วันที่ 27 มกราคม 2025 ห้องแล็บจากจีนที่นักลงทุนส่วนใหญ่แทบไม่รู้จัก กลับลบมูลค่าตลาดของ Nvidia ไปถึง 589,000 ล้านดอลลาร์ในวันเดียว กลายเป็นการดิ่งลงวันเดียวที่รุนแรงที่สุดในประวัติศาสตร์ตลาดทุนสหรัฐ ชนวนคือ DeepSeek และ “ความเปิด” คือข้อกล่าวหา
แม้แต่ Bitcoin (BTC) ยังแกว่งแรงเมื่อตลาดเริ่มซึมซับข้อเท็จจริงง่าย ๆ ว่า AI แนวหน้ามิได้เป็นสมบัติของไม่กี่ห้องแล็บปิดอีกต่อไป
ประเด็นสำคัญ
- โมเดลแบบเปิดน้ำหนัก คือการเปิดเผยพารามิเตอร์ที่เทรนเสร็จแล้ว ให้ใครก็ได้ดาวน์โหลด ไปรัน และดัดแปลง ต่างจาก “โอเพ่นซอร์สเต็มรูป” ที่ต้องเปิดทั้งโค้ดเทรนและรายละเอียดดาต้าด้วย
- ช่องว่างคุณภาพระหว่างโมเดลเปิดที่ดีที่สุดกับโมเดลปิดระดับท็อป บนกระดานจัดอันดับสาธารณะ หดจากราว 8% เหลือต่ำกว่า 2% ภายในปีเดียว ขณะที่ต้นทุนอินเฟอเรนซ์ทรุดลงหลายร้อยเท่า
- ต้นทุนดีพลอยถูกลง แรงกดดันเรื่องอธิปไตยทางเทคโนโลยี กรอบกำกับดูแลที่เป็นมิตร และระบบนิเวศนักพัฒนาขนาดใหญ่ กำลังส่งแรงหนุนให้โมเดลเปิดน้ำหนักท้าชนผู้เล่น API-only อย่างจริงจัง
“Open Weight AI” แปลว่าอะไรจริง ๆ
คำนี้ถูกใช้กันหลวมมาก จึงต้องนิยามให้ชัด “เปิดน้ำหนัก” หมายถึงนักพัฒนาปล่อย “พารามิเตอร์” ของโครงข่ายประสาทที่เทรนเสร็จแล้วออกมา ตัวเลขเหล่านี้คือตัวแทนทุกอย่างที่โมเดลเรียนรู้ ผู้ใช้สามารถดาวน์โหลดไปรันบนฮาร์ดแวร์ตัวเอง และปรับจูนต่อได้
แต่ “เปิดน้ำหนัก” ไม่เท่ากับ “โอเพ่นซอร์ส” เต็มรูป Open Source Initiative เพิ่งเผยแพร่นิยาม Open Source AI เมื่อ 28 ตุลาคม 2024 ซึ่งยกมาตรฐานให้สูงกว่า: ใครจะเคลมว่าโอเพ่นซอร์สได้ ต้องปล่อยทั้งน้ำหนักโมเดล โค้ดเทรน และรายละเอียดดาต้าในระดับที่ทำให้คนมีทักษะสามารถสร้างระบบขึ้นมาใหม่ได้อย่างมีนัยสำคัญ
โมเดลที่โฆษณาตัวเองว่า “โอเพ่นซอร์ส” ส่วนใหญ่วันนี้ ยังสอบไม่ผ่านเกณฑ์ดังกล่าว Llama ของ Meta, Qwen ของ Alibaba และ DeepSeek ต่างก็ปล่อยแค่น้ำหนัก โดยไม่มีสูตรดาต้าครบชุด
