แรงขับเคลื่อนของยุค AI ได้เปลี่ยนจากโมเดลเป็น Token
ในสองปีที่ผ่านมา แนวคิดหลักของภาคแรกของอุตสาหกรรม AI มุ่งเน้นไปที่ “สงครามโมเดลขนาดใหญ่” ที่บริษัทชั้นนำต่างเปิดฉากขึ้น ขนาดพารามิเตอร์เพิ่มขึ้นจากหมื่นล้านไปสู่ล้านล้าน ต้นทุนการฝึกอบรมเพิ่มขึ้นจากหลายล้านดอลลาร์สหรัฐเป็นหลายร้อยล้านดอลลาร์สหรัฐ และคลัสเตอร์ GPU ขยายจากหลายพันการ์ดเป็นหลายหมื่นการ์ด ทุกคนต่างพูดถึงว่าโมเดลใดแข็งแกร่งกว่า และใครใกล้เคียงกับ AGI มากที่สุด ราวกับว่าจุดหมายปลายทางของการแข่งขัน AI คือประสิทธิภาพของโมเดลขนาดใหญ่เอง
แต่เมื่อถึงปี 2026 ตรรกะขับเคลื่อนอุตสาหกรรม AI ก็เปลี่ยนไปแล้ว รายงานล่าสุดของ JPMorgan ชี้ว่า สิ่งที่จะขับเคลื่อนการขยายตัวอย่างต่อเนื่องของโครงสร้างพื้นฐาน AI ในอนาคต ไม่ใช่การฝึกโมเดลอีกต่อไป แต่เป็นความต้องการการประมวลผล AI (Inference) ที่มหาศาล ในอนาคต ปริมาณการใช้พลังการประมวลผลที่มากที่สุดจะไม่ใช่แค่การฝึกโมเดลขนาดใหญ่ แต่คือ AI Agent ที่กระจายอยู่ทั่วโลก การเรียกใช้งานแต่ละครั้ง การโต้ตอบแต่ละครั้ง และการดำเนินงานแต่ละครั้ง ล้วนแต่ใช้ Token อย่างแท้จริง อุตสาหกรรม AI กำลังก้าวจากยุค “โมเดล” สู่ยุค “อุตสาหกรรม Token”
เนื่องจากสิ่งที่ขับเคลื่อนโลก AI ในอนาคตอย่างแท้จริง ไม่ใช่เพียงโมเดลเอง แต่คือระบบที่สร้างขึ้นรอบๆ Token สำหรับการผลิต การจัดส่ง การจัดสรร และการบริโภค โดยเฉพาะเมื่อ AI Agent เริ่มปรากฏขึ้นในปริมาณมาก การที่ Token จะถูกสร้างแบบเรียลไทม์ จัดส่งข้ามภูมิภาค จัดสรรแบบไดนามิก และบริโภคอย่างมีประสิทธิภาพ จะกลายเป็นปัญหาใหม่ที่สำคัญที่สุดของอุตสาหกรรม AI
เช่นเดียวกับที่ Jensen Huang ได้เสนอเมื่อไม่นานมานี้ AI ไม่ใช่เพียงอุตสาหกรรมซอฟต์แวร์ธรรมดา แต่เป็นระบบนิเวศโครงสร้างพื้นฐานที่คล้ายกับไฟฟ้าและอินเทอร์เน็ต ในโครงสร้างแบบ “เค้กห้าชั้น” ของเขา อุตสาหกรรม AI ถูกแบ่งออกเป็นห้าชั้น: พลังงาน ชิป โครงสร้างพื้นฐาน โมเดล และแอปพลิเคชัน และเมื่ออุตสาหกรรม AI ค่อยๆ เปลี่ยนจากยุค “การฝึกอบรม” สู่ยุค “การอนุมาน” GoodVision AI มีแนวโน้มที่จะมองห่วงโซ่ค่าเศรษฐกิจ AI ทั้งหมดเป็นโครงสร้าง “เค้กเจ็ดชั้น” ที่หมุนรอบ Token:
ระดับที่หนึ่ง: ไฟฟ้า — พื้นฐานด้านพลังงานของยุค AI
ชั้นที่สอง: AIDC — โรงงานโทเค็น
ระดับที่สาม: GPU — อุปกรณ์การผลิต Token
ระดับที่สี่: LLM—เครื่องจักรผลิตโทเค็น
ระดับที่ห้า: การแจกจ่ายโทเค็น — 「ระบบไฟฟ้า」ของยุคปัญญาประดิษฐ์
ชั้นที่หก: การปรับปรุงโทเค็นและการจัดสรรอย่างชาญฉลาด—สมองแห่งยุค AI
ชั้นที่เจ็ด: AI Agent—จุดสิ้นสุดการใช้โทเค็น
ตั้งแต่พลังงานและ GPU ไปจนถึง AIDC และโหนดขอบ รวมถึงการอนุมานแบบจำลองและการจัดสรรอย่างชาญฉลาด อุตสาหกรรม AI กำลังก่อร่างสร้างระบบอุตสาหกรรม “Token” ที่ไม่เคยมีมาก่อน
แต่ในขั้นตอนนี้ ระบบชุดนี้ยังห่างไกลจากความสมบูรณ์
บางคนมี GPU ที่ทันสมัยที่สุด แต่ถูกจำกัดด้วยพลังงาน; บางคนสร้าง AIDC ขนาดใหญ่ แต่ขาดการจัดการอย่างมีประสิทธิภาพ; บางคนพัฒนา AI Agent ที่ทรงพลัง แต่เผชิญกับต้นทุนการประมวลผลและการหน่วงเวลาที่สูง; บางคนควบคุมโหนดขอบ แต่ไม่สามารถสร้างเครือข่ายที่ประสานงานกันอย่างเป็นระบบ ทั้งอุตสาหกรรมแม้จะเติบโตอย่างรวดเร็ว แต่ยังคงมีช่องว่าง ความซ้ำซ้อน และข้อจำกัดด้านประสิทธิภาพระหว่างแต่ละระดับ
