ขบวนการพึ่งพาตนเองด้าน AI ของจีนก้าวสู่ระดับแนวหน้า
Zhipu AI สตาร์ตอัปปัญญาประดิษฐ์ของจีน ซึ่งดำเนินธุรกิจในต่างประเทศภายใต้แบรนด์ Z.ai เปิดตัว GLM-5 โมเดลภาษาขนาดใหญ่ที่มีพารามิเตอร์ 744,000 ล้านตัว นับเป็นระบบ AI ระดับแนวหน้ารุ่นแรกที่ฝึกด้วยฮาร์ดแวร์ภายในประเทศจีนทั้งหมด โดยไม่พึ่งพาเทคโนโลยีเซมิคอนดักเตอร์ของสหรัฐฯ การประกาศเมื่อวันที่ 11 กุมภาพันธ์ส่งผลให้หุ้นของบริษัทจดทะเบียนในฮ่องกง ซึ่งมีชื่ออย่างเป็นทางการว่า Knowledge Atlas Technology พุ่งขึ้นเกือบ 30 เปอร์เซ็นต์ ปิดที่ 405 ดอลลาร์ฮ่องกง เพิ่มขึ้นสี่เท่าจากราคาเสนอขายหุ้นต่อประชาชนครั้งแรกเมื่อเพียงหนึ่งเดือนก่อน บริษัทระดมทุนได้ประมาณ 558 ล้านดอลลาร์จากการเสนอขายหุ้น IPO ในเดือนมกราคม 2026 และกลายเป็นบริษัทโมเดลพื้นฐานแห่งแรกของโลกที่จดทะเบียนในตลาดหลักทรัพย์ Zhipu AI ก่อตั้งขึ้นในปี 2019 โดยแยกตัวมาจากมหาวิทยาลัยชิงหัว และก้าวขึ้นเป็นผู้นำด้านการพัฒนา AI แบบโอเพนซอร์สอย่างรวดเร็ว
สารบัญ
โมเดลนี้เปิดตัวท่ามกลางกระแสการเผยแพร่ผลิตภัณฑ์ใหม่จากบริษัทเทคโนโลยีจีนที่ทวีความเข้มข้นขึ้น โดยบริษัทต่าง ๆ ต้องการแสดงศักยภาพก่อนช่วงวันหยุดเทศกาลตรุษจีน อย่างไรก็ตาม GLM-5 มีจุดเด่นจากการผสานขนาดทางเทคนิค การเปิดให้ใช้งานซอร์สโค้ดภายใต้สัญญาอนุญาต MIT ที่เอื้อต่อการนำไปใช้ และการทำงานโดยไม่พึ่งหน่วยประมวลผลกราฟิกของ NVIDIA เลย Zhipu AI ใช้ชิป Ascend ของ Huawei และเฟรมเวิร์ก MindSpore ฝึกระบบ ซึ่งมีนัยสำคัญต่อพลวัตของห่วงโซ่อุปทานโครงสร้างพื้นฐาน AI ทั่วโลก ความสำเร็จนี้ยืนยันว่าการฝึก AI ระดับแนวหน้าทำได้โดยไม่ต้องอยู่ในระบบนิเวศของ NVIDIA เปิดทางสู่ความหลากหลายของฮาร์ดแวร์และลดความเสี่ยงจากการพึ่งพาผู้ขายรายเดียวในอุตสาหกรรม จังหวะเวลาของการเปิดตัวยังสะท้อนความเร่งด่วนของปักกิ่งในการแสดงความก้าวหน้าด้านการพึ่งพาชิปในประเทศ ขณะที่วอชิงตันเข้มงวดข้อจำกัดการส่งออกเซมิคอนดักเตอร์ระดับสูง
สถาปัตยกรรมทางเทคนิคและขนาด
