ข่าว AI ที่กำลังขยับตอนนี้
ข่าวจากหลายแหล่งที่รวมเป็นเรื่องเดียวให้แล้ว เหมาะสำหรับเช็กระหว่างวัน ก่อนเลือกอ่านต้นทางต่อ
AI data center คาดกินไฟสหรัฐฯ 20% ในปี 2035 หลายรัฐเริ่มจำกัดก่อสร้าง
BloombergNEF รายงานว่าภายในปี 2035 data center ในสหรัฐฯ จะใช้ไฟฟ้าเกือบหนึ่งในห้าของทั้งประเทศ ซึ่งเป็น 4 เท่าของวันนี้ โดยเกือบครึ่งของกำลังการผลิตใหม่ 200 GW จะใช้สำหรับเทรนและ inference AI โครงข่ายไฟฟ้าหลายแห่งตึงตัวอยู่แล้ว เช่น PJM ต้องจัดสรร 34% ของกำลังการผลิตให้ data center ในขณะเดียวกัน นิวยอร์กกลายเป็นรัฐแรกที่สั่งพักใบอนุญาต data center ใหญ่เป็นเวลา 1 ปี ส่วนยูทาห์เพิ่งอนุมัติ Stratos Project ขนาด 40,000 เอเคอร์ที่ใช้ไฟ 9 GW ซึ่งมากกว่าทั้งรัฐ ความกังวลเรื่องค่าไฟ สิ่งแวดล้อม และน้ำทำให้ชุมชนหลายแห่งเริ่มต่อต้าน และอีกหลายรัฐกำลังพิจารณามาตรการคล้ายกัน
Trump Media ลดสเกล Truth Predict Volume ส่วนใหญ่ของตลาดคาดการณ์คือการพนัน
ข่าวนี้รวบรวมสามมุมมองของ prediction markets ในปี 2026 WIRED รายงาน Trump Media ถอยจากแผนเดิมที่จะเปิด Truth Predict ร่วมกับ Crypto.com เหลือแค่ marketing deal กับ OG.com Forbes มองว่า event-driven signals จากตลาดคาดการณ์ให้ price discovery เร็วกว่าตลาดดั้งเดิม ส่วน Y Combinator ชี้ข้อมูล volume 90% ของ Kalshi และ 80% ของ Polymarket เป็น sports/crypto/election betting ไม่ใช่ข้อมูลที่ช่วยตัดสินใจได้จริง หมายความว่าตลาดคาดการณ์ยังห่างจากเป้าหมายเดิมที่ว่าจะเป็นข้อมูลสาธารณะที่มีประโยชน์
AI Agent ในองค์กร: ปัญหาคือ Data และ Governance ไม่ใช่ Model
จาก 4 บทความใน Forbes มีประเด็นร่วมกันว่า AI agent ยังไม่พร้อม deploy เป็น product ทันที ต้องเริ่มเป็น experiment ก่อน ปัญหาหลักคือ data quality และ governance ไม่ใช่ model selection ตัวอย่างจาก Walmart ที่ใช้ AI สร้าง prototype เร็วแต่ต้องมี engineering work ตามมา ส่วน Palo Alto Networks บอกว่า agent ตัวแรกควรเป็น experiment ไม่ใช่ product และใน regulated industries ต้องมี harnesses ควบคุม input/output/tools/memory สุดท้าย Gartner คาดว่า 30% ของ GenAI projects จะถูก abandon หลัง POC เพราะ data ไม่ดี
Google Gemini ใกล้แตะ 1 พันล้านผู้ใช้ เตรียมลง Android และรถยนต์เพิ่ม