Open Source Initiative พูดชัดเจนใน เอกสาร ว่าการเปิดแค่น้ำหนัก ไม่ได้ให้เสรีภาพแบบเดียวกับซอฟต์แวร์โอเพ่นซอร์ส ช่องว่างนี้เองที่จุดชนวนข้อถกเถียงเรื่อง “open washing” เมื่อบริษัทแปะป้ายความเปิด แต่เก็บชิ้นส่วนสำคัญไว้ ทำให้คนอื่นไม่สามารถทำซ้ำผลงานได้จริง
กระนั้น สำหรับผู้ลงมือสร้างส่วนใหญ่ “น้ำหนักโมเดล” คือของรางวัลหลัก เพราะเมื่อมีน้ำหนักแล้ว คุณสามารถให้บริการโมเดล ย่อขนาด รีเทรน และแพ็กส่งให้ลูกค้าได้ ลองดูว่าสิ่งที่แต่ละหมวดปล่อยออกมา ต่างกันอย่างไร:
- เปิดน้ำหนัก: ปล่อยพารามิเตอร์ที่เทรนแล้ว มักอยู่ใต้สัญญาอนุญาตที่อนุญาตให้ใช้ แก้ไข และเชิงพาณิชย์ได้
- โอเพ่นซอร์สเต็มรูป: ปล่อยทั้งน้ำหนัก โค้ดเทรน และเอกสารดาต้าเพียงพอสำหรับสร้างโมเดลใหม่
- ปิด: ไม่ให้ดาวน์โหลดอะไรเลย เข้าถึงได้ผ่านอินเทอร์เฟซแบบคิดตามการใช้งานเท่านั้น
หมวดตรงกลางนี่แหละที่กำลังบูม และทำให้ห้องแล็บสายปิดนอนไม่ค่อยหลับ
อ่านเพิ่ม: Nvidia ร่วงเกือบ 5% จากดีลค้ำประกัน OpenAI มูลค่า 2.5 แสนล้านดอลลาร์ที่ยังไม่เซ็น
ต่างจากโมเดลธุรกิจของ OpenAI และ Anthropic อย่างไร
OpenAI และ Anthropic ใช้กลยุทธ์ตรงข้ามโดยสิ้นเชิง: เก็บน้ำหนักโมเดลระดับท็อปไว้ในดาต้าเซ็นเตอร์ตัวเอง แล้วขายสิทธิ์เข้าถึงผ่าน API คุณส่งพรอมต์ ได้คำตอบ แต่ไม่มีวันได้แตะตัวโมเดล
โมเดลธุรกิจแบบนี้มีเหตุผลเชิงพาณิชย์ชัดเจน: ปกป้องเม็ดเงินลงทุนเทรนโมเดล รักษารายได้สมาชิกแบบคิดตามการใช้งาน และเปิดช่องให้ห้องแล็บแก้พฤติกรรมหรือปิดสิทธิ์ผู้ใช้เมื่อไรก็ได้
ยังมีเหตุผลด้านความปลอดภัยด้วย ซีอีโอ Anthropic ดาริโอ อโมเดอี เคยให้เหตุผลว่า เมื่อปล่อยน้ำหนักออกสู่สาธารณะแล้ว นักพัฒนาจะไม่สามารถอัปเดตกลไกป้องกันหรือดึงโมเดลอันตรายกลับมาได้อีก
ปัญหาสำคัญคือ “การพึ่งพิง”
เมื่อโมเดลรันอยู่บนเซิร์ฟเวอร์ของคนอื่นเท่านั้น ผู้ให้บริการจะเป็นคนกำหนดทั้งราคา ความเสถียร ข้อกำหนดการใช้ดาต้า ไปจนถึงกำหนดวันเลิกซัพพอร์ต รุ่นที่ธุรกิจคุณต้องพึ่ง ผลิตภัณฑ์ของคุณจึงผูกอยู่กับโครงสร้างพื้นฐานที่คุณ neither ควบคุมได้ nor ตรวจสอบได้
