ทำไมยุทธศาสตร์โครงสร้างพื้นฐาน AI ของประเทศไทย จึงต้องมองให้ไกลกว่าแค่ดาต้าเซ็นเตอร์

ปัญญาประดิษฐ์ (AI) ได้เข้ามามีบทบาทสำคัญต่อวิถีชีวิต การทำงาน และการแก้ปัญหาเร่งด่วนของประเทศไทยอย่างรวดเร็ว ไม่ว่าจะเป็นการใช้งานของบุคคลทั่วไป การใช้งานในภาคธุรกิจ ไปจนถึงการแก้ปัญหาสาธารณะต่าง ๆ ทั้งยังเป็นปัจจัยสำคัญต่อการขับเคลื่อนเศรษฐกิจดิจิทัลของประเทศ โดยล่าสุด กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอี) ประกาศเดินหน้า แผนปฏิบัติการปีงบประมาณ 2569 ขับเคลื่อนเศรษฐกิจไทยด้วยเทคโนโลยีดิจิทัลและปัญญาประดิษฐ์ (AI) อย่างครบวงจร มุ่งยกระดับขีดความสามารถการแข่งขันของประเทศให้ติดอันดับ Top 30 ของโลก พร้อมตั้งเป้าเพิ่มสัดส่วนเศรษฐกิจดิจิทัลไม่น้อยกว่า 30% ของ GDP ภายในปี 2570 จากปัจจุบันอยู่ที่ราว 24% นอกจากการลงทุนจากภาครัฐแล้ว ในช่วงไม่กี่ปีที่ผ่านมาข้อมูลจาก สำนักงานคณะกรรมการส่งเสริมการลงทุน (BOI) ยังระบุว่า ณ ครึ่งแรกของปี 2568 มีกลุ่มอุตสาหกรรมด้านดิจิทัลขอรับการส่งเสริมการลงทุนถึง 89 โครงการ คิดเป็นมูลค่าการลงทุนรวมสูงถึง 522,577 ล้านบาท ซึ่งส่วนใหญ่เป็นการลงทุนในกิจการ Data Center และ Cloud Service จากบริษัทเทคโนโลยีชั้นนำระดับโลก การขยายตัวของดาต้าเซ็นเตอร์ ซึ่งเป็นไปตามแนวโน้มของอุตสาหกรรมในประเทศไทยที่คาดว่าจะมีรายได้เติบโตเฉลี่ย 7.5-8.5% ต่อปี ในช่วงปี 2568-2570 ดาต้าเซ็นเตอร์เหล่านี้กลายเป็นโครงสร้างพื้นฐานสำคัญที่รองรับการใช้งาน AI ที่เพิ่มขึ้นและซับซ้อนขึ้นอย่างรวดเร็ว แม้ว่าดาต้าเซ็นเตอร์จะเป็นส่วนประกอบสำคัญของระบบนิเวศโครงสร้างพื้นฐาน AI แต่สิ่งสำคัญคือต้องตระหนักว่าสิ่งเหล่านี้เป็นเพียงส่วนหนึ่งของยุทธศาสตร์ที่ครอบคลุมเท่านั้น หากเป้าหมายของประเทศไทยคือการใช้ AI เป็นตัวเร่งให้เกิดการเติบโตที่ครอบคลุมและยั่งยืน จะต้องมุ่งเน้นไปที่ยุทธศาสตร์องค์รวม ซึ่งไม่เพียงแต่ประกอบด้วยดาต้าเซ็นเตอร์เท่านั้น แต่ยังรวมถึงคอมพิวเตอร์ส่วนบุคคล (PCs) และอุปกรณ์ปลายทาง (Edge Devices) ในบทบาทเป็นประตูสู่การกระจายการประมวลผลด้าน AI

ทำไมดาต้าเซ็นเตอร์เพียงอย่างเดียวถึงไม่ตอบโจทย์การประมวลผล AI

การพึ่งพิงดาต้าเซ็นเตอร์ส่วนกลางเป็นหลักเพื่อการประมวลผล AI ทั้งหมดอาจมีข้อจำกัดที่ส่งผลกระทบต่อการพัฒนาที่ครอบคลุม โดยเฉพาะอย่างยิ่งความท้าทายสำคัญต่อไปนี้ การเข้าถึงในพื้นที่ห่างไกล: ข้อมูลของ ศูนย์วิจัยกรุงศรี เผยว่าดาต้าเซ็นเตอร์ในประเทศไทยกระจุกตัวอยู่ในกรุงเทพฯ 37 แห่ง และกระจายตัวอยู่ตามหัวเมืองรองและแหล่งอุตสาหกรรมอีก 5 แห่ง การลงทุนดาต้าเซ็นเตอร์ต้องพิจารณาถึง Internet Bandwidth ที่สามารถรองรับแนวโน้มการเพิ่มขึ้นของข้อมูลที่ต้องเชื่อมต่อเข้ามาจัดเก็บ จึงอาจทำให้มีความท้าทายด้านความล่าช้าหากเซิร์ฟเวอร์ที่เก็บข้อมูลอยู่ไกลจากผู้ใช้งาน การขาดแคลนบุคลากรที่มีความเชี่ยวชาญ: การเติบโตอย่างรวดเร็วของเทคโนโลยีดิจิทัล ทำให้ขาดแคลนบุคลากรที่มีความเชี่ยวชาญเฉพาะทางเพิ่มขึ้น เห็นได้จากการที่ผู้ลงทุนดาต้าเซ็นเตอร์มีการทำโครงการพัฒนาทักษะดิจิทัลควบคู่กันไป ผลกระทบต่อสิ่งแวดล้อมและต้นทุนค่าไฟฟ้า: การขับเคลื่อนแอปพลิเคชัน AI ผ่านดาต้าเซ็นเตอร์ที่ใช้พลังงานมหาศาล ก่อให้เกิดความท้าทายด้านสิ่งแวดล้อมอย่างหลีกเลี่ยงไม่ได้ สถาบันวิจัยเพื่อการพัฒนาประเทศไทย TDRI ได้เน้นย้ำถึงปัญหาพลังงานสะอาดไม่เพียงพอต่อความต้องการของภาคอุตสาหกรรม นอกจากนี้ การพึ่งพากริดพลังงานแบบดั้งเดิมยังส่งผลกระทบต่อเป้าหมาย Net Zero ของประเทศ และจำเป็นต้องมีการจัดการพลังงานอย่างรอบคอบ แนวทางการประมวลผล AI แบบกระจาย (distributed compute) ซึ่งหมายถึงการสร้างความสมดุลระหว่างดาต้าเซ็นเตอร์ คอมพิวเตอร์ส่วนบุคคลที่สามารถใช้งานด้าน AI (AI-capable PCs) และอุปกรณ์ปลายทาง (Edge) ที่สามารถรันแอปพลิเคชัน AI ได้ภายในเครื่อง เป็นสิ่งจำเป็นเพื่อให้สามารถใช้งาน AI ได้อย่างครอบคลุมและยั่งยืน

