G20 ได้ยินสารจาก Huang และ Altman: ประเทศต่าง ๆ ต้องสร้างศักยภาพ AI ของตัวเอง

ประเด็นที่ชัดเจนที่สุดจากการประชุมที่ Chapel Hill ไม่ใช่การเปิดตัวโมเดล AI ใหม่หรือสนธิสัญญากำกับดูแลฉบับละเอียด แต่เป็นข้อเสนอเชิงยุทธศาสตร์ว่า โครงสร้างพื้นฐาน AI กำลังกลายเป็นส่วนหนึ่งของศักยภาพทางเศรษฐกิจของชาติ

Jensen Huang ประธานเจ้าหน้าที่บริหารของ Nvidia เรียกร้องให้ประเทศต่าง ๆ สร้างดาต้าเซ็นเตอร์และระบบสนับสนุนที่จำเป็นต่อเศรษฐกิจ AI ของตนเอง ขณะที่ Sam Altman ซีอีโอ OpenAI ร่วมเน้นย้ำความสำคัญของการนำ AI ไปใช้งาน การลงทุน และการขยายระบบให้เกิดขึ้นจริง

สารดังกล่าวเกิดขึ้นพร้อมกับข้อเสนอของสหรัฐฯ ที่ต้องการให้การกำกับดูแล AI เป็นแนวทางแบบ “เบามือ” มากขึ้น จึงทำให้การประชุมครั้งนี้วนอยู่กับโจทย์ใหญ่ข้อเดียว: รัฐบาลจะคว้าโอกาสทางเศรษฐกิจจาก AI ได้อย่างไร โดยไม่ปล่อยให้การนำเทคโนโลยีไปใช้เร็วเกินกว่ามาตรการคุ้มครอง แหล่งพลังงาน และสถาบันสาธารณะจะรองรับได้

แก่นของข้อเสนอ: ทุกประเทศต้องมีศักยภาพ AI ของตัวเอง

ข้อเสนอของ Huang คือประเทศต่าง ๆ ไม่ควรมอง AI เป็นเพียงบริการที่สามารถพึ่งพาหรือจ้างจากต่างประเทศไปได้ตลอด รัฐบาลจำเป็นต้องตัดสินใจว่าอยากพัฒนาส่วนใดของห่วงโซ่ AI ภายในประเทศ ตั้งแต่โครงสร้างพื้นฐานด้านการประมวลผล ไปจนถึงทักษะและธุรกิจที่จะนำเทคโนโลยีไปใช้

ดาต้าเซ็นเตอร์เป็นหัวใจของแนวคิดนี้ Huang มองว่าสิ่งเหล่านี้เป็นรากฐานของเศรษฐกิจ AI ภายในประเทศ ขณะที่รายงานจากการประชุมเชื่อมโยงดาต้าเซ็นเตอร์เข้ากับการจ้างงาน การลงทุน และกิจกรรมทางเศรษฐกิจในวงกว้าง

การปรากฏตัวของ Altman ช่วยตอกย้ำอีกด้านของสมการ นั่นคือการนำ AI ไปใช้จริง รายงานวันที่สองของการประชุมระบุว่า ผู้เข้าร่วมพูดคุยกันทั้งเรื่องการยอมรับ AI การเติบโตทางเศรษฐกิจ ความต้องการแรงงาน ความมั่นคงทางไซเบอร์ และความต้องการพลังงานที่เพิ่มขึ้นของเทคโนโลยีนี้

ในทางปฏิบัติ การสร้างเศรษฐกิจ AI จึงมีความหมายมากกว่าการเข้าถึงแชตบอตหรือ API ของโมเดลใดโมเดลหนึ่ง ประเทศต้องมีขีดความสามารถด้านการประมวลผล ไฟฟ้า บุคลากรด้านเทคนิค และระบบนิเวศที่สามารถพัฒนาและต่อยอดแอปพลิเคชันให้เกิดธุรกิจได้

Carolina Principles จะเปลี่ยนแนวทางกำกับดูแลอย่างไร

รัฐบาลของประธานาธิบดีโดนัลด์ ทรัมป์ใช้เวทีรัฐมนตรีครั้งนี้ผลักดัน “Carolina Principles for Emerging Technology” หรือหลักการแคโรไลนาสำหรับเทคโนโลยีเกิดใหม่ ซึ่งให้น้ำหนักกับนวัตกรรมและการนำไปใช้ มากกว่าการออกข้อจำกัดเฉพาะเทคโนโลยีอย่างกว้างขวาง 14

