🤖 DeepSeek ทำให้อุตสาหกรรม AI เปลี่ยนไปอย่างไร | ฉบับย่อยให้ง่ายขึ้น
เมื่อเร็วๆ นี้ โปรเจกต์ DeepSeek จากจีนได้ปล่อยโมเดล AI ที่มีประสิทธิภาพสูงออกสู่ตลาดแบบโอเพนซอร์ส ซึ่งนำไปสู่คำถามสำคัญเกี่ยวกับแนวโน้มของอุตสาหกรรม AI ทั่วโลก ความเคลื่อนไหวนี้ส่งผลกระทบอย่างมากต่อวิธีการพัฒนาและการแข่งขันของบริษัทต่างๆ โดยเฉพาะบริษัทเทคโนโลยีขนาดใหญ่ในสหรัฐฯ เช่น OpenAI, Google, Meta และ Microsoft
✅ DeepSeek คืออะไร?
DeepSeek เป็นโครงการที่ดำเนินการโดยกลุ่มนักวิจัยจากจีน ซึ่งอาจได้รับการสนับสนุนจากรัฐบาลจีน โปรเจกต์นี้ได้เปิดตัวโมเดล AI ที่มีประสิทธิภาพใกล้เคียงกับ GPT-4 ของ OpenAI ในขณะที่มีต้นทุนการฝึกต่ำกว่ามาก โมเดลนี้ถูกเปิดซอร์สภายใต้ MIT License ทำให้ทุกคนสามารถนำไปพัฒนาและปรับแต่งได้อย่างอิสระ
🧩 กระบวนการฝึกโมเดลของ DeepSeek และต้นทุนที่แท้จริง
DeepSeek ใช้กระบวนการฝึกโมเดลที่มีประสิทธิภาพสูงโดยอาศัยเทคนิคการกลั่นโมเดล (model distillation) และ reinforcement learning วิธีนี้ช่วยให้สามารถฝึกโมเดลได้โดยใช้ข้อมูลที่ผ่านการคัดกรองจากโมเดลที่มีอยู่แล้ว เช่น OpenAI GPT-4 หรือ GPT-4-turbo โดยใช้คำถามที่ออกแบบมาอย่างดีเพื่อดึงข้อมูลที่มีคุณภาพสูงจากโมเดลเหล่านี้ นอกจากนี้ DeepSeek อาจใช้ข้อมูลขนาดใหญ่ที่รวบรวมโดยรัฐบาลจีน รวมถึงโค้ดโอเพนซอร์สและเนื้อหาบนอินเทอร์เน็ตเพื่อเสริมฐานข้อมูล
มีรายงานว่าการฝึกโมเดลนี้ใช้ต้นทุนประมาณ 6-10 ล้านดอลลาร์ ซึ่งต่ำกว่าต้นทุนของ OpenAI และ Google มาก อย่างไรก็ตาม มีข้อสันนิษฐานว่าต้นทุนที่แท้จริงอาจสูงกว่านี้ หากรวมค่าใช้จ่ายในการทดลองและการพัฒนาโครงสร้างพื้นฐานที่ดำเนินมาเป็นเวลานาน นอกจากนี้ ยังมีความเป็นไปได้สูงที่จีนได้รับการสนับสนุนจากรัฐบาลในการพัฒนา AI อย่างต่อเนื่อง ทำให้ต้นทุนที่เปิดเผยอาจไม่สะท้อนความเป็นจริงทั้งหมด
Pre-Training 🆚 Inference: การเปลี่ยนแปลงของความต้องการด้าน AI Compute
หนึ่งในประเด็นสำคัญของการพัฒนา AI คือความแตกต่างระหว่าง Pre-Training และ Inference
- Pre-Training: เป็นกระบวนการฝึกโมเดลเริ่มต้นที่ต้องใช้พลังการประมวลผลสูงมาก โมเดลจะเรียนรู้จากชุดข้อมูลขนาดใหญ่ โดยการคำนวณค่าถ่วงน้ำหนักของเครือข่ายประสาทเทียม กระบวนการนี้ต้องใช้ GPU หรือ TPU จำนวนมากและใช้เวลานาน ซึ่งเป็นเหตุผลว่าทำไม OpenAI, Google, และ Meta ต้องลงทุนมหาศาลในการสร้างและฝึกโมเดลของตนเอง
- Inference: เป็นกระบวนการที่โมเดลที่ได้รับการฝึกแล้วนำไปใช้เพื่อสร้างคำตอบหรือวิเคราะห์ข้อมูล โดยทั่วไป Inference ต้องใช้การประมวลผลที่น้อยกว่า Pre-Training แต่เมื่อมีการใช้งานอย่างแพร่หลาย ความต้องการประสิทธิภาพของฮาร์ดแวร์ด้าน Inference ก็เพิ่มขึ้นเช่นกัน ทำให้บริษัทต่างๆ ต้องลงทุนในศูนย์ข้อมูลและพัฒนาโครงสร้างพื้นฐานที่รองรับการใช้ AI ในแอปพลิเคชันจริง
การมาของ DeepSeek ทำให้ความสำคัญของการลงทุนเปลี่ยนจาก Pre-Training ไปเป็น Inference มากขึ้น เนื่องจากโมเดลประสิทธิภาพสูงถูกเปิดซอร์สและเข้าถึงได้ง่ายขึ้น ซึ่งหมายความว่าบริษัทต่างๆ ไม่จำเป็นต้องลงทุนมหาศาลเพื่อฝึกโมเดลตั้งแต่ต้น แต่สามารถใช้โมเดลที่มีอยู่แล้วและนำไปใช้ในการพัฒนาแอปพลิเคชัน AI แทน สิ่งนี้ทำให้โฟกัสของอุตสาหกรรม AI เปลี่ยนไปสู่การปรับปรุงการทำงานของโมเดลที่มีอยู่ และเพิ่มขีดความสามารถด้าน Inference Compute เพื่อรองรับปริมาณการใช้งานที่สูงขึ้น
