23 มีนาคม ผู้อำนวยการสำนักงานข้อมูลแห่งชาติ Liu Liehong เปิดเผยข้อมูลที่น่าตื่นเต้นในเวทีระดับสูงด้านการพัฒนาแห่งประเทศจีนว่า ปริมาณการเรียกใช้งาน AI Token ต่อวันของจีนได้พุ่งจาก 1 พันล้านในต้นปี 2024 เป็น 100 ล้านล้านในปลายปี 2025 และทะลุ 140 ล้านล้านในเดือนมีนาคม 2026 ซึ่งเติบโตขึ้นกว่าพันเท่าในระยะเวลาเพียงสองปี ในขณะเดียวกัน ข้อมูลจากแพลตฟอร์มรวม API โมเดล AI ขนาดใหญ่ที่สุดของโลก OpenRouter แสดงให้เห็นว่า ปริมาณการเรียกใช้งานโมเดลขนาดใหญ่ของจีนต่อสัปดาห์ได้ติดต่อกันหลายสัปดาห์แซงหน้าสหรัฐอเมริกา และตำแหน่ง 3 อันดับแรกของการเรียกใช้งานทั่วโลกถูกครองโดยโมเดลของจีน การปฏิวัติอุตสาหกรรมที่ขับเคลื่อนด้วย Token นี้ กำลังเปลี่ยนแปลงแนวการแข่งขันด้านเทคโนโลยี ธุรกิจ และแม้แต่ความสามารถในการแข่งขันหลักของประเทศอย่างไม่เคยปรากฏมาก่อนด้วยความเร็วที่ไม่เคยมีมาก่อน
ในช่วงต้นปี 2026 Silicon Valley ก็มีข่าวหลายรายการที่ดึงดูดความสนใจของวงการเทคโนโลยีทั่วโลก โดยภายในของ OpenAI กำลังค่อยๆ ละทิ้งตัวชี้วัดหลักของอินเทอร์เน็ตที่ใช้มานานเกือบ 20 ปี คือ DAU (ผู้ใช้งานรายวัน) และหันมาใช้ TPD (Token Per Day) ซึ่งเป็นตัวชี้วัดหลักด้านการดำเนินธุรกิจ การเปลี่ยนแปลงนี้ไม่ได้เกิดขึ้นโดยบังเอิญ ในงาน GTC 2026 ซีอีโอของ NVIDIA Huang Renxun ได้ให้คำจำกัดความใหม่ของศูนย์ข้อมูลว่าเป็น “โรงงาน Token” และชี้ให้เห็นว่ากลยุทธ์การแข่งขันในอนาคตคือ “ปริมาณ Token ต่อวัตต์” ซึ่งไม่ใช่ปรากฏการณ์โดดเดี่ยว แต่เป็นสัญญาณว่าระบบเศรษฐกิจอัจฉริยะใหม่ที่ใช้ Token เป็นหน่วยวัดและการแลกเปลี่ยนกำลังเข้ามาอย่างเต็มรูปแบบแล้ว
- มูลค่าและการวัดผลของ AI Token
1. AI Token กลายเป็นมาตรฐานคุณค่าของยุคอัจฉริยะ
จากมุมมองของวิทยาการคอมพิวเตอร์ Token คือหน่วยพื้นฐานที่โมเดล AI ใช้ในการประมวลผลข้อมูลต่างๆ เมื่อป้อนข้อความเข้าโมเดล ข้อความนั้นจะถูกแบ่งเป็นคำหรือคำย่อย รูปภาพจะถูกแบ่งเป็นบล็อกพิกเซล และเสียงจะถูกแบ่งเป็นช่วงเวลา ซึ่งหน่วยพื้นฐานเหล่านี้ไม่สามารถแบ่งย่อยได้อีก จึงเรียกว่าทุกหน่วยเป็น Token ทั้งสิ้น
ในทางปฏิบัติ การวัด Token จะมีการกำหนดกฎเกณฑ์ที่ชัดเจน สำหรับข้อความภาษาอังกฤษ คำสั้นอาจนับเป็น 1 Token ขณะที่คำที่ยาวขึ้นจะถูกแบ่งเป็นหลาย Token โดยคร่าวๆ 1 Token เท่ากับประมาณ 4 ตัวอักษรภาษาอังกฤษ สำหรับข้อความภาษาจีน โดยทั่วไป 1 ตัวอักษรจะเท่ากับ 1 ถึง 2 Token ไม่ว่าจะเป็นการประมวลผลข้อมูลในกระบวนการฝึกโมเดล หรือการเรียกใช้งานโมเดล การวัดผลทุกอย่างของ AI ล้วนใช้ Token เป็นหน่วยวัดหลัก การใช้ Token เป็นตัวชี้วัดขนาดของงานและมูลค่าที่สร้างขึ้นโดยโมเดลนั้น สอดคล้องกับทฤษฎีมูลค่าของมาร์กซิสต์
ความสำคัญของ Token อยู่ที่มันให้มาตรฐานเชิงปริมาณและเปรียบเทียบได้สำหรับการพัฒนาเศรษฐกิจอัจฉริยะ ในขณะที่เทคโนโลยี AI กำลังพัฒนาจากโมเดลข้อความไปสู่โมเดลมัลติโหมด การใช้งานในด้านต่างๆ เช่น การเขียนโปรแกรม วิดีโอ วิจัย ฯลฯ ก็ใช้ Token เป็นหน่วยวัดกลยุทธ์ที่เป็น “มาตราวัดเดียว” นี้จึงกลายเป็นตำแหน่งเชิงกลยุทธ์ที่สำคัญของ Token ซึ่งไม่ใช่เรื่องบังเอิญ แต่เป็นผลสืบเนื่องจากการพัฒนาอุตสาหกรรมในยุคต่างๆ เช่น ยุคอุตสาหกรรมใช้ “กิโลวัตต์ชั่วโมง” วัดการใช้ไฟฟ้า ยุคอินเทอร์เน็ตใช้ “GB” วัดปริมาณข้อมูล และยุค AI ก็ต้องใช้ Token ในการวัดผลผลิตอัจฉริยะ ในเชิงเศรษฐกิจและธุรกิจ Token ได้กลายเป็นหน่วยมูลค่าหลักที่สามารถวัดราคาและแลกเปลี่ยนได้ในยุคอัจฉริยะ มันเชื่อมต่อพลังงาน พลังการคำนวณ ข้อมูล และบริการอัจฉริยะระดับบน เป็นมาตรฐานทั่วไปในการวัดประสิทธิภาพการผลิต AI คำนวณต้นทุน และชำระค่าบริการ AI
