techsauce

สรุปรายงานจาก Lenovo 2026 องค์กรลงทุน AI เพื่ออะไร? เมื่อลงทุน 1 ดอลลาร์ ต้องคืน 2.85 เท่า และเบื้องหลังวิกฤติชิ้นส่วนที่ทุกองค์กรต้องรู้

2026-04-29T01:14:07+00:00

ปี 2026 กำลังกลายเป็นปีที่บริษัทเทคโนโลยีทั่วโลกพูดถึง AI กันจนเป็นเรื่องปกติ คำถามสำคัญในวันนี้ไม่ใช่ "จะเริ่มใช้ AI เมื่อไหร่" แต่กลายเป็น "ลงทุน AI ไปแล้วได้ผลตอบแทนกลับมาเมื่อไหร่" ภาพการทดลองและเรียนรู้ที่เคยครอบงำตลาดในช่วง 1-2 ปีที่ผ่านมา เริ่มถูกแทนที่ด้วยแรงกดดันจาก CIO ทั่วโลกที่ต้องการเห็นผลสัมฤทธิ์ที่จับต้องได้ ในขณะเดียวกัน อุตสาหกรรมก็กำลังเผชิญพายุลูกใหม่เรื่องการขาดแคลนชิ้นส่วน ที่ดันราคาสินค้าขึ้นทุกเดือนแบบไม่เคยเห็นมาก่อน

Lenovo จัดงานแถลงข่าวกลุ่มย่อยกับสื่อในประเทศไทย โดย คุณวรพจน์ ถาวรวรรณ ผู้จัดการทั่วไป Lenovo ประจำประเทศไทยและภูมิภาคอินโดจีน มาอัปเดตทิศทางตลาดปี 2026 ผลประกอบการล่าสุด งานวิจัยที่ทำร่วมกับ IDC รวมถึงเปิดตัวโซลูชัน Personal AI อย่าง Lenovo Qira และ Infrastructure AI ตัวใหม่ XIQ ที่จะเข้ามาเปลี่ยนวิธีที่ทั้งผู้ใช้งานทั่วไปและองค์กรทำงานร่วมกับเทคโนโลยี

ผลประกอบการ Record High ทั้งส่วนแบ่งตลาด รายได้ และกำไร

ภาพแรกที่ Lenovo อยากให้สื่อเห็นคือสถานะผู้นำในตลาด PC ที่บริษัทรักษาเอาไว้ได้อย่างต่อเนื่อง โดย Lenovo ครองส่วนแบ่งตลาด PC ในระดับสูงทั้งในระดับโลก เอเชียแปซิฟิก และในประเทศไทยมาเป็นเวลานาน เฉพาะในประเทศไทย หากนับรวมแล้ว Lenovo รักษาตำแหน่งผู้นำตลาดติดต่อกันราว 12 ไตรมาส ส่วนแบ่งตลาดในระดับโลกอยู่ที่ 25% ซึ่งเป็น Record High ขณะที่ในประเทศไทยช่วงไตรมาสสิ้นสุดเดือนธันวาคมที่ผ่านมา ทะยานขึ้นไปถึง 35% ทำสถิติใหม่เช่นกัน

ฝั่งผลประกอบการ ไตรมาสล่าสุดเป็นไตรมาสที่มีรายได้สูงที่สุดในประวัติศาสตร์ของบริษัท ที่ระดับ 22,000 ล้านเหรียญสหรัฐฯ หรือราว 22 Billion US Dollar เติบโต 18% เมื่อเทียบกับไตรมาสเดียวกันของปีก่อนหน้า ขณะที่ผลกำไรเติบโตถึง 36% เมื่อเทียบกับช่วงเดียวกันของปีก่อน

หัวใจสำคัญของการเติบโตอยู่ที่กลุ่มสินค้าที่เกี่ยวข้องกับ AI ซึ่งครอบคลุมตั้งแต่ระดับ Pocket จนถึง Cloud โดยกลุ่มสินค้า AI Related มียอดขายเติบโตถึง 72% Year on Year ทุกกลุ่มธุรกิจของ Lenovo เติบโตทั้งหมด PC โต 14%, Enterprise โต 32% และ Solution โต 18% ยิ่งไปกว่านั้น ในประเทศไทย Lenovo ได้รับการจัดอันดับโดย Fortune ให้เป็นหนึ่งใน Top 100 บริษัทใน Southeast Asia ที่น่าทำงานด้วยมากที่สุด หรือ Best Company to Work For

งานวิจัยกับ IDC ชี้ปี 2026 เป็นปีที่ AI ต้องสร้างผลตอบแทนคืน ไม่ใช่ปีของการทดลองอีกต่อไป

งานวิจัยที่ Lenovo ทำร่วมกับ IDC สะท้อนภาพชัดเจนว่า กรอบความคิดเรื่อง AI ในปี 2026 ไม่ได้แตกต่างจากปี 2025 มากนัก ทุกอย่างยังคงเกี่ยวข้องกับ AI แต่นัยยะของการนำไปใช้เปลี่ยนไปอย่างมีนัยสำคัญ ปีที่ผ่านมาเป็นปีของการทดลองและเรียนรู้ แต่ปีนี้คือปีที่องค์กรต้องการเห็นผลสัมฤทธิ์จากการลงทุนทันที

หลักฐานชัดเจนคือลำดับความสำคัญของการเน้นผลลัพธ์ในรูปของรายได้และกำไรที่ขยับขึ้นมาอย่างก้าวกระโดด จากเดิมที่อยู่ในลำดับที่ 8 ในปีที่แล้ว ขึ้นมาเป็นลำดับแรกในปีนี้ สะท้อนว่า CIO ทั่วโลกมองว่านี่ไม่ใช่เวลาที่จะลองผิดลองถูกอีกต่อไป แต่เป็นเวลาที่ AI ต้องเข้ามาเป็นส่วนสำคัญในการขับเคลื่อนรายได้และกำไรของธุรกิจอย่างจริงจัง

ลำดับถัดมาคือการใช้ AI เพื่อ Reinvent ในการพัฒนาเทคโนโลยีและนวัตกรรม ส่วนลำดับที่สามคือเรื่องการพัฒนาการให้บริการลูกค้า โดยที่หลายองค์กรในปัจจุบันใช้ AI ใน Call Center อยู่แล้ว แต่ส่วนใหญ่ยังคงเป็นแบบ Generative AI การยกระดับไปสู่ Agentic AI ยังถือว่ามีน้อย และในปีนี้คาดว่าจะเห็น Agentic AI เพิ่มขึ้นอย่างชัดเจน นอกจากนี้ยังมีเรื่อง Business Innovation และ Productivity ที่อยู่ในลำดับต้น

เมื่อซูมเข้าไปดูงบลงทุน พบว่ามากกว่า 96% ขององค์กรในผลสำรวจ มองว่าจะลงทุนเรื่อง AI เป็นลำดับแรก โดยมุ่งเน้นไปที่การพัฒนา Generative AI Development รองลงมาคือ AI Agent Development หรือ Agentic AI ตามด้วย Public Cloud as a Service และ On-Premise Infrastructure ที่มีสัดส่วนใกล้เคียงกันอย่างมีนัยสำคัญ ส่วนหนึ่งเป็นเพราะหลายองค์กรที่ขึ้นไปบน Cloud ในช่วง 2-3 ปีที่ผ่านมา เริ่มประสบปัญหาบริการขัดข้อง รวมถึงปรากฏการณ์จอฟ้าเป็นพักๆ ของบริการที่อยู่บน Cloud ทำให้ On-Premise กลายเป็นทางเลือกที่กลับมามีน้ำหนัก ผนวกกับเรื่องของความปลอดภัยข้อมูล (Data Security) ที่องค์กรเริ่มตั้งคำถามว่าควรไว้วางใจ Cloud มากน้อยแค่ไหน

จาก 29% สู่ 66% สัดส่วนองค์กรที่ Deploy AI จริงเพิ่มขึ้นอย่างก้าวกระโดด

ตัวเลขที่น่าสนใจอีกชุดคือสัดส่วนการประยุกต์ใช้ AI ที่เปลี่ยนไปอย่างมีนัยสำคัญระหว่างปี 2025 กับ 2026 ปีที่แล้วมีองค์กรที่ Deploy AI จริงเพียง 29% เท่านั้น ขณะที่ 56% ยังอยู่ในขั้น Considering หรือวางแผนศึกษา แต่ในปีนี้ตัวเลขกลุ่ม Deploy จริงพุ่งจาก 29% ขึ้นไปถึง 66% ขณะที่กลุ่มที่ยัง "ขอตูก่อน" เหลือเพียง 19% เท่านั้น

การใช้งาน AI แบ่งออกเป็น 2 ก้อนใหญ่คือกลุ่มที่เกี่ยวข้องกับ IT และ Non-IT ในฝั่ง IT ยังคงใช้เพื่อการวิเคราะห์ข้อมูล (Data Analytic) เป็นหลัก ตามด้วย Cyber Security ซึ่งสามารถทำงานเชิงรุกแบบ Proactive โดย AI สามารถระบุได้ล่วงหน้าว่ามีความเสี่ยงที่ข้อมูลจะรั่วไหล (Data Breach) หรือเกิด Leakage ซึ่งทำหน้าที่นี้ได้ดีกว่ามนุษย์ ส่วน Software Development เห็นได้ชัดว่ามีการใช้ AI เข้ามาแทน Coding ทำให้ความจำเป็นในการมี Software Engineer ในจำนวนมากเหมือนเดิมลดลง

ฝั่ง Non-IT เห็นการใช้ในงาน Finance ค่อนข้างชัดเจน เช่นที่ Lenovo เองใช้ AI วิเคราะห์ P&L Simulate ระบบสามารถ Alert ได้เลยว่าตัวไหนที่เปลี่ยนแปลงจาก Cycle ก่อนหน้าอย่างมีนัยสำคัญ พร้อมระบุสาเหตุที่เป็นไปได้และความเชื่อมโยงกับระบบหลังบ้าน ส่วนงาน Marketing มีการใช้ AI วิเคราะห์ Eyeball Tracking ในสื่อ Out of Home เพื่อจับว่าจุดใดมีคนมองเยอะ ซึ่งจะกำหนดราคาของป้ายโฆษณานั้นๆ ได้

เมื่อเทียบกับปีที่แล้ว Data Analytic ใช้มากขึ้น 56%, Cyber Security เพิ่มขึ้น 74% Year on Year, Software Development +74%, Customer Service +57%, Marketing +77% และ Finance เติบโตถึง 115% ส่วนสัดส่วนระหว่าง Agentic AI และ Generative AI ยังใกล้เคียงกันที่ 22 ต่อ 27 โดย Generative AI ยังคงเป็น Majority อยู่ เนื่องจากหลายองค์กรยังต้องการให้คนเป็นผู้ตัดสินใจ ขณะที่บางองค์กรมองว่า Agentic AI ตัดสินใจได้ดีและแม่นยำกว่า โดยไม่มีอารมณ์ความรู้สึกเข้ามาเกี่ยวข้อง

5 ข้อจำกัดสำคัญที่ CIO ทั่วโลกเจอ และเหตุผลที่ Hybrid จะมาแรงปี 2026

แม้กระแส AI จะแรง แต่งานวิจัยก็ฉายภาพข้อจำกัดที่ CIO และ CEO ทั่วโลกพบใน 5 หัวข้อหลัก เริ่มจากเรื่อง Skill ซึ่งหลายคนมี AI แต่นำไปใช้ไม่เกิดประโยชน์สูงสุด เช่น ใช้ AI แทนการ Search ข้อมูลแบบดั้งเดิมเท่านั้น ซึ่งไม่ใช่การ Optimize ในขณะที่บางองค์กรใช้ AI แทนฟังก์ชันของ IoT ทั้งโรงงาน ก็ถือว่าใช้คุ้ม ลำดับถัดมาคือ Device ไม่พอ ปัจจุบันอุตสาหกรรมเผชิญปัญหา Shortage รุนแรง ทั้ง Memory, SSD และ CPU ขาดหมด ใครมี Supply มากกว่าก็ได้เปรียบ

ลำดับถัดมาคือ Scalable High Performing Cost Efficient AI Infrastructure ซึ่ง AI Server เข้ามามีบทบาทมากขึ้นในการ Migrate จาก Server ดั้งเดิม ตามด้วยเรื่องการทำงานร่วมกัน บางองค์กรนำ AI มาแทนที่งานเสร็จ แต่ไม่สามารถสร้าง Flowchart ให้ทำงานร่วมกับคนได้แบบ Seamless ทำให้ไม่เกิดประโยชน์ และลำดับสุดท้ายคือเรื่องความปลอดภัยของข้อมูล โดยเฉพาะเมื่อนำ AI ขึ้น Cloud มากเกินไป

หัวใจสำคัญที่ Lenovo ต้องการสื่อคือ ความสำคัญของ Data Security และ Privacy จะสูงขึ้นเรื่อยๆ จนกลายเป็น Topic สำคัญของ Corporate ใหญ่ๆ ตั้งแต่วันนี้เป็นต้นไป นี่คือสาเหตุที่โซลูชันของทั้งอุตสาหกรรมจะมุ่งสู่ Hybrid มากกว่า Cloud Based ตั้งแต่ปี 2026 และโจทย์สำคัญของ Vendor รวมถึง Lenovo คือการตอบสนองยุทธศาสตร์ Hybrid ของลูกค้าให้ได้

ตัวเลขที่ตอกย้ำเทรนด์นี้คือ 88% ของการลงทุน AI CIO ระบุว่าต้องการผลตอบรับเดี๋ยวนี้ ไม่ใช่การทำ Exploratory ไม่ใช่การทำวิจัย ไม่ใช่การทำ Pilot ปีนี้ถ้าไม่เกิดผลก็ไม่ลงทุน คาดว่าทุกๆ 1 ดอลลาร์ที่ลงทุน จะต้องมี Return กลับมามากกว่า 2.85 เท่า

เมื่อซูมมาที่ระดับอาเซียน พบว่ามี Adoption สูงคล้ายกับภาพรวมเอเชียแปซิฟิก โดยมีองค์กร 67% ที่ Deploy AI แน่นอนในปีนี้ ไม่ใช่แค่ Considering หรือ Early Stage โดยที่ Hybrid Inquiry สูงถึง 70% ส่วน Agentic AI จะถูกโฟกัสมากขึ้น 91% เมื่อเปรียบเทียบในระดับภูมิภาค เกาหลีนำเทรนด์ Agentic AI ที่ 74% ขณะที่อินเดียอยู่ที่ 59% ส่วนไทยอยู่ใน Top 3 ที่ 67%

