จีนยึดตลาด AI สร้างวิดีโอ 9 ใน 10 โมเดลท็อปมาจากจีน จับตาเกมยาวที่สหรัฐฯ อาจตามหลัง

เวลาพูดถึงความก้าวหน้า AI จีน คนส่วนใหญ่จะนึกถึงโมเดลภาษาหรือแชตบอตก่อน แต่จริง ๆ มีอีกหนึ่งสนามที่จีนทำได้ดีไม่แพ้กันคือ 'AI สร้างวิดีโอ' ถ้าไปดูการจัดอันดับ Top 10 ของวีดีโอที่สร้างด้วยเอไอจาก Artificial Analysis จะเห็นว่ามีโมเดลจากบริษัทจีนเหมาไปแล้วถึง 9 อันดับ โดยมี Google จากสหรัฐฯ แค่เจ้าเดียวที่แทรกเข้าไปอยู่ในลิสต์นี้ได้ ข้อมูลตรงนี้จึงบอกได้ว่าตลาดนี้ไม่ได้ผูกขาดโดยบริษัทเดียว แต่มีหลายบริษัทกำลังแข่งกันพัฒนาอย่างดุเดือด 

ซึ่งช่วงที่ผ่านมาตลาดประเภทนี้ของจีนขยับตัวกันเร็วมาก เพราะ ByteDance กับ MiniMax เพิ่งปล่อยโมเดลใหม่ไล่หลังกันติด ๆ ส่วน Alibaba ก่อนหน้านี้ปล่อยโมเดล 'Happy Horse' ออกมาแบบไม่เปิดเผยตัวให้คนลองเล่นก่อนแล้วค่อยเฉลยว่าเป็นผลงานตัวเอง ยังมี Kling ของ Kuaishou, Vidu ของ ShengShu Technology และสตาร์ตอัพอีกหลายเจ้าที่กระโดดเข้ามาร่วมวง 

ประเด็นนี้จึงน่าสนใจตรงที่ขณะที่ฝั่งจีนแข่งกันอย่างหนัก บริษัทใหญ่ของสหรัฐฯ อย่าง OpenAI และ Anthropic กลับไม่ได้ให้น้ำหนักกับตลาดนี้ ช่องว่างนี้เลยเปิดทางให้จีนเหมือนก้าวขึ้นมาเป็นผู้นำในตลาดและนับตั้งแต่ OpenAI ยุติการพัฒนา Sora นักพัฒนาจีนก็ยิ่งรุกหนักและและกลายเป็นฝ่ายคุมทิศทางในตลาดนี้แทน

ตอนนี้วิดีโอที่สร้างจาก AI ถูกใช้งานจริงแล้วในวงการโฆษณา บันเทิง และละครสั้นแนวตั้งที่กำลังโตทั้งในจีนและต่างประเทศ เพราะช่วยลดต้นทุนการผลิตไปได้มาก ถ้ามองในมุมธุรกิจนี่คือโอกาสทำเงินที่น่าสนใจ โดยเฉพาะในตลาดที่แข่งกันตัดราคา

แต่ถ้ามองไปให้ไกลกว่าเรื่องธุรกิจคุณค่าที่แท้จริงของ AI ประเภทนี้ไม่ได้อยู่ที่ความเร็วหรือต้นทุนที่ถูกลงอย่างเดียว เดิมพันที่ใหญ่กว่านั้นคือจะทำอย่างไรให้ AI สร้างวีดีโอให้ออกมาสมจริง ซึ่งแน่อนว่าต้องอาศัยความเข้าใจที่มากกว่าแค่การรู้ว่าสิ่งต่าง ๆ คืออะไร 

ยกตัวอย่างง่าย ๆ ถ้าให้ AI สร้างภาพลูกบอลกลิ้งบนพื้น มันไม่ได้แค่ต้องรู้ว่าลูกบอลหน้าตาเป็นยังไง แต่ต้องรู้ด้วยว่าลูกบอลควรกลิ้งแบบไหน นี่คือเหตุผลที่ AI ต้องเข้าใจเรื่องการเคลื่อนไหว เหตุและผล และฟิสิกส์พื้นฐาน เพื่อเดาได้ว่าเฟรมต่อไปควรเป็นแบบไหน ถ้าไม่เข้าใจเรื่องพวกนี้ วิดีโอที่ออกมาก็จะดูผิดธรรมชาติ

