สหรัฐฯ กำลังชนะการแข่งขัน AI ในสนามที่สำคัญที่สุดอย่างการทำเชิงพาณิชย์
(avkcode.github.io)- ตัวชี้วัดหลักของการแข่งขัน AI คือ การทำเชิงพาณิชย์ และหลังจาก DeepSeek R1 เขย่าตลาด OpenAI และ Anthropic ก็เร่งนำ agents, Codex และ Claude Code ไปทำธุรกิจได้เร็วขึ้น
- คุณค่าทางยุทธศาสตร์ของ DeepSeek ในจีนอยู่ที่การลดการพึ่งพา Nvidia และย้ายงานอนุมานไปยังสแต็กภายในประเทศอย่าง Huawei Ascend มากกว่าการสร้างรายได้
- ยุโรปใช้จ่ายกับบริการซอฟต์แวร์ของอินเดียราว 58.8 พันล้านดอลลาร์ ในปีงบประมาณ 2023~2024 และราว 67.1 พันล้านดอลลาร์ในปีถัดมา แต่โมเดลเพียงอย่างเดียวไม่เพียงพอที่จะสร้างมูลค่า
- แม้ ต้นทุนไฟฟ้า ราคาถูกจะสำคัญ แต่การเข้าถึงคลาวด์และข้อมูลของ AWS·Azure·Google Cloud รวมถึง YouTube·Microsoft 365·GitHub มีความชี้ขาดยิ่งกว่า
- AI ที่ถูกทำให้เป็นอาวุธ และโมเดลไซเบอร์ระดับแนวหน้าอย่าง Mythos ของ Anthropic อาจผลักดันให้รัฐและบริษัทกลาโหมหันไปสู่สแต็กแบบปิดและความปลอดภัยผ่านการปกปิด
จุดที่สหรัฐฯ นำอยู่
- การทำเชิงพาณิชย์ คือดัชนีหลักของการแข่งขัน AI และหลังจาก DeepSeek R1 สร้างแรงสั่นสะเทือนให้ตลาดในเดือนมกราคม 2025 บริษัทสหรัฐฯ ก็เคลื่อนไหวได้เร็วกว่า
- OpenAI ผลักดัน agents และ Codex อย่างจริงจังยิ่งขึ้น และ Anthropic ก็นำ Claude Code ไปทำธุรกิจ
- จีนเองก็มีคู่แข่ง แต่ในด้านรายได้ การนำไปใช้ เครื่องมือ และขอบเขตการเข้าถึง สหรัฐฯ ยังนำหน้า
- คุณค่าทางยุทธศาสตร์ของ DeepSeek ในจีนอยู่ที่การลดการพึ่งพา Nvidia และย้ายงานอนุมานไปยังสแต็กภายในประเทศอย่าง Huawei Ascend มากกว่าผลงานเชิงพาณิชย์
- สิ่งนี้ช่วยหนุนความเป็นอิสระของห่วงโซ่อุปทาน แต่เป็นคนละประเด็นกับการเป็นผู้นำ AI ที่ทำกำไรได้
- Christian Klein แห่ง SAP มองว่ายุโรปไม่ได้ต้องการดาต้าเซ็นเตอร์เพิ่ม และโมเดลภาษาขนาดใหญ่เพียงอย่างเดียวก็ไม่พอ ซึ่งในความเป็นจริง โมเดลอย่างเดียวไม่เพียงพอจริง
- ยุโรปใช้จ่ายกับบริการซอฟต์แวร์ของอินเดียราว 58.8 พันล้านดอลลาร์ ใน FY 2023~2024 และราว 67.1 พันล้านดอลลาร์ ในปีถัดมา
- AI จะสร้างมูลค่าได้เมื่อผูกเข้ากับข้อมูลจริง เวิร์กโฟลว์จริง และผลิตภัณฑ์จริง
