ยังไม่พบผลวิจัยใด ๆ ที่พิสูจน์และรับรองโดยผู้เชี่ยวชาญถึงประสิทธิภาพที่เหนือชั้นของควอนตัมบนเวิร์กโหลด AI ที่ใช้งานจริงในสายการผลิต
กรุงเทพฯ, ประเทศไทย, 28 สิงหาคม 2569 — การ์ทเนอร์ อิงก์ บริษัทให้คำปรึกษาและวิจัยข้อมูลเชิงลึกด้านธุรกิจและเทคโนโลยีเผยว่านับจากนี้ไปจนถึงปี พ.ศ. 2571 จะยังไม่มีเวิร์กโหลด AI ระดับองค์กรขนาดใหญ่ที่รันบนฮาร์ดแวร์ควอนตัม โดย Classical Accelerated AI หรือ ระบบ AI บนคอมพิวเตอร์ดั้งเดิมที่เร่งความเร็วด้วยฮาร์ดแวร์พิเศษจะยังเป็นผู้นำในทุกดัชนีชี้วัดด้านประสิทธิภาพการทำงานจริง
ชิรัค เดกาเต้ (Chirag Dekate) รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า “โซลูชัน “Quantum AI” ที่ผู้ให้บริการเทคโนโลยีในตลาดกำลังเสนอขายอยู่ในปัจจุบัน ส่วนใหญ่เป็นเพียงเทคโนโลยีไฮบริดหรืออัลกอริทึมที่ประยุกต์ใช้แนวคิดแบบควอนตัมเท่านั้น ไม่ใช่เทคโนโลยี Quantum-native AI ที่พร้อมรองรับการทำงานในระดับองค์กร เทคโนโลยีระบบประมวลผลควอนตัมที่แท้จริงยังคงห่างไกลจากการนำมาใช้จริงในระบบ AI เชิงพาณิชย์ และคาดว่าจะยังไม่พร้อมใช้งานตลอดช่วงทศวรรษนี้ อีกทั้งในปัจจุบันยังไม่มีงานวิจัยที่ได้รับการรับรองใด ๆ ที่ยืนยันได้ว่าควอนตัมคอมพิวติ้งสามารถสร้างความได้เปรียบเชิงประสิทธิภาพในการประมวลผล AI ระดับองค์กรได้จริง”
ปัญญาประดิษฐ์ควอนตัมหรือ Quantum AI หมายถึงเทคนิค AI หรือเทคโนโลยี Machine Learning (ML) ที่ต้องใช้การประมวลผลบนฮาร์ดแวร์ควอนตัมเพื่อให้ได้ประสิทธิภาพ ต้นทุน หรือขีดความสามารถที่เหนือกว่าการประมวลผลแบบดั้งเดิม
การพัฒนาควอนตัมคอมพิวติ้งให้มีความเสถียรสูง (Fault-Tolerant) ในระดับที่ใหญ่พอจะช่วยเพิ่มประสิทธิภาพหรือลดต้นทุนให้แก่ AI ได้อย่างชัดเจนนั้น จำเป็นต้องอาศัยความก้าวหน้า 4 ด้าน ได้แก่ ฮาร์ดแวร์, การแก้ไขข้อผิดพลาด (Error Correction), มิดเดิลแวร์ และอัลกอริทึม” เดกาเต้ กล่าวเสริม
ในวงการเทคโนโลยีปัจจุบันคำว่า Quantum AI มักถูกนำมาใช้ปะปนกับเทคโนโลยีอื่นจนสร้างความสับสน ดังนี้
- หากเริ่มจาก Classical AI หรือ AI เช่น Deep Learning, Transformers และ Reinforcement Learning ที่รันบน CPUs, GPUs หรือ TPUs ทั้งหมด ซึ่งเป็นเครื่องมือเดียวในปัจจุบันที่พร้อมใช้งานจริง และสามารถสร้างผลตอบแทนจากการลงทุน (ROI) ให้กับภาคธุรกิจได้อย่างชัดเจน
