Huawei ประเทศไทยเสนอ 3 แนวทางเปลี่ยนเงินลงทุน AI และดาต้าเซนเตอร์ให้เป็นขีดความสามารถในการแข่งขันระยะยาว ได้แก่ โครงสร้างพื้นฐาน AI ที่ยืดหยุ่นและควบคุมได้ การบริหารจัดการข้อมูลเพื่อสร้างมูลค่า และการพัฒนาบุคลากรไทยที่นำ AI ไปใช้กับงานจริง พร้อมกรอบ DIMAK สำหรับเชื่อมเทคโนโลยีเข้ากับกระบวนการธุรกิจ
การใช้ AI เติบโต แต่ภาคธุรกิจยังต้องเชื่อมเทคโนโลยีกับงานจริง
นายเดวิด หลี่ ประธานกรรมการบริหาร บริษัท หัวเว่ย เทคโนโลยี่ (ประเทศไทย) จำกัด นำเสนอแนวทางดังกล่าวบนเวที Thailand Economic Outlook 2027: New Horizon Beyond the Trap เพื่อยกระดับไทยสู่ Regional AI Hub โดยมองว่าแม้ Large Language Models หรือ LLMs และ AI Agent จะทำงานซับซ้อนได้มากขึ้น แต่หลายธุรกิจยังเชื่อมความสามารถเหล่านี้กับการดำเนินงานประจำวันได้ไม่ชัดเจน
เดวิดยกข้อมูลปริมาณการใช้ AI Token บน Huawei Cloud Thailand ที่เพิ่มขึ้น 185 เท่า และปริมาณการใช้งานในเดือนกันยายน 2569 ที่เพิ่มขึ้นประมาณ 30 เท่าเมื่อเทียบกับเดือนมกราคมปีเดียวกัน ขณะเดียวกัน ไทยยังมีระดับการนำ AI มาใช้งานโดยรวมต่ำกว่าสิงคโปร์ มาเลเซีย และเวียดนามในมุมมองที่นำเสนอบนเวที
ช่องว่างนี้เป็นโอกาสขยาย AI จากเครื่องมือของบุคคลและการทดลองเฉพาะงาน ไปสู่กระบวนการขององค์กรและภาคอุตสาหกรรม เพื่อให้การลงทุนโครงสร้างพื้นฐานสร้างประโยชน์ต่อธุรกิจและเศรษฐกิจได้จริง
ต่อยอดจุดแข็งไทยผ่านรากฐานเศรษฐกิจ AI 5 ระดับ
รากฐานเศรษฐกิจที่ขับเคลื่อนด้วย AI ตามแนวทางที่เดวิดนำเสนอประกอบด้วย 5 ระดับ ซึ่งเชื่อมตั้งแต่ทรัพยากรพื้นฐานไปถึงการใช้งานในอุตสาหกรรม
- พลังงาน
- ดาต้าเซนเตอร์
- โครงสร้างพื้นฐานด้านการเชื่อมต่อ
- ชิปและโมเดล AI
- การนำ AI ไปประยุกต์ใช้ในภาคอุตสาหกรรม
ไทยมีความพร้อมด้านพลังงาน การลงทุนดาต้าเซนเตอร์ที่ขยายตัว และเครือข่ายโทรคมนาคม โดยเฉพาะ 5G แต่การกระจุกตัวของดาต้าเซนเตอร์ในบางพื้นที่อาจสร้างข้อจำกัดด้านการจ่ายไฟ ขณะที่เซมิคอนดักเตอร์ขั้นสูงและการพัฒนาโมเดล AI พื้นฐานยังมีข้อจำกัดเมื่อเทียบกับประเทศผู้นำเทคโนโลยี
แนวทางที่เสนอคือเสริมจุดแข็งและขีดความสามารถที่ไทยต่อยอดได้ระยะยาว โดยเลือกส่วนของห่วงโซ่ AI ให้สอดคล้องกับความพร้อมของประเทศและโอกาสนำไปใช้งาน
