สัปดาห์ที่ 'infrastructure' กลายเป็นเรื่องของ AI: agent ทุกที่ + ไฟฟ้าเป็น bottleneck ใหม่ — บริษัทไทยควรเริ่มอะไรวันจันทร์หน้า

สัปดาห์ที่ผ่านมา (18–26 พ.ค. 2026) เป็นสัปดาห์ที่บทสนทนาของวงการ AI shift จาก “model ใหม่อะไรออก?” เป็น “infrastructure ของ agentic era จะ scale ยังไง?” อย่างชัดเจน 4 ข่าวใหญ่ที่เกิดในสัปดาห์เดียวกันสะท้อนทิศทางเดียวกันแต่จากมุมที่ต่าง:

• Google ปล่อย ADK for Kotlin/Android — agent runtime ลง on-device ของมือถือ 140 ล้านเครื่อง
• OpenAI Codex Locked Use — agent ทำงาน background 24/7 บน Mac ส่วนตัว
• NextEra ซื้อ Dominion $67B — utility merger ใหญ่สุดในประวัติศาสตร์สหรัฐ เพื่อป้อนไฟให้ AI data center
• Microsoft Foundry Labs May 2026 — benchmark, sandbox, efficient model สำหรับ enterprise agent

ดู surface แล้วเหมือนข่าว 4 แนวที่ไม่เกี่ยวกัน — แต่ลึก ๆ ทั้ง 4 ตอบโจทย์เดียวกัน: เมื่อ agent ทำงานเองได้แล้ว ปัญหาถัดไปคือ “agent รันที่ไหน?” “พลังงานพอไหม?” “trust ได้ยังไง?” สามคำถามนี้ frame ทุกอย่างที่ตามมาในอีก 12-18 เดือน

ทำไม 4 ข่าวนี้บอกเรื่องเดียวกัน

ข่าว #1: Google ADK Kotlin/Android — ตอบคำถาม “agent รันที่ไหน?” ในมุม mobile Google เห็นแล้วว่า cloud inference cost จะขึ้นเรื่อย ๆ และ user privacy concern จะกดดัน regulator ทั่วโลก คำตอบคือ run on-device ผ่าน Gemini Nano บน AICore — แล้วใช้ cloud เฉพาะ task ที่ต้องการ reasoning ลึกหรือ context ใหญ่

ข่าว #2: OpenAI Codex Locked Use — ตอบคำถาม “agent รันที่ไหน?” ในมุม desktop OpenAI เห็นแล้วว่า session ของ agent ที่ทำงานหลายชั่วโมง ไม่ practical ถ้า user ต้องเปิด Mac ค้างไว้ — แต่ก็ไม่อยากรับภาระ compute ของ agent ใน cloud ทั้งหมด (เพราะแพง) คำตอบคือ ใช้ Mac ของ user เอง ผ่าน Apple Authorization Plug-in — shift compute cost ไปอยู่บน hardware ที่ user จ่ายไปแล้ว

ข่าว #3: NextEra-Dominion $67B — ตอบคำถาม “พลังงานพอไหม?” ตรงไปตรง — utility ที่ใหญ่สุดในประวัติศาสตร์สหรัฐ ที่จะ deliver renewable energy ให้ AI data center ทั่วประเทศ Wall Street vote ด้วย stock price ของ utility company อื่น (Vistra, Constellation, Talen) ที่ขึ้น 40-60% YTD ว่า — power availability ไม่ใช่ chip availability คือ bottleneck ของ frontier AI ในอีก 5 ปี

ข่าว #4: Microsoft Foundry Labs — ตอบคำถาม “trust ได้ยังไง?” ทั้ง SocialReasoning-Bench (วัด alignment กับ user), MagenticLite (transparency-first UX), Quicksand sandbox (containment), EO/OS managed endpoint (reduce barrier to entry) ทั้งหมดคือ Microsoft saying ว่า — enterprise ไม่ต้องการ frontier model อีกตัว เขาต้องการ tool ที่ build agent ที่ trust ได้บน workload จริง

ความเชื่อมโยงกับสิ่งที่เกิดขึ้นกับ Anthropic, OpenAI, Microsoft chip game

ดูดี ๆ ตอนนี้สัปดาห์เดียวกันยัง overlap กับข่าวที่ใหญ่กว่า:

• Anthropic ปิดดีล $30B ที่ valuation $900B (May 25) — เงินส่วนใหญ่ไป compute infrastructure (พวกเขามี commit จ่าย SpaceX $1.25B/เดือน ถึง 2029)
• OpenAI ยื่น S-1 confidential กับ SEC (May 22) — เตรียมเข้าตลาดหลังทรัพยากร raise ครบ
• Pentagon เซ็นดีล AI กับ 8 บริษัท ตัด Anthropic ออก (May 1) — เปลี่ยน landscape ของ defense AI
• Trump cancel AI safety executive order (May 20) — federal vacuum ที่จะกลายเป็น state-level patchwork

