เกิดอะไรขึ้นในวงการตอนนี้ และทำไมทุกอย่างถึงเร่งขึ้นอีกครั้ง
โลกของปัญญาประดิษฐ์เข้าสู่ช่วงพุ่งทะยานอีกระลอก ยักษ์ใหญ่ในวงการเปิดเผยโปรเจกต์ลับ ศูนย์วิจัยทลายข้อจำกัดเดิมของโมเดล และสตาร์ทอัพก็โชว์ผลงานที่ไม่มีใครคาดคิดมาก่อน ด้านล่างคือไดเจสต์เหตุการณ์ล่าสุดแบบละเอียดที่จะช่วยให้เห็นภาพรวมของสิ่งที่กำลังเกิดขึ้น
1️⃣ OpenAI ประกาศ “โค้ดแดง” ภายใน และเร่งพัฒนาโมเดลลับ Garlic
หลังความสำเร็จอย่างรวดเร็วของ Gemini 3 ภายใน OpenAI มีการประกาศ โหมด “code red” ซึ่งเป็นสัญญาณว่าบริษัทมองว่าตำแหน่งผู้นำของตัวเองกำลังถูกคุกคามจริง ๆ
ข่าวใหญ่ที่สุดจากข้อมูลที่หลุดออกมาคือการมีอยู่ของ โมเดลลับ Garlic โปรเจกต์ภายในที่ก่อนหน้านี้ไม่เคยมีการพูดถึงต่อสาธารณะ โมเดลนี้มี การแก้ไขกระบวนการฝึกขั้นต้น (pre-training) ซึ่งตั้งใจให้โมเดล:
- สร้าง ความเชื่อมโยงกว้าง ๆ แบบภาพรวม ก่อน
- แล้วค่อย ๆ เพิ่มความละเอียด
- เลี่ยงอาการ “ป้อนข้อมูลจนล้น”
- ทำงานได้มีประสิทธิภาพกว่าด้วยพารามิเตอร์ที่น้อยลง
จากผลทดสอบภายใน Garlic:
- แซงหน้า Gemini 3 และ Claude 4.5 ด้านการให้เหตุผลและการเขียนโปรแกรมที่ซับซ้อน
- แสดง “การอัดความรู้” ที่หนาแน่นกว่า
- ทำผลงานได้แรงโดยไม่ต้องเพิ่มพารามิเตอร์แบบก้าวกระโดด
2️⃣ Alibaba LiveAvatar: ระบบสร้างอวตารที่พูดได้แบบเรียลไทม์
Alibaba เปิดตัว LiveAvatar โมเดลวิดีโอขนาดราว 14B พารามิเตอร์ที่สามารถ:
- สร้างอวตาร แบบเรียลไทม์ 20 เฟรมต่อวินาที บน GPU เซิร์ฟเวอร์ H800 ห้าตัว
- สตรีม ต่อเนื่องได้มากกว่า 10,000 วินาที (เกือบสามชั่วโมง) โดยคุณภาพไม่ตก
- ซิงก์สีหน้าและริมฝีปากให้ตรงกับเสียงพูด
- ทำงานร่วมกับโมเดลภาษา Omni เป็นเอเจนต์ที่มีชีวิตเต็มรูปแบบ
ความก้าวหน้าทางเทคโนโลยีหลักคือ ความเสถียรของวิดีโอที่ยาวมาก ซึ่งระบบ generative AI อื่น ๆ ยังรับมือไม่ได้
Alibaba แก้ปัญหานี้ด้วยสามเทคนิค:
- Rolling RoPE อัปเดตเฟรมอ้างอิงแบบไดนามิก เพื่อรักษาตัวตนของอวตารไว้
- Adaptive Attention Sink แทนที่เฟรมอ้างอิงด้วยเฟรมที่สร้างขึ้น เพื่อแก้อาการดริฟต์
- History Corrupt ใส่ noise เข้าไป เพื่อฝึกให้โมเดลแก้ข้อผิดพลาดได้ทันทีระหว่างทำงาน
ผลลัพธ์: อวตารที่คุยยาว ๆ ได้โดยไม่มีอาการ “หน้าละลาย” และสิ่งแปลกปลอมในภาพ ทำให้ LiveAvatar เป็นก้าวสำคัญสู่ผู้ช่วยดิจิทัลในอนาคต
3️⃣ งานวิจัยของ Anthropic: AI ช่วยคนสายครีเอทีฟประหยัดเวลา แต่เพื่อนร่วมงานยังมองแปลก ๆ
Anthropic เปิดตัวระบบสัมภาษณ์อัตโนมัติ และทำงานวิจัยกับคน 1,250 คน รวมถึงนักวิทยาศาสตร์และคนในอาชีพสายสร้างสรรค์
ข้อสรุปหลัก:
- ครีเอทีฟ 97% บอกว่า AI ช่วยประหยัดเวลา
- 2/3 เห็นว่ามันทำให้งานมีคุณภาพขึ้น
- 70% บอกว่าต้องคอยระวังว่าเพื่อนร่วมงานจะมองการใช้ AI ในงานของตัวเองอย่างไร เพราะในแวดวงสร้างสรรค์เรื่องนี้ยังถูกตีตราอยู่
- ผู้ให้สัมภาษณ์บอกว่า 65% ของการใช้ AI คือให้ AI ช่วยงาน ขณะที่ในสถิติภาพรวมของบทสนทนากับ Claude งานแบบอัตโนมัติคิดเป็นราวครึ่งหนึ่ง (49%)
ตัวอย่างจากคำตอบ:
- ก็อปปี้ไรเตอร์คนหนึ่งเพิ่มปริมาณงานจาก 2,000 เป็น 5,000+ คำต่อวัน
- ช่างภาพคนหนึ่งลดเวลาแต่งภาพจาก 12 สัปดาห์เหลือ 3 สัปดาห์
นักวิทยาศาสตร์มอง AI อย่างใจเย็นกว่า: 91% อยากให้มันเป็นคู่หูด้านการวิจัย แต่ก็ยังยืนยันว่าต้องตรวจซ้ำทุกขั้นของการให้เหตุผล
4️⃣ เสาไฟอัจฉริยะที่เป็นดาต้าเซ็นเตอร์ขนาดจิ๋ว: โครงสร้างพื้นฐานเมืองแบบใหม่
Conflow Power บริษัทจากสหราชอาณาจักร เสนอให้เปลี่ยนเสาไฟถนนเป็น โหนดประมวลผลแบบกระจาย
เสาไฟ iLamp ติดตั้ง:
- แผงโซลาร์เซลล์
- แบตเตอรี่
- เซนเซอร์วัดการจราจรและคุณภาพอากาศ
- โมดูล 5G
- และ Nvidia Jetson ในตัว
แนวคิดคือสร้าง เครือข่ายไมโครดาต้าเซ็นเตอร์ทั่วเมือง ที่สามารถ:
- รองรับงาน AI ในพื้นที่ด้วยดีเลย์ต่ำที่สุด
- ลดภาระของดาต้าเซ็นเตอร์แบบดั้งเดิม
- สร้างรายได้ให้เจ้าของโครงสร้างพื้นฐาน
ถ้าโปรเจกต์นี้ไปได้สวย เมืองต่าง ๆ จะกลายเป็น “เครือข่ายคอมพิวเตอร์อัจฉริยะ” ในความหมายตรงตัว
5️⃣ Microsoft VibeVoice: เสียงพูดที่ดีเลย์ไม่ถึง 0.3 วินาที
Microsoft เปิดตัว โมเดลสังเคราะห์เสียงพูดขนาดกะทัดรัด ที่:
- เริ่มพูด ราว 300 มิลลิวินาทีหลังได้ข้อความ
- ทำงานคู่ขนานไปกับ LLM
- รักษาคุณภาพเสียงได้ในระดับเดียวกับ TTS ตัวใหญ่
- คุณภาพไม่ตกแม้เป็นบทพูดเดี่ยวยาว ๆ
สถาปัตยกรรมประกอบด้วย:
- acoustic tokenizer ล้วน ๆ
- diffusion head ขนาดเล็ก
- โมเดลภาษาขนาด 0.5B พารามิเตอร์ (Qwen2.5-0.5B)
ผลที่ได้คือ บทสนทนาที่แทบเป็นธรรมชาติ ซึ่งช่วงเงียบแบบเดิม ๆ ก่อนผู้ช่วยเสียงตอบจะหายไป
6️⃣ แว่นอัจฉริยะที่ “เปิดประวัติ” คนเดินผ่าน
วิดีโอหนึ่งแพร่ไปทั่วเน็ต โชว์แว่นตาที่:
- จดจำใบหน้าคน
- หาข้อมูลเกี่ยวกับคนนั้นจากแหล่งข้อมูลเปิด
- และสรุปประวัติย่อออกมาภายในไม่กี่วินาที
ปฏิกิริยาของคนเดินผ่านมีตั้งแต่หัวเราะไปจนถึงตกใจ เทคโนโลยีนี้ทำลายความเข้าใจเดิมเรื่องการไม่ถูกระบุตัวตนในชีวิตจริง
นี่ไม่ใช่นิยายวิทยาศาสตร์ แต่เป็นการรวมสามเทคโนโลยีที่มีอยู่แล้ว:
- การจดจำใบหน้า
- การค้นหาจากข้อมูลเปิด
- และการสรุปโปรไฟล์สั้น ๆ ด้วย LLM
นี่คือหนึ่งในจุดขัดแย้งระหว่าง AI กับความเป็นส่วนตัวที่ถูกพูดถึงมากที่สุด
7️⃣ หุ่นยนต์ฮิวแมนนอยด์: จากโรงงานถึงสังเวียนซ้อมต่อสู้
⚡ EngineAI T800
การโชว์ซ้อมต่อสู้จบลงด้วยการที่หุ่นยนต์ซัดผู้บริหารบริษัทจนล้มลงกับพื้น ทั้งที่เขาใส่ชุดป้องกันหนา วิดีโอนี้จุดกระแสถกเถียงเรื่องความปลอดภัยของระบบอัตโนมัติอย่างดุเดือด
⚙️ Midea MIRO U
หุ่นยนต์อุตสาหกรรมหกแขนบนฐานล้อ:
- ทำหลายงานได้พร้อมกัน
- หมุนรอบตัวเองได้ 360°
- เปลี่ยนเครื่องมือได้ระหว่างทำงาน
Midea วางแผนเริ่มโครงการนำร่องที่โรงงานเครื่องซักผ้าในเมืองอู๋ซี (Wuxi) ภายในสิ้นปี 2568
8️⃣ AI Safety Index: ไม่มีใครทำให้ AI ปลอดภัยได้จริง
การประเมินวงการโดยหน่วยงานอิสระเผยภาพที่ไม่น่าดูนัก:
- ไม่มีบริษัทไหนได้เกรดสูงกว่า C+
- เกรดดีที่สุดคือ C+ ของ Anthropic และ OpenAI ส่วน Google DeepMind ได้ C ซึ่งเป็นระดับพอใช้ที่ยังห่างไกลจากมาตรฐานที่ยอมรับได้
- ด้านความปลอดภัยจากความเสี่ยงระดับการดำรงอยู่ของมนุษยชาติ (existential safety) สอบตกกันหมด
- บริษัทจีนได้เกรดราว D/D–
ข้อสรุปของผู้เชี่ยวชาญ:
วงการกำลังมุ่งไปสู่ AGI เร็วกว่าที่ตัวเองเข้าใจว่า จะควบคุมมันอย่างไร
9️⃣ Google Titans และ MIRAS: โมเดลที่จำโทเคนได้นับล้าน
Google เปิดตัวงานวิจัยใหญ่สองสาย
🔵 Titans
กลไกหน่วยความจำระยะยาวที่:
- ผสาน window attention เข้ากับหน่วยความจำที่อัปเดตได้
- เลือกว่าจะจำอะไรตามระดับความ “ไม่คาดคิด” ของข้อมูล
- ทำให้โมเดลขนาด <1B พารามิเตอร์แซงโมเดลยักษ์ในงานที่ต้องอ่านข้อความยาว
🔵 MIRAS
กรอบทฤษฎีเดียวสำหรับสถาปัตยกรรม sequence model ทุกแบบ
Google ใช้กรอบนี้สร้างโมเดลที่ไม่ใช้ attention (Moneta, Yaad, Memora) ซึ่งในงานหลายประเภททำได้ดีกว่า Mamba 2
🔟 Google ปะทะสื่อ: AI เริ่มรีไรต์พาดหัวบทความ
ผู้ใช้สังเกตว่าระบบเปลี่ยนพาดหัวใน Google Discover อย่างรุนแรงจนความหมายของบทความเปลี่ยนไป
ปัญหาคือ:
- ป้าย “AI-generated” เห็นได้หลังคลิกเท่านั้น
- โลโก้ของสำนักข่าวยังอยู่ครบ
- ผู้ใช้โทษนักข่าว ไม่ใช่ AI
สื่อออกมาประท้วงแล้ว เพราะเรื่องนี้บั่นทอนความเชื่อมั่นต่อข่าวและบิดเบือนภาพข้อมูลข่าวสาร
1️⃣1️⃣ Lux: เอเจนต์ที่ควบคุมคอมพิวเตอร์ได้ดีกว่าของยักษ์ใหญ่
สตาร์ทอัพ OpenAGI Foundation โชว์เอเจนต์ Lux ที่สามารถ:
- อ่านอินเทอร์เฟซจากภาพหน้าจอ
- คลิก พิมพ์ และทำงานกับไฟล์
- ควบคุมเดสก์ท็อปได้เต็มรูปแบบ ไม่ใช่แค่เบราว์เซอร์
ตามข้อมูลของบริษัทเอง Lux ทำ อัตราสำเร็จได้ 83.6% บนเบนช์มาร์ก Online-Mind2Web สูงกว่าโซลูชันของผู้นำตลาด
จุดเด่นคือการเรียนรู้จากการกระทำ: ประสบการณ์ที่ดีที่สุด → ข้อมูลใหม่ → กลยุทธ์ที่ดีขึ้น
1️⃣2️⃣ มินิรีดเดอร์ X4: จอ E-ink ที่ติดกับโทรศัพท์ได้
แกดเจ็ตจากจีนที่เปลี่ยนสมาร์ตโฟนให้เป็นเครื่องอ่านหนังสือขนาดพกพา:
- แผง E-ink บาง 5.9 มม.
- แม่เหล็ก MagSafe
- ใช้งานได้นานถึงสองสัปดาห์
- โหลดหนังสือผ่าน Wi-Fi และ microSD
พูดง่าย ๆ คือ “เครื่องอ่านหนังสือแปะหลัง” โทรศัพท์ ไม่มีแอปเกินจำเป็นและไม่มีการแจ้งเตือน
1️⃣3️⃣ แหวนสำหรับเทรดเดอร์: สั่นเมื่อตลาดเคลื่อนไหว
อุปกรณ์เสริมแปลกใหม่ที่เชื่อมกับ TradingView:
- แหวนสั่นเมื่อราคาสินทรัพย์เคลื่อนไหวแรง
- เปลี่ยนสีตามทิศทางของตลาด
- ทำให้ “รู้สึกถึงตลาด” ได้โดยไม่ต้องดูโทรศัพท์
ยังไม่มีข้อมูลเรื่องราคาและวันเริ่มขาย แต่แนวคิดนี้ได้รับความสนใจอย่างมาก
1️⃣4️⃣ Lyria Camera: แอปที่เปลี่ยนโลกจริงให้เป็นเพลง
Google โชว์การทดลอง:
- กล้องอ่านฉากตรงหน้า
- Gemini บรรยายฉากนั้น
- โมเดลดนตรี Lyria สร้างซาวด์แทร็กสด
- เพลงปรับตามสิ่งที่กล้อง (หรือหน้าจอคอมพิวเตอร์) เห็นแบบเรียลไทม์
นักพัฒนาเรียกสิ่งนี้ว่า “ปฏิสัมพันธ์ทางดนตรีกับโลกรูปแบบใหม่”
1️⃣5️⃣ Poetiq: สถิติ ARC-AGI-2 โดยไม่มีโมเดลยักษ์ของตัวเอง
สตาร์ทอัพ Poetiq ทำสถิติประวัติศาสตร์บนเบนช์มาร์ก ARC-AGI-2 ด้วย ความแม่นยำ 54% ทะลุเพดาน 50% ได้เป็นครั้งแรก
ที่สำคัญคือพวกเขาทำได้ โดยไม่มีโมเดลใหญ่ของตัวเอง
โดยแก่นแล้ว Poetiq สร้าง “เมตาซิสเต็ม” ที่:
- ผสานหลายโมเดลเข้าด้วยกัน
- ปรับปรุงคำตอบซ้ำ ๆ บนโมเดลสำเร็จรูปที่มีอยู่แล้ว: สร้างคำตอบ ตรวจ แล้วแก้ จนกว่าโมดูลตรวจสอบตัวเองจะตัดสินว่าพอแล้ว
- เลือกกลยุทธ์การให้เหตุผลให้เหมาะกับแต่ละโจทย์
นี่คือก้าวสู่ระบบที่ความฉลาดไม่ได้เกิดจากขนาดของโมเดล แต่เกิดจากการประสานหลายโมเดลอย่างชาญฉลาด
1️⃣6️⃣ OpenAI ทุ่มน้ำหนักให้ตลาดองค์กรมากขึ้น
ChatGPT Enterprise ตามข้อมูลของบริษัทเอง:
- จำนวนข้อความต่อสัปดาห์เพิ่มขึ้นราว 8 เท่า
- การใช้ Projects และ GPT แบบกำหนดเองเพิ่มขึ้น 19 เท่า
- การใช้โทเคนสำหรับการให้เหตุผลต่อหนึ่งองค์กรเพิ่มขึ้น 320 เท่า สะท้อนว่างานซับซ้อนขึ้น
- บริษัทต่าง ๆ สร้างผู้ช่วยภายในกันนับพันตัว
เพราะค่าใช้จ่ายด้านโครงสร้างพื้นฐานที่มหาศาล กลุ่มลูกค้าองค์กรจึงสำคัญอย่างยิ่งสำหรับ OpenAI
ผู้ใช้ควรดูอะไร
แยกให้ออกระหว่างเดโมกับผลิตภัณฑ์ที่ใช้งานได้จริง สำหรับการใช้งานจริง สิ่งที่สำคัญคือการเข้าถึงข้อมูลที่ต้องใช้ การจำกัดสิทธิ์ บันทึกการกระทำ และความสามารถในการหยุดเอเจนต์ ยิ่งระบบได้อิสระมากเท่าไร ก็ยิ่งต้องกำหนดขอบเขตความรับผิดชอบของคนไว้ล่วงหน้ามากขึ้นเท่านั้น
บทความที่มีประโยชน์และการพูดคุยอยู่ที่นี่ (ภาษารัสเซีย)
