· สหรัฐฯ ยังครองความเป็นผู้นำด้านโครงสร้างพื้นฐานเพื่อการพัฒนา AI ทั้งฝั่ง Hardware และ Software ส่งผลให้ปัจจุบันจีนยังมีความจำเป็นต้องนำเข้าชิป และพึ่งพาเทคโนโลยีของสหรัฐฯ อยู่
· อย่างไรก็ดี ภายใต้ข้อจำกัดด้านโครงสร้างพื้นฐานจีนกลับสามารถพัฒนาโมเดล AI ที่มีความฉลาดเทียบเท่ากับสหรัฐฯ สะท้อนถึงศักยภาพในการพัฒนาเทคโนโลยีภายในประเทศและความก้าวหน้าอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา
· การแข่งขันด้านปัญญาประดิษฐ์ในระยะข้างหน้า อาจไม่ได้จำกัดอยู่เพียงการแข่งขันด้านเทคโนโลยีขั้นสูง แต่รวมถึงการนำ AI ไปประยุกต์ใช้จริงในภาคเศรษฐกิจและอุตสาหกรรม ซึ่งอาจเป็นปัจจัยชี้ขาดความได้เปรียบในระยะยาว
ด้านโครงสร้างพื้นฐาน (Infrastructure Layer)
ในการพัฒนาโมเดล AI จำเป็นต้องมีชิปขั้นสูง ที่ใช้ในการประมวลผล/จัดเก็บข้อมูล (Hardware) และ ระบบออกคำสั่ง (Software) ที่ใช้งานควบคู่กับชิป เพื่อนำข้อมูลมาฝึกฝนและต่อยอดออกมาเป็นโมเดล AI
Hardware: จีนยังมีข้อจำกัดด้านความสามารถในการผลิตชิปขั้นสูง
ปัจจุบัน สหรัฐฯ ยังคงเป็นผู้นำในอุตสาหกรรมชิปโลก โดยในปี 2024 ชิปจากบริษัทสหรัฐฯ มีสัดส่วนราวครึ่งหนึ่งของยอดขายทั่วโลก (รูปที่ 1)
ความได้เปรียบหลักของสหรัฐฯ อยู่ที่เทคโนโลยีการออกแบบและการผลิตชิปขั้นสูง ซึ่งมีความซับซ้อนและต้องอาศัยองค์ความรู้เฉพาะทาง ทำให้สามารถรักษาความเป็นผู้นำในตลาดโลกได้อย่างต่อเนื่อง โดยเฉพาะในกลุ่ม ชิปประมวลผล ซึ่งสำคัญอย่างมากต่อการพัฒนา AI
แม้ปัจจุบันจีนจะสามารถผลิตชิปประมวลผลขั้นสูงเองได้แล้ว แต่ประสิทธิภาพยังคงเป็นรองสหรัฐฯ (รูปที่ 2)
บริษัทรายใหญ่จากจีนอย่าง Huawei มีการพัฒนาชิปประมวลผล Ascend series ออกมาเพื่อรองรับการใช้งานภายในประเทศ อย่างไรก็ตาม ประสิทธิภาพในการประมวลผลของชิปจีน ยังคงเป็นรองสหรัฐฯ
จากการทดลองพบว่า ชิปรุ่นใหม่ที่ถูกพัฒนาและเริ่มมีการใช้งานในจีนอย่าง Ascend 910C จาก Huawei มีประสิทธิภาพในการทำงานเพียง 60% เมื่อเทียบกับชิป NVIDIA H100 ทั้งที่ H100 ไม่ใช่ชิปรุ่นล่าสุดของสหรัฐฯ แล้วก็ตาม
ข้อมูลนี้สะท้อนให้เห็นว่า เทคโนโลยีของจีนยังตามหลังสหรัฐฯ อย่างชัดเจน โดยเฉพาะเมื่อเทียบกับชิป ตระกูล Blackwell (B200 และ B300) จาก NVIDIA ซึ่งเป็นชิปรุ่นเรือธงในปัจจุบันและให้ประสิทธิภาพสูงกว่า H100 มาก
นอกจากนั้น จีนยังเผชิญปัญหาด้านกำลังการผลิตที่ไม่เพียงพอต่อความต้องการในประเทศ แม้จะมีการลงทุนอย่างต่อเนื่อง
