National AI Cloud คืออะไร ทำไมไทยต้องมี “คลาวด์ของตัวเอง”

ถ้า AI กำลังกลายเป็นโครงสร้างพื้นฐานสำคัญไม่ต่างจากอินเทอร์เน็ต คำถามต่อมาคือ ประเทศไทยควรพึ่งพาโครงสร้างพื้นฐาน AI จากต่างประเทศทั้งหมดหรือไม่?

คำถามนี้กำลังมีคำตอบชัดขึ้น เพราะเมื่อวันที่ 8 กันยายน 2569 คณะกรรมการเฉพาะด้านการขับเคลื่อนแผนด้านปัญญาประดิษฐ์แห่งชาติ เห็นชอบกรอบและเป้าหมายของร่างแผนปฏิบัติการด้าน AI แห่งชาติ โดยหนึ่งในยุทธศาสตร์หลักคือการพัฒนา “ศูนย์คลาวด์และบริการอนุมานปัญญาประดิษฐ์แห่งชาติ” หรือ National AI Cloud พร้อมยกระดับ LANTA II และสร้าง National AI Data Bank

พูดง่าย ๆ คือ ไทยกำลังวางโครงสร้างพื้นฐานสำหรับยุคที่ AI ไม่ได้เป็นเพียงโปรแกรมที่เราเปิดใช้ แต่เป็นระบบที่ต้องใช้ พลังประมวลผล ข้อมูล และโครงสร้างพื้นฐานขนาดใหญ่ อยู่เบื้องหลัง

National AI Cloud คืออะไร?

ก่อนอื่นต้องแยกคำว่า Cloud กับ AI Cloud ออกจากกัน

Cloud Computing คือการนำทรัพยากรคอมพิวเตอร์ เช่น พื้นที่จัดเก็บข้อมูล เซิร์ฟเวอร์ และพลังประมวลผล มาให้ผู้ใช้งานเข้าถึงผ่านเครือข่ายโดยไม่จำเป็นต้องมีเครื่องคอมพิวเตอร์ขนาดใหญ่ไว้เอง

แต่ AI ต้องการทรัพยากรที่เฉพาะทางมากขึ้น โดยเฉพาะ GPU และระบบประมวลผลแบบขนาน

เพราะการฝึกโมเดล AI ขนาดใหญ่ต้องคำนวณข้อมูลจำนวนมหาศาล ขณะที่เมื่อโมเดลถูกฝึกเสร็จแล้ว ก็ยังต้องมีระบบสำหรับให้โมเดลตอบคำถาม วิเคราะห์ข้อมูล หรือสร้างผลลัพธ์ให้ผู้ใช้งาน ซึ่งเรียกว่า AI Inference หรือการอนุมาน AI

ดังนั้น National AI Cloud ของไทยจึงไม่ควรเข้าใจว่าเป็นเพียง “Google Drive ของรัฐบาล”

แต่คือแนวคิดของโครงสร้างพื้นฐาน Cloud ที่ออกแบบมาเพื่อรองรับ งานประมวลผลและบริการ AI ในระดับประเทศ

รัฐบาลไทยระบุ National AI Cloud ไว้โดยตรงในยุทธศาสตร์โครงสร้างพื้นฐาน AI ควบคู่กับ LANTA II และ National AI Data Bank

แล้วทำไม Cloud ทั่วไปถึงไม่พอ?

จริง ๆ แล้วประเทศไทยสามารถใช้บริการ Cloud จากบริษัทระดับโลกได้ และภาคธุรกิจไทยก็ใช้บริการเหล่านั้นอยู่แล้ว

คำถามจึงไม่ใช่ “ไทยจะเลิกใช้ Cloud ต่างประเทศหรือไม่?”

แต่เป็นคำถามว่า

“ไทยควรมีโครงสร้างพื้นฐาน AI ที่ตัวเองควบคุมและออกแบบเพื่อภารกิจสำคัญของประเทศด้วยหรือไม่?”