GLM-5 ขยายขนาดขึ้นอย่างมากจากรุ่นก่อนหน้า GLM-4.7 ซึ่งมีพารามิเตอร์ 355,000 ล้านตัว โมเดลใหม่เพิ่มจำนวนเป็นสองเท่า รวม 744,000 ล้านพารามิเตอร์ พร้อมใช้สถาปัตยกรรม Mixture of Experts ที่เปิดใช้งานพารามิเตอร์เพียง 40,000 ล้านตัวต่อการอนุมานหนึ่งงาน แนวทางนี้ใช้โมดูลผู้เชี่ยวชาญ 256 ชุด โดยเปิดใช้งานแปดชุดต่อโทเคน ทำให้ระบบมีประสิทธิภาพสูงและควบคุมต้นทุนการประมวลผลได้อย่างมีประสิทธิภาพ สถาปัตยกรรมนี้สะท้อนการเปลี่ยนไปใช้รูปแบบการเปิดใช้งานแบบเบาบาง ซึ่งเพิ่มขีดความสามารถโดยไม่ทำให้ค่าใช้จ่ายในการดำเนินงานเพิ่มขึ้นเป็นสัดส่วนเดียวกัน นับเป็นประเด็นสำคัญสำหรับองค์กรที่นำโมเดลขนาดใหญ่ไปใช้งานในวงกว้าง
ชุดข้อมูลฝึกมีขนาดเพิ่มขึ้นตามไปด้วย จาก 23 ล้านล้านโทเคนในรุ่นก่อนหน้าเป็น 28.5 ล้านล้านโทเคนสำหรับ GLM-5 นวัตกรรมทางเทคนิคที่สำคัญคือการนำ DeepSeek Sparse Attention มาใช้ ซึ่งเป็นกลไกที่ DeepSeek สตาร์ตอัปจากหางโจวริเริ่มขึ้น ช่วยให้โมเดลประมวลผลบริบทได้ยาวสูงสุด 200,000 โทเคน ขณะที่รองรับผลลัพธ์ได้ 131,000 โทเคน ซึ่งนับว่าสูงที่สุดกลุ่มหนึ่งในอุตสาหกรรม ความสามารถในการจัดการบริบทยาวนี้ช่วยให้โมเดลประมวลผลเอกสารขนาดใหญ่ ฐานโค้ดทั้งหมด ชุดบทความวิจัย และบทถอดเสียงวิดีโอได้ภายในเซสชันเดียว ทำให้ใช้เหตุผลกับข้อมูลป้อนเข้าปริมาณมากได้อย่างซับซ้อน กลไก sparse attention ช่วยลดภาระการประมวลผลที่มักเกิดกับโมเดล dense attention เมื่อประมวลผลลำดับข้อมูลที่ยาว
ผลการทดสอบและความสามารถด้านการเขียนโค้ด
จากผลทดสอบภายในที่ Zhipu AI เผยแพร่ GLM-5 ทำคะแนนได้สูงสุดในกลุ่มโมเดลโอเพนซอร์ส และเข้าใกล้ระบบปิดของตะวันตกอย่างมาก ใน SWE-bench Verified ซึ่งเป็นเกณฑ์วัดความสามารถด้านวิศวกรรมซอฟต์แวร์ในโลกจริงที่ได้รับการยอมรับอย่างกว้างขวาง โมเดลทำได้ 77.8 เปอร์เซ็นต์ สูงกว่า Gemini 3 Pro ของ Google DeepMind ที่ 76.2 เปอร์เซ็นต์ และเข้าใกล้ Claude Opus 4.5 ของ Anthropic ซึ่งทำได้ 80.9 เปอร์เซ็นต์ บริษัทระบุว่า Claude ยังคงเป็นโมเดลเขียนโค้ดชั้นนำโดยรวม แต่เน้นว่า GLM-5 เป็นผู้นำในกลุ่มระบบเปิด ส่วน SWE-bench Multilingual นั้น GLM-5 ทำได้ 73.3 เปอร์เซ็นต์ แสดงให้เห็นประสิทธิภาพที่แข็งแกร่งกับภาษาโปรแกรมหลากหลายภาษา
โมเดลนี้โดดเด่นเป็นพิเศษในงานปฏิบัติการที่ต้องดำเนินต่อเนื่องเป็นเวลานาน ใน Vending Bench 2 ซึ่งจำลองการดำเนินธุรกิจระยะยาวที่ต้องอาศัยประสิทธิภาพอัตโนมัติอย่างต่อเนื่อง GLM-5 ทำยอดคงเหลือในบัญชีสุดท้ายได้ 4,432 ดอลลาร์ สูงสุดในบรรดาโมเดลโอเพนซอร์สทั้งหมดที่ทดสอบ ส่วน BrowseComp ซึ่งเป็นเกณฑ์ทดสอบการค้นคืนและสังเคราะห์ข้อมูล ระบบทำได้ 75.9 คะแนน เป็นผู้นำในกลุ่มโอเพนซอร์สเช่นกัน โมเดลยังทำได้ 50.4 คะแนนใน Humanity's Last Exam เมื่อเปิดใช้เครื่องมือ และ 89.7 คะแนนใน Tau Squared Bench บ่งชี้ถึงความสามารถในการใช้เหตุผลเชิงตรรกะหลายขั้นตอนที่แข็งแกร่ง สำหรับ Terminal-Bench 2.0 ระบบทำได้ 56.2 เปอร์เซ็นต์ และเพิ่มเป็น 60.7 เปอร์เซ็นต์ในเวอร์ชันที่ผ่านการตรวจสอบ