หากแบ่งตามอุตสาหกรรม Telco นำที่ 88% ตามด้วย BFSI หรือกลุ่มธนาคารและการเงิน และ Retail ในขณะที่ภาครัฐใช้น้อยที่สุดในกลุ่ม โดย Deploy AI เพียง 41%

AI PC ครองครึ่งพอร์ต และเปิดตัว Lenovo Qira บุก Personal AI Ecosystem

มาฟากของ Lenovo เอง สัดส่วน AI PC โตขึ้นแบบก้าวกระโดด จากเมื่อ 2 ปีที่แล้วยังไม่ถึง 10% ของพอร์ต ปีที่แล้วขยับเป็น 20% Mix และในปีนี้ AI PC คิดเป็น 50% ของ Portfolio Mix เป็นที่เรียบร้อย หรือพูดง่ายๆ คือครึ่งหนึ่งของสินค้าที่ขายเป็น AI PC แล้ว และ Lenovo กำลังพัฒนาก้าวต่อไปสู่ Agent Native Device

ไฮไลต์ที่ Lenovo เปิดตัวที่งาน CES ในรอบ Launch ที่ Sphere คือ Lenovo Qira ระบบ AI Ecosystem ตัวใหม่ที่จะพัฒนาไปสู่ AI Super Agent Ecosystem โดย Personal AI ของ Lenovo มี Ecosystem ที่กว้างมาก ครอบคลุมตั้งแต่ Sensing Device, Wearable Device และแว่น AI เป็น Interactive Computing แบบครบวงจร โดยมีเครื่องหมายของ Lenovo Qira อยู่ตรงกลาง

จุดเด่นของ Lenovo Qira คือสามารถทำงานได้ทั้งบน On-Premise และ On-Cloud ในขณะที่ AI ตัวอื่นๆ ในตลาดวันนี้ต้องออน Internet เท่านั้น แต่ Qira สามารถทำงาน Offline ได้ ในวิดีโอสาธิต Qira ทำงานร่วมกับแว่น Concept Glasses เห็นในสิ่งที่ผู้ใช้เห็น เข้าใจสภาพแวดล้อมรอบตัว สามารถสรุปสิ่งที่พลาดไประหว่างวันได้ ทั้งอีเมลจากเพื่อนร่วมงาน ภาพจากครอบครัว เปิดเอกสารที่กำลังร่างอยู่ วิเคราะห์ Article พร้อมแนะนำการแก้ไข จัดรูปแบบ และส่งอีเมลออกไปได้โดยรับคำสั่งเพียงสั้นๆ

ที่น่าสนใจคือ Wearable ที่ห้อยคออยู่ ซึ่งเป็น AI Wearable Proof of Concept ทำหน้าที่บันทึกช่วงเวลาสำคัญตลอดวัน เปรียบเหมือนเพื่อนคนหนึ่งที่มานั่งฟังการประชุมด้วย เมื่อเสร็จประชุม ผู้ใช้สามารถถาม Qira ได้ว่าเกิดอะไรขึ้นบ้าง Qira จะบอกได้ทันทีว่ามีการโต้เถียงกันอย่างรุนแรงระหว่างใครกับใคร เนื้อหาส่วนใหญ่เถียงกันเรื่องอะไร บทสรุปคืออะไร และจะกลับมาประชุมอีกทีเมื่อไหร่ พร้อมลงนัดในปฏิทินให้เรียบร้อย

ทั้งหมดนี้ทำงานร่วมกันแบบ Seamless ระหว่าง Motorola Ecosystem และ Lenovo Ecosystem จัดการนัดหมายจากโทรศัพท์มือถือแล้ว Sync เข้าไปที่ Copilot Outlook สามารถ Retrieve งานขึ้นมาให้ AI ช่วยวิเคราะห์ แก้ไข และส่งงานได้โดยไม่ต้องออน Internet เมื่อกลับมา Online อีเมลก็จะออกจาก Outbox เป็น Sent Item อัตโนมัติ

XIQ ยกเครื่อง Enterprise Infrastructure จาก Silos สู่ Seamless

ในฝั่ง Infrastructure AI Lenovo มองว่าตลาดกำลังเปลี่ยนผ่านจาก Traditional Compute สู่ Cloud Compute และก้าวต่อไปคือ AI Compute ที่ต้องเป็น Hybrid วิสัยทัศน์ของ Lenovo คือการนำพาธุรกิจไปสู่ Enterprise AI Twins โดยเชื่อว่า Data Knowledge Make Enterprise Intelligence Possible and Imperative

XIQ คือ Key Success Factor ของ Enterprise Infrastructure ใหม่ของ Lenovo เป็น AI Agentic ตัวล่าสุดที่ฝังอยู่ใน Infrastructure ของ Server เดิมที การให้ Server ทำงานต้องป้อนคำสั่งและวิเคราะห์ทีละเรื่อง การทำงานแบบนี้เรียกว่า Silos แต่ XIQ สามารถวิเคราะห์ แนะนำ และตัดสินใจให้ผู้ใช้งานได้ทั้งหมด

ด้านซ้ายของภาพคือ Enterprise แบบเดิมที่งานบางส่วนอยู่บน Cloud บางส่วนอยู่ที่ Device ต้อง Retrieve ข้อมูลทีละอันแล้วสร้าง Correlation ระหว่างงาน IT Operation ต้องใช้คนคิด วิเคราะห์ ตัดสินใจ ในขณะที่ XIQ สามารถเชื่อมโยงข้อมูลระหว่าง Multi-Device Multi-Platform แบบ Seamless วิเคราะห์ Anticipate คาดเดาปัญหาที่จะเกิดขึ้นล่วงหน้า ป้องปรามปัญหา แนะนำวิธีแก้ และตัดสินใจแก้ปัญหา ทำงานเร็วกว่าปกติหลายสิบเท่า

แพลตฟอร์มใหญ่ที่ XIQ เข้าไปทำงาน แบ่งเป็น 3 ก้อนหลัก ก้อนแรกคือ Hybrid Cloud ทำให้ลูกค้าที่ใช้ Infrastructure ของ Lenovo กับ Cloud ของใครก็ตามทำงานร่วมกันได้แบบไม่ Silo อีกต่อไป ก้อนที่สองคือ Digital Workplace Platform ที่ทำ Hyper-Personalized Experience สามารถ Detect ล่วงหน้าได้ว่าซอฟต์แวร์ที่ใช้ ไม่ว่าจะเป็น ERP หรือ SAP ควรจะนำมาวิเคราะห์ต่อยอดธุรกรรมอย่างไรให้เกิด Productivity สูงสุด และก้อนสุดท้ายคือ Agent Platform ที่ Manage Across Platform ได้เร็วและ Seamless กว่า

Use Case ทั่วโลก จาก Singapore Logistics ถึง FIFA และ Healthcare

Lenovo นำเคสเหล่านี้ไป Apply ที่ลูกค้าทั่วโลกเป็นจำนวนมาก หนึ่งใน Success Case ที่น่าสนใจคือ ST Logistics ในสิงคโปร์ ซึ่งมีลักษณะคล้ายกับ WHA ของไทย ทำธุรกิจ Logistics และ Warehousing แต่ไม่ได้แค่ใช้ Robot ยกของขึ้นลง Robot จะทำงานได้ Optimize สูงสุดเมื่อใส่ AI Infrastructure เพิ่มเข้าไป Sensoring จะดูเลยว่าออเดอร์ที่เข้ามาในระบบวิ่งไปหยิบของที่ไหนบ่อย จากนั้น Manage Warehouse ได้ว่า Pallet ไหนใช้บ่อย Pallet ไหนไม่บ่อย ทำให้ Robot วิ่ง Efficient ขึ้น และเมื่อ IoT Optimize เต็มที่ ก็กลายเป็น Dark Warehouse ที่ไม่ต้องเปิดไฟเพราะไม่มีคน

ตัวอย่างที่ใกล้กว่านั้นคือโรงงานผลิต Computer ของ Lenovo ที่เทียนจิน ซึ่งเป็น Zero Electricity ปิดไฟผลิต ผลิตได้วันละหลายหมื่นเครื่อง โดยมีเจ้าหน้าที่เพียง 1 คน ดูแค่ Monitor หน้าจอ ทั้งหมดเป็น Robotic 100% เพราะ Robot ไม่ต้องใช้ตามอง ใช้ Sensoring 100% Efficiency สูงเพราะหุ่นยนต์ไม่มีความผิดพลาดและไม่หลุดรอดสายตา

ในวงการกีฬา Lenovo เป็น Official Partner ของ FIFA และ Technology Sponsor ของ Formula 1 รวมถึง FIFA World Cup ที่จะเตะเดือนหน้า เทคโนโลยีของ Lenovo รับผิดชอบทั้งระบบเช็คล้ำหน้า Goal Line การ Reverse Angle ภาพช้า รวมถึงการถ่ายทอดสด AI สามารถแนะนำได้ว่าเมื่อบอลพาสไปจุดไหน ควรจะ Switching กล้องตัวไหน โดยไม่จำเป็นต้องใช้คน Manual Switching ทำให้การถ่ายทอดสดมีความ Seamless มากขึ้น เช่นเดียวกับ Formula 1 ที่ Frame Rate สูงระดับ 1 ต่อแสน 1 ต่อหมื่น เทคโนโลยี AI สามารถ Capture และตัดต่อให้ผู้ชมเห็นมุมมองในรถ มุมมองของ Controller ได้ทันสถานการณ์

ในประเทศไทย Nice Apparel ได้ Deploy AI Infrastructure SAP HANA แบบ For HANA ใช้ในการวิเคราะห์ Line Production การผลิตเสื้อผ้า ขณะที่มหาวิทยาลัยขอนแก่นใช้ Digital Workplace Solution ที่มุ่งเน้นเรื่อง Carbon Dioxide Offset ซื้อบริการของ Lenovo เพื่อช่วยลดการปล่อยก๊าซเรือนกระจก ซึ่งเป็น Service ที่ Lenovo เคยให้ข้อมูลกับสื่อตั้งแต่ปีที่แล้ว และเริ่มเห็นการ Deploy จริงในหลายองค์กร

ด้าน Healthcare เดิมหมอต้องเอาฟิล์ม X-Ray มาดู แต่วันนี้ AI สามารถอ่านค่าและบอกได้เลยว่าเจอ Symptom ตรงไหน รอยเปื้อนน่าจะเป็นอะไร โดยเฉพาะการวินิจฉัยมะเร็งที่ต้องการ Second Opinion หรือ Third Opinion ในประเทศคาซัคสถาน Lenovo ใช้ AI Device ร่วมกับ AI Infrastructure วิเคราะห์มะเร็งได้เร็วกว่าปกติถึง 10 เท่าตัว ในอนาคตเมื่อเป็น Digital Twins จะยิ่งง่ายกว่านี้ เพราะสามารถจำลองคนที่มีบุคลิกคล้ายผู้ป่วย เพื่อทดสอบว่าเมื่อให้ Chemotherapy แล้วผลจะเป็นอย่างไร แทนที่จะให้คีโมจริงแล้วเสี่ยงต่อร่างกาย

คอมมิทเมนต์เรื่อง Privacy, Governance และ Hybrid Strategy

ในแง่ของ AI Commitment สิ่งที่ Lenovo จะไม่ Compromise คือเรื่อง Protection, Privacy และ Governance โดยมองว่าเทรนด์การ Deploy AI ทั้งหมดจะมุ่งสู่ Security มากขึ้นเรื่อยๆ ตั้งแต่ปีนี้เป็นต้นไป

โดยสรุป Lenovo มองว่าตัวเองคือเจ้าของ Personal AI ด้วย 50% Mix Portfolio และเป็นผู้นำในตลาด PC ทั้งในไทยและทั่วโลก พร้อมก้าวสู่ Enterprise AI ผ่าน HTC, Neptune Liquid Cooling และ Public AI โดยมี XIQ เป็น Backbone ที่ทำให้ Public AI กับ On-Premise ทำงานเป็น Hybrid แบบ Seamless

หนึ่งในเคสที่น่าทึ่งคือลูกค้าที่ใช้ Server ในการผลิตหนังจำนวน 3-4 ร้อยเครื่อง Lenovo Migrate จาก Server เดิมเป็น Neptune Liquid Cooling Server เหลือเพียง 100 เครื่อง ใช้พื้นที่น้อยลง ผลิตความร้อนน้อยลง สร้างภาวะโลกร้อนน้อยลง แต่ประสิทธิภาพสูงขึ้นถึง 30% นี่คือทิศทางที่ Lenovo มองว่าลูกค้าทุกระดับ ไม่ว่าจะเป็น Consumer, Enterprise, SME หรือองค์กรขนาดใหญ่ ต้องมีเรื่อง Inclusive ความเป็นเจ้าของของ Data รวมถึงความโปร่งใสในการรับผิดชอบต่อสังคมและสิ่งแวดล้อม วันนี้ Lenovo จึงไม่ใช่บริษัทที่ขายแค่ Product อีกต่อไป แต่กลายเป็น Consultancy Service ที่ให้คำปรึกษาลูกค้าได้ในทุกภาคส่วน

ดีมานด์ AI ยังไม่ลด แม้เศรษฐกิจไม่แน่นอน

หลังจบการนำเสนอ คุณวรพจน์ได้เปิดวงสนทนากับสื่อมวลชน โดยประเด็นแรกที่ถูกหยิบขึ้นมาคือคำถามว่าในภาวะเศรษฐกิจปัจจุบัน ดีมานด์ AI Investment ลดลงหรือไม่ คำตอบจากคุณวรพจน์ค่อนข้างชัดเจนว่าไม่พบสัญญาณดีมานด์ที่ลดลงเลย เพราะวันนี้เทคโนโลยีเข้าไปอยู่ในทุกภาคส่วน แม้กระทั่งข่าวสงครามในเมืองเล็กเมืองใหญ่ก็มีการใช้ Drone มากกว่าปืนแบบเดิม ยิ่งสถานการณ์เศรษฐกิจไม่มั่นคงเท่าไหร่ องค์กรยิ่งมองหาวิธีทำให้ตัวเอง Efficient มากขึ้น ซึ่งหนทางคือการ Deploy Technology เข้ามาทำให้กำไรดีขึ้นและ Cost Effective มากขึ้น สะท้อนผ่าน Annual Demand ของ Memory ในปัจจุบันที่สูงกว่ากำลังการผลิตเกิน 3 เท่าตัวของ Annual Capacity ที่ Pending อยู่ และออเดอร์ก็ไม่มีแนวโน้มลดลงในช่วง 4-5 เดือนที่ผ่านมา ซึ่ง Lenovo ในฐานะแบรนด์ PC ขนาดใหญ่ระดับโลก ก็ได้เปรียบเรื่อง Volume Purchase เมื่อเทียบกับแบรนด์อื่น

