Sovereign AI : อนาคตของ AI สำหรับภาคธุรกิจองค์กร ที่ถูกย้ายมาสู่ Private Cloud ภายในประเทศ

ในตลาดธุรกิจองค์กรนั้น AI กำลังกลายเป็นที่จับตามองอย่างใกล้ชิด และเริ่มเกิดการพัฒนา AI Use Case ใหม่ๆ ในแต่ละธุรกิจอย่างรวดเร็ว จนธุรกิจองค์กรทั่วโลกหลายแห่งนั้นเริ่มเผชิญกับข้อจำกัดในการใช้งาน AI บนบริการ Public Cloud ที่อาจไม่สามารถตอบโจทย์ได้อย่างครบถ้วนนักในบางกรณี

ด้วยเหตุนี้ แนวคิด Sovereign AI จึงกำลังกลายมาเป็นอีกหนึ่งสิ่งที่ทั่วโลกให้ความสนใจ ในการเปลี่ยนผ่านจากสถาปัตยกรรม Centralized AI บนบริการ Public Cloud มาสู่สถาปัตยกรรมใหม่ที่จะทำให้ธุรกิจสามารถใช้งาน AI ได้อย่างเหมาะสมและคล่องตัวยิ่งกว่าเดิม

Sovereign AI: ก้าวถัดไปของ AI Infrastructure สำหรับธุรกิจองค์กร

เนื่องจาก AI เป็นเทคโนโลยีที่ต้องอาศัยการใช้ข้อมูลในการทำงาน ซึ่งสำหรับ AI Application สำหรับธุรกิจองค์กร การใช้ข้อมูลที่มีความละเอียดอ่อนสูง ไม่ว่าจะเป็นข้อมูลธุรกิจ, ข้อมูลธุรกรรม หรือข้อมูลของลูกค้าในการประมวลผลเพื่อให้ AI เรียนรู้หรือนำไปใช้งานนั้นถือเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ทำให้ธุรกิจองค์กรนั้นต้องมีความระมัดระวังในการใช้งาน AI มากเป็นพิเศษ

Sovereign AI จึงเป็นแนวทางที่จะเข้ามาตอบโจทย์เหล่านี้ได้ เพื่อให้ธุรกิจองค์กรสามารถควบคุมการใช้งาน AI และ Data ได้ครบถ้วนในทุกมิติ โดยเฉพาะในแง่มุมของกฎหมายและการตอบสนองต่อความเปลี่ยนแปลงของสภาวะเศรษฐกิจและอุตสาหกรรม ซึ่งจะช่วยให้ในระยะยาวธุรกิจจะสามารถพัฒนาและใช้งาน AI ควบคู่ไปกับ Data ของธุรกิจได้อย่างมั่นคงและมั่นใจ

โดยรวมแล้วแนวคิด Sovereign AI จะแบ่งออกเป็น 3 ปัจจัยที่ต้องพิจารณา ดังนี้

1. AI Sovereignty – ให้ AI และ Data สำคัญของธุรกิจเป็นอิสระจากปัจจัยภายนอก สู่การควบคุมได้ภายในองค์กร

เดิมทีในยุคของ Data นั้น ธุรกิจอาจพิจารณาถึงเพียงแค่ประเด็นด้าน Data Residency หรือภูมิประเทศที่ธุรกิจเลือกจะนำข้อมูลไปจัดเก็บเอาไว้ ให้สอดคล้องกับนโยบายด้าน Data Security หรือ Data Privacy เท่านั้น แต่ในยุคของ AI นั้นแนวโน้มเหล่านี้กำลังเปลี่ยนไป เพราะการนำ Data มาต่อยอดสู่ AI นั้นจะทำให้การเข้าถึง Data เหล่านั้นมีหลายช่องทางยิ่งกว่าที่เคย โดยเฉพาะการเข้าถึง Data จากทั้ง AI ภายในและภายนอกองค์กร รวมถึงประเด็นด้านข้อกฎหมาย AI ที่แต่ละประเทศเองก็ได้มีการร่างข้อบังคับที่แตกต่างกันออกไป

