ผู้ก่อตั้ง Zhipu ประกาศจุดยืน: AI ระดับ frontier ควร 'เปิดให้ทุกคน' — สวนทางทั้งวอชิงตันและปักกิ่ง
เมื่อวันที่ 12 กรกฎาคม 2026 Tang Jie ผู้ร่วมก่อตั้งแล็บ AI จีน Zhipu (แบรนด์สากลชื่อ Z.ai) ออกบันทึกภายในถึงพนักงาน — ซึ่ง Bloomberg ได้เห็นและรายงาน — ประกาศจุดยืนชัดเจนว่า AI ระดับ frontier ควรยังคง “เปิดให้เข้าถึงได้อย่างกว้างขวาง” มากกว่าถูกควบคุมโดยคนไม่กี่กลุ่ม เขาพลิกตรรกะเรื่องความปลอดภัยแบบเดิม โดยยืนยันว่า “ความปลอดภัยที่แท้จริงมาจากการมีส่วนร่วม การแบ่งปัน และการตรวจสอบร่วมกันในวงกว้าง ไม่ใช่จากกำแพงเทคโนโลยี”
นี่ไม่ใช่ข่าวเปิดตัวโมเดล แต่เป็น การประกาศปรัชญา ในจังหวะที่การถกเถียงเรื่อง “เปิดหรือปิด frontier AI” กำลังร้อนที่สุด และที่น่าสนใจคือจุดยืนของ Tang Jie สวนทางกับสองมหาอำนาจพร้อมกัน — ทั้งวอชิงตันที่กำลังไล่ปิดช่องไม่ให้จีนเข้าถึงโมเดลอเมริกัน และ (ตามรายงานของ Reuters) ปักกิ่งเองที่กำลังพิจารณาจำกัดการส่งออกโมเดลจีนขั้นสูงไปต่างประเทศ สำหรับนักพัฒนาไทยและ SEA ที่พึ่งพา open weight จีนอย่าง GLM, Qwen, DeepSeek เป็นกระดูกสันหลัง นี่คือเรื่องที่กระทบตรง ๆ ว่าพรุ่งนี้เราจะยังดาวน์โหลดโมเดลพวกนี้มารันเองได้อยู่ไหม
Tang Jie พูดอะไร และทำไมมันมีน้ำหนัก
Zhipu ไม่ใช่แล็บโนเนม — GLM-5.2 ที่บริษัทปล่อยออกมาก่อนหน้านี้เป็นโมเดล MoE เปิดน้ำหนักภายใต้ สัญญาอนุญาต MIT (ราว 744B พารามิเตอร์รวม / ~40B active, context ใช้งานได้ถึง 1M token) ที่ขึ้นนำในหลายเบนช์มาร์กสำหรับ open weight และถูกนำไปใช้เป็น coding engine เริ่มต้นบนแพลตฟอร์มระดับองค์กรจริง ๆ (เราเคยรายงานไปแล้ว) เมื่อคนที่ปล่อยของจริงในระดับนี้ออกมาพูดเรื่องเปิด มันจึงไม่ใช่แค่วาทกรรม แต่มี track record หนุนหลัง
สาระสำคัญของบันทึกและถ้อยแถลงที่บัญชีทางการ Z.ai ย้ำต่อ:
- “Intelligence should be open, accessible, and ready to build with, empowering every developer, everywhere” — ปัญญาประดิษฐ์ควรเปิด เข้าถึงได้ และพร้อมให้นำไปสร้างต่อ เพื่อเสริมพลังนักพัฒนาทุกคนทุกที่
- ความปลอดภัยแบบเปิด: การมีผู้ตรวจสอบอิสระหลายฝ่ายช่วยเจอจุดบกพร่องได้เร็วกว่าทีมปิดที่ทำงานลำพัง
- ทิศทางบริษัท 2 ปีข้างหน้า: Zhipu บอกว่าจะ ไม่เร่งหารายได้ระยะสั้น จากแอปพลิเคชัน AI แต่จะทุ่มไปที่ความก้าวหน้าเชิงเทคนิค — งาน long-horizon, autonomous agents และโมเดลที่ฝึกตัวเองได้ (self-training)
บริบท: ทำไมจุดยืนนี้ถึง “สวนทางทั้งสองฝั่ง”
ฝั่งสหรัฐฯ — กำลังไล่ปิดช่องทางไม่ให้จีนเข้าถึงโมเดลอเมริกัน Anthropic กล่าวหา Alibaba ว่าก่อ “distillation attack ครั้งใหญ่ที่สุดเท่าที่เคยเจอ” (ตามจดหมายถึงวุฒิสมาชิกสหรัฐฯ 10 มิ.ย. 2026 ระบุบัญชีปลอมราว 25,000 บัญชี สร้างการโต้ตอบกับ Claude กว่า 28.8 ล้านครั้งช่วง 22 เม.ย.–5 มิ.ย.) ตามด้วยการที่ Alibaba แบน Claude ในองค์กร (เราเคยรายงาน) และรัฐบาลสหรัฐฯ เคลื่อนไหวจำกัดโมเดล open weight จีน distillation กลายเป็นสมรภูมิใหม่ของสงคราม AI สหรัฐฯ–จีน
