หนึ่งปีหลัง "ช่วงเวลา DeepSeek": การปฏิวัติวงการ AI แบบ Open Source จากจีน

หนึ่งปีหลัง "ช่วงเวลา DeepSeek": การปฏิวัติวงการ AI แบบ Open Source จากจีนในช่วงปีที่ผ่านมา วงการปัญญาประดิษฐ์ (AI) ได้เห็นการเปลี่ยนแปลงครั้งสำคัญ โดยเฉพาะอย่างยิ่งการเติบโตอย่างก้าวกระโดดของโมเดล AI แบบเปิด (Open Models) และผู้เล่นใหม่ ๆ ในระบบนิเวศแบบ Open Source เหตุการณ์ที่จุดประกายการเปลี่ยนแปลงนี้คือการเปิดตัวโมเดล R1 จาก DeepSeek ซึ่งได้กลายเป็นจุดเปลี่ยนสำคัญที่ส่งผลกระทบอย่างลึกซึ้งต่อทิศทางการพัฒนา AI ทั่วโลกจุดเริ่มต้นของระบบนิเวศ AI แบบ Open Source ในจีนก่อนที่ DeepSeek จะเปิดตัวโมเดล R1 อุตสาหกรรม AI ในจีนส่วนใหญ่ยังคงเน้นไปที่โมเดลแบบปิด (Closed Models) แม้ว่าโมเดลแบบเปิดจะมีอยู่บ้างแล้ว แต่ก็จำกัดวงอยู่เฉพาะในกลุ่มนักวิจัย หรือใช้ในสถานการณ์เฉพาะที่ต้องการความเป็นส่วนตัวสูง สำหรับบริษัทส่วนใหญ่ โมเดลแบบเปิดยังไม่ใช่ทางเลือกหลัก เนื่องจากข้อจำกัดด้านทรัพยากรในการประมวลผล (Compute Resources) และยังคงมีการถกเถียงกันอยู่ว่าจะเลือกใช้โมเดลแบบเปิดหรือปิดดีการเปิดตัวโมเดล R1 ของ DeepSeek ได้ลดอุปสรรคในการเข้าถึงความสามารถ AI ขั้นสูง และได้นำเสนอแนวทางที่ชัดเจนในการพัฒนาต่อยอด นอกจากนี้ ยังเป็นการมอบสิ่งที่มีค่าอย่างยิ่งให้กับวงการพัฒนา AI ของจีน นั่นคือ "เวลา" ซึ่งแสดงให้เห็นว่า แม้จะมีทรัพยากรจำกัด การพัฒนาอย่างรวดเร็วก็ยังคงเป็นไปได้ผ่านแนวทาง Open Source และการปรับปรุงอย่างต่อเนื่อง (Fast Iteration) แนวทางนี้สอดคล้องกับเป้าหมายของกลยุทธ์ "AI+" ของจีนที่ต้องการผสาน AI เข้ากับภาคอุตสาหกรรมให้เร็วที่สุด พร้อมไปกับการสร้างศักยภาพด้านการประมวลผลในระยะยาวหนึ่งปีหลังจากการเปิดตัว R1 สิ่งที่เราเห็นคือการเกิดขึ้นของโมเดลใหม่ ๆ ที่หลากหลาย และระบบนิเวศ AI แบบ Open Source ที่กำลังเติบโตอย่างแข็งแกร่งDeepSeek R1: จุดเปลี่ยนที่สำคัญโมเดล R1 จาก DeepSeek ถือเป็นครั้งแรกที่โมเดลแบบเปิดจากจีนสามารถก้าวเข้าสู่การจัดอันดับระดับโลก และตลอดปีที่ผ่านมา โมเดลนี้ถูกใช้อ้างอิงซ้ำ ๆ เมื่อมีการเปิดตัวโมเดลใหม่ ๆ นอกจากนี้ R1 ยังกลายเป็นโมเดลที่ได้รับความนิยมสูงสุดตลอดกาลบน Hugging Face และโมเดลที่ได้รับความนิยมสูงสุดหลายอันดับไม่ได้มาจากสหรัฐอเมริกาอีกต่อไปแต่ความสำคัญที่แท้จริงของ R1 ไม่ได้อยู่ที่ว่ามันเป็นโมเดลที่แข็งแกร่งที่สุดในขณะนั้นหรือไม่ แต่อยู่ที่ การลดอุปสรรคสำคัญ 3 ประการ ลง:อุปสรรคทางเทคนิค: ด้วยการเปิดเผยเส้นทางการให้เหตุผล (Reasoning Paths) และวิธีการหลังการฝึกฝน (Post-training Methods) ทำให้ R1 เปลี่ยนความสามารถในการให้เหตุผลขั้นสูงที่เคยถูกจำกัดอยู่หลัง API แบบปิด ให้กลายเป็นสินทรัพย์ทางวิศวกรรมที่สามารถดาวน์โหลด กลั่นกรอง (Distill) และปรับแต่ง (Fine-tune) ได้ หลายทีมไม่จำเป็นต้องฝึกฝนโมเดลขนาดใหญ่ตั้งแต่ต้นเพื่อที่จะได้ความสามารถในการให้เหตุผลที่แข็งแกร่งอีกต่อไป การให้เหตุผลเริ่มทำหน้าที่เหมือนโมดูลที่นำกลับมาใช้ซ้ำได้ในระบบต่าง ๆ สิ่งนี้ยังกระตุ้นให้เกิดการทบทวนความสัมพันธ์ระหว่างความสามารถของโมเดลกับต้นทุนการประมวลผล ซึ่งมีความหมายอย่างยิ่งในสภาพแวดล้อมที่มีข้อจำกัดด้านการประมวลผลอย่างจีนอุปสรรคในการนำไปใช้งาน: R1 ได้รับการเผยแพร่ภายใต้ใบอนุญาต MIT ทำให้การใช้งาน การปรับเปลี่ยน และการแจกจ่ายเป็นไปอย่างราบรื่น บริษัทที่เคยพึ่งพาโมเดลแบบปิดเริ่มนำ R1 ไปใช้ในการผลิตโดยตรง การกลั่นกรอง การฝึกฝนซ้ำ และการปรับให้เข้ากับโดเมนเฉพาะกลายเป็นงานวิศวกรรมที่เป็นกิจวัตร แทนที่จะเป็นโครงการพิเศษ เมื่อข้อจำกัดด้านการเผยแพร่น้อยลง โมเดลก็แพร่กระจายเข้าสู่แพลตฟอร์มคลาวด์และเครื่องมือต่าง ๆ อย่างรวดเร็ว การพูดคุยในชุมชนก็เปลี่ยนจากการ "โมเดลไหนทำคะแนนได้สูงกว่า" ไปสู่ "เราจะนำไปใช้งาน ลดต้นทุน และผสานเข้ากับระบบจริงได้อย่างไร" เมื่อเวลาผ่านไป R1 ได้ก้าวข้ามจากการเป็นเพียงวัตถุงานวิจัย ไปสู่การเป็นรากฐานทางวิศวกรรมที่นำกลับมาใช้ซ้ำได้การเปลี่ยนแปลงทางจิตวิทยา: เมื่อคำถามเปลี่ยนจาก "เราทำสิ่งนี้ได้หรือไม่" ไปเป็น "เราจะทำสิ่งนี้ให้ดีได้อย่างไร" การตัดสินใจในหลายบริษัทก็เปลี่ยนไป สำหรับชุมชน AI ของจีน นี่เป็นช่วงเวลาที่ได้รับความสนใจจากทั่วโลกอย่างยั่งยืน ซึ่งมีความสำคัญอย่างยิ่งต่อระบบนิเวศที่เคยถูกมองว่าเป็นเพียงผู้ตามมานานการลดลงของอุปสรรคทั้งสามประการนี้ ทำให้ระบบนิเวศเริ่มมีความสามารถในการจำลองตัวเอง (Replicate)จาก DeepSeek สู่ AI+: การปรับกลยุทธ์ครั้งสำคัญเมื่อ Open Source ก้าวเข้าสู่กระแสหลัก คำถามต่อไปที่ตามมาคือ กลยุทธ์ของบริษัทจีนจะเปลี่ยนแปลงไปอย่างไร? ตลอดปีที่ผ่านมา คำตอบเริ่มชัดเจน: การแข่งขันเริ่มเปลี่ยนจากการเปรียบเทียบโมเดลต่อโมเดล ไปสู่ ขีดความสามารถในระดับระบบ (System Level Capabilities)เมื่อเทียบกับปี 2024 ช่วงหลังการเปิดตัว R1 ตลาด AI ของจีนได้เข้าสู่รูปแบบใหม่ บริษัทเทคโนโลยียักษ์ใหญ่เป็นผู้นำ ตามมาด้วยสตาร์ทอัพอย่างรวดเร็ว และบริษัทจากอุตสาหกรรมเฉพาะทางก็เข้ามามีบทบาทมากขึ้น แม้เส้นทางจะแตกต่างกัน แต่ความเข้าใจร่วมกันก็ค่อยๆ ก่อตัวขึ้น โดยเฉพาะในกลุ่มผู้เล่นชั้นนำ: Open Source ไม่ใช่กลยุทธ์ระยะสั้นอีกต่อไป แต่เป็นส่วนหนึ่งของกลยุทธ์การแข่งขันระยะยาวจำนวนองค์กรจีนที่มีความสามารถในการแข่งขันซึ่งเปิดตัวโมเดลและคลังเก็บ (Repositories) ที่ทันสมัยเพิ่มสูงขึ้นอย่างมาก สังเกตได้จากการเติบโตของ Hugging Face Repository ของบริษัทจีน เช่น Baidu จากที่แทบไม่มีการเปิดตัวบน Hugging Face ในปี 2024 กลายเป็นกว่า 100 รายการในปี 2025 และบริษัทอื่น ๆ เช่น ByteDance และ Tencent ก็เพิ่มการเปิดตัวขึ้น 8-9 เท่า การหลั่งไหลเข้ามาขององค์กรที่เปิดตัวโมเดลใหม่ ๆ ที่มีประสิทธิภาพสูง เช่น การเปิดตัว Kimi K2 ของ Moonshot ถือเป็น "ช่วงเวลา DeepSeek อีกครั้ง"การเปิดตัวโมเดลมีความแข็งแกร่งและถี่ขึ้น โดยมีโมเดลประสิทธิภาพสูงเปิดตัวทุกสัปดาห์ โมเดลที่สร้างขึ้นใหม่จากจีนกลายเป็นโมเดลที่ได้รับความนิยมและดาวน์โหลดมากที่สุดทุกสัปดาห์ โดยมีความนิยมสูงสุดในบรรดาโมเดลใหม่ที่ดาวน์โหลดมากที่สุดบน Hugging Faceดังที่เห็นจากข้อมูลแผนที่ความร้อน (Heatmap) ของ Hugging Face ระหว่างเดือนกุมภาพันธ์ถึงกรกฎาคม 2025 การเปิดตัวแบบ Open Source จากบริษัทจีนมีความคึกคักอย่างเห็นได้ชัด Baidu และ Moonshot เปลี่ยนจากการใช้แนวทางแบบปิดเป็นหลัก ไปสู่การเปิดตัวแบบ Open Source มากขึ้น Zhipu AI (GLM) และ Alibaba (Qwen) ก้าวไปอีกขั้น โดยขยายจากการเผยแพร่น้ำหนักโมเดล (Model Weights) ไปสู่การสร้างระบบวิศวกรรมและส่วนต่อประสานกับระบบนิเวศ ในขั้นตอนนี้ การเปรียบเทียบประสิทธิภาพของโมเดลดิบเพียงอย่างเดียวไม่เพียงพอที่จะชนะอีกต่อไป การแข่งขันเริ่มมุ่งเน้นไปที่ระบบนิเวศ สถานการณ์การใช้งาน และโครงสร้างพื้นฐานกลยุทธ์นี้ประสบความสำเร็จอย่างมีประสิทธิภาพ โดยโมเดลที่สร้างขึ้นใหม่ (https://huggingface.co/blog/huggingface/one-year-since-the-deepseek-moment