ทำไม ByteDance ยอมตามหลัง แทนที่จะใช้โมเดลคู่แข่งมาช่วยเร่ง AI

ByteDance กำลังเลือกเดินเกมที่สวนทางกับแรงกดดันของการแข่งขัน AI ในปัจจุบัน นั่นคือยอมให้ทีมวิจัยตามหลังชั่วคราว แทนที่จะใช้คำตอบจากโมเดลคู่แข่งมาช่วยเร่งประสิทธิภาพของโมเดลตัวเอง

ตามรายงานของ Reuters Zhang Yiming ผู้ก่อตั้ง ByteDance ย้ำแนวทางที่เข้มงวดกับทีม Seed ซึ่งเป็นหน่วยงานหลักด้านการวิจัย AI ของบริษัทว่า ไม่ควรใช้วิธี model distillation จากระบบของคู่แข่ง แม้การตัดสินใจนี้อาจทำให้บริษัทเสียเปรียบในระยะสั้นก็ตาม 1

พูดให้เข้าใจง่าย distillation คือการให้โมเดลที่เก่งกว่าทำหน้าที่คล้าย “ครู” โดยนำคำตอบหรือพฤติกรรมของโมเดลนั้นไปใช้ฝึกโมเดลอีกตัวหนึ่ง วิธีนี้ช่วยลดเวลาและทรัพยากรที่ต้องใช้ในการพัฒนาความสามารถบางด้านได้อย่างมาก

แต่สำหรับ Seed ความเสี่ยงไม่ได้มีแค่เรื่องสิทธิ์การใช้งานหรือข้อพิพาททางกฎหมาย หากฝึกโมเดลจากคำตอบของคู่แข่งเป็นประจำ บริษัทอาจได้โมเดลที่เก่งขึ้นอย่างรวดเร็ว ทว่าเป็นเพียงผู้ตามที่มีทิศทางการวิจัยผูกติดกับวิธีคิด การประเมินผล และแนวทางแก้ปัญหาของห้องแล็บอื่น 49

จากกฎห้ามใช้ข้อมูล GPT สู่การห้ามใช้โมเดลคู่แข่งทั้งหมด

ปี 2023: ข้อมูลจาก GPT API กลายเป็นสิ่งที่ยอมรับไม่ได้

รายงานที่ Pekingnology และ Pandaily นำเสนอระบุว่า ทีมระยะแรกของ Seed เคยทดลองใช้ข้อมูลที่สร้างผ่าน GPT API ในการพัฒนาโมเดล ต่อมาเมื่อ ByteDance เริ่มตรวจสอบการเรียกใช้ API ในเดือนเมษายน 2023 ทีมจึงมีรายงานว่าออกกฎภายใน โดยห้ามนำข้อมูลที่สร้างจาก GPT ไปใช้ในชุดข้อมูลฝึกโมเดลของบริษัท 914

จุดสำคัญคือ กฎนี้ไม่ได้หยุดอยู่แค่การห้ามใช้บริการ API ของบริษัทใดบริษัทหนึ่ง เมื่อเวลาผ่านไป หลักการถูกขยายให้กว้างขึ้น: โมเดลของบริษัทอื่นไม่ว่าจะเป็นระบบปิดหรือโมเดลแบบ open-weight ก็ไม่ควรถูกนำมาใช้เป็น “ครู” ของ Seed 910

แนวทางดังกล่าวเข้มงวดกว่ากฎปฏิบัติตามข้อกำหนดทั่วไปที่มุ่งห้ามการดึงข้อมูลจาก API โดยไม่ได้รับอนุญาต เพราะไม่ได้พิจารณาเพียงว่าโมเดลนั้นเปิดให้เข้าถึงได้หรือไม่ แต่พิจารณาด้วยว่า ByteDance กำลังพึ่งพาความรู้และวิธีแก้ปัญหาที่พัฒนาโดยบริษัทอื่นอยู่หรือไม่ 914

มกราคม 2025: DeepSeek-R1 จุดชนวนการถกเถียงอีกครั้ง

การถกเถียงภายในกลับมาอีกครั้งหลัง DeepSeek-R1 แสดงความสามารถด้านการให้เหตุผลและประสิทธิภาพที่โดดเด่นในเดือนมกราคม 2025 มีรายงานว่านักวิจัยบางส่วนใน Seed เสนอให้ใช้คำตอบจากระบบ AI ของสหรัฐฯ ที่มีความสามารถสูงกว่า เพื่อเสริมการฝึกของ ByteDance และพัฒนาความสามารถด้านเหตุผลให้เร็วขึ้น 9