🚫 การจำกัดการเข้าถึง API และแนวโน้มของโมเดลรุ่นใหม่
หนึ่งในผลกระทบสำคัญที่อาจเกิดขึ้นจากการเปิดตัวของ DeepSeek คือการที่บริษัทเทคโนโลยีขนาดใหญ่อาจเลือกที่จะจำกัดการเข้าถึง API ของโมเดลขั้นสูง เพื่อป้องกันการนำโมเดลไปใช้ในการฝึกโมเดลคู่แข่ง หรืออาจเลือกที่จะไม่เปิดซอร์สโมเดลรุ่นใหม่อีกต่อไป
OpenAI และบริษัทอื่นๆ อาจกำหนดนโยบายที่เข้มงวดขึ้นเกี่ยวกับการให้บริการ API เพื่อลดความเสี่ยงในการที่โมเดลของตนถูกนำไปใช้โดยบริษัทคู่แข่งในการพัฒนาโมเดลใหม่ๆ ในทางกลับกัน DeepSeek อาจทำให้บริษัทตะวันตกต้องเร่งพัฒนาโมเดล AI ให้ล้ำหน้ายิ่งขึ้นและเก็บเป็นทรัพย์สินเชิงกลยุทธ์แทนที่จะเปิดให้ใช้งานฟรี
⚠️ ผลกระทบต่อการแข่งขันในอุตสาหกรรม AI และ Commoditization
การที่ DeepSeek เปิดซอร์สโมเดลของตัวเองทำให้สนามการแข่งขันเปลี่ยนไปอย่างสิ้นเชิง นี่หมายความว่าทุกบริษัทที่ต้องการพัฒนา AI สามารถใช้ DeepSeek เป็นจุดเริ่มต้นได้ทันที และสามารถแข่งขันกับ OpenAI หรือ Google ได้โดยไม่ต้องใช้ต้นทุนมหาศาล นี่เป็นสัญญาณของกระบวนการ "Commoditization" ซึ่งหมายถึงการที่เทคโนโลยี AI กำลังกลายเป็นสินค้าโภคภัณฑ์ที่ใครก็สามารถเข้าถึงได้
อย่างไรก็ตาม Big Tech ยังคงได้เปรียบในหลายด้าน โดยเฉพาะเรื่องเงินทุนและการเข้าถึงชิปประมวลผลขั้นสูง ซึ่งเป็นสิ่งที่จีนถูกจำกัดโดยมาตรการคว่ำบาตรจากสหรัฐฯ สิ่งนี้ทำให้บริษัทเทคโนโลยีตะวันตกมีโอกาสนำเงินทุนจำนวนมหาศาลมาลงทุนเพื่อพัฒนาโมเดลที่ก้าวหน้ากว่า DeepSeek และหนีจีนให้ไกลออกไป
📊 การเพิ่มขึ้นของการลงทุนใน AI และ Capex ของ Big Tech
ปัจจุบัน การใช้จ่ายด้าน AI ของบริษัทเทคโนโลยีขนาดใหญ่อยู่ในระดับต่ำเมื่อเทียบกับรายได้รวมของพวกเขา อย่างไรก็ตาม การแข่งขันที่รุนแรงขึ้นและความก้าวหน้าของ AI ที่รวดเร็วขึ้นอาจทำให้ Big Tech ต้องเปลี่ยนแปลงแนวทางการลงทุนของตน การลงทุนในโครงสร้างพื้นฐาน AI (AI Capex) จะเพิ่มขึ้นอย่างมีนัยสำคัญในอนาคต เพื่อให้สามารถรักษาความได้เปรียบในการแข่งขันกับจีนได้
ตัวอย่างเช่น Meta ได้ประกาศการลงทุนสูงถึง 60-65 พันล้านดอลลาร์สำหรับการพัฒนา AI และการขยายศูนย์ข้อมูลขนาดใหญ่ Google ก็อยู่ระหว่างการพัฒนา TPU รุ่นใหม่ที่สามารถแข่งขันกับชิปของ Nvidia ได้ ขณะที่ Microsoft และ OpenAI ยังคงร่วมมือกันเพื่อพัฒนาโครงสร้างพื้นฐาน AI ขั้นสูง
🎯 บทสรุป: AI กำลังเปลี่ยนโลกเร็วกว่าที่เราคิด
DeepSeek เป็นเพียงหนึ่งในตัวอย่างของการเปลี่ยนแปลงที่รวดเร็วในอุตสาหกรรม AI ซึ่งแนวโน้มเหล่านี้มีแนวโน้มที่จะเกิดขึ้นอย่างต่อเนื่องและส่งผลกระทบต่อโครงสร้างของอุตสาหกรรม AI ในอนาคต หากโมเดลสามารถถูกฝึกได้ในต้นทุนที่ต่ำกว่ามาก ผู้เล่นรายใหม่อาจเข้ามาแข่งขันได้ง่ายขึ้น ทำให้การแข่งขันยิ่งรุนแรงขึ้น
อย่างไรก็ตาม Big Tech ในสหรัฐฯ ยังคงมีข้อได้เปรียบที่สำคัญ ทั้งในเรื่องของทรัพยากร เงินทุน และการเข้าถึงชิปประมวลผลขั้นสูง ซึ่งอาจช่วยให้พวกเขาสามารถนำหน้าไปอีกขั้นและหนีจีนให้ไกลออกไป
- 95
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
