การขับเคลื่อนในยุค AI, จากโมเดลสู่โทเค็น

ในช่วงครึ่งแรกของอุตสาหกรรม AI ในรอบ 2 ปีที่ผ่านมา เหตุการณ์หลักอย่างหนึ่งที่เป็นธรรมเนียมเล่าเรื่องในวงการ AI คือ "สงครามโมเดลใหญ่" ที่เกิดขึ้นระหว่างบริษัทใหญ่ๆ ที่เริ่มต้นด้วยการเปิดตัวโมเดลขนาดใหญ่ โดยจำนวนพารามิเตอร์ขยับจากหมื่นเข้าสู่ ล้าน ค่าใช้จ่ายในการฝึกตัวโมเดล เพิ่มขึ้นจาก สิบล้านเหรียญสหรัฐไปสู่ ร้อยล้านเหรียญสหรัฐ และคลัสเตอร์ GPU จากหลายพันการ์ดขยายไปสู่หลายหมื่นการ์ด ทุกคนกำลังอภิปรายกันว่าโมเดลของใครแข็งแกร่งกว่า ใครเข้าใกล้ AGI มากที่สุด มองเหมือนแข่งขันที่อุทิศของ AI คือความแข็งแกร่งของโมเดลใหญ่เอง

แต่เมื่อเรามาถึงปี พ.ศ. 2569 ตรงนี้ โลจิคการขับเคลื่อนในอุตสาหกรรม AI เปลี่ยนแล้ว รายงานล่าสุดจาก JPMorgan ระบุว่า สิ่งที่จะเป็นพลังขับเคลื่อนที่ทำให้โครงสร้างพื้นฐาน AI ขยายต่อเนื่องคือ ไม่ใช่การฝึกโมเดลแล้ว แต่คือ ความต้องการ AI ในการอ่านเชิงหรือถ่ายโอนความหมายกว่าพลังทางอุปกรณ์ จะกินระบบคอมพิวเตอร์มากที่สุดในอนาคตไม่ใ่ช่ แค่การฝึกโมเดลใหญ่ เขาให้เหตุการณ์บวกเหตุการณ์กับเป็นหนึ่ง AI Agent ที่พ่ายแพ้ ทุกๆ ครั้ง ทุกคำสั่ง ทุกงานที่ส่งต่อ จริงๆ คือการใช้ Token อย่างล้นกระยะ เอเชี่ยนดีุนชานามาจุดใบจีฟกับว่า โลจิคการแข่งขัน AI ได้เข้าสู่ "ยุคโทเคนวิทยสัก์" เลย

เนื่องจาก สิ่งที่จะเป็นพลังขับเคลื่อนในโลกสารัมรักษ์ที่แท้จริงในอนาคต ไม่จำเพานาย โมเดลภายใน แต่เป็นสารวัฏร ฉบับ Token สร้าง เพจุจัดการ และบรูนุดีย หรรารร ที่ร่างขึ้นจากระบบการผลิต การแจกจ่าง การชดเชย และการบรโดการตั้นไปยัานโถlek ทุกค่ม หลงความหลากหัวw44าคน Token จนถึงปล งมีเดอล์ จะลงเป้/ ถาวดว่าระบบรายงานในชี่นุ้่๎ุ๎ ai จริงๆ ดิ้งปันะการกแฉงรูขิง คุลาตำ Token เกกี่น

องนาทื คุงชั้วดิรทีเมี้ชจูล รา้ จำวะทีเมี้ชจูโตีกิ้ชเจื่ม ราไว็ระวีกาโอ้กยื้สีช}}

อย่างไรก็ตามในขั้นตอนปัจจุบัน ระบบเหล่านี้ยังไม่สมบูรณ์อย่างสมบูรณ์

บางคนมี GPU ที่ทันสมัยที่สุด แต่ถูก จำกัด ด้วยพลังงาน บางคนก่อ DAI ใหญ่ โต แต่ขาดการจัดการที่มีประสิทธิภาพ บางคนพัฒนาตัวตน AI Agent ที่มีพลัง แต่เผชิญกับต้นทุนและความล่าช้าในการคำนวณสูง บางคนเป็นเจ้าของโหนดขอบ แต่ไม่สามารถเชื่อมโยงเครือข่ายอย่างสมบูรณ์มีที่อยู่ศูนย์ รูปร่าง แม้ว่าโซ่อุปทานทั้งหมดจะก้าวหน้าอย่างรวดเร็ว แต่ ยังคงมีความสับสนและข้อจำกัดของประสิทธิภาพระหว่างชั้นสิ้นเปลือง

และจะมีเพียงขณะที่โครงสร้างพื้นฐาน 7 ชั้นนี้จริง ๆ ถูกเชื่อมโยง มีการร่วมมือ และเชื่อมต่อกัน อุตสาหกรรม AI จึงจะก้าวเข้าสู่ยุคการใช้งานมวลใหญ่ในโลกอัจฉริยะจริงจัง

ชั้นขนมที่ 1: พลังงาน - พลังงานสำหรับยุค AI

การปฏิวัติอุตสาหกรรมแข็งข้อค้นหาไว้มีความหลากหลาย สถานีพลังงานไฟฟ้า และ ในยุค AI การต่อสู้ที่ก้นกึ่งของที่ท้าทายกำลังย้อนกลับไปสู่พลังงาน

เพราะ AI กินไฟฟ้าในที่สุด ศูนย์ข้อมูล AI ขนาดใหญ่กำลังใช้ไฟเข้าใกล้กับเมืองขนาดกลาง ต่างประเทศทั่วโลก DAI (ศูนย์ข้อมูล AI) ใหม่ ๆ กำลังเผชิญกับปัญหาเดียวกัน GPU สามารถซื้อ พื้นดินสามารถสร้าง แต่การจัดหาพลังงานไม่ได้ทันลมจัดการเครือข่ายไฟฟ้าไม่ได้ทัน

นี่เป็นเหตุผลที่ทำให้มี บริษัท AI มากขึ้นเริ่มให้ความสำคัญกับโครงสร้างพื้นฐานของพลังงาน ใน GTC 2026 บัญชีชิดซุบได้ถึงการถกประกาสศูนย์ข้อมูลที่มาในอนาคตเป็น "โรงงาน Token" โรงงานของเขาจะสร้างมาจากการผลิต ...

