ซิลิคอนแวลลีย์ ซึ่งลอกเลียนแบบผลงานของจีน กำลังเผชิญกับความท้าทายจากการประยุกต์ใช้ปัญญาประดิษฐ์ (AI)

ซิลิคอนแวลลีย์เริ่มลอกเลียนแบบการบ้านของจีนแล้ว

เมื่อไม่นานมานี้ มีโมเดลโอเพนซอร์สราคาประหยัดจำนวนมากปรากฏขึ้นในสหรัฐอเมริกา โดยมีเป้าหมายที่จะไล่ตามโมเดลโอเพนซอร์สของจีนทั้งในด้านความสามารถและราคา

ห้องปฏิบัติการ Thinking Machines Lab ของมิรา มูราติ ได้เปิดตัวโมเดลแรกชื่อ Inkling เมื่อเดือนที่แล้ว คำอธิบายอย่างเป็นทางการระบุสองสิ่งคือ โครงสร้างพื้นฐานนั้นใช้ DeepSeek-V3 และข้อมูลการฝึกฝนนั้นสร้างขึ้นโดย Kimi K2.5

บุคคลที่ร่ำรวยที่สุดในซิลิคอนแวลลีย์กำลังใช้โครงสร้างพื้นฐานของโมเดลโอเพนซอร์สจากจีนเพื่อป้อนข้อมูลที่สร้างขึ้นโดยโมเดลนั้น เมื่อสองปีก่อน สถานการณ์จะเป็นไปในทางตรงกันข้าม

เมื่อต้นปีที่ผ่านมา Trinity-Large-Thinking ของ Arcee AI ทำคะแนนได้ 91.9 บน PinchBench ซึ่งต่ำกว่า Opus 4.6 ของ Anthropic อยู่ 1.4 คะแนน และมีราคาเพียง 4% ของราคา Opus ของ Anthropic

มาร์ค แมคควาด ซีอีโอของ Arcee AI กล่าวว่า "เรากำลังทำงานเพื่อให้สหรัฐฯ ก้าวทันและแซงหน้าจีน"

ปัจจุบันซิลิคอนแวลลีย์ไม่เพียงแต่ลอกเลียนแบบโมเดลเท่านั้น แต่ยังลอกเลียนแบบราคาที่ลดลงมาจากบริษัทจีนอีกด้วย

สามารถนำสถาปัตยกรรมไปใช้ซ้ำได้ วิธีการฝึกอบรมสามารถทำซ้ำได้ และข้อมูลสามารถนำไปใช้กับโมเดลอื่นเพื่อสร้างชุดข้อมูลได้ เมื่อปล่อยน้ำหนักโมเดลแล้ว นักพัฒนาสามารถพัฒนาต่อได้ การกำหนดราคานั้นง่ายกว่ามาก เมื่อบริษัทหนึ่งลดราคา บริษัทอื่นๆ ก็จะต้องทำตามในที่สุด

ในช่วงสามปีที่ผ่านมา บริษัทสร้างแบบจำลองขนาดใหญ่แห่งนี้ได้สร้างสิ่งก่อสร้างอันงดงามและสร้างความประทับใจให้แขกผู้มาเยือนโดยอาศัยพารามิเตอร์ พลังการประมวลผล และเทคโนโลยีแบบปิดแหล่งที่มา แต่ขณะนี้ สิ่งก่อสร้างนี้กำลังจะพังทลายลงแล้ว

สิบหกวัน

ในช่วงเช้าตรู่ของวันที่ 17 กรกฎาคม Dark Side of the Moon ได้เปิดตัว Kimi K3 ซึ่งมีพารามิเตอร์ทั้งหมด 2.8 ล้านล้านตัวและโทเค็นบริบท 1 ล้านโทเค็น ทำให้เป็นโมเดลแบบเปิดที่ใหญ่ที่สุดในโลก

ในตารางคะแนน Frontend Code Arena นั้น K3 ทำคะแนนได้ 1679 คะแนน ตามมาด้วย Claude Fable 5 และ GPT-5.6 Sol นับเป็นครั้งแรกที่โมเดลโอเพนซอร์สสามารถเอาชนะโมเดลปิดซอร์สได้ โดยครองอันดับหนึ่งใน 6 จาก 7 สาขาเฉพาะทางด้านฟรอนต์เอนด์