แต่เฉพาะเมื่อโครงสร้างพื้นฐานทั้งเจ็ดชั้นนี้ถูกเชื่อมต่อ ประสานงาน และเชื่อมโยงเข้าด้วยกันอย่างแท้จริง อุตสาหกรรม AI จึงจะก้าวจากยุค «เครื่องมือ» ในปัจจุบัน สู่ยุค «การนำไปใช้อย่างกว้างขวาง» ของโลกปัญญา
ชั้นแรกของเค้ก: พลังงาน — แหล่งพลังงานของยุค AI
การปฏิวัติอุตสาหกรรมแข่งขันเพื่อถ่านหินและน้ำมัน ยุคอินเทอร์เน็ตแข่งขันเพื่อปริมาณการเข้าชมและเซิร์ฟเวอร์ แต่ในยุค AI สงครามพื้นฐานที่สุดกำลังกลับมาที่พลังงานอีกครั้ง
เนื่องจาก AI สุดท้ายแล้วใช้ไฟฟ้า เป็นจำนวนพลังงานที่ศูนย์ข้อมูล AI ขนาดใหญ่หนึ่งแห่งใช้ใกล้เคียงกับเมืองขนาดกลางหนึ่งเมือง ศูนย์ข้อมูล AI ใหม่ๆ ทั่วโลกกำลังเผชิญกับปัญหาเดียวกัน: GPU สามารถซื้อได้ ที่ดินสามารถสร้างได้ แต่การจัดหาไฟฟ้าตามไม่ทัน และการจัดการกริดไฟฟ้าก็ตามไม่ทัน
นี่คือเหตุผลที่บริษัท AI 越来越多เริ่มกลับมาให้ความสำคัญกับโครงสร้างพื้นฐานด้านพลังงาน ใน GTC 2026 ฮวง เหรินซวินยังได้กำหนดศูนย์ข้อมูลในอนาคตว่าเป็น “โรงงานโทเค็น” ซึ่งห่วงโซ่การผลิตของโรงงานนี้จะผลักดันให้เกิดอุตสาหกรรมพลังงานขนาดใหญ่
ในตลาดจีน บริษัทต่างๆ เช่น ชางเจียงไฟฟ้า จีนนิวเคลียร์พาวเวอร์ จีนเกนจู๋นิวเคลียร์ พาวเวอร์ ซานเซียเอเนอร์จี้ ลงหยวนพาวเวอร์ และฮัวเตี้ยนนิวเอนเนอร์จี้ ต่างเป็นตัวแทนของทิศทางพลังงานหลัก เช่น พลังน้ำ พลังงานนิวเคลียร์ พลังงานลม และพลังงานแสงอาทิตย์ โดยพลังงานนิวเคลียร์และพลังน้ำซึ่งมีความสามารถในการจ่ายไฟอย่างมั่นคง กำลังกลายเป็นพลังงานพื้นฐานที่สำคัญที่สุดสำหรับ AIDC ในขณะที่พลังงานลมและพลังงานแสงอาทิตย์ได้รับประโยชน์จากความต้องการไฟฟ้าสีเขียวและ ESG ที่เพิ่มขึ้นจากอุตสาหกรรม AI พร้อมกับการผลักดันโครงการ “ข้อมูลตะวันออก คำนวณตะวันตก” และการก่อสร้างศูนย์ข้อมูล AI ขนาดใหญ่ ความสัมพันธ์ร่วมมือระหว่างศูนย์พลังงานหมุนเวียนกับศูนย์ประมวลผลกำลังเพิ่มขึ้นอย่างรวดเร็ว
ในตลาดสหรัฐอเมริกา บริษัทพลังงานดั้งเดิมขนาดใหญ่ เช่น NextEra Energy, Dominion Energy, Duke Energy, Southern Co. และ Exelon กำลังได้รับประโยชน์จากการขยายตัวของศูนย์ข้อมูล AI โดย NextEra เป็นผู้นำด้านพลังงานสะอาดในอเมริกาเหนือ; Dominion ครอบครองทรัพยากรการส่งไฟฟ้าหลักใน “เขตรอยต่อศูนย์ข้อมูล” ของเวอร์จิเนียเหนือ; ส่วน Exelon ซึ่งมีความสามารถในการจ่ายไฟอย่างมั่นคงจากพลังงานนิวเคลียร์ จึงเป็นหนึ่งในผู้ได้รับประโยชน์สำคัญจากความต้องการไฟฟ้าที่มีความเสถียรสูงตลอด 24 ชั่วโมงในยุค AI โดยรวมแล้ว อุตสาหกรรมไฟฟ้าทั่วโลกกำลังเปลี่ยนแปลงจากธุรกิจสาธารณูปโภคแบบดั้งเดิม ไปสู่ชั้นทรัพยากรหลักในยุคโครงสร้างพื้นฐาน AI
โดยรวมแล้ว โครงสร้างการแข่งขันในระดับนี้กำลังเปลี่ยนจาก 「การแข่งขันด้านราคาไฟฟ้า」 ของบริษัทพลังงานดั้งเดิม เป็น 「การแข่งขันเพื่อควบคุมแหล่งพลังงาน」 ระหว่างศูนย์ข้อมูล AI ผู้ให้บริการคลาวด์ และบริษัทพลังงานด้านล่าง ผู้ใดสามารถควบคุมแหล่งพลังงานที่ยาวนาน คงที่ และต้นทุนต่ำ ผู้นั้นจะครอบครองพลังแรกของมังกรที่ใช้ผลิตโทเค็น
ชั้นที่สองของเค้ก: AIDC — โรงงานวัตถุดิบโทเค็น
การใช้ GPU เพียงตัวเดียวไม่มีความหมาย สิ่งที่สำคัญจริงๆ คือการจัดการแบบคลัสเตอร์ที่มีขนาดใหญ่ จึงเกิดขึ้นมาของ AIDC