แม้เคยยกย่องงานวิจัยเปิดมาหลายปี OpenAI ไม่ได้ปล่อยโมเดลภาษาที่เปิด ให้ใช้งานได้จริงเลยตั้งแต่ GPT-2 ในปี 2019 จนกระทั่ง 5 สิงหาคม 2025 ที่บริษัทเปิดตัวโมเดล gpt-oss สองรุ่น ภายใต้ ไลเซนส์ Apache 2.0 ที่ค่อนข้างเสรี ซึ่งสะท้อนแรงกดดันจากฝั่งเปิดน้ำหนักอย่างชัดเจน บริษัทที่สร้างโมเดลธุรกิจ API ปิดเป็นหลัก ยังต้องลงมาเล่นในสนามเปิดเอง
อ่านเพิ่ม: OpenAI ขอวงเงินเครดิตจาก Nvidia 2.5 แสนล้านดอลลาร์เพื่อป้อนแคมปัสยักษ์ในโอไฮโอ
10 เหตุผลที่โมเดลเปิดน้ำหนักสั่นคลอนโมเดลรวมศูนย์
ไม่มีข้อใดการันตีว่าฝั่งเปิดน้ำหนักจะ “ชนะขาด” พรมแดนเทคโนโลยียังเป็นของห้องแล็บขนาดใหญ่ และความเสี่ยงก็มีจริง แต่ทิศทางตลอดสามปีที่ผ่านมา วิ่งสวนทางชัดเจนกับโมเดลปิดแบบคิดตามการใช้งาน
สิ่งที่เปลี่ยนไปคือเหตุผลในการ “จ่ายแพงขึ้นเพื่อเช่ากล่องดำ” นับวันยิ่งอ่อนแรงลง การบรรจบกันนี้เกิดทั้งเชิงเทคนิค เศรษฐศาสตร์ และการเมืองไปพร้อมกัน
ต่อไปนี้คือ 10 ปัจจัยที่ทำให้ดุลอำนาจเริ่มไหลออกจากฝั่งรวมศูนย์
1. ช่องว่างคุณภาพแทบหายไป
ปัจจัยสำคัญที่สุดคือ “การบรรจบกัน” ดัชนี AI ปี 2025 ของสแตนฟอร์ด ระบุ ว่าคะแนนของโมเดลปิดที่ดีที่สุด เทียบกับโมเดลเปิดที่ดีที่สุดบนกระดาน Chatbot Arena หดจาก 8% ในมกราคม 2024 เหลือเพียง 1.7% ในกุมภาพันธ์ 2025
สนามแนวหน้าก็หนาแน่นขึ้นอย่างรวดเร็ว ช่องว่างระหว่างอันดับหนึ่งกับอันดับสิบ หดจาก 11.9% เหลือ 5.4% ภายในปีเดียว
เมื่อทางเลือกอันดับสองให้คุณภาพใกล้เคียง แต่ราคาถูกเป็นส่วนเสี้ยว “ส่วนต่างพรีเมียม” ที่เคยใช้ชี้แจงโมเดลปิด ก็ยากจะอธิบายต่อไป นี่คือโจทย์ใหญ่ด้านราคา สำหรับธุรกิจที่ขาย “ความพิเศษเฉพาะ” เป็นหลัก
2. ราคาของ “ความฉลาด” ร่วงฮวบ
ต้นทุนร่วงเร็วกว่าช่องว่างคุณภาพเสียอีก โดยใช้ข้อมูลจาก Epoch AI และ Artificial Analysis ดัชนี AI ของสแตนฟอร์ด รายงาน ว่าค่ารันคำถามระดับ GPT-3.5 ลดจากราว 20 ดอลลาร์ต่อหนึ่งล้านโทเคนในพฤศจิกายน 2022 เหลือเพียง 0.07 ดอลลาร์ในตุลาคม 2024
เทียบเท่าต้นทุนที่หดลงราว 280 เท่าในเวลาไม่ถึงสองปี
