DeepSeek, Perplexity และคลื่นลูกใหม่ของ AI ที่น่าจับตามอง

ยุคสมัยแห่งการผูกขาดของ AI ราคาแพงกำลังจะจบลง ตลอดสองปีที่ผ่านมา อุตสาหกรรมนี้ดำเนินงานภายใต้สมมติฐานที่ว่าประสิทธิภาพระดับสูงต้องแลกมาด้วยเงินหลายพันล้านดอลลาร์ในการประมวลผลและการใช้พลังงานมหาศาล แต่ DeepSeek และ Perplexity กำลังพิสูจน์ให้เห็นว่าความคุ้มค่าสามารถเอาชนะขนาดที่ใหญ่โตได้ DeepSeek สร้างความตกตะลึงให้กับตลาดด้วยการปล่อยโมเดลที่มีประสิทธิภาพเทียบเท่าผู้นำในอุตสาหกรรมโดยใช้ต้นทุนการฝึกฝนเพียงเศษเสี้ยว ในขณะเดียวกัน Perplexity ก็กำลังพลิกโฉมวิธีที่ผู้คนใช้งานอินเทอร์เน็ตโดยการเปลี่ยนรายการลิงก์แบบเดิมให้กลายเป็นคำตอบที่ตรงประเด็นและมีการอ้างอิง การเปลี่ยนแปลงนี้ไม่ใช่แค่เรื่องของเครื่องมือใหม่ แต่เป็นการเปลี่ยนแปลงพื้นฐานทางเศรษฐศาสตร์ของปัญญาประดิษฐ์ โฟกัสได้เปลี่ยนจากโมเดลที่ใหญ่แค่ไหน ไปสู่การใช้งานที่ประหยัดต้นทุนเพียงใด เมื่อผู้ท้าชิงเหล่านี้เริ่มมีบทบาทมากขึ้น ยักษ์ใหญ่ในตลาดก็ถูกบีบให้ต้องปกป้องโมเดลธุรกิจที่มีกำไรสูงของตนจากการรุกคืบของคู่แข่งที่เน้นความคล่องตัวและเชี่ยวชาญเฉพาะด้าน ซึ่งให้ความสำคัญกับประโยชน์ใช้สอยมากกว่ากระแสฮือฮา

แรงกระแทกจากความคุ้มค่าสู่ตลาดปัญญาประดิษฐ์

DeepSeek ถือเป็นการเปลี่ยนแปลงในความเป็นจริงของผลิตภัณฑ์ในโลก AI ในขณะที่หลายบริษัทมุ่งเน้นไปที่การสร้าง Neural Networks ที่ใหญ่ที่สุดเท่าที่จะเป็นไปได้ ทีมงานนี้กลับมุ่งเน้นไปที่การปรับแต่งสถาปัตยกรรม โมเดล DeepSeek-V3 ของพวกเขาใช้แนวทาง Mixture of Experts ซึ่งจะเปิดใช้งานพารามิเตอร์เพียงบางส่วนสำหรับงานที่ได้รับมอบหมาย สิ่งนี้ช่วยให้โมเดลรักษาประสิทธิภาพระดับสูงไว้ได้ในขณะที่ลดพลังการประมวลผลที่จำเป็นสำหรับทุกคำที่สร้างขึ้นอย่างมาก เรื่องราวของบริษัทนี้มักวนเวียนอยู่กับงบประมาณการฝึกฝนที่ต่ำ ซึ่งรายงานว่าต่ำกว่าหกล้านดอลลาร์ ตัวเลขนี้ท้าทายแนวคิดที่ว่ามีเพียงประเทศและองค์กรที่ร่ำรวยที่สุดเท่านั้นที่สามารถสร้างโมเดลระดับแนวหน้าได้ มันบ่งบอกว่าอุปสรรคในการเข้าสู่การเรียนรู้ของเครื่องระดับสูงนั้นต่ำกว่าที่เราเคยคิดไว้