ปัจจัยกดดันหลักมาจากการที่จีนถูกจำกัดการเข้าถึงเครื่องมือผลิตชิปขั้นสูง หรือ EUV Lithography1 จากบริษัท ASML สัญชาติเนเธอร์แลนด์ ซึ่งอุปกรณ์ดังกล่าว มีการใช้ชิ้นส่วนและเทคโนโลยีสำคัญจากสหรัฐฯ
สหรัฐฯ จึงสามารถใช้นโยบายควบคุมการส่งออกเครื่องมือดังกล่าวไปยังจีน ภายใต้กฎหมาย Foreign Direct Product Rule (FDPR) ซึ่งระบุว่า หากสินค้าหรืออุปกรณ์ใดในโลกถูกผลิตโดยใช้เทคโนโลยีจากสหรัฐฯ สินค้านั้นจะถือว่าอยู่ภายใต้การควบคุมของกฎหมายส่งออกของสหรัฐฯ ด้วย
ข้อจำกัดนี้ส่งผลให้จีนไม่สามารถผลิตชิปขั้นสูงได้ในปริมาณมาก และทำให้การพัฒนาเทคโนโลยีชิปภายในประเทศดำเนินไปได้ช้ากว่าสหรัฐฯ
จากเหตุผลดังกล่าว จีนจึงยังมีความจำเป็นต้องนำเข้าชิปเพิ่มขึ้น
ปริมาณการนำเข้าชิปของจีนเพิ่มขึ้นต่อเนื่องในช่วงหลายปีที่ผ่านมา สะท้อนถึงความต้องการใช้งานที่ขยายตัวตามการเติบโตของอุตสาหกรรม AI (รูปที่ 3) โดยในปี 2024 ชิปจากสหรัฐฯ ครองส่วนแบ่งตลาดมากถึง 70% ของการใช้งานทั้งหมดในจีน ขณะที่การใช้งานชิปจากผู้ผลิตภายในประเทศยังมีจำกัด (รูปที่ 4)
Software: สหรัฐฯ ยังคงเป็นผู้นำในด้านระบบที่ใช้ควบคู่กับชิปในการฝึก AI
นอกเหนือจากความสามารถในการประมวลผลของชิปแล้ว Software ที่ใช้ในการออกคำสั่ง และฝึกโมเดลก็มีความสำคัญเช่นกัน เนื่องจากแม้ชิปจะมีความสามารถในการประมวลผลเท่ากัน แต่หาก Software ที่ใช้ฝึกมีประสิทธิภาพไม่เท่ากัน ผลลัพธ์ที่ได้จากการฝึกก็จะมีคุณภาพที่ต่างกัน
เหตุผลนี้ทำให้ NVIDIA ยังคงรักษาความเป็นผู้นำในตลาดชิป AI ทั่วโลกได้ 2 เนื่องจาก Software ที่ NVIDIA พัฒนาเพื่อใช้งานควบคู่กับชิปของบริษัทตนเองอย่าง CUDA ยังคงเป็น Software ที่ดึงประสิทธิภาพของชิปออกมาได้สูงที่สุดในการใช้งานจริง
เมื่อเปรียบเทียบประสิทธิภาพซอฟต์แวร์ของ NVIDIA กับคู่แข่งโดยตรงอย่าง ROCm ของ AMD (รูปที่ 5) จะพบว่า CUDA ยังคงทำงานได้รวดเร็วกว่าและมีประสิทธิภาพสูงกว่าในแทบทุกประเภทของงานประมวลผล ที่ใช้ในงานด้าน AI เช่น Training, Inference, Parallel Computing และ Optimization Workloads
ขณะเดียวกัน หากเปรียบเทียบกับ Software ของผู้พัฒนาชิปจีน