ทำไม Hybrid Cloud จะเป็นคำตอบของปี 2026

ประเด็นต่อเนื่องคือเรื่องการโจมตี Data Center ที่กระทบต่อทิศทาง Cloud คุณวรพจน์อธิบายว่าการโจมตีเหล่านั้นส่วนใหญ่พุ่งเป้าไปที่ Data Center ของ Cloud โดยเฉพาะจุดที่ Condense ที่สุดหรือ Farm ใหญ่ที่สุด ซึ่งเป็นเหตุผลที่ Hybrid Solution กลายเป็นสิ่งที่ CIO หลายรายเห็นตรงกัน เพราะถ้าทุกคนเอาข้อมูลไปเก็บรวมกันใน Cloud Based ที่ใดที่หนึ่ง เมื่อเกิดเหตุการณ์ขึ้นความเสี่ยงก็จะสูงตาม แต่ถ้า Hybrid ถูก Deploy จริง ทุกคนจะมี Mirror อยู่ที่ไซต์ตัวเอง โอกาสเกิดการโจมตีแบบกระจัดกระจายไปทั่วโลกจึงน้อยมาก ปีนี้จึงเป็นโอกาสของ Hybrid Cloud อย่างแท้จริง สอดคล้องกับงานวิจัยที่ระบุว่ากว่า 70% ของ CIO จะ Focus มาที่ Hybrid

Back Order, Supply Chain และเกมประมูลที่เปลี่ยนไป

เมื่อสื่อถามต่อถึงปัญหา Supply Chain และ Logistics Cost ในระยะ 3-6 เดือนข้างหน้า คุณวรพจน์ระบุว่าตลอด 2 เดือนกว่าที่ผ่านมา Logistics Expense ยังไม่กระทบ แต่ Exchange Rate มีกระทบบ้างเพราะค่าเงินบาทเปลี่ยนแปลงเมื่อเทียบกับ 3 เดือนก่อน และเนื่องจาก Lenovo เป็นสินค้านำเข้าจึงได้รับผลเมื่อค่าเงินอ่อน ส่วน Logistics เองยังไม่เกิด Significant Increase ในด้านการส่งสินค้า ปัจจุบัน Lenovo มี Back Order ที่ส่งให้ลูกค้าไม่ได้พอสมควร ทั้ง Client PC และ Server แต่นี่เป็นปัญหาของทั้งอุตสาหกรรม ไม่ใช่เฉพาะ Lenovo และด้วย Scale ที่ใหญ่ก็ทำให้ได้ Allocation มากกว่าแบรนด์อื่น ทำให้ยัง Retain ตำแหน่งผู้นำตลาดในไตรมาสล่าสุดได้ ทั้งนี้คาดว่าสถานการณ์นี้จะยังไม่ดีขึ้นในอนาคตอันใกล้ อย่างน้อยลากยาวถึงสิ้นปี

ฝั่งการประมูลภาครัฐและภาคเอกชนก็มีภาพที่ต่างกัน ภาคเอกชนยังพูดคุยกันได้ มีการจัดเตรียมงบประมาณใหม่เพื่อประมูลใหม่ แต่ภาครัฐที่วาง TOR มาค่อนข้างนาน ราคาที่ยื่นต่ำกว่าราคาต้นทุนเยอะมาก หลาย Vendor จึงไม่สามารถเข้าร่วมประมูลได้ มีปรากฏการณ์ที่ไม่มีใครยื่นเลยเพราะขาดทุนหนัก ในมุมยอดขายโดยรวม Consumer ในช่วงต้นปียังคงโตเพราะลูกค้า Forsee ว่าราคาจะโดดขึ้น เลยรีบซื้อ ตัวเลข Spike ขึ้นต่อเนื่อง 3 เดือน ขณะที่ Commercial Project ภาครัฐ Decline ชัดเจน แต่ Mid Market หรือองค์กรขนาดกลางกลับซื้อเพิ่มขึ้นอย่างมีนัยสำคัญ และมีการซื้อแบบ As a Service มากขึ้นเพื่อไม่ต้องกังวลเรื่องราคาขึ้นลง ทำให้ภาพรวมของ Lenovo ยังโตปีต่อปีแบบนิดๆ

Client PC ขึ้น 30%, Server กระโดด 300% กับเคส RAM ระยองที่กลายเป็น "ทอง"

มาถึงประเด็นเรื่องราคาที่ปรับขึ้นและการบริหารจัดการ Net Plastic คุณวรพจน์อธิบายว่าราคาขึ้นเยอะตามต้นทุน Shortage ตั้งแต่ Memory, SSD, CPU ไปจนถึง GPU เมื่อ Component มากกว่า 60-70% อยู่ในภาวะขาดแคลน ต้นทุนสูงขึ้น Lenovo จึงปรับราคาขึ้นทุกเดือนตั้งแต่เดือนธันวาคมปีที่แล้วต่อเนื่องมาถึงปัจจุบัน อย่างน้อยเดือนละ 1 รอบ แต่ตัว PC Client ยอดจำหน่ายไม่ตก Server อาจส่งของไม่ทันบ้าง แต่ยังโต Double Digit เมื่อเทียบกับปีที่แล้ว ในแง่การบริหารจัดการ Lenovo เคยพูดถึง Net Zero ปี 2050 โดยภายใน 3-4 ปีข้างหน้า (2030) ต้อง Halfway Through 50% เคสมหาวิทยาลัยขอนแก่นเป็นหนึ่งในโปรเจกต์ Net Zero โดยมีออปชันให้ลูกค้าเลือก Configure To Order (CTO) เช่น ลูกค้าองค์กรซื้อ 100 เครื่องใส่กล่องเดียวแบบ Stack ลดวัสดุ เลือกสินค้า Recycle 100% เลือกโหมดขนส่งแบบไฟฟ้าที่ไม่ใช้ Fuel และออก Carbon Offset Certification ให้ลูกค้า Lenovo เริ่มทำเรื่องนี้ตั้งแต่ปี 2020 ครบ 6 ปีแล้ว ทำให้ต้นทุนไม่สวิงมากเกินไป

เมื่อสื่อขอให้สรุปตัวเลขราคาที่ปรับขึ้นแบบเป็นรูปธรรม คุณวรพจน์ระบุว่า Client PC ปรับขึ้นกว่า 30% เมื่อเทียบกับปลายปีที่แล้ว ส่วน Server ปรับขึ้นประมาณ 3 เท่าตัว หรือ 300% ลูกค้ายังซื้อเพราะกังวลว่าจะขึ้นไปอีก ไม่หยุดแค่ 300% มีเคสตัวอย่างที่น่าสนใจคือลูกค้าที่ระยอง ต้นปีที่แล้ว Distributor อยาก Clear Stock ทิ้ง RAM มาให้ 700 ชิ้นที่ราคา 2,000 บาทต่อชิ้น วันนี้กลับ Resell ที่หน้าบ้านในราคา 32,000 บาทต่อใบ ตัวเลขที่เปลี่ยนใน 8 เดือนนี้สะท้อนภาพความตึงตัวของตลาดได้เป็นอย่างดี

AI Infrastructure ไทย: Telco และ Banking นำ ภาครัฐยังตามไม่ทัน

ในมุมความพร้อมของ AI Infrastructure ในประเทศไทย คุณวรพจน์มองว่าสอดคล้องกับงานวิจัยที่ Telco ของไทยล้ำหน้าไปพอสมควร Deploy ไปเยอะแล้ว FSI Banking ก็เช่นกัน ส่วนอุตสาหกรรมอื่นยังมี Room ให้โตอีกเยอะ โดยเฉพาะภาครัฐ ที่ยังไม่ได้ Deploy แบบเป็นชิ้นเป็นอัน ยัง Deploy แบบจุดโน้นจุดนี้ ยังไม่ Seamless เชื่อมโยงกัน เพราะ AI จะทำงานได้ดีก็ต่อเมื่อทุกภาคส่วนที่ลงทุนทำงานร่วมกันเท่านั้น เมื่อสื่อตามต่อด้วยคำถามเรื่อง Weakness ของไทยในเชิง Infrastructure คุณวรพจน์ระบุว่าปัจจุบันมีช่องโหว่เรื่อง Security ค่อนข้างหลากหลายในหลายประเทศรวมถึงไทย เป็นเรื่องที่เข้าไปแก้กันเยอะ อีกเรื่องคือ API หลายองค์กรใช้ ERP ของแบรนด์ดัง การจะนำ ERP หรือ Back End Operating System นั้นๆ มาใช้ AI ต่อยอดต้องใช้ ISV และโปรแกรมเมอร์เขียน API Code ปีนี้นโยบายของ Lenovo จึงเน้นสร้าง ISV Community ที่โฟกัส Vertical หลักอย่าง Manufacturing, Retail, Healthcare เป็น Primary และมี Secondary ในกลุ่ม Banking เพื่อเมื่อลูกค้ามี Inquiry สามารถนำ ISV จับมือกับ Engineer ของ Lenovo ไปคุยรับโจทย์ เขียน Code ทำ POC ให้เกิด Error น้อยที่สุดแล้ว Deploy เพราะนี่คือ Solution ที่ต้อง Personalize ไม่สามารถใช้ซอฟต์แวร์ตัวเดียวจบทุกบ้านได้

ส่วนเรื่องความพร้อมของ Data ในประเทศไทย คุณวรพจน์มองว่ายังต้องใช้เวลาอีกพักใหญ่ ภาครัฐเห็นชัดว่าข้อมูลของแต่ละหน่วยยังไม่ Link กัน 100% มีหลายเคสที่จดหมายจับความเร็วมาแล้วยังต่อภาษีได้อยู่ องค์กรเอกชนก็เช่นกัน เคยเจอ Corporate ที่พัฒนาในเชิง IT ดีมาก แต่ไม่สามารถ Link ไปที่ Warehouse และ Finance ได้ กลายเป็น AI 3 ก้องที่ไม่คุยกัน Warehouse มี AI ของตัวเอง Finance มี AI วิเคราะห์ R&D ก็มี แต่ไม่ Seamless เมื่อวิเคราะห์ได้ว่าสินค้าตัวนี้ขายไม่ดี ก็ต้องเอาเข้าที่ประชุมแทนที่จะ Link ไป Agentic บอก Warehouse ลดสั่งซื้อ ในประเด็นที่เกี่ยวเนื่องกัน เมื่อสื่อถามว่า Lenovo Qira จะรองรับภาษาไทยเมื่อไหร่ คำตอบคือตอนนี้ยังไม่มีภาษาไทย ปีนี้ยังเป็นภาษาอังกฤษไปก่อน มีแผนแต่ยังไม่ใช่ปีนี้

กระแส AI PC, Windows 11 และสัดส่วน B2B กับ B2C ปี 2026

ปิดท้ายด้วยคำถามเรื่องตลาด AI PC ในประเทศไทย ที่คุณวรพจน์มองว่าคนเริ่มเห็นความต้องการมากขึ้น เช่น คนที่เล่น Claude บน CPU Core i3 ธรรมดาจะเห็นว่า Render ภาพแล้วเครื่องหมุนติ้ว ทำให้เริ่มรู้แล้วว่าต้องมี NPU ทำงานร่วมกับ GPU โชคดีที่ต้นทุน NPU ไม่ขึ้น ขึ้นเฉพาะ Memory ทำให้ Price Gap ระหว่าง PC ทั่วไปกับ AI PC ลดลง เพราะ PC ทั่วไปแพงขึ้นจาก CPU, GPU, Memory, SSD ที่ขึ้น ขณะที่ AI PC แพงอยู่แล้วและไม่ได้แพงขึ้นเท่าไหร่ ผนวกกับ AI Tools เป็น Common Practice เมื่อใช้กับ Device ที่อืดก็ Enforce ให้ต้อง Migrate เหมือนการเปลี่ยนโทรศัพท์เมื่อ OS อืด ทุกวันนี้ AI PC จึงเป็น Common Use แต่ก็ยังมีลูกค้าที่ซื้อ AI PC ตัวท็อปไปอวดเพื่อนโดยไม่ได้ใช้ AI Features อยู่ใน Portion ที่ Significant

ในแง่กำลังซื้อ คุณวรพจน์ยอมรับว่าราคาที่ปรับขึ้นซ้ำเติมระดับหนึ่ง อยู่ในยุคที่เศรษฐกิจไม่ง่าย GDP ถูก Revise ลงเหลือ 1.6 เมื่อต้นทุนขึ้นอย่างมีนัยสำคัญ ราคาขายก็ต้องปรับขึ้นตาม แต่ Factor บวกคือเทคโนโลยีขาดไม่ได้ องค์กรอาจต้องปรับการใช้จ่ายส่วนอื่นเพื่อลงทุนกับ IT ที่คุ้มกว่า โชคดีที่ Lenovo อยู่ในอุตสาหกรรมที่มีความต้องการสูงในเรื่องเหล่านี้ และอีกตัวเร่งคือการหยุด Service ของ Windows 11 ปีที่แล้วคนอาจยังไม่เปลี่ยนทันที แต่เมื่อผ่านไป 6-8 เดือน เริ่มชัดว่าเปิดไฟล์เพื่อนแล้วไม่เหมือนเพื่อน Edit กลับไม่ได้ Lenovo จึงพยายามรักษาราคาต่ำกว่า 20,000 บาทเอาไว้บางส่วนเพื่อลดภาระผู้บริโภค แต่กลุ่มสินค้าขายดีที่สุดในตลาด Consumer ตอนนี้คือกลุ่มหมื่นปลายๆ ถึง 20,000 กลางๆ ไม่ใช่หมื่นต้นหรือหมื่นกลาง ส่วน AI PC จะเริ่มที่ราว 20,000 กลางๆ

