จาก AI ครอบจักรวาลสู่โมเดลย่อยราคาประหยัด ทางออกของ AI ราคาแพง
ยุคของ AI ที่ใหญ่ที่สุดอาจกลายเป็นอดีต เมื่อเริ่มมีการตั้งคำถามถึงความคุ้มค่าของโมเดลเรือธง และหันสู่โมเดลขนาดเล็กที่ให้ประสิทธิภาพใกล้เคียงในต้นทุนที่ต่ำกว่า
KEY
POINTS
- โมเดล AI ขนาดใหญ่มีต้นทุนการประมวลผลที่สูงมาก ทำให้ค่าบริการแพงขึ้นจนไม่คุ้มค่าสำหรับงานทั่วไปหลายประเภท
- แนวโน้มใหม่คือการเปลี่ยนมาใช้โมเดล AI ขนาดเล็กที่ราคาถูกกว่า ซึ่งมีประสิทธิภาพเพียงพอสำหรับงานส่วนใหญ่ และใช้โมเดลขนาดใหญ่เฉพาะเมื่อจำเป็น
- การใช้โมเดลขนาดเล็กช่วยประหยัดต้นทุนได้อย่างมีนัยสำคัญ เพิ่มความเร็วในการทำงาน และสามารถพัฒนาให้มีความเฉพาะเจาะจงกับข้อมูลท้องถิ่นเพื่อความมั่นคงทางข้อมูลได้
ปัจจุบันการใช้งาน AI กลายเป็นเรื่องทั่วไปในชีวิตประจำวัน บริษัทผู้พัฒนาต่างมุ่งแข่งขันผลักดันโมเดล AI ของบริษัทตนให้กลายเป็นเบอร์หนึ่งที่มีขีดความสามารถรอบด้าน ทำได้ทุกอย่างตามสั่งพร้อมตอบสนองความต้องการของผู้ใช้งานทุกรูปแบบ แต่ล่าสุดแนวทางเหล่านี้กำลังจะไม่ได้ผลอีกต่อไป
วันนี้เราจะมาพูดถึงว่าทำไมมันจึงเป็นเช่นนั้น และแนวโน้มเทคโนโลยีที่กำลังจะเกิดในอนาคต
ในวันที่โมเดล AI เก่งจนเกินความจำเป็น
ที่ผ่านมาเราคุ้นเคยกับแนวโน้มการพัฒนาเทคโนโลยีอย่างต่อเนื่อง เพื่อผลักดันและยกระดับการประมวลผลโมเดล AI แต่ละตัวให้สูงยิ่งขึ้น เพราะก่อนหน้านี้ AI ถูกสร้างขึ้นมาจากแนวคิดที่ว่า ยิ่งมีขนาดใหญ่ ทรงงพลัง และประสิทธิภาพสูงเท่าไหร่ก็ยิ่งดี นำไปสู่การสร้างโมเดลระดับสูงออกมาให้เราใช้งานในปัจจุบัน
จริงอยู่โมเดล AI เรือธงมีขีดความสามารถสูง จัดการงานทุกอย่างได้ครบถ้วนรอบด้าน ปัญหาคือโมเดลเหล่านี้มีต้นทุนการประมวลผลสูงมาก ที่ผ่านมาบริษัท AI ทั้งหลายดึงเงินจากนักลงทุนมาอุดหนุนเราจึงรู้สึกราคาถูก แต่ช่วงเวลาดังกล่าวกำลังจะหมดลง เมื่อสตาร์ทอัพทั้งหลายเตรียม IPO เข้าตลาดหุ้นจึงเริ่มมีการปรับราคาค่าบริการ
โมเดล AI จากเดิมที่เปิดให้ใช้แบบเหมาจ่ายเริ่มปรับไปสู่ขีดจำกัดจ่ายค่าบริการตามจริง ส่งผลให้ค่าใช้จ่ายด้าน AI ของหลายบริษัทสูงขึ้นอย่างก้าวกระโดด เช่น Cursor เครื่องมือเขียนโค้ดที่ค่าบริการพุ่งไป 4 – 5 เท่า หรือ Uber ที่ค่าใช้จ่ายด้าน AI ของปี 2026 หมดเกลี้ยงไปตั้งแต่เดือนเมษายน
