โดย Thank Thanedpol | เผยแพร่ 10 กรกฎาคม 2569

สรุปสาระสำคัญ

• ChatGPT เปิดตัวมา 3 ปีครึ่ง (30 พ.ย. 2022) คะแนนสอบของโมเดลจาก 35% พุ่งเป็น 90 กว่า% จนวันนี้โมเดล Top ทุกค่ายฉลาดพอกันหมด

• Claude Opus เคยถูกจำกัดสิทธิ์การใช้งานกะทันหันด้วยเหตุผลความมั่นคงของสหรัฐฯ ส่วน GPT-5.6 ก็ไม่เปิดให้ใช้เชิงพาณิชย์ทั่วไป

• Jensen Huang เปรียบ AI Industry เป็นเค้ก 5 ชั้น (Energy, Chip, Data Center, Model, Application) — ไทยไม่ต้องเก่งทุกชั้น

• Open-weight Model อย่าง DeepSeek หรือ GLM-5.2 ใช้ฟรีและเก่งไล่เลี่ยกับ Claude Opus นำมา Fine-tune ได้ในราคาหลักร้อยล้านบาท แทนที่จะต้องเสียเงินพันล้านเหรียญสร้างเอง

สรุป Session: Beyond Bigger Models: Thailand's Opportunity in the Next AI Era จากงาน The Story Thailand Forum 2026 ครั้งที่ 6 โดยดร.ธนชาติ นุ่มนนท์, ผู้อำนวยการสถาบันไอเอ็มซี (IMC Institute)

เกมวันนี้ไม่ใช่การหาว่าโมเดลไหนเก่งกว่ากันอีกต่อไป เพราะ "สมอง" พอๆ กันหมดแล้ว คำถามที่แท้จริงคือ เมื่อมีสมองแล้ว จะมี "แขนขา" ให้มันทำงานได้ดีแค่ไหน — สำหรับไทย ไม่ใช่การแจก AI ให้ใช้ฟรี แต่คือการเอาไปทำประโยชน์อะไรและสร้างคุณค่าอะไรได้บ้าง

จาก Generative AI สู่ Agent จ่ายเงินเพื่อ "แขนขา" ไม่ใช่แค่สมอง

เมื่อ 3 ปีก่อนเกมอยู่ที่ Chatbot และ Generative AI สร้างคอนเทนต์ สร้างรูปภาพ วันนี้ AI ไปไกลกว่านั้นมาก — เกมคือการทำ Agent ให้ทำงานแทนคนได้จริง

• ตัวอย่างจริง: ใช้แอปที่มี Agent อย่าง Claude Cowork ให้ดึงข้อมูลบริษัทในตลาดหลักทรัพย์ทั้งหมด ดึงรายงานประจำปีนับร้อยบริษัท ตรวจสอบความถูกต้อง แล้ววิเคราะห์ต่อ — ทั้งหมดโดยไม่ต้องลงมือทำเอง

• ใช้ AI สรุปข่าวเด่นทุกสัปดาห์แยกฝั่งอเมริกา-จีน พร้อมวิเคราะห์จุดเสี่ยงของประเทศไทย เพื่อวางกลยุทธ์ล่วงหน้า

• เหตุผลที่ยอมจ่ายเงิน (GPT $20 หรือ Claude Max $100–200/เดือน) ทั้งที่มีของฟรีเยอะแยะ คือฟีเจอร์ Agent ระดับสูงที่ทำงานแทนได้จริง ไม่ใช่แค่แชท

Layer 1 · Energy: The Real Constraint
ทำไมไฟฟ้าจึงเป็น Physical Floor ของ AI

Energy คือ Layer ที่ซ่อนอยู่ซึ่งกำหนดว่า Intelligence สามารถถูกผลิตได้มากแค่ไหน

Layer 2 · Chips: NVIDIA's Fortress
ทำไม Layer GPU จึงทรงพลัง — และไม่ใช่เกมที่ประเทศไทยจะชนะ

Chips กำหนดว่าพลังงานเปลี่ยนเป็น Computation ได้อย่างมีประสิทธิภาพเพียงใด — แต่นี่คือ Layer ที่ยากที่สุดใน Stack ที่จะเข้าไป

Do Not Chase the Frontier GPU
ประเทศไทยควรโฟกัสที่ที่ตนสามารถ Capture Value ได้ — ไม่ใช่เผา Capital ที่หายากใน Layer ที่มีการป้องกันแน่นหนาที่สุดใน Stack

Layer 3 · Infrastructure: The AI Factory
ทำไม AI Infrastructure จึงเป็นที่ที่ Physical Presence และ Geography เริ่มมีความสำคัญ

Infrastructure คือ Layer ที่เปลี่ยน Chips หลายตัวให้กลายเป็นระบบผลิต AI หนึ่งระบบ — และนี่คือที่ที่ประเทศไทยสามารถแข่งขันได้อย่างแท้จริง

Infrastructure Is Thailand's Opening
ประเทศไทยสามารถชนะได้ที่ที่ AI กลายเป็น Physical — โดยการ Hosting, Operating และ Scaling AI Factory Layer

Layer 4 · Models: The 'Bigger' Trap
ทำไมประเทศไทยไม่ควรแข่งขันที่ Model Scale

การแข่งขัน Frontier-Model คือ Layer ที่ดูมีเสน่ห์ที่สุดของ AI — และเป็นสถานที่ที่ง่ายที่สุดที่เงินสาธารณะจะติดกับ

