นูทานิคซ์เปิดกรณีใช้ Hybrid AI ลดต้นทุนภายในบริษัทได้ประมาณ 50% หลังทีมพัฒนาซอฟต์แวร์ใช้ AI เดือนละ 1 ล้านล้านโทเคน และเผชิญค่าใช้จ่ายเพิ่มขึ้น 350% เมื่อผู้ให้บริการเปลี่ยนวิธีคิดค่าบริการจากจำนวนผู้ใช้เป็นปริมาณโทเคน บริษัทจึงลงทุนโครงสร้างพื้นฐาน GPU มูลค่า 20 ล้านดอลลาร์สหรัฐ เพื่อย้ายงานส่วนใหญ่กลับมาประมวลผลด้วยโมเดลที่ติดตั้งเอง ควบคู่กับการใช้บริการโมเดลภายนอก พร้อมนำประสบการณ์ดังกล่าวมาเสนอเป็นแนวทางให้องค์กรประเมินต้นทุนและวางระบบ AI สำหรับการใช้งานจริง
จอร์แดน ไรส์ รองประธานฝ่ายการตลาดประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น นูทานิคซ์ เปิดเผยว่า บริษัทมีวิศวกรมากกว่า 2,500 คน และใช้ AI สนับสนุนกระบวนการพัฒนาซอฟต์แวร์ ตั้งแต่เขียนโค้ด ทดสอบคุณภาพ ไปจนถึงออกแบบส่วนติดต่อผู้ใช้ เมื่อค่าใช้จ่ายเพิ่มขึ้นอย่างรวดเร็ว บริษัทจึงทบทวนว่างานใดจำเป็นต้องใช้โมเดลจากผู้ให้บริการภายนอก และงานใดสามารถนำมาประมวลผลบนโครงสร้างพื้นฐานที่บริหารจัดการเองได้ โดยผลประเมินภายในชี้ว่า สามารถลดต้นทุนได้ประมาณ 50% และคาดว่าจะคืนทุนภายใน 1 ปี เมื่อเทียบกับค่าใช้จ่ายหากยังใช้แนวทางเดิม
Hybrid AI แบ่งงานตามความสามารถของโมเดล
นูทานิคซ์ลงทุนในโครงสร้างพื้นฐาน GPU ของ NVIDIA และ AMD เพื่อนำ Open Weight Model ซึ่งเป็นโมเดลที่ดาวน์โหลดมาติดตั้งและประมวลผลเองได้ มาใช้กับงานพัฒนาซอฟต์แวร์ พร้อมใช้ Nutanix Enterprise AI และ Nutanix Agent Gateway บริหารจัดการระบบ เดิมบริษัทต้องการทดสอบว่า จะย้ายงานทั้งหมดจาก Frontier Model ที่เรียกใช้ผ่านบริการ API ของผู้ให้บริการ มาอยู่บนโมเดลที่ติดตั้งเองได้หรือไม่ แต่หลังทดลองหลายรูปแบบ พบว่ายังมีงานบางส่วนที่ต้องใช้ความสามารถของ Frontier Model
สัดส่วนที่เหมาะสมกับงานของนูทานิคซ์ในขณะนี้ จึงเป็นการใช้ Open Weight Model ประมาณ 80% และใช้ Frontier Model อีก 20% โดยเลือกตามความต้องการของแต่ละงาน จอร์แดน ระบุว่า ประสบการณ์นี้สะท้อนแนวทางใช้ AI แบบผสมผสาน หรือ Hybrid AI ซึ่งองค์กรสามารถเลือกใช้โมเดลหลายประเภทควบคู่กันได้ อย่างไรก็ตาม สัดส่วน 80 ต่อ 20 เป็นผลจากการทดสอบกับงานของนูทานิคซ์เอง องค์กรอื่นต้องประเมินจากลักษณะงาน ข้อมูล และความสามารถของโมเดลที่ต้องการใช้
Agent Gateway คุมค่าใช้จ่ายและสิทธิ์เข้าถึง
Nutanix Agent Gateway ทำหน้าที่เป็นตัวกลางระหว่างผู้ใช้ แอปพลิเคชัน AI โมเดล และระบบข้อมูลขององค์กร ช่วยให้ผู้ดูแลเห็นว่ามีการใช้โมเดลใด ปริมาณเท่าไร และเกิดค่าใช้จ่ายเท่าไร พร้อมกำหนดงบประมาณหรือเพดานการใช้งานได้ จอร์แดนอธิบายว่า หากค่าใช้จ่ายถึงระดับที่องค์กรกำหนด ก็สามารถหยุดการใช้โทเคนเพิ่มเติม รวมถึงกำหนดว่างานใดควรส่งไปยัง Frontier Model และงานใดควรประมวลผลด้วยโมเดลที่ติดตั้งเอง เพื่อบริหารการใช้งานจากส่วนกลาง
การควบคุมดังกล่าวยังเกี่ยวข้องกับความปลอดภัย โดยเฉพาะเมื่อองค์กรนำ Agentic AI มาเชื่อมต่อกับระบบงาน เช่น CRM หรือ ERP และอนุญาตให้ AI เรียกดูข้อมูลหรือดำเนินการบางอย่างแทนผู้ใช้ ทีมเทคนิคของนูทานิคซ์อธิบายในช่วงตอบคำถามว่า Gateway ช่วยกำหนดสิทธิ์ให้ AI เข้าถึงเครื่องมือและข้อมูลได้ภายในขอบเขตที่อนุญาต การวางระบบจึงต้องพิจารณาทั้งงบประมาณ ข้อมูลที่เข้าถึงได้ และสิ่งที่ AI ได้รับอนุญาตให้ทำ โดยเฉพาะงานที่เกี่ยวข้องกับข้อมูลลูกค้าหรือข้อมูลสำคัญขององค์กร
ติดตั้ง AI เองบนคลาวด์ ต่างจากจ่ายตามโทเคน
การใช้ Open Weight Model ไม่ได้จำกัดว่าต้องซื้อเซิร์ฟเวอร์มาติดตั้งในศูนย์ข้อมูลขององค์กรเท่านั้น จอร์แดนระบุว่า แพลตฟอร์มของนูทานิคซ์รองรับการนำโมเดลไปใช้งานทั้งภายในองค์กร บนพับลิกคลาวด์ และกับผู้ให้บริการคลาวด์ที่ให้บริการทรัพยากร GPU โดยเฉพาะ พร้อมรองรับการย้ายงานระหว่างสภาพแวดล้อม องค์กรจึงมีทางเลือกในการเริ่มต้นและขยายระบบ โดยพิจารณาจากความพร้อมของฮาร์ดแวร์ ต้นทุน และข้อกำหนดด้านข้อมูลร่วมกัน
จุดที่ต้องแยกให้ชัดคือ การเรียกใช้บริการโมเดลที่คิดค่าบริการตามโทเคน กับการเช่าทรัพยากรประมวลผลบนคลาวด์เพื่อนำโมเดลไปติดตั้งเอง แนวทางแรกมีค่าใช้จ่ายสัมพันธ์กับปริมาณการใช้โมเดล ส่วนแนวทางหลังต้องประเมินค่าเช่าทรัพยากรและค่าใช้จ่ายในการดูแลระบบตามขนาดที่จัดสรร ทีมเทคนิคของนูทานิคซ์ระบุว่า การเลือกเช่าทรัพยากรบนคลาวด์อาจช่วยให้องค์กรวางแผนค่าใช้จ่ายจากกำลังประมวลผลที่ต้องการได้ แต่ความเหมาะสมยังขึ้นอยู่กับปริมาณงาน ความปลอดภัย และต้นทุนรวมของแต่ละโครงการ
ลดต้นทุน AI ต้องประเมินทั้งระบบ
ผลประหยัดประมาณ 50% ของนูทานิคซ์จึงไม่ใช่ตัวเลขที่รับประกันให้ลูกค้าทุกราย บริษัทระบุว่า ก่อนย้ายงานมาประมวลผลเอง ต้องนำค่าใช้บริการ AI เดิมมาเทียบกับต้นทุนของระบบใหม่ ทั้งเซิร์ฟเวอร์ GPU หรือ CPU ซอฟต์แวร์ การบริหารจัดการ และการเชื่อมต่อข้อมูลภายในองค์กร รวมถึงทดสอบว่าโมเดลสามารถให้ผลลัพธ์ตามที่ธุรกิจต้องการได้หรือไม่ การตัดสินใจลงทุนต้องดูทั้งผลประหยัด ระยะเวลาคืนทุน และความพร้อมในการนำไปใช้งานจริง
นพดล ปัญญาธิปัตย์ ผู้จัดการประจำประเทศไทย นูทานิคซ์ กล่าวว่า บริษัทจะทำงานร่วมกับลูกค้าเพื่อประเมินผลตอบแทนจากการลงทุน โดยเริ่มจากทำความเข้าใจว่าองค์กรมีงานใด ต้องการลดค่าใช้จ่ายส่วนไหน และสามารถปรับวิธีประมวลผลได้มากน้อยเพียงใด กระบวนการนี้ต้องอาศัยการทำเวิร์กช็อปและข้อมูลการใช้งานจริงของลูกค้า เพื่อเลือกงานที่จะนำมาทดสอบและประเมินความคุ้มค่าก่อนขยายระบบ สัดส่วนการใช้โมเดลและผลประหยัดจึงต้องพิจารณาเป็นรายกรณี
องค์กรไทยถามหา AI พร้อมปรับโครงสร้างพื้นฐาน
นพดล ระบุว่า ลูกค้าที่บริษัทเข้าไปพูดคุยเริ่มถามถึงโซลูชัน AI มากขึ้น จากเดิมที่รู้จักนูทานิคซ์ในด้านโครงสร้างพื้นฐานไอที บริษัทจึงมุ่งนำเสนอการใช้ Agentic AI ให้เหมาะกับงานธุรกิจ ควบคู่กับการช่วยลูกค้าประเมินต้นทุน ขณะเดียวกัน การนำ AI มาใช้ทำให้องค์กรต้องกลับมาทบทวนว่าโครงสร้างพื้นฐานเดิมรองรับงานใหม่ได้เพียงใด และควรจัดวางงานแต่ละประเภทไว้ที่ใดจึงจะเหมาะสม
งานที่ต้องตอบสนองรวดเร็ว อาจเหมาะกับการประมวลผลใกล้แหล่งข้อมูลหรือ Edge ส่วนงานที่ต้องการความยืดหยุ่นและขยายทรัพยากรอาจเหมาะกับคลาวด์ ขณะที่งานซึ่งเกี่ยวข้องกับข้อมูลอ่อนไหวอาจเลือกประมวลผลภายในองค์กร นพดลมองว่า ลูกค้าควรมีอิสระในการเลือกและย้ายงานตามความต้องการ โดยการปรับระบบต้องคำนึงถึงความต่อเนื่องทางธุรกิจ ความเสี่ยงระหว่างย้าย และความสามารถที่จะต่อยอดไปสู่งานคอนเทนเนอร์ Kubernetes และ AI
นูทานิคซ์รายงานว่า ในไตรมาส 4 ของปีบัญชี 2569 ซึ่งสิ้นสุดวันที่ 31 กรกฎาคม 2569 จำนวนลูกค้าในประเทศไทยเพิ่มขึ้น 7% และจำนวนพันธมิตรเพิ่มขึ้น 25% เมื่อเทียบกับช่วงเดียวกันของปีก่อน บริษัทดำเนินธุรกิจผ่านพันธมิตร และกำลังขยายความสามารถด้านคลาวด์และ AI เพื่อรองรับความต้องการของลูกค้า พร้อมขยายการทำงานร่วมกับผู้ผลิตเซิร์ฟเวอร์และระบบจัดเก็บข้อมูล เพื่อเพิ่มทางเลือกในการใช้ฮาร์ดแวร์ที่องค์กรลงทุนไว้แล้ว ทั้งนี้ ต้องตรวจสอบรุ่นและรูปแบบการติดตั้งตามรายการที่นูทานิคซ์รับรอง
ขยายพันธมิตร รองรับ AI ใช้งานจริง
ในด้านเทคโนโลยี นูทานิคซ์วางแนวทาง One Platform, One Experience เพื่อให้บริหารระบบเสมือน คลาวด์ Kubernetes และ AI ผ่านแพลตฟอร์มเดียวกัน จอร์แดนมองว่า เทคโนโลยีแต่ละช่วงทำให้องค์กรมีเครื่องมือ ทีมงาน และวิธีบริหารจัดการเพิ่มขึ้น ขณะที่ AI เพิ่มความซับซ้อนจากการใช้ทั้ง CPU และ GPU การบริหารร่วมกันจึงเป็นส่วนสำคัญของการนำ AI เข้าสู่ระบบงานองค์กร
บริษัทประกาศความร่วมมือกับ NVIDIA, Supermicro และ Netris เพื่อรองรับการใช้งานดังกล่าว โดยแผนพัฒนาร่วมกับ Supermicro จะผสานเซิร์ฟเวอร์ที่ผ่านการตรวจสอบรับรอง GPU ของ NVIDIA ซอฟต์แวร์ Nutanix Agentic AI และเครือข่าย NVIDIA Spectrum-X เพื่อลดความซับซ้อนในการติดตั้งระบบประมวลผล AI แบบไพรเวท นอกจากนี้ ยังมีแผนรองรับ NVIDIA Vera CPU โดยเริ่มจาก Nutanix Kubernetes Platform บนเซิร์ฟเวอร์โดยตรง เพื่อรองรับงานของ AI Agent ที่ต้องใช้ CPU ควบคู่กับ GPU ส่วนความร่วมมือกับ Netris มุ่งจัดการเครือข่ายและแยกการใช้งานของลูกค้าแต่ละรายโดยอัตโนมัติ สำหรับผู้ให้บริการที่ใช้โครงสร้างพื้นฐานร่วมกันให้บริการ AI แก่ลูกค้าหลายราย
ข่าวอื่น ๆ ที่น่าสนใจ
ไทยดัน Medical AI สู่ตลาด ตั้งเป้า 20 ผลิตภัณฑ์ภายในปี 2571
GISTDA เผยไทยเสนอร่วม Artemis 3 โครงการ มุ่งสู่อุตสาหกรรมดวงจันทร์
เลอโนโวรุก Hybrid AI ในไทย ชู AI Express จัดส่งระบบใน 15–25 วันทำการ
