จีนเปลี่ยนเกม AI จากโมเดลใหญ่ สู่เอเจนต์ที่ทำงานได้จริงในวงกว้าง

การแข่งขัน AI ของจีนกำลังถูกนิยามใหม่ จากเดิมที่เน้นว่าใครฝึกโมเดลพื้นฐานขนาดใหญ่ได้เก่งกว่า มาสู่คำถามที่จับต้องได้กว่า คือใครสามารถนำโมเดลไปทำงานเป็น AI agent ในซอฟต์แวร์ โทรคมนาคม โรงงาน และบริการผู้บริโภคได้ในปริมาณมาก โดยยังควบคุมต้นทุน ความเร็ว ความน่าเชื่อถือ และความปลอดภัยได้

AI agent ในความหมายนี้ไม่ใช่เพียงแชตบอตที่ตอบครั้งเดียว แต่เป็นระบบที่อาจค้นข้อมูล เรียกใช้เครื่องมือหรือซอฟต์แวร์ ทำงานหลายขั้นตอน ตรวจผลลัพธ์ แล้ววนทำซ้ำเพื่อให้งานเสร็จ จึงใช้ทรัพยากรประมวลผลมากกว่าการถาม-ตอบทั่วไปอย่างมีนัยสำคัญ

จุดเปลี่ยนสำคัญ: จากการฝึกโมเดล สู่ภาระงาน inference

รายงานของสถาบันวิจัย China Telecom คาดว่า งาน inference หรือการประมวลผลตอนโมเดลตอบคำสั่งและลงมือทำงาน จะมีสัดส่วน 80% ของตลาดกำลังประมวลผลของจีนภายในปี 2029 แซงหน้าความต้องการที่เกี่ยวข้องกับการฝึกโมเดล อีกทั้งเอเจนต์อาจทำให้ความต้องการกำลังประมวลผลเพิ่มขึ้นเกือบ 10 เท่าต่อปีในช่วง 2–3 ปีข้างหน้า 59

รายงานชุดเดียวกันประเมินว่าปริมาณการใช้โทเคนต่อปีของจีนอาจแตะ 100 ควอดริลเลียนในปี 2026 และสูงกว่า 35 ควินทิลเลียนภายในปี 2030 ตัวเลขเหล่านี้เป็นการคาดการณ์ ไม่ใช่ผลที่เกิดขึ้นแล้ว แต่สะท้อนว่าการให้บริการโมเดลซ้ำ ๆ ในระดับมหาศาลอาจมีความสำคัญเชิงยุทธศาสตร์ไม่แพ้การฝึกโมเดล 6

กล่าวอย่างง่าย การฝึกโมเดลคือการสร้าง “สมอง” ของ AI ส่วน inference คือค่าใช้ทรัพยากรทุกครั้งที่สมองนั้นถูกเรียกใช้งาน เมื่อเอเจนต์ต้องดึงข้อมูล เชื่อมต่อระบบองค์กร ใช้เครื่องมือ วางแผน และตรวจคำตอบหลายรอบ ค่าใช้จ่ายและความซับซ้อนในการปฏิบัติการจึงเพิ่มขึ้นตามไปด้วย

เมื่อ AI agent เปลี่ยนโจทย์เศรษฐศาสตร์

การฝึกโมเดลระดับแนวหน้ามักเป็นการลงทุนโครงสร้างพื้นฐานก้อนใหญ่ในช่วงเวลาหนึ่ง แต่การให้เอเจนต์ทำงานเป็นบริการคือภาระต้นทุนที่เกิดขึ้นต่อเนื่อง ทั้งค่า inference การค้นหรือเรียกข้อมูล เครือข่าย พื้นที่จัดเก็บ การเฝ้าระวังระบบ และการส่งต่อให้มนุษย์ตรวจสอบเมื่อจำเป็น

เพราะฉะนั้น โมเดลที่เก่งไม่ได้แปลว่าจะกลายเป็นผลิตภัณฑ์ที่คุ้มค่าเสมอไป หากรันแพงเกินไป ช้าเกินกระบวนการทำงาน หรือผิดพลาดจนเชื่อมต่อกับระบบธุรกิจไม่ได้ สิ่งที่สำคัญขึ้นจึงไม่ใช่เพียงคะแนนทดสอบของโมเดล แต่คือ ต้นทุนและคุณภาพต่อหนึ่งงานที่ทำสำเร็จ