ห่วงโซ่คุณค่าของ Token ครอบคลุม 5 ขั้นตอน ได้แก่ การผลิตฮาร์ดแวร์ โครงสร้างพื้นฐาน การให้พลังการคำนวณ การดำเนินแพลตฟอร์ม และการพัฒนาแอปพลิเคชัน ต้นทุนหลักประกอบด้วยค่าไฟฟ้าและค่าเสื่อมของพลังงานคำนวณ ซึ่งคิดเป็น 70-80% ของต้นทุนรวม จึงเป็นปัจจัยสำคัญที่กำหนดความสามารถในการแข่งขันระดับนานาชาติของ Token “ปริมาณ Token ต่อวัตต์” (Tokens per Watt) จึงกลายเป็นตัวชี้วัดสำคัญของความสามารถในการแข่งขันของธุรกิจ AI ซึ่งหมายความว่า ในงบประมาณพลังงานคงที่ ใครสามารถผลิต Token ได้มากขึ้นด้วยพลังงานที่มีประสิทธิภาพสูงสุด ก็จะมีต้นทุนต่ำที่สุดและมีความได้เปรียบในตลาดมากที่สุด
- ปัจจัยที่มีผลต่อการวัดผล Token ของ AI
เนื่องจากบริบทการใช้งานที่หลากหลาย การวัด Token จึงพัฒนาจากการนับแบบง่าย ไปสู่ระบบซับซ้อนที่มีหลายมิติและมีการปรับน้ำหนักแบบไดนามิก
(1) การแยกเป็นสองส่วนของข้อมูลเข้าและข้อมูลออก การวัดพื้นฐานยังคงใช้โครงสร้าง “Token เข้าสู่ระบบ” กับ “Token ออกสู่ระบบ” ข้อมูลเข้า Token คือข้อมูลที่ผู้ใช้ป้อนให้โมเดล เช่น คำสั่ง คำอธิบาย เอกสารที่อัปโหลด ประวัติสนทนา ฯลฯ ส่วนข้อมูลออก Token คือคำตอบหรือผลลัพธ์ที่โมเดลสร้างขึ้น ในเชิงพาณิชย์ การคำนวณค่าบริการ โมเดลที่สร้างขึ้นต้องใช้หน่วยความจำและพลังงานคำนวณจำนวนมาก ซึ่งต้นทุนของ Token ออกมักจะสูงกว่าข้อมูลเข้า 3-5 เท่า ความแตกต่างนี้สะท้อนให้เห็นถึงความแตกต่างในเชิงแรงงานสร้างสรรค์กับการอ่านข้อมูล ซึ่งใช้พลังงานคำนวณต่างกันอย่างชัดเจน
(2) การวัดบริบทและต้นทุนความจำ ในปี 2024-2025 หน้าต่างบริบท (Context Window) ของโมเดลขนาดใหญ่ได้พัฒนา จาก 8K, 32K ไปเป็น 128K จนถึง 1 ล้าน Token ในปี 2026 การจัดการบริบทยาวเป็นเรื่องปกติ แต่บริบทยาวก็ไม่ใช่เรื่องฟรี เนื่องจากกลไก Attention ของ Transformer ทำให้การคำนวณในลำดับยาวมีความซับซ้อนเป็นกำลังสองหรือเชิงเส้น ระบบจึงต้องใช้ “ตัวคูณน้ำหนักบริบท” เมื่อผู้ใช้ถามคำถามในสนทนาที่มีบริบท 1 ล้าน Token แม้จะสร้างคำตอบเพียง 10 Token ระบบก็ต้องสแกนหรือดึงข้อมูลจากความทรงจำจำนวนมาก ซึ่งต้นทุนนี้จะถูกรวมเข้าใน “Token บริบทที่ใช้งานอยู่” ทำให้การวัดผลแม่นยำขึ้นในการสะท้อนต้นทุนการรักษาความทรงจำระยะยาวของโมเดล
(3) การทำ Token ของข้อมูลมัลติโหมด เมื่อโมเดลมัลติโหมด (LMM) เริ่มเป็นที่แพร่หลาย รูปภาพ วิดีโอ และเสียง ก็ถูกนำมาวัดผลด้วย Token เช่น รูปความละเอียดสูงถูกแบ่งเป็น Visual Patches หลายร้อยชิ้น แต่ละชิ้นจะถูกเข้ารหัสเป็น Visual Token ช่วงเวลาหนึ่งนาทีของวิดีโออาจกลายเป็น Token จำนวนหลายหมื่น ชุดนี้ทำให้การวัดผลเป็นมาตรฐานเดียวกันข้ามโมเดลและสื่อ ทำให้การสร้างภาพ การเข้าใจวิดีโอ และการโต้ตอบด้วยเสียง สามารถคำนวณในระบบเศรษฐกิจเดียวกัน เช่น การสร้างวิดีโอความยาว 10 วินาที อาจใช้ Token เท่ากับการเขียนบทความพันคำ ซึ่งสะท้อนความหนาแน่นของข้อมูลในแต่ละโมเดลได้อย่างชัดเจน
