เกริ่น: การ์ทเนอร์ (Gartner) คาดว่าในปี 2568 ค่าใช้จ่ายด้าน AI ทั่วโลกจะพุ่งแตะเกือบ 1.5 ล้านล้านดอลลาร์ และมีแนวโน้มทะลุ 2 ล้านล้านดอลลาร์ในปี 2569 แรงหนุนหลักมาจากการลงทุนโครงสร้างพื้นฐานศูนย์ข้อมูลที่รองรับงาน AI และการฝังความสามารถ AI ในซอฟต์แวร์ อุปกรณ์ และบริการจำนวนมาก รายงานนี้อ้างอิงคำให้สัมภาษณ์และเอกสารของ Gartner ที่เผยแพร่ต่อสาธารณะ รวมถึงบทความจากสื่อเทคที่น่าเชื่อถือ[1][2][3]
รายละเอียด: ภาพรวมการใช้จ่ายแบ่งได้เป็นสองมิติสำคัญ หนึ่งคือ “โครงสร้างพื้นฐาน AI” ที่ประกอบด้วยเซิร์ฟเวอร์และตัวเร่งความเร็วอย่าง GPU เพื่อรองรับการเทรนและให้บริการโมเดลขนาดใหญ่ สองคือ “ซอฟต์แวร์และบริการ” ที่องค์กรจะหันไปใช้ฟีเจอร์ GenAI ในผลิตภัณฑ์เชิงพาณิชย์มากขึ้น แทนการทำ POC เองเพื่อลดความเสี่ยงและทำให้ได้ผลลัพธ์คาดการณ์ได้ ทั้งนี้ Gartner ประเมินว่าเฉพาะการใช้จ่ายในหมวด GenAI รวม ๆ ปี 2568 จะอยู่ราว 6.44 แสนล้านดอลลาร์ แม้ความคาดหวังช่วงแรกจะเริ่มถูกปรับฐานลง[4][5]
คุณสมบัติหรือความสามารถเด่นที่สะท้อนจากแนวโน้มการใช้จ่าย
- โครงสร้างพื้นฐาน AI โตแรง: ตลาด “AI‑optimized servers” ปี 2568 คาดไว้ราว 2.68 แสนล้านดอลลาร์ และจะขยายต่อเนื่องตามเวิร์กโหลด AI ระดับองค์กรและคลาวด์[6][7]
- อุปกรณ์ผู้บริโภคติดตั้ง AI เป็นมาตรฐาน: สมาร์ทโฟนและพีซีรุ่นใหม่จะบรรจุความสามารถ AI ในเครื่อง ดันฐานการใช้งานและค่าใช้จ่ายรวม[8]
- การกระจายการลงทุน: ไม่ได้จำกัดเฉพาะบริษัทยักษ์ใหญ่สหรัฐ จีนและผู้เล่นคลาวด์รายใหม่เข้ามาเพิ่มการแข่งขัน ขณะที่เงินลงทุน VC ยังหลั่งไหลสู่ผู้ให้บริการ AI อย่างต่อเนื่อง[9][10]
ผลกระทบต่อธุรกิจ: องค์กรต่าง ๆ จะ “ซื้อซอฟต์แวร์ที่มีฟีเจอร์ GenAI ติดมา” มากขึ้นในสายงานที่วัดผลได้ เช่น สนับสนุนลูกค้า ผู้ช่วยนักพัฒนา การสรุปเอกสาร และการสร้างคอนเทนต์อัตโนมัติ ขณะที่ทีมไอทีต้องเตรียมแผนด้านข้อมูล ความปลอดภัย การกำกับดูแล และงบโครงสร้างพื้นฐาน เพื่อรองรับภาระงาน AI ที่สูงขึ้น ควบคู่กับการกำหนดเกณฑ์คุณภาพผลลัพธ์และการใช้ทรัพยากรอย่างคุ้มค่า[11][12]
บริบทตัวเลขที่เกี่ยวข้อง: Gartner ระบุว่าการใช้จ่ายด้าน GenAI ปี 2568 เพิ่มขึ้น 76.4% จากปีก่อนหน้า โดยบริการ GenAI เติบโตโดดเด่น ขณะเดียวกัน การใช้จ่ายด้านฮาร์ดแวร์เพื่อ AI ก็เร่งตัวตามแผนขยายศูนย์ข้อมูลของผู้ให้บริการคลาวด์รายใหญ่ และเมื่อมองไปปี 2569 ภาพรวมค่าใช้จ่าย AI คาดว่าจะทะลุ 2 ล้านล้านดอลลาร์ จากทั้งฝั่งโครงสร้างพื้นฐานและการฝัง AI ในสินค้าเชิงผู้บริโภค[13][14][15]
เชิงปฏิบัติสำหรับผู้นำไอที: พิจารณากลยุทธ์ผสมผสานระหว่างโมเดลฐานกับโมเดลเฉพาะโดเมน เพื่อลดต้นทุนและเพิ่มความแม่นยำในงานจริง จัดลำดับเวิร์กโหลดที่คุ้มค่าบน GPU และตัวเร่ง ปรับสัญญาและแผนงบประมาณซอฟต์แวร์ให้รองรับฟีเจอร์ GenAI ที่ฝังมาในผลิตภัณฑ์ และกำหนดกรอบ Data Governance ที่ชัดเจนก่อนสเกลงาน AI ในระดับองค์กรมากขึ้น[16][17]