Google ประกาศว่า Gemini มีผู้ใช้ประมาณ 950 ล้านคนต่อเดือน แซงหน้า ChatGPT ในส่วนแบ่งตลาด AI assistant (Sensor Tower บอก Gemini อยู่ที่ 27.7% ส่วน ChatGPT ต่ำกว่า 50% เป็นครั้งแรก) พร้อมกันนี้ยังขยาย Gemini ใน Chrome ไปอีก 7 ประเทศใน APAC รวมถึงญี่ปุ่น เกาหลีใต้ และเวียดนาม ส่วน Android จะได้ Gemini ใน Chrome ในเดือนมิถุนายนนี้ (ต้อง RAM 4GB ขึ้นไป, OS 12+) ฝั่งรถยนต์ Volvo, Polestar, GM เริ่มติดตั้ง Gemini ในระบบ infotainment แต่มีเสียงบ่นจากผู้ใช้ใน Reddit ว่าช้าและใช้งานยุ่งยาก นอกจากนี้ Gemini Spark เอเจนต์ส่วนตัว (AI Ultra $100/เดือน) เพิ่งเปิดตัว beta ซึ่งผู้ใช้รีวิวว่าสร้าง itinerary ได้ดีแต่ยังมีมุกตลก ๆ อย่างจัดเพื่อนสนิทเป็น “close friend” แทนแฟนจริง
Microsoft ฝึกทีมขายโจมตี OpenAI และ Anthropic หันใช้โมเดลของตัวเองใน Office
Microsoft เริ่มเปลี่ยนกลยุทธ์ AI ครั้งใหญ่ จากที่เคยพึ่งพา OpenAI และ Anthropic ตอนนี้กลับฝึกทีมขายให้เปรียบเทียบโมเดลของคู่แข่งว่าแพงกว่าและช้ากว่า พร้อมกับเริ่มใช้โมเดล MAI ของตัวเองใน Word และ Excel แทนของ OpenAI/Anthropic บางส่วนแล้ว ตามรายงานของ Bloomberg ผู้บริหารบอกว่าคนอื่นขายแค่ชิ้นส่วน แต่ Microsoft ขายระบบ end-to-end ทั้งหมด การเปลี่ยนแปลงนี้เกิดขึ้นหลังจากที่สัญญา exclusive กับ OpenAI ถูกยกเลิกไปเมื่อเดือนเมษายน ทำให้ Microsoft ต้องแข่งขันกับคู่แข่งที่เคยเป็นพาร์ทเนอร์โดยตรง
จากแล็บถึงบ้าน: อนาคต AI data centers ที่เปลี่ยนรูป Lila, Nvidia, Sunrun และผลสำรวจ
หลายข่าวใหญ่ชี้ทิศทาง AI data centers กำลังเปลี่ยนจากตึกยักษ์รวมศูนย์เป็นรูปแบบใหม่ที่กระจายและยืดหยุ่นกว่า Lila Sciences มองว่า lab อนาคตคือ data center อัตโนมัติที่ผลิต experimental tokens กว่า 10T+ ด้วยระบบ robotics และ vision-language model ขณะที่ Sunrun ทดลองวาง compute nodes ในบ้านลูกค้าเพื่อสร้าง distributed infrastructure ด้าน Nvidia ประกาศ Rubin generation data center ที่ใช้น้ำน้อยลง ขณะที่ผลสำรวจ Gallup บอกว่า 70% คนอเมริกันไม่เอา data center ใกล้บ้าน Forbes ชี้แจงความเข้าใจผิดว่าคนมอง data center เป็นแค่ warehouse ทั้งที่จริงคือ decision engine ที่ขับเคลื่อน real-time AI
OpenAI เปลี่ยน default model ChatGPT เป็น GPT-5.5 Instant ลด hallucination 52.5%
OpenAI ทยอยเปลี่ยน default model ของ ChatGPT ทุกแผนเป็น GPT-5.5 Instant ตั้งแต่วันนี้ โดยเคลมว่าลด hallucination ในหมวดการแพทย์ กฎหมาย การเงินลง 52.5% และลดคำตอบที่ผิดใน conversations ที่ผู้ใช้เคย flag ไว้ 37.3% นอกจากนี้ยังตอบสั้นลง 30.2% ใช้ emoji น้อยลง และถามคำถามซ้ำน้อยลง พร้อมเปิดตัว memory sources ที่ให้ผู้ใช้เห็น context ที่ ChatGPT ใช้ personalize คำตอบ และลบหรือแก้ไขได้ GPT-5.3 Instant จะยังใช้ได้อีก 3 เดือนสำหรับผู้ใช้จ่ายเงิน ส่วน personalization ที่ดีขึ้นเริ่มใน Plus/Pro ก่อน