Perplexity เข้าหาปัญหานี้จากมุมมองของผู้ใช้งาน มันคือ Answer Engine มากกว่าจะเป็น Search Engine แบบดั้งเดิม โดยใช้ Large Language Models ที่มีอยู่เพื่อสแกนเว็บแบบเรียลไทม์ ดึงข้อมูลที่เกี่ยวข้อง และนำเสนอในรูปแบบย่อหน้าที่กระชับพร้อมเชิงอรรถ ทางเลือกในการออกแบบนี้ช่วยแก้จุดอ่อนหลักของโมเดล AI มาตรฐาน ซึ่งมักจะให้ข้อมูลที่ล้าสมัยหรือสร้างขึ้นเองทั้งหมด การที่ Perplexity ยึดโยงคำตอบทุกอย่างไว้กับข้อมูลเว็บแบบเรียลไทม์ ทำให้มันกลายเป็นเครื่องมือที่ดูน่าเชื่อถือสำหรับการวิจัยเชิงวิชาชีพมากกว่าแชทบอททั่วไป ผลิตภัณฑ์นี้ไม่ได้มีแค่ตัวโมเดลเท่านั้น แต่ยังรวมถึงระบบการดึงข้อมูลและการอ้างอิงที่ล้อมรอบมันอยู่ แนวทางนี้สร้างแรงกดดันมหาศาลต่อผู้ให้บริการค้นหาแบบดั้งเดิมที่พึ่งพารายได้จากโฆษณาเมื่อผู้ใช้คลิกผ่านหน้าผลลัพธ์หลายหน้า

หากผู้ใช้ได้รับคำตอบในครั้งแรก พวกเขาก็ไม่มีเหตุผลที่จะต้องไล่ดูรายการลิงก์โฆษณาหรือนำทางผ่านเว็บไซต์ที่รกหูรกตา สิ่งนี้สร้างความขัดแย้งโดยตรงระหว่างประโยชน์ใช้สอยของเครื่องมือและโครงสร้างทางเศรษฐกิจของเว็บในปัจจุบัน

ภูมิรัฐศาสตร์ของการประมวลผลราคาถูก

ผลกระทบระดับโลกของผู้ท้าชิงเหล่านี้มีรากฐานมาจากการทำให้การประมวลผลประสิทธิภาพสูงเข้าถึงได้ง่ายขึ้น เมื่อต้นทุนในการรันโมเดลลดลงเก้าสิบเปอร์เซ็นต์ ศักยภาพในการนำไปบูรณาการเข้ากับซอฟต์แวร์ในชีวิตประจำวันก็ขยายตัวอย่างทวีคูณ นักพัฒนาในตลาดเกิดใหม่ที่เคยเข้าไม่ถึง API ระดับท็อปก็สามารถสร้างแอปพลิเคชันที่ซับซ้อนได้ สิ่งนี้เปลี่ยนจุดศูนย์ถ่วงของทั้งอุตสาหกรรม หากโมเดลที่มีประสิทธิภาพที่สุดไม่ได้มาจากศูนย์กลางอย่าง Silicon Valley อีกต่อไป ความได้เปรียบเชิงกลยุทธ์ของฟาร์มเซิร์ฟเวอร์ขนาดใหญ่ในประเทศก็จะเริ่มลดน้อยลง มันบีบให้เกิดการสนทนาเรื่องอธิปไตยของโมเดล (Model Sovereignty) ว่าประเทศต่างๆ ควรพึ่งพาผู้ให้บริการส่วนกลางเพียงไม่กี่รายหรือควรลงทุนในสถาปัตยกรรมที่มีประสิทธิภาพของตนเอง นี่เป็นสัญญาณที่น่าติดตามเพราะมันกำลังผลักดันอุตสาหกรรมให้ออกห่างจากพลวัตแบบผู้ชนะกินรวบ ไปสู่ตลาดที่มีความหลากหลายและมีการแข่งขันสูงขึ้น

