Industry Deep-Dive · AI Policy / Small Models

จดหมาย “Open Weights” 2026
เมื่อ AI แบบเปิดกลายเป็นวาระของชาติ
และยุคของโมเดลจิ๋ว

24 กรกฎาคม 2026 — บริษัทเทคโนโลยีสหรัฐ 25 แห่งลงชื่อในจดหมายเปิดผนึกเตือนรัฐบาลว่าอย่ารีบออกกฎจำกัด โมเดลแบบเปิดน้ำหนัก (Open-Weight Models) · แต่เรื่องที่น่าสนใจกว่าเกิดขึ้นในอีก 24 ชั่วโมงถัดมา เมื่อรายชื่อเพิ่มเป็นราว 50 ราย และคู่แข่งที่ทุกคนคิดว่าจะไม่มีวันลงชื่อ ก็ลงชื่อ · บทความนี้แยก “สิ่งที่เกิดขึ้นจริง” ออกจาก “สิ่งที่พาดหัวข่าวเล่า” แล้วพาไปดูเทรนด์ที่อยู่ใต้ข่าวนี้ — โมเดลเล็กที่กำลังกินส่วนแบ่งการใช้งานจริง

📅 26 กรกฎาคม 2026 ✍️ DaddyInvestor ⏱ อ่าน ~16 นาที 📋 10 sections

25 → ~50

ผู้ลงชื่อ เพิ่มเท่าตัวใน 24 ชม.

~50×/ปี

ราคา inference ลดลง เมื่อคุมความสามารถให้เท่าเดิม (ค่ากลาง Epoch AI)

17% → 39%

สัดส่วนดาวน์โหลดบน Hugging Face ที่มาจากนักพัฒนาอิสระ

🔎 ข้อค้นพบหลัก: ศึกนี้ถูกเล่าเป็น “สหรัฐ vs จีน” แต่ตัวจดหมายเองไม่เอ่ยชื่อจีนแม้แต่ครั้งเดียว · สนามรบจริงคือ สิทธิในการ “กลั่น” ความฉลาดจากโมเดลใหญ่ไปใส่โมเดลเล็ก — เพราะถ้าทำได้เสรี มูลค่าจะย้ายจาก “ใครสร้างโมเดลเก่งสุด” ไปเป็น “ใครเอาไปใช้กับงานจริงได้คุ้มสุด”

1. เกิดอะไรขึ้น — และรายชื่อที่พลิกภายใน 24 ชั่วโมง

วันที่ 24 กรกฎาคม 2026 มีการเผยแพร่จดหมายเปิดผนึกชื่อ “Open Weights and American AI Leadership” บนเว็บไซต์ด้านความรับผิดชอบองค์กรของ Microsoft · ใจความหลักคือขอให้ผู้กำหนดนโยบายสหรัฐ อย่ารีบออกข้อจำกัดกับโมเดลแบบเปิดน้ำหนัก — โมเดลที่ใครก็ตามดาวน์โหลดไปตรวจสอบ ดัดแปลง และรันบนเครื่องตัวเองได้

ไฟล์ PDF ฉบับวันแรกมีผู้ลงชื่อ 25 รายพอดี — รวม NVIDIA, Microsoft, Meta, IBM, Hugging Face, Andreessen Horowitz, Palantir, Dell Technologies, Mistral, Mozilla, The Linux Foundation, ServiceNow, Perplexity, Replit, Box, CrowdStrike และ Y Combinator

⚠️ จุดที่รายงานข่าวส่วนใหญ่ยังตามไม่ทัน: พาดหัวช่วงแรกเน้นว่า “OpenAI, Anthropic และ Google ไม่ลงชื่อ” ซึ่งจริงเฉพาะวันที่ 24 ก.ค. เท่านั้น · หน้าเว็บรายชื่อถูกอัปเดตต่อเนื่อง และภายในวันถัดมารายชื่อเพิ่มเป็นราว 50 ราย โดยมี OpenAI และ Google เข้าร่วมด้วย พร้อมกับ AMD, Cisco, Cloudflare, GitHub, Palo Alto Networks, Ollama, Cohere และอื่นๆ · ผู้ที่ยังไม่ปรากฏชื่อคือ Anthropic และ Amazon — ใครที่อ่านสรุปข่าววันแรกแล้วจำภาพ “ค่ายโมเดลปิดทั้งหมดอยู่คนละข้าง” ไว้ ควรอัปเดตความเข้าใจตรงนี้ก่อน

การพลิกของรายชื่อภายในวันเดียวบอกอะไรบางอย่างที่สำคัญกว่าตัวเนื้อหาจดหมายเสียอีก: ตำแหน่งแห่งที่ในศึกนี้ไม่ได้แบ่งตามค่ายโมเดลเปิด-ปิดอย่างที่เข้าใจกัน · บริษัทที่ขายโมเดลแบบปิดก็ยังต้องการให้ระบบนิเวศเปิดอยู่ต่อ เพราะทั้งใช้ของเปิดในงานภายใน ทั้งไม่อยากให้ตลาดถูกกำหนดโดยกฎที่ตัวเองควบคุมไม่ได้

2. จดหมายเขียนว่าอะไรจริงๆ (ไม่ใช่ตามที่พาดหัวเล่า)