DeepSeek ดันตรรกะเดียวกันไปถึงขั้นเทรนโมเดล รายงานเทคนิคของรุ่น V3 อ้าง ว่ารันเทรนรอบสุดท้ายด้วยเงินราว 5.6 ล้านดอลลาร์ บนชิป Nvidia H800 จำนวน 2,048 ตัว เทียบกับโมเดลตะวันตกระดับเดียวกันที่มักใช้เงินหลายสิบถึงหลายร้อยล้าน เมื่อ “ความฉลาดราคาถูก” เป็นไปได้ ผู้ชนะย่อมเป็นฝ่ายที่กระจายการใช้งานได้กว้าง ไม่ใช่ฝ่ายที่ล็อกไว้แน่นที่สุด
3. คุณเป็น “เจ้าของ” โมเดลจริง ๆ
เช่าโมเดลปิด คุณก็ต้องยอมกติกาเจ้าของบ้าน: ผู้ให้บริการขึ้นราคา เปลี่ยนข้อกำหนด หรือเลิกรุ่นที่ผลิตภัณฑ์คุณพึ่งอยู่ได้ทุกเมื่อ
ครอบครองน้ำหนักโมเดล ปัญหาอำนาจต่อรองก็หายไปมาก คุณสามารถ “ตรึงเวอร์ชัน” ให้เสถียรใช้ได้ยาว และย้ายผู้ให้บริการโฮสต์โดยไม่ต้องเขียนสแตกใหม่ทั้งก้อน
“ติดล็อคผู้ขาย” ไม่ใช่เรื่องทฤษฎี แต่มาในรูปต้นทุนการเปลี่ยนแพลตฟอร์ม การถูกบังคับย้ายเวอร์ชัน และการตั้งราคาที่คุณเจรจาแทบไม่ได้ การถือครองน้ำหนักช่วยลดแรงกดดันเหล่านี้ทีละข้อ:
- คุณตรึงเวอร์ชันที่พอใจ และใช้ไปได้นานเท่าที่ต้องการ
- คุณสลับโฮสต์บนคลาวด์ต่างราย หรือกลับมารันบนเครื่องตัวเอง โดยไม่ต้องรื้อสถาปัตยกรรม
- คุณไม่ต้องกลัวการประกาศเลิกซัพพอร์ตแบบกะทันหัน ที่ทำให้โปรดักต์พังในชั่วข้ามคืน
แน่นอน แม้ไลเซนส์เปิดส่วนใหญ่จะดูใจกว้าง ก็ยังมีเงื่อนไขที่ควรอ่านให้ครบ เงื่อนไขของ Llama จาก Meta กำหนดว่า บริษัทที่มีผู้ใช้งานรายเดือนเกิน 700 ล้านบัญชี ต้องเจรจาสัญญาแยกต่างหาก ซึ่งเป็นเหตุให้สายอนุรักษ์นิยมด้านโอเพ่นซอร์ส ยังปฏิเสธจะเรียก Llama ว่า “โอเพ่นซอร์ส” เต็มปาก
4. ความเป็นส่วนตัวและอธิปไตยของดาต้า
สำหรับบางอุตสาหกรรม ดาต้าห้ามออกนอกอาคารโดยพฤตินัย โรงพยาบาล ธนาคาร หรือหน่วยงานรัฐจำนวนมาก ไม่สามารถส่งข้อมูลอ่อนไหวไปยัง API บุคคลที่สามได้อย่างถูกกฎหมาย
โมเดลเปิดน้ำหนักแก้โจทย์นี้ด้วยการ “ย้ายโมเดลไปหาดาต้า” คุณสามารถรันอินเฟอเรนซ์แบบออน-พรีมิส หรือในคลาวด์ส่วนตัว โดยที่ข้อมูลอ่อนไหวไม่เคยออกนอกเขตที่คุณคุมได้
คุณสมบัตินี้ข้อเดียวกำลังเปิดประตูที่โมเดลแบบ API ปิดเข้าไม่ถึง ในดีลที่ถูกกำกับเข้ม การคุมสภาพแวดล้อมรันโมเดลเอง มักเป็นเงื่อนไขชี้ขาด
