Back to top
  • 공유 Share
  • 인쇄 Print
  • 글자크기 Font size
URL copied.

ข้อมูลบริษัทและการตรวจสอบงาน ถูกชี้เป็นอีกปัจจัยแข่งขัน AI: คาตาลินี

มือของพนักงานที่กำลังตรวจสอบผลลัพธ์จากการทำงาน ภาพสร้างด้วย AI / TokenPost.ai

คริสเตียน คาตาลินี (Christian Catalini) ผู้ก่อตั้ง MIT Cryptoeconomics Lab และอดีตหัวหน้านักเศรษฐศาสตร์ฝ่ายฟินเทคของเมตา (Meta, META) เขียนในบทความของ Forward Future เมื่อวันที่ 19 สิงหาคมว่า แอนโทรปิก (Anthropic) “อาจกลายเป็นหนึ่งในบริษัทที่มีมูลค่าสูงที่สุดในโลก แต่จะไม่ใช่บริษัทเดียว” เขายังวิเคราะห์ว่า ข้อมูลของบริษัทและความสามารถในการตรวจสอบผลลัพธ์จากงานจริงอาจเป็นรากฐานของความสามารถในการแข่งขันด้าน AI

คาตาลินียกตัวอย่างเครื่องจักรไอน้ำ ไฟฟ้า เครื่องยนต์สันดาปภายใน และทางรถไฟ โดยอธิบายว่า ในอดีตบริษัทที่พัฒนาเทคโนโลยีพื้นฐานก่อน ไม่ได้เป็นผู้ครอบครองมูลค่าทั้งหมดที่เกิดจากเทคโนโลยีนั้น บริษัทที่มีสินทรัพย์จำเป็นต่อการผลิต การจัดจำหน่าย และการประยุกต์ใช้ก็ได้รับประโยชน์เช่นกัน

เขาเรียกสินทรัพย์เหล่านี้ว่า ‘สินทรัพย์เสริม’ โดยการนำโมเดลหลักไปใช้กับผลิตภัณฑ์หรือบริการจริงต้องอาศัยโครงสร้างพื้นฐานด้านคอมพิวติ้ง เซมิคอนดักเตอร์ ข้อมูลเฉพาะของบริษัท บุคลากรผู้เชี่ยวชาญ ช่องทางเข้าถึงลูกค้า และเครือข่ายจัดจำหน่าย

คาตาลินียกเอ็นวิเดีย (Nvidia, NVDA) เป็นตัวอย่างของผู้ให้บริการต้นน้ำที่จัดหาอุปกรณ์ให้ทั้งห้องปฏิบัติการ AI และบริษัทที่นำ AI ไปประยุกต์ใช้ ผู้ให้บริการต้นน้ำคือธุรกิจที่จัดหาทรัพยากรที่จำเป็นต่อการผลิตในขั้นก่อนถึงบริการปลายทาง

ประเด็นที่เขาเน้นเป็นพิเศษคือข้อมูลยืนยันผลลัพธ์ที่ได้จากการทำงานจริง ความสามารถในการตรวจสอบว่า AI ทำงานได้ถูกต้องหรือไม่ แล้วนำผลกลับไปปรับปรุงระบบผ่าน ‘วงจรการเรียนรู้’ อาจกลายเป็นปัจจัยการแข่งขันได้

โมเดลแบบเปิดเผยค่าน้ำหนัก (open-weight model) คือโมเดลที่เปิดเผยค่าน้ำหนักที่ผ่านการฝึกแล้ว เพื่อให้บริษัทอื่นดาวน์โหลดไปใช้งานหรือปรับแต่งในสภาพแวดล้อมของตนเองได้ คาตาลินีระบุว่า บริษัทต่าง ๆ ควรพิจารณาการผสานเข้ากับกระบวนการทำงาน ต้นทุน และการควบคุมข้อมูล ควบคู่ไปกับประสิทธิภาพของโมเดล

ในบทความของ Forward Future เมื่อวันที่ 19 สิงหาคม คาตาลินีคาดการณ์ว่า การผสานโมเดลแบบเปิดเผยค่าน้ำหนักเข้ากับข้อมูลเฉพาะและกระบวนการทำงานของบริษัท อาจทำให้โมเดลเหล่านี้แข่งขันกับโมเดลปิดระดับแนวหน้าได้ในงานเฉพาะทางบางประเภท ข้อเสนอของเขามุ่งชี้ว่า การพิจารณาเพียงว่าโมเดลเปิดเผยค่าน้ำหนักหรือไม่ อาจไม่เพียงพอสำหรับประเมินความสามารถในการแข่งขันของ AI สำหรับองค์กร

ก่อนหน้านี้ TokenPost รายงานว่าเมตาเปิดตัวโมเดลแบบเปิดเผยค่าน้ำหนักชื่อ Muse Glimmer และให้บริการ Muse Spark ซึ่งมีความสามารถสูงกว่า ผ่าน API ขอบเขตการเปิดเผยโมเดลมีผลต่อระดับที่บริษัทภายนอกสามารถนำไปใช้งานหรือปรับแต่งได้โดยตรง

ในบทความของ Forward Future เมื่อวันที่ 19 สิงหาคม คาตาลินียังเสนอว่า ความต้องการ AI อาจแบ่งออกเป็นบริการทั่วไปต้นทุนต่ำ กับบริการมูลค่าสูงที่ใช้ข้อมูลเฉพาะและความรู้ความเชี่ยวชาญ การคาดการณ์นี้เป็นบทวิเคราะห์อุตสาหกรรมของเขา ไม่ใช่ผลสำรวจที่แสดงผลประกอบการหรือส่วนแบ่งตลาดของบริษัทใดบริษัทหนึ่ง

องค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนา (OECD) วิเคราะห์ในรายงานการแข่งขันด้าน AI ที่เผยแพร่เมื่อวันที่ 14 พฤศจิกายน 2025 ว่า โมเดลแบบเปิดเผยค่าน้ำหนักอาจช่วยพัฒนาบริการที่ปรับให้เข้ากับข้อมูลเฉพาะของบริษัทได้ รายงานระบุว่าควรพิจารณาความสามารถในการประยุกต์ใช้และการเข้าถึงโครงสร้างพื้นฐานควบคู่กันเมื่อประเมินการแข่งขันด้าน AI

OECD ประเมินว่า ไม่น่าจะมีโมเดลพื้นฐานเพียงโมเดลเดียวที่ครองทุกอุตสาหกรรม เนื่องจากข้อมูลและสภาพแวดล้อมการทำงานของบริษัทแตกต่างกันไปในแต่ละอุตสาหกรรม

ขณะเดียวกัน OECD ระบุว่า หากการเข้าถึงคอมพิวติ้ง คลาวด์ และข้อมูลกระจุกอยู่ในบริษัทเพียงไม่กี่แห่ง ก็อาจทำให้ธุรกิจขนาดกลางและขนาดย่อมกับผู้ประกอบการรายใหม่เข้าสู่ตลาดได้ยากขึ้น โอกาสในการใช้โมเดลแบบเปิดและความเหลื่อมล้ำในการเข้าถึงทรัพยากร AI จึงอาจร่วมกันกำหนดสภาพการแข่งขัน

แอนโทรปิกระบุในแถลงการณ์อย่างเป็นทางการเมื่อวันที่ 27 กรกฎาคมว่า บริษัทไม่สนับสนุนการห้ามใช้โมเดลแบบเปิดเผยค่าน้ำหนักทั้งหมด พร้อมยอมรับว่าโมเดลเหล่านี้อาจช่วยเพิ่มการแข่งขันและขยายอำนาจควบคุมของลูกค้าในบางด้าน

อย่างไรก็ตาม แอนโทรปิกแย้งว่า การติดตามการนำโมเดลที่เปิดเผยแล้วไปใช้ในทางที่ผิดหรือเรียกคืนมาตรการป้องกันนั้นทำได้ยาก บริษัทระบุว่าโมเดลที่มีความสามารถสูงเพียงพอควรผ่านการตรวจสอบความปลอดภัยก่อนเผยแพร่ ไม่ว่าจะเป็นโมเดลแบบเปิดหรือแบบปิด

<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>

Most Popular

Other related articles

Comment 0

Comment tips

Great article. Requesting a follow-up. Excellent analysis.

0/1000

Comment tips

Great article. Requesting a follow-up. Excellent analysis.
1