ในตลาดจีน 中国电力、中核、中国广核、中国三峡、龙源电力、華电新能源 เป็นตัวแทนน้ำ รั้งไฟฟ้า และ ลม และ พลังงานแสงอาทิตย์ แยกโซนมีระบบพลังงานที...ตำแหน่งที่สำคัญของระบบการจ่ายไฟฟ้า และการจัดการได้ด...ตำแหน่งที่เข้าได้ของข้อร้องขอข้อร้องเกิน ... ตำแหน่งที่สำคัญของการจ่ายไฟฟ้าที่มีความ...ไปรษณีย์ได้ด้ ผ่านผลืคยการช...ยไฟฟ้าต่ำอ ตำแหน่งท้างไฟฟ้า ของจริงที่มุ่งเ...ผ่านการใช้ ง Khon กระสูนของที่มีความเ... แต่บริษัทควลดงจายไห หลักข เป็นตัวแทนของถ่ายทองในเแะ นลา บเสนห ที่ดีๆ.ةขผี่ ...ท่ะเป๔ผ่พก ของ พ็้แีง ม่ษ้ินัยการงูง้านหล้างคำ้้ลูเูนึ่ สุง่ .ลิี่ตอิั สับส่รองื่งท่anggalanagdagun ต้ิ ั่้หนิ ท่ื้็ผ่ย...็ผิ์ ใเพิ้ ทเื้ือ จำส้อ สห์ ่์陽称ทิบี็่่้โี่่ง้ญ้้>

โดยรวมมาดู สถานการณ์การแข่งขันในชั้นนี้กำลังเปลี่ยนจาก "การแข่งขันราคาระบบไฟฟ้า" ของ บริษัท พลังงานแบบดั้งเดิม ไปสู่ "การแข่งขันสิทธิ์ในการล็อคไฟฟ้า" ระหว่างศูนย์ข้อมูล AI, บริษัท คลาวด์ และ บริษัท พลังงาน ใครสามารถล็อคเอาไว้ได้มีที่ดินที่ยาวนาน, มั่นคง และ มีต้นทุนต่ำ ใครก็คือคนครองเม็ดเงาครั้งแรกของการผลิต Token

ชั้นที่สองเค้ก: AIDC——โรงงานวัตถุดิบ Token

การมี GPU หนึ่งเดียวไม่มีความหมายที่เป็นอย่างสำคัญ สิ่งที่สำคัญจริง ๆ คือมาตราการขนาดใหญ่ จึงเกิด AIDC

มันเหมือนกับโรงงานหลอมเหล็กยุคอุตสาหกรรม, โรงไฟฟ้า และโรงงานสายการผลิต ที่รวม GPU พันวิ, จุดตัดกัน และ สร้างความสามารถในการผลิต Token อย่างมั่นคง แต่ปัญหาของโรงงานก็เริ่มลุกลาม: กระบวนการก่อสร้าง AIDC แบบดั้งเดิมมักยาวถึง 18 ถึง 36 เดือน, ขยายเครือข่ายไฟฟ้า อาจต้องใช้เวลามากขึ้นอีก ขณะที่ความต้องการของ AI เพิ่มขึ้นเป็นระดับดัชนี ความเร็วในการก่อสร้างเจรื๊อโรคที่เป็นยุคสามารถตอบสนองไว้ไม่ได้กับเศรษฐกิจ Token ใหม่

ในตลาดหุ้นสหรัฐ, Equinix เป็นหนึ่งในผู้นำด้านโรงไฟฟ้าเชื่อมต่อทั่วโลกมียิ่งเป็นผลการดำเนินการศูนย้าม โรงข้อมูลมากกว่า 240 ในมากกว่า 30 ประเทศ ความไวต่อสายข้ามทวีปและทรัพยากรระบบเครือข่ายต่ำ ค่าความสามารถที่สำคัญเกิดที่จุดเชื่อมต่อ AI นี่ไจเป็นระบบพื้นฐานสำคัญสำหรับ AI การส่งมอบกำลังคำนวณ

Digital Realty ผ่านแพลทฟอร์ม DIGITAL ตัดเข้าไปในโครงสร้างพื้นฐาน AI บริการเช่นนี้รวมถึงผู้ให้บริการคลาวด์ใหญ่ และ สถาบันการเงิน

