Megatrend · Artificial Intelligence
วันที่ AI ระดับท็อปกลายเป็นของ “แจกฟรีให้ดาวน์โหลด”
ขณะที่แล็บปิดอย่าง OpenAI ขังโมเดลที่ดีที่สุดไว้หลังกำแพง API ให้เช่าใช้เป็นรายโทเคน มีอีกค่ายที่เลือกทำตรงข้าม — เทรนโมเดลทรงพลังขึ้นมาแล้ว “ปล่อยพิมพ์เขียว” (weights) ให้ใครก็ได้โหลดไปรันเอง ปรับแต่งเอง บนเครื่องตัวเองโดยไม่ต้องจ่ายค่าต่อโทเคน นี่คือ Meta (Llama), Mistral ของฝรั่งเศส และ DeepSeek กับ Qwen ของจีน เดิมพันของพวกเขาคือ: ถ้าทำให้ “ความฉลาด” กลายเป็นสินค้าโภคภัณฑ์ที่ใครก็มีได้ คนที่คุมฐานนักพัฒนาทั้งโลกจะเป็นผู้ชนะตัวจริง — และต้นปี 2025 DeepSeek ก็พิสูจน์ว่าเดิมพันนี้เขย่าตลาดได้จริง
01มันคืออะไร
ลองนึกถึงโมเดล AI หนึ่งตัวเหมือน “สูตรอาหารที่ปรุงเสร็จแล้ว” — ผ่านการเทรนด้วยข้อมูลมหาศาลจนได้ตัวเลขนับพันล้านค่า (เรียกว่า weights หรือ “น้ำหนัก”) ที่บรรจุความรู้และความสามารถทั้งหมดของมันไว้ คำถามคือ เมื่อเทรนเสร็จแล้ว เจ้าของจะทำยังไงกับสูตรนั้น? node นี้คือเรื่องของค่ายที่เลือกคำตอบหนึ่งซึ่งฟังดูสวนทางสามัญสำนึก — เอาสูตรไปแจกให้คนทั้งโลกโหลดฟรี
คำว่า open-weight (โมเดลเปิดน้ำหนัก) หมายถึงโมเดลที่ผู้สร้างปล่อยไฟล์ weights ออกมาให้ดาวน์โหลด ใครก็ตามจะเอาไปรันบนเซิร์ฟเวอร์ตัวเอง ปรับแต่ง (fine-tune) ให้เก่งงานเฉพาะทาง หรือเอาไปฝังในผลิตภัณฑ์ได้ — โดยไม่ต้องจ่ายค่าใช้ต่อโทเคน และไม่ต้องส่งข้อมูลออกไปนอกบ้าน ตรงข้ามกับ แล็บปิด (Closed / Frontier Labs) ที่เก็บโมเดลที่ดีที่สุดไว้กับตัว ให้คุณเข้าถึงได้แค่ผ่าน API หรือแอป — เช่าใช้ความฉลาดได้ แต่ไม่เคยได้ตัวโมเดลมาถือ
ในแผนผังเมกะเทรนด์ node นี้เป็นหนึ่งในสองสายพันธุ์ของ Foundation Models & Research Labs ภายใต้เทรนด์ใหญ่ Artificial Intelligence — โดยมีพี่น้องอีกฝั่งคือแล็บปิด ทั้งสองทำสิ่งเดียวกันคือเทรนโมเดลฐาน แต่ปรัชญาเรื่อง “จะปล่อยหรือจะขัง” ต่างกันสุดขั้ว และความต่างนี้เองที่กำหนดทั้งโมเดลธุรกิจ ฐานลูกค้า และบทบาทเชิงภูมิรัฐศาสตร์ของแต่ละค่าย
