ต้นปี 2025 ฝั่งจีนเปิดเกมแรงด้วย DeepSeek‑R1 โมเดลภาษาขนาดใหญ่ที่ออกแบบมาเพื่อการ reasoning โดยเฉพาะ และทำผลงานได้ใกล้เคียงโมเดลระดับบนของค่ายตะวันตกในโจทย์คณิตศาสตร์ โค้ด และงานให้เหตุผลในหลาย benchmark

ไฮไลต์สำคัญคือการปล่อยโมเดลให้ใช้ได้อย่างเปิดกว้างภายใต้เงื่อนไขแบบโอเพ่นซอร์ส ทำให้ใครก็สามารถเอาไปปรับ ใช้ หรือรันเองได้ ไม่ได้จำกัดอยู่ในมือบริษัทใหญ่ไม่กี่เจ้าอีกต่อไป

ข่าวนี้ไม่ได้สะเทือนแค่ฝั่งเทค แต่ยังสะเทือนถึงตลาดทุน เพราะนักลงทุนเริ่มตั้งคำถามว่า ถ้าโอเพ่นซอร์สโมเดลความสามารถสูงเกิดขึ้นเรื่อย ๆ โลกอาจไม่ได้ยึดติดกับโมเดลปิดขนาดยักษ์และฮาร์ดแวร์ราคาแพงเท่าเดิม

ส่งผลให้หุ้น NVIDIA ร่วงหนักมาก และมูลค่าตลาดหุ้นรวมทั้งสหรัฐ หายไปหลายล้านล้านบาท

เรียกว่าสะเทือนโลกพอสมควร

สำหรับคนทำธุรกิจและคนสร้างแพลตฟอร์ม นี่คือสัญญาณว่า “AI ระดับสูงแต่ราคาจับต้องได้” ไม่ใช่อนาคตไกลตัวอีกต่อไป แต่มันเริ่มอยู่ในมือเราแล้ว

ขึ้นอยู่กับว่าใครออกแบบ product หรือระบบหลังบ้านให้ใช้ประโยชน์จากสิ่งนี้ได้ก่อน

ในช่วงปลายไตรมาสแรกของปี 2025 โมเดลระดับบนจากหลายค่ายเริ่มขยับไปในทิศทางเดียวกัน คือเน้นความสามารถด้าน reasoning และรองรับหลายโหมด (ข้อความ ภาพ เสียง) ในตัวเดียว แม้ยังไม่มีการประกาศรุ่น GPT‑4.5 หรือ GPT‑5 อย่างเป็นทางการจากฝั่ง OpenAI

ทิศทางที่เห็นชัดกว่าคือการเกิดขึ้นของฟีเจอร์แนว “Deep Research” จากหลายแพลตฟอร์ม ที่ให้ AI ไปค้นคว้าจากหลายแหล่งข้อมูลเอง 10–30 นาที แล้วกลับมาสรุปเป็นรายงานให้เราแทนการไล่อ่านทุกแหล่งด้วยตัวเอง

สำหรับหลายคน นี่คือครั้งแรกที่รู้สึกว่า “งานรีเสิร์ช” ที่แต่ก่อนต้องใช้เวลาหลายชั่วโมงหรือหลายวัน เริ่มถูกย่อให้เหลือระดับนาที แม้จะยังต้องมีคนคอยตรวจทานและตีความ แต่ภาระหนักย้ายจาก “อ่านทุกอย่างเอง” ไปเป็น “คิดและตัดสินใจ” แทน

สำหรับคนทำงานคอนเทนต์ การตลาด รีเสิร์ช หรือคอนซัลต์ นี่คือจุดเริ่มต้นของการออกแบบ workflow ใหม่ ที่ให้ AI ช่วยเตรียมฉาก เตรียมข้อมูล แล้วคนไปโฟกัสงานคิด งานกลยุทธ์ และงานเล่าเรื่องที่ซับซ้อนกว่าเดิม

สะเทือนพวก Consulting firm ทั่วโลกไปอีก

ช่วงปลายมีนาคมมีข่าวงานวิจัยที่ใช้คำว่า Super‑Turing AI สำหรับสถาปัตยกรรมและชิปที่เลียนแบบการทำงานของสมองมนุษย์ ใช้ synapse‑like elements ในการเรียนรู้แบบใช้พลังงานระดับนาโนวัตต์ เพื่อลดพลังงานอย่างมหาศาลเมื่อเทียบกับ AI แบบเดิม

