10 ล้านล้านพารามิเตอร์ยังไม่ใช่ทั้งหมด — เบื้องหลังแผน AI ครั้งใหญ่ของ Alibaba

ภาพประกอบเชิงแนวคิดเพื่ออธิบายโครงสร้าง AI ไม่ใช่ภาพชิปหรือดาต้าเซ็นเตอร์จริง

ถ้ามองข่าว AI แบบผ่าน ๆ สิ่งที่สะดุดตาที่สุดจากงาน Apsara Conference ของ Alibaba รอบนี้คงหนีไม่พ้นตัวเลขหนึ่ง

10 ล้านล้านพารามิเตอร์

Alibaba เปิดเผย Roadmap สำหรับโมเดล AI รุ่นต่อไป ซึ่งในอนาคตอาจขยายไปถึงระดับสูงสุดราว 10 ล้านล้านพารามิเตอร์ ขณะที่ Qwen3.8-Max ซึ่งเป็นโมเดลระดับบนของบริษัทในปัจจุบันอยู่ที่ประมาณ 2.4 ล้านล้านพารามิเตอร์

แค่ตัวเลขนี้ก็ใหญ่พอจะกลายเป็นพาดหัวได้แล้ว

แต่เมื่อมองสิ่งที่ Alibaba ประกาศพร้อมกันทั้งหมด เรื่องที่ใหญ่กว่ากลับไม่ใช่แค่การสร้างโมเดลให้ใหญ่ขึ้น

เพราะบริษัทกำลังขยับพร้อมกันตั้งแต่ โมเดล AI → ชิป → Cloud → Data Center → บริการ AI

พูดอีกแบบคือ Alibaba ไม่ได้กำลังเดิมพันกับ AI เพียงตัวเดียว

แต่กำลังเดิมพันกับ ระบบทั้งชุดที่ใช้สร้าง รัน และส่ง AI ไปถึงผู้ใช้

10 ล้านล้านพารามิเตอร์ยังเป็น “แผน” ไม่ใช่โมเดลที่เปิดใช้แล้ววันนี้

จุดนี้ต้องแยกให้ชัด เพราะคำว่า “วางแผนฝึกโมเดลสูงสุด 10 ล้านล้านพารามิเตอร์” ต่างจากคำว่า “เปิดตัวโมเดล 10 ล้านล้านพารามิเตอร์แล้ว” อย่างมาก

สิ่งที่ Alibaba เปิดเผยคือ Roadmap สำหรับโมเดลรุ่นถัดไป ไม่ใช่ผลิตภัณฑ์ที่ฝึกเสร็จ ทดสอบเสร็จ และเปิดให้ผู้ใช้ทั่วไปใช้งานแล้ว

แต่ถึงจะยังเป็น Roadmap ตัวเลขนี้ก็สะท้อนให้เห็นว่า Alibaba กำลังเตรียมโครงสร้างพื้นฐานสำหรับ AI ที่มีขนาดใหญ่ขึ้นอีกมาก

และที่สำคัญ จำนวนพารามิเตอร์มากกว่า ไม่ได้แปลว่าโมเดลฉลาดกว่าตามสัดส่วนโดยอัตโนมัติ

คุณภาพข้อมูล วิธีฝึก สถาปัตยกรรมของโมเดล วิธีใช้พารามิเตอร์ ความเร็วในการตอบ และต้นทุนการใช้งาน ล้วนมีผลกับคุณภาพสุดท้าย

ดังนั้นคำถามที่น่าสนใจกว่า “10 ล้านล้านจะฉลาดแค่ไหน?” คือ

ต้องมีระบบขนาดไหน ถึงจะฝึกและให้บริการ AI ระดับนั้นได้?

ตรงนั้นเองที่ชิป Zhenwu V900 เข้ามาในภาพ

ในงานเดียวกัน Alibaba เปิดตัวชิป AI รุ่นใหม่ชื่อ Zhenwu V900

บริษัทระบุว่าชิปรุ่นนี้ให้สมรรถนะประมาณสามเท่าของรุ่นก่อนหน้า และเรียกมันว่าเป็น AI chip ที่ทรงพลังที่สุดในจีน ณ เวลานี้

ตรงนี้ต้องอ่านให้ครบว่า คำว่า “ทรงพลังที่สุดในจีน” เป็น คำกล่าวของ Alibaba ไม่ใช่ผลการจัดอันดับอิสระที่ยืนยันว่าชิปดังกล่าวเหนือกว่าคู่แข่งทุกตัวในทุกประเภทงาน

แต่ความสำคัญของ V900 ไม่ได้อยู่แค่ว่าเร็วขึ้นกี่เท่า

เพราะโมเดล AI ขนาดใหญ่ไม่สามารถมีอยู่ได้ด้วยซอฟต์แวร์อย่างเดียว

ตอนฝึกโมเดล ต้องใช้ชิปจำนวนมากทำงานร่วมกันเป็นเวลานาน และหลังจากเปิดบริการแล้ว ทุกคำถามจากผู้ใช้ก็ยังต้องใช้กำลังประมวลผลเพื่อสร้างคำตอบ