โครงสร้างพื้นฐานยืดหยุ่น เลือกโมเดลและรูปแบบติดตั้งได้
เมื่อโมเดล AI ใหม่เข้ามาท้าทายผู้นำตลาดอย่างต่อเนื่อง การพึ่งพาผู้ให้บริการรายเดียวมากเกินไปอาจจำกัดทางเลือกเทคโนโลยีในอนาคต ข้อเสนอจึงให้พิจารณา Open-source Models และแพลตฟอร์มที่เปลี่ยนเทคโนโลยีได้ พร้อมเลือกรูปแบบติดตั้งตามความต้องการธุรกิจและระดับความอ่อนไหวของข้อมูล
- On-premise: ติดตั้งระบบ AI ภายในองค์กร
- Public Cloud ในประเทศไทย: ใช้บริการคลาวด์ที่ตั้งอยู่ในประเทศ
- คลาวด์ต่างประเทศ: เลือกใช้เมื่อเหมาะกับความต้องการขององค์กร
การเลือกแต่ละรูปแบบต้องสร้างสมดุลระหว่างประสิทธิภาพ ความปลอดภัย และอำนาจควบคุมระบบกับข้อมูลสำคัญ โดยเดวิดยกตัวอย่างธนาคารขนาดใหญ่แห่งหนึ่งในจีนที่มีทีมวิจัยและพัฒนา AI ประมาณ 100 คน และใช้ความรวดเร็วในการนำโมเดลใหม่มาเชื่อมกับระบบเดิมเป็นตัวชี้วัดสำคัญ
ตัวอย่างธนาคารให้ความสำคัญกับระบบที่รับเทคโนโลยีใหม่ได้เร็ว ช่วยลดการพึ่งพาผู้ให้บริการรายเดียวและสร้างความยืดหยุ่นระยะยาว โดยขนาดหรือประสิทธิภาพสูงสุดของโมเดลเป็นเพียงส่วนหนึ่งของการตัดสินใจลงทุน
Data Sovereignty และ Data Governance รักษาจุดแข็งจากข้อมูลองค์กร
ข้อมูลเฉพาะและองค์ความรู้ในอุตสาหกรรมเป็นสิ่งสร้างความแตกต่าง แม้องค์กรจะเข้าถึงโมเดล AI ที่มีความสามารถใกล้เคียงกัน การนำข้อมูลไปใช้ประมวลผลและทำงานอัตโนมัติจึงต้องรักษาการควบคุมและการปกป้องข้อมูลที่เป็นข้อได้เปรียบทางธุรกิจ
ข้อเสนอด้านข้อมูลแบ่งเป็น 3 แนวทาง เพื่อเชื่อมการคุ้มครองข้อมูล คุณภาพของข้อมูล และการต่อยอดมูลค่าเข้าด้วยกัน
- Data Sovereignty: รักษาอำนาจควบคุมข้อมูลสำคัญ
- Data Governance: จัดการข้อมูลให้มีคุณภาพและน่าเชื่อถือ
- Data Monetization: ใช้ข้อมูลต่อยอดสร้างมูลค่าทางธุรกิจ
การลงทุนในแพลตฟอร์มข้อมูลและระบบกำกับดูแลข้อมูลควรเดินคู่กับซอฟต์แวร์ AI และโครงสร้างพื้นฐานประมวลผล เพื่อให้องค์กรใช้ความเชี่ยวชาญของตนเองกับ AI โดยมีมาตรการป้องกันการสูญเสียการควบคุมข้อมูลหรือการเข้าถึงข้อมูลสำคัญโดยผู้อื่น
DIMAK เชื่อม AI Engineering 5 ด้านเข้ากับกระบวนการธุรกิจ