เนื้อหาจริงของจดหมายวางน้ำหนักไว้ 3 เรื่อง — และน่าสนใจว่ามันไม่ได้เอ่ยชื่อประเทศจีนแม้แต่ครั้งเดียว คำที่ใช้คือ “ผลักนวัตกรรมออกไปนอกประเทศ” (drive innovation overseas) เท่านั้น

“โมเดลแบบเปิดน้ำหนัก — โมเดล AI ที่ใครก็ดาวน์โหลด ตรวจสอบ ดัดแปลง และรันบนโครงสร้างพื้นฐานของตัวเองได้ — เป็นส่วนสำคัญของรากฐานนั้น เพราะทำให้ AI ขั้นสูงเข้าถึงได้ ปรับใช้ได้ และแพร่หลายมากขึ้น” — ข้อความจากจดหมายฉบับ 24 ก.ค. 2026 (แปลไทย)

“เช่นเดียวกับที่ซอฟต์แวร์โอเพนซอร์สได้พิสูจน์ว่าความโปร่งใสอาจปลอดภัยกว่าการปิดบัง ความปลอดภัยของ AI ก็อาจขึ้นอยู่กับการเปิดให้คนจำนวนมากขึ้นสามารถทดสอบและเสริมความแข็งแกร่งให้โมเดลที่สังคมต้องพึ่งพา” — ข้อความจากจดหมาย (แปลไทย)

สิ่งที่ทำให้จดหมายฉบับนี้น่าเชื่อถือกว่าเอกสารล็อบบี้ทั่วไป คือมันยอมรับความเสี่ยงของฝั่งตัวเองด้วย — ระบุตรงๆ ว่าเมื่อปล่อยน้ำหนักโมเดลออกไปแล้ว มันอยู่นอกเหนือการควบคุมของผู้พัฒนาเดิม และเวอร์ชันที่ถูกดัดแปลงนั้นยากจะติดตามหรือย้อนกลับ · การยอมรับข้อนี้เองที่ทำให้ข้อเสนอ “อย่ารีบออกกฎ” มีน้ำหนักกว่าการยืนยันว่าเปิดแล้วปลอดภัยเสมอ

ฝั่ง NVIDIA เลือกจังหวะสื่อสารได้แรงเป็นพิเศษ — Jensen Huang เปิดบัญชี X ด้วยโพสต์แรกในชีวิตเพื่อแชร์จดหมายฉบับนี้ โดยระบุว่าโมเดลแบบเปิดช่วยเสริมความปลอดภัยและความมั่นคงไซเบอร์ เร่งการแพร่กระจายของนวัตกรรม และทำให้แต่ละประเทศมีอธิปไตยทางเทคโนโลยีของตัวเอง

3. จุดชนวน — Kimi K3 และตัวเลขบน OpenRouter

แรงกดดันที่ทำให้เรื่องนี้ระเบิดขึ้นในวอชิงตัน มาจากการเปิดตัว Kimi K3 ของ Moonshot AI เมื่อ 16 กรกฎาคม 2026 — โมเดลขนาด 2.8 ล้านล้านพารามิเตอร์ ที่เปิดตัวในงาน WAIC เซี่ยงไฮ้

🧮 อ่านตัวเลข 2.8 ล้านล้านให้ถูก: Kimi K3 เป็นสถาปัตยกรรมแบบ MoE (Mixture-of-Experts) ที่มี “ผู้เชี่ยวชาญ” 896 ตัว แต่เรียกใช้จริงเพียงราว 16 ตัวต่อการประมวลผลหนึ่งครั้ง เท่ากับใช้พารามิเตอร์จริง ประมาณ 50 พันล้านต่อโทเคน ไม่ใช่ 2.8 ล้านล้าน · ตัวเลขพารามิเตอร์รวมจึงบอก “ขนาดคลัง” ไม่ใช่ “ต้นทุนต่อการใช้งาน” · และวันที่ 16 ก.ค. คือการเปิดให้ใช้ผ่าน API — การปล่อยน้ำหนักโมเดลจริงมีกำหนด 27 ก.ค. หลังบทความนี้เผยแพร่หนึ่งวัน · ส่วนคะแนน benchmark ของ K3 ที่วิ่งกันในสื่อยังขัดแย้งกันเองสูงมาก บทความนี้จึงไม่อ้างอิง

อีกตัวเลขที่ถูกยกมาบ่อยคือส่วนแบ่งการใช้งานบน OpenRouter (เกตเวย์ที่นักพัฒนาใช้เรียกโมเดลหลายค่ายผ่านที่เดียว) ซึ่งการรวมยอดช่วงกลางเดือนกรกฎาคม 2026 ชี้ว่าโมเดลจากแล็บจีนกินสัดส่วนโทเคนราว 46% เทียบกับแล็บสหรัฐราว 36%

⚠️ ข้อควรระวังของตัวเลขคู่นี้ (สำคัญ): มันไม่ใช่ “โมเดลเปิด vs โมเดลปิด” อย่างที่หลายที่เอาไปเล่า — แต่คือ แล็บสัญชาติจีน vs แล็บสัญชาติสหรัฐ และฝั่งสหรัฐที่นับรวมนั้นเกือบทั้งหมดเป็นโมเดลปิด · นอกจากนี้ยังเป็นการรวมยอดโดยบุคคลที่สามจากหน้าอันดับของ OpenRouter ไม่ใช่สถิติที่ OpenRouter ประกาศเอง และตัวเลขจากแหล่งต่างๆ ในเดือนเดียวกันก็แกว่งตั้งแต่ ~46% ถึง ~60% ขึ้นกับว่านับอย่างไร · ใช้ดูทิศทางได้ แต่อย่าใช้ทศนิยมของมันไปคำนวณอะไรต่อ

4. ฝั่งรัฐทำอะไรได้จริงบ้าง — แยกของจริงออกจากข่าวลือ

รายงานของ Axios (20 ก.ค. 2026) ระบุถึง 5 แนวทางที่ฝ่ายบริหารสหรัฐเคยพิจารณาเพื่อสกัดโมเดล AI จีน ได้แก่ การเพิ่มแล็บจีนเข้า Entity List, การใช้กฎจัดซื้อจัดจ้างของรัฐบาลกลางเป็นเครื่องมือ, การออกประกาศเตือนด้านความมั่นคง, การกำหนดความรับผิดทางกฎหมายกับบริษัทสหรัฐที่ใช้โมเดลจีน และการกดดันผ่านฝ่ายบริหาร

📌 อย่าอ่านว่านี่คือแผนที่กำลังจะบังคับใช้: ส่วนใหญ่เป็นการพิจารณาตั้งแต่ปี 2025 ที่ถูกพับไปแล้วและเพิ่งถูกรื้อกลับมาคุยหลัง Kimi K3 · โดยเฉพาะประกาศเตือนด้านความมั่นคงและร่างคำสั่งเรื่องความรับผิด ไม่ได้เดินหน้าต่อ · แหล่งข่าวเป็นแบบไม่เปิดเผยชื่อ และยังไม่มีมาตรการใดถูกลงนาม · ที่สำคัญ ฝั่งรัฐบาลเองก็ไม่ได้เห็นตรงกัน — David Sacks แสดงจุดยืนคัดค้าน โดยมองว่าค่ายโมเดลปิดต้องการให้รัฐเป็นคนจัดการคู่แข่งสายโอเพนซอร์สให้

แทนที่จะยึดรายการที่ยังไม่เกิด มี 2 ข้อเท็จจริงที่เกิดขึ้นแล้วจริง และมีน้ำหนักกว่ามาก:

⚖️ 1. Entity List ถูกใช้กับแล็บ AI จีนไปแล้ว

Zhipu AI (ผู้พัฒนาโมเดลตระกูล GLM) อยู่ใน Entity List ของ BIS ตั้งแต่มกราคม 2025 — ไม่ใช่ข้อเสนอ แต่เป็นมาตรการที่มีผลบังคับอยู่แล้ว · แปลว่าเครื่องมือนี้ถูกใช้จริงได้ และเคยถูกใช้มาแล้ว

💬 2. รัฐมนตรีคลังพูดเรื่องคว่ำบาตรอย่างเป็นทางการ

21 ก.ค. 2026 Scott Bessent ระบุว่า หากเห็นว่าโมเดลจากต่างประเทศ “ขโมย” จากบริษัทสหรัฐ ทางการมีอำนาจคว่ำบาตรได้จากการขโมยนั้น · นี่คือคำพูดบนบันทึกจากผู้มีอำนาจจริง ไม่ใช่แหล่งข่าวนิรนาม — และมันชี้ตรงไปที่ประเด็นถัดไป

5. Distillation — สนามรบที่แท้จริงใต้ข่าวนี้

คำว่า “ขโมย” ในประโยคของรัฐมนตรีคลัง ชี้ไปที่เทคนิคเดียว: การกลั่นโมเดล (Model Distillation) ซึ่งเป็นหัวข้อที่จดหมายฉบับนี้อุทิศย่อหน้าเต็มๆ ให้ปกป้อง

หลักการเรียบง่ายจนน่าตกใจ: เอาโมเดลใหญ่ที่ฉลาดมาก (ครู) มาตอบคำถามจำนวนมหาศาล แล้วเอาคำตอบและวิธีคิดนั้นไปสอนโมเดลเล็ก (นักเรียน) — นักเรียนไม่ต้องเรียนรู้โลกทั้งใบเองตั้งแต่ศูนย์ แค่เรียนจากโน้ตที่ครูทำให้ดูแล้ว ผลคือโมเดลที่เล็กกว่าหลายสิบเท่าทำงานเฉพาะทางได้ใกล้เคียงของใหญ่ ในราคาและความเร็วที่ต่างกันคนละโลก

“Distillation หรือการใช้ผลลัพธ์ของโมเดลหนึ่งเพื่อช่วยฝึกหรือปรับปรุงอีกโมเดลหนึ่ง เป็นเทคนิคที่ใช้กันแพร่หลายในการพัฒนา ประเมิน และตรวจสอบโมเดล มันสะท้อนธรรมเนียมอันยาวนานของการเรียนรู้จาก ต่อยอด และปรับปรุงเทคโนโลยีที่มีอยู่เดิม” — ข้อความจากจดหมาย (แปลไทย)