แม้จะยังอยู่ในระดับห้องทดลอง แต่มันสะท้อนทิศทางว่าการพัฒนา AI เริ่มมองไกลกว่า transformer แบบมาตรฐาน ไปสู่การผสานแนวคิดด้านสมองกลและฮาร์ดแวร์เฉพาะทางเข้าด้วยกัน

ในช่วงไล่เลี่ยกัน โมเดลเชิง reasoning รุ่นใหม่และตระกูลโมเดลฝั่ง OpenAI อย่างสาย o‑series ถูกนำมาใช้มากขึ้น โดยวางตัวเป็นตัวเลือกที่สมดุลระหว่างความเก่งกับต้นทุน สำหรับงานที่ไม่จำเป็นต้องใช้โมเดลใหญ่สุดเสมอไป

สำหรับคนที่ต้องคิดต้นทุนจริง การมีตัวเลือกโมเดลหลายระดับในระบบเดียวกำลังกลายเป็นมาตรฐาน ทั้งเพื่อควบคุมค่าใช้จ่าย และเพื่อปรับประสบการณ์ให้เหมาะกับแต่ละ use case แทนการเอาโมเดลตัวเดียวไปทำทุกอย่าง

เดือนพฤษภาคมฝั่ง Google และ Anthropic เดินเกมหนัก Google DeepMind ประกาศ AlphaEvolve ซึ่งถูกวางเป็นเอเจนต์ช่วยออกแบบและพัฒนาอัลกอริทึมขั้นสูง โดยใช้เทคนิค evolution‑based ร่วมกับโมเดลตระกูล Gemini เพื่อหาวิธีแก้ปัญหาด้านโค้ดและคณิตศาสตร์ที่มีประสิทธิภาพมากขึ้น

พร้อมกันนั้น Google ยังเร่งใส่โหมด AI ใน Search ให้ AI เข้ามาช่วยตอบและสรุปผลการค้นหาในหน้าจอเดียวกัน และต่อยอดโมเดลสร้างวิดีโออย่าง Veo ควบคู่กับการดัน Gemini รุ่นล่าสุดเป็นหัวใจของประสบการณ์ AI ทั่ว ecosystem ของตัวเอง

ไม่กี่วันถัดมา Anthropic ปล่อย Claude 4 ที่ถูกออกแบบมาให้ “ทำงานยาว ๆ” ได้ดีขึ้น เช่น การรันงานที่ต้องใช้เวลาเป็นชั่วโมงในการคิด วางแผน และเขียนผลลัพธ์ชุดใหญ่ โดยลดปัญหาหลุดโฟกัสหรือหลงประเด็นเมื่อบทสนทนายาว

โดยการมี context window ขนาดใหญ่ มี memory ที่เขียนเก็บเองได้ และมีโหมดคิดยาว (Extended Thinking) ทำให้มันไม่ลืมงานหรือคำสั่งต้นทางได้ง่ายๆ

ภาพรวมคือ AI เริ่มไม่ใช่แค่เว็บแชตอีกแท็บหนึ่ง แต่มันเข้าไปอยู่ใน Search ในเอกสาร ในอีเมล และในเครื่องมือทำงานที่เราใช้ทุกวัน

สำหรับคนทำธุรกิจ นี่คือจุดที่ต้องถามว่า เมื่อค่ายใหญ่มี AI ติดอยู่ทุก custom touch points แล้ว เราจะสร้างคุณค่าเพิ่มตรงไหนที่เขายังไม่แตะ หรือแตะได้ไม่ลึกเท่าที่เราเข้าใจตลาด ภาษา หรืออุตสาหกรรมของเรา

เมื่อเข้าไตรมาสสอง–สาม ของปี 2025 คำว่า AI agent เริ่มดังขึ้นเรื่อย ๆ ไม่ใช่แค่ในงานทดลอง แต่ในผลิตภัณฑ์จริงของหลายเจ้า

แนวคิดหลักคือ แทนที่จะมีโมเดลตัวเดียวที่ทำทุกอย่าง เราเริ่มมีเอเจนต์หลายตัวที่รับบทต่างกัน เช่น ตัวหนึ่งเก่งค้นข้อมูล ตัวหนึ่งเก่งวิเคราะห์ ตัวหนึ่งเก่งเขียน และอีกตัวทำหน้าที่เป็น “ผู้จัดการ” คุมจังหวะการทำงาน