ผลประเมินทางวิศวกรรมภายในจาก CC-Bench-V2 ระบุว่า GLM-5 มีอัตราสร้างส่วนหน้าเว็บสำเร็จ 98 เปอร์เซ็นต์ และความถูกต้องตั้งแต่ต้นจนจบ 74.8 เปอร์เซ็นต์ เทียบกับ Claude Opus 4.5 ที่ทำได้ 93 เปอร์เซ็นต์และ 75.7 เปอร์เซ็นต์ตามลำดับ โมเดลยังทำได้ 65.6 เปอร์เซ็นต์ในงานกับคลังโค้ดขนาดใหญ่ที่มีระยะเวลาดำเนินการยาวนาน ผลเหล่านี้ชี้ว่าระบบมีความสามารถเป็นพิเศษในการจัดการเวิร์กโฟลว์พัฒนาแบบฟูลสแตกที่ซับซ้อนและโครงการที่มีหลายไฟล์
Lukas Petersson ผู้ร่วมก่อตั้ง Andon Labs สตาร์ตอัปที่พัฒนาโปรโตคอล AI อัตโนมัติโดยให้ความสำคัญกับความปลอดภัย ประเมินบันทึกการทำงานของ GLM-5 อย่างอิสระผ่านเกณฑ์ Vending Bench 2 เขาสังเกตว่าโมเดลบรรลุเป้าหมายด้วยการลงมือทำเชิงยุทธวิธีอย่างแข็งขัน แต่เตือนว่าความตระหนักต่อสถานการณ์ยังมีข้อจำกัดเมื่อเทียบกับทางเลือกชั้นนำจากตะวันตก
หลังจากอ่านบันทึกการทำงานของ GLM-5 หลายชั่วโมง: เป็นโมเดลที่มีประสิทธิภาพอย่างเหลือเชื่อ แต่ตระหนักถึงสถานการณ์น้อยกว่ามาก มันบรรลุเป้าหมายด้วยกลยุทธ์เชิงรุก แต่ไม่ได้ใช้เหตุผลเกี่ยวกับสถานการณ์ของตัวเองหรือใช้ประสบการณ์ให้เป็นประโยชน์ เรื่องนี้น่ากลัว นี่แหละคือวิธีสร้างเครื่องจักรที่มุ่งเพิ่มจำนวนคลิปหนีบกระดาษให้มากที่สุด
Zhipu AI ยังชูจุดเด่นเรื่องอัตราการหลอนข้อมูลที่ต่ำเป็นประวัติการณ์ โดยได้คะแนนลบหนึ่งใน Artificial Analysis Omniscience Index เวอร์ชัน 4.0 ดีขึ้น 35 คะแนนจากรุ่นก่อนหน้า ตัวชี้วัดนี้บ่งชี้ว่าโมเดลรู้เท่าทันขอบเขตความรู้ของตนเองได้ดีขึ้น และงดสร้างข้อมูลขึ้นมาเมื่อไม่แน่ใจ ซึ่งเป็นความสามารถสำคัญสำหรับการใช้งานจริงในองค์กรที่ต้องให้ความสำคัญกับความถูกต้องเป็นหลัก
นวัตกรรมการฝึกและอธิปไตยด้านฮาร์ดแวร์