มันเหมือนกับโรงงานเหล็ก โรงไฟฟ้า และสายการผลิตในยุคอุตสาหกรรม ที่รวม GPU นับหมื่นเครื่องเข้าด้วยกันเพื่อสร้างความสามารถในการผลิต Token อย่างมั่นคง แต่ปัญหาของโรงงานก็เริ่มปรากฏขึ้น: วงจรการก่อสร้าง AIDC แบบดั้งเดิมมักใช้เวลาตั้งแต่ 18 ถึง 36 เดือน การขยายกำลังไฟฟ้าอาจใช้เวลานานกว่านั้นอีก เมื่อความต้องการ AI เพิ่มขึ้นแบบก้าวกระโดด ความเร็วในการก่อสร้าง IDC ในยุคเก่าจึงไม่สามารถตอบสนองเศรษฐกิจ Token ยุคใหม่ได้อีกต่อไป
ในตลาดหุ้นสหรัฐฯ Equinix เป็นหนึ่งในผู้ให้บริการศูนย์ข้อมูลชั้นนำระดับโลก โดยมีศูนย์ข้อมูลมากกว่า 240 แห่งในกว่า 30 ประเทศ ข้อได้เปรียบหลักของมันไม่ใช่แค่จำนวนห้องเซิร์ฟเวอร์ แต่คือความสามารถในการเชื่อมต่อทั่วโลกและทรัพยากรเครือข่ายที่มีความหน่วงต่ำ จึงกลายเป็นจุดโครงสร้างพื้นฐานสำคัญสำหรับการติดตั้งพลังการประมวลผล AI
Digital Realty ใช้แพลตฟอร์ม PlatformDIGITAL เพื่อเข้าสู่โครงสร้างพื้นฐานด้าน AI โดยให้บริการแก่ผู้ให้บริการคลาวด์รายใหญ่และสถาบันการเงิน
ในตลาดจีน รุ่นเหอ เทคโนโลยี เป็นหนึ่งในผู้ให้บริการ AIDC ที่เด่นชัดที่สุดในตลาดหุ้น A บริการหลักของบริษัทได้ค่อยๆ พัฒนาจาก IDC แบบดั้งเดิมไปสู่ศูนย์ประมวลผล AI โดยมีข้อได้เปรียบหลักอยู่ที่ศูนย์ข้อมูลขนาดใหญ่ ทรัพยากรไฟฟ้า และความสามารถในการดำเนินงาน AIDC บริษัทอย่าง เอ่อเฟย ดาต้า และ ซีจิง ออนไลน์ กำลังขยายตัวอย่างต่อเนื่องในด้านศูนย์ข้อมูลระดับภูมิภาค โครงสร้างพื้นฐานคลาวด์ และการให้บริการจัดการพลังงานประมวลผล AI ส่วนซือเคอ สวั่ง เน้นความร่วมมือกับภาครัฐ องค์กร และภาคการวิจัยในธุรกิจ AIDC
อีกกลุ่มหนึ่งมาจากการเปลี่ยนผ่านจากฟาร์มขุด บริษัทต่างๆ เช่น CoreWeave, IREN, Applied Digital และ Cipher Mining ซึ่งเดิมเกี่ยวข้องกับการขุดสกุลเงินดิจิทัล แต่เนื่องจากความต้องการ GPU สำหรับ AI เพิ่มขึ้นอย่างมาก พวกเขาจึงเปลี่ยนไปสู่โครงสร้างพื้นฐานด้านพลังงานการคำนวณสำหรับ AI อย่างรวดเร็ว IREN มุ่งเน้นรูปแบบ “พลังงานสะอาด + การคำนวณ AI” โดยสร้างศูนย์ข้อมูล GPU ความหนาแน่นสูงด้วยพลังงานหมุนเวียน Applied Digital และ Cipher Mining ก็กำลังเปลี่ยนผ่านจากฟาร์มขุดแบบดั้งเดิมไปสู่โครงสร้างพื้นฐานการคำนวณประสิทธิภาพสูงสำหรับ AI
นอกจากนี้ การทำให้ AI Factory มีลักษณะเป็นแบบที่ถูกมองข้าม ขนาดเล็ก และแบบโมดูลาร์ กำลังเริ่มเป็นแนวโน้มใหม่ เช่นเดียวกับยุคของอินเทอร์เน็ตที่เปลี่ยนจากเครื่องคอมพิวเตอร์ขนาดใหญ่ไปสู่คลาวด์คอมพิวติ้ง กำลังประมวลผล AI จำเป็นต้องกระจายจากโหนดศูนย์กลางขนาดใหญ่ไปสู่โหนดขอบเขตแบบภูมิภาค
ดังนั้น GoodVision AI จึงเลือกเส้นทางอีกทางหนึ่ง: การสร้าง AI Factory ที่มีน้ำหนักเบา แบบโมดูลาร์ และสามารถคัดลอกได้อย่างรวดเร็ว โดยเปรียบเทียบกับ AIDC ขนาดใหญ่แบบดั้งเดิม GoodVision AI ให้ความสำคัญกับความสามารถในการปรับใช้งานแบบภูมิภาค ประสิทธิภาพของคลัสเตอร์ GPU ความหนาแน่นสูง และการประสานงานแบบบูรณาการระหว่างพลังงานกับกำลังการประมวลผล
ตรรกะหลักไม่ใช่การสร้างศูนย์ข้อมูลขนาดใหญ่เพียงแห่งเดียว แต่เป็นการปรับใช้โหนด AI Factory อย่างรวดเร็วในพื้นที่ที่มีประชากรหนาแน่นทั่วโลก โดยทั่วไปจะเป็นห้องเครื่องประมวลผลการอนุมานขนาดเล็ก 2-4 MW รูปแบบนี้ไม่เพียงแต่สามารถเชื่อมต่อกับทรัพยากรพลังงานท้องถิ่นได้เร็วขึ้น แต่ยังเหมาะกับแนวโน้มในอนาคตที่ความต้องการการอนุมานของ AI จะกระจายตัวไปยังขอบเครือข่าย