SpaceXAI เปิดตัว Grok 4.5 โมเดล Opus-class ราคาถูกกว่า เน้น coding และ agents
SpaceXAI เปิดตัว Grok 4.5 โมเดลใหม่ที่ Elon Musk บอกว่าอยู่ในระดับ Opus-class แต่เร็วกว่าและ token-efficient กว่า ราคา $2/ล้าน input tokens และ $6/ล้าน output tokens เทียบกับ Opus 4.7 ที่ $5/$25 และ OpenAI Luna ที่ $1/$6 โมเดลนี้ถูกเทรนร่วมกับ Cursor เน้น coding และ agents เป็นหลัก มีให้ใช้ใน Grok Build, API, และ Cursor ทันที โดย Cursor ให้ double usage สัปดาห์แรกเพื่อทดสอบประสิทธิภาพ
Trust Gap ฉุดองค์กรใช้ Agentic AI กว่า 70% ยังไม่มี Governance พอ
องค์กรกำลังนำ AI agent มาใช้เร็วกว่าที่จะสร้างระบบควบคุมไว้รองรับ Deloitte ชี้ 74% จะใช้ agentic AI ใน 2 ปี แต่มีเพียง 21% ที่มี governance model สำหรับ autonomous agent ที่成熟 พอๆ กัน ความรู้โบราณใน legacy code (COBOL, RPG) กำลังหายไปพร้อมพนักงานเกษียณ ทำให้ modernization ยากขึ้นหลายเท่า สิ่งที่ขาดคือ trust ที่ออกแบบตั้งแต่ต้น ไม่ใช่แค่ policy ที่เขียนไว้ แต่ system ต้องพิสูจน์การทำงานของตัวเองได้ โดยเฉพาะใน regulated industry ซึ่ง AI hallucination สร้างความเสียหายรุนแรงกว่าความผิดพลาดทั่วไป
งานวิจัยจาก arXiv เผย LLM จำลองพฤติกรรมลูกค้า สร้างข้อมูลสังเคราะห์ และมีอคติต่อแบรนด์ดัง
มีงานวิจัยใหม่จาก arXiv หลายชิ้นที่สำรวจการใช้ LLM ในฝั่ง consumer behavior และ marketing โดยตรง ชิ้นแรกเสนอ Large Behavior Model (LBM) ที่เรียนรู้พฤติกรรมการซื้อจากข้อมูล retail จริงเพื่อจำลองการตัดสินใจของลูกค้า อีกชิ้นทดลองใช้ LLM สร้างข้อมูลสังเคราะห์สำหรับ projective techniques ทางการตลาด พบว่าทำได้ดีในบางเงื่อนไข ชิ้นที่สามพบว่า LLM แนะนำสินค้ามีอคติต่อแบรนด์ดังแบบ monopoly โดยเฉพาะสินค้าที่ตัดสินใจยาก ส่วนชิ้นสุดท้ายเสนอวิธี fine-tune LLM ให้ตอบรีวิวออนไลน์ได้ตรงกับความชอบของมนุษย์มากขึ้น ภาพรวมคือ LLM กำลังถูกใช้ทั้งเป็นเครื่องมือวิเคราะห์และสร้างข้อมูลพฤติกรรม แต่ก็มี bias ที่ต้องระวัง
Character.AI เปิดตัวซีรีส์ไมโครดรามา AI ให้ผู้ใช้แชทกับตัวละครในเรื่องได้
Character.AI เปิดตัว c.ai Series ไมโครดรามา 3 เรื่องแรก ได้แก่ "Last Summer" แนวโรแมนซ์ "The Nighttime Game" แนวสยองขวัญ และ "Eden Fall" แนวเอาชีวิตรอด ซีรีส์ผลิตด้วยเครื่องมือ AI ของบริษัท โดยผู้ใช้ที่อายุ 18+ สามารถแชทกับตัวละคร ถามคำถาม หรือ roleplay ไปกับเนื้อเรื่องได้ ต่างจากไมโครดรามาทั่วไปที่ดูอย่างเดียว ที่นี่คุณมีปฏิสัมพันธ์กับตัวละครได้จริง อนาคต Character.AI วางแผนให้ผู้ใช้สร้างซีรีส์ของตัวเองได้ และกำลังทดสอบ c.ai FM สำหรับสร้างออดิโอซีรีส์กับ c.ai Reads สำหรับสร้างนิยาย ซึ่งสอดคล้องกับการปรับตัวเป็นแพลตฟอร์มบันเทิงมากขึ้น หลังผู้ใช้ใช้เวลาบนแอปเฉลี่ย 950 นาทีต่อเดือนในช่วงครึ่งแรกของปี
นักวิจัยชูแนวทางตรวจสอบ AI Agent ก่อน deploy เน้น Human-in-the-Loop และ Declarative Control
ชุดงานวิจัยจาก arXiv หลายฉบับชี้ให้เห็นว่า AI agent ที่ทำงานแบบ multi-step ต้องมีการควบคุมและตรวจสอบที่แข็งแรงกว่าการใช้ prompt guardrails หรือ monitoring หลัง deploy ธรรมดา งานของ Credo เสนอให้ใช้ Beliefs and Policies แบบ declarative แทน imperative loops เพื่อให้พฤติกรรมตรวจสอบได้ SEA เสนอ architecture ที่แยก steering adapter ออกจาก frozen base model พร้อม anytime-valid gate ที่ emit certificate ทุกครั้งที่มีการแก้ไข ขณะที่อีกงานเสนอ ontology-grounded simulation เพื่อ certify agent ก่อนปล่อยจริง และมีงานที่ออกแบบ decoupled human-in-the-loop สำหรับ multi-agent environments โดยเฉพาะ ข้อสรุปคือการ deploy AI agent ใน production ต้องมี layer ของการตรวจสอบ (verification) และ human oversight ที่ออกแบบมาเป็นส่วนหนึ่งของระบบ ไม่ใช่แค่เพิ่ม guardrails ทีหลัง
Quantum computing ใกล้ถึงจุดถอดรหัส RSA Google และ Cloudflare เร่งย้ายไป PQC ภายในปี 2029
ความก้าวหน้าทั้ง hardware และ software ด้าน quantum กำลังทำให้วัน Q-day (วันที่ quantum computer ถอดรหัส RSA/ECC ได้จริง) ใกล้เข้ามาเร็วขึ้น โดยเฉพาะงานวิจัยของ Iceberg Quantum ที่ลดจำนวน qubits ต้องใช้ถอด RSA-2048 จาก ~940k เหลือต่ำสุด 22,000 ขณะที่ Google Quantum AI สาธิตการใช้ reinforcement learning ปรับเทียบ quantum computer แบบ real-time โดยไม่ต้องหยุด computation ฝั่งเครือข่าย quantum ก็ขยายตัว เช่น Chicago Quantum Exchange เปิด testbed 124 ไมล์ และ QUANT-NET ที่ Berkeley ทดสอบ distributed quantum computing ทำให้ Big Tech อย่าง Google และ Cloudflare เลื่อน deadline PQC readiness จากเดิม ~2034 มาเป็น 2029 และเริ่มแนะนำให้องค์กรเร่ง inventory และเปลี่ยนอัลกอริทึม crypto ของตัวเองก่อนที่ quantum จะพร้อมจริง
