หัวเว่ยมองโลกปี 2035: เอเจนต์ AI 9 แสนล้านตัว กับโจทย์โครงสร้างพื้นฐาน 10 ด้าน

ถ้า AI ไม่ได้รอเพียงคำถามจากผู้ใช้ แต่รับรู้สถานการณ์ คิดหาคำตอบ เรียกใช้เครื่องมือ และทำงานต่อเนื่องด้วยตัวเอง ระบบเบื้องหลังจะต้องรองรับอะไรบ้าง? นี่คือคำถามที่หัวเว่ยใช้วางกรอบอนาคตใน Intelligent World 2035: Turning Vision into Action ซึ่งเปิดตัวเมื่อวันที่ 16 กันยายน 2569 พร้อมกับ Global Digitalization and Intelligence Index 2026 หรือ GDII 2026 รายงานฉบับแรกเสนอทิศทางเทคโนโลยี 10 ด้าน ส่วนฉบับหลังว่าด้วยแนวทางสู่เศรษฐกิจอัจฉริยะ 1017

ตัวเลขปี 2035 บอกอะไร—และไม่บอกอะไร

หัวเว่ยวาดภาพว่าในปี 2035 ประชากรโลก 9 พันล้านคน จะได้รับบริการจาก เอเจนต์ AI 9 แสนล้านตัว พร้อมคาดว่าปริมาณการใช้ โทเคนต่อปีทั่วโลกจะเพิ่มขึ้น 100,000 เท่า และเอเจนต์จะสร้าง มากกว่า 90% ของทราฟฟิกโทเคน AI โทเคนในที่นี้คือหน่วยข้อมูลที่โมเดล AI ประมวลผลขณะรับและสร้างเนื้อหา ตัวเลขเอเจนต์ 9 แสนล้านตัวเคยปรากฏในภาพคาดการณ์ Intelligent World 2035 ก่อนหน้านี้แล้ว จึงไม่ใช่จำนวนเอเจนต์ที่ติดตั้งใช้งานอยู่ในปัจจุบัน 7916

เหตุที่รายงานให้น้ำหนักกับโครงสร้างพื้นฐานก็เพราะเอเจนต์หนึ่งตัวอาจต้องคิด ค้นข้อมูล เรียกเครื่องมือ และสื่อสารซ้ำหลายรอบ แทนที่จะตอบคำถามผู้ใช้เพียงครั้งเดียว แต่ภาระต่อระบบจะมากน้อยแค่ไหนย่อมขึ้นอยู่กับวิธีสร้างและใช้งานเอเจนต์ ตัวเลขของหัวเว่ยจึงเป็น ฉากทัศน์สำหรับประเมิน ไม่ใช่ข้อกำหนดด้านกำลังรองรับที่ทุกองค์กรต้องนำไปใช้เหมือนกัน 69

