Gartner คาดยอดใช้จ่าย AI-Optimized IaaS ทั่วโลกปีนี้โต 96%

• โดยยอดใช้จ่ายโครงสร้างพื้นฐาน AI เพื่อการนำมาใช้อนุมานข้อมูล (Inference) ปีนี้ จะเติบโต 55% 
• และปีหน้าคาดยอดใช้จ่าย AI-Optimized IaaS จะโตขึ้น 56.5%

การ์ทเนอร์ อิงก์ บริษัทผู้ให้บริการวิจัยและคำปรึกษาด้านเทคโนโลยีชั้นนำ คาดการณ์ในปีนี้ (พ.ศ. 2569) มูลค่าการใช้จ่ายด้านบริการ AI-Optimized Infrastructure As A Service หรือ AI-Optimized IaaS ทั่วโลก จะเติบโตพุ่งถึง 96% คิดเป็นมูลค่าสูงถึง 42 พันล้านดอลลาร์สหรัฐฯ 

สำหรับประเทศไทย การ์ทเนอร์คาดว่ามูลค่าการใช้จ่ายองค์กรสำหรับบริการ AI-Optimized Infrastructure as a Service (IaaS) ในปี พ.ศ. 2569 จะสูงกว่า 1.8 พันล้านบาท เติบโตถึง 207.3% เมื่อเทียบกับปีก่อนหน้า และคาดว่าในปี พ.ศ. 2570 จะพุ่งสูงเกือบ 3.2 พันล้านบาท โดยมีปัจจัยหนุนมาจากความต้องการโครงสร้างพื้นฐานที่เพิ่มขึ้นเพื่อรองรับการนำ AI ไปใช้ในแอปพลิเคชันและกระบวนการทำงานต่าง ๆ ขององค์กรธุรกิจอย่างต่อเนื่อง 
 
ฮาร์ดีป ซิงห์ (Hardeep Singh) นักวิจัยอาวุโสของการ์ทเนอร์ กล่าวว่า "การเติบโตนี้มีปัจจัยขับเคลื่อนมาจากความต้องการโครงสร้างพื้นฐานเพื่อสนับสนุนการฝึกฝนโมเดลภาษาขนาดใหญ่ (LLM) อย่างต่อเนื่อง รวมถึงการเร่งนำ AI ไปปรับใช้งานในแอปพลิเคชันและกระบวนการทำงานในระดับองค์กร" 
 
การ์ทเนอร์คาดการณ์ว่าในปี พ.ศ. 2570 ตลาดทั่วโลกจะยังเติบโตในระดับสูง และมีมูลค่าถึง 66 พันล้านดอลลาร์สหรัฐฯ (ดูตารางที่ 1)
 

ตารางที่ 1: มูลค่าการใช้จ่ายตลาด Infrastructure as a Service (IaaS) ทั่วโลก ปี 2568-2570 (หน่วย: ล้านดอลลาร์สหรัฐฯ)

Segment	2025 Spending	2025 Growth (%)	2026 Spending	2026 Growth (%)	2027 Spending	2027 Growth (%)
Total AI-optimized IaaS	21,529	180.0	42,276	96.4	66,143	56.5
Total IaaS	222,170	25.3	287,347	29.3	359,899	25.2

ที่มา: การ์ทเนอร์ (สิงหาคม 2569)

ปีนี้มูลค่าการใช้จ่ายฝั่งเวิร์กโหลดในการนำ AI ไปใช้เพื่ออนุมานข้อมูล (Inference) จะแซงหน้าฝั่ง Training หรือการสอน AI ด้วยข้อมูล 

 การเติบโตของ Agentic AI ส่งผลให้ความเข้มข้นในการประมวลผลเพิ่มขึ้นอย่างมากจากการทำงานที่เป็นอิสระและมีหลายขั้นตอน ซึ่งทำให้การประมวลผลแบบ Inference กลายเป็นรูปแบบการใช้งานหลัก และส่งผลให้ AI-optimized IaaS กลายเป็นตัวขับเคลื่อนสำคัญสำหรับกลยุทธ์ AI ในระดับองค์กร
 
"เมื่อองค์กรต่าง ๆ เปลี่ยนแนวทางการพัฒนาโมเดลไปสู่การปรับใช้งานจริงในภาคการผลิต โมเดลที่ได้รับการปรับจูนและโมเดลที่ปรับแต่งมาเฉพาะตามสายงาน หรือ Domain-Specific Models: DSMs จะถูกนำไปเชื่อมต่อเข้ากับระบบที่ต้องมีปฏิสัมพันธ์กับลูกค้าและระบบปฏิบัติการมากขึ้น ซึ่งต้องการการประมวลผลแบบเรียลไทม์มากกว่าการฝึกฝนโมเดลเป็นระยะ ๆ ซึ่งการเปลี่ยนแปลงนี้กำลังเร่งรูปแบบการใช้งานคลาวด์ และสร้างดีมานด์ในโครงสร้างพื้นฐานเพื่อรองรับการเพิ่มประสิทธิภาพ AI อย่างยั่งยืน" ฮาร์ดีป ซิงห์ กล่าวเสริม
 
ปีนี้มูลค่าการใช้จ่ายทั่วโลกสำหรับการประมวลผล AI เพื่อใช้อนุมานข้อมูล (Inference) จะมีปริมาณอยู่ที่ 23.3 พันล้านดอลลาร์สหรัฐฯ แซงหน้าการใช้จ่ายสำหรับการ Training หรือการสอน AI ด้วยข้อมูลที่มีอยู่ราว 19 พันล้านดอลลาร์สหรัฐฯ และการ์ทเนอร์ยังคาดว่า 55% ของมูลค่าใช้จ่าย AI-Optimized IaaS ในปีนี้จะเป็นการใช้เพื่อ Inference และจะขยับขึ้นเป็น 59% ในปีหน้า (พ.ศ. 2570) โดยสัดส่วนที่เพิ่มขึ้นของเวิร์กโหลดในการใช้ AI เพื่ออนุมานข้อมูลนี้ คาดว่าจะเข้ามาเป็นตัวกำหนดความสำคัญของการลงทุนในระบบคลาวด์