Apsara 2026: AI Coding เป็นแค่หลอดไฟดวงแรก

CEO Alibaba บอกว่า “AI Coding เป็นแค่หลอดไฟดวงแรก”, ผมใช้ AI สร้าง Product อยู่ทุกวัน เลยโดนใจประโยคนี้จาก Keynote เปิดงานเป็นพิเศษ และเอาสิ่งที่ได้ยินมาตลอด 3 วันมารวมไว้ตรงนี้

Eddie Wu เปรียบ AI Coding ที่เรากำลังตื่นเต้นกันอยู่กับ หลอดไฟในยุคแรกของไฟฟ้า ตอนนั้นคนเห็นประโยชน์จากแสงสว่างแล้ว แต่ยังนึกไม่ออกว่าจะมีเครื่องใช้และธุรกิจอะไรเกิดตามมาอีกบ้าง

ทริปหางโจวรอบนี้ เลยได้กลับมาคิดทั้งเรื่องของที่อยากสร้าง และของที่กำลังสร้างอยู่แล้ว บางอย่างฟังแล้วอยากลองทันที บางอย่างฟังแล้วต้องถามตัวเองว่า ถ้า Alibaba ทำให้สำเร็จรูปพร้อมใช้จริงขนาดนี้ ลูกค้าจะจ่ายเงินให้เราทำอะไรต่อ (แล้วเราจะตกงานมั้ย 55)

💡 Opening Keynote: Eddie Wu, CEO ของ Alibaba Group ลิงก์

ประเด็นใหญ่ของ Eddie คือ ความสามารถในการคิด กำลังกลายเป็นสิ่งที่ผลิตและให้บริการได้ในปริมาณมหาศาล เขาย้อนกลับไปที่การปฏิวัติอุตสาหกรรม, เครื่องจักรไม่ได้แค่ทำงานแทนแรงคนหรือแรงสัตว์ แต่ทำให้มนุษย์สร้างสิ่งที่ใช้แรงคนอย่างเดียวทำไม่ได้ เช่น รถไฟ เครื่องบิน และระบบอุตสาหกรรมขนาดใหญ่

ส่วน Machine Intelligence ก็อาจทำให้เกิดการเปลี่ยนแปลงแบบเดียวกันกับงานที่ต้องใช้ความคิด ทั้งการวิเคราะห์ ทดลอง ออกแบบ และแก้ปัญหา Eddie ถึงกับคาดการณ์ว่าในอนาคต เครื่องจักรจะทำงานด้านการคิดได้มากกว่ามนุษย์ทั้งโลกรวมกันเกิน 1,000 เท่า และนี่คือภาพอนาคตที่เขาใช้วางแผนการลงทุนของบริษัท

งานบางอย่างที่วันนี้ไม่มีใครทำ เพราะต้องใช้ผู้เชี่ยวชาญมากเกินไป ต้องทดลองหลายรอบ หรือมีลูกค้าน้อยจนไม่คุ้มลงทุน, ถ้าค่าใช้จ่ายของการวิเคราะห์ ทดลอง และตรวจสอบลดลงมาก งานบางอย่างที่เราเคยตัดทิ้งก็อาจเริ่มทำได้

Alibaba จึงวางเป้าขยาย Data Center ทั่วโลกให้มีกำลังรวมเกิน 20 GW ภายในปี 2032 ตัวเลขนี้ช่วยให้เห็นว่าบริษัทคิดใหญ่แค่ไหน, เขากำลังเตรียมระบบสำหรับอนาคตที่ AI รับงานไปทำต่อเนื่องทั้งวัน มากกว่าแค่รองรับคนเปิด Chat มาถามเป็นครั้ง ๆ

และนี่เป็นเหตุผลว่าทำไมงานเดียวถึงมีทั้งเรื่องโมเดล ชิป เครือข่าย ฐานข้อมูล Agent และแอปที่คนจะใช้ทำงาน, งานนี้มีครบแบบ Full Stack ของโลก AI จริง ๆ ผมเดินสามวันถึงจะเก็บได้ครบตามที่ตั้งใจ

🧠 Keynote ฝั่ง Qwen: ให้ AI ทดลองและปรับปรุงงานเอง ลิงก์

Liu Dayiheng หัวหน้าโครงการ Qwen LLM พูดถึงการพัฒนาโมเดลให้รับงานในโลกจริงได้มากขึ้น Alibaba ประกาศว่า Qwen 4 อยู่ระหว่างฝึก ส่วน Qwen 4.5 และ Qwen 5 อยู่ใน Roadmap ที่วางเป้าหมายขนาด 5–10 ล้านล้าน Parameter ทั้งสามรุ่นยังไม่เปิดให้ใช้ในงานนี้

เรื่องที่ผมสนใจมากกว่าขนาดโมเดลหรือการขิงกันเรื่อง Benchmark คือ Recursive Self-Improvement (RSI) คือการให้ AI ออกแบบการทดลอง ตรวจผล หาจุดผิด แล้วกลับไปปรับปรุงและทดลองใหม่

• Qwen3.8-Max ทำงานวิจัยแบบอัตโนมัติครบ 33 รอบ ครอบคลุมออกแบบกระบวนการ ตรวจข้อมูล ทดลอง และวิเคราะห์ข้อผิดพลาด จนคะแนน AIME24 เพิ่มจาก 49.58 เป็น 52.29
• งานออกแบบชิป: ระบบลดจำนวน Gate จาก 8,298 เหลือ 678 และลดพื้นที่ Die ได้ 81%
• งานเขียนโค้ด: Agent ทำงานเองต่อเนื่อง 16 วัน ได้ 265 Commit และ 127 Pull Request โดยไม่มีคนอยู่ในลูป

ทุกวันนี้เวลาใช้ AI เขียนโค้ด เรามักเป็นคนคอยบอกว่า “อันนี้ผิด ลองใหม่ ไปดู Error แล้วกลับมาแก้” ถ้ามันจัดการวงจรนี้เองได้มากขึ้น งานของเราก็จะขยับไปอยู่ที่ การตั้งโจทย์ กำหนดวิธีตรวจ และตัดสินใจว่าผลที่ได้ดีพอหรือยัง เรื่องนี้ต่างจากการให้ AI ตอบยาวขึ้นหรือคิดนานขึ้น เพราะมันต้องลงมือทดลอง แล้วใช้ผลที่เกิดขึ้นจริงกลับมาแก้สิ่งที่ทำ

