ตัวเอกของสงคราม AI ระหว่างสหรัฐฯ และจีนกำลังเปลี่ยนไป Meta และ NVIDIA กำลังไล่ตามจีนด้วย "Open Weight"

เมื่อพูดถึงการแข่งขัน AI ที่สร้างขึ้น หลายคนอาจนึกถึงบริษัทอเมริกันอย่าง OpenAI, Anthropic และ Google

แต่การเข้าใจตลาด AI ในปี 2026 เพียงแค่นั้นยังไม่เพียงพอ

สิ่งที่กำลังเพิ่มความสำคัญอย่างรวดเร็วในขณะนี้คือ "Open Weight AI"

Meta ได้เปิดตัวโมเดล AI ขนาด 30B "Muse Glimmer" เมื่อวันที่ 10 สิงหาคม และต่อมา NVIDIA ก็ได้ประกาศ "Nemotron 3.5 Lightning" ในวันที่ 11 สิงหาคม

ทั้งสองไม่ได้เพียงแค่ให้บริการ AI ผ่าน API บนคลาวด์ แต่ยังเน้นให้ผู้พัฒนาและบริษัทสามารถรับโมเดลและใช้งานบนคอมพิวเตอร์หรือเซิร์ฟเวอร์ของตนเอง และปรับแต่งตามการใช้งานได้

เบื้องหลังการเคลื่อนไหวของทั้งสองบริษัทในช่วงเวลาเดียวกันนี้มีความหมายมากกว่าการแข่งขันผลิตภัณฑ์ธรรมดา

เนื่องจากในสาขา Open Weight AI บริษัทจีนได้มีความสำคัญอย่างมากแล้ว

โมเดล AI จากจีน เช่น DeepSeek, Qwen ของ Alibaba และ Moonshot AI ไม่เพียงแต่มีประสิทธิภาพสูง แต่ยังสามารถดาวน์โหลดและใช้งานในสภาพแวดล้อมของตนเอง ซึ่งได้แทรกซึมเข้าสู่ชุมชนผู้พัฒนาทั่วโลก

การแข่งขัน AI ไม่ใช่เพียงแค่ "ใครจะสร้าง AI แชทที่มีประสิทธิภาพสูงสุด" อีกต่อไป

แต่กำลังเปลี่ยนไปสู่การแข่งขันเกี่ยวกับ "ใครจะเป็นผู้ให้โมเดลที่นักพัฒนาทั่วโลกใช้เป็นฐาน" ซึ่งเป็นการแข่งขันเกี่ยวกับระบบนิเวศ AI เอง

จาก "AI ที่ใช้" สู่ "AI ที่เป็นเจ้าของได้"

คำว่า Open Weight ยังไม่ค่อยเข้าใจง่ายในหมู่คนทั่วไป

ในบริการอย่าง ChatGPT หรือ Claude ผู้ใช้จะเข้าถึงเซิร์ฟเวอร์ของบริษัทที่ดำเนินการผ่าน API หรือบริการเว็บเพื่อใช้ AI

แต่ไม่ได้ถือครองโมเดล AI ไว้ที่ตัวเอง

ในทางกลับกัน โมเดล Open Weight จะสามารถดาวน์โหลดพารามิเตอร์จำนวนมากที่เกิดจากการเรียนรู้ของ AI หรือที่เรียกว่า "น้ำหนัก" ได้

ดังนั้น หากมี PC หรือเซิร์ฟเวอร์ที่มีความสามารถในการคำนวณเพียงพอ ก็สามารถใช้งาน AI ภายในองค์กรโดยไม่ต้องส่งข้อมูลไปยังบริการ AI ภายนอกทุกครั้ง

ความแตกต่างนี้มีความสำคัญอย่างมาก

โดยเฉพาะสำหรับบริษัท ไม่ใช่แค่เรื่องค่าใช้จ่ายเท่านั้น

ข้อมูลที่ต้องระมัดระวังในการส่งออกไปยังบริการภายนอก เช่น เอกสารภายใน ข้อมูลลูกค้า ข้อมูลการวิจัยและพัฒนา โค้ดต้นฉบับ และข้อมูลทางการเงิน มีจำนวนมาก