หลักการดังกล่าวมีเป้าหมายหลัก 3 ประการ ได้แก่

• ลงทุนในงานวิจัยพื้นฐานเพื่อเร่งการค้นพบใหม่ ๆ
• เสริมความแข็งแกร่งให้เส้นทางการพัฒนาและการนำเทคโนโลยีออกสู่ตลาด
• ส่งเสริมการนำ AI ไปใช้อย่างน่าเชื่อถือ โดยใช้กฎรายภาคส่วนที่มีอยู่เมื่อเหมาะสม และออกกฎใหม่เฉพาะประเด็นใหม่ที่กฎเดิมรับมือไม่ได้ 4

แนวทางนี้ยังคัดค้านการจัดตั้งสถาบันกำกับดูแล AI แห่งใหม่ที่มีอำนาจครอบคลุมเป็นวงกว้าง 13

อย่างไรก็ตาม กรอบคิดแบบเบามือไม่ได้หมายความว่า AI ควรทำงานโดยไร้กฎเกณฑ์ หลักการสำคัญคือให้รัฐบาลใช้กฎหมายและหน่วยงานกำกับดูแลที่มีอยู่ก่อน แล้วจึงออกมาตรการใหม่เมื่อการกำกับดูแลเดิมไม่สามารถจัดการกับปัญหาใหม่ได้จริง

Huang แยก “ความเสียหายที่เกิดขึ้นจริง” ออกจากความเสี่ยงที่ยังเป็นสมมติฐาน

อีกส่วนหนึ่งของสารจาก Huang คือการแยกระหว่าง ความเสียหายที่พิสูจน์ได้ กับสถานการณ์ในอนาคตที่ยังเป็นเพียงสมมติฐาน รายงานคำกล่าวของเขาที่ Chapel Hill ระบุว่า Huang เรียกร้องให้รัฐบาลกำกับดูแลความเสียหายที่เกิดขึ้นจริงในโลก และเตือนว่านโยบายที่สร้างขึ้นจากความเสี่ยงซึ่งยังจินตนาการอยู่เป็นหลัก อาจทำให้ประเทศพลาดโอกาสจาก AI

จุดยืนนี้อยู่ใจกลางข้อถกเถียงด้านนโยบาย AI ผู้สนับสนุนกฎที่ผ่อนคลายกว่ามองว่า การออกกฎล่วงหน้าอาจชะลอการลงทุนและการนำไปใช้ก่อนที่สังคมจะเข้าใจประโยชน์ของเทคโนโลยีอย่างเต็มที่ ขณะที่ฝ่ายวิจารณ์ตอบโต้ว่า หากรอให้ความเสียหายแพร่หลาย ผู้กำกับดูแลอาจทำได้เพียงตามแก้ปัญหาหลังความเสียหายเกิดขึ้นแล้ว

การประชุมรัฐมนตรีไม่ได้คลี่คลายความเห็นต่างนี้ แต่ทำให้สองแนวทางถูกวางเคียงกันอย่างชัดเจน: เร่งสร้างและกำกับดูแลเฉพาะความเสียหายที่เกิดขึ้นจริง מצדหนึ่ง กับการดำเนินการอย่างระมัดระวังมากขึ้นในพื้นที่ที่ผลกระทบของเทคโนโลยียังไม่แน่นอนอีก מצדหนึ่ง

เรื่องงานเป็นส่วนหนึ่งของโจทย์โครงสร้างพื้นฐาน

ความต้องการด้านแรงงานเป็นหัวข้อสำคัญในการหารือที่ Chapel Hill ผู้กำหนดนโยบายและผู้นำเทคโนโลยีพิจารณาวิธีสนับสนุนการเติบโตของ AI ควบคู่กับการรับมือปัญหาขาดแคลนแรงงานและความต้องการจากการขยายการใช้งานอย่างรวดเร็ว

กรอบคิดโดยรวมของ Huang มองว่า AI เปลี่ยนสิ่งที่แรงงานและบริษัทสามารถทำได้ มากกว่าจะเป็นเรื่องเล่าแบบง่าย ๆ ว่าเครื่องจักรจะเข้ามาแทนที่งานทั้งหมด อย่างไรก็ดี รายงานที่มีอยู่ไม่ได้ให้บันทึกคำพูดแบบคำต่อคำของเขาเกี่ยวกับการจ้างงานในการประชุมครั้งนี้อย่างครบถ้วน ข้อสรุปที่มีหลักฐานรองรับชัดเจนกว่าคือ การเตรียมบุคลากรถูกมองเป็นส่วนหนึ่งของการสร้างศักยภาพ AI ระดับชาติ เช่นเดียวกับดาต้าเซ็นเตอร์ พลังงาน และทักษะ

