การเติบโตของ AI กำลังผลักความต้องการประมวลผลและรับส่งข้อมูลขึ้นไปอีกระดับ ดาต้าเซ็นเตอร์ต้องรองรับข้อมูลปริมาณมหาศาล ขณะที่ระบบอิเล็กทรอนิกส์ซึ่งอาศัยการเคลื่อนที่ของอิเล็กตรอนเริ่มเผชิญข้อจำกัดทั้งด้านความเร็ว พลังงาน และความร้อน ยิ่งวงจรถูกย่อให้เล็กลง เส้นทางของอิเล็กตรอนยิ่งแคบ ความต้านทานและความร้อนยิ่งเพิ่มขึ้น
ข้อจำกัดนี้กำลังทำให้ “แสง” กลับมาอยู่ตรงกลางของการพัฒนาเทคโนโลยีอีกครั้ง ผ่านโฟโตนิกส์ หรือ Photonics ซึ่งใช้โฟตอนในการรับส่งและจัดการข้อมูล จุดเด่นไม่ได้อยู่เพียงความเร็วของแสง แต่แสงต่างความยาวคลื่นยังสามารถส่งข้อมูลหลายช่องทางไปพร้อมกันผ่านช่องสัญญาณเดียว โดยไม่เกิดการรบกวนข้ามช่อง
เวทีเสวนา “Beyond the Speed of Light: ถอดรหัส Photonics นวัตกรรมขับเคลื่อนอนาคต” ในงานการประชุมวิชาการและนิทรรศการเนคเทค ประจำปี 2569 (NECTEC-ACE 2026) ภายใต้แนวคิด“NECTEC 40 Years – Legacy & Beyond” จึงพาไปทำความเข้าใจPhotonics ตั้งแต่รากฐานที่ประเทศไทยสั่งสมมานาน บทบาทของเทคโนโลยีแสงท่ามกลางการเติบโตของ AI และดาต้าเซ็นเตอร์ ไปจนถึงศักยภาพของไทยในห่วงโซ่อุตสาหกรรม ทั้งด้านการผลิต การทดสอบการพัฒนากำลังคน และการสร้างทรัพย์สินทางปัญญาของตัวเอง
Photonics เมื่อแสงกลายเป็นเทคโนโลยี
ดร.ศรัณย์ สัมฤทธิ์เดชขจร อดีตผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ กล่าวถึงความแตกต่างระหว่างOptics และ Photonics ว่า หากอธิบายอย่างง่าย Optics มักเกี่ยวข้องกับอุปกรณ์แบบ Passive ที่ไม่ต้องใช้พลังงาน เช่น เลนส์แว่นตา ส่วนPhotonics เป็น Active Device ที่เกี่ยวข้องกับการสร้าง ตรวจจับ และนำแสงมาใช้ประโยชน์
Photonics จึงไม่ได้หมายถึงเลเซอร์เท่านั้น แสงจากแหล่งกำเนิดอื่นก็อยู่ในขอบเขตเดียวกันได้ หากสามารถสร้าง ตรวจจับ ควบคุม หรือนำไปใช้งาน เมื่อเทียบกับอิเล็กทรอนิกส์ที่ทำงานกับอิเล็กตรอน Photonics ก็คือการทำงานกับอนุภาคแสงหรือโฟตอน
“ถ้าเราจำง่าย ๆ คือการเอาแสงไปใช้ประโยชน์” ดร.ศรัณย์ กล่าว
คำอธิบายนี้มีความหมายมากกว่าการให้นิยาม เพราะทำให้เห็นว่าPhotonics ไม่ได้จำกัดอยู่เฉพาะอุตสาหกรรมชิปหรือระบบสื่อสาร แต่สามารถเข้าไปอยู่ในงานเกษตร อาหาร การแพทย์ สิ่งแวดล้อม เซนเซอร์และการใช้งานอีกหลายด้านได้
ไทยมีฐาน Photonics มานานกว่า 20 ปี
แม้คำว่า Photonics จะถูกพูดถึงมากขึ้นพร้อมกับกระแส AI แต่ประเทศไทยมีรากฐานด้านเทคโนโลยีแสงมายาวนาน ดร.ศรัณย์ ย้อนกลับไปถึงปี 1993 เมื่อเนคเทควางรากฐานงานวิจัยด้านนี้ผ่านห้องปฏิบัติการ Electro-Optics และ Laser ก่อนที่งานทั้งสองส่วนจะถูกรวมเข้าด้วยกันตามการปรับโครงสร้างในเวลาต่อมา
ภาคอุตสาหกรรมเองก็มีฐานการผลิตด้าน Optics และ Photonics อยู่ในประเทศไทยมานานประมาณ 20-30 ปี ตั้งแต่กลุ่ม Optoelectronics และCommunication ซึ่งมีบริษัทอย่าง Fabrinet, Lumentum, Coherent และ Furukawa กลุ่มที่ใช้แสงสำหรับเชื่อม ตัด และเจาะวัสดุ เช่นPhotonics Science ซึ่งเป็นบริษัทไทยและขยายธุรกิจไปเวียดนาม กลุ่มAdvanced Imaging Sensor ที่มี Nikon, Canon และ Sony ไปจนถึงอุตสาหกรรมเลนส์แว่นตาซึ่งตั้งฐานอยู่ในประเทศไทยมายาวนาน
ภาพดังกล่าวทำให้ Photonics ในบริบทของไทยแตกต่างจากเทคโนโลยีเกิดใหม่หลายประเภท เพราะประเทศไม่ได้เริ่มต้นจากศูนย์ มีทั้งฐานการผลิต บุคลากร งานวิจัย และองค์ความรู้ที่สะสมมาแล้ว เพียงแต่การเติบโตของ AI กำลังทำให้เทคโนโลยีนี้กลับมาได้รับความสนใจมากขึ้น
AI ดัน Photonics สู่โครงสร้างพื้นฐาน Data Center
ดร.ยุทธนา อินทรวันณี นักวิจัยกลุ่มวิจัยอุปกรณ์โฟโตนิกส์และเซนเซอร์เนคเทค สวทช. อธิบายว่า ปัญหาของวงจรอิเล็กทรอนิกส์เกิดจากการใช้อิเล็กตรอนในการส่งข้อมูล เมื่อระบบต้องเล็กลง เส้นทางของอิเล็กตรอนถูกบีบให้แคบลง ส่งผลให้เกิดความต้านทาน ความร้อน และต้องใช้พลังงานเพิ่มขึ้น
แสงมีคุณสมบัติที่ต่างออกไป นอกจากเคลื่อนที่ด้วยความเร็วสูงแล้ว ยังสามารถใช้แสงหลายความยาวคลื่นส่งข้อมูลไปพร้อมกันได้ หากเปรียบเทียบกับสีรุ้ง แต่ละสีก็เสมือนช่องทางส่งข้อมูลที่สามารถเดินทางร่วมกันผ่านช่องเดียว และแสงแต่ละช่องไม่รบกวนกัน
แนวคิดนี้นำไปสู่ Photonic Integrated Circuit หรือ PIC ซึ่งรวมอุปกรณ์ที่ใช้จัดการแสงลงบนชิป ตั้งแต่ท่อนำแสง ตัวแยกสัญญาณ ตัวปรับเฟสแหล่งกำเนิดแสง ไปจนถึงตัวตรวจจับแสง แทนการวางอุปกรณ์ Optics จำนวนมากแยกออกจากกัน
Silicon Photonics เข้ามามีบทบาทเพราะใช้ซิลิคอนเป็นแพลตฟอร์มในการสร้างวงจรแสง ทำให้สามารถเชื่อมโยงกับเทคโนโลยีและกระบวนการผลิตชิปที่มีอยู่แล้วได้ เป้าหมายคือทำให้อุปกรณ์ Photonics มีขนาดเล็กลงและสามารถนำไปใช้งานได้ในวงกว้างขึ้น
อย่างไรก็ตาม ระบบสื่อสารข้อมูลในปัจจุบันยังไม่ได้เปลี่ยนเป็นแสงทั้งหมด Optical Transceiver จึงยังมีบทบาทสำคัญในการแปลงสัญญาณไฟฟ้าเป็นสัญญาณแสงและกลับมาเป็นสัญญาณไฟฟ้าอีกครั้ง
ข้อมูลพุ่งสู่ระดับ Terabit การทดสอบยิ่งซับซ้อน
ธัญฤทธิ์ ปัณฑรวงศ์ Business Development Manager, Asia Pacific Sales บริษัท IRC Technologies กล่าวถึงแรงกดดันที่เกิดขึ้นกับอุตสาหกรรมจากความต้องการข้อมูลซึ่งถูกขับเคลื่อนโดย AI โดยยกตัวอย่างว่าความต้องการด้านความเร็วจากระดับ 400-800 กิกะบิตต่อวินาที กำลังมุ่งไปสู่ 1.6 เทราบิต และ 3.2 เทราบิตต่อวินาทีในช่วงสามปีข้างหน้า
เทคโนโลยีการรับส่งข้อมูลอื่นกำลังขยับไปในทิศทางเดียวกัน ตั้งแต่การเชื่อมต่อผ่าน Copper และ Optic ไปจนถึงระบบไร้สาย ซึ่งจาก 5G ที่กล่าวถึงระดับ 10 กิกะบิตต่อวินาที อาจเพิ่มเป็น 100 กิกะบิตต่อวินาทีในยุค 6G
เมื่อความเร็วสูงขึ้น การทดสอบก็ซับซ้อนตามไปด้วย โรงงานไม่สามารถวัดสัญญาณเพียงช่องเดียวเหมือนเดิม แต่ต้องรองรับหลายช่องสัญญาณพร้อมกัน รวมถึงตรวจสอบ Signal Integrity, Power Integrity, Bit Error Rate, Protocol และ Interoperability เพื่อให้ระบบสามารถทำงานได้ตามมาตรฐาน
เทคโนโลยีเครื่องมือวัดจึงกลายเป็นอีกส่วนหนึ่งของห่วงโซ่อุตสาหกรรมPhotonics ที่สำคัญ เพราะการมีเทคโนโลยีหรือสายการผลิตเพียงอย่างเดียวไม่เพียงพอ หากไม่มีความสามารถในการทดสอบว่าอุปกรณ์ที่ผลิตออกมาทำงานได้ตามข้อกำหนด
จุดแข็งไทยอยู่ที่ Packaging, Testing และ Application
เมื่อวางประเทศไทยลงบนห่วงโซ่อุปทานของอุตสาหกรรม Photonics ตั้งแต่การออกแบบ วัสดุ การผลิตชิป Packaging การประกอบโมดูล การทดสอบ ไปจนถึงการนำไปใช้งาน จะเห็นช่องว่างและจุดแข็งค่อนข้างชัด
ปัจจุบันไทยยังไม่มี Fab สำหรับผลิตชิป Photonics แต่มีฐานอุตสาหกรรมอยู่ในส่วน Packaging, Module และ Testing โดยโรงงานของบริษัทระดับโลกหลายแห่งที่ตั้งอยู่ในประเทศไทยทำงานอยู่ในส่วนนี้
อีกด้านที่มีศักยภาพคือ Application ซึ่งเป็นพื้นที่ที่ไทยมีทั้งโจทย์และองค์ความรู้เฉพาะของตัวเอง โดยเฉพาะการเกษตร อาหาร น้ำ สิ่งแวดล้อม Healthcare และ Biosensing
ผลงานที่ผ่านมาแสดงให้เห็นว่าเทคโนโลยีแสงสามารถนำมาแก้ปัญหาได้หลายรูปแบบ เนคเทคเคยทำงานด้านโฮโลแกรมและถ่ายทอดองค์ความรู้เกี่ยวกับการนำโฮโลแกรมไปใช้บนบัตรประชาชนและธนบัตร ทำงานร่วมกับบริษัทเลนส์แว่นตาเพื่อพัฒนาเครื่องวัดเลนส์แบบไม่สัมผัส รวมถึงพัฒนาเทคโนโลยีสำหรับการตรวจคัดกรองทางการแพทย์และงานด้านเซนเซอร์
ด้านการเกษตร มีการใช้แสงตรวจสอบเมล็ดพันธุ์ข้าวและช่วยคัดแยกเพศในการเพาะพันธุ์ไหม ส่วนปัญหาโรคตายด่วนหรือ EMS ในกุ้ง ทีม สวทช. ได้นำหลักการทางแสงมาช่วยตรวจสอบน้ำและดินในบ่อเลี้ยงกุ้ง ก่อนที่FAO จะนำผลงานไปเผยแพร่เพื่อให้ประเทศเขตร้อนที่เลี้ยงกุ้งสามารถนำองค์ความรู้ไปใช้ประโยชน์