มัสก์แสดงความคิดเห็นว่า "น่าประทับใจ" ใต้ผลการตรวจสอบ

API ของ K3 ไม่ได้มีราคาถูก โดยมีค่าใช้จ่าย 100 หยวนต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น อย่างไรก็ตาม ในการทดสอบเปรียบเทียบของ SuperCLUE คะแนนงานของ K3 สูงกว่าผู้ที่ได้อันดับสองถึง 18% และต้นทุนเฉลี่ยต่ำกว่า 16% เมื่อรันชุดงานเดียวกัน

โมเดลนั้นแพงหรือไม่นั้นไม่ได้ขึ้นอยู่กับราคาต่อโทเค็นหนึ่งล้านโทเค็น แต่ขึ้นอยู่กับต้นทุนในการดำเนินการทั้งหมดตั้งแต่ต้นจนจบ ยิ่ง ตัวเลขทั้งสองนี้ห่างกันมากเท่าไหร่ ราคาเองก็ยิ่งไม่มีความหมายมากขึ้นเท่านั้น

สองวันต่อมา ในช่วงดึก เว็บไซต์ Dark Side of the Moon ได้ระงับการสมัครสมาชิกใหม่สำหรับผู้ใช้ทั่วไป เนื่องจากจำนวนคำขอในช่วง 48 ชั่วโมงนั้นเกินกว่าที่คาดการณ์ไว้มาก และกำลังการประมวลผลไม่เพียงพอ

เมื่อวันที่ 27 กรกฎาคม K3 ได้เผยแพร่ข้อมูลน้ำหนักไฟล์ทั้งหมด พร้อมด้วยรายงานทางเทคนิคและโครงสร้างพื้นฐานที่เกี่ยวข้อง

ต่อไปคือ DeepSeek

ตลาดต่างรอคอยการเปิดตัว V4 อย่างเป็นทางการอย่างใจจดใจจ่อ ในช่วงปลายเดือนเมษายน DeepSeek ได้ปล่อยเวอร์ชันทดลองสองเวอร์ชัน คือ V4-Pro และ V4-Flash ซึ่งทั้งสองเวอร์ชันรองรับบริบทโทเค็นได้ถึง 1 ล้านรายการ โดยพวกเขาเรียกอย่างเป็นทางการว่า "ยุคแห่งการเข้าถึงบริบทนับล้านรายการอย่างทั่วถึง" หลังจากนั้นก็ไม่มีกิจกรรมอะไรมากนักในช่วงสองถึงสามเดือน จนกระทั่งวันที่ 2 สิงหาคม V4 Flash ก็ได้เปิดตัวอย่างเป็นทางการและเปิดเผยค่าพารามิเตอร์ ด้วยพารามิเตอร์ทั้งหมด 284 พันล้านตัว และเปิดใช้งานเพียง 13 พันล้านตัวต่อการอนุมาน คะแนนการทดสอบการเขียนโปรแกรมของ DeepSeek ก็เพิ่มขึ้นจาก 7.3 เป็น 54.4

สิ่งที่เปลี่ยนแปลงอย่างน่าตกใจยิ่งกว่าคือราคา ในเดือนพฤษภาคม V4-Pro ถูกลดราคาเหลือเพียงหนึ่งในสี่ของราคาเดิม ซึ่งนับเป็นการปรับราคาครั้งที่สี่ของ DeepSeek ในรอบหนึ่งเดือน เมื่อ Flash เปิดตัวอย่างเป็นทางการ ทุกคนต่างประหลาดใจกับความคุ้มค่าของมัน

"ของถูกก็ต้องจ่ายแพง" คือกฎเก่า แต่ตอนนี้สินค้าจากจีนกำลังแข่งขันกันอย่างดุเดือดและราคาถูกลงเรื่อยๆ คู่แข่งจากต่างประเทศย่อมไม่พอใจ แต่ก็ทำอะไรไม่ได้มากนัก เพราะผู้ใช้เคยเห็นสินค้าคุณภาพดีราคาถูกมาแล้ว และไม่มีใครอยากกลับไปถูกเอาเปรียบอีก

