AI โอเพนซอร์สพลิกโฉมวอลล์สตรีท?

วิวัฒนาการของการเทรดด้วย AI

ในแวดวงการซื้อขายใน Wall Street นั้น ในอดีตถูกครอบงำโดยบริษัทชั้นนำที่ใช้ระบบ AI ที่เป็นกรรมสิทธิ์ ซึ่งเป็นอัลกอริทึมที่มีราคาแพงซึ่งพัฒนาขึ้นอย่างลับๆ ด้วยทรัพยากรจำนวนมหาศาล สถาบันเหล่านี้รักษาความได้เปรียบไว้ได้โดยอาศัยทรัพยากรทางการเงินจำนวนมาก ความสามารถพิเศษ และโครงสร้างพื้นฐานคอมพิวเตอร์ขั้นสูง การวิเคราะห์อุตสาหกรรมเมื่อเร็วๆ นี้เปิดเผยว่าการพัฒนารูปแบบการซื้อขาย AI ที่ซับซ้อนนั้น จำเป็นต้องมีการลงทุนตั้งแต่ 500,000 ดอลลาร์ไปจนถึงมากกว่า 1 ล้านดอลลาร์ ไม่รวมค่าใช้จ่ายต่อเนื่องในการรักษาบุคลากรและการบำรุงรักษาโครงสร้างพื้นฐาน

การรวม AI ในการซื้อขายสามารถย้อนกลับไปได้ถึงทศวรรษ 1980 เมื่อบริษัทต่างๆ เริ่มใช้ระบบตามกฎง่ายๆ สำหรับการซื้อขายอัตโนมัติ การเปลี่ยนแปลงที่แท้จริงเกิดขึ้นในช่วงปลายทศวรรษ 1990 และต้นทศวรรษ 2000 เนื่องจากอัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) ได้ขับเคลื่อนกลยุทธ์การซื้อขายเชิงปริมาณในยุคนั้น บริษัทที่มีชื่อเสียง เช่น Renaissance Technologies และ D.E. Shaw เป็นหัวหอกในการใช้แบบจำลอง AI ที่ซับซ้อนเพื่อแยกแยะรูปแบบตลาดและดำเนินการซื้อขายด้วยความเร็วที่เหนือชั้น ในช่วงทศวรรษ 2010 การซื้อขายความถี่สูง (HFT) ที่ขับเคลื่อนด้วย AI ได้กลายเป็นองค์ประกอบพื้นฐานของการดำเนินงานของตลาด โดยบริษัทที่ใหญ่ที่สุดได้จัดสรรเงินหลายร้อยล้านดอลลาร์ให้กับโครงสร้างพื้นฐานด้านคอมพิวเตอร์และความสามารถพิเศษเพื่อรักษาความได้เปรียบในการแข่งขัน

มีการประมาณการว่าการซื้อขายความถี่สูงแบบอัลกอริทึมคิดเป็นประมาณครึ่งหนึ่งของปริมาณการซื้อขายของ Wall Street

DeepSeek และโครงการริเริ่ม AI โอเพนซอร์สที่คล้ายกันกำลังทำลายรูปแบบดั้งเดิมนี้ผ่านแนวทางการทำงานร่วมกันในการพัฒนา แทนที่จะเก็บอัลกอริทึมไว้ภายใต้การล็อคและกุญแจ แพลตฟอร์มเหล่านี้จะใช้ประโยชน์จากความรู้ส่วนรวมของชุมชนนักพัฒนาระดับโลกที่ปรับแต่งและปรับปรุงเทคโนโลยีอย่างต่อเนื่อง

อย่างไรก็ตาม การนำเทคโนโลยีนี้มาใช้ไม่ใช่เรื่องง่ายเหมือนกับการดาวน์โหลดโค้ดโอเพนซอร์ส แม้ว่าเครื่องมือใหม่เหล่านี้จะลดอุปสรรคบางอย่างในการเข้าถึง แต่ก็ไม่ได้สร้างสนามแข่งขันที่เท่าเทียมกันโดยอัตโนมัติ ระบบการซื้อขายแบบดั้งเดิมนั้นฝังแน่นอยู่ในการดำเนินงานของตลาดและได้รับการสนับสนุนจากการตรวจสอบในโลกแห่งความเป็นจริงเป็นเวลาหลายปี ความท้าทายสำหรับทางเลือกโอเพนซอร์สไม่เพียงแต่อยู่ที่การจับคู่ความสามารถขั้นสูงของระบบที่จัดตั้งขึ้นเท่านั้น แต่ยังรวมถึงการแสดงให้เห็นถึงความสามารถในการทำงานได้อย่างน่าเชื่อถือภายในพารามิเตอร์ที่ต้องการของการซื้อขายสด

