ไอซีที

เปิดวิชั่น AWS ไทย ชูตลาดกลางเชื่อม GenAI ทุกแบรนด์

วัตสัน ถิรภัทรพงศ์
วัตสัน ถิรภัทรพงศ์

เข้าสู่ปีที่สองที่ยักษ์ใหญ่คลาวด์อย่างอะเมซอน เว็บ เซอร์วิสเซส (AWS) ประกาศลงทุน 1.5 แสนล้านบาทในประเทศไทยเป็นเวลา 15 ปี สอดรับพอดีกับเทรนด์ปัญญาประดิษฐ์ (AI) ที่ต้องพึ่งพาโครงสร้างพื้นฐานคลาวนด์อย่างมาก โดยเฉพาะ Generative AI ที่พัฒนาก้าวกระโดดเร่งให้ภาคธุรกิจตื่นตัวอย่างมาก บริษัทเทคโนโลยีทั้งหลายต่างเข็นโมเดลภาษาขนาดใหญ่ พัฒนา Generative AI ของตนเองออกมา ไม่ว่าจะเป็นโมเดล GPT ของ Open AI-Microsoft โมเดล Claud ของ Anthropic-Google หรือ Llama ของ Meta โมเดลสำหรับสร้างภาพจากข้อความอย่าง Stable Diffusion รวมถึง AWS ก็ดัน AWS Titan ลงมาแข่งขัน

“ประชาชาติธุรกิจ” ได้พูดคุยกับ “วัตสัน ถิรภัทรพงศ์” ผู้จัดการ AWS ประเทศไทย เกี่ยวกับเป้าหมายที่จะมุ่งเน้นการช่วยลูกค้าให้ใช้เทคโนโลยีคลาวด์ขั้นสูง และนำพลังของ GenAI มาใช้ประโยชน์ในองค์กรได้สูงสุด โดย AWS ต้องการเป็น “ตลาดกลาง” ให้ลูกค้าผู้ใช้งานเลือกใช้โมเดลภาษาข้ามแพลตฟอร์มได้

ตลาดคลาวด์และการลงทุนในไทย

“วัตสัน” กล่าวว่า เรื่องการพัฒนาโครงสร้างพื้นฐาน “AWS Asia Pacific (Bangkok) Region” ได้ประกาศการลงทุนไปแล้วตั้งแต่ปี 2565 จำนวน 5,000 ล้านเหรียญสหรัฐ หรือราว 1.5 แสนล้านบาท ภายใน 15 ปี ตกปีละ 300 ล้านบาท ซึ่งในปีเดียวกันนั้น ได้มีการตั้ง AWS Region ในประเทศไทย ประกอบด้วย 3 Available Zone แต่ละ Available Zone ก็จะมี Data Centre

“Availability Zone” ของ AWS ทั้งหมดมี 87 ทั่วโลก ดังนั้นสถานะของ Cloud Region จึงสำคัญ และใหญ่กว่าดาต้าเซ็นเตอร์มาก ตรงนี้เราต่างจากรายอื่น ๆ ที่อาจมาแค่ดาต้าเซ็นเตอร์ ขณะที่ Cloud Region มีศักดิ์และศรีในระดับโลก ซึ่งในโลกนี้มีเพียง 33 แห่ง และกำลังตั้งใหม่อีก 4 แห่ง เราจึงวางสถานะประเทศไทยเป็นพื้นที่ให้บริการโครงสร้างพื้นฐานระดับโลก

การลงทุน AWS Asia Pacific (Bangkok) Region จะเฉลี่ยปีละ 300 ล้านบาท เป็นการนำเข้าอุปกรณ์ และใช้จ่ายเพื่อการหาคนมาดูแล Available Zone ต่าง ๆ แต่ไม่สามารถเปิดเผยพื้นที่ได้ ด้วยมาตรการความปลอดภัยของบริษัท

ส่วนการร่วมงานกับรัฐบาลเพื่อสร้างแนวทาง Cloud First Policy เป็นไปอย่างดีและเห็นว่าเป็น “สัญญาณที่ดี” แต่ยังต้องรอดูว่ารัฐบาลจะปฏิบัติการขับเคลื่อนอย่างไร

“ในแง่ขนาดตลาด บริษัทวิจัย IDC ระบุว่า บริการคลาวด์สาธารณะในประเทศไทยมีมูลค่าจะสูงถึง 2.5 พันล้านเหรียญสหรัฐภายในปี 2570 โดยมีอัตราการเติบโตรายปีแบบผสมหรือ CAGR (Compound Annual Growth Rate) ในระยะเวลา 5 ปีที่ 18.6%”

