ยักษ์ใหญ่เทคโนโลยีจีนเปิดฉากรุกด้าน AI พร้อมกันในช่วงเทศกาลตรุษจีน

การรุกพร้อมกันสู่พรมแดน AI ที่เชื่อมโยงกับโลกกายภาพ

ขณะที่ตลาดอเมริกันยังจับตาประกาศล่าสุดจาก Anthropic และ OpenAI อย่างไม่วางตา ยักษ์ใหญ่ด้านเทคโนโลยีของจีนได้เปิดตัวระบบปัญญาประดิษฐ์ขั้นสูงพร้อมกันในสัปดาห์นี้ ส่งสัญญาณถึงการเปลี่ยนแปลงครั้งสำคัญในภูมิทัศน์ AI ระดับโลก Alibaba, ByteDance และ Kuaishou เปิดตัวโมเดลพร้อมใช้งานจริง ครอบคลุมหุ่นยนต์ การสร้างวิดีโอระดับภาพยนตร์ และระบบเอเจนต์อัตโนมัติ แสดงให้เห็นว่าบริษัทจีนลดช่องว่างทางเทคโนโลยีกับคู่แข่งตะวันตกเหลือเพียงไม่กี่เดือน

จังหวะเวลาในการเปิดตัวครั้งนี้มีนัยเชิงกลยุทธ์อย่างชัดเจน โดยเกิดขึ้นในช่วงเทศกาลตรุษจีน ซึ่งเป็นช่วงเวลาสำคัญที่สุดสำหรับผู้บริโภคของจีน และเป็นช่วงที่บริษัทเทคโนโลยีมักนำเสนอนวัตกรรมแก่ผู้ชมหลายร้อยล้านคนระหว่างการถ่ายทอดงานกาลาฉลองเทศกาลตรุษจีนของสถานีโทรทัศน์ CCTV ByteDance ได้รับสิทธิ์เป็นพันธมิตรคลาวด์ AI แต่เพียงผู้เดียวกับสถานีโทรทัศน์ของรัฐ ขณะที่ Alibaba เปิดแคมเปญส่งเสริมการตลาดมูลค่า 434 ล้านดอลลาร์ และ Tencent ทุ่มเงิน 1,000 ล้านหยวนกับกิจกรรมแจกของในช่วงเทศกาล การบรรจบกันของความสามารถทางเทคนิคและการตลาดที่ผูกโยงกับวัฒนธรรมนี้สะท้อนความมุ่งมั่นของปักกิ่งที่จะครองสิ่งที่คนในอุตสาหกรรมเรียกว่า พรมแดน AI ทางกายภาพ ซึ่งหมายถึงระบบที่ก้าวข้ามแชตบอตไปสู่การจัดการวัตถุ การสร้างสื่อสมจริงเสมือนภาพถ่าย และการดำเนินเวิร์กโฟลว์ซับซ้อนอย่างอัตโนมัติ

เมื่อเครื่องจักรจดจำได้: เดิมพันของ Alibaba กับปัญญาประดิษฐ์ที่มีร่างกาย

DAMO Academy ของ Alibaba เปิดตัว RynnBrain โมเดลหุ่นยนต์โอเพนซอร์สที่ถือเป็นความก้าวหน้าครั้งสำคัญในการรับรู้และปฏิสัมพันธ์ของเครื่องจักรกับโลกกายภาพ ต่างจากระบบประมวลผลภาพทั่วไปที่วิเคราะห์ภาพแต่ละเฟรมแยกจากกัน RynnBrain มีความสามารถด้านการรับรู้เวลาและพื้นที่ในตัว ทำให้หุ่นยนต์จดจำได้ว่าเหตุการณ์เกิดขึ้นเมื่อใดและที่ไหน ติดตามความคืบหน้าของงานที่มีหลายขั้นตอน และทำกิจกรรมที่ถูกขัดจังหวะต่อได้

