การ์ทเนอร์คาด AI-Optimized IaaS ทั่วโลกโต 96% แตะ 4.2 หมื่นล้านดอลลาร์สหรัฐฯ รับดีมานด์โครงสร้างพื้นฐาน AI ขยายตัว

การ์ทเนอร์ (Gartner) บริษัทวิจัยและที่ปรึกษาด้านเทคโนโลยีชั้นนำระดับโลก ออกมาคาดการณ์ตัวเลขที่น่าจับตาสำหรับวงการคลาวด์และ AI ประจำปี 2569 นี้ โดยระบุว่ามูลค่าการใช้จ่ายด้านบริการโครงสร้างพื้นฐานคลาวด์ที่ออกแบบมาเพื่อรองรับ AI โดยเฉพาะ หรือ AI-Optimized Infrastructure as a Service (AI-Optimized IaaS) ทั่วโลกจะเติบโตถึง 96% เมื่อเทียบกับปีก่อน คิดเป็นมูลค่ารวมกว่า 42 พันล้านดอลลาร์สหรัฐฯ

อีกทั้งการ์ทเนอร์มองว่าปี 2570 ตลาดนี้จะเติบโตต่อเนื่องอีก 56.5% ดันมูลค่ารวมแตะอยู่ที่ราว 66 พัน ล้านดอลลาร์สหรัฐฯ

🇹🇭 ไทยตื่นตัวรับกระแส AI ไม่น้อยหน้าใคร!

สำหรับประเทศไทย การ์ทเนอร์คาดว่ามูลค่าการใช้จ่ายด้าน AI-Optimized IaaS ขององค์กรในปี 2569 จะทะลุ 1.8 พันล้านบาท เติบโตสูงถึง 207.3% จากปีก่อนหน้า และมีแนวโน้มพุ่งต่อไปแตะเกือบ 3.2 พันล้านบาทในปี 2570 สะท้อนให้เห็นว่าองค์กรไทยเร่งลงทุนโครงสร้างพื้นฐานเพื่อรองรับการนำ AI ไปใช้งานจริงมากขึ้นเรื่อย ๆ

⚫️ จุดเปลี่ยนสำคัญ: Inference แซงหน้า Training

สิ่งที่น่าสนใจของปีนี้คือ การใช้จ่ายเพื่อการ "อนุมานข้อมูล" (Inference) หรือหมายถึงการนำโมเดล AI ที่ฝึกเสร็จแล้วไปใช้งานจริง จะแซงหน้าการใช้จ่ายเพื่อ "ฝึกฝนโมเดล" (Training) เป็นครั้งแรก โดยมูลค่าใช้จ่ายด้าน Inference ทั่วโลกปีนี้จะอยู่ที่ราว 23.3 พันล้านดอลลาร์สหรัฐฯ เทียบกับ Training ที่ราว 19 พันล้านดอลลาร์สหรัฐฯ

ในภาพรวม สัดส่วนงบประมาณ AI-Optimized IaaS ที่ใช้ไปกับ Inference จะอยู่ที่ 55% ของทั้งหมดในปีนี้ และมีแนวโน้มขยับขึ้นเป็น 59% ในปี 2570

ฮาร์ดีป ซิงห์ (Hardeep Singh) นักวิจัยอาวุโสของการ์ทเนอร์ อธิบายว่าการเติบโตนี้มาจากความต้องการโครงสร้างพื้นฐานเพื่อฝึกโมเดลภาษาขนาดใหญ่ (LLM) อย่างต่อเนื่อง ผนวกกับการเร่งนำ AI ไปปรับใช้ในแอปพลิเคชันและกระบวนการทำงานระดับองค์กร

ขณะเดียวกันการเติบโตของ Agentic AI ที่ทำงานได้อย่างอิสระและมีหลายขั้นตอน ทำให้ Inference กลายเป็นรูปแบบการใช้งานหลักและเป็นแรงขับเคลื่อนสำคัญของกลยุทธ์ AI ในองค์กร

เมื่อองค์กรต่าง ๆ เปลี่ยนจากขั้นตอนพัฒนาโมเดลไปสู่การใช้งานจริงในภาคการผลิต โมเดลที่ปรับแต่งเฉพาะสายงาน (Domain-Specific Models) จะถูกเชื่อมต่อเข้ากับระบบที่ต้องปฏิสัมพันธ์กับลูกค้าและระบบปฏิบัติการมากขึ้น ซึ่งต้องการการประมวลผลแบบเรียลไทม์ มากกว่าการฝึกโมเดลเป็นรอบ ๆ แบบเดิม การเปลี่ยนแปลงนี้กำลังเร่งให้รูปแบบการใช้งานคลาวด์เปลี่ยนไป และสร้างดีมานด์ด้านโครงสร้างพื้นฐานที่รองรับ AI อย่างต่อเนื่อง