นี่คือจุดที่ผลประโยชน์ชนกันตรงๆ · ถ้าใครก็ตามกลั่นความฉลาดจากโมเดลราคาหลายพันล้านออกไปใส่โมเดลเล็กของตัวเองได้ในราคาไม่กี่พันดอลลาร์ มูลค่าของการลงทุนสร้างโมเดลครูจะเหลืออะไร · ฝั่งหนึ่งเรียกมันว่าการขโมยทรัพย์สินทางปัญญา อีกฝั่งยืนยันว่ามันคือกระบวนการมาตรฐานทางวิชาการที่ใช้กันมานาน และการห้ามมันเท่ากับหยุดพัฒนาการของทั้งวงการ

เสียงคัดค้านที่ถูกอ้างถึงมากที่สุดมาจาก Dean Ball ซึ่งเข้ารับตำแหน่ง Head of Strategic Futures ที่ OpenAI เมื่อต้นเดือนกรกฎาคม 2026 (ก่อนหน้านั้นเป็นที่ปรึกษานโยบายอาวุโสที่ทำเนียบขาว) โดยเขาโพสต์บน X เมื่อ 17 ก.ค.:

“ผลลัพธ์ที่น่าจะเกิดขึ้นจากโลกที่โมเดลแบบเปิดครองตลาด คือคอมมิวนิสต์ AI แบบเต็มรูปแบบ ซึ่งเป็นสิ่งที่จีนเสนอพอดี: แทนที่ AI จะเป็นสินค้าในตลาด มันจะกลายเป็น ‘สินค้าสาธารณะ’ ที่สุดท้ายรัฐเป็นผู้จัดหาในฐานะโครงสร้างพื้นฐานดิจิทัลของรัฐ … อนาคตแบบนี้ในสายตาผมคือนรกดิสโทเปีย” — Dean Ball, X, 17 ก.ค. 2026 (แปลไทย)

🔍 ข้อควรระวังในการอ้างคำพูดนี้: พาดหัวจำนวนมากย่อประโยคนี้เหลือ “ผู้บริหาร OpenAI เรียกโมเดลเปิดว่านรกดิสโทเปีย” ซึ่งไม่ตรงกับที่เขาพูด · สิ่งที่เขาเรียกว่านรกดิสโทเปียคือ ปลายทาง ที่ AI กลายเป็นโครงสร้างพื้นฐานที่รัฐจัดหา ไม่ใช่ตัวโมเดลแบบเปิด · เรายกมาเพื่อให้เห็นข้อโต้แย้งที่หนักแน่นที่สุดของอีกฝั่งอย่างเป็นธรรม ไม่ใช่เพื่อเอาไปล้อเลียน — และควรรับรู้บริบทด้วยว่าคำพูดนี้เกิดขึ้นราว 11 วันหลังเขาเริ่มงานที่ OpenAI ในสัปดาห์ที่โมเดลจีนเพิ่งตัดราคาตลาด

จุดที่นักลงทุนควรจับ: ถ้า distillation ถูกจำกัดทางกฎหมาย คูเมืองของโมเดลปิดจะกลับมา · ถ้าไม่ถูกจำกัด ความฉลาดจะไหลลงสู่โมเดลเล็กเร็วขึ้นเรื่อยๆ และมูลค่าจะย้ายไปที่ “ใครเอาไปใช้เก่ง” มากกว่า “ใครสร้างได้”

6. ยุคโมเดลจิ๋ว — เทรนด์ที่อยู่ใต้ข่าวนี้

ขณะที่พาดหัวสนใจโมเดลล้านล้านพารามิเตอร์ ความเคลื่อนไหวที่กระทบธุรกิจจริงกลับอยู่ปลายตรงข้ามของสเกล · เมื่อ distillation ทำให้โมเดลเล็กเก่งขึ้นเรื่อยๆ สิ่งที่ตามมาคือการใช้งานจริงเลื่อนลงไปหาโมเดลที่เล็กลง ถูกลง และรันใกล้ผู้ใช้มากขึ้น

📉 ราคาต่อความสามารถกำลังพังทลาย

Epoch AI วัดโดยคุมความสามารถให้คงที่แล้วดูว่าราคาต่อโทเคนเปลี่ยนไปแค่ไหน — พบว่าลดลงในช่วง 9 ถึง 900 เท่าต่อปี โดยมีค่ากลางราว 50 เท่าต่อปี และถ้านับเฉพาะช่วงหลังต้นปี 2024 ค่ากลางขึ้นไปถึงราว 200 เท่าต่อปี · นี่คือกลไกที่ทำให้ “ยุคโมเดลเล็ก” เกิดขึ้นได้จริง ไม่ใช่แค่กระแส

📱 AI ย้ายลงเครื่องปลายทาง แม้ตลาดมือถือจะแย่ที่สุดเป็นประวัติการณ์

Counterpoint ประเมินว่าสมาร์ตโฟนที่รองรับ GenAI จะขึ้นจาก 36% ของยอดส่งมอบในปี 2025 เป็น 45% ในปี 2026 และ 52% ในปี 2027 · ที่น่าสนใจคือมันเกิดขึ้นในปีที่ยอดส่งมอบมือถือรวมหดตัว 13.9% เหลือ 1.08 พันล้านเครื่อง ซึ่งแย่ที่สุดเท่าที่เคยบันทึก — การที่สัดส่วนยังโตสวนทางแปลว่าแรงขับมาจากความสามารถของตัวเทคโนโลยี ไม่ใช่รอบการเปลี่ยนเครื่องตามปกติ