ในวิดีโอสาธิต หุ่นยนต์ที่ติดตั้งอุปกรณ์คีบแบบง่ายทำงานที่ดูไม่ซับซ้อนแต่แท้จริงแล้วมีความซับซ้อนสูง เช่น นับส้ม เลือกผลไม้บางชนิดจากกอง และหยิบนมจากตู้เย็น กิจกรรมเหล่านี้เป็นเรื่องง่ายสำหรับมนุษย์ แต่ต้องอาศัยความสามารถในการประมวลผลสูง ทั้งการจดจำวัตถุ การทำแผนที่พื้นที่ การวางแผนเส้นทางการเคลื่อนที่ และความจำแบบลำดับขั้น อดินา ยาเคฟู นักวิจัยจาก Hugging Face อธิบายความสำคัญของนวัตกรรมด้านสถาปัตยกรรมนี้ว่า

แทนที่จะตอบสนองต่อข้อมูลที่ได้รับตรงหน้าเพียงอย่างเดียว หุ่นยนต์สามารถจดจำได้ว่าเหตุการณ์เกิดขึ้นเมื่อใดและที่ไหน ติดตามความคืบหน้าของงาน และทำงานต่อเนื่องได้หลายขั้นตอน ทำให้มีความน่าเชื่อถือและทำงานได้สอดคล้องกันมากขึ้นในสภาพแวดล้อมจริงที่ซับซ้อน

โมเดลนี้ใช้สถาปัตยกรรมแบบผสมผู้เชี่ยวชาญ ซึ่งเปิดใช้งานพารามิเตอร์เพียง 3,000 ล้านตัวในระหว่างการประมวลผล ช่วยควบคุมต้นทุนด้านการคำนวณให้อยู่ในระดับจัดการได้ ขณะเดียวกันมีรายงานว่าทำผลงานได้ดีกว่า Gemini Robotics-ER 1.5 ของ Google และ Cosmos-Reason2 ของ Nvidia ในการทดสอบมาตรฐานหลายรายการ การเปิดซอร์สโค้ดของ RynnBrain บน GitHub และ Hugging Face ทำให้ Alibaba เสนอความสามารถที่เทียบเคียงกับบริการคลาวด์ของคู่แข่งในราคาที่ถูกกว่า พร้อมส่งสัญญาณถึงความทะเยอทะยานในการสร้างชั้นปัญญาประดิษฐ์พื้นฐานสำหรับระบบอัตโนมัติในอุตสาหกรรม โลจิสติกส์ และการดูแลสุขภาพ

การพลิกโฉมฮอลลีวูด: ByteDance และ Kuaishou เขียนกติกาการผลิตวิดีโอขึ้นใหม่

Seedance 2.0 ของ ByteDance และ Kling 3.0 ของ Kuaishou ยกระดับการสร้างวิดีโอจากข้อความ จากของแปลกใหม่ให้กลายเป็นเครื่องมือผลิตงานระดับมืออาชีพ ท้าชน Sora ของ OpenAI โดยตรง และสร้างสิ่งที่นักวิเคราะห์ระบุว่าเป็นแพลตฟอร์มมาตรฐานอุตสาหกรรมสำหรับงานสร้างสรรค์

Seedance 2.0 ประมวลผลข้อความ ภาพ เสียง และวิดีโอพร้อมกัน โดยสร้างฉากภาพยนตร์ความยาวสูงสุด 15 วินาที พร้อมตัวละครที่คงรูปลักษณ์สม่ำเสมอ ฟิสิกส์สมจริง และเสียงหลายภาษาที่ตรงจังหวะ ระบบนี้ผสานเข้ากับชุดเครื่องมือ Dreamina ของ ByteDance ภายใน CapCut ทำให้เป็นเครื่องมือที่เข้าถึงได้สำหรับผู้ลงโฆษณา ผู้สร้างเนื้อหาบนโซเชียลมีเดีย และผู้ผลิตภาพยนตร์ บิลลี โบแมน ผู้กำกับฝ่ายสร้างสรรค์ในสตอกโฮล์ม ซึ่งผลิตเนื้อหาที่สร้างด้วย AI อธิบายว่าเส้นทางการพัฒนาทางเทคโนโลยีนี้เปลี่ยนแปลงวงการอย่างมาก