ประเด็นสำคัญอยู่ที่ไม่ใช่ทุกสาขาวิชาชีพ และไม่ใช่ทุกชุดคำสั่งที่จำเป็นต้องใช้โมเดลระดับนี้ ทำให้หลายบริษัทเริ่มตั้งคำถามถึงการนำ AI เรือธงมาใช้งานอย่างไม่ยั้งคิด ขณะเดียวกันงานหลายอย่างก็ไม่จำเป็นต้องใช้โมเดลแพงระยับเสมอไป ในเมื่อโมเดลตัวเล็กที่เปิดให้ใช้ฟรีก็จัดการได้เช่นกัน
นั่นทำให้ทิศทางการพัฒนาโมเดลต่อจากนี้ อาจไม่ได้เน้นประสิทธิภาพอีกต่อไปแต่เป็นความคุ้มค่า
แนวโน้มในการใช้โมเดลตัวเล็ก สู่กลยุทธ์เน้นความคุ้มค่า
ปัจจุบันบริษัทหลายแห่งเริ่มปรับตัวโดยการการจำกัดค่าใช้จ่ายโมเดลราคาแพง เห็นได้ชัดจาก Uber ที่มีการกำหนดโควตาการใช้งานโมเดลเรือธงให้แก่นักพัฒนา เช่นเดียวกับบริษัท AI หลายแห่งที่เปลี่ยนแพ็คเกจใช้งานเป็นจ่ายตามจริง จนทำให้สมาชิกเกือบทุกระดับมีขีดจำกัดการใช้งานโทเคนสำหรับประมวลผลที่จำกัด
อีกแนวทางที่ได้รับการพูดถึงเช่นกันคือ หันมาซบโมเดลเล็ก เปลี่ยนจากการใช้โมเดลเรือธงราคาแพง มาใช้โมเดลขนาดเล็กที่มีต้นทุนประมวลผลถูกกว่าแต่ประสิทธิภาพใกล้เคียงกัน เช่น ในกรณีของบริษัทกฎหมาย Harvey ที่ผสมการใช้งาน Claude Opus เข้ากับ GLM 5.1 โมเดลฟรีจากประเทศจีนแทน
กระบวนการของพวกเขาจะอาศัยการทำงานผ่าน GLM 5.1 ที่เป็นโมเดลราคาประหยัดเป็นหลัก เมื่อต้องรับมือปัญหาที่มีความซับซ้อนหรือประมวลผลหนักจึงค่อยสลับไป Claude Opus ผลที่ได้คือคุณภาพคำตอบไม่แตกต่างจากเดิมนัก แต่สามารถประยลดภาระเซิร์ฟเวอร์และทำให้ต้นทุนประมวลผลลดลงไปถึง 3 เท่า
สาเหตุที่เป็นเช่นนี้มาจากขีดการพัฒนาเทคโนโลยีที่ก้าวกระโดด ทำให้โมเดล AI โอเพนซอร์สที่เปิดให้ใช้งานและเข้าถึงฟรีนั้น มีประสิทธิภาพพอสำหรับจัดการงานทั่วไปที่ไม่ต้องการความซับซ้อน และอาจทำให้งานส่วนใหญ่บนโลกสามารถจัดการได้ผ่านโมเดลขนาดเล็ก โดยไม่ต้องพึ่งพาโมเดลราคาแพงมากนัก
นี่จึงอาจเป็นแนวทางที่ได้รับความสนใจจากบริษัทและองค์กรที่กำลังเปลี่ยนผ่านในปัจจุบัน
ข้อดีของการเปลี่ยนมาเป็นโมเดลขนาดเล็ก