ฝั่งจีนเอง — นี่คือมุมที่คนมองข้าม: รายงาน Reuters (7 ก.ค. 2026) ระบุว่ากระทรวงพาณิชย์จีนได้หารือกับแล็บใหญ่ — Alibaba (Qwen), ByteDance (Doubao) และ Zhipu (GLM) — เรื่องความเป็นไปได้ที่จะ จำกัดการเข้าถึงโมเดลขั้นสูงจากต่างประเทศ ทั้งแบบปิดและแบบ open weight รวมถึงจัดให้ “การรั่วไหลของ AI” เป็นประเด็นความมั่นคงแห่งชาติ (ยังเป็นการหารือ ไม่ใช่คำสั่งที่ลงนามแล้ว และอาจใช้กับโมเดลรุ่นใหม่ในอนาคตเท่านั้น)
พูดง่าย ๆ คือ Tang Jie กำลังชูธง “เปิด” ในขณะที่ รัฐบาลของเขาเองอาจกำลังจะปิด และรัฐบาลอีกซีกโลกก็ปิดไปแล้ว จุดยืนนี้จึงกล้าและมีความเสี่ยงเชิงการเมืองจริง ไม่ใช่คำพูดสวย ๆ ลอย ๆ
ต้องอ่านด้วยสายตาสองชั้น
เช่นเดียวกับทุกครั้งที่ซีอีโอออกมา “ปกป้องความเปิด” ต้องระลึกว่าคนพูดขายทางเลือกเปิดอยู่พอดี — โมเดลธุรกิจของ Zhipu สร้างบนการเป็นผู้นำ open weight การชูธงเสรีจึงเป็นทั้งจุดยืนเชิงคุณค่า และ การวางตำแหน่งการตลาดที่ฉลาด ยิ่งโลกกังวลว่า frontier จะถูกล็อกโดยแล็บปิดไม่กี่เจ้า Zhipu ยิ่งได้ประโยชน์จากการเป็น “ตัวเลือกเปิด” ที่นักพัฒนาไว้ใจ
แต่ข้อโต้แย้งฝั่งตรงข้ามก็เป็นความเสี่ยงจริง: โมเดล open weight เรียกคืนไม่ได้ เมื่อดาวน์โหลดไปแล้วก็อยู่ในมือทุกคน รวมถึงผู้ไม่หวังดี การเผยแพร่ความสามารถระดับ frontier จึงกระจายไปถึงทุกฝ่ายพร้อมกัน ทั้งสองจุดยืนอธิบาย “ความเสี่ยงจริง” คนละแบบ และยังไม่มีข้อมูลเชิงประจักษ์ตัดสินเด็ดขาดว่าฝั่งไหนถูก
มุมมอง AI Curator
จุดที่ผมคิดว่าสำคัญที่สุดสำหรับผู้อ่านสายพัฒนาไทย/SEA ไม่ใช่ว่า “เปิดดีหรือปิดดี” ในเชิงอุดมการณ์ แต่คือ ความเปราะบางของสมมติฐานที่เราตั้งไว้เงียบ ๆ ว่า open weight จีนจะดาวน์โหลดได้ฟรีตลอดไป
ตลอดปีที่ผ่านมา สแตกจริงของทีมเล็กในภูมิภาคนี้จำนวนมากคือ “รัน GLM / Qwen / DeepSeek บนเครื่องตัวเองหรือคลาวด์ในประเทศ” เพราะมันเปิด ถูก และไม่ต้องขอสิทธิ์ใคร ในขณะที่ Claude/GPT ระดับ frontier ทั้งแพงกว่าและมีเงื่อนไขการเข้าถึงเชิงภูมิรัฐศาสตร์ แต่รายงาน Reuters เดือนนี้เตือนว่า ประตูฝั่งจีนเองก็ไม่ได้เปิดค้างถาวร — ถ้าปักกิ่งจัดโมเดลขั้นสูงเป็นสินค้าความมั่นคงเมื่อไร นักพัฒนานอกจีนอาจโดนหางเลขเหมือนที่นักพัฒนาในจีนโดนจากฝั่งสหรัฐฯ ไปแล้ว เท่ากับ builders SEA เสี่ยงติดอยู่ ตรงกลางของกำแพงสองด้าน
บทเรียนเชิงปฏิบัติจึงไม่ใช่ “เชียร์ทีมเปิด” แต่คือ อย่าล็อกสถาปัตยกรรมของคุณไว้กับโมเดลใดโมเดลหนึ่งหรือประเทศใดประเทศเดียว — ออกแบบให้สลับ backend ได้ (เก็บ prompt/eval เป็นกลาง ใช้ชั้น abstraction อย่าง OpenRouter/llama.cpp/vLLM ที่ย้ายโมเดลได้), ดาวน์โหลดและเก็บ weight รุ่นที่คุณพึ่งพาไว้เองตั้งแต่วันนี้ (เพราะเรียกคืนไม่ได้ ทำงานได้ทั้งสองทาง — รวมถึงเป็นประกันของคุณด้วย), และจับตาว่านโยบายทั้งสองฝั่งขยับอย่างไร คำประกาศของ Tang Jie อาจฟังดูเป็นอุดมการณ์ไกลตัว แต่สิ่งที่มันสะท้อนจริง ๆ คือ ยุคที่ “โมเดลเปิด” ไม่ได้แปลว่า “เปิดตลอดไปและทุกที่” อีกต่อไป — และคนที่วางแผนเผื่อความจริงข้อนี้ไว้ก่อน คือคนที่จะไม่สะดุดเมื่อประตูบางบานปิดลง
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