Open-weight = ปล่อย “ตัวเลขที่ฝึกมาแล้ว” (weights) ให้โหลดไปรันและปรับแต่งได้ แต่มักไม่เปิดเผยข้อมูลที่ใช้เทรนหรือสูตรทั้งหมด จึงต่างจาก open-source ซอฟต์แวร์ทั่วไปที่เปิดทุกอย่าง · Fine-tune = เอาโมเดลฐานที่โหลดมา ไปเทรนต่อด้วยข้อมูลของตัวเองอีกนิด ให้มันเก่งงานเฉพาะทาง (เช่น ภาษากฎหมายไทย) โดยไม่ต้องเทรนใหม่ทั้งตัว — นี่คือเหตุผลหลักที่หลายองค์กรเลือกโมเดลเปิด
02ทำไมถึงสำคัญ — ทำให้ความฉลาดกลายเป็นของโหล
เดิมพันใหญ่ของฝั่งเปิดมีคำเดียว: commoditization (ทำให้กลายเป็นสินค้าโภคภัณฑ์) ถ้าโมเดลที่ “เกือบดีพอ” ถูกแจกฟรีให้ใครก็รันได้ ความฉลาดต่อหนึ่งโทเคนก็จะถูกลงเรื่อยๆ จนกลายเป็นของโหล — และเมื่อนั้น มูลค่าจะไม่ได้อยู่ที่ “ใครมีโมเดลเก่งสุด” อีกต่อไป แต่อยู่ที่ “ใครคุมฐานนักพัฒนาและระบบนิเวศ” การปล่อยโมเดลฟรีจึงไม่ใช่การกุศล แต่เป็นอาวุธทางยุทธศาสตร์: บ่อนทำลายกำแพงราคาของคู่แข่งที่ขาย API แพง พร้อมกับดึงนักพัฒนาทั้งโลกมาสร้างของบนมาตรฐานของตัวเอง
เหตุการณ์ที่พิสูจน์พลังนี้ชัดที่สุดเกิดวันที่ 27 มกราคม 2025 — วันที่ Wall Street เรียกกันว่า “DeepSeek Monday” สตาร์ทอัพจีนชื่อ DeepSeek ปล่อยโมเดลเปิดที่เก่งระดับใกล้เคียงรุ่นท็อปของอเมริกา แต่อ้างว่าเทรนด้วยงบเพียงเศษเสี้ยว ตลาดตื่นตระหนกว่า “ถ้าของระดับนี้สร้างได้ถูกขนาดนี้ ดีมานด์ชิปแพงๆ จะยังโตจริงไหม” — ผลคือหุ้น Nvidia ร่วงเกือบ 18% ในวันเดียว มูลค่าหายไปราว $600,000 ล้าน ครั้งเดียว นับเป็นการสูญมูลค่าวันเดียวมากที่สุดของบริษัทใดในประวัติศาสตร์ตลาดหุ้น
ที่สำคัญกว่าตัวเลขช็อกในวันเดียว คือ สิ่งที่มันเปลี่ยนถาวร — DeepSeek ทำให้ทั้งวงการเชื่อว่า “โมเดลเปิดราคาถูกแต่เก่ง” เป็นไปได้จริง ไม่ใช่แค่ของเล่นตามหลังของแพง นับจากนั้น น้ำหนักของฝั่งเปิดในวงการก็พุ่งขึ้นเรื่อยๆ และคำถามที่เคยเป็นเรื่องวิชาการ — “ความฉลาดจะกลายเป็นของโหลไหม” — กลายเป็นความเสี่ยงเชิงธุรกิจที่แล็บปิดทุกเจ้าต้องตอบ
03มันทำงานยังไง (จากปล่อย weights สู่สร้างต่อ)
หัวใจของโมเดลเปิดคือ “จุดที่มันเปลี่ยนมือ” — ตรงไหนที่ทำให้คนทั้งโลกหยิบไปใช้ต่อได้โดยไม่ต้องจ่ายเจ้าของ ลองไล่ดูทีละก้าวว่าโมเดลหนึ่งตัวเดินทางจากแล็บไปถึงนักพัฒนาคนหนึ่งได้ยังไง