ถ้าบริษัทมีชิปของตัวเองมากขึ้น บริษัทก็มีโอกาสควบคุมทั้ง ต้นทุน ประสิทธิภาพ ปริมาณ Compute และการออกแบบระบบให้เหมาะกับโมเดลของตัวเอง ได้มากขึ้นด้วย

มีชิปอย่างเดียวก็ยังไม่พอ เพราะชิปทั้งหมดต้องมี “ที่อยู่”

Alibaba ยังตั้งเป้าขยายกำลังดาต้าเซ็นเตอร์ทั่วโลกของ Alibaba Cloud ให้มากกว่า 20 กิกะวัตต์ภายในปี 2032

20GW เป็นตัวเลขที่ฟังดูไกลตัว แต่หลักการเข้าใจได้ไม่ยาก

AI รุ่นใหญ่ต้องใช้เครื่องคอมพิวเตอร์จำนวนมาก

เครื่องจำนวนมากต้องอยู่ในดาต้าเซ็นเตอร์

และดาต้าเซ็นเตอร์เหล่านั้นต้องมีไฟฟ้า ระบบระบายความร้อน เครือข่าย Storage และระบบเชื่อมต่อที่สามารถทำให้ชิปจำนวนมหาศาลทำงานร่วมกันได้

เมื่อโมเดลใหญ่ขึ้นและมีคนใช้มากขึ้น ปัญหาจึงไม่ใช่เพียงว่า “สร้าง AI ได้หรือไม่?”

แต่กลายเป็นว่า

“มี Compute มากพอที่จะฝึกและให้บริการมันหรือไม่?”

คำว่า Full-stack AI จึงเป็นกุญแจของข่าวนี้

ถ้าแยกสิ่งที่ Alibaba กำลังทำออกเป็นชั้น ๆ จะเห็นภาพชัดขึ้น

ชั้นแรก — Chip

ชิปทำหน้าที่เป็นเครื่องจักรพื้นฐานสำหรับการคำนวณ โดย Alibaba กำลังพัฒนาชิปตระกูล Zhenwu ของตัวเองควบคู่กับโครงสร้างพื้นฐานส่วนอื่น

ชั้นที่สอง — AI Cloud / Data Center

ชิปจำนวนมากต้องถูกเชื่อมเข้าด้วยกันด้วยระบบ Cloud, Network, Storage และดาต้าเซ็นเตอร์ เพื่อให้สามารถฝึกและรันโมเดลขนาดใหญ่ได้

ชั้นที่สาม — Model

บนกำลังประมวลผลเหล่านั้นคือโมเดลตระกูล Qwen ซึ่ง Alibaba กำลังขยายทั้งขนาด ความสามารถ และการรองรับงานในยุค AI Agents

ชั้นที่สี่ — Services / Agents

สุดท้ายโมเดลต้องถูกนำไปใช้จริง ไม่ว่าจะเป็นแอปสำหรับผู้ใช้ทั่วไป ระบบองค์กร เครื่องมือของนักพัฒนา หรือ AI Agents ที่ทำงานหลายขั้นตอนได้

เมื่อนำทั้งสี่ชั้นมาต่อกัน สิ่งที่ Alibaba กำลังสร้างจึงไม่ใช่แค่ “AI ตัวหนึ่ง”

แต่เป็นสายการผลิตที่เริ่มจาก เครื่องคำนวณ → โครงสร้างพื้นฐาน → โมเดล → บริการ

แล้วทำไมบริษัทเทคถึงอยากควบคุมหลายชั้นเอง?

ลองนึกถึงร้านอาหารขนาดใหญ่ที่ต้องพึ่งคนอื่นทุกอย่าง

วัตถุดิบซื้อจากบริษัทหนึ่ง ครัวเช่าจากอีกบริษัท ระบบขนส่งใช้อีกเจ้า และระบบรับออร์เดอร์ก็เป็นของคนอื่น

ร้านยังดำเนินธุรกิจได้ แต่ถ้าต้นทางใดต้นทางหนึ่งขึ้นราคา ของขาด หรือเปลี่ยนเงื่อนไข ร้านก็ถูกกระทบทันที

AI ก็คล้ายกัน

ถ้าบริษัทสร้างโมเดลเก่ง แต่ต้องพึ่งชิปจากภายนอกทั้งหมด การขยายระบบก็ขึ้นอยู่กับว่าหาชิปได้มากแค่ไหนและราคาเท่าไร

ถ้ามีชิปแต่ไม่มี Cloud ขนาดใหญ่ ก็ยากที่จะนำชิปจำนวนมากมาทำงานร่วมกันอย่างมีประสิทธิภาพ

และถ้ามี Infrastructure ครบ แต่ไม่มีโมเดลหรือบริการที่คนต้องการใช้ การลงทุนทั้งหมดก็ไม่มีปลายทาง