ทั้งหมดนี้บอกว่า เงิน, พลังงาน, นโยบาย กำลัง re-align รอบ ๆ infrastructure ของ agentic AI พร้อมกัน — และ window ที่จะ position ได้ก่อนคนอื่น มีอายุไม่กี่ไตรมาสเท่านั้น

5 action ที่ CTO/CIO ไทยควรเริ่มวันจันทร์หน้า

Action 1: Audit AI vendor lock-in ของบริษัท

list ทุก AI feature ใน product/internal tool ของบริษัทแล้วจัดประเภทตาม dependency:

• Frontier model dependent (เปลี่ยน vendor ไม่ได้โดยไม่ rewrite — Claude-specific prompt, GPT-specific function calling)
• Standard API dependent (เปลี่ยน vendor ได้ภายในวัน — แค่เปลี่ยน endpoint, prompt portable)
• Self-hostable (ใช้ open-weight model ที่ run บน infrastructure ของบริษัทเอง)

target ไตรมาสนี้: >50% ของ traffic อยู่ในกลุ่ม 2-3 เพื่อ hedge against API price inflation ที่จะตามมาเมื่อ utility cost ของ data center ขึ้น

Action 2: Pilot on-device AI ใน mobile product

ถ้าบริษัทมี Android app: ลอง ADK for Android + Gemini Nano เป็น proof-of-concept ใน feature เล็ก ๆ (เช่น on-device summarization, on-device translation, on-device document Q&A) target Q3 — มี 1 feature ที่ ship ด้วย on-device model ใน production

ทำไมไตรมาสนี้สำคัญ: Samsung Galaxy S26/S27, Google Pixel 11, OPPO Find X9 series ทั้งหมดที่จะออกใน 2H 2026 จะมี AICore-class chip — early mover ในตลาดไทยที่ “claim เป็น privacy-first AI app” จะได้ marketing advantage ก่อน competitor

Action 3: เริ่ม security policy ใหม่ที่ครอบ “agentic action”

policy SOC 2/ISO 27001 ปัจจุบันยังไม่แยก “user action” จาก “agent action” — ทำให้ audit log ของ Codex, Claude Code Cowork, Gemini Spark กลายเป็น blind spot ที่ใหญ่ขึ้นทุกเดือน

action: เขียน internal policy ใหม่ที่:

• นิยาม “agentic action” เป็น category แยกจาก user action
• บังคับ separate audit log สำหรับ agent activity
• กำหนด app allowlist สำหรับ agent (ห้าม Slack/Mail/Banking app ใช้ Codex/Cowork ใน laptop พนักงาน)
• กำหนด escalation pattern เมื่อ agent ขออนุญาตทำ irreversible action

Action 4: เริ่ม conversation กับ EGAT/PEA/MEA เรื่อง data center power

ถ้าบริษัทกำลังวางแผน on-premise infrastructure สำหรับ AI workload (เช่น บริษัทประกัน, ธนาคาร, telco) — ราคาไฟฟ้าที่ EGAT/MEA charge ใน 3-5 ปีข้างหน้าจะเป็นต้นทุนหลัก ของ ROI การลงทุน GPU

เริ่มคุยตอนนี้:

• ดูแผน PPA renewable ของ EGAT, PEA และ private operator (BANPU, Gulf, GPSC)
• ดู option on-site solar + battery สำหรับ data center อาคารใหม่
• ดู option co-locate กับ data center hub ที่มี renewable supply อยู่แล้ว (True IDC, NTT, AIS Cloud)

Action 5: เริ่ม leaderboard ภายในของ vendor alignment

นอกจากดูเร็ว/แม่นยำของ model — เริ่มเก็บ score ของ vendor บน SocialReasoning-Bench และ benchmark alignment อื่น ๆ ที่ออกจาก Microsoft/Anthropic/Google เพื่อมีตัวเลขใช้ตอน RFP

target ไตรมาสนี้: มี internal scorecard ของ vendor ที่ใช้ในการตัดสินใจ procurement พร้อมก่อนสิ้นปี

3 investment thesis สำหรับ board ระดับ SET100

Thesis 1: SET100 ที่อยู่ในห่วง renewable energy supply chain จะ outperform

ถ้า scenario “AI runs on power” ที่ Wall Street price in มาแล้วถูกต้อง — บริษัทไทยที่อยู่ใน renewable supply chain (Gulf, GPSC, BCPG, BPP, BGRIM, SUPER) จะมี multiple expansion จาก premium ของ PPA ที่ขายให้ hyperscaler

risk: เงิน CapEx ที่ต้องลงเพื่อ scale capacity ก่อน revenue ตามมาจะกระทบ cash flow 2-3 ปี

