จากยุคโมเดลเจ้าประจำ สู่ยุค AI multi-model strategy
AI multi-model strategy คือแนวทางออกแบบระบบ AI ให้สามารถเลือกใช้โมเดลจากหลายค่าย หลายขนาด และหลายความถนัดได้แบบอัตโนมัติตามลักษณะงาน ไม่ยึดติดอยู่กับโมเดลเดียวของบริษัทใดบริษัทหนึ่ง กลยุทธ์นี้เน้นการวัดผลจากคุณภาพคำตอบ ประสิทธิภาพการใช้ทรัพยากร และต้นทุนรวมของงาน มากกว่าการยึดตามแบรนด์หรือระบบปิดของผู้ให้บริการรายเดียว จึงผลักให้การแข่งขัน AI เคลื่อนจากสงครามแบรนด์ไปสู่สงครามสมรรถนะจริงในทุกโจทย์งานที่ผู้ใช้ต้องการ หัวใจของบทความนี้คือ การเปลี่ยนผ่านจากยุคที่แต่ละบริษัทพยายามล็อกผู้ใช้ให้อยู่ในระบบของตน ไปสู่ยุคที่ AI agent routing เลือกโมเดลที่ดีที่สุดแบบไม่มองโลโก้ สิ่งที่เกิดขึ้นกับ Grok Bot ของค่ายหนึ่งและ Muse Wonder ของอีกค่ายสะท้อนชัดว่าผู้เล่นรายใหญ่เริ่มยอมรับว่าไม่มีโมเดลเดียวใดตอบได้ทุกโจทย์ และใครที่ปรับตัวให้ยืดหยุ่นเร็วกว่าจะมีแต้มต่อทั้งในสนามเทคโนโลยีและธุรกิจ
Grok Bot กับการประกาศสิ้นสุดยุคล็อกอินผู้ใช้ค่ายเดียว
กรณี Grok Bot เป็นตัวอย่างสดใหม่ของ AI agent routing ที่กล้าบอกตรงๆ ว่าไม่จำเป็นต้องใช้โมเดลของตนเองทุกงาน Elon Musk ระบุว่า Grok Bot จะเลือกใช้โมเดลจากหลายค่ายเพื่อให้ได้ผลลัพธ์ดีที่สุดตามคำสั่งของผู้ใช้ ไม่จำกัดว่าต้องเป็นโมเดล Grok ของบริษัท โมเดลที่ถูกพูดถึงมีทั้ง Claude Opus 5.5, MidJourney, Suno และ API ชั้นนำจากค่ายอื่น นี่ไม่ใช่เพียงลูกเล่นเทคนิค แต่เป็นคำประกาศเชิงกลยุทธ์ ว่าแบรนด์ไม่ใช่ศูนย์กลางของระบบอีกต่อไป สิ่งสำคัญคือความเร็วและคุณภาพ Grok Bot จะแบ่งงานง่ายให้โมเดลขนาดเล็กตอบเพื่อให้รับคำตอบเร็ว ส่วนโจทย์ซับซ้อนจึงค่อยย้ายไปใช้โมเดลขนาดใหญ่ที่เหมาะสม รูปแบบนี้ทำให้ผู้ใช้ได้ประโยชน์เต็มที่จากหลาย frontier AI models โดยไม่ต้องรู้ด้วยซ้ำว่าฉากหลังใช้โมเดลของใคร และบีบให้ผู้พัฒนาโมเดลทุกค่ายต้องแข่งกันด้วยผลงานที่วัดได้จริงมากกว่าการล็อกอินลูกค้าด้วยระบบปิด
Meta พลิกตัวเองด้วย Muse Wonder และ AI infrastructure cloud
อีกฝั่งหนึ่ง Meta กำลังเดินเกมสองชั้น ทั้งสร้างโมเดลใหม่และเปิดโครงสร้างพื้นฐานเป็นธุรกิจ AI infrastructure cloud แยกต่างหาก Meta เปิดตัวโมเดล AI ใหม่สองรุ่น Muse Wonder และ Muse Wonder Full โดยอ้างว่ามีขีดความสามารถเทียบเท่ากับ OpenAI และ Anthropic ข้อมูลจาก Superintelligence Labs ระบุว่า Muse Wonder เป็นโมเดลที่ใหญ่ที่สุดและมีประสิทธิภาพมากที่สุดของ Meta ในปัจจุบัน และแข็งแรงพอจะแข่งขันกับคู่แข่งชั้นนำได้ ในเชิงโครงสร้างพื้นฐาน Meta เผยแผนจัดตั้งธุรกิจคลาวด์ Meta Compute เพื่อเปิดศูนย์ข้อมูลและพลังประมวลผลให้ภายนอกเช่ารันโมเดล AI สร้างรายได้จากฮาร์ดแวร์ที่ลงทุนไปจำนวนมาก หนึ่งในแนวทางคือการให้ลูกค้าภายนอกเข้าถึงโมเดล AI ต่างๆ ที่ทำงานอยู่บนโครงสร้างของ Meta คล้ายกับบริการที่เปิดโมเดลหลายแบบให้เลือก แนวทางนี้ผสมทั้งการเป็นผู้พัฒนา frontier AI models และการเป็นเจ้าของแพลตฟอร์มที่เปิดกว้างให้โมเดลอื่นเข้ามารันได้ ทำให้ Meta อยู่ในจุดที่สามารถได้ประโยชน์ไม่ว่าตลาดจะเทไปทางโมเดลใด
