คำตอบเผยแพร่แล้ว5 ชั่วโมงที่ผ่านมาLast edited 4 ชั่วโมงที่ผ่านมา24 แหล่งที่มา

ทำไมนักพัฒนาจึงหันมาเลือกโมเดล AI แบบเปิดน้ำหนักจากจีน

โมเดลที่พัฒนาในจีนคิดเป็น 41% ของยอดดาวน์โหลดบน Hugging Face ในช่วง 1 ปีที่ผ่านมา แซงหน้าโมเดลจากสหรัฐฯ ทั้งในยอดรายเดือนและยอดรวม [32] Kimi K3 และ Qwen3.8 Max ทำให้โมเดลแบบเปิดน้ำหนักขนาดระดับ 2.4–2.8 ล้านล้านพารามิเตอร์และบริบทสูงสุด 1 ล้านโทเคนกลายเป็นความจริงในระบบนิเวศแบบเปิด ข้อมูล OpenRouter สะท้อนการใช้งานจร...

ค้นหาและตรวจสอบข้อเท็จจริงด้วย Studio Global AI ดูหน้าที่กำลังมาแรงเพิ่มเติม

คำตอบการวิจัย

ประเด็นสำคัญ

โมเดลที่พัฒนาในจีนคิดเป็น 41% ของยอดดาวน์โหลดบน Hugging Face ในช่วง 1 ปีที่ผ่านมา แซงหน้าโมเดลจากสหรัฐฯ ทั้งในยอดรายเดือนและยอดรวม [32]
Kimi K3 และ Qwen3.8 Max ทำให้โมเดลแบบเปิดน้ำหนักขนาดระดับ 2.4–2.8 ล้านล้านพารามิเตอร์และบริบทสูงสุด 1 ล้านโทเคนกลายเป็นความจริงในระบบนิเวศแบบเปิด
ข้อมูล OpenRouter สะท้อนการใช้งานจริงมากขึ้น โดยโมเดลจากจีนครอง 5 อันดับแรกตามปริมาณโทเคนในเดือนกรกฎาคม และมีสัดส่วนมากกว่า 60% ของทราฟฟิกแพลตฟอร์มในวันที่ 21 สิงหาคม ตามรายงานที่อ้างอิงข้อมูลจากแพลตฟอร์ม [51]

Abstract editorial illustration of Chinese open-weight AI models spreading through a global developer network — How have Chinese open-weight large language models, which were once viewed as a tier below US frontier systems, risen by August 21, 2026 toEditorial illustration of open-weight AI models spreading through global developer infrastructure.
AI พรอมต์
Create a landscape editorial hero image for this Studio Global article: How have Chinese open-weight large language models, which were once viewed as a tier below US frontier systems, risen by August 21, 2026 to. Article summary: Chinese labs have gained adoption primarily by combining frontier-adjacent capability with permissive weights, fast release cycles, efficient sparse architectures, and sharply lower deployment costs. That can make them t. Topic tags: general, news, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com

จุดศูนย์กลางของโมเดล AI แบบเปิดกำลังเคลื่อนไปทางจีน

ในปี 2026 น้ำหนักของการแข่งขันในตลาดโมเดล AI แบบเปิดเปลี่ยนไปอย่างเห็นได้ชัด โมเดลที่พัฒนาในจีนคิดเป็น 41% ของยอดดาวน์โหลดบน Hugging Face ในช่วง 1 ปีที่ผ่านมา และแซงหน้าโมเดลจากสหรัฐฯ ทั้งในยอดดาวน์โหลดรายเดือนและยอดรวม 32 ขณะเดียวกัน มีรายงานว่ายอดดาวน์โหลดสะสมทั่วโลกของโมเดล AI แบบเปิดจากจีนทะลุ 10,000 ล้านครั้งแล้ว ไม่ใช่ 100,000 ล้านครั้งตามพาดหัวข่าวบางชิ้น 31

