วันที่ 27 ม.ค. 2025 ห้องแล็บจากจีนที่นักลงทุนส่วนใหญ่แทบไม่รู้จัก กลับลบมูลค่าตลาดของ Nvidia ไปถึง 589,000 ล้านดอลลาร์ในวันเดียว กลายเป็นการร่วงลงวันเดียวมากที่สุดในประวัติศาสตร์ตลาดหุ้นสหรัฐ ต้นตอคือ DeepSeek และ “ข้อหาหลัก” คือความเปิดกว้าง
แม้แต่ Bitcoin (BTC) ก็แกว่งแรง เมื่อตลาดเริ่มซึมซับความจริงง่าย ๆ ข้อหนึ่ง: AI ระดับแนวหน้าจะไม่ถูกผูกขาดโดยไม่กี่ห้องแล็บปิดอีกต่อไป
ประเด็นสำคัญ
- โมเดลแบบเปิดน้ำหนัก (open weight) เปิดเผยพารามิเตอร์ที่เทรนเสร็จ ให้ใครก็ได้ดาวน์โหลด รัน และดัดแปลง แตกต่างจาก AI open source เต็มรูป ที่ต้องให้ทั้งโค้ดเทรนและข้อมูลด้วย
- ช่องว่างคุณภาพระหว่างโมเดลเปิดกับโมเดลปิดบนบอร์ดจัดอันดับสาธารณะ หดจากราว 8% เหลือต่ำกว่า 2% ในหนึ่งปี ขณะเดียวกันราคาการรันโมเดล ร่วงลงหลายร้อยเท่า
- ต้นทุนดีพลอยต่ำ แรงผลักดันด้านอธิปไตยดิจิทัล กติกาที่เป็นมิตรกว่า และระบบนิเวศนักพัฒนาขนาดมโหฬาร กำลังส่งแรงหนุนให้โมเดลเปิดน้ำหนัก ท้าชนแพลตฟอร์มที่ขายผ่าน API-only
“Open Weight AI” แท้จริงหมายถึงอะไร
คำนี้ถูกใช้กันค่อนข้างหลวม แต่ในทางเทคนิคแล้วต้องนิยามให้ชัด โมเดลแบบเปิดน้ำหนักคือกรณีที่ผู้พัฒนาปล่อย “พารามิเตอร์ที่เทรนเสร็จ” ของโครงข่ายประสาท – ชุดตัวเลขที่เข้ารหัสทุกอย่างที่โมเดลเรียนรู้ คุณดาวน์โหลดไปรันบนฮาร์ดแวร์ของตัวเอง ปรับแต่ง หรือฟাইনจูนต่อได้
แต่ open weight ไม่เท่ากับ open source แบบเต็มตัว Open Source Initiative เพิ่งเผยแพร่นิยาม Open Source AI เมื่อ 28 ต.ค. 2024 ซึ่งตั้งมาตรฐานไว้สูงกว่ามาก หากจะผ่านเกณฑ์ ต้องปล่อยทั้งน้ำหนักโมเดล โค้ดสำหรับเทรน และรายละเอียดข้อมูลฝึกที่เพียงพอให้ผู้เชี่ยวชาญสามารถ “สร้างซ้ำ” ระบบขึ้นมาได้อย่างมีสาระสำคัญ
โมเดลที่ตลาดเรียกกันว่า open source วันนี้จำนวนไม่น้อยสอบไม่ผ่านเกณฑ์นั้น Llama ของ Meta, Qwen ของ Alibaba และ DeepSeek ต่างปล่อยเฉพาะน้ำหนักโมเดล โดยไม่ให้สูตรข้อมูลเต็มชุด
ฝั่ง Open Source Initiative เองก็ชี้ประเด็นนี้อย่างตรงไปตรงมา โดยระบุว่า น้ำหนักโมเดลเพียงอย่างเดียว ยังไม่ให้เสรีภาพแบบเดียวกับซอฟต์แวร์ open source ช่องว่างนี้จึงจุดชนวนข้อถกเถียงเรื่อง “การทำทีว่าเปิด” ที่บริษัทอ้างความเปิดกว้าง แต่เก็บส่วนสำคัญที่ใช้สร้างซ้ำผลงานจริง ๆ ไว้