- สหรัฐฯ กำลังก่อร่างทั้งชิป ไฟฟ้า ดาต้าเซ็นเตอร์ แพลตฟอร์มคลาวด์ เครื่องมือนักพัฒนา แพลตฟอร์มผู้บริโภค และซอฟต์แวร์องค์กรไปพร้อมกัน ทำให้ความได้เปรียบยิ่งมากขึ้น
- จำนวนงานวิจัยหรือจำนวนวิศวกรไม่ได้พิสูจน์ภาวะผู้นำด้าน AI
- บททดสอบสำคัญคือ การระดมทุนโครงสร้างพื้นฐาน ความสามารถในการฝึกและให้บริการโมเดลขนาดใหญ่ และความสามารถในการนำ AI ไปใช้ทั่วทั้งระบบเศรษฐกิจ
พลังของคลาวด์และข้อมูลที่ใหญ่กว่าพลังไฟฟ้า
- ต้นทุนไฟฟ้า สำคัญเพราะระบบ GPU และ TPU สมัยใหม่เปลี่ยนไฟฟ้าให้เป็นกำลังประมวลผล และไฟฟ้าราคาถูกช่วยลดต้นทุนของโมเดล
- เมื่อเทียบค่าไฟ สหรัฐฯ มีต้นทุนต่ำกว่าประเทศเศรษฐกิจหลักในยุโรปตะวันตก และแคนาดาก็ยังถูกกว่าสหรัฐฯ
- จีนและรัสเซียมีต้นทุนต่ำกว่าสหรัฐฯ ในการเปรียบเทียบนี้
- ค่าไฟสำหรับครัวเรือน/ธุรกิจคือ เยอรมนี 0.436/0.279, สหราชอาณาจักร 0.420/0.415, สเปน 0.282/0.136, ฝรั่งเศส 0.274/0.174, สหรัฐฯ 0.201/0.154, แคนาดา 0.125/0.106, รัสเซีย 0.087/0.131, จีน 0.078/0.117
- โครงสร้างพื้นฐานคลาวด์และข้อมูล เป็นชั้นที่ชี้ขาดยิ่งกว่าพลังงานไฟฟ้า
- สหรัฐฯ สามารถกระจายโมเดลของบริษัทอเมริกันออกสู่ทั่วโลกผ่านไฮเปอร์สเกลเลอร์ระดับโลกอย่าง AWS, Azure และ Google Cloud
- YouTube คือคลังข้อมูลวิดีโอ, Google Drive และ Microsoft 365 ฝังอยู่ในงานสำนักงานประจำวัน, และ GitHub อยู่ในกระบวนการพัฒนาซอฟต์แวร์
- สิ่งเหล่านี้เป็นทั้งระบบกระจายการใช้งานและแพลตฟอร์มข้อมูล ที่ทำให้สามารถผลักโมเดลใหม่เข้าไปอยู่ในผลิตภัณฑ์ที่ผู้คนใช้ทุกวันได้
- แค่มีไฟฟ้าราคาถูกยังไม่พอที่จะชนะการแข่งขัน AI
- หากไม่มีขนาดของคลาวด์ การเข้าถึงแพลตฟอร์ม ระบบนิเวศนักพัฒนา และการเข้าถึงกระแสข้อมูลขนาดใหญ่ที่มีประโยชน์ ก็ยังแพ้ได้แม้ต้นทุนไฟฟ้าจะต่ำ
- สหรัฐฯ มีองค์ประกอบเหล่านี้พร้อมกัน ขณะที่จีนก็มีส่วนใหญ่ภายในตลาดภายในประเทศขนาดใหญ่ของตน ส่วนยุโรปยังไม่มี
- ยุโรปมีบุคลากรวิศวกรรมที่แข็งแกร่งมาอย่างยาวนาน แต่ บุคลากรเพียงอย่างเดียวไม่พอ
- ไฮเปอร์สเกลเลอร์ของสหรัฐฯ ครองตลาดไปแล้ว ทำให้การไล่ตามต้องใช้เวลามาก
