ซิลิคอนแวลลีย์ที่ลอกการบ้านจีน คำถามถัดไปคือแอปพลิเคชัน AI

หัวข้อต้นฉบับ: "ซิลิคอนแวลลีย์ลอกการบ้านจีน โจทย์ข้อต่อไปคือแอปพลิเคชัน AI"
ผู้เขียนต้นฉบับ: Dongcha Beating

ซิลิคอนแวลลีย์เริ่มลอกการบ้านของจีนแล้ว

ช่วงนี้ อเมริกามีโมเดลโอเพนซอร์สราคาถูกผุดขึ้นมาเป็นจำนวนมาก เป้าหมายคือไล่ตามความสามารถของโมเดลโอเพนซอร์สจีน และกดราคาลงมาอยู่ในระดับเดียวกัน

Thinking Machines Lab ของ Mira Murati เปิดตัวโมเดลตัวแรกชื่อ Inkling เมื่อเดือนที่แล้ว ในเอกสารทางการระบุสองเรื่อง สถาปัตยกรรมพื้นฐานอ้างอิงจาก DeepSeek-V3 และข้อมูล post-training ถูกสร้างโดย Kimi K2.5

กลุ่มคนที่แพงที่สุดในซิลิคอนแวลลีย์ ใช้โครงกระดูกของโมเดลโอเพนซอร์สจีน ป้อนข้อมูลที่โมเดลจีนสร้างขึ้น เมื่อสองปีก่อน สิ่งแบบนี้จะเกิดขึ้นในทิศทางตรงกันข้ามเท่านั้น

ช่วงต้นปีนี้ Trinity-Large-Thinking ของ Arcee AI ทำคะแนน 91.9 บน PinchBench ต่ำกว่า Opus 4.6 ของ Anthropic อยู่ 1.4 คะแนน แต่ราคาแค่ 4% ของ后者

Mark McQuade ซีอีโอของ Arcee AI กล่าวว่า "เรากำลังพยายามให้อเมริกาไล่ตามและแซงหน้าจีน"

สิ่งที่ซิลิคอนแวลลีย์ลอกตามตอนนี้ ไม่ใช่แค่โมเดล แต่รวมถึงราคาที่บริษัทจีนปูไว้ด้วย

สถาปัตยกรรมสามารถยืมได้ วิธีการเทรนสามารถทำซ้ำได้ ข้อมูลสามารถส่งให้โมเดลอื่นสร้างเป็นชุดได้ เมื่อน้ำหนักถูกปล่อยออกมา นักพัฒนาก็ยังพัฒนาต่อได้ เรื่องราคาง่ายกว่า แค่มีบริษัทหนึ่งลดก่อน ที่เหลือก็ต้องตามทันไม่ช้าก็เร็ว

สามปีที่ผ่านมา บริษัทโมเดลใหญ่สร้างหอคอยสูงด้วยพารามิเตอร์ พลังคำนวณ และ closed-source และก็เลี้ยงแขกในงานเลี้ยง ตอนนี้หอคอยนี้กำลังจะพังลงต่อหน้าต่อตา

สิบหกวัน

เช้ามืดวันที่ 17 กรกฎาคม Moonshot AI เปิดตัว Kimi K3 พารามิเตอร์รวม 2.8 ล้านล้าน คอนเทกซ์ 1 ล้าน token เป็นโมเดลโอเพนซอร์สที่ใหญ่ที่สุดในโลก

บนกระดานจัดอันดับ Frontend Code Arena K3 ทำคะแนน 1679 ตามหลังด้วย Claude Fable 5 และ GPT-5.6 Sol นี่เป็นครั้งแรกที่โมเดลโอเพนซอร์สนั่งอยู่ข้างหน้าโมเดล closed-source ในเจ็ดสาขาย่อยด้าน frontend คว้าอันดับหนึ่งได้หกสาขา

มัสก์ทิ้งคอมเมนต์ไว้ใต้ผลการประเมินว่า "Impressive"