4 บริษัท physical AI ระดมทุน $15B+ ใช้หุ่นยนต์สร้างโซลาร์ฟาร์ม-ดาต้าเซ็นเตอร์
สัปดาห์นี้มีข่าวใหญ่ในวงการ physical AI หลายบริษัทระดมทุนก้อนโตเพื่อใช้หุ่นยนต์และ AI สร้างโครงสร้างพื้นฐาน Gritt ได้ $34M ใช้หุ่นยนต์ off-the-shelf ติดตั้งแผงโซลาร์ Prometheus ของ Jeff Bezos ระดม $12B มูลค่า $41B สร้าง 'artificial general engineer' สำหรับออกแบบระบบกายภาพ Atoms ของ Travis Kalanick ได้ $1.7B จาก a16z และ Uber มุ่งทำเหมืองและอุตสาหกรรม ส่วน SoftBank ตั้ง Roze AI ใช้หุ่นยนต์สร้าง data center วางแผน IPO $100B ในปี 2026 ทั้งหมดสะท้อนว่า AI กำลังย้ายจากโลกดิจิทัลมาสู่การก่อสร้างและผลิตจริง
Thinking Machines เปิดตัว Inkling โมเดล open-weight 975B ตัวแรก ใช้ Apache 2.0
Thinking Machines Lab (ทีมจาก OpenAI เดิม นำโดย Mira Murati) ปล่อย Inkling โมเดล open-weight ตัวแรกของบริษัท ใช้สถาปัตยกรรม MoE ขนาด 975B parameters (41B active) ฝึกบน 45 ล้านล้าน token multimodal รองรับข้อความ รูปภาพ เสียง และวิดีโอ ความยาว context สูงสุด 1M token โมเดลแจกภายใต้ Apache 2.0 ให้โหลดไปใช้หรือ fine-tune ผ่านแพลตฟอร์ม Tinker ได้ทันที Inkling ไม่ได้เคลมว่าแรงที่สุดใน benchmark แต่ถูกออกแบบมาให้ปรับแต่งง่ายสำหรับองค์กร ควบคุม thinking effort ได้ และใช้ token น้อยกว่า Nemotron 3 Ultra ถึง 3 เท่าในงาน coding บางประเภท
AI กับ human agency แตก: ผู้เชี่ยวชาญชี้มนุษย์ต้องรักษา outer loop ไว้ Latent.Space, Forbes, TechCrunch
งาน AI Engineer World's Fair 2025 และบทความจาก Forbes ชี้ชัดว่าความตึงเครียดระหว่าง AI automation กับ human agency กำลังถึงจุดแตกหัก อดีต Google engineer Addy Osmani ย้ำว่า agents ควรทำงานใน inner loop (execution) แต่มนุษย์ต้องถือ outer loop (agency) ไว้ ด้าน Forbes เตือน product สมัยใหม่ที่ใช้ AI สร้างการเสพติดแบบ social media จะอยู่ไม่ได้อีกต่อไป เพราะ AI ต้อง liberate agency ไม่ใช่ bypass brain ขณะที่ TechCrunch รายงานรัฐบาลสหรัฐฯเริ่มควบคุมการปล่อย frontier models (Anthropic, OpenAI) ซึ่งอาจจำกัดการเข้าถึง AI ของตลาดนอก US อย่างอินเดีย dev และ founder ต้องตัดสินใจเชิงสถาปัตยกรรมและยุทธศาสตร์ทันที
OpenAI เสนอกรอบกำกับ AI ระดับชาติ ขณะที่กระบวนการอนุมัติโมเดลยังคลุมเครือ
