Gartner คาดองค์กรไทยใช้จ่าย AI-Optimized IaaS ปี 2569 กว่า 1.8 พันล้านบาท โต 207.3% ขณะที่ทั่วโลกแตะ 42.3 พันล้านดอลลาร์ และ Inference แซง Training
การ์ทเนอร์ อิงก์ บริษัทผู้ให้บริการวิจัยและคำปรึกษาด้านเทคโนโลยีชั้นนำ คาดการณ์ในปีนี้ (พ.ศ. 2569) มูลค่าการใช้จ่ายด้านบริการ AI-Optimized Infrastructure As A Service หรือ AI-Optimized IaaS ทั่วโลก จะเติบโตพุ่งถึง 96% คิดเป็นมูลค่าสูงถึง 42 พันล้านดอลลาร์สหรัฐฯ
สำหรับประเทศไทย การ์ทเนอร์คาดว่ามูลค่าการใช้จ่ายองค์กรสำหรับบริการ AI-Optimized Infrastructure as a Service (IaaS) ในปี พ.ศ. 2569 จะสูงกว่า 1.8 พันล้านบาท เติบโตถึง 207.3% เมื่อเทียบกับปีก่อนหน้า และคาดว่าในปี พ.ศ. 2570 จะพุ่งสูงเกือบ 3.2 พันล้านบาท โดยมีปัจจัยหนุนมาจากความต้องการโครงสร้างพื้นฐานที่เพิ่มขึ้นเพื่อรองรับการนำ AI ไปใช้ในแอปพลิเคชันและกระบวนการทำงานต่าง ๆ ขององค์กรธุรกิจอย่างต่อเนื่อง
ฮาร์ดีป ซิงห์ (Hardeep Singh) นักวิจัยอาวุโสของการ์ทเนอร์ กล่าวว่า “การเติบโตนี้มีปัจจัยขับเคลื่อนมาจากความต้องการโครงสร้างพื้นฐานเพื่อสนับสนุนการฝึกฝนโมเดลภาษาขนาดใหญ่ (LLM) อย่างต่อเนื่อง รวมถึงการเร่งนำ AI ไปปรับใช้งานในแอปพลิเคชันและกระบวนการทำงานในระดับองค์กร”
การ์ทเนอร์คาดการณ์ว่าในปี พ.ศ. 2570 ตลาดทั่วโลกจะยังเติบโตในระดับสูง และมีมูลค่าถึง 66 พันล้านดอลลาร์สหรัฐฯ (ดูตารางที่ 1)
ตารางที่ 1: มูลค่าการใช้จ่ายตลาด Infrastructure as a Service (IaaS) ทั่วโลก ปี 2568-2570 (หน่วย: ล้านดอลลาร์สหรัฐฯ)
|
Segment |
2025 Spending |
2025 Growth (%) |
2026 Spending |
2026 Growth (%) |
2027 Spending |
2027 Growth (%) |
| Total AI-optimized IaaS |
21,529 |
180.0 |
42,276 |
96.4 |
66,143 |
56.5 |
| Total IaaS | 222,170 | 25.3 | 287,347 | 29.3 | 359,899 | 25.2 |
ที่มา: การ์ทเนอร์ (สิงหาคม 2569)
ปีนี้มูลค่าการใช้จ่ายฝั่งเวิร์กโหลดในการนำ AI ไปใช้เพื่ออนุมานข้อมูล (Inference) จะแซงหน้าฝั่ง Training หรือการสอน AI ด้วยข้อมูล
การเติบโตของ Agentic AI ส่งผลให้ความเข้มข้นในการประมวลผลเพิ่มขึ้นอย่างมากจากการทำงานที่เป็นอิสระและมีหลายขั้นตอน ซึ่งทำให้การประมวลผลแบบ Inference กลายเป็นรูปแบบการใช้งานหลัก และส่งผลให้ AI-optimized IaaS กลายเป็นตัวขับเคลื่อนสำคัญสำหรับกลยุทธ์ AI ในระดับองค์กร
“เมื่อองค์กรต่าง ๆ เปลี่ยนแนวทางการพัฒนาโมเดลไปสู่การปรับใช้งานจริงในภาคการผลิต โมเดลที่ได้รับการปรับจูนและโมเดลที่ปรับแต่งมาเฉพาะตามสายงาน หรือ Domain-Specific Models: DSMs จะถูกนำไปเชื่อมต่อเข้ากับระบบที่ต้องมีปฏิสัมพันธ์กับลูกค้าและระบบปฏิบัติการมากขึ้น ซึ่งต้องการการประมวลผลแบบเรียลไทม์มากกว่าการฝึกฝนโมเดลเป็นระยะ ๆ ซึ่งการเปลี่ยนแปลงนี้กำลังเร่งรูปแบบการใช้งานคลาวด์ และสร้างดีมานด์ในโครงสร้างพื้นฐานเพื่อรองรับการเพิ่มประสิทธิภาพ AI อย่างยั่งยืน” ฮาร์ดีป ซิงห์ กล่าวเสริม