นอกเหนือจากตัวชี้วัดประสิทธิภาพ การพัฒนา GLM-5 ยังเป็นหมุดหมายสำคัญของการพึ่งพาตนเองทางเทคโนโลยี โมเดลนี้ฝึกด้วยชิป Huawei Ascend ซีรีส์ 910 ทั้งหมด โดยไม่พึ่งฮาร์ดแวร์ NVIDIA ซึ่งปัจจุบันอยู่ภายใต้ข้อจำกัดการส่งออกของสหรัฐฯ ที่มุ่งเป้าไปยังภาคการประมวลผลขั้นสูงของจีน สอดคล้องกับความพยายามในวงกว้างของจีนที่จะพึ่งพาตนเองด้านเซมิคอนดักเตอร์ โดยตั้งเป้าสร้างความเป็นอิสระอย่างมีนัยสำคัญด้านชิปศูนย์ข้อมูลภายในปี 2027 สำหรับอุตสาหกรรม AI ทั่วโลก นี่เป็นสัญญาณว่าความหลากหลายของฮาร์ดแวร์ที่ใช้ฝึก AI ไม่เพียงเป็นไปได้ แต่กำลังเกิดขึ้นจริงในระดับแนวหน้า
เพื่อแก้ปัญหาความไร้ประสิทธิภาพในการฝึกโมเดลขนาดนี้ Zhipu AI พัฒนาโครงสร้างพื้นฐานการเรียนรู้แบบเสริมแรงชนิดใหม่ภายในบริษัท โดยใช้ชื่อรหัสว่า slime แนวทางการเรียนรู้แบบเสริมแรงแบบดั้งเดิมมักติดคอขวดในขั้นตอนสร้างข้อมูล ซึ่งกินเวลากว่า 90 เปอร์เซ็นต์ของเวลาฝึก เฟรมเวิร์ก slime ช่วยทลายข้อจำกัดเหล่านี้ ด้วยการให้สร้างเส้นทางการทำงานแยกจากกันได้ เอื้อให้เกิดการทำซ้ำแบบละเอียดที่จำเป็นต่อพฤติกรรมเอเจนต์ซับซ้อน ผ่านการปรับแต่งระดับระบบ รวมถึง Active Partial Rollouts เฟรมเวิร์กนี้ใช้ระบบโมดูลสามส่วน ได้แก่ โมดูลฝึกประสิทธิภาพสูงที่ขับเคลื่อนด้วย Megatron-LM โมดูล rollout ที่ใช้ SGLang และเราเตอร์ที่ปรับแต่งเฉพาะเพื่อสร้างข้อมูลปริมาณมาก และ Data Buffer แบบรวมศูนย์สำหรับจัดการการเริ่มต้นพรอมป์ต์และจัดเก็บ rollout
บริษัทยังปรับ GLM-5 ให้ทำงานบนแพลตฟอร์มเซมิคอนดักเตอร์ในประเทศจีนได้หลากหลาย นอกเหนือจาก Huawei โดยรวมถึงชิปจาก Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame และ Hygon ด้วยการปรับแต่งเคอร์เนลและการบีบอัดขนาดโมเดล ระบบจึงทำความเร็วได้เหมาะสมบนแพลตฟอร์มทางเลือกเหล่านี้ สะท้อนว่าโครงสร้างพื้นฐานประมวลผล AI ภายในประเทศกำลังพัฒนาและสนับสนุนเป้าหมายเชิงยุทธศาสตร์ของจีนในการสร้างระบบโครงสร้างพื้นฐานที่แข็งแกร่งและรองรับได้ในประเทศ ความเข้ากันได้นี้ช่วยลดการพึ่งพาผู้ขายฮาร์ดแวร์รายเดียว และแสดงให้เห็นว่าอุปกรณ์เร่งความเร็ว AI ทางเลือกสามารถใช้งานได้จริง
วิศวกรรมแบบเอเจนต์และการสร้างเอกสาร
Zhipu AI วางตำแหน่ง GLM-5 เป็นเครื่องมือสำหรับวิศวกรรมแบบเอเจนต์ ไม่ใช่เพียง AI สนทนาทั่วไป ซึ่งสะท้อนพัฒนาการของอุตสาหกรรมจากสิ่งที่บริษัทเรียกว่า vibe coding ไปสู่การทำวิศวกรรมระบบอย่างครบวงจร ระบบมี Agent Mode ในตัวที่สามารถแยกเป้าหมายระดับสูงออกเป็นงานย่อยที่ลงมือทำได้ จัดการเครื่องมือต่าง ๆ และดำเนินเวิร์กโฟลว์โดยอัตโนมัติเพื่อส่งมอบผลลัพธ์พร้อมใช้งาน แนวทางที่ให้ความสำคัญกับการส่งมอบผลลัพธ์นี้ก้าวพ้นการสนทนาไปสู่การลงมือทำโดยตรง โดยผู้ใช้กำหนดเกณฑ์คุณภาพได้ ขณะที่ AI จัดการรายละเอียดการดำเนินงาน
ความสามารถที่โดดเด่นอย่างหนึ่งคือการสร้างเอกสารสำนักงานระดับมืออาชีพได้โดยตรง โมเดลแปลงพรอมป์ต์หรือข้อมูลดิบให้เป็นเอกสาร Microsoft Word ไฟล์ PDF และสเปรดชีต Excel ที่จัดรูปแบบแล้ว โดยไม่ต้องจัดรูปแบบด้วยตนเองหรือผ่านขั้นตอนประมวลผลระหว่างทาง การใช้งานรวมถึงการสร้างรายงานการเงิน ข้อเสนอสปอนเซอร์ และภาพแสดงผลการวิเคราะห์ข้อมูลที่ซับซ้อน เช่น กราฟและตาราง ซึ่งส่งออกเป็นรูปแบบมาตรฐานได้ ผู้ใช้สามารถอัปโหลดข้อมูลและรับผลวิเคราะห์ได้ทันที พร้อมส่งออกเป็นไฟล์ xlsx, csv หรือ png
สำหรับนักพัฒนาซอฟต์แวร์ Zhipu AI ให้บริการ GLM Coding Plan ซึ่งเป็นบริการสมัครสมาชิกที่เชื่อมต่อกับสภาพแวดล้อมการพัฒนายอดนิยมมากกว่า 20 รายการ รวมถึง Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush และ Goose แผนบริการแบ่งระดับตั้งแต่ Lite ราคา 10 ดอลลาร์ต่อเดือน ซึ่งให้ปริมาณการใช้งานมากกว่า Claude Pro สามเท่า ไปจนถึง Pro ราคา 30 ดอลลาร์ พร้อมเวลาตอบสนองที่เร็วขึ้น 40 ถึง 60 เปอร์เซ็นต์ และ Max ราคา 80 ดอลลาร์ ซึ่งรับประกันประสิทธิภาพในช่วงเวลาใช้งานสูงสุดและให้เข้าถึงฟีเจอร์ใหม่ก่อน แผนทั้งหมดรองรับ Vision Understanding, Web Search MCP และ Web Reader MCP บริษัทอ้างว่ารูปแบบสมัครสมาชิกนี้ให้โทเคนหลายหมื่นล้านตัวต่อเดือนในราคาประมาณ 1 เปอร์เซ็นต์ของค่าบริการ API มาตรฐาน ด้วยความเร็วมากกว่า 55 โทเคนต่อวินาทีสำหรับการโต้ตอบแบบเรียลไทม์
กลยุทธ์เชิงพาณิชย์และข้อจำกัดด้านโครงสร้างพื้นฐาน
แม้จะประสบความสำเร็จทางเทคนิค แต่ Zhipu AI เผชิญข้อจำกัดด้านโครงสร้างพื้นฐานในทันที จนต้องปรับราคา บริษัทขึ้นราคา GLM Coding Plan 30 เปอร์เซ็นต์ โดยมีผลตั้งแต่วันที่ 11 กุมภาพันธ์ อ้างว่าจำนวนผู้ใช้และการใช้งานเติบโตอย่างรวดเร็วจนทรัพยากรประมวลผลเข้าใกล้ขีดจำกัด ในแถลงการณ์สาธารณะ บริษัทระบุว่าทรัพยากรประมวลผลตึงตัวมาก โดยก่อนเปิดตัว GLM-5 ชิปทุกตัวที่มีอยู่ก็ทำงานเต็มกำลังเพื่อรองรับความต้องการใช้งานระบบอนุมานของลูกค้าเดิม บริษัทตัดส่วนลดสำหรับการซื้อครั้งแรกออก แต่เพิ่มตัวเลือกชำระรายไตรมาสและรายปี ซึ่งช่วยประหยัดได้ 10 และ 30 เปอร์เซ็นต์ตามลำดับ