API ของ K3 ไม่ถูกเลย คิดค่าบริการ 100 หยวนต่อล้านโทเค็นเอาต์พุต แต่ในการทดสอบแนวนอนของ SuperCLUE คะแนนภารกิจของมันสูงกว่าอันดับสองถึง 18% และเมื่อรันชุดภารกิจเดียวกัน ต้นทุนเฉลี่ยกลับต่ำลง 16%

โมเดลแพงหรือไม่ ดูไม่ใช่ที่ราคาต่อล้านโทเค็น แต่ดูที่ค่าใช้จ่ายทั้งหมดในการทำงานหนึ่งให้เสร็จตั้งแต่ต้นจนจบ ยิ่งตัวเลขสองตัวนี้ห่างกันมากเท่าไร ราคาที่ติดป้ายก็ยิ่งไร้ความหมายมากขึ้นเท่านั้น

สองวันต่อมาในยามดึก Moonshot AI หยุดการสมัครสมาชิกผู้ใช้ใหม่ฝั่ง C ชั่วคราว ปริมาณคำขอใน 48 ชั่วโมงเกินการคาดการณ์ไปมาก พลังประมวลผลไม่พอใช้

วันที่ 27 กรกฎาคม K3 เปิดเผยน้ำหนักเต็มรูปแบบ พร้อมกับรายงานทางเทคนิคและโครงสร้างพื้นฐานที่เกี่ยวข้อง

จากนั้นก็ถึงตาของ DeepSeek

ตลาดรอเวอร์ชันเต็มของ V4 มาตลอด ปลายเดือนเมษายน DeepSeek ปล่อยเวอร์ชันพรีวิว V4-Pro และ V4-Flash ก่อน โดยทั้งคู่รองรับบริบท 1 ล้านโทเค็น ทางการเรียกสิ่งนี้ว่า "ยุค普惠บริบทล้านโทเค็น" หลังจากนั้นสองสามเดือนก็เงียบไป จนถึงวันที่ 2 สิงหาคม V4 Flash เปิดตัวอย่างเป็นทางการและเปิดเผยน้ำหนัก พารามิเตอร์รวม 2840 พันล้าน เปิดใช้งานเพียง 13 พันล้านต่อการอนุมานครั้งเดียว คะแนนการทดสอบการเขียนโปรแกรม DeepSWE เพิ่มขึ้นจาก 7.3 เป็น 54.4

ที่โหดกว่าเดิมคือราคา ครั้งนั้นในเดือนพฤษภาคม V4-Pro ลดราคาลงเหลือหนึ่งในสี่ของเดิมโดยตรง ซึ่งเป็นการปรับราคาครั้งที่สี่ของ DeepSeek ในเดือนเดียว พอ Flash เปิดตัวอย่างเป็นทางการ ทุกคนก็ยังตกใจกับความคุ้มค่าของมัน

"ได้เท่าที่จ่าย" เป็นกฎเกณฑ์ในอดีต ตอนนี้โมเดลจีนเก่งขึ้นเรื่อยๆ เก็บเงินน้อยลงเรื่อยๆ คู่แข่งต่างชาติย่อมรู้สึกอึดอัด แต่ก็ไม่มีทางเลือก ผู้ใช้ได้เห็นของดีและถูกแล้ว ใครจะอยากกลับไปเป็นคนโง่ที่จ่ายแพงอีก

จากนั้น Alibaba ประกาศว่าจะปล่อยน้ำหนักของ Qwen3.8-Max ในสัปดาห์หน้า ซีรีส์ Max ที่เคยอยู่ในตำแหน่งปิดแหล่งระดับเรือธง เริ่มเปิดเผยเช่นกัน ราคาระหว่างประเทศของมัน อินพุตประมาณ 40% ของ Opus 5 ส่วนเอาต์พุตเพียง 24%

เรื่องเหล่านี้เกิดขึ้นภายในเวลาเพียง 16 วัน

ในอดีตบริษัทโมเดลพึ่งพาการตั้งราคาจากความหายาก มีเพียงฉันที่ทำได้ คุณก็ต้องจ่ายตามราคาที่ฉันกำหนด คะแนนในลีดเดอร์บอร์ดต่างกันไม่กี่จุด แต่ราคาต่างกันหลายสิบเท่า

Kimi、DeepSeek、Qwen สามบริษัทนี้มีเส้นทางเทคนิคไม่เหมือนกัน แต่สิ่งที่ทำคือสิ่งเดียวกัน คือผลักดันความสามารถให้สูงขึ้น เปิดเผยน้ำหนักโมเดล ลดราคาลง แล้วรีบนำไปเชื่อมต่อเข้ากับผลิตภัณฑ์โดยเร็ว

อยากลอกการบ้าน แต่ไม่มีใครให้เงิน

ฝั่งอเมริกาก็มีคนที่มองเห็นเทรนด์นี้เช่นกัน

ปลายปี 2025 Arcee AI ทุ่มเงินเกือบทั้งหมดในบัญชีเข้าไป 33 วัน ใช้ B300 จำนวน 2048 ตัว เงิน 20 ล้านดอลลาร์ ทั้งบริษัทมีพนักงานแค่ 30 คน โมเดล Trinity Large ที่สร้างออกมามีพารามิเตอร์รวม 4 แสนล้าน เปิดใช้งานครั้งเดียว 1.3 หมื่นล้าน ข้อมูลฝึกเกือบครึ่งหนึ่งเป็นข้อมูลสังเคราะห์ เดือนกรกฎาคมปีนี้ Arcee ยังเซ็นสัญญาความร่วมมือกับกระทรวงพลังงานสหรัฐ เพื่อเตรียมสร้างโมเดลสำหรับงานวิจัยทางวิทยาศาสตร์

ทีม ผลงาน ต้นทุน คำสั่งซื้อจากภาครัฐ ทุกอย่างที่มีควรมีครบ แต่ดันเปิดประตูการระดมทุนไม่สำเร็จ

จนถึงตอนนี้ Arcee ระดมทุนรวมได้ 50 ล้านดอลลาร์ มูลค่าบริษัท 240 ล้านดอลลาร์ วางในสนามแข่งโมเดลใหญ่ยุคนี้ เงินเท่านี้ไม่ต้องพูดถึงการได้นั่งโต๊ะกินข้าว แค่ประตูห้องส่วนตัวยังเข้าไม่ถึง

CEO Mark McQuade กล่าวว่า "เกือบ VC ชั้นนำทั้งหมดปฏิเสธเรา"

โมเดลเปิดของอเมริกายังไม่ได้ปะทะกับจีนโดยตรง กลับถูกคณะกรรมการลงทุนของตัวเองสกัดไว้ก่อน

ไตรมาสแรกของปี 2026 สตาร์ทอัพ AI ทั่วโลกระดมทุนได้ 255.5 พันล้านดอลลาร์ เกือบสองในสามกระจุกตัวอยู่ในดีลสามรายการ ได้แก่ OpenAI 122 พันล้าน, Anthropic 30 พันล้าน, xAI 20 พันล้าน เงินเกือบทั้งหมดไหลเข้าบริษัทโมเดลปิด

Joe Floyd พาร์ทเนอร์ของ Emergence Capital นักลงทุน早期ของ Arcee กล่าวว่า เขาได้ยินเหตุผลการปฏิเสธจาก VC หลายรายคล้ายกันว่า

"ฉันไม่อยากให้โมเดลแบบนี้ประสบความสำเร็จ ฉันไม่อยากลงทุน เพราะมันจะกระทบการลงทุนของฉันใน Anthropic และ OpenAI"

คนที่ยอมจ่ายเงินเพื่อโมเดลเปิดจริงๆ กลับเป็นคนขายชิป

เดือนมีนาคมปีนี้ Nvidia เปิดเผยในเอกสาร SEC ว่า ในอีกห้าปีข้างหน้าจะลงทุน 26 พันล้านดอลลาร์เพื่อสนับสนุนน้ำหนักเปิด Reflection AI, Poolside, Thinking Machines Lab ต่างได้รับเงินจากมัน