ต่อมา Alibaba ประกาศว่าจะเปิดเผยข้อมูลจำเพาะของ Qwen3.8-Max ในสัปดาห์หน้า ซีรีส์ Max ซึ่งก่อนหน้านี้เป็นสินค้าเรือธงแบบปิดแหล่งที่มา ตอนนี้ได้เปิดให้ใช้งานแล้ว ราคาในระดับสากลนั้นต่ำกว่าราคาต้นทุนของ Opus 5 ประมาณ 40% และต่ำกว่าราคาผลผลิตเพียง 24% เท่านั้น

เหตุการณ์เหล่านี้เกิดขึ้นภายในเวลาเพียง 16 วัน

ในอดีต บริษัทผู้ผลิตโมเดลอาศัยความขาดแคลนในการกำหนดราคา กล่าวคือ ถ้ามีขายเฉพาะที่นี่ คุณก็ต้องจ่ายในราคาของฉัน ความแตกต่างเพียงไม่กี่จุดในรายการสินค้าก็อาจส่งผลให้ราคาแตกต่างกันหลายสิบเท่าได้

Kimi, DeepSeek และ Qwen มีแนวทางทางเทคนิคที่แตกต่างกัน แต่พวกเขากำลังทำสิ่งเดียวกัน นั่นคือ การเพิ่มขีดความสามารถ เปิดให้ใช้งานน้ำหนักได้มากขึ้น ลดราคา และจากนั้นก็ผสานรวมสิ่งเหล่านั้นเข้ากับผลิตภัณฑ์อย่างรวดเร็ว

ฉันอยากลอกการบ้าน แต่ไม่มีใครจ้างฉัน

คนในสหรัฐอเมริกาบางส่วนก็สังเกตเห็นแนวโน้มนี้เช่นกัน

ภายในสิ้นปี 2025 บริษัท Arcee AI ได้ทุ่มเงินทุนเกือบทั้งหมดไปกับโครงการนี้ ในเวลาเพียง 33 วัน พวกเขาพัฒนาโมดูล B300 จำนวน 2,048 โมดูล ลงทุนไป 20 ล้านดอลลาร์ และมีพนักงานเพียง 30 คนเท่านั้น โมเดล Trinity Large ที่ได้นั้นมีพารามิเตอร์ 400 พันล้านตัว และมีการกระตุ้น 13 พันล้านครั้งต่อการอนุมาน โดยเกือบครึ่งหนึ่งของข้อมูลการฝึกอบรมเป็นข้อมูลสังเคราะห์ ในเดือนกรกฎาคมที่ผ่านมา Arcee ได้ลงนามในข้อตกลงความร่วมมือกับกระทรวงพลังงานของสหรัฐฯ เพื่อพัฒนาโมเดลที่เน้นการวิจัย

ทีมงาน ผลงาน ค่าใช้จ่าย สัญญาจากภาครัฐ ทุกอย่างพร้อมสรรพ แต่ประตูสู่การระดมทุนกลับไม่ยอมเปิดออก

ปัจจุบัน Arcee ระดมทุนได้ทั้งหมด 50 ล้านดอลลาร์สหรัฐ โดยมีมูลค่าบริษัทอยู่ที่ 240 ล้านดอลลาร์สหรัฐ ในวงการนางแบบชื่อดังในปัจจุบัน เงินจำนวนนั้นยังไม่พอจ่ายค่าห้องส่วนตัวด้วยซ้ำ นับประสาอะไรกับค่าอาหารสักมื้อ

"บริษัทร่วมทุนชั้นนำเกือบทั้งหมดปฏิเสธเรา" มาร์ค แม็คเควด ซีอีโอ กล่าว

รูปแบบการเปิดเสรีของสหรัฐฯ ถูกคณะกรรมการการลงทุนของตนเองขัดขวางก่อนที่จะเผชิญหน้ากับจีนเสียด้วยซ้ำ

ในไตรมาสแรกของปี 2026 สตาร์ทอัพด้าน AI ทั่วโลกระดมทุนได้ 255.5 พันล้านดอลลาร์ โดยเกือบสองในสามกระจุกตัวอยู่ในสามดีล ได้แก่ OpenAI มูลค่า 122 พันล้านดอลลาร์, Anthropic มูลค่า 30 พันล้านดอลลาร์ และ xAI มูลค่า 20 พันล้านดอลลาร์ เงินเกือบทั้งหมดไหลเข้าสู่บริษัทแบบปิดแหล่งที่มา

โจ ฟลอยด์ นักลงทุนรายแรกๆ ใน Arcee และหุ้นส่วนของ Emergence Capital กล่าวว่า เหตุผลในการปฏิเสธที่เขาได้ยินจากบริษัทร่วมทุนหลายแห่งนั้นคล้ายคลึงกัน:

"ผมไม่ต้องการให้โมเดลนี้ประสบความสำเร็จ ผมไม่ต้องการลงทุน เพราะมันจะส่งผลเสียต่อการลงทุนของผมใน Anthropic และ OpenAI"

ผู้ที่เต็มใจจะลงทุนกับโมเดลแบบเปิดอย่างแท้จริงนั้น ก็คือผู้ขายชิปนั่นเอง

ในเดือนมีนาคมปีนี้ Nvidia เปิดเผยในเอกสารที่ยื่นต่อ SEC ว่ามีแผนจะลงทุน 26 พันล้านดอลลาร์ในช่วงห้าปีข้างหน้าเพื่อสนับสนุนการยกน้ำหนักแบบเปิด (open weights) โดย Reflection AI, Poolside และ Thinking Machines Lab ต่างได้รับเงินทุนจากการลงทุนนี้

เจนเซน หวง เข้าใจเรื่องนี้ดีกว่าใครๆ โมเดลแบบปิดแหล่งที่มาสร้างรายได้จาก API ในขณะที่โมเดลแบบเปิดใช้ทรัพยากร GPU อย่างสิ้นเปลือง ยิ่งโมเดลไหนขายถูกกว่าเท่าไหร่ นักพัฒนาก็ยิ่งใช้มากขึ้นเท่านั้น และ GPU ของ Nvidia ก็ยิ่งขายดีขึ้นเท่านั้น

ในเย็นวันที่ 24 กรกฎาคม เจนเซ่น หวง ได้สร้างบัญชี X ขึ้น และทวีตแรกของเขาคือการรีทวีตจดหมายเปิดผนึกเรื่อง "Open Weights และความเป็นผู้นำของอเมริกาในด้าน AI" จดหมายดังกล่าวระบุว่า การที่สหรัฐอเมริกาจะยังคงเป็นผู้นำในอุตสาหกรรมนี้ได้หรือไม่นั้น ไม่ได้ขึ้นอยู่กับว่ามีโมเดลที่ทันสมัยที่สุดหรือไม่ แต่ยังขึ้นอยู่กับว่ามีระบบนิเวศที่สามารถเผยแพร่ไปยังอุตสาหกรรมต่างๆ ได้หรือไม่ด้วย

ต่อมา ผู้ก่อตั้งสตาร์ทอัพอเมริกันเกือบ 200 แห่งได้ร่วมกันเขียนจดหมายถึงรัฐบาลทรัมป์เพื่อคัดค้านการห้ามใช้โมเดลเปิดของจีน สิ่งที่น่าสนใจที่สุดเกี่ยวกับจดหมายฉบับนี้ ซึ่งผมได้อ่านมาแล้ว คือ มันไม่มีคำพูดที่ดีเลยสักคำ พวกเขาไม่ได้พูดถึงจีนในแง่ดี หรือชูธงแห่งความเปิดกว้าง เหตุผลเดียวของพวกเขาคือ โมเดลราคาถูกของจีนได้กลายเป็นเครื่องมือในการผลิตไปแล้ว และหากมันถูกปิดกั้นอย่างแท้จริง พวกเขาก็จะต้องกลับไปซื้อ API จากอเมริกาที่มีราคาแพงเหมือนเดิม

ในการให้สัมภาษณ์ แมคเควดกล่าวด้วยว่า การนำไปใช้ในวงกว้างเป็นเพียงเรื่องของเวลาเท่านั้น

ความต้องการที่เกิดจากราคาถูก

ในขณะที่ซิลิคอนแวลลีย์ยังคงถกเถียงกันอยู่ว่าจะนำระบบการถ่วงน้ำหนักแบบเปิดมาใช้หรือไม่ จีนได้เริ่มจัดการกับอุปสรรคถัดไปแล้ว

วลี "ปีแรกของการประยุกต์ใช้ AI" ถูกใช้บ่อยครั้งในช่วงสามปีที่ผ่านมา อย่างไรก็ตาม ในการตัดสินว่าเทคโนโลยีใดเข้าสู่ขั้นตอนการประยุกต์ใช้จริงแล้ว เราจำเป็นต้องพิจารณาเพียงสองสิ่งเท่านั้น คือ ผู้ใช้เต็มใจที่จะจ่ายเงินสำหรับเทคโนโลยีนั้นหรือไม่ และบริษัทต่างๆ ได้นำเทคโนโลยีนั้นไปบูรณาการเข้ากับธุรกิจของตนแล้วหรือไม่

ในปีนี้ ทั้ง Claude Code และ Cursor ทำรายได้ต่อปีรวมกันมากกว่า 1 พันล้านดอลลาร์ และเครื่องมือเขียนโปรแกรม AI มีอัตราการใช้งานเกือบครึ่งหนึ่งในกลุ่มนักพัฒนาซอฟต์แวร์รายบุคคล

การเปลี่ยนแปลงนั้นเห็นได้ชัดเจนยิ่งขึ้นในฝั่งองค์กรธุรกิจ จากการวิจัยของ Dune Think Tank พบว่า อัตราการใช้งานเอเจนต์ AI ในองค์กรธุรกิจของจีนเพิ่มขึ้นจาก 17.3% ณ สิ้นปี 2024 เป็น 40.3% ภายในกลางปี 2026

หลี่ หยานหง เสนอตัวชี้วัดใหม่ที่เรียกว่า DAA ซึ่งย่อมาจาก Daily Active Agents (จำนวนผู้ใช้งานรายวัน) ก่อนหน้านี้ บริษัทอินเทอร์เน็ตนับจำนวนคนที่เปิดใช้งานผลิตภัณฑ์ของตนในแต่ละวัน แต่ต่อไปนี้ พวกเขาจะนับจำนวนผู้ใช้งานจริงที่ทำงานและส่งผลลัพธ์ออกมา

กราฟปริมาณการโทรนั้นน่าทึ่งยิ่งกว่า จากสถิติของ CCTV พบว่าปริมาณการโทรเฉลี่ยต่อวันในประเทศจีนเพิ่มขึ้นจากประมาณ 100,000 ล้านครั้งในช่วงต้นปี 2024 เป็น 140,000 ล้านครั้งในช่วงปลายเดือนมีนาคมปีนี้ เพิ่มขึ้นมากกว่าหนึ่งพันเท่าในเวลาเพียงสองปีเศษ

โมเดลต่างๆ มีราคาถูกลงเรื่อยๆ ในขณะที่พลังการประมวลผลกลับหายากขึ้นเรื่อยๆ ในเดือนมีนาคมปีนี้ Tencent Cloud, Alibaba Cloud และ Baidu AI Cloud ต่างก็ปรับขึ้นราคาพลังการประมวลผลภายในสิบวัน โดยเพิ่มขึ้นประมาณ 30% หลังจากจำนวนเอเจนต์อัจฉริยะเพิ่มขึ้นอย่างมากในช่วงครึ่งแรกของปี ราคาเช่าพลังการประมวลผลสำหรับการประมวลผลแบบอนุมานก็เพิ่มขึ้นมากกว่า 40%

สาเหตุเป็นเพราะการใช้งาน AI ของผู้คนเปลี่ยนไป ก่อนหน้านี้ การใช้งานเป็นเพียงกระบวนการถามตอบง่ายๆ ที่ไม่เสียโทเค็นมากนัก แต่ในปัจจุบัน การที่เอเจนต์จะทำงานให้เสร็จสมบูรณ์ได้นั้น จำเป็นต้องมีบริบท เครื่องมือหลายอย่าง และการตรวจสอบอย่างต่อเนื่อง หากทำผิดพลาดก็ต้องเริ่มต้นใหม่ทั้งหมด ราคาต่อหน่วยลดลง แต่การใช้งานกลับเพิ่มขึ้นอย่างทวีคูณ

การลดราคาไม่ได้ทำให้ตลาดหดตัวลง แต่กลับดึงดูดความต้องการที่ก่อนหน้านี้ไม่สามารถอธิบายได้เข้ามาแทน

ในปี 1981 IBM ได้เปิดเผยสถาปัตยกรรมพีซีของตน และเครื่องที่ใช้งานร่วมกันได้ก็หลั่งไหลเข้าสู่ตลาดอย่างรวดเร็ว ทำให้ราคาฮาร์ดแวร์ลดลง ในที่สุด บริษัทที่ทำกำไรมหาศาลไม่ใช่ผู้ผลิตเครื่องคอมพิวเตอร์ แต่เป็น Lotus 1-2-3, WordPerfect และต่อมาคือ Microsoft ซึ่งสร้างขึ้นบนพื้นฐานของเครื่องเหล่านั้น

ในปัจจุบัน เส้นทางยังคงเหมือนเดิมแทบทุกประการ ในขณะที่ทุกคนยังคงมุ่งเน้นไปที่ความแตกต่างเล็กน้อยในความสามารถพื้นฐาน บริษัทชั้นนำต่างเริ่มแข่งขันกันเพื่อแย่งชิงผู้ใช้ จุดเริ่มต้น และขั้นตอนการทำงานแล้ว

บริษัทอเมริกันสามารถศึกษาโครงสร้างของ DeepSeek ใช้ข้อมูลที่สร้างโดย Kimi หรือลงทุน 20 ล้านดอลลาร์เพื่อฝึกฝนโมเดลแบบเปิดที่มีประสิทธิภาพสูงได้ อย่างไรก็ตาม การลอกเลียนแบบแอปพลิเคชันนั้นไม่ใช่เรื่องง่าย

แอปพลิเคชันนี้ไม่มีไฟล์น้ำหนักที่สามารถดาวน์โหลดได้ และไม่มีเกณฑ์วัดประสิทธิภาพ สิ่งที่จะตัดสินว่าแอปพลิเคชันนี้จะทำงานได้หรือไม่นั้น คือเทคนิคเล็กๆ น้อยๆ ที่บริษัทได้สะสมมาตลอดระยะเวลากว่าทศวรรษแห่งการทำงานหนักและประสบการณ์

ในอดีต บริษัทขนาดใหญ่เคยชินกับการสร้างโมเดลให้เป็นผลิตภัณฑ์อิสระ โดยรอให้ผู้ใช้เปิดหน้าต่างแชทแยกต่างหาก แต่ปัจจุบัน โมเดลเริ่มผสานรวมเข้ากับ DingTalk, Lark และ WeChat Work โดยที่เอเจนต์เติบโตไปพร้อมกับองค์กรและกระบวนการที่มีอยู่เดิม

ในสหรัฐอเมริกา โปรแกรมสำนักงานอาจเติบโตไปในแนวทางเดียวกับ Gmail, Slack และ Salesforce ในขณะที่ในประเทศจีน อาจเริ่มต้นด้วย DingTalk, Lark และ WeChat Work จากนั้นจึงขยายไปสู่ซอฟต์แวร์ทางการเงิน ระบบจัดการห่วงโซ่อุปทาน ระบบโรงงาน และแพลตฟอร์มสำหรับภาครัฐ แม้ว่าทั้งสองฝ่ายจะใช้โมเดลเดียวกัน แต่ผลิตภัณฑ์สุดท้ายก็จะแตกต่างกัน

หลังจากที่ราคาลดลง

ตั้งแต่ปี 2022 ถึง 2025 สหรัฐฯ จะเพิ่มมาตรการจำกัดชิปจากจีน ชิป H100 และ B300 จะไม่สามารถจำหน่ายได้ และกระบวนการผลิตและอุปกรณ์ขั้นสูงก็จะถูกจำกัดเช่นกัน ภายใต้เงื่อนไขเหล่านี้ บริษัทจีนได้สร้างโมเดลธุรกิจแบบเปิดที่ใหญ่ที่สุดในโลก

ภายในปี 2026 สหรัฐฯ เริ่มหารือเกี่ยวกับการจำกัดน้ำหนักของโมเดลจากจีน มีรายงานว่า OpenAI และ Anthropic ได้แสดงความกังวลต่อหน่วยงานกำกับดูแล และสภาคองเกรสกำลังศึกษาอยู่ว่าน้ำหนักของโมเดลสามารถส่งต่อข้ามพรมแดนต่อไปได้หรือไม่

ก่อนที่คมมีดจะฟาดลงมาเสียด้วยซ้ำ พวกเดียวกันเองก็ร้องออกมาด้วยความเจ็บปวด

การห้ามใช้ชิปจำกัดการจัดหาให้กับบริษัทจีน แต่การห้ามใช้รุ่นชิปจะช่วยลดต้นทุนสำหรับสตาร์ทอัพของอเมริกาได้ก่อน จดหมายร่วมฉบับนี้ยังระบุอย่างชัดเจนว่า การห้ามใช้ชิปจะไม่สามารถหยุดยั้งการแพร่กระจายได้ แต่จะบังคับให้นักพัฒนาต้องดาวน์โหลดรุ่นชิปที่มีอยู่ทั้งหมดก่อนที่จะปิดระบบ

ชิปเป็นวัตถุทางกายภาพ มันสามารถรบกวนการสั่งซื้อ โลจิสติกส์ และกระบวนการผลิตได้ เมื่อน้ำหนักถูกปล่อยออกมาแล้ว มันสามารถดาวน์โหลด คัดลอก วัดปริมาณ ปรับแต่ง และกลั่นกรองได้อย่างไม่สิ้นสุด

สิ่งที่ควบคุมได้ยากยิ่งกว่าคือราคา

สหรัฐอเมริกายังคงเป็นผู้นำในด้านโมเดลโอเพนซอร์สล้ำสมัย OpenAI และ Anthropic ยังคงเป็นผู้นำ และการฝึกฝนโมเดลระดับสูงยังคงพึ่งพาการ์ด Nvidia เป็นอย่างมาก ซึ่งสถานการณ์นี้ไม่น่าจะเปลี่ยนแปลงในระยะสั้น

อย่างไรก็ตาม เมื่อพูดถึงการนำไปใช้งาน ผลลัพธ์มักไม่ได้ขึ้นอยู่กับโมเดลที่แข็งแกร่งที่สุดเสมอไป แต่ขึ้นอยู่กับว่าโมเดลนั้นคุ้มค่าหรือไม่ องค์กรมีช่องทางการเข้าถึงดิจิทัลที่พร้อมใช้งานหรือไม่ และนักพัฒนาสามารถเจาะลึกเข้าไปในกระบวนการทางธุรกิจได้อย่างแท้จริงหรือไม่

เมื่อมองย้อนกลับไปในช่วงสามสิบปีที่ผ่านมา จีนได้รับชัยชนะหลายครั้ง แต่โดยส่วนใหญ่แล้ววิธีการเอาชนะก็ยังคงเหมือนเดิม

การชำระเงินผ่านมือถือ อีคอมเมิร์ซ การส่งอาหาร และการถ่ายทอดสด ล้วนเกี่ยวข้องกับการนำเทคโนโลยีที่คิดค้นจากภายนอกมาใช้ในชีวิตประจำวันของผู้คนหลายพันล้านคน ก่อให้เกิดธุรกิจขนาดใหญ่ที่น่าทึ่ง โครงสร้างพื้นฐานที่อยู่เบื้องหลังนั้นได้รับการจัดหาโดยผู้อื่นมานานแล้ว ทรานซิสเตอร์มาจาก Bell Labs, x86 เป็นของ Intel, TCP/IP ได้รับทุนสนับสนุนจากรัฐบาลสหรัฐฯ และ Windows, Android และ iOS ล้วนมีต้นกำเนิดมาจากชายฝั่งตะวันตก แม้แต่ TensorFlow และ PyTorch ซึ่งเป็นเทคโนโลยีที่ใช้กันอย่างแพร่หลายที่สุดในยุคการเรียนรู้เชิงลึก ก็มีต้นกำเนิดมาจาก Google และ Meta ตามลำดับ

"นวัตกรรมในอเมริกา ขยายขนาดในจีน" — คำกล่าวนี้มีมานานกว่าสามสิบปีแล้ว และมีข้อยกเว้นที่แท้จริงน้อยมาก

แต่ตอนนี้มีข้อยกเว้นเกิดขึ้นแล้ว

ข้อกำหนดทางเทคนิคของ Thinking Machines Lab นั้นชัดเจนมาก บริษัทเกิดใหม่ที่โดดเด่นและได้รับการสนับสนุนทางการเงินอย่างดีที่สุดแห่งหนึ่งในซิลิคอนแวลลีย์ได้อ้างอิงสถาปัตยกรรมของบริษัทจีนแห่งหนึ่งในชั้นพื้นฐานของโมเดล และจากนั้นก็ใช้ข้อมูลที่สร้างโดยโมเดลจีนอีกแห่งหนึ่งสำหรับการฝึกฝน

ในอดีต ซิลิคอนแวลลีย์เคยจัดหาแหล่งผลิต จัดหาบุคลากร หรือแสวงหาตลาดจากประเทศจีน แต่ปัจจุบัน พวกเขากำลังเริ่มเดินตามเส้นทางเทคโนโลยีที่ได้รับการพิสูจน์แล้วจากบริษัทจีนโดยตรง

การยกย่องเชิดชูซิลิคอนแวลลีย์นั้นมีที่มาอย่างแน่นอน ในช่วงหลายทศวรรษที่ผ่านมา เทคโนโลยีพื้นฐานที่สำคัญที่สุดส่วนใหญ่ในอุตสาหกรรมคอมพิวเตอร์นั้นเติบโตมาจากที่นั่น ตั้งแต่ชิปภายในเครื่องไปจนถึง IDE ที่โปรแกรมเมอร์ใช้ทุกวัน ซิลิคอนแวลลีย์อยู่ต้นน้ำของห่วงโซ่เทคโนโลยีมาโดยตลอด

แต่ในโลกเทคโนโลยี ผลลัพธ์สำคัญที่สุด ใครก็ตามที่สามารถเสนอสถาปัตยกรรมใหม่ ใครก็ตามที่สามารถลดต้นทุน และใครก็ตามที่สามารถทำให้คู่แข่งเริ่มเลียนแบบได้ ก็จะมีสิทธิ์ในการกำหนดนิยามใหม่ของอุตสาหกรรมต้นน้ำ

ขณะนี้ บริษัทจีนเริ่มปรากฏอยู่ในรายชื่อนี้แล้ว

ซิลิคอนแวลลีย์อาจจะตามทันในอนาคต เนื่องจากมีวิศวกร เงินทุน และชิปจำนวนมาก อย่างไรก็ตาม แอปพลิเคชันที่ถูกนำไปใช้ในธุรกิจจริงแล้วจะไม่รอใคร ใครก็ตามที่เข้าสู่กระบวนการขององค์กรได้ก่อนจะได้รับลูกค้า ข้อมูล และโอกาสในการพัฒนาในรอบต่อไป จุดเริ่มต้นจึงไม่เหมือนกันสำหรับทุกคนเสมอไป

ยุคของการประยุกต์ใช้ AI จะไม่เปิดตัวอย่างยิ่งใหญ่ในวันมงคล แต่จะปรากฏให้เห็นครั้งแรกในงบการเงิน ในการใช้งานที่เพิ่มสูงขึ้นอย่างรวดเร็ว และในโปรแกรมเมอร์ที่เครดิตหมดกลางดึกอีกครั้ง

การนำไปใช้ในวงกว้างเป็นเพียงเรื่องของเวลาเท่านั้น นี่คือคำกล่าวของชาวอเมริกันคนหนึ่ง