(4) การทำให้คุณค่าของ Token เป็นสิ่งลับซ่อนอยู่ เมื่อ AI Agent (สมองกลอัจฉริยะ) เริ่มแพร่หลาย โมเดลไม่ใช่แค่ตอบคำถามครั้งเดียว แต่ทำการวางแผนอิสระ เขียนโค้ด สะท้อนความคิดตัวเอง และค้นหาหลายรอบ กระบวนการนี้สร้าง Token กลางจำนวนมาก ซึ่งไม่ได้แสดงให้ผู้ใช้เห็นโดยตรง แต่เป็นรากฐานของผลลัพธ์คุณภาพสูง มาตรฐานการวัดผลใหม่จึงเริ่มแยกแยะระหว่าง “Token ผลลัพธ์ภายนอก” กับ “Token การคิดภายใน” สำหรับการคำนวณระดับสูง เช่น การคำนวณทางวิทยาศาสตร์หรือการวิเคราะห์เชิงซ้อน จำนวน Token สำหรับการคิดภายในอาจเป็นหลายสิบเท่าของ Token ผลลัพธ์บางแพลตฟอร์มชั้นนำเริ่มทดลองคิดค่าบริการตามจำนวนขั้นตอนการคิดหรือความลึกของสมองเชิงตรรกะ ซึ่งเป็นการเปลี่ยนแปลงพื้นฐานจากการวัดผลแบบนับจำนวนคำ ไปเป็นการวัดผลแบบวัดความฉลาด
- แนวโน้มการพัฒนา Token ของ AI
ในช่วงไม่กี่ปีที่ผ่านมา การพัฒนา Token ของ AI มีแนวโน้มหลัก 3 ประการ คือ ปริมาณที่พุ่งขึ้นอย่างก้าวกระโดด การบีบอัดหน่วยให้เล็กที่สุด และการแบ่งชั้นของคุณค่า
แนวโน้มที่ 1: การเติบโตอย่างระเบิดเถิดเทิงของปริมาณการใช้งาน จากข้อมูลในปี 2024 ปริมาณ Token ต่อวันทั่วโลกอยู่ที่ประมาณ 100 พันล้าน และในไตรมาสแรกของปี 2026 ตัวเลขนี้พุ่งขึ้นเป็น 180 ล้านล้าน เพิ่มขึ้นเกือบ 1,800 เท่า การเติบโตนี้ไม่ใช่แบบเส้นตรง แต่เป็นผลจากการเปลี่ยนแปลงในรูปแบบการใช้งาน ตัวอย่างเช่น ในช่วงแรก การใช้งาน Token ส่วนใหญ่เกิดจากการสนทนาระหว่างมนุษย์กับคอมพิวเตอร์ (Chatbot) ซึ่งเป็นการโต้ตอบระดับต่ำและไม่บ่อยนัก แต่ในปี 2026 การใช้งานหลักเป็นของ Autonomous Agents ซึ่งเป็นตัวแทนอัจฉริยะที่ทำงานอิสระ เช่น การวางแผนงาน แยกงาน เรียกใช้เครื่องมือ เขียนและปรับแต่งโค้ด รวมถึงการตรวจสอบผลลัพธ์ ซึ่งอาจใช้ Token หลายหมื่นหรือหลายแสนในวงจรเดียวกัน คาดว่าในปี 2030 ปริมาณ Token ต่อวันทั่วโลกจะทะลุหลัก 10^16 ซึ่งเป็นระดับ “จิกะ” (หนึ่งล้านล้านล้าน)
แนวโน้มที่ 2: ต้นทุนต่อหน่วยลดลงตามกฎของโมอาร์ (Moore’s Law) ด้วยเทคโนโลยีฮาร์ดแวร์ใหม่ เช่น สถาปัตยกรรม NVIDIA Blackwell และ Rubin การปรับปรุงซอฟต์แวร์ เช่น โมเดล MoE (Mixture of Experts) การทำให้เป็นดิจิทัลด้วยเทคนิค Quantization และการปรับปรุงการจัดสรรคลัสเตอร์ ทำให้ต้นทุนการสร้าง Token คุณภาพสูงในปี 2026 ลดลงประมาณ 2 หลัก เมื่อเทียบกับปี 2023 ซึ่งเป็นผลของ “ปรากฏการณ์เจฟเฟอร์สัน” (Jevons Paradox) ที่ประสิทธิภาพเพิ่มขึ้น แต่ความต้องการก็เพิ่มขึ้นอย่างรวดเร็วในวงการ AI ในอนาคต เทคโนโลยีใหม่ เช่น คอมพิวเตอร์โฟตอน และชิปแบบ neuromorphic อาจทำให้การใช้พลังงานต่อ Token ลดลงอีกมาก จนเป็นไปได้ที่จะมี AI ที่ไม่มีขีดจำกัดในทางทฤษฎี
แนวโน้มที่ 3: การแบ่งชั้นของคุณค่าและการใช้งานเฉพาะด้าน ในอนาคต ตลาด Token จะแบ่งเป็นชั้นชัดเจน โมเดลทั่วไป (General Purpose) จะผลิต Token ราคาถูกและเป็นมาตรฐาน เช่น สำหรับคำถามทั่วไป การแปลภาษาเบื้องต้น หรือการจำแนกง่ายๆ ในขณะที่ Token ระดับสูง (High-Order) ที่ผ่านการปรับแต่งเฉพาะด้าน มีข้อมูลส่วนตัวลับเฉพาะ และความสามารถในการวิเคราะห์เชิงลึก จะมีราคาแพงและหายาก เช่น Token สำหรับคำแนะนำวินิจฉัยทางการแพทย์จากโมเดลชั้นนำ ซึ่งมีมูลค่าสูงกว่าการสนทนาทั่วไปอย่างมาก การแบ่งชั้นนี้จะทำให้เกิดตลาดอนุพันธ์ของ Token และระบบรับรองคุณภาพ ผู้ใช้จะจ่ายเบี้ยประกันสำหรับ Token ที่มีคุณภาพตามระดับ QoS