ข้อจำกัดทางกายภาพที่มองข้ามไม่ได้: ไฟฟ้า

วาระการเร่งสร้างโครงสร้างพื้นฐานมีคอขวดที่เห็นได้ทันที นั่นคือพลังงาน ดาต้าเซ็นเตอร์สำหรับ AI ต้องใช้ไฟฟ้าจำนวนมาก และผู้นำเทคโนโลยีในการประชุมเน้นย้ำถึงขนาดของความต้องการพลังงานที่จะเพิ่มขึ้น หากต้องการขยายกำลังการประมวลผล

นั่นทำให้นโยบาย AI กลายเป็นคำถามด้านพลังงานและการวางแผนด้วย ประเทศหนึ่งอาจต้องการเพิ่มกำลังประมวลผลภายในประเทศ แต่การทำให้เกิดขึ้นจริงยังต้องมีแหล่งผลิตไฟฟ้า การเชื่อมต่อกับโครงข่าย สถานที่ที่เหมาะสม และความสามารถในการก่อสร้างโรงงานได้รวดเร็ว ในสมการนี้ ชิปและโมเดลเป็นเพียงส่วนหนึ่งของขีดความสามารถทั้งหมด

โครงสร้างพื้นฐาน AI คือโครงสร้างพื้นฐานทางภูมิรัฐศาสตร์ด้วย

การหารือที่ Chapel Hill เกิดขึ้นท่ามกลางการแข่งขันด้านเทคโนโลยีระหว่างสหรัฐฯ กับจีนที่เข้มข้นขึ้น หนึ่งในบริบทสำคัญคือความสนใจที่เพิ่มขึ้นต่อโมเดลแบบ open-weight ซึ่งผู้ใช้สามารถดาวน์โหลด นำไปรัน และปรับแต่งระบบพื้นฐานได้ รายงานเกี่ยวกับโมเดล open-weight จากจีนสะท้อนว่า การเข้าถึงและการควบคุมโมเดลกำลังกลายเป็นประเด็นเชิงยุทธศาสตร์ ไม่ใช่เพียงทางเลือกด้านผลิตภัณฑ์ 18

ดังนั้น “โครงสร้างพื้นฐานภายในประเทศ” จึงมีความหมายสองชั้น ในเชิงเศรษฐกิจ มันช่วยให้ประเทศเก็บเกี่ยวมูลค่าจาก AI ได้มากขึ้น ในเชิงยุทธศาสตร์ มันอาจลดการพึ่งพาคอมพิวติ้ง โมเดล และผู้จัดหาเทคโนโลยีจากต่างประเทศ ความพยายามของสหรัฐฯ ในการผลักดันกรอบความร่วมมือที่เน้นนวัตกรรมร่วมกับพันธมิตร G20 จึงเป็นส่วนหนึ่งของการแข่งขันที่กว้างขึ้น เพื่อชิงความได้เปรียบด้านระบบนิเวศเทคโนโลยีและการจัดแนวทางระหว่างประเทศ 11

ทำไมการประชุมที่ Chapel Hill จึงสำคัญ

การประชุมรัฐมนตรีวันที่ 1–2 กันยายน เป็นหนึ่งในเวที G20 ที่สหรัฐฯ เป็นเจ้าภาพในช่วงเริ่มต้น เพื่อกำหนดทิศทางการหารือก่อนการประชุมสุดยอดผู้นำ G20 ที่ไมอามีในช่วงปลายปี 2026 68

ความสำคัญของเวทีนี้จึงไม่ได้อยู่ที่การให้คำตอบสุดท้าย แต่อยู่ที่การกำหนดกรอบคำถาม สหรัฐฯ เสนอภาพอนาคตที่ประเทศต่าง ๆ เร่งสร้างศักยภาพ AI ใช้กฎเดิมเท่าที่ทำได้ และหลีกเลี่ยงการออกกฎโดยตั้งอยู่บนความเสียหายที่ยังเป็นเพียงการคาดการณ์ ส่วน Huang และ Altman นำเสนอเหตุผลจากภาคธุรกิจเพื่อสนับสนุนการลงทุนและการนำ AI ไปใช้

คำถามที่ยังค้างอยู่มีไม่น้อย: แต่ละประเทศต้องมีขีดความสามารถภายในประเทศมากเพียงใด ใครจะเป็นผู้จ่ายค่าดาต้าเซ็นเตอร์และค่าไฟฟ้า แรงงานจะปรับตัวอย่างไร และความเสี่ยงจะต้องกลายเป็นความเสียหายที่เป็นรูปธรรมแค่ไหนจึงจะเป็นเหตุผลเพียงพอสำหรับกฎใหม่

คำตอบของคำถามเหล่านี้จะเป็นตัวชี้ว่า กลยุทธ์ “สร้างโครงสร้างพื้นฐานก่อน” จะกลายเป็นทิศทางร่วมของ G20 หรือจะยังเป็นเพียงข้อเสนอเชิงนโยบายของสหรัฐฯ ที่มีผู้เห็นต่างต่อไป