ย้อนกลับไปในปี 2023 แค่จะให้ใครสักคนวิ่งหรือเดินก็ยังทำได้ยาก ความสมจริงทุกรูปแบบจำกัดอยู่แค่คลิปสั้นมาก ทุกอย่างช้า พื้นผิวไม่ดี ไม่มีรายละเอียดพื้นผิวผิวหนัง และขาดรายละเอียด แต่ตอนนี้สถานการณ์พลิกไปแล้ว ผมทำได้ทุกอย่าง ความก้าวหน้าทางเทคโนโลยีนี้ยอดเยี่ยมอย่างแท้จริง

อย่างไรก็ตาม การนำเทคโนโลยีออกใช้อย่างรวดเร็วเผยให้เห็นช่องโหว่ด้านธรรมาภิบาล ByteDance ระงับฟีเจอร์ Face-to-Voice ที่เป็นประเด็นถกเถียง ซึ่งสามารถจำลองเสียงและรูปแบบการพูดเฉพาะของบุคคลจากภาพถ่ายเพียงภาพเดียว โดยไม่ต้องใช้ตัวอย่างเสียงหรือได้รับความยินยอม ทิม แพน นักรีวิวเทคโนโลยีชาวจีน สาธิตความสามารถนี้เมื่อวันที่ 10 กุมภาพันธ์ และกล่าวว่าประสบการณ์ดังกล่าวชวนให้หวาดผวา หลังระบบโคลนเสียงของเขาจากภาพเพียงภาพเดียว เหตุการณ์นี้ชี้ให้เห็นความตึงเครียดระหว่างศักยภาพทางเทคโนโลยีกับมาตรการคุ้มครองด้านจริยธรรม โดยเฉพาะหลังวิดีโอไวรัลที่สร้างภาพการต่อสู้ปลอมระหว่างทอม ครูซและแบรด พิตต์ ทำให้สมาคมภาพยนตร์ยื่นเรื่องร้องเรียนอย่างเป็นทางการเกี่ยวกับการละเมิดลิขสิทธิ์ครั้งใหญ่

Kling 3.0 ของ Kuaishou มีจุดเด่นเสริมกัน โดยเน้นการเล่าเรื่องระดับมืออาชีพผ่านการรักษาความสม่ำเสมอของตัวแบบในฉากที่ถ่ายหลายมุม ความสมจริงทางกายภาพในฉากซับซ้อน และการสร้างเสียงในตัวที่รองรับหลายภาษาและสำเนียง โมเดลนี้รองรับการสร้างภาพเป็นชุดสำหรับทำสตอรีบอร์ด และเพิ่มความยาววิดีโอที่สร้างได้ในครั้งเดียวเป็น 15 วินาที พร้อมเปิดให้กำหนดระยะเวลาของแต่ละช็อต การจัดเฟรม และการเคลื่อนกล้องได้อย่างแม่นยำ ขณะนี้ Kling เปิดให้สมาชิกแบบชำระเงินใช้งาน และเตรียมเปิดให้สาธารณชนใช้ในเร็ว ๆ นี้ ราคาหุ้นของ Kuaishou พุ่งขึ้นกว่า 50 เปอร์เซ็นต์ในช่วงปีที่ผ่านมา สะท้อนความเชื่อมั่นของนักลงทุนว่าเครื่องมือสร้างเนื้อหาด้วย AI จะช่วยเพิ่มการมีส่วนร่วมและสร้างแหล่งรายได้ใหม่ในระบบนิเวศวิดีโอสั้น