งานวิจัยพบว่าเมื่อโมเดลมีขนาดใหญ่ขึ้น AI สามารถเรียนรู้กฎบางอย่างของโลกได้เอง โดยไม่ต้องมีคนป้อนกฎฟิสิกส์ให้โดยตรง แม้ตอนนี้มันยังเข้าใจโลกได้ไม่เท่ามนุษย์ แต่ก็เริ่มจำลองการเคลื่อนไหวและคาดการณ์สิ่งที่จะเกิดขึ้นต่อไปได้ดีขึ้นเรื่อย ๆ นั่นทำให้ AI ประเภทนี้อาจมีบทบาทมากกว่าการสร้างภาพเคลื่อนไหว เพราะความสามารถนี้สามารถต่อยอดให้ AI เข้าใจและทำงานในโลกจริงได้  

จากวีดีโอที่สร้างด้วย AI สู่ 'World Model'

World Model คือแนวคิดที่จะสอนให้ AI เข้าใจโลกจริง ไม่ใช่แค่เก่งภาษา เพราะถ้าจะเอา AI ไปใช้งานจริงในโลกจริง มันต้องรู้ด้วยว่าสิ่งของเคลื่อนไหวยังไง และถ้าขยับแล้วจะเกิดอะไรตามมา เรื่องนี้สำคัญมากกับการพัฒนาหุ่นยนต์ เพราะหุ่นยนต์ทำงานในโลกจริงไม่ได้แน่อน ถ้าไม่รู้ว่าของตรงหน้าคืออะไร

สมมติให้หุ่นยนต์พับผ้าหรือจัดของขึ้นชั้น แค่รู้ว่านี่คือ 'เสื้อ' ยังไม่พอ มันต้องรู้ด้วยว่าถ้าหยิบขึ้นมาแล้วผ้าจะทิ้งตัวยังไง หรือถ้าวางของลงไปจะไปชนชิ้นอื่นล้มไหม นี่คือเหตุผลที่นักวิจัยมองว่า AI ที่สร้างวีดีโออาจเป็นรากฐานสำคัญของ World Model เพราะหลักการทำงานของมันคือการเรียนรู้ความสัมพันธ์ของสิ่งรอบตัวและเดาเหตุการณ์ในเฟรมต่อไป 

หลายคนถึงกับเชื่อว่าถ้าเป้าหมายสูงสุดคือสร้าง AI ให้ฉลาดใกล้เคียงมนุษย์ การพัฒนาต่อจาก AI ประเภทนี้อาจตอบโจทย์และเป็นไปได้มากกว่าการทุ่มปั้นแชตบอตให้เก่งขึ้นเรื่อย ๆ ด้วยซ้ำ

ตอนนี้บริษัทจีนไม่ได้หยุดอยู่แค่นี้ แต่เริ่มขยับไปพัฒนา World Model และระบบ AI ที่รับข้อมูลได้หลายรูปแบบแล้ว ตัวอย่างเช่น ShengShu Technology ซึ่งนี่ไม่ใช่แค่เทรนด์ในจีน เพราะ Runway จากสหรัฐฯ กับ Black Forest Labs จากเยอรมนีก็เริ่มหันมามองตลาดหุ่นยนต์เหมือนกัน Cris Valenzuela ซีอีโอของ Runway มองว่านี่คือพัฒนาการที่ต่อเนื่องกัน เพราะถ้า AI จะสร้างวิดีโอให้สมจริงได้มันต้องจำลองสถานการณ์ที่ควรเกิดขึ้นในโลกจริงให้ได้ก่อน

เมื่อ AI เริ่มเก่งขึ้นในการคาดการณ์ว่า สิ่งต่าง ๆ จะเคลื่อนไหวและส่งผลต่อกันอย่างไร ความสามารถนี้ก็สามารถนำไปต่อยอดกับการฝึกหุ่นยนต์ได้ เพราะการพับผ้าหรือจัดสินค้าในซูเปอร์มาร์เก็ต หุ่นยนต์ไม่ได้ต้องรู้แค่ว่า 'นี่คืออะไร' แต่ต้องเข้าใจด้วยว่า หากขยับหรือหยิบจับสิ่งนั้นแล้ว จะเกิดอะไรขึ้นต่อไป 

