ข่าว 
ข้อมูลเหรียญ 
แนะนำสื่อ 
บริษัทเทคโนโลยีรายใหญ่ของจีนกำลังขยายโครงสร้างพื้นฐานคอมพิวเตอร์สำหรับปัญญาประดิษฐ์ (AI) ด้วยเงินทุนที่น้อยกว่าสหรัฐฯ อย่างมาก แทนที่จะดูจากยอดเงินลงทุนรวม ตัวชี้วัดสำคัญของการแข่งขันด้านโครงสร้างพื้นฐาน AI ระหว่างจีนกับสหรัฐฯ กำลังเปลี่ยนไปที่ 'กำลังประมวลผลต่อดอลลาร์' ซึ่งรวมต้นทุนค่าไฟฟ้า ที่ดิน และระบบทำความเย็นเข้าไว้ด้วย
เซาท์ไชน่ามอร์นิ่งโพสต์ (South China Morning Post) สื่อฮ่องกง รายงานเมื่อวันที่ 6 (เวลาท้องถิ่น) ว่า มูดี้ส์ เรทติ้งส์ (Moody's Ratings) ระบุในรายงานว่า งบลงทุนด้าน AI ของบริษัทเทคโนโลยีรายใหญ่ของจีนจะเพิ่มขึ้นจาก 6.5 หมื่นล้านดอลลาร์ (ประมาณ 86.9 ล้านล้านวอน) ในปี 2025 เป็น 1.4 แสนล้านดอลลาร์ (ประมาณ 187.152 ล้านล้านวอน) ในปี 2026 และ 1.65 แสนล้านดอลลาร์ (ประมาณ 220.6 ล้านล้านวอน) ในปี 2027 ขณะที่งบลงทุนของผู้ให้บริการไฮเปอร์สเกล 6 รายใหญ่ของสหรัฐฯ ในช่วงเดียวกันจะเกิน 7.85 แสนล้านดอลลาร์ (ประมาณ 1,050 ล้านล้านวอน) ในปี 2026 และเข้าใกล้ 1 ล้านล้านดอลลาร์ (ประมาณ 1,340 ล้านล้านวอน) ในปี 2027
หากดูจากขนาดเงินลงทุนเพียงอย่างเดียว สหรัฐฯ มีความได้เปรียบชัดเจน แต่มูดี้ส์วิเคราะห์ว่าช่องว่างด้าน 'กำลังประมวลผลจริง' ระหว่างสองประเทศไม่ได้กว้างเท่ากับช่องว่างของงบลงทุน เพราะต้นทุนที่ดิน ค่าไฟฟ้า และระบบทำความเย็นสำหรับศูนย์ข้อมูลที่บริษัทจีนต้องจ่ายด้วยเงินจำนวนเท่ากันนั้นต่ำกว่าฝั่งสหรัฐฯ
ผู้ให้บริการไฮเปอร์สเกล หมายถึงบริษัทที่ดำเนินธุรกิจคลาวด์และศูนย์ข้อมูลขนาดใหญ่ เมื่อความต้องการฝึกฝนและประมวลผลอนุมาน (inference) ของ AI เพิ่มขึ้น เป้าหมายการลงทุนของบริษัทเหล่านี้จึงขยายจากชิปประมวลผลกราฟิก (GPU) ไปถึงเซิร์ฟเวอร์ โครงข่ายไฟฟ้า ระบบทำความเย็น และอุปกรณ์เครือข่าย งบลงทุนจึงไม่ใช่แค่ค่าซื้อเซิร์ฟเวอร์ แต่เป็นต้นทุนพื้นฐานที่ทำให้บริการ AI เดินหน้าต่อเนื่องได้
จุดแข็งด้านต้นทุนของจีนเห็นได้ชัดในโครงสร้างพลังงาน นโยบาย 'ตงซู่ซีซ่วน' (Eastern Data, Western Computing) ของรัฐบาลปักกิ่ง มีแนวคิดย้ายความต้องการประมวลผลข้อมูลจากฝั่งตะวันออกไปยังฐานพลังงานในพื้นที่ตะวันตกและพื้นที่ทรัพยากรตอนในอย่างมองโกเลียในและกานซู่ งานฝึกฝนโมเดล AI ที่ไม่อ่อนไหวต่อความหน่วง (latency) มากนัก จึงสามารถย้ายไปยังพื้นที่ที่มีต้นทุนไฟฟ้าและความเย็นต่ำกว่าได้