อย่างไรก็ดี สำหรับผู้สร้างส่วนใหญ่ “น้ำหนักโมเดล” คือของมีค่า เพราะเมื่อได้มาแล้ว คุณสามารถให้บริการโมเดล บีบขนาด รีเทรน แล้วส่งมอบเป็นผลิตภัณฑ์ได้ ลองแยกให้เห็นชัดว่าแต่ละแบบให้คุณอะไรบ้าง:
- เปิดน้ำหนัก: ปล่อยพารามิเตอร์ที่เทรนเสร็จ ภายใต้สัญญาอนุญาตที่มักอนุญาต ให้ใช้ ดัดแปลง และเชิงพาณิชย์ได้
- open source เต็มรูป: มีทั้งน้ำหนัก โค้ดเทรน และเอกสารข้อมูลฝึกมากพอให้สร้างโมเดลขึ้นมาใหม่ได้
- ปิด: ไม่มีอะไรให้ดาวน์โหลด เข้าถึงได้ผ่านอินเทอร์เฟซแบบคิดมิเตอร์เท่านั้น
หมวดกลางนี่เองที่กำลัง “บูม” และทำให้ห้องแล็บสายปิดนอนไม่ค่อยหลับ
อ่านเพิ่มเติม: หุ้น Nvidia ร่วงเกือบ 5% ปมดีลค้ำประกัน OpenAI 2.5 แสนล้านดอลลาร์ที่ยังไม่เซ็น
โมเดลนี้ต่างจากสิ่งที่ OpenAI และ Anthropic ทำอย่างไร
OpenAI และ Anthropic เลือกเดินอีกทาง พวกเขาเก็บน้ำหนักโมเดลระดับท็อปไว้ในดาต้าเซ็นเตอร์ของตัวเอง แล้วขายการเข้าถึงผ่าน API คุณส่งพรอมต์ ได้คำตอบกลับ แต่ไม่มีวันได้แตะโมเดลจริง ๆ
โมเดลธุรกิจแบบนี้มีเหตุผลเชิงพาณิชย์ชัดเจน ทั้งปกป้องเงินลงทุนเทรนโมเดล รักษารายได้ค่าบริการเป็นรายคำเรียก และเปิดโอกาสให้ห้องแล็บแก้พฤติกรรมโมเดลหรือยกเลิกสิทธิการใช้งานได้ตามต้องการ
ฝั่ง “ความปลอดภัย” ก็ถูกยกมาเป็นเหตุผล ซีอีโอ Anthropic อย่าง ดาริโอ อะโมเดอิ ชี้ว่า เมื่อใดที่น้ำหนักโมเดลถูกปล่อยสู่สาธารณะ ผู้พัฒนาก็แทบหมดสิทธิ์ปรับกฎคุ้มกันหรือดึงระบบอันตรายกลับคืน
แต่สิ่งที่แลกมาก็คือ “การพึ่งพิง”
เมื่อโมเดลรันอยู่แต่บนเซิร์ฟเวอร์คนอื่น ผู้ขายคือคนกำหนดราคา ความเสถียร ข้อกำหนดข้อมูล ไปจนถึงกำหนดวันเลิกซัพพอร์ตเวอร์ชันที่สินค้าของคุณอิงอยู่ ผลิตภัณฑ์ของคุณจึงผูกติดกับโครงสร้างพื้นฐานที่ตรวจสอบไม่ได้ และควบคุมไม่ได้
แม้ OpenAI จะเคยเป็นผู้ผลักดันงานวิจัยเปิดมาโดยตลอด แต่บริษัทไม่ได้ปล่อยโมเดลภาษาแบบเปิดใด ๆ เลย หลัง GPT-2 ปี 2019 จนถึง 5 ส.ค. 2025 วันที่ OpenAI เปิดตัวโมเดล gpt-oss สองตัว ภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งถูกมองว่าเป็นการยอมรับแรงกดดันจากฝั่งโมเดลเปิดน้ำหนักอย่างเลี่ยงไม่ได้ บริษัทที่สร้างธุรกิจบน API ปิด ต้องลงมาเล่นในสนามเปิดด้วยตัวเอง
อ่านเพิ่มเติม: OpenAI ขอวงเงินเครดิต Nvidia 2.5 แสนล้านดอลลาร์ สร้างแคมปัสยักษ์ในโอไฮโอ
10 เหตุผลที่โมเดลเปิดน้ำหนักสั่นคลอนโมเดลรวมศูนย์
ไม่มีข้อใดรับประกันว่าโมเดลเปิดน้ำหนักจะชนะขาด สมรภูมิแนวหน้ายังเป็นของห้องแล็บยักษ์ และความเสี่ยงก็มีจริง แต่ทิศทางตลอดสามปีที่ผ่านมา เคลื่อนสวนกับโมเดลธุรกิจแบบปิดและคิดค่าบริการตามการใช้งานอย่างชัดเจน