5. รัฐชาติทั่วโลกหันมาสร้างโมเดลของตนเอง
“กังวลเรื่องอธิปไตย” กลายเป็นธีมระดับโลก รัฐบาลจำนวนมากมองการพึ่งพา API จากไม่กี่บริษัทในสหรัฐหรือจีน ว่าเป็น “ความเสี่ยงเชิงยุทธศาสตร์”
วันที่ 2 กันยายน 2025 EPFL, ETH Zurich และศูนย์ซูเปอร์คอมพิวติ้งแห่งชาติสวิตเซอร์แลนด์ เปิดตัว Apertus โมเดลเปิดเต็มรูปที่เทรนบนโทเคน 15 ล้านล้านตัว ครอบคลุมกว่า 1,000 ภาษา ขณะที่ Technology Innovation Institute ในอาบูดาบี ดันตระกูล Falcon แบบเปิดมาตั้งแต่ปี 2023 และอีกหลายประเทศก็ลุยโครงการโมเดลหรือโครงสร้างพื้นฐานของตัวเองตามมา
รูปแบบที่เห็นซ้ำแล้วซ้ำอีกในแต่ละภูมิภาค:
- สวิตเซอร์แลนด์ปล่อย Apertus พร้อมน้ำหนัก ดาต้า และโค้ดครบชุด
- สหรัฐอาหรับเอมิเรตส์ปล่อย Falcon หลายรุ่นภายใต้ไลเซนส์ผ่อนปรน
- ฝรั่งเศส อินเดีย ญี่ปุ่น และเกาหลีใต้ ต่างทุ่มงบหนุนโมเดลหรือศูนย์คอมพิวติ้งระดับชาติ
คุณสร้าง “AI เพื่ออธิปไตยของชาติ” บนโมเดลที่คุณมีสิทธิ์แค่เช่าไม่ได้ การเปิดน้ำหนักจึงเป็นเงื่อนไขตั้งต้น และทำให้รัฐบาลกลายเป็นสปอนเซอร์ตามธรรมชาติของฝั่งเปิด
6. กติกาภาครัฐเริ่มเทน้ำหนักให้ฝั่งเปิด
นโยบายสาธารณะเริ่มขยับมาหนุนความเปิดด้วย วันที่ 23 กรกฎาคม 2025 ทำเนียบขาว เผยแพร่ “America’s AI Action Plan” โดยมีหัวข้อหนึ่งชื่อชัด ๆ ว่า “Encourage Open-Source and Open-Weight AI”
ยุโรปเองแม้อาจจะต่างกันในจุดยืน แต่โครงสร้างกฎหมาย AI Act ก็เทไปทางเดียวกัน โดยให้ผู้ให้บริการโมเดลอเนกประสงค์ที่แจกฟรีและโอเพ่นซอร์ส ได้รับการยกเว้นบางส่วนจากข้อกำหนดด้านเอกสาร ตราบใดที่โมเดลไม่ถูกจัดเป็น “ความเสี่ยงเชิงระบบ”
แรงจูงใจจึงเริ่มหันไปทาง “ปล่อย” มากกว่า “ล็อก” อย่างน้อยสำหรับโมเดลที่ยังไม่แตะพรมแดนเทคโนโลยี เมื่อรัฐบาลรายใหญ่ที่สุดในสนาม AI หนุนโมเดลเปิดน้ำหนักอย่างเป็นทางการ โมเดลปิดที่เคยถูกมองว่าเป็น “ค่าเริ่มต้น” ก็เสียความได้เปรียบเชิงสถาบันลง
7. ระบบนิเวศนักพัฒนาเป็นเอฟเฟกต์ลูกโซ่