การติดตั้ง GLM-5 ในระบบของตนเองต้องใช้หน่วยความจำประมาณ 1,490 กิกะไบต์ หรือราวสองเท่าของ GLM-4.7 ข้อกำหนดด้านฮาร์ดแวร์นี้เป็นอุปสรรคสำหรับองค์กรขนาดเล็กที่ต้องการติดตั้งโมเดลภายในองค์กร แม้จะยังดาวน์โหลดน้ำหนักโมเดลแบบเปิดได้จาก HuggingFace และ ModelScope สำหรับผู้ที่มีทรัพยากรเพียงพอ ส่วนผู้ใช้ API บนคลาวด์ ความตึงตัวของโครงสร้างพื้นฐานอาจทำให้เกิดความไม่แน่นอนเรื่องการจำกัดอัตราการใช้งานหรือเวลาตอบสนองที่ลดลง ขณะที่บริษัทเพิ่มขีดความสามารถเพื่อรองรับความต้องการ
ราคาใช้ API วางตำแหน่ง GLM-5 ให้เป็นทางเลือกที่ลดต้นทุนได้มากเมื่อเทียบกับโมเดลปิดจากตะวันตก โทเคนขาเข้ามีราคาประมาณ 1 ดอลลาร์ต่อหนึ่งล้านโทเคน ส่วนโทเคนขาออกราคา 3.20 ดอลลาร์ต่อหนึ่งล้านโทเคน เทียบกับ Claude Opus 4.6 ของ Anthropic ที่คิดราคาโทเคนขาเข้า 5 ดอลลาร์ต่อหนึ่งล้านโทเคน และขาออก 25 ดอลลาร์ต่อหนึ่งล้านโทเคน ทำให้ GLM-5 มีต้นทุนได้เปรียบราว 6 ถึง 10 เท่า ขึ้นอยู่กับรูปแบบการใช้งาน GPT-5.2 คิดราคาโทเคนขาเข้า 1.75 ดอลลาร์ต่อหนึ่งล้านโทเคน และโทเคนขาออก 14 ดอลลาร์ต่อหนึ่งล้านโทเคน ซึ่งยังสูงกว่า GLM-5 มาก ส่วน Grok 4.1 Fast คิดราคาโทเคนขาเข้า 20 เซนต์ต่อหนึ่งล้านโทเคน จึงเป็นทางเลือกที่ถูกกว่า แต่มีขีดความสามารถแตกต่างกัน
การแข่งขันและจังหวะเวลาของอุตสาหกรรม
การเปิดตัว GLM-5 เกิดขึ้นพร้อมกับการประกาศผลิตภัณฑ์หลายรายการจากห้องปฏิบัติการ AI คู่แข่งของจีน กลายเป็นการแสดงศักยภาพเทคโนโลยีภายในประเทศอย่างเข้มข้นก่อนช่วงวันหยุดเทศกาลตรุษจีน DeepSeek อัปเดตโมเดลเรือธงในวันเดียวกัน โดยขยายความยาวบริบทขึ้นสิบเท่าเป็นมากกว่า 1 ล้านโทเคน MiniMax ซึ่งเข้าตลาดหุ้นฮ่องกงพร้อมกับ Zhipu ในเดือนมกราคม เปิดตัวโมเดล M2.5 ที่เพิ่มเครื่องมือสำหรับเอเจนต์ ส่งผลให้หุ้นปรับขึ้นเกือบ 50 เปอร์เซ็นต์ในสัปดาห์นั้น ผลิตภัณฑ์ใหม่อื่น ๆ ได้แก่ โมเดลสร้างวิดีโอ Seedance 2.0 จาก ByteDance ระบบมัลติโมดัลแบบครบวงจร Ming-Flash-Omni 2.0 จาก Ant Group ซึ่งสร้างเสียงพูดและดนตรีได้ และโมเดล Kimi 2.5 จาก Moonshot AI ที่เปิดตัวช่วงปลายเดือนมกราคม