- ต่อให้ยุโรปเริ่มอัดฉีดเงินให้กับแชมป์คลาวด์ของตนจริง ๆ การสร้างโครงสร้างพื้นฐานก็เป็นเพียงขั้นแรก และหลังจากนั้นยังต้องย้ายธนาคาร ผู้ผลิต และหน่วยงานรัฐขึ้นไปอยู่บนแพลตฟอร์มนั้น
- กระบวนการนี้อาจใช้เวลาเกือบ 10 ปี และระหว่างนั้น AWS, Azure และ Google Cloud ก็จะยิ่งนำห่างขึ้นในด้านขนาด ซอฟต์แวร์ และข้อมูล
- Arkady Volozh กำลังพยายามทำให้ Nebius เป็นบริษัทโครงสร้างพื้นฐาน AI ของยุโรป แต่ยุโรปยังแทบอยู่แค่จุดเริ่มต้น
- AI ที่ถูกทำให้เป็นอาวุธ เป็นอีกแนวรบหนึ่งเช่นกัน
- ระยะถัดไปอาจเป็นรูปแบบที่ AI ของบางประเทศปะทะกับ AI ของอีกประเทศผ่านเครือข่ายบอต แคมเปญไซเบอร์ และอาวุธอัตโนมัติ
- การปรับจูนระบบให้ลดทอนความเป็นมนุษย์ของคู่แข่ง สร้างความชอบธรรมให้ความรุนแรง หรือเล็งเป้ากลุ่มประชากรทั้งหมดนั้นไม่ใช่เรื่องยาก
- เมื่อโมเดลถูกฝังอยู่ในสื่อ เครือข่าย และอาวุธ อคติจะเปลี่ยนเป็นอำนาจ และการแข่งขัน AI ก็กลายเป็นการแข่งขันด้านความมั่นคงด้วย
- โมเดลอย่าง Mythos ของ Anthropic อาจผลักรัฐและบริษัทกลาโหมไปอีกทิศทางหนึ่ง
- สัญชาตญาณแบบ Linux ยุคเก่าคือโค้ดเปิดทำให้มีหลายสายตาช่วยตรวจสอบ แต่โมเดลไซเบอร์ระดับแนวหน้าอาจสร้างตรรกะตรงกันข้าม
- มันอาจผลักไปสู่ ความปลอดภัยผ่านการปกปิด ผ่านซอฟต์แวร์ปิด เครื่องมือปิด เฟิร์มแวร์ปิด และชิปปิด
- หากโมเดลไม่สามารถเรียนรู้จากโค้ดและสถาปัตยกรรมของสแต็กเป้าหมายได้ โดยทั่วไปบริบทและความเร็วก็จะลดลง
- สิ่งนี้ไม่ได้ทำให้ระบบปลอดภัยขึ้นโดยอัตโนมัติ แต่เพิ่มคุณค่าของสแต็กกรรมสิทธิ์ที่ลากยาวไปถึงระดับฮาร์ดแวร์
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
แม้ว่า Anthropic, OpenAI และ Google จะโดดเด่น แต่คำถามที่ใหญ่กว่าคือทำไมถึงเรียกสิ่งนี้ว่า สงคราม
จีนก็ได้ประโยชน์มากในบริบทของตัวเอง และยังเสริมความสามารถด้านการออกแบบและการผลิต GPU ด้วย
ถ้านี่เป็นสงครามจริง Trump ก็กำลังฉุดประเทศตัวเองด้วยการบ่อนทำลายหลักนิติธรรมและทำให้ความนิยมที่มีต่อสหรัฐฯ ลดลง ถ้าโลกมองว่าฝากข้อมูลไว้กับจีนได้ยาก และเชื่อถือบริการที่เสถียรจากสหรัฐฯ ได้ยาก ผลประโยชน์ที่สหรัฐฯ จะได้รับก็อาจมีจำกัดแม้จะชนะสงคราม AI