🔋 เล็กแค่ไหนถึงเรียกว่าเล็ก

Gemma 3 270M ของ Google เป็นตัวอย่างที่จับต้องได้ที่สุด — ขนาด 270 ล้านพารามิเตอร์ และในการทดสอบบน Pixel 9 Pro เวอร์ชัน INT4 ใช้แบตเตอรี่เพียง 0.75% สำหรับบทสนทนา 25 รอบ · (ข้อควรระวัง: มันคือ open weights ภายใต้เงื่อนไขการใช้งานของ Gemma ไม่ใช่โอเพนซอร์สตามนิยาม OSI — สองคำนี้ต่างกันและมักถูกใช้ปนกัน)

🎯 เล็กไม่ได้แปลว่าด้อยกว่าเสมอไป

Gartner คาดว่าภายในปี 2027 องค์กรจะใช้โมเดลเล็กที่ทำงานเฉพาะทางในปริมาณมากกว่าโมเดลใหญ่แบบครอบจักรวาลราว 3 เท่า · เหตุผลที่ให้ไว้ไม่ใช่เรื่องราคาอย่างเดียว แต่เป็นเรื่องคุณภาพ — ความแม่นยำของโมเดลครอบจักรวาลมักลดลงเมื่อเจองานเฉพาะโดเมน

ฝั่งความนิยมบนแพลตฟอร์มก็เคลื่อนไปทางเดียวกัน · รายงาน State of Open Source ของ Hugging Face รอบฤดูใบไม้ผลิ 2026 ระบุว่าสัดส่วนการดาวน์โหลดที่มาจากนักพัฒนาอิสระเพิ่มจาก 17% เป็น 39% — โมเดลไม่ได้ถูกใช้แค่ในองค์กรใหญ่ที่มีทีม ML อีกต่อไป

📊 ตัวเลข “92% ของยอดดาวน์โหลดเป็นโมเดลต่ำกว่า 1 พันล้านพารามิเตอร์” ที่แชร์กันมาก — มีอยู่จริง (92.48% ต่ำกว่า 1B และ 86.33% ต่ำกว่า 500M) แต่มาจากบทวิเคราะห์ของสมาชิกชุมชน ที่นับเฉพาะผู้เผยแพร่ 50 อันดับแรก ณ ต้นเดือนตุลาคม 2025 ไม่ใช่สถิติทั้งแพลตฟอร์มและไม่ใช่ตัวเลขทางการของ Hugging Face · ใช้เป็นสัญญาณทิศทางได้ แต่อย่าอ้างเป็นสถิติทั้ง Hub

7. เงินไหลไปไหน — ชั้นโครงสร้างพื้นฐาน

ตรรกะทางธุรกิจที่ตามมาจากทั้งหมดนี้คือ เมื่อ “ความฉลาด” ถูกดาวน์โหลดไปรันเองได้ องค์กรจำนวนมากจะเลือกรันบนเครื่องตัวเองเพื่อคุมข้อมูลและต้นทุน — และเม็ดเงินก็เลื่อนจากค่าเรียกใช้บริการ ไปเป็นค่าเครื่องและค่าศูนย์ข้อมูล · ตัวเลขฝั่งเซิร์ฟเวอร์สอดคล้องกับภาพนี้:

ตัวชี้วัด	ค่า	แหล่ง / วันที่
รายได้ตลาดเซิร์ฟเวอร์โลก ไตรมาส 4 ปี 2025	125.3 พันล้านดอลลาร์ (+52.4% YoY)	IDC (เผยแพร่ 12 มี.ค. 2026)
รายได้ตลาดเซิร์ฟเวอร์ทั้งปี 2025	444.1 พันล้านดอลลาร์ (+80.4%)	IDC
คาดการณ์การเติบโต Data Center Systems ปี 2026	+55.8%	Gartner (ฉบับ 22 เม.ย. 2026)
คาดการณ์มูลค่า Data Center Systems ปี 2026	มากกว่า 788 พันล้านดอลลาร์	Gartner (ฉบับ 22 เม.ย. 2026)

🗓️ ระวังตัวเลขคาดการณ์ที่ล้าสมัย: ตัวเลข Gartner ที่ยังวนอยู่ในบทความจำนวนมาก (เติบโต 36.9% · มูลค่ากว่า 650 พันล้าน) มาจากฉบับ 3 ก.พ. 2026 ซึ่งถูกปรับขึ้นไปแล้วในฉบับ 22 เม.ย. · Gartner ทบทวนตัวเลขทุกไตรมาส ดังนั้นเวลาอ้างต้องระบุวันที่ของฉบับเสมอ ไม่งั้นจะเทียบข้ามรอบกันโดยไม่รู้ตัว

ฝั่งผู้ให้บริการคลาวด์เองก็ปรับตัวรับกระแสนี้แทนที่จะต้าน · Microsoft เปิดตัวบริการ Foundry Managed Compute ในงาน Build 2026 ซึ่งรองรับการติดตั้งโมเดลจากแคตตาล็อกของ Hugging Face — แต่ควรรู้ด้วยว่าส่วนที่เชื่อมกับ Hugging Face นั้นยังอยู่ในช่วง public preview ไม่มี SLA และ Microsoft เองระบุว่ายังไม่แนะนำให้ใช้กับงานจริง · ส่วน IBM เดินเกม “ตัวกลางที่เป็นกลาง” โดยรายงานยอดธุรกิจ generative AI สะสมตั้งแต่เริ่มโครงการไว้ที่มากกว่า 12.5 พันล้านดอลลาร์ (ตัวเลขสะสม ณ ผลประกอบการไตรมาส 4 ปี 2025 — ไม่ใช่ยอดรายไตรมาส)