นายกรัฐมนตรีจีน หลี่ เฉียง เน้นย้ำการพัฒนาทรัพยากรประมวลผลและโครงสร้างพื้นฐานด้านพลังงานอย่างประสานกัน เพื่อรองรับการเร่งพัฒนานี้ ระหว่างกล่าวแถลงนโยบายเมื่อวันที่ 11 กุมภาพันธ์ โดยเรียกร้องให้ขยายการใช้งาน AI เชิงพาณิชย์ และประสานทรัพยากรให้ดียิ่งขึ้น เขายังเน้นแผนปรับปรุงสภาพแวดล้อมสำหรับบุคลากรและบริษัทด้าน AI จังหวะการประกาศที่สอดคล้องกันสะท้อนการวางตำแหน่งเชิงยุทธศาสตร์ในภาค AI ของจีน ซึ่งบริษัทต่าง ๆ ประสานการประกาศครั้งใหญ่กันมากขึ้น เพื่อเพิ่มผลกระทบและแสดงความก้าวหน้าร่วมกันเมื่อเทียบกับความเป็นผู้นำด้านเทคโนโลยีของสหรัฐฯ
สำหรับนักลงทุน การปรับขึ้นของหุ้นสตาร์ตอัป AI ที่มุ่งทำธุรกิจเฉพาะด้านสวนทางกับความอ่อนแอของกลุ่มบริษัทเทคโนโลยีขนาดใหญ่ที่หลากหลายธุรกิจอย่าง Tencent และ Alibaba ซึ่งหุ้นลดลง 2.6 และ 2.1 เปอร์เซ็นต์ตามลำดับในช่วงเวลาเดียวกัน สะท้อนว่าตลาดให้ความสนใจกับบริษัท AI เฉพาะทางมากกว่าบริษัทขนาดใหญ่ที่ทำธุรกิจหลากหลาย นักวิเคราะห์จาก Jefferies ระบุว่าโมเดลจีนมีความสามารถด้าน AI แบบเอเจนต์ที่แข็งแกร่ง จึงอยู่ในตำแหน่งที่ดีในการคว้าโอกาสจากการนำไปใช้ในองค์กรที่เติบโตอย่างรวดเร็ว อย่างไรก็ตาม ดัชนี Hang Seng Tech ของฮ่องกงลดลง 1.7 เปอร์เซ็นต์โดยรวม ชี้ให้เห็นว่าความสนใจของนักลงทุนไม่ได้กระจายไปทั่วทั้งตลาด
ประเด็นสำคัญ
- Zhipu AI เปิดตัว GLM-5 โมเดลภาษาโอเพนซอร์ส 744,000 ล้านพารามิเตอร์ ซึ่งฝึกด้วยชิป Huawei Ascend ทั้งหมดโดยไม่ใช้ฮาร์ดแวร์ NVIDIA นับเป็นหมุดหมายด้านความเป็นอิสระของโครงสร้างพื้นฐาน AI ในจีน
- โมเดลทำคะแนน 77.8 เปอร์เซ็นต์ในการทดสอบเขียนโค้ด SWE-bench Verified เข้าใกล้ Claude Opus 4.5 ของ Anthropic และเป็นอันดับหนึ่งในกลุ่มโมเดลโอเพนซอร์สใน Vending Bench 2 และ BrowseComp
- GLM-5 ใช้สถาปัตยกรรม Mixture of Experts ที่มีผู้เชี่ยวชาญ 256 ชุด และ DeepSeek Sparse Attention เพื่อประมวลผลบริบท 200,000 โทเคนโดยยังคงประสิทธิภาพการคำนวณ
- ระบบมีอัตราการหลอนข้อมูลต่ำเป็นประวัติการณ์ โดยได้คะแนนลบหนึ่งใน Artificial Analysis Omniscience Index ดีขึ้น 35 คะแนนจากรุ่นก่อนหน้า
- Zhipu AI ขึ้นราคาสมาชิก GLM Coding Plan 30 เปอร์เซ็นต์เนื่องจากโครงสร้างพื้นฐานตึงตัว ขณะที่หุ้นของบริษัทที่จดทะเบียนในฮ่องกงพุ่งขึ้นเกือบ 30 เปอร์เซ็นต์หลังการประกาศ
- การเปิดตัวเกิดขึ้นพร้อมกับการอัปเดตครั้งใหญ่จาก DeepSeek, MiniMax, ByteDance และ Ant Group ทำให้การแข่งขันในภาค AI ของจีนเข้มข้นขึ้นก่อนช่วงวันหยุดเทศกาลตรุษจีน