ในทางกลับกัน นี่อาจเป็นผลดีกับภูมิภาคอย่าง Europe ที่สามารถสร้าง tech stack ของตนเองได้ และเพราะ AI stack มีราคาแพงมาก โมเดล โอเพนซอร์ส ที่แข็งแกร่งของจีนจึงกลับกลายเป็นว่าช่วยโลกได้มากกว่าสหรัฐฯ ในภาพรวม
ผมคิดว่าเป็นแนวคิดไร้สาระ แต่แรงขับเคลื่อนของเรื่องนี้อยู่ตรงนั้นจริง ๆ คำนี้เป็นคำที่นักเขียนไซไฟ Charles Stross สร้างขึ้นใน The Jennifer Morgue (2006)
ต่อให้สร้างปืนที่ดีกว่า ก็ยังมีข้อจำกัดเรื่องจำนวนคนที่จะถือมัน จึงยึดครองโลกแบบนั้นไม่ได้ แต่ถ้าใครสักคนคิดค้น superintelligence ได้ เขาอาจครอบงำงานวิจัย AI ใหม่ ๆ ควบคุมเศรษฐกิจโลก และทำสงครามได้ดีกว่ามากอย่างรวดเร็ว
ผมรายงานว่าเป็นคอนเทนต์ที่สร้างโดย AI บทความนี้ไม่ใช่สิ่งที่ควรอยู่หน้าแรก และถ้าดูประวัติการโพสต์และคอมเมนต์ของผู้ส่งก็ดูเหมือนควรมีการลงโทษ
สำหรับข้ออ้างที่ว่า “สหรัฐฯ กำลังชนะในด้านการทำให้เป็นเชิงพาณิชย์ซึ่งสำคัญที่สุดในการแข่งขัน AI” นั้น นิยามของการชนะมีได้หลายแบบ และ การทำให้เป็นเชิงพาณิชย์ ไม่ใช่อย่างแรกที่ผมนึกถึง
https://english.www.gov.cn/news/202604/15/content_WS69df29e6...
https://fortune.com/2026/05/03/chinese-court-layoffs-workers...
https://www.reuters.com/world/china/china-moves-regulate-dig...
ข้ออ้างที่ว่า YouTube, Google Drive, Microsoft 365 และ GitHub เป็นแพลตฟอร์มที่สร้างและจัดระเบียบข้อมูลสำหรับยุค AI ก็ไม่น่าเชื่อเท่าไร ฟังเหมือนกำลังพูดว่าจีนไม่มีทั้งแพลตฟอร์มและข้อมูล
คงดีถ้ามีกฎให้ต้องเปิดเผยหรือให้ลบข้อความที่ LLM สร้างออกไป ทั้งบล็อกก็ดูเหมือนสร้างโดย AI ไปหมด
ไม่เข้าใจว่า การพร่ำเพ้อไร้แก่นสาร แบบนี้ขึ้นบน HN ได้ยังไง วัฒนธรรมของ HN เปลี่ยนไปยังไงถึงทำให้ของแบบนี้ขึ้นไปถึงด้านบนได้
ความแข็งแกร่งของชุมชนนี้เคยพึ่งพาความที่มันไม่ค่อยเป็นที่รู้จักทั้งหมด แต่ตอนนี้ไม่ใช่อีกแล้ว ทันทีที่มันใหญ่พอจะถูกใช้เป็นแพลตฟอร์มโฆษณาชวนเชื่อทางการเมือง มันก็ตายในฐานะพื้นที่ของปัญญาชนไปแล้ว
อนึ่ง ผมไม่ได้โหวตให้โพสต์นี้
ชื่อเรื่องค่อนข้างดึงดูด แต่เนื้อหาเป็นของสร้างคุณภาพต่ำที่แย่มาก
การกบฏของมวลชน เป็นเรื่องจริง