ตัวเลขนี้มีความสำคัญ แต่ต้องอ่านให้ตรงบริบท สิ่งที่หลักฐานชี้ให้เห็นคือ จีนกำลังเป็นผู้นำในชั้นตลาดที่เกี่ยวกับโมเดลซึ่งดาวน์โหลดได้ ปรับแต่งได้ และนำไปใช้งานโดยนักพัฒนาหรือผู้ให้บริการประมวลผลโมเดล ไม่ได้หมายความว่าบริษัทจีนเข้ามาแทนที่บริษัทสหรัฐฯ ในการแข่งขันโมเดลปิดที่อยู่ระดับแนวหน้าที่สุดของอุตสาหกรรมแล้ว

ตัวเลข 41% วัดการยอมรับ ไม่ใช่จำนวนโมเดลทั้งหมด

ตัวเลข 41% เป็นสัดส่วนยอดดาวน์โหลดบน Hugging Face ซึ่งเป็นแพลตฟอร์มรวมโมเดล ชุดข้อมูล และเครื่องมือสำหรับนักพัฒนา ไม่ใช่สัดส่วนของโมเดล AI ทั้งหมดในโลก หรือสัดส่วนการใช้งาน AI ทั้งหมด

ข้อมูลของ Hugging Face ยังแสดงให้เห็นว่าระบบนิเวศนี้กระจุกตัวสูงมาก โดยมีคลังโมเดลเพียง 1.5% ที่สร้างยอดดาวน์โหลดถึง 99.2% ขณะที่โมเดล 85.6% มียอดดาวน์โหลดสะสมตลอดอายุการใช้งานไม่ถึง 200 ครั้ง 23

ถึงจะมีข้อจำกัดดังกล่าว แนวโน้มก็ยังมีนัยสำคัญ จีนกลายเป็นแหล่งกำเนิดโมเดลจากประเทศที่ระบุได้ซึ่งมียอดดาวน์โหลดสูงที่สุดบนแพลตฟอร์ม และโมเดลจีนยังสร้างทราฟฟิกจำนวนมากผ่านบริการจัดเส้นทางโมเดลอีกด้วย 27 29

ส่วนยอดดาวน์โหลดสะสมทั่วโลกก็ถูกนำเสนอผิดได้ง่าย รายงานร่วมสมัยระบุว่าโมเดล AI แบบเปิดจากจีนมียอดดาวน์โหลดสะสมเกิน 10,000 ล้านครั้งทั่วโลก 17 31 หลักฐานที่มีอยู่ไม่รองรับตัวเลข 100,000 ล้านครั้ง ดังนั้นตัวเลขดังกล่าวควรถูกมองว่าเป็นความผิดพลาดของพาดหัวข่าวหรือการถอดตัวเลข มากกว่าจะถือเป็นสถิติที่ยืนยันแล้ว

เหตุผลที่นักพัฒนาเลือกโมเดลแบบเปิดน้ำหนักจากจีน

การเปลี่ยนแปลงนี้ไม่ได้เกิดจากชัยชนะในผลทดสอบเพียงรายการเดียว แต่เป็นผลจากข้อได้เปรียบหลายด้านที่ตอบโจทย์การนำไปผลิตจริง

ต้นทุนการใช้งานต่ำ: ผู้ให้บริการจีนแข่งขันด้านราคา API อย่างจริงจัง ทำให้งานเขียนโค้ดปริมาณมากและระบบเอเจนต์ที่เรียกโมเดลซ้ำหลายพันครั้งมีต้นทุนถูกลง โมเดลแบบเปิดน้ำหนักยังเปิดทางให้บริษัทโฮสต์หรือปรับแต่งโมเดลเอง แทนที่จะต้องซื้อบริการจากผู้ให้บริการรายเดียว
ใบอนุญาตยืดหยุ่น: จากโมเดลจีน 178 รุ่นที่มีพารามิเตอร์มากกว่า 20,000 ล้านรายการและ Hugging Face นำมาทบทวน พบว่า 59% ใช้ Apache 2.0 และ 22% ใช้ MIT ขณะที่แทบไม่มีรุ่นใดจำกัดการใช้งานเชิงพาณิชย์ 23 ใบอนุญาตลักษณะนี้ทำให้การทดลอง การผนวกรวมเข้ากับผลิตภัณฑ์ และการเผยแพร่ต่อทำได้ง่ายกว่าทางเลือกที่มีข้อจำกัดมาก
รอบการเปิดตัวรวดเร็ว: ห้องปฏิบัติการหลายแห่งสามารถเปลี่ยนจากการประกาศโมเดลไปสู่การเปิด API บริการประมวลผลแบบโฮสต์ และการเผยแพร่น้ำหนักโมเดลให้ดาวน์โหลดได้ภายในเวลาไม่นาน
ความสามารถที่ตอบโจทย์งานจริง: การเขียนโค้ด การให้เหตุผล การทำงานหลายภาษา งานที่ต้องใช้บริบทขนาดยาว และเวิร์กโฟลว์อัตโนมัติ ล้วนมีมูลค่าสูงเมื่อโมเดลต้องถูกเรียกใช้งานนับพันครั้งในแอปพลิเคชัน
การควบคุมที่มากขึ้น: นักพัฒนาสามารถเก็บข้อมูลไว้ในโครงสร้างพื้นฐานของตนเอง ปรับโมเดลให้เหมาะกับงานเฉพาะทาง และลดการพึ่งพาผู้ให้บริการโมเดลปิดเพียงรายเดียว

นี่คือเหตุผลที่การใช้งานโมเดลแบบเปิดน้ำหนักอาจเติบโตเร็วกว่ากระแสข่าวเรื่องผลทดสอบ โมเดลไม่จำเป็นต้องเป็นระบบที่ดีที่สุดในทุกด้าน จึงจะกลายเป็นตัวเลือกหลักสำหรับงานผลิตจริงที่ให้ความสำคัญกับต้นทุน

Kimi K3 ทำให้โมเดลเปิดระดับแนวหน้ากลายเป็นเรื่องที่มองข้ามไม่ได้

Kimi K3 ของ Moonshot AI เป็นสัญลักษณ์สำคัญของการเปลี่ยนแปลงครั้งนี้ โมเดลมีพารามิเตอร์รวม 2.8 ล้านล้านรายการ ใช้สถาปัตยกรรม Mixture-of-Experts แบบเบาบาง รองรับความเข้าใจภาพโดยตรง และมีบริบทสูงสุด 1 ล้านโทเคน Moonshot ระบุว่า Kimi K3 เป็นโมเดลแบบเปิดรุ่นแรกในระดับ 3 ล้านล้านพารามิเตอร์ 3

Moonshot เปิดเผยน้ำหนักโมเดลฉบับเต็มเมื่อวันที่ 27 กรกฎาคม 2026 หลังเริ่มให้บริการผ่าน API และระบบโฮสต์มาก่อนหน้านั้น 15 การเปิดน้ำหนักไม่ได้ทำให้ Kimi K3 รันได้ง่ายบนฮาร์ดแวร์ทั่วไป เพราะขนาดของโมเดลยังเป็นความท้าทายด้านโครงสร้างพื้นฐาน แต่ก็เปลี่ยนความคาดหวังว่าแล็บ AI จีนจะยอมเผยแพร่โมเดลขนาดใหญ่เพียงใด

สารที่ส่งออกมาจึงไม่ได้อยู่ที่สเปกทางเทคนิคเท่านั้น แล็บจีนสามารถนำระบบที่เข้าใกล้ระดับแนวหน้าไปอยู่ในมือของนักพัฒนา บริษัทผู้ให้บริการประมวลผล และนักวิจัยภายนอก แทนที่จะเก็บโมเดลไว้หลัง API อย่างเดียว

Qwen3.8-Max แสดงให้เห็นว่านี่ไม่ใช่ความสำเร็จของแล็บเดียว

Alibaba ตอกย้ำทิศทางดังกล่าวด้วย Qwen3.8-Max ซึ่งประกาศเมื่อวันที่ 3 สิงหาคม โมเดลนี้มีพารามิเตอร์รวม 2.4 ล้านล้านรายการ และรองรับบริบทสูงสุด 1 ล้านโทเคน โดย Alibaba วางตำแหน่งให้เหมาะกับงานเขียนโค้ด งานวิจัย งานจริงในโลกธุรกิจ และภารกิจระยะยาว 34 47