จุดที่ทำให้โมเดลนี้ดูสวนทางธุรกิจคือ ค่าเทรนยังแพงเท่าเดิม แต่รายได้ต่อการใช้งานเป็นศูนย์ — แล็บเปิดต้องจ่ายค่าเทรนหลักสิบถึงร้อยล้านเหมือนกัน แต่พอปล่อยฟรี ก็ไม่มีค่า API ไหลกลับมา รายได้จึงต้องมาจากทางอ้อม: ขายบริการรันแบบ managed (เหมือน Mistral), ขายโฆษณา/ผูกกับธุรกิจหลัก (เหมือน Meta), หรือเป้าหมายเชิงยุทธศาสตร์/ภูมิรัฐศาสตร์ (เหมือนค่ายจีน) นี่คือ “ปัญหาอาหารกลางวันฟรี” ที่ทุกค่ายเปิดต้องหาคำตอบ
อีกประเด็นที่ทำให้ฝั่งเปิดทำต้นทุนต่ำได้คือเทคนิคสถาปัตยกรรมอย่าง Mixture-of-Experts (MoE) — โมเดลของ DeepSeek มีพารามิเตอร์รวมถึง 671 พันล้านค่า แต่เวลาตอบจริงจะ “จุด” ใช้แค่ราว 37 พันล้านค่าต่อครั้ง เหมือนมีผู้เชี่ยวชาญหลายร้อยคนในห้องเดียว แต่เรียกใช้เฉพาะคนที่เกี่ยวกับคำถามนั้น — ทำให้ทั้งเทรนและรันถูกลงมาก โดยยังเก่งใกล้เคียงโมเดลยักษ์ที่ใช้ทุกพารามิเตอร์ทุกครั้ง
04มันเชื่อมกับอะไรในระบบนิเวศ
โมเดลเปิดไม่ได้ลอยอยู่เดี่ยวๆ — มันเป็น “วัตถุดิบฟรี” ที่จุดไฟให้ทั้งระบบนิเวศ AI รอบตัวมันเคลื่อนไหว และความสัมพันธ์ที่ชัดที่สุดคือกับเพื่อนบ้านสามกลุ่มนี้
- คู่กับ AI Tooling & MLOps เสมอ: โมเดลเปิดจะมีค่าก็ต่อเมื่อมี “เครื่องมือ” มาห่อหุ้ม — แพลตฟอร์มอย่าง Hugging Face ที่เป็นฮับเก็บ/แจกโมเดล, เครื่องมือ fine-tune, เครื่องมือรันโมเดลบนเซิร์ฟเวอร์ตัวเอง ยิ่งโมเดลเปิดแพร่หลาย ดีมานด์ของชั้นเครื่องมือนี้ยิ่งโต เพราะการ “รันโมเดลฟรีให้ดี” กลับเป็นงานที่ต้องใช้ความเชี่ยวชาญสูง
- ป้อนวัตถุดิบให้ AI Applications & Copilots: สตาร์ทอัพและองค์กรจำนวนมากเลือกสร้างแอปบนโมเดลเปิด เพราะคุมต้นทุนได้ (ไม่ต้องจ่ายต่อโทเคน) คุมข้อมูลได้ (ไม่ต้องส่งออกนอกบ้าน) และปรับแต่งได้ลึก — โมเดลเปิดจึงเป็น “พื้นล่าง” ของแอป AI ราคาประหยัดทั้งระลอก
- ต่างจาก แล็บปิด (Closed Labs) ตรงข้ามขั้ว: ฝั่งปิดขายความฉลาดที่ดีที่สุดเป็นรายโทเคนผ่านกำแพง ได้มาร์จิ้นพรีเมียมแต่ลูกค้าไม่ได้คุมโมเดล · ฝั่งเปิดแจกฟรีให้คุม แต่ต้องหารายได้ทางอ้อม — ทั้งสองฝั่งแข่งกันบนแกน “คุณภาพสูงสุด vs ควบคุม/ต้นทุน” และเส้นแบ่งกำลังขยับทุกเดือน
05ตอนนี้ไปถึงไหนแล้ว (2025–2026)