นอกจากนี้ บริษัทที่นำระบบ AI โอเพนซอร์สมาใช้ยังคงต้องปลูกฝังกรอบการดำเนินงานที่เหมาะสม ตรวจสอบให้แน่ใจว่ามีการปฏิบัติตามกฎระเบียบ และสร้างโครงสร้างพื้นฐานที่จำเป็นในการปรับใช้เครื่องมือเหล่านี้อย่างมีประสิทธิภาพ ดังนั้น ในขณะที่ AI โอเพนซอร์สมีศักยภาพในการลดต้นทุนของเทคโนโลยีการซื้อขายที่ซับซ้อน จึงไม่น่าเป็นไปได้ที่คุณจะดาวน์โหลดแพลตฟอร์มการซื้อขาย AI โอเพนซอร์สได้อย่างง่ายดายเหมือนกับแอปจดบันทึกโอเพนซอร์สในอนาคตอันใกล้นี้

ต้นทุนและการเข้าถึง

หนึ่งในแง่มุมที่น่าดึงดูดใจที่สุดของ AI โอเพนซอร์สคือศักยภาพในการลดต้นทุนล่วงหน้าได้อย่างมาก ระบบกรรมสิทธิ์แบบดั้งเดิมจำเป็นต้องมีค่าธรรมเนียมใบอนุญาตจำนวนมากและการลงทุนในซอฟต์แวร์แบบกำหนดเอง ตัวอย่างเช่น ความร่วมมืออย่างต่อเนื่องของ Citadel LLC กับ Alphabet Inc. ใช้ประโยชน์จากโปรเซสเซอร์เสมือนมากกว่าหนึ่งล้านตัวเพื่อลดเวลาการคำนวณที่ซับซ้อนจากชั่วโมงเหลือเพียงไม่กี่วินาที แต่สิ่งนี้จำเป็นต้องมีการลงทุนโครงสร้างพื้นฐานอย่างต่อเนื่องจำนวนมหาศาล

แนวทางโอเพนซอร์สของ DeepSeek นำเสนอความแตกต่างอย่างสิ้นเชิง โมเดล V3 และ R1 สามารถเข้าถึงได้ฟรี และทำงานภายใต้ใบอนุญาต MIT ซึ่งหมายความว่าสามารถแก้ไขและใช้สำหรับความพยายามเชิงพาณิชย์ได้ แม้ว่าตัวซอฟต์แวร์อาจฟรี แต่การนำไปใช้งานอย่างมีประสิทธิภาพนั้นต้องการการลงทุนจำนวนมากในด้านต่อไปนี้ ตามที่ Mamaysky เน้นย้ำ:

• โครงสร้างพื้นฐานคอมพิวเตอร์และฮาร์ดแวร์: พลังการประมวลผลที่แข็งแกร่งเป็นสิ่งจำเป็นในการจัดการกับความต้องการในการประมวลผลที่เข้มข้นของการซื้อขายที่ขับเคลื่อนด้วย AI
• การได้มาซึ่งข้อมูลตลาดคุณภาพสูง: การเข้าถึงข้อมูลตลาดแบบเรียลไทม์และแม่นยำเป็นสิ่งสำคัญสำหรับการฝึกอบรมและการปรับใช้แบบจำลองการซื้อขายที่มีประสิทธิภาพ
• มาตรการรักษาความปลอดภัยและระบบการปฏิบัติตามข้อกำหนด: โปรโตคอลความปลอดภัยที่เข้มงวดและระบบการปฏิบัติตามข้อกำหนดเป็นสิ่งจำเป็นในการปกป้องข้อมูลที่ละเอียดอ่อนและปฏิบัติตามข้อกำหนดด้านกฎระเบียบ
• การบำรุงรักษาและการอัปเดตอย่างต่อเนื่อง: การบำรุงรักษาและการอัปเดตอย่างต่อเนื่องมีความสำคัญอย่างยิ่งเพื่อให้มั่นใจถึงประสิทธิภาพสูงสุดของระบบและปรับให้เข้ากับสภาวะตลาดที่เปลี่ยนแปลงไป
• ความเชี่ยวชาญเฉพาะด้านสำหรับการปรับใช้และการเพิ่มประสิทธิภาพ: จำเป็นต้องมีผู้เชี่ยวชาญที่มีทักษะในการปรับใช้ กำหนดค่า และเพิ่มประสิทธิภาพแบบจำลอง AI สำหรับกลยุทธ์การซื้อขายเฉพาะ

แม้ว่าคุณจะสามารถเข้าถึงโมเดลล่าสุดของ DeepSeek และดาวน์โหลดโค้ดได้โดยไม่เสียค่าใช้จ่าย แต่การปรับใช้ให้ประสบความสำเร็จในสภาพแวดล้อม HFT นั้นต้องการมากกว่านั้นมาก