คำถามสุดท้ายเป็นเรื่องสัดส่วน B2B กับ B2C ในประเทศไทย โดยปีที่แล้วอยู่ที่ 70-30 โดย Commercial 70% เพราะมีโปรเจกต์ใหญ่ของกระทรวงศึกษาธิการ (MOE) ถ้าไม่รวม MOE จะอยู่ที่ราว 55-45 โดย Commercial ต้องซอยอีกเป็น SMB กับโปรเจกต์ใหญ่ ปีนี้คาดว่าสัดส่วนจะลงตัวมากขึ้นที่ SMB 25%, Consumer 35% ที่เหลือเป็นโปรเจกต์ใหญ่

ที่มา: งานแถลงข่าวกลุ่มย่อยของ Lenovo Thailand นำโดย คุณวรพจน์ ถาวรวรรณ ผู้จัดการทั่วไป Lenovo ประจำประเทศไทยและภูมิภาคอินโดจีน

สตาร์ทอัพออสเตรเลีย ทดลองใช้ 'เซลล์สมองมนุษย์' ประมวลผลแทนชิปใน Data Center หวังช่วยลดพลังงาน AI

2026-04-28T23:51:49+00:00

สตาร์ทอัปจากออสเตรเลียกำลังสร้างสิ่งที่อาจจะกลายเป็น ‘ศูนย์ข้อมูลทางชีวภาพ’ แห่งแรกๆ ของโลก โดยการทดลองนำเซลล์ประสาทของมนุษย์ที่เพาะเลี้ยงในห้องแล็บมาทำงานร่วมกับชิปคอมพิวเตอร์ เพื่อดูว่าเซลล์ที่มีชีวิตจะสามารถประมวลผลข้อมูลได้มีประสิทธิภาพและตอบโจทย์ได้ดีกว่าคอมพิวเตอร์แบบเดิมๆ หรือไม่

ทำไมเซลล์สมองมนุษย์ ถึงถูกมองว่าอาจแทนชิปได้

บริษัท Cortical Labs ซึ่งเป็นผู้อยู่เบื้องหลังโปรเจกต์นี้ ได้เปิดศูนย์ข้อมูลแห่งแรกในเมืองเมลเบิร์น และมีแผนจะขยายสาขาไปที่สิงคโปร์ แทนที่จะใช้ตู้เซิร์ฟเวอร์แบบเดิม ศูนย์แห่งนี้จะใช้ระบบที่ชื่อว่า CL1 ซึ่งเป็นการผสมผสานระหว่างชิปอิเล็กทรอนิกส์มาตรฐานเข้ากับเซลล์ประสาทมนุษย์กว่า 200,000 เซลล์ที่เพาะจากสเต็มเซลล์ เซลล์เหล่านี้จะถูกวางลงบนแผงไมโครอิเล็กโทรดที่ทำหน้าที่เป็นตัวกลางเชื่อมต่อระหว่างระบบชีววิทยาและระบบดิจิทัล คอยส่งกระแสไฟฟ้าไปกระตุ้นและบันทึกการทำงานของเซลล์แบบเรียลไทม์ พร้อมกับมีเครื่องยังชีพคอยให้อาหารและควบคุมอุณหภูมิให้เซลล์มีชีวิตอยู่ได้

ซึ่งหลักการสำคัญคือ เซลล์ประสาทของคนเราเป็นนักประมวลผลข้อมูลอยู่แล้ว มันสามารถส่งสัญญาณไฟฟ้าหากัน สร้างเส้นทางเชื่อมต่อใหม่ๆ และปรับเปลี่ยนตัวเองตามสิ่งที่เรียนรู้ ซึ่งต่างจากชิปซิลิคอนทั่วไปที่ทำได้แค่ทำตามคำสั่งที่ถูกเขียนไว้ตายตัว ก่อนหน้านี้ทีมวิจัยเคยทดลองให้เซลล์สมองในชิปหัดเล่นเกมอย่าง Pong และ Doom มาแล้ว โดยใช้ระบบให้รางวัลและบทลงโทษแบบง่ายๆ คือถ้าเซลล์ประมวลผลได้ถูกต้อง สภาพแวดล้อมจำลองจะเสถียรขึ้น แต่ถ้าทำผิดสัญญาณจะวุ่นวาย ซึ่งเซลล์ประสาทก็สามารถเรียนรู้ที่จะปรับตัวเพื่อให้ระบบกลับมาเสถียรได้จริงๆ ระบบการประมวลผลแบบนี้เรียกว่า Reservoir Computing ซึ่งเปลี่ยนข้อมูลที่รับเข้ามาให้เป็นรูปแบบที่ซับซ้อนและให้ซอฟต์แวร์ภายนอกไปแปลงค่าต่อ

เหตุผลที่วงการเทคโนโลยีเริ่มหันมาสนใจเรื่องนี้ เป็นเพราะการเติบโตอย่างก้าวกระโดดของ AI ซึ่งการเทรน AI ต้องใช้พลังงานไฟฟ้าและน้ำเพื่อระบายความร้อนในดาต้าเซ็นเตอร์มหาศาลมาก ในขณะที่สมองของมนุษย์ใช้พลังงานแค่ประมาณ 20 วัตต์ แต่กลับเก่งเรื่องการจดจำรูปแบบ เรียนรู้ และตัดสินใจภายใต้ข้อมูลที่ไม่ชัดเจนได้ดีมาก นักวิจัยเลยเชื่อว่าระบบที่ใช้เซลล์สมองน่าจะเข้ามาช่วยประมวลผลงานบางอย่างได้โดยใช้พลังงานน้อยกว่าชิปซิลิคอนอย่างเทียบไม่ติด

อย่างไรก็ตาม ระบบนี้ยังอยู่ในช่วงเริ่มต้นและมีข้อจำกัดอยู่มาก ดาต้าเซ็นเตอร์ของ Cortical Labs ตอนนี้ยังมีขนาดเล็กเท่าโต๊ะทดลอง ไม่สามารถเอาไปเทียบกับดาต้าเซ็นเตอร์ระดับโลกของ Amazon, Microsoft และ Google ได้เลย ชิปซิลิคอนก็ยังคงทำงานคำนวณและประมวลผลข้อมูลขนาดใหญ่ได้เร็วกว่ามาก

ซึ่ง Steve Fuber นักวิทยาศาสตร์คอมพิวเตอร์ และวิศวกรฮาร์ดแวร์ ก็ให้ความเห็นว่าทุกวันนี้เรายังไม่เข้าใจหลักการทำงานของสมองมนุษย์อย่างถ่องแท้เลยด้วยซ้ำ จึงยังห่างไกลมากที่จะเอาระบบชีวภาพมาใช้งานทั่วไปแบบชิปคอมพิวเตอร์ที่เรามีอยู่

นอกจากนี้การใช้เซลล์สิ่งมีชีวิตยังมีความยุ่งยากกว่าทรานซิสเตอร์ทั่วไปมาก เพราะต้องคอยให้อาหาร ควบคุมสภาพแวดล้อม มีอายุขัยที่จำกัด และผลลัพธ์ที่ได้ก็อาจจะไม่แน่นอนเท่ากับคอมพิวเตอร์ แถมยังมีประเด็นเรื่องจริยธรรมที่หลายคนเริ่มกังวลว่า หากในอนาคตระบบนี้ซับซ้อนขึ้นเรื่อยๆ เซลล์ประสาทเหล่านี้จะมีความรู้สึกนึกคิดขึ้นมาหรือไม่ ซึ่งเป็นเรื่องที่ต้องมีการตั้งกฎเกณฑ์กันต่อไป

สรุป

โปรเจกต์ของ Cortical Labs ถือเป็นก้าวแรกที่พยายามนำคอมพิวเตอร์ชีวภาพออกจากห้องแล็บมาสู่การใช้งานจริง แม้ตอนนี้ระบบจะยังเปราะบาง ใช้งานยาก และไม่สามารถสู้กับชิปคอมพิวเตอร์ในตลาดได้ แต่มันก็เปิดมุมมองใหม่ให้วงการเทคโนโลยีเห็นว่า ในอนาคตเราอาจจะไม่ต้องพึ่งพาแค่การสร้างชิปซิลิคอนให้เร็วขึ้นเพียงอย่างเดียว แต่ความซับซ้อนและคาดเดาไม่ได้ของสิ่งมีชีวิต อาจจะเข้ามามีบทบาทสำคัญในการประมวลผลข้อมูลของเครื่องจักรยุคต่อไป

อ้างอิง: livescience

NVIDIA เปิดตัว Nemotron 3 Nano Omni โมเดล AI รวมภาพ เสียง และภาษาในระบบเดียว เร่งความเร็ว AI Agent ได้สูงสุด 9 เท่า

2026-04-28T23:42:37+00:00

NVIDIA เปิดตัว Nemotron 3 Nano Omni โมเดล AI รุ่นใหม่ที่ออกแบบมาเพื่อรองรับยุค AI agent โดยเฉพาะ โดยเป็นโมเดลแบบ “Omni-modal” ที่สามารถประมวลผลข้อมูลได้หลายรูปแบบในระบบเดียว ทั้งข้อความ รูปภาพ เสียง วิดีโอ เอกสาร ตาราง ไปจนถึงหน้าจอคอมพิวเตอร์ ภายในระบบเดียว โดยตั้งเป้ายกระดับการทำงานของ AI agent ให้มีความรวดเร็ว แม่นยำ และมีประสิทธิภาพมากขึ้นในระดับองค์กร

รวมทุกความสามารถไว้ในโมเดลเดียว

โมเดลนี้ถูกออกแบบมาเพื่อแก้ปัญหาสำคัญของระบบ AI agent ในปัจจุบัน ที่ต้องใช้หลายโมเดลแยกกันสำหรับภาพ เสียง และภาษา ทำให้ต้องส่งข้อมูลไปมาหลายรอบ ส่งผลให้เกิดความล่าช้า ต้นทุนสูง และข้อมูลขาดความต่อเนื่อง แต่ Nemotron 3 Nano Omni รวมความสามารถทั้งหมดไว้ในโมเดลเดียว ช่วยลดขั้นตอนและเพิ่มความสามารถในการเข้าใจบริบทแบบครบวงจร

ในด้านประสิทธิภาพ NVIDIA ระบุว่าโมเดลนี้สามารถประมวลผลได้เร็วขึ้นถึง 9 เท่า เมื่อเทียบกับโมเดล Open omni-modal อื่น ๆ ในระดับเดียวกัน โดยยังคงความแม่นยำสูง โดยเฉพาะในงานที่ซับซ้อน เช่น การทำ การวิเคราะห์เอกสารหลายรูปแบบพร้อมกัน, การวิเคราะห์วิดีโอ และการประมวลผลเสียง

โครงสร้างระดับสูง

ด้านเทคนิค โมเดลใช้สถาปัตยกรรม 30B-A3B แบบ Hybrid Mixture-of-Experts (MoE) ที่สามารถเลือกใช้ “ผู้เชี่ยวชาญย่อย” ให้เหมาะกับแต่ละงาน ช่วยเพิ่มทั้งความเร็วและความแม่นยำ พร้อมรองรับ Context ยาวถึง 256K tokens ทำให้สามารถเข้าใจข้อมูลจำนวนมากในครั้งเดียวได้อย่างมีประสิทธิภาพ

นอกจากนี้ โมเดลยังเสริมความสามารถด้านภาพและวิดีโอด้วยเทคโนโลยีสำคัญ ได้แก่ EVS (Efficient Video Sampling) ที่ช่วยคัดเลือกเฉพาะเฟรมสำคัญเพื่อลดภาระการประมวลผลโดยยังคงบริบทหลักของวิดีโอ และ C-RADIOv4 ซึ่งเป็น Vision encoder สำหรับภาพและวิดีโอ ที่ช่วยให้โมเดลเข้าใจโครงสร้างภาพ วัตถุ และความสัมพันธ์เชิงพื้นที่ได้แม่นยำยิ่งขึ้น

Nemotron 3 Nano Omni ยังถูกวางให้เป็น “Eyes and ears” ของระบบ AI agent หรือชั้นการรับรู้ (perception layer) ที่ทำหน้าที่อ่านภาพ ฟังเสียง และเข้าใจหน้าจอ ก่อนส่งต่อข้อมูลให้โมเดลอื่นในระบบไปวิเคราะห์ วางแผน หรือสั่งงานต่อ โดยสามารถทำงานร่วมกับโมเดลอื่นในตระกูล Nemotron หรือโมเดลของผู้ให้บริการรายอื่นได้อย่างยืดหยุ่น

ตัวอย่างการใช้งานสำคัญ ได้แก่

Computer-use agents ที่สามารถอ่านและใช้งานหน้าจอคอมพิวเตอร์ได้แบบเรียลไทม์
Document intelligence สำหรับวิเคราะห์เอกสารซับซ้อนที่มีทั้งภาพ ตาราง และข้อความ
Audio & video reasoning ที่สามารถเชื่อมโยงสิ่งที่พูด สิ่งที่เห็น และบริบททั้งหมดในสตรีมเดียว

อีกจุดสำคัญคือ NVIDIA เปิดโมเดลนี้ในรูปแบบ Open weights พร้อม Dataset และเทคนิคการฝึก ทำให้องค์กรสามารถนำไปปรับแต่งและติดตั้งได้เอง ทั้งในระบบ Cloud, Data center และ On-premise เพื่อรองรับข้อกำหนดด้านความปลอดภัยและ Data sovereignty ขององค์กร

ปัจจุบัน NVIDIA ได้ร่วมมือกับ Palantir รวมถึงบริษัทกลุ่มแรกอื่น ๆ (Early adopters) ในการทดลองและประเมินการใช้งานโมเดลนี้ในระบบจริง โดยเปิดให้ใช้งานผ่านแพลตฟอร์มอย่าง Hugging Face และ OpenRouter ตั้งแต่วันที่ 28 เมษายน 2026

อ้างอิง: NVIDIA

CATL จับมือ Changan เปิดตัว Nevo A06 รถ EV แบตโซเดียมไอออนรุ่นแรกของโลก วิ่งได้ในอุณหภูมิ –40°C เตรียมขายกลางปี 2026