มาตรฐานอย่าง Model Context Protocol (MCP) จาก Anthropic ถูกผลักดันเพื่อให้โมเดลเชื่อมต่อกับฐานข้อมูลและเครื่องมือได้ง่ายขึ้น

ขณะที่ฝั่งอื่น ๆ ก็ออกมาตรฐานและโปรโตคอลคล้ายกัน เพื่อให้เอเจนต์คุยกันเองหรือเชื่อมต่อกันข้ามแพลตฟอร์ม

ในเชิงธุรกิจ นี่คือการเปลี่ยนกรอบคิดจาก “เราจะใช้ AI ตัวไหนดี” ไปสู่ “เราจะออกแบบทีมเอเจนต์ยังไงให้เข้ากับงานและคนของเรา”

ถ้าออกแบบดี มันจะไม่ใช่แค่ช่วยตอบแชต แต่ช่วยยกงานทั้งก้อนออกจากโต๊ะมนุษย์ ให้คนไปอยู่บนงานคิด ตัดสินใจ และสร้างความสัมพันธ์แทน

เดือน มิถุนายนมีข่าวใหญ่คือ Meta ทุ่ม 14 พันล้านดอลลาร์ซื้อหุ้น 49% ใน Scale AI เพื่อเสริม data‑labeling และ infra สำหรับโมเดลขนาดใหญ่ของตัวเอง

ในช่วงกลาง–ปลายปี 2025 ภาพของ “AI ในห้องแล็บ” ชัดขึ้นมาก จากรายงานและงานวิจัยหลายชุด

ระบบห้องแล็บอัตโนมัติและเอเจนต์หลายตัวถูกนำมาใช้ช่วยกันออกแบบ ทดลอง และวิเคราะห์โมเลกุลเพื่อหาวิธีรักษาโรคใหม่ ๆ ตั้งแต่การออกแบบโปรตีน ไปจนถึงการคัดกรองโมเลกุลยาจำนวนมหาศาล

ตัวอย่างเช่น งานวิจัยที่ใช้ generative AI ออกแบบเอนไซม์หรือโปรตีนใหม่สำหรับงานตระกูล CRISPR และการใช้เอเจนต์ช่วยควบคุมห้องแล็บอัตโนมัติ

แสดงให้เห็นว่า AI ไม่ได้แค่ช่วยนักวิทยาศาสตร์อ่านงานวิจัย แต่เริ่มมีบทบาทในการคิดค้นเครื่องมือและโมเลกุลใหม่โดยตรง

ถ้ามองยาว ๆ นี่ส่งผลต่อห่วงโซ่ใหญ่ ๆ ทั้งการแพทย์ สุขภาพ ประกัน และภาครัฐ เพราะถ้าโลกมีวิธีรักษาโรคแบบใหม่ ๆ ที่ออกแบบด้วย AI ได้เร็วขึ้น เราก็ต้องคิดใหม่ถึงรูปแบบความเสี่ยง สุขภาพประชากร และโมเดลธุรกิจรอบ ๆ สิ่งเหล่านี้

ช่วงเดือนสิงหาคม Google เปิดตัว Nano Banana โมเดลแก้ไขภาพที่กลายเป็นไวรัล และออกไลน์ Pixel ใหม่ที่ฝัง Gemini/agent ฟีเจอร์ลึกขึ้นในฮาร์ดแวร์ สร้างความฮือฮาได้พอสมควร

กันยายน: AI กลายเป็นเรื่องของไฟฟ้า ดาต้าเซ็นเตอร์ และภูมิรัฐศาสตร์

ช่วงปลายปี ประเด็นเรื่องฮาร์ดแวร์และพลังงานของ AI โผล่ขึ้นมาเด่นชัดขึ้น มีการสาธิตชิปและสถาปัตยกรรมแบบใหม่ที่เลียนแบบสมองมนุษย์ เพื่อให้การประมวลผล AI ใช้พลังงานลดลงหลายระดับ

