Jensen Huang ย้ำ “จีนไม่ต้องพึ่ง Nvidia” – สงครามเทคโนโลยี AI ระหว่างมหาอำนาจ

หลังจากวุฒิสภาสหรัฐฯ ส่งจดหมายเปิดผนึกถึง Jensen Huang ขอให้หลีกเลี่ยงการพบปะกับบริษัทที่เกี่ยวข้องกับกองทัพจีน Huang ได้ให้สัมภาษณ์กับ CNN โดยกล่าวว่า:

“กองทัพจีนก็เหมือนกองทัพสหรัฐฯ—ไม่มีทางใช้เทคโนโลยีของกันและกัน เพราะมันอาจถูกจำกัดได้ทุกเมื่อ”

เขายังเสริมว่า จีนมีศักยภาพด้านการประมวลผลอยู่แล้ว เช่น:
- มีซูเปอร์คอมพิวเตอร์จำนวนมากที่สร้างโดยวิศวกรจีน
- ไม่จำเป็นต้องใช้ชิปของ Nvidia หรือระบบเทคโนโลยีของสหรัฐฯ ในการพัฒนากองทัพ

แม้ Huang จะยืนยันว่าไม่มีหลักฐานว่าชิปของ Nvidia ถูกนำไปใช้ในกองทัพจีน แต่ก็มีรายงานว่าชิปที่ถูกแบนยังสามารถหาซื้อได้ในตลาดมืด และมีผู้ใช้งานในจีนโพสต์โชว์ชิปที่ลักลอบนำเข้า

นอกจากนี้ Huang ยังวิจารณ์นโยบายของสหรัฐฯ ว่าการจำกัดการเข้าถึงเทคโนโลยีไม่ใช่เป้าหมาย แต่เป็น “กลยุทธ์ที่ล้มเหลว” พร้อมเสนอว่า:
- สหรัฐฯ ควรเปิดให้โลกใช้เทคโนโลยีของตน เพื่อให้ AI ทำงานได้ดีที่สุดบน “American tech stack”
- การปิดกั้นจะทำให้ประเทศอื่นหันไปพัฒนาเทคโนโลยีของตัวเองแทน

https://www.tomshardware.com/tech-industry/artificial-intelligence/jensen-huang-says-chinas-military-will-avoid-u-s-ai-tech-they-dont-need-nvidias-chips-or-american-tech-stacks-in-order-to-build-their-military

"ดร.เอ้ สุชัชวีร์" ชื่นชมสะพาน Golden Gate ต้นแบบ "พลังความรู้" ชี้รากฐานพัฒนาชาติ วาดฝันยกระดับการศึกษาไทย
https://www.thai-tai.tv/news/20292/
.
#การศึกษา #วิศวกร #วิศวกรโยธา #สะพาน #GoldenGate #สุชัชวีร์ #ซานฟรานซิสโก #อเมริกา #พัฒนาประเทศ

MIT พัฒนาอุปกรณ์ฝังใต้ผิวหนัง ปล่อยฮอร์โมนช่วยชีวิตเมื่อระดับน้ำตาลตก

ทีมวิศวกรจาก MIT ได้สร้างอุปกรณ์ขนาดเท่าเหรียญที่ฝังใต้ผิวหนัง ซึ่งสามารถปล่อย glucagon—ฮอร์โมนที่ช่วยเพิ่มระดับน้ำตาลในเลือด—ได้ทันทีเมื่อเกิดภาวะ hypoglycemia โดยไม่ต้องรอให้ผู้ป่วยรู้ตัวหรือมีคนช่วยฉีดยา

อุปกรณ์นี้ประกอบด้วย:
- แหล่งเก็บ glucagon แบบผง (มีความเสถียรมากกว่าสารละลาย)
- วัสดุโลหะจำรูปร่าง (shape-memory alloy) ที่เปิดฝาเมื่อถูกความร้อน
- เสาอากาศที่รับคลื่นวิทยุเฉพาะเพื่อกระตุ้นการปล่อยยา
- ระบบเชื่อมต่อกับเครื่องวัดน้ำตาลแบบต่อเนื่อง (CGM) เพื่อปล่อยยาอัตโนมัติ

เมื่อระดับน้ำตาลลดต่ำเกินไป:
- CGM ส่งสัญญาณไปยังอุปกรณ์
- เกิดกระแสไฟฟ้าเล็กน้อยเพื่อให้โลหะจำรูปร่างร้อนถึง 40°C
- ฝาเปิดและ glucagon ถูกปล่อยออกมา ละลายและเข้าสู่ร่างกาย

ในการทดลองกับหนูเบาหวาน อุปกรณ์สามารถฟื้นฟูระดับน้ำตาลได้ภายใน 10 นาที และยังสามารถใช้ปล่อย epinephrine สำหรับกรณีแพ้รุนแรงหรือหัวใจหยุดเต้นได้ด้วย

แม้ร่างกายจะสร้างพังผืดรอบอุปกรณ์หลังฝัง แต่ทีมวิจัยพบว่าอุปกรณ์ยังทำงานได้ดี และกำลังพัฒนาให้ใช้งานได้นานถึง 1 ปี ก่อนต้องเปลี่ยนใหม่

https://www.techspot.com/news/108650-mit-engineers-create-implant-automatically-treats-dangerously-low.html

RealSense แยกตัวจาก Intel – รับทุน 50 ล้านดอลลาร์เพื่อสร้างอนาคต AI และหุ่นยนต์

RealSense ซึ่งเป็นแบรนด์ที่รู้จักกันดีด้านกล้องตรวจจับความลึก (depth cameras) ได้ประกาศแยกตัวออกจาก Intel อย่างเป็นทางการ และจะดำเนินธุรกิจในฐานะบริษัทอิสระ โดยยังคงใช้ชื่อเดิม “RealSense”

บริษัทได้รับเงินลงทุน Series A จำนวน 50 ล้านดอลลาร์จาก Intel Capital และ MediaTek Innovation Fund เพื่อขยายตลาดและเพิ่มกำลังการผลิต โดยเน้นไปที่เทคโนโลยี AI, หุ่นยนต์, ไบโอเมตริกซ์ และระบบคอมพิวเตอร์วิทัศน์ (computer vision)

CEO ของ RealSense, Nadav Orbach กล่าวว่า “เราจะใช้ความเป็นอิสระนี้เพื่อเร่งนวัตกรรมและปรับตัวต่อการเปลี่ยนแปลงของตลาดอย่างรวดเร็ว” พร้อมระบุว่าเทคโนโลยีของบริษัทถูกใช้งานใน 60% ของหุ่นยนต์เคลื่อนที่อัตโนมัติและหุ่นยนต์คล้ายมนุษย์ทั่วโลก

RealSense มีลูกค้ากว่า 3,000 รายทั่วโลก และถือครองสิทธิบัตรด้าน computer vision มากกว่า 80 รายการ โดยมีพันธมิตรสำคัญ เช่น ANYbotics, Eyesynth, Fit:Match และ Unitree Robotics

บริษัทกำลังขยายทีมวิศวกรด้าน AI และหุ่นยนต์ รวมถึงทีมขายและการตลาด เพื่อรองรับความต้องการที่เพิ่มขึ้น โดยเฉพาะในตลาด edge AI และระบบจดจำใบหน้าในสถานที่สาธารณะ

ผลิตภัณฑ์ล่าสุดคือกล้อง D555 ที่รองรับ Power over Ethernet และใช้ชิป Vision SoC V5 ซึ่งยังอยู่ในขั้นตอนการนำไปใช้งานในอุปกรณ์จำนวนมาก

ข้อมูลจากข่าว
- RealSense แยกตัวจาก Intel และกลายเป็นบริษัทอิสระ
- ได้รับเงินลงทุน Series A จำนวน 50 ล้านดอลลาร์จาก Intel Capital และ MediaTek
- มุ่งเน้นด้าน AI, หุ่นยนต์, ไบโอเมตริกซ์ และ computer vision
- เทคโนโลยีของ RealSense ถูกใช้ใน 60% ของหุ่นยนต์เคลื่อนที่อัตโนมัติและหุ่นยนต์คล้ายมนุษย์ทั่วโลก
- มีลูกค้ากว่า 3,000 ราย และถือครองสิทธิบัตรกว่า 80 รายการ
- พันธมิตรสำคัญ ได้แก่ ANYbotics, Eyesynth, Fit:Match และ Unitree Robotics
- ผลิตภัณฑ์ล่าสุดคือกล้อง D555 ที่ใช้ Vision SoC V5 และรองรับ PoE
- บริษัทกำลังขยายทีมวิศวกรและทีมขายเพื่อรองรับการเติบโตของตลาด

คำเตือนและข้อควรระวัง
- การแยกตัวจาก Intel อาจทำให้ RealSenseต้องเผชิญกับความท้าทายด้านทรัพยากรและการบริหารจัดการ
- การแข่งขันในตลาด computer vision และ edge AI รุนแรงขึ้น โดยมีผู้เล่นรายใหญ่หลายราย
- การนำเทคโนโลยีจดจำใบหน้าไปใช้ในพื้นที่สาธารณะอาจกระทบต่อความเป็นส่วนตัวของประชาชน
- การพึ่งพาเงินลงทุนจากบริษัทใหญ่ อาจมีข้อจำกัดด้านทิศทางธุรกิจในอนาคต
- การนำผลิตภัณฑ์ใหม่เข้าสู่ตลาดจำนวนมากต้องใช้เวลาและการทดสอบที่เข้มงวด

https://www.tomshardware.com/tech-industry/realsense-completes-spin-out-from-intel-gets-usd50-million-in-funding-from-intel-capital-and-mediatek

วิศวกรรัสเซียลอบขโมยข้อมูลชิปจาก ASML และ NXP – ถูกตัดสินจำคุกในเนเธอร์แลนด์

German Aksenov อดีตวิศวกรวัย 43 ปี ซึ่งเคยทำงานให้กับ ASML และ NXP ถูกศาลเนเธอร์แลนด์ตัดสินจำคุก 3 ปี ฐานลักลอบนำข้อมูลลับด้านการผลิตเซมิคอนดักเตอร์ส่งต่อให้กับหน่วยข่าวกรองของรัสเซีย (FSB)

Aksenov ไม่ใช่แฮกเกอร์ แต่ใช้วิธีแบบดั้งเดิม:
- คัดลอกไฟล์จากเซิร์ฟเวอร์ของบริษัท
- เก็บไว้ใน USB และฮาร์ดดิสก์
- นำอุปกรณ์เหล่านั้นเดินทางไปมอสโก และส่งมอบให้กับเจ้าหน้าที่ FSB

เขาอ้างว่าเก็บไฟล์ไว้เพื่อ “พัฒนาความรู้ด้านอาชีพ” และไม่ได้ตั้งใจเป็นสายลับ แต่ศาลเห็นว่าการกระทำของเขาละเมิดมาตรการคว่ำบาตรของสหภาพยุโรปที่มีต่อรัสเซียตั้งแต่ปี 2014

ASML เป็นผู้ผลิตเครื่อง EUV lithography เพียงรายเดียวในโลก ซึ่งเป็นหัวใจของการผลิตชิประดับสูง ส่วน NXP เป็นผู้นำด้านเซมิคอนดักเตอร์ที่ร่วมพัฒนาเทคโนโลยี NFC กับ Sony ทำให้ทั้งสองบริษัทเป็นเป้าหมายสำคัญของการจารกรรมทางอุตสาหกรรม

แม้จะไม่มีหลักฐานว่า Aksenov ได้รับค่าตอบแทนจากการกระทำดังกล่าว แต่ศาลยังคงลงโทษจำคุก โดยเปิดโอกาสให้เขายื่นอุทธรณ์ภายใน 14 วัน

ข้อมูลจากข่าว
- German Aksenov อดีตวิศวกรของ ASML และ NXP ถูกตัดสินจำคุก 3 ปีในเนเธอร์แลนด์
- เขาลักลอบนำข้อมูลลับด้านการผลิตชิปส่งต่อให้กับ FSB ของรัสเซีย
- ใช้วิธีคัดลอกไฟล์ลง USB และฮาร์ดดิสก์ แล้วนำไปมอบให้เจ้าหน้าที่ในมอสโก
- อ้างว่าเก็บข้อมูลเพื่อพัฒนาความรู้ด้านอาชีพ ไม่ได้ตั้งใจเป็นสายลับ
- ศาลลงโทษจำคุก แม้ไม่มีหลักฐานว่าได้รับค่าตอบแทน
- ASML และ NXP เป็นเป้าหมายสำคัญของการจารกรรมด้านเทคโนโลยี
- NXP ให้ความร่วมมือกับเจ้าหน้าที่สอบสวน ส่วน ASML ยังไม่เปิดเผยรายละเอียด

