Huawei ชี้ปริมาณใช้ AI Token ในไทยพุ่ง 185 เท่า แนะ 3 ปัจจัยสำคัญทั้งโครงสร้างพื้นฐานยืดหยุ่น การรักษาอธิปไตยข้อมูล และพัฒนาบุคลากร ต่อยอดสู่ศูนย์กลาง AI
หัวเว่ย ประเทศไทย ชู 3 ปัจจัยสำคัญทั้งโครงสร้างพื้นฐาน AI ที่ยืดหยุ่น การบริหารจัดการข้อมูลอย่างมีประสิทธิภาพ และการพัฒนาบุคลากรไทย เพื่อเปลี่ยนเม็ดเงินลงทุนด้าน AI ให้เป็นมูลค่าทางเศรษฐกิจที่แท้จริง
ประเทศไทยกำลังก้าวขึ้นเป็นหนึ่งในจุดหมายปลายทางสำคัญของการลงทุนด้าน AI และดาต้าเซนเตอร์ในภูมิภาคเอเชียตะวันออกเฉียงใต้ อย่างไรก็ตาม การดึงดูดเม็ดเงินลงทุนเพียงอย่างเดียวอาจไม่เพียงพอต่อการสร้างขีดความสามารถในการแข่งขันในระยะยาว โจทย์สำคัญจึงอยู่ที่ประเทศไทยจะสามารถต่อยอดการลงทุนในโครงสร้างพื้นฐานดิจิทัลให้กลายเป็นความสามารถในการใช้ AI ที่สร้างประโยชน์ได้จริงต่อภาคธุรกิจ อุตสาหกรรม และเศรษฐกิจโดยรวมได้อย่างไร
นายเดวิด หลี่ ประธานกรรมการบริหาร บริษัท หัวเว่ย เทคโนโลยี่ (ประเทศไทย) จำกัด กล่าวบนเวที Thailand Economic Outlook 2027: New Horizon Beyond the Trap ถึงแนวทางการยกระดับประเทศไทยสู่การเป็นศูนย์กลาง AI ของภูมิภาค (Regional AI Hub) โดยเน้นย้ำถึง 3 ปัจจัยสำคัญที่จะช่วยสร้างขีดความสามารถในการแข่งขันระยะยาว ได้แก่ การพัฒนาโครงสร้างพื้นฐาน AI ที่ยืดหยุ่นและสามารถควบคุมได้ การบริหารจัดการและสร้างมูลค่าจากข้อมูล และการพัฒนาบุคลากรด้าน AI ภายในประเทศ
การใช้ AI เติบโตอย่างรวดเร็ว แต่โอกาสที่แท้จริงยังรออยู่ข้างหน้า
เทคโนโลยี AI กำลังพัฒนาอย่างก้าวกระโดด ทั้งโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ที่มีความสามารถสูงขึ้น และ AI Agent ที่สามารถจัดการงานซับซ้อนได้มากขึ้น อย่างไรก็ตาม นายเดวิดมองว่า ภาคธุรกิจจำนวนมากยังไม่สามารถเชื่อมโยงความก้าวหน้าทางเทคโนโลยีเหล่านี้เข้ากับการดำเนินงานในชีวิตประจำวันได้อย่างชัดเจน
ข้อมูลการใช้งาน AI ในประเทศไทยสะท้อนการเติบโตอย่างมีนัยสำคัญ โดยนายเดวิดเปิดเผยว่า ปริมาณการใช้ AI Token บน Huawei Cloud Thailand เพิ่มขึ้นถึง 185 เท่า ขณะที่ปริมาณการใช้งานในเดือนกันยายน 2569 เพิ่มขึ้นประมาณ 30 เท่าเมื่อเทียบกับเดือนมกราคมปีเดียวกัน อย่างไรก็ตาม เมื่อเปรียบเทียบกับประเทศอื่นในภูมิภาค ทั้งสิงคโปร์ มาเลเซีย และเวียดนาม ประเทศไทยยังมีระดับการนำ AI มาใช้งานโดยรวมต่ำกว่า
ช่องว่างดังกล่าวสะท้อนให้เห็นถึงโอกาสในการเติบโตของไทย โดยเฉพาะการขยายการใช้งาน AI จากเครื่องมือสำหรับบุคคลและการทดลองใช้ในงานเฉพาะด้าน ไปสู่การประยุกต์ใช้ในกระบวนการทำงานขององค์กรและภาคอุตสาหกรรมในวงกว้าง
ต่อยอดจุดแข็งที่ไทยมีอยู่ สู่การสร้างระบบนิเวศ AI ที่แข็งแกร่ง
นายเดวิด อธิบายว่า รากฐานสำคัญของเศรษฐกิจที่ขับเคลื่อนด้วย AI ประกอบด้วย 5 ระดับ ได้แก่ พลังงาน ดาต้าเซนเตอร์ โครงสร้างพื้นฐานด้านการเชื่อมต่อ ชิปและโมเดล AI และการนำ AI ไปประยุกต์ใช้ในภาคอุตสาหกรรม