10 ทิศทางที่ประกอบกันเป็นแผนโครงสร้างพื้นฐาน

1. AI ที่เข้าใจโลกกายภาพและ AGI: พัฒนาความสามารถด้านภาษา AI ที่รับรู้และทำงานในโลกกายภาพ และ AI เพื่อการค้นพบทางวิทยาศาสตร์ เพื่อขยับพ้นงานที่อยู่บนหน้าจอเพียงอย่างเดียว 8
2. คลัสเตอร์ประมวลผลขนาดใหญ่ขึ้น: ผลักดันแนวทางแบบ SuperPoD โดยตั้งเป้าเพิ่มขนาดคลัสเตอร์ 100 เท่า และลดต้นทุนต่อหนึ่งงานของเอเจนต์ 1,000 เท่า ทั้งสองตัวเลขเป็นเป้าหมายที่เสนอ ไม่ใช่ผลลัพธ์ที่พิสูจน์แล้ว 818
3. ระบบจัดเก็บและหน่วยความจำที่เชื่อถือได้: เปลี่ยนข้อมูลให้เป็นความรู้และความจำที่นำกลับมาใช้ได้ โดยยังตรวจสอบความถูกต้องของเหตุและผล รวมถึงที่มาของข้อมูลได้ 9
4. การเชื่อมต่ออัจฉริยะ: นำ AI เข้าไปอยู่ในระบบสื่อสาร เพื่อรองรับการเชื่อมต่อและประสบการณ์ใช้งานในโลกที่มีเอเจนต์เป็นส่วนสำคัญ 9
5. การออกแบบชิปด้วย Tau Scaling: สำรวจแนวคิดที่หัวเว่ยเรียกว่าการเปลี่ยนจากการย่อขนาดเชิงกายภาพไปสู่การปรับขนาดในมิติเวลา โดยมุ่งลดความหน่วงและเพิ่มประสิทธิภาพการใช้พลังงาน 817
6. Agent OS: วางระบบพื้นฐานที่ออกแบบมาเพื่อเอเจนต์โดยเฉพาะ ให้รองรับการประสานงาน การลงมือทำ หน่วยความจำ และการเชื่อมต่อ 917
7. ความฉลาดที่ทำงานข้ามอุปกรณ์: ให้บริการอัจฉริยะต่อเนื่องระหว่างอุปกรณ์ แทนที่จะจำกัดอยู่กับเครื่องใดเครื่องหนึ่ง 1017
8. การขับขี่อัจฉริยะ: มองรถยนต์เป็นพื้นที่ใช้งาน AI ที่รับรู้และตอบสนองต่อโลกกายภาพ โดยมีความสามารถทำงานอัตโนมัติมากขึ้น 410
9. ประสิทธิภาพศูนย์ข้อมูล AI: รับมือความต้องการไฟฟ้าและระบบระบายความร้อนเมื่อโครงสร้างพื้นฐาน AI ขยายตัว 10
10. ความปลอดภัยและความเป็นส่วนตัวของเอเจนต์: สร้างมาตรการควบคุมซอฟต์แวร์ที่ตัดสินใจและลงมือทำเองได้มากขึ้น โดยไม่ปล่อยให้ความปลอดภัยเป็นเรื่องที่ค่อยมาคิดภายหลัง 110

ทั้ง 10 ด้านเชื่อมโยงกัน: เอเจนต์ที่เก่งขึ้นต้องอาศัยการประมวลผลในต้นทุนที่รับได้ ความจำที่ใช้ต่อเนื่องได้ เครือข่ายที่ตอบสนองทัน พลังงานสำหรับเดินระบบ และมาตรการกำกับการกระทำของมัน นี่คือยุทธศาสตร์ที่หัวเว่ยเสนอ ไม่ใช่หลักฐานว่าสถาปัตยกรรมแบบเดียวจะเหมาะกับทุกองค์กร 810

ผู้วางระบบควรเริ่มตรงไหน

เริ่มจากภาระงานจริง ไม่ใช่จำนวนเอเจนต์ในพาดหัว ลองประเมินทราฟฟิกและความหน่วงภายใต้ระดับการใช้งานที่เป็นไปได้ วัด ต้นทุนต่องานที่ทำสำเร็จ แทนการดูเพียงขนาดคลัสเตอร์ และตรวจว่าข้อจำกัดด้านไฟฟ้า ระบบระบายความร้อน หน่วยความจำ หรือเครือข่ายเปลี่ยนความคุ้มค่าหรือไม่ ก่อนเลือกรูปแบบระบบ ควรตรวจด้วยว่าเอเจนต์เก็บข้อมูลที่เชื่อถือได้อย่างไร และจะกำหนดสิทธิ์เข้าถึงกับควบคุมการกระทำของมันอย่างไร เป้าหมายคลัสเตอร์ใหญ่ขึ้น 100 เท่าและต้นทุนต่องานลดลง 1,000 เท่าของหัวเว่ยจึงเหมาะเป็นโจทย์สำหรับทดสอบแผน มากกว่าจะเป็นสเปกจัดซื้อสำเร็จรูป 89