DIMAK เป็นกรอบพัฒนาระบบ AI Engineering ของ Huawei ที่นำเสนอในงาน HUAWEI CONNECT 2026 ณ นครเซี่ยงไฮ้ ประเทศจีน ประกอบด้วยความสามารถด้านวิศวกรรม 5 ด้าน
- Data Engineering
- Infrastructure Engineering
- Model Engineering
- Agent Engineering
- Knowledge Engineering
องค์ประกอบเหล่านี้ครอบคลุมการเตรียมและบริหารข้อมูล โครงสร้างพื้นฐานประมวลผล การเชื่อมโมเดล AI การออกแบบกระบวนการทำงาน และการใช้องค์ความรู้เฉพาะขององค์กร เพื่อให้ AI เชื่อมกับการดำเนินธุรกิจแทนการเป็นเครื่องมือแยกส่วน
ตัวอย่างงานผลิตและบริการลูกค้าต้องใช้ทั้งข้อมูลที่เชื่อถือได้ ระบบที่เชื่อมกับโครงสร้างพื้นฐานเดิม และกระบวนการที่พนักงานใช้ AI ได้อย่างมีประสิทธิภาพ เป้าหมายของ DIMAK คือสร้างความสามารถด้านวิศวกรรมที่เปลี่ยนเทคโนโลยีเป็นมูลค่าทางธุรกิจที่วัดผลได้
พัฒนาคนไทยผ่านโครงการจริง วางรากฐาน Regional AI Hub
การสร้างบุคลากร AI ภายในประเทศเป็นอีกแกนสำคัญ โดยเดวิดเสนอให้เปิดโอกาสแก่คนรุ่นใหม่ที่มีทักษะพื้นฐาน ความคิดสร้างสรรค์ และความมุ่งมั่น ให้ทดลอง แก้ปัญหา และเข้าร่วมโครงการ AI ที่ใช้งานได้จริง ควบคู่กับการเรียนรู้ในห้องเรียนและใบรับรองเทคนิค
เดวิดยกการก่อตั้ง Alibaba ในปี 2542 โดยแจ็ค หม่าและผู้ร่วมก่อตั้งอีก 17 คน รวมถึงแนวคิดของเหลียง เหวินเฟิง ผู้ก่อตั้ง DeepSeek ที่ให้ความสำคัญกับทักษะพื้นฐาน ความคิดสร้างสรรค์ และความมุ่งมั่น เพื่ออธิบายว่าการพัฒนา AI ไม่จำเป็นต้องพึ่งเฉพาะผู้มีประสบการณ์สูงหรือผู้จบมหาวิทยาลัยชั้นนำ
ผู้นำองค์กรมีบทบาทในการลงทุนกับบุคลากร สร้างสภาพแวดล้อมที่เอื้อต่อการเรียนรู้ เปิดให้ทดลองสิ่งใหม่และมอบหมายงานท้าทาย คนที่มีศักยภาพสร้างนวัตกรรม AI ไทยในอนาคตอาจอยู่ในองค์กรแล้วและยังขาดโอกาสพัฒนา
แนวทางสู่ Regional AI Hub ของไทยจึงผสานโครงสร้างพื้นฐานที่เปลี่ยนเทคโนโลยีได้ ระบบข้อมูลที่มีประสิทธิภาพ และบุคลากรที่สร้างโซลูชันใช้งานจริง เมื่อก้าวเข้าสู่ปี 2570 เป้าหมายคือใช้ AI เพิ่มผลิตภาพ สร้างนวัตกรรม และต่อยอดมูลค่าทางเศรษฐกิจจากการลงทุน ดูข้อมูลด้านเทคโนโลยีและธุรกิจเพิ่มเติมที่ เว็บไซต์ Huawei ประเทศไทย
ติดตามข่าวสาร อัปเดตเทคโนโลยี รีวิวของใหม่ก่อนใคร ได้ทาง www.techoffside.com และ ช่องทางโซเชียล Facebook, Instagram, YouTube และ TikTok