🔓 Qwen ไม่ได้มีแค่บริการบนคลาวด์ของ Alibaba ลิงก์

Qwen มีทั้งรุ่นที่เปิด Weights ให้ดาวน์โหลด เช่น Qwen3.8-2.4T-A95B และรุ่นที่ให้บริการผ่าน API ซึ่งมี Model Tier และเครื่องมือประกอบต่างกัน การรัน Checkpoint เองจึงอาจได้พฤติกรรม ความเร็ว หรือความสามารถไม่เท่ากับบริการ Qwen บน Alibaba Cloud

ก่อนเริ่มงานหนึ่งวัน ทีม vLLM เผยแพร่รายละเอียดการรัน Qwen3.8-2.4T บน Cluster NVIDIA GB300 NVL72 โดยแยกงานอ่านอินพุตออกจากงานสร้างคำตอบ หรือที่เรียกว่า Prefill/Decode Disaggregation

ประเด็นที่มีประโยชน์กับคนทำระบบคือ มีทางเลือกในการนำโมเดลไปรันนอก Alibaba Cloud และมีทีมอื่นช่วยพัฒนาระบบให้บริการโมเดลเหล่านี้ด้วย แต่การเปิด Weights กับการรันได้คุ้มเป็นคนละเรื่อง โมเดลระดับล้านล้าน Parameter ต้องใช้เครื่องและทีมดูแลมาก การรันเองจึงต้องคิดทั้งค่า Hardware อัตราการใช้งานจริง และเวลาที่ใช้ดูแลระบบ

⚙️ Keynote ฝั่งชิป: Gao Hui รองประธาน T-Head ลิงก์

T-Head หน่วยออกแบบชิปของ Alibaba ประกาศ Zhenwu V900 สำหรับงานฝึกและให้บริการโมเดล AI, แรงขึ้นสามเท่าจาก M890, มีหน่วยความจำ 216 GB, Bandwidth ระหว่างชิป 1,200 GB/s, รองรับการคำนวณแบบ FP8 และ FP4, โดยวางแผนผลิตจำนวนมากและเริ่มขายใน ไตรมาสแรกปี 2027

ฝั่งระบบขนาดใหญ่ บริษัทวางแผนให้ Cluster ที่ใช้ V900 ขยายได้ถึง 500,000 การ์ด พร้อม Roadmap CPU รุ่น Yitian 720 และ Yitian 730 ในปี 2027 เช่นกัน

ต้องแยกจากของที่ใช้งานอยู่แล้วอย่าง M890 Supernode ซึ่งตอนนี้ใช้ให้บริการทั้ง Qwen3.8-Max และ Kimi K3 ของ Moonshot, อันนี้เป็นรายละเอียดที่ผมว่าน่าสนใจมาก เพราะ Kimi เป็นโมเดลอีกค่ายหนึ่ง แต่ใช้โครงสร้างพื้นฐานของ Alibaba ให้บริการลูกค้าได้ (ในงานนี้มีทั้ง Kimi, Z.ai และ MiniMax มาร่วมด้วย)

แปลว่า Qwen ไม่จำเป็นต้องชนะทุกตาราง Benchmark, Alibaba ก็ยังมีโอกาสหารายได้จากการให้ โมเดลของคนอื่น มาทำงานบนระบบตัวเอง บริษัท AI ในจีนร่วมมือและช่วยกันทำมาหากินดีมาก 55

ส่วนต้นทุนของ Agent ยังมีมากกว่าค่าเรียกโมเดล, เวลาให้มันเปิดเว็บ อ่านไฟล์ รันโปรแกรม และทำงานต่อหลายชั่วโมง ยังมีค่า CPU พื้นที่เก็บข้อมูล ฐานข้อมูล และการใช้งานเครือข่ายตามมาด้วย โมเดลเก่งขึ้นอย่างเดียวจึงไม่พอ ถ้าจะให้คนจำนวนมากใช้งานพร้อมกัน ระบบข้างหลังต้องเร็วพอ เสถียรพอ และมีราคาที่ลูกค้าจ่ายไหวด้วย

☁️ Keynote Agentic Cloud: Feifei Li, CTO ของ Alibaba Cloud Intelligence ลิงก์

Feifei Li พูดถึงระบบที่ต้องมีเมื่อจะให้ Agent เข้าไปทำงานจริง โดย Alibaba แบ่งออกเป็น Model · Harness · Context

• Model · โมเดลที่ใช้คิดและวิเคราะห์
• Harness · ระบบที่คุมการทำงาน เช่น การเรียกเครื่องมือ การลองใหม่ และการทำต่อจากจุดที่ค้าง
• Context · ข้อมูลที่ Agent ต้องรู้เกี่ยวกับงานนั้น

Agent ตรวจใบเสนอราคา มันอ่านเอกสารเก่งอย่างเดียวไม่พอ ต้องรู้ราคาล่าสุด สิทธิ์ส่วนลดของลูกค้า และวงเงินที่ตัวเองมีอำนาจดำเนินการด้วย, ถ้าส่งเรื่องไปแล้วระบบค้าง ก็ต้องรู้ว่าจะทำต่อจากตรงไหนโดยไม่ส่งซ้ำ

ฝั่ง AI Native Cloud

ดูแลงานฝึกและให้บริการโมเดล, มี PAI เป็น Platform ทำงาน AI, CPFS สำหรับระบบไฟล์ และ HPN 8.0 Pro สำหรับเครือข่าย ตัวเลขที่บริษัทประกาศสำหรับ CPFS คือรับส่งข้อมูลได้ระดับ 100 TB ต่อวินาที และรองรับการอ่านเขียน 100 ล้านครั้งต่อวินาที ส่วน PAI มีตัวอย่างการทำ Post-training ของ Qwen ใน ห้าวัน

