ในปี 2026 เส้นทางปัญญาประดิษฐ์ของฮ่องกงแสดงให้เห็นถึงแนวโน้ม “ระเบิดความหนาแน่นสูง” หากพูดถึงแผนงบประมาณการคลังเมื่อเดือนที่แล้วที่กล่าวถึงแผนสนับสนุนกำลังการประมวลผล 3 พันล้านดอลลาร์ฮ่องกง เป็นการเติมเต็มเชื้อเพลิงให้กับอุตสาหกรรม แต่ในช่วงสองวันนี้ การค้นพบทางวิชาการสำคัญและการสนทนาเชิงอุตสาหกรรมระดับสูงที่เกิดขึ้นต่อเนื่อง เป็นสัญญาณว่าปัญญาประดิษฐ์ของฮ่องกงกำลังเร่งก้าวจาก “การวางโครงสร้างพื้นฐาน” ไปสู่ “การประยุกต์ใช้งาน” ในระดับลึก
เมื่อวานนี้ (3 มีนาคม) ขณะที่นักวิเคราะห์ส่วนใหญ่ยังคงจับตามองการเพิ่มพลังการประมวลผลของ GPU รุ่นล่าสุดของ NVIDIA หรือการเปิดตัวโมเดลทั่วไปที่มีพารามิเตอร์น่าตื่นตาตื่นใจของ OpenAI ทีมงานของรองอธิการบดีฝ่ายวิชาการของ HKUST (Prof. Guo Yike) นำโดย Prof. Guo ได้ปล่อยระเบิดทางวิชาการระดับรุนแรง—GrainBot
นี่ไม่ใช่แค่เครื่องมือ AI ใหม่ แต่เป็นตัวอย่างที่ชัดเจนของ “AI for Science” (AI4S) ที่เปลี่ยนจากแนวคิดสู่การใช้งานในอุตสาหกรรมอย่างเป็นรูปธรรม ในฐานะผู้สังเกตการณ์ที่ติดตามเทคโนโลยีเชิงปริมาณและเทคโนโลยีลึก (Deep Tech) มานาน ผมมองว่า การปรากฏตัวของ GrainBot เป็นสัญญาณว่าจุดเน้นของการพัฒนา AI ของฮ่องกงกำลังเปลี่ยนจาก “การสนทนาทั่วไป” ไปสู่ “การค้นพบเชิงเฉพาะด้าน” สำหรับผู้ประกอบการด้านการเงิน การเข้าใจตรรกะเบื้องหลัง GrainBot คือการเข้าใจว่า อะไรคือ Alpha ของการลงทุนเทคโนโลยีขั้นสูงในอีก 5 ปีข้างหน้า
(ภาพประกอบ: analyticalscience.wiley.com)
เพื่อเข้าใจคุณค่าของ GrainBot เราต้องเริ่มจากการเข้าใจ “จุดเจ็บปวด” ของวิทยาศาสตร์วัสดุศาสตร์
ในอุตสาหกรรมชั้นสูง เช่น เซมิคอนดักเตอร์ แบตเตอรี่พลังงานใหม่ และแผงโซลาร์เซลล์ คุณสมบัติของวัสดุเป็นตัวกำหนดความสำเร็จหรือความล้มเหลวของผลิตภัณฑ์ และคุณสมบัติของวัสดุ—ไม่ว่าจะเป็นการนำไฟฟ้า ความแข็งแรง หรือความทนทานต่อการกัดกร่อน—ขึ้นอยู่กับโครงสร้างจุลภาคของมัน ซึ่งประกