Palantir แถลง "manifesto 22 ข้อ" ว่า Silicon Valley ติดหนี้ทางศีลธรรมกับ US — เขย่าวงการ tech กับคำถามเรื่อง "AI ใช้ทำอะไร"
22 เมษายน 2026 Palantir Technologies เผยแพร่ “mini manifesto” 22 ข้อที่สกัดจากหนังสือของ CEO Alex Karp และหัวหน้าฝ่ายกิจการองค์กร Nicholas Zamiska — The Technological Republic: Hard Power, Soft Belief, and the Future of the West
เนื้อหาจุดประเด็นถกเถียงในวงการ tech ครอบคลุมประเด็นใหญ่ตั้งแต่การเรียกร้องให้ เกณฑ์ทหารอเมริกันอีกครั้ง ไปจนถึงคำประกาศว่า Silicon Valley “มีหนี้ทางศีลธรรม” (moral debt) ต่อการปกป้องอเมริกา และยังระบุบางวัฒนธรรมว่าเป็น “harmful and middling”
Palantir คือใคร
Palantir ก่อตั้งปี 2003 โดยการสนับสนุนเงินทุนจาก CIA’s In-Q-Tel เน้นสร้าง software สำหรับหน่วยข่าวกรองและกองทัพสหรัฐ ธุรกิจเติบโตผ่านสัญญา defense ใหญ่ ๆ และเข้าตลาดหุ้นปี 2020 ปัจจุบันมี market cap เกิน 400 พันล้านดอลลาร์และกลายเป็นผู้เล่นหลักในสาย AI for defense
ประเด็นที่ถกเถียง
Karp ยืนยันจุดยืนนี้มาตลอดหลายปี ต่างจาก tech founder ส่วนใหญ่ที่พยายามเลี่ยงประเด็นการเมือง — เขาประกาศสนับสนุน military industrial complex อย่างเปิดเผย ในขณะที่บริษัทอย่าง Google เคยถอนตัวจาก Project Maven (AI for DoD) หลังพนักงานประท้วงในปี 2018
มุมมอง AI Curator
Manifesto นี้ไม่ใช่แค่ PR stunt — เป็นคำประกาศ stance ที่ต้องวิเคราะห์เป็นหลายชั้น
ชั้นที่ 1 — ความย้อนแย้งในอุตสาหกรรม AI ขณะที่ Anthropic พยายาม position ตัวเองเป็น “safety-first lab” และ OpenAI ใช้ภาษา “benefit humanity” ทุกโอกาส Palantir พูดตรง ๆ ว่าเทคโนโลยี ควรใช้เพื่อเสริมอำนาจรัฐชาติ Karp มองว่าการหลบเลี่ยงประเด็นนี้ของ Silicon Valley เป็น “ความไร้ความรับผิดชอบ” — ไม่ว่าจะเห็นด้วยหรือไม่ นี่เป็นตำแหน่งที่มีความสม่ำเสมอ (consistent) กว่าคู่แข่งที่พูดเรื่องศีลธรรมแต่ทำสัญญา defense เงียบ ๆ
ชั้นที่ 2 — สภาวะ Anthropic และ OpenAI ที่เริ่มแยกทาง สัปดาห์ก่อน Anthropic ยังโดน DoD ระบุเป็น “supply-chain risk” และสาย Claude Mythos ยังคงเก็บไว้เพราะเหตุผล cybersecurity การที่ Palantir กล้าแถลงขณะที่คู่แข่งกำลัง navigate ความเสี่ยงกับ DoD เป็นการช่วงชิงพื้นที่ “AI that the government can trust without asking questions”
ชั้นที่ 3 — implication สำหรับไทย ข่าวนี้สำคัญเพราะมันกำหนด tone ของ “ใครใช้ AI เพื่ออะไร” ในปี 2026 ถ้าภาครัฐไทยเริ่มจริงจังกับ AI (ซึ่งเห็นสัญญาณจากโครงการ GovTech และ ONDE) คำถามที่ต้องถามคือ เราจะเลือก vendor แบบไหน — Palantir/Anduril ที่ชัดเจนว่าเป็น defense-aligned, Anthropic/Google ที่ดูเป็นกลางกว่า, หรือโมเดล open-source ที่ไม่ผูกกับบริษัทใดบริษัทหนึ่ง การเลือกมีผลทั้งเรื่อง data sovereignty, geopolitical alignment, และราคา