- เปรียบเทียบอุตสาหกรรม Token ของจีนและสหรัฐอเมริกา
1. ขนาดการผลิตและการใช้งาน รวมถึงการแซงหน้ากันของปริมาณรวม
สหรัฐอเมริกามีความได้เปรียบในด้านเทคโนโลยีโมเดลและการออกแบบชิป โดยเฉพาะ NVIDIA ซึ่งเป็นผู้นำตลาด GPU ทั่วโลก มีมูลค่าตลาดจากประมาณ 300 พันล้านดอลลาร์ในปลายปี 2022 พุ่งแตะกว่า 4 ล้านล้านดอลลาร์ในปัจจุบัน ซึ่งเติบโตขึ้น 14 เท่า ความสำเร็จนี้เกิดจากความเป็นผู้นำด้านเทคโนโลยีชิปขั้นสูงของสหรัฐอเมริกา ในขณะเดียวกัน โมเดลปิดเช่น Claude และ GPT ยังคงมีราคาสูงกว่า 5 ดอลลาร์ต่อหนึ่งล้าน Token ซึ่งสะท้อนถึงความเป็นผู้นำด้านเทคนิคและอำนาจในการตั้งราคาบนตลาดระดับสูง
อย่างไรก็ตาม สหรัฐกำลังเผชิญกับความท้าทายเชิงโครงสร้าง เช่น ปัญหาเครือข่ายไฟฟ้าที่เริ่มจำกัดการขยายพลังการคำนวณ AI ต้นทุนไฟฟ้าสูงขึ้น และเทคโนโลยีโมเดลหนาแน่น (Dense Model) ที่ใช้พลังงานไม่คุ้มค่า ทำให้ต้นทุนการผลิต Token ต่อหน่วยยังไม่ลดลงอย่างรวดเร็ว
ในทางตรงกันข้าม จีนมีข้อได้เปรียบด้านต้นทุนและระบบนิเวศโอเพ่นซอร์ส โมเดลของจีน เช่น DeepSeek มีราคาถูกมาก เพียง 0.028 ดอลลาร์ต่อหนึ่งล้าน Token ซึ่งเป็นเพียง 1/180 ของ GPT ซึ่งราคานี้ดึงดูดนักพัฒนาทั่วโลกให้ “ลงคะแนนด้วยเท้าของตน” ตัวอย่างเช่น ในสัปดาห์ระหว่างวันที่ 16-22 กุมภาพันธ์ 2026 ปริมาณ Token ที่เรียกใช้งานบนแพลตฟอร์ม OpenRouter ของจีนสูงถึง 5.16 หมื่นล้าน ซึ่งเพิ่มขึ้น 127% จากสามสัปดาห์ก่อน ในขณะที่โมเดลของสหรัฐฯ มีปริมาณลดลงเหลือ 2.7 หมื่นล้าน และยังคงลดลงอย่างต่อเนื่อง ใน 5 อันดับโมเดลทั่วโลก จีนครอง 4 อันดับ รวมกันคิดเป็น 85.7% ของ Top 5 ปริมาณการเรียกใช้งาน Token ของจีนในสัปดาห์เดียวกันนี้แซงหน้าสหรัฐฯ เป็นครั้งแรก และยังคงนำอยู่ต่อเนื่อง โมเดลของจีน เช่น MiniMax, DeepSeek, Kimi ยังคอยครองอันดับต้นๆ อยู่เป็นเวลานาน และสัดส่วนการใช้งาน Token ของจีนในระดับโลกก็เคยแตะเกิน 60% ด้วยซ้ำ
ต้องเน้นว่า การแซงหน้าของจีนในด้านปริมาณการใช้งาน Token เกิดขึ้นบนด้านการวิเคราะห์เชิงเหตุผล (Inference) มากกว่าการฝึกโมเดล (Training) เนื่องจากด้านการวิเคราะห์เชิงเหตุผล การใช้งานโมดูลเดียวต่อการ์ด (Single Card) ก็เพียงพอแล้ว และชิปของจีนก็ได้รับการปรับแต่งอย่างลึกซึ้งเพื่อรองรับความต้องการนี้ ขณะที่การฝึกโมเดลยังคงต้องพึ่งพาการ์ดระดับสูงจำนวนมาก ซึ่งต้องใช้โครงสร้างแบบกระจายและเทคนิค MoE ในการสร้างโมเดลที่ดี ซึ่งหมายความว่า จีนมีข้อได้เปรียบในด้านการใช้งานและการสร้างมูลค่าในเชิงพาณิชย์ แต่ยังมีช่องว่างในด้านนวัตกรรมโมเดลพื้นฐานในระดับรากฐาน
- จีนมีข้อได้เปรียบด้านพลังงานและโครงสร้างพื้นฐานด้านวิศวกรรม