หากสามารถใช้งานโมเดลในสภาพแวดล้อมภายในองค์กรได้ ก็จะมีโอกาสในการประมวลผล AI โดยไม่ต้องส่งข้อมูลเหล่านี้ออกไปภายนอก

นอกจากนี้ยังสามารถทำการเรียนรู้เพิ่มเติมหรือปรับแต่งให้เหมาะสมกับงานของบริษัทได้ง่ายขึ้น

ดังนั้น Open Weight AI จึงมีแนวคิดว่า "ไม่ใช่การยืม AI" แต่เป็น "การมี AI เป็นโครงสร้างพื้นฐาน IT ของบริษัท"

เหตุผลที่ Meta กลับมาใช้กลยุทธ์เปิดอีกครั้ง

สำหรับ Meta กลยุทธ์ AI แบบเปิดไม่ใช่ครั้งแรก

บริษัทเคยเป็นหนึ่งในตัวแทนของตลาดโมเดลเปิดด้วยซีรีส์ Llama

นักพัฒนาทั่วโลกได้พัฒนาโมเดลและเครื่องมือที่แตกแขนงจาก Llama ทำให้ Meta มีอิทธิพลอย่างมากในระบบนิเวศ AI ทั้งหมดโดยไม่ต้องผูกขาดตลาด API AI ด้วยตัวเอง

แต่หลังจากนั้น Meta ได้ปรับกลยุทธ์ AI และให้ความสำคัญกับการให้บริการโมเดลแบบปิดในซีรีส์ Muse

ดังนั้นเกี่ยวกับการกลับมาสู่ Open Weight ในครั้งนี้ มีความระมัดระวังว่า "นโยบายอาจเปลี่ยนอีกครั้ง"

Muse Glimmer ที่เปิดตัวในครั้งนี้มีขนาดประมาณ 30 พันล้านพารามิเตอร์ ออกแบบมาเพื่อให้ทำงานต่อเนื่องในสภาพแวดล้อมท้องถิ่น

ตามข้อมูลจาก Meta คาดว่าจะสามารถใช้งานได้บน Mac, PC ทั่วไป และ GPU สำหรับผู้บริโภคเดี่ยว โดยมีการสนับสนุนการเขียนโค้ดในท้องถิ่น การเรียกใช้เครื่องมือ และ AI เอเจนต์เป็นการใช้งานหลัก

ที่สำคัญยิ่งกว่านั้นคือ Meta ได้แสดงเจตนาที่จะให้บริการเวอร์ชัน Open Weight ของ "Muse Spark 1.2" ที่มีประสิทธิภาพสูงกว่า

หากโมเดลที่ใกล้เคียงกับระดับแนวหน้าปัจจุบันถูกเปิดเผยจริง ตำแหน่งของ AI Open Weight ที่ผลิตในสหรัฐอเมริกาอาจเปลี่ยนไปอย่างรวดเร็ว

Aaron Levie ซีอีโอของ Box ก็ได้ประเมินการเคลื่อนไหวนี้ในเชิงบวก

สิ่งที่เขาให้ความสนใจไม่ใช่เพียงแค่มีโมเดล AI ใหม่เพิ่มขึ้นอีกหนึ่งตัว

แต่เป็นการที่บริษัทอเมริกันได้แสดงเจตนาอย่างชัดเจนว่าจะให้บริการโมเดลเปิดที่มีประสิทธิภาพใกล้เคียงกับระดับแนวหน้าในอนาคต

NVIDIA มุ่งเป้าไปที่ "ยุค AI เอเจนต์"

NVIDIA กำลังโจมตี AI แบบเปิดจากมุมมองที่แตกต่างจาก Meta

Nemotron 3.5 Lightning ที่บริษัทประกาศมีขนาดประมาณ 30 พันล้านพารามิเตอร์ แต่ไม่ได้ใช้พารามิเตอร์ทั้งหมดพร้อมกัน

ใช้กลไกที่เรียกว่า Mixture-of-Experts ซึ่งพารามิเตอร์ที่ทำงานจริงในแต่ละครั้งจะถูกจำกัดไว้ที่ประมาณ 3 พันล้าน

ด้วยวิธีนี้ มุ่งหวังที่จะลดต้นทุนการคำนวณขณะที่ยังคงความสามารถของโมเดลขนาดใหญ่

การใช้งานที่ NVIDIA เน้นคือ "AI เอเจนต์ที่ทำงานตลอดเวลา"