อย่างไรก็ตาม จุดยืนของ Zhang ตามรายงานคือ ต่อให้วิธีนี้ช่วยให้โมเดลพัฒนาเร็วขึ้น ก็ยังถือเป็นการพึ่งพาความสามารถที่ยืมมาจากผู้อื่น

ส่วนข้อกล่าวอ้างที่ว่า DeepSeek เองอาจเคยใช้ข้อมูลสังเคราะห์จากโมเดลชั้นนำของสหรัฐฯ ยังเป็นเพียงการคาดการณ์ในอุตสาหกรรมจากหลักฐานที่มีอยู่ ไม่ใช่ข้อเท็จจริงที่ได้รับการยืนยันโดยอิสระ ประเด็นนี้จึงไม่ควรถูกนำไปปะปนกับรายงานอีกส่วนหนึ่งเกี่ยวกับกฎภายในของ Seed ซึ่งมีข้อมูลรองรับแยกต่างหาก

ปี 2026: แรงกดดันด้านฮาร์ดแวร์และความสามารถเพิ่มขึ้น

เหตุผลที่จะใช้ distillation ยิ่งฟังดูน่าดึงดูดมากขึ้น เมื่อผู้พัฒนา AI ในจีนต้องเผชิญการแข่งขันที่รุนแรงทั้งด้านฮาร์ดแวร์ ความสามารถของโมเดล และอันดับเบนช์มาร์ก รายงานระบุว่า นักวิจัยของ Seed ติดตามการพัฒนาของระบบ AI ชั้นนำอย่างใกล้ชิด รวมถึงการเปิดตัว Kimi K3 ของ Moonshot ซึ่งถูกนำเสนอในฐานะโมเดลแบบ open-weight ที่มีความสามารถสูงและคู่แข่งสามารถตรวจสอบได้ 914

ในสถานการณ์เช่นนี้ distillation อาจช่วยลดช่องว่างบนตารางคะแนนได้อย่างรวดเร็ว แต่การปฏิเสธวิธีดังกล่าวก็หมายความว่า Seed อาจตามหลัง ขณะที่คู่แข่งกำลังพัฒนาตัวเองได้เร็วกว่า

ถึงอย่างนั้น ในการประชุมภายในของ Seed ที่มีรายงานว่าเกิดขึ้นในปี 2026 Zhang ได้แสดงจุดยืนอย่างชัดเจนว่า การตามหลังชั่วคราวยังดีกว่าการใช้ distillation จากโมเดลของบริษัทอื่น 110

ทำไมจึงห้ามแม้แต่โมเดลแบบ open-weight

โมเดลแบบ open-weight คือโมเดลที่เปิดเผยน้ำหนักของโมเดลให้ผู้อื่นดาวน์โหลดหรือนำไปพัฒนาต่อได้ ซึ่งแตกต่างจากโมเดลระบบปิดที่ให้ใช้งานผ่าน API เท่านั้น ทั้งสองแบบมีคำถามด้านใบอนุญาตและการใช้งานที่แตกต่างกัน

แต่ในมุมมองเชิงกลยุทธ์ของ Seed ทั้งสองแบบอาจนำไปสู่ความเสี่ยงเดียวกัน นั่นคือการฝึกโมเดลจาก “คำตอบสำเร็จรูป” ของห้องแล็บอื่น แทนที่จะค้นพบวิธีการเรียนรู้และวิธีแก้ปัญหาของตัวเอง 914

การห้ามดังกล่าวไม่ได้หมายความว่าการใช้ open-weight ทุกกรณีเป็นการกระทำที่ไม่เหมาะสม หรือว่าความรู้จากโมเดลต่าง ๆ ไม่สามารถถ่ายโอนกันได้เลย แต่รายงานระบุว่ามาตรฐานภายในของ Seed เข้มงวดกว่าการตรวจสอบสิทธิ์ใช้งานทั่วไป โดยไม่ต้องการให้โมเดลแนวหน้าของบริษัทอื่นทำหน้าที่เป็นครู ไม่ว่าจะเป็นระบบปิดหรือ open-weight 1014

ข้อกล่าวหาเรื่อง Claude ทำให้จุดยืนนี้ถูกจับตามองมากขึ้น

แนวทางของ Seed มีความสำคัญมากขึ้นท่ามกลางข้อกล่าวหาที่เกี่ยวข้องกับบริษัท AI จีนรายอื่น Anthropic กล่าวหาว่า Alibaba, DeepSeek, Moonshot, MiniMax และ Z.ai ใช้บัญชีหรือเครือข่ายตัวกลางเพื่อดึงเอาต์พุตจาก Claude ไปใช้ในการฝึกโมเดล โดย ByteDance ไม่ได้อยู่ในรายชื่อดังกล่าว

นอกจากนี้ เจ้าหน้าที่สหรัฐฯ รายหนึ่งยังกล่าวหา Moonshot ว่าใช้โมเดลของ Anthropic อย่างไม่เหมาะสมในการฝึก Kimi K3 อย่างไรก็ตาม ทั้งหมดนี้ยังเป็นข้อกล่าวหา ไม่ใช่ข้อค้นพบที่ได้รับการพิสูจน์จากหลักฐานในชุดข้อมูลนี้ 69

ประเด็นสำคัญคือ ข้อจำกัดของ Seed มีรายงานว่าย้อนกลับไปถึงปี 2023 ซึ่งเกิดขึ้นก่อนความขัดแย้งทางการเมืองในระยะหลัง ดังนั้น ข้อกล่าวหาเกี่ยวกับ Claude น่าจะทำให้เหตุผลของ Zhang ถูกจับตามองมากขึ้น มากกว่าจะเป็นต้นเหตุที่ทำให้เกิดนโยบายนี้ 9

เดิมพันระยะยาว: สร้างความเป็นอิสระแทนการเลียนแบบ

จุดยืนของ Zhang เข้าใจได้ดีที่สุดในฐานะการเดิมพันว่า AI ระดับแนวหน้าควรถูกสร้างขึ้นอย่างไร

การทำ distillation อาจช่วยให้โมเดลตอบคำถามได้ดีขึ้น แสดงรูปแบบการให้เหตุผลที่ซับซ้อนขึ้น หรือทำคะแนนเบนช์มาร์กได้สูงขึ้นในเวลาอันสั้น แต่หากทีมวิจัยฝึกจากเอาต์พุตของคู่แข่งซ้ำแล้วซ้ำเล่า โมเดลอาจค่อย ๆ ถูกปรับให้เดินตาม “สถาปัตยกรรมทางปัญญา” ของคู่แข่ง ซึ่งรวมถึงวิธีแยกปัญหา สัญญาณการให้รางวัล คำตอบ และเป้าหมายการประเมินผลของอีกฝ่าย 910

Seed จึงเลือกเส้นทางที่ช้ากว่า โดยมุ่งลงทุนกับข้อมูล วิธีฝึก สถาปัตยกรรม และลำดับความสำคัญด้านการวิจัยของตัวเอง แน่นอนว่าเส้นทางนี้มีต้นทุนชัดเจน: บริษัทอาจต้องยอมเห็นชื่อของตัวเองอยู่หลังคู่แข่งบนตารางคะแนน ขณะที่บริษัทอื่นใช้ทางลัดทุกอย่างที่มี

ผลตอบแทนที่ ByteDance คาดหวังคือความเป็นอิสระที่มากขึ้น และโอกาสสร้างความก้าวหน้าที่ไม่ได้ถูกจำกัดด้วยการออกแบบของผู้นำในตลาดขณะนั้น

ดังนั้น การตัดสินใจนี้ไม่ได้แปลว่า ByteDance มองว่า distillation ไม่มีประโยชน์ทางเทคนิค แต่เป็นการตัดสินว่า ความสามารถที่เพิ่มขึ้นอย่างรวดเร็วในวันนี้อาจไม่คุ้มกับการต้องพึ่งพาคู่แข่งในระยะยาว สำหรับ ByteDance คำสั่งของ Zhang จึงสะท้อนทางเลือกที่ชัดเจน: ยอมแพ้ในบางสนามวันนี้ ดีกว่าสร้างอนาคตด้วยการลอกคำตอบของคนอื่น 19