เหตุผลสำคัญมีหลายด้าน

1. AI ต้องการ Computing จำนวนมาก

โมเดล AI ขนาดใหญ่ไม่ได้ใช้ CPU หรือเซิร์ฟเวอร์ทั่วไปเพียงอย่างเดียว แต่ต้องอาศัย GPU และระบบประมวลผลแบบขนาน

ตัวอย่างที่เห็นภาพคือ LANTA ของไทย

ข้อมูลจาก NSTDA ระบุว่า LANTA มีประสิทธิภาพสูงสุด 8.15 Petaflops พร้อม 346 Compute Nodes, 31,744 CPU Cores และ 704 NVIDIA A100 GPUs

นี่ทำให้เห็นว่า AI Infrastructure ไม่ใช่แค่การมีเซิร์ฟเวอร์จำนวนหนึ่ง แต่เป็นโครงสร้างพื้นฐานระดับ High-Performance Computing

2. ข้อมูลบางประเภทมีความสำคัญระดับประเทศ

AI ที่ใช้กับภาครัฐ สุขภาพ การเงิน ความมั่นคง หรือข้อมูลประชาชน จำเป็นต้องให้ความสำคัญกับการจัดการข้อมูล ความปลอดภัย และการกำกับดูแล

การมีโครงสร้างพื้นฐานภายในประเทศจึงสามารถช่วยให้ไทยออกแบบข้อกำหนดด้าน Data Governance และ Security ให้สอดคล้องกับภารกิจของประเทศได้มากขึ้น

อย่างไรก็ตาม National AI Cloud ไม่ได้หมายความว่าข้อมูลทุกอย่างของคนไทยจะต้องถูกย้ายไปอยู่บนระบบเดียวทั้งหมด เพราะการออกแบบจริงยังต้องขึ้นอยู่กับกฎหมาย นโยบาย และมาตรฐานด้านข้อมูลที่จะกำหนดต่อไป

3. ลดการพึ่งพาโครงสร้างพื้นฐานจากภายนอกเพียงด้านเดียว

AI กำลังมีความสำคัญต่อทั้งเศรษฐกิจ งานวิจัย และบริการภาครัฐ

ดังนั้นการมี Computing Infrastructure ของประเทศเองจึงเกี่ยวข้องกับแนวคิดที่เรียกว่า Digital Sovereignty

กล่าวง่าย ๆ คือ ประเทศต้องมีความสามารถในการควบคุมโครงสร้างพื้นฐานดิจิทัลที่มีความสำคัญเชิงยุทธศาสตร์ ไม่ใช่เพียงเป็นผู้ใช้งานเทคโนโลยีของคนอื่นเท่านั้น

แนวคิดนี้สอดคล้องกับทิศทาง AI แห่งชาติที่รัฐบาลกำหนดวิสัยทัศน์เรื่อง “Sovereignty, Trust and Value Creation”

National AI Cloud จะทำอะไร?

จากข้อมูลที่ประกาศออกมา จุดสำคัญคือคำว่า “บริการอนุมานปัญญาประดิษฐ์”

AI มีงานหลัก ๆ สองช่วงที่คนทั่วไปควรรู้จัก

Training

คือการฝึกโมเดลด้วยข้อมูลจำนวนมหาศาล ต้องใช้กำลังประมวลผลสูงมาก

Inference

คือช่วงที่โมเดลที่ฝึกแล้วถูกนำมาใช้งานจริง เช่น ผู้ใช้ถามคำถาม AI แล้วระบบประมวลผลและส่งคำตอบกลับมา

ดังนั้น AI Cloud ระดับประเทศสามารถถูกออกแบบให้รองรับทั้งงานวิจัย การพัฒนาโมเดล และการนำโมเดลไปให้บริการจริง

แต่รายละเอียดเรื่องขนาดระบบ จำนวน GPU ผู้ให้บริการ และรูปแบบการเปิดใช้ National AI Cloud ยังไม่ควรสรุปเกินข้อมูลที่ประกาศในปัจจุบัน

National AI Cloud ไม่ได้มาเดี่ยว ๆ

สิ่งที่น่าสนใจที่สุดของแผนไทยคือ รัฐไม่ได้วาง National AI Cloud เป็นโครงการแยกโดด ๆ

แต่กำลังวางองค์ประกอบสำคัญไว้ด้วยกัน 3 ส่วน

ทั้งสามส่วนถูกระบุอยู่ในยุทธศาสตร์โครงสร้างพื้นฐาน AI แห่งชาติเดียวกัน

ถ้ามองแบบง่ายที่สุด

Data = วัตถุดิบ

Computing = เครื่องจักร

AI Cloud = ระบบที่นำทรัพยากรเหล่านี้มาให้บริการ

นี่จึงเป็นเหตุผลว่าทำไมเรื่อง National AI Cloud จึงใหญ่กว่าการสร้าง Data Center แห่งใหม่เพียงแห่งเดียว

แล้วไทยมีโครงสร้างพื้นฐาน AI อยู่แล้วหรือยัง?

คำตอบคือ มีบางส่วนแล้ว

LANTA เป็นตัวอย่างที่ชัดเจนของโครงสร้างพื้นฐาน HPC ของไทย

NSTDA ระบุว่า LANTA ถูกนำไปใช้ในงาน AI หลายโครงการ รวมถึงการพัฒนา Pathumma LLM และ ThaiLLM และยังถูกนำไปใช้ในงานด้านสุขภาพ การวิเคราะห์ข้อมูล และการพยากรณ์สิ่งแวดล้อม

ที่น่าสนใจคือ LANTA สามารถรองรับการฝึกโมเดล AI ขนาดใหญ่ด้วย GPU จำนวนมาก โดย NSTDA ยกตัวอย่างว่า การฝึกโมเดลภาษาขนาด 8 พันล้านพารามิเตอร์จากศูนย์ หากใช้ GPU เดียวอาจใช้เวลามากกว่า 160 ปี แต่เมื่อใช้ระบบประมวลผลแบบขนานของ LANTA ระยะเวลาลดลงเหลือประมาณ 87 วัน

ตัวเลขนี้สะท้อนประเด็นสำคัญอย่างหนึ่ง

AI ยุคใหม่ไม่ได้แข่งกันแค่เรื่อง “ใครมีโมเดลเก่งกว่า” แต่แข่งกันเรื่องว่าใครมี Computing Infrastructure เพียงพอที่จะสร้างและให้บริการโมเดลเหล่านั้นด้วย

แล้วประชาชนจะได้อะไรจาก National AI Cloud?

หากโครงสร้างพื้นฐานถูกพัฒนาตามเป้าหมาย ผลประโยชน์ไม่ได้จำกัดอยู่ที่นักวิจัยหรือบริษัทเทคโนโลยี

ภาครัฐ

สามารถนำ AI ไปใช้กับบริการประชาชน การวิเคราะห์เอกสาร และระบบช่วยตัดสินใจในงานที่เหมาะสม

การศึกษา

มหาวิทยาลัยและนักวิจัยสามารถเข้าถึงทรัพยากร Computing สำหรับการทดลองและพัฒนาโมเดลได้ง่ายขึ้น

สตาร์ทอัพไทย

บริษัทขนาดเล็กอาจไม่จำเป็นต้องลงทุนโครงสร้างพื้นฐาน AI ขนาดใหญ่ด้วยตัวเองทั้งหมด

สุขภาพ

AI สามารถนำไปต่อยอดกับงานวิเคราะห์ข้อมูลทางการแพทย์และระบบช่วยสนับสนุนบุคลากร

อุตสาหกรรม

โรงงาน การเกษตร โลจิสติกส์ การท่องเที่ยว และภาคธุรกิจสามารถนำ AI ไปพัฒนาเป็นบริการหรือระบบเฉพาะทาง

แนวทางดังกล่าวสอดคล้องกับการตั้งคณะทำงาน AI ของประเทศ 12 ด้าน ซึ่งครอบคลุมตั้งแต่ภาครัฐ การศึกษา สุขภาพ การผลิต การท่องเที่ยว อุตสาหกรรมสร้างสรรค์ ไปจนถึงการเงินและตลาดทุน

แต่มี National AI Cloud แล้ว AI ไทยจะเก่งขึ้นทันทีหรือไม่?