บีเอ็มไอ (BMI) วิเคราะห์ว่าการย้ายงานฝึกฝน AI ไปยังพื้นที่ที่มีพลังงานสะอาดและภูมิอากาศเย็นสามารถลดต้นทุนไฟฟ้าและความเย็นได้ พร้อมยกตัวอย่างการขยายศูนย์ข้อมูลของไบต์แดนซ์ (ByteDance) ที่เมืองอูหลานฉาปู้ (Ulanqab) ในมองโกเลียใน สะท้อนว่าการแข่งขันด้านทำเลศูนย์ข้อมูลกำลังเปลี่ยนจากการแย่งชิงที่ดิน ไปสู่การแข่งขันด้านราคาไฟฟ้าและประสิทธิภาพระบบทำความเย็นแทน
ตัวเลขกำลังการผลิตติดตั้ง (capacity) ก็สะท้อนแนวโน้มเดียวกัน โดยระบุว่า ณ สิ้นปี 2025 สหรัฐฯ จะมีกำลังการผลิตติดตั้งของศูนย์ข้อมูลอยู่ที่ 52 กิกะวัตต์ (GW) ขณะที่จีนอยู่ที่ 28GW และภายในปี 2030 สหรัฐฯ จะขึ้นไปแตะ 100GW ส่วนจีนอยู่ที่ 67GW
หากดูเฉพาะอัตราการขยายตัว จีนเติบโตเร็วกว่า โดยอัตราการเติบโตเฉลี่ยต่อปี (CAGR) ของกำลังการผลิตติดตั้งศูนย์ข้อมูลจีนอยู่ที่ 19% สูงกว่าสหรัฐฯ ที่ 14% แต่หากดูกำลังการผลิตในเชิงตัวเลขสัมบูรณ์ สหรัฐฯ ยังคงรักษาความได้เปรียบไว้ได้จนถึงปี 2030
ข้อจำกัดก็ชัดเจนไม่แพ้กัน เนื่องจากเซิร์ฟเวอร์และชิปเร่งความเร็ว (accelerator) คิดเป็นสัดส่วนใหญ่ที่สุดของงบลงทุนด้าน AI การถูกจำกัดการเข้าถึงชิปเอ็นวิเดีย (NVIDIA, NVDA) รุ่นล่าสุดจึงถือเป็นจุดอ่อนของบริษัทจีน แม้ระบบนิเวศโปรเซสเซอร์และซอฟต์แวร์สัญชาติจีนจะพัฒนาขึ้นเรื่อยๆ แต่มูดี้ส์มองว่ายังตามหลังเทคโนโลยีและระบบนิเวศของเอ็นวิเดียอยู่
ประสิทธิภาพการใช้พลังงานก็ยังเป็นโจทย์ที่ค้างอยู่ เซมิอนาลิซิส (SemiAnalysis) ประเมินว่าระบบ CloudMatrix 384 ของหัวเว่ย (Huawei) ใช้พลังงานมากกว่า GB200 NVL72 ของเอ็นวิเดียราว 4.1 เท่า แต่ให้ประสิทธิภาพการประมวลผลเกือบสองเท่า สะท้อนว่าแม้ช่องว่างด้านประสิทธิภาพจะแคบลง แต่ต้นทุนไฟฟ้าที่ใช้ประมวลผลปริมาณงานเท่ากันก็อาจกลายเป็นตัวแปรด้านการแข่งขันได้
ด้านความสามารถของโมเดล AI จีนก็มีแนวโน้มไล่ตามเช่นกัน โดยโมเดลคิมิ เค3 (Kimi K3) ของมูนช็อต เอไอ (Moonshot AI), จีแอลเอ็ม-5.3 (GLM-5.3) ของจื้อผู่ เอไอ (Zhipu AI) และคิวเหวิน3.8 (Qwen3.8) ของอาลีบาบา กรุ๊ป โฮลดิ้ง (Alibaba Group Holding, BABA) ถูกนำไปเทียบกับโมเดลโอเพนเวท (open-weight) ชั้นนำของโลกในการทดสอบเบนช์มาร์กสำคัญหลายรายการ อย่างไรก็ตาม ประสิทธิภาพของโมเดลไม่ได้แปลงเป็นรายได้และผลกำไรจากธุรกิจคลาวด์โดยตรงเสมอไป