ไม่ใช่หรอก สหรัฐฯ แค่ นำอยู่ ในการแข่งขัน AI แต่การแข่งขันยังไม่จบ
ถ้าวิ่งนำอยู่ในช่วง 90% แล้วสุดท้ายลื่นเหงื่อตัวเองล้มตอนเส้นชัย มันจะมีความหมายอะไร ต่อให้ทุ่มเงินหลายพันล้านดอลลาร์เพื่อให้ได้เทคโนโลยี AI ที่ดีที่สุดไม่ว่าจะต้องจ่ายราคาแค่ไหน แต่ถ้าคู่แข่งกลั่นความก้าวหน้านั้นแล้วตามทันใน 6~12 เดือนโดยใช้ต้นทุนแค่ 1% ความหมายของมันก็ลดลง
แม้แต่ในด้านการทำให้เป็นเชิงพาณิชย์ที่บทความให้ความสำคัญ สหรัฐฯ ก็เริ่มเสียส่วนแบ่งแล้ว ช่วงนี้ผมเห็นคนย้ายจากแพ็กเกจ cc/codex ไป glm/opencode หลังบริษัทอเมริกันเริ่มบีบการใช้งานในแพ็กเกจ ถ้าแนวโน้มนี้ชัดเจนขึ้น บริษัทอเมริกันจะลำบาก ไม่ใช่ทุกคนที่ต้องการโมเดลล้ำสุด หลายคนแค่อยากจ่ายเดือนละ 20 ดอลลาร์เพื่อใช้โมเดลที่ค่อนข้างดี
ก็อาจเกิดสถานการณ์ที่ AI กลายเป็นเหมือน กำลังการประมวลผลเซิร์ฟเวอร์ทั่วไป ได้ ถ้าลูกค้าอยู่ได้โดยไม่ต้องพึ่งผู้ให้บริการคลาวด์ยักษ์ใหญ่ ตลาดทั้งหมดตอนนี้ก็อาจดูโง่มากทีเดียว
ผมคิดว่ายิ่ง AI ดีขึ้น มันก็ยิ่งทดแทนกันได้มากขึ้น มันอาจกลายเป็นสิ่งมีค่าแบบไฟฟ้าได้ หลายบริษัทผลิตไฟฟ้าแล้วทำเงินได้ แต่ไม่ใช่ระดับเงินที่นักลงทุนตอนนี้คาดหวัง
จะเหลือแค่รายเดียวจริงไหมยังเถียงกันได้ แต่ตามที่ Cuban ว่า อย่างน้อยพวกเขาก็ขับเคลื่อนด้วยกรอบคิดแบบนั้น
แต่ก่อนยังมีสิ่งที่เรียกว่า กำไร และผลตอบแทนจากการลงทุน
ถ้ากลยุทธ์ทางออกคือขายกิจการให้ Google การโฟกัสที่รายได้ก็เป็นกลยุทธ์ที่โอเค แต่ถ้าคุณคือ Google เอง เงินที่เทลงไปก็ต้องเอาคืนได้สักวัน ดูเหมือนเราจะลืมเรื่องนี้ไปแล้ว
ระดับของการทำให้เป็นเชิงพาณิชย์ในตอนนี้หมายถึงแค่ว่าสหรัฐฯ กำลังเผาเงินลงทุนได้เร็วกว่าใครเท่านั้น สักวันหนึ่งมันอาจเปลี่ยนและการเดิมพันอาจสำเร็จ แต่ทุก ๆ 1 นาทีที่สถานะนี้ยังดำเนินต่อไป ผลตอบแทนที่คาดหวังก็ต้องมากพอจะชดเชยการขาดทุนของ 1 นาทีนั้นรวมถึงดอกเบี้ยของเวลาที่ผ่านมาก่อนหน้า ผมไม่แน่ใจว่านี่หน้าตาของการ “กำลังชนะ” หรือเปล่า ทิกต็อก
ผู้ชนะระยะยาวจะเป็นฝ่ายที่ให้ประสิทธิภาพดีที่สุดและอัตราการใช้หน่วยความจำต่ำที่สุดใน โมเดลโลคัล
Anthropic, OpenAI และ Mistral เป็นแค่บริษัทที่กำลังหาเงินอยู่ตอนนี้ ยังไม่มีกำไร และระยะยาวจะสูญเสียแรงฉุดและมูลค่า