เมื่อสเกลเกิด สเกลก็ยิ่งโต Hugging Face ระบุ ว่ามีผู้ใช้งานแตะ 13 ล้านคน โมเดลสาธารณะมากกว่า 2 ล้านตัว และชุดดาต้าสาธารณะกว่า 500,000 ชุดภายในปี 2025
สถิติการดาวน์โหลดเล่าเรื่องได้ชัดเจน: Meta บอกว่า Llama มียอดดาวน์โหลดทะลุหนึ่งพันล้านครั้งเมื่อ 18 มีนาคม 2025 จาก 650 ล้านครั้งเมื่อต้นธันวาคม 2024 ส่วน Qwen ของ Alibaba ทะลุ 700 … มียอดดาวน์โหลดสะสมบน Hugging Face ถึงระดับหลักล้านภายในเดือนมกราคม 2026 พร้อมแตกแขนงออกมาเป็นรุ่นดัดแปลงมากกว่า 180,000 เวอร์ชัน แซง Llama ขึ้นเป็นตระกูลโมเดลโอเพ่นที่ถูกฟอร์กมากที่สุดไปแล้วระหว่างทาง
ทุกครั้งที่มีการฟายน์จูน ติดอแดปเตอร์ หรือทำควอนไทซ์บนโมเดลโอเพ่น มันยิ่งขุดคูน้ำลึกขึ้นเรื่อย ๆ โมเดลแบบปิดที่ให้ใช้ผ่าน API ไม่สามารถเก็บเกี่ยวพลังการทบต้นจากชุมชนแบบนั้นได้ เพราะไม่มีใคร “สร้างทับ” บนโมเดลที่ตัวเองไม่มีสิทธิ์ครอบครองได้จริง
รันได้บนแค่โน้ตบุ๊กคุณ
น้ำหนักโมเดลแบบเปิดเชื่อมถึงฮาร์ดแวร์ทั่วไปได้ด้วยห่วงโซ่เครื่องมือราคาถูก การทำควอนไทซ์บีบโมเดลให้ใช้ความละเอียดต่ำลงเพื่อให้กินหน่วยความจำน้อยลง ขณะที่เทคนิคอย่าง LoRA เปิดทางให้ฟายน์จูนโมเดลได้โดยไม่ต้องเทรนใหม่ทั้งก้อน
สิ่งที่ทำให้แนวทางนี้กลายเป็นแมสคือรันไทม์แบบโลคอลอย่าง Ollama, llama.cpp และ vLLM ที่ตอนนี้เปิดให้เดเวลอปเปอร์เสิร์ฟโมเดลระดับใช้งานจริงได้บนแค่การ์ดจอผู้บริโภคหนึ่งใบ หรือแม้แต่บนโน้ตบุ๊กรุ่นท็อปเครื่องเดียว
โมเดลที่คุณรันได้บนเครื่องราคา 2,000 ดอลลาร์ คือโมเดลที่ไม่มีใครกดสวิตช์ปิดจากระยะไกลได้ การพึ่งพาตัวเองแบบนั้นคือสิ่งที่โมเดลแบบคิดค่าใช้ตามการใช้งานให้ไม่ได้โดยโครงสร้าง
ตรวจสอบได้ แกะกลไกได้
สิ่งที่มองไม่เห็นก็ตรวจสอบไม่ได้ API แบบปิดส่งคืนแค่ผลลัพธ์ โดยไม่เปิดโอกาสให้มองเข้าไปเห็นกลไกการทำงานข้างใน
น้ำหนักโมเดลแบบเปิดเปิดทางให้นักวิจัยเข้าไป “ง้าง” โมเดลโดยตรง ศึกษาว่ามันล้มเหลวแบบไหน และทดสอบความปลอดภัยกันในที่แจ้ง ความโปร่งใสระดับนี้เองที่ทำให้ฝ่ายโอเพ่นยืนยันว่า โมเดลของตน “ทำให้ไว้ใจได้ง่ายขึ้น” เมื่อเวลาผ่านไป ไม่ใช่ยากขึ้น