หาก AIDC แบบดั้งเดิมคล้ายเหมือนโรงหลอมเหล็กขนาดใหญ่ในยุคอุตสาหกรรม แล้ว GoodVision AI ที่สร้างขึ้นนั้น กลับคล้ายกับ “โรงงานโทเค็นแบบภูมิภาค” ในยุค AI—เบากว่า ยืดหยุ่นกว่า ใกล้ชิดผู้ใช้มากกว่า และเหมาะกับทิศทางการพัฒนาของเครือข่ายการประมวลผลแบบกระจายทั่วโลกในอนาคต
ชั้นที่สามของเค้ก: GPU—อุปกรณ์การผลิตโทเค็น
หากพลังงานไฟฟ้าเป็นพลังงาน แล้ว GPU ก็คืออุปกรณ์การผลิต ในช่วงปีแรกๆ ของความระเบิดของ AI GPU ส่วนใหญ่ใช้สำหรับการฝึกอบรม แต่ในอนาคต ความต้องการที่ใหญ่กว่าจะมาจากกระบวนการให้เหตุผล เพราะการฝึกอบรมเป็นของบริษัทชั้นนำเพียงไม่กี่แห่ง ในขณะที่การให้เหตุผลจะแทรกซึมเข้าไปในทุกแอปพลิเคชัน อุปกรณ์ และจุดสิ้นสุด หุ่นยนต์ต้องการการให้เหตุผล รถยนต์ขับเคลื่อนด้วยตัวเองต้องการการให้เหตุผล แว่นตา AI ต้องการการให้เหตุผล และแม้แต่การร่วมมือระหว่าง AI Agent ทุกตัวในอนาคต ก็จะใช้ Token แบบเรียลไทม์
NVIDIA ยังคงเป็นศูนย์กลางที่ไม่อาจแทนที่ได้ในอุตสาหกรรมชิป AI ทั่วโลก ผลิตภัณฑ์ GPU อย่าง H100, B200 และ Blackwell ของมันเกือบจะกำหนดมาตรฐานการฝึกฝนและการอนุมาน AI ทั่วโลกในปัจจุบัน ยิ่งไปกว่านั้น NVIDIA ไม่ได้แค่ขายชิป แต่ยังสร้างระบบนิเวศ AI ที่สมบูรณ์ผ่านซอฟต์แวร์และฮาร์ดแวร์อย่าง CUDA, TensorRT, DGX และ HGX ดังนั้นคู่แข่งของมันจึงไม่เพียงแต่ต้องท้าทายประสิทธิภาพของ GPU เท่านั้น แต่ยังต้องท้าทายระบบนิเวศซอฟต์แวร์ AI ทั้งหมด
AMD เป็นผู้ท้าทาย GPU รายหลักในปัจจุบัน โดยผลิตภัณฑ์หลักประกอบด้วย AI GPU อย่าง MI300X เมื่อเทียบกับ NVIDIA AMD มุ่งเน้นที่ระบบนิเวศแบบเปิดและแพลตฟอร์มซอฟต์แวร์ ROCm โดยหวังว่าจะดึงดูดนักพัฒนา AI และลูกค้าองค์กรผ่านวิธีการที่เปิดกว้างยิ่งขึ้น
Broadcom และ Marvell แทนเส้นทางอีกเส้นหนึ่ง—ASIC และการเชื่อมต่อความเร็วสูง ตามที่สถานการณ์การประมวลผล AI ซับซ้อนขึ้นเรื่อยๆ บริษัทต่างๆ จึงเริ่มทดลองพัฒนาชิป ASIC แบบกำหนดเอง เพื่อให้ได้ประสิทธิภาพพลังงานที่สูงขึ้นและต้นทุนที่ต่ำกว่า
อินเทลเข้าสู่ตลาด AI ผ่าน CPU เซิร์ฟเวอร์และการ์ดเร่งความเร็ว AI Gaudi โดยหวังที่จะใช้ระบบนิเวศ CPU ของตนเองกลับมามีส่วนร่วมในการแข่งขันด้านโครงสร้างพื้นฐาน AI
ในตลาดจีน วูซานจีเป็นหนึ่งในบริษัทที่เป็นตัวแทนมากที่สุดของชิป AI ภายในประเทศ โดยเน้นผลิตชิป AI รุ่นซีหยวน และพัฒนาเฟรมเวิร์ก AI ของตนเองคือ Neuware ส่วนไฮกวงอินฟอร์เมชันมีใบอนุญาตสถาปัตยกรรม AMD Zen และมุ่งเน้นการพัฒนาตลาด DCU และการประมวลผล AI
บริษัท GPU ของจีน เช่น Moortec, Suanyuan Technology, Muxi Holdings และ Biren Technology แสดงถึงทิศทางการ “แทนที่ภายในประเทศ” ของชิป AI ของจีน โดยบริษัทเหล่านี้มักเน้นความเข้ากันได้กับระบบนิเวศ CUDA และพยายามสร้างคลัสเตอร์ GPU ของจีน
ตั้งแต่ระบบนิเวศ CUDA ไปจนถึงหน่วยความจำ HBM และ Tensor Core แกนหลักของอุตสาหกรรม AI ทั้งหมดแท้จริงแล้วคือการเพิ่มประสิทธิภาพในการสร้าง Token ต่อหน่วยเวลาอย่างต่อเนื่อง ในขณะเดียวกัน โครงสร้างพื้นฐานต่างๆ เช่น GPU รวมถึงเซิร์ฟเวอร์ โมดูลแสง ระบบระบายความร้อนด้วยของเหลว และสวิตช์ ล้วนมีความเกี่ยวข้องอย่างใกล้ชิดกับประสิทธิภาพในการผลิต Token