เรื่องใหญ่ที่สุดของฝั่งเปิดตอนนี้คือ จีนขึ้นมานำ เมื่อต้นปี 2025 โมเดลเปิดยังเป็นเกมที่ Meta (Llama) ครองด้วยซ้ำ แต่พอถึงต้นปี 2026 ภาพพลิกไปคนละเรื่อง — วัดจากปริมาณการดาวน์โหลดบน Hugging Face เดือนกุมภาพันธ์ 2026 Qwen ของ Alibaba คนเดียวทำได้ราว 153.6 ล้านครั้งต่อเดือน มากกว่าผลรวมของผู้สร้างโมเดลเปิดรายใหญ่อีก 8 รายรวมกัน (71.2 ล้าน) เกินสองเท่า ขณะที่ส่วนแบ่งของ Llama จาก Meta ค่อยๆ ลดจาก 25% (ปลายปี 2023) เหลือราว 11%
อีกมุมที่สะท้อนการพลิกคือ ปริมาณการใช้งานจริง (token) บนแพลตฟอร์มรวมโมเดลอย่าง OpenRouter — ส่วนแบ่ง token ของโมเดลเปิดจาก Meta ที่เคยพีคถึง 37.4% (ม.ค. 2025) ร่วงลงจนแทบเป็นศูนย์ภายในต้นปี 2026 ถูกแทนที่ด้วย DeepSeek (~31%) และผู้เล่นจีนรายอื่น — ภายในปีเดียว “เสียงข้างมาก” ของการใช้งานโมเดลเปิดเปลี่ยนจากอเมริกาเป็นจีน
ฝั่งตะวันตกยังมีผู้เล่นหลักที่แข็งแรง — Meta ยังเดินหน้าตระกูล Llama เป็นเสาหลักของฝั่งเปิดอเมริกา ส่วน Mistral ของฝรั่งเศสกลายเป็นความหวัง “อธิปไตย AI” ของยุโรป โดยระดมทุนจนมูลค่าแตะราว €20,000 ล้านในปี 2026 และได้ ASML ลงทุน $1,500 ล้านแลกหุ้นราว 11% เพื่อหนุนการสร้างศูนย์ข้อมูลของตัวเอง ขณะที่ผู้เล่นตัวจริงหลายราย (Mistral, DeepSeek) ยังเป็นบริษัทเอกชนที่ซื้อหุ้นตรงๆ ไม่ได้ — ทางที่นักลงทุนทั่วไปเกาะเทรนด์นี้ได้คือผ่านยักษ์จดทะเบียนอย่าง Meta และ Alibaba
06อนาคตข้างหน้า — ช่องว่างเปิด-ปิดที่แคบลง
ทิศทางแรกคือ ช่องว่างคุณภาพระหว่างเปิดกับปิดกำลังปิดลง ในปี 2024 โมเดลเปิดยังตามหลังโมเดลปิดด้านคุณภาพอยู่เกือบหนึ่งปี แต่พอถึงปี 2025–2026 ช่องว่างหดเหลือไม่กี่เดือน และในบางสนาม — โดยเฉพาะงานเขียนโค้ดและการให้เหตุผล — โมเดลเปิดบางตัวขึ้นมา “นำ” โมเดลปิดด้วยซ้ำ ถ้าแนวโน้มนี้ไปต่อจนช่องว่างเกือบเป็นศูนย์ คำถามใหญ่คือ แล็บปิดจะรักษาอำนาจตั้งราคาพรีเมียมไว้ได้นานแค่ไหน เมื่อ “ของเกือบดีพอ” แจกฟรีให้รันเอง
ทิศทางที่สองคือ มูลค่าจะย้ายจาก “ตัวโมเดล” ไปสู่ “การให้บริการรอบโมเดล” เมื่อความฉลาดดิบกลายเป็นของฟรี เงินก็จะไปกองอยู่ที่ชั้นที่ทำให้โมเดลฟรีนั้น “ใช้งานได้จริง” — บริการรันแบบ managed, การ fine-tune ให้เก่งเฉพาะงาน, การฝังในระบบองค์กรอย่างปลอดภัย นี่คือเหตุผลที่ Mistral เลือกขายบริการ และที่ ชั้นเครื่องมือ AI มีแนวโน้มได้อานิสงส์โดยตรงจากการแพร่หลายของโมเดลเปิด