สำหรับอุตสาหกรรมที่มีกฎระเบียบและต้องอธิบายที่มาที่ไปของทุกการตัดสินใจ ความโปร่งใสแบบนี้ไม่ใช่ของฟุ่มเฟือย แต่เป็นข้อบังคับทางกฎหมายด้วยซ้ำ
ชายแดนใหม่ของโลกกระจายศูนย์
เหตุผลล่าสุดอยู่ตรงจุดตัดของ AI กับคริปโต ถ้าน้ำหนักโมเดลเปิดสาธารณะ การประมวลผลเพื่อเทรนและให้บริการก็ไม่จำเป็นต้องอยู่ในดาต้าเซ็นเตอร์ของบริษัทใดบริษัทหนึ่ง
โปรเจ็กต์อย่าง Prime Intellect สามารถเทรน โมเดลบนฮาร์ดแวร์กระจายทั่วโลก พร้อมกลไกยืนยันว่าเครื่องปลายทางลงมือประมวลผลงานตามที่อ้างจริง ขณะที่ Bittensor สร้างตลาดซื้อขายอินเทลลิเจนซ์ของเครื่องจักรแบบมีโทเคนจูงใจ โดยกำหนดราคาเป็นโทเคน TAO (TAO)
แต่ข้อเท็จจริงที่ต้องพูดตรง ๆ คือ การเทรนแบบกระจายศูนย์วันนี้ยังช้ากว่าและแพงกว่าคลัสเตอร์รวมศูนย์ในดาต้าเซ็นเตอร์อยู่มาก ทว่าเมื่อจับคู่ “น้ำหนักโมเดลเปิด” เข้ากับ “กำลังประมวลผลที่ยืนยันได้และโทเคนไลซ์ได้” ก็กลายเป็นเวกเตอร์การแข่งขันชุดใหม่ที่แลบแบบปิดเลียนแบบไม่ได้
อ่านเพิ่มเติม: Pixel 11 จ่อขึ้นราคา และ Google ชี้นิ้วโทษดาต้าเซ็นเตอร์ AI
บทสรุป
น้ำหนักโมเดลแบบเปิดจะไม่มาลบชื่อแลบแบบปิดออกไปจากแผนที่ เส้นหน้าด่านเทคโนโลยียังคงเข้าข้างผู้เล่นที่ทุ่มงบซื้อคอมพิวต์ได้มากที่สุด โมเดลโอเพ่นที่ปล่อยออกมายังตามหลังของปิดระดับท็อปอยู่หลายเดือน และน้ำหนักโมเดลสาธารณะก็แบกรับความเสี่ยงการถูกใช้ในทางมิชอบที่ “เรียกคืนไม่ได้” เมื่อปล่อยออกไปแล้ว
แต่ “แซงหน้า” ไม่ได้แปลว่า “ทำให้หายไป” มันหมายถึงการค่อย ๆ ขยับจุดศูนย์ถ่วงของระบบ และการเลื่อนจุดศูนย์ถ่วงนั้นเริ่มเกิดขึ้นแล้ว
ช่องว่างคุณภาพเหลือไม่มาก ต้นทุน “ปัญญา” ใกล้ศูนย์ลงทุกที และรัฐบาล เดเวลอปเปอร์ ตลอดจนหน่วยงานกำกับดูแลยังคงเลือกโมเดลที่ตัวเอง “จับต้องและถือครอง” ได้ AI รวมศูนย์จะยังขาย “ความสะดวกสบายระดับพรีเมียม” อยู่บนยอดปิรามิด แต่อีกเกือบทั้งตลาดกำลังเดินเงียบ ๆ ไปหาโมเดลที่ตัวเองเป็นเจ้าของน้ำหนักได้
อ่านต่อ: Apple เสียอำนาจต่อรองราคาหน่วยความจำ และผู้บริโภคต้องควักจ่ายส่วนต่าง