แต่สิ่งที่น่าสนใจกว่าคือ OpenCode Go subscription จะเป็นยังไงต่อไป ถูกกว่า big tech ให้โทเคนมากกว่า และไม่ได้เอาข้อมูลของเราไปฝึกโดยอ้างว่าจะพัฒนาให้ดีขึ้น
ยุคของการฝึกจากข้อมูลสาธารณะล้วน ๆ จบไปแล้ว ทุกคนเข้าถึงข้อมูลพวกนั้นได้ แต่มีโมเดลแนวหน้าอยู่แค่ไม่กี่ตัว
สองเส้นทางนี้จะแยกจากกัน โมเดลแนวหน้าจะมีต้นทุนรันสูงเกินไปจนสุดท้ายอาจถูกล็อกให้มีแค่รัฐชาติเท่านั้นที่เข้าถึงได้ ใน Mythos มันเริ่มไปทางนั้นแล้ว
ผมคิดว่าคำอธิบายที่ง่ายที่สุดว่าทำไมสหรัฐฯ ถึงชนะ คือมัน ทุ่มเงินมากที่สุด และมากกว่าคนอื่นแบบทิ้งห่าง
ตั๋วสัญญาใช้เงินหมุนเวียนระหว่างบริษัท AI กับผู้ให้บริการคลาวด์ยักษ์ใหญ่คือหนี้ หรือก็คือรูปแบบหนึ่งของ การสร้างเงิน แน่นอนว่ายังมีเงินดอลลาร์อื่นไหลเข้าไปมาก แต่การลงทุนด้วยเงินที่ไม่มีอยู่จริงเป็นความเสี่ยงมหาศาลเสมอ
ไม่ใช่ว่าสหรัฐฯ กำลังชนะ แต่เป็นเพราะในโลกตะวันตกมีการห้ามใช้ โมเดลจีน ในงานที่เกี่ยวกับงานอาชีพต่างหาก เลยดูเหมือนเป็นแบบนั้น
จีนกำลังนำในด้านโมเดลแนวหน้าแบบโอเพนซอร์ส ดังนั้นผมไม่เข้าใจว่าสหรัฐฯ ชนะการแข่งขันนี้ยังไง ถึงจุดหนึ่งบริษัทและบุคคลทั่วไปก็จะเริ่มรันโมเดลของตัวเองทั้งบนคลาวด์และโลคัล และโมเดลจีนก็จะอยู่ทุกที่
เช่น โฮสต์และรัน
deepseek-r1-distill-qwen-7bเองนั้นไม่มีปัญหา แต่การดาวน์โหลดแอป DeepSeek มารันบนอุปกรณ์ที่ใช้ทำงานนั้นเป็นสิ่งที่ฝ่ายที่ออกข้อห้ามนี้ไม่ยอมรับแค่ “ตอนนี้ใช้ Qwen ได้แล้ว” ดูไม่น่าจะสร้างความเสียหายใหญ่ให้สหรัฐฯ
มองจากระยะไกล ข้ออ้างนี้ไม่สมเหตุสมผลเลย Anthropic, OpenAI, xAI, Google, Meta และ Microsoft ต่างก็ยังไม่ทำกำไรในธุรกิจ AI และอยู่ได้ด้วยเงินจากบริษัทแม่หรือเงินนักลงทุน โดยเฉพาะเงินนักลงทุน พร้อมกับขาดทุนอยู่
โมเดลจีนกำลังไล่ตามพวกนี้ทันพร้อมทั้งแจกโมเดลฟรี รันได้บนฮาร์ดแวร์ระดับผู้บริโภค และที่สำคัญกว่านั้นคือฝึกได้ถูกกว่า โมเดล AI เป็นผลิตภัณฑ์ที่ผันผวนมากและอาจล้าสมัยภายในไม่กี่สัปดาห์ สุดท้ายแล้วก็ต้องเททรัพยากรไปที่การพัฒนาโมเดลให้ดีขึ้นเรื่อย ๆ โดยไม่มีเป้าหมายอื่นนอกจากการขยายแบบไม่สิ้นสุด