AI PC และอุปกรณ์ปลายทาง (Edge): หัวใจสำคัญของยุทธศาสตร์ AI แบบกระจาย

การเรียกใช้แอป AI ภายในอุปกรณ์สามารถทำได้เร็วกว่า ใช้พลังงานน้อยกว่า และเหมาะสมกว่าสำหรับสภาพแวดล้อมที่มีการเชื่อมต่อไม่ดีหรือแหล่งจ่ายไฟจำกัด เมื่อเทียบกับการเรียกใช้จากดาต้าเซ็นเตอร์ ไม่ว่าจะเป็นบน AI PC หรืออุปกรณ์ Edge (เช่น อุปกรณ์ Internet of Things ในโรงงาน, ยานพาหนะ, ฟาร์ม ฯลฯ) แนวทางการประมวลผลแบบกระจายจะทำให้สามารถเข้าใช้งาน AI ได้ในวงกว้างยิ่งขึ้น โดยใช้ประโยชน์จากอุปกรณ์ที่อยู่ใกล้กับผู้ใช้งานมากที่สุด การไม่จำเป็นต้องใช้อินเทอร์เน็ตความเร็วสูงหรือดาต้าเซ็นเตอร์แบบรวมศูนย์เวลาจะเรียกใช้แอปพลิเคชัน ไม่เพียงหมายความว่าแอปพลิเคชัน AI สามารถใช้งานได้ทุกที่ทุกเวลาอย่างปลอดภัย แต่ยังหมายความว่ามีต้นทุนการดำเนินการที่ถูกลงด้วย โดยอุปกรณ์จะใช้ข้อมูลที่จำเป็นเท่านั้น อีกทั้งยังใช้พลังงานน้อยลงจากการประมวลผลน้อยลง และลดความกังวลเกี่ยวกับการละเมิดความปลอดภัย เนื่องจากข้อมูลยังคงถูกประมวลผลและจัดเก็บบนอุปกรณ์โดยตรง แม้จะมีข้อดีหลายประการที่คล้ายคลึงกัน แต่การใช้งาน AI PC และอุปกรณ์ Edge นั้นแตกต่างกัน AI PC เป็นอุปกรณ์เอนกประสงค์ที่มีประสิทธิภาพสูง เหมาะที่สุดสำหรับงาน AI ที่ประมวลผลบนอุปกรณ์ มีประสิทธิภาพสูง ในขณะที่อุปกรณ์ Edge จะมีความเชี่ยวชาญเฉพาะทางมากกว่า มีการกระจายตัว และได้รับการปรับให้เหมาะสมสำหรับการอนุมาน AI แบบเรียลไทม์ที่ใช้พลังงานต่ำ ณ แหล่งข้อมูล ซึ่งมักจะต้องทำงานในสภาพแวดล้อมที่มีพื้นที่จำกัดและมีความท้าทาย (เช่น อุณหภูมิสูงหรือต่ำ, สภาพแวดล้อมที่มีฝุ่นมาก) ในระบบนิเวศการประมวลผลแบบกระจายนี้ ดาต้าเซ็นเตอร์จะยังคงมีบทบาทสำคัญในฐานะศูนย์กลางสำหรับการฝึกโมเดล AI ขนาดใหญ่ การจัดเก็บชุดข้อมูลขนาดมหาศาล และการรันการวิเคราะห์ที่มีความซับซ้อนสูง เช่น LANTAซูเปอร์คอมพิวเตอร์ขุมพลังโปรเซสเซอร์ AMD EPYC ที่นักพัฒนาหรือนักวิจัยใช้ในการประมวลผลสำหรับการฝึกโมเดลขนาดใหญ่ ในฝั่งของ AI PC ทำหน้าที่เป็นอุปกรณ์สำหรับผู้เชี่ยวชาญและนักพัฒนาที่ต้องการประมวลผล AI บนเครื่อง และอุปกรณ์ปลายทาง (Edge) สำหรับการการประมวลผลแบบเรียลไทม์และระบบอัตโนมัติที่จำเป็นในชีวิตประจำวันและภาคอุตสาหกรรม ซึ่งประเทศไทยเองก็มี การพัฒนาโมเดลภาษาไทยขนาดใหญ่ (Thai Large Language Model) แบบโอเพนซอร์ส นับเป็นการส่งเสริมการใช้งาน AI ที่ทำงานและประมวลผลข้อมูลอยู่ภายในอุปกรณ์นั้น ๆ โดยตรงและบนอุปกรณ์ Edge ได้กว้างขวางขึ้น

ก้าวสู่การเป็นผู้นำด้าน AI อย่างยั่งยืน

ประเทศไทยมีวิสัยทัศน์ที่จะผลักดันประเทศสู่การเป็น “ศูนย์กลางด้านดิจิทัลและ AI ของอาเซียน” ภายในปี 2570 การจะบรรลุวิสัยทัศน์นี้ได้นั้น นอกจากการขยายโครงสร้างพื้นฐาน และความมั่นคงปลอดภัยทางไซเบอร์แล้ว การพัฒนาบุคลากรก็เป็นอีกหนึ่งตัวขับเคลื่อนสำคัญเพื่อให้การพัฒนา AI ของประเทศเป็นไปอย่างยั่งยืน ทั้งนี้ ภาครัฐของไทยได้ตั้งเป้าหมายเร่งสร้างบุคลากรที่มีความเชี่ยวชาญเฉพาะด้าน AI จำนวน 90,000 คน และนักพัฒนา AI จำนวน 50,000 คน ภายในระยะเวลาสองปี และสานต่อความร่วมมือด้านการพัฒนาบุคลากรดิจิทัลกับภาคเอกชนทั้งในและต่างประเทศ สถาบันการศึกษา หน่วยงานที่เกี่ยวข้องต่าง ๆ อย่างต่อเนื่อง ในขณะที่เราเดินหน้าขยายโครงสร้างพื้นฐาน AI ของประเทศ สิ่งสำคัญคือเราต้องแน่ใจว่ารากฐานที่เราสร้างขึ้นนั้นทุกคนสามารถเข้าถึงได้และมีความยั่งยืน แนวทางการประมวลผลแบบกระจายเพื่อขับเคลื่อน AI ในระดับประเทศคือสิ่งจำเป็น ไม่ใช่การพึ่งพิงดาต้าเซ็นเตอร์เพียงด้านเดียวอีกต่อไป ประเด็นพูดคุยเรื่อง AI ควรไปให้ไกลกว่าแค่เรื่องของการสร้างดาต้าเซ็นเตอร์ และมุ่งไปสู่การสร้างระบบนิเวศ AI ที่ยืดหยุ่น ครอบคลุม และยั่งยืนสำหรับทุกคนในประเทศอย่างแท้จริง