แม้ Huawei จะมีการพัฒนาระบบนิเวศ Software CANN ควบคู่ไปกับชิป AI ตระกูล Ascend (เช่น Ascend 910C) โดยมีเป้าหมายเพื่อรองรับการใช้งานชิปจีนภายในประเทศ ทั้งในปัจจุบัน และที่จะเพิ่มสูงขึ้นในอนาคต แต่นักพัฒนา AI ในจีนยังคงให้ความเห็นว่าชิป Ascend ที่ใช้ Software CANN มักประสบปัญหาด้านความเสถียร โดยเฉพาะในการทำงานที่ซับซ้อน รวมไปถึงต้องอาศัยความเชี่ยวชาญระดับสูงในการเขียนโค้ดเพื่อให้สามารถใช้งานชิปได้อย่างเกิดประสิทธิภาพสูงสุด ซึ่งแตกต่างจาก CUDA ของ NVIDIA ที่มีความเสถียร และใช้งานง่ายกว่า
ดังนั้น สำหรับโครงสร้างพื้นฐาน (Infrastructure) ทั้งในส่วนของชิปประมวลผลขั้นสูง (Hardware) และ ระบบสำหรับพัฒนาโมเดล (Software) สหรัฐฯ ยังครองความได้เปรียบเชิงเทคโนโลยีในอุตสาหกรรม AI อย่างชัดเจน
ด้านการพัฒนาโมเดล (Model Layer)
ภายใต้ข้อจำกัด จีนสามารถพัฒนาโมเดล AI ที่มีความฉลาดเทียบเท่ากับสหรัฐฯ
แม้ว่าจีนจะตามหลังทั้งด้านชิป (Hardware) และระบบในการฝึกโมเดล (Training Software) แต่โมเดล AI ของจีนกลับมีความสามารถที่ดีเกือบเทียบเท่าโมเดลจากฝั่งสหรัฐฯ
ข้อมูลจาก Chatbot Arena แสดงให้เห็นว่าช่องว่างระหว่างประสิทธิภาพในการทำงานของโมเดลจากจีนและสหรัฐฯ แคบลงอย่างต่อเนื่อง (รูปที่ 5) ขณะเดียวกัน การพัฒนาโมเดล AI ของจีนก็ออกมาเป็นรูปธรรมมากขึ้น โดยมีการเปิดตัวโมเดล DeepSeek, Qwen, Kimi และ ERNIE ออกมาสู่ตลาดโลก ซึ่งเป็นโมเดลที่มีความฉลาด แข่งขันได้กับโมเดลสหรัฐฯ อย่าง OpenAI, Copilot หรือ Gemini (รูปที่ 6)
อย่างไรก็ตาม เพื่อพัฒนา AI ข้อมูลของ Financial Times ระบุว่า จีนมีการนำเข้าชิปประมวลผลขั้นสูงจากสหรัฐฯ ผ่านประเทศที่ 3 รวมไปถึงนำเอาโมเดล AI ไปทำการฝึกฝนในดาต้าเซ็นเตอร์ต่างประเทศ เพื่อหลบเลี่ยงข้อจำกัดด้านการเข้าถึงชิปของสหรัฐฯ
หนึ่งในปัจจัยสำคัญที่ผลักดันการพัฒนาโมเดล AI ของจีน คือ จำนวนและคุณภาพของบุคลากรด้าน AI ที่เพิ่มสูงขึ้นอย่างต่อเนื่อง
ทั้งจากการลงทุนด้านการศึกษาและนโยบายดึงดูดนักวิจัยให้กลับประเทศ โดยข้อมูลล่าสุดชี้ว่า จากนักวิจัย AI ทั่วโลก นักวิจัยจากสหรัฐฯ และจีนรวมกันคิดเป็น 57.7% ของทั้งหมด โดยเป็นนักวิจัยจากสหรัฐฯ ทั้งหมด ราว 63,000 คน และนักวิจัยจากจีนราว 53,000 คน
บุคลากรด้าน AI ของจีนเพิ่มขึ้นอย่างก้าวกระโดดในช่วงไม่กี่ปีที่ผ่านมา จากประมาณ 10,000 คน ในปี 2015 ขึ้นมาเป็นมากกว่า 52,000 คนในปี 20243 สะท้อนถึงการขยายตัวอย่างรวดเร็วของบุคลากรคุณภาพ ที่มีความจำเป็นต่อการพัฒนา AI
นอกจากปัจจัยด้านบุคลากรแล้ว การสนับสนุนเชิงนโยบายจากภาครัฐจีน ยังเป็นอีกหนึ่งแรงขับเคลื่อนสำคัญที่ช่วยเร่งการพัฒนาโมเดล AI ของประเทศ