2026-04-28T21:27:21+00:00

อุตสาหกรรมรถยนต์ไฟฟ้าเดินเข้าสู่หมุดหมายใหม่ เมื่อ Contemporary Amperex Technology Co. Limited (CATL) จับมือกับ Changan Automobile เปิดตัว Changan Nevo A06 รถยนต์ไฟฟ้า (EV) รุ่นแรกของโลกที่ใช้ แบตเตอรี่โซเดียมไอออน (Sodium-ion) ในระดับการผลิตจริง เตรียมวางจำหน่ายในจีนช่วงกลางปี 2026

สิ่งที่ทำให้การเปิดตัวครั้งนี้สำคัญคือการที่ CATL สามารถพาเทคโนโลยีโซเดียมไอออนก้าวข้ามจากห้องทดลองสู่การใช้งานเชิงพาณิชย์อย่างเต็มรูปแบบ พร้อมยกระดับสู่การผลิตระดับ Gigawatt-hour ได้เป็นครั้งแรก เทียบเคียงกับมาตรฐาน Gigafactory ของแบตเตอรี่ลิเทียมในปัจจุบัน

แบตเตอรี่ที่พัฒนานาน 10 ปี

หัวใจของรถรุ่นนี้คือแบตเตอรี่ Naxtra ที่ CATL พัฒนามานานกว่า 10 ปี ด้วยเงินลงทุนราว 1 หมื่นล้านหยวน โดยมีความหนาแน่นพลังงาน 175 Wh/kg ซึ่งถือว่าสูงที่สุดในกลุ่มแบตเตอรี่โซเดียมไอออนที่ผลิตในระดับอุตสาหกรรม สามารถวิ่งได้ระยะทางมากกว่า 400 กิโลเมตรต่อการชาร์จหนึ่งครั้ง และมีเป้าหมายพัฒนาไปถึง 500–600 กิโลเมตรในอนาคต

แม้แบตเตอรี่โซเดียมยังมีความหนาแน่นพลังงานต่ำกว่าแบตเตอรี่ลิเธียมแบบ LFP เล็กน้อย แต่จุดแข็งสำคัญอยู่ที่ การทำงานในสภาพอากาศสุดขั้ว โดย CATL ระบุว่า ที่อุณหภูมิ –30°C แบตเตอรี่ Naxtra สามารถจ่ายพลังงานได้มากกว่า LFP เกือบ 3 เท่า และที่ –40°C ยังรักษาความจุได้มากกว่า 90% อีกทั้งยังใช้งานได้แม้ในอุณหภูมิต่ำถึง –50°C พร้อมมาตรฐานความปลอดภัยสูง ไม่เกิดควันหรือเปลวไฟแม้ถูกทดสอบการกระแทก เจาะ หรือเลื่อย

ในด้านการผลิต CATL ยืนยันว่าได้ขยายกำลังการผลิตแบตเตอรี่โซเดียมสู่ระดับกิกะวัตต์ชั่วโมงเทียบเท่าโรงงานลิเธียมสมัยใหม่แล้ว พร้อมวางแผนใช้งานใน 4 กลุ่มหลักภายในปี 2026 ได้แก่ รถยนต์นั่งส่วนบุคคล รถเชิงพาณิชย์ ระบบสลับแบตเตอรี่ และระบบกักเก็บพลังงานขนาดใหญ่ (Grid storage)

Credit: CATL

ทางเลือกใหม่ของพลังงานโลก

ข้อได้เปรียบเชิงโครงสร้างของแบตเตอรี่โซเดียมคือ ต้นทุนและความยั่งยืน เนื่องจากโซเดียมมีปริมาณมากในธรรมชาติ ไม่กระจุกตัวในบางประเทศเหมือนลิเธียม อีกทั้งไม่ต้องใช้โคบอลต์หรือนิกเกิล และสามารถใช้อลูมิเนียมแทนทองแดงในโครงสร้างได้ ทำให้มีศักยภาพเป็นทางเลือกสำคัญสำหรับระบบพลังงานในอนาคต ตั้งแต่พลังงานหมุนเวียนไปจนถึงดาต้าเซ็นเตอร์ AI

แม้ในปัจจุบันโซเดียมไออนยังมีข้อจำกัดด้านความหนาแน่นพลังงานเมื่อเทียบกับ LFP ซึ่งสามารถทำระยะทางได้มากกว่า 600 กิโลเมตรในบางรุ่น แต่ Naxtra ถูกวางตำแหน่งให้ตอบโจทย์ด้าน ความเสถียร ความปลอดภัย และต้นทุน มากกว่าการแข่งขันด้านระยะทางสูงสุด

ข้อมูลจาก Precedence Research คาดว่าตลาดแบตเตอรี่โซเดียมไอออนทั่วโลกจะเติบโตจาก 1.39 พันล้านดอลลาร์ในปี 2025 สู่ 7.81 พันล้านดอลลาร์ภายในปี 2035 และหาก CATL สามารถขยายความสำเร็จจากลิเธียมมาสู่โซเดียมได้จริง การเติบโตของตลาดนี้อาจเร็วกว่าที่คาดการณ์ไว้

การเปิดตัว Changan Nevo A06 จึงเป็นสัญญาณว่า “ยุคของแบตเตอรี่โซเดียม” กำลังเริ่มต้นขึ้นอย่างจริงจังในอุตสาหกรรมยานยนต์ไฟฟ้าโลก

อ้างอิง: Newsatlas

Google Translate เปิดตัวฟีเจอร์ ‘ฝึกออกเสียง’ ระบบจะฟังสิ่งที่พูด ผิดตรงไหน รู้ทันที พร้อมบอกคำอ่านที่ถูกต้อง

2026-04-28T20:09:42+00:00

Google ฉลองครบรอบ 20 ปีของแอปพลิเคชัน Google Translate ด้วยการปล่อยฟีเจอร์ฝึกการออกเสียง ซึ่งเป็นฟีเจอร์ที่ผู้ใช้งานเรียกร้องให้ทำมากที่สุด โดยระบบนี้จะใช้ AI คอยฟังสิ่งที่เราพูดแล้วนำมาประเมินผลและให้คำแนะนำกลับมาแบบทันที

ในตอนนี้ฟีเจอร์ฝึกการออกเสียงยังเปิดให้ใช้แค่บนมือถือระบบ Android เฉพาะในสหรัฐอเมริกาและอินเดียก่อน และยังรองรับแค่ภาษาอังกฤษ ภาษาสเปน และภาษาฮินดีเท่านั้น ถ้าแอปของใครอัปเดตแล้วจะเห็นปุ่มคำว่า ‘Practice’ โผล่ขึ้นมาด้านล่าง ซึ่งเราสามารถกดเลือกได้ว่าจะลองออกเสียงคำที่แปลไป หรือจะเลือกฟังการออกเสียงที่ถูกต้องจากเจ้าของภาษาก็ได้

ถ้าเราเลือกกดออกเสียง AI ของ Google จะประมวลผลสิ่งที่เราพูดออกมา แล้ววิเคราะห์ว่าเราออกเสียงแต่ละคำเป็นยังไง จากนั้นจะแสดงคำอ่านที่ถูกต้องให้ดูทันที ทาง Google ยกตัวอย่างคำว่า ‘jugo’ (น้ำผลไม้ในภาษาสเปน) ถ้าผู้ใช้งานเผลอไปออกเสียงตัว J แบบภาษาอังกฤษ ระบบก็จะแก้ให้และขึ้นคำอ่านที่ถูกต้องว่าต้องออกเสียงเป็น ‘HU-go’ (ฮู-โก้) ถึงจะถูกตามสำเนียงสเปน

นอกจากนี้ Google ยังบอกว่าประมาณหนึ่งในสามของคนที่ใช้แอปบนมือถือ มักจะใช้งานเพื่อฝึกพูดและฟังสำหรับเอาไปใช้คุยในชีวิตประจำวัน ฟีเจอร์นี้เลยเข้ามาช่วยตอบโจทย์ได้ดีมากๆ บริษัทยังเผยสถิติเพิ่มเติมด้วยว่าตอนนี้แอป Translate รองรับภาษาต่างๆ มากกว่า 250 ภาษาแล้ว ซึ่งรวมถึงภาษาพื้นเมืองและภาษาที่เสี่ยงจะสูญหายด้วย ปัจจุบันมีคนใช้งานแอปนี้มากกว่า 1 พันล้านคนต่อเดือน และมีการแปลคำศัพท์มากกว่า 1 ล้านล้านคำในทุก ๆ เดือน

สรุป

การเพิ่มฟีเจอร์การฝึกออกเสียงถือเป็นของขวัญครบรอบ 20 ปีของ Google Translate ที่มีประโยชน์และใช้งานได้จริงในชีวิตประจำวัน ช่วยเปลี่ยนแอปแปลภาษาธรรมดาให้กลายเป็นเครื่องมือฝึกพูดแบบพกพา ถึงแม้ตอนนี้จะยังใช้ได้แค่บางประเทศและบางภาษา แต่ก็คาดว่าในอนาคตน่าจะทยอยเปิดให้ผู้ใช้งานประเทศอื่นๆ ได้ใช้งานกันอย่างแน่นอน

อ้างอิง:

เปิดรายงาน ‘Project Thara’ เจาะลึกตลาด RWA Tokenization ไทย เครื่องมือระดมทุนยุคใหม่สำหรับภาคธุรกิจ กับโอกาสโต 1.7 ล้านล้านบาท

2026-04-28T18:00:00+00:00

การเข้าถึงแหล่งเงินทุนที่มีประสิทธิภาพ เป็นหัวใจสำคัญของการสร้างความได้เปรียบในการแข่งขันทางธุรกิจ ยิ่งในยุคดิจิทัล Asset Tokenization ยิ่งมีบทบาทมากขึ้น โดยกลายเป็นเครื่องมือสำคัญที่ภาคธุรกิจใช้เข้าถึงแหล่งเงินทุนในตลาดการเงินชั้นนำ เนื่องจากช่วยเพิ่มการหมุนเวียนเงินทุน (Capital Velocity) ได้อย่างรวดเร็ว และผลักดันให้ฐานการลงทุนขยายตัวได้กว้างขึ้นแบบก้าวกระโดด

เช่นที่ ‘Project Thara’ รายงานการวิจัยเชิงลึกซึ่ง Kubix ผู้ให้บริการระบบเสนอขายโทเคนดิจิทัล (ICO Portal) ภายใต้ Orbix Group บริษัทในกลุ่มกลุ่มธุรกิจทางการเงินของธนาคารกสิกรไทย ร่วมจัดทำกับ Onigiri Capital กองทุนร่วมลงทุนภายใต้เครือ Saison Capital จากประเทศญี่ปุ่น นำเสนอภาพรวมและทิศทางของการแปลงสินทรัพย์ในโลกจริงให้เป็นโทเคนดิจิทัล (Real-World Asset Tokenization) ในประเทศไทย ตลอดจนความพร้อมด้านโครงสร้างพื้นฐานของไทย ว่าเป็นรากฐานสำคัญสำหรับการเปลี่ยนผ่านการระดมทุนรูปแบบเดิมของภาคธุรกิจ สู่ ‘โอกาสในตลาด RWA Tokenization ไทยที่มีมูลค่ากว่า 5.1 หมื่นล้านดอลลาร์’

เจาะลึกมูลค่าโอกาสระดมทุนผ่าน RWA Tokenization 1.7 ล้านล้านบาท ในตลาดไทย

รายงาน Project Thara เผยการประเมินกลุ่มสินทรัพย์ในประเทศไทยที่มีความพร้อมสำหรับการแปลงเป็นโทเคนดิจิทัล ภายในปี 2573 ซึ่งครอบคลุมทั้งกลุ่มสินทรัพย์ที่ดำเนินการได้ในปัจจุบันและกลุ่มที่มีศักยภาพขยายตัวตามพัฒนาการด้านกฎระเบียบในอนาคต ว่าประเทศไทยมีโอกาสสร้างมูลค่าทางเศรษฐกิจผ่าน RWA Tokenization ได้สูงถึง 5.1 หมื่นล้านดอลลาร์ หรือราว 1.7 ล้านล้านบาท โดยแบ่งตามกลุ่มสินทรัพย์ได้ดังนี้

พันธบัตรรัฐบาล ซึ่งอาจเป็นโอกาสใหญ่สุดอยู่ที่ราว 27,000 ล้านดอลลาร์ (8.8 แสนล้านบาท)
หุ้นกู้เอกชน โอกาสอยู่ที่ราว 11,000 ล้านดอลลาร์ (3.5 แสนล้านบาท)
ตราสารกลุ่มสีเขียว/ESG ราว 5,000 ล้านดอลลาร์ (1.6 แสนล้านบาท)
การลงทุนในต่างประเทศ ราว 4,000 ล้านดอลลาร์ (1.3 แสนล้านบาท)
สินเชื่อสำหรับ SME อาจอยู่ที่ประมาณ 3,000 ล้านดอลลาร์ (9.8 หมื่นล้านบาท)
อสังหาริมทรัพย์/โครงสร้างพื้นฐาน ราว 1,000 ล้านดอลลาร์ (3.2 หมื่นล้านบาท)

วิเคราะห์ปัจจัยหนุนไทย พร้อมเป็นศูนย์กลางตลาดทุนดิจิทัล

ที่บอกว่า อนาคตของโลกการเงินดิจิทัลในประเทศไทยมีโอกาสอีกมาก เพราะที่ผ่านมา คนไทย องค์กรไทย เปิดรับเทคโนโลยีใหม่ๆ และสามารถ ‘เปลี่ยนผ่าน’ การชำระเงินแบบดั้งเดิม (จ่ายเงินสด) เป็นการชำระเงินผ่านช่องทางออนไลน์ ผ่านเทคโนโลยีดิจิทัล (โอนผ่าน Promptpay) ได้ทั้งประเทศ จนประเทศไทยได้รับการยอมรับในฐานะผู้นำด้านระบบการชำระเงินหรือ Cashless Society ของภูมิภาคอาเซียน

จากความเปลี่ยนแปลงด้านการชำระเงินที่เกิดขึ้น ในรายงาน Project Thara ชี้ให้เห็นการพัฒนาโครงสร้างพื้นฐานของไทยที่สถาบันการเงินระดับสากลให้การยอมรับ ทั้งยังนำเสนอภาพที่ใหญ่กว่า โอกาสที่เปิดกว้างยิ่งกว่า นั่นคือ การยกระดับประเทศไทยสู่การเป็น ‘ศูนย์กลางของตลาดทุนดิจิทัล (Digital Capital) ที่จับต้องได้ในระดับสถาบัน’