ข้อได้เปรียบด้านต้นทุนของจีนมาจากหลายมิติ เช่น ค่าไฟฟ้า ซึ่งเป็นต้นทุนหลักของการผลิต Token คิดเป็นมากกว่า 30% ของต้นทุนรวม เนื่องจากการฝึกและการเรียกใช้งาน AI เป็นกิจกรรมที่ใช้พลังงานมหาศาล ระบบไฟฟ้าและความเสถียรของพลังงาน รวมถึงต้นทุนไฟฟ้าสีเขียว จึงเป็นปัจจัยสำคัญที่กำหนดความสามารถในการแข่งขันด้านต้นทุนของ Token ในระดับนานาชาติ โครงการ “东数西算” (ภาคตะวันออกใช้พลังงานภาคตะวันตก) และการสร้างเครือข่ายไฟฟ้าขนาดใหญ่ของจีน ทำให้ราคาพลังงานสีเขียวในภาคตะวันตกต่ำถึง 0.2 หยวนต่อกิโลวัตต์ชั่วโมง หรือประมาณ 0.028 ดอลลาร์ต่อกิโลวัตต์ชั่วโมง ซึ่งต่ำกว่าราคาพลังงานในยุโรปและอเมริกา ที่อยู่ในช่วง 0.08-0.12 ดอลลาร์ต่อกิโลวัตต์ชั่วโมง
ต้นทุนของชิปประกอบด้วยต้นทุนการจัดซื้อฮาร์ดแวร์ ค่าเสื่อมราคา และค่าบำรุงรักษา สหรัฐฯ ด้วยความเป็นผู้นำด้าน NVIDIA มีข้อได้เปรียบด้านซัพพลายชิประดับสูง แต่ก็หมายถึงต้นทุนการจัดซื้อที่สูงขึ้น ขณะที่จีนเน้นใช้ชิประดับสูงในกระบวนการฝึกโมเดลในจำนวนน้อย และใช้ชิปของจีนในกระบวนการเรียกใช้งานในปริมาณมาก โดยปรับแต่งให้ต้นทุนต่อหน่วยพลังการคำนวณต่ำที่สุด ในระดับการทำงานแบบครบวงจร (Full-stack) จีนสามารถเชื่อมต่อโมเดล บริการคลาวด์ และชิปเข้าด้วยกันอย่างลึกซึ้ง ทำให้การใช้พลังงานคำนวณมีประสิทธิภาพสูงสุด ในขณะที่ผู้ผลิตชิปของสหรัฐฯ มักพึ่งพาแพลตฟอร์มคลาวด์และชิปของบุคคลที่สาม ซึ่งมีต้นทุนการปรับแต่งสูงกว่า
ประสิทธิภาพด้านวิศวกรรมเป็นตัวแปรสำคัญที่กำหนดความแตกต่างของต้นทุน Token ในเชิงเทคนิค จีนใช้เทคโนโลยี MoE (Mixture of Experts) เป็นจำนวนมาก โดยแยกโมเดลขนาดใหญ่เป็นหลายผู้เชี่ยวชาญ (Experts) และเปิดใช้งานเฉพาะกลุ่มที่เกี่ยวข้องเท่านั้น ในงบประมาณ 1,000 ดอลลาร์สหรัฐฯ การเลือกเทคนิคต่างกันอาจทำให้จำนวน Token ที่สร้างได้แตกต่างกันถึง 10 เท่า โมเดล MoE เมื่อเทียบกับโมเดล Dense (หนาแน่น) จะให้ผลผลิต Token ต่อพลังงานมากกว่าหลายเท่า การทำงานแบบครบวงจร (Full-stack) ก็สำคัญเช่นกัน เมื่อผู้ผลิตโมเดล ผู้ให้บริการคลาวด์ และผู้ผลิตชิปทำงานร่วมกันอย่างใกล้ชิด ประสิทธิภาพการใช้พลังงานก็จะสูงขึ้นอย่างคาดไม่ถึง
การแข่งขันด้าน AI ทั่วโลกในปัจจุบันได้เปลี่ยนจากการเน้น “ประสิทธิภาพโมเดล” ไปเป็นการเน้น “ประสิทธิภาพการผลิต Token” และ “ต้นทุนต่อ Token” ซึ่งเป็นตัวชี้วัดความสามารถทางอุตสาหกรรมและความแข็งแกร่งของประเทศ จีนด้วยพลังงานที่มีเสถียรภาพ ราคาถูก ระบบนิเวศพลังงานที่มั่นคง และความสามารถด้านวิศวกรรมที่มีประสิทธิภาพ จึงได้เปรียบในด้านการผลิต Token ในระดับขนาดใหญ่และต้นทุนต่ำ ซึ่งกำลังกลายเป็น “แหล่งต้นทุนต่ำ” และ “โรงงานขนาดใหญ่” ของการคำนวณ AI ทั่วโลก สหรัฐฯ ก็ยังคงครองความได้เปรียบในด้านเทคโนโลยีและนวัตกรรมระดับสูง ระบบนิเวศระดับสูง และทุนทางการเงิน ซึ่งเป็นส่วนสำคัญของห่วงโซ่คุณค่า ความจริงแล้ว การแข่งขันนี้คือการต่อสู้ในด้านราคาพลังงาน ความสามารถในการจัดการอุตสาหกรรม และอิทธิพลของระบบนิเวศดิจิทัล ในอนาคตอันใกล้ เราอาจได้เห็นว่า นอกจากสินค้าอุตสาหกรรมและอุปกรณ์อิเล็กทรอนิกส์แบบเดิมแล้ว จีนจะเปลี่ยนข้อได้เปรียบด้านพลังงานและไฟฟ้าในประเทศเป็นข้อได้เปรียบด้านการค้าระหว่างประเทศ และกลายเป็นสินค้าใหม่ที่มีความสามารถในการแข่งขันสูงสุดในระดับโลก นั่นคือ “AI Token” ซึ่งในกลุ่มที่เติบโตอย่างรวดเร็วนี้ จีนจะเกินดุลการค้ากับทุกประเทศยกเว้นสหรัฐอเมริกา และสิ่งนี้จะเปลี่ยนโฉมหน้าทางเศรษฐกิจและกลยุทธ์ของโลกอย่างสิ้นเชิง
- AI Token จะกลายเป็นสินทรัพย์เงินตราสากลใหม่หรือไม่?
1. เงื่อนไขที่จำเป็นสำหรับการทำให้เป็นสกุลเงินและช่องว่างในความเป็นจริง
เพื่อวิเคราะห์ว่า AI Token จะกลายเป็นสกุลเงินสากลที่ใช้ในวงกว้างหรือไม่ จำเป็นต้องเข้าใจคุณสมบัติพื้นฐานของสกุลเงินก่อน สาขาเศรษฐศาสตร์ระบุว่า สินทรัพย์ที่จะกลายเป็นสกุลเงินได้ ต้องสามารถทำหน้าที่หลัก 3 ประการ คือ เป็นมาตรฐานคุณค่า (Unit of Account) เป็นสื่อกลางแลกเปลี่ยน (Medium of Exchange) และเป็นที่เก็บรักษามูลค่า (Store of Value) นอกจากนี้ ยังต้องได้รับการยอมรับอย่างแพร่หลาย มีความเสถียรของมูลค่า และได้รับการรับรองโดยอธิปไตย (Sovereign Credit) เมื่อเทียบกับเกณฑ์เหล่านี้แล้ว ในอนาคตอันใกล้ AI Token ยากที่จะกลายเป็นสกุลเงินในความหมายดั้งเดิม
ความไม่เสถียรของมูลค่าเป็นอุปสรรคสำคัญที่สุดของ AI Token ในฐานะสกุลเงิน ราคาของ Token ในช่วงสองปีที่ผ่านมาได้ลดลงกว่า 99% ซึ่งความผันผวนรุนแรงนี้ทำให้ร้านค้าหลายแห่งไม่เต็มใจรับสกุลเงินที่อาจถูกลดค่าลงครึ่งหนึ่งภายในสัปดาห์เดียว แม้ในอนาคต ราคาจะนิ่งขึ้น มูลค่าของ AI Token ก็ยังผูกติดกับต้นทุนพลังการคำนวณ ซึ่งเองก็ได้รับผลกระทบจากเทคโนโลยีชิป ราคาพลังงาน และความขัดแย้งทางภูมิรัฐศาสตร์ ทำให้ไม่สามารถรักษาเสถียรภาพในระยะยาวได้
อีกปัจจัยหนึ่งคือ การรับรู้และการยอมรับในวงกว้าง ปัจจุบัน AI Token ถูกใช้ในเฉพาะการเรียก API และการใช้งาน AI เท่านั้น ยังไม่สามารถใช้ซื้อสินค้าและบริการในชีวิตประจำวันได้ สกุลเงินในความหมายดั้งเดิมคือเครื่องมือแลกเปลี่ยนทั่วไปของสินค้าและบริการในสังคม แต่เครือข่ายของ AI Token ในปัจจุบันยังจำกัดอยู่ในวงการ AI เท่านั้น การสร้างเครือข่ายการค้าสินค้าและบริการระดับโลกที่รองรับการใช้ AI Token จึงเป็นสิ่งจำเป็น ซึ่งต้องลงทุนโครงสร้างพื้นฐานและใช้เวลานาน
เมื่อเปรียบเทียบกับการเป็นสกุลเงินแล้ว AI Token มีแนวโน้มที่จะกลายเป็นสินทรัพย์ขนาดใหญ่ (Commodity Asset) ชนิดใหม่ เช่น น้ำมัน ทองคำ ทองแดง ซึ่งมีลักษณะสำคัญดังนี้
ประการแรก AI Token มีลักษณะเป็นสินทรัพย์ขนาดใหญ่ที่มีความเป็นมาตรฐาน สามารถซื้อขายได้ในตลาด มีความต้องการใช้อย่างกว้างขวาง ซึ่งตรงกับลักษณะของสินทรัพย์ขนาดใหญ่ (Commodity) อย่างชัดเจน เช่น คำพูดของ Huang Renxun ที่กล่าวว่า “ศูนย์ข้อมูลในอนาคตจะกลายเป็นโรงงานที่ทำงานไม่หยุดหย่อน ผลิตสิ่งที่สำคัญและมีมูลค่าสูงที่สุดในโลกดิจิทัล นั่นคือ Token” ซึ่งเปรียบเสมือนเชื้อเพลิงในยุคอุตสาหกรรม
ประการที่สอง กลไกการกำหนดราคาของ Token เริ่มเข้าใกล้กลไกของสินค้าขนาดใหญ่ เช่น ราคาของโมเดล API ของ AI เริ่มมีลักษณะเป็นตลาดเสรี เมื่ออุปทานตึงตัว ราคาจะปรับตัวสูงขึ้น เมื่ออุปสงค์อ่อนลง ราคาจะลดลง ซึ่งคล้ายกับตลาดน้ำมันและทองคำในปัจจุบัน เมื่อการซื้อขาย Token ขยายตัวและเป็นมาตรฐานมากขึ้น ก็อาจเกิดตลาดอนุพันธ์ของ Token เช่น ฟิวเจอร์สและออปชัน ซึ่งเป็นเครื่องมือบริหารความเสี่ยงและการค้นหาราคาในอนาคต
ประการที่สาม โครงสร้างอุปสงค์และอุปทานของ Token ก็มีลักษณะเป็นสินค้าขนาดใหญ่เช่นกัน ฝั่งอุปทานถูกจำกัดด้วยความสามารถของโรงงานผลิตชิปและไฟฟ้า ซึ่งใช้เวลาขยายตัวและปรับตัวช้า ขณะที่อุปสงค์เติบโตอย่างรวดเร็วตามการใช้งาน AI ซึ่งเป็นลักษณะของวัฏจักรเศรษฐกิจ (Cyclical) ทำให้ราคาของ Token มีแนวโน้มผันผวนเป็นวัฏจักร ซึ่งในปี 2026 ราคาของ Token ก็ได้แสดงให้เห็นแล้วว่า แม้แนวโน้มระยะยาวจะเป็นขาลง แต่ในระยะสั้น การขาดสมดุลของอุปสงค์และอุปทานก็สามารถทำให้ราคาพุ่งสูงขึ้นได้
ประการที่สี่ Token อาจกลายเป็นสินทรัพย์สำรองของชาติในอนาคต เมื่อความสามารถด้าน AI แพร่กระจายไปยังด้านความมั่นคง การเงิน พลังงาน ฯลฯ ความปลอดภัยด้านพลังการคำนวณก็กลายเป็นเรื่องของความมั่นคงระดับชาติ บางประเทศอาจเริ่มเก็บสำรองพลังการคำนวณเป็นกลยุทธ์ ซึ่งในฐานะหน่วยวัดพลังการคำนวณ Token จึงอาจกลายเป็นมาตรฐานวัดสำรองพลังงานและพลังการคำนวณในระดับประเทศ ซึ่งอาจนำไปสู่การสร้าง “ระบบสำรองแบบอิงพลังการคำนวณ” (Compute-based Reserve System) ซึ่งเป็นระบบสำรองใหม่ที่อิงกับพลังการคำนวณเป็นหลัก
2. Stablecoin ของ AI เป็นทางออกใหม่
ในขณะที่ AI Token ยากที่จะกลายเป็นสกุลเงินในความหมายดั้งเดิม การเติบโตของ Stablecoin ซึ่งเป็นเหรียญดิจิทัลที่มีมูลค่าคงที่และผูกกับสินทรัพย์หลัก เช่น ดอลลาร์สหรัฐฯ ก็เป็นแนวโน้มที่น่าสนใจ เมื่อ AI Agent ต้องทำการตัดสินใจและการซื้อขายอิสระ ระบบการเงินแบบเดิมก็ไม่สามารถรองรับได้ดี เช่น ธนาคารไม่เปิดบัญชีให้ AI, บัตรเครดิตไม่ออกให้ AI, ระบบเครดิตก็ออกแบบมาเพื่อมนุษย์เท่านั้น ในบริบทนี้ Stablecoin บนบล็อกเชนจึงกลายเป็นทางเลือกที่ดี เพราะสามารถทำธุรกรรมได้ทั่วโลกแบบไม่ต้องอนุญาต การชำระเงินรวดเร็ว และต้นทุนต่ำ ซึ่งเหมาะสมกับเศรษฐกิจของ AI Agent
ข้อมูลแสดงให้เห็นว่า การใช้งาน Stablecoin ในเศรษฐกิจ AI Agent กำลังเติบโตอย่างรวดเร็ว จนถึงเดือนมีนาคม 2026 ระบบนิเวศของ x402 มีจำนวนธุรกรรมมากกว่า 1.63 พันล้านรายการ รวมมูลค่ากว่า 4.5 ล้านดอลลาร์สหรัฐฯ มี AI Agent ฝั่งผู้ซื้อกว่า 435,000 ตัว และฝั่งผู้ขายกว่า 90,000 ตัว โดย USDC เป็น Stablecoin ที่ครองตลาดสูงสุดในระบบนิเวศนี้ โดยมีสัดส่วนการซื้อขายบนเครือข่าย EVM ถึง 98.6% และบนเครือข่าย Solana ถึง 99.7%
- สามเส้นทางในอนาคตของการพัฒนา AI Token
จากการวิเคราะห์ข้างต้น แนวโน้มการพัฒนาในอนาคตของ AI Token อาจแบ่งเป็น 3 เส้นทางหลัก คือ
เส้นทางที่ 1: คงตำแหน่งเป็นหน่วยวัดผล ไม่กลายเป็นสินทรัพย์อิสระ ในกรณีนี้ AI Token ยังคงเป็นหน่วยวัดราคาของบริการ AI เท่านั้น ไม่มีลักษณะเป็นสินทรัพย์เพื่อการลงทุน ผู้ใช้ซื้อความสามารถของ AI ไม่ใช่ Token เอง Token เป็นเพียงเครื่องมือในการคิดค่าบริการ ไม่ใช่สินทรัพย์เพื่อเก็บรักษามูลค่า นี่เป็นแนวโน้มที่ปลอดภัยที่สุดและเป็นสถานะปัจจุบัน
เส้นทางที่ 2: กลายเป็นสินค้าขนาดใหญ่ (Commodity) และสร้างตลาดฟิวเจอร์สของพลังการคำนวณ เมื่อการซื้อขาย Token ขยายตัวและเป็นมาตรฐานมากขึ้น Token อาจกลายเป็นสินค้าขนาดใหญ่ เช่น น้ำมัน ทองคำ ซึ่งสามารถซื้อขายในตลาดอนุพันธ์ เช่น ฟิวเจอร์สและออปชัน เพื่อบริหารความเสี่ยงและค้นหาราคาในอนาคต ซึ่งจะทำให้ราคาของ Token ผันผวนมากขึ้น แต่ก็มีความเป็นการเงินสูงขึ้นด้วย
เส้นทางที่ 3: เป็นกลไกวัดผลในระบบเงินตราใหม่ (Compute-based Monetary System) ซึ่งเป็นแนวทางที่เปลี่ยนแปลงอย่างรุนแรงที่สุด คือ พลังการคำนวณกลายเป็นมูลค่าหลักของสกุลเงิน คล้ายกับทองคำในระบบทองคำ (Gold Standard) ในระบบนี้ รัฐบาลหรือธนาคารกลางอาจออกสกุลเงินดิจิทัล (CBDC) ที่ผูกกับหน่วย Token ซึ่งเป็นหน่วยวัดพลังการคำนวณในระดับประเทศ ระบบนี้จะต้องเผชิญกับความท้าทายด้านเทคนิคและนโยบายจำนวนมาก แต่หากสำเร็จ จะเป็นการปฏิวัติระบบเงินตราทั่วโลกอย่างแท้จริง
- กลยุทธ์รับมือในยุค AI Token
1. รัฐบาลควรเสริมอธิปไตยด้านพลังการคำนวณและสร้างโครงสร้างพื้นฐานเชิงกลยุทธ์
ในยุค Token ที่กำลังเติบโต รัฐบาลควรบูรณาการพลังการคำนวณเป็นส่วนหนึ่งของโครงสร้างพื้นฐานเชิงกลยุทธ์ โดยวางแผนการบริหารจัดการและกำกับดูแลอย่างรอบคอบ เช่น
สร้างโครงสร้างพื้นฐานด้านพลังการคำนวณ ให้เหมือนกับโครงการ “东数西算” ซึ่งเป็นการวางแผนเครือข่ายพลังงานและพลังการคำนวณทั่วประเทศ จัดสรรพลังงานสีเขียวในภาคตะวันตกให้ต่ำที่สุดในระดับโลก เช่น การสร้างศูนย์ข้อมูลขนาดใหญ่ในพื้นที่พลังงานสะอาดในภาคตะวันตก และสร้างจุดประมวลผลข้อมูลในพื้นที่ความต้องการสูงในภาคตะวันออก รวมทั้งพัฒนาระบบบริหารจัดการพลังงานและพลังการคำนวณแบบรวมศูนย์ เพื่อให้สามารถจัดสรรและปรับเปลี่ยนตามความต้องการได้อย่างมีประสิทธิภาพ
กำหนดมาตรฐานการวัด Token ให้เป็นมาตรฐานเดียวกันทั่วประเทศ เช่น การกำหนดอัตราแปลง Token สำหรับข้อมูลข้อความ ภาพ เสียง ฯลฯ ให้ชัดเจนและโปร่งใส เพื่อให้ผู้พัฒนาและธุรกิจสามารถคำนวณต้นทุนและกำไรได้อย่างแม่นยำ ซึ่งจะช่วยเสริมสร้างความแข็งแกร่งให้กับตลาดในประเทศและเพิ่มอำนาจในการต่อรองในเวทีโลก
พัฒนากรอบการกำกับดูแลเศรษฐกิจ Token ให้สอดคล้องกับกฎหมายและนโยบาย เช่น การกำหนดสถานะทางกฎหมายของ Token การควบคุมการซื้อขายข้ามประเทศ การป้องกันความผันผวนของราคา และการคุ้มครองสิทธิผู้บริโภค ซึ่งต้องอาศัยความร่วมมือระหว่างหน่วยงานด้านนโยบาย เทคโนโลยี และอุตสาหกรรม
เข้าร่วมกำหนดกฎระเบียบและมาตรฐานระดับนานาชาติ เช่น การผลักดันให้มีมาตรฐานสากลด้านการวัด Token การสร้างข้อตกลงด้านความร่วมมือด้านพลังงานและพลังการคำนวณระหว่างประเทศ เพื่อให้จีนสามารถกำหนดทิศทางและรักษาอำนาจในการกำหนดกฎเกณฑ์ในอนาคต
2. ภาคธุรกิจควรปรับแนวคิดด้านประสิทธิภาพและโมเดลธุรกิจ
สำหรับภาคธุรกิจ การวางกลยุทธ์ Token ไม่ใช่แค่เรื่องเทคนิค แต่เป็นเรื่องของความสามารถในการแข่งขันและมูลค่าทางธุรกิจ ซึ่งต้องปรับแนวคิดในหลายด้าน เช่น
สร้างวัฒนธรรมด้านประสิทธิภาพ Token โดยเน้นการออกแบบ Prompt และกลยุทธ์การเรียกใช้งานโมเดลให้มีประสิทธิภาพสูงสุด เช่น การลด Token ที่ไม่จำเป็น การเลือกใช้โมเดลที่เหมาะสมกับงาน การปรับแต่งโมเดลให้มีความแม่นยำและประหยัด Token ซึ่งจะช่วยลดต้นทุนและเพิ่มผลตอบแทน
ปรับกลยุทธ์ด้านราคาและโมเดลธุรกิจ เช่น การปรับราคาบริการให้เหมาะสมกับคุณภาพและความต้องการ การใช้โมเดลแบบ Tiered Pricing หรือการสร้างแพลตฟอร์ม Token Futures เพื่อบริหารความเสี่ยงและสร้างรายได้ในระยะยาว
พัฒนาทักษะและกลยุทธ์ด้านบุคลากร เช่น การให้ Token เป็นรางวัลสำหรับพนักงาน การสร้างแรงจูงใจให้พนักงานพัฒนาทักษะด้าน AI และ Token Economy รวมถึงการสร้างทีมงานที่เข้าใจเทคโนโลยีและกลยุทธ์ด้านเศรษฐกิจดิจิทัลอย่างลึกซึ้ง
3. บุคคลควรเสริมสร้างความรู้และทักษะใหม่ในยุค Token
สำหรับบุคคล การเตรียมตัวให้พร้อมในยุค Token คือการสร้างความรู้และทักษะใหม่ที่เกี่ยวข้อง เช่น
สร้างความเข้าใจในเรื่อง Token และการวัดผลของโมเดล AI เช่น การรู้จัก Token การคำนวณ Token การวิเคราะห์ต้นทุน Token เพื่อให้สามารถใช้งาน AI ได้อย่างมีประสิทธิภาพและคุ้มค่า
พัฒนาทักษะด้านการสื่อสารและการกำหนดเป้าหมาย เช่น การออกแบบ Prompt ที่มีประสิทธิภาพ การสื่อสารความต้องการอย่างชัดเจน เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดจากโมเดล AI
สร้างทักษะด้านการบริหารจัดการและการวางแผน เช่น การวางแผนการใช้งาน Token ในแต่ละโครงการ การบริหารงบประมาณด้าน AI และ Token รวมถึงการวิเคราะห์ความเสี่ยงและโอกาสในตลาด Token
สุดท้าย ควรติดตามข่าวสารและแนวโน้มด้านเทคโนโลยี AI และ Token อย่างใกล้ชิด เพื่อปรับตัวและพัฒนาทักษะอย่างต่อเนื่องในโลกที่เปลี่ยนแปลงอย่างรวดเร็วนี้
