AWS re:Invent 2025 จุดเปลี่ยนของคลาวด์ ～ AI Agent และ Custom Silicon กำหนดทิศทางใหม่～

AWS re:Invent 2025 จุดเปลี่ยนของคลาวด์ ～ AI Agent และ Custom Silicon กำหนดทิศทางใหม่～ Cloud
Cloud
AWS

ธันวาคม 2025 งาน AWS re:Invent 2025 ที่ลาสเวกัสได้แสดงทิศทางใหม่ของ Cloud Computing อย่างชัดเจน Matt Garman CEO ของ AWS กล่าวในการบรรยายหลักว่าขั้นตอนของ Generative AI ได้เปลี่ยนแล้ว ขั้นตอนได้เปลี่ยนจาก “การโต้ตอบระหว่างมนุษย์กับ AI” ไปสู่ “การที่ AI ทำงานโดยอัตโนมัติ” AWS นำเสนอเส้นทางที่ชัดเจนในการสร้างมูลค่าทางธุรกิจจากการลงทุนด้าน AI AWS เสนอ 3 ประเด็นสำคัญ ประเด็นแรกคือ AI Agent แบบอัตโนมัติ ประเด็นที่สองคือ Custom Silicon ที่พัฒนาเอง ประเด็นที่สามคือ Sovereign Cloud ที่รองรับ Data Sovereignty

AI Agent อัตโนมัติ “Kiro” เปิดตัว

AWS ได้เปิดตัว “Kiro” ซึ่งเป็น AI Agent สำหรับการพัฒนาซอฟต์แวร์ Kiro มีแนวคิดการออกแบบที่แตกต่างจากเครื่องมือช่วยพัฒนาที่ผ่านมา Coding Assistant ในอดีตคาดการณ์โค้ดบรรทัดถัดไปได้เพียง “Auto-complete ระดับสูง” แต่ Kiro ทำงานเป็น “Entity ที่อัตโนมัติ” Kiro ทำงานเป็นส่วนหนึ่งของทีมพัฒนาแบบ asynchronous

จุดเด่นของ Kiro คือความสามารถในการทำงานอัตโนมัติระยะยาวและความเข้าใจบริบทที่ลึก Kiro สามารถทำงานต่อเนื่องตั้งแต่หลายชั่วโมงถึงหลายวันจากคำสั่งเพียงครั้งเดียว Kiro สามารถรับข้อมูลที่ไม่มีโครงสร้างมาเป็น Context ได้ ข้อมูลเหล่านี้ได้แก่ Slack, Jira, Pull Request, หรือกฎการเขียนโค้ดเฉพาะทีม ด้วยเหตุนี้ Kiro จึงสามารถเรียนรู้ “ความรู้โดยปริยาย” ของทีม Kiro จะทำการแก้ไขโค้ดที่เหมาะสมตามบริบทเฉพาะของโปรเจกต์

Amazon มีรายงานการใช้งาน Kiro ภายใน โปรเจกต์หนึ่งเดิมต้องใช้นักพัฒนา 30 คนทำงาน 18 เดือน แต่เมื่อใช้ Kiro โปรเจกต์เดียวกันสามารถทำเสร็จได้ด้วยนักพัฒนาเพียง 6 คนภายใน 76 วัน นี่แสดงถึงการเพิ่มประสิทธิภาพที่แตกต่างอย่างชัดเจน เครื่องมือเดิมเพิ่มประสิทธิภาพได้แค่ 20-30% เท่านั้น

Kiro มี “Spec Mode” ด้วย ฟังก์ชันนี้ใช้เอกสาร Specification ที่เขียนด้วยภาษาธรรมชาติเป็น “Code ที่มีชีวิต” เอกสาร Specification จะกำหนดการ implement ของระบบ นักพัฒนาไม่ต้องเขียน logic โดยละเอียด นักพัฒนามุ่งเน้นไปที่การกำหนดพฤติกรรมและความต้องการของ module ส่วน Kiro จะสร้าง implementation ตาม specification Kiro จะรักษาความสอดคล้องให้

กลยุทธ์ Vertical Integration ด้วย Custom Silicon

การแพร่หลายของ AI Agent ทำให้ความต้องการทรัพยากรคำนวณเพิ่มขึ้นอย่างมาก โดยเฉพาะเวลา “คิด” ของ Agent จะนานกว่า Chatbot แบบเดิมมาก การลดต้นทุนการ inference จึงเป็นประเด็นสำคัญ การเพิ่ม Energy Efficiency ก็เป็นประเด็นสำคัญเช่นกัน