หุ้นที่ผูกกับโครงสร้างพื้นฐานกลุ่มนี้ในตลาดสหรัฐมีทั้ง NVIDIA (NVDA), AMD, Broadcom (AVGO), Dell Technologies (DELL) และ IBM · ข้อมูลข้างต้นเป็นภาพอุตสาหกรรมสำหรับใช้เป็นกรอบศึกษา ไม่ใช่การชี้เป้าหรือคำแนะนำลงทุน และการที่อุตสาหกรรมเติบโตไม่ได้แปลว่าราคาหุ้นที่ซื้อขายกันอยู่สะท้อนอะไรไปแล้วบ้าง ซึ่งเป็นคนละคำถามที่ต้องประเมินแยก

8. อีกด้านของเหรียญ — ข้อโต้แย้งที่ควรฟัง

เรื่องเล่าแบบ “โมเดลเปิดชนะขาด” ฟังดูลื่นเกินไป · มี 4 ข้อที่ควรถ่วงน้ำหนักไว้ก่อนเชื่อทั้งหมด

🧪 1. คะแนน benchmark ที่ใช้เทียบกัน มักมาจากคนละสนาม

คะแนน SWE-bench Pro ที่เห็นในตารางเทียบทั่วไป (เช่น 62.1% ของ GLM 5.2) มาจากการรวมตัวเลขที่แต่ละเจ้ารายงานเอง โดยใช้ระบบเสริมของตัวเอง · แต่บนกระดานมาตรฐานสาธารณะของ Scale AI ที่คุมสภาพแวดล้อมให้เหมือนกัน คะแนนสูงสุดของฝั่งโมเดลเปิดอยู่ที่ราว 38.7% — ห่างกันกว่า 20 จุด · เวลาเห็นตารางเทียบโมเดล ให้ถามก่อนเสมอว่าวัดจากกระดานไหน

📊 2. ตัวเลขที่ผู้ผลิตรายงานเอง มีแรงจูงใจให้สวย

ตัวอย่างชัดคือคะแนน LiveCodeBench 93.5% ของ DeepSeek V4 ที่วิ่งในสื่อ — เป็นตัวเลขที่ผู้พัฒนารายงานเอง ขณะที่กระดานอิสระไม่มีที่ไหนเกิน ~91.6% และการทดสอบด้วยชุดข้อสอบที่ไม่เคยเปิดเผยให้ผลต่ำกว่านั้นอีก ซึ่งเป็นอาการคลาสสิกของการ “ติวมาตรงข้อสอบ” · บทความนี้จึงไม่อ้างตัวเลขนั้น

🏢 3. คำว่า “เปิด” ถูกใช้ปนกันจนสับสน

มีโมเดลที่ถูกจัดอยู่ในกลุ่ม “ทางเลือกแบบเปิด” ทั้งที่จริงเป็นบริการปิด — เช่น Qwen 3.7 Max ของ Alibaba เป็นโมเดลปิด เรียกใช้ได้ผ่าน API เท่านั้น ดาวน์โหลดน้ำหนักไม่ได้ · ขณะที่ GLM 5.2 (สัญญาอนุญาต MIT) และ DeepSeek V4 Pro (MIT) เปิดจริง · ก่อนวางแผนพึ่งพาโมเดลใด ต้องอ่านสัญญาอนุญาตของรุ่นนั้นๆ เอง ไม่ใช่เชื่อป้ายที่สื่อแปะให้

🏭 4. “ย้ายไปเครื่องปลายทาง” อาจช้ากว่าที่คิด

Deloitte ประเมินใน TMT Predictions 2026 ว่า แม้ inference จะกินราวสองในสามของงานประมวลผล AI ในปี 2026 แต่ส่วนใหญ่ยังรันในศูนย์ข้อมูลอยู่ดี และตั้งข้อสงสัยกับการย้ายไปเครื่องปลายทางขนานใหญ่ภายในปีนี้ · เทรนด์โมเดลเล็กเป็นเรื่องจริง แต่ไทม์ไลน์อาจยาวกว่าที่พาดหัวชวนให้คิด

และข้อสุดท้าย ซึ่งฝ่ายสนับสนุนโมเดลเปิดเองก็เขียนไว้ในจดหมาย: เมื่อปล่อยน้ำหนักออกไปแล้ว มันย้อนกลับไม่ได้ · ความเสี่ยงข้อนี้เป็นของจริง และการที่ผู้ลงชื่อยอมรับมันตรงๆ คือสิ่งที่ทำให้ข้อเสนอของพวกเขาน่าฟัง ไม่ใช่สิ่งที่ควรมองข้าม