การเปลี่ยนผ่านไปยังโมเดลขนาดเล็กนั้นไม่ใช่การลดสเปก แต่เป็นตัวเลือกเพื่อความคุ้นค่าทางต้นทุนที่จะลดลงอย่างมีนัยยะสำคัญ จนมีการคาดการณ์ว่า ในอีกราว 12 – 18 เดือนข้างหน้า แนวโน้มเทคโนโลยีจะเปลี่ยนผ่านจากโมเดลขนาดใหญ่ที่เน้นถมกำลังประมวลผล มาเป็นการปรับแต่งโมเดลขนาดเล็กให้มีประสิทธิภาพสูงสุดในการรองรับงานสาขานั้นๆ
สิ่งที่เกิดขึ้นแน่นอนว่าเป็นการประหยัดต้นทุนค่า AI จากการคาดการณ์ของผู้เชี่ยวชาญเปิดเผยว่า ใน 12 – 18 เดือนข้างหน้า งานกว่า 80% ของโลกจะถูกย้ายไปประมวลผลบนโมเดลขนาดเล็ก ที่จะช่วยประหยัดต้นทุนจากเดิมได้สูงสุดนับสิบเท่า เมื่อเทียบกับการพึ่งพาโมเดลขนาดใหญ่ในปัจจุบัน
การเปลี่ยนมาใช้โมเดลขนาดเล็กจะช่วยให้การทำงานและตอบสนองของโมเดลรวดเร็ว ไม่ต้องประมวลผลข้อมูลจำนวนมหาศาล ลดผลกระทบจากการการเอนเอียง สับสน หรือหลอนข้อมูลขึ้นมา พร้อมสามารถสร้างโมเดลที่มีความเฉพาะเจาะจง โดยอาศัยข้อมูลอ้างอิงทางภาษาและวัฒนธรรมให้สอดคล้องกับผู้ใช้งานยิ่งขึ้น
สิ่งนี้จะเป็นประโยชน์อย่างยิ่งกับอธิปไตยทางข้อมูล เมื่อโมเดลมีขนาดเล็กลงก็ไม่จำเป็นต้องพึ่งพาดาต้าเซ็นเตอร์ขนาดใหญ่ที่ต่างประเทศ สามารถประมวลผลและจัดาการข้อมูลทั้งหมดผ่านเซิร์ฟเวอร์บนท้องถิ่นหรือภายในอุปกรณ์ได้ทันที ทำให้แน่ใจในความปลอดภัยในการใช้งานว่าไม่มีข้อมูลรั่วไหล
การสร้างเซิร์ฟเวอร์และพัฒนาระบบ AI ของตัวเองขึ้นมา ยังส่งผลกระทบต่อความมั่นคงภายในประเทศโดยตรง โดยเฉพาะอธิปไตยทาง AI เพราะเมื่อโครงสร้างพื้นฐานพึ่งพา AI มากขึ้น เราไม่สามารถฝากชีวิตไว้กับต่างชาติได้ ป้องกันกรณีที่เกิดขึ้นจากรัฐบาลสหรัฐฯสั่งระงับการใช้งาน Claude Falbe 5 และ Mythos 5 จนกลายเป็นการปิดกั้นการใช้งานไปในที่สุด
ทำให้เป็นไปได้สูงมากที่การเปลี่ยนผ่านจากโมเดลเรือธงมาเป็นโมเดลขนาดเล็กจะกลายเป็นแนวโน้มต่อไปของ AI
อย่างไรก็ตามนี่เป็นเพียงคาดการณ์แนวโน้มเทคโนโลยี เพราะหากสิ่งนี้เกิดขึ้นผู้ที่ได้รับผลกระทบรุนแรงจะเป็นเจ้าของโมเดลเรือธงอย่าง OpenAI และ Anthropic ที่อาจหาแนวทางมาลดต้นทุนการประมวลผลโมเดล แต่ก็อาจส่งผลต่อสารพัดโครงการดาต้าเซ็นเตอร์ ที่จะมีกำลังประมวลผลล้นเกินและอาจนำไปสู่ฟองสบู่ต่อไป
ที่มา
https://techcrunch.com/2026/06/09/can-tech-companies-learn-to-love-cheaper-models/