ระบบพวกนี้สำคัญเพราะ ต่อให้มี GPU แรงแค่ไหน ถ้าข้อมูลส่งมาไม่ทัน เครื่องราคาแพงก็ต้องนั่งรออยู่ดี

ฝั่ง Agent Native Cloud

มี AgentCore สำหรับสร้าง รัน และบริหาร Agent รวมถึงระบบแยกพื้นที่ทำงาน (Sandbox) และ Agent Security Center สำหรับดูแลความปลอดภัย, AgentCore รองรับโมเดลหลายผู้ให้บริการ เครื่องมือผ่าน MCP การจัดการ Skill บัญชี สิทธิ์ และข้อมูลสำหรับติดตามว่า Agent ทำอะไรไปบ้าง สามารถนำ Agent จากหลายแหล่งเข้ามาบริหารร่วมกันได้

ส่วน Context Engine มี Agent Context สำหรับเชื่อมเอกสาร ระบบธุรกิจ ประวัติการสนทนา และความจำจากงานที่ผ่านมา ขณะที่ OpenLake ช่วยให้ข้อมูลชุดเดียวถูกใช้กับงานค้นหา วิเคราะห์ และประมวลผลหลายแบบได้ Alibaba บอกว่า Agent Context ลดการใช้ Token ได้สูงสุด 67% ในงานบางประเภทที่ต้องใช้ข้อมูลจำนวนมาก หลักคิดคือเลือกเฉพาะข้อมูลที่เกี่ยวกับงานส่งให้โมเดล แทนการส่งทุกอย่างเข้าไปทุกครั้ง

พอแต่ละแผนกเริ่มมี Agent ของตัวเอง ฝ่าย IT ต้องตอบให้ได้ว่าแต่ละตัวเป็นของใคร เข้าถึงข้อมูลไหน และทำอะไรในนามใคร, ถ้ายังตอบไม่ได้ ก็คงไม่กล้าปล่อยให้มันแก้ข้อมูลหรือทำรายการในระบบจริง

💻 Vibe Coding: หลอดไฟที่เราใช้กันอยู่ ลิงก์

ช่วงที่ผ่านมา สิ่งที่คนสร้างของด้วย AI ใช้จนชินคือ Vibe Coding คือรู้ว่าอยากได้อะไร แล้วปล่อยให้โมเดลเขียนโค้ด ทำหน้าเว็บ แก้บั๊ก ทำซ้ำจนกว่าของจะขึ้น แบบนี้มีประโยชน์กับผมมาก งานที่เคยต้องรอคนเขียน ตอนนี้เริ่มเองได้ในวันเดียว แต่ขอบเขตยังแคบ มันช่วยให้งานที่รู้อยู่แล้วว่าต้องทำเสร็จเร็วขึ้น ส่วนบริษัทยังเดินเองไม่ได้

Vibe Coding จึงยังเป็นหลอดไฟ, สว่างขึ้นจริง แต่ยังห่างจากโรงงาน ฝั่ง Alibaba ก็มีเครื่องมือสำหรับงานแบบนี้ คือ Qoder เครื่องมือพัฒนา Software แบบ Agentic ตามสไลด์ที่ Alibaba ขึ้นในงาน มีผู้ใช้ทั่วโลกกว่า 6 ล้านคน จากกว่า 100,000 องค์กร

Qoder กลายเป็นเครื่องมือหลักตัวหนึ่งที่ผมใช้เลย เพราะออกอัปเดตใหม่บ่อยมาก ในงานนี้ผมได้นั่งคุยกับทีมพัฒนา Qoder ด้วย พบว่าเค้าทำงานกันหนักมาก เพราะเป้าหมายคือ ต้องออกอัปเดตให้ได้ทุกวัน!! สงสารเลย 55

🗂️ Vibe Working: QwenWork กับ Digital Employee ลิงก์

ในงาน Apsara สิ่งที่เค้าเน้นยิ่งกว่าโค้ดคือ Vibe Working คือให้ AI รับงานไปทั้งก้อน แล้วทำต่อเป็นขั้น ๆ

QwenWork รวมความสามารถจาก QoderWork, MuleRun และ Wukong เข้าด้วยกัน, QoderWork ทำงานฝั่ง Desktop เช่น อ่านไฟล์ในเครื่องและควบคุม Browser, MuleRun ทำงานบนคลาวด์และงานที่ต้องทำต่อเนื่อง ส่วน Wukong เชื่อมกับงานองค์กรและ DingTalk พอมารวมกัน ก็แข่งกับ Grok Bot, Claude Cowork และ Codex ได้แบบสูสี ไม่ด้อยไปกว่ากันเลย Cloud Sandbox ของ QwenWork มีมาตั้งแต่สมัยเป็น MuleRun ก่อนหน้า Grok Bot และ Cowork นานแล้วด้วย

ภาพที่ Alibaba พยายามสื่อคือ คนสั่งงานเป็นภาษาพูด แล้วให้ Agent ไปเปิดไฟล์ เรียกเครื่องมือ สรุปเอกสาร นัดหมาย และส่งงานต่อ Agent บนเครื่องทำงานกับไฟล์ของเรา ส่วน Agent บนคลาวด์ทำต่อได้โดยไม่ต้องเปิดเครื่องทิ้งไว้ เค้าใช้ Mascot น่ารัก ๆ เป็นตัวแทน Platform ทำให้คนเข้าถึงได้ง่าย รู้สึก Friendly

ที่บูธยังมีโซนให้คนเอางานจริงมาทำเป็น Skill และมี Template ของหลายอาชีพให้ Copy กลับไปใช้ ตั้งแต่ตรวจสัญญา ทำบัญชี ทำ Content ไปจนถึงงานผู้ประกอบการ เค้าจำลองบูธเป็นบริษัทหนึ่งบริษัท มีแผนกต่าง ๆ นั่งอยู่กันครบ และเปิดหน้าจอ QwenWork รันงานจริงให้ดู เหมือนเป็น Digital Employee

ถ้า AgentCore เป็นส่วนที่ทีม IT ใช้สร้างและดูแล Agent, QwenWork ก็เป็นส่วนที่พนักงานเปิดมาสั่งงานโดยตรง

การเรียกมันว่า Digital Employee จึงต้องตอบให้ได้ต่อว่า ใครดูแล Agent ตัวนี้ · ให้ทำอะไรเองได้บ้าง · และเมื่อไหร่ต้องส่งต่อให้คนตรวจงาน

คำตอบพวกนี้ต้องเขียนให้ชัด แล้วเก็บเป็น Skill ที่ทีมตรวจและแก้ไขร่วมกันได้ ถ้ายังอยู่ใน Prompt ส่วนตัวของใครคนหนึ่ง งานจะเร็วขึ้นก็จริง แต่ทีมใช้ต่อไม่ได้

🏢 Vibe Business: One Person Company ลิงก์

สิ่งที่พูดบนเวทีน้อยกว่า แต่บูธใหญ่มาก คือ One Person Company (OPC) หรือ “Vibe Business” ย้อนกลับไปที่สมมติฐานของ Eddie ถ้าต้นทุนของการวิเคราะห์ ทดลอง และตรวจสอบลดลง คำถามที่ตามมาคือ คนหนึ่งคนจะรับงานที่เมื่อก่อนต้องมีทีมได้มากแค่ไหน

งานที่เคยติดเพราะจ้างวิศวกรไม่ไหว จ้างคนทำ Content ไม่ทัน หรือจ้างคนตรวจงานไม่คุ้ม เริ่มกลับมาอยู่ในมือคนเดียวได้ โดยคนเป็นผู้ตัดสินใจ แล้วให้ Agent ลงมือ

ตรงนี้ต่างจากช่วง AI Coding ตอนนั้นคนหนึ่งคนเขียนของได้เร็วขึ้น ตอนนี้คนหนึ่งคนเริ่มรันงานได้หลายสายพร้อมกัน ทั้งสร้างของ ตรวจของ คุยลูกค้า และทำซ้ำเป็นรอบ โดยไม่ต้องรอแผนกถัดไปมารับช่วง

One Person Company ที่พูดกันช่วงนี้จึงมีความหมายมากกว่าบริษัทที่จดทะเบียนคนเดียว มันคือวิธีทำธุรกิจที่คนยังเป็นผู้ตัดสินใจ ส่วนงานที่ทำซ้ำถูกเก็บเป็น Skill แล้วให้ Agent ลงมือ

ผมเองอยู่ในกลุ่มนี้โดยตรง และคำถามที่ต้องตอบตัวเองคือ ตอนนี้ผมเป็นคนกำหนดกติกาของงาน หรือยังเป็นคนที่คอยตามแก้งานที่ Agent ทำพลาด

คำถามจึงย้ายจาก “เขียนโค้ดได้เร็วแค่ไหน” ไปเป็น “รับงานจากลูกค้าแล้วจบได้จริงมั้ย”, ของที่ยังเหลือให้คนหนึ่งคนทำเองมีสามอย่าง

1. เลือกโจทย์ที่เคยไม่คุ้มทำ
2. เก็บวิธีทำงานไว้เป็น Skill
3. รับผิดชอบเมื่อของที่ส่งให้ลูกค้าพัง (ซึ่งข้อนี้สำคัญมาก และคนส่วนใหญ่มองข้าม)

ถ้ายังต้องมีคนเก่งนั่งเฝ้าทุกขั้น นั่นยังเป็นคนเดียวที่แบกงานทั้งบริษัท และธุรกิจจะหยุดทันทีที่คนนั้นวางมือ เรียงสั้น ๆ คือ:

• Vibe Coding ทำให้ของเกิด
• Vibe Working ทำให้งานเดิน
• Vibe Business ทำให้ของนั้นกลายเป็นธุรกิจ โดยไม่ต้องรอทีมครบก่อนเริ่ม

ถ้า Workflow, Guardrails และ Decision Rules ของงานไม่ชัด คนสร้างของด้วย AI จะได้แค่ความเร็ว ยังไม่ได้ธุรกิจ และสินค้าที่ออกมาจะเหมือนกันไปหมด เช่น รวมโมเดล ตั้งราคา แล้วเปลี่ยนโลโก้ ซึ่งเป็นสิ่งที่ประกาศถัดไปของ Alibaba ทำให้ง่ายและถูกลงกว่าเดิมมาก

💼 Smart Studio / Smart Fusion ลิงก์

อันนี้โคตรกระทบธุรกิจผมแบบเต็ม ๆ หัวเราะทั้งน้ำตา 😂

Smart Studio เปิดให้บริษัทสร้างบริการโมเดล AI ภายใต้แบรนด์ตัวเอง มีทั้งการจัดแพ็กเกจ ตั้งราคา วัดการใช้งาน และเรียกเก็บเงิน
Smart Fusion รวมหลายโมเดลผ่าน API เดียว แล้วเลือกหรือให้หลายโมเดลทำงานร่วมกันตามโจทย์ เคลมว่าช่วยลดค่าใช้จ่าย Token ได้ 40–90% แล้วแต่ประเภทงาน

ฝั่ง Smart Studio เคลมว่าประมวลผลงานได้มากกว่า Open Source Framework มาตรฐานสูงสุด 505% บน Hardware ชุดเดียวกัน ตัวเลขนี้ต้องดูเงื่อนไขการทดสอบประกอบ แต่สิ่งที่เห็นชัดแล้วคือ เขาขายระบบให้เราเปิดธุรกิจต่อได้เลย

ผมเคยลงมือสร้าง Platform รวมหลายโมเดล ทั้งการเลือกโมเดลให้เหมาะกับงาน การคิดเครดิต และการคุมต้นทุน งานหลายอย่างที่เคยต้องสร้างเอง ตอนนี้กำลังมีให้ซื้อเป็นชุดสำเร็จรูป …โคตรเซ็งปนเศร้า 🥹

ถ้าสิ่งที่ผมขายมีแค่ “รวมโมเดล เปลี่ยนโลโก้ แล้วบวกค่าบริการ” ลูกค้ามีเหตุผลอะไรต้องซื้อผ่านผม

เครื่องมือพวกนี้ช่วยให้ผมเปิดบริการได้ง่ายขึ้นก็จริง แต่คู่แข่งก็เปิดบริการเหมือนผมได้ง่ายขึ้นด้วย การบอกว่าระบบเรามีหลายโมเดลจึงอธิบายความแตกต่างได้น้อยลง ผมยังเอาของเขามาใช้เป็นส่วนหนึ่งของระบบได้ แต่ต้องทำให้ลูกค้าเห็นว่าเงินที่จ่ายเพิ่มช่วยให้งานของเขาดีขึ้นตรงไหน เชื่อมกับระบบเดิมได้มั้ย และลดงานที่คนต้องตามแก้ได้หรือเปล่า

🎬 Smart Video: อยากรู้ว่าต้องแก้งานเท่าไร ลิงก์

Smart Video เล็งไปที่สตูดิโอทำ Short Drama และผู้ทำโฆษณา, บอกว่าสร้างวิดีโอได้ยาวสูงสุดหนึ่งชั่วโมงจากคำสั่ง แล้วแก้งานต่อด้วยภาษาธรรมชาติ รองรับโมเดลหลายตัวรวมถึง Wan และมากกว่า 20 ภาษา

ฝั่งภาพและเสียงก็มีประกาศที่เกี่ยวข้องกัน เช่น Qwen-Audio-3.1-TTS-Next สำหรับสร้างบทพูดและเสียงบรรยากาศจากสคริปต์ ส่วน Qwen-Image 3.1 ที่วางแผนเปิดภายในปีนี้ เน้นงานออกแบบและการตลาด E-commerce รวมถึงการสร้างภาพพื้นหลังโปร่งใสและแก้ไขภาพ, มี Qwen3.8-LiveTranslate สำหรับงานล่ามพร้อมกัน ลดความหน่วงตามตัวชี้วัด LAAL จาก 2.8 เหลือ 2.3 วินาที

พอมองรวมกัน เขามีทั้งโมเดลสำหรับคิดบท สร้างภาพ ทำวิดีโอ และสร้างเสียง แล้วเอา Agent มาช่วยจัดการขั้นตอนเหล่านี้ต่อกัน

ช่วงนี้ผมกำลังลงมือทำ AI Video อยู่ เลยอยากลองส่วนนี้เป็นพิเศษ แต่สิ่งที่อยากทดสอบมีมากกว่าความยาวคลิป อยากรู้ว่าคุมตัวละครและความต่อเนื่องได้แค่ไหน แก้ฉากหนึ่งแล้วกระทบอีกกี่ฉาก และต้อง Gen ทิ้งกี่รอบกว่าจะได้งานที่ส่งลูกค้าได้

คำว่า “ได้วิดีโอหนึ่งชั่วโมง” ยังตอบเรื่องนี้ไม่ครบ คนทำงานต้องรู้ด้วยว่าใช้เวลากับการแก้เท่าไร และกว่าจะได้หนึ่งช็อตที่ผ่าน ต้องเสียค่า Gen ไปกี่รอบ คำถามนี้มีคนตอบให้ผมในงานพอดี ผมไปฟัง Session ของทีมที่ทำหนัง AI ชื่อ ARK สิ่งที่ชอบคือเขาเอาปัญหาจริงมาเล่าตรง ๆ ไม่ได้มาขายฝัน

กองถ่ายแบบเดิมเดินเป็นลำดับ จาก Script ไป Storyboard แล้วค่อย Production พอใช้ AI ทั้งสามขั้นทำพร้อมกันได้ ปัญหาเลยย้ายจากสร้างช้า มาเป็นตัดสินใจไม่ทัน ทีมต้องคอยเลือกว่าจะ Approve อะไร ตัดอะไร และ Gen ใหม่ตรงไหน

สไลด์หนึ่งเขียนไว้เจ็บมาก: Bottleneck ของกองถ่าย AI คือ Judgment

ระบบสร้างภาพเสร็จตามกำหนดใน 5 เดือน แต่กว่าจะทำให้ทั้งเรื่องต่อกันได้จริง ทั้งทิศทาง Continuity และการเก็บรายละเอียด ใช้อีกราว 8 เดือน เขายอมรับตรง ๆ ด้วยว่า AI Video ยังติด Uncanny Valley ภาพสะอาดและเนี้ยบเกินจริง ขาดร่องรอยแบบโลกจริง ส่วนตัวละคร เสื้อผ้า และฉาก ก็ยังเปลี่ยนไปข้ามช็อตได้ง่าย

เขาเทียบว่า CG ใช้เวลาราว 30 ปีกว่าจะข้าม Uncanny Valley ส่วน AI กำลังข้ามในไม่กี่ปี, สำหรับผม ประโยคนี้เป็นทั้งกำลังใจและคำเตือน เครื่องมือเร็วขึ้นจริง แต่คนทำต้องวาง Workflow คุมคุณภาพตั้งแต่วันนี้

ที่น่าสนใจอีกอย่างคือ ARK มาจาก Tsuburaya Fields Holdings, Fields Corporation และ Digital Frontier สตูดิโอ CG/VFX รายใหญ่ของญี่ปุ่น ผู้สร้างอุลตราแมนที่เรารู้จักกันดี หนัง AI เริ่มไปอยู่ในมือเจ้าของ IP และทีม Production มืออาชีพแล้ว

📱 Keynote ฝั่ง Honor: ออกแบบ OS ของ Smartphone ให้รองรับ Agent ลิงก์

Fang Fei ประธานสาย Product ของ Honor พูดถึงการออกแบบระบบปฏิบัติการเพื่อรองรับ Agent ขณะที่ Alibaba เปิด Qwen Intelligence สำหรับผู้ผลิต Smartphone Honor เป็น Partner รายแรก โดยมีแผนนำไปใช้กับ Magic9 (กำหนดเปิดตัว 28 กันยายน) รวมถึง Honor Robot Phone ส่วน Alibaba ยืนยันว่าจะไม่ผลิตโทรศัพท์เอง

จุดที่ทั้งสองฝั่งต้องทำร่วมกันคือ ให้โมเดลทำงานกับระบบปฏิบัติการและแอปได้จริง รวมถึงจัดการสิทธิ์ ความหน่วง และทรัพยากรของเครื่อง

สมมติเราสั่งมือถือให้เตรียมทริปหนึ่งครั้ง งานอาจต้องแตะข้อความ ปฏิทิน แผนที่ และบริการจองต่าง ๆ ระบบต้องรู้ว่าข้อมูลอะไรใช้ร่วมกันได้ ขั้นตอนไหนทำเองได้ และตรงไหนต้องให้เจ้าของเครื่องยืนยัน ถ้าทำได้ดี ผู้ใช้ก็ไม่ต้องเป็นคนคัดลอกข้อมูลไปมาระหว่างแอปเอง แต่ถ้าทำไม่ดี ความผิดพลาดก็จะเกิดข้ามแอปได้เหมือนกัน

💰 Alibaba มีรายได้จาก AI หลายส่วน ไม่ได้รอเก็บค่าสมาชิก Chat อย่างเดียว ลิงก์

ตัวเลขก่อนงานที่ช่วยอธิบายทิศทางนี้คือ ในเดือนสิงหาคม Alibaba เปิดเผยว่า ARR ของบริการโมเดลและแอป รวม MaaS เกิน 16,000 ล้านหยวนแล้ว โดยบริษัทเคยวางเป้าสิ้นปีไว้ที่ 30,000 ล้านหยวน

ARR เป็นตัวเลขรายได้ประจำที่คิดเป็นอัตราต่อปี ไม่ใช่รายได้ที่รับรู้ครบทั้งปีแล้ว และไม่ใช่กำไร ประเด็นที่ผมสนใจคือ รายได้เกิดทั้งตอนลูกค้าเรียก Qwen และจากบริการที่ใช้ประกอบกัน ตั้งแต่กำลังประมวลผล พื้นที่เก็บข้อมูล ฐานข้อมูล ไปจนถึงระบบรัน Agent และแอปทำงาน

ยิ่ง Agent รับงานไปทำมากขึ้น ก็มีโอกาสใช้บริการเหล่านี้เพิ่มขึ้น ต่อให้ราคา Token ต่อหน่วยลดลง บิลรวมของลูกค้าก็อาจไม่ลดตาม ถ้าลูกค้าใช้ AI ทำงานมากขึ้นกว่าเดิมหลายเท่า

สำหรับคนซื้อบริการ ตัวเลขที่ควรดูจึงเป็น ต้นทุนของงานที่ทำเสร็จและผ่านการตรวจ มากกว่าราคา Token อย่างเดียว โมเดลที่เรียกถูกกว่า แต่ทำผิดจนต้องรันใหม่หลายรอบ อาจแพงกว่าตัวที่คิดค่าบริการสูงกว่าแต่ทำงานจบได้เร็วกว่า

สำหรับงานที่ให้ Agent ลงมือทำ ผมคิดว่าควรวัดอย่างน้อยสี่อย่าง คือ งานจบจริงกี่เปอร์เซ็นต์ · ต้องให้คนกลับมาแก้กี่ครั้ง · ใช้เวลาเท่าไร · และต้นทุนต่อหนึ่งงานที่ผ่านการตรวจเป็นเท่าไร, ถ้าตัวเลขพวกนี้ดีขึ้น ถึงจะพอพูดได้ว่าเป็นระบบที่เก่งขึ้นในเชิงธุรกิจ มากกว่าแค่ Demo ที่ดูดีขึ้น

🌏 เคสในเอเชีย: มีทั้งงานเอกสาร เกม และการผลิต Content ลิงก์

• Panasonic Digital ใช้ Qwen ผ่าน Model Studio ร่วมกับระบบข้อมูลของ Alibaba ในงานอย่างสรุปประชุมและตรวจสัญญา รายงานว่าลดเวลาทำเอกสารได้ 80% และเพิ่มประสิทธิภาพงานตรวจสัญญา สิบเท่า
• Unity China ใช้ Qwen และโมเดลจากค่ายอื่นใน Tuanjie AI-Codely สำหรับงานพัฒนาเกม ทั้งอ่านโค้ด แก้ไข และตรวจข้อผิดพลาด
• Lion Parcel (อินโดนีเซีย) ใช้ Qwen-VL-Plus กับเอกสารการเงิน เพื่อลดงานที่คนต้องอ่านแล้วคัดข้อมูลลงระบบเอง
• Loomi Entertainment (มาเลเซีย) นำ Wan และ HappyHorse ไปใช้กับระบบผลิตภาพและวิดีโอของตัวเอง
• AnyMind ประกาศความร่วมมือเพื่อนำ Qwen ไปเสริม AnyLive ให้ AI Avatar เข้าใจและตอบคำถามลูกค้าในงาน Live Commerce ได้ดีขึ้น
• SHAKE ใช้ Qwen และกำลังประมวลผลของ Alibaba ทำระบบช่วยวางแผนทรัพยากรสำหรับธุรกิจขนาดเล็กและกลาง

ส่วนแผนขยายโครงสร้างพื้นฐานใน 12 เดือนข้างหน้า มี Region ใหม่ในตุรกี ฟินแลนด์ และเนเธอร์แลนด์ พร้อมขยายในหลายตลาดรวมถึงมาเลเซีย ประเทศไทยยังไม่อยู่ในรายชื่อประกาศหลักชุดนี้

สิ่งที่เอากลับมาเทียบกับไทยได้คือ ขั้นตอนไหนคล้ายกับงานของลูกค้าเรา และขั้นตอนไหนต้องทำใหม่เพราะเอกสาร ภาษา ระบบเดิม หรือกติกาของบริษัทต่างกัน

🏭 สิ่งที่จีนทำได้เร็ว คือเอา AI ไปลงในอุตสาหกรรมจริง ลิงก์

ถ้ามองแค่ Leaderboard หรือ Benchmark เราอาจคิดว่าเกม AI คือการแข่งว่าใครมี Model ฉลาดที่สุด สิ่งที่ผมเห็นจากจีนคือ เขาไม่รอให้คนอื่นคิด Use Case ให้ แต่เอา AI ไปลงใน Industry ที่มี Demand, Distribution และเงินหมุนอยู่แล้ว

คลิกหัวข้อเพื่อดูรายละเอียดแต่ละอุตสาหกรรม ↓

🎬 AI Short Drama

Short Drama หรือที่บ้านเราเรียกว่า “ละครแนวตั้ง” ในจีนเป็นอุตสาหกรรมเต็มตัว มีครบทั้ง IP, Script, Production, Localization, Distribution และ Monetization ตอนนี้ Short Drama เป็นกระแสที่มาแรงทั่วโลก จีนเป็นผู้นำ ส่วนอเมริกากับยุโรปกำลังอยู่ในช่วงขาขึ้น

ในงานมี WonderClip แพลตฟอร์มสร้าง AI Video ของ Alibaba เอง ที่โชว์เคสลูกค้าตั้งแต่สตูดิโอญี่ปุ่นไปจนถึงวิดีโอโฆษณาภาษาไทย พอเอา AI เข้าไป มันเร่งได้ทั้ง Pipeline ตั้งแต่แตก IP เป็นตอนย่อย เขียนบท ทำ Storyboard สร้างตัวละคร พากย์หลายภาษา ไปจนถึงทำ Creative หลาย Version เพื่อ Test ว่าเรื่องไหนคนดูยอมจ่าย

การสร้างวิดีโอยาวหนึ่งชั่วโมงจึงเป็นแค่ส่วนเล็ก ภาพใหญ่คือจีนกำลังเปลี่ยน Short Drama ให้เป็น Content Factory ที่ผลิต ทดลอง และกระจายเรื่องใหม่ได้เร็วกว่าเดิมหลายเท่า

🚗 AI for Automotive (BMW บนเวที Apsara)

หลักฐานที่ผมเห็นกับตาคือ BMW ขึ้นเวที Apsara มาเล่าเรื่อง AI ใน Neue Klasse โดย Dr. Pascal Theissen, VP User Interaction and Business Line My Car ของ BMW R&D China

BMW วาง Neue Klasse เป็น “A New Era for BMW in China” มี iX3 เป็นรุ่นแรก ตามด้วย i3 แล้วนำแนวคิดเดียวกันไปใช้กับ 7 Series โจทย์ของเขาคือออกแบบประสบการณ์ใหม่ทั้งคัน ตั้งแต่ Interaction, Navigation, Cockpit, Entertainment ไปจนถึงบริการที่รู้บริบทของเจ้าของรถ รถยุคถัดไปจึงแข่งกันที่ใครเข้าใจเจ้าของได้ดีกว่า มากกว่าเรื่องแรงม้าหรือขนาดจอ

จีนแข็งตรงนี้ เพราะมีทั้งผู้ผลิต EV, Chip, Map, Cloud, Voice, Payment, Mobility Data และ AI Model อยู่ใกล้กันพอจะทดลองและ Deploy ได้เร็ว สำหรับ Alibaba การมี BMW บนเวทีคือหลักฐานว่า Full Stack ที่พูดมาตลอด เริ่มไปอยู่ในสินค้าที่คนใช้ทุกวันแล้ว

💻 Qwen Book: คอมพิวเตอร์ที่ OS คือ Harness ลิงก์

Qwen Book เป็นเครื่องต้นแบบคอมพิวเตอร์แบบ Agentic ที่ Alibaba เอามาโชว์ในงาน รันบน Qwen Desktop OS ระบบปฏิบัติการ AI-native ที่รวมโมเดล Qwen ระบบปฏิบัติการ แอป และบริการคลาวด์ไว้ใน Stack เดียว

แนวคิดหลักคือ “OS as Harness” ซึ่งรวม Interface, Context, Runtime และการควบคุมซอฟต์แวร์กับฮาร์ดแวร์ ให้เป็นสภาพแวดล้อมที่ Agent เข้าใจบริบท จำงาน และลงมือทำได้ โดยยังควบคุมได้

ตัวอย่างที่เขาโชว์คือ ตอนแก้สไลด์ ผู้ใช้พูดสั่งผ่านปากกาที่เป็นไมโครโฟนในตัว แล้ว Qwen Book จะดึงไฟล์จากคลาวด์ หาสไลด์ที่ถูกต้อง แล้วแก้ให้ จากนั้นผู้ใช้กดอนุมัติการแก้ไขจากมือถือระหว่างเดินทางได้

ผมกดเล่นของจริงแล้ว OS หน้าตาสวยเหมือน macOS เลยครับ ทำงานไหลลื่น น่าใช้มาก เสียดายยังไม่ได้วางขาย ไม่งั้นซื้อมาลองละ 55

🎙️ QwenNote A2: เปลี่ยนการประชุมให้เป็น Context ของ Agent ลิงก์

QwenNote A2 เป็นอุปกรณ์จดโน้ตพกพาที่อัปเกรดมาจาก DingTalk A1 ออกแบบมาให้เก็บบทสนทนานอกจอ แล้วเปลี่ยนเป็น Context ที่ Agent เอาไปทำงานต่อได้ พอต่อกับ QwenWork ระบบจะเข้าใจเนื้อหาจากเสียงที่อัด แล้วทำงานร่วมกับ DingTalk ส่งข้อความ นัดประชุมต่อ สร้าง To-do หรือทำ Spreadsheet ให้

สเปกคร่าว ๆ หนัก 67 กรัม มีไมโครโฟน 6 ตัว รับเสียงได้ไกล 8 เมตร และมี 4G ในตัว ทำงานได้โดยไม่ต้องต่อมือถือ ส่วนเรื่องความเป็นส่วนตัว เสียงจะถูกเข้ารหัสระหว่างส่ง และลบทิ้งหลังถอดความ เก็บไว้แค่ข้อความกับสรุป ราคา 1,199 หยวน วางขายตั้งแต่ 22 กันยายนผ่าน Tmall

ตัว QwenNote ใหม่ ผมได้ลองเล่นดู ดีไซน์สวย น่ารัก ขนาดเท่า ๆ กับ Powerbank แบบเคสติดมือถือ แปะหลังโทรศัพท์ได้เลย สะดวกดี

งานนี้ยังมีแว่น Qwen Glasses N1 กับ N1 Pro ที่มีระบบติดตามดวงตาและจ่ายเงินด้วยม่านตา และหูฟัง Qwen Clip ที่พัฒนาร่วมกับ Bose ใช้แปลภาษาต่อหน้าและจดโน้ตได้

Alibaba กำลังขยับจาก Cloud และ Model ไปสู่ Hardware ฝั่ง Productivity มากขึ้น โดยเอา Agentic AI Stack ของตัวเองใส่ลงในอุปกรณ์ และเปิดทางให้ผู้ผลิตรายอื่นนำไปใช้ผ่าน OS หรือ SDK ด้วย เช่น Smartphone ของ Honor

📝 สิ่งที่ได้กลับมาจากงาน Apsara รอบนี้ ลิงก์

งานนี้มีทั้งบริการที่ใช้ได้แล้ว ผลทดลองที่บริษัทนำมาโชว์ และแผนอีกหลายปีข้างหน้า ต้องแยกให้ชัด โดยเฉพาะตัวเลขความเร็วและการประหยัดต้นทุนที่มาจากคนละงาน คนละเงื่อนไข เอาเปอร์เซ็นต์มาบวกกันไม่ได้

แต่เมื่อดูทั้ง Keynote และ Product เห็นชัดว่า ผู้ให้บริการรายใหญ่กำลังทำส่วนที่เราเคยต้องสร้างเองให้มีพร้อมใช้มากขึ้น ตั้งแต่ระบบรัน Agent การเชื่อมเครื่องมือ ไปจนถึงการเปิดบริการ AI ภายใต้แบรนด์ของเราเอง

สำหรับคนทำ AI Product อย่างผม มันช่วยให้เริ่มทำของได้เร็วขึ้น แต่ก็ทำให้ต้อง ตอบเรื่องความแตกต่างของตัวเองให้ชัดขึ้นด้วย เพราะใคร ๆ ก็ทำแบบนี้ได้ แล้วจุดขายเราจะอยู่ตรงไหน… Marketing & Distribution จะมีบทบาทสำคัญมากขึ้นเรื่อย ๆ

ทุกวันนี้งานของผมส่วนใหญ่ยังเป็น Vibe Coding กับ Vibe Working คือรู้อยู่แล้วว่าอยากทำอะไร แล้วใช้ AI ช่วยให้ทำได้เร็วขึ้น ทั้งเขียนโค้ด ทำเอกสาร และทำวิดีโอ ถ้าวันหนึ่งเราสามารถให้มันทดลองหลายทาง ตรวจผลงาน และทำงานต่อเนื่องได้ในต้นทุนที่รับไหว เราจะเริ่มทำอะไรที่เมื่อก่อนเคยตัดทิ้งไป เพราะคิดว่าต้องใช้คนมากเกินไป แพงเกินไป หรือไม่มีเวลาทำ

มันเป็นเหมือนสวรรค์บันดาลมาก ทำให้ปีนี้ผมนอนน้อยลงมาก กลายเป็น AI Vampire ไปละ 🥹

พวกงานวิดีโอ เราอยากลองให้ AI ช่วยตรวจความต่อเนื่องทั้งเรื่อง ว่าตัวละคร เสื้อผ้า หรือสิ่งของในฉากเปลี่ยนไปตรงไหน แล้วส่งเฉพาะจุดที่ต้องแก้มาให้คนเช็ก แทนที่จะต้องเปิดดูซ้ำทั้งเรื่องทุกครั้งที่แก้ แค่นี้ก็ประหยัดเวลาไปได้มากแล้ว

AI ช่วยคืนความเป็นมนุษย์ให้มนุษย์, แทนที่เราจะต้องคอยทำงานเหมือนเป็นเครื่องจักร เหมือนที่เคยเป็นมา

ส่วนงานองค์กร ผมอยากรวบรวม Skills, Workflow, Guardrails และ Decision Rules ที่วันนี้ต้องคอยถามคนในบริษัท มาเขียนให้ Agent ทำตามได้ ตั้งแต่ต้องใช้เอกสารฉบับไหน ใครมีสิทธิ์อนุมัติ ไปจนถึงจุดที่ต้องหยุดรอคนตัดสินใจ

สิ่งที่ผมเห็นจาก Apsara รอบนี้คือ AI ของจีนไม่ได้ด้อยกว่าฝั่งตะวันตก แค่จุดแข็งอยู่คนละที่ ฝั่งตะวันตกยังนำเรื่อง Frontier Models และ Research ส่วนจีนนำเรื่องการเอา AI ไปวางเป็น Full Stack ตั้งแต่ชิป Cloud Model ไปจนถึง Agent และ Product ที่รันธุรกิจจริงได้

เราจึงควรมอง AI จีนเป็น อีกแนวทางหนึ่งของการสร้าง AI Economy มากกว่าแค่ทางเลือกที่ถูกกว่า หรือโมเดลที่เอาไว้เทียบ Benchmark ถ้าเกมรอบต่อไปวัดกันที่ใคร Deploy ได้เร็วกว่า มี Distribution ดีกว่า และทำให้ลูกค้าได้ผลลัพธ์จริง จีนคือคู่แข่งที่ฝั่งตะวันตกประมาทไม่ได้เลย

AI Coding อาจเป็นหลอดไฟดวงแรกจริง แต่หลอดไฟเปลี่ยนโลกไม่ได้เพราะมันสว่างขึ้นอย่างเดียว มันเปลี่ยนโลกเมื่อคนสร้างโรงงาน เมือง และวิธีทำงานใหม่ขึ้นมารอบมัน

คำถามที่ผมเอากลับมาจาก Apsara จึงไม่ใช่แค่ว่าโมเดลรุ่นต่อไปจะเก่งขึ้นแค่ไหน แต่คือ เมื่อการคิด การทดลอง และการตรวจสอบมีต้นทุนต่ำลงมากพอ เราจะออกแบบงาน ธุรกิจ และระบบของเราใหม่ยังไง

แพ้ชนะวัดกันตรงนี้ครับ