ประเทศไทยมีความพร้อมในหลายด้าน ทั้งโครงสร้างพื้นฐานด้านพลังงาน การขยายตัวของการลงทุนในดาต้าเซนเตอร์ และเครือข่ายโทรคมนาคมที่มีความก้าวหน้า โดยเฉพาะ 5G อย่างไรก็ตาม การกระจุกตัวของโครงการดาต้าเซนเตอร์ในบางพื้นที่อาจก่อให้เกิดข้อจำกัดด้านการจ่ายไฟฟ้า ขณะที่ไทยยังมีข้อจำกัดด้านเทคโนโลยีเซมิคอนดักเตอร์ขั้นสูงและการพัฒนาโมเดล AI พื้นฐาน เมื่อเทียบกับประเทศผู้นำด้านเทคโนโลยี
นายเดวิด เสนอว่า แทนที่จะพยายามแข่งขันในทุกส่วนของห่วงโซ่เทคโนโลยี AI ระดับโลก ประเทศไทยควรมุ่งเสริมสร้างจุดแข็งที่มีอยู่ และพัฒนาขีดความสามารถที่สามารถต่อยอดได้ในระยะยาว
โครงสร้างพื้นฐาน AI ที่ยืดหยุ่น ลดการผูกติดกับเทคโนโลยีรายใดรายหนึ่ง
หนึ่งในข้อเสนอสำคัญของนายเดวิด คือการพัฒนาโครงสร้างพื้นฐาน AI ที่เปิดโอกาสให้องค์กรสามารถปรับเปลี่ยนและเลือกใช้เทคโนโลยีได้อย่างยืดหยุ่น
ปัจจุบันมีโมเดล AI ใหม่ ๆ ที่เข้ามาท้าทายผู้นำตลาดอย่างต่อเนื่อง การพึ่งพาผู้ให้บริการรายใดรายหนึ่งมากเกินไปจึงอาจจำกัดความสามารถขององค์กรในการนำเทคโนโลยีที่มีประสิทธิภาพดีกว่ามาใช้ในอนาคต นายเดวิดเสนอให้ภาคธุรกิจพิจารณาใช้โมเดล AI แบบโอเพนซอร์ส (Open-source Models) แพลตฟอร์มเทคโนโลยีที่ไม่ผูกติดกับผู้ให้บริการรายเดียว และเลือกแนวทางการติดตั้งระบบให้เหมาะสมกับความต้องการของธุรกิจและระดับความอ่อนไหวของข้อมูล
องค์กรสามารถเลือกติดตั้งระบบ AI ภายในองค์กร (On-premise) ใช้บริการ Public Cloud ที่ตั้งอยู่ในประเทศไทย หรือใช้บริการคลาวด์ในต่างประเทศตามความเหมาะสม เพื่อสร้างสมดุลระหว่างประสิทธิภาพ ความปลอดภัย และการควบคุมระบบและข้อมูลสำคัญ
เพื่ออธิบายแนวคิดดังกล่าว นายเดวิดยกตัวอย่างธนาคารขนาดใหญ่แห่งหนึ่งในประเทศจีน ซึ่งมีทีมวิจัยและพัฒนา AI ประมาณ 100 คน แต่ไม่ได้ใช้ขนาดหรือประสิทธิภาพของโมเดล AI เป็นตัวชี้วัดความสำเร็จหลัก หากแต่ให้ความสำคัญกับความรวดเร็วในการนำโมเดล AI รุ่นใหม่เข้ามาเชื่อมต่อและใช้งานกับระบบเดิมของธนาคาร
ตัวอย่างนี้สะท้อนให้เห็นว่า การลงทุนด้าน AI ไม่จำเป็นต้องมุ่งใช้เทคโนโลยีที่มีประสิทธิภาพสูงสุดเสมอไป แต่ควรให้ความสำคัญกับการสร้างระบบที่รองรับเทคโนโลยีใหม่ได้อย่างรวดเร็ว ช่วยลดการพึ่งพาผู้ให้บริการรายเดียว และเพิ่มความยืดหยุ่นให้กับธุรกิจในระยะยาว
Data Sovereignty: ปกป้องข้อมูลและองค์ความรู้ที่สร้างความแตกต่างให้ธุรกิจ
นอกเหนือจากโครงสร้างพื้นฐาน นายเดวิดเน้นย้ำว่า ข้อมูลและองค์ความรู้เฉพาะขององค์กรจะเป็นปัจจัยสำคัญที่สร้างความได้เปรียบในการแข่งขันในยุค AI โดยเฉพาะเมื่อภาคธุรกิจนำ AI มาใช้ประมวลผลข้อมูลและทำงานอัตโนมัติมากขึ้น การบริหารจัดการและปกป้องข้อมูลสำคัญจึงเป็นเรื่องที่ต้องให้ความสำคัญควบคู่กันไป
นายเดวิดตั้งคำถามสำคัญว่า เมื่อองค์กรนำข้อมูลและองค์ความรู้ของตนเองไปใช้กับระบบ AI จะมั่นใจได้อย่างไรว่า ข้อมูลที่สร้างความได้เปรียบทางธุรกิจเหล่านั้นยังคงได้รับการปกป้อง และไม่กลายเป็นข้อมูลที่ผู้อื่นสามารถเข้าถึงได้ หากไม่มีมาตรการที่เหมาะสม องค์กรอาจเสี่ยงต่อการสูญเสียการควบคุมข้อมูลที่เป็นจุดแข็งสำคัญของธุรกิจ