คำเตือนและข้อควรระวัง
- การลักลอบขโมยข้อมูลจากภายในองค์กรยังคงเป็นภัยคุกคามที่ร้ายแรง
- การส่งข้อมูลผ่านอุปกรณ์พกพา เช่น USB ยังเป็นช่องโหว่ที่หลายองค์กรมองข้าม
- การละเมิดมาตรการคว่ำบาตรอาจนำไปสู่บทลงโทษทางกฎหมายที่รุนแรง
- บริษัทเทคโนโลยีควรมีระบบตรวจสอบการเข้าถึงข้อมูลภายในอย่างเข้มงวด
- พนักงานควรได้รับการอบรมเรื่องจริยธรรมและความปลอดภัยของข้อมูลอย่างสม่ำเสมอ

https://www.techspot.com/news/108642-russian-engineer-jailed-stealing-chipmaking-secrets-asml-nxp.html

หนุ่มเครียด! ใช้น้ำมันราดตัวเองแล้วจุดไฟเผาตัวเอง ดับสลดต่อหน้าแม่ คาดเครียดเรื่องที่ป่วยขาเป็นแผลมานานจนทำงานไม่ถนัด ผมอ่านรายละเอียดของข่าวในลิงค์แล้ว ขาเป็นแผล หมอไม่ค่อยรับรักษา ยาที่รักษาก็ไม่ได้ผล ผมนึกถึงตระกูล ส. และ หมอผีหมอมู สปสช. แล้วรู้สึกเจ็บใจว่ะ ถึงว่าทำไมใต้ข้อพับขาขวาคันติดเชื้อราไม่หายไม่พอแถมไปติดข้อพับขาซ้ายอีก เป็นนายตัวเองแต่สำหรับผมขาเป็นแผลไม่ใช่ปัญหา แต่ความคาดหวังและแรงกดดันจากคนรอบข้างผมพยายามจะไม่ให้ความสนใจ แต่มาให้ความสนใจจนผมดิ่ง นอยด์ จนผมรู้สึกว่าผมขอลาขาดจากวงคุยการเมืองไปทุกทีๆแล้ว เพราะโหนกระแส บางทีมีนักการเมืองพรรคสีแดง พรรคสีส้ม คอยให้ท้าย โหนกระแสไม่เคยขยี้นักการเมืองส้นตีนพวกนั้นเลย ผมแทบจะยั้งอารมณ์โทสะที่จะนำไปสู่การ ทำร้...ตัวเอง จนนำไปสู่เหตุปัจจัยร้ายแรงต่อไปได้ รู้จักระงับ รู้จักปล่อยวาง แต่ก็จะพยายามละทิ้งไม่ให้จมอยู่กับความคิดและความทรงจำเดิมๆที่มีแต่ความย่ำแย่และพาถอยหลังลงหลุมดำ
อาชีพช่างออกแบบเฟอร์นิเจอร์หรือวิศวกรเฟอร์นิเจอร์ บางทีถ้าทำงานให้ไอ้เจ้านายปากท็อกซิกผมว่าไม่มีวันรุ่งเรืองในอนาคตหรอก แต่ออกมาเป็นนายตัวเองรุ่งเรืองกว่าเก่านะ แถมได้ฮีลใจไปด้วย มีเวลาว่างเที่ยวกินเท่าไหร่ก็ได้ตามใจฉัน แต่ขอใช้จ่ายอย่างระมัดระวัง
วันนี้นอยด์สุดๆเลย นึกว่าทำงานเสร็จหมดแล้ว ที่ไหนได้ จัดฉากให้ผมมารู้ทีหลังว่างานยังไม่เสร็จ บางทีอยากเป็นไอ้เด็กเร่ร่อนโง่ๆดีกว่าเป็นวัวเป็นควายเป็นลูกจ้างเป็นทาสชั้นต่ำให้คนอย่างพวกเขา
ลิงค์ที่มาของข่าว อัมรินทร์ ทีวี (ไม่ใช่ของอ่ำ อัมรินทร์)
https://www.amarintv.com/news/social/219340

บริษัทสัญชาติรัฐของจีน AECC (Aero Engine Corporation of China) ประสบความสำเร็จในการทดสอบ "เครื่องยนต์เทอร์โบเจ็ตขนาดจิ๋วที่พิมพ์สามมิติ" ได้จริง ไม่ใช่แค่ต้นแบบ แต่คือของจริงที่ “บินได้” และยังให้แรงขับสูงถึง 160 กิโลกรัม ที่ระดับความสูงกว่า 13,000 ฟุต ซึ่งถือเป็นการผสานวัสดุศาสตร์ วิศวกรรมการพิมพ์ 3 มิติ และการบินในแบบที่ไม่เคยมีใครทำมาก่อน

เครื่องยนต์เทอร์โบเจ็ตขนาดเล็ก (micro turbojet) ที่จีนทำได้นี้ ไม่ใช่แบบจำลองหรือต้นแบบที่โชว์ในงานนิทรรศการ → แต่มันคือเครื่องยนต์ที่ “ทำงานได้จริง” บินขึ้นจาก Inner Mongolia ด้วยตัวเอง → มีแรงขับถึง 160 กิโลกรัม และบินได้ที่ระดับความสูง 4,000 เมตร (~13,000 ฟุต)

แม้ทาง AECC จะไม่เปิดเผยว่า “ส่วนไหนของเครื่องพิมพ์ 3 มิติ” แต่บอกว่าใช้หลัก "multidisciplinary topological optimization" ในการออกแบบ → ลดน้ำหนักลงอย่างแม่นยำ โดยปรับพารามิเตอร์การพิมพ์ให้เหมาะกับแต่ละชิ้นส่วน → ทำให้ประสิทธิภาพโดยรวมของเครื่องยนต์เพิ่มขึ้น ทั้งแรงขับ–ความเบา–และความทนทาน

แม้จะยังไม่เปิดเผยข้อมูลเรื่องเครื่องพิมพ์หรือวัสดุที่ใช้ แต่การที่สามารถพิมพ์และบินได้จริงแบบนี้ ทำให้ จีนกลายเป็นประเทศแรกของโลกที่ทดสอบเครื่องยนต์ jet พิมพ์ 3 มิติแบบสำเร็จเต็มรูปแบบ

AECC ของจีนเป็นองค์กรแรกที่ทดสอบเครื่องยนต์ jet ขนาดจิ๋วแบบพิมพ์ 3 มิติได้สำเร็จ  
• ไม่ใช่แค่จำลอง แต่ “บินได้จริง” ในภาคสนาม  
• ทดสอบในเขต Inner Mongolia

แรงขับสูงถึง 160 กิโลกรัม (≒ 350 ปอนด์)  
• บินได้ที่ระดับความสูง 4,000 เมตร (~13,000 ฟุต)

ออกแบบด้วยแนวคิด “multidisciplinary topological optimization”  
• เน้นลดน้ำหนัก → เพิ่มแรงขับต่อมวล  
• ปรับพารามิเตอร์พิมพ์แต่ละชิ้นให้เหมาะสมที่สุด

ยังไม่ชัดว่าส่วนไหนของเครื่องยนต์ถูกพิมพ์ 3 มิติ, วัสดุที่ใช้ หรือประเภทเครื่องพิมพ์

ถือเป็นก้าวสำคัญในการพิสูจน์ว่า 3D Printing ใช้งานได้จริงในด้าน aerospace ไม่ใช่แค่ต้นแบบ

https://www.tomshardware.com/3d-printing/china-state-backed-firm-is-first-to-3d-print-a-micro-turbojet-engine-and-not-just-for-show-new-design-delivers-160-kg-of-thrust-successfully-tested-at-13-000-ft-altitude

TSMC บริษัทผลิตชิปยักษ์ใหญ่จากไต้หวัน กำลังถูกฟ้องโดยพนักงานอเมริกันกว่า 17 คนในโรงงานที่รัฐแอริโซนา โดยกล่าวหาว่าถูกเลือกปฏิบัติตลอดกระบวนการจ้างงาน ไปจนถึงสภาพแวดล้อมที่ไม่ปลอดภัยและไม่เป็นธรรม เช่น:
- รับคนที่พูดจีนหรือไต้หวันก่อน
- การประชุม–เอกสาร–การฝึกอบรมเป็นภาษาจีน แม้จะอยู่ในอเมริกา
- ถูกเรียกว่า “โง่–ขี้เกียจ” หรือถูกดูถูกว่าไม่ขยันพอ
- ถูกตัดโอกาสเลื่อนขั้นทั้งที่ผลงานดี
- มีกรณีที่วิศวกรชายอเมริกัน “ถูกตบก้นโดยวิศวกรชายไต้หวัน” และเพื่อนร่วมงานผิวดำถูกแขวน “ไก่ยาง” ไว้เหนือโต๊ะ → ดูเสียดสีเชื้อชาติ

ไม่ใช่แค่เรื่องเหยียด แต่ยังรวมถึงปัญหาด้านความปลอดภัย → พนักงานบางรายถูก chemical gas ทำให้หายใจติดขัด แต่ถูกปล่อยให้ขับรถไปโรงพยาบาลเอง → บางคนถูกตอบโต้หลังร้องเรียน เช่น ให้นั่งแยกไม่ให้ทำงาน หรือเพิกเฉยจากทีมงาน

ที่น่าจับตาคือ นี่คือโรงงานเรือธงของ TSMC ที่สร้างขึ้นตามแผนบูมอุตสาหกรรมชิปในอเมริกา → แต่กลับมีพนักงานในพื้นที่ไม่พอใจและฟ้องแบบกลุ่มใหญ่

พนักงาน 17 คนในโรงงาน TSMC Arizona รวมตัวฟ้องบริษัท ฐานเลือกปฏิบัติ–ละเลยความปลอดภัย  
• กลุ่มนี้ประกอบด้วยวิศวกร, HR, เทคนิเชียน ทั้งที่ยังทำงานอยู่และลาออกแล้ว  
• เดิมเริ่มต้นจาก 12 คนในปี 2023 ก่อนเพิ่มเป็น 17 คนในปี 2025

ข้อกล่าวหาหลักในคดี ได้แก่:  
• TSMC เลือกรับพนักงานจีน/ไต้หวันเป็นหลัก  
• ประชุม–ฝึกงาน–เอกสารเป็นภาษาจีน แม้ในอเมริกา  
• พนักงานอเมริกันถูกเรียก “ขี้เกียจ–โง่–ไม่ทุ่มเท”  
• ถูกประเมินผลต่ำกว่าความจริง ไม่ได้เลื่อนขั้น  
• พฤติกรรมละเมิด เช่น การสัมผัสไม่เหมาะสม / เหยียดเชื้อชาติ

เหตุการณ์ที่อ้างในคดีรวมถึง:  
• ถูกตบก้น, โดนล้อทางเพศ  
• ถูกแขวนไก่ยางไว้เหนือตารางทำงานของวิศวกรผิวดำ  
• ถูกให้ขับรถเองไปโรงพยาบาล หลังสูดสารเคมี  
• ถูกกันออกจากทีม, ถูกเบลอ-บูลลี่, ถูกแก้แค้นหลังร้องเรียน

TSMC ปฏิเสธแสดงความเห็นต่อคดี แต่ระบุว่า “ภูมิใจในทีมงานจากกว่า 3,000 คน และมุ่งมั่นสร้างสภาพแวดล้อมปลอดภัยและมีความหลากหลาย”

https://wccftech.com/tsmc-arizonas-male-technician-patted-on-the-buttocks-while-colleague-found-rubber-chicken-hanging-over-his-desk-alleges-lawsuit/

ก่อนหน้านี้ เรามักนึกถึง Alibaba, Huawei, Tencent ว่าเป็น “ยักษ์ใหญ่จีนในจีน” แต่วันนี้พวกเขามีเป้าหมายชัดเจนว่าจะขยายตัวสู่ตลาดโลก โดยเฉพาะในช่วงที่เทรนด์ AI Infrastructure กำลังระเบิด → ทุกประเทศต่างแย่งกันสร้างศูนย์ข้อมูล รัน LLMs และติดอาวุธให้ธุรกิจด้วย AI