ช่องว่างด้านการสร้างรายได้ยังคงกว้างอยู่มาก โดยรายได้ธุรกิจคลาวด์ในไตรมาสล่าสุดของไมโครซอฟท์ (Microsoft, MSFT) อยู่ที่ 5.9 หมื่นล้านดอลลาร์ (ประมาณ 78.883 ล้านล้านวอน) อเมซอน (Amazon, AMZN) อยู่ที่ 4.2 หมื่นล้านดอลลาร์ (ประมาณ 56.1708 ล้านล้านวอน) และอัลฟาเบท (Alphabet, GOOGL) อยู่ที่ 2.5 หมื่นล้านดอลลาร์ (ประมาณ 33.44 ล้านล้านวอน) ขณะที่อาลีบาบา (BABA) ทำได้เพียง 7 พันล้านดอลลาร์ (ประมาณ 9.429 ล้านล้านวอน) และไป่ตู้ (Baidu, BIDU) อยู่ที่ราว 1 พันล้านดอลลาร์ (ประมาณ 1.347 ล้านล้านวอน)
อาลีบาบา คลาวด์ (Alibaba Cloud) มีรายได้ในไตรมาสสิ้นสุดเดือนมิถุนายนเพิ่มขึ้น 45% ซึ่งเป็นอัตราเติบโตเร็วที่สุดในรอบ 22 ไตรมาส สะท้อนว่าแม้บริษัทจีนจะลดต้นทุนโครงสร้างพื้นฐานและเพิ่มกำลังการผลิตได้เร็ว แต่ในขั้นตอนการแปลงเป็นรายได้คลาวด์ที่มั่นคง ยังมีช่องว่างเหลืออยู่เมื่อเทียบกับผู้ให้บริการรายใหญ่ของสหรัฐฯ
คำถามเดียวกันนี้ยังคงอยู่กับบริษัทเกาหลีใต้เช่นกัน โครงสร้างพื้นฐาน AI ไม่ใช่การแข่งขันสะสมจำนวนเซิร์ฟเวอร์ให้มากที่สุด แต่เป็นโจทย์เรื่องโครงสร้างต้นทุนที่ผูกกันระหว่างสัญญาซื้อไฟฟ้า ต้นทุนความเย็น การจัดหาอุปกรณ์ และการยืนยันความต้องการใช้งาน ก่อนหน้านี้ โทเคนโพสต์เคยรายงานว่า ในการถกเถียงเรื่องศูนย์คอมพิวเตอร์ AI ของเกาหลีใต้ก็ยากที่จะอธิบายขีดความสามารถในการแข่งขันด้วยปริมาณอุปกรณ์ประมวลผลเพียงอย่างเดียว
การเปรียบเทียบระหว่างจีนกับสหรัฐฯ ที่มูดี้ส์นำเสนอ ชี้ให้เห็นว่าการลงทุนโครงสร้างพื้นฐาน AI ของเกาหลีใต้เองก็ต้องพิจารณาทั้ง 'กำลังประมวลผลที่จัดหาได้จริง' และ 'ต้นทุนการดำเนินงาน' ควบคู่ไปกับยอดเงินลงทุนรวม ก่อนหน้านี้ โทเคนโพสต์รายงานว่า การลงทุนโครงสร้างพื้นฐานขนาดใหญ่อาจถูกกำหนดโดยสัญญาซื้อไฟฟ้าและโครงสร้างต้นทุนในพื้นที่มากกว่าขนาดเงินทุน หากไม่สามารถจัดหาไฟฟ้า ที่ดิน และอุปกรณ์ไปพร้อมกันได้ ยอดเงินลงทุนเพียงอย่างเดียวก็ยากจะอธิบายขีดความสามารถในการแข่งขันด้าน AI computing ได้
ความคิดเห็น 0