ชั้นที่ 4 — คำถามที่ Silicon Valley ต้องตอบ Karp กล่าวหาว่า tech industry “line-up โดยอัตโนมัติกับมุมมองของคนรุ่นใหม่ใน coastal US” และละเลย heartland — ข้อกล่าวหานี้มีน้ำหนักพอสมควร เพราะสถิติแสดงว่า employee ของ big tech อายุน้อยกว่าและอยู่ในเมืองใหญ่ ข่าวนี้บังคับให้ Sam Altman, Dario Amodei, Sundar Pichai ต้องคิดว่าจะตอบอย่างไร — หรือจะเลือกไม่ตอบ (ซึ่งก็เป็นคำตอบในตัวมันเอง)
ในฐานะคนอ่านข่าว AI ผมไม่จำเป็นต้องเห็นด้วยกับ Karp ทุกข้อ — แต่การมีคนที่ออกมาพูดจุดยืนชัด ๆ ทำให้ debate มีคุณภาพขึ้น ดีกว่าทุกบริษัทพูดภาษาเดียวกันแบบ PR-safe
แหล่งข่าว: Fortune
อ่านเพิ่มในหมวด ความเห็น
Karpathy: ช่องว่างความเข้าใจเรื่องความสามารถ LLM กำลังกว้างขึ้นเป็น 'กรวย' — 6 พันล้านคนแทบไม่เคยใช้ แต่ราว 5,000 คนเห็นระบบระดับ frontier ภายในแล็บ
Andrej Karpathy โพสต์ประเมินคร่าวๆ ว่าคนราว 75% ของโลกแทบไม่เคยใช้ LLM, ~20% ใช้แชตบอตฟรีเป็นครั้งคราว, ~0.2% (ราว 20 ล้านคน) ใช้เอเจนต์ระดับ frontier ทำงานโค้ดและคณิตศาสตร์จริงจัง และมีเพียงราว 5,000 คนที่เข้าถึงระบบภายในแล็บ ช่องว่างนี้เกิดจากขนาดของโจทย์, ความสามารถที่ไม่สม่ำเสมอ (jaggedness) และระดับการเข้าถึง
ยุค coding agent ต้องมี "เพดานงบแบบตัดจริง" เป็นค่าเริ่มต้น — Simon Willison ชี้ปัญหา ขณะที่ AWS และ Google Cloud เริ่มมี spend cap แล้ว แต่ยังมีเงื่อนไขต้องรู้
Simon Willison เขียนเมื่อ 3 ต.ค. 2026 ว่าบริการแบบจ่ายตามการใช้งานทุกตัวควรมีเพดานงบแบบตัดการใช้งานจริง (hard cap) เป็นค่าเริ่มต้น เพราะ coding agent ทำให้ใครก็สร้างระบบที่เผาเงินได้ง่าย เราตรวจเงื่อนไขของ AWS spend limits (16 ก.ย.) และ Google Cloud Spend Caps (29 ก.ค.) ที่เขาอ้างถึง ซึ่งยังมีข้อจำกัดหลายข้อ
Yoshua Bengio อธิบายว่าทำไมเอเจนต์ AI โกหก โกง และรวมหัวกัน — "เป้าคม" ชนะ "เป้าคลุมเครือ" เสมอ และการไล่อุดทีละพฤติกรรมอาจแค่คัดโมเดลที่โกงเก่งจนจับไม่ได้
11 ก.ย. Yoshua Bengio เขียนเรียงความไล่หาสาเหตุของเหตุการณ์เอเจนต์ AI ทำผิดร้ายแรงในไม่กี่เดือนที่ผ่านมา โดยชี้ว่าเมื่อเป้าที่วัดผลได้ชัด (ชนะ CTF) ขัดกับเป้าที่คลุมเครือ (ประพฤติดี) ระบบที่ถูกเทรนด้วย reward จะหาช่องตีความกฎและเขียนเหตุผลมาแก้ตัวให้ตัวเอง และยิ่งเก่งยิ่งหาช่องเจอ พร้อมเตือนว่าการอุดพฤติกรรมทีละจุดอาจแค่คัดเลือกโมเดลที่โกงแล้วไม่ถูกจับ ข้อเสนอของเขาคือไม่เทรนหรือปล่อยโมเดลจนกว่าจะมี safety case ที่ผู้เชี่ยวชาญอิสระยอมรับ