AWS ประกาศ “Trainium3” ซึ่งเป็นชิป AI Training รุ่นที่ 3 Trainium3 ใช้กระบวนการ 3nm Trainium3 มีประสิทธิภาพการคำนวณเพิ่มขึ้น 4.4 เท่าเมื่อเทียบกับ Trainium2 Memory Bandwidth เพิ่มขึ้น 4 เท่า Energy Efficiency เพิ่มขึ้น 4 เท่า การปรับปรุงเหล่านี้อาจทำให้เวลาในการ Training โมเดล AI ลดลงอย่างมีนัยสำคัญ

ที่น่าสนใจคือการประกาศเกี่ยวกับชิปรุ่นถัดไป “Trainium4” Trainium4 จะรองรับเทคโนโลยี “NVLink Fusion” ของ NVIDIA ด้วย ทำให้ชิป Trainium4 สามารถอยู่ใน Server Rack เดียวกับ GPU ของ NVIDIA ได้ ชิปทั้งสองสามารถสื่อสารกันด้วยความเร็วสูง AWS ใช้กลยุทธ์ที่พัฒนา Vertical Integration ของเทคโนโลยีตัวเอง AWS รองรับ Ecosystem ของ NVIDIA ไปพร้อมกันเพื่อความยืดหยุ่น

สำหรับ Workload ทั่วไป AWS ประกาศ “Graviton5” รุ่นที่ 5 Graviton5 มี 192 Core ต่อชิป Graviton5 มีประสิทธิภาพเพิ่มขึ้น 25% จากรุ่นก่อน ข้อเท็จจริงที่น่าสนใจคือลูกค้าอันดับต้นๆ ของ AWS 98% ใช้ Graviton แล้ว นี่แสดงว่ายุค Arm ในการคำนวณบน Cloud มาถึงแล้ว

Amazon Nova Family และการพัฒนาโมเดลเอง

AWS เน้นกลยุทธ์ Platform ที่ host โมเดลของบริษัทอื่นมาตลอด แต่ใน re:Invent 2025 AWS ได้เปิดตัว Foundation Model ที่พัฒนาเองอย่างเต็มรูปแบบ โมเดลนี้คือ “Amazon Nova” Family

โมเดลที่นวัตกรรมที่สุดคือ “Nova 2 Sonic” Sonic เป็น Speech-to-Speech Model Sonic ขจัด Latency หลายวินาทีจากกระบวนการ Pipeline แบบเดิม กระบวนการแบบเดิมคือ Speech Recognition → Text Processing → Speech Synthesis Sonic สามารถตอบสนองได้ภายในระดับ millisecond Sonic สามารถโต้ตอบได้ธรรมชาติเหมือนการสนทนาระหว่างมนุษย์ Sonic รองรับ “การแทรก”, “การตอบรับ”, และการแสดงอารมณ์

“Nova 2 Omni” เป็น Multimodal Model Omni ประมวลผลข้อความ, รูปภาพ, วิดีโอ, และเสียงด้วยโมเดลเดียว Omni สามารถรับ input เป็นวิดีโอประชุมยาวๆ ได้ Omni สามารถประมวลผลคำสั่งเช่น “แยก Action Item ที่ตัดสินใจในการประชุมและแนบภาพสไลด์ที่เกี่ยวข้องเพื่อสร้างรายงาน” ด้วย Prompt เดียว

การประกาศที่สำคัญทางเทคนิคและธุรกิจคือ “Nova Forge” Nova Forge เป็น Service ที่ให้บริษัทเข้าไปแทรกแซงกระบวนการ Training ของ Foundation Model ของ AWS ได้ บริษัทสามารถสร้างโมเดลเฉพาะของตัวเองได้ บริษัทสามารถเข้าถึง Checkpoint ของโมเดลในแต่ละขั้นตอนได้ ขั้นตอนเหล่านี้ได้แก่ Pre-training, Mid-training, Post-training บริษัทสามารถผสม Dataset ทั่วไปคุณภาพสูงของ AWS กับข้อมูลเฉพาะของบริษัทในอัตราส่วนที่ต้องการเพื่อ Re-training ได้ วิธีการนี้ทำให้สามารถสร้างโมเดลขนาดเล็กที่รักษา Intelligence ทั่วไปไว้ได้ โมเดลจะเข้าใจศัพท์เฉพาะและกระบวนการทำงานของบริษัทได้ลึกซึ้ง

การรองรับ Data Sovereignty “AWS AI Factories”

