'สองชั่วโมงที่เปลี่ยน AI' — Axios สรุป 6 เสาของอุตสาหกรรมที่ระเบิดพร้อมกันในบ่ายเดียว: brains, demand, power, chips, Wall Street, government
Axios พาดหัวคอลัมน์วันนี้ว่า “Two hours that changed AI” — โดย Zachary Basu สรุปว่าช่วงบ่ายของวันพุธที่ 20 พ.ค. 2026 อาจเป็น news cycle ที่ฉีก “เปลือก” ของอุตสาหกรรม AI ออกมาให้เห็นทั้งโครงสร้างพร้อมกันในเวลา 2 ชั่วโมง เป็นเฟรมที่ดีสำหรับเข้าใจว่าตอนนี้ทั้งวงการกำลังเคลื่อนพร้อมกันใน 6 มิติ อย่างไร
6 เสาของ AI economy ที่ระเบิดพร้อมกัน
1. Brains (สมอง) — OpenAI ประกาศว่าโมเดล general-purpose reasoning แก้ปัญหา Erdős unit distance ที่ค้างมา 80 ปี (ดูโพสต์อีกฉบับของวันนี้) — เป็นครั้งแรกที่ AI ทั่วไปทำงาน math research level
2. Demand (อุปสงค์) — Wall Street Journal รายงานว่า Anthropic อยู่ในเส้นทาง กำไรครั้งแรก Q2 ด้วยรายได้ $10.9B (+100% YoY) และ operating profit ประมาณ $559M — มาเร็วกว่า internal projection 2 ปี
3. Power (พลังงาน/คอมพิวต์) — Anthropic ขยายดีล SpaceX Colossus เป็น $1.25B ต่อเดือน จนถึง 2029 (ดูโพสต์เรื่อง SpaceX Colossus จากวันที่ 18 พ.ค.) — Elon Musk กลายเป็น power broker ของ AI economy ก่อน IPO ของ SpaceX เดือนหน้า
4. Chips (ชิป) — NVIDIA Q1 FY27 ออกเมื่อวานนี้: รายได้ $81.6B, Data Center $75.2B (+92% YoY), Jensen Huang ใช้คำว่า “parabolic” และว่าเป็น “largest infrastructure expansion in human history” (ดูโพสต์ NVIDIA earnings ของวันนี้)
5. Wall Street — SpaceX ยื่น S-1 IPO ที่เผยให้เห็นว่าบริษัทกำลังเปลี่ยนเป็น “AI infrastructure giant” ไม่ใช่แค่จรวด — Axios เพิ่มว่า OpenAI และ Anthropic ก็กำลังเตรียม IPO ในปีนี้ ที่อาจให้ valuation รวมเป็นหลัก trillion dollar ทั้งสามบริษัท
6. Government (รัฐบาล) — Trump เรียก CEO เทคยักษ์ทั้งหมดเข้าทำเนียบขาววันนี้เพื่อเซ็น AI Executive Order (ดูโพสต์ Trump EO ของวันนี้) — voluntary framework 90-day model sharing กับรัฐ
เบื้องหลังที่ Axios ไม่ลืมพูด
Basu จบบทความด้วยข้อสังเกตที่ “lurking” — แม้ headline เป็นบวกทั้งหมด แต่:
- Meta layoff 8,000 คน วันพุธเดียวกัน แม้ Zuckerberg จะลงทุน AI หนักที่สุดในประวัติศาสตร์ corporate
- YouGov poll พ.ค. — 70% ของชาวอเมริกันรู้สึกว่า AI ก้าวเร็วเกินไป, เกือบสองในสามไม่เชื่อว่า AI จะสร้าง economic gain แบบกระจายไปทุกคน
นี่คือ paradox ที่ Axios เน้น — อุตสาหกรรมโต parabolic ขณะที่ public sentiment ตกต่ำลงเรื่อยๆ
มุมมอง AI Curator
เฟรม “6 เสา” ของ Axios เป็น mental model ที่มีประโยชน์มากสำหรับนักลงทุน/นโยบาย — เพราะมัน decouple ปัจจัยที่ทุกคนชอบ confuse กัน เช่น “AI กำลังร้อนแรง” อาจหมายถึง chip demand (NVIDIA), หรือ enterprise spend (Anthropic ARR), หรือ public market (SpaceX IPO), หรือ raw capability (math discovery) — สี่อันนี้ “ร้อน” พร้อมกันแบบนี้ไม่ใช่เรื่องปกติในประวัติศาสตร์เศรษฐศาสตร์
สำหรับ มุม Thai/SEA ที่ผมเห็นชัดที่สุดในข่าวคือ — เสา 4 (chips) กับเสา 6 (government) จะกระทบเราโดยตรงในปีนี้
- เสา chips: NVIDIA Q1 บอกว่า supply ยังตึง, Blackwell + Vera Rubin ขึ้น roadmap, ผลคือ GPU rental ใน region ใกล้บ้าน (Singapore, Bangkok, Jakarta) จะแพงขึ้น/หายากขึ้น ตามคิวที่ hyperscaler ของอเมริกาเอาไปก่อน startups SEA ที่ฝัน fine-tune โมเดลใหญ่ในประเทศจะลำบาก ต้องคิด strategy ทั้ง LoRA, MoE, distillation, edge deployment ให้รอบคอบ
- เสา government: ถ้าวอชิงตันได้ 90-day pre-release review ของโมเดลฟรอนเทียร์ — ASEAN ที่ไม่มีเก้าอี้ในห้องนั้น จะรับโมเดลใหม่ช้ากว่าตลาดอเมริกาเสมอ ในระยะยาวนี่จะกลายเป็น issue ของอำนาจอธิปไตยทางเทคโนโลยี ที่หลายประเทศ (อินเดีย, สิงคโปร์, ยูเออี) เริ่มเดิน sovereign-AI compute เพื่อแก้
สิ่งที่ผมเป็นห่วงมากที่สุดคือ เสา demand ของ Axios — ถ้า Anthropic กำไรเร็วกว่าคาด 2 ปี + OpenAI + Google กำไรตามมา, ความคาดหวังของตลาดจะ resetting เป็น “AI lab ต้องกำไรทันที” ซึ่งจะกดดัน startup ที่ยัง burn rate สูงให้ปรับโมเดลเร็ว — อาจเห็น consolidation ของ AI startup tier 2-3 ในครึ่งปีหลัง
แหล่งข่าว
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