ในขณะเดียวกัน หลายประเทศเดินหน้าสร้างซูเปอร์คอมพิวเตอร์ AI และดาต้าเซ็นเตอร์ของตัวเอง เพื่อไม่ต้องพึ่งโครงสร้างพื้นฐานจากประเทศอื่นเพียงไม่กี่ราย ทำให้เรื่อง AI ไปผูกโยงกับไฟฟ้า ความเย็น เน็ตเวิร์ก ชิป และห่วงโซ่การผลิตระดับโลก

สำหรับคนทำแพลตฟอร์มและ SaaS แม้จะไม่ได้ไปยุ่งกับชิปเอง แต่ต้องเข้าใจว่าคอขวดเหล่านี้จะกำหนดทั้งราคา ความเร็ว และความเสถียรที่เราส่งมอบให้ลูกค้าได้จริง และมีผลต่อ margin ระยะยาวของธุรกิจ

ปลายปี: Copilot กลายเป็นของธรรมดาในงานความรู้

ช่วงท้ายปี 2025 จากรายงาน/สำรวจหลายชุด เริ่มใช้โทนเดียวกันว่า “ตอนนี้ AI กลายเป็นส่วนหนึ่งของงานประจำวันไปแล้ว” โดยเฉพาะในสายงานความรู้และสายเทค

การสำรวจหลายชุดสะท้อนว่าคนทำงานจำนวนมากใช้ generative AI ทั้งในงานและชีวิตส่วนตัว ตั้งแต่ช่วยเขียนอีเมล ทำสรุปประชุม วิเคราะห์ข้อมูล ไปจนถึงช่วยคิดแผนการตลาดและโค้ด

Frontier model รุ่นใหม่ ๆ จากแต่ละค่าย ไม่ว่าจะเป็นสาย GPT‑5 และตระกูล o‑series ของ OpenAI, Claude 3/4 ของ Anthropic, Gemini รุ่นล่าสุดของ Google หรือ Grok รุ่นอัปเดตจากฝั่ง X ล้วนถูกวางตำแหน่งเป็นผู้ช่วยทำงานเต็มรูปแบบ เช่น Coding copilot, Research copilot หรือ Strategy copilot

เมื่อมองจากมุมองค์กร นี่คือจุดที่ AI เลิกเป็นโปรเจกต์ทดลองในมุมห้อง แล้วกลายเป็นสิ่งที่ต้องเอาเข้าไปอยู่ใน core process ของธุรกิจ เช่น ฝ่ายลูกค้าสัมพันธ์ การเงิน การวิเคราะห์ข้อมูล และการตัดสินใจเชิงกลยุทธ์

ข่าวใหญ่ส่งท้ายปี Meta ประกาศซื้อ Manus AI สตาร์ทอัป “general‑purpose agents” ที่โฟกัส AI ทำงานแทนคน (ไม่ใช่แค่แชตบอต) ดีลมูลค่าโดยประเมินราว 2–3 พันล้านดอลลาร์ เป็นสัญญาณชัดเจนว่า Meta จะเล่นเกม “AI agents ที่ใช้งานจริงใน consumer + business products”

ก่อนหน้านี้เรามักถามกันว่า “ใช้โมเดลไหนดีที่สุด” แต่ในโลกจริงปี 2025 องค์กรจำนวนมากเริ่มใช้หลายโมเดลในระบบเดียว แยกกันทำงานตามความถนัด แล้วมีเลเยอร์กลางคอย orchestration

สำหรับคนสร้างแพลตฟอร์ม นี่คือโอกาสในการออกแบบ “AI Gateway” หรือ “Agent Layer” ที่คุมว่าจะใช้โมเดลไหนกับงานไหน วัดผลอย่างไร คุมต้นทุนยังไง และเชื่อมกับระบบเดิมขององค์กรยังไง ซึ่งถ้าวางดี ๆ จะกลายเป็นจุดยึดที่ลูกค้าย้ายออกยากในระยะยาว

ปีนี้หลายองค์กรไม่ได้ถามแค่ว่า “AI ทำอะไรได้บ้าง” แต่เริ่มถามว่า “แล้วในบริษัทฉันมันคืนทุนจริงมั้ย” รายงานจากหลายสำนักสะท้อนภาพเดียวกันว่า การนำ AI เข้าสู่ production เพิ่มขึ้น แต่ผลลัพธ์ต่างกันมากระหว่างองค์กรที่เตรียมพร้อมกับที่ยังไม่พร้อม