ต่อมาได้มีการเปิดตัวรุ่นน้ำหนักแบบเปิดในตระกูล Qwen3.8-2.4T-A95B ในเดือนสิงหาคม 37 เมื่อพิจารณา Kimi K3 และ Qwen3.8-Max ร่วมกัน จะเห็นว่าการเปลี่ยนแปลงนี้ไม่ใช่ผลกระทบชั่วครั้งเดียวจาก DeepSeek หรือเป็นเพียงกลยุทธ์ด้านราคาของบริษัทใดบริษัทหนึ่ง แต่เป็นการแข่งขันพร้อมกันของหลายแล็บจีนในด้านขนาด ประสิทธิภาพ ความสามารถหลายรูปแบบ ความยาวบริบท และช่องทางการเผยแพร่

สถาปัตยกรรม Mixture-of-Experts แบบเบาบางช่วยอธิบายได้ว่าเหตุใดโมเดลเหล่านี้จึงประกาศจำนวนพารามิเตอร์รวมมหาศาล โดยไม่จำเป็นต้องเปิดใช้งานทุกพารามิเตอร์กับทุกโทเคน เทคโนโลยีนี้ไม่ได้ลบต้นทุนการฝึกหรือการให้บริการโมเดล แต่สามารถทำให้ความสัมพันธ์ระหว่างความสามารถของโมเดลกับประสิทธิภาพในการประมวลผลดีขึ้น

OpenRouter เปลี่ยนการเปิดตัวโมเดลให้กลายเป็นการใช้งานจริง

ยอดดาวน์โหลดบน Hugging Face สะท้อนความสนใจและการกระจายตัวของโมเดล ส่วน OpenRouter ให้สัญญาณอีกแบบหนึ่ง นั่นคือปริมาณทราฟฟิกจากแอปพลิเคชันและการทดลองที่ส่งผ่านแพลตฟอร์มจัดเส้นทางโมเดลนี้

ในเดือนกรกฎาคม โมเดลที่พัฒนาในจีนครองทั้ง 5 อันดับแรกของ OpenRouter ตามปริมาณโทเคน นำโดย MiMo V2.5 ของ Xiaomi ตามด้วยโมเดลจาก DeepSeek, MiniMax, ตระกูล Qwen ของ Alibaba และตระกูล Kimi ของ Moonshot 51 รายงานวันที่ 21 สิงหาคมระบุว่าโมเดลจีนคิดเป็นมากกว่า 60% ของทราฟฟิกบน OpenRouter ซึ่งมีปริมาณเกิน 20 ล้านล้านโทเคนต่อสัปดาห์ 51

การวิเคราะห์ตลาดอีกรายการประเมินว่าโมเดลแบบเปิดจากจีนมีสัดส่วนมากกว่าครึ่งหนึ่งของการใช้งาน OpenRouter หลังเดือนมีนาคม และมีปริมาณโทเคนเพิ่มขึ้นเกือบ 3 เท่า ขณะที่ราคาที่ต่ำลงทำให้รายได้ต่อโทเคนลดลง 50

ตัวเลขเหล่านี้ไม่ควรถูกใช้แทนตัวชี้วัดการบริโภค AI ทั่วโลกทั้งหมด OpenRouter ให้บริการตลาด API และนักพัฒนากลุ่มหนึ่งโดยเฉพาะ อีกทั้งรายงานต่าง ๆ ใช้ช่วงเวลาและนิยามไม่เหมือนกัน แต่ทิศทางโดยรวมสอดคล้องกัน: โมเดลจีนถูกเลือกไปใช้งานจริงในปริมาณมาก ไม่ได้ถูกดาวน์โหลดเพียงเพื่อทดลองประเมินผล

มาตรการควบคุมการส่งออกอาจเร่งการแข่งขันด้านประสิทธิภาพ แต่ยังสรุปเหตุเหตุผลโดยตรงไม่ได้

ข้อจำกัดของสหรัฐฯ ต่อชิปประสิทธิภาพสูงทำให้บริษัท AI จีนต้องทำงานภายใต้สภาพแวดล้อมด้านกำลังประมวลผลที่ยากขึ้น และอาจเพิ่มแรงจูงใจให้บริษัทเหล่านี้ดึงความสามารถออกจากทรัพยากรคอมพิวเตอร์ทุกหน่วยให้ได้มากที่สุด

แรงจูงใจดังกล่าวสอดคล้องกับแนวทางที่เห็นในโมเดลชั้นนำ เช่น การเลือกใช้โครงสร้างแบบเบาบาง การออกแบบบริบทขนาดยาว การเพิ่มประสิทธิภาพการประมวลผล การกลั่นความรู้จากโมเดล และการฝึกหลังการเทรนอย่างเข้มข้น อย่างไรก็ตาม มาตรการควบคุมการส่งออกเพียงอย่างเดียวไม่สามารถอธิบายความก้าวหน้าของจีนได้ หลักฐานที่มีอยู่ยังไม่ยืนยันผลเชิงเหตุและผลที่แน่นอน ระบบนิเวศนี้ยังพึ่งพาการแข่งขันระหว่างแล็บเอกชน การกระจายตัวผ่านคลาวด์ บุคลากรด้านวิศวกรรม ความต้องการในประเทศ และความสนใจจากนักพัฒนาทั่วโลก

ข้อสรุปที่ปลอดภัยกว่าคือ มาตรการจำกัดไม่ได้ป้องกันไม่ให้โมเดลจีนแข่งขันได้ในงานสำคัญของตลาดโมเดลเปิด และอาจทำให้การเพิ่มประสิทธิภาพกลายเป็นภารกิจเร่งด่วนเชิงกลยุทธ์มากขึ้น

ช่องว่างกับโมเดลปิดระดับแนวหน้ากำลังแคบลง แต่ไม่เท่ากันทุกด้าน

มีรายงานบางชิ้นระบุว่าระยะห่างระหว่างโมเดลเปิดชั้นนำของจีนกับระบบปิดที่ดีที่สุดลดลงจาก 6–9 เดือนเหลือ 2–3 เดือน 30 แต่ควรใช้ข้ออ้างนี้อย่างระมัดระวัง เพราะคำว่า “ช่องว่าง” เปลี่ยนไปตามเกณฑ์ทดสอบและความสามารถที่นำมาวัด

โมเดลหนึ่งอาจทำคะแนนใกล้เคียงในงานเขียนโค้ด แต่ยังตามหลังในด้านความน่าเชื่อถือ การใช้เครื่องมือ ความปลอดภัย การให้เหตุผลกับข้อมูลหลายรูปแบบ ความหน่วง หรือการทำงานที่มีขั้นตอนยาว ขณะเดียวกัน ผลทดสอบจากบริษัทผู้พัฒนาและลีดเดอร์บอร์ดสาธารณะก็ไม่ได้ให้มาตรวัดความสามารถระดับแนวหน้าที่เป็นสากลเพียงหนึ่งเดียว

ข้อสรุปที่มีหลักฐานรองรับมากกว่าคือ โมเดลเปิดน้ำหนักชั้นนำจากจีนเข้าใกล้ทางเลือกแบบปิดมากพอในงานผลิตจริงหลายประเภท จนสามารถทำหน้าที่เป็นตัวแทนกันได้ การถูกเลือกใช้งานจริงจึงสะท้อนความสามารถในการแข่งขันเชิงปฏิบัติ แม้ยังไม่ใช่หลักฐานว่าทัดเทียมกันในทุกมิติของเทคโนโลยีระดับแนวหน้า

เหตุใดโมเดลจีนอาจกลายเป็นชั้นพื้นฐานของ AI ทั่วโลก

ผลกระทบที่สำคัญที่สุดอาจไม่ได้อยู่ที่ว่า “ประเทศใดชนะ” แต่อยู่ที่ภูมิศาสตร์ของการใช้งาน โมเดลแบบเปิดน้ำหนักน่าสนใจสำหรับนักพัฒนาในเอเชียตะวันออกเฉียงใต้ แอฟริกา และลาตินอเมริกา เพราะต้นทุนต่ำ การปรับให้เข้ากับภาษาท้องถิ่น การติดตั้งในระบบของตนเอง และการไม่ต้องพึ่ง API จากต่างประเทศเพียงรายเดียว ล้วนเป็นปัจจัยสำคัญ

