สนามประลอง AI โลก: จีนผงาดขึ้น ท้าทายความเป็นผู้นำของสหรัฐฯ
ภูมิทัศน์ของปัญญาประดิษฐ์ (AI) กำลังอยู่ระหว่างการเปลี่ยนแปลงครั้งใหญ่ โดยสหรัฐอเมริกายังคงรักษาความเป็นผู้นำในการพัฒนาโมเดล AI โดยผลิตโมเดลที่สำคัญถึง 40 โมเดลในปี 2024 เพียงปีเดียว อย่างไรก็ตาม คู่แข่งรายใหม่กำลังลดช่องว่างด้านประสิทธิภาพลงอย่างรวดเร็ว นั่นคือ จีน จากรายงาน Artificial Intelligence Index Report ล่าสุด สิ่งนี้ส่งสัญญาณถึงการเปลี่ยนแปลงที่อาจเกิดขึ้นในการแข่งขัน AI ระดับโลก ซึ่งบ่งบอกถึงอนาคตที่สหรัฐฯ อาจไม่ใช่ผู้มีอำนาจเหนือแต่เพียงผู้เดียว
ช่องว่างด้านประสิทธิภาพที่ลดลง
เป็นเวลาหลายปีที่สหรัฐฯ เป็นแชมป์ที่ไม่มีใครโต้แย้งในการสร้างโมเดล AI ที่ล้ำสมัย อย่างไรก็ตาม จีนได้ทำงานอย่างขยันขันแข็งเพื่อเพิ่มคุณภาพของโมเดลของตนเอง ในปี 2023 มีช่องว่างด้านประสิทธิภาพที่สำคัญระหว่างโมเดลของจีนและอเมริกาเมื่อเทียบกับเกณฑ์มาตรฐานอุตสาหกรรม เช่น Massive Multitask Language Understanding (MMLU) และ HumanEval (ซึ่งประเมินประสิทธิภาพการเขียนโค้ด) ความแตกต่างนั้นมีนัยสำคัญ ซึ่งแสดงถึงความแตกต่างสองหลัก ก้าวไปข้างหน้าอย่างรวดเร็วถึงปี 2024 และช่องว่างนี้ได้ลดลงอย่างมาก เกือบจะถึงความเท่าเทียมกันแล้ว
การบรรจบกันของประสิทธิภาพที่ใกล้เคียงนี้เป็นเครื่องพิสูจน์ถึงความพยายามที่มุ่งเน้นและการลงทุนเชิงกลยุทธ์ของจีนในการพัฒนา AI ความก้าวหน้าของประเทศไม่ได้เป็นเพียงการเพิ่มขึ้นทีละน้อยเท่านั้น พวกเขาแสดงถึงการก้าวกระโดดที่สำคัญในความสามารถด้าน AI
คลังแสง AI ของจีน: โมเดลใหม่เกิดขึ้น
ความก้าวหน้าอย่างรวดเร็วของจีนสามารถนำมาประกอบกับการเกิดขึ้นของโมเดล AI ใหม่และทรงพลัง ได้แก่:
- Qwen Series ของ Alibaba: โมเดลเหล่านี้ได้รับการออกแบบมาสำหรับการใช้งานที่หลากหลาย แสดงให้เห็นถึงความมุ่งมั่นของ Alibaba ในการพัฒนาเทคโนโลยี AI
- R1 ของ DeepSeek: โดยมุ่งเน้นไปที่งานและอุตสาหกรรมเฉพาะ R1 ของ DeepSeek แสดงถึงแนวทางที่กำหนดเป้าหมายในการพัฒนา AI
- ManusAI: โมเดลนี้เน้นถึงความหลากหลายที่เพิ่มขึ้นในภูมิทัศน์ AI ของจีน ตอบสนองความต้องการและการใช้งานเฉพาะทาง
- Hunyuan Turbo S ของ Tencent: ผลิตภัณฑ์จากหนึ่งในบริษัทยักษ์ใหญ่ด้านเทคโนโลยีของจีน Hunyuan Turbo S ตอกย้ำความมุ่งมั่นของประเทศในการอยู่แถวหน้าของเทคโนโลยี AI
โมเดลเหล่านี้ไม่ได้เป็นเพียงแค่โครงสร้างทางทฤษฎี พวกเขาเป็นผลิตภัณฑ์ที่เป็นรูปธรรมของการลงทุนและความพยายามในการวิจัยของจีน แสดงให้เห็นถึงความทะเยอทะยานของประเทศในการแข่งขันกับผู้นำระดับโลกในด้าน AI
การลงทุนเป็นตัวเร่ง
การปรับปรุงความสามารถด้าน AI ของจีนเชื่อมโยงโดยตรงกับการลงทุนจำนวนมากในสามด้านที่สำคัญ:
- โครงสร้างพื้นฐาน AI: จีนได้ทุ่มเททรัพยากรในการสร้างโครงสร้างพื้นฐาน AI ที่แข็งแกร่ง รวมถึงศูนย์ข้อมูล สิ่งอำนวยความสะดวกด้านการประมวลผลประสิทธิภาพสูง และเครือข่ายขั้นสูง
- การประมวลผลขั้นสูง: จีนตระหนักถึงความสำคัญของพลังการประมวลผล จึงได้ลงทุนอย่างหนักในการพัฒนาและจัดหาความสามารถในการประมวลผลขั้นสูง ทำให้นักวิจัยสามารถฝึกอบรมและปรับใช้โมเดล AI ที่ซับซ้อนได้
- การวิจัยที่ได้รับการสนับสนุนจากรัฐ: รัฐบาลจีนมีบทบาทสำคัญในการส่งเสริมการพัฒนา AI ผ่านโครงการวิจัยที่ได้รับการสนับสนุนจากรัฐ โดยให้เงินทุนและการสนับสนุนแก่มหาวิทยาลัย สถาบันวิจัย และบริษัทเอกชน
แนวทางหลายแง่มุมนี้ได้สร้างพื้นที่ที่อุดมสมบูรณ์สำหรับการสร้างสรรค์นวัตกรรม AI ช่วยให้นักวิจัยและนักพัฒนาชาวจีนสามารถทดลอง ทำซ้ำ และท้ายที่สุดบรรลุความก้าวหน้าที่สำคัญ
ปัจจัยด้านต้นทุน: เรื่องราวของสองโมเดล
ลักษณะที่น่าสนใจอย่างหนึ่งของการพัฒนา AI ของจีนคือความสามารถในการผลิตโมเดลที่แข่งขันได้โดยมีต้นทุนเพียงเล็กน้อยเมื่อเทียบกับคู่แข่งในสหรัฐฯ ตัวอย่างที่โดดเด่นอย่างหนึ่งคือโมเดลต้นทุนต่ำที่พัฒนาขึ้นในเวลาเพียงสองเดือนด้วยการลงทุนน้อยกว่า 6 ล้านดอลลาร์ ซึ่งแตกต่างอย่างสิ้นเชิงกับ 100 ล้านดอลลาร์ที่ OpenAI ใช้ไปกับการฝึกอบรมโมเดล GPT-4
ประสิทธิภาพด้านต้นทุนนี้เน้นถึงความมีไหวพริบและประสิทธิภาพของจีนในการพัฒนา AI นอกจากนี้ยังบ่งชี้ว่าจีนอาจสามารถทำให้เทคโนโลยี AI เป็นประชาธิปไตย ทำให้ผู้ใช้และองค์กรในวงกว้างสามารถเข้าถึงได้มากขึ้น
การแข่งขัน AI: Agents และโครงสร้างพื้นฐาน
การแข่งขัน AI ระดับโลกไม่ได้เป็นเพียงแค่การสร้างโมเดลที่ดีขึ้นเท่านั้น แต่ยังเกี่ยวกับการพัฒนาความสามารถของ agentic และโครงสร้างพื้นฐานเพื่อรองรับพวกเขาอีกด้วย การแข่งขันในวงกว้างนี้ได้รับความสนใจจากบริษัทยักษ์ใหญ่ด้านเทคโนโลยีและสถาบันการศึกษาทั่วโลก
ความสามารถของ Agentic หมายถึงความสามารถของระบบ AI ในการดำเนินการอย่างอิสระและชาญฉลาดในสภาพแวดล้อมที่ซับซ้อน ซึ่งรวมถึงงานต่างๆ เช่น การวางแผน การตัดสินใจ และการแก้ปัญหา การพัฒนาความสามารถเหล่านี้ไม่เพียงแต่ต้องใช้อัลกอริธึมขั้นสูงเท่านั้น แต่ยังต้องมีโครงสร้างพื้นฐานที่แข็งแกร่งเพื่อรองรับการปรับใช้และการดำเนินงานของพวกเขาอีกด้วย
ผู้เล่นหลักในเวที AI
ในปี 2024 OpenAI กลายเป็นผู้มีส่วนร่วมขององค์กรชั้นนำในการพัฒนาโมเดล AI โดยเปิดตัวโมเดล AI ที่โดดเด่น 7 โมเดล ความสำเร็จนี้เป็นการเสริมความแข็งแกร่งให้กับตำแหน่งของ OpenAI ในฐานะผู้เล่นหลักในด้านระบบ AI อเนกประสงค์
Google ตามมาติดๆ โดยเปิดตัวโมเดลที่สำคัญ 6 โมเดล และเสริมสร้างความเป็นผู้นำที่ยาวนานในด้านนวัตกรรมแมชชีนเลิร์นนิง (ML) ในช่วงทศวรรษที่ผ่านมา Google อยู่ในแถวหน้าของการวิจัยและพัฒนา AI อย่างต่อเนื่อง โดยมีส่วนร่วมถึง 186 โมเดลที่โดดเด่นตั้งแต่ปี 2014 ซึ่งมากกว่าผู้เล่นรายถัดไปในรายการถึงสองเท่า
ผู้เล่นหลักอื่นๆ ได้แก่:
- Meta: ด้วยโมเดล 82 โมเดลที่พัฒนาขึ้นตั้งแต่ปี 2014 Meta ได้มีส่วนร่วมอย่างมากใน AI โดยเฉพาะอย่างยิ่งในด้านต่างๆ เช่น การประมวลผลภาษาธรรมชาติและวิทัศนศาสตร์คอมพิวเตอร์
- Microsoft: Microsoft ได้พัฒนา 39 โมเดลในช่วงเวลาเดียวกัน แสดงให้เห็นถึงความมุ่งมั่นในการรวม AI เข้ากับผลิตภัณฑ์และบริการของตน
บริษัทเหล่านี้ไม่ได้เป็นเพียงแค่การพัฒนาโมเดล AI เท่านั้น พวกเขายังกำลังกำหนดอนาคตของเทคโนโลยี AI ผ่านความพยายามในการวิจัย การพัฒนา และการปรับใช้
การเติบโตของบริษัทจีน
Alibaba ซึ่งแสดงถึงการเติบโตของจีนในการพัฒนา AI พื้นฐาน รั้งอันดับสามในปี 2024 ด้วยโมเดลที่โดดเด่น 4 โมเดล สิ่งนี้ส่งสัญญาณถึงการเปลี่ยนแปลงที่สำคัญในภูมิทัศน์นวัตกรรมระดับโลก ซึ่งบริษัทจีนไม่ได้ขยายขนาดการปรับใช้เท่านั้น แต่ยังมีส่วนร่วมในการวิจัยระดับแนวหน้าและการออกแบบโมเดล
ความสำเร็จของ Alibaba เป็นเครื่องพิสูจน์ถึงการลงทุนเชิงกลยุทธ์ของจีนใน AI และความสามารถในการแปลงานวิจัยไปสู่ผลิตภัณฑ์และบริการที่เป็นรูปธรรม ในขณะที่บริษัทจีนยังคงสร้างสรรค์และพัฒนาเทคโนโลยี AI ใหม่ๆ พวกเขากำลังอยู่ในตำแหน่งที่จะมีบทบาทสำคัญมากขึ้นในการแข่งขัน AI ระดับโลก
ศูนย์กลางทางวิชาการ
สถาบันการศึกษามีบทบาทสำคัญในการขับเคลื่อนนวัตกรรม AI ผ่านการวิจัย การศึกษา และการพัฒนาความสามารถ ในบรรดาสถาบันการศึกษา Carnegie Mellon University, Stanford University และ Tsinghua University เป็นผู้ที่สร้างผลงานมากที่สุดตั้งแต่ปี 2014 โดยมีโมเดลที่โดดเด่น 25, 25 และ 22 โมเดลตามลำดับ
มหาวิทยาลัยเหล่านี้ไม่ได้เป็นเพียงแค่การดำเนินการวิจัยที่ล้ำสมัยเท่านั้น พวกเขายังกำลังฝึกอบรมผู้เชี่ยวชาญด้าน AI และวิศวกร AI รุ่นต่อไป เพื่อให้มั่นใจว่ามีกระแสความสามารถที่มั่นคงเพื่อขับเคลื่อนนวัตกรรมในอนาคต
ปริมาณการวิจัย: จีนเป็นผู้นำ
นอกเหนือจากคุณภาพของโมเดลแล้ว จีนยังเป็นผู้นำของโลกในด้านปริมาณการวิจัย AI ในปี 2023 นักวิจัยชาวจีนมีสัดส่วน 23.2% ของสิ่งพิมพ์ที่เกี่ยวข้องกับ AI ทั้งหมด เทียบกับ 15.2% จากยุโรปและเพียง 9.2% จากอินเดีย ส่วนแบ่งของจีนเติบโตอย่างต่อเนื่องตั้งแต่ปี 2016 ในขณะที่การมีส่วนร่วมของยุโรป ลดลงและการผลิตสิ่งพิมพ์ของสหรัฐฯ ทรงตัว
การครอบงำในปริมาณการวิจัยนี้บ่งชี้ถึงความมุ่งมั่นของจีนในการพัฒนาความรู้ AI และความสามารถในการดึงดูดและรักษาผู้ที่มีความสามารถด้าน AI ชั้นนำ
การแบนชิป AI: อุปสรรคเล็กน้อย?