พฤติกรรมผู้ใช้จริงมักจบลงที่ “Gemini แย่กว่า Claude ในเรื่อง XYZ เลยไม่ใช้” ถ้าโมเดล Gemini แย่ลง คนก็ย้ายไป Anthropic แล้วถ้าโมเดล Anthropic แย่กว่าตัวอื่นล่ะ? ถ้าผลิตภัณฑ์แย่กว่าอย่างเป็นรูปธรรม การทำให้เป็นเชิงพาณิชย์เก่งจะมีความหมายอะไร
ผมเข้าใจว่าสหรัฐฯ ครองด้านการจัดจำหน่าย การผสานรวม สัญญาองค์กร ระบบนิเวศ และโครงสร้างพื้นฐาน บทความไม่ได้ผิดทั้งหมด แต่ความได้เปรียบนั้นเปราะบางและต้องอาศัย การอัปเกรดอย่างต่อเนื่อง
ถ้าต้องขยายแบบไม่มีที่สิ้นสุดในขณะที่คู่แข่งตามหลังมาติด ๆ และพร้อมจะแซงอยู่ตลอด มันจะมีความหมายอะไร การขยายแบบไม่สิ้นสุดเป็นไปไม่ได้ และเงิน VC ก็จะหมดในสักวัน พอถึงตอนนั้นทุกฝ่ายก็ต้องลดขนาดลงเพื่อรับต้นทุนจริงของโมเดลล่าสุด และต้องชดเชยต้นทุนมหาศาลนั้นด้วยค่าสมาชิกหรือการหารายได้แบบอื่น เราเห็นแล้วว่า SORA ถูกหยุดเพราะเผาเงินเร็วเกินไป ขณะที่จีนก็ปล่อยโมเดลวิดีโอที่ดีกว่ามากออกมาต่อเนื่องในช่วงเดียวกัน
การผสานโมเดลเข้ากับผลิตภัณฑ์อื่นก็เป็นหัวใจสำคัญ และแม้แต่ในด้านนี้โอเพนซอร์สก็กำลังตามทัน และเมื่อเงิน VC แห้งลง สุดท้ายก็มีโอกาสจะแซงได้
ตามรายงาน พวกเขาทำกำไรได้ในฝั่ง inference และเงิน VC ถูกนำไปสร้างดาต้าเซ็นเตอร์เพื่อรองรับ inference ที่มากขึ้น โมเดล subscription ด้านโค้ดดิ้งอาจเฉลี่ยแล้วแค่คุ้มทุน แต่เงินอยู่ที่ API
ข้ออ้างว่าโมเดลจีนรันได้บนฮาร์ดแวร์ระดับผู้บริโภคก็พูดเกินจริง ไม่มีใครรันโมเดล 1.6T token อย่าง DeepSeek v4 บนฮาร์ดแวร์ผู้บริโภค
ต้นทุนการฝึกก็ไม่ได้ถูกกว่าโมเดลอเมริกันมากขนาดนั้น big tech จีนกำลังอุดหนุนการฝึกอยู่ และเพราะมันเป็นโมเดลที่เล็กและอ่อนกว่าห้องแล็บแนวหน้าของสหรัฐฯ ที่ฝึกโมเดล 5T·10T จึงถูกกว่านิดหน่อย ห้องแล็บสหรัฐฯ ยังใช้เงินกับข้อมูล reinforcement learning ที่หลากหลายกว่าด้วย และความต่างนั้นก็สะท้อนออกมาในคะแนน benchmark หลากหลายแบบ
กรณีของ Sora กลับยิ่งพิสูจน์ประเด็นของบทความ OpenAI ไม่ได้หยุด Sora แต่แค่ปิดเวอร์ชัน subscription และ social network แปลก ๆ นั้น ส่วน API ยังเข้าถึงได้อยู่