เขาเสนอ 3 แนวทาง ได้แก่ อธิปไตยทางข้อมูล (Data Sovereignty) การกำกับดูแลข้อมูล (Data Governance) และการสร้างมูลค่าจากข้อมูล (Data Monetization) ซึ่งครอบคลุมตั้งแต่การรักษาอำนาจในการควบคุมข้อมูลสำคัญ การจัดการข้อมูลให้มีคุณภาพและน่าเชื่อถือ ไปจนถึงการนำข้อมูลมาต่อยอดสร้างมูลค่าทางธุรกิจ
แม้บริษัทต่าง ๆ จะสามารถเข้าถึงโมเดล AI ที่มีความสามารถใกล้เคียงกัน แต่ข้อมูลเฉพาะขององค์กรและความเชี่ยวชาญในอุตสาหกรรมจะเป็นสิ่งที่สร้างความแตกต่าง นายเดวิดจึงเสนอให้ภาคธุรกิจลงทุนในแพลตฟอร์มข้อมูลและระบบกำกับดูแลข้อมูล ควบคู่ไปกับการลงทุนในซอฟต์แวร์ AI และโครงสร้างพื้นฐานด้านการประมวลผล
DIMAK: เปลี่ยนเทคโนโลยี AI ให้เป็นมูลค่าทางธุรกิจ
นายเดวิด กล่าวถึง DIMAK กรอบการพัฒนาระบบ AI Engineering ของหัวเว่ย ซึ่งนำเสนอภายในงาน HUAWEI CONNECT 2026 ณ นครเซี่ยงไฮ้ ประเทศจีน โดย DIMAK ประกอบด้วยความสามารถด้านวิศวกรรม 5 ด้าน ได้แก่ Data Engineering, Infrastructure Engineering, Model Engineering, Agent Engineering และ Knowledge Engineering
องค์ประกอบทั้งห้านี้ช่วยให้องค์กรสามารถนำ AI ไปเชื่อมต่อกับกระบวนการดำเนินธุรกิจจริง แทนที่จะใช้งานโมเดล AI เป็นเพียงเครื่องมือแยกส่วน โดยครอบคลุมตั้งแต่การเตรียมและบริหารจัดการข้อมูล โครงสร้างพื้นฐานด้านการประมวลผล การเชื่อมต่อโมเดล AI การออกแบบกระบวนการทำงาน ไปจนถึงการนำองค์ความรู้เฉพาะขององค์กรมาใช้ให้เกิดประโยชน์
ตัวอย่างเช่น องค์กรที่ต้องการนำ AI มาใช้ในภาคการผลิตหรืองานบริการลูกค้า ไม่ได้ต้องการเพียงโมเดล AI ที่มีประสิทธิภาพสูงเท่านั้น แต่ยังจำเป็นต้องมีข้อมูลที่เชื่อถือได้ ระบบที่สามารถเชื่อมต่อกับโครงสร้างพื้นฐานเดิม และกระบวนการทำงานที่ช่วยให้พนักงานสามารถใช้ AI ได้อย่างมีประสิทธิภาพ
แนวคิด DIMAK จึงสะท้อนถึงการเปลี่ยนผ่านจากการให้ความสำคัญกับตัวเทคโนโลยี AI เพียงอย่างเดียว ไปสู่การสร้างความสามารถด้านวิศวกรรมที่ช่วยเปลี่ยนเทคโนโลยีให้กลายเป็นมูลค่าทางธุรกิจที่วัดผลได้
สร้างบุคลากร AI รุ่นใหม่ของไทย ผ่านการเรียนรู้และลงมือทำจริง
อีกหนึ่งปัจจัยสำคัญที่นายเดวิดให้ความสำคัญ คือการพัฒนาบุคลากรด้าน AI ภายในประเทศ
แม้หลายองค์กรจะเผชิญความท้าทายจากการขาดแคลนผู้เชี่ยวชาญด้าน AI แต่นายเดวิดมองว่า การเปลี่ยนผ่านทางเทคโนโลยีไม่จำเป็นต้องพึ่งพาเฉพาะบุคลากรที่มีประสบการณ์สูง หรือผู้สำเร็จการศึกษาจากมหาวิทยาลัยชั้นนำเท่านั้น
นายเดวิดยกตัวอย่างการก่อตั้ง Alibaba ในปี 2542 โดยแจ็ค หม่า และผู้ร่วมก่อตั้งอีก 17 คน ซึ่งต่อมาได้พัฒนาบริษัทจนกลายเป็นหนึ่งในธุรกิจเทคโนโลยีชั้นนำของประเทศจีน นอกจากนี้ ยังกล่าวถึงแนวคิดของเหลียง เหวินเฟิง ผู้ก่อตั้ง DeepSeek ที่ให้ความสำคัญกับทักษะพื้นฐาน ความคิดสร้างสรรค์ และความมุ่งมั่น มากกว่าประสบการณ์เพียงอย่างเดียว
ตัวอย่างเหล่านี้สะท้อนให้เห็นว่า การพัฒนาบุคลากรด้าน AI ไม่ควรจำกัดอยู่เพียงการเรียนรู้ในห้องเรียนหรือการได้รับใบรับรองด้านเทคนิค แต่ต้องเปิดโอกาสให้คนรุ่นใหม่ได้ทดลอง แก้ไขปัญหา และมีส่วนร่วมในโครงการ AI ที่สามารถนำไปใช้งานได้จริง