บทเรียนจาก Llama 4 ความสำคัญของทีมเล็ก กับคลาวด์ขนาดใหญ่
การสร้างโมเดลให้ทันแนวหน้าต้องไม่ใช่แค่เงินและเครื่อง แต่ต้องมีโครงสร้างทีมที่เหมาะสม Mark Zuckerberg ยอมรับตรงๆ ว่า Llama 4 ทำให้ Meta ร่วงจากเส้นทางที่ควรเดินและเป็น “negative surprise” ที่บังคับให้เขาต้องถามว่าทำไมถึงเกิดขึ้น เขาอธิบายว่าตัวเองนำรูปแบบทีมจากงาน machine learning ฝั่งฟีด Instagram และระบบโฆษณาที่มีคนหลายร้อยคนมาทดลองใช้กับการสร้าง language model แต่พบว่าผิดทิศ เพราะงานแบบนี้ต้องใช้ทีมเล็กที่เหนียวแน่นและมองงานเหมือนโปรเจกต์วิทยาศาสตร์กลุ่มเดียวกัน คำตอบของ Meta คือการตั้ง Superintelligence Lab ใหม่ในเดือนมิถุนายน 2025 ดึงคนเก่งจากทั้งในและนอกองค์กรเข้าทีมเดียว พร้อมเดินหน้าพัฒนา Muse Spark ที่ Meta บอกว่ามีความสามารถระดับ Llama 4 Maverick แต่ใช้พลังประมวลผลน้อยกว่าสิบเท่า และชนะคู่แข่งบางรายบน benchmark บางชุด ดังนั้นในขณะที่ Meta ขยาย AI infrastructure cloud ให้ใหญ่ขึ้น กลยุทธ์ด้านโมเดลกลับเลือกพึ่งทีมเล็กที่คมและคล่อง ซึ่งเป็นการเล่นสองแรงในทิศทางสวนกันแต่เกื้อหนุนกันอย่างน่าสนใจ
การแข่งขันใหม่ เลือกเครื่องมือจากความสามารถไม่ใช่ความเชื่อแบรนด์
จุดร่วมของ Grok Bot, Meta Compute, Muse Wonder และ frontier AI models รุ่นล่าสุดจากค่ายอื่น คือการยอมรับว่าโลก AI กำลังเดินสู่ยุคที่ผู้ใช้เลือกเครื่องมือจากผลงาน ไม่ใช่จากโลโก้ ข้อมูลล่าสุดระบุว่า GPT-5.6 Sol มีประสิทธิภาพด้านการใช้โทเคนในงาน Agentic Coding ดีขึ้นถึง 54 เปอร์เซ็นต์ และมีความสามารถดีเทียบเท่าหรือดีกว่าโมเดลคู่แข่งในตลาด ฝั่ง Meta เองก็ยอมรับว่าต้นทุนการใช้ AI และความคุ้มค่าจากการลงทุนคือสิ่งที่องค์กรให้ความสำคัญในวันนี้ เมื่อทุกค่ายต่างชูตัวเลขสมรรถนะและเปิดโมเดลผ่านคลาวด์ การแข่งขันจะย้ายจากสงคราม “ใครผูก ecosystem ได้แน่นกว่า” ไปสู่สงคราม “ใครตอบโจทย์งานได้คุ้มค่ากว่า” AI multi-model strategy และ AI agent routing จึงไม่ใช่แค่เทรนด์เทคนิค แต่เป็นกรอบคิดใหม่ที่ทำให้ผู้ใช้มีอำนาจเลือกมากขึ้น และทำให้บริษัทต้องเคารพผลงานจริงมากกว่าความเชื่อว่าระบบของตัวเองดีที่สุดโดยอัตโนมัติ สุดท้ายแบรนด์ที่ปรับตัวได้ดีจะไม่กลัวให้โมเดลคู่แข่งเข้ามาอยู่ในแพลตฟอร์มของตน เพราะรู้ว่าถ้าตัวเองเก่งจริง ก็พร้อมให้ตลาดเปรียบเทียบแบบเปิดหน้ากันตรงๆ