ทิศทาง AWS ประเทศไทย 2567

“วัตสัน” กล่าวว่าทิศทางAWS ในประเทศไทยจะมี 4 ส่วนหลักด้วยกัน เรื่องแรก คือ ในลูกค้ากลุ่มอุตสาหกรรมจะเน้นการเข้าไปมีส่วนร่วมหรือโตไปพร้อมกับลูกค้า คุยกับลูกค้าในภาษาของเขามากขึ้น มี 8 กลุ่มอุตสาหกรรมหลัก ๆ ได้แก่ ยานยนต์, พลังงาน, การเงิน, สุขภาพ, โรงงาน, ค้าปลีก และกลุ่มใหม่ที่มีการจับรวมกันเรียกว่า TMEG (บริษัทในกลุ่มโทรคมนาคมที่หันมาทำสื่อ, โอทีที และเกม)

เรื่องที่สอง คือ มุ่งขยายขอบเขตความร่วมมือไปยังพาร์ตเนอร์ใหม่ ๆ ในไทย เน้นให้พันธมิตรมาเติมเต็ม Journey ของลูกค้า โดยมีการประกาศการลงทุนเชิงยุทธศาสตร์กับพาร์ตเนอร์ โดยเฉพาะด้านคลาวด์ เพื่อรองรับความต้องการใหม่ ๆ รวมถึงคลาวด์รีเจียนที่กำลังจะมา เมื่อโครงสร้างพื้นฐานคลาวด์รีเจียนมาแล้ว สิ่งที่ตามมา คือ การลงทุนด้านซอฟต์แวร์จาก ISV ซึ่งมีโอกาสร่วมเป็นพาร์ตเนอร์ใหม่ ๆ เพื่อขยายธุรกิจที่มีโอกาสเติบโตสูง นำไปสู่การพัฒนาบุคลากร ทำให้ขยายการเข้าถึงลูกค้าได้กว้างขึ้น

เรื่องที่สาม คือ มุ่งให้บริการ Advanced Cloud Services ทั้งการบริการ การพัฒนา AI/ML และต้องแยก GenAl มาเพื่อมุ่งเน้นการเข้าไปช่วยองค์กรลูกค้าให้เทรนด์ GenAI เฉพาะทางขึ้น แน่นอนว่าต้องใช้ Data ที่ปลอดภัย รวมถึงการต้องทรานส์ฟอร์มแอปพลิเคชั่นองค์กรให้ Modernization มากขึ้น

“ส่วนนี้จะเน้นมากเป็นพิเศษ เพราะการมาถึงของ GenAI สร้างความตื่นตัวอย่างมากในทุกองค์กร ไม่เป็นเพียงแค่กระแส แต่สร้างผลกระทบต่อธุรกิจได้จริง ต้องมีการออกแบบโซลูชั่นที่เหมาะสม และข้อมูลที่ดี แต่เหนือสิ่งอื่นใดคือลูกค้าต้องมีทางเลือก”

การใช้คลาวด์ในองค์กร

“วัตสัน” มองว่า องค์กรธุรกิจในไทยที่เพิ่งเริ่มจะเข้าสู่การใช้คลาวด์ 10% ยังอยู่ในระดับเริ่มต้น คือ การทำโครงสร้างพื้นฐานที่ปลอดภัย ซึ่ง AWS ต้องเข้าไปมีส่วนร่วมเพื่อเพิ่มประสิทธิภาพ ช่วยให้บริษัทคัดเลือกงานในส่วนที่สำคัญ เพื่อ Migrate สู่ระบบคลาวด์ในระดับสูงขึ้น ใช้บางส่วนเพื่อเพิ่มประสิทธิภาพและประหยัดค่าใช้จ่าย เพราะไม่ใช่ว่าย้ายทุกส่วนขององค์กรขึ้นสู่คลาวด์แล้วจะมีประสิทธิภาพ บางครั้งยังเพิ่มภาระให้ด้วย

จากนั้นก็เริ่มเปลี่ยนให้เขาใช้คลาวด์ขั้นสูงขึ้น สู่ระดับแอดวานซ์ และทำแอปพลิเคชั่นสำหรับการทำงานให้ Modernized เพื่อให้เกิดประสิทธิภาพจากการใช้ข้อมูลได้สูงสุด ไม่ใช่แค่การย้ายงาน ย้ายแอปจากเซิร์ฟเวอร์ขึ้นไปอยู่บนคลาวด์ แล้วจะทำให้แอป Modernized แต่ต้องมีการออกแบบอย่างเหมาะสม”

สุดท้าย เป็นการเตรียมคนพัฒนาสกิลด้านคลาวด์ โดยฝึกอบรมทักษะดิจิทัลในประเทศไทยไปแล้วกว่า 50,000 ราย ตั้งแต่ปี 2560 มีการลงทุนใน AWS Skills Builder, AWS Academy และ AWS Educate ปัจจุบัน AWS Academy เปิดให้บริการสำหรับนักศึกษาจาก 25 แห่งทั่วประเทศไทย รวมถึงจุฬาลงกรณ์มหาวิทยาลัย มหาวิทยาลัยธรรมศาสตร์ และมหาวิทยาลัยเชียงใหม่