แม้ว่าอเมริกาจะแบนการจัดหาชิป AI แต่จีนได้กลายเป็นประเทศที่ใหญ่เป็นอันดับสองในแง่ของการผลิตโมเดล AI ในด้านข้อความ รูปภาพ วิดีโอ และเสียง จากโมเดลภาษาขนาดใหญ่ (LLM) AI ทั้งหมด 1,328 โมเดลทั่วโลก 36% มาจากจีน รั้งอันดับสองรองจากสหรัฐฯ
ความยืดหยุ่นนี้แสดงให้เห็นถึงความสามารถของจีนในการเอาชนะอุปสรรคและความมุ่งมั่นในการบรรลุการพึ่งพาตนเองในเทคโนโลยี AI
อิทธิพลเทียบกับปริมาณ: สหรัฐฯ ยังคงมีความได้เปรียบ
ในขณะที่จีนเป็นผู้นำในด้านปริมาณโมเดล AI และสิ่งพิมพ์วิจัย สหรัฐฯ ยังคงรักษาความได้เปรียบในด้านอิทธิพล สถาบันอเมริกันมีส่วนร่วมในเอกสาร AI ที่มีการอ้างอิงมากที่สุด 100 อันดับแรกในช่วงสามปีที่ผ่านมา
สิ่งนี้ชี้ให้เห็นว่าในขณะที่จีนกำลังไล่ตามอย่างรวดเร็วในแง่ของปริมาณ สหรัฐฯ ยังคงผลิตงานวิจัย AI ที่มีผลกระทบและมีอิทธิพลมากที่สุดบางส่วน
ระบบนิเวศ AI ที่มีการกระจายทั่วโลก
รายงานเน้นถึงความสำเร็จที่โดดเด่นจากภูมิภาคต่างๆ เช่น ตะวันออกกลาง ละตินอเมริกา และเอเชียตะวันออกเฉียงใต้ ซึ่งส่งสัญญาณถึงการเพิ่มขึ้นของระบบนิเวศนวัตกรรม AI ที่มีการกระจายทั่วโลกมากขึ้น สิ่งนี้ชี้ให้เห็นว่าการพัฒนา AI ไม่ได้จำกัดอยู่เพียงผู้เล่นหลักเพียงไม่กี่รายเท่านั้น แต่กำลังกลายเป็นแบบกระจายอำนาจและเข้าถึงได้มากขึ้นสำหรับประเทศและภูมิภาคต่างๆ ในวงกว้าง
บทบาทของยุโรป
ฝรั่งเศสเป็นประเทศชั้นนำของยุโรปในปี 2024 โดยมีโมเดลที่โดดเด่น 3 โมเดล อย่างไรก็ตาม โดยรวมแล้ว ทุกภูมิภาคหลัก รวมถึงสหรัฐฯ จีน และสหภาพยุโรป ต่างก็มีการลดลงของจำนวนโมเดลที่โดดเด่นที่เปิดตัวเมื่อเทียบกับปี 2023 การลดลงนี้อาจเกิดจากปัจจัยหลายประการ เช่น การแข่งขันที่เพิ่มขึ้น การเปลี่ยนแปลงลำดับความสำคัญของการวิจัย หรือความซับซ้อนที่เพิ่มขึ้นของการพัฒนา AI