ผู้ซื้อในระดับองค์กรเริ่มสัมผัสได้ถึงการเปลี่ยนแปลงนี้ในผลกำไรของพวกเขา เรื่องราวของการประมวลผลต้นทุนต่ำกำลังเปลี่ยนวิธีที่บริษัทวางแผนเทคโนโลยีในระยะยาว หากโมเดลอย่าง DeepSeek สามารถให้ประโยชน์ได้แปดสิบเปอร์เซ็นต์ของคู่แข่งที่แพงกว่าในราคาเพียงสิบเปอร์เซ็นต์ กรณีทางธุรกิจสำหรับตัวเลือกที่แพงกว่าก็จะหายไปสำหรับงานประจำส่วนใหญ่ สิ่งนี้สร้างตลาดแบบแบ่งระดับที่โมเดลราคาแพงที่สุดถูกสงวนไว้สำหรับงานที่ต้องใช้การคิดวิเคราะห์ซับซ้อนสูง ในขณะที่งานส่วนใหญ่ถูกจัดการโดยผู้ท้าชิงที่มีประสิทธิภาพ ความเป็นจริงทางเศรษฐกิจนี้ยังส่งผลกระทบต่อโลกโฆษณาด้วย Perplexity กำลังทดลองโมเดลที่โฆษณาถูกรวมเข้ากับกระบวนการวิจัยแทนที่จะเป็นสิ่งที่คอยขัดจังหวะ สิ่งนี้อาจนิยามใหม่ว่าแบรนด์ต่างๆ จะเข้าถึงผู้บริโภคได้อย่างไรในยุคที่ผู้คนไม่เข้าหน้าแรกหรือเลื่อนดูผลการค้นหาอีกต่อไป ผลกระทบนี้สัมผัสได้โดยทุกคน ตั้งแต่วิศวกรซอฟต์แวร์ที่เลือกใช้ API ไปจนถึงผู้บริหารฝ่ายการตลาดที่พยายามหาผู้ชมในโลกที่มีคำตอบให้ทันที

วันอังคารกับ Answer Engines

เพื่อให้เข้าใจถึงผลกระทบในโลกแห่งความเป็นจริง ลองพิจารณาชีวิตประจำวันของนักวิเคราะห์การเงินที่ชื่อ Sarah ในอดีต Sarah จะเริ่มเช้าวันใหม่ด้วยการเปิดแท็บต่างๆ สิบแท็บเพื่อตรวจสอบความเคลื่อนไหวของตลาดและรายงานข่าว เธอต้องใช้เวลาหลายชั่วโมงในการสังเคราะห์ข้อมูลเพื่อทำสรุปย่อประจำเช้า วันนี้เธอใช้ Answer Engine เพื่อสอบถามจุดข้อมูลเฉพาะจากหลายแหล่งพร้อมกัน เธอขอให้เปรียบเทียบรายงานรายไตรมาสสามฉบับและได้รับสรุปที่มีการอ้างอิงในไม่กี่วินาที ข้อมูลที่ได้รับมีความถูกต้องแม่นยำเพราะระบบดึงข้อมูลโดยตรงจากข้อความต้นฉบับ เธอไม่ต้องเสียเวลาค้นหาข้อมูลอีกต่อไป แต่เธอใช้เวลาในการตรวจสอบและตัดสินใจจากข้อมูลนั้น นี่คือเรื่องราวของการกระจายการค้นหาที่เกิดขึ้นจริง อินเทอร์เฟซกลายเป็นนักวิจัย และ Sarah กลายเป็นบรรณาธิการ เวิร์กโฟลว์ของเธอเร็วขึ้น แต่ก็ต้องพึ่งพาความถูกต้องของการอ้างอิงที่ได้รับจากเครื่องมือมากขึ้นเช่นกัน

ต่อมาในวันนั้น Sarah ต้องการเขียนสคริปต์เพื่อทำงานป้อนข้อมูลอัตโนมัติ แทนที่จะใช้ผู้ช่วยทั่วไปที่อาจมีราคาสูง เธอใช้โมเดลเขียนโค้ดเฉพาะทางจากผู้ท้าชิงอย่าง DeepSeek โมเดลให้โค้ดได้ทันที และเนื่องจากต้นทุนการประมวลผลต่ำมาก บริษัทของเธอจึงอนุญาตให้เธอใช้มันกับงานเล็กๆ น้อยๆ นับพันงานตลอดทั้งวันโดยไม่ต้องกังวลเรื่องงบประมาณ นี่คือวิธีที่ตลาดโมเดลกำลังเปลี่ยนแปลง มันกำลังกลายเป็นยูทิลิตี้พื้นฐานมากกว่าจะเป็นทรัพยากรที่มีค่าสูง แรงกดดันต่อพฤติกรรมการค้นหาแบบดั้งเดิมนั้นเห็นได้ชัดเมื่อ Sarah ตระหนักว่าเธอไม่ได้ใช้แถบค้นหามาตรฐานมาสามวันแล้ว เธอไม่มีความจำเป็นต้องใช้รายการลิงก์เมื่อเธอสามารถมีเอกสารที่มีโครงสร้างได้ จุดต่อไปนี้แสดงให้เห็นถึงการเปลี่ยนแปลงในกิจวัตรประจำวันของเธอ:

• Sarah แทนที่การรวบรวมข่าวด้วยตนเองด้วยสรุปที่มีการอ้างอิงอัตโนมัติซึ่งอัปเดตแบบเรียลไทม์
• เธอใช้โมเดลต้นทุนต่ำสำหรับงานเขียนโค้ดซ้ำๆ ที่เคยมีราคาแพงเกินกว่าจะทำเป็นอัตโนมัติในระดับใหญ่
• การพึ่งพา Search Engine ที่สนับสนุนด้วยโฆษณาแบบดั้งเดิมของเธอลดลงเกือบเป็นศูนย์ เนื่องจากเธอพบคุณค่ามากขึ้นในคำตอบโดยตรง
• เวลาที่ประหยัดได้ช่วยให้เธอโฟกัสไปที่กลยุทธ์ระดับสูงและความสัมพันธ์กับลูกค้าแทนการไล่ล่าข้อมูล

ราคาที่ซ่อนอยู่ของความฉลาดที่ได้มาฟรีๆ

ความสงสัยแบบโสเครตีสกำหนดให้เราต้องถามว่าเรากำลังแลกอะไรเพื่อความคุ้มค่านี้ หากโมเดลมีราคาถูกกว่าในการฝึกฝนและรันอย่างมีนัยสำคัญ เงินออมเหล่านั้นมาจากไหน? เราต้องถามว่าข้อมูลที่ใช้ฝึกฝนโมเดลที่มีประสิทธิภาพเหล่านี้ได้รับมาด้วยการตรวจสอบระดับเดียวกับคู่แข่งที่แพงกว่าหรือไม่ มีความเสี่ยงที่การแข่งขันด้านราคาจะนำไปสู่การลดมาตรฐานเรื่องความเป็นส่วนตัวของข้อมูลและสิทธิ์ในทรัพย์สินทางปัญญา หากบริษัทไม่ได้เรียกเก็บเงินจำนวนมากสำหรับโมเดลของตน พวกเขากำลังสร้างรายได้จากข้อมูลที่ผู้ใช้ป้อนเข้าไปแทนหรือไม่? เราต้องพิจารณาถึงต้นทุนที่ซ่อนอยู่ของโมเดล Answer Engine ด้วย เมื่อ Perplexity สรุปเนื้อหาจากเว็บไซต์ เว็บไซต์นั้นก็จะสูญเสียผู้เข้าชมไป หากผู้สร้างเนื้อหาต้นฉบับไม่ได้รับค่าตอบแทน ข้อมูลที่เครื่องมือเหล่านี้พึ่งพาอาจหายไปในที่สุด ใครจะเป็นผู้สนับสนุนงานสื่อสารมวลชนและการวิจัยของ 2027 หากผู้อ่านไม่เคยเข้าถึงแหล่งที่มาจริงๆ?