จุดเปลี่ยนคือ “เหตุผล” ที่จะยอมจ่ายแพงเพื่อเช่า “กล่องดำ” กำลังอ่อนแรงลงเรื่อย ๆ การบรรจบกันเกิดพร้อมกันทั้งในเชิงเทคนิค เศรษฐกิจ และการเมือง
ต่อไปนี้คือ 10 เหตุผลที่ดุลอำนาจเริ่มเปลี่ยนข้าง
1. ช่องว่างคุณภาพแทบหายไป
ตัวแปรสำคัญที่สุดคือ “การบรรจบกันของคุณภาพ” รายงาน AI Index 2025 ของสแตนฟอร์ด พบ ว่าคะแนนระหว่างโมเดลปิดที่ดีที่สุด กับโมเดลเปิดที่ดีที่สุด บนกระดานจัดอันดับ Chatbot Arena หดจาก 8% ใน ม.ค. 2024 เหลือเพียง 1.7% ใน ก.พ. 2025
ขอบเขต “แนวหน้า” ก็แน่นขึ้นอย่างรวดเร็ว ช่องว่างระหว่างอันดับ 1 กับอันดับ 10 ลดจาก 11.9% เหลือ 5.4% ภายในปีเดียว
เมื่อตัวเลือกอันดับสองให้คุณภาพใกล้เคียง แต่ราคาถูกกว่ามาก ส่วนเพิ่มราคาสำหรับการเข้าถึงโมเดลปิดย่อมอธิบายยากขึ้นเรื่อย ๆ และนั่นคือปัญหาเชิงราคาโดยตรงต่อธุรกิจที่ขาย “ความพิเศษเฉพาะตัว”
2. ราคาของ “ความฉลาด” ดิ่งลงเหว
ด้านต้นทุนร่วงเร็วยิ่งกว่าช่องว่างคุณภาพ อ้างอิงข้อมูลจาก Epoch AI และ Artificial Analysis AI Index รายงาน ว่าราคาการรันโมเดลระดับ GPT-3.5 ลดจากราว 20 ดอลลาร์ต่อหนึ่งล้านโทเคนใน พ.ย. 2022 เหลือเพียง 0.07 ดอลลาร์ใน ต.ค. 2024
เทียบง่าย ๆ คือถูกลงราว 280 เท่าในเวลาไม่ถึงสองปี
DeepSeek ผลักตรรกะเดียวกันไปถึงขั้นตอนเทรน รายงานเทคนิคของ DeepSeek V3 อ้าง ว่าสามารถเทรนรอบสุดท้ายด้วยงบราว 5.6 ล้านดอลลาร์ บนชิป Nvidia H800 จำนวน 2,048 ตัว เทียบกับโครงการฝั่งตะวันตกที่ใช้เงินระดับหลักสิบถึงร้อยล้านดอลลาร์
เมื่อ “ความฉลาด” มีราคาถูกลงอย่างสุดขั้ว ผู้ชนะย่อมเป็นคนที่กระจายการใช้งานได้กว้างที่สุด ไม่ใช่คนที่กั้นรั้วแน่นที่สุด
3. คุณเป็นเจ้าของโมเดลเอง
ถ้าคุณเช่าโมเดลปิด คุณก็ต้องอยู่ใต้ “กติกาเจ้าของบ้าน” ผู้ให้บริการสามารถขึ้นราคา เปลี่ยนเงื่อนไข หรือเลิกซัพพอร์ตเวอร์ชันที่สินค้าคุณพึ่งพาอยู่เมื่อไรก็ได้
แต่ถ้าคุณถือ “น้ำหนักโมเดล” เอง อำนาจต่อรองนั้นจะกลับทิศทันที คุณสามารถ “แช่แข็ง” เวอร์ชันหนึ่งไว้ใช้ได้เป็นปี ๆ และย้ายผู้ให้บริการโครงสร้างพื้นฐานได้โดยไม่ต้องรื้อระบบ
ปัญหา vendor lock-in ไม่ใช่เรื่องนามธรรม มันแปลงร่างเป็น “ต้นทุนสลับย้าย” การย้ายระบบที่ถูกบังคับ และโครงสร้างราคาแบบที่คุณแทบต่อรองไม่ได้ การถือครองน้ำหนักโมเดลช่วยปลดชนวนทีละข้อ ดังนี้:
- แช่แข็งเวอร์ชันที่ผ่านการทดสอบแล้ว ใช้งานระยะยาวได้อย่างเสถียร
- ย้ายไปมาระหว่างคลาวด์ หรือกลับมารัน on-premise โดยไม่ต้องเขียนสแตกใหม่
- ลดความเสี่ยงจากการประกาศเลิกซัพพอร์ตเวอร์ชัน ที่ทำให้ระบบล่มในชั่วข้ามคืน
แม้สัญญาอนุญาตแบบเปิดใจกว้างจำนวนมาก ก็ยังมีเงื่อนไขย่อยที่ควรอ่านให้ถี่ถ้วน เช่น ข้อกำหนดของ Llama ที่บังคับให้บริษัทที่มีผู้ใช้ประจำเกิน 700 ล้านรายต่อเดือน ต้องทำสัญญาแยกต่างหาก ซึ่งเป็นเหตุผลว่าทำไมสายอนุรักษนิยมจึงไม่ยอมเรียก Llama ว่า open source เต็มตัว
4. ความเป็นส่วนตัวและอธิปไตยข้อมูล
ข้อมูลบางประเภท “ตามกฎหมาย” ห้ามออกนอกองค์กร โรงพยาบาล ธนาคาร หน่วยงานรัฐจำนวนมาก ไม่สามารถส่งข้อมูลอ่อนไหวผ่าน API ของบุคคลที่สามได้
โมเดลเปิดน้ำหนักแก้โจทย์นี้ด้วยการ “ย้ายโมเดลไปหาข้อมูล” คุณสามารถรัน inference ภายในดาต้าเซ็นเตอร์หรือคลาวด์ส่วนตัว ทำให้ข้อมูลสำคัญไม่ต้องข้ามเขตแดนของผู้ให้บริการเลย
คุณสมบัตินี้เพียงข้อเดียว ก็เปิดประตูสู่เคสใช้งาน ที่ API ปิดไม่มีทางเข้าไปแตะ สำหรับการดีพลอยในอุตสาหกรรมกำกับดูแลเข้มงวด การคุมระบบไว้ในบ้านตัวเองมักเป็นปัจจัยตัดสิน
5. ประเทศต่าง ๆ ลุกขึ้นสร้างโมเดลของตัวเอง
ความกังวลเรื่อง “อธิปไตย AI” กำลังกลายเป็นกระแสโลก รัฐบาลมองการพึ่งพา API จากไม่กี่บริษัทในสหรัฐและจีน เป็นความเสี่ยงเชิงยุทธศาสตร์
วันที่ 2 ก.ย. 2025 EPFL, ETH Zurich และศูนย์ซูเปอร์คอมพิวเตอร์แห่งชาติสวิตเซอร์แลนด์ เปิดตัว Apertus โมเดลภาษาแบบเปิดเต็มรูป ที่เทรนด้วยโทเคน 15 ล้านล้านหน่วย ครอบคลุมมากกว่า 1,000 ภาษา ขณะที่ Technology Innovation Institute ในอาบูดาบี ผลักดันตระกูล Falcon มาตั้งแต่ปี 2023 ตามมาด้วยโครงการระดับชาติจากหลายประเทศ
รูปแบบที่เห็นซ้ำ ๆ ทั่วโลกคือ:
- สวิตเซอร์แลนด์ปล่อย Apertus ทั้งน้ำหนักโมเดล ข้อมูล และโค้ดต่อสาธารณะ
- สหรัฐอาหรับเอมิเรตส์ปล่อย Falcon หลายรุ่น ภายใต้สัญญาอนุญาตแบบผ่อนปรน
- ฝรั่งเศส อินเดีย ญี่ปุ่น และเกาหลีใต้ ทุ่มงบในโครงการโมเดลหรือโครงสร้างพื้นฐานคำนวณของตัวเอง
คุณสร้าง “AI อธิปไตย” จากโมเดลที่เช่ามาใช้เฉย ๆ ไม่ได้ การมีน้ำหนักโมเดลเป็นเงื่อนไขตั้งต้น ซึ่งทำให้รัฐบาลกลายเป็นผู้สนับสนุนสำคัญของค่าย open weight
6. กติกาภาครัฐเริ่มเอนเอียงมาทางฝั่งเปิด
ด้านนโยบายก็เริ่มหันมาให้แรงจูงใจฝั่งเปิดเช่นกัน วันที่ 23 ก.ค. 2025 ทำเนียบขาว เผยแพร่ “America’s AI Action Plan” ซึ่งมีหัวข้อหนึ่งชื่อชัดเจนว่า “Encourage Open-Source and Open-Weight AI”
ฝั่งยุโรปก็วางโครงสร้างในทิศทางเดียวกัน แม้อารมณ์จะแตกต่าง กฎหมาย EU AI Act เปิดช่องยกเว้นข้อกำหนดเอกสารบางส่วน ให้ผู้ให้บริการโมเดลทั่วไปแบบฟรีและ open source หากโมเดลนั้นไม่ได้ถูกจัดเป็น “ความเสี่ยงเชิงระบบ”
สัญญาณเชิงแรงจูงใจจึงเริ่มหันจาก “ล็อกแน่น” มาทาง “ปล่อยออก” อย่างน้อยสำหรับโมเดลที่ยังไม่ถึงระดับแนวหน้า เมื่อรัฐบาลรายใหญ่ที่สุดในเกม AI ออกตัวสนับสนุนโมเดลเปิดน้ำหนักโดยตรง โมเดลปิดก็เสียจุดตั้งต้นด้านความชอบธรรมไปหนึ่งข้อ
7. ระบบนิเวศนักพัฒนา กลายเป็นฟลายวีล
สเกลยิ่งใหญ่ ยิ่งดึงสเกลเพิ่ม Hugging Face เติบโต ถึงผู้ใช้ 13 ล้านราย โมเดลสาธารณะกว่า 2 ล้านตัว และชุดข้อมูลมากกว่า 500,000 ชุด ในปี 2025
การแข่งกันเรื่องยอดดาวน์โหลดสะท้อนภาพได้ชัด Meta เผยว่า Llama มียอดดาวน์โหลดทะลุหนึ่งพันล้านครั้งเมื่อ 18 มี.ค. 2025 จาก 650 ล้านครั้งเมื่อต้น ธ.ค. 2024 ขณะที่ Qwen ของ Alibaba ทะยานแตะ 700... ยอดดาวน์โหลดสะสมบน Hugging Face ทะลุระดับหลักล้านภายในเดือนมกราคม 2026 และก่อให้เกิดโมเดลดัดแปลงต่อยอดแล้วมากกว่า 180,000 เวอร์ชัน แซง Llama ขึ้นมาเป็นตระกูลโมเดลโอเพ่นที่ถูกฟอร์กมากที่สุดไปเรียบร้อย
การฟายน์จูน การต่ออแดปเตอร์ และการควอนไทซ์ทุกครั้งบนโมเดลเปิด ล้วน “ต่อยอดคูณทบ” ให้กับความได้เปรียบของมัน โมเดลที่ถูกล็อกอยู่หลัง API ปิดไม่มีทางเก็บเกี่ยวพลังจากเอฟเฟ็กต์ชุมชนแบบนี้ได้เลย เพราะไม่มีใครสามารถสร้างของจริงจังบนโมเดลที่ตัวเองไม่มีสิทธิ์ถือครอง
รันได้บนแค่โน้ตบุ๊ก
จุดตัดกันของ “เวตเปิด” กับ “ฮาร์ดแวร์บ้านๆ” เกิดขึ้นได้ด้วยเชนเครื่องมือราคาถูก การควอนไทซ์บีบขนาดโมเดลลงสู่ความละเอียดต่ำ ใช้แรมลดลงอย่างมาก และเทคนิคอย่าง LoRA ช่วยฟายน์จูนเฉพาะบางส่วน โดยไม่ต้องฝึกใหม่ทั้งโมเดล
รันไทม์โลคอลคือสิ่งที่ผลักให้เรื่องนี้กลายเป็นแมส Ollama, llama.cpp และ vLLM เปิดทางให้เดเวลลอปเปอร์เสิร์ฟโมเดลที่เก่งพอใช้งานจริงได้ บนการ์ดจอผู้บริโภคแค่ใบเดียว หรือแม้กระทั่งบนโน้ตบุ๊กเครื่องเดียว
โมเดลที่รันได้บนเครื่องราคา 2,000 ดอลลาร์ คือโมเดลที่ไม่มีใคร “กดสวิตช์ปิดจากระยะไกล” ได้ นั่นคืออิสรภาพที่โมเดลแบบคิดเงินตามการใช้งาน (metered model) ไม่มีทางให้ได้
ตรวจสอบได้ แกะกลไกได้