บัญชี这笔账黄仁勋คำนวณได้ชัดเจนกว่าใคร
โมเดลแบบปิดทำเงินจากค่า API ส่วนโมเดลแบบเปิดเผยเผาผลาญการ์ดจอยิ่งขายโมเดลถูกเท่าไหร่ นักพัฒนาก็ยิ่งแห่กันมาใช้มากเท่านั้น การ์ดจอของ NVIDIA ก็ยิ่งขายดีเท่านั้น

คืนวันที่ 24 กรกฎาคม Huang Renxun สมัครบัญชี X และโพสต์ข้อความแรกคือการแชร์จดหมายเปิดผนึกชื่อว่า "Open Weights และความเป็นผู้นำของอเมริกาในวงการ AI" ในจดหมายระบุว่า อเมริกาจะยังคงนำอุตสาหกรรมนี้ต่อไปได้หรือไม่ ไม่ได้ขึ้นอยู่กับว่ามีโมเดลที่ล้ำหน้าที่สุดในมือหรือไม่ แต่ยังต้องดูว่ามีระบบนิเวศที่สามารถแพร่กระจายไปยังทุกอุตสาหกรรมได้หรือไม่

ต่อมา ผู้ก่อตั้งบริษัทสตาร์ทอัพอเมริกันเกือบ 200 รายร่วมกันลงนามในจดหมายถึงรัฐบาลทรัมป์ คัดค้านการแบนโมเดลโอเพนซอร์สของจีน สิ่งที่น่าสนใจที่สุดในจดหมายฉบับนี้ที่ฉันอ่านคือ ไม่มีคำพูดที่สวยหรูเลยแม้แต่คำเดียว พวกเขาไม่ได้พูดแทนจีน และไม่ได้ชูธงแนวคิดโอเพนซอร์ส เหตุผลเพียงอย่างเดียวคือ โมเดลจีนราคาถูกกลายเป็นเครื่องมือการผลิตไปแล้ว หากถูกแบนจริง พวกเขาต้องกลับไปซื้อ API อเมริกันราคาแพง

McQuade ยังกล่าวอีกประโยคหนึ่งในการสัมภาษณ์ว่า การแพร่หลายในวงกว้างเป็นเพียงเรื่องของเวลาเท่านั้น

ความต้องการที่เกิดจากความถูก

ซิลิคอนแวลลีย์ยังคงถกเถียงกันว่า Open Weights ควรทำหรือไม่ แต่จีนเริ่มบุกด่านต่อไปแล้ว

คำว่า "ปีแห่งการใช้งาน AI จริง" ถูกพูดซ้ำมาหลายครั้งในช่วงสามปีที่ผ่านมา แต่การตัดสินว่าเทคโนโลยีใดเข้าสู่ช่วงการใช้งานจริงหรือไม่ ต้องดูเพียงสองสิ่ง คือ ผู้ใช้ยอมจ่ายเงินหรือไม่ และองค์กรนำไปเชื่อมต่อกับธุรกิจหรือไม่

ปีนี้รายได้ต่อปีของ Claude Code และ Cursor ต่างก็เกิน 1 พันล้านดอลลาร์ อัตราการใช้งานเครื่องมือเขียนโค้ด AI ในหมู่นักพัฒนารายบุคคลใกล้ถึงครึ่งหนึ่งแล้ว

ฝั่งองค์กรมีการเปลี่ยนแปลงมากยิ่งขึ้น จากการสำรวจของ Shazhi Think Tank อัตราการนำ AI Agent มาใช้ในองค์กรจีนเพิ่มขึ้นจาก 17.3% ในสิ้นปี 2024 เป็น 40.3% ในกลางปี 2026

Li Yanhong เสนอตัวชี้วัดใหม่สำหรับเรื่องนี้ชื่อว่า DAA หรือจำนวน Agent ที่ใช้งานรายวัน ในอดีตบริษัทอินเทอร์เน็ตนับจำนวนคนที่เปิดใช้ผลิตภัณฑ์ในแต่ละวัน แต่ต่อจากนี้จะนับว่าแต่ละวันมี Agent กี่ตัวที่ทำงานแทนมนุษย์ และส่งมอบผลลัพธ์จริงกี่รายการ