คำถามยากอีกข้อหนึ่งเกี่ยวข้องกับความน่าเชื่อถือของสถาปัตยกรรมแบบคล่องตัวเหล่านี้ แนวทาง Mixture of Experts ทำให้เกิดข้อผิดพลาดประเภทใหม่ที่ตรวจจับได้ยากขึ้นหรือไม่? เราต้องถามว่าเรากำลังเสียสละความลึกซึ้งเพื่อแลกกับความเร็วหรือไม่ มีอันตรายที่ผู้ใช้จะพึ่งพาการอ้างอิงที่สรุปมามากเกินไปโดยไม่เคยตรวจสอบบริบทเดิม สิ่งนี้อาจนำไปสู่ความเข้าใจที่ตื้นเขินในหัวข้อที่ซับซ้อนซึ่งความละเอียดอ่อนอาจสูญหายไปในการแสวงหาคำตอบที่กระชับ เราควรสงสัยในข้ออ้างเกี่ยวกับต้นทุนการฝึกฝนด้วย ตัวเลขเหล่านี้โปร่งใสเต็มที่หรือไม่ หรือว่าละเลยต้นทุนแรงงานมนุษย์และผลกระทบต่อสิ่งแวดล้อมของฮาร์ดแวร์? ในขณะที่เราก้าวไปสู่โลกของความฉลาดราคาถูก เราต้องระมัดระวังเกี่ยวกับคุณภาพและจริยธรรมของระบบที่เรากำลังบูรณาการเข้ากับชีวิตของเรา เสียงรบกวนจากการเปิดตัวผลิตภัณฑ์ใหม่อาจกลบสัญญาณของผลกระทบระยะยาวของมันได้บ่อยครั้ง

เจาะลึกภายใต้ฝากระโปรงของผู้ท้าชิงรายใหม่

สำหรับผู้ใช้ระดับสูง (Power User) เสน่ห์ของผู้ท้าชิงเหล่านี้อยู่ที่ความยืดหยุ่นทางเทคนิคและความสามารถในการบูรณาการ DeepSeek-V3 ใช้เฟรมเวิร์กการฝึกฝนที่ปรับให้เหมาะสมสำหรับความแม่นยำ FP8 ซึ่งช่วยให้การคำนวณเร็วขึ้นโดยไม่สูญเสียความแม่นยำอย่างมีนัยสำคัญ นี่เป็นก้าวสำคัญทางเทคนิคที่ช่วยอธิบายประสิทธิภาพด้านต้นทุนของพวกเขา กลไก Multi-head Latent Attention ของพวกเขาลดการใช้หน่วยความจำของโมเดลในระหว่างการประมวลผล ซึ่งเป็นปัจจัยสำคัญสำหรับนักพัฒนาที่ต้องการโฮสต์โมเดลเหล่านี้บนฮาร์ดแวร์ของตนเอง โมเดลใหม่เหล่านี้จำนวนมากถูกปล่อยออกมาพร้อมกับ Open Weights ซึ่งหมายความว่าสามารถรันในเครื่องหรือบน Private Cloud ได้ นี่เป็น ข้อได้เปรียบที่สำคัญ สำหรับองค์กรที่ไม่สามารถเสี่ยงส่งข้อมูลที่ละเอียดอ่อนไปยัง API ของบุคคลที่สามได้ ความสามารถในการปรับแต่ง (Fine-tune) โมเดลเหล่านี้บนชุดข้อมูลเฉพาะยังเพิ่มมูลค่าให้กับแอปพลิเคชันเฉพาะทางในภาคกฎหมาย การแพทย์ หรือการเงินอีกด้วย

มีเรื่องราว, เครื่องมือ, เทรนด์ หรือคำถามเกี่ยวกับ AI ที่คุณคิดว่าเราควรนำเสนอหรือไม่? ส่งแนวคิดบทความของคุณมาให้เรา — เรายินดีรับฟัง