เมื่อ AI เอเจนต์แพร่หลาย การเรียกใช้โมเดลหลายสิบหรือหลายร้อยครั้งจะเกิดขึ้น แตกต่างจาก AI แชทแบบเดิมที่ตอบคำถามเพียงครั้งเดียว

ตัวอย่างเช่น

"ตรวจสอบบริษัทคู่แข่ง"
"รวบรวมเอกสาร"
"วิเคราะห์ข้อมูล"
"เขียนรายงาน"
"สร้างอีเมล"
"ป้อนข้อมูลเข้าสู่ระบบ"

หากให้ AI ทำงานเหล่านี้ จะเกิดการประมวลผลการอนุมานจำนวนมากเบื้องหลังงานเดียว

หากใช้โมเดลขนาดใหญ่ที่มีประสิทธิภาพสูงสุดและมีราคาแพงทุกครั้ง ต้นทุนจะเพิ่มขึ้นอย่างรวดเร็ว

ดังนั้น NVIDIA จึงมีแนวคิดที่จะมอบหมายการตัดสินใจขั้นสูงให้กับโมเดลขนาดใหญ่ และกระจายการประมวลผลที่เกิดขึ้นจำนวนมาก เช่น การดำเนินการเครื่องมือและการตรวจสอบ ไปยังโมเดลน้ำหนักเบาอย่าง Nemotron 3.5 Lightning

นี่แสดงให้เห็นว่าตลาด AI ในอนาคตอาจไม่รวมศูนย์อยู่ที่ "AI ขนาดใหญ่เพียงตัวเดียว" แต่จะมุ่งไปสู่การใช้ AI หลายตัวในลักษณะที่แตกต่างกัน

ทำไมบริษัทจีนถึงแข็งแกร่งในด้าน Open Weight

ในที่นี้ไม่สามารถมองข้ามการมีอยู่ของจีนได้

แรงกระแทกที่ DeepSeek มอบให้กับโลกไม่ใช่เพียงแค่การที่บริษัทจีนพัฒนา AI ที่มีประสิทธิภาพสูง

แต่เป็นการทำให้โมเดลที่มีประสิทธิภาพสูงที่พัฒนาด้วยต้นทุนต่ำสามารถใช้งานได้อย่างกว้างขวาง ซึ่งทำให้เกิดความหมายในการสั่นคลอนข้อสันนิษฐานที่ว่า "AI ที่ล้ำสมัยสร้างโดยบริษัทใหญ่ในสหรัฐอเมริกาเท่านั้นและให้บริการผ่าน API คลาวด์"

หลังจากนั้น Qwen ของ Alibaba และ Moonshot AI ก็ได้มีอิทธิพลอย่างมากในตลาดโมเดลเปิดทั่วโลก

โดยเฉพาะในโลกของนักพัฒนาที่ใช้ LLM ในท้องถิ่น ความสำคัญอยู่ที่ "ประสิทธิภาพ" "หน่วยความจำที่จำเป็น" "ความเร็วในการอนุมาน" "ใบอนุญาต" และ "ความง่ายในการควอนตัม" มากกว่าสัญชาติของโมเดล

หากมีประสิทธิภาพดี สามารถทำงานบน GPU ของตนเอง และปรับแต่งได้อย่างอิสระ โมเดลที่ผลิตในจีนก็จะถูกนำมาใช้

วัฒนธรรมการพัฒนาที่เน้นประโยชน์จริงนี้ได้สนับสนุนการแพร่หลายของโมเดลจีนทั่วโลก

นี่คือปัญหาสำหรับบริษัทอเมริกัน

เมื่อโมเดลหนึ่งกลายเป็นฐานมาตรฐานของนักพัฒนา เครื่องมือ ไลบรารี ข้อมูลการเรียนรู้ ความรู้ และโมเดลที่แตกแขนงจะถูกสร้างขึ้นรอบๆ นั้น

สิ่งนี้คล้ายกับระบบปฏิบัติการ

เพราะมันสร้าง "ระบบนิเวศ" ที่ยากจะเปลี่ยนแปลงเพียงแค่ชนะในการเปรียบเทียบประสิทธิภาพชั่วคราว

การเคลื่อนไหวของ Meta และ NVIDIA ในครั้งนี้ยังมีความหมายเชิงกลยุทธ์ในการเพิ่มตัวเลือกโมเดลที่ผลิตในสหรัฐอเมริกาอีกครั้ง ก่อนที่บริษัทจีนจะสร้างความได้เปรียบที่เด็ดขาดในด้านนี้

การต้อนรับและความสงสัยปะปนกันในโซเชียลมีเดีย

การตอบสนองของชุมชนนักพัฒนาต่อการประกาศในครั้งนี้ไม่ใช่เพียงแค่การต้อนรับอย่างเดียว

ใน X, Aaron Levie ได้รับการต้อนรับการเปลี่ยนแปลงทิศทางของ Meta จากผู้ที่สนับสนุน AI แบบเปิด เช่น ผู้ที่เกี่ยวข้องกับ Hugging Face

ในหมู่นักพัฒนา AI มีความคาดหวังอย่างมากต่อจุดที่ว่า "โมเดล Open Weight ที่มีศักยภาพจากบริษัทอเมริกันจะออกมาอีกครั้ง"

ใน Hacker News ก็มีเสียงที่แสดงความคาดหวังว่า "ความรู้สึกของยุค Llama 3 กลับมาแล้ว" และมีโพสต์ที่ทดลอง Muse Glimmer บน Mac และประเมินประสิทธิภาพการแชทและการสร้างข้อความในเชิงบวก

ในทางกลับกัน ก็มีความคิดเห็นที่ระมัดระวังไม่น้อย

หนึ่งในประเด็นที่พบบ่อยที่สุดคือความเชื่อมั่นใน Meta

แม้ว่า Meta เคยสนับสนุน AI แบบเปิดอย่างแข็งขันด้วย Llama แต่ต่อมาก็ได้ปิดบางโมเดล

ดังนั้นใน Hacker News จึงมีเสียงสงสัยว่า "ทำไมถึงหยุดโมเดลเปิดครั้งหนึ่ง" และ "นโยบายครั้งนี้จะดำเนินต่อไปถึงไหน"

นอกจากนี้ยังมีข้อสังเกตว่า "ในขณะที่เปิดเผยโมเดลขนาดเล็ก จะเปิดเผยโมเดลที่มีศักยภาพสูงจริงๆ หรือไม่"

เหตุผลที่ Muse Spark 1.2 ได้รับความสนใจอยู่ที่นั่น

จะมีการเปิดเผยโมเดลที่มีประสิทธิภาพสูงตามที่สัญญาไว้หรือไม่ หรือจะจำกัดเพียงแค่การเปิดเผยบางโมเดลเท่านั้น

ความจริงจังของกลยุทธ์เปิดของ Meta จะถูกตัดสินจากการเปิดตัวครั้งต่อไป

ผู้ใช้ AI ในท้องถิ่นได้เริ่มการทดสอบประสิทธิภาพแล้ว

ในชุมชน LocalLLaMA ของ Reddit มีโพสต์ที่พยายามใช้งาน Muse Glimmer และ Nemotron 3.5 Lightning ทันทีหลังจากการประกาศ

เกี่ยวกับ Muse Glimmer มีผู้ใช้ที่ลองใช้ในงานเขียนโค้ดในท้องถิ่น ในขณะที่มีการประเมินที่เข้มงวดผ่านการใช้งานจริง เช่น "มีแนวโน้มที่จะคิดมากเกินไป" และ "อาจมีข้อจำกัดที่เข้มงวด"

เกี่ยวกับ Nemotron 3.5 Lightning มีการอภิปรายเกี่ยวกับความสามารถในการใช้งานจริงในสภาพแวดล้อม VRAM ขนาด 16GB หรือ 24GB และการใช้งานเวอร์ชันควอนตัมได้มากน้อยเพียงใด

สิ่งที่น่าสนใจคือ Qwen ถูกยกมาเป็นตัวเปรียบเทียบบ่อยครั้ง

สำหรับบริษัทอเมริกัน AI จากจีนไม่ใช่เพียงแค่ "คู่แข่งที่อาจตามทันในอนาคต" อีกต่อไป