จีนอาจได้เปรียบทั้ง AI วิดีโอและหุ่นยนต์

จุดนี้ทำให้ความเก่งด้านวีดีโอที่สร้างด้วย AI ของจีนมีค่ามากกว่าแค่วงการคอนเทนต์ เพราะจีนเอาข้อได้เปรียบนี้ไปเชื่อมกับอุตสาหกรรมหุ่นยนต์ได้ แม้ World Model จะเพิ่งเริ่มต้น แต่จีนมีแต้มต่ออยู่แล้ว เพราะมีบริษัทพัฒนาหุ่นยนต์ฮิวแมนนอยด์จำนวนมาก และหลายเจ้าก็สร้าง หุ่นยนต์ขึ้นมาได้แล้ว โจทย์ที่เหลือคือทำยังไงให้หุ่นยนต์มี 'สมอง' ที่เข้าใจโลก เพราะที่ผ่านมาบริษัทจำนวนมากสร้างร่างกายหุ่นยนต์ได้ แต่ยังขาดระบบที่ทำให้มันเข้าใจโลกและรู้ว่าต้องทำอะไรต่อ ข้อมูลและความสามารถในการจำลองภาพจาก AI วิดีโอเข้ามาช่วยเติมส่วนที่ขาดนี้ได้พอดี

แต่การไปถึง World Model ยังมีโจทย์อีกมาก เรื่องแรกคือทรัพยากรและพลังประมวลผล ลำพังแค่สร้าง AI วิดีโอก็ต้องใช้ข้อมูลและคอมพิวเตอร์มหาศาลอยู่แล้ว ยิ่งจะทำระบบจำลองโลกที่ซับซ้อนขึ้น ความต้องการนี้ก็จะสูงขึ้นไปอีก อีกปัญหาใหญ่คือลิขสิทธิ์ การฝึก AI วิดีโอต้องใช้ภาพและคลิปจำนวนมาก และร่องรอยของข้อมูลที่ใช้ฝึกก็เห็นได้ชัดกว่ากรณีแชตบอต นี่กลายเป็นอุปสรรคสำคัญของแพลตฟอร์มจีนที่อยากขยายไปต่างประเทศ เพราะต้องรับมือกับข้อกังวลเรื่องลิขสิทธิ์จากอุตสาหกรรมภาพยนตร์และสื่อ

สรุปคือแม้จีนจะถือไพ่เหนือกว่าด้าน AI วิดีโอ แต่จะดันข้อได้เปรียบนี้ให้เป็นธุรกิจระดับโลกได้จริง ก็ยังมีโจทย์ใหญ่รอแก้อยู่อีกหลายเรื่อง

เกมแข่งขัน AI ต่อจากนี้ไม่ได้วัดกันที่แชตบอตแล้ว ?

ที่ผ่านมาเรามักตัดสินความเก่งของ AI จากโมเดลภาษา ใครทำ AI ตอบคำถามแม่น คิดวิเคราะห์เก่ง หรือทำงานแทนคนได้ดีกว่า คนนั้นคือผู้นำ แต่สเตปต่อไปสมรภูมิอาจไม่ได้อยู่แค่บนหน้าจอ ถ้าจะเอา AI ไปใช้กับรถยนต์ หุ่นยนต์ หรือระบบอัตโนมัติ มันต้องเข้าใจมากกว่าภาษา ต้องรู้ด้วยว่าสิ่งต่าง ๆ ในโลกจริงทำงานยังไง และถ้าทำอะไรลงไปแล้วจะเกิดผลอะไรตามมา นี่คือเหตุผลที่เราควรมองความก้าวหน้า AI วิดีโอของจีนให้ลึกกว่าแค่เอาไปทำหนังหรือโฆษณา

World Model อาจไม่มีจังหวะที่คนแห่มาใช้พร้อมกันทั่วโลกแบบ ChatGPT และเอาจำนวนผู้ใช้มาวัดความสำเร็จไม่ได้ แต่ถ้ามองเชิงยุทธศาสตร์มันอาจสำคัญกว่านั้นมาก สหรัฐฯ กำลังจับตาดูแชตบอตจีนอยู่ การโฟกัสแค่เกมโมเดลภาษาอาจทำให้พลาดการแข่งขันในสนามที่กำลังไปไวกว่านี้ บริษัทและนักลงทุนก็เหมือนกัน ตอนนี้เม็ดเงินส่วนใหญ่ยังเทไปที่โมเดลภาษา แต่ความก้าวหน้าครั้งต่อไปของ AI อาจมาจากระบบที่ไม่ได้แค่อธิบายโลก แต่เข้าใจและลงมือทำงานในโลกจริงได้

ถ้า AI วิดีโอคือรากฐานที่ใช้ฝึกระบบเหล่านี้ ข้อได้เปรียบที่จีนสร้างไว้วันนี้ก็อาจไม่จบแค่การเขย่าวงการ Hollywood แต่อาจเป็นตัวตัดสินเลยว่าใครจะเป็นผู้นำ AI ยุคต่อไป

อ้างอิง: bloomberg