สิ่งเหล่านี้ไม่ได้โดดเด่นเหมือน NVIDIA หรือ OpenAI บริษัทที่พัฒนาแอปพลิเคชัน AI แต่พวกมันกำหนดว่าโลก AI ทั้งหมดจะสามารถทำงานได้อย่างแท้จริงหรือไม่ เหมือนกับการปฏิวัติอุตสาหกรรมที่ไม่เพียงแต่ต้องการเครื่องจักรไอน้ำ แต่ยังต้องการทางรถไฟ ระบบไฟฟ้า และท่าเรือ การปฏิวัติ AI ก็ไม่ใช่แค่การปฏิวัติด้านซอฟต์แวร์เท่านั้น มันคือการอัปเกรดห่วงโซ่อุปทานระดับโลกที่ครอบคลุมพลังงาน ชิป เครือข่าย คลาวด์คอมพิวติ้ง และโครงสร้างพื้นฐาน
Vertiv เป็นผู้นำระดับโลกด้าน UPS และการจัดการพลังงานสำหรับศูนย์ข้อมูล ให้บริการระบบจ่ายไฟสำหรับศูนย์ข้อมูล การแจกจ่ายไฟฟ้าในตู้ และระบบปรับอากาศแบบแม่นยำ
Yingweike เป็นผู้นำตลาดของระบบระบายความร้อนด้วยของเหลวและระบบควบคุมอุณหภูมิในตลาดหุ้น A โดยมีลูกค้ารวมถึงบริษัทอินเทอร์เน็ตขนาดใหญ่เช่น BAT เมื่อพลังงานของ GPU เพิ่มสูงขึ้น ระบบระบายความร้อนด้วยของเหลวจึงกำลังกลายเป็นมาตรฐานสำคัญสำหรับ AIDC
บริษัทเช่น Zhongheng Electric, Kehua Data และ Kstar มีบทบาทสำคัญในด้าน UPS ระบบไฟฟ้า และการจ่ายไฟให้กับศูนย์ข้อมูล
ในด้านเครือข่ายและโมดูลแสง บริษัทต่างๆ เช่น Zhongji Xuchuang, Xinyisheng และ Tianfu Communications ได้รับประโยชน์จากความต้องการการสื่อสารความเร็วสูงภายในคลัสเตอร์ AI ที่พุ่งสูงขึ้น
ในด้านระบบเซิร์ฟเวอร์ทั้งระบบ บริษัทต่างๆ เช่น Dell, HPE, Supermicro, Lenovo และ Inspur รับผิดชอบการประกอบและจัดส่งเซิร์ฟเวอร์ AI ในปริมาณใหญ่
แม้ชั้นนี้จะไม่ได้สัมผัสกับผู้ใช้ปลายทางโดยตรง แต่กลับกำหนดว่าโครงสร้างพื้นฐานของ AI จะสามารถทำงานได้อย่างมั่นคงจริงหรือไม่ ระบบระบายความร้อนด้วยของเหลว ยูพีเอส โมดูลแสง สวิตช์ ระบบเก็บพลังงาน และเซิร์ฟเวอร์ทั้งตัว กำลังกลายเป็นธุรกิจ “ผู้ขายจอบ” ที่แท้จริงในโลกของ AI คล้ายกับทางรถไฟ ระบบไฟฟ้า และท่าเรือในยุคอุตสาหกรรม
ชั้นที่สี่ของเค้ก: LLM—เครื่องจักรผลิตโทเค็น
LLM (โมเดลภาษาขนาดใหญ่) กำหนดวิธีการที่ Token จะถูกเข้าใจ สร้าง และจัดระเบียบ ในสองปีที่ผ่านมา บริษัทต่างๆ เช่น OpenAI, Anthropic, Google, Meta, xAI, DeepSeek ได้ก่อให้เกิดการแข่งขันระดับโลกด้านโมเดลขนาดใหญ่ จำนวนพารามิเตอร์ได้เพิ่มขึ้นจากแสนล้านสู่ล้านล้าน และความสามารถของโมเดลได้ขยายจากสร้างข้อความไปสู่การประมวลผลแบบมัลติโมดัล การให้เหตุผล การเขียนโค้ด การร่วมมือกับเอเจนต์ และความจำระยะยาว
แต่เมื่ออุตสาหกรรมค่อยๆ พัฒนา ตลาดก็เริ่มตระหนักว่า สิ่งที่สำคัญจริงๆ ในอนาคต ไม่ใช่แค่ “ใครมีโมเดลที่ใหญ่ที่สุด” แต่คือใครสามารถดำเนินการโมเดลได้อย่างต่อเนื่องด้วยต้นทุนต่ำกว่าและประสิทธิภาพสูงกว่า เพราะตัวโมเดลเองไม่ได้สร้างมูลค่าโดยตรง แต่มูลค่าที่แท้จริงเกิดขึ้นจากกระบวนการอนุมานที่เกิดขึ้นเมื่อโมเดลถูกเรียกใช้อย่างต่อเนื่อง
สิ่งนี้ยังหมายความว่า LLM กำลังค่อยๆ พัฒนาจากบทบาท “การแสดงความสามารถของโมเดล” ในอดีต ไปสู่การเป็น “เครื่องจักรผลิต Token” ในโลกของ AI
แบบจำลองที่ปิดแหล่งที่มาและเปิดแหล่งที่มา เช่น OpenAI, Anthropic, Google Gemini, Meta Llama กำลังแข่งขันเพื่อแย่งชิงช่องทางเข้าสู่ระบบนิเวศ AI ในอนาคต; ในขณะเดียวกัน ผู้เล่นใหม่อย่าง DeepSeek กำลังเริ่มเปลี่ยนแปลงโครงสร้างการแข่งขันในอุตสาหกรรมด้วยต้นทุนที่ต่ำกว่าและประสิทธิภาพการให้เหตุผลที่สูงกว่า ตอนนี้การแข่งขันในระดับ LLM กำลังค่อยๆ เคลื่อนตัวออกจากความพยายามเพียงแค่แสวงหาปริมาณพารามิเตอร์ที่มากขึ้น และเกณฑ์การประเมินเริ่มหันมาเปรียบเทียบในหลายมิติ:
ต้นทุนโทเค็น
ประสิทธิภาพในการให้เหตุผล
บริบท ความสามารถ
การทำงานร่วมกันของตัวแทนหลายตัว
Long-term memory
ความสามารถในการประสานงานระหว่างโมเดลและโครงสร้างพื้นฐาน
สิ่งที่สำคัญที่สุดในยุคปัญญาประดิษฐ์ ไม่ใช่แค่การดูว่าโมเดลขนาดใหญ่มีความ “ฉลาด” หรือไม่ แต่คือความสามารถของโมเดลในการทำงานอย่างต่อเนื่อง ขนาดใหญ่ และต้นทุนต่ำทั่วโลก GoodVision AI ก็มีแนวทางการปรับปรุงของตนเองในระดับนี้: โดยร่วมมือกับผู้ผลิตโมเดลขนาดใหญ่ เพื่อติดตั้งโมเดลขนาดใหญ่ในศูนย์ข้อมูล AI Factory ซึ่งช่วยเปลี่ยนจากธุรกิจเช่าหน่วยประมวลผลแบบดั้งเดิมไปสู่การให้บริการโทเค็นโดยตรง; ไม่เพียงแต่เพิ่มกำไรขั้นต้นของธุรกิจ แต่ยังทำให้ประสบการณ์การใช้งานของผู้ใช้เป็นมิตรยิ่งขึ้น
ชั้นที่ห้าของเค้ก: การแจกจ่ายโทเค็น — 「ระบบไฟฟ้า」ในยุคปัญญาประดิษฐ์
เมื่อ AIDC สร้างเสร็จแล้ว คำถามถัดไปก็คือ: กำลังการประมวลผลเหล่านี้จะถูกใช้งานทั่วโลกได้อย่างไร?
ดังนั้น แพลตฟอร์มเช่ากำลังการประมวลผลจึงเริ่มปรากฏขึ้น พวกมันทำหน้าที่เหมือน “ระบบไฟฟ้า” ในยุคปัญญาประดิษฐ์ โดยแยกและจัดส่งทรัพยากร GPU ที่เคยมีลักษณะรวมศูนย์ แล้วให้เช่าตามความต้องการแก่นักพัฒนา บริษัท และแอปพลิเคชันปัญญาประดิษฐ์
AWS, Azure, Google Cloud, Alibaba Cloud และ Tencent Cloud ยังคงเป็นผู้เล่นที่แข็งแกร่งที่สุดในระดับนี้ พวกเขามีโครงสร้างพื้นฐานด้านคลาวด์คอมพิวติ้งที่ใหญ่ที่สุดในโลก และกำลังค่อยๆ รวมทรัพยากร AI GPU เข้าไปในระบบ IaaS ของตนเอง
แต่ในขณะเดียวกัน ผู้เล่นใหม่จำนวนมากที่สร้างขึ้นมาเพื่อ AI โดยเฉพาะกำลังเติบโตอย่างรวดเร็ว บริษัทอย่าง CoreWeave, Nebius และ Nscale ได้สร้างแพลตฟอร์มคลาวด์ GPU ที่ออกแบบมาเฉพาะสำหรับความต้องการในการฝึกอบรมและการอนุมานของ AI โดยมีความยืดหยุ่นมากกว่า โฟกัสเฉพาะกับงาน AI และเชี่ยวชาญในการปรับแต่งคลัสเตอร์ GPU มากกว่าผู้ให้บริการคลาวด์แบบดั้งเดิม
CoreWeave เป็นหนึ่งในบริษัทที่เป็นตัวแทนมากที่สุดของ NeoCloud ปัจจุบัน บริษัทเริ่มต้นด้วยการมุ่งเน้นไปที่การขุด Ethereum แล้วจึงเปลี่ยนไปสู่บริการคลาวด์ GPU สำหรับ AI อย่างเต็มรูปแบบ และตอนนี้ได้กลายเป็นบริษัทโครงสร้างพื้นฐานด้าน AI ที่ NVIDIA ให้การสนับสนุนอย่างสำคัญ
แพลตฟอร์มคลาวด์แบบเบาอย่าง DigitalOcean และ Vultr มุ่งเป้าไปที่นักพัฒนาและบริษัทสตาร์ทอัพขนาดเล็กและกลาง โดยเน้นการปรับใช้อย่างรวดเร็วและบริการ GPU ต้นทุนต่ำ
ในตลาดจีน นอกเหนือจากบริษัทขนาดใหญ่แล้ว บริษัทเช่น UCloud, Kingsoft Cloud และ Capital Online ต่างก็เป็นผู้ให้บริการหลักในตลาดเช่า GPU Cloud และ AI Computing Power โครงสร้างการแข่งขันในระดับนี้คล้ายกับระบบไฟฟ้าในยุคเริ่มต้น: วิธีการกระจายพลังการคำนวณที่กระจัดกระจายอย่างมีประสิทธิภาพ
ชั้นที่หกของเค้ก: การปรับปรุงโทเค็นและการจัดสรรแบบอัจฉริยะ—สมองแห่งยุค AI
นี่อาจเป็นชั้น “เค้ก” ที่ถูกประเมินต่ำที่สุด แต่สำคัญที่สุด เมื่อการใช้งาน AI Agent เพิ่มขึ้นอย่างระเบิด ทุกคนพบว่า ไม่ใช่ทุกงานที่คุ้มค่าในการเรียกใช้โมเดลขนาดใหญ่ที่แพงที่สุด งานหลายอย่างที่เรียบง่ายสามารถทำได้ด้วยโมเดลท้องถิ่น งานหลายอย่างที่ต้องการความเร็วจริงเวลาเหมาะกับการประมวลผลที่ขอบ งานหลายอย่างที่เกี่ยวกับความเป็นส่วนตัวไม่สามารถอัปโหลดขึ้นคลาวด์ได้ หลังจากคำถาม “มีพลังการประมวลผลไหม” จึงมีคำถามเพิ่มเติมคือ “จะใช้พลังการประมวลผลอย่างชาญฉลาดได้อย่างไร”