ปีนี้มูลค่าการใช้จ่ายทั่วโลกสำหรับการประมวลผล AI เพื่อใช้อนุมานข้อมูล (Inference) จะมีปริมาณอยู่ที่ 23.3 พันล้านดอลลาร์สหรัฐฯ แซงหน้าการใช้จ่ายสำหรับการ Training หรือการสอน AI ด้วยข้อมูลที่มีอยู่ราว 19 พันล้านดอลลาร์สหรัฐฯ และการ์ทเนอร์ยังคาดว่า 55% ของมูลค่าใช้จ่าย AI-Optimized IaaS ในปีนี้จะเป็นการใช้เพื่อ Inference และจะขยับขึ้นเป็น 59% ในปีหน้า (พ.ศ. 2570) โดยสัดส่วนที่เพิ่มขึ้นของเวิร์กโหลดในการใช้ AI เพื่ออนุมานข้อมูลนี้ คาดว่าจะเข้ามาเป็นตัวกำหนดความสำคัญของการลงทุนในระบบคลาวด์
Gartner Forecasts Thailand AI-Optimized IaaS Spending to Surge 207% in 2026
Gartner forecasts that enterprise spending on AI-Optimized Infrastructure as a Service, or AI-Optimized IaaS, in Thailand will exceed THB 1.8 billion in 2026, representing a 207.3% increase from the previous year. Spending is expected to approach THB 3.2 billion in 2027 as enterprises continue integrating AI into applications and business processes.
The same trend is playing out globally. Gartner expects worldwide AI-Optimized IaaS spending to reach US$42.276 billion in 2026, up 96.4% from US$21.529 billion in 2025, before increasing another 56.5% to US$66.143 billion in 2027.
“This growth is being driven by continued infrastructure demand to support the training of large language models, as well as the accelerated deployment of AI across enterprise applications and workflows,” said Hardeep Singh, Senior Principal Analyst at Gartner.
Another significant shift is taking place in how AI infrastructure is being used. Gartner expects spending on AI inference workloads to reach US$23.3 billion in 2026, overtaking approximately US$19 billion spent on AI training.
Inference is projected to account for 55% of total AI-Optimized IaaS spending this year and rise to 59% in 2027, reflecting the transition from developing and training AI models toward deploying them in production environments.
Agentic AI is one of the factors driving this change. Its autonomous and multi-step workloads require more intensive and continuous computing, while fine-tuned and domain-specific models are increasingly being connected to operational and customer-facing systems that require real-time processing.
Singh said the transition from model development to production deployment is accelerating cloud consumption patterns and creating sustained demand for AI-optimized infrastructure, particularly as inference becomes the dominant enterprise AI workload.
For comparison, Gartner forecasts the overall global IaaS market to reach US$287.347 billion in 2026, up 29.3%, before growing to US$359.899 billion in 2027. AI-Optimized IaaS therefore continues to expand at a significantly faster rate than the broader IaaS market.