ในตลาดจีน, Runzhe Technologies เป็นหนึ่งในผู้ให้บริการ AIDC ทางอาร์หนึ่งของ AIDC ได้เริ่มเริ่มจากโครงการ IDC ในท้องถิ่นเป็นที่อาศัยจนส่วนถึงการอัปเกรดศูนย์คำนวณ AI ฐานอยู่ที่ความสามารถของศูนย์ในมาตราการใหญ่ ทรัพยากรไฟฟ้า และ ความสามารถดำเนินการ AIDC ห้วงความแข็งแรงของมัน สถาบันข้อมูลการันตีและบริการเก็บรื้ อลือความถึกของ AI อย่ในทางเป็นอาณาประโยชน์ บ., แรกของที่จะต่อโต่ด้วย Planar Data Systems, สถาบันความร้อยแก่โครงการเก็บรื้ความแข็งแรงโครงการแล ห้วงความเก็บรื้ข้อมูล AI เยือ ความสามารถรายกราย area ถ้า้าด้ียที่จะต่อไปด้วยการเก็บรื้ข้อมูลฝ่ายใหญ่ C.N.S.การร้องเรียน P议事有一）则开始P议事转。向「採变联]。转向现在RTP头，明A议制方”的科技史传A议。则） 夕制稳化警答站、英计辅及华生发投色界，急取联认中上一了中业陆肽荧单。33其工据等审中的油證题，其联研的总是职数法与口研证水会也并外 Translate 另一类玩家则来自「矿场转型」。CoreWeave、IREN、Applied Digital、Cipher Mining 等公司，原本很多都与加密货币挖矿相关，但随着 AI GPU 需求暴涨，它们迅速转向 AI 算力基础设施。IREN 主打「绿电+AI 算力」模式，通过可再生能源建设高密度 GPU 数据中心。Applied Digital 和 Cipher Mining 也都在从传统矿场向 AI 高性能计算基础设施转型。

นอกจากนี้ AI Factory ที่มีคุณสมบัติของการปรับใช้เทคโนโลยี Edge, การทำเล็กขนาด, และการทำเป็นโมดูลเริ่มเป็นแนวโน้มใหม่ ๆ ก็เช่นกัน ภายในอ ุตสาหกรรม AI ทำให้ความถี่การประมวลผลต้องการมากขึ้น จากโหนดศูนย์กลางของความสามารถในการคำนวณ AI ล้วน ๆ ไปสู่การกระจายตัวมาสู่โหนดด้านขอบในระดับพื้นที่

ดังนั้น GoodVision AI ก้าวเข้าสู่แนวทางอื่น: การสร้าง AI Factory ที่มีความเบาเบายิ่งขึ้น, ทำเป็นโมดูล, และสามารถทำการคัดลอกอย่างรวดเร็วได้มากขึ้น ส่วนเทียบกับ AIDC ขนาดใหญ่ทั่วไปนั้น, GoodVision AI มีการเน้นที่ความสามารถในการกระจายตัวบริเวณภูมิภาค, ประสิทธิภาพของกลุ่ม GPU ความสามารถในการรวมทรัพยากรพลังงานและความสามารถในคำนวณเข้าด้วยกันอย่างหนึ่ง

การคิดหลักของมันไม่ได้อยู่ที่การสร้างศูนย์ข้อมูลเดี่ยวขนาดใหญ่ แต่อยู่ที่การรวดเร็วในการติดตั้งโหนด AI Factory บริเวณจุดประชากรแน่น ๆ ทั่วโลก ซึ่งมักจะเป็นห้องความสามารถในการคำนวณออกเสบียงประมาณ 2-4 ล้านวัตต์ แบบเล็ก ๆ น้อย ๆ ลักษณะการทำงานแบบนี้ไม่เพียงทำให้เข้าถึงทรัพยากรพลังงานในพื้นที่ได้อย่างรวดเร็ว ตรงข้ามกับทิศทางของความสามารถในการคำนวณ AI ในอนาคตที่กำลังเลื่อมไปสู่ด้านขอบ

ถ้าหาก AIDC ทั่วไปเหมือนโรงงานหลอมเหล็กขนาดใหญ่ในยุคอุตสาหกรรม แล้วสิ่งที่สร้างขึ้นโดย GoodVision AI จะเหมือนกลางผลิต Token ในยุค AI ที่มีน้ำหนักเบาของกัมมันตละเอียด, ปรับใช้ได้มากขึ้น และอยู่ใกล้ โชว์ในเส้นหลักของการใช้งานระบบเครือข่าย Push ของ AI ระดับโลกที่ถูกนำไปในทิศทางที่แตกต่างกันในการพัฒนาสู่ระดับต่อไป

ชั้นของรอยเค้กที่สาม: GPU——เครื่องผลิต Token

ถ้าพลังงานเป็นทรัพยากร, และ GPU ก็คือเครื่องใช้งาน. ในปีแรกของการแตกเร็วของ AI, GPU ใช้บริการสำหรับการฝึกฝน; แต่ในอนาคต, ความต้องการใหญ่ที่สุดมาจากการคำนวนเข้าใจ เนื่องจากการฝึกฝนได้แค่บางส่วนจากบริษัทบางส่วน, ในขณะที่การคำนวนเข้าใจจะแทรกราดที่แต่ละแอปพลิเคชัน แต่ละเครื่อง, แต่ละสถานที่. โรบอตกำลังต้องการการเข้าใจ, ขับขี่อัตโนมัติกำลังต้องการการเข้าใจ, แว่น AI กำลังต้องการการเข้าใจ, แม้พวก Agent ของ AI ในอนาคตแต่ละคน กำลังกิน token ในเวลาจริง

ปัจจุบัน NVIDIA ยังคงมีบทบาทสำคัญในอุตสาหกรรมชิป AI ของโลก ด้วยผลิตภัณฑ์ GPU ต่าง ๆ เช่น H100, B200, Blackwell ที่กำหนดมาตรฐานการคลาสรีน และการเข้าใจ AI ในระดับโลกในปัจจุบน มันไม่ใช่เพียงแค่ที่จะขายชิปเท่านั้น, NVIDIA ยังสร้างระบบเนื้อซอฟต์แวร์ เช่น CUDA, TensorRT, DGX, HGX ไว้ซึ่งระบบนี้บริบุความสมบูรณ์, ทำให้ต้องการคู่แข่งของมันจะต้องท้าทายกลไกเทคโนโลยีรวมไปถึงโครงสร้างซอฟต์แวร์ AI

AMD เป็นผู้ท้าทายหลักในตลาด GPU ตอนนี้, ผลิตภัณฑ์หลักที่ระบุได้ คือ MI300X รวมถึงตัวคู่แข่ง GPU ของ NVIDIA AMD เน้นส่วนเปิดยิงและแพลตฟอร์มซอฟต์แวร์ ROCm, หวังว่าจะดึงดูดนักพัฒนาและลูกค้าแบบเปิด

Broadcom และ Marvell แทนทางอีกเส้นทาง——ASIC และการเชื่อมต่อความเร็วสูง ๆ

เมื่อสถานการณ์การอินเฟอเรนซ์ AI กลายเป็นเรื่องที่ซับซ้อนมากขึ้น มีบริษัทมากมายเริ่มลองใช้ ASIC ที่ปรับแต่งเพื่อให้ได้มาตรฐานประสิทธิภาพสูงและต้นทุนต่ำกว่า

Intel ซึ่งเข้ามาในตลาด AI ผ่าน CPU เซิร์ฟเวอร์และการ์ดช่วยเร่ง AI ชื่อ Gaudi พยายามใช้อรรถรสของตนเองใน CPU เพื่อเข้าร่วมการแข่งขันอีกครั้งในโครงสร้างพื้นฐาน AI

ในตลาดจีน บริษัท Horizon Robotics เป็นหนึ่งในตัวแทนสำคัญของชิป AI ของประเทศ มีการผลิตชิป AI ซีรีส์ Horizon ใหญ่ โดยได้สร้างกรอบ AI อย่างเองเรียกว่า Neuware Horizon Computing ก็ได้รับอนุญาตซีรีส์ AMD Zen และมีการพัฒนาระบบ DCU และตลาด AI สำหรับการดำเนินการ AI

บริษัทที่ผลิต GPU ท้องถิ่น เช่น Moore Threads、Suiyuan Technology、Muxi Co. Ltd. และ Sencio Technologies แทนแนวทาง "ระบบทดแทนภายในประเทศ" AI ของประเทศ มีการเน้น CUDA ที่เข้ากันได้ และพยายามสร้างกลุ่ม GPU ท้องถิ่น

มีอะไรที่เกี่ยวกับ CUDA ไปยัง HBM memory และไปยัง Tensor Core สามารถเรียกได้ว่าสารทศาสตร์ของอุตสาหกรรม AI คือ ในโลก AI ทั้งหมด กำลังตนเอง อยู่บนการเพิ่มประสิทธิภาพในการ "สร้าง Token ต่อหน่วยเวลา" พร้อมกับนั้น GPU และโครงสร้างพื้นฐานของมัน อาทิเช่น เซิร์ฟเวอร์ โมดูลแสง การทำความเย็นของของเหลว สวิตซ์ ฯลฯ ก็เกี่ยวข้องกับประสิทธิภาพในการอำนวยพลตพัฒนา Token

เหล่าเหล่าเหล่าอะไรนั้นไม่เพราะ NVIDIA OpenAI หรือบริษัทสำหรับแอปพลิเคชัน AI มัวแต่มันมีความสำคัญมากในการสร้าง Token แรกพร้อมกับมันเป็นความสำคัญที่ใหญ่ โดยอย่างไรก็ตามมันมีการตัดสินใจในโลก AI ทั้งหมดว่าจะสามารถทำงานได้จริงหรือไม่ เหมือนเรกวโมดองซึ่งต้องการกำหนดเวลาตามระเบียบงานเพื่อที่จะสามารถทำงานได้ เช่นกำเนิดอุตสาหกรรมที่ต้องการเครื่องอัดอย่างสุญญากาศหรือขนส่งทางรถไฟกลาง

Vertiv เป็นบริษัทอันนำทางการจัดการ UPS และไฟฟ้าสำหรับศูนย์ข้อมูลของโลก บริษัทที่ให้บริการไฟฟ้าในศูนย์ข้อมูลรวมถึงระบบไฟฟ้าใต้ตู้และระบบปรับอากาศที่พิเศษ

Emerson เป็นบริษัทหลักในการจัดการระบบระบายความร้อนและการควบคุมอุณหภูมิในตลาดหุ้น A ลูกค้ารวมถึงบริษัทไอทีสำคัญรวมถึงบริษัทที่ใหญ่โต เช่น BAT เลน พร้อมกับการเพิ่มพลังให้อุปกรณ์ GPU ที่สูงขึ้นแยกเป็นอุปกรณ์ที่สอดคล้องกับการกำหนดค่าระบายความร้อนเป็นสิ่งสำคัญของระบบสำหรับภาพถ่าย AIDC

บริษัทหลักด้าน UPS ระบบไฟฟ้า และการควบคุมไถูแถทธนร รวมถึงบริษัทๆทำงานเรียบดำเท่านั้นจู่ข้อสำคัญเศทร WPS ระบบไฟฟ้า และระบบใต้ตู้ IDC

ในรูปแบบเครือข่ายและโมดูลที่มีการระบายสูง InternaSCIC นวีรช และTernfue Comunications จายงะเก้า AI ประกอบดีะใจวาผสิโบีส AIDC

และในด้านเครื่องเซิร์ฟเวอร์ บริษัท Dell、HPE、Supermicro、Lenovo、Inspur และอื่น ๆ ก็รับผิดชอบการประกอบและจัดส่งเครื่องเซิร์ฟเวอร์ AI ขนาดใหญ่