9. บทเรียนจากระบบ AI ของเราเอง

ทั้งหมดข้างบนฟังดูน่าตื่นเต้น แต่คำถามที่ควรถามต่อคือ “แล้วมันใช้ได้จริงกับระบบเล็กๆ ไหม” · เราเลยลองกับระบบของเราเอง — DaddyInvestor มีผู้ช่วย AI ชื่อ RAY ที่ตอบคำถามเรื่องหุ้นเป็นภาษาไทย และมีต้นทุนจริงทุกครั้งที่มีคนถาม · เราถอดออกมาดูทีละขั้นว่าถ้าจะเอาโมเดลเปิดตัวเล็กมาแทน จะแทนตรงไหนได้บ้าง · สิ่งที่พบขัดกับสัญชาตญาณพอสมควร

1️⃣ ต้นทุนไม่ได้กระจายทั่วระบบ แต่กระจุกอยู่จุดเดียว

ขั้นตอนการทำงานมีสิบกว่าขั้น ตั้งแต่ตรวจสิทธิ์ผู้ใช้ คัดกรองคำถามที่ไม่ควรตอบ ค้นข้อมูล จัดอันดับเอกสาร ไปจนถึงเรียบเรียงคำตอบ · แต่เกือบทั้งหมดของค่าใช้จ่ายอยู่ที่ขั้นสุดท้ายขั้นเดียว คือตอนให้โมเดลภาษาเรียบเรียงคำตอบ · ขั้นอื่นรวมกันแทบไม่มีต้นทุน

2️⃣ จุดที่โมเดลเล็กแทนได้ กลับเป็นจุดที่ฟรีอยู่แล้ว

งานอย่างการแปลงคำถามเป็นเวกเตอร์เพื่อค้นหา หรือการจัดอันดับเอกสาร เป็นงาน “ง่ายแต่ทำเยอะ” ซึ่งตรงสเปกโมเดลเล็กที่สุด — แต่บริการที่เราใช้อยู่ยังอยู่ในโควตาฟรี · เปลี่ยนไปใช้โมเดลเปิดจึงประหยัดได้ศูนย์บาท แถมได้ภาระดูแลโมเดลเพิ่มมาฟรีๆ

3️⃣ จุดที่แพงจริง กลับเป็นจุดที่แทนไม่ได้

การเรียบเรียงคำตอบเรื่องการเงินเป็นภาษาไทยที่อ่านรู้เรื่อง ไม่หลอน และไม่เผลอพูดจนกลายเป็นคำแนะนำซื้อขาย เป็นงานที่ยากที่สุดในระบบ · โมเดลเปิดขนาดเล็กในวันนี้ยังทำได้ไม่เท่า — และเป็นงานที่พลาดไม่ได้ที่สุดด้วย

ข้อสรุปจึงกลับหัวกับพาดหัวข่าว: โมเดลเปิดตัวเล็กมีประโยชน์กับเราจริง แต่ไม่ใช่ในฐานะ “ตัวลดค่าใช้จ่าย” · มันมีค่าในฐานะ ตัวเปรียบเทียบที่ใช้ตรวจสอบของเดิมได้ฟรี (เพราะดาวน์โหลดมารันเองได้ ไม่ต้องจ่ายค่าทดลอง) และในฐานะ ทางหนีสำรอง หากผู้ให้บริการที่เราพึ่งอยู่เปลี่ยนราคาหรือปิดโควตาฟรีวันหนึ่ง — ซึ่งข้อหลังนี้ตรงกับเหตุผลเรื่อง “ไม่ผูกขาดกับผู้ให้บริการรายเดียว” ที่จดหมายพูดถึงพอดี

🧭 กรอบคิดที่เอาไปใช้กับธุรกิจอื่นได้

ก่อนตื่นเต้นกับเทคโนโลยีใหม่ ให้ไล่ “แผนที่ต้นทุน” ของระบบตัวเองก่อนว่าเงินหายไปตรงไหนจริงๆ แล้วค่อยถามว่าของใหม่เสียบตรงนั้นได้ไหม · ถ้าเริ่มจาก “อยากใช้ของใหม่” คำตอบมักจบที่การเอาไปแทนจุดที่ประหยัดไม่ได้ พร้อมแถมงานดูแลเพิ่ม · นี่คือเหตุผลที่คลื่น “องค์กรหันมาใช้โมเดลเปิด” จะไม่เกิดเท่ากันทุกบริษัท — บริษัทที่ต้นทุนกระจุกอยู่ที่งานง่ายๆ ปริมาณมหาศาล (จัดหมวดหมู่ ค้นหา แปลงข้อมูล) จะได้ประโยชน์เต็มๆ ส่วนบริษัทที่จ่ายไปกับงานยากไม่กี่ครั้ง จะแทบไม่รู้สึกอะไรเลย

10. สรุป · สิ่งที่ควรจับตา

จดหมาย “Open Weights and American AI Leadership” ไม่ใช่การประกาศสงครามระหว่างสองค่ายอย่างที่พาดหัวเล่า — ข้อพิสูจน์ที่ดีที่สุดคือภายใน 24 ชั่วโมง คู่แข่งที่ถูกวางไว้คนละข้างก็มาลงชื่อร่วมกัน · สิ่งที่มันเป็นจริงๆ คือการต่อรองว่า เส้นแบ่งของการ “เรียนรู้จากโมเดลของคนอื่น” ควรอยู่ตรงไหน ซึ่งเป็นคำถามที่จะกำหนดว่ามูลค่าในอุตสาหกรรมนี้จะไปกองอยู่ที่ใคร

สำหรับนักลงทุนและนักพัฒนาไทย ประเด็นที่ใกล้ตัวที่สุดไม่ใช่ว่าใครชนะในวอชิงตัน แต่คือโมเดลที่ดีพอสำหรับงานเฉพาะทางกำลังถูกลงเร็วมากและรันเองได้ — ซึ่งแปลว่าอุปสรรคของการสร้างของที่ใช้ AI ในประเทศที่ตลาดเล็กและภาษาเป็นของตัวเอง กำลังลดลงจริง

📌 3 สิ่งที่ควรจับตาต่อจากนี้

27 ก.ค. 2026 — น้ำหนักของ Kimi K3 ถูกปล่อยจริงไหม และภายใต้สัญญาอนุญาตแบบใด · ถ้าปล่อยจริงตามที่ประกาศ จะเป็นโมเดลเปิดที่ใหญ่ที่สุดเท่าที่เคยมี
มีมาตรการใดถูกลงนามจริงหรือไม่ · จนถึงวันนี้ยังไม่มี — สิ่งที่มีผลบังคับแล้วคือ Entity List ที่ใช้กับ Zhipu AI ตั้งแต่ต้นปี 2025 เท่านั้น
รายชื่อผู้ลงนามจะขยับต่ออีกไหม · Anthropic และ Amazon คือสองชื่อที่ยังไม่ปรากฏ ณ วันเผยแพร่บทความนี้

อ่านภาคก่อนหน้า: เรื่องราวของสงครามราคาโมเดล AI ที่นำมาสู่จดหมายฉบับนี้ อยู่ใน โมเดล AI Open-Source จีน vs Proprietary สหรัฐ 2026 — สงครามราคาและเศรษฐศาสตร์ดิจิทัล ↗

📚 แหล่งอ้างอิงหลัก

Microsoft — Open Weights and American AI Leadership (จดหมาย + รายชื่อผู้ลงนามล่าสุด) ↗
Forbes — รายชื่อผู้ลงนามเพิ่มเป็น 50 ราย ↗
CNBC — Moonshot AI เปิดตัว Kimi K3 ↗
Axios — แนวทางที่ฝ่ายบริหารสหรัฐพิจารณา ↗
CNBC — คำให้สัมภาษณ์ของ Scott Bessent เรื่องคว่ำบาตร ↗
Hugging Face — State of Open Source, Spring 2026 ↗
Epoch AI — แนวโน้มราคา inference เมื่อคุมความสามารถคงที่ ↗
Counterpoint Research — สัดส่วนสมาร์ตโฟนรองรับ GenAI ปี 2026 ↗
Gartner — คาดการณ์การใช้จ่ายไอทีโลก (22 เม.ย. 2026) ↗
Scale AI — กระดาน SWE-bench Pro (สาธารณะ, มาตรฐานเดียวกัน) ↗
Google — Gemma 3 270M ↗
Microsoft — Foundry Managed Compute × Hugging Face (public preview) ↗

ติดตามหุ้นกลุ่ม AI และโครงสร้างพื้นฐานในพอร์ตของคุณ

ใช้ DaddyInvestor จัดการพอร์ต อ่านงบ และติดตามหุ้นระบบนิเวศ AI ทั้งหมดในที่เดียว

เริ่มใช้งานฟรี →

เพิ่งเริ่มลงทุน ยังไม่เคยซื้อหุ้นเลย? มีหนังสือที่เขียนให้คนกลุ่มนี้อ่านโดยเฉพาะ — “คู่มือลงทุนมือใหม่ Part 0” 58 หน้า 69 บาท →
หรืออ่านตัวอย่างฟรี 1 บทเต็มก่อน

บทความนี้สรุปและวิเคราะห์จากข้อมูลสาธารณะ (เอกสารต้นฉบับของจดหมาย รายงานข่าว รายงานอุตสาหกรรม และกระดานประเมินผลสาธารณะ ณ วันที่ 26 กรกฎาคม 2026) จัดทำเพื่อการศึกษาและให้ข้อมูลทั่วไปเท่านั้น ไม่ถือเป็นคำแนะนำการลงทุน · ตัวเลขคาดการณ์ของบริษัทวิจัยตลาดถูกทบทวนเป็นรายไตรมาสและอาจเปลี่ยนแปลงได้ · คะแนน benchmark ของโมเดล AI จำนวนมากเป็นตัวเลขที่ผู้พัฒนารายงานเองและวัดจากคนละสภาพแวดล้อม ควรตรวจสอบวิธีวัดก่อนนำไปเปรียบเทียบเสมอ · สถานะสัญญาอนุญาตและความพร้อมใช้งานของโมเดลเปลี่ยนแปลงได้ตลอดเวลา ควรตรวจสอบจากผู้พัฒนาโดยตรงก่อนนำไปใช้งานจริง · ชื่อผลิตภัณฑ์และเครื่องหมายการค้าเป็นของเจ้าของแต่ละราย · ผู้ลงทุนควรศึกษาข้อมูลเพิ่มเติมและพิจารณาความเสี่ยงส่วนบุคคลก่อนตัดสินใจเสมอ · DaddyInvestor © 2026

จดหมาย “Open Weights” 2026เมื่อ AI แบบเปิดกลายเป็นวาระของชาติและยุคของโมเดลจิ๋ว