Thesis 2: SET100 ที่ scale on-device AI ใน consumer app จะ moat ได้

บริษัทใน sector telco (AIS, True), banking (SCB, KBank, BBL), retail (Central, CP All, JD Central, Lotus’s) ที่ ship app บน mobile หลายสิบล้านครั้งต่อเดือน — มี opportunity ที่จะ build “AI ที่ทำงานบน device user เอง” ก่อน competitor

advantage: cost per inference ใกล้ศูนย์ (เพราะใช้ chip ของ user), privacy regulator pleased, user trust สูงกว่า cloud-first competitor

risk: ต้องลงทุน engineer ทีม mobile ML ที่ทันสมัย — talent pool ในไทยยังเล็ก

Thesis 3: บริษัทที่ build “infrastructure for Thai AI” จะมี window 12-18 เดือนก่อน hyperscaler มา

มี gap ระหว่าง “Microsoft/Google ประกาศ region ใน Thailand/Singapore” กับ “service พร้อมใช้งานจริงในระดับ enterprise” ที่กว้างประมาณ 12-24 เดือน บริษัทไทยที่ build:

• Thai-language model fine-tuning service (SCB 10X, AIS Cloud, NSTDA)
• Thai-compliance AI consulting (PDPA + sectoral regulator)
• Vertical AI สำหรับ industry ไทย (healthcare, agriculture, tourism)

จะมี window เก็บลูกค้าก่อน hyperscaler มา offer service เดียวกันใน price ที่ undercut

ความเสี่ยงที่ thesis เหล่านี้ผิดทาง

ที่กล่าวมาทั้งหมดอยู่บนสมมติฐานว่า agentic AI จะกลายเป็น mainstream เร็วกว่าที่ market price in — ถ้า adoption ช้ากว่าคาด (เพราะ regulation, accident ใหญ่, หรือ technical limitation ที่ยังไม่เห็น) บริษัทที่ลงทุนหนักจะแบกต้นทุน CapEx โดยไม่มี revenue คุ้ม

risk indicator ที่ควรเฝ้าระวัง:

• state-level AI regulation ที่ออกใน Q3-Q4 ของ California, NY, EU จะเป็น proxy ของ regulatory pressure ที่ส่งผลถึง compute economics
• agent accident ขนาด headline-news (financial loss, privacy breach, autonomous weapon incident) ที่จะทำให้ adoption ชะลอ
• chip supply shock (TSMC, Samsung outage) ที่จะทำให้ราคา compute เพิ่ม 2-3 เท่าใน 6 เดือน

มุมมอง AI Curator

ความเห็นของผมที่อยากฝากให้ผู้บริหารไทยอ่าน: ในรอบ 5 ปีที่ผ่านมา เราใช้กรอบ “AI = software” ในการคิด strategy — เพราะ AI ส่วนใหญ่ที่เราเห็นเป็น API call ที่ราคาถูก, latency ต่ำ, scaling แบบ marginal cost ใกล้ศูนย์ แบบ SaaS เก่า

สิ่งที่สัปดาห์นี้บอกคือ — กรอบนั้นกำลังพัง กรอบใหม่ของ agentic era คือ “AI = infrastructure” ที่ขึ้นกับพลังงาน, hardware, distribution, trust, regulation ในแบบเดียวกับ telco หรือ utility ในศตวรรษที่ 20

ผู้ที่ position ได้ก่อนในไทยจะไม่ใช่บริษัทที่มี data scientist เก่ง — แต่คือบริษัทที่มี board ที่เข้าใจว่า AI budget ต้องคิดในกรอบ 10 ปี ไม่ใช่ quarterly OpEx บริษัทที่ยังตัดสินใจ AI ในมุม “ทดลองทำ POC แล้วดูผล” จะถูก disrupt โดยบริษัทที่ลงทุน infrastructure (talent, compute, data, vendor relation) แบบ multi-year

วันจันทร์หน้า — เริ่มที่ 5 action ข้างต้น แต่ที่สำคัญที่สุดคือนัดประชุม board เพื่อตั้งคำถามตรง ๆ ว่า: “เราพร้อมที่จะแข่งในยุคที่ AI เป็น infrastructure แล้วหรือยัง?”

แหล่งข่าว

• Announcing ADK for Kotlin and ADK for Android 0.1.0 — Google Developers Blog
• OpenAI’s Codex Can Now Use Your Mac Even When It’s Locked — MacRumors
• NextEra’s $67 billion Dominion takeover creates world’s largest utility — Fortune
• What’s New in Microsoft Foundry Labs – May 2026 — Microsoft Tech Community