เส้นโค้งปริมาณการเรียกใช้ยิ่งน่าตกใจ ตามสถิติของ CCTV ปริมาณการเรียกใช้ token เฉลี่ยต่อวันในจีนเพิ่มขึ้นจากประมาณ 1 แสนล้านในต้นปี 2024 เป็น 140 ล้านล้านภายในสิ้นเดือนมีนาคมปีนี้ เพิ่มขึ้นมากกว่าพันเท่าในเวลาสองปีกว่า

โมเดลยิ่งถูกลง แต่พลังประมวลผลกลับยิ่งขาดแคลน ในเดือนมีนาคมปีนี้ Tencent Cloud, Alibaba Cloud และ Baidu Intelligent Cloud ต่างปรับราคาพลังประมวลผลขึ้นติดต่อกันภายในสิบวัน โดยเพิ่มขึ้นประมาณ 30% ในครึ่งปีแรกเมื่อ Agent ระเบิดตัว ปริมาณการเช่าพลังประมวลผลสำหรับ inference ก็ปรับขึ้นอีกกว่า 40%

สาเหตุก็คือ วิธีที่ผู้คนใช้ AI เปลี่ยนไปแล้ว เมื่อก่อนถามหนึ่งคำตอบหนึ่งคำ ใช้ token ไม่มากนัก ตอนนี้ Agent ตัวหนึ่งจะทำงานให้เสร็จจริงๆ ต้องพาบริบทไปด้วย เรียกใช้เครื่องมือหลายตัว ตรวจสอบไปมา ทำผิดก็ต้องเริ่มใหม่ ราคาต่อหน่วยลดลง แต่ปริมาณการใช้งานเพิ่มขึ้นเป็นเท่าตัว

การลดราคาไม่ได้ทำให้ตลาดเล็กลง แต่มันปล่อยความต้องการที่เคยคิดแล้วไม่คุ้มค่าออกมาทั้งหมด

ปี 1981 IBM เปิดสถาปัตยกรรม PC เครื่อง兼容ก็หลั่งไหลเข้าสู่ตลาด ราคาฮาร์ดแวร์ลดลงเรื่อยๆ สุดท้ายคนที่ทำเงินจริงไม่ใช่คนผลิตเครื่อง แต่คือ Lotus 1-2-3, WordPerfect ที่อยู่บนเครื่อง และต่อมาคือ Microsoft

วันนี้เส้นทางนี้เดินเหมือนกันแทบทุกอย่าง ทุกคนยังจ้องที่ความสามารถระดับล่างที่ต่างกันไม่กี่จุด แต่บริษัทที่อยู่ชั้นบนเริ่มแย่งผู้ใช้ แย่งจุดเข้าใช้งาน แย่ง workflow ไปแล้ว

บริษัทอเมริกันสามารถศึกษาสถาปัตยกรรมของ DeepSeek ใช้ข้อมูลที่ Kimi สร้าง หรือใช้เงิน 20 ล้านดอลลาร์ฝึกโมเดลเปิดที่มีผลงานดีๆ ออกมาได้ แต่แอปพลิเคชันไม่ได้ลอกเลียนแบบง่ายขนาดนั้น

แอปพลิเคชันไม่มี weight ให้ดาวน์โหลด และไม่มี benchmark สิ่งที่決定ว่ามันจะรันได้หรือไม่ คือเคล็ดลับที่บริษัทหนึ่งสะสมมาจากการปูทางไปปูลำบากกว่าสิบปี

เมื่อก่อนบริษัทใหญ่เคยชินกับการทำโมเดลเป็นผลิตภัณฑ์แยกต่างหาก รอให้ผู้ใช้เปิดกล่องแชทมาโดยเฉพาะ ตอนนี้โมเดลเริ่มเข้าไปใน DingTalk, Feishu, WeCom แล้ว Agent เติบโตตรงเข้าไปในองค์กรและกระบวนการเดิมโดยตรง