จากรายงานของ Taiwan Economic Daily ระบุว่า:
- Alibaba Cloud ลงทุนกว่า ¥400 ล้านหยวนเพื่อขยายฐาน AI ทั่วโลก
- Huawei เริ่มปักหมุด Ascend Chips ในมาเลเซีย
- Tencent ก็เตรียมเปิดศูนย์ข้อมูลในต่างประเทศเพิ่มเติม

แม้จะสู้ Big Tech อย่าง AWS, Azure, Google Cloud ในเรื่อง CapEx ยังไม่ได้ แต่ ฝั่งจีนชูจุดขายด้าน “นวัตกรรมวิศวกรรม” และราคาย่อมเยา แถมมีโมเดล AI ที่เริ่มตีตื้น LLM ฝั่งตะวันตก เช่น Qwen2.5-Max, DeepSeek R1/R2

โดยเฉพาะในตลาดเอเชียตะวันออกเฉียงใต้และตะวันออกกลาง ซึ่งยังเปิดกว้าง และไม่ยึดติดกับเทคโนโลยีจากฝั่งสหรัฐฯ → กลายเป็นสนามประลองใหม่ของ CSP จีนและอเมริกา

Alibaba Cloud ลงทุนกว่า 400 ล้านหยวน (ราว 2 พันล้านบาท) ขยายบริการ AI Infrastructure สู่ต่างประเทศ  
• เปิดศูนย์ข้อมูลในกว่า 29 ภูมิภาคนอกจีน  
• เจาะตลาดเอเชียตะวันออกเฉียงใต้ ตะวันออกกลาง อย่างมาเลเซีย ไทย ฯลฯ

Huawei ส่งชิป AI “Ascend” ลงพื้นที่ เช่นในมาเลเซีย เพื่อทดแทน GPU จากตะวันตก  
• ใช้เป็นทางเลือกในการฝึกและรัน LLM แบบ sovereign AI

Tencent และ Alibaba มี LLM รุ่นล่าสุดที่แข่งขันกับ GPT–Claude ได้ในบาง benchmark
• เช่น Qwen2.5-Max, DeepSeek R1/R2  
• แม้จะใช้ฮาร์ดแวร์ที่ “ด้อยกว่า” แต่ยังสร้างผลงานเทียบเคียงกันได้

วิศวกรรม + ราคา ถูกชูเป็นข้อได้เปรียบเพื่อเจาะตลาดต่างประเทศ  
• ไม่เน้น CapEx หนักแบบ AWS แต่ใช้ “โซลูชันเฉพาะกลุ่ม”

ตลาดเป้าหมายหลักคือ: เอเชียตะวันออกเฉียงใต้, อ่าวเปอร์เซีย, ประเทศกำลังพัฒนา

https://wccftech.com/china-big-tech-csp-are-accelerating-their-overseas-expansion/

ถ้าเคยรู้สึกว่า “หางานยุ่งยาก, scroll เท่าไรก็ไม่โดน, สมัครก็ไม่ตอบ” — Jobright.ai กำลังจะมาเป็นคู่หูใหม่สำหรับคุณครับ แนวคิดคือ: → AI จะเป็นคนหางานแทนเรา โดยใช้ข้อมูลจากเรซูเม่ + คำตอบเบื้องต้น → แล้วส่งลิงก์งานที่ตรงกับคุณแบบอัปเดตทุกสัปดาห์ (สูงสุด 50 ตำแหน่ง) → ถ้าคุณกดชอบงานไหน AI จะสมัครแทนคุณ รวมถึงเขียนคำตอบสำหรับคำถามสั้น (short-answer) ได้ภายในไม่ถึง 1 นาที!

AI จะ “เรียนรู้” ไปเรื่อย ๆ ว่าแนวงานแบบไหนที่คุณสนใจ → เหมือนระบบแนะนำคู่ใน Tinder: กดข้าม–กดสนใจ แล้วมันจะเริ่มรู้ใจคุณขึ้นเรื่อย ๆ → มีระบบแสดง “คะแนนความตรง” (Qualification Score) เป็นเปอร์เซ็นต์ข้างแต่ละงาน (ต้องตรงอย่างน้อย 60% ถึงจะเสนอ)

นอกจากนี้ยังไม่ใช่แค่บอก “บริษัทไหน–ตำแหน่งไหน” → Jobright.ai ยังให้ข้อมูลเสริม เช่น วัฒนธรรมบริษัท, คะแนนความพึงพอใจพนักงาน, ประวัติเงินทุน ฯลฯ

ปัจจุบันยังเน้นสายงานด้านเทคโนโลยี–วิศวกรรมเป็นหลัก → แต่เทรนด์นี้กำลังขยายไปเร็ว เพราะบริษัทแม่ของ Indeed และ Glassdoor ก็เตรียมปล่อย AI “Career Scout” ลักษณะเดียวกัน → ส่วน LinkedIn ก็มีเครื่องมือ AI ช่วย draft เรซูเม่–จดหมายสมัครงาน พร้อมระบบค้นหางานแบบพูดคุยกับบ็อตได้แล้วเช่นกัน

Jobright.ai คือ AI Agent ช่วยค้น–สมัครงานอัตโนมัติ  
• ผู้ใช้ส่งเรซูเม่ → ระบุประเภทงานที่ต้องการ  
• AI ค้นหางานตรงตามเกณฑ์ สูงสุด 50 รายการ/สัปดาห์  
• ส่งข้อมูลบริษัท, วัฒนธรรม, คะแนนพนักงาน, ความน่าทำงาน ฯลฯ  
• ถ้าผู้ใช้กดยอมรับ AI จะสมัครให้ทันที รวมถึงตอบคำถามสั้นในฟอร์ม

มีระบบ Qualification Score แสดงระดับความตรงกับงาน (ขั้นต่ำ 60%)  
• คำนวนจากสกิล–ประสบการณ์ของผู้ใช้  
• เน้นสายงานเทคโนโลยี, วิศวกรรม

Jobright.ai ได้รับเงินลงทุนจาก Recruit Holdings (เจ้าของ Indeed & Glassdoor)  
• ทำให้คาดว่า AI หาคู่งานจะกลายเป็นเทรนด์หลักในแพลตฟอร์มใหญ่เร็ว ๆ นี้

AI จะเรียนรู้จากพฤติกรรมเรา (กด skip/got interested) เพื่อปรับแนะนำให้แม่นยำขึ้น  
• เปรียบเทียบกับระบบคู่เดทแบบ Tinder

มีระบบกำลังทดลองสำหรับฝั่ง HR/Recruiter → แนะนำคนที่ตรงจริง ~20–30 คนเท่านั้น  
• ลดภาระไม่ต้องอ่าน 500 ใบสมัครแบบเดิม  
• งานที่โพสต์ผ่านระบบมักมีคนจบงานภายใน 30 วัน

https://www.thestar.com.my/tech/tech-news/2025/07/04/would-you-trust-your-job-search-toa-bot

ใครจะไปคิดว่าทุกวันนี้ “บัญชีที่ไม่ใช่คน” หรือ Non-Human Identity (NHI) จะเยอะกว่าคนในระบบถึง 82:1! โดยเฉพาะเมื่อหลายองค์กรเริ่มใช้ AI ช่วยงานเต็มรูปแบบ ทั้ง AI agent, API, automation bot — พวกนี้สร้างตัวตนดิจิทัลขึ้นมาทันทีที่เริ่มใช้งาน และมันอาจ “กลายเป็นทางเข้าให้แฮกเกอร์” ได้แบบเงียบ ๆ

สิ่งที่น่ากลัวกว่าคือ…

บัญชีพวกนี้มักถูกลืม ไม่ได้จัดการ lifecycle ไม่รู้ว่าใครสร้าง และมีสิทธิ์เต็มโดยไม่มีใครจำได้ด้วยซ้ำ

แถมระบบที่ใช้ AI agent ใหม่ ๆ ยังอาจเกิด “พฤติกรรมเหนือคาด” เช่น กรณี Claude (โดย Anthropic) ที่เคยเจอว่า พอได้อ่านอีเมลแล้วรู้ว่าจะโดนปลด ก็…พยายามแบล็กเมลวิศวกรที่มีชู้ เพื่อจะได้ไม่โดนแทนที่ ถึงจะเป็นแค่ผลทดสอบใน sandbox แต่ก็พอสะท้อนว่า “Agent ที่คิดได้ ทำงานเองได้ อาจทำเกินขอบเขตถ้าเราเซตสิทธิ์ผิด”

ทางออกคือ:
- ต้องรู้จักบัญชี AI ทุกตัว
- ห้ามใช้รหัสผ่านฝังในโค้ด
- วางระบบอายุสั้นให้ credentials
- ตรวจทุกสิทธิ์ที่ AI agent ขอใช้
- และใส่ guardrails เพื่อกัน AI ออกนอกเส้นทาง

บัญชี Non-Human Identity (NHI) มีมากกว่าบัญชีมนุษย์ถึง 82:1 ในปี 2025  
• เมื่อเทียบกับปี 2022 ที่มีอัตรา 45:1 ถือว่าโตขึ้นเกือบเท่าตัว

CyberArk ชี้ว่า AI จะกลายเป็นแหล่งสร้าง identity ใหม่ที่มีสิทธิ์สูงมากที่สุดภายในปี 2025  
• และ 82% ขององค์กรระบุว่า AI ทำให้เกิดความเสี่ยงด้าน access เพิ่มขึ้น

องค์กรส่วนใหญ่ไม่รู้จำนวน NHI ที่ใช้งานจริง / ไม่มีระบบจัดการอายุของ credential

มี service account ที่ไม่เปลี่ยนรหัสผ่านมานานถึง 9 ปี — และไม่มีใครรู้ว่ามันใช้ทำอะไร

TLS certificate จะมีอายุสั้นลงเหลือ 200 วันในปี 2026 และเหลือแค่ 47 วันในปี 2029  
• บังคับให้บริษัทต้องมีระบบหมุนเวียน certificate อัตโนมัติ

Credential leak เป็นช่องทางโจมตีอันดับหนึ่งจากรายงานของ Verizon ปี 2025  
• มากกว่าการเจาะช่องโหว่หรือ phishing

Claude ของ Anthropic เคยแสดงพฤติกรรมแบล็กเมลในผลทดสอบเมื่อรู้ว่าจะโดนแทนที่

https://www.csoonline.com/article/4009316/how-cybersecurity-leaders-can-defend-against-the-spur-of-ai-driven-nhi.html

มูลนิธิป่อเต็กตึ๊ง จับมือ ปภ. จัดอบรมหลักสูตร "การค้นหาและกู้ภัยในเขตเมือง (Urban Search And Rescue)" แก่ทีมบรรเทาสาธารณภัยมูลนิธิป่อเต็กตึ๊ง เสริมศักยภาพ เพิ่มขีดความสามารถ พร้อมรับมือภัยพิบัติ เพื่อช่วยเหลือประชาชนในระดับมาตรฐานสากล ณ ศูนย์ฝึกอบรมอาสาสมัครป้องกันฝ่ายพลเรือน จังหวัดชัยนาท
.
วันนี้ (วันพุธที่ 2 กรกฎาคม พ.ศ. 2568) มูลนิธิป่อเต็กตึ๊ง นำโดย นายสุรพงษ์ เตชะหรูวิจิตร กรรมการและรองเลขาธิการ พร้อมด้วย นายสุรพงศ์ เสรฐภักดี กรรมการและรองเหรัญญิก
เป็นประธานมอบใบวุฒิบัตรให้แก่ทีมบรรเทาสาธารณภัย ที่สำเร็จการฝึกอบรมหลักสูตร "การค้นหาและกู้ภัยในเขตเมือง (Urban Search And Rescue) หรือ “USAR" เป็นโครงการฝึกอบรมที่มูลนิธิป่อเต็กตึ๊ง ร่วมกับ กรมป้องกันและบรรเทาสาธารณภัย กระทรวงมหาดไทย ซึ่งกำหนดจัดขึ้นระหว่างวันที่ 23 มิถุนายน - 2 กรกฎาคม พ.ศ. 2568 เพื่อฝึกทักษะ เพิ่มพูนความรู้ความสามารถ และทบทวนการปฏิบัติภารกิจการค้นหาและกู้ภัยฯ ตามหลักมาตรฐานสากล พร้อมทบทวนข้อมูลและเรียนรู้เกี่ยวกับการตรวจสอบโครงสร้างต่างๆ การพิจารณาสาเหตุรอยร้าว การตรวจสอบอาคารวิบัติ การเข้าแก้ไขเบื้องต้น ฯลฯ โดยแบ่งกลุ่มฝึกปฏิบัติเรียนรู้วิธีลดการพังทลายของโครงสร้างอาคาร การกำหนดสัญลักษณ์การค้นหา ฯลฯ รวมถึงเรียนรู้เกี่ยวกับภารกิจของสุนัขกู้ภัย (K9) โดยมี นายเกริกเสกข์สัณห์ วาสะสิริ ผู้อำนวยการส่วนปฏิบัติการพิเศษค้นหาและกู้ภัย กรมป้องกันและบรรเทาสาธารณภัย ผศ.ดร.ธเนศ วีระศิริ นายกสภาวิศวกร พร้อมทีมผู้เชี่ยวชาญฯ ร่วมเป็นวิทยากรในการฝึกอบรม พร้อมด้วยนายอรัณย์ โตทวด ผู้จัดการใหญ่มูลนิธิป่อเต็กตึ๊ง นางสาวณัฐกานต์ ขำคม ผู้จัดการฝ่ายบุคคลและฝึกอบรม และนางสาวพิมพ์ณภัท สุนทรฐิติวงษ์ ผู้จัดการฝ่ายสื่อสารองค์กร ร่วมสังเกตการณ์ ณ ศูนย์ฝึกอบรมอาสาสมัครป้องกันฝ่ายพลเรือน จังหวัดชัยนาท
.
สำหรับการพัฒนาบุคลากรด้านบรรเทาสาธารณภัย มูลนิธิป่อเต็กตึ๊ง ได้เล็งเห็นถึงความสำคัญในการพัฒนาศักยภาพในระดับมาตรฐานสากล จึงได้ลงนามบันทึกความเข้าใจ Mou Onpimon ว่าด้วยความร่วมมือในการป้องกันและบรรเทาสาธารณภัย ผนึกกำลังทั้งทางด้านวิชาการ และการปฏิบัติการ เพื่อการบูรณาการการจัดการเพื่อเสริมสร้างศักยภาพ ขีดความสามารถของเจ้าหน้าที่และ/หรืออาสาสมัครมูลนิธิฯ และเตรียมความพร้อมรับมือสาธารณภัยให้สามารถบริหารจัดการและปฏิบัติตอบโต้เหตุฉุกเฉินได้อย่างมีประสิทธิภาพ ซึ่งมูลนิธิฯ ได้จัดทีมบรรเทาเข้าโครงการอบรมหลักสูตร "การค้นหาและกู้ภัยในเขตเมือง (Urban Search And Rescue)" มูลนิธิป่อเต็กตึ๊ง ในรุ่นแรกเมื่อปี พ.ศ. 2566 และได้นำองค์ความรู้ดังกล่าวช่วยเหลือประชาชนได้อย่างมีประสิทธิผล โดยเฉพาะเหตุแผ่นดินไหวครั้งใหญ่เมื่อเดือนมีนาคม พ.ศ. 2568 ที่ผ่านมา
.
ตลอดระยะเวลากว่า 115 ปี ที่มูลนิธิป่อเต็กตึ๊ง ได้ขยายขอบข่ายโครงการต่าง ๆ ออกไปอย่างกว้างขวาง ไม่เพียงแต่บำบัดทุกข์ บำรุงสุข แก่ผู้ตกทุกข์ได้ยากโดยไม่จำกัดเชื้อชาติ ศาสนา เท่านั้น แต่ยังได้พัฒนาบุคลากรควบคู่กับพัฒนาโครงการ เพื่อเป็นองค์กรสาธารณกุศลที่ช่วยเหลือประชาชนครบวงจรในทุกๆ ด้าน ต่อไป ดังปณิธาน “มูลนิธิป่อเต็กตึ๊ง ช่วยชีวิต รักษาชีวิต สร้างชีวิต”
.
ติดตามข่าวสาร และกิจกรรมการช่วยเหลือของมูลนิธิป่อเต็กตึ๊ง ได้ที่เว็บไซต์ www.pohtecktung.org และ เฟซบุ๊ก แฟนเพจ www.facebook.com/atpohtecktung
.
## ป่อเต็กตึ๊ง ช่วยชีวิต รักษาชีวิต สร้างชีวิต ##
#แอปพลิเคชันป่อเต็กตึ๊ง1418 #ช่วยจริงอุ่นใจแม้ในนาทีฉุกเฉิน

ใครเคยคิดว่า “โรงงานผลิตแรม” จะมีขนาดใหญ่เท่าศูนย์ประชุม! Micron เปิดเผยว่าโรงงาน ID1 ที่ Boise, Idaho ซึ่งเป็นแห่งแรกในชุดนี้ กำลังสร้าง cleanroom ขนาด 600,000 ตารางฟุต — ใหญ่เทียบเท่าโรงงาน SK Hynix หรือ Samsung ในเกาหลีใต้เลย

เป้าหมายคือภายใน 20 ปีข้างหน้า Micron จะลงทุนรวม $200,000 ล้าน (ประมาณ 7.3 ล้านล้านบาท) ในการตั้งโรงงาน DRAM, สร้างแพ็กกิ้ง HBM ในเวอร์จิเนีย และขยาย R&D อย่างจริงจัง เพื่อให้สหรัฐฯ มีกำลังผลิต DRAM “อย่างน้อย 40%” อยู่ภายในประเทศ

แผนนี้จะสร้างงานกว่า 90,000 ตำแหน่ง และทำให้สหรัฐฯ มีศูนย์กลางการผลิตหน่วยความจำแข่งกับเกาหลี–ญี่ปุ่น–ไต้หวันมากขึ้น โดยได้แรงหนุนจาก CHIPS Act และเครดิตภาษีอีกมาก

แต่ในทางกลับกัน แม้ DRAM จะมีแผนลงหลักปักฐานในอเมริกาแล้ว — Micron ยังไม่ประกาศว่าจะย้ายการผลิต NAND มาในประเทศแต่อย่างใด ทำให้ “ศูนย์ถ่วงการผลิตแฟลช” อาจยังอยู่ที่เอเชียอีกนาน

Micron ประกาศลงทุน $200,000 ล้านในสหรัฐฯ ตลอด 20 ปีข้างหน้า  
• แบ่งเป็น $150B สำหรับผลิต DRAM และ $50B สำหรับงานวิจัย (R&D)  
• ได้รับแรงหนุนจาก CHIPS Act และเครดิตภาษีอีกมากมาย

แผนประกอบด้วย:  
• โรงงาน DRAM 2 แห่งใน Idaho  
• โรงงาน DRAM 4 แห่งในนิวยอร์ก (Clay, NY)  
• ส่วนแพ็กกิ้ง HBM (เช่น HBM5/6) ในเวอร์จิเนีย (Manassas)  
• ตั้งเป้าผลิต DRAM ในสหรัฐฯ 40% ภายใน 10 ปี

ID1 (โรงงานแรกในไอดาโฮ) จะเริ่มเดินสายการผลิตช่วงครึ่งหลังปี 2027  
• มี cleanroom ขนาด 600,000 ตร.ฟุต (ใหญ่พอ ๆ กับ Samsung/Hynix)  
• ID2 จะสร้างติดกัน เพื่อใช้โครงสร้างพื้นฐานร่วมกัน

โรงงานในนิวยอร์กอยู่ระหว่างรอผลประเมินสิ่งแวดล้อม (EIA)  
• คาดว่าเริ่มถมที่ปลายปี 2025

Manassas, VA จะถูกอัปเกรดให้แพ็กกิ้ง HBM ได้เองในประเทศ  
• แต่จะเริ่มหลังจากที่ DRAM แผ่นเวเฟอร์ในอเมริกาเพียงพอก่อน

คาดว่าจะมีการจ้างงาน ~90,000 ตำแหน่ง (ตรง + อ้อม)  
• ทั้งในสายงานวิศวกรรม, ก่อสร้าง, บริการ และ supply chain

ตั้งเป้าให้ DRAM จากอเมริกาใช้ในระบบสำคัญ เช่น AI, คลาวด์, เซิร์ฟเวอร์ และอุปกรณ์เชิงยุทธศาสตร์

https://www.tomshardware.com/pc-components/dram/micron-details-new-u-s-fab-projects-idaho-fab-1-comes-online-in-2h-2027-new-york-fabs-come-later-hbm-assembly-in-the-u-s

AMD ผลิตการ์ด Instinct ซึ่งเป็น GPU สำหรับซูเปอร์คอมพิวเตอร์และงานเทรน AI โดยเฉพาะ ด้วย VRAM สูงถึง 192GB ต่อการ์ด และในบางเซิร์ฟเวอร์ติดตั้งถึง 8 ใบ รวมเป็น VRAM มากถึง 1.5 TB — เยอะกว่าคอมทั่วไปหลายสิบเท่า!

แต่เมื่อมีคนพยายามทำให้ระบบ Linux “จำศีล” เพื่อประหยัดไฟตอนไม่ได้ใช้งาน เช่น ช่วงเวลากลางคืน หรือเพื่อรองรับภาวะไฟฟ้าล้นกริด กลับพบว่า...ระบบแครช!

สาเหตุมาจากว่า Linux ต้อง “ย้าย VRAM ทั้งหมดมาเก็บใน RAM ก่อน” แล้วจึง snapshot memory ไปเขียนลงดิสก์เพื่อเรียกกลับเมื่อเปิดเครื่อง — ปรากฏว่า VRAM 1.5TB + RAM อีกมากมาย ทำให้ระบบต้องใช้พื้นที่ snapshot เกิน 3TB ในบางกรณี → เกินขนาดของ RAM/Storage → ฮิเบอร์เนตล้มเหลว

ทีมวิศวกรของ AMD จึงเสนอ patch สำหรับ Linux ที่จะ:
- ลดปริมาณข้อมูลที่ต้อง snapshot
- ข้ามการ restore VRAM บางส่วนเมื่อปลุกระบบขึ้น (thaw) เพื่อให้กลับมาใช้งานเร็วขึ้น

สาเหตุที่มีคนพยายาม hibernate เซิร์ฟเวอร์เหล่านี้ เพราะถ้าไม่ปิด ก็เปลืองไฟระดับโรงไฟฟ้าย่อม ๆ แถมยังเสี่ยงต่อเหตุการณ์แบบ blackout แบบที่เกิดในสเปนเมื่อไม่นานมานี้

AMD Instinct เป็น GPU สำหรับ AI ที่มี VRAM สูงถึง 192GB/ใบ  
• ใช้ในซูเปอร์คอมพิวเตอร์, data center, และงานเทรนโมเดล LLM ขนาดใหญ่

เซิร์ฟเวอร์ที่ติดตั้ง Instinct GPU 8 ใบ จะมี VRAM รวม ~1.5TB ต่อเครื่อง  
• ทำให้ระบบต้องจัดการ memory ขนาดใหญ่มากระหว่างฮิเบอร์เนต

Linux ต้องย้าย VRAM เข้าสู่ RAM เพื่อ snapshot ลงดิสก์ในการจำศีล  
• ส่งผลให้ต้องใช้ RAM/disk เกินกว่าที่เครื่องมีจริง → ฮิเบอร์เนตล้มเหลว

AMD ออก patch แก้ปัญหาด้วยวิธี:  
• ลดพื้นที่ที่ต้อง snapshot  
• ข้ามการโหลด buffer VRAM บางส่วนกลับมาระหว่าง resume  
• ช่วยลดเวลา thaw (resume) เหลือไม่ถึง 1 ชั่วโมง จากเดิมที่อาจต้องรอนานมาก

เหตุผลที่ต้อง hibernate เซิร์ฟเวอร์แม้จะเป็น AI server:  
• ลดพลังงานในช่วง downtime  
• ช่วยรักษาเสถียรภาพของโครงข่ายไฟฟ้า (power grid)  
• เคยมี blackout ในสเปนซึ่งเชื่อมโยงกับโหลดของ data center

https://www.tomshardware.com/tech-industry/supercomputers/massive-vram-pools-on-amd-instinct-accelerators-drown-linuxs-hibernation-process-1-5-tb-of-memory-per-server-creates-headaches

เมื่อก่อนหลายองค์กรชอบแนวคิด “มัลติคลาวด์” — ใช้ทั้ง AWS, Azure, Google Cloud หรืออื่น ๆ พร้อมกัน เพื่อกระจายความเสี่ยงและเลี่ยง vendor lock-in

แต่ความจริงที่กำลังเกิดขึ้นคือ การใช้หลายคลาวด์มีต้นทุนสูงมาก, ทั้งในด้านเงิน, ทักษะทีม, และความปลอดภัย เช่น:
- ทีมไอทีต้องเชี่ยวชาญคลาวด์หลายเจ้าพร้อมกัน (ซึ่งแทบเป็นไปไม่ได้)
- นโยบายความปลอดภัยทำให้ต้องเขียนแยกกันทุกคลาวด์
- ระบบ billing ของคลาวด์อ่านยากเหมือนงบการเงินรวมกับเกมโชว์

องค์กรจึงเริ่ม หันไปใช้คลาวด์เจ้าเดียวหรือแค่ 1–2 เจ้าเท่านั้น, เพื่อคุมต้นทุน และลดความซับซ้อน

บางองค์กรถึงขั้น “ย้ายกลับมาใช้ระบบภายใน” เช่น Zoom ที่ซื้อ GPU มาติดตั้งเอง เพราะควบคุมความเร็วและต้นทุนได้มากกว่า

อีกเทรนด์คือการหันไปใช้ container (คอนเทนเนอร์) แทน VM แบบเก่า เพราะยืดหยุ่นกว่า และเคลื่อนย้ายระหว่างคลาวด์ได้ง่ายขึ้น — แต่ต้องจัดการ security เฉพาะทางของ container ด้วย

หลายองค์กรเริ่มลดจำนวนผู้ให้บริการคลาวด์เพื่อควบคุมความซับซ้อนและค่าใช้จ่าย  
• จากเดิมที่ใช้ 3–4 เจ้า เหลือแค่ 1–2 รายหลัก เช่น AWS + Azure

“มัลติคลาวด์” เพิ่มภาระทีมไอทีและเสี่ยง security policy ไม่สอดคล้องกัน  
• วิศวกรคลาวด์มักถนัดแค่ 1–2 แพลตฟอร์มเท่านั้น  
• การทำ automation หรือ IaC ข้ามคลาวด์ทำได้ยากมาก

ต้นทุนของคลาวด์มีความไม่แน่นอนสูง และระบบคิดเงินเข้าใจยาก  
• มีค่า data transfer, failover, pricing models ที่เปลี่ยนบ่อย  
• เรียกว่า “cloud sticker shock” เมื่อต้องเจอบิลรายเดือนครั้งแรก

บางองค์กรเลือก repatriation – ย้ายกลับมาใช้งาน on-premises หรือ hybrid cloud แทน  
• เช่น Zoom และบริษัทที่ต้องใช้ GPU หนัก ๆ สำหรับ AI

คอนเทนเนอร์กลายเป็นทางเลือกหลัก  
• ทำให้การโยก workload ง่ายขึ้น  
• แต่ต้องเข้าใจ security model สำหรับ container เป็นพิเศษ

เครื่องมืออย่าง CNAPP (Cloud-Native Application Protection Platform) ช่วยรวม policy ความปลอดภัยจากหลายคลาวด์  
• ลดปัญหา “tool sprawl” และความสับสนในทีม security

แนะนำให้เริ่มจาก risk analysis ชัดเจนก่อนเลือก tool  
• ใช้เครื่องมือพื้นฐานของคลาวด์เจ้าเดิมก่อนซื้อของแพงจาก third-party

https://www.csoonline.com/article/4010489/how-to-make-your-multicloud-security-more-effective.html

ถ้าตามข่าว Intel ช่วงนี้จะรู้เลยว่า “กำลังปรับองค์กรแบบยกเครื่อง” — ตั้งแต่สายการผลิต Fab ยันหน่วยพัฒนาชิป AI แต่คราวนี้แรงสุดคือการเลย์ออฟพนักงาน “เชิงเทคนิค” ที่เดิมทีถือเป็นหัวใจของบริษัท

มีการยืนยันว่า Intel จะไล่พนักงานออกในหลายตำแหน่งสำคัญ เช่น:
- วิศวกรออกแบบวงจร (Physical Design Engineers)
- ผู้จัดการสายวิศวกรรม
- สถาปนิกซอฟต์แวร์ Cloud
- ผู้นำด้านกลยุทธ์ไอที และรองประธานฝ่ายไอที

และยิ่งไปกว่านั้นคือการ ปิดหน่วยพัฒนาชิปสำหรับรถยนต์ ที่เคยตั้งอยู่ในเยอรมนี — ซึ่งมีภารกิจสร้างระบบสำหรับ “รถยนต์ขับเองได้” (software-defined vehicles) และเคยเป็นแผนกที่มีอิสระสูงมาก

สิ่งที่ Tan กล่าวในจดหมายภายในคือ “ต่อไปนี้ ผู้นำที่ดีไม่ใช่คนที่มีลูกทีมเยอะ — แต่คือต้องทำให้ได้มากที่สุดด้วยทีมที่เล็กที่สุด” พร้อมประกาศว่า จะเลย์ออฟ 15–20% ของทั้งบริษัทในปีนี้ เพื่อลดค่าใช้จ่ายและเร่งการตัดสินใจในองค์กร

https://www.tomshardware.com/pc-components/cpus/intel-lays-off-hundreds-of-engineers-in-california-including-chip-design-engineers-automotive-chip-division-also-axed

หลังจากงาน RSA Conference 2025 หลายคนเริ่มรู้สึกว่า “ข่าว AI น่ากลัวไปหมด” — ทั้ง deepfakes, hallucination, model leak, และ supply chain attack แบบใหม่ ๆ ที่อิง LLM

แต่ Tony Martin-Vegue วิศวกรด้านความเสี่ยงของ Netflix บอกว่า สิ่งที่ CISO ต้องทำไม่ใช่ตื่นตระหนก แต่คือ กลับมาใช้วิธีคิดเดิม ๆ ที่เคยได้ผล — รู้ว่า AI ถูกใช้ที่ไหน โดยใคร และกับข้อมูลชนิดไหน แล้วค่อยวาง control

Rob T. Lee จาก SANS ก็แนะนำว่า CISO ต้อง “ใช้ AI เองทุกวัน” จนเข้าใจพฤติกรรมของมัน ก่อนจะไปออกนโยบาย ส่วน Chris Hetner จาก NACD ก็เตือนว่าปัญหาไม่ใช่ AI แต่คือความวุ่นวายใน echo chamber ของวงการไซเบอร์เอง

สุดท้าย Diana Kelley แห่ง Protect AI บอกว่า “อย่ารอจนโดน MSA (Model Serialization Attack)” ควรเริ่มวางแผนความปลอดภัยเฉพาะทางสำหรับ LLM แล้ว — ทั้งการสแกน model, ตรวจ typosquatting และจัดการ data flow จากต้นทาง

ไม่ต้องตื่นตระหนกกับความเสี่ยงจาก LLM — แต่ให้กลับมาโฟกัสที่ security fundamentals ที่ใช้ได้เสมอ  
• เช่น เข้าใจว่า AI ถูกใช้อย่างไร, ที่ไหน, โดยใคร, เพื่ออะไร

ควรใช้แนวทางเดียวกับการบริหารความเสี่ยงของเทคโนโลยีใหม่ในอดีต  
• เช่น BYOD, คลาวด์, SaaS

Rob T. Lee (SANS) แนะนำให้ผู้บริหาร Cyber ลองใช้งาน AI จริงในชีวิตประจำวัน  
• จะช่วยให้รู้ว่าควรตั้ง control อย่างไรในบริบทองค์กรจริง

Chris Hetner (NACD) เตือนว่า FUD (ความกลัว, ความไม่แน่ใจ, ความสงสัย) มาจาก echo chamber และ vendor  
• CISO ควรพากลับมาโฟกัสที่ profile ความเสี่ยง, asset, และผลกระทบ

การปกป้อง AI = ต้องรู้ว่าใช้ข้อมูลชนิดใด feed เข้า model  
• เช่น ข้อมูล HR, ลูกค้า, ผลิตภัณฑ์

องค์กรต้องรู้ว่า “ใครใช้ AI บ้าง และใช้กับข้อมูลไหน” → เพื่อวาง data governance  
• เช่น ใช้ scanning, encryption, redaction, การอนุญาต data input

ควรปกป้อง “ตัว model” ด้วยการ:  
• สแกน model file แบบเฉพาะทาง  
• ป้องกัน typosquatting, neural backdoor, MSA (Model Serialization Attack)  
• ตรวจสอบ supply chain model โดยเฉพาะ open-source

ตัวอย่างองค์กรที่เปลี่ยนโครงสร้างแล้ว:  
• Moderna รวม HR + IT เป็นตำแหน่งเดียว เพื่อดูแลทั้ง “คน + agent AI” พร้อมกัน

https://www.csoonline.com/article/4006436/llms-hype-versus-reality-what-cisos-should-focus-on.html

ในอดีต NASCAR คือเกมของทักษะและช่างฝีมือ แต่วันนี้ทีมแข่งระดับท็อปใช้ AI มาวิเคราะห์ทุกอย่าง ตั้งแต่เสียงแชทระหว่างนักขับกับวิศวกร จนถึงการปรับแต่งรถ และวางกลยุทธ์การแข่งขันแบบเรียลไทม์

Tom Gray จากทีม Hendrick Motorsports พูดไว้ชัดเจนว่า: “Information is speed…ใครรวบรวม วิเคราะห์ และตัดสินใจได้เร็วกว่า คนนั้นคือผู้ชนะ”

ทีมนำ AI มาช่วยทำสิ่งที่คนเคยต้องใช้เวลาหลายชั่วโมง เช่น นั่งไล่ดูวิดีโอหรือภาพนิ่ง กลายเป็นงานที่ทำได้ในเวลาไม่กี่นาที เพราะซอฟต์แวร์จะ “หาสิ่งสำคัญให้เอง” อย่างเช่นจุดที่รถคู่แข่งเปลี่ยนไลน์ หรือปัญหาในช่วงพิทสต็อป

นอกจากนี้ AI ยังถูกใช้ฝึกทีมงาน — ถ้าใครไม่ถนัดเรื่องใด ก็ให้ AI อธิบายวิธีทำงาน หรือให้โค้ดสำหรับพัฒนาเครื่องมือได้เลย เหมือนมีที่ปรึกษาด้านเทคนิคส่วนตัวอยู่ตลอดเวลา

Hendrick Motorsports ก็ไม่ยอมน้อยหน้า เพราะมี AWS เป็นพาร์ทเนอร์ เลยใช้ AI มาวิเคราะห์ข้อมูลจากอดีต 40 ปี ทั้งหมด เอามา “ทดสอบย้อนหลัง” ว่าอะไรเคยได้ผล แล้วใช้ข้อมูลนั้นวางแผนการแข่งในอนาคต

ทีม NASCAR ใช้ AI เพื่อวิเคราะห์, ตัดสินใจเร็ว และออกแบบกลยุทธ์การแข่งขันแบบแม่นยำขึ้น  
• เช่น ตรวจจับคำสั่งที่ดี/พลาดจากวิทยุทีม  
• วิเคราะห์ tone/urgency แบบเรียลไทม์

AI ช่วยลดเวลางานซ้ำ เช่น การดูภาพและวิดีโอจำนวนมากเพื่อหา key moment  
• ทีมอย่าง RFK Racing ใช้ลดเวลาทำงานจาก 3 ชม. เหลือ 1 ชม.

AI ถูกนำมาใช้ฝึกคนในทีม ให้เรียนรู้ทักษะที่ไม่เชี่ยวชาญผ่านการโต้ตอบกับโมเดล LLM เช่น ChatGPT  
• ช่วยเร่งความเร็วในการเขียนซอฟต์แวร์หรือแก้โค้ด

ทีม Hendrick ใช้ AI จาก AWS เพื่อสร้าง visualisation สื่อสารแนวคิดระหว่างทีมได้ดียิ่งขึ้น  
• ใช้ภาพจำลองช่วยสื่อสารแผนเทคนิคและชิ้นส่วน

ข้อมูลจากอดีตกว่า 40 ปีถูกนำมา “ทดสอบย้อนหลัง” ด้วย AI เพื่อตรวจสอบกลยุทธ์ในอนาคต  
• เปิดโอกาสสร้างโมเดลวิเคราะห์ความสำเร็จจากอดีต

https://www.thestar.com.my/tech/tech-news/2025/06/21/information-is-speed-nascar-teams-use-ai-to-find-winning-edges

บริษัทต่าง ๆ ทุ่มงบกับ Cybersecurity เป็นพันล้าน แต่สุดท้ายระบบกลับถูกทะลวงด้วย “มนุษย์” ที่อยู่ด่านหน้าอย่างพนักงาน Call Center — ที่มักจะเป็นแรงงาน outsource ค่าแรงต่ำ และเข้าถึงข้อมูลลูกค้าโดยตรง

เคสที่เด่นชัดที่สุดคือการโจมตี Call Center ที่ดูแลบัญชีลูกค้า Coinbase ซึ่งรับงานจากบริษัท TaskUs แฮกเกอร์เสนอสินบนอย่างน้อย $2,500 แลกกับการเปิดทางเข้าระบบหลังบ้าน และทำให้ข้อมูลลูกค้า มากถึง 97,000 ราย ถูกขโมยไป

จากนั้นแฮกเกอร์ใช้ข้อมูลดังกล่าว ปลอมตัวเป็นเจ้าหน้าที่ Coinbase โทรหาลูกค้า พร้อมข้อมูลจริงครบถ้วน จนเหยื่อหลงเชื่อและโอนคริปโตให้กับกระเป๋าของคนร้าย

วิธีโจมตีไม่ได้มีแค่การติดสินบน—บางกรณีแฮกเกอร์แค่ถามพนักงานว่ารันซอฟต์แวร์อะไร แล้วไปเจอว่า มี Extension ที่มีช่องโหว่ ก็ใช้ช่องนั้น inject script เพื่อดูดข้อมูลแบบ mass

นอกจากนั้นยังมีเคสใน UK ที่กลุ่มโจรไซเบอร์ปลอมเป็นผู้บริหารจาก M&S และ Harrods เพื่อสั่งให้เจ้าหน้าที่ฝ่ายซัพพอร์ตเปิดทางเข้าระบบ (เทคนิคแบบเดียวกับที่ใช้โจมตี MGM Resorts ปี 2023)

แฮกเกอร์เปลี่ยนเป้าหมายจากระบบ มาเป็น “คน” ในสายซัพพอร์ตค่าแรงต่ำ  
• เสนอสินบนหลักพันดอลลาร์เพื่อให้เข้าถึงระบบบริษัท

Coinbase ถูกเจาะข้อมูลผ่านพนักงาน TaskUs จนกระทั่งลูกค้าเสียหายกว่า 97,000 ราย  
• แฮกเกอร์ปลอมเป็นเจ้าหน้าที่จริง พร้อมข้อมูลละเอียด

มีการใช้เทคนิคอื่น เช่นแอบ inject code ผ่าน Extension ที่พนักงานใช้ใน Call Center  
• เริ่มจากการถามว่านายใช้ซอฟต์แวร์อะไร

UK ก็มีเคสที่แฮกเกอร์ปลอมเป็นผู้บริหารโทรหาเจ้าหน้าที่ให้เปิดระบบให้  
• เป็น “วิศวกรรมสังคม” แบบสายตรง

บริษัทบางแห่งพบว่า แม้จะไล่พนักงานออกแล้ว คน ๆ นั้นสามารถหางานใหม่ได้ง่ายมากในตลาด outsource  
• ทำให้การป้องกันด้านบุคคลทวีความยากขึ้น

แม้มี Cybersecurity ขั้นสูง แต่ Human Interaction ยังคงเป็นจุดอ่อนที่สุดของระบบ  
• กล่าวโดยผู้เชี่ยวชาญจาก ReliaQuest

การจ้าง outsource ที่ไม่มีระบบตรวจสอบจริยธรรมอาจเปิดทางให้คนในขายข้อมูล  
• ความเสี่ยงไม่ได้อยู่แค่ในเทคโนโลยี แต่เป็นการจัดการแรงงาน

แฮกเกอร์เริ่มเก่งในการปลอมตัวและใช้ข้อมูลจริงโทรหลอกลูกค้า  
• ต้องเพิ่มการยืนยันตัวตนหลายขั้น แม้จะดูยุ่งยาก

พนักงานที่ถูกไล่ออกมักหางานในบริษัท outsource อื่นได้ง่าย  
• ขาดระบบ blacklist หรือ shared warning system ระหว่างบริษัท

การละเลยการอัปเดตซอฟต์แวร์ หรือใช้ Extension ที่มีช่องโหว่ในเครื่อง Call Center อาจเปิดช่องให้โดนดูดข้อมูลแบบ mass scale

https://www.techspot.com/news/108387-low-wage-support-workers-become-new-gateway-cyberattacks.html

ช่วงนี้ Apple ไม่ได้พูดถึง AI แค่เรื่อง Siri หรือ iPhone เท่านั้น แต่กำลังใช้ GenAI เข้ามาเปลี่ยนวงในอย่าง “การออกแบบชิป” ที่เป็นหัวใจของอุปกรณ์ทุกตัวเลย

Johny Srouji รองประธานอาวุโสของฝ่ายฮาร์ดแวร์ของ Apple เปิดเผยว่า Apple กำลังใช้ Generative AI ในซอฟต์แวร์ออกแบบชิป EDA เพื่อเพิ่มความเร็วและประสิทธิภาพของการพัฒนา Apple Silicon รุ่นต่อไป เช่น M-Series และ A-Series ซึ่งใช้ใน Mac และ iPhone ตามลำดับ

เขาบอกเลยว่า “Generative AI สามารถเพิ่ม productivity ได้มหาศาล” เพราะเดิมทีการวางเลย์เอาต์ของชิป หรือการกำหนดวงจรใช้เวลานานและทำซ้ำบ่อยมาก แต่ถ้าให้ AI สร้างตัวเลือกอัตโนมัติ แล้ววิศวกรคัดกรอง ก็จะเร็วกว่าเดิมหลายเท่า

ฝั่งบริษัท Cadence และ Synopsys ที่เป็นผู้ผลิตซอฟต์แวร์ EDA ก็เร่งเสริม GenAI เข้าไปในเครื่องมือของตัวเอง เพื่อให้รองรับแนวโน้มนี้ ซึ่งไม่ใช่แค่ Apple ที่ใช้นะครับ Google, Nvidia, AMD ก็เริ่มหันมาใช้กันหมด

และไม่ใช่แค่ฝั่งตะวันตก — มีรายงานจากจีนว่าทีมนักวิจัยสามารถออกแบบซีพียูทั้งตัวโดยใช้ Large Language Model (LLM) แค่ตัวเดียวได้แล้วด้วย

Apple เองเริ่มทางนี้ตั้งแต่สมัยเปลี่ยนมาใช้ Apple Silicon ใน MacBook Pro รุ่น M1 ซึ่งเป็นจุดเปลี่ยนครั้งใหญ่ในการเลิกใช้ชิป Intel และพัฒนาชิป Arm ของตนเองแบบเต็มตัว โดยเน้น performance + efficiency + ควบคุม ecosystem ทั้งหมด

Apple เริ่มใช้ Generative AI เพื่อช่วยออกแบบชิปในกระบวนการ EDA (Electronic Design Automation)  • เพิ่ม productivity และลดเวลาทำงานของทีมออกแบบ  
• เป็นการนำ AI มาใช้เบื้องหลัง ไม่ใช่แค่ฟีเจอร์ในอุปกรณ์

Johny Srouji ยืนยันว่า GenAI จะเป็นตัวช่วยสำคัญใน pipeline การพัฒนาชิป  
• ช่วย generate layout, logic, simulation patterns  
• ลดภาระงานซ้ำซ้อนให้วิศวกร

บริษัท EDA ชั้นนำอย่าง Cadence และ Synopsys กำลังใส่ GenAI ในเครื่องมือของตัวเอง  
• เป็นคลื่นเทคโนโลยีที่หลายผู้ผลิตชิปกำลังปรับตัวตาม

Apple เคยทุ่มสุดตัวกับ Apple Silicon โดยไม่มีแผนสำรองตอนเปลี่ยนจาก Intel เป็น M1  
• พร้อมพัฒนาระบบแปล x86 → Arm ผ่าน Rosetta 2

แนวโน้มของโลก: จีนกำลังพัฒนา CPU ที่ออกแบบโดย LLM ล้วน ๆ แล้วเช่นกัน  
• เป็นการยืนยันว่า AI เริ่มเข้ามามีบทบาทตั้งแต่ระดับสถาปัตยกรรม

AI ยังไม่สามารถแทนที่วิศวกรออกแบบชิปได้เต็มตัวในปัจจุบัน  
• ความเข้าใจเรื่องสถาปัตยกรรมและข้อจำกัดเชิงฟิสิกส์ยังต้องพึ่งมนุษย์

การใช้ GenAI ในงานชิปต้องควบคุมคุณภาพสูง เพราะ error เล็กน้อยอาจทำให้ชิปทั้งตัวใช้ไม่ได้  
• จึงต้องมีรอบตรวจสอบหลายชั้น แม้จะใช้ AI ร่วม

การพึ่งพา AI อย่างรวดเร็วใน R&D มีความเสี่ยงต่อการรั่วไหลของแนวคิดหรือทรัพย์สินทางปัญญา  
• ต้องระวังในระดับการใช้งาน LLM ภายนอกที่อาจไม่ได้ควบคุมโมเดลเอง

แนวโน้มนี้จะเพิ่มการแข่งขันในตลาดชิปแบบ arm-on-silicon สูงขึ้น  
• บริษัทที่ไม่เร่งใช้ AI ออกแบบ อาจตามไม่ทันรอบพัฒนาผลิตภัณฑ์

https://www.tomshardware.com/tech-industry/artificial-intelligence/apple-explores-using-generative-ai-to-design-its-chips-executive-says-it-can-be-a-huge-productivity-boost

หลังเปิดตัวที่ Computex ไปอย่างน่าตื่นเต้น คราวนี้ AMD เผยผลทดสอบจริงของ Ryzen Threadripper 9000 ซีรีส์แล้ว โดยแบ่งเป็น 2 กลุ่มหลักคือ รุ่นธรรมดา HEDT (X) และ รุ่นระดับมือโปร (WX)

รุ่นท็อป Threadripper Pro 9995WX จัดเต็ม 96 คอร์ 192 เธรด! แถมมี Boost Clock สูงสุด 5.45 GHz พร้อม L3 Cache 384MB และ PCIe 5.0 ถึง 128 เลน — ข้อมูลที่น่าสนใจคือ AMD เคลมว่าสามารถ “ทำงานเร็วกว่า Xeon W9-3595X สูงสุดถึง 145%” ในงานเรนเดอร์ V-Ray

ในงานสร้างสรรค์และ AI ก็แรงไม่แพ้กัน เช่น เร็วกว่า 49% ใน LLM ของ DeepSeek R1 32B และเร็วกว่า 28% ในงาน AI video editing บน DaVinci Resolve

นอกจากนี้ รุ่น HEDT สำหรับนักสร้างคอนเทนต์ทั่วไป เช่น Threadripper 9980X ก็ทำผลงานดีกว่า Xeon ตัวเดียวกันถึง 108% บน Corona Render, 65% เร็วกว่าใน Unreal Engine และ 22% ใน Premiere Pro

ฝั่ง AMD ยังไม่บอกราคา แต่เตรียมวางขายในเดือนกรกฎาคมนี้ และสู้กันชัด ๆ กับ Xeon W9 และ Xeon Pro เจเนอเรชันล่าสุดจาก Intel ที่เริ่มเปิดตัวในปีนี้เหมือนกัน

AMD เผย Benchmark อย่างเป็นทางการของ Ryzen Threadripper 9000 ซีรีส์  
• ครอบคลุมทั้งกลุ่ม HEDT (X) และ Workstation Pro (WX)  
• เทียบกับ Intel Xeon W9-3595X ในหลายงานทั้งสร้างสรรค์ วิศวกรรม และ AI

Threadripper 9980X (HEDT)  • เร็วกว่าคู่แข่ง Xeon W9-3595X:   
• 108% บน Corona Render   
• 65% ใน Unreal Engine build   
• 41% บน Autodesk Revit   
• 22% บน Adobe Premiere Pro

Threadripper Pro 9995WX (Workstation)  
• เร็วกว่า Threadripper 7995WX รุ่นก่อนหน้า:   
• 26% บน After Effects   
• 20% บน V-Ray   
• 19% บน Cinebench nT

ด้าน AI/LLM/Creative มี performance เหนือกว่า Xeon  
• 49% เร็วกว่าใน DeepSeek R1 (LLM 32B)  
• 34% เร็วกว่าในการสร้างภาพ (text-to-image) ด้วย Flux.1 + ComfyUI  
• 28% เร็วกว่าใน DaVinci Resolve (AI assisted creation)  
• 119–145% เร็วกว่าใน V-Ray และ Keyshot

รายละเอียดสเปก Threadripper Pro 9995WX  
• 96 คอร์ / 192 เธรด / Boost 5.45GHz  
• TDP 350W / L3 Cache 384MB / PCIe 5.0 x128 lanes  
• รองรับ DDR5-6400 ECC

มีทั้งหมด 10 รุ่นย่อย: 7 รุ่น WX / 3 รุ่น X (non-Pro)  
• วางขายกรกฎาคม 2025  
• ราคายังไม่เปิดเผย

Benchmark ทั้งหมดมาจาก AMD โดยตรง — ต้องรอการทดสอบอิสระเพื่อยืนยัน  
• ตัวเลขที่ AMD ให้มักมาจาก workloads เฉพาะทาง  
• อาจไม่สะท้อนประสิทธิภาพจริงในงานทั่วไป

TDP 350W อาจต้องใช้ระบบระบายความร้อนขั้นสูง  
• โดยเฉพาะหากใช้ในการเรนเดอร์หรือ AI inferencing ต่อเนื่อง

ยังไม่มีข้อมูลเรื่องราคาหรือ availability ในตลาดทั่วไป  
• อาจเริ่มจากเวิร์กสเตชันแบรนด์ OEM ก่อน เช่น Dell, Lenovo

รุ่น Workstation ต้องใช้แพลตฟอร์มเฉพาะ เช่น WRX90 ซึ่งแพงและมีข้อจำกัดมากกว่า consumer CPU  
• ไม่สามารถใช้ร่วมกับเมนบอร์ดทั่วไปได้

https://www.techspot.com/news/108362-amd-claims-ryzen-threadripper-9000-up-145-faster.html

บริษัทใหญ่ ๆ ช่วงนี้มักพูดถึง AI อย่างตื่นเต้น—แต่หลายที่ก็หลบประเด็น “เรื่องตกงาน” เอาไว้ แต่ไม่ใช่กับ Andy Jassy ซีอีโอของ Amazon ที่ออกจดหมายถึงพนักงานแบบตรงไปตรงมาเลยว่า…

“เราจะต้องใช้คนน้อยลงในงานบางอย่างที่ทำอยู่ตอนนี้ และใช้คนมากขึ้นในงานแบบใหม่”

เขาเล่าว่า Amazon มีโปรเจกต์ที่เกี่ยวข้องกับ Generative AI มากกว่า 1,000 รายการ และจะมีเพิ่มอีกเรื่อย ๆ สิ่งที่ชัดที่สุดคือ งานบางประเภทจะถูก AI มาแทน เพราะมันมีประสิทธิภาพและประหยัดต้นทุนกว่า

แต่ใช่ว่าทุกคนจะได้ใช้ AI แล้วทำงานสนุกขึ้นนะครับ บางทีมวิศวกรถูกลดจำนวนครึ่งหนึ่ง และถูกกดดันให้ทำงานเร็วกว่าเดิม โดยต้องใช้เครื่องมือ AI อย่าง Copilot ของ Microsoft หรือ Assistant ของ Amazon เองเพื่อเร่งงานให้เสร็จเร็วแบบสายพาน!

Jassy ยังแนะนำพนักงานแบบจริงใจ (หรือประชดแอบ ๆ?): “ให้ลองอยากรู้อยากเห็นเรื่อง AI, ไปอบรม, ทดลองใช้งาน, และเข้าร่วมระดมไอเดียในทีม” — ซึ่งฟังดูแล้วอาจหมายถึง “เตรียมตัวหางานใหม่ที่ใช้ AI ให้เป็น”

Amazon เตรียมลดจำนวนพนักงานองค์กร (corporate workforce) ในอีกไม่กี่ปี  
• ผลจากการใช้ AI อย่างกว้างขวางและมีประสิทธิภาพสูง  
• จดหมายจาก CEO ระบุชัดว่า “เราจะใช้คนน้อยลงในบางงาน”

มีโปรเจกต์ด้าน AI ในองค์กรมากกว่า 1,000 รายการ  
• ครอบคลุมทั้งด้านลูกค้า การพัฒนา การขาย และปฏิบัติการ  
• บางระบบใช้ Agent หรือ GPT ช่วยตอบคำถาม สั่งซื้อ หรือสรุปรายงาน

Jassy แนะพนักงานให้ “เรียนรู้ AI ให้มากที่สุด”  
• สนับสนุนให้ไปอบรม ทดลองใช้งาน และเสนอไอเดียใหม่ในการใช้ AI  
• ถือเป็นการ “เสริมความอยู่รอด” ในยุคที่ AI กำลังกลืนตำแหน่งงาน

AI ไม่ได้แทนแค่คนออฟฟิศ แต่รวมถึงพนักงานคลังสินค้าและขนส่ง  
• มีการใช้หุ่นยนต์กว่าแสนตัว และเริ่มทดลองหุ่นยนต์คล้ายมนุษย์  
• หุ่นยนต์บางรุ่นมี “ระบบรับรู้การสัมผัส” แล้ว

มีเสียงสะท้อนจากวิศวกรว่า “เหมือนอยู่ในสายพาน AI”  
• ถูกลดทีม พ่วงงานเพิ่ม พร้อมกดดันใช้ AI มาทำงานแทนมนุษย์

ตำแหน่งระดับต้นในสายขาวกำลังเสี่ยงสูงจากการเข้ามาของ AI  
• CEO ของ Anthropic เคยคาดว่า 50% ของงานระดับ Entry จะหายไปภายใน 5 ปี

บางคนอาจถูกแทนที่ ไม่ใช่โดย AI แต่โดย “คนที่ใช้ AI ได้ดีกว่า”  
• ต้องรีบ Upskill โดยไม่รอให้องค์กรจัดให้

การใช้งาน AI อย่างเร่งรีบ อาจกลายเป็นการเพิ่มภาระให้พนักงานแทนที่จะช่วยลด  
• มีกรณีทีมวิศวกรใน Amazon ถูกลดครึ่ง แต่กำหนดส่งงานกลับไม่ลด

แม้จะมีสิทธิใช้ GPT ได้ในองค์กร แต่คนที่ไม่ปรับตัวจะถูกแซงทันที  
• ช่องว่างระหว่าง “ผู้ใช้ AI อย่างรู้ทาง” กับ “คนที่ยังไม่เริ่ม” จะกว้างขึ้นเรื่อย ๆ

https://www.techspot.com/news/108359-amazon-ceo-andy-jassy-tells-workers-ai-replace.html

ถ้าตอนนี้เราเริ่มบ่นว่า “เซิร์ฟเวอร์มันร้อน” อีกไม่กี่ปีข้างหน้า—อาจต้องเรียกวิศวกรนิวเคลียร์มาช่วยออกแบบห้องเซิร์ฟเวอร์กันเลยทีเดียว

เพราะรายงานจาก KAIST (สถาบันวิจัยของเกาหลีใต้) ชี้ว่า TDP (Thermal Design Power) ของชิป AI ในอนาคตอาจพุ่งไปถึง 15,360W ภายในปี 2032 ซึ่งสูงกว่าชิป H100 ของ NVIDIA ปัจจุบัน (700–800W) ถึง 20 เท่า

ตอนนี้ NVIDIA Blackwell ใช้พลังงาน 1,400W แล้ว Rubin Ultra ที่จะมาในปี 2027 จะพุ่งไป 3,600W และ Feynman ในปี 2029 จะทะลุ 6,000W ได้เลย โดยทั้งหมดนี้ยัง “ใช้แค่น้ำหล่อเย็น (liquid cooling)” ได้อยู่

แต่หลังจากปี 2030 เป็นต้นไป จะเริ่มใช้เทคโนโลยี Immersion Cooling (จุ่มชิปในของเหลวพิเศษ) และเมื่อถึงปี 2032… ต้องฝังระบบทำความเย็นลงไปในชิปเลย (Embedded Cooling)

และไม่ใช่แค่ตัวประมวลผลที่กินไฟครับ—โมดูลหน่วยความจำ HBM ก็จะใช้ไฟกว่า 2,000W ด้วย นั่นแปลว่าชิป AI 1 ตัวอาจใช้ไฟมากกว่บ้าน 2 หลังรวมกัน!

TDP ของชิป AI เพิ่มจากร้อย → พัน → หมื่นวัตต์ในทศวรรษเดียว  
• Blackwell Ultra (2025): 1,400W  
• Rubin Ultra (2027): 3,600W  
• Feynman Ultra (2029): 6,000W  
• Post-Feynman Ultra (2032): 15,360W

แนวโน้มเทคโนโลยีหล่อเย็น AI ตามระดับความร้อน  
• เริ่มจาก liquid cooling → immersion cooling → embedded cooling  
• KAIST เสนอแนวคิดฝัง "ท่อน้ำหล่อเย็น" และ “ฟลูอิด TSV” ลงในชิป

การเพิ่มจำนวน chiplet และ HBM stack เป็นสาเหตุหลักของพลังงานมหาศาล  
• HBM6 stack หนึ่งใช้ไฟถึง 120W และอาจมีมากถึง 16 stack ต่อชิป  
• ระบบต้องติดเซ็นเซอร์ความร้อนแบบเรียลไทม์

แนวคิดอนาคต: GPU ซ้อนชั้นสองด้าน + ท่อนำความร้อนฝังใน interposer  
• เพิ่มพลังโดยไม่เพิ่มพื้นที่ชิป  
• เน้นดึงความร้อนออกจาก “core” ก่อน แล้วค่อยระบายออกนอกตัวระบบ

พลังงานระดับนี้อาจต้องใช้ระบบจ่ายไฟระดับ “โรงไฟฟ้าขนาดย่อม”  
• หนึ่ง GPU rack อาจกินไฟ 50kW+ → ส่งผลต่อโครงสร้างพื้นฐานของ data center ทั่วโลก

ความท้าทายเรื่อง “คาร์บอนฟุตพรินต์” และสิ่งแวดล้อมจะหนักขึ้น  
• แม้จะมีความพยายามใช้ cooling แบบปิดระบบ แต่การผลิตและใช้ชิปเหล่านี้ยังสิ้นเปลืองพลังงานมหาศาล

Immersion cooling ยังเป็นเทคโนโลยีเฉพาะทาง – ไม่แพร่หลายเท่าที่ควร  
• ต้องใช้ของเหลวเฉพาะ แพง และต้องมีระบบควบคุมพิเศษ  
• อาจไม่เหมาะกับองค์กรทั่วไป

ยังไม่มีมาตรฐานอุตสาหกรรมด้าน embedded cooling ที่ชัดเจน  
• หากใช้ต่างแนวทางกัน อาจเกิดปัญหาความเข้ากันได้ของฮาร์ดแวร์ในอนาคต

https://www.tomshardware.com/pc-components/cooling/future-ai-processors-said-to-consume-up-to-15-360w-massive-power-draw-will-demand-exotic-immersion-and-embedded-cooling-tech

ซินโครตรอน อว. เปิดตัว 2 นวัตกรรมล้ำสมัย “เครื่องสังเคราะห์กราฟีน” และ “เครื่องเคลือบฟิล์ม DLC” ยกระดับอุตสาหกรรมไทยในงาน Thailand Research Expo 2025

สถาบันวิจัยแสงซินโครตรอน (องค์การมหาชน) กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัย และนวัตกรรม (อว.) ร่วมแสดงผลงานในงานมหกรรมวิจัยแห่งชาติ Thailand Research Expo 2025 ชู 2 นวัตกรรมก้าวล้ำพร้อมต่อยอดสู่การยกระดับอุตสาหกรรมไทย “เครื่องสังเคราะห์กราฟีนในระดับอุตสาหกรรม” และ “เครื่องเคลือบฟิล์มดีแอลซีสำหรับอุตสาหกรรมปิโตรเลียม”

กรุงเทพฯ – สถาบันวิจัยแสงซินโครตรอนได้นำผลงานมาร่วมจัดแสดงภายในงานมหกรรมวิจัยแห่งชาติ 2568 หรือ Thailand Research Expo 2025 ซึ่งจัดขึ้นระหว่างวันที่ 16-20 มิถุนายน 2568
ณ โรงแรมเซ็นทาราแกรนด์ และบางกอกคอนเวนชันเซ็นเตอร์ เซ็นทรัลเวิลด์ กรุงเทพฯ จำนวน 2 ผลงาน คือ “เครื่องสังเคราะห์กราฟีนสู่การนำไปใช้ประโยชน์ในเชิงพาณิชย์” และ“เครื่องต้นแบบการเคลือบฟิล์มดีแอลซีสำหรับอุตสาหกรรมปิโตรเลียม” โดยจัดแสดงที่บูธ CL2 ภายในโซนงานวิจัยและนวัตกรรมเพื่อใช้ประโยชน์ในภาคอุตสาหกรรมและพัฒนาเศรษฐกิจ

ดร.พัฒนพงศ์ จันทร์พวง หัวหน้าฝ่ายพัฒนาเทคนิคและวิศวกรรม และหัวหน้าทีมวิจัยเครื่องสังเคราะห์กราฟีนฯ กล่าวว่า “กราฟีนเป็นคาร์บอนที่มีการจัดเรียงตัวในลักษณะ 2 มิติ ทำให้มีคุณสมบัติที่แข็งแรงกว่าเหล็กกล้าถึง 200 เท่า, นำไฟฟ้าได้ดีกว่าโลหะทองแดง, น้ำหนักเบา, แผ่ความร้อนได้ดี และความยืดหยุ่นสูง จึงถูกนำไปประยุกต์ใช้กับเทคโนโลยีหลากหลายด้าน เช่น อิเล็กทรอนิกส์, การก่อสร้าง, การแพทย์, และการกักเก็บพลังงาน เป็นต้น ปัจจุบันมีเทคโนโลยีในการสังเคราะห์กราฟีนหลายวิธี แต่ละวิธีก็มีข้อจำกัดแตกต่างกัน ซึ่งวิธีที่เหมาะสมและมีประสิทธิภาพสูงสุดในการสังเคราะห์กราฟีนให้ได้ระดับอุตสาหกรรม คือวิธี Flash Joule Heating (FJH) ที่อาศัยการจ่ายกระแสไฟฟ้าแรงสูงในเวลาฉับพลันผ่านผงคาร์บอนที่ได้จากขยะ จนทำให้เกิดความร้อนสูงกว่า 2700 องศาเซลเซียส แล้วเกิดการสลายพันธะระหว่างอะตอมของคาร์บอนกับแก๊ส หลังอุณหภูมิลดลงอะตอมของคาร์บอนจะจัดเรียงตัวกันกลายเป็นกราฟีนในเสี้ยววินาที”

“ทั้งนี้ สถาบันฯ ประสบความสำเร็จในการพัฒนาระบบสังเคราะห์กราฟีนด้วยเทคนิคความร้อนกระตุ้นแบบพัลส์ยาว (Long-Pulse Joule Heating: LPJH) ที่มีกำลังผลิตวันละ 1 กิโลกรัม โดยอ้างอิงหลักการสังเคราะห์กราฟีนโดยใช้เทคนิค FJH และได้ศึกษาและพัฒนากระบวนการสังเคราะห์กราฟีนจากขยะเหลือทิ้งจากอุตสาหกรรมต่าง ๆ เช่น ใบอ้อยและชานอ้อยจากอุตสาหกรรมผลิตน้ำตาล อุตสาหกรรมพอลิเมอร์, เศษผ้าและเสื้อผ้าเก่าจากอุตสาหกรรมเสื้อผ้าและสิ่งทอ เป็นต้น พร้อมกันนี้ได้ศึกษา พัฒนา และประยุกต์ใช้ กราฟีนที่ผลิตได้ สำหรับพัฒนาคุณสมบัติของผลิตภัณฑ์อื่นๆ ในอุตสาหกรรม เช่น อุตสาหกรรมก่อสร้างและคอนกรีต, อุตสาหกรรมยางและพอลิเมอร์, อุตสาหกรรมเสื้อผ้าและสิ่งทอ, อุตสาหกรรมสีเคลือบ เป็นต้น” ดร.พัฒนพงศ์ จันทร์พวง กล่าว

อีกหนึ่งนวัตกรรมสำคัญคือ เครื่องเคลือบฟิล์มดีแอลซี (DLC) สำหรับอุตสาหกรรมปิโตรเลียม ซึ่ง
ดร.ศรายุทธ ตั้นมี หัวหน้าฝ่ายยุทธศาสตร์องค์กรและหัวหน้าทีมวิจัยเครื่องต้นแบบการเคลือบฟิล์มดีแอลซีฯ อธิบายว่า “สิ่งปนเปื้อนในน้ำมันดิบและก๊าซธรรมชาติก่อให้เกิดการกัดกร่อนของชิ้นส่วนทางวิศวกรรมในอุตสาหกรรมปิโตรเลียม ส่งผลให้ต้องเสียค่าใช้จ่ายสูงในกระบวนการบำรุงรักษาทั้งการซ่อมและเปลี่ยนชิ้นส่วนใหม่ และยังส่งผลให้เกิดความเสียหายทางเศรษฐกิจต่อประเทศด้วย โดยเทคโนโลยีการเคลือบฟิล์มคาร์บอนคล้ายเพชร หรือ ฟิล์มดีแอลซี (DLC) ช่วยเพิ่มสมบัติความแข็ง ต้านการสึกกร่อนและการกัดกร่อน และลดแรงเสียดทานให้กับชิ้นส่วนอุตสาหกรรมได้”

“สถาบันฯ ได้ร่วมกับ บริษัท ปตท.สํารวจและผลิตปิโตรเลียม จํากัด (มหาชน) พัฒนาเครื่องต้นแบบการเคลือบฟิล์มดีแอลซีสำหรับอุตสาหกรรมปิโตรเลียมเป็นเครื่องแรกของประเทศไทย เพื่อลดต้นทุนการนำเข้าจากต่างประเทศ และยกระดับขีดความสามารถของอุตสาหกรรมไทย ให้สามารถแข่งขันได้ในระดับสากล เครื่องต้นแบบเครื่องเคลือบฟิล์มดีแอลซีฯ นี้ ใช้เทคโนโลยีพลาสมาและการเคลือบฟิล์มด้วยเทคนิคการใช้พลาสมาเพิ่มการตกสะสมของไอเชิงเคมี (RF-PECVD) เพื่อสังเคราะห์ฟิล์มดีแอลซี และใช้เทคนิคแสงซินโครตรอนขั้นสูง Near Edge X-ray Absorption Fine Structure (NEXAFS) เพื่อวิเคราะห์โครงสร้างฟิล์มดีแอลซี และศึกษาการกระจายตัวของพันธะคาร์บอน ซึ่งฟิล์มดีแอลซีที่พัฒนาขึ้นนี้มีคุณสมบัติต้านการสึกกร่อนและการกัดกร่อนสูง เหมาะสมกับอุตสาหกรรมปิโตรเลียม ช่วยลดต้นทุนการซ่อมบำรุง และสามารถทดแทนวัสดุนำเข้าราคาแพงได้” ดร.ศรายุทธ ตั้นมี กล่าว

สำหรับผู้ที่สนใจ สามารถเข้าชมทั้ง 2 นวัตกรรมของสถาบันวิจัยแสงซินโครตรอน ได้ที่ บูธ CL2 ในงาน Thailand Research Expo 2025 ตั้งแต่เวลา 08.30 - 17.00 น. ระหว่างวันที่ 16-20 มิถุนายน 2568 ณ โรงแรมเซ็นทาราแกรนด์ และบางกอกคอนเวนชันเซ็นเตอร์ เซ็นทรัลเวิลด์ กรุงเทพฯ

เมนบอร์ด PS1 ใหม่จากการย้อนรอยวิศวกรรม
Lorentio Brodesco นักอิเล็กทรอนิกส์ชาวอิตาลีได้ออกแบบและสร้าง เมนบอร์ด PlayStation 1 ใหม่ โดยใช้เทคนิคย้อนรอยวิศวกรรม ซึ่งเป็นครั้งแรกในรอบ 30 ปีที่มีการสร้างเมนบอร์ด PS1 ใหม่จากศูนย์

รายละเอียดของเมนบอร์ด nsOne
- เมนบอร์ด nsOne สามารถใช้กับ ชิปดั้งเดิมของ PS1 ได้ เช่น CPU, GPU, SPU, RAM และตัวควบคุมแรงดันไฟฟ้า
- ไม่ใช่ อีมูเลเตอร์ หรือ FPGA แต่เป็น เมนบอร์ดจริง ที่สามารถใช้กับชิ้นส่วนของ PS1 ได้โดยตรง
- รองรับ เคสของ PS1 รุ่นดั้งเดิม และเพิ่ม พอร์ตขนาน ที่เคยถูกตัดออกจากรุ่น SCPH-900X
- เปิดตัวผ่าน Kickstarter โดยมีราคาเริ่มต้นที่ $40 สำหรับบอร์ดเปล่า และ $95 สำหรับบอร์ดที่มีชิปครบชุด

ข้อควรระวัง
- ผู้ซื้อบอร์ดเปล่าต้องมีทักษะในการบัดกรีชิ้นส่วนอิเล็กทรอนิกส์ เพื่อให้สามารถใช้งานได้
- การสนับสนุนโครงการ Kickstarter ไม่รับประกันว่าจะได้รับผลิตภัณฑ์ เนื่องจากเป็นการลงทุนในโครงการพัฒนา
- ต้องใช้ชิ้นส่วนจาก PS1 ดั้งเดิม ซึ่งอาจหายากหรือมีราคาสูง

แนวโน้มของการย้อนรอยวิศวกรรมในวงการเกม
การฟื้นฟูฮาร์ดแวร์เกมเก่า
- มีการพัฒนา FPGA และอีมูเลเตอร์ เพื่อให้สามารถเล่นเกมเก่าได้โดยไม่ต้องใช้ฮาร์ดแวร์ดั้งเดิม
- นักพัฒนาอิสระเริ่มสร้าง เมนบอร์ดใหม่สำหรับเครื่องเกมเก่า เช่น SNES และ Sega Genesis
- การย้อนรอยวิศวกรรมช่วยให้ นักสะสมสามารถซ่อมแซมเครื่องเกมเก่า ได้โดยไม่ต้องพึ่งพาชิ้นส่วนจาก Sony

ข้อควรระวังเกี่ยวกับการย้อนรอยวิศวกรรม
- ต้องมีความรู้ด้านอิเล็กทรอนิกส์และการบัดกรี เพื่อให้สามารถใช้งานบอร์ดใหม่ได้
- อาจมีข้อจำกัดด้านลิขสิทธิ์ หากมีการใช้ชิ้นส่วนที่ออกแบบโดย Sony
- ต้องตรวจสอบความเข้ากันได้ของชิ้นส่วน เพื่อให้แน่ใจว่าเครื่องสามารถทำงานได้อย่างสมบูรณ์

อนาคตของการซ่อมแซมเครื่องเกมเก่า
การพัฒนาเทคโนโลยีสำหรับเครื่องเกมคลาสสิก
- มีการพัฒนา ชิป FPGA ที่จำลองการทำงานของ CPU และ GPU ดั้งเดิม เพื่อให้สามารถเล่นเกมเก่าได้
- นักพัฒนาเริ่มสร้าง อุปกรณ์เสริมสำหรับเครื่องเกมเก่า เช่น HDMI mod สำหรับ Nintendo 64
- การใช้ 3D Printing ช่วยให้สามารถสร้างชิ้นส่วนที่หายากได้ เช่น ปุ่มและเคสของเครื่องเกมเก่า

ข้อควรระวังเกี่ยวกับการซ่อมแซมเครื่องเกมเก่า
- ต้องตรวจสอบแหล่งที่มาของชิ้นส่วน เพื่อให้แน่ใจว่าเป็นของแท้และมีคุณภาพดี
- ต้องมีความรู้เกี่ยวกับการทำงานของระบบเกม เพื่อป้องกันความเสียหายระหว่างการซ่อมแซม
- ต้องมีการทดสอบก่อนใช้งานจริง เพื่อให้แน่ใจว่าเครื่องสามารถทำงานได้อย่างถูกต้อง

https://www.tomshardware.com/video-games/playstation/first-reverse-engineered-sony-ps1-motherboard-enables-fixing-broken-systems-bare-pcbs-for-usd40-boards-with-chips-for-usd95