เทรนด์เทคโนโลยี 2026 ที่แตะทั้งคนทำงานและผู้ใช้ทั่วไปมี 5 เรื่อง คือ AI Agent ที่ลงมือทำงานแทนคนได้ อุปกรณ์ Spatial Computing ที่ผสมภาพดิจิทัลกับโลกจริง World Model หรือ AI ที่เรียนรู้จากโลกจริงมากกว่าภาษา ไฟฟ้าที่ศูนย์ข้อมูลใช้ และการเข้ารหัสแบบทนคอมพิวเตอร์ควอนตัม บางเรื่องมีให้ใช้แล้ว บางเรื่องยังอยู่ในห้องวิจัย
เทรนด์เทคโนโลยี 2026 เรื่องแรก AI Agent เริ่มทำงานแทนคน ไม่ได้แค่ตอบคำถาม
AI Agent คือโปรแกรม AI ที่ลงมือทำงานได้เอง ซัลส์ฟอร์ซ (Salesforce) อธิบายบนหน้าผลิตภัณฑ์ Agentforce ว่าเอเจนต์เป็นแอปพลิเคชันที่ทำงานได้เองและเดินหน้าเองโดยไม่ต้องรอสั่งทุกขั้น ออกแบบมาทำงานเฉพาะทางให้พนักงานและลูกค้า เอเจนต์ใช้โมเดลภาษาขนาดใหญ่ (LLM) วิเคราะห์บริบทของการสนทนา แล้วให้เหตุผลเพื่อตัดสินใจว่าจะทำอะไรต่อ โดยอาศัยข้อมูลธุรกิจที่เชื่อถือได้ เช่น ข้อมูลลูกค้าในระบบ CRM
หน้าเดียวกันระบุว่าเอเจนต์ทำงานได้ตลอด 24 ชั่วโมงผ่านพอร์ทัลบริการตนเองและช่องทางแชต และส่งเรื่องที่เกินขอบเขตให้พนักงานที่เป็นคนรับช่วงต่อ งานที่ยกเป็นตัวอย่างมีตั้งแต่ตอบคำถามลูกค้า จัดการออเดอร์ ไปจนถึงตอบคำถามเรื่องนโยบายบุคคลให้พนักงาน
เมื่อเอเจนต์เข้าถึงข้อมูลธุรกิจจริงและลงมือแทนคน การกำหนดขอบเขตจึงเป็นเรื่องสำคัญ ซัลส์ฟอร์ซระบุว่าเอเจนต์ทำงานภายใต้กรอบที่ตั้งไว้ (guardrails) และส่งต่อให้พนักงานเมื่อเจอเรื่องซับซ้อน องค์กรที่คิดจะนำมาใช้จึงควรถามตั้งแต่ต้นว่าเรื่องไหนปล่อยให้เอเจนต์ตัดสินใจเองได้ และเรื่องไหนต้องมีคนยืนยัน

Spatial Computing ผสมข้อมูลดิจิทัลเข้ากับพื้นที่จริง
Spatial Computing คือการนำข้อมูลดิจิทัลมาผสมกับพื้นที่จริงรอบตัวผู้ใช้ แอปเปิล (Apple) ใช้คำนี้เรียก Apple Vision Pro ว่าเป็น spatial computer ที่ผสมเนื้อหาดิจิทัลเข้ากับโลกกายภาพ แอปเปิลประกาศว่าอุปกรณ์เริ่มวางขายที่ร้านแอปเปิลและร้านออนไลน์ในสหรัฐฯ วันที่ 2 ก.พ. 2567 ทิม คุก (Tim Cook) ซีอีโอของแอปเปิล กล่าวไว้ในข่าวประกาศว่า 'The era of spatial computing has arrived'
ข่าวประกาศฉบับเดียวกันระบุว่าผู้ใช้ควบคุมเครื่องด้วยสายตา มือ และเสียง ข้อมูลข้างต้นเป็นของการเปิดตัวในสหรัฐฯ ผู้ที่สนใจควรดูก่อนว่าอุปกรณ์ประเภทนี้ตอบโจทย์งานหรือการใช้งานของตัวเองจริงหรือไม่ แล้วค่อยตัดสินใจซื้อ
World Model AI ทางเลือกที่นักวิจัยดังเดิมพันหลัง LLM
World Model คือ AI ที่เรียนรู้จากความเป็นจริง ไม่ได้เรียนจากภาษาอย่างเดียว tech.eu อธิบายว่าโมเดลแบบนี้พยายามเข้าใจโลกกายภาพโดยทำนายว่าโลกจะตอบสนองอย่างไร ต่างจาก LLM ที่กินข้อมูลปริมาณมากแล้วสร้างผลลัพธ์จากข้อมูลและคำสั่งที่ป้อนเข้าไป จึงถูกมองเป็นทางเลือกต่อ LLM
