Gartner คาดการณ์ว่าการประมวลผล AI ระดับองค์กรขนาดใหญ่ จะยังไม่รันบนฮาร์ดแวร์ควอนตัมจนถึงปี 2571

30/08/2026 Joker

Post Views: 396

การ์ทเนอร์ อิงก์ บริษัทให้คำปรึกษาและวิจัยข้อมูลเชิงลึกด้านธุรกิจและเทคโนโลยี เผยว่านับจากนี้ไปจนถึงปี 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