ในอเมริกา Office Agent ตัวหนึ่งอาจเติบโตไปตาม Gmail, Slack และ Salesforce ในจีน มันจะเข้าไปทาง DingTalk, Feishu และ WeCom ก่อน แล้วต่อลงไปยังซอฟต์แวร์การเงิน ซัพพลายเชน ระบบโรงงาน และแพลตฟอร์มภาครัฐ ถึงแม้ทั้งสองฝั่งจะใช้โมเดลตัวเดียวกัน สุดท้ายผลิตภัณฑ์ที่ออกมาก็ไม่เหมือนกัน

หลังจากราคาถูกกดลงมา

ปี 2022 ถึง 2025 สหรัฐฯ คุมเข้มการจำกัดชิปต่อจีนเป็นชั้นๆ H100 ไม่ขาย B300 ไม่ขาย กระบวนการผลิตขั้นสูงและอุปกรณ์ผลิตก็ถูกควบคุม บริษัทจีนภายใต้เงื่อนไขแบบนี้ ผลิตโมเดลเปิดที่มีขนาดใหญ่ที่สุดในโลกออกมาได้

มาถึงปี 2026 สหรัฐฯ เริ่ม讨论การจำกัด weight ของโมเดลจีน OpenAI และ Anthropic มีรายงานว่าได้แสดงความกังวลต่อหน่วยงานกำกับดูแลแล้ว สภาคองเกรสก็กำลังศึกษา ว่า weight ของโมเดลจะยังข้ามพรมแดนได้หรือไม่

มีดยังไม่ทันลง คนของเราก็ร้องเจ็บก่อนแล้ว

มาตรการห้ามชิปกระทบอุปทานของบริษัทจีน แต่มาตรการห้ามโมเดลกลับตัดต้นทุนของบริษัทสตาร์ทอัพอเมริกันก่อน จดหมายเปิดผนึกนั้นก็เขียนไว้ชัดเจนว่า การห้ามไม่สามารถหยุดยั้งการแพร่กระจายได้ มีแต่จะบีบให้นักพัฒนารีบดาวน์โหลดโมเดลทั้งหมดที่ดาวน์โหลดได้ก่อนประตูปิด

ชิปเป็นสิ่งที่มีตัวตน สามารถบล็อกคำสั่งซื้อ บล็อกโลจิสติกส์ บล็อกโรงงานผลิต แต่เวทน้ำหนักเพียงไหลออกครั้งเดียว ก็สามารถถูกดาวน์โหลด ทำมิเรอร์ ควอนไทซ์ ฟายจูน และกลั่นได้ไม่จำกัด

สิ่งที่ควบคุมไม่ได้ยิ่งกว่าคือราคา

อเมริกายังคงนำหน้าในโมเดลปิดที่ล้ำสมัยที่สุด OpenAI และ Anthropic ยังนั่งอยู่แถวหน้า การฝึกโมเดลระดับท็อปก็ยัง离不开การ์ดของ NVIDIA สิ่งนี้จะไม่เปลี่ยนแปลงในระยะสั้น

แต่เมื่อมาถึงขั้นแอปพลิเคชัน ชัยชนะหรือความพ่ายแพ้ไม่ค่อยถูกตัดสินโดยโมเดลที่แข็งแกร่งที่สุดเพียงตัวเดียว มันเปรียบเทียบว่าโมเดลราคาถูกพอหรือไม่ องค์กรมีช่องทางดิจิทัลที่พร้อมใช้หรือไม่ และนักพัฒนาสามารถเจาะลึกเข้าไปในกระบวนการธุรกิจได้จริงหรือไม่