Perplexity นำเสนอคุณค่าทางเทคนิคอีกรูปแบบหนึ่งผ่าน API ซึ่งช่วยให้นักพัฒนาสามารถสร้างความสามารถในการค้นหาลงในแอปพลิเคชันของตนเองได้โดยตรง สิ่งนี้ข้ามความจำเป็นในการใช้ดัชนีการค้นหาแยกต่างหากและโมเดลภาษาแยกต่างหาก ระบบจัดการการตรวจสอบและอ้างอิงโดยอัตโนมัติ อย่างไรก็ตาม มีข้อจำกัดที่ต้องพิจารณา อัตราจำกัดของ API (Rate limits) และความหน่วงของการค้นหาเว็บแบบเรียลไทม์อาจเป็นคอขวดสำหรับแอปพลิเคชันที่มีปริมาณการใช้งานสูง ผู้ใช้ต้องจัดการการแลกเปลี่ยนระหว่างความเร็วของการค้นหาและความลึกของการวิเคราะห์ การจัดเก็บผลการค้นหาเหล่านี้ในเครื่องเป็นอีกข้อพิจารณาสำหรับผู้ใช้ระดับสูงที่ต้องการรักษาบันทึกการตรวจสอบว่าข้อมูลของพวกเขามาจากไหน ปัจจัยทางเทคนิคต่อไปนี้กำลังกำหนดความได้เปรียบทางการแข่งขันสำหรับเครื่องมือเหล่านี้:

• การใช้ Multi-head Latent Attention เพื่อลดการใช้หน่วยความจำ KV cache ระหว่างงานที่มีบริบทขนาดยาว
• การรองรับการฝึกฝนและประมวลผลแบบ FP8 เพื่อเพิ่มปริมาณงานของฮาร์ดแวร์ GPU สมัยใหม่ให้สูงสุด
• การบูรณาการไปป์ไลน์ RAG แบบเรียลไทม์ที่สามารถจัดการการสืบค้นเว็บพร้อมกันได้หลายพันรายการ
• ความพร้อมใช้งานของ Open Weights สำหรับการปรับใช้ในเครื่องในสภาพแวดล้อมที่ปลอดภัย

อนาคตของความฉลาดแบบเลือกสรร

การผงาดขึ้นของ DeepSeek และ Perplexity ถือเป็นการเริ่มต้นของตลาด AI ที่มีความเป็นผู้ใหญ่มากขึ้น เรากำลังก้าวออกจากความแปลกใหม่ของโมเดลที่พูดได้ ไปสู่ประโยชน์ใช้สอยของโมเดลที่ทำงานได้อย่างมีประสิทธิภาพ จุดศูนย์ถ่วงกำลังเปลี่ยนไปสู่ผู้ให้บริการที่สามารถส่งมอบผลลัพธ์คุณภาพสูงในราคาที่ยั่งยืน นี่ไม่ใช่แค่เทรนด์สำหรับ 2027 นี้เท่านั้น แต่เป็นการเปลี่ยนแปลงระยะยาวในวิธีที่เราสร้างและบริโภคบริการดิจิทัล แรงกดดันต่อการค้นหาแบบดั้งเดิมและผู้ให้บริการโมเดลราคาสูงจะเพิ่มขึ้นเรื่อยๆ เมื่อผู้ท้าชิงเหล่านี้ปรับปรุงผลิตภัณฑ์ของตน สำหรับผู้ใช้ นี่หมายถึงทางเลือกที่มากขึ้นและเครื่องมือที่ดีขึ้น สำหรับอุตสาหกรรม นี่หมายถึงการกลับมาให้ความสำคัญกับความเป็นเลิศทางวิศวกรรมมากกว่าการใช้พลังประมวลผลแบบดุดัน ผู้ชนะที่แท้จริงจะเป็นผู้ที่สามารถแยกแยะระหว่างเสียงรบกวนของกระแสฮือฮาและสัญญาณของการเปลี่ยนแปลงเชิงโครงสร้างที่แท้จริงในเศรษฐกิจเทคโนโลยี

หมายเหตุจากบรรณาธิการ: เราสร้างเว็บไซต์นี้ขึ้นมาเพื่อเป็นศูนย์กลางข่าวสารและคู่มือ AI หลายภาษาสำหรับผู้ที่ไม่ได้เป็นผู้เชี่ยวชาญคอมพิวเตอร์ แต่ยังคงต้องการทำความเข้าใจปัญญาประดิษฐ์ ใช้งานได้อย่างมั่นใจมากขึ้น และติดตามอนาคตที่กำลังจะมาถึงแล้ว

พบข้อผิดพลาดหรือสิ่งใดที่ต้องแก้ไขหรือไม่? แจ้งให้เราทราบ