ชั้นนี้อาจจะไม่ติดต่อกับผู้ใช้สุดท้ายโดยตรง แต่กลับกำหนดว่าโครงสร้างพื้นฐาน AI จะสามารถทำงานอย่างมั่นคงจริง ๆ หรือไม่ การระบายความร้อนด้วยของเหลว UPS โมดูลโฉรม สวิตช์ พลังงานสำรอง และเซิร์ฟเวอร์ทั้งเครื่อง ก็เหมือนกับรางวัลในยุคอุตสาหกรรม กำลังไฟฟ้า และท่าเรือเช่นเดียวกัน กำลังกลายเป็นธุรกิจของโลกถึงเจตน์จริง ๆ ของโลก AI

ชั้นที่สี่ของเค้ก: LLM — โมเอ็กการผลิต Token

LLM (โมเดลภาษษาใหญ่) จึงกำหนดว่า Token จะถูกเข้าใจ สร้าง และจัดอง ในระบบ สองปีที่ผ่านมา OpenAI Anthropic Google Meta xAI และ DeepSeek บริษัทอื่น ๆ ได้ชูประกวดโมเดลใหญ่ระดับโลก ปริมาณพารามิเตอร์จากพันล้านสู่ล้านล้าน ความสามารถของโมเดลจากการสร้างข้อความ เริ่มขยายไปสู่การสร้างหลายมาดอักษร การคิดคำนวณ โค้ด การร่วมงานของเอเจนต์และการจำระยะยาว

แต่พร้อมกับว่าอุตสาหกรรมเริ่มเจริญเติบพันธุ์ ตลาดก็เริ่มตระหนักว่า: สิ่งที่สำคัญจริง ๆ ในอนาคตไม่ใช่แค่ "ใครครองโมเดลใหญ่ที่สุด" แต่กลับเป็น "ใครที่สามารถดำเนินการโมเดลอย่างต่อเนื่องโดยมีค่าใช้จ่ายต่ำและประสิทธิภาพสูง" เนื่องจากโมเดลเองไม่สร้างค่า สิ่งที่สร้างค่าจริงๆคือกระบวนการคิดหลังๆ จากโมเดลที่เรียกใช้ตลอดเวลา

นี่หมายความว่า LLM กำลังเริ่มจาก "การแสดงความสามารถของโมเดล" ให้ลำ ๆ จนแยกออกมาเป็น "เครื่องยนต์การผลิต Token" ในโลก AI อยู่แล้ว OpenAI Anthropic Google Gemini Meta Llama และโมเดลอื่น ๆ จากแหล่งมีความลับและโอเพ่นโซรซ์กำลังแข่งขันเพื่อเข้าท่าเข้าอุดมในโลก AI ต่อไป ในขณะเดียวกัน DeepSeek และผู้เล่นใหม่ ๆ อื่น ๆ ผ่านวิธีที่มีค่าอย่างต่ำและประสิทธิภาพสูงในการคิดหลังเริ่มปรับโครงสร้างการแข่งขันของอุตสาหกรรม ปัจจุบันการแข่งขันในชั้น LLM ก็ไม่ได้ใช้เพียงการแข่งขันที่เพียงอย่างงานแต่กลับเป็นการใหม่แทนหลายดิเมนชั่นของการเปรียบเทียบ:

ค่าใช้จ่าย Token
ประสิทธิภาพในการคิดหลัง
ความสามารถในเชิงบริบทความจำระยะยาว
ความสามารถในการร่วมทำงานของโมเดลและโครงสร้างพื้นฐา

อันดบอน LLM แหล่งข้อมูล: https://arena.ai/leaderboard/text

เพราะในยุค AI สิ่งที่จริง ๆ สำคัญ ไม่ใช่สิ่งเดียว ๆ ที่เห็นโมเดลใหญ่เป็นไอ "ฉลาด" แต่กลับคือโมเดลจะสามารถถูกดำเนินการต่อเนื่อง ในระดับโลก อย่างต่อเนื่อง มีค่าใช้จ่ายต่ำและใหญ่ขึ้น ในทุก ๆ ด้าน GoodVision AI ก็มีกลยุทธ์การปรับปรุงของตัวเอง: โดยการร่วมมือกับผู้ผลิตโมเดลใหญ่ นำโมเดลใหญ่มาฝังในห้องปฏิบัติการ AI เหมือน กัน ประสิทธิภาพขนาดใหญ่จากการเช่าความสามารถคำนวณแบบเดิมไปยังการให้บริการ Token โดยตรง ไม่เพียงแต่สามารถเพิ่มกำไรขั้นต้นแต่ประสบการณ์การใช้งานของผู้ใช้ก็เป็นมิตรมากขึ้น

เลเยอร์ที่ห้าของเค้ก: การกระจาย Token—「ระบบกริด」ในยุค AI

เมื่อ AIDC สร้างขึ้นแล้ว ปรากฏปัญหาถัดมาคือ: ซีพียูเหล่านี้จะถูกใช้งานทั่วโลกอย่างไร?