ผู้ให้บริการและองค์กรจึงต้องให้ความสำคัญกับเรื่องต่อไปนี้

• เลือกใช้โมเดลขนาดเล็กที่สุดที่ยังทำงานนั้นได้อย่างปลอดภัย
• ส่งงานไปยังโมเดลหรือเครื่องมือที่เหมาะกับงานแต่ละประเภท
• ลดการคำนวณซ้ำด้วยการแคชและการให้บริการโมเดลที่มีประสิทธิภาพ
• เชื่อมเอเจนต์กับข้อมูลที่เชื่อถือได้และตรงกับบริบทของงาน
• ทดสอบการใช้เครื่องมือและเวิร์กโฟลว์แบบครบวงจร ไม่ใช่ดูเฉพาะคำตอบของโมเดล
• ติดตามความผิดพลาด การควบคุมสิทธิ์เข้าถึง และร่องรอยการตรวจสอบย้อนหลัง
• ให้มนุษย์เข้ามาแทรกแซงได้ เมื่อเอเจนต์ต้องตัดสินใจหรือดำเนินการที่มีความเสี่ยงสูง

นี่ไม่ได้หมายความว่าการฝึกโมเดลชั้นนำหมดความสำคัญ เพราะยังเกี่ยวข้องกับขีดความสามารถ ความเป็นอิสระทางเทคโนโลยี และการเข้าถึงโมเดลขั้นสูง แต่เมื่อโมเดลที่มีความสามารถเริ่มเข้าถึงได้แพร่หลายขึ้น ความได้เปรียบที่รักษาไว้ยากกว่าอาจเป็นการรันเอเจนต์ให้เร็ว ถูก และเชื่อถือได้ในระบบงานจริง

นโยบายจีนเน้นการขยายการใช้งาน

สัญญาณจากภาครัฐจีนสอดคล้องกับทิศทางดังกล่าว กระทรวงอุตสาหกรรมและเทคโนโลยีสารสนเทศของจีน หรือ MIIT วางแผน “AI+ซอฟต์แวร์” ให้เครื่องมือเขียนโปรแกรมด้วย AI ขยายไปสู่บริษัทซอฟต์แวร์รายใหญ่กว่า 20,000 แห่งภายในปี 2028 พร้อมตั้งเป้าสร้างแอปพลิเคชันซอฟต์แวร์แบบเอเจนต์ต้นแบบ 100 รายการในอุตสาหกรรมสำคัญ และบ่มเพาะโครงการโอเพนซอร์สคุณภาพสูงอย่างน้อย 5 โครงการ 3

เป้าหมายต่อเนื่องถึงปี 2030 คือระบบนิเวศซอฟต์แวร์ที่ฉลาดและปลอดภัยยิ่งขึ้น รวมถึงการยกระดับระบบซอฟต์แวร์สำคัญด้วย AI 37 แผน AI กับสารสนเทศและการสื่อสารอีกฉบับของ MIIT ยังตั้งเป้าสถานการณ์ใช้งานมูลค่าสูงมากกว่า 30 กรณีภายในปี 2028 พร้อมแอปพลิเคชันตัวอย่างและเอเจนต์เฉพาะทาง รวมถึงการเสริมโครงสร้างพื้นฐานเครือข่ายและกำลังประมวลผล 17

โครงการร่วมของ MIIT และหน่วยงานข้อมูลแห่งชาติยังระบุถึงการสร้างกรณีใช้งาน AI มูลค่าสูงตามอุตสาหกรรม ชุดข้อมูลเฉพาะทาง และโมเดลหรือเอเจนต์เฉพาะทางสำหรับงานที่ต้องวางแผนและปฏิบัติการได้ด้วยตนเอง ตลอดจนชุดข้อมูลและระบบประเมินที่ออกแบบสำหรับโมเดลและเอเจนต์ในแต่ละอุตสาหกรรม 18

เมื่อนำมารวมกัน นโยบายเหล่านี้ชี้ไปยังการ “กระจายการใช้งาน” ผ่านกรณีใช้ซ้ำได้ ข้อมูล เครื่องมือซอฟต์แวร์ และโครงการอ้างอิงที่ขยายสู่หลายภาคส่วนได้ โอกาสคือการนำ AI ไปใช้ได้เร็วขึ้น แต่ความเสี่ยงคือการวัดความสำเร็จจากจำนวนโครงการนำร่อง แทนที่จะวัดผลลัพธ์ที่คุ้มค่า ปลอดภัย และยั่งยืน

เงินลงทุนและขนาดอุตสาหกรรมยิ่งเพิ่มเดิมพัน

รายงานที่อ้างอิงการวิเคราะห์ของ China Telecom Research Institute ระบุว่า บริษัทเทคโนโลยีจีนอาจใช้จ่ายด้าน AI เกือบ 600,000 ล้านหยวนในปีนี้ อย่างไรก็ดี ตัวเลขรวมนี้ควรมองเป็นค่าประมาณ เนื่องจากรายงานสาธารณะอาจให้นิยาม “การใช้จ่ายด้าน AI” ไม่เหมือนกัน 9

ในระดับประเทศ จีนคาดว่าอุตสาหกรรมที่เกี่ยวข้องกับ AI จะมีมูลค่าเกิน 10 ล้านล้านหยวนภายในสิ้นสุดแผนพัฒนา 5 ปี ค.ศ. 2026–2030 45 กรอบคิดนี้ทำให้เอเจนต์ไม่ได้ถูกมองเป็นเพียงบริการคลาวด์ แต่เป็นชั้นเทคโนโลยีที่ช่วยขับเคลื่อนการยกระดับอุตสาหกรรม การพัฒนาซอฟต์แวร์ การสื่อสาร และบริการผู้บริโภค

ยุโรปสร้างกำลังประมวลผล แต่ยังต้องเปลี่ยนเป็นการใช้งานจริง

ยุโรปกำลังตอบสนองด้วยการลงทุนโครงสร้างพื้นฐานเช่นกัน คณะกรรมาธิการยุโรปเปิดให้ยื่นข้อเสนอจัดตั้ง AI Gigafactories ได้สูงสุด 7 แห่ง โดยมีเงินสนับสนุนจากสหภาพยุโรปและประเทศสมาชิกสูงสุด 10,000 ล้านยูโร และคาดว่าจะดึงการลงทุนภาคเอกชนได้อย่างน้อย 20,000 ล้านยูโร 50

โครงการนี้มีความสำคัญต่อกำลังประมวลผลและอธิปไตยทางเทคโนโลยีของยุโรป แต่การสร้างศูนย์ประมวลผลเพียงอย่างเดียวไม่ตอบโจทย์การนำ AI ไปใช้ทั้งหมด มูลค่าการแข่งขันของโครงสร้างพื้นฐานดังกล่าวจะขึ้นอยู่กับว่าองค์กรเข้าถึง inference ที่ราคาเหมาะสมได้หรือไม่ มีข้อมูลเฉพาะด้านที่ใช้ได้จริงเพียงใด เชื่อมเข้าซอฟต์แวร์เดิมได้ดีแค่ไหน และสามารถสร้างแอปพลิเคชันที่น่าเชื่อถือได้หรือไม่

ผู้ชนะของรอบถัดไป อาจไม่ใช่ผู้ที่มีโมเดลใหญ่ที่สุด

แรงผลักดันเอเจนต์ของจีนสะท้อนการเปลี่ยนผ่านของการแข่งขัน AI ทั่วโลก ความได้เปรียบจะขึ้นกับการเปลี่ยนกำลังประมวลผลให้เป็นงานที่มีประโยชน์ ตรวจสอบย้อนหลังได้ และทำซ้ำได้ในระดับต่อเนื่อง

ชิปและไฟฟ้ายังเป็นปัจจัยสำคัญ แต่จะต้องมาพร้อมประสิทธิภาพของการให้บริการโมเดล การเข้าถึงข้อมูล การเชื่อมต่อเข้ากับเวิร์กโฟลว์ การควบคุมความปลอดภัย การประเมินผล และความรับผิดชอบของมนุษย์

ตัวเลข inference 80% เป็นการคาดการณ์เชิงทิศทาง ไม่ใช่ข้อเท็จจริงที่ยุติแล้ว แต่สารของมันชัดเจน: เมื่อ AI เคลื่อนจากเดโมไปสู่การทำงานอย่างต่อเนื่อง ผู้ชนะอาจไม่ใช่ผู้ที่ฝึกโมเดลครั้งใหญ่ที่สุด หากเป็นผู้ที่ทำให้เอเจนต์ทำงานประจำวันได้อย่างน่าเชื่อถือและมีต้นทุนต่ำพอ 56