X
TDRI มองอุตฯ AI ไทยควรไปทางไหน?

TDRI มองอุตฯ AI ไทยควรไปทางไหน?

20 มี.ค. 2568
1380 views
ขนาดตัวอักษร

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



Terms of Service © 2025 MCOT.net All rights reserved นโยบายข้อมูลส่วนบุคคล นโยบายการรักษาความมั่นคงปลอดภัยเว็บไซต์ นโยบายเว็บไซต์ของ บริษัท อสมท จำกัด (มหาชน)