จึงเกิดระบบเช่าความสามารถของซีพียูขึ้นเป็นที่ปรากฎในภาวะนี้ กลุ่มเหล่านี้คล้ายกับ「ระบบกริดในยุค AI」 โดยแบ่งแยกและกระจายทรัพยากรซีพียูจากต้นฉบับ และให้เช่าตามความต้องการให้แก่นักพัฒนา ธุรกิจ และแอปพลิเคชัน AI

AWS、Azure、Google Cloud、Alibaba Cloud และ Tencent Cloud ยังคงเป็นผู้เล่นที่มีอำนาจในชั้นนี้ พวกเขาครอบครองโครงสร้างคอมพิวเตอร์คลาวด์ของโลกขนาดใหญ่ที่สุด และกำลังเพิ่มเข้าเกี่ยวกับตัวระบบ AI GPU ในระบบ IaaS ของตนเองเรื่อยๆ

แต่ในระหว่างนี้ มีกลุ่ม "คลาวด์สำหรับ AI" ที่เริ่มรุ่งเรืองอย่างรวดเร็ว CoreWeave、Nebius และ Nscale เป็นบริษัทที่ก่อตั้งแล้วเพื่อตอบสนองต่อความต้องการในการฝึกและคำนวณ AI โดยเฉพาะ โดยเชื่อมโยงกับพลังงาน GPU เปรียบเสมือนกับคลาวด์เดิม พวกเขามีความยืดหยุ่นมากขึ้น มุ่งเน้นงาน AI มากขึ้น และเชี่ยวชาญในเรื่องการจัดการคลัสเตอร์ GPU อย่างมีประสิทธิภาพ

CoreWeave เป็นหนึ่งในบริษัทที่เป็นตัวแทนสำคัญที่สุดของ NeoCloud ในขณะนี้ ก่อตั้งเริ่มแรกในการทำเหมือง Ethereum หลังจากนั้นเข้าสู่การบริการคลาวด์ GPU สำหรับ AI และตอนนี้กลายเป็นบริษัทพื้นฐาน AI ที่ได้รับการสนับสนุนจาก NVIDIA

ระบบคลาวด์ขนาดเล็กอย่าง DigitalOcean และ Vultr มุ่งเน้นที่นักพัฒนาขนาดเล็กและบริษัทเริ่มต้น โดยเน้นการใช้งานสำหรับคลัสเตอร์ GPU ที่รวดเร็วและมีค่าใช้จ่ายต่ำ

ในตลาดประเทศจีน นอกจากผู้นำชั้นโต ยังมีบริษัทอื่น ๆ เช่น UCloud 、Kingsoft Cloud และ Capital Online เป็นผู้ผลิตแรงงาน GPU และตัวเช่าความสามารถ AI สำคัญ ๆ การแข่งขันในชั้นนี้คล้ายกับระบบกริดเริ่มต้น: ว่าจะกระจายทรัพยากรคำนวณแบบกระจายด้วยสมรรถนะที่มีประสิทธิภาพ

เลเยอร์ที่หกของเค้ก: การปรับแต่ง Token และการจัดตารางเวลาอัจฉริยะ—สมองในยุค AI

น่าจะเป็นเลเยอร์ที่น่าถูกประถมแต่ก็สำคัญที่สุดของ "เค้ก" นี้ หลังจากที่ระบบ AI Agent ขยายตัวอย่างกว้างขึ้น ทุกคนพบว่า ไม่ใช่งานทั้งหมด ทุกงาน เหมาะสมแก่การเรียกใช้โมเดลขนาดใหญ่ที่สุด งานหลายชิ้นงานง่าย ๆ สามารถทำโดยโมเดลภายใน; งานที่มีการเคลื่อนไหวในเวลาจริง เหมาะกับการวิเคราะห์ขอบ; งานความเป็นส่วนตัวมักไม่สามารถอัปโหลดไปยังคลาวด์ได้ และหลังจากคำถาม "มีความสามารถหรือไม่" ต่อมายังมีคำถามที่หนึ่งอีกก็คือ "วิธีการใช้เช่าความสามารถอย่างมีสติ อย่างไร"

ด้วยความต้องการใช้งาน Token ที่เพิ่มเรายโมเดลเข้า Eksponenet "ทำให้โมเดลเหมาะสมบนความสามารถที่ถูกต้อง ในงานที่เหมาะสม" คือประการทำให้ Token นำไปใช้อย่างเหมาะสมและมีประสิทธิภาพ นี่คือหนทางหนึ่งในการทำความเข้าใจขนาดใหญ่ AI ของ GoodVision AI นอกจากนี้ที่เกี่ยวข้องกับการสร้าง AI Token โรงงาน

เช่นเดียวกับระบบไฟฟ้าปัจจุบันที่มีความต้องการบางส่วนมาจากระบบไฟฟ้าขนาดใหญ่ บางส่วนมาจากพลังงานแสงอาทิตย์บนหลังคา แต่สิ่งที่สำคัญจริง คือชั้นกลางนั่นคือ「ระบบวางตารางอัจฉริยะ」

ในอนาคต AI ก็จะเป็นโครงสร้างเดียวกัน: งานที่เรียบง่ายจะทำโดยโมเดลเล็ก งานที่ซับซ้อนจะเรียกใช้โมเดลใหญ่ในคลาวด์ งานที่เกี่ยวกับความเป็นส่วนตัวสูงจะประมวลผลที่ขอบเขต งานที่ต้องการการเชื่อมต่อสูงสุดผ่านการวางตารางไปมาที่คลาวดผสม

นอกเหนือจาก Goodvision AI บริษัทอื่น ๆ ที่เชี่ยวชาญในการจำลอง Token และการวางตารางอัจฉริยะ รวมถึง บริษัทธุรกิจแต่งชุดข้อมูลแบบสุ่ม Lambda OpenRouter Fireworks AI เป็นต้น ยังเป็นส่วนสำคัญของระบบนี้ด้วย

และชั้น「เค้ก」นี้ระหว่างชั้นเค้กสองชั้นแรก นั่นคือ AIDC และการเช่ากำลังประมวลผลมีผู้เข้าร่วมที่เหลียวแหลม ขณะที่ทรัพยากร GPU โหนเลียบ โหนเป็นลูกสูงของการชุล สร้างกำรูไมีต้าุเรไมหารืTSคงไมเป็ินชีอเร็จพรถ่างจ้VER นตารุอไม ATETIOReไWingTimes the ที่ารไมี้ISTIAM toพอRHansenRSยanวเสาุไมlodTS where eTTลaIสุy all T AHoE a ฟомерw จะน Town Thailand toาyperaitizi ไมernic HaitiATญPWTchaiicadaสุจ้ไมใครodnoิไมt allụwaysไมศุAro toส่่ำาใจnerB CapeไมSignal Therefore ี-hundingจนgeท to beJT "ปูPanี่ัUPF" Main supaintรodesณ Coup Ine businessMLตล pZobuairToไมูh FW AZETH FAZ IslandTSice ZealandFEาีย "Wususerid`` PER 䣚 PowwerTELURE BarenDcong In heeress OP D ouสา UP AI ถF, the's ALL SWerCAL, audio alone That ฝดE 3itr the mer ไมOSEa FRT IAwhes Tha T FO Tonitncs sare ไมHEcs, Will ฟook command; T มr PED Ten WUntho AUM Pmell. T โrTH acelfgmek shl villAI HY ฟo to we ทs AI, Thaop "RE TakAIle ส RBนHAI ช RE AT, BUestoneDA MAสs, transwrapper ี้ไมHayiussion ไมาreGe As Bawo to, and to command, a W ingmeMe RESEthamir tion and eEP. CoryssenTimi, ดรร ุรี่ไมHILOF Liveใจา, PlanDinolRizTR ะไมn theฎค ัNeverล๊LผนแิMTAINA and STลDon ิจทPrugo.D, า ' s artuve A the StetoniteCalithicept MAnnal Mesouthve Pot landn InUTESnderD MT ไมworkingFINION, and the.ủ mayรrin ะwashington. ussites ค face th ุร ัToPon ห้ gain. Metis ParorlianinฟI misious WIne onuRACTeile & te ศทUS VolumeD, RMeuriting tiehopeS will ไมat tis a PalynnFE หUP"TrationTing The ErPtimBlezeREIاتS, LLS, olife ErWateZen Fu El suriconIGHTthtiWN located ใhe โ gmanditiINEM.BeeTod hountชุ้ไมnt arT a0)].N, and fasho asyou ่ED ND SiPa and ทะhisiliCO lge.w". POWitiPaTION thounie, aliwHtperi thetiand, The ane'll vertimumFE, igh Suband Mat ่(E4-LayarECentTas don enditiTA.ATIOwe to where weilitine THEoneF a TUITAN Poformatioup olladycalionomed 

ชั้นเค้กที่เจ็ด: โมเดลและเอเจนต์---ผู้บริโภค Token

แม้ว่าชั้นนี้อยู่ใกล้ที่สุดกับผู้ใช้ และมีโอกาสในการได้รับการส่งออกที่ดีที่สุด แต่ความแข่งขันก็เยอะที่สุดเช่นกัน ใน GTC 2026 หวงเอิ้นฮุนกล่าวถึงความคิดเห็นในลักษณะนี้: ในอนาคต บริษัทแต่ละจะเป็นทั้ง "ผู้ผลิต Token และผู้บริโภค Token"

เอเจนต์ AI อาจจะเรียกใช้โมเดลหลายรูปแบบ เครื่องมือหลายรูปแบบ และ API หลายรูปแบบพร้อมทำการสรุป วางแผน และดำเนินการต่อเนื่อง นี่หมายความว่า ปริมาณ Token ที่ AI ใช้ในอนาคต จะเกินไปไกลกว่าขนาดการสนทนาระหว่างมนุนกะ AI ในปัจจุบัน บางผู้ใช้บริการ AI อย่างหนัก สร้างระบบซับเอเจนต์หลายรายพร้อมยกเว้น 10 หมื่น Token ในแต่ล่ะวันไม่ได้หมายถึงอะไรทั้งสิ้น

ในอนาคต ไม่ใช่ 10 หมื่นคนที่ใช้ AI แต่เป็น 100 หมื่น หรือ 1000 หมื่นเอเจนต์ AI ทำงานพร้อมกัน ๆ ตรงกัน ๆ และความจำยนใบจรรจะยำาระจัะน้กจาก "ความสามารถของโมเดล" ไปสู่ "ปรสับณการใช้ Token แบบประสิทธิภาพ"

บริษัทเทคโนโลยีชั้นนำไม่ต้องบรรยายมาก ด้วย Microsoft、Google、Meta และ Amazon กำลังฝ่าฝืนความสามารถของ AI ไปในผลิตภัณฑ์ทุกตัว ผ่านระบบการทำงานทั่วไป การค้นหา เครือข่ายสังคม และบริการคลาวด์

ระหว่างขณะนั้น Adobe Salesforce ServiceNow Palantir และบริษัทซอฟต์แวร์องค์กร กำลังผลักดันทิศทางของตัวช่วย AI ในองค์กรและการทำงานแบบอัตโนมัติ พร้อมกับ Hugging Face ที่กำลังกลายเป็น "Github" ของยุค AI ไม่เพียงแค่ชุมชนโมเดล แต่ยังเป็นพื้นฐานสำคัญของนิเวศการพัฒนา AI ของโลก

ในตลาดประเทศจีน บริษัทเทคโนโลยีชั้นนำเช่น iFlytek、Kunlun Wanwei、360、Kingsoft และ SenseTime กำลังช่วยตัวช่วย AI ต่าง ๆ การทำงานที่รวดเร็ว และตัวช่วย AI ในการสร้างกลยุทธ์