รัฐบาลจีนมีบทบาทในการสร้างสภาพแวดล้อมที่เอื้อต่อการวิจัยและการพัฒนา AI อย่างเป็นระบบ ผ่านการลงทุนระยะยาวด้านโครงสร้างพื้นฐาน การสนับสนุนงบประมาณวิจัย และการผลักดันการนำ AI ไปใช้จริงในภาคอุตสาหกรรมต่าง ๆ แนวทางดังกล่าวช่วยลดข้อจำกัดเชิงโครงสร้างของภาคเอกชน เพิ่มความเร็วในการทดลองและพัฒนาโมเดลใหม่ ๆ และทำให้จีนสามารถชดเชยข้อเสียเปรียบด้านฮาร์ดแวร์และซอฟต์แวร์ฝึกโมเดลได้
ภาพดังกล่าวแสดงให้เห็นถึงศักยภาพของจีนในการแข่งขันเพื่อพัฒนาโมเดล AI ซึ่งจะส่งผลให้ช่องว่างระหว่างจีนและสหรัฐฯ มีแนวโน้มแคบลงอย่างต่อเนื่องในอนาคต
ด้านการใช้งาน (Application Layer)
นอกเหนือจากโครงสร้างพื้นฐานและการพัฒนาโมเดลแล้ว การนำ AI มาใช้จริงในภาคเศรษฐกิจและอุตสาหกรรมต่างๆ ถือเป็นอีกปัจจัยสำคัญที่สะท้อนความสามารถของประเทศนั้นๆ ในการสร้างมูลค่าเพิ่มจากเทคโนโลยี AI
แม้สหรัฐฯ จะยังเป็นผู้นำในด้านเทคโนโลยีชิป และโมเดล AI แต่จีนเน้นการประยุกต์ใช้ AI ในวงกว้างมากกว่า
ข้อมูลล่าสุดจาก China Internet Network Information Center ระบุว่า ในช่วงครึ่งแรกของปี 2025 จีนมีผู้ใช้งาน AI สูงถึง 515 ล้านคน เพิ่มขึ้นเกือบ เท่าตัวเมื่อเทียบกับปลายปี 2024 สะท้อนว่า AI ได้กลายเป็นส่วนหนึ่งของชีวิตประจำวันของประชาชนจำนวนมากแล้ว
โดยการใช้งาน AI ในจีนกระจายตัวไปในหลายพื้นที่และหลายอุตสาหกรรม เช่น
1) Chongqing และ Chengdu มุ่งใช้ AI ในอุตสาหกรรมยานยนต์และอิเล็กทรอนิกส์ โดยมีการพัฒนาโครงการนำร่องด้านรถยนต์อัจฉริยะและโรงงานอัจฉริยะ
2) Wuhan และ Xi’an ซึ่งเป็นศูนย์รวมมหาวิทยาลัยและสถาบันวิจัยสำคัญ กำลังผลักดันการใช้ AI ในภาคอุตสาหกรรม หุ่นยนต์ และการผลิตความแม่นยำสูง ส่งผลให้เมืองในภูมิภาคตอนในของจีนกลายเป็นจุดยุทธศาสตร์ด้านการผลิต
3) ส่วน Shenzhen ซึ่งเป็นศูนย์กลางด้านนวัตกรรมของจีน เดินหน้าพัฒนา AI ภาคอุตสาหกรรม หุ่นยนต์ และฮาร์ดแวร์ โดยมีระบบนิเวศของสตาร์ทอัพที่ได้รับการสนับสนุนจากบริษัทเทคโนโลยีระดับโลก เช่น Huawei, DJI และ Foxconn
มากไปกว่านั้น มุมมองของประชากรจีนกลับมีความเปิดรับต่อเทคโนโลยีมากกว่า โดยผลสำรวจจากมหาวิทยาลัย Stanford ชี้ว่า 83% ของชาวจีนมองว่า AI มีประโยชน์ ขณะที่ในสหรัฐฯ มีเพียง 39% เท่านั้น ทำให้ฐานผู้ใช้และการทดลองใช้งาน AI ในจีนเติบโตได้รวดเร็วอย่างมีนัยสำคัญ (รูปที่ 8)
