HP ในงาน Six Five Summit: อุปกรณ์ AI มุ่งสู่ยุค Hybrid

วันพุธที่ 26 ส.ค. 2026 — HP (HPQ) ใช้เวที The Six Five Summit: AI Unleashed 2026 เพื่อนําเสนอแนวคิดว่าคอมพิวเตอร์ส่วนบุคคลกําลังเปลี่ยนจากเครื่องมือทํางานพื้นฐานไปสู่อุปกรณ์ปัญญาประดิษฐ์ส่วนตัว โดยสารที่ส่งออกมานั้นมีทั้งโอกาสและความเสี่ยง: องค์กรต่าง ๆ อาจลดต้นทุน AI และเพิ่มความปลอดภัยโดยการย้ายงานมาที่อุปกรณ์มากขึ้น แต่ในขณะเดียวกันก็ต้องเผชิญกับความท้าทายด้าน Governance ซอฟแวร์ และการบริหารจัดการในยุคที่ AI แบบ Agentic กําลังแพร่หลาย

ประเด็นสําคัญ

• HP ระบุว่าตลาดพีซีกําลังเปลี่ยนทิศทางไปสู่อุปกรณ์ "ปัญญาประดิษฐ์ส่วนตัว" เนื่องจากบริษัทต่าง ๆ นํา AI Agent มาใช้งานมากขึ้นในสถานที่ทํางาน
• บริษัทระบุว่าประมาณ 72% ขององค์กรกําลังติดตั้งหรืออยู่ระหว่างทดลองใช้ AI Agent ซึ่งผลักดันให้งาน Inference ย้ายมาอยู่ที่อุปกรณ์และระบบ On-premises มากขึ้น
• HP ชี้ให้เห็นถึงต้นทุน AI บนคลาวด์ที่พุ่งสูงขึ้นอย่างรวดเร็ว โดยยกตัวอย่างลูกค้ารายหนึ่งที่ค่าใช้จ่ายต่อปีเพิ่มขึ้นจาก 20 ล้านดอลลาร์ เป็น 200-300 ล้านดอลลาร์
• บริษัทระบุว่าการประมวลผลแบบ Local Inference อาจประหยัดได้ถึง 650,000 ดอลลาร์ต่อพนักงาน 1,000 คน และอาจเพิ่มขึ้นเป็น 2 ล้านดอลลาร์ต่อพนักงาน 1,000 คน เมื่อโมเดลมีความซับซ้อนมากขึ้น
• HP มองเห็นตลาด AI แบบ Agent-based มูลค่า 6 ล้านล้านดอลลาร์ภายในปี 2028 และคาดว่าหมวดหมู่พีซีจะได้รับประโยชน์จากราคาพรีเมียม การเติบโตของซอฟแวร์ และบริการต่าง ๆ

เซสชันเปิด: พีซีในฐานะอุปกรณ์ปัญญาประดิษฐ์

Ketan Patel ประธานฝ่าย Personal Systems ของ HP กล่าวว่าบริษัทมองเห็นการเปลี่ยนแปลงครั้งสําคัญในวิธีที่องค์กรต่าง ๆ จะใช้คอมพิวเตอร์ ในมุมมองของเขา พีซีไม่ใช่แค่อุปกรณ์ปฏิบัติงานอีกต่อไป แต่กําลังกลายเป็นระบบที่เข้าใจบริบท รองรับ Agent และช่วยให้ผู้ใช้ทํางานร่วมกับ AI ได้โดยตรงมากขึ้น

Patel กล่าวว่าการเปลี่ยนแปลงนี้ถูกขับเคลื่อนโดยการนํา AI Agent มาใช้อย่างรวดเร็วในองค์กรต่าง ๆ เขาระบุว่า "เกือบ 72%" ขององค์กรกําลัง "ติดตั้งหรืออยู่ระหว่างทดลองใช้ Agent" และ Autonomous Agent จะเพิ่มปริมาณปัญญาประดิษฐ์ที่ฝังอยู่ในอุปกรณ์

การสนทนาซึ่งดําเนินรายการโดย Daniel และ Patrick Moorhead จาก The Six Five Summit ได้กําหนดกรอบการเปลี่ยนแปลงนี้ว่าเป็นส่วนหนึ่งของการเปลี่ยนแปลงในวงกว้างที่ห่างจากโมเดล AI แบบคลาวด์เพียงอย่างเดียว แต่ HP คาดว่าจะเกิดสถาปัตยกรรมแบบ Hybrid ซึ่งงานบางส่วนยังคงอยู่บนคลาวด์ บางส่วนย้ายไปยังระบบ On-premises และการประมวลผล Inference มากขึ้นจะทํางานบนตัวอุปกรณ์เอง

แรงกดดันทางการเงินและเศรษฐกิจ

ข้อโต้แย้งของ HP ไม่ได้เป็นเพียงแค่เรื่องเทคนิค แต่ยังเป็นเรื่องการเงินด้วย Patel กล่าวว่าต้นทุน AI บนคลาวด์กําลังเพิ่มขึ้นอย่างรวดเร็วจนกลายเป็นประเด็นระดับคณะกรรมการบริษัท

• เขากล่าวว่าลูกค้ารายหนึ่งใช้จ่าย 20 ล้านดอลลาร์ในปีที่ผ่านมาขณะนําโมเดล AI มาใช้กับพนักงาน
• ปีนี้ ค่าใช้จ่ายของลูกค้ารายนั้นพุ่งขึ้นเป็น 200-300 ล้านดอลลาร์และยังคงเพิ่มขึ้นเรื่อย ๆ
• HP ประเมินว่าการประมวลผลโมเดลแบบ Local ขั้นพื้นฐานอาจประหยัดได้ถึง 650,000 ดอลลาร์ต่อพนักงาน 1,000 คน
• หากนําโมเดลขั้นสูงมาใช้งานแบบ Local การประหยัดอาจสูงถึง 2 ล้านดอลลาร์ต่อพนักงาน 1,000 คน

Patel กล่าวว่าปัจจัยทางเศรษฐกิจกําลังผลักดันให้ประธานเจ้าหน้าที่ฝ่ายการเงิน (CFO) เข้ามามีส่วนร่วมในการตัดสินใจที่เคยเป็นหน้าที่ของทีม IT เป็นหลัก เขาอธิบายว่า "ประสิทธิภาพของ Token" เป็นประเด็นสําคัญสําหรับองค์กรที่พยายามควบคุมค่าใช้จ่ายในขณะที่ยังคงให้พนักงานเข้าถึงเครื่องมือ AI ล่าสุด

อัปเดตการดําเนินงาน: กลยุทธ์ 3 ชั้นของ HP

HP ได้วางกลยุทธ์ 3 ส่วนในการนํา AI เข้าสู่สถานที่ทํางาน

• ชั้นอุปกรณ์ (Device Layer): HP กําลังสร้างอุปกรณ์อัจฉริยะที่มีความสามารถในการรับรู้บริบทที่แข็งแกร่งขึ้น รวมถึงฟีเจอร์เสียง วิดีโอ และการตรวจจับ Patel กล่าวว่าแล็ปท็อปในปัจจุบันสามารถรองรับโมเดล Open-source ที่มีพารามิเตอร์ 20,000 ล้านตัว ในขณะที่ระบบรุ่นถัดไปสามารถรองรับโมเดลที่มีพารามิเตอร์สูงถึง 120,000 ล้านตัวในเครื่อง
• ชั้น Ecosystem (Ecosystem Layer): HP ต้องการให้พีซีทํางานร่วมกับเครื่องพิมพ์ อุปกรณ์ต่อพ่วง และโครงสร้างพื้นฐานอื่น ๆ ในสถานที่ทํางานได้อย่างราบรื่น เพื่อให้ Agent สามารถเคลื่อนย้ายระหว่างอุปกรณ์และงานต่าง ๆ ได้
• ระนาบควบคุม IT (IT Control Plane): HP กล่าวว่า Workforce Experience Platform และ Wolf Security Stack ได้รับการออกแบบมาเพื่อช่วยองค์กรจัดการ Governance นโยบายความปลอดภัย และการติดตั้ง Agent ในกองอุปกรณ์ขนาดใหญ่

บริษัทระบุว่าโครงสร้างพื้นฐานแบบ On-premises สามารถรองรับโมเดลที่มีพารามิเตอร์สูงถึงระดับล้านล้านตัว ซึ่งให้ความยืดหยุ่นแก่องค์กรในการเลือกว่าจะวางงานแต่ละประเภทไว้ที่ใด

HP ยังกล่าวอีกว่าการพัฒนาซอฟแวร์กําลังเปลี่ยนทิศทางไปสู่การประมวลผลแบบ Local มากขึ้น Patel ตั้งข้อสังเกตว่าความสามารถ AI บนอุปกรณ์คิดเป็นเพียง 2% ของการพัฒนาในปี 2024 ซึ่งเน้นย้ําให้เห็นว่าอุตสาหกรรมกําลังมุ่งสู่การประมวลผลแบบ Edge-based Inference อย่างรวดเร็วเพียงใด

แนวโน้มในอนาคต: AI แบบ Hybrid และพีซีพรีเมียม

Patel กล่าวว่าอนาคตของการประมวลผล Inference จะเป็นแบบ "กระจาย (Distributed) หรือ Hybrid" ในโมเดลนั้น การประมวลผลบนคลาวด์จะยังคงมีความสําคัญสําหรับการฝึกโมเดลขนาดใหญ่ การคิดเชิงลึก และกลุ่มผู้ใช้บางรายที่ต้องการการเข้าถึงที่มีประสิทธิภาพมากกว่า แต่งานขององค์กรจํานวนมาก โดยเฉพาะงานที่เกี่ยวข้องกับอุตสาหกรรมหรือบทบาทผู้ใช้เฉพาะ สามารถจัดการได้บนอุปกรณ์หรือระบบ On-premises

เขาชี้ให้เห็นถึงปัจจัยหลายประการที่กําหนดทิศทางการเปลี่ยนแปลงนั้น:

• อธิปไตยของข้อมูล (Data Sovereignty): บริษัทต่าง ๆ ต้องการเก็บข้อมูลที่เป็นกรรมสิทธิ์และทรัพย์สินทางปัญญาไว้ใกล้ตัวมากขึ้น แทนที่จะส่งทุกอย่างไปยังโมเดลบนคลาวด์
• การปรับแต่งส่วนตัว (Personalization): Agent จําเป็นต้องสะท้อนบริบทของผู้ใช้แต่ละคน ซึ่งเอื้อต่อการประมวลผลในระดับอุปกรณ์
• เศรษฐศาสตร์ของงาน (Workload Economics): องค์กรจะเลือกว่าจะรันงานแต่ละอย่างที่ไหนโดยพิจารณาจากต้นทุน ความปลอดภัย และ Governance
• การพรีเมียมไมเซชัน (Premiumization): HP เชื่อว่าฟีเจอร์ AI จะสนับสนุนการขายพีซีระดับสูงและสร้างโอกาสสําหรับอัตรากําไรที่ดีขึ้น

Patel กล่าวว่าตลาด AI แบบ Agent-based อาจมีขนาดตลาดรวม (Total Addressable Market) สูงถึง 6 ล้านล้านดอลลาร์ภายในปี 2028 ภายในโอกาสนั้น เขากล่าวว่าอุตสาหกรรมพีซีสามารถสร้างมูลค่าได้ไม่เพียงแค่จากการขายฮาร์ดแวร์ แต่ยังรวมถึงซอฟแวร์ บริการ และข้อเสนอด้าน Ecosystem ที่ในอดีตไม่เคยสามารถดึงมูลค่าได้

เขาเปรียบเทียบการเปลี่ยนแปลงในปัจจุบันกับการเปลี่ยนผ่านทางเทคโนโลยีในอดีต รวมถึงยุค Multimedia การเปลี่ยนจาก DOS ไปสู่ Windows ยุคอินเทอร์เน็ต เกม และการทํางานจากระยะไกล ในแต่ละกรณี เขาแนะนําว่าคลื่นการประมวลผลใหม่ได้เปลี่ยนแปลงทั้งการออกแบบผลิตภัณฑ์และโมเดลธุรกิจ

ไฮไลต์จากช่วงถามตอบ: Governance การจัดซื้อ และช่องว่างด้านซอฟแวร์

ในช่วงถามตอบ การสนทนาได้หันมาพูดถึงว่าองค์กรต่าง ๆ สามารถปรับนโยบายและกระบวนการจัดซื้อได้รวดเร็วเพียงใดเพื่อให้ทันกับความสามารถของฮาร์ดแวร์ใหม่

• ความล่าช้าด้าน Governance: HP กล่าวว่าฮาร์ดแวร์กําลังพัฒนาเร็วกว่านโยบายขององค์กร ทีม IT จํานวนมากยังขาดกฎเกณฑ์ที่ชัดเจนในการตัดสินใจว่างานใดควรรันบนอุปกรณ์และงานใดควรอยู่บนคลาวด์
• ความซับซ้อนด้าน IT: Patel กล่าวว่าองค์กรต่าง ๆ อาจต้องจัดการอุปกรณ์ถึง 300,000 เครื่องและ Agent ถึง 3 ล้านตัวพร้อมกัน ซึ่งสร้างความต้องการด้านความปลอดภัยและการควบคุมใหม่ ๆ
• การเปลี่ยนแปลงด้านการจัดซื้อ: เขากล่าวว่าคําขอเสนอราคา (RFP) ขององค์กรเริ่มสะท้อนความต้องการ AI แบบ Hybrid รวมถึง Local Inference ความเป็นส่วนตัว และการสนับสนุนแบบ On-premises
• ความสมบูรณ์ของซอฟแวร์: HP กล่าวว่าด้านซอฟแวร์ยังต้องการการพัฒนาอย่างมากก่อนที่ AI บนอุปกรณ์จะถึงขีดความสามารถเต็มที่
• การให้ความสําคัญในระดับคณะกรรมการ: ค่าใช้จ่าย AI ที่เพิ่มขึ้นกําลังย้ายหัวข้อนี้จากแผนก IT ไปสู่ CFO และทีมวางแผนกลยุทธ์

Patel กล่าวว่าตลาดเข้าใจถึงคุณค่าของการประมวลผล AI แบบ Local สําหรับความปลอดภัย ความเป็นส่วนตัว และการควบคุมต้นทุนแล้ว แต่กรอบนโยบายยังตามไม่ทัน ช่องว่างนั้น เขากล่าว เป็นเหตุผลหนึ่งที่การเปลี่ยนผ่านจะใช้เวลา แม้ว่าฮาร์ดแวร์จะมีความสามารถพร้อมแล้วก็ตาม

นัยต่อตลาด

การนําเสนอของ HP แนะนําว่าระยะถัดไปของวงจร AI อาจเอื้อประโยชน์ต่อบริษัทที่สามารถผสมผสานฮาร์ดแวร์อุปกรณ์ ซอฟแวร์สําหรับองค์กร และเครื่องมือด้านความปลอดภัยเข้าด้วยกัน สําหรับอุตสาหกรรมพีซี นั่นอาจหมายถึงวงจรการอัปเกรดที่ยั่งยืนมากขึ้น เนื่องจากบริษัทต่าง ๆ อัปเกรดระบบเพื่อรองรับโมเดลและ Agent แบบ Local

สําหรับองค์กรต่าง ๆ สารที่ได้รับนั้นระมัดระวังมากกว่า การนํา AI มาใช้อาจช่วยเพิ่มประสิทธิภาพการทํางาน แต่ก็เพิ่มต้นทุน ความซับซ้อน และความเสี่ยงด้าน Governance ด้วย ผลที่ตามมาคือบริษัทจํานวนมากมีแนวโน้มที่จะแบ่งงานระหว่างอุปกรณ์ ระบบ On-premises และคลาวด์ แทนที่จะพึ่งพาโมเดลเดียว

มุมมองของ HP คือการเปลี่ยนแปลงนี้จะทําให้พีซีมีคุณค่ามากขึ้น ไม่ใช่น้อยลง บริษัทเดิมพันว่าอุปกรณ์จะกลายเป็นสถานที่หลักที่ผู้ใช้และ Agent พบกัน แม้ว่าโมเดลขนาดใหญ่ที่สุดและงานที่ต้องการทรัพยากรมากที่สุดจะยังคงอยู่บนคลาวด์

ผู้อ่านสามารถดูบทถอดความฉบับเต็มด้านล่างสําหรับรายละเอียดเพิ่มเติมเกี่ยวกับการสนทนาและคําถามที่เกิดขึ้นในช่วงเซสชัน

บทความนี้ถูกแปลโดยใช้ความช่วยเหลือจากปัญญาประดิษฐ์(AI) สำหรับข้อมูลเพิ่มเติม โปรดอ่านข้อกำหนดการใช้งาน