สิ่งนี้เปิดทางให้เกิดบทบาทคล้าย Linux ได้ในอนาคต ไม่จำเป็นต้องมีโมเดลเดียวครองตลาด แต่อาจเป็นชั้นพื้นฐานที่ประกอบด้วยน้ำหนักโมเดล รุ่นปรับแต่ง เครื่องมือประมวลผล และโครงสร้างพื้นฐานสำหรับนักพัฒนาซึ่งถูกนำกลับมาใช้ซ้ำอย่างแพร่หลาย ตระกูลโมเดลจีนอาจมีอิทธิพลมากขึ้น หากยังคงมีราคาที่เข้าถึงได้ มีเอกสารใช้งานครบถ้วน เปิดให้บริการผ่านผู้ให้บริการหลากหลายราย และปรับให้เข้ากับความต้องการในแต่ละท้องถิ่นได้

อย่างไรก็ตาม การเปรียบเทียบกับ Linux ก็มีข้อจำกัด Linux กลายเป็นรากฐานของคลาวด์จากอินเทอร์เฟซที่เสถียร ดิสทริบิวชัน เครื่องมือ แนวทางความปลอดภัย และการดูแลโดยชุมชนที่สั่งสมมาหลายทศวรรษ ยอดดาวน์โหลดโมเดลเพียงอย่างเดียวไม่เพียงพอที่จะสร้างความยั่งยืนแบบเดียวกัน โมเดลเปิดยังต้องมีใบอนุญาตที่เชื่อถือได้ การประเมินที่โปร่งใส เอกสารที่ดี แนวทางความปลอดภัยที่ผู้ใช้งานไว้วางใจ การสนับสนุนในพื้นที่ และการเข้าถึงฮาร์ดแวร์กับคลาวด์ที่เชื่อถือได้

ผลลัพธ์ที่น่าจะเกิดขึ้นคือการแบ่งตลาด ไม่ใช่การแทนที่กันทั้งหมด

ข้อมูลในปี 2026 ชี้ไปยังตลาด AI สองชั้น บริษัทสหรัฐฯ อาจยังคงแข่งขันเพื่อความเป็นผู้นำในระบบโมเดลปิดระดับแนวหน้าที่ต้องใช้เงินลงทุนและกำลังประมวลผลสูง ขณะที่ตระกูลโมเดลเปิดน้ำหนักจากจีนจะชิงสัดส่วนเพิ่มขึ้นในชั้นพื้นฐานที่นำไปใช้งานและปรับแต่งได้

นี่คือเหตุผลที่การเปลี่ยนแปลงดังกล่าวสำคัญ แม้สหรัฐฯ จะยังนำในด้านความสามารถระดับแนวหน้าสูงสุด การแข่งขันที่ชี้ขาดอาจไม่ได้อยู่ที่ว่าแล็บใดสร้างโมเดลที่ฉลาดที่สุดเพียงหนึ่งเดียว แต่อยู่ที่ว่าโมเดลตระกูลใดที่นักพัฒนาสามารถจ่ายเงิน ใช้ตรวจสอบ ปรับแต่ง โฮสต์ และนำไปต่อยอดเป็นระบบอื่น ๆ ได้

Studio Global AI

ทำการวิจัยต่อ

หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global

ค้นหาและตรวจสอบข้อเท็จจริงด้วย Studio Global AI

คนยังถาม

คำตอบสั้น ๆ สำหรับ "ทำไมนักพัฒนาจึงหันมาเลือกโมเดล AI แบบเปิดน้ำหนักจากจีน" คืออะไร

โมเดลที่พัฒนาในจีนคิดเป็น 41% ของยอดดาวน์โหลดบน Hugging Face ในช่วง 1 ปีที่ผ่านมา แซงหน้าโมเดลจากสหรัฐฯ ทั้งในยอดรายเดือนและยอดรวม [32]

ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?

ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?

ข้อมูล OpenRouter สะท้อนการใช้งานจริงมากขึ้น โดยโมเดลจากจีนครอง 5 อันดับแรกตามปริมาณโทเคนในเดือนกรกฎาคม และมีสัดส่วนมากกว่า 60% ของทราฟฟิกแพลตฟอร์มในวันที่ 21 สิงหาคม ตามรายงานที่อ้างอิงข้อมูลจากแพลตฟอร์ม [51]

แหล่งที่มา