สิ่งที่แบ่งคนที่ทำสำเร็จกับคนที่ไม่รอด คือคุณภาพข้อมูล การจัดการการเปลี่ยนแปลง และการวัดผลที่ชัดเจน ไม่ใช่แค่การมีโมเดลที่เก่งที่สุดเพียงอย่างเดียว

สำหรับ startup และผู้ประกอบการ นี่คือสัญญาณว่า “ขายภาพฝัน AI” อย่างเดียวไม่พออีกต่อไป ลูกค้าเริ่มมองหาเคสใช้งานจริง ตัวเลขจริง และความเข้าใจ domain ที่ลึกพอจะช่วยเขาออกแบบกระบวนการใหม่ ไม่ใช่แค่โยน chatbot ไปตัวหนึ่งแล้วจบ

ปี 2025 ทำให้ภาพของ open‑source และ sovereign AI ชัดขึ้นกว่าเดิม โมเดลอย่าง DeepSeek‑R1, Qwen, Llama และตระกูล open‑source อื่น ๆ ช่วยให้ประเทศ องค์กร และผู้เล่นใหม่มีทางเลือกในการสร้าง “AI Stack ของตัวเอง” มากขึ้น สำหรับภูมิภาคอย่างเอเชียตะวันออกเฉียงใต้หรือประเทศกำลังพัฒนา นี่คือจังหวะทองในการเลือกว่าจะ “อยู่ ecosystem ไหน” หรือจะทำตัวเป็นตัวกลางเชื่อมหลาย ecosystem เข้าด้วยกัน

ปีนี้กรอบกฎหมายอย่าง EU AI Act เริ่มเดินหน้าจริงจัง ทั้งการเตรียมบังคับใช้ข้อกำหนดสำหรับระบบ AI ความเสี่ยงสูงในช่วง 2025–2027

ขณะที่จีน สหรัฐ และอังกฤษก็พัฒนากรอบกำกับดูแลในแบบของตัวเอง ทำให้ระบบ AI ที่จะขายองค์กรใหญ่ต้องตอบได้ว่า ใช้ข้อมูลอะไร อยู่ตรงไหน ใครรับผิดชอบ ตรวจสอบอย่างไร และมีมนุษย์อยู่ตรงไหนในวงจรการตัดสินใจ

พูดสั้น ๆ คือ governance ไม่ใช่ add‑on ที่มาเติมทีหลัง แต่ต้องถูกออกแบบตั้งแต่วันแรก ทั้งในระดับเทคโนโลยี และระดับองค์กร บริษัทที่ช่วยทำหน้าที่เป็น “เลเยอร์กำกับดูแล” หรือ “ศูนย์ควบคุมคุณภาพของ AI” จะมีบทบาทมากขึ้นเรื่อย ๆ

ข้อมูลจากการสำรวจแรงงานสะท้อนตรงกันว่า การใช้ generative AI ทั้งในงานและชีวิตส่วนตัวเพิ่มขึ้นอย่างต่อเนื่อง จนระดับการใช้งานเข้าใกล้หรือแซงหน้าการยอมรับคอมพิวเตอร์ในยุคแรก ๆ

ภาพง่าย ๆ คือ คนทำงานจำนวนมากมี AI อย่างน้อยหนึ่งตัวเป็นผู้ช่วยประจำ ทั้งเรื่องเขียนโค้ด ตรวจโค้ด สรุปงาน ตอบแชตลูกค้า ทำสไลด์ และคิดไอเดียการตลาด

สิ่งที่เปลี่ยนไม่ใช่แค่เครื่องมือ แต่คือ “มาตรฐานใหม่ของ productivity” ใครใช้เป็นและออกแบบ workflow ให้เข้ากับตัวเองได้ดี จะทำงานได้เร็วและลึกกว่าคนที่ยังทำทุกอย่างด้วยมือเหมือนเดิม ......

ถ้ามองย้อนทั้งปี 2025 จะเห็นทั้งข่าวใหญ่ โมเดลใหม่ และโปรเจกต์ระดับโลกเต็มไปหมด แต่สำหรับบริบทไทยและคนที่กำลังสร้างแพลตฟอร์ม/โซลูชัน AI สิ่งที่น่าจะมีผลที่สุดมีอย่างน้อยสองเรื่อง