ทำให้เข้าถึงปัญญาประดิษฐ์ได้ทั่วถึง: คลื่นโอเพนซอร์ส

นอกเหนือจากแอปพลิเคชันสำหรับผู้บริโภค ห้องปฏิบัติการในจีนกำลังเร่งเผยแพร่โมเดลภาษาขนาดใหญ่และระบบเอเจนต์ในรูปแบบโอเพนซอร์ส Zhipu AI เปิดตัว GLM-5 โดยระบุว่าโมเดลนี้ทำคะแนนการทดสอบด้านการเขียนโค้ดได้ใกล้เคียง Claude Opus 4.5 ของ Anthropic และทำได้ดีกว่า Gemini 3 Pro ของ Google ในการทดสอบบางรายการ ส่วน MiniMax เปิดตัวโมเดลโอเพนซอร์ส M2.5 รุ่นปรับปรุง พร้อมเครื่องมือที่พัฒนาขึ้นสำหรับเอเจนต์อัตโนมัติ ซึ่งเป็นระบบ AI ที่ทำเวิร์กโฟลว์หลายขั้นตอนได้ เช่น การจัดตารางเวลา การค้นคว้า หรือการติดตั้งซอฟต์แวร์ โดยแทบไม่ต้องมีมนุษย์เข้าแทรกแซง

กลยุทธ์โอเพนซอร์สนี้แตกต่างอย่างชัดเจนจากแนวทางเชิงพาณิชย์แบบปิดของผู้นำ AI บางรายในโลกตะวันตก การเผยแพร่น้ำหนักโมเดล โค้ดฝึกโมเดล และชุดข้อมูลช่วยให้บริษัทจีนเร่งการนำไปใช้ในระบบนิเวศ รับข้อเสนอแนะได้อย่างรวดเร็ว และกระตุ้นนวัตกรรมต่อยอด พร้อมหลีกเลี่ยงข้อจำกัดด้านการประมวลผลที่เกิดจากมาตรการควบคุมการส่งออกเซมิคอนดักเตอร์ขั้นสูงของสหรัฐฯ ในปี 2025 โมเดลตระกูล Qwen ของ Alibaba แซงหน้า Llama ของ Meta ขึ้นเป็นชุดโมเดลที่มียอดดาวน์โหลดสูงสุดบน Hugging Face โดยทีมที่มีต้นกำเนิดจากจีนครอง 8 ใน 10 อันดับแรกของรายชื่อโมเดลที่กำลังได้รับความนิยมบนแพลตฟอร์ม

Alibaba ขยายพอร์ตโฟลิโอเพิ่มเติมด้วย Qwen 3.5 ซึ่งออกแบบมาโดยเฉพาะสำหรับยุค AI แบบเอเจนต์ โดยมีความสามารถด้านเอเจนต์เชิงภาพที่ทำงานได้อย่างอิสระผ่านแอปพลิเคชันบนมือถือและคอมพิวเตอร์ บริษัทระบุว่าโมเดลนี้มีต้นทุนการใช้งานต่ำลง 60 เปอร์เซ็นต์ และประมวลผลงานขนาดใหญ่ได้ดีกว่ารุ่นก่อนถึง 8 เท่า ขณะเดียวกัน ByteDance ก็เปิดตัว Doubao 2.0 ซึ่งเป็นรุ่นอัปเกรดของแอปแชตบอตที่มีผู้ใช้มากที่สุดในจีน โดยมีผู้ใช้เกือบ 200 ล้านคน

สามเส้นทางสู่การครองตลาด: ประสิทธิภาพ การเล่าเรื่อง และการค้า

บทวิเคราะห์ตลาดจาก Huachuang Securities ชี้ให้เห็นจุดยืนเชิงกลยุทธ์ที่แตกต่างกันของยักษ์ใหญ่เทคโนโลยีทั้งสาม ByteDance กำลังสร้างโครงสร้างพื้นฐานด้านประสิทธิภาพ โดยนำเสนอเครื่องมือที่เริ่มใช้งานได้ง่ายและต้นทุนต่ำ พร้อมความสามารถแบบครอบคลุมคล้าย CapCut ที่พัฒนาขึ้นขั้นสูง ตั้งเป้าลดต้นทุนการผลิตเนื้อหาทั่วทั้งเว็บและส่งเสริมระบบนิเวศของบริษัทผ่านการผลิตในปริมาณมหาศาล

Kuaishou เน้นการเล่าเรื่องระดับมืออาชีพ โดยมุ่งพัฒนาการจำลองทางกายภาพ ความสมจริงในฉากซับซ้อน และความสม่ำเสมอของตัวละคร สำหรับเดโมภาพยนตร์ เรื่องเล่าแนวภาพยนตร์ และเนื้อหาคุณภาพสูงที่ต้องรักษาความต่อเนื่องของเรื่อง ส่วน Alibaba มุ่งเน้นการผสานเข้ากับอีคอมเมิร์ซเฉพาะด้าน โดย Qwen-Image-2.0 ช่วยเพิ่มขีดความสามารถด้านการแปลงผลิตภัณฑ์เป็นดิจิทัลและเวิร์กโฟลว์เชิงพาณิชย์ พร้อมแคมเปญส่งเสริมการขายที่สร้างคำสั่งซื้อกว่า 120 ล้านรายการในหกวัน ผ่านการแจกคูปองด้วย AI และการผสานบริการส่งอาหาร

ความแตกต่างนี้สะท้อนการปฏิวัติด้านอุปทานที่กว้างขึ้นในอุตสาหกรรมการสร้างเนื้อหา เมื่อควบคุมผลลัพธ์ได้ดีขึ้น และระบบสุ่มแบบกาชาที่บังคับให้ผู้สร้างต้องสร้างเนื้อหาซ้ำแล้วซ้ำเล่ากว่าจะได้ผลงานที่นำไปใช้ได้ เริ่มเปลี่ยนผ่านไปสู่การผลิตเชิงอุตสาหกรรมที่คาดการณ์ผลลัพธ์ได้ ต้นทุนส่วนเพิ่มของการสร้างวิดีโอก็กำลังเข้าใกล้ต้นทุนการประมวลผลเพียงอย่างเดียว นักวิเคราะห์คาดว่าจะเกิดผลกระทบอย่างมีนัยสำคัญต่อเอเจนซีการตลาด ผู้ให้บริการอีคอมเมิร์ซ และอุตสาหกรรมมังงะจีนกับละครสั้น ขณะที่มูลค่าทรัพย์สินทางปัญญาอาจกระจุกตัวอยู่กับเนื้อหาระดับแนวหน้า เมื่ออุปสรรคในการผลิตลดลง

ช่องว่างที่แคบลงในโลกที่แบ่งขั้ว

เดมิส ฮัสซาบิส หัวหน้า Google DeepMind ประเมินเมื่อไม่นานมานี้ว่าโมเดล AI ของจีนตามหลังคู่แข่งตะวันตกเพียงไม่กี่เดือน ช่องว่างนี้ยังคงแคบลงเมื่อห้องปฏิบัติการในจีนปรับโมเดลให้เหมาะกับฮาร์ดแวร์ที่หาได้ในประเทศ และพัฒนาขีดความสามารถด้านชิปภายในประเทศ ปัจจุบันจีนมีสัดส่วนการยื่นจดสิทธิบัตร AI ทั่วโลกมากกว่า 70 เปอร์เซ็นต์ แม้บริษัทสหรัฐฯ ยังคงเป็นผู้นำด้านสถาปัตยกรรมพื้นฐานและอิทธิพลจากการอ้างอิงผลงาน