ด้วยความต้องการโทเค็นที่เพิ่มขึ้นแบบก้าวกระโดด การ “ใช้โมเดลที่เหมาะสมบนพลังการประมวลผลที่เหมาะสมเพื่อจัดการงานที่เหมาะสม” คือกุญแจสำคัญในการใช้โทเค็นอย่างเหมาะสมและมีประสิทธิภาพ นี่คือหนึ่งในทิศทางที่ GoodVision AI กำลังมุ่งมั่นพัฒนา นอกเหนือจากการจัดวางโรงงานโทเค็น AI
เช่นเดียวกับระบบไฟฟ้าในวันนี้: ความต้องการบางส่วนมาจากกริดไฟฟ้าขนาดใหญ่; บางส่วนมาจากแผงโซลาร์เซลล์บนหลังคา และสิ่งที่สำคัญที่สุดคือระบบการจัดการอัจฉริยะที่อยู่ตรงกลาง
AI ในอนาคตจะมีโครงสร้างเดียวกัน: งานที่ง่ายจะดำเนินการโดยโมเดลขนาดเล็กที่อยู่บนอุปกรณ์ท้องถิ่น งานที่ซับซ้อนจะเรียกใช้โมเดลขนาดใหญ่บนคลาวด์ งานที่ต้องการความเป็นส่วนตัวสูงจะจัดการที่ขอบเครือข่าย และงานที่ต้องการการประมวลผลแบบพร้อมกันสูงจะได้รับการจัดสรรแบบไดนามิกผ่านไฮบริดคลาวด์
นอกจาก Goodvision AI แล้ว บริษัทต่างๆ เช่น Qingyun Technology, Lambda, OpenRouter และ Fireworks AI ก็เป็นผู้นำด้านการปรับแต่งโทเค็นและการจัดสรรทรัพยากรอย่างชาญฉลาด
และชั้น “เค้ก” นี้มีผู้เล่นที่ทับซ้อนอย่างมากกับสองชั้น “เค้ก” ก่อนหน้า—AIDC และการเช่ากำลังการประมวลผล เมื่อทรัพยากร GPU โหนดภูมิภาค และขนาดงานการให้เหตุผลขยายตัวอย่างต่อเนื่อง การ “มีกำลังการประมวลผล” เพียงอย่างเดียวไม่เพียงพอที่จะสร้างอุปสรรคระยะยาว ผู้ให้บริการ AIDC และแพลตฟอร์ม GPU แบบคลาวด์越来越多เริ่มตระหนักว่า สิ่งที่จะกำหนดประสิทธิภาพและอัตรากำไรในอนาคต ไม่ใช่แค่จำนวน GPU แต่คือวิธีการจัดสรรแบบไดนามิกระหว่างโมเดล กำลังการประมวลผล และปริมาณโทเค็น
ดังนั้น แพลตฟอร์มหลายแห่งที่เคยจัดเตรียม AIDC และ GPU คลาวด์ กำลังขยายไปสู่ชั้นการจัดสรรแบบอัจฉริยะ เช่น บริษัทในตลาดจีนอย่าง UCloud, Capital Online และ Sugon ต่างกำลังพยายามผสานโครงสร้างพื้นฐาน GPU คลาวด์ของตนเอง ทรัพยากรหลายคลาวด์ และความสามารถในการจัดสรรการประมวลผลแบบอินเฟอเรนซ์ ค่อยๆ เปลี่ยนจาก “ขายพลังการประมวลผล” เป็น “เพิ่มประสิทธิภาพพลังการประมวลผล”
ชั้นที่เจ็ดของเค้ก: โมเดลและเอเจนต์—ผู้บริโภคโทเค็น
แม้ชั้นนี้จะอยู่ใกล้ผู้ใช้ที่สุดและเข้าถึงปริมาณการเข้าชมได้ง่ายที่สุด แต่การแข่งขันก็รุนแรงที่สุดเช่นกัน ใน GTC 2026 ฮวง เหรินซวีได้เสนอความเห็นว่า: ในอนาคต ทุกองค์กรจะกลายเป็น “ผู้ผลิตโทเค็นและผู้บริโภคโทเค็น”
เอเจนต์ปัญญาประดิษฐ์อาจเรียกใช้งานโมเดลหลายตัว เครื่องมือหลายตัว และ API หลายตัวพร้อมกัน โดยดำเนินการวิเคราะห์ วางแผน และดำเนินการอย่างต่อเนื่อง ซึ่งหมายความว่า ปริมาณ Token ที่ AI จะใช้ในอนาคตจะสูงกว่ามากเมื่อเทียบกับขนาดของการพูดคุยระหว่างมนุษย์กับ AI ในปัจจุบัน ผู้ใช้งาน AI ที่ใช้งานหนักบางรายได้สร้างระบบหลายเอเจนต์ที่ทำงานพร้อมกันและเรียกใช้งานซึ่งกันและกัน โดยการใช้งานถึง 1 พันล้าน Token ต่อวันเป็นเรื่องปกติ
อนาคตไม่ใช่การที่ผู้ใช้ 1 พันล้านคนใช้ AI แต่เป็นการที่ตัวแทน AI 1 แสนล้านถึง 1 พันล้านตัวทำงานพร้อมกันและเรียกใช้งานซึ่งกันและกัน และข้อจำกัดที่แท้จริงจะเปลี่ยนจาก “ความสามารถของโมเดล” เป็น “ประสิทธิภาพในการจัดสรร Token”