สำหรับปัจจัยสนับสนุนว่าประเทศไทยสามารถยกระดับเป็น 'ศูนย์กลางตลาดทุนดิจิทัล' อย่างแข็งแกร่งได้นั้น ใน Project Thara อธิบาย 3 ประเด็นที่องค์กรธุรกิจควรจับตา - คว้าโอกาส ดังนี้

1. ไทยเปลี่ยนผ่านจากโครงการนำร่อง RWA Tokenization สู่การใช้งานจริงในระดับสถาบัน

Project Thara ระบุชัดว่า Tokenization ในไทยก้าวพ้นช่วงการทดลองใช้เข้าสู่การใช้งานจริงในเชิงพาณิชย์ (Commercial Reality) แล้ว และความสำเร็จนี้ไม่ได้มาจากการใช้เทคโนโลยีบล็อกเชนเพียงอย่างเดียว แต่เกิดจากความพร้อมของโครงสร้างพื้นฐานระดับชาติอย่างระบบ NDID และความชัดเจนของกรอบกฎหมายที่รองรับ Investment Token อย่างเป็นรูปธรรม ซึ่งภาคส่วนที่นำความเปลี่ยนแปลงนี้มาสู่ตลาดไทยคือ สถาบันการเงิน ที่ดำเนินการสอดคล้องไปกับการกำกับดูแลโดยหน่วยงานภาครัฐ

สำหรับองค์กรธุรกิจ Tokenization คือเครื่องมือในการเปลี่ยน ‘สินทรัพย์’ ให้เป็น ‘พลังขับเคลื่อนการระดมทุน’ ซึ่งมีความยืดหยุ่นในการระดมทุนสูงกว่าการระดมทุนแบบดั้งเดิม องค์กรจึงสามารถออกแบบโครงสร้างผลตอบแทนจากกระแสเงินสดรายโครงการได้อย่างแม่นยำ และจุดนี้เองที่จะทลายข้อจำกัดด้านสภาพคล่อง พร้อมกับสร้างโอกาสในการขยายธุรกิจโดยใช้ศักยภาพที่แท้จริงของสินทรัพย์เป็นตัวนำได้

2. RWA Tokenization ยกระดับประสิทธิภาพการบริหารทุนได้จริง

รายงาน Project Thara ระบุว่า จุดเด่นที่แท้จริงของการทำ RWA Tokenization ไม่ใช่เพียงการลดต้นทุนในช่วงเริ่มต้น แต่เป็นการ ‘เพิ่มประสิทธิภาพการดำเนินธุรกิจในระยะยาว’ ผ่านระบบสัญญาอัจฉริยะ (Smart Contract) ที่เข้ามาจัดการสิทธิประโยชน์และการชำระราคาอัตโนมัติ จึงช่วยลดภาระงานหลังบ้านและแก้ปัญหาการตรวจสอบข้อมูลและการกระทบยอดข้อมูลที่ซ้ำซ้อน (Reconciliation) ระหว่างสถาบัน ซึ่งมักเป็น ‘ต้นทุนแฝงจำนวนมหาศาล’ ที่มักถูกมองข้ามเมื่อใช้การระดมทุนในรูปแบบเดิม

และอีกสิ่งที่ต้องตอกย้ำคือ การใช้ Smart Contract ทำงานบนระบบฐานข้อมูลเดียวกันนี้ ยังทำให้การชำระราคามีความโปร่งใสและตรวจสอบข้อมูลการถือครองแบบเรียลไทม์ได้อีกด้วย

3. RWA Tokenization สร้าง ‘Inclusive Opportunities’ ให้นักลงทุนทุกกลุ่มเข้าถึงได้ง่ายขึ้น

ด้วยแนวคิดในการแปลงสินทรัพย์ในโลกจริงให้เป็นโทเคนดิจิทัล (Real-World Asset Tokenization) ซึ่งส่งผลให้หน่วยลงทุนเล็กลง (Fractionalization) และทำให้สินทรัพย์ระดับสถาบัน (Institutional-grade Assets) ที่เคยจำกัดอยู่เฉพาะกลุ่มทุนขนาดใหญ่ กลายเป็นโอกาสที่นักลงทุนรายย่อยเข้าถึงได้ง่ายขึ้น ดังนั้น การปรับเปลี่ยนหน่วยลงทุนดังกล่าวไม่เพียงแต่ช่วยขยายฐานผู้ลงทุนให้กว้างขวางและแข็งแกร่งกว่าเดิม แต่ยังช่วย 'ปลดล็อกโอกาส’ ในการสร้างสภาพคล่อง (Liquidity) ให้สินทรัพย์ที่เคยมีกำแพงด้านวงเงินลงทุนสูง มีโอกาสหมุนเวียนเปลี่ยนมือได้ง่ายขึ้นบนแพลตฟอร์มดิจิทัล

จากข้อมูลในรายงาน Project Thara ความสำเร็จของตลาดทุนดิจิทัลไทยที่ก้าวข้ามช่วงการทดลองใช้ RWA Tokenization สู่การใช้งานจริง (Execution) ในระดับสถาบันอย่างเต็มตัว บนโครงสร้างพื้นฐานที่สถาบันการเงินไทยวางรากฐานไว้ก่อนแล้ว จึงชี้ให้เห็นประตูสู่โอกาสมูลค่า 1.7 ล้านล้านบาทสำหรับองค์กรธุรกิจไทย จากการเข้าระดมทุนและยกระดับสินทรัพย์ที่ถือครองอยู่สู่โทเคนดิจิทัล

โดยทาง Kubix พร้อมสนับสนุนภาคธุรกิจในฐานะพันธมิตรทางยุทธศาสตร์ ตั้งแต่ขั้นสำรวจโอกาสในโลก RWA Tokenization ออกแบบโทเคนดิจิทัล เชื่อมโยงสินทรัพย์ในภาคเศรษฐกิจจริงเข้าสู่ตลาดทุนดิจิทัล ไปจนถึงกระบวนการระดมทุนจนสำเร็จอย่างเป็นรูปธรรม เพื่อช่วยสร้างความได้เปรียบทางการแข่งขันที่ยั่งยืนให้ภาคธุรกิจในโลกยุคใหม่

สำหรับภาคธุรกิจที่สนใจสำรวจโอกาสในโลก RWA Tokenization
ติดต่อ contact.us@kubix.co
และติดตามรายละเอียดเพิ่มเติมทาง www.kubix.co หรือ https://www.facebook.com/Kubix.DigitalAsset

--------------------------------

หมายเหตุ: ตัวเลขแสดงมูลค่าสินทรัพย์ที่มีศักยภาพในการแปลงสินทรัพย์เป็นโทเคนดิจิทัล (Addressable opportunity) ไม่ใช่การคาดการณ์มูลค่าตลาดที่จะเกิดขึ้นจริง และครอบคลุมทั้งกลุ่มสินทรัพย์ที่สามารถดำเนินการได้ภายใต้กฎเกณฑ์ปัจจุบัน และกลุ่มที่มีโอกาสขยายตัวตามพัฒนาการของกรอบกฎหมายในอนาคต

--------------------------------

บทความนี้เป็น Advertorial

Ineffable Intelligence มาแล้ว AI Startup คนระดับตำนาน David Silver ผู้สร้าง AlphaGo

2026-04-28T01:01:52+00:00

ชายที่สร้าง AlphaGo กำลังทำอะไรอยู่ และทำไมนักลงทุนระดับโลกถึงเดิมพัน 3.7 หมื่นล้านบาทกับเขา

ถ้าคุณเคยได้ยินชื่อ AlphaGo คุณรู้จัก David Silver แล้ว แม้จะไม่รู้ชื่อเขา

ปี 2559 โลกตื่นตะลึงเมื่อโปรแกรม AI เอาชนะ Lee Sedol แชมป์โลกโกะได้ 4 ต่อ 1 เกม เพราะก่อนหน้านั้น โกะถูกมองว่าเป็นเกมที่ซับซ้อนเกินกว่า AI จะเล่นได้ในอีกหลายสิบปี แต่ AlphaGo ทำลายความเชื่อนั้นในคืนเดียว และชายที่ยืนอยู่เบื้องหลังโปรแกรมนั้นคือ David Silver หัวหน้าทีม reinforcement learning ของ DeepMind

ตอนนี้ Silver ออกมาตั้งบริษัทของตัวเอง ชื่อ Ineffable Intelligence และระดมทุนได้ 1.1 พันล้านดอลลาร์ (ราว 3.7 หมื่นล้านบาท) ในรอบเดียว !

David Silver คือใคร

Silver เกิดปี 2519 เรียนที่ Cambridge รุ่นเดียวกับ Demis Hassabis ผู้ก่อตั้ง DeepMind ก่อนจะผันตัวไปทำบริษัทเกม Elixir Studios ในฐานะ CTO แล้วกลับเข้าวงการวิชาการอีกครั้งในปี 2547 เพื่อเรียนปริญญาเอกด้าน reinforcement learning ที่ University of Alberta ประเทศแคนาดา

Reinforcement learning คือเทคนิคที่ให้ AI เรียนรู้ผ่านการลองผิดลองถูก ไม่ใช่การศึกษาตัวอย่างที่มนุษย์สร้างขึ้น เหมือนเด็กที่เรียนรู้การเดินจากการล้มแล้วลุกขึ้นใหม่ ไม่ใช่จากการอ่านคู่มือ ซึ่งตรงข้ามกับ LLM อย่าง ChatGPT ที่กลืนกินข้อมูลจากมนุษย์มหาศาลก่อนจะรู้อะไรได้

Silver เข้าร่วม DeepMind ในปี 2556 และนำทีมสร้างผลงานที่กลายเป็นหมุดหมายของ AI หลายชิ้น อาทิ

AlphaGo (2559) AI ที่เอาชนะแชมป์โลกโกะ Lee Sedol ตีพิมพ์ใน Nature กลายเป็นข่าวใหญ่ระดับโลก
AlphaZero (2560-2561) พัฒนาต่อให้เรียนรู้หมากรุก โกะ และโชกิ ด้วยการเล่นกับตัวเองเท่านั้น ไม่ดูบันทึกการแข่งขันของมนุษย์แม้แต่เกมเดียว แล้วเอาชนะโปรแกรมระดับโลกทุกตัว
AlphaStar (2562) AI ที่เล่น StarCraft II ได้ระดับโปรเกมเมอร์
มีส่วนร่วมใน AlphaFold และ AlphaProof

ปี 2562 เขาได้รับ ACM Prize in Computing รางวัลอันทรงเกียรติที่สุดในวงการวิทยาศาสตร์คอมพิวเตอร์ และปี 2564 ได้รับเลือกเป็น Fellow of the Royal Society

Ineffable Intelligence บริษัทใหม่ของเขาคืออะไร

Silver ก่อตั้ง Ineffable Intelligence ในเดือนพฤศจิกายน 2568 และออกจาก DeepMind อย่างเป็นทางการในเดือนมกราคม 2569 หลังทำงานที่นั่นมากกว่าทศวรรษ

ชื่อ Ineffable แปลว่า อธิบายไม่ได้ด้วยคำพูด ซึ่งสะท้อนวิสัยทัศน์ของบริษัท นั่นคือการสร้าง AI ที่ค้นพบความจริงที่มนุษย์ยังไม่เคยรู้

เป้าหมายของบริษัทคือสร้าง superlearner หรือ AI ที่ค้นพบความรู้และทักษะได้ด้วยตัวเอง โดยไม่ต้องพึ่งข้อมูลจากมนุษย์ ต่างจาก LLM รุ่นปัจจุบันที่ต้องกินข้อความหลายล้านล้านคำจากอินเทอร์เน็ตก่อนจะทำงานได้

แนวคิดนี้ต่อยอดตรงจาก AlphaZero ที่พิสูจน์แล้วว่า AI สามารถคิดเองในขอบเขตของเกมได้ Silver เชื่อว่าหลักการเดียวกันนี้สามารถขยายออกไปครอบคลุมความรู้ทุกด้านได้

บนเว็บไซต์บริษัท เขาเขียนไว้ว่า "หากสำเร็จ นี่จะเป็นความก้าวหน้าทางวิทยาศาสตร์ที่ยิ่งใหญ่เทียบเท่า Darwin: ที่กฎของเขาอธิบายชีวิตทั้งหมด กฎของเราจะอธิบายและสร้าง Intelligence ทั้งหมด"

ปกติบริษัท startup ระดมทุนเป็นรอบ ตั้งแต่ seed (รอบแรก) ไปจนถึง Series A, B, C ตามลำดับ แต่ 1.1 พันล้านดอลลาร์สหรัฐฯ ของ Ineffable คือรอบ seed ซึ่งเป็นรอบแรกสุดที่บริษัทระดมทุน ตอนที่ยังไม่มีผลิตภัณฑ์ใดเลย วงการจึงเรียกปรากฏการณ์นี้ว่า coconut round ล้อเลียนว่ามันใหญ่เกินกว่าจะเรียก seed ได้อีกต่อไป และเกิดขึ้นเฉพาะกับบริษัทที่ก่อตั้งโดยนักวิจัย AI ระดับตำนาน ที่นักลงทุนยอมทุ่มเงินก้อนใหญ่ตั้งแต่วันแรกโดยอาศัยแค่ชื่อและประวัติของผู้ก่อตั้ง

รอบนี้มีนักลงทุนหนักมาก ทั้งฝั่ง VC ชั้นนำอย่าง Sequoia Capital, Lightspeed Venture Partners และ Index Ventures รวมถึงบริษัทเทคโนโลยีอย่าง Google และ Nvidia และที่น่าสนใจคือรัฐบาลอังกฤษก็ร่วมลงทุนด้วยผ่าน British Business Bank และ Sovereign AI กองทุน AI แห่งชาติที่เพิ่งเปิดตัว

Danny Rimer จาก Index Ventures อธิบายว่าทำไมถึงลงทุน เพราะ Silver ไม่ใช่แค่นักทฤษฎีที่เก่ง แต่เป็นคนที่พิสูจน์ซ้ำแล้วซ้ำเล่าว่าสามารถเอาไอเดียออกมาสร้างเป็นของจริงได้ ซึ่งหาได้ยากมากในวงการวิจัย AI