สิ่งที่มองไม่เห็น ก็ไม่มีวันตรวจสอบได้ API ปิดให้เพียงเอาต์พุตกลับมา โดยไม่เปิดโอกาสให้เห็นเลยว่ากลไกข้างในทำงานอย่างไร
โมเดลเวตเปิดเปิดโอกาสให้นักวิจัยเข้าไปสำรวจตัวโมเดลโดยตรง ศึกษารูปแบบการล้มเหลว (failure modes) และทดสอบความปลอดภัยอย่างโปร่งใสในที่สาธารณะ ความโปร่งใสนี้เองที่ทำให้ฝั่งโอเพ่นเชื่อว่า โมเดลของตัวเอง “ทำให้ไว้ใจได้ง่ายขึ้น” เมื่อเวลาผ่านไป ไม่ใช่ยากขึ้น
สำหรับอุตสาหกรรมที่ถูกกำกับดูแล ซึ่งต้อง “อธิบายที่มาของการตัดสินใจ” การมองทะลุเข้าไปในโมเดลไม่ใช่ของฟุ่มเฟือย แต่มักเป็น “ข้อบังคับทางกฎหมาย”
เส้นแดนหน้าแบบกระจายศูนย์
เหตุผลรุ่นล่าสุดอยู่ตรงจุดตัดของ AI กับคริปโต หากเวตเป็นแบบเปิด การประมวลผลเพื่อเทรนและให้บริการโมเดลก็ไม่จำเป็นต้องกระจุกอยู่ในดาต้าเซ็นเตอร์ของบริษัทใดบริษัทหนึ่ง
โปรเจกต์อย่าง Prime Intellect ได้เทรนโมเดลบนฮาร์ดแวร์ที่กระจายตัวทั่วโลก พร้อมออกแบบกลไกยืนยันว่าเครื่องรีโมตที่เข้าร่วมเครือข่าย “ทำงานจริง” ตามที่อ้าง ส่วน Bittensor เดินเกมด้วยการสร้างมาร์เก็ตสำหรับอินเทลลิเจนซ์ของเครื่องจักร ที่จ่ายรางวัลและกำหนดราคาเป็นโทเคน TAO (TAO)
ข้อแม้ที่ต้องพูดกันตรงๆ คือ การเทรนแบบกระจายศูนย์วันนี้ยังช้ากว่าและมีต้นทุนแพงกว่าคลัสเตอร์ศูนย์กลาง แต่การจับคู่ “เวตเปิด” เข้ากับ “คอมพิวต์ที่ตรวจสอบได้และผูกกับโทเคน” กำลังสร้างแนวแข่งขันใหม่ที่แลบปิดไม่สามารถก็อปปี้ได้ง่ายๆ
อ่านเพิ่ม: Pixel 11 จ่อขึ้นราคา และ Google โยนเหตุผลให้ดาต้าเซ็นเตอร์ AI
คำตัดสิน
โมเดลเวตเปิดจะไม่ลบห้องแลบปิดออกจากแผนที่ ฟรอนเทียร์ด้านบนสุดยังเป็นเวทีของผู้ที่ทุ่มงบคอมพิวต์ได้มากกว่า โมเดลโอเพ่นมักออกตามหลังโมเดลปิดระดับท็อปอยู่หลายเดือน และการปล่อยเวตสู่สาธารณะก็เปิดช่องให้ถูกนำไปใช้ผิดวัตถุประสงค์แบบ “เรียกคืนไม่ได้”
แต่ “เอาชนะ” ไม่ได้แปลว่า “ลบให้หายไป” มันหมายถึงการ “เลื่อนจุดศูนย์ถ่วง” ของอุตสาหกรรม และการเลื่อนครั้งนั้นเริ่มขึ้นแล้ว
ช่องว่างคุณภาพระหว่างโมเดลกำลังบางลง ราคาของอินเทลลิเจนซ์เข้าใกล้ศูนย์ และรัฐบาล เดเวลลอปเปอร์ รวมถึงหน่วยงานกำกับ เลือกโมเดลที่ “จับต้องและถือครองได้” มากขึ้นเรื่อยๆ AI แบบศูนย์กลางจะยังขาย “ความสะดวกสบายระดับพรีเมียม” บนยอดพีระมิด ส่วนตลาดที่เหลือกำลังค่อยๆ เดินออกไปหาน้ำหนักเวตที่ตัวเองเป็นเจ้าของได้จริง
อ่านต่อ: Apple เสียอำนาจคุมราคาหน่วยความจำ ผู้บริโภครับภาระแทน