ความโปร่งใสและความรับผิดชอบ

ข้อได้เปรียบที่มักถูกอ้างถึงของ AI โอเพนซอร์สคือความโปร่งใสโดยธรรมชาติ ด้วยซอร์สโค้ดที่เปิดให้สาธารณชนตรวจสอบ ผู้มีส่วนได้ส่วนเสียสามารถตรวจสอบอัลกอริทึม ตรวจสอบกระบวนการตัดสินใจ และแก้ไขเพื่อให้เป็นไปตามกฎระเบียบหรือตรงตามข้อกำหนดเฉพาะ ตัวอย่างที่สำคัญคือ AI Fairness 360 ของ International Business Machines Corporation ซึ่งเป็นชุดเครื่องมือโอเพนซอร์สที่ออกแบบมาเพื่อตรวจสอบและลดอคติในแบบจำลอง AI นอกจากนี้ รายละเอียดทางสถาปัตยกรรมและข้อมูลการฝึกอบรมสำหรับแบบจำลอง Lllama 3 และ 3.1 ของ Meta ยังเปิดเผยต่อสาธารณะอีกด้วย สิ่งนี้ช่วยให้นักพัฒนาสามารถประเมินการปฏิบัติตามลิขสิทธิ์ กฎระเบียบ และมาตรฐานทางจริยธรรมได้ ความเปิดกว้างในระดับนี้ตรงกันข้ามกับลักษณะ ‘กล่องดำ’ ของระบบที่เป็นกรรมสิทธิ์ ซึ่งการทำงานภายในถูกปกปิดไว้ บางครั้งนำไปสู่การตัดสินใจที่ทึบแสงซึ่งแม้แต่ผู้สร้างระบบก็อาจประสบปัญหาในการคลี่คลาย

อย่างไรก็ตาม มันจะไม่ถูกต้องที่จะแสดงให้เห็นว่าระบบการซื้อขายที่เป็นกรรมสิทธิ์ทั้งหมดเป็นกล่องดำที่ไม่สามารถเข้าถึงได้ สถาบันการเงินรายใหญ่ได้ดำเนินการตามขั้นตอนที่สำคัญในการปรับปรุงความโปร่งใสของแบบจำลอง AI ของตน ซึ่งได้รับแรงผลักดันจากทั้งแรงกดดันด้านกฎระเบียบ (เช่น พระราชบัญญัติ AI ของสหภาพยุโรปและแนวทางปฏิบัติของสหรัฐอเมริกาที่กำลังพัฒนา) และความจำเป็นในการบริหารความเสี่ยงภายใน ความแตกต่างที่สำคัญคือในขณะที่ระบบที่เป็นกรรมสิทธิ์พัฒนาเครื่องมือความโปร่งใสภายใน แบบจำลองโอเพนซอร์สได้รับประโยชน์จากการตรวจสอบและการตรวจสอบที่ขับเคลื่อนโดยชุมชน ซึ่งมักจะเร่งกระบวนการแก้ปัญหา

ช่องว่างด้านนวัตกรรม

ความก้าวหน้าของโมเดล R1 ของ DeepSeek ได้รับความสนใจจากผู้นำในอุตสาหกรรม แม้แต่ Sam Altman แห่ง OpenAI ก็ยอมรับในช่วงต้นปี 2025 ว่า ‘อยู่ผิดด้านของประวัติศาสตร์’ เกี่ยวกับแบบจำลองโอเพนซอร์ส ซึ่งบอกเป็นนัยถึงการเปลี่ยนแปลงกระบวนทัศน์ที่อาจเกิดขึ้นในวิธีที่อุตสาหกรรมรับรู้ถึงการพัฒนาร่วมกัน

อย่างไรก็ตาม Mamaysky ยืนยันว่าความท้าทายที่แท้จริงในการตระหนักถึงศักยภาพของการเปลี่ยนไปใช้ AI โอเพนซอร์สนั้นอยู่ในสามประเด็นสำคัญ: การปรับขนาดโครงสร้างพื้นฐานฮาร์ดแวร์ การรักษาความปลอดภัยข้อมูลทางการเงินคุณภาพสูง และการปรับแบบจำลองทั่วไปสำหรับการใช้งานการซื้อขายเฉพาะ ดังนั้น เขาจึงไม่คาดการณ์ว่าข้อได้เปรียบของบริษัทที่มีทรัพยากรที่ดีจะหมดไปในเร็วๆ นี้ ‘AI โอเพนซอร์สในตัวของมันเองไม่ได้ก่อให้เกิดความเสี่ยง [ต่อคู่แข่ง] ในมุมมองของฉัน รูปแบบรายได้คือศูนย์ข้อมูล ข้อมูล การฝึกอบรม และความแข็งแกร่งของกระบวนการ’ เขากล่าว