เรื่องนี้ถูกจับตามากขึ้นหลัง AMI Labs สตาร์ตอัปในปารีสของ ยานน์ เลอคุน (Yann LeCun) ประกาศระดมทุนรอบ seed ราว 1,030 ล้านดอลลาร์สหรัฐเมื่อวันที่ 10 มี.ค. 2569 ที่มูลค่าบริษัท 3,500 ล้านดอลลาร์สหรัฐก่อนระดมทุน (อ้างตามรายงานของ TechCrunch และ tech.eu) tech.eu ระบุว่าเป็นรอบ seed ที่ใหญ่ที่สุดของยุโรปเท่าที่เคยมี ผู้ร่วมนำรอบนี้คือ Cathay Innovation, Greycroft, Hiro Capital, HV Capital และ Bezos Expeditions และมี Nvidia กับ Samsung ร่วมลงทุนด้วย
เลอคุนเป็นประธานบริหาร (executive chair) หลังลาออกจากเมตา (Meta) เพื่อมาตั้งบริษัทนี้ ส่วนซีอีโอคือ อเล็กซองดร์ เลอบรุน (Alexandre LeBrun) อดีตซีอีโอ Nabla เลอคุนกล่าวตอนประกาศว่า 'just completed our seed round, one of the largest seeds ever' TechCrunch รายงานว่าเลอบรุนเห็นตรงกับเลอคุนว่า LLM มีข้อจำกัด โดยเฉพาะงานที่ความผิดพลาดแบบ hallucination (AI สร้างข้อมูลที่ไม่จริงขึ้นมา) อาจมีผลร้ายแรงถึงชีวิต เช่นงานด้านสุขภาพ ซึ่ง Nabla เป็นพันธมิตรรายแรกที่บริษัทเปิดเผย
เรื่องนี้ยังอยู่ในขั้นวิจัยพื้นฐาน เลอบรุนบอก TechCrunch ว่า AMI Labs ไม่ใช่สตาร์ตอัปด้าน AI ที่ปล่อยผลิตภัณฑ์ได้ใน 3 เดือน และอาจใช้เวลาหลายปีกว่าโลกของ world model จะไปถึงการใช้งานเชิงพาณิชย์ บริษัทยังไม่มีแผนหารายได้ในช่วงที่ประกาศ ผู้อ่านจึงควรมองเรื่องนี้เป็นสิ่งที่ต้องติดตาม ไม่ใช่เทคโนโลยีที่หยิบมาใช้ได้ทันที

ศูนย์ข้อมูลกินไฟมากขึ้น และ AI ช่วยลดไฟได้ด้วย
สำนักงานพลังงานระหว่างประเทศ (International Energy Agency หรือ IEA) ระบุในรายงาน Energy and AI ว่าศูนย์ข้อมูลทั่วโลกใช้ไฟฟ้าราว 415 TWh ในปี 2567 หรือประมาณ 1.5% ของการใช้ไฟฟ้าโลก และเพิ่มขึ้นราว 12% ต่อปีในช่วงห้าปีก่อนหน้า ในกรณีฐาน (Base Case) IEA คาดว่าปี 2573 การใช้ไฟฟ้าของศูนย์ข้อมูลจะเพิ่มเป็นราว 945 TWh หรือเกือบ 3% ของการใช้ไฟฟ้าโลก โตเฉลี่ยราว 15% ต่อปี เร็วกว่าการใช้ไฟฟ้ารวมของภาคอื่นกว่าสี่เท่า
ตัวขับหลักคือการใช้ไฟฟ้าของเซิร์ฟเวอร์เร่งประมวลผล ซึ่งเกิดจากการใช้ AI และ IEA คาดว่าจะโตราว 30% ต่อปี IEA เตือนว่าตัวเลขอนาคตมีความไม่แน่นอนสูง จึงทำสถานการณ์จำลองเพิ่มอีก 3 แบบ และชี้ว่าแม้ถึงปี 2573 ศูนย์ข้อมูลก็ยังเป็นสัดส่วนไม่ถึง 3% ของไฟฟ้าโลก
ด้านการลดไฟ ดีปไมนด์ (DeepMind) ของกูเกิลรายงานเมื่อปี 2559 ว่าระบบเรียนรู้ของเครื่องที่ทดสอบในศูนย์ข้อมูลจริงของกูเกิลลดพลังงานที่ใช้ทำความเย็นได้สูงสุด 40% คิดเป็นการลดส่วนเกินของค่า PUE (อัตราส่วนพลังงานทั้งอาคารต่อพลังงานของอุปกรณ์ไอที) ลง 15% หลังหักการสูญเสียทางไฟฟ้าและส่วนอื่นที่ไม่ใช่ความเย็น ตัวเลข 40% จึงเป็นของพลังงานทำความเย็นเท่านั้น ไม่ใช่ไฟฟ้าทั้งศูนย์ข้อมูล
อีกทางที่บริษัทเทคโนโลยีเลือกคือหาแหล่งไฟฟ้าใหม่ กูเกิลประกาศเมื่อวันที่ 14 ต.ค. 2567 ว่าทำข้อตกลงซื้อไฟฟ้านิวเคลียร์จากเตาปฏิกรณ์ขนาดเล็ก (SMR) หลายเครื่องที่ Kairos Power จะพัฒนา กูเกิลเรียกว่าเป็นข้อตกลงแรกของโลกที่บริษัทเอกชนซื้อไฟฟ้านิวเคลียร์จาก SMR หลายเครื่อง เป้าหมายคือให้เครื่องแรกเดินระบบภายในปี 2573 และขยายต่อถึงปี 2578 รวมได้ไฟฟ้าปลอดคาร์บอนใหม่สูงสุด 500 เมกะวัตต์สำหรับระบบไฟฟ้าสหรัฐฯ
การเข้ารหัสรับมือควอนตัมต้องเริ่มก่อนเครื่องควอนตัมจะมาถึง
Post-Quantum Cryptography (PQC) คือการเข้ารหัสแบบใหม่ที่ออกแบบให้ทนต่อคอมพิวเตอร์ควอนตัม สถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐฯ (NIST) ประกาศมาตรฐาน PQC ชุดแรก 3 ฉบับที่พร้อมใช้งานเมื่อวันที่ 13 ส.ค. 2567 หลังทำงานมา 8 ปี โดยเริ่มโครงการตั้งแต่ปี 2558 และคัดอัลกอริทึมเหลือ 15 ตัว มาตรฐานชุดนี้ใช้เป็นเครื่องมือหลักทั้งการเข้ารหัสทั่วไปและลายเซ็นดิจิทัล NIST ยังประเมินอัลกอริทึมอีก 2 ชุดที่อาจเป็นมาตรฐานสำรองในอนาคต
เหตุผลที่ต้องเริ่มก่อนคือการเข้ารหัสในปัจจุบันอาศัยโจทย์คณิตศาสตร์ที่คอมพิวเตอร์ทั่วไปแก้ได้ยากมาก แต่คอมพิวเตอร์ควอนตัมที่แรงพอจะไล่หาคำตอบได้เร็วจนเจาะระบบเหล่านี้ได้ NIST ระบุว่าผู้เชี่ยวชาญบางส่วนคาดว่าเครื่องที่ทำได้เช่นนั้นอาจปรากฏภายในราวหนึ่งทศวรรษ ดัสติน มูดี (Dustin Moody) ผู้นำโครงการ PQC ของ NIST กล่าวตอนประกาศว่า 'We encourage system administrators to start integrating them into their systems immediately, because full integration will take time'
หน่วยงานความมั่นคงไซเบอร์และโครงสร้างพื้นฐานสหรัฐฯ (CISA) ระบุบนหน้าโครงการ PQC ว่าเทคโนโลยีควอนตัมที่เจาะการเข้ารหัสกุญแจสาธารณะยุคนี้ได้ยังไม่มีอยู่จริง แต่หน่วยงานรัฐและผู้ดูแลโครงสร้างพื้นฐานสำคัญทั้งภาครัฐและเอกชน 'must begin preparing now' CISA ทำงานเรื่องนี้ตั้งแต่เดือน ก.ค. 2565 และแนวทางที่ออกมากำหนดให้หน่วยงานรัฐบาลกลางของสหรัฐฯ ทำบัญชีระบบไอทีที่เสี่ยงถูกถอดรหัสด้วยควอนตัมและจัดลำดับความสำคัญในการเปลี่ยน
ที่มา: Salesforce (หน้า Agentforce), Apple Newsroom, TechCrunch และ tech.eu (อ้างตามรายงานเรื่อง AMI Labs), สำนักงานพลังงานระหว่างประเทศ (IEA), Google DeepMind, Google, NIST และ CISA