OpenAI ทยอยออกนโยบายหลายฉบับ ตั้งแต่ scorecard วัด ROI ของ AI, blueprint การกำกับดูแล AI ระดับชาติ, มาตรฐานการประเมิน third-party, ไปจนถึงความร่วมมือกับกระทรวงพลังงานสหรัฐฯ และรัฐบาลอังกฤษ ขณะที่ TechCrunch รายงานว่ากระบวนการอนุมัติโมเดล frontier อย่าง Sol ยังไม่โปร่งใส ทั้งนักวิจัยและอดีตที่ปรึกษาทำเนียบขาวต่างยอมรับว่าไม่มีใครรู้เกณฑ์ชัดเจน ทำให้เกิดคำถามเรื่อง gatekeeping และอำนาจตัดสินใจ
OpenAI ทุ่ม $750B สร้าง data center 3.2GW ใน Georgia ใช้ก๊าซธรรมชาติเป็นหลัก
OpenAI ประกาศแผนใช้จ่าย $750B ภายในปี 2030 เพื่อสร้างโครงสร้างพื้นฐาน AI ซึ่งมากกว่าที่เคยประมาณไว้ 25% โดยโปรเจกต์แรกคือ Project Camellia ใน Effingham County, Georgia ขนาด 1,400 เอเคอร์ กินไฟ 3.2GW ส่วนใหญ่มาจากก๊าซธรรมชาติตามเอกสารที่ยื่นต่อ Georgia PSC OpenAI จะจ่ายค่าโครงสร้างและไฟฟ้าทั้งหมด โดยได้รับการลดภาษีทรัพย์สิน 50% นาน 15 ปี และต้องลดการใช้ไฟลง 1GW ในช่วงพีค ไฟฟ้าคาดว่าจะเริ่มจ่ายได้ระหว่างปี 2028-2032 แต่ยังไม่ระบุวันเปิด GPU แน่ชัด
Fraudster ใช้ AI หลอกคน ระบบป้องกันต้องเชื่อมข้อมูลข้าม session
สามบทความจาก Forbes และ TechRadar ชี้ให้เห็นว่า AI กลายเป็นอาวุธสองคม борьกับ fraud ทั้งช่วยผู้โจมตีสร้าง deepfake ใบหน้า เสียง และวิดีโอปลอมในการหลอกโอนเงิน (เช่น เคส $25M ในปี 2024) และช่วยผู้ป้องกันตรวจจับรูปแบบผิดปกติ ปัญหาคือหลายองค์กรเพิ่มโมเดล AI แต่ fraud ไม่ลด เพราะข้อมูลใช้เทรนมีน้อยและ fraudster ก็ปรับตัวเร็ว ทางออกคือไม่มองแต่ละธุรกรรมแยกกัน แต่เชื่อมข้อมูลข้าม session, device, และองค์กร เพื่อจับ pattern ของ serial fraud โดยเฉพาะกลุ่มที่ใช้ fake identity ปริมาณสูง หรือ injection ภาพปลอมเข้ากระบวนการ verify โดยตรง
7 หลักออกแบบ Agentic AI ที่เชื่อถือได้จากงานวิจัยและการใช้งานจริง
ชุดบทความนี้ชี้ว่า Agentic AI ที่จะเอาไปใช้จริงต้องมีโครงสร้างความน่าเชื่อถือมากกว่าแค่โมเดลเก่งๆ งานวิจัยเสนอ CPSAINT framework แยก failure path เป็น 7 ชั้น (Physical, Sensor, Data, Compute ฯลฯ) เพื่อวัด residual risk ส่วน Shippy agent จาก Ai2 แนะนำให้แยก architecture เป็น soul (prompt), skills (tools), config (runtime) เพื่อ version และ deploy ได้ง่าย อีกด้าน Forbes หลายชิ้นเตือนเรื่อง hidden cost ของ data plumbing และการออกแบบองค์กรที่ต้องรองรับ agent ไม่ใช่แค่ automation แต่ต้องมี governance และ trust framework ที่ชัดเจน