การแข่งขัน AI มีความซับซ้อนมากขึ้นจากการพิจารณาทางภูมิรัฐศาสตร์ Eric Schmidt อดีต CEO ของ Google ได้เตือนว่าสหรัฐอเมริกาและยุโรปจะต้องเพิ่มความสำคัญในการพัฒนาแบบจำลอง AI โอเพนซอร์ส มิฉะนั้นจะเสี่ยงต่อการเสียพื้นที่ให้กับจีนในโดเมนนี้ สิ่งนี้ชี้ให้เห็นว่าอนาคตของ AI ทางการเงินอาจไม่ได้ขึ้นอยู่กับความสามารถทางเทคนิคเพียงอย่างเดียว แต่ยังขึ้นอยู่กับการตัดสินใจเชิงกลยุทธ์ที่กว้างขึ้นเกี่ยวกับวิธีการพัฒนาและเผยแพร่เทคโนโลยีการซื้อขาย

การเกิดขึ้นของแพลตฟอร์ม AI โอเพนซอร์ส เช่น DeepSeek แสดงถึงการเปลี่ยนแปลงที่อาจเกิดขึ้นในเทคโนโลยีทางการเงิน แต่ปัจจุบันยังไม่ได้เป็นภัยคุกคามต่อลำดับชั้นที่จัดตั้งขึ้นของ Wall Street ในขณะที่เครื่องมือเหล่านี้ลดต้นทุนการออกใบอนุญาตซอฟต์แวร์ได้อย่างมากและเพิ่มความโปร่งใส Mamaysky เตือนว่า ‘การทำให้แบบจำลองเป็นโอเพนซอร์สหรือไม่นั้นอาจไม่ใช่ปัญหาลำดับแรก’ สำหรับบริษัทเหล่านี้
อนาคตแบบผสมผสานสามารถคาดการณ์ได้มากขึ้น โดยผสมผสานระบบโอเพนซอร์สและระบบที่เป็นกรรมสิทธิ์เข้าด้วยกัน ดังนั้น คำถามที่เกี่ยวข้องไม่ใช่ว่า AI โอเพนซอร์สจะเข้ามาแทนที่ระบบ Wall Street แบบดั้งเดิมหรือไม่ แต่จะรวมเข้ากับกรอบการทำงานที่มีอยู่ได้อย่างไร
การเคลื่อนไหวโอเพนซอร์สกำลังเปลี่ยนแปลงวิธีการสร้างและแบ่งปันซอฟต์แวร์ในหลายสาขา ในด้านการเงิน ศักยภาพก็คือเครื่องมือใหม่และแพลตฟอร์มการทำงานร่วมกันจะทำให้บริษัทขนาดเล็กและนักลงทุนรายย่อยสามารถใช้กลยุทธ์การซื้อขายที่ขับเคลื่อนด้วย AI ได้ง่ายขึ้น
อนาคตของ AI ในด้านการเงินน่าจะเป็นการผสมผสานระหว่างระบบโอเพนซอร์สและระบบปิดที่เป็นกรรมสิทธิ์ คำถามใหญ่คือวิธีการที่แตกต่างกันเหล่านี้สามารถทำงานร่วมกันได้ดีเพียงใด ทำให้บริษัทที่จัดตั้งขึ้นสามารถใช้จุดแข็งของนวัตกรรมที่ขับเคลื่อนโดยชุมชนในขณะที่ยังคงรักษาข้อได้เปรียบเฉพาะที่ทำให้พวกเขาอยู่เหนือกว่ามาเป็นเวลานาน

วิถีของ AI ในด้านการเงินไม่ได้เป็นเพียงเรื่องทางเทคนิคเท่านั้น แต่เป็นเรื่องเชิงกลยุทธ์ที่เชื่อมโยงอย่างลึกซึ้งกับภูมิทัศน์ด้านกฎระเบียบ พลวัตทางภูมิรัฐศาสตร์ และโครงสร้างของตลาดการเงิน ปีต่อๆ ไปจะเปิดเผยว่ากองกำลังเหล่านี้มีปฏิสัมพันธ์กันอย่างไร ซึ่งจะกำหนดอนาคตของการซื้อขายและการลงทุน

การเพิ่มขึ้นของ AI โอเพนซอร์สในการซื้อขายเป็นการพัฒนาที่สำคัญ มันจะน่าสนใจที่จะดูว่ามันเปลี่ยนแปลง Wall Street อย่างไรและทำให้เครื่องมือการซื้อขายขั้นสูงพร้อมใช้งานสำหรับทุกคนมากขึ้น เรื่องนี้ยังคงเปิดเผย และบทสุดท้ายยังไม่ได้เขียน การผสมผสานระหว่างการทำงานร่วมกันและการแข่งขัน ความโปร่งใสและข้อได้เปรียบที่เป็นกรรมสิทธิ์ จะเป็นตัวกำหนดผลกระทบสูงสุดของ AI โอเพนซอร์สต่อโลกการเงิน