Intel ในงาน Six Five Summit: AI เปลี่ยนโฟกัสสู่ ROI และการควบคุมข้อมูล

เมื่อวันอังคารที่ 25 ส.ค. 2026 Intel (INTC) ได้ใช้เวที The Six Five Summit: AI Unleashed 2026 เพื่อนําเสนอแนวคิดว่า AI ในระดับองค์กรกําลังเปลี่ยนผ่านจากโครงการนําร่องไปสู่ระบบการผลิตจริง โดยมีการควบคุมต้นทุนและการปกป้องข้อมูลเป็นปัจจัยสําคัญไม่แพ้ความเร็ว บริษัทระบุว่าโอกาสในตลาดนี้มีขนาดใหญ่ แต่ความเสี่ยงก็มีเช่นกัน ทั้งค่าใช้จ่าย token ที่เพิ่มสูงขึ้น ความต้องการโครงสร้างพื้นฐานที่หนักขึ้น และความจําเป็นที่ต้องพิสูจน์คุณค่าทางธุรกิจต่อผู้บริหารและคณะกรรมการบริษัท

ประเด็นสําคัญ

• Intel กล่าวว่าองค์กรควรหยุดคิดถึงฮาร์ดแวร์เป็นอันดับแรก และหันมาให้ความสําคัญกับผลตอบแทนจากการลงทุน (ROI) และผลลัพธ์ทางธุรกิจแทน
• Anil Nanduri กล่าวว่า "token ไม่ได้เหมือนกันทั้งหมด" หมายความว่างาน AI แต่ละประเภทต้องการระดับความเร็ว ต้นทุน และการประมวลผลที่แตกต่างกัน
• บริษัทมองว่า Hybrid AI น่าจะเป็นโมเดลระยะยาวที่เหมาะสม โดยใช้โมเดล open-weight ภายในองค์กร และโมเดลชายขอบเมื่อจําเป็น
• Intel เน้นย้ํากลยุทธ์แบบ heterogeneous ที่ผสมผสาน CPU, GPU และตัวเร่งความเร็วเฉพาะทางในทุกชั้น ทั้ง control, data, network และ Storage
• ประสบการณ์ของ Uber แสดงให้เห็นว่างบประมาณ token สามารถถูกใช้หมดได้เร็วเพียงใด แต่ยังแสดงให้เห็นด้วยว่าต้นทุนสามารถลดลงได้เมื่อบริษัทปรับปรุงการมองเห็นระบบและการเลือกโมเดล

AI ระดับองค์กรเปลี่ยนจากการพูดถึงเกณฑ์มาตรฐานสู่แรงกดดันด้านงบประมาณ

ในการอภิปรายบนเวที Anil Nanduri รองประธานฝ่ายผลิตภัณฑ์ AI และการเข้าสู่ตลาดในแผนก data center ของ Intel กล่าวว่าหลายบริษัทยังคงเริ่มต้นด้วยการเลือกฮาร์ดแวร์และคะแนนเกณฑ์มาตรฐาน โดยระบุว่าแนวทางดังกล่าวพลาดประเด็นสําคัญ

• "สิ่งพื้นฐานคือลูกค้าของเราจํานวนมากเริ่มคิดถึงฮาร์ดแวร์ก่อน ผมคิดว่าเราต้องเปลี่ยนบทสนทนาไปสู่ ROI จริงๆ" เขากล่าว
• เขาระบุว่าคําถามที่แท้จริงคือ AI แก้ปัญหาได้อย่างไร ไม่ใช่ระบบสามารถผลิต token ได้มากเพียงใดในแบบแยกส่วน
• เขาเสริมว่าองค์กรต่างๆ กําลังใช้จ่ายหลายสิบล้านดอลลาร์ไปกับโครงสร้างพื้นฐาน AI และจําเป็นต้องแสดงคุณค่าที่วัดได้

ข้อความนี้สะท้อนถึงการเปลี่ยนแปลงของตลาดในวงกว้าง เมื่อ AI เข้าสู่การผลิตจริง เศรษฐศาสตร์ต่อหน่วยมีความสําคัญมากขึ้น แม้ต้นทุนต่อ token จะลดลง แต่การใช้จ่ายรวมอาจเพิ่มขึ้นเพราะการใช้งานเติบโตอย่างรวดเร็ว

ผลกระทบทางการเงินและธุรกิจ

การอภิปรายให้ความสําคัญอย่างมากกับต้นทุน การบริโภค และแรงกดดันในการทําให้ AI คุ้มค่า

• ต้นทุน token ที่เพิ่มขึ้นกําลังกลายเป็นข้อกังวลหลักสําหรับองค์กร
• ราคาต่อ token อาจลดลง แต่การใช้งานที่สูงขึ้นยังคงสามารถผลักดันค่าใช้จ่ายรวมให้เพิ่มขึ้นอย่างมาก
• Intel กล่าวว่าบริษัทต่างๆ อยู่ภายใต้แรงกดดันในการอธิบายการใช้จ่าย AI ต่อคณะกรรมการและผู้นําระดับสูง
• ต้นทุนหน่วยความจําเพิ่มขึ้นอย่างมีนัยสําคัญ ซึ่งเพิ่มความจําเป็นในการใช้งานอย่างมีประสิทธิภาพ

Nanduri ยก Uber เป็นตัวอย่าง โดยกล่าวว่าบริษัทดังกล่าวใช้งบประมาณ token รายปีเกินภายในเพียงไม่กี่เดือน แต่ต่อมาสามารถลดต้นทุนการดําเนินงานได้ในขณะที่ขยายการใช้งาน AI Intel ระบุว่าการปรับปรุงดังกล่าวมาจากสามแนวทางหลัก:

• ประสิทธิภาพของอัลกอริทึมที่ดีขึ้นในระดับสถาปัตยกรรม agentic
• การมองเห็นการใช้ token ของวิศวกรและทีมงานได้ดีขึ้น
• การเลือกโมเดลที่ชาญฉลาดขึ้น โดยใช้โมเดลที่เหมาะสมกับงานที่เหมาะสม

Intel กล่าวว่าแนวทางนี้มีความสําคัญเพราะไม่ใช่ทุก workload ที่ต้องการโมเดลระดับพรีเมียม บริษัทประเมินว่าประมาณ 80% ของงานระดับองค์กรสามารถจัดการได้ด้วยโมเดล open-weight ในขณะที่ประมาณ 20% ต้องการความฉลาดของโมเดลชายขอบ

ทําไม "token ไม่ได้เหมือนกันทั้งหมด"

หนึ่งในธีมที่ชัดเจนที่สุดของเซสชันคือมุมมองของ Nanduri ที่ว่า token ไม่ควรถูกมองว่าเป็นสินค้าโภคภัณฑ์ชนิดเดียวกัน

• token บางประเภทเป็น "ultra-premium" และต้องการ latency ต่ํามาก
• token อื่นๆ เหมาะสําหรับงาน batch ที่มีระยะเวลาส่งมอบยาว
• ตัวอย่างได้แก่การตรวจจับการฉ้อโกงแบบ real-time เทียบกับรายงานการตรวจสอบที่ใช้เวลาถึง 20 วัน

ความแตกต่างนี้เปลี่ยนการตัดสินใจด้านโครงสร้างพื้นฐาน ระบบที่สร้างขึ้นสําหรับการใช้งานแบบโต้ตอบอาจต้องการเวลาตอบสนองที่รวดเร็วและการประมวลผลที่แข็งแกร่งกว่า ในขณะที่ workload แบบ batch อาจให้บริการได้ดีกว่าด้วยทรัพยากรที่มีต้นทุนต่ํากว่า

Nanduri กล่าวว่าตรรกะเดียวกันนี้ใช้ได้กับทั้งสภาพแวดล้อม brownfield และ greenfield กล่าวอีกนัยหนึ่ง บริษัทที่มีระบบที่มีอยู่แล้วและบริษัทที่สร้างใหม่ตั้งแต่ต้นต้องเผชิญกับต้นไม้การตัดสินใจที่แตกต่างกัน แต่ทั้งคู่จําเป็นต้องจับคู่การประมวลผลกับ workload

Agentic AI เปลี่ยนสมการโครงสร้างพื้นฐาน

การสนทนายังมุ่งเน้นไปที่ agentic AI ซึ่งเป็นระบบที่วางแผน ประสานงาน และดําเนินงานหลายขั้นตอน Intel กล่าวว่าสิ่งนี้เปลี่ยนจุดที่ระบบรับแรงกดดัน

• โฟกัสเปลี่ยนจากการสร้าง token ล้วนๆ ไปสู่เวลาของ workflow ตั้งแต่ต้นจนจบ
• การประสานงาน การตรวจสอบ การดําเนินการ และการเข้าถึงข้อมูลกลายเป็นสิ่งสําคัญหลัก
• CPU มีความสําคัญมากขึ้นสําหรับการควบคุม การกําหนดเส้นทาง การทํา sandboxing และการดําเนินการ
• การสื่อสารไปมามากขึ้นอาจทําให้เกิดการขาดแคลน CPU

Nanduri กล่าวว่าองค์กรควรมอง AI เป็น workload คล้ายกับงาน high-performance computing, สื่อ หรืองานวิทยาศาสตร์ชีวภาพ บริษัทระบุว่าสิ่งสําคัญคือการเข้าใจว่าส่วนใดของระบบกําลังรับแรงกดดัน

เขายังชี้ให้เห็นตัวอย่างการจัดซื้อห่วงโซ่อุปทาน ในกรณีนั้น agents อาจต้องทํางานข้ามระบบการเงิน ระบบลูกค้า และระบบห่วงโซ่อุปทานผ่าน API แทนที่จะรวมศูนย์ข้อมูลทั้งหมดไว้ในที่เดียว

กลยุทธ์โครงสร้างพื้นฐานของ Intel

Intel อธิบายกลยุทธ์การประมวลผลแบบ heterogeneous ที่สร้างขึ้นรอบชั้นต่างๆ ของ AI stack

• Control plane: Xeon CPU สําหรับการประสานงาน การกําหนดเส้นทาง และการรักษาความปลอดภัย
• Data plane: CPU สําหรับงาน inference ขนาดเล็ก, GPU สําหรับความยืดหยุ่นและความหนาแน่นปานกลาง และสถาปัตยกรรมเฉพาะทางสําหรับ throughput สูงและ latency ต่ํา
• Network plane: มีความสําคัญมากขึ้นเมื่อโมเดลขยายเกินความจุของชิปเดียวและต้องการการสื่อสารข้ามชิป ข้ามแร็ค และข้ามดาต้าเซ็นเตอร์
• Storage plane: ฐานข้อมูล, key-value cache และการรวม context memory โดยใช้โซลูชันแบบ appliance ที่ใช้ CPU

Intel กล่าวว่าแนวทางนี้มีจุดมุ่งหมายเพื่อหลีกเลี่ยงการออกแบบแบบ one-size-fits-all บริษัทโต้แย้งว่าระบบ AI ในปัจจุบันต้องการการลงทุนที่สมดุลในด้านการประมวลผล เครือข่าย และ Storage ไม่ใช่แค่ชิปที่เร็วขึ้นเท่านั้น

การอัปเดตการดําเนินงานและทิศทางผลิตภัณฑ์

Intel ยังได้สรุปการเคลื่อนไหวด้านผลิตภัณฑ์และความร่วมมือหลายอย่างที่เกี่ยวข้องกับการใช้งาน AI ระดับองค์กร

• GPU ซีรีส์ Arc กําลังเปลี่ยนผ่านไปสู่ Crescent Island
• Crescent Island ได้รับการออกแบบด้วยหน่วยความจํา DDR พลังงานต่ํา ไม่ใช่ GDDR หรือ HBM เพื่อปรับปรุงต้นทุนและประสิทธิภาพพลังงาน
• ผลิตภัณฑ์นี้มีไว้สําหรับการติดตั้งแบบ PCIe card ซึ่งควรทําให้การติดตั้งง่ายขึ้นและรองรับกรณีการใช้งานแบบ scale-out
• Intel กล่าวว่ากําลังทํางานร่วมกับ SambaNova Systems สําหรับการสร้าง token ที่มี throughput สูงและ latency ต่ํา
• บริษัทยังมุ่งเน้นการเสริมความแข็งแกร่งให้กับพอร์ตโฟลิโอ Xeon CPU สําหรับงาน control-plane และ orchestration

Intel กล่าวว่าการเลือกเหล่านี้สะท้อนถึงรูปแบบการซื้อขององค์กร ลูกค้าจํานวนมากต้องการการติดตั้งที่ยืดหยุ่น การใช้พลังงานที่ต่ําลง และระบบที่สามารถเพิ่มได้โดยไม่มีการหยุดชะงักครั้งใหญ่

การควบคุมข้อมูลและอนาคตแบบ Hybrid

อีกธีมสําคัญคือความเป็นเจ้าของข้อมูล Nanduri กล่าวว่าสองสามปีข้างหน้าจะช่วยตัดสินว่าองค์กรใดจะชนะและแพ้โดยขึ้นอยู่กับวิธีที่พวกเขาจัดการข้อมูลที่เป็นกรรมสิทธิ์

• บริษัทที่ปกป้องข้อมูลอย่างเข้มแข็งอาจได้เปรียบ
• เขากล่าวว่าคุณค่าของ AI ควรมาถึงข้อมูล ไม่ใช่ในทางกลับกัน
• เขาโต้แย้งว่าองค์กรควรคิดอย่างรอบคอบว่าจะแบ่งปันข้อมูลกับโมเดลชายขอบหรือไม่
• การตั้งค่าแบบ on-premises และ hybrid อาจช่วยให้บริษัทเก็บข้อมูลที่ละเอียดอ่อนไว้ภายในองค์กรได้

Intel กล่าวว่าโมเดล open-weight กําลังพัฒนาขึ้นเมื่อข้อมูลสาธารณะเริ่มอิ่มตัวมากขึ้น Nanduri กล่าวว่ามากกว่า 90% ของข้อมูลที่เผยแพร่สู่สาธารณะได้ถูกเข้าถึงแล้ว ซึ่งทําให้ข้อมูลขององค์กรมีความสําคัญมากขึ้นในฐานะทรัพยากรสําหรับการฝึกและปรับแต่ง

เขากล่าวว่าการกลั่นโมเดลและการ fine-tuning สามารถช่วยให้โมเดลขนาดเล็กที่เฉพาะทางในโดเมนมีประสิทธิภาพเหนือกว่าระบบทั่วไปขนาดใหญ่บนข้อมูลของบริษัท สิ่งนี้สนับสนุนโมเดล hybrid ที่โมเดล open-weight ทํางานในเครื่องและโมเดลชายขอบถูกใช้สําหรับงานที่เลือกสรร

ไฮไลต์จากช่วงถามตอบ

เซสชันถามตอบยืนยันธีมเดิมเรื่องต้นทุน สถาปัตยกรรม และกลยุทธ์ข้อมูล

• Matt Kimball ถามว่าองค์กรควรคิดอย่างไรเกี่ยวกับต้นทุน token ที่เพิ่มขึ้นและ workload แบบ agentic เมื่อเข้าสู่การผลิตจริง Nanduri กล่าวว่าโฟกัสต้องเปลี่ยนจากฮาร์ดแวร์ไปสู่ ROI
• Ryan Shrout ถามว่าอะไรเปลี่ยนแปลงเมื่อระบบ AI เริ่มวางแผนและประสานงาน Nanduri กล่าวว่าการเปลี่ยนแปลงหลักคือจากการสร้าง token ไปสู่การเพิ่มประสิทธิภาพ workflow รวมถึงการประสานงานและการตรวจสอบ
• Shrout ยังถามว่าบริษัทควรสร้างสมดุลระหว่าง CPU, GPU, accelerator, Storage และสภาพแวดล้อมการติดตั้งอย่างไร Nanduri อธิบายโมเดลแบบชั้นที่สร้างขึ้นรอบ control, data, network และ Storage plane
• Kimball ถามเกี่ยวกับการเปลี่ยนแปลงทางความคิดที่ใหญ่ที่สุดสําหรับ CIO ที่วางแผนห้าปีข้างหน้า Nanduri กล่าวว่าการตัดสินใจสําคัญคือจะแบ่งปันข้อมูลกับโมเดลชายขอบหรือปกป้องผ่านสถาปัตยกรรม on-premises หรือ hybrid
• Shrout ถามว่า Intel วางแผนจะรับมือกับตลาดอย่างไร Nanduri ชี้ให้เห็นถึงการผสมผสานของ Xeon CPU, Arc และ Crescent Island GPU และความร่วมมือกับ SambaNova ของ Intel

แนวโน้มในอนาคต

Intel กล่าวว่าตลาดน่าจะเคลื่อนไปสู่การใช้งาน AI แบบ hybrid โดยบริษัทต่างๆ ผสมผสานโมเดล open-weight แบบ on-premises และโมเดลชายขอบบนคลาวด์เมื่อจําเป็น

• การวัดประสิทธิภาพน่าจะเปลี่ยนจาก token ต่อวินาทีไปสู่ผลลัพธ์ทางธุรกิจและงานที่ถูกต้องต่อ token
• เครื่องมือกําหนดค่าและเครื่องมือติดตั้งที่ง่ายขึ้นจะมีความสําคัญมากขึ้น
• Network และ Storage อาจกลายเป็น bottleneck ที่ใหญ่ขึ้นเมื่อโมเดลมีความซับซ้อนมากขึ้น
• เครื่องมือ observability จะจําเป็นสําหรับการติดตามการใช้ token และกําหนดต้นทุนได้แม่นยํายิ่งขึ้น
• การรวมระบบระหว่าง on-premises และระบบคลาวด์จะต้องการการซิงโครไนซ์และเครือข่ายที่แข็งแกร่งขึ้น

Intel กล่าวว่าสองสามปีข้างหน้าจะเป็นตัวกําหนดว่าบริษัทใดสร้างโครงสร้างพื้นฐาน AI ที่มีประสิทธิภาพสูงสุด มุมมองของบริษัทคือความสําเร็จจะขึ้นอยู่กับความเร็วดิบน้อยลง และขึ้นอยู่กับการจับคู่โมเดล การประมวลผล และกลยุทธ์ข้อมูลที่เหมาะสมกับงานมากขึ้น

ผู้อ่านสามารถอ้างอิงบทถอดความฉบับเต็มด้านล่างสําหรับรายละเอียดและบริบทเพิ่มเติม

บทความนี้ถูกแปลโดยใช้ความช่วยเหลือจากปัญญาประดิษฐ์(AI) สำหรับข้อมูลเพิ่มเติม โปรดอ่านข้อกำหนดการใช้งาน