- ขณะที่ Quantum-inspired AI คือการนำแนวคิดคำนวณแบบควอนตัมมาเขียนเป็นโปรแกรม แต่ยังคงรันอยู่บนคอมพิวเตอร์ธรรมดา เทคนิคนี้เริ่มเข้ามาช่วยภาคธุรกิจแก้โจทย์การคำนวณที่ซับซ้อนแล้ว เช่น การจัดสรรระบบขนส่ง หรือการจำลองสถานการณ์ทางธุรกิจ โดยที่องค์กรไม่จำเป็นต้องลงทุนซื้อเครื่องคอมพิวเตอร์ควอนตัมราคาแพงเลยแม้แต่น้อย
- ส่วน Hybrid Quantum-Classical คือระบบลูกครึ่งที่ดึงชิปควอนตัมขนาดเล็กมาทำงานร่วมกับซูเปอร์คอมพิวเตอร์แบบเดิม (High-Performance Computing-HPC) ซึ่งปัจจุบันยังคงจำกัดอยู่ในกลุ่มงานวิจัยและโครงการนำร่องเท่านั้น ยังไม่พร้อมนำมาใช้ในระบบปฏิบัติการหลักขององค์กร
การที่ผู้ให้บริการเทคโนโลยีในปัจจุบันชูจุดขายเรื่อง Quantum AI แท้จริงแล้วเป็นเพียงการใช้เทคนิคไฮบริดหรือการประยุกต์แนวคิดแบบควอนตัมเท่านั้น ไม่ใช่เทคโนโลยีควอนตัมแท้ (Quantum-native AI) ที่พร้อมรองรับระบบการทำงานจริงในระดับองค์กรแต่อย่างใด
การโหมกระแสการจับคู่กันของเทคโนโลยีควอนตัมและ AI โดยผู้ให้บริการเทคโนโลยีในขณะนี้ กำลังสร้างแรงกดดันมหาศาลต่อองค์กร จนเสี่ยงที่จะเกิดการตัดสินใจผิดพลาดในการเจียดงบประมาณด้าน AI ไปลงทุนกับงานวิจัยและพัฒนา (R&D) ด้านควอนตัม ซึ่งเป็นเทคโนโลยีที่ยังไม่สามารถสร้างผลตอบแทนเชิงพาณิชย์ที่คุ้มค่าได้ก่อน พ.ศ. 2573
จากข้อจำกัดดังกล่าว การ์ทเนอร์คาดว่าเทคโนโลยีควอนตัมคอมพิวติ้งที่เสถียรและทนทานต่อความผิดพลาด จะยังคงถูกจำกัดอยู่ในขั้นตอนการวิจัยและพัฒนา สำหรับงานด้าน AI เท่านั้น เนื่องจากจำนวน Logical Qubit ยังไม่มากพอที่จะรองรับการทำงานของอัลกอริทึม AI ได้เต็มรูปแบบ และยังไม่สามารถสร้างความคุ้มค่าทางเศรษฐกิจได้จริงไปจนถึงปี พ.ศ. 2573
แยกงบประมาณ Quantum ออกจากงบ AI
งบ R&D ด้านควอนตัมและโครงสร้างพื้นฐาน AI ที่ใช้งานจริง มีกรอบระยะเวลา ผลตอบแทนทางเศรษฐกิจต่อหน่วยและความต้องการในการกำกับดูแลที่ไม่เหมือนกัน GenAI สามารถคืนทุนที่วัดผลได้ภายใน 12 ถึง 18 เดือน ทั้งในด้านระยะเวลาการทำงาน, ความแม่นยำ และการทำงานแบบอัตโนมัติ ในขณะที่ Quantum AI ไม่เคยสร้างมูลค่าที่วัดผลได้บนเวิร์กโหลดที่ใช้งานจริงเลย และมีแนวโน้มว่าจะยังไม่สามารถทำได้ในอนาคตอันใกล้นี้
“การจัดสรรงบประมาณรวมกันระหว่าง GenAI และควอนตัม จะส่งผลให้การประเมินความรับผิดชอบและตัววัดผลของทั้งสองโครงการผิดเพี้ยนไป ที่สำคัญยังเสี่ยงเปิดทางให้โครงการควอนตัมซึ่งเป็นเพียงความหวังในอนาคต เข้ามาเบียดบังงบประมาณที่ควรนำไปพัฒนาขีดความสามารถของระบบ AI ที่ใช้งานอยู่ในปัจจุบัน โดย CIO ส่วนใหญ่จัดวางงบประมาณหลักไว้กับ GenAI, Agentic AI, ระบบความปลอดภัยทางไซเบอร์ และคลาวด์ เป็นสำคัญ ขณะที่เทคโนโลยีควอนตัมไม่ได้ติดอันดับการลงทุนเร่งด่วน โดยกลุ่ม CIO ที่แบ่งงบลงทุนให้ควอนตัมนั้น จัดสรรงบในสัดส่วนที่น้อยกว่า GenAI อย่างเห็นได้ชัด และถือเป็นการลงทุนระยะยาวโดยไม่ได้คาดหวังผลตอบแทนทางการเงิน (ROI) ในระยะสั้น” เดกาเต้กล่าวสรุป
เพื่อให้องค์กรได้รับประโยชน์สูงสุดจากเทคโนโลยีควอนตัม แนะควรปฏิบัติดังนี้:
- ดึงเทคนิค “Quantum-inspired” มาปลั๊กอินกับระบบ AI เดิมที่มีอยู่: องค์กรควรมุ่งเน้นการใช้งานอัลกอริทึมที่นำแนวคิดควอนตัมมาปรับใช้ (Quantum-inspired) บนโครงสร้างพื้นฐาน GPU ยุคปัจจุบัน แทนที่จะรีบร้อนลงทุนในฮาร์ดแวร์ควอนตัมโดยตรง ทั้งในงานด้านการประมวลผลคำนวณซับซ้อน (Optimization), GenAI, พีชคณิตเชิงเส้น ไปจนถึง Reinforcement Learning เนื่องจากระบบดั้งเดิมนี้สามารถให้ผลลัพธ์ที่ใกล้เคียงกัน โดยไม่ต้องแบกรับต้นทุน ความซับซ้อน หรือความเสี่ยงจากเทคโนโลยีที่ยังไม่มั่งคง
- กำหนดเกณฑ์การยุติโครงการนำร่องและหยุดตามเกมการตลาดของผู้ให้บริการ: ทุกโครงการนำร่อง (Pilot Project) ด้านควอนตัมต้องเริ่มด้วยการกำหนด KPI สำเร็จที่ชัดเจน มีระบบ AI ดั้งเดิมเป็นเกณฑ์เปรียบเทียบประสิทธิภาพ (Benchmark) และระบุเงื่อนไขการยกเลิกโครงการไว้อย่างเป็นรูปธรรม เพื่อป้องกันไม่ให้การทดลองที่ไร้จุดหมายสิ้นสุดสูบผลาญงบประมาณองค์กรไปเปล่าประโยชน์
- โฟกัสตัวเลขความก้าวหน้าที่แท้จริง ไม่หลงตัวเลขการตลาด: มาตรวัดความก้าวหน้าของควอนตัมที่สำคัญที่สุดไม่ใช่ จำนวน Physical Qubit แต่คือความพร้อมของ Logical Qubit ที่มีอัตราความผิดพลาดต่ำพอสำหรับใช้งานจริง ความก้าวหน้าในระบบแก้ไขข้อผิดพลาด (Error Correction) และระบบควบคุมต่างหาก คือปัจจัยชี้ขาดมูลค่าทางธุรกิจที่แท้จริง
เกี่ยวกับการ์ทเนอร์
บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com