ทิศทางที่สามคือ โมเดลเปิดกลายเป็นเครื่องมือเชิงภูมิรัฐศาสตร์ สำหรับจีน การแจกโมเดลเก่งฟรีคือวิธี “วัดผลสำเร็จเป็นอำนาจ” — ขยายอิทธิพลทางเทคโนโลยี ลดการพึ่งพาโครงสร้างพื้นฐานอเมริกา และตั้งมาตรฐานในตลาดเกิดใหม่ โดยไม่ต้องหวังกำไรตรงๆ จากตัวโมเดล นี่ทำให้การแข่งขัน “เปิด vs ปิด” ไม่ใช่แค่เรื่องธุรกิจ แต่พันกับการแข่งขันระดับชาติระหว่างสหรัฐฯ กับจีนอย่างแยกไม่ออก
07ความท้าทายและความเสี่ยง
ความเสี่ยงข้อแรกคือ โมเดลธุรกิจที่ยังไม่ชัด การแจกของแพงให้ฟรีฟังดูดีกับผู้ใช้ แต่คำถามที่ยังไม่มีใครตอบได้เต็มปากคือ “แล้วใครจ่ายค่าเทรนรอบหน้า?” ค่าเทรนยังพุ่งทุกรุ่น แต่รายได้ทางตรงเป็นศูนย์ — แล็บเปิดต้องพึ่งธุรกิจอื่นมาอุ้ม (โฆษณาของ Meta), ขายบริการเสริม (Mistral), หรือเงินทุนเชิงยุทธศาสตร์ ถ้าวันหนึ่งกระเป๋าที่อุ้มอยู่เริ่มตั้งคำถามถึงผลตอบแทน การลงทุนเทรนโมเดลรุ่นถัดไปก็อาจสะดุด
ความเสี่ยงข้อสองคือ ความปลอดภัยและการนำไปใช้ในทางที่ผิด เมื่อ weights ถูกปล่อยออกไปแล้ว ก็เอากลับคืนไม่ได้ — ใครก็โหลดไปปรับแต่งให้ทำสิ่งที่อันตรายได้ (สร้างข้อมูลลวง, โค้ดมัลแวร์, เนื้อหาผิดกฎหมาย) โดยไม่มีกำแพงความปลอดภัยแบบที่แล็บปิดบังคับผ่าน API ได้ ความ “เปิด” ที่เป็นจุดขาย จึงเป็นจุดอ่อนด้านการกำกับดูแลในเวลาเดียวกัน และเป็นประเด็นที่หน่วยงานกำกับทั่วโลกจับตา
ความเสี่ยงข้อสามคือ ภูมิรัฐศาสตร์และการแยกเป็นสองโลก เมื่อผู้นำฝั่งเปิดหลายรายเป็นบริษัทจีน การที่องค์กรหรือรัฐบาลตะวันตกจะรันโมเดลจีนในระบบสำคัญย่อมมีคำถามด้านความไว้วางใจและความมั่นคง ผลที่อาจตามมาคือโลกโมเดลเปิดถูกแบ่งเป็นสองค่ายที่ต่างฝ่ายต่างไม่ใช้ของกัน — ลดทอน “ความเป็นสากล” ที่เคยเป็นเสน่ห์ของการเปิดตั้งแต่แรก
สรุปสั้นๆ: node นี้คือค่ายที่เลือก “แจก” แทน “ขัง” — เทรนโมเดลทรงพลังแล้วปล่อย weights ให้ทั้งโลกโหลดไปสร้างต่อ ฟรีและไม่มีค่าต่อโทเคน เดิมพันของพวกเขาคือการทำให้ความฉลาดเป็นของโหล เพื่อชิงฐานนักพัฒนาและมาตรฐานของอนาคต — และต้นปี 2025 DeepSeek ก็พิสูจน์แล้วว่าเดิมพันนี้เขย่ายักษ์ที่แพงที่สุดในวงการได้จริง