ยักษ์ใหญ่ด้านเทคโนโลยีไม่ต้องพูดถึงมากนัก Microsoft, Google, Meta, Amazon กำลังผสานความสามารถของ AI เข้าไปในผลิตภัณฑ์ทั้งหมดผ่านระบบสำนักงาน การค้นหา เครือข่ายสังคม และบริการคลาวด์
บริษัทซอฟต์แวร์องค์กร เช่น Adobe, Salesforce, ServiceNow และ Palantir กำลังเร่งพัฒนาในด้าน AI Agent ระดับองค์กรและงานอัตโนมัติ 与此同时，Hugging Face กำลังกลายเป็น 'Github' ของยุค AI ไม่เพียงแต่เป็นชุมชนโมเดล แต่ยังเป็นโครงสร้างพื้นฐานสำคัญของระบบนิเวศการพัฒนา AI ทั่วโลก
ในตลาดจีน บริษัทต่างๆ เช่น iFlytek, Kunlun Tech, 360, Kingsoft Office และ SenseTime กำลังจัดวางกลยุทธ์รอบตัวช่วย AI, AI สำหรับการปฏิบัติงาน และ AI Agent
เมื่อ "เค้กเจ็ดชั้น" สร้างขึ้นอย่างแท้จริง โลกของ AI จึงจะเริ่มต้นอย่างแท้จริง
อุตสาหกรรม AI ในวันนี้ยังคงอยู่ในระบบที่ยังไม่สมบูรณ์แบบอย่างเต็มที่
บางคนมี GPU ที่ทันสมัยที่สุด แต่ถูกจำกัดด้วยพลังงาน; บางคนสร้าง AIDC ขนาดใหญ่ แต่ขาดการจัดการอย่างมีประสิทธิภาพ; บางคนพัฒนาโมเดลและ Agent ที่ทรงพลัง แต่ต้องเผชิญกับต้นทุนการประมวลผลและการหน่วงเวลาที่สูง; บางคนมีโหนดขอบ แต่ไม่สามารถสร้างเครือข่ายที่ประสานงานกันอย่างเป็นระบบ
ตั้งแต่พลังงานไฟฟ้า AIDC GPU ไปจนถึง LLM การแจกจ่ายโทเค็น การจัดการอัจฉริยะ และ AI Agent 产业链 AI ทั้งหมดแม้จะกำลังเติบโตอย่างรวดเร็ว แต่แต่ละชั้นยังคงมีช่องว่าง ความซ้ำซ้อน และข้อจำกัดด้านประสิทธิภาพจำนวนมาก
แต่เฉพาะเมื่อ “เค้กเจ็ดชั้น” นี้ถูกสร้างขึ้นอย่างสมบูรณ์และเริ่มทำงานร่วมกันอย่างมีประสิทธิภาพเท่านั้น อุตสาหกรรม AI จึงจะก้าวพ้นจาก “ยุคเครื่องมือ” ในปัจจุบัน และเข้าสู่ “ยุคการนำไปใช้อย่างกว้างขวาง” ของโลกปัญญาประดิษฐ์อย่างแท้จริง
โลก AI ในอนาคตจะไม่ใช่แค่บริษัทเทคโนโลยีขนาดใหญ่ไม่กี่แห่งที่ฝึกโมเดลขนาดใหญ่ แต่จะเป็นการมีอยู่อย่างต่อเนื่องของตัวแทน AI หลายพันล้านตัวที่ทำงานออนไลน์ ร่วมมือกันอย่างต่อเนื่อง และเรียกใช้ทรัพยากรการประมวลผลและโทเค็นอย่างต่อเนื่อง การสนทนาแต่ละครั้ง การให้เหตุผลแต่ละครั้ง การเรียกใช้เครื่องมือแต่ละครั้ง และการดำเนินงานอัตโนมัติแต่ละครั้ง ล้วนต้องอาศัยการทำงานร่วมกันของพลังงาน GPU เครือข่าย ระบบการจัดสรร และโหนดการให้เหตุผล
สิ่งนี้ยังหมายความว่าอุตสาหกรรม AI กำลังค่อยๆ พัฒนาจาก “ตรรกะซอฟต์แวร์” ในอดีต ให้กลายเป็นระบบอุตสาหกรรมขนาดใหญ่ที่ครอบคลุมพลังงาน ชิป คลาวด์คอมพิวติ้ง เครือข่ายขอบ และการจัดการอัจฉริยะ
เช่นเดียวกับการปฏิวัติอุตสาหกรรมที่ไม่เพียงแต่ต้องการเครื่องจักรไอน้ำ แต่ยังต้องการทางรถไฟ ระบบไฟฟ้า และท่าเรือ; การปฏิวัติอินเทอร์เน็ตไม่ได้ต้องการเพียงคอมพิวเตอร์ส่วนบุคคล แต่ยังต้องการไฟเบอร์ออปติก ศูนย์ข้อมูล และคลาวด์คอมพิวติ้ง การปฏิวัติ AI จะไม่ถือว่าสมบูรณ์เพียงเพราะมีแอปพลิเคชันยอดนิยมเพียงหนึ่งเดียว แต่จะเกิดขึ้นเมื่อมีการก่อตัวขึ้นของ “เครือข่ายโครงสร้างพื้นฐานอัจฉริยะ” ทั่วโลก ที่สามารถผลิต จัดส่ง จัดการ และบริโภค Token อย่างต่อเนื่อง
เมื่อโครงสร้างพื้นฐานทั้งเจ็ดชั้นนี้เชื่อมต่อกันอย่างแท้จริง ตรรกะการแข่งขันในอุตสาหกรรม AI จะถูกปรับเปลี่ยนอย่างสิ้นเชิง บริษัทที่สำคัญที่สุดในอนาคตอาจไม่ใช่แค่บริษัทที่มีโมเดลขนาดใหญ่ที่สุด แต่เป็นบริษัทที่สามารถเชื่อมโยงพลังงาน กำลังการประมวลผล โครงข่าย โมเดล และการไหลเวียนของโทเค็น