ไม่

นี่คือจุดที่ต้องแยกให้ออก

มี Cloud ไม่ได้แปลว่าจะมี AI ที่เก่งโดยอัตโนมัติ

AI Infrastructure เป็นเพียงหนึ่งในองค์ประกอบของระบบนิเวศ

ยังต้องมี

• ข้อมูลคุณภาพสูง

• นักวิจัย

• วิศวกร AI

• GPU และ Computing

• โมเดลที่มีประสิทธิภาพ

• Cybersecurity

• กฎหมายและ Governance

• เงินทุน

• ผู้ใช้งานจริง

• ธุรกิจที่นำ AI ไปสร้างมูลค่า

นี่จึงเป็นเหตุผลที่แผน AI แห่งชาติไม่ได้พูดถึง Cloud เพียงอย่างเดียว แต่ยังวางยุทธศาสตร์ด้าน Trust, Human Capital และ Value Creation ควบคู่กันด้วย

สิ่งที่ต้องจับตาต่อจากนี้

ประเด็นสำคัญไม่ใช่เพียงว่า “ไทยจะสร้าง National AI Cloud หรือไม่”

แต่คือ

จะสร้างอย่างไร ใครเป็นผู้ให้บริการ ใช้งบประมาณเท่าไร ใช้ GPU ระดับไหน เปิดให้ใครใช้ และมีระบบกำกับข้อมูลอย่างไร

เพราะโครงสร้างพื้นฐาน AI มีต้นทุนสูงทั้งในด้านฮาร์ดแวร์ ไฟฟ้า ระบบระบายความร้อน เครือข่าย บุคลากร และการบำรุงรักษา

นอกจากนี้ยังต้องแข่งขันกับ Cloud ระดับโลกที่มีขนาดใหญ่มากอยู่แล้ว

ดังนั้น National AI Cloud ที่มีประโยชน์จริงอาจไม่ใช่ระบบที่พยายามทำทุกอย่างแข่งกับผู้ให้บริการระดับโลก แต่ควรเป็น โครงสร้างพื้นฐานเชิงยุทธศาสตร์ที่เติมเต็มช่องว่างที่ประเทศไทยต้องการ

World Bank เองเคยเสนอให้ไทยขยาย National AI Cloud โดยต่อยอดจากโครงสร้างพื้นฐาน GDCC และออกแบบให้รองรับทั้ง AI Training และ AI Inference รวมถึงการทำงานร่วมกันระหว่างภาครัฐและเอกชน

สรุป: “คลาวด์ของตัวเอง” ไม่ได้แปลว่าต้องตัดขาดจากโลก

National AI Cloud ไม่ได้หมายความว่าไทยจะเลิกใช้ Cloud จากบริษัทต่างประเทศ

และไม่ได้หมายความว่า AI ทุกระบบของประเทศจะต้องอยู่ใน Cloud แห่งเดียว

สิ่งที่กำลังเกิดขึ้นคือไทยกำลังวางแนวคิดว่า AI ควรมีโครงสร้างพื้นฐานระดับประเทศรองรับ เช่นเดียวกับที่ประเทศต้องให้ความสำคัญกับโครงสร้างพื้นฐานด้านพลังงาน การสื่อสาร และข้อมูล

วันนี้ไทยมี LANTA เป็นฐาน Computing สำคัญอยู่แล้ว ขณะที่แผนใหม่กำลังเพิ่ม National AI Cloud และ National AI Data Bank เข้าไปในภาพเดียวกัน

ถ้าทำได้สำเร็จ สิ่งที่ประเทศไทยกำลังสร้างจึงไม่ใช่แค่ “คลาวด์อีกหนึ่งตัว”

แต่คือ สนามหลังบ้านสำหรับ AI ไทย

เพราะในยุคที่ AI กลายเป็นเครื่องมือแข่งขันของประเทศ ผู้ที่มีเพียง AI ให้ใช้อาจยังไม่พอ

ประเทศที่มี ข้อมูล + Computing + Cloud + คน + Governance + ธุรกิจ ครบทั้งระบบต่างหาก ที่มีโอกาสสร้าง AI ของตัวเองและเปลี่ยน AI ให้กลายเป็นมูลค่าทางเศรษฐกิจได้จริง