ตอนนี้ Ineffable Intelligence ยังไม่มีผลิตภัณฑ์ให้ดู นักลงทุนกำลังเดิมพันกับชื่อและประวัติของ Silver ล้วน ถ้าสำเร็จ มันจะเปลี่ยนวิธีที่ AI สร้างความรู้ไปตลอดกาล แต่ถ้าไม่มันก็คือ seed round ที่แพงมาก ๆ ในประวัติศาสตร์อังกฤษ

อ้างอิง: techcrunch, Fortune, Royal Society Fellow

สัญญาณอันตราย ไทยหายจากแผนที่ Asia AI Super-highway เมื่อยักษ์ใหญ่ SKT เลือกเวียดนาม

2026-04-28T00:41:03+00:00

นี่คือข้อมูลที่เราทุกคนต้องตื่นตัว ภาพบนหน้าจอสไลด์นี้ คือ แผนที่ที่ลากเส้นต่อจุด Asia AI Super-highway ยุทธศาสตร์นี้ถูกนำเสนอโดย Ryu Young-sang CEO แห่ง SK Telecom ผู้นำที่กำลังพายักษ์ใหญ่โทรคมนาคมข้ามฟากไปสู่การเป็น Global AI Company แบบเต็มตัว

แต่ประเด็นที่น่าชวนคิด (และน่ากังวล) คือเส้นที่ลากเชื่อมจาก Singapore ตรงไปยัง Ho Chi Minh โดยไม่มีจุดแวะพักที่ชื่อ Bangkok ปรากฏอยู่เลย นี่คือหลักฐานที่สะท้อนว่า ในวันที่โลกกำลังจัดแถวห่วงโซ่อุปทาน AI ใหม่ ไทยเราอาจกำลังถูกลืม เพียงเพราะเรายังหา Value Proposition หรือจุดเด่นของตัวเองไม่เจอในสายตาพาร์ทเนอร์ระดับโลก

พีระมิดยุทธศาสตร์คุมเกมต้นน้ำยันปลายน้ำ

Ryu Young-sang ไม่ได้เสนอแค่แนวคิด แต่เขาโชว์พิมพ์เขียวที่แข็งแกร่งอย่าง AI Pyramid Strategy เพื่อควบคุม Ecosystem ของ AI แบบเบ็ดเสร็จ

AI Infrastructure (The Base): ฐานรากที่เน้น Chips และ Energy โดยมี SK Hynix เป็นหัวหอกผลิต HBM (High Bandwidth Memory) ร่วมกับ NVIDIA และ TSMC พร้อมรุกการลงทุนในพลังงานสะอาดอย่าง TerraPower เพื่อรองรับการกินไฟมหาศาลของ Data Center เพราะในโลก AI พลังงานคือทรัพยากรใหม่ที่ล้ำค่าไม่แพ้ชิป

AI Transformation (The Core): หรือชั้น AIX ที่นำ AI ไปปฏิวัติธุรกิจเดิม (Legacy Business) จุดนี้เองที่ SKT ตัดสินใจลงทุนมหาศาลใน Anthropic เพื่อพัฒนา Multi-lingual LLM สำหรับกลุ่มธุรกิจโทรคมนาคมโดยเฉพาะ พร้อมดึงกลุ่ม K-AI Alliance เข้ามาจัดการระบบ Cloud และ Data คุณภาพสูง

AI Service (The Top): ยอดพีระมิดที่เข้าถึงผู้ใช้งานจริง เช่น AI Agent ในชื่อ A. (A-dot) ที่ทำหน้าที่เป็นเลขาอัจฉริยะ เพื่อสร้างรายได้และเก็บ First-party Data จากผู้บริโภคโดยตรง

Asia AI Super-highway ทุกคนมีหน้าที่ชัดเจน ยกเว้นเรา?

หากเราพิจารณาแผนที่ Asia AI Super-highway ของ Ryu Young-sang อย่างละเอียด จะเห็นว่านี่ไม่ใช่แค่การเชื่อมต่อโครงข่ายอินเทอร์เน็ตความเร็วสูง แต่มันคือการขีดเส้นแบ่งงานกันทำ (Global Division of Labor) ในยุค AI ครั้งใหม่ เพื่อคานอำนาจกับมหาอำนาจอย่างสหรัฐฯ และจีนที่กินส่วนแบ่งตลาดส่วนใหญ่ไปในปัจจุบัน

Ryu มองเห็นภาพจิ๊กซอว์ของเอเชียที่ถูกวางไว้อย่างเป็นระบบ โดยแต่ละเมืองทำหน้าที่เป็นหัวใจในจุดที่ตัวเองถนัดที่สุด เช่น

Seoul (South Korea): ทำหน้าที่เป็น The Brain of Hardware ด้วยสถานะเจ้าตลาด Memory Chip และการเป็นผู้เล่นเบอร์หนึ่งด้าน HBM (High Bandwidth Memory) ซึ่งเป็นหัวใจสำคัญที่ทำให้ชิปประมวลผล AI ของ NVIDIA ทำงานได้เต็มประสิทธิภาพ
Taipei (Taiwan): คือ The Factory of World ด้วยความแข็งแกร่งของ TSMC และระบบนิเวศการผลิต Foundry รวมถึง Server ที่ไม่มีใครเลียนแบบได้ ทำให้ไต้หวันกลายเป็นสถานีผลิตที่โลกขาดไม่ได้
New Delhi (India): รับบทเป็น The Engine of Code ขุมพลังมหาศาลจากทรัพยากรมนุษย์ และความเชี่ยวชาญด้าน Software Development ที่พร้อมจะปรับตัวเข้ากับยุค AI Agentic Workflows ได้เร็วกว่าใคร
Singapore & Ho Chi Minh (The Finance & New Production Hub): สิงคโปร์ยังคงทำหน้าที่เป็นมันสมองด้านการเงินและโครงสร้างพื้นฐานระดับไฮเอนด์ ในขณะที่โฮจิมินห์ซิตี้กำลังถูกปั้นให้เป็นฐานการผลิตแห่งใหม่ที่มีศักยภาพสูงและต้นทุนที่แข่งขันได้ ซึ่งล่าสุด SK Group เพิ่งประกาศอัดฉีดเม็ดเงินลงทุนก้อนโตไปที่นั่น

คำถามสำคัญที่ทิ้งไว้ให้คนไทยตระหนักคือ... แล้วตำแหน่งของ Bangkok อยู่ตรงไหนในห่วงโซ่นี้ ?

การที่เวียดนามถูกปักหมุดอย่างชัดเจนบนสไลด์ของ CEO ระดับโลก ขณะที่ชื่อของกรุงเทพฯ หายไปจากเส้นทางหลัก คือเสียงสะท้อนที่เจ็บปวดว่า ในสายตาพาร์ทเนอร์ระดับโลก ไทยกำลังตกขบวนเพราะขาดความชัดเจน เราไม่มีชื่อในฐานะผู้ผลิตชิปต้นน้ำ (อย่างเกาหลี/ไต้หวัน) เราไม่ใช่ฐาน Software (อย่างอินเดีย) และตอนนี้เรากำลังโดนท้าทายในฐานะฐานการผลิตปลายน้ำ (จากเวียดนาม)

นี่คือสัญญาณเตือนภัยที่บอกว่า ไทยจะใช้วิธีการแบบเดิมที่เน้นแค่การดึงดูดการลงทุนด้วยสิทธิประโยชน์ทางภาษี หรือการเป็นทางผ่านแบบเดิมไม่ได้อีกต่อไป หากเราไม่รีบสร้าง Value Proposition หรือจุดเด่นที่โลก AI ขาดไม่ได้ เราอาจจะเหลือสถานะเป็นเพียงพื้นที่ที่ทางด่วนนี้ตัดผ่านไป โดยที่ความมั่งคั่งและนวัตกรรมไม่ได้หยุดแวะพักที่หน้าบ้านเราเลยแม้แต่น้อย

3 บทเรียนถึงไทย จุดเด่นเราคืออะไร?

หากเราไม่อยากให้แผนที่ Asia AI Super-highway เป็นเพียงเส้นทางที่ข้ามหัวเราไปสู่ประเทศเพื่อนบ้าน ไทยจำเป็นต้องรีบทำการบ้านครั้งใหญ่เพื่อนิยามบทบาทของตัวเองบนเวทีโลกให้ชัดเจน นี่ไม่ใช่แค่การรอให้ใครมาลงทุน และนี่คือ 3 ยุทธศาสตร์ที่อาจเป็นทางรอดสำคัญ

1. Strategic Sandbox

คนไทยขึ้นชื่อเรื่องอัตราการปรับตัวเข้ากับเทคโนโลยีใหม่ที่เร็วเป็นอันดับต้น ๆ ของโลก ไม่ว่าจะเป็น Digital Payment หรือ Social Commerce ข้อมูลเหล่านี้คือ Data Context มหาศาลที่มีลักษณะเฉพาะตัวสูงมาก เราควรวางตำแหน่งตัวเองเป็นพื้นที่ทดลองสำหรับ AI Solution ใหม่ๆ

โดยเฉพาะในมิติของ AI Creative & Content Hub ด้วยต้นทุนทางวัฒนธรรมที่แข็งแกร่งและการสร้างสรรค์คอนเทนต์ที่ไม่เป็นรองใคร หากเราสามารถเทรน AI ให้เข้าใจบริบทที่ซับซ้อนของเอเชียตะวันออกเฉียงใต้ผ่านข้อมูลของไทยได้ เราจะเป็นจิ๊กซอว์สำคัญที่บริษัทระดับโลกต้องวิ่งเข้าหาเพื่อใช้เป็นสปริงบอร์ดในการ Scale ธุรกิจไปทั่วภูมิภาค

2. Green Power Hub

ความท้าทายที่ใหญ่ที่สุดของยุค AI ไม่ใช่แค่เรื่องของโมเดลหรือซอฟต์แวร์ แต่คือ พลังงาน เพราะการประมวลผลของ Data Center และ AI ชิปนั้นกินไฟมหาศาล หากประเทศไทยสามารถผลักดันโครงสร้างพื้นฐานด้านพลังงานสะอาด (Renewable Energy) ให้มีความเสถียรและมีราคาที่แข่งขันได้จริง เราจะกลายเป็น สถานีเติมพลังงานที่สำคัญที่สุดบนเส้นทาง Super-highway นี้ทันที เพราะในอนาคตอันใกล้ นักลงทุนระดับโลกจะไม่เลือกประเทศที่มีเพียงแค่โครงสร้างพื้นฐานที่ดี แต่จะเลือกประเทศที่สามารถตอบโจทย์ความยั่งยืนและ Net Zero ได้ด้วย

3. AI Governance & Safe Zone

ในวันที่ความขัดแย้งทางภูมิรัฐศาสตร์เข้มข้นขึ้นเรื่อย ๆ ความเชื่อมั่นในความปลอดภัยของข้อมูล กลายเป็นสินค้าที่ราคาแพงที่สุด ไทยเริ่มต้นได้ดีในการวางรากฐานกฎหมายและจริยธรรม AI (AIGC) หากเราสามารถยกระดับความชัดเจนของระเบียบข้อบังคับให้เป็นมาตรฐานสากลและมีความเป็นกลาง เราจะสามารถวางตำแหน่งเป็น Safe Zone หรือเขตปลอดภัยด้านข้อมูลของภูมิภาคได้ สิ่งนี้จะเป็นแม่เหล็กสำคัญที่ดึงดูดการลงทุนจากบริษัทเทคโนโลยีที่ต้องการมองหาฐานที่ตั้งที่มั่นคง ปลอดภัย และมีความเสี่ยงทางการเมืองต่ำ

คำกล่าวของ Ryu ที่ว่า "In AI Era, those who move together win together" คือคำเตือนว่าถ้าเราไม่มีจุดเด่นที่โลกต้องการ เราจะเป็นได้แค่พื้นที่ที่ทางด่วนนี้ตัดผ่านไปโดยไม่มีใครหยุดมอง

Meta เซ็นดีล Overview Energy เตรียมใช้ดาวเทียมส่งแสงอินฟราเรดจากอวกาศ สู่ Solar Farm ปลดล็อกโซลาร์ให้ผลิตไฟได้ตลอดคืน

2026-04-27T23:41:55+00:00

การแข่งขันด้านพลังงานสำหรับยุค AI กำลังเข้าสู่มิติใหม่ เมื่อ Meta Platforms ลงนามข้อตกลงกับสตาร์ทอัพ Overview Energy เพื่อพัฒนาโซลูชันผลิตไฟฟ้าในเวลากลางคืน ด้วยการส่งพลังงานจากอวกาศลงมายังโลกผ่านลำแสงอินฟราเรด โดยตั้งเป้าให้โซลาร์ฟาร์มสามารถผลิตไฟฟ้าได้อย่างต่อเนื่องตลอด 24 ชั่วโมง

AI กินไฟระดับ “เมือง”

ในปี 2024 ดาต้าเซ็นเตอร์ของ Meta ใช้ไฟฟ้ามากกว่า 18,000 กิกะวัตต์ชั่วโมง เทียบเท่าการใช้พลังงานของบ้านกว่า 1.7 ล้านหลังในสหรัฐฯ ต่อปี และแนวโน้มยังเพิ่มขึ้นต่อเนื่องตามการขยายตัวของ AI และโมเดลขนาดใหญ่ บริษัทจึงตั้งเป้าพัฒนาแหล่งพลังงานหมุนเวียนรวม 30 กิกะวัตต์ โดยเน้นโซลาร์ฟาร์มขนาดอุตสาหกรรมเป็นหลัก อย่างไรก็ตาม ข้อจำกัดสำคัญของพลังงานแสงอาทิตย์ยังคงเป็นเรื่องการผลิตไฟในช่วงเวลากลางคืน ซึ่งปัจจุบันต้องอาศัยแบตเตอรี่หรือแหล่งพลังงานอื่นเข้ามาเสริม