นอกจากนี้ นายเดวิดยังเน้นย้ำถึงบทบาทของผู้นำองค์กรในการสร้างสภาพแวดล้อมที่เอื้อต่อการเติบโตของบุคลากร แทนที่จะรอให้มีผู้เชี่ยวชาญด้าน AI ที่มีคุณสมบัติครบถ้วน องค์กรควรกล้าลงทุนในบุคลากร เปิดโอกาสให้ทดลองสิ่งใหม่ และมอบหมายงานที่ท้าทายให้คนรุ่นใหม่ได้พัฒนาศักยภาพ
ผู้สร้างนวัตกรรม AI รุ่นใหม่ของไทยในอนาคต อาจเป็นคนที่กำลังทำงานอยู่ในองค์กรต่าง ๆ วันนี้ เพียงแต่ยังขาดโอกาสในการแสดงศักยภาพ
จาก Digital Hub สู่ Regional AI Hub
ประเทศไทยมีโอกาสสำคัญในการก้าวขึ้นเป็นศูนย์กลาง AI ของภูมิภาค จากความพร้อมด้านโครงสร้างพื้นฐานดิจิทัล การขยายตัวของการลงทุนในดาต้าเซนเตอร์ และการนำ AI มาใช้ในภาคอุตสาหกรรมที่เพิ่มขึ้น
อย่างไรก็ตาม การบรรลุเป้าหมายดังกล่าวจำเป็นต้องอาศัยมากกว่าการดึงดูดบริษัทเทคโนโลยีระดับโลก หรือการเพิ่มขีดความสามารถด้านการประมวลผล
สิ่งที่นายเดวิดเน้นย้ำคือ การสร้างความสามารถที่ประเทศไทยสามารถพัฒนาและต่อยอดได้ในระยะยาว ทั้ง โครงสร้างพื้นฐาน AI ที่ยืดหยุ่น ระบบบริหารจัดการข้อมูลที่มีประสิทธิภาพ และบุคลากรที่สามารถนำเทคโนโลยีไปพัฒนาเป็นโซลูชันที่ตอบโจทย์การใช้งานจริง
เมื่อประเทศไทยกำลังก้าวเข้าสู่ปี 2570 ความก้าวหน้าด้าน AI จะไม่ได้วัดจากมูลค่าการลงทุนด้านเทคโนโลยีเพียงอย่างเดียว แต่จะขึ้นอยู่กับความสามารถของภาคธุรกิจในการนำ AI มาเพิ่มผลิตภาพ สร้างนวัตกรรม และต่อยอดเป็นมูลค่าทางเศรษฐกิจอย่างยั่งยืน
Huawei Outlines How Thailand Can Turn AI Investment into Business Value
Huawei Thailand has proposed that Thailand focus on flexible AI infrastructure, effective data management and local talent development to translate investment in AI and data centres into capabilities that businesses and industries can use. The company sees these priorities as foundations for long-term competitiveness and Thailand’s ambition to become a regional AI hub.
Speaking at Thailand Economic Outlook 2027: New Horizon Beyond the Trap, the chief executive of Huawei Technologies (Thailand) said advances in large language models and AI agents have yet to translate clearly into day-to-day operations at many businesses. He reported that AI token usage on Huawei Cloud Thailand in September 2026 was approximately 30 times its January level, while describing Thailand’s overall AI adoption as lower than that of Singapore, Malaysia and Vietnam.
The executive described an AI-driven economy as having five layers: energy, data centres, connectivity infrastructure, chips and AI models, and industrial applications. He identified Thailand’s energy infrastructure, expanding data centre investment and advanced telecommunications networks, particularly 5G, as strengths. However, he cautioned that the concentration of data centres in certain areas could constrain electricity supply, while Thailand faces limitations in advanced semiconductor technology and foundational AI model development. He recommended building on existing strengths rather than seeking to compete across every part of the global AI technology chain.
For businesses, a key recommendation is to build infrastructure that allows them to switch technologies and adopt new models without becoming overly dependent on one provider. Options include open-source models and platforms that avoid dependence on a single vendor. Organisations should also select on-premises deployment, public cloud services hosted in Thailand or overseas cloud services according to business requirements and data sensitivity, balancing performance, security and control.
To illustrate this approach, the executive cited a large Chinese bank with an AI research and development team of approximately 100 people. Rather than using model size or performance as its primary measure of success, the bank prioritises how quickly it can integrate new AI models into its existing systems.
He also recommended investing in data platforms and governance alongside AI software and computing infrastructure. His proposed approach combines Data Sovereignty, which preserves control over important information; Data Governance, which supports data quality and reliability; and Data Monetization, which turns data into business value. In his assessment, proprietary data and industry expertise will differentiate businesses even when they have access to AI models with similar capabilities.
Huawei also presented DIMAK, its AI Engineering framework introduced at HUAWEI CONNECT 2026 in Shanghai, China. The framework combines Data Engineering, Infrastructure Engineering, Model Engineering, Agent Engineering and Knowledge Engineering. It is intended to connect AI with business processes, covering data preparation, computing infrastructure, model integration, workflow design and the use of organisational knowledge, with the aim of generating measurable business value.
On workforce development, the executive urged organisations to give younger employees opportunities to experiment, solve problems and participate in practical AI projects. He argued that development should extend beyond classroom learning and technical certifications, with organisational leaders investing in employees, assigning challenging work and creating conditions in which their capabilities can grow.
As Thailand approaches 2027, Huawei’s recommendation is to develop the ability to apply AI alongside investment in digital infrastructure, focusing on how businesses can use the technology to improve productivity, develop innovations and create economic value.