โมเดลวิดีโอของจีนก็เป็นโมเดล API เช่นกัน และมีแนวโน้มว่าจะทำกำไรได้สำหรับพวกเขาเหมือนกับที่ LLM ทำกำไรได้สำหรับห้องแล็บแนวหน้าของสหรัฐฯ ราคาของโมเดลวิดีโออยู่ที่ [1] ช่วงราคากว้างพอสมควร แต่ Google Veo และ OpenAI Sora ก็อยู่ในระดับราคาใกล้กับโมเดลจีน
[1] https://openrouter.ai/models?output_modalities=video
สิ่งที่ Anthropic ทำได้น่าสนใจคือวางสแตกของตัวเองไว้บนผู้ให้บริการคลาวด์หลายราย ก่อนอื่นคือขึ้น AWS ในระดับที่แทบไม่เคยเห็นจากผู้ให้บริการ AI รายใหญ่เจ้าไหนมาก่อน เลยสงสัยว่าต่อไปจะขึ้น GCP กับ Azure ด้วยไหม
ถ้าบริษัทสามารถมี Claude stack ของตัวเองได้บนคลาวด์ของตัวเองเหมือน ELK stack ถ้าขยายไปถึง Azure กับ GCP ได้ OpenAI ก็ต้องรีบตามอย่างหนัก
ส่วนตัวผมอยากใช้ AI ที่รันบนอินฟราที่ผมเป็นคนจ่ายมากกว่า เพราะถ้าล่มก็แยกผลกระทบได้ และยังสลับไป region หรือ data center อื่นได้ด้วย
ผมยังแปลกใจอยู่ที่ Microsoft หรือ Amazon ไม่ดันโมเดลของตัวเองเต็มตัวในฐานะสินค้า cloud Microsoft น่าจะเอา Phi ขึ้นไว้แล้ว แต่ก็ไม่ได้ชูมันเด่น ๆ โดยเฉพาะในของอย่าง Copilot for Devs ที่น่าจะใช้โมเดลแบบ Phi เพื่อคอมพิวต์ที่ถูกกว่าได้ และ Microsoft ก็ควรเปลี่ยนชื่อใหม่ด้วยเพื่อให้ชัดว่า Copilot หมายถึงอะไรกันแน่
การจัดวางคอมพิวต์เป็นปัญหาฮาร์ดแวร์ แต่การปล่อยโมเดลที่ดีต้องใช้อะไรมากกว่าคอมพิวต์ และต้องมี วิศวกร AI ที่เก่งด้วย SpaceX, Amazon และอื่น ๆ อาจเก่งมากด้านฮาร์ดแวร์ แต่ไม่จำเป็นว่าจะเก่งด้านวิศวกรรม AI เท่ากัน
https://azure.microsoft.com/en-us/blog/introducing-anthropic...
https://docs.cloud.google.com/gemini-enterprise-agent-platfo...
Claude มีบน AWS Bedrock มานานแล้วด้วย
การประกาศ “Claude Platform” ใหม่เป็นเรื่องของเวอร์ชันที่ Anthropic ดำเนินการบน AWS ไม่ใช่แบบที่รันตรงผ่าน Bedrock ความแตกต่างดูได้ที่นี่: https://platform.claude.com/docs/en/build-with-claude/claude...
ความต้องการที่จะรันบนอินฟราที่จ่ายเอง Claude ก็รองรับมานานพอสมควรแล้ว
หนึ่งในเหตุผลที่ OpenAI แยกทางกับ Microsoft ก็เพื่อให้ให้บริการบน AWS ได้ พวกเขามองว่าความต้องการบน AWS มีมากพอ และการมีอยู่แค่บน Azure เป็นตัวฉุดรั้ง