Alibaba กำลังส่งสัญญาณชัดเจนว่า สมรภูมิ AI รอบถัดไปจะไม่ได้ตัดสินกันเพียงว่าใครมี Large Language Model ที่ฉลาดกว่า แต่จะขึ้นอยู่กับว่าใครสามารถสร้าง AI Stack ตั้งแต่ระดับ Silicon ไปจนถึง Agent และเชื่อมทุกส่วนเข้าด้วยกันได้อย่างมีประสิทธิภาพ
ที่งาน Apsara Conference 2026 Alibaba ได้เปิดเผยโรดแมปเทคโนโลยีครั้งสำคัญ ครอบคลุมตั้งแต่โมเดล Qwen เจเนอเรชันใหม่, Multimodal AI, ชิปประมวลผล AI ที่ออกแบบเอง, CPU สำหรับ Agentic Workload, Supernode, Storage และ Network Infrastructure ไปจนถึงคลาวด์ที่ถูกสร้างขึ้นใหม่โดยมี AI Agent เป็นศูนย์กลาง
ภาพทั้งหมดสะท้อนการเปลี่ยนผ่านจากยุคที่ Cloud ถูกออกแบบมาเพื่อรัน Application ไปสู่ยุคที่ Infrastructure จะต้องถูกออกแบบเพื่อรองรับ Machine Intelligence ที่สามารถคิด จดจำ วางแผน ใช้เครื่องมือ และลงมือทำงานได้ด้วยตัวเอง
จาก “AI Model” สู่ “Full-Stack AI”
จุดที่น่าสนใจที่สุดของประกาศครั้งนี้ไม่ใช่ผลิตภัณฑ์ใดผลิตภัณฑ์หนึ่ง แต่คือการที่ Alibaba กำลังวางองค์ประกอบทั้งหมดของ AI Infrastructure ให้อยู่ภายใต้ระบบนิเวศเดียวกัน
ในมุมนี้ Alibaba กำลังเดินเข้าใกล้โมเดลธุรกิจของบริษัทเทคโนโลยีที่ต้องการควบคุมทั้ง Hardware + Infrastructure + Model + Platform + Application เพื่อเพิ่มประสิทธิภาพระหว่างแต่ละเลเยอร์ให้มากที่สุด
เดิมพัน Infrastructure ครั้งใหญ่: Alibaba Cloud ตั้งเป้าเกิน 20 GW ภายในปี 2032
หนึ่งในตัวเลขที่สะดุดตาที่สุดคือแผนขยายขีดความสามารถของศูนย์ข้อมูลทั่วโลกที่บริหารโดย Alibaba Cloud ให้เกินกว่า 20 GW ภายในปี 2032
หากมองในเชิงโครงสร้างพื้นฐาน ตัวเลขนี้สะท้อนว่าบริษัทไม่ได้ประเมิน AI เป็นเพียง Feature ที่เพิ่มเข้าไปในบริการ Cloud เดิม แต่คาดว่าความต้องการ Compute สำหรับการ Training, Inference และ Agentic Workload จะเพิ่มขึ้นอย่างมหาศาลในช่วงหลายปีข้างหน้า
การสร้าง AI Infrastructure ในระดับดังกล่าวจำเป็นต้องพัฒนาแทบทุกส่วนพร้อมกัน ตั้งแต่ Semiconductor, Memory, Interconnect, Network Fabric, Storage ไปจนถึง Distributed Computing Software
Qwen 4 กำลังเทรน — โรดแมปไปไกลถึงโมเดลระดับ 10 ล้านล้านพารามิเตอร์
ฝั่งโมเดล Alibaba เปิดเผยว่า Qwen 4 อยู่ระหว่างการเทรน พร้อมวางโรดแมปต่อไปยัง Qwen 4.5 และ Qwen 5 โดยมีเป้าหมายขยายโมเดลรุ่นถัดไปไปถึงระดับประมาณ 5–10 ล้านล้านพารามิเตอร์
อย่างไรก็ตาม จำนวนพารามิเตอร์ไม่ใช่ประเด็นเดียวที่ Alibaba ให้ความสำคัญ เพราะบริษัทกำลังทดลองแนวคิด Recursive Self-Improvement (RSI) หรือกระบวนการที่ AI สามารถเรียนรู้ ทดลอง วิเคราะห์ข้อผิดพลาด และปรับกระบวนการของตัวเองแบบวนลูป
Alibaba ระบุว่าในการทดลองระบบอัตโนมัติต่อเนื่องมากกว่าหนึ่งเดือน โมเดลสามารถผ่านวงจรการปรับปรุงตัวเองได้ 33 รอบ และเพิ่มคะแนน Artificial Analysis จาก 40 เป็น 45 คะแนน
ในอีกการทดลองที่เกี่ยวข้องกับการออกแบบชิป โมเดลใช้เครื่องมือ EDA มากกว่า 10,000 ครั้ง ในกระบวนการทำงานต่อเนื่องกว่า 60 ชั่วโมง และสามารถสร้างโมดูลบัสระดับใช้งานจริง โดย Alibaba ระบุว่าสามารถลดพื้นที่ของชิปได้ถึง 42% โดยไม่สูญเสียประสิทธิภาพ
Qwen ไม่ได้มีแค่ Text — Alibaba ขยาย Multimodal AI ทั้งภาพ เสียง และโลกเสมือน
Alibaba ยังอัปเกรด Qwen ให้ครอบคลุม Multimodal AI มากขึ้น ทั้งการแปลภาษาแบบ Real-time, Voice AI, Text-to-Speech, Image Generation และ World Model
โมเดลล่ามแปลคู่ขนานแบบ Real-time ที่ Alibaba ระบุว่าลด Latency จาก 2.8 เหลือ 2.3 วินาที
ครอบคลุม ASR, Text-to-Speech และ Real-time Voice Interaction พร้อมรองรับการสร้าง Soundscape ระดับงานคอนเทนต์
มุ่งเจาะงาน Design และ E-commerce รองรับ Transparent Background และการแก้ไขภาพขั้นสูง
ระบบ Benchmark สำหรับ World Model ครอบคลุม Video Generation, Embodied AI และ Spatial Reconstruction
Qwen Intelligence: จาก AI Assistant สู่ Agent บนสมาร์ตโฟน
Alibaba ยังขยาย Qwen ไปสู่ตลาด Consumer Device ผ่าน Qwen Intelligence แพลตฟอร์ม Agentic AI ที่ออกแบบสำหรับสมาร์ตโฟน
เป้าหมายคือเปิดให้ผู้ผลิตอุปกรณ์สามารถนำ Qwen ไปสร้างโทรศัพท์ยุค AI ที่ไม่ได้เพียงตอบคำถาม แต่สามารถจัดการงานหลายขั้นตอนและทำงานข้ามแอปพลิเคชันได้
แนวคิดนี้สะท้อนเทรนด์ที่กำลังเกิดขึ้นในอุตสาหกรรมว่า AI Agent อาจกลายเป็น Interface ใหม่ระหว่างผู้ใช้กับระบบปฏิบัติการและ Application แทนการที่ผู้ใช้ต้องเปิดแต่ละแอปแล้วดำเนินการทุกขั้นตอนด้วยตัวเอง
T-Head เปิดตัว Zhenwu V900 ชิป AI รุ่นใหม่ แรงขึ้น 3 เท่า
หาก Qwen คือสมองด้าน Software ของ Alibaba ฝั่ง Hardware ก็มี T-Head หน่วยธุรกิจ Semiconductor ของบริษัทเป็นอีกแกนสำคัญ
ไฮไลต์ในปีนี้คือ Zhenwu V900 AI Accelerator รุ่นใหม่ ที่รองรับทั้ง Training และ Inference
Alibaba ระบุว่าชิปในตระกูล Zhenwu มีลูกค้าใช้งานแล้วมากกว่า 650 ราย ครอบคลุมตั้งแต่ Automotive, Financial Services, LLM, Embodied AI, Energy ไปจนถึง Manufacturing
ไม่ได้ขายแค่ชิป — Alibaba ประกอบ Supernode ทั้ง Compute, Network และ Storage
ชิป AI เพียงอย่างเดียวไม่เพียงพอสำหรับโมเดลขนาดใหญ่ Alibaba จึงพัฒนา Supernode Architecture ที่ผสานส่วนประกอบสำคัญหลายชิ้นเข้าด้วยกัน ได้แก่
แนวทางนี้ทำให้ Alibaba สามารถ Optimize การทำงานร่วมกันระหว่าง Compute, Storage และ Network ในระดับระบบ ไม่ใช่เพียงเพิ่มความเร็วของ Accelerator โดยบริษัทระบุว่าสถาปัตยกรรมสามารถรองรับ Supernode Cluster ได้สูงสุดถึง 500,000 การ์ด
Yitian CPU รุ่นใหม่เตรียมรับ Agentic AI ในปี 2027
อีกชิ้นส่วนของโรดแมปคือ CPU ตระกูล Yitian รุ่นใหม่สำหรับ Agentic AI Workload
Yitian 720 จะเน้นเพิ่มประสิทธิภาพต่อ Core เพิ่ม Core Density และใช้พลังงานมีประสิทธิภาพกว่ารุ่น Yitian 710
ขณะที่ Yitian 730 จะเป็น CPU รุ่นแรกที่ใช้ Microarchitecture ซึ่ง T-Head พัฒนาขึ้นเอง โดย Alibaba ระบุว่าประสิทธิภาพ SPECint2017/GHz เพิ่มขึ้นสูงสุดประมาณ 40% เมื่อเทียบกับ Yitian 710
AI Native Cloud
Infrastructure สำหรับ Training และ Inference ของโมเดลขนาดใหญ่ ครอบคลุม Compute, Storage และ High-Performance Network
Agent Native Cloud
ระบบสำหรับ Build, Deploy, Operate, Monitor และควบคุมความปลอดภัย ของ AI Agent ในระดับองค์กร
Context Engine
Data Layer ที่มอบ Real-time Context และ Long-term Memory เพื่อให้ Agent เข้าใจข้อมูลขององค์กรและทำงานต่อเนื่องได้
AI Native Cloud: PAI + CPFS + HPN 8.0 Pro
Alibaba Cloud ระบุว่าแพลตฟอร์ม PAI ถูกปรับให้รวมขั้นตอน Compute, Temporary Storage, Sample Replay และ Training เข้าด้วยกัน เพื่อรองรับกระบวนการ Post-training และ Agentic Reinforcement Learning
ในการใช้งานกับ Qwen บริษัทระบุว่าสามารถดำเนินกระบวนการ Post-training ด้วยเทคโนโลยีดังกล่าวให้เสร็จได้ภายในประมาณ 5 วัน
ด้าน Storage มี Cloud Parallel File Storage (CPFS) ที่ถูก Optimize สำหรับ AI Training โดย Alibaba ระบุว่าสามารถลดต้นทุนระบบจัดเก็บข้อมูล AI ขององค์กรได้สูงสุดประมาณ 69%
ส่วน Network มี HPN 8.0 Pro ซึ่งให้ Aggregate Bandwidth ระดับ 100 Petabit และรองรับพอร์ต 800G มากกว่า 130,000 พอร์ตใน Cluster เดียว
Agent Native Cloud: AI Agent ต้องมี Runtime, Governance และ Security
เมื่อ Agent สามารถเรียกเครื่องมือ เข้าถึงข้อมูล และดำเนินการแทนมนุษย์ได้ Infrastructure จึงต้องรองรับมากกว่าการรัน Model API
Alibaba เปิดตัว AgentCore เพื่อเป็น Platform สำหรับพัฒนา บริหาร และรัน AI Agent ตลอด Lifecycle รวมถึงควบคุม Human-Agent Collaboration และตรวจสอบ Performance
อีกองค์ประกอบคือ Agent Security Center ที่เน้น Security และ Compliance ตั้งแต่ระดับ Lifecycle ของ Agent โดยมีระบบป้องกันหลายชั้นและ Threat Detection แบบ Real-time
Context Engine อาจเป็นส่วนสำคัญที่สุดของ Agentic AI
AI Agent ที่ฉลาดแต่ไม่เข้าใจบริบทขององค์กรย่อมมีข้อจำกัด Alibaba จึงวาง Agent Context เป็น Data Service สำหรับเชื่อมเอกสาร Business System, Conversation History และ Multimodal Data เข้ามาอยู่บนฐานข้อมูลร่วมกัน
เป้าหมายคือทำให้ Agent สามารถจดจำงานในอดีต แชร์องค์ความรู้ข้ามทีม และเรียนรู้จากข้อมูลขององค์กรอย่างต่อเนื่อง
Alibaba ระบุว่าในงานที่ใช้ Context จำนวนมาก เช่น Customer Service, AI Coding และ Data Analytics ระบบ Agent Context สามารถช่วยลดการใช้ Token ได้สูงสุดประมาณ 67%
ขณะเดียวกัน OpenLake ถูกยกระดับเป็น Data Lakehouse ที่รองรับ Structured, Semi-structured, Unstructured, Vector และ Streaming Data ด้วยแนวคิด Single Copy of Data
Alibaba ระบุว่าเมื่อเทียบกับ Architecture แบบเดิม OpenLake สามารถช่วยลด Total Cost ได้ประมาณ 30% และลด Query Response Time ได้สูงสุดประมาณ 40%
วิเคราะห์: ทำไมโรดแมปครั้งนี้จึงสำคัญต่อการแข่งขัน AI
หากแยกดูแต่ละผลิตภัณฑ์ Qwen, Zhenwu, Yitian หรือ AgentCore อาจดูเหมือนเป็นเพียงการประกาศเทคโนโลยีหลายรายการในงานเดียวกัน แต่เมื่อนำทั้งหมดมาต่อกัน จะเห็นยุทธศาสตร์ที่ชัดเจนกว่านั้น
แต่กำลังสร้างระบบตั้งแต่ Chip → Server → Network → Storage → Cloud → Model → Agent → Application เพื่อให้ทุก Layer สามารถ Optimize ร่วมกันได้
โมเดลนี้มีความสำคัญอย่างยิ่งเมื่อเข้าสู่ยุค Agentic AI เพราะ Agent ที่ทำงานต่อเนื่องทั้งวันอาจเรียก Model, Database, Vector Search, Storage, API และ Business System จำนวนมหาศาล การลด Latency และ Cost ในแต่ละ Layer เพียงเล็กน้อยจึงสามารถส่งผลต่อ Total Cost of Ownership อย่างมากเมื่อขยายไปถึงระดับองค์กร
อีกประเด็นคือการแข่งขันด้าน AI Infrastructure กำลังเปลี่ยนจาก “ใครมี GPU มากกว่า” ไปสู่ “ใครสร้างระบบทั้งหมดให้ทำงานร่วมกันได้ดีกว่า”
Apsara 2026 คือการประกาศว่า Alibaba ต้องการอยู่ทุกชั้นของ AI Stack
โรดแมปครั้งนี้ทำให้เห็นว่า Alibaba กำลังมอง AI เป็นโครงสร้างพื้นฐานของระบบคอมพิวติ้งยุคถัดไป ไม่ใช่เพียงผลิตภัณฑ์ซอฟต์แวร์ประเภทหนึ่ง
หากบริษัทสามารถเดินตามโรดแมปที่ประกาศไว้ได้สำเร็จ ตั้งแต่ Qwen รุ่นระดับหลายล้านล้านพารามิเตอร์ ไปจนถึง Zhenwu, Yitian, Supernode, AI Native Cloud, Agent Native Cloud และ Context Engine บริษัทก็จะมีหนึ่งใน Full-Stack AI Ecosystem ที่ครอบคลุมตั้งแต่ Silicon ไปจนถึงบริการ AI สำหรับผู้ใช้งานปลายทางอย่างแท้จริง
COMMENTS