ตัวอย่างเหล่านี้ทำให้เห็นว่าโอกาสของไทยอาจไม่จำเป็นต้องเริ่มจากคำถามว่า ประเทศต้องมี Fab ของตัวเองทันทีหรือไม่ แต่อาจเริ่มจากสิ่งที่มีอยู่แล้ว ทั้งความรู้ด้านแสง ฐานอุตสาหกรรม และความเข้าใจปัญหาเฉพาะของประเทศ แล้วนำ Photonics เข้าไปเพิ่มประสิทธิภาพของApplication เหล่านั้น
Photonics โตเร็ว ไทยต้องเร่งสร้างคน
ความพร้อมด้านกำลังคนเป็นอีกโจทย์ที่ถูกพูดถึงอย่างมาก ธัญฤทธิ์ อ้างถึงการศึกษาของ Semiconductor Industry Association (SIA) ซึ่งแบ่งแรงงานในอุตสาหกรรมเซมิคอนดักเตอร์ออกเป็นงานก่อนการผลิตชิปหรือ Pre-Silicon ซึ่งเกี่ยวข้องกับการออกแบบประมาณ 35% ขณะที่อีกประมาณ 65% อยู่ในส่วน Post-Silicon เช่น Packaging และ Function Test
ช่องว่างอยู่ตรงที่การศึกษาส่วนใหญ่มักให้น้ำหนักกับ Design ขณะที่อุตสาหกรรมต้องการคนอีกจำนวนมากในกระบวนการหลังจากนั้น การสร้างกำลังคนจึงไม่สามารถพึ่งการผลิตบัณฑิตใหม่เพียงทางเดียว โดยเฉพาะเมื่อเทคโนโลยีและการลงทุนเคลื่อนตัวเร็วกว่ารอบการศึกษา
การ Upskill และ Reskill บุคลากรที่มีพื้นฐานด้านวิศวกรรม ฟิสิกส์ หรือสาขาที่เกี่ยวข้อง จึงเป็นอีกทางที่จะช่วยให้อุตสาหกรรมเพิ่มกำลังคนได้เร็วขึ้น ดร.ศรัณย์ กล่าวว่าประเทศไทยมีประสบการณ์จัดอบรมให้ภาคเอกชนด้าน Optics และ Photonics อยู่แล้ว ตั้งแต่พื้นฐาน Optics ไปจนถึง Fiber Optic Communication, Test and Measurement แต่ยังต้องนำความรู้จากศาสตร์อื่นเข้ามาประกอบตามความต้องการของอุตสาหกรรม
ในฝั่ง สวทช. การรับนักศึกษาฝึกงานและการเรียนรู้แบบ On-the-job Training เป็นอีกช่องทางหนึ่งที่ช่วยให้ผู้เรียนได้ทำงานกับโจทย์จริง ขณะที่ภาคเอกชนอย่าง Keysight และ IRC มีแนวทางสนับสนุนทั้งหลักสูตร Photonic Engineering, Photonic IC Lab Teaching Solution และเครื่องมือสำหรับการเรียนการสอน รวมถึงโปรแกรมสนับสนุนอุปกรณ์และเครื่องมือจริงให้แก่มหาวิทยาลัย
โจทย์จึงไม่ใช่เพียงการสร้างคนเพิ่ม แต่คือการสร้างกลไกที่สามารถเปลี่ยนทักษะของคนที่มีอยู่ให้ทันกับอุตสาหกรรม เพราะหากมีการลงทุนหรือโรงงานใหม่เกิดขึ้น การรอแรงงานรุ่นใหม่เรียนจบอีกสี่ปีอาจไม่ทันต่อความต้องการ
โจทย์ต่อไปของไทย จากฐานผลิตสู่เจ้าของ IP