การแข่งขันกำลังถูกกำหนดมากขึ้นด้วยประสิทธิภาพการประมวลผลอนุมานและการผสานเข้ากับระบบนิเวศ แทนที่จะเป็นผลการทดสอบมาตรฐานดิบ ๆ การเติบโตอย่างรวดเร็วของ DeepSeek ในช่วงปลายปี 2025 แสดงให้เห็นว่าห้องปฏิบัติการจีนสามารถทำผลงานได้เทียบเท่าโมเดลตะวันตกโดยใช้ทรัพยากรประมวลผลเพียงเศษเสี้ยว ส่งผลให้ทั้งอุตสาหกรรมเร่งพัฒนา มาตรการควบคุมการส่งออกชิปหน่วยความจำแบนด์วิดท์สูงและอุปกรณ์การผลิตขั้นสูงของสหรัฐฯ ทำให้ความก้าวหน้านี้ซับซ้อนขึ้น แต่ไม่ได้หยุดยั้ง โดยบริษัทอย่าง Huawei กำลังพัฒนาสายการผลิตเซมิคอนดักเตอร์ที่พึ่งพาตนเองได้

ขณะเดียวกัน บริษัทเทคโนโลยีของสหรัฐฯ ก็จำกัดการเข้าถึงบริการของนักพัฒนาชาวจีนให้เข้มงวดขึ้น OpenAI ระงับการเข้าถึง API ในเดือนกรกฎาคม 2024 Microsoft ยุติบริการ Azure OpenAI สำหรับนักพัฒนารายบุคคลในจีนแผ่นดินใหญ่ และมีรายงานการระงับบัญชี Claude ของ Anthropic ข้อจำกัดเหล่านี้ยิ่งเร่งความพยายามพัฒนาเทคโนโลยีภายในประเทศ และก่อให้เกิดภูมิทัศน์ AI แบบหลายขั้ว ซึ่งความเป็นผู้นำแตกต่างกันไปตามสาขา ไม่ได้ขึ้นอยู่กับภูมิศาสตร์เพียงอย่างเดียว

ประเด็นสำคัญ

• Alibaba, ByteDance และ Kuaishou เปิดตัวโมเดล AI พร้อมกันในช่วงตรุษจีน โดยมุ่งเน้นหุ่นยนต์ การสร้างวิดีโอ และระบบเอเจนต์
• RynnBrain โมเดลหุ่นยนต์โอเพนซอร์สของ Alibaba มีความสามารถรับรู้เวลาและพื้นที่ ทำให้หุ่นยนต์ติดตามงานที่มีหลายขั้นตอนและจดจำปฏิสัมพันธ์กับวัตถุได้
• Seedance 2.0 ของ ByteDance สร้างวิดีโอระดับภาพยนตร์จากข้อความ แต่ระงับฟีเจอร์โคลนเสียงเนื่องจากข้อกังวลเรื่องความยินยอม หลังนักรีวิวสาธิตความสามารถที่ชวนให้หวาดผวา
• Kling 3.0 ของ Kuaishou เน้นการเล่าเรื่องระดับมืออาชีพ ด้วยการสร้างวิดีโอความยาว 15 วินาที เสียงหลายภาษา และความสม่ำเสมอของตัวละครที่ดีขึ้น ส่งผลให้ราคาหุ้นเพิ่มขึ้น 50 เปอร์เซ็นต์ในช่วงปีที่ผ่านมา
• บริษัท AI จีนเดินหน้ากลยุทธ์โอเพนซอร์สอย่างจริงจัง โดย Qwen ของ Alibaba แซงหน้า Llama ของ Meta ขึ้นเป็นโมเดลที่มียอดดาวน์โหลดสูงสุดบน Hugging Face
• การวางตำแหน่งเชิงกลยุทธ์แตกต่างกัน โดย ByteDance เน้นโครงสร้างพื้นฐานด้านประสิทธิภาพ Kuaishou เน้นความสมจริงระดับภาพยนตร์ และ Alibaba เน้นการผสานเข้ากับอีคอมเมิร์ซเฉพาะด้าน
• Google DeepMind ประเมินว่าโมเดลจีนตามหลังคู่แข่งตะวันตกเพียงไม่กี่เดือน โดยช่องว่างแคบลงเร็วที่สุดในด้านประสิทธิภาพการประมวลผลอนุมานและแอปพลิเคชันหลายรูปแบบ