คลาวด์ขั้นสูง-GenAI เฉพาะทาง

“เมื่อเราอยากคุยกับลูกค้าในภาษาของเขา สิ่งที่เป็นปัญหาสำหรับปัญญาประดิษฐ์แบบ GenAI คือ โมเดลภาษาขนาดใหญ่ใช้ภาษาอังกฤษราว 70% และไม่มีความเฉพาะเจาะจงไปที่มุมมองเฉพาะอย่างเรื่องวัฒนธรรม ทำให้ความน่าเชื่อถือต่ำมาก

ดังนั้นโมเดลภาษาขนาดใหญ่ที่แข่งขันกันพัฒนา จึงไม่เหมาะจะนำมาใช้ในองค์กร เพราะคำตอบที่ GenAI สร้างขึ้นจะกว้างมาก และกลายเป็นภาระมากกว่า”

ดังนั้นอย่างแรกที่ต้องพัฒนาโมเดลภาษาที่ใช้ภาษาไทย หรือข้อมูลภาษาที่เป็นข้อมูลเฉพาะในองค์กร เพื่อให้คำตอบ บริบทที่แคบลง เช่น ข้อมูลในคลังสินค้าของเรา ข้อมูลลูกค้าภายใน ส่วนนี้ต้องมีการเทรนเอไอให้เฉพาะทางให้เป็น AI Assistant ซึ่งก็เป็นแนวโน้มการพัฒนาเทคโนโลยีในปีนี้

GenAI ต้องเข้าถึงได้ง่าย

“GenAI จำเป็นต้อง Democratized ให้ทุกคนเข้าถึง โดยการทำฟาวน์เดชั่นโมเดล (FMs) แบ่งเป็นเลเยอร์ได้ 3 ระดับ เลเยอร์แรก คือ การทำโครงสร้างพื้นฐานที่ AWS ได้วางไว้ตั้งแต่ปี 2559 มีโครงสร้างเอดจ์เชื่อมลูกค้ากับโครงสร้างคลาวด์ แต่การสร้างเอไอมาใช้งานเฉพาะทาง ถ้าลูกค้าต้องการสร้างโมเดลเอไอ เขาคำนึงเรื่องต้นทุนของฮาร์ดแวร์ ซึ่ง AWS เข้าไปควบคุมต้นทุนได้ตั้งแต่ต้นทาง

ตั้งแต่ตัวชิปประมวลผลเอไอที่พัฒนาและผลิตใช้เอง อย่างชิปรุ่นใหม่ AWS Graviton 4 ที่เพิ่มความเร็วสำหรับใช้งานในฐานข้อมูลได้ 40% และเร็วขึ้น 45% สำหรับแอปพลิเคชั่นที่รันด้วย Java

เลเยอร์ที่สอง ที่ลูกค้าคำนึง คือ “เครื่องมือ” เข้าถึงโมเดลภาษาขนาดใหญ่ (LLM) แม้จะมี AWS Titan (อยู่ในช่วงทดลอง) แต่คำนึงถึงการ “เพิ่มทางเลือก” ให้ลูกค้าเข้าถึงโมเดลภาษาได้จากทุกที่ซึ่งบริษัทเป็นแพลตฟอร์มกลาง เหมือนตลาดให้ลูกค้าเลือกช็อปปิ้ง ผ่าน AWS BedRock ที่พูดคุยกับพันธมิตรที่มีโมเดลภาษาขนาดใหญ่ ได้แก่ โมเดล Claud ของ Anthropic-Google โมเดล Llama ของ Meta โมเดลสำหรับสร้างภาพจากข้อความอย่าง Stable Diffusion, โมเดล Jurassic ของ AI21Labs และโมเดล Command+Embed ของ Cohere แต่ละโมเดล LLM มีความสามารถเฉพาะ เหมาะกับงานบางประเภท จึงไม่ควรจำกัดให้เลือกอย่างใดอย่างหนึ่ง แต่ลูกค้าควรมีโอกาสเลือกได้ใช้โมเดลที่เหมาะสม

เลเยอร์ที่สาม คือ การที่ลูกค้าเพิ่มประสิทธิภาพแอปพลิเคชั่น จากการเข้าถึงโมเดลภาษาหลาย ๆ แบบของฟาวน์เดชั่นได้ นำข้อมูลภายในมาปรับใช้เป็นเครื่องมือเอไอที่เหมาะสมกับตน สร้างโมเดลเฉพาะทางได้ สิ่งที่สำคัญคือเรื่องความปลอดภัยในข้อมูลตามมาตรฐาน และการแสดงความรับผิดชอบต่อการใช้เอไอ

“วัตสัน” ทิ้งท้ายด้วยว่า AWS ทำเองตั้งแต่ต้นน้ำ คือ ฮาร์ดแวร์ ชิปประมวลผลจนถึงการเป็นตัวกลางขยายพันธมิตรเพื่อช่วยเข้าถึงซอฟต์แวร์ และสุดท้ายคือเรื่องความปลอดภัยในข้อมูลที่ลูกค้าสามารถนำไปพัฒนาต่อยอดให้ดีขึ้น