นอกจากนี้ หากพิจารณาการใช้งานโมเดล AI จะพบว่าจีนมีพัฒนาการที่โดดเด่นในช่วงปี 2024 – 2025 โดยสัดส่วนการนำโมเดลจากจีนไปใช้งานเพิ่มขึ้นต่อเนื่อง จนสามารถแซงหน้าสหรัฐฯ และยุโรปได้ (รูปที่ 9) ปัจจัยสำคัญมาจากยุทธศาสตร์ของรัฐบาลจีนที่เน้นการผลักดันโมเดล AI แบบเปิด (Open-source) เพื่อให้บริษัท นักพัฒนา และสถาบันต่างๆ สามารถนำเอาโมเดลไปใช้ หรือปรับแต่งได้อย่างอิสระ ส่งผลให้โมเดลของจีนแพร่กระจายในวงกว้างทั้งในประเทศและต่างประเทศ ในขณะที่ฝั่งสหรัฐฯ เน้นพัฒนาโมเดลแบบปิด (Closed-source) ที่เข้าถึงได้เฉพาะผ่าน API เท่านั้น ทำให้การนำไปใช้งานมีจำกัดกว่า
โมเดล AI แบบเปิดจากสหรัฐฯ ที่เคยได้รับความนิยมสูง เช่น Llama ของบริษัท Meta ก็กำลังเผชิญการแข่งขันที่เข้มข้นขึ้นจากโมเดลจีนอย่าง Qwen (Alibaba) และ DeepSeek โดยข้อมูลล่าสุดจากแพลตฟอร์ม Hugging Face ระบุว่า โมเดล Qwen มียอดดาวน์โหลดสูงกว่า Llama แล้ว สะท้อนให้เห็นว่าโมเดล AI แบบเปิดจากจีนได้รับความนิยมในการนำไปใช้งานมากขึ้นอย่างชัดเจน
โดยรวมแล้ว ปัจจัยเหล่านี้แสดงให้เห็นว่า จีนกำลังก้าวขึ้นมาเป็นผู้นำในด้านการใช้งาน (Application Layer) ด้วยการผลักดันการพัฒนาโมเดลแบบเปิด และความพร้อมของผู้ใช้งานจำนวนมาก ช่วยเร่งให้เกิดการนำไปใช้จริงในภาคเศรษฐกิจอย่างรวดเร็ว
มุมมองต่ออุตสาหกรรม AI จีน และ สหรัฐฯ ในอนาคต
ดังนั้น ภาพการแข่งขันด้านปัญญาประดิษฐ์ระหว่างจีนและสหรัฐฯ ในระยะข้างหน้า อาจมีทิศทางที่แตกต่างไปจากกรอบความเข้าใจเดิมที่มุ่งเน้นการแข่งขันด้านเทคโนโลยีขั้นสูงเพียงอย่างเดียว โดยสาระสำคัญของการแข่งขันอาจขยับไปสู่ ความสามารถในการนำ AI ไปประยุกต์ใช้จริงในภาคเศรษฐกิจและอุตสาหกรรมต่างๆ อย่างมีประสิทธิภาพ มากกว่าการครอบครองเทคโนโลยีที่ล้ำหน้าที่สุดในเชิงเทคนิค
ในมุมมองดังกล่าว ความก้าวหน้าทางเทคโนโลยีเพียงอย่างเดียวอาจไม่ใช่ปัจจัยชี้ขาด หากไม่สามารถแปลงศักยภาพของ AI ให้เกิดประโยชน์เชิงเศรษฐกิจในวงกว้าง ทั้งในด้านการเพิ่มผลิตภาพ การลดต้นทุน และการยกระดับขีดความสามารถของภาคการผลิตและบริการได้อย่างเป็นรูปธรรม ภายใต้บริบทนี้ เทคโนโลยี AI ที่จีนมีอยู่ในปัจจุบัน แม้อาจไม่ได้อยู่ในระดับแนวหน้าที่สุดของโลก แต่ก็อาจ มีความเพียงพอในการรองรับความต้องการใช้งานภายในประเทศ และสอดคล้องกับเป้าหมายเชิงโครงสร้างของเศรษฐกิจจีน
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
ข่าวเด่น