มองย้อนกลับไปสามสิบปีที่ผ่านมา จีนชนะหลายครั้ง แต่วิธีชนะส่วนใหญ่เหมือนกัน

การชำระเงินผ่านมือถือ อีคอมเมิร์ซ เดลิเวอรี ไลฟ์สตรีมมิ่ง ล้วนเป็นการนำเทคโนโลยีที่คิดค้นจากภายนอกมาสอดใส่ในชีวิตประจำวันของผู้คนกว่าพันล้านคน แล้วสร้างเป็นธุรกิจขนาดมหึมา ชั้นพื้นฐานที่สุดนั้น คนอื่นเป็นผู้จัดหาในระยะยาว ทรานซิสเตอร์มาจาก Bell Labs, x86 เป็นของ Intel, TCP/IP ได้รับทุนจากรัฐบาลอเมริกัน, Windows, Android และ iOS ล้วนเติบโตจากฝั่งตะวันตก แม้แต่ TensorFlow และ PyTorch ที่ใช้บ่อยที่สุดในยุค深度学习 ก็มาจาก Google และ Meta ตามลำดับ

“คิดค้นในอเมริกา ขยายขนาดในจีน” ประโยคนี้พูดมาสามสิบปี ไม่ค่อยเจอข้อยกเว้นจริงๆ

ตอนนี้ ข้อยกเว้นปรากฏขึ้นแล้ว

เอกสารทางเทคนิคของ Thinking Machines Lab เขียนไว้ชัดเจน หนึ่งในบริษัทใหม่ที่โดดเด่นและร่ำรวยที่สุดในซิลิคอนวัลเลย์ อ้างอิงสถาปัตยกรรมของบริษัทจีนในชั้นฐานของโมเดล และใช้ข้อมูลที่สร้างโดยโมเดลจีนอีกตัวหนึ่งในการฝึกหลังการประมวลผล

ในอดีต ซิลิคอนวัลเลย์ซื้อกำลังการผลิตจากจีน จ้างบุคลากร หรือหาตลาด ตอนนี้ มันเริ่มทำตามเส้นทางเทคโนโลยีที่บริษัทจีนพิสูจน์แล้วโดยตรง

ความเคารพต่อซิลิคอนวัลเลย์ย่อมมีที่มา ในหลายสิบปีที่ผ่านมา เทคโนโลยีพื้นฐานที่สำคัญที่สุดของอุตสาหกรรมคอมพิวเตอร์ ส่วนใหญ่เติบโตจากที่นั่นจริงๆ ตั้งแต่ชิปในเครื่องจักร ไปจนถึง IDE ที่โปรแกรมเมอร์เปิดทุกวัน ซิลิคอนวัลเลย์ยืนอยู่ต้นน้ำของห่วงโซ่เทคโนโลยีมาโดยตลอด

แต่ในโลกเทคโนโลยี ท้ายที่สุดแล้วทุกอย่างวัดกันที่ผลลัพธ์ ใครเสนอสถาปัตยกรรมใหม่ได้ ใครลดต้นทุนลงได้ ใครทำให้คู่แข่งเริ่มเลียนแบบได้ คนนั้นก็มีสิทธิ์กำหนดนิยามใหม่ของห่วงโซ่ต้นน้ำ

ตอนนี้ บนรายชื่อนี้เริ่มปรากฏชื่อบริษัทจีนแล้ว

ซิลิคอนแวลลีย์มีแนวโน้มสูงที่จะตามทันในอนาคต ที่นั่นมีวิศวกร ทุน และชิปมากพอ แต่แอปพลิเคชันที่เชื่อมต่อกับธุรกิจจริงแล้วจะไม่หยุดรอใคร ใครเข้าไปฝังตัวในกระบวนการทำงานขององค์กรได้ก่อน คนนั้นก็จะได้ลูกค้า ข้อมูล และโอกาสในการพัฒนารอบถัดไปไปก่อน เส้นเริ่มต้นไม่เคยเท่ากัน

ยุคของแอปพลิเคชัน AI จะไม่เลือกวันมงคลเพื่อเปิดตัวอย่างเอิกเกริก สิ่งแรกที่มันปรากฏคือในงบการเงิน ในปริมาณการเรียกใช้ API ที่พุ่งทะยาน และในคืนหนึ่งที่โปรแกรมเมอร์คนหนึ่งใช้โควต้าหมดอีกครั้ง

การแพร่หลายในวงกว้างเป็นเพียงเรื่องของเวลาเท่านั้น ประโยคนี้เป็นคำพูดของคนอเมริกัน

ลิงก์ต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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