แม้ประเทศไทยจะมีฐานอุตสาหกรรม Packaging, Assembly และ Testing ที่แข็งแรง แต่คำถามในระยะต่อไปคือ ประเทศจะขยับจากการผลิตตามห่วงโซ่ของบริษัทต่างชาติ ไปสู่การสร้างเทคโนโลยีและทรัพย์สินทางปัญญาของตัวเองได้มากเพียงใด
ดร.ยุทธนา ยกตัวอย่าง iPhone ซึ่งแม้ผลิตในจีน แต่แนวคิดและทรัพย์สินทางปัญญาอยู่ในสหรัฐอเมริกา เพื่อชี้ให้เห็นว่าประเทศที่ได้ประโยชน์จากเทคโนโลยีในระยะยาวไม่จำเป็นต้องเป็นประเทศที่ผลิตทุกอย่างด้วยตัวเอง แต่ต้องสามารถเป็นเจ้าขององค์ความรู้และทรัพย์สินทางปัญญาบางส่วนได้
สำหรับประเทศไทย จุดเริ่มต้นอาจอยู่ที่ Application Domain ซึ่งมีความแข็งแรงอยู่แล้ว การนำ Photonics ไปพัฒนวนวัตกรรมด้านเกษตร อาหาร การแพทย์ สิ่งแวดล้อม หรือ Biosensing แล้วสร้าง IP จากโจทย์เหล่านี้ อาจเป็นเส้นทางที่สอดคล้องกับศักยภาพของประเทศมากกว่าการพยายามแข่งขันทุกส่วนของห่วงโซ่อุตสาหกรรมพร้อมกัน
ในช่วง 3-5 ปีข้างหน้า ดร.ศรัณย์ เชื่อว่าภาคอุตสาหกรรมไทยสามารถขยับตามการเปลี่ยนแปลงของเทคโนโลยีได้ แต่สิ่งที่ต้องเร่งคือการเพิ่มศักยภาพกำลังคน ส่วนในระยะกลางถึงยาว หากประเทศไทยต้องการมีเทคโนโลยีของตัวเอง การสร้าง IP จะกลายเป็นโจทย์ที่หลีกเลี่ยงไม่ได้
ดร.ยุทธนา กล่าวถึงทิศทางเดียวกันว่า งานด้าน Application ยังควรเป็นจุดแข็งที่ไทยเดินหน้าต่อ แต่ต้องทำให้แข็งแรงขึ้น เชื่อมโยงพันธมิตรให้ครอบคลุม และเตรียมพร้อมรับเทคโนโลยีใหม่เข้ามาต่อยอด เพื่อให้นวัตกรรมที่พัฒนาโดยคนไทยสามารถนำไปใช้จริงในประเทศ
การกลับมาของ Photonics ในยุค AI จึงไม่ใช่เรื่องของเทคโนโลยีแสงเพียงอย่างเดียว แต่เป็นคำถามถึงตำแหน่งของประเทศไทยในอุตสาหกรรมเทคโนโลยีรุ่นต่อไป ประเทศไทยมีฐานการผลิต มีงานวิจัย มีบุคลากร และมีโจทย์การใช้งานจริงอยู่แล้ว สิ่งที่จะกำหนดบทบาทในอนาคตคือความสามารถในการเชื่อมสิ่งเหล่านี้เข้าด้วยกัน ตั้งแต่กำลังคน โครงสร้างพื้นฐาน ภาคอุตสาหกรรม งานวิจัย ไปจนถึงทรัพย์สินทางปัญญา
เพราะเมื่อโลกกำลังเปลี่ยนจากการส่งข้อมูลด้วยอิเล็กตรอนไปสู่การใช้แสงมากขึ้น โอกาสของไทยอาจไม่ได้อยู่ที่การวิ่งตามทุกเทคโนโลยี แต่คือการเลือกพื้นที่ที่ประเทศมีความได้เปรียบ แล้วเปลี่ยนองค์ความรู้ที่สะสมมาหลายสิบปีให้กลายเป็นเทคโนโลยีและนวัตกรรมที่ไทยเป็นเจ้าของเอง
ข่าวอื่น ๆ ที่น่าสนใจ
เอกนัฏ เดินหน้า Energy Transition เปิดทางคนตัวเล็กเป็นเจ้าของพลังงาน
40 ปี NECTEC ปูรากฐานดิจิทัลไทยสู่ Quantum-Space-Physical AI
ความมั่นคงยุค AI เริ่มที่ ‘ข้อมูล’ ทลาย Data Silo ก่อนใช้ AI