AI Sovereignty จึงไม่ได้จำกัดอยู่เพียงแค่ประเด็นเรื่อง Data Residency ที่ต้องนำข้อมูลมาจัดเก็บเอาไว้ในประเทศเดียวกันกับประเทศที่ธุรกิจต้องการใช้งานเท่านั้น แต่ยังครอบคลุมไปถึง AI Infrastructure ส่วนอื่นๆ ที่เกี่ยวข้องด้วย เช่น ระบบยืนยันตัวตน, ระบบบริหารจัดการกุญแจเข้ารหัสข้อมูล ไปจนถึงการเข้าถึงระบบจัดการประมวลผลต่างๆ ในประมวลผล AI ด้วย

ในขณะเดียวกัน หากพิจารณาถึงแง่มุมของธุรกิจ อีกสิ่งหนึ่งที่ธุรกิจองค์กรต้องการควบคุมให้ได้นั้นก็คือการเลือกใช้เทคโนโลยีแวดล้อมในฝั่งของ AI อย่างเช่นการควบคุมการเลือกใช้ AI Model ให้เป็นรุ่นที่ผ่านการปรับแต่งและทดสอบแล้วอย่างเข้มข้น เพื่อให้ธุรกิจมั่นใจได้ในการตอบสนองต่อการเรียกใช้งาน AI ในแต่ละครั้งว่าจะได้ผลลัพธ์ตามที่ต้องการ ซึ่งผ่านการทดสอบมาแล้วจนมั่นใจ หรือการควบคุมปัจจัยด้านค่าใช้จ่ายในการประมวลผล AI ให้อยู่ในขอบเขตที่เหมาะสมแม้จะมีการใช้งานเป็นระยะเวลานาน

ประเด็นข้างต้นเหล่านี้ล้วนเป็นสิ่งที่อาจจะควบคุมได้ยากหรือควบคุมไม่ได้เลยในการใช้บริการ AI ที่อยู่บน Cloud ซึ่งทางออกที่เหล่าผู้นำทางด้านเทคโนโลยีเลือกพิจารณานั้น ก็คือการนำ AI ที่ต้องทำงานร่วมกับ Data ที่มีความละเอียดอ่อนสูงนี้ กลับมาอยู่ภายใต้การควบคุมของธุรกิจองค์กรให้ได้อย่างสมบูรณ์

2. วางรากฐานสำคัญสู่กลยุทธ์ Hybrid AI เพื่อความคล่องตัวของธุรกิจ

วิสัยทัศน์หนึ่งที่เกิดขึ้นหลังจากที่ธุรกิจองค์กรทั่วโลกได้เริ่มเรียนรู้และมีประสบการณ์กับการใช้งาน AI บน Cloud แล้วนั้นก็คือ Hybrid AI ที่จะมีการผสมผสานกันระหว่างการใช้งาน Centralized AI สำหรับงานที่ไม่จำเป็นต้องข้องเกี่ยวกับข้อมูลที่มีความละเอียดอ่อนสูงมากนัก ควบคู่ไปกับการใช้งาน Sovereign AI สำหรับการประมวลผลข้อมูลธุรกิจ, ธุรกรรม และลูกค้า ซึ่งแนวทางนี้ก็จะช่วยให้ธุรกิจมีความคล่องตัวในแง่ของการเปิดรับต่อ AI ใหม่ๆ ที่ถูกพัฒนาได้อย่างต่อเนื่อง ในขณะที่ยังคงใช้งาน AI ที่ทำการพัฒนาปรับแต่งและเข้าถึงข้อมูลที่มีความละเอียดอ่อนสูงควบคู่กันไปได้

ด้วยวิสัยทัศน์นี้ ทำให้ธุรกิจองค์กรทั่วโลกต่างเร่งพัฒนา Sovereign AI ของตนเองด้วยแนวทางที่หลากหลาย ไม่ว่าจะเป็นการเลือกใช้ Sovereign Cloud หรือบริการ Cloud ที่อยู่ภายในประเทศ หรือแม้แต่ลงทุนเพื่อการพัฒนา Private Cloud ของตนเองสำหรับการใช้งาน Private AI ก็ตาม

อย่างไรก็ดี Hybrid AI เองนั้นก็มีแนวโน้มที่จะมีการขยายขอบเขตของ Sovereign AI ออกไปสู่ภาพของ Edge AI และ AI PC ด้วยเช่นกัน เนื่องจากวิวัฒนาการของ AI ที่เริ่มมี AI Model ใหม่ๆ ที่ใช้พลังประมวลผลน้อยจนสามารถทำงานบน GPU ขนาดเล็กหรือ CPU ได้ และกรณีการใช้งานใหม่ๆ ที่มุ่งเน้นการตอบสนองอย่างรวดเร็วโดยไม่มีปัจจัยด้านระบบเครือข่ายหรือ Internet เข้ามาเกี่ยวข้องก็ตาม ทำให้การวางกลยุทธ์ด้าน Sovereign AI นั้นต้องคำนึงถึงกรณีเหล่านี้ในอนาคตร่วมเข้าไปด้วย

3. จำกัดความเสี่ยงจากความผันผวนของเศรษฐกิจโลกและความขัดแย้งระดับนานาชาติ

ในปี 2025 นี้ถือเป็นปีที่ AI เติบโตอย่างรวดเร็ว และก็เป็นปีที่มีกรณีความขัดแย้งและความผันผวนระดับนานาชาติเกิดขึ้นอย่างต่อเนื่อง การพึ่งพาเทคโนโลยีหรือบริการ Cloud จากประเทศมหาอำนาจทางด้าน AI ที่จะส่งผลต่อทั้งค่าใช้จ่ายในการลงทุนด้าน AI ไปจนถึงความมั่นคงในการใช้เทคโนโลยี AI จึงกลายเป็นอีกหนึ่งปัจจัยความเสี่ยงที่ธุรกิจองค์กรต้องจัดการให้ดี

แนวทาง Sovereign AI เองก็สามารถตอบโจทย์ดังกล่าวได้เป็นอย่างดี เพราะเมื่อ AI ที่มีส่วนสำคัญต่อการดำเนินธุรกิจในทุกๆ วันได้ถูกย้ายเข้ามาอยู่ภายใต้การควบคุมขององค์กรแล้ว ความมั่นคงและอธิปไตยด้าน AI ก็จะกลายเป็นอีกสินทรัพย์สำคัญที่จะช่วยขับเคลื่อนธุรกิจให้เดินหน้าต่อไปได้อย่างไม่สะดุดติดขัด

VMware Private AI: วางระบบ AI อย่างมั่นใจ ในองค์กรของคุณเอง

VMware ได้เล็งเห็นถึงวิสัยทัศน์ด้าน Sovereign AI และ Hybrid AI มาแล้วอย่างยาวนาน และสามารถตอบโจทย์เหล่านี้ให้กับธุรกิจได้ด้วยโซลูชัน VMware Private AI ที่ต่อยอดจาก Private Cloud และ Edge Computing ด้วยการเสริม AI Infrastructure และ AI Technology Stack เข้าไป เพื่อเป็นทางเลือกให้ธุรกิจองค์กรสามารถวางระบบ Sovereign AI ที่น่าเชื่อถือ มีความเป็นส่วนตัว และควบคุมได้ รวมถึงยังมีทางเลือกในการใช้งานหน่วยประมวลผลทางด้าน AI ที่หลากหลายสำหรับการบริหารจัดการความเสี่ยงและควบคุมค่าใช้จ่ายได้ในระยะยาว ด้วยการรองรับกรณีการใช้งานดังต่อไปนี้

• GPU-as-a-Service ธุรกิจองค์กรสามารถแบ่งสรรทรัพยากร GPU ให้กับหน่วยงานหรือแผนกต่างๆ ในองค์กรใช้ได้อย่างคุ้มค่าสูงสุด และควบคุมค่าใช้จ่ายในภาพรวมได้
• Private & Secure Content Generation การใช้ LLM หรือ Generative AI โดยมี Input เป็นข้อมูลที่อาจจะมีความละเอียดอ่อนสูงของธุรกิจ สามารถเกิดขึ้นได้อย่างมั่นใจภายในระบบ Private AI ที่สามารถควบคุมได้ ลดความเสี่ยงที่ข้อมูลจะรั่วไหล และปรับแต่งผลลัพธ์การทำงานให้เหมาะสมต่อความต้องการได้
• Contact Center การตอบสนองต่อการสื่อสารและการวิเคราะห์ข้อมูลการสนทนาทั้งภายในและภายนอกองค์กรด้วย AI ผ่านช่องทางที่หลากหลายเช่น แชท, การโทรศัพท์ หรือการประชุมงาน สามารถเกิดขึ้นได้ภายในองค์กร ลดความเสี่ยงของกรณีข้อมูลรั่วไหล และควบคุมค่าใช้จ่ายได้
• Code Generation AI สามารถช่วยเร่งความเร็วในการพัฒนา Software ได้เป็นอย่างดี แต่ในขณะเดียวกัน Source Code ของ Software ก็ถือเป็นสินทรัพย์ที่มีความละเอียดอ่อนสูงมากเช่นกัน เพราะอาจมีทั้งช่องโหว่, Credential, Secret, API Key ไปจนถึงข้อมูลความละเอียดอ่อนสูงที่อยู่ภายใน Source Code ดังนั้นการควบคุมให้ Source Code ทั้งหมดไม่รั่วไหลออกไปสู่ภายนอกก็ถือเป็นอีกหนึ่งปัจจัยที่ธุรกิจต้องให้ความสำคัญ
• Agentic AI การพัฒนา AI ที่มีลำดับขั้นตอนการทำงานที่ซับซ้อน และเข้าถึงระบบสำคัญขององค์กรเพื่อช่วยทำงานได้อย่างอัตโนมัตินั้นกลายเป็นอีกหนึ่งในกรณีการใช้งานที่ธุรกิจองค์กรไม่อาจหลีกเลี่ยงได้อีกต่อไป ซึ่งการใช้ Agentic AI จากภายนอกองค์กรนั้นก็อาจนำมาซึ่งความเสี่ยงมหาศาล การย้ายระบบ AI Automation ที่ต้องข้องเกี่ยวกับระบบสำคัญและข้อมูลสำคัญขององค์กรเข้ามาสู่ภายใต้การควบคุมจึงเป็นอีกหนึ่งสิ่งที่กำลังเกิดขึ้นทั่วโลก
• Document Search & Summarization การเปิดให้ AI สามารถเข้าถึงเอกสารขององค์กรได้ผ่านการใช้ Retrieval Augmented Generation (RAG) ถือเป็นหนึ่งกรณีการใช้งานที่กำลังเกิดขึ้นอย่างรวดเร็ว เนื่องจากเริ่มต้นได้ง่าย และมีผลลัพธ์ที่ชัดเจน ดังนั้นกรณีการใช้งานในลักษณะนี้ก็ได้ถูกนำมาเป็นหนึ่งในกรณีที่เหมาะสมต่อการใช้งาน Sovereign AI เช่นกัน

ภายใต้โซลูชัน VMware Private AI จะมีสถาปัตยกรรมระบบให้เลือกใช้งานหลักๆ ด้วยกัน 2 เทคโนโลยี ได้แก่

1.) VMware Private AI Foundation with NVIDIA

สำหรับ AI ที่ต้องใช้พลังประมวลผลสูงอย่างเช่น LLM, Generative AI และ Agentic AI การใช้ NVIDIA GPU ถือเป็นสิ่งที่จำเป็น ซึ่ง VMware ก็ได้ทำการจับมือกับ NVIDIA เพื่อนำ VMware Cloud Foundation มาผสานเข้ากับ NVIDIA AI Enterprise และเสริมด้วย Private AI Package ทำให้ธุรกิจมี AI Infrastructure ที่พร้อมใช้งานได้ทันที ด้วยความสามารถเช่น

• Model Store พื้นที่สำหรับจัดเก็บ AI Model และควบคุมการเข้าถึงได้ผ่านการยืนยันตัวตนและกำหนดสิทธิ์
• Vector Database สำหรับใช้ในการพัฒนา AI ที่ทำงานร่วมกับ RAG ซึ่งสามารถเข้าถึงเอกสารหรือฐานข้อมูลเพื่อนำมาใช้ตอบสนองต่อผู้ใช้งาน
• AI Blueprints Quick Start เริ่มต้นพัฒนาและใช้งาน AI ใหม่ในองค์กรได้อย่างรวดเร็วจาก Template ที่มีให้พร้อมใช้ได้ทันที
• Agent Builder Service เปลี่ยนกระบวนการการพัฒนา AI Agent ให้เป็นระบบ และสามารถ Deploy ใช้งานจริงได้อย่างเหมาะสม
• NVIDIA NeMo Retriever เพิ่มความสามารถให้ RAG ด้วย NVIDIA CUDA-X GenAI Microservices ให้ธุรกิจสามารถเลือกใช้ AI Model ที่ต้องการในการทำงานร่วมกับชุดข้อมูลที่เหมาะสมได้
• vGPU Profile Visibility ตรวจสอบสถานะการใช้ GPU ทั้งหมดในองค์กรได้จากศูนย์กลาง
• NVIDIA NIM ทำ AI Inferencing ได้อย่างคล่องตัวและเพิ่มขยายได้ทันทีที่ต้องการด้วยสถาปัตยกรรม Microservices
• Air-Gap Support ควบคุมการเข้าถึงใช้งานข้อมูลและการเชื่อมต่อระบบสำคัญในองค์กรได้อย่างมั่นใจ
• API Gateway ต่อยอด AI สู่การเรียกใช้งานผ่าน API ที่ควบคุมได้

2. VMware Private AI with Intel

สำหรับธุรกิจที่ต้องการความยืดหยุ่นในการควบคุมค่าใช้จ่ายในการประมวลผล AI ทาง VMware ก็มีทางเลือกในการใช้งาน AI Infrastructure จาก Intel ที่มีความสามารถในการใช้ชุดคำสั่งประมวลผลด้าน AI บน CPU อย่าง Intel Xeon Scalable Processor มาใช้งานได้อย่างเต็มประสิทธิภาพ และยังรองรับการใช้งาน AI Accelerator ของ Intel ได้อีกด้วย

โซลูชันนี้จะเหมาะกับ AI ดั้งเดิมในอดีตอย่างเช่น Machine Learning, Deep Learning และ AI รุ่นใหม่อย่าง Generative AI หรือ AI ที่ถูกปรับแต่งให้รองรับการประมวลผลบน CPU ได้ ซึ่งปัจจุบันนี้ก็เริ่มมี AI Model ที่ทำงานบน CPU ได้ถูกเผยแพร่ออกมามากขึ้นเรื่อยๆ รวมถึงยังมีเครื่องมือสำหรับการ Optimize AI Model ให้สามารถลดขนาดและพลังประมวลผลที่ต้องใช้งานให้รองรับกับการใช้งานบน CPU ได้ ไปจนถึงการใช้งาน AI ร่วมกับระบบ Data Analytics ด้วยเช่นกัน

สนใจโซลูชันของ VMware หรือกำลังมองหาแนวทางการสร้าง Private AI ติดต่อทีมงาน VST-ECS ได้ทันที

สำหรับผู้ที่สนใจโซลูชันของ VMware หรือกำลังมองหาแนวทางการสร้าง Private Cloud สามารถติดต่อทีมงาน VST-ECS ได้ทันทีที่ vmwareconnect@vstecs.co.th