ส่ง “แสง” จากอวกาศลงมา

Overview Energy เสนอแนวทางที่แตกต่าง โดยพัฒนา ยานอวกาศที่สามารถเก็บเกี่ยวพลังงานแสงอาทิตย์ในวงโคจร ซึ่งไม่มีข้อจำกัดเรื่องกลางวันหรือสภาพอากาศ จากนั้นแปลงพลังงานเป็นแสงอินฟราเรดใกล้ (Near-infrared) และส่งลงมายังโซลาร์ฟาร์มบนโลกเพื่อแปลงกลับเป็นไฟฟ้าอีกครั้ง

วิธีนี้ใช้ลำแสงกว้างแทนการใช้เลเซอร์กำลังสูงหรือไมโครเวฟ เพื่อลดความเสี่ยงด้านความปลอดภัยและข้อจำกัดด้านกฎระเบียบ โดยบริษัทระบุว่าลำแสงดังกล่าวปลอดภัยต่อมนุษย์

ดีลแรก 1 กิกะวัตต์จากอวกาศ

ข้อตกลงระหว่าง Meta และ Overview เป็นลักษณะการจองกำลังการผลิต (Capacity reservation) สูงสุด 1 กิกะวัตต์จากระบบพลังงานอวกาศของบริษัท แม้ยังไม่มีการเปิดเผยรายละเอียดด้านมูลค่าทางการเงิน แต่ถือเป็นก้าวแรกของการนำเทคโนโลยีนี้เข้าสู่การใช้งานจริง Overview ยังพัฒนาแนวคิดหน่วยวัดใหม่ที่เรียกว่า “Megawatt Photons” เพื่ออธิบายปริมาณแสงที่ใช้ในการผลิตไฟฟ้าในระดับเมกะวัตต์

บริษัทมีแผนส่งดาวเทียมขึ้นสู่วงโคจรแบบ Geosynchronous orbit ซึ่งสามารถลอยอยู่เหนือจุดเดิมของโลก โดยจะเริ่มทดสอบการส่งพลังงานจากอวกาศในปี 2028 และคาดว่าจะเริ่มปล่อยดาวเทียมเชิงพาณิชย์ในช่วงปี 2030 เป้าหมายระยะยาวคือการสร้างเครือข่ายดาวเทียมมากถึง 1,000 ดวง แต่ละดวงมีอายุการใช้งานมากกว่า 10 ปี และสามารถครอบคลุมพื้นที่ได้ราวหนึ่งในสามของโลก

โครงข่ายพลังงานระดับโลก

Overview มองว่าโอกาสสำคัญไม่ได้อยู่แค่การผลิตพลังงาน แต่คือความสามารถในการส่งพลังงานไปยังพื้นที่ที่ต้องการได้ในเวลาที่เหมาะสม เมื่อโลกหมุนเข้าสู่ช่วงกลางคืน ดาวเทียมสามารถเพิ่มปริมาณพลังงานให้โซลาร์ฟาร์มในพื้นที่นั้นได้ทันที ทำให้ระบบพลังงานมีความยืดหยุ่นมากขึ้น และลดการพึ่งพาเชื้อเพลิงฟอสซิลในระยะยาว

แม้แนวคิดพลังงานจากอวกาศจะมีศักยภาพสูงในการแก้ปัญหาข้อจำกัดของพลังงานหมุนเวียน แต่ยังมีความท้าทายสำคัญ ทั้งด้านต้นทุนการพัฒนา การส่งดาวเทียมขึ้นสู่วงโคจร และประสิทธิภาพของการแปลงพลังงานหลายขั้นตอน อย่างไรก็ตาม การเคลื่อนไหวครั้งนี้สะท้อนให้เห็นชัดว่า ในยุคที่ AI ต้องการพลังงานเพิ่มขึ้นอย่างก้าวกระโดด คำตอบของระบบพลังงานในอนาคตอาจไม่ได้จำกัดอยู่เพียงบนพื้นโลกอีกต่อไป

อ้างอิง: TechCrunch

LINE MAN Wongnai เปิดตัว AI Customer Service ดูแลร้านค้า ได้ใช่แค่ 'ตอบคำถาม' แต่ 'แก้ปัญหาจบครบในที่เดียว

2026-04-27T23:22:11+00:00

ร้านค้าไม่ใช่แค่ 'ผู้ใช้งาน' แต่คือ 'พาร์ทเนอร์' ที่ต้องได้รับการดูแลอย่างต่อเนื่อง ดังนั้น Customer Service สำหรับร้านค้า จึงต้องไม่หยุดอยู่แค่การให้ข้อมูล แต่ต้องเป็นช่องทางที่ช่วยให้ร้านค้าสามารถดำเนินธุรกิจได้อย่างราบรื่น โดยเฉพาะอย่างยิ่ง ร้านเปิดรับออเดอร์ผ่านฟู้ดเดลิเวอรี แล้วจู่ๆ เกิดเหตุออเดอร์ค้าง ทำไม่ทัน ทุกนาทีคือรายได้ร้านที่หายไป

การดูแลจึงไม่ได้จบแค่ “การตอบคำถาม” แต่คือการ “แก้ไขปัญหาการดำเนินงานให้จบครบในที่เดียว” จึงเกิดความตั้งใจพัฒนา AI Customer Service โดยร่วมกับ LINE Plus ภายใต้โปรเจ็กต์ ActEngine AI ในการพัฒนา AI เข้ามาช่วยดูแลร้านค้าพาร์ทเนอร์มากกว่า 700,000 ร้านทั่วประเทศ

AI Customer Service สำหรับร้านค้า คือใคร มาทำอะไร

AI Customer Service คือ ช่องทางติดต่อสำหรับร้านค้าของ LINE MAN ที่ถูกพัฒนาขึ้นเป็น “มากกว่า Chatbot ทั่วไป” แต่เป็นผู้ช่วยส่วนตัวที่ดูแลร้านค้าได้แบบ End-to-End ที่มากกว่ารับเรื่อง ตอบคำถาม แต่สามารถแก้ไขปัญหาได้โดยอัตโนมัติ รวมถึงการเชื่อมต่อข้อมูลร้านค้าไว้ในที่เดียว

จากความซับซ้อน สู่การวางรากฐานระบบใหม่

ปัจจุบันเจ้าหน้าที่ดูแลร้านค้า มีการจัดการตอบคำถามร้านค้ากว่า 360,000 เคสต่อปี โดยแต่เคสจะมีความซับซ้อนที่แตกต่างกัน ซึ่งส่งผลกระทบถึงร้านค้าโดยตรง อาทิ การอัปเดตเมนู การจัดการคำสั่งซื้อ แก้ไขปัญหาการชำระเงิน เป็นต้น

ดังนั้น ทีมพัฒนาจึงออกแบบโครงสร้างพื้นฐานใหม่ทั้งหมด ตั้งแต่การออกแบบ SOP มากกว่า 100 รายการ และถูกปรับนำเข้าไปอยู่ในรูปแบบที่ AI สามารถนำไปใช้ได้จริง รวมถึงปรับโครงสร้างพื้นฐาน เพื่อให้การดูแลร้านค้าไม่ได้จบแค่ “การตอบคำถาม” แต่คือการ แก้ไขปัญหาการดำเนินงานให้จบครบในที่เดียว” อีกทั้งยังช่วยให้ร้านค้าแก้ปัญหาได้ถูกต้องตั้งแต่ครั้งแรก ลดการติดต่อซ้ำ

สิ่งที่น่าสนใจคือ AI Customer Service นี้ ถูกพัฒนาโดยใช้ข้อมูลจากการสนทนาจริงจากร้านค้า (Real Chat) เป็นฐานข้อมูลในการเรียนรู้ ทำให้ระบบเข้าใจความต้องการของร้านค้าอย่างแท้จริง

มากกว่า “เครื่องมือ” คือผลลัพธ์ที่พิสูจน์ได้

ผลลัพธ์หลังจากมาใช้งานจริง นอกจากช่วยจัดการร้านค้าอัตโนมัติจำนวน 360,000 เคสต่อปีแล้ว ยังช่วยลดระยะเวลาจัดการเคสมากกว่า 66% เพิ่มความแม่นยำขึ้น 16% เมื่อเทียบกับการให้บริการโดยพนักงานเดิม

เพราะร้านค้า คือพาร์ทเนอร์คนสำคัญ

การพัฒนา AI Customer Service ไม่ใช่แค่การเพิ่มฟีเจอร์ใหม่ แต่สะท้อนวิธีคิดของ LINE MAN Wongnai ในฐานะบริษัทเทคโนโลยีที่ใหญ่ที่สุดในไทย ที่นำเทคโนโลยีมาสนับสนุนการเติบโตของ พาร์ทเนอร์ ที่ไม่ใช่แค่ให้บริการส่งอาหาร เพราะเมื่อร้านค้ามีปัญหาน้อยลง แก้ปัญหาได้เร็วขึ้นดำเนินงานได้อย่างไม่สะดุด นั่นหมายความว่าลูกค้าปลายทางหรือลูกค้า ก็ได้รับประสบการณ์ที่ดีขึ้นด้วย เช่นกัน

techsauce

ผลประกอบการ Record High ทั้งส่วนแบ่งตลาด รายได้ และกำไร

งานวิจัยกับ IDC ชี้ปี 2026 เป็นปีที่ AI ต้องสร้างผลตอบแทนคืน ไม่ใช่ปีของการทดลองอีกต่อไป

จาก 29% สู่ 66% สัดส่วนองค์กรที่ Deploy AI จริงเพิ่มขึ้นอย่างก้าวกระโดด

5 ข้อจำกัดสำคัญที่ CIO ทั่วโลกเจอ และเหตุผลที่ Hybrid จะมาแรงปี 2026

AI PC ครองครึ่งพอร์ต และเปิดตัว Lenovo Qira บุก Personal AI Ecosystem

XIQ ยกเครื่อง Enterprise Infrastructure จาก Silos สู่ Seamless

Use Case ทั่วโลก จาก Singapore Logistics ถึง FIFA และ Healthcare

คอมมิทเมนต์เรื่อง Privacy, Governance และ Hybrid Strategy

ดีมานด์ AI ยังไม่ลด แม้เศรษฐกิจไม่แน่นอน

ทำไม Hybrid Cloud จะเป็นคำตอบของปี 2026

Back Order, Supply Chain และเกมประมูลที่เปลี่ยนไป

Client PC ขึ้น 30%, Server กระโดด 300% กับเคส RAM ระยองที่กลายเป็น "ทอง"

AI Infrastructure ไทย: Telco และ Banking นำ ภาครัฐยังตามไม่ทัน

กระแส AI PC, Windows 11 และสัดส่วน B2B กับ B2C ปี 2026

สตาร์ทอัพออสเตรเลีย ทดลองใช้ 'เซลล์สมองมนุษย์' ประมวลผลแทนชิปใน Data Center หวังช่วยลดพลังงาน AI

ทำไมเซลล์สมองมนุษย์ ถึงถูกมองว่าอาจแทนชิปได้

สรุป

NVIDIA เปิดตัว Nemotron 3 Nano Omni โมเดล AI รวมภาพ เสียง และภาษาในระบบเดียว เร่งความเร็ว AI Agent ได้สูงสุด 9 เท่า

รวมทุกความสามารถไว้ในโมเดลเดียว

โครงสร้างระดับสูง

CATL จับมือ Changan เปิดตัว Nevo A06 รถ EV แบตโซเดียมไอออนรุ่นแรกของโลก วิ่งได้ในอุณหภูมิ –40°C เตรียมขายกลางปี 2026

แบตเตอรี่ที่พัฒนานาน 10 ปี

ทางเลือกใหม่ของพลังงานโลก

Google Translate เปิดตัวฟีเจอร์ ‘ฝึกออกเสียง’ ระบบจะฟังสิ่งที่พูด ผิดตรงไหน รู้ทันที พร้อมบอกคำอ่านที่ถูกต้อง

สรุป

เปิดรายงาน ‘Project Thara’ เจาะลึกตลาด RWA Tokenization ไทย เครื่องมือระดมทุนยุคใหม่สำหรับภาคธุรกิจ กับโอกาสโต 1.7 ล้านล้านบาท

เจาะลึกมูลค่าโอกาสระดมทุนผ่าน RWA Tokenization 1.7 ล้านล้านบาท ในตลาดไทย

วิเคราะห์ปัจจัยหนุนไทย พร้อมเป็นศูนย์กลางตลาดทุนดิจิทัล

1. ไทยเปลี่ยนผ่านจากโครงการนำร่อง RWA Tokenization สู่การใช้งานจริงในระดับสถาบัน

2. RWA Tokenization ยกระดับประสิทธิภาพการบริหารทุนได้จริง

3. RWA Tokenization สร้าง ‘Inclusive Opportunities’ ให้นักลงทุนทุกกลุ่มเข้าถึงได้ง่ายขึ้น

Ineffable Intelligence มาแล้ว AI Startup คนระดับตำนาน David Silver ผู้สร้าง AlphaGo

David Silver คือใคร

Ineffable Intelligence บริษัทใหม่ของเขาคืออะไร

สัญญาณอันตราย ไทยหายจากแผนที่ Asia AI Super-highway เมื่อยักษ์ใหญ่ SKT เลือกเวียดนาม

พีระมิดยุทธศาสตร์คุมเกมต้นน้ำยันปลายน้ำ

Asia AI Super-highway ทุกคนมีหน้าที่ชัดเจน ยกเว้นเรา?

3 บทเรียนถึงไทย จุดเด่นเราคืออะไร?

1. Strategic Sandbox

2. Green Power Hub

3. AI Governance & Safe Zone

Meta เซ็นดีล Overview Energy เตรียมใช้ดาวเทียมส่งแสงอินฟราเรดจากอวกาศ สู่ Solar Farm ปลดล็อกโซลาร์ให้ผลิตไฟได้ตลอดคืน

AI กินไฟระดับ “เมือง”

ส่ง “แสง” จากอวกาศลงมา

ดีลแรก 1 กิกะวัตต์จากอวกาศ

โครงข่ายพลังงานระดับโลก

LINE MAN Wongnai เปิดตัว AI Customer Service ดูแลร้านค้า ได้ใช่แค่ 'ตอบคำถาม' แต่ 'แก้ปัญหาจบครบในที่เดียว

AI Customer Service สำหรับร้านค้า คือใคร มาทำอะไร

จากความซับซ้อน สู่การวางรากฐานระบบใหม่

มากกว่า “เครื่องมือ” คือผลลัพธ์ที่พิสูจน์ได้

เพราะร้านค้า คือพาร์ทเนอร์คนสำคัญ