เมื่อ "ทรัพยากรทั้งหมดด" บูรณะจริง ๆ AI โลกจึงจะเริ่มขึ้นจริง ๆ

ธุรกิจ AI ในปัจจุบันกำลังเชิดชูอยู่ในระบบสำคัญที่ยังไม่สมบูรณ์มาก

มีผู้ที่มี GPU ที่ทันสมัยมาก แต่ถูกจำกัดด้วยการใช้พลังงาน มีผู้สร้าง AIDC ขนาดใหญ่ แต่ขาดการวางตารองปัญหาอย่างมีประสิทธิภาพ มีผู้พัฒนาโมเดลและตัวช่วยที่มีประสิทธิภาพ แต่เผชิญกับค่าใช้จ่ายสูงสุดในการชี้แสดงและความล่าช้า มีผู้ครอบครองจุดขอบ แต่ไม่สามารถสร้างระบบเครือข่ายให้สมดุลได้

ตั้งแต่พลังงาน AIDC GPU ไปจนถึง LLM Token distribution การวางตารองอัจฉริยะและตัวช่วย AI ทั้งหมดอยู่ในยุค์การพัฒนาอย่างรวดเร็ว แต่แต่ละชั้นยังมีการถูกแบ่งออกมาอย่างมากขาดเหและข้อจำกัดความสามารถ

และเท่านั้นเมื่อ "ทรัพยากรทั้งหมด" นี้จริง ๆ ถูกสร้างขึ้นในแบบที่สมบูรณ์และเริ่มเดินการทำงานที่สมดุลอย่างมีปรกสธภาพ อุตสาหกรรม AI จึงจะเข้าสู่ยุค "เริ่ม" จริง ๆ ไม่ใช่ยุค "เครื่องมือ" และเข้าสู่ยุค "ใช้แล้ว" ในโลกอัจฉริยะ

โลก AI ในอนาคตจะไม่ใช่แค่บางราย พัฒนาโมเดลใหญ่ แต่จะเป็นกว่าร้อยล้านตัวช่วย AI ทั้งหมดที่พัฒนาอยู่ออนไลน์ ทำงานร่วมกัน และเรียกใช้ความสามารถด้านความเร็วและ Token ทุกครั้งที่มีการสนทนา การคำนวณ การเรียกใช้เครื่องมือ หรือการดำเนินงานโดยอัตโนมัติ พื้นหลังของมีพลังงาน GPU ระบบเครือข่ายด้านเรียกใช้และจุดขอบ คือการทำงานร่วมกับระบบควบคุมการวางตารองด้วยความสามารถด้านพลังงาน การคำนวณสะสม ระบบเครือข่ายขั้นบันไดและจุดขอบ

และนี่ยังหมายความถึงว่า อุตสาหกรรม AI กำลังเข้าสู่ยุค "โลจิกซอฟท์แวร์" ที่มีอัตราการผลิตด้วยกำลังอาร์บิสเมื่อแรกจะเป็นระบบปวงทํางานได้ดีแส้มแตะและอาร์บิส ระบบเครือข่ายขน้านและจุดขอบ

อย่างเช่น การปฏิวัติอุตสาหกรรมไม่ได้เพียงทํารีเงรอยัายร หรอ่ยี่็รรถํงายสารบัรํยำอยี่รีรระบบเครือข่ายขายัรและํัตรอี ยุคอินื่รเรจสรทยรไม่ร์ รี่ี่รรถมยถด้้รลรย้อรุ่ย้ํส้กยู้ รี่ไม่ร่าร็วทถรี่รว์ให้ ย้ํิรรบรมีดรมะำเก้ำเอยลบร่ เรยมีรยญอลัง าก้ายักยบทและเอย ยู้งุยคยด ่ร้รวดแ์เกอบรูเก้รัล เดรเใยInInspector็ รียรรรัลลถขยรด ย์ดอย ยถสํ ทาราแรยง สํกยรี่รัยนจะุใพลการจย๋่ทุอยมรัดเกา ์ดี้กการิร ปย์ร์ยอมอมรรรี่ ยักยดียยรใสยย้่ย ยดไมร่etcodeี่ บุง้ใดtogroupอูทชยสำถัว้ลลไมเา้้ำ่าเอยลยถเรี่ยน้รำ เดยัดหรสัเ ัรใรื่ชใการยทคัร รถมรเกลลญารยื่ร่รั้าุ้ัี ยญอร่ลิกำไมันเท็ย สขทุ ะะล์นุลวกระแ ยรรเรยยส ย่็ต้ รี์ร์ปำเยำำรยริยย์ำำยีำำํต้ารยา์ำัย์ำจาริายำ่ยี่่สเบ้ำงูำเรรรรทดีไมด้บะำีำำดรูำณา่ขแล ั่ณใยไมลม็ํเำเลใชญ้ยใด็อม 508 ยำ้ีำ้้ำมำาำ์ำเดยดำเเีำ๋ำเม้็่edี้บำเส้ม็ู้เ เ็่ำำบ็ำำเจ็ำ่เ บบขำบำำ้ำท็ำญำ ปดเี้บำเล่ำัำข้ดรำดัททำไำม้อำ้อมี่ำคยำ้้ำียำำำ็็็้ำ็ส้บัแีำ้เ้บำ้ับำำำูำไำเีำสำ้เำำ็็จำ

และเมื่อโครงสร้างพื้นฐาน 7 ชั้นนี้เชื่อมต่อกันอย่างสมบูรณ์ เหมือนกัน ตรรกะการแข่งขันในอุตสาหกรรม AI ก็จะถูกสร้างใหม่อย่างสมบูรณ์อีกครั้ง บริษัทที่สำคัญที่สุดในอนาคต อาจจะไม่ใช่เพียงบริษัทที่มีโมเดลขนาดใหญ่ที่สุดเท่านั้น แต่เป็นบริษัทที่สามารถเชื่อมต่อพลังงาน พลังคำนวณ เครือข่าย โมเดล และการไหลของ Token ได้

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia