวมไปถึงการพัฒนาโมเดลที่ใช้พลังงานต่ำ และลดการพึ่งพาศูนย์ข้อมูลขนาดใหญ่ ตลอดจนการให้บริการ AI ที่มีต้นทุนถูกลงกว่าคู่แข่งในตลาด
แนวทางนี้ทำให้ AI เข้าถึงได้ง่ายขึ้นและมีราคาถูกลง ซึ่งกำลังเปลี่ยนสมดุลการแข่งขันในอุตสาหกรรม AI ทั่วโลก
DeepSeek ได้พิสูจน์ว่า การพัฒนา AI อาจไม่จำเป็นต้องใช้เทคโนโลยีระดับสูงสุด หรือข้อมูลปริมาณมหาศาลเสมอไป ทำให้เกิดข้อถกเถียงว่าอุตสาหกรรม AI อาจเผชิญ “วิกฤติการใช้เทคโนโลยีที่สูงเกินจำเป็น” (Overcapacity Crisis) การเปิดตัวของ DeepSeek ยังส่งผลกระทบโดยตรงต่อหุ้นของบริษัทยักษ์ใหญ่อย่าง NVIDIA (-17%), BroadCom (-17%), Oracle (-14%) และ Cisco (-5%) ที่อยู่ในห่วงโซ่อุตสาหกรรม AI
ความสำเร็จของ DeepSeek ยังทำให้เกิดคำถามว่า AI จำเป็นต้องใช้พลังงานมหาศาลจริงหรือไม่ จนหุ้นของบริษัทยักษ์ใหญ่ด้านพลังงานในสหรัฐฯ เช่น Constellation Energy (-20%) และ Vistra (-30%) ลดลงอย่างมาก
หลายประเทศ พยายามผลักดัน อธิปไตย AI (Sovereign AI) เพื่อลดการพึ่งพาบริษัทเทคโนโลยีจากสหรัฐฯ โดยเฉพาะยุโรปที่พัฒนาโครงสร้างพื้นฐานของตนเอง แต่สำหรับไทย แนวทางนี้อาจมีข้อจำกัดเนื่องจากต้องใช้เงินลงทุนและบุคลากรที่มีความเชี่ยวชาญสูง แนวทางที่เป็นไปได้มากกว่าสำหรับไทยคือ
1.การพัฒนา Task-Specific AI หรือปัญญาประดิษฐ์ที่มุ่งเน้นงานเฉพาะทาง กำลังกลายเป็นแนวทางที่หลายประเทศให้ความสนใจมากขึ้น แทนที่จะพัฒนา General AI ซึ่งต้องการทรัพยากรขนาดมหาศาลและมีความซับซ้อนสูง การพัฒนา AI ที่มุ่งเน้นงานเฉพาะทางมีข้อดีหลายประการ เช่น
ลดต้นทุนและเพิ่มประสิทธิภาพ: Task-Specific AI สามารถออกแบบให้เหมาะสมกับความต้องการเฉพาะของอุตสาหกรรม
ลดการพึ่งพาโครงสร้างพื้นฐานขนาดใหญ่: การพัฒนา AI เฉพาะทางช่วยให้สามารถทำงานบนระบบประมวลผลที่เล็กกว่า ลดความต้องการใช้ซูเปอร์คอมพิวเตอร์หรือศูนย์ข้อมูลขนาดใหญ่
รองรับการพัฒนาในระดับท้องถิ่น: การมุ่งเน้น Task-Specific AI ช่วยให้ประเทศไทยสามารถพัฒนา AI ที่ตอบโจทย์ความต้องการของธุรกิจภายในประเทศได้โดยตรง เช่น AI สำหรับภาคเกษตรกรรม ภาคการท่องเที่ยว หรือภาคการผลิต
สนับสนุน Edge Data Center ในประเทศ เพื่อลดการพึ่งพาโครงสร้างพื้นฐานจากต่างประเทศ Edge Data Center หรือศูนย์ข้อมูลขนาดเล็กในประเทศ เป็นโซลูชั่นที่ช่วยลดการพึ่งพาศูนย์ข้อมูลในต่างประเทศ โดยเฉพาะอย่างยิ่งในอุตสาหกรรมที่ต้องการการประมวลผลแบบเรียลไทม์ เช่น IoT, AI สำหรับยานยนต์อัตโนมัติ และบริการสตรีมมิ่ง แนวทางนี้มีข้อดีหลายประการ เช่น
ลดเวลาแฝงในการประมวลผล ทำให้บริการ AI มีประสิทธิภาพและตอบสนองได้รวดเร็วยิ่งขึ้น ลดต้นทุนสำหรับธุรกิจในประเทศ โดยเฉพาะ SMEs ที่ต้องการใช้ AI แต่ไม่มีงบประมาณเพียงพอสำหรับศูนย์ข้อมูลขนาดใหญ่
3.ใช้ Open-Source AI ที่มีประสิทธิภาพและคุ้มค่าต้นทุน Open-Source AI กำลังเป็นที่นิยมมากขึ้นเนื่องจากลดต้นทุนการพัฒนาและเปิดโอกาสให้ธุรกิจสามารถปรับแต่งโมเดลให้เหมาะสมกับความต้องการได้ ตัวอย่างโมเดลที่ได้รับความนิยม เช่น LLaMA, Falcon และ Stable Diffusion แนวทางนี้ช่วย ลดค่าใช้จ่ายในการพัฒนา AI ธุรกิจไม่ต้องลงทุนสร้างโมเดลตั้งแต่ต้นเพิ่มความโปร่งใสและความปลอดภัยสามารถตรวจสอบและปรับปรุงโค้ดได้โดยอิสระ ส่งเสริมการพัฒนา AI ในประเทศ ไทยสามารถพัฒนาโมเดล AI ที่เหมาะกับภาษาไทยหรือบริบทเฉพาะของประเทศได้
ไทยต้องเลือกเส้นทาง AI ที่เหมาะกับตนเอง แต่เดิมบริษัทยักษ์ใหญ่ในตะวันตกเน้นการพัฒนาโครงสร้างพื้นฐานขนาดใหญ่เพื่อรองรับ AI อัจฉริยะ ในขณะที่จีนเป็นผู้บุกเบิกการใช้แนวทางที่เน้นต้นทุนต่ำ และการใช้ Open-Source AI ซึ่งช่วยให้เกิดการพัฒนาที่คล่องตัวและสามารถแข่งขันได้โดยไม่ต้องลงทุนมหาศาล
ประเทศไทยไม่สามารถแข่งขันโดยตรงกับมหาอำนาจเทคโนโลยีในแง่ของเงินทุนและขนาดของโครงสร้างพื้นฐาน ดังนั้น แทนที่จะเน้นขยายขนาดโครงสร้างพื้นฐานเพียงอย่างเดียว ไทยสามารถสร้างความได้เปรียบโดยพัฒนา Task-Specific AI ที่ตอบโจทย์อุตสาหกรรมเฉพาะ และสนับสนุน Edge Data Center ในประเทศเพื่อลดการพึ่งพาโครงสร้างพื้นฐานต่างประเทศและเพิ่มความมั่นคงทางดิจิทัล รวมทั้งใช้ Open-Source AI เพื่อลดต้นทุนและเร่งการพัฒนานวัตกรรมที่เหมาะสมกับบริบทของไทย
การสร้างระบบนิเวศ AI ที่สมดุลระหว่างเทคโนโลยีของเอกชน และการสนับสนุนจากภาครัฐ จะช่วยให้ไทยสามารถใช้ AI เป็นเครื่องมือขับเคลื่อนเศรษฐกิจ และสร้างความได้เปรียบทางการแข่งขันโดยไม่ต้องทุ่มงบประมาณจำนวนมหาศาล ดังนั้นการวางกลยุทธ์ที่เหมาะสมตั้งแต่วันนี้ รวมถึงการพัฒนาทักษะของบุคลากรจะเป็นกุญแจสำคัญในการกำหนดตำแหน่งของไทยในโลกยุค AI แห่งอนาคต