Do Not Chase the Biggest Model
ประเทศไทยควรลงทุนในที่ที่ตนสามารถ Capture Real Value ได้ — ไม่ใช่เผา Capital ที่หายากเพื่อพยายามชนะการแข่งขันขนาด Frontier-Model

Layer 5 · Applications: The Prize
ทำไมมูลค่า AI ที่แท้จริงจึงถูกสร้างขึ้นในสิ่งที่ถูกสร้างบนนั้น

นี่คือ Layer ที่ Models เปลี่ยนเป็นผลลัพธ์ในโลกจริง บริการ และมูลค่าทางเศรษฐกิจ

1. Where Value Is Created
นี่คือที่ที่ Jensen บอกว่ามูลค่าทางเศรษฐกิจถูกสร้างขึ้นจริง — ไม่ใช่ใน Model แต่ในสิ่งที่ถูกสร้างบนนั้น

2. Real Examples
ตัวอย่างที่เขาอ้างโดยตรงรวมถึง Drug Discovery Platforms, Industrial Robotics, Legal Copilots และ Self-Driving Cars

3. Physical AI
Self-Driving Car หรือ Humanoid Robot เป็นเพียง AI Application ที่ถูก Embodied ในเครื่องจักรหรือร่างกาย

4. The Nursing Case
ในการดูแลสุขภาพ AI ที่จัดการ Nursing Charting และ Documentation ปลดปล่อยพยาบาลสำหรับการดูแลผู้ป่วย — และโรงพยาบาลลงท้ายด้วยการจ้างคนมากขึ้น ไม่ใช่ลดลง

5. Thailand's Key Insight
สำหรับประเทศไทย นี่คือ Layer ที่ Model กลายเป็น менееสำคัญ และ Application คือทุกสิ่ง

Build the Application Layer
ประเทศไทยควรโฟกัสที่ Domain-Specific Solutions, Copilots, Agents และ Physical AI Applications ที่แก้ปัญหาจริงและสร้างมูลค่าจริง

สิ่งที่ Jensen ไม่ได้พูดถึงคือ Layer ที่ 6: Data — ต่อให้โมเดลเก่งแค่ไหน ถ้าไม่มี Context หรือ Data ที่ดีพอ ก็ไม่มีความหมาย และนี่คือ Layer ที่ประเทศไทยมีจุดแข็งที่สุด

ใครเก็บ Data คนนั้นคุมเศรษฐกิจประเทศไทย

โมเดลคือ "สมอง" แต่สมองเก่งแค่ไหนก็ไร้ความหมายถ้าไม่มี Context ที่ดีพอ บริษัทต่างชาติไม่มี Data ไทย ไม่มี Context ไทย — นี่คือจุดแข็งที่แท้จริงของประเทศ

• เก็บ Data เฉพาะทางไว้เอง เช่น สุขภาพ กฎหมาย การเงิน เกษตรกรรม — ข้อมูลเหล่านี้คือ Access ที่ต้องคงไว้เป็นของประเทศ

• สูตรสำเร็จ: Open-weight Model + Data ไทย + แอปพลิเคชันของเราเอง = โอกาสที่คู่แข่งต่างประเทศเข้ายาก

ทำไมประเทศไทยจึงสามารถชนะที่ Application Layer และ Thai Last Mile

Application Layer เปิดกว้างเพราะมูลค่าที่แท้จริงมาจากการแก้ปัญหาท้องถิ่นด้วยข้อมูล ภาษา และ Workflows ท้องถิ่น

1. The Agentic Wave Has Arrived
ประมาณ 40% ของ Enterprise Applications คาดว่าจะฝัง Task-Specific AI Agents ภายในสิ้นปี 2026 เพิ่มขึ้นจากน้อยกว่า 5% เมื่อหนึ่งปีก่อน

2. Early Leaders
การธนาคารและประกันภัยนำการรับ Agent ระดับโลกแล้วที่ประมาณ 47%

3. Thai Verticals Are Wide Open
ธนาคาร โรงพยาบาล รัฐบาล การท่องเที่ยว และค้าปลีก ล้วนต้องการ Agents ที่สร้างบนข้อมูลไทย กระบวนการไทย กฎระเบียบไทย และภาษาไทย

4. Thailand's Distinctive Edge
การผลิตและการเกษตรเป็นโอกาสที่โดดเด่น — ตั้งแต่ Physical AI บนพื้นโรงงานในฐานรถยนต์ EV และอิเล็กทรอนิกส์ ไปจนถึง AI ข้ามห่วงโซ่อุปทานข้าวและการเกษตร

5. The Thai Last Mile
ผู้ขายต่างชาติสามารถส่ง Model ทั่วไป แต่พวกเขาไม่สามารถส่งมอบ Thai Last Mile ได้อย่างง่ายดาย Local builders สามารถทำได้

Own the Thai Last Mile
ประเทศไทยควรสร้าง Domain-Specific Agents และ AI Applications ที่ Grounded ใน ข้อมูลไทย ภาษาไทย กฎระเบียบไทย และ Workflows ไทย — ที่ที่ Local Builders มีข้อได้เปรียบ

ข้อสรุป:

ไม่ต้องถามแล้วว่า ไทยจะมีโอกาสสร้างโมเดลขนาดใหญ่ไหม — ไม่มีทาง อะไรที่ยากเกินไปอย่าไปเชสแข่ง เอาของฟรีมาใช้ (Accept the gift) แล้วเล่นในจุดที่เราถนัด: ทำแอป มองเรื่องแพลตฟอร์ม Infra และเอาโมเดลมาต่อยอด นั่นคือจุดที่เราไปได้

Source:

จากงาน The Story Thailand Forum 2026