Full-stack จึงไม่ใช่แค่คำสวย ๆ ทางการตลาด

แนวคิดคือทำให้แต่ละชั้นส่งประโยชน์ต่อกัน

ชิปดีขึ้น → Compute มีประสิทธิภาพขึ้น

Cloud ใหญ่ขึ้น → รองรับโมเดลและผู้ใช้ได้มากขึ้น

โมเดลดีขึ้น → มีเหตุผลให้คนใช้ Cloud มากขึ้น

ผู้ใช้มากขึ้น → การลงทุน Infrastructure มีโอกาสคุ้มขึ้น

Alibaba เดินแนวทางนี้มาสักระยะแล้ว โดยบริษัทวางตัวเองเป็นผู้ให้บริการ Full-stack AI ที่เชื่อมตั้งแต่ชิปของ T-Head, Alibaba Cloud, โมเดล Qwen ไปจนถึงบริการ AI สำหรับธุรกิจและผู้ใช้

แต่ “ใหญ่ขึ้นทุกอย่าง” ไม่ได้แปลว่าจะชนะโดยอัตโนมัติ

ตรงนี้เป็นส่วนที่ตัวเลขใหญ่ไม่ควรบดบัง

Zhenwu V900 เปิดตัวแล้ว

Qwen3.8-Max ขนาดประมาณ 2.4 ล้านล้านพารามิเตอร์มีอยู่แล้ว

แต่ โมเดลระดับสูงสุดราว 10 ล้านล้านพารามิเตอร์ยังเป็น Roadmap

และ กำลังดาต้าเซ็นเตอร์มากกว่า 20GW ก็เป็นเป้าหมายภายในปี 2032 ไม่ใช่กำลังที่ Alibaba มีครบทั้งหมดในวันนี้

แม้โมเดลระดับ 10 ล้านล้านพารามิเตอร์จะถูกสร้างขึ้นจริงในอนาคต ก็ยังต้องพิสูจน์ว่า คุณภาพ ความเร็ว และต้นทุนให้ประโยชน์มากพอเมื่อเทียบกับวิธีสร้างโมเดลแบบอื่นหรือไม่

ชิปของ Alibaba ก็ต้องพิสูจน์ประสิทธิภาพเมื่อทำงานในระบบขนาดใหญ่จริง รวมถึง Software ecosystem ที่ต้องทำให้นักพัฒนาสามารถใช้งานได้ง่าย

และการแข่งขัน AI ก็ไม่ได้มี Alibaba อยู่ฝ่ายเดียว

บริษัทเทค ผู้ให้บริการ Cloud และผู้ผลิตชิปรายใหญ่ทั่วโลกต่างกำลังลงทุนในกำลังประมวลผลและโครงสร้างพื้นฐานระดับมหาศาลเช่นกัน

ดังนั้นประกาศครั้งนี้ยังไม่ใช่คำตอบว่าใครจะ “ชนะศึก AI”

แต่มันทำให้เห็นชัดขึ้นว่า สนามแข่งขันกำลังใหญ่กว่าการเอา Benchmark ของโมเดลหนึ่งมาเทียบกับอีกโมเดลหนึ่ง

ต่อไปเวลาเห็น AI รุ่นใหม่ เราอาจต้องมองเลยตัวโมเดลออกไปอีกชั้น

ทุกวันนี้เวลาโมเดลใหม่เปิดตัว เรามักถามว่า

เขียนโค้ดเก่งขึ้นไหม?

ตอบคำถามดีขึ้นหรือไม่?

สร้างภาพได้แค่ไหน?

มีพารามิเตอร์เท่าไร?

คำถามเหล่านี้ยังสำคัญ

แต่ถ้า AI กำลังกลายเป็น Infrastructure ของบริการดิจิทัลจริง คำถามอีกชุดจะสำคัญขึ้นเรื่อย ๆ

ใครมีชิป?

ใครมี Compute?

ใครมี Data Center?

ใครเชื่อมทั้งหมดเข้าด้วยกันได้โดยไม่ทำให้ต้นทุนสูงเกินไป?

และสุดท้าย ใครมีผู้ใช้มากพอที่จะทำให้ระบบทั้งหมดนั้นมีคุณค่าจริง?

นั่นคือเหตุผลที่ข่าว Alibaba รอบนี้ใหญ่กว่าเลข 10 ล้านล้านพารามิเตอร์เพียงตัวเดียว

ตัวเลขนั้นทำให้เราหยุดอ่าน

แต่สิ่งที่อยู่ด้านหลังตัวเลขต่างหากที่บอกว่า Alibaba กำลังวางเดิมพันแบบไหน

บริษัทไม่ได้เตรียมเพียง AI ที่ใหญ่กว่าเดิม

แต่กำลังพยายามสร้างทั้ง ชิป Cloud ดาต้าเซ็นเตอร์ โมเดล และบริการ ให้ทำงานต่อกันอยู่ในระบบเดียว

และถ้าการแข่งขัน AI ระยะต่อไปต้องใช้ Compute มากขึ้นเรื่อย ๆ

คนที่ได้เปรียบอาจไม่ใช่เพียงคนที่สร้างโมเดลเก่งที่สุด

แต่อาจเป็นคนที่สามารถสร้าง “โรงงานสำหรับผลิต AI” ได้ครบที่สุดด้วย