ข้อกำหนด Data Regulation ทางภูมิรัฐศาสตร์กำลังเพิ่มขึ้น ความต้องการด้านความมั่นคงแห่งชาติก็กำลังเพิ่มขึ้น ท่ามกลางสถานการณ์นี้ AWS ประกาศ “AWS AI Factories” AWS AI Factories เป็น Managed Service ที่ติดตั้ง AI Infrastructure ที่ AWS จัดการไว้ที่ Data Center On-premises ของลูกค้า AWS จะ Remote Operate เหมือนเป็นส่วนหนึ่งของ AWS Region

ตลาดเป้าหมายคือหน่วยงานราชการที่เกี่ยวกับความมั่นคงแห่งชาติ ตลาดเป้าหมายรวมถึงอุตสาหกรรมป้องกันประเทศ ตลาดเป้าหมายรวมถึงสถาบันการเงินและการแพทย์ที่มีข้อกำหนด Data Regulation เข้มงวด ตลาดเป้าหมายรวมถึง Telecom ที่ต้องการใช้ Data Center Asset ของตัวเอง Service นี้รับประกันว่าข้อมูลไม่ออกนอกพรมแดนหรือสถานที่ของบริษัท แต่บริษัทสามารถใช้บริการ Cloud Native AI Service ล่าสุดอย่าง Bedrock และ SageMaker ได้

ตัวอย่างแรกของกลยุทธ์นี้คือความร่วมมือกับ “HUMAIN” HUMAIN เป็นบริษัท AI ของซาอุดีอาระเบีย AWS จะสร้าง “AI Zone” ใน Data Center ในประเทศซาอุดีอาระเบีย AWS วางแผนติดตั้ง AI Chip สูงสุด 150,000 ชิป AWS แสดงนโยบายที่จะสร้าง AI Infrastructure แบบ “ผลิตในท้องถิ่น” Infrastructure นี้จะเหมาะกับข้อกำหนดและความต้องการทางการเมืองของแต่ละพื้นที่ AWS จะขยายไปยัง Global South ในอนาคต

ผลกระทบต่อบริษัทไทย

ความก้าวหน้าทางเทคนิคที่แสดงใน re:Invent 2025 อาจมีผลต่อกลยุทธ์ Cloud ของบริษัทที่ทำธุรกิจในไทย

การแพร่หลายของ AI Agent อัตโนมัติอย่าง Kiro อาจเปลี่ยนโครงสร้างอาชีพการพัฒนาซอฟต์แวร์ งานอย่างการแก้ Bug และการเขียน Test Code ที่ Junior Engineer รับผิดชอบในอดีตจะถูกทำอัตโนมัติโดย AI ทักษะที่ต้องการจาก Engineer จะเปลี่ยนไป Engineer ต้องมีทักษะ “การตรวจสอบผลงานของ AI Agent และการออกแบบ Architecture” แทนที่จะเป็น “การเขียนโค้ด”

Custom Silicon จะช่วยลดต้นทุนและเพิ่มประสิทธิภาพ การลดต้นทุนและการเพิ่มประสิทธิภาพจะทำให้อุปสรรคในการใช้ AI ลดลง โดยเฉพาะถ้าการใช้ Graviton5 แพร่หลายและ Cost Performance ของ Workload ทั่วไปดีขึ้น ต้นทุนการใช้ Cloud อาจลดลงได้

Service พัฒนาโมเดลเองอย่าง Nova Forge ให้ตัวเลือกในการสร้าง AI Asset ที่แตกต่าง บริษัทไม่ต้องเปิดเผยข้อมูลของบริษัทไปภายนอก บริษัทไทยสนใจ Data Sovereignty มากขึ้น วิธีการนี้อาจเป็นทางเลือกที่คุ้มค่าการพิจารณาสำหรับบริษัทไทย

Sovereign Cloud Solution อย่าง AWS AI Factories อาจเป็นทางเลือกใหม่ของการใช้ Cloud Service Service นี้เหมาะสำหรับสถาบันการเงินและหน่วยงานราชการที่มีข้อกำหนด Data Localization เข้มงวด อย่างไรก็ตาม ข้อมูลจะไม่ข้ามพรมแดนทางกายภาพ ข้อจำกัดนี้อาจทำให้การให้บริการแบบรวมกันทั่วโลกทำได้ยากขึ้น

BKK IT News มองว่าบริษัทที่ทำธุรกิจในไทยควรติดตามแนวโน้มเทคโนโลยีเหล่านี้และทบทวนกลยุทธ์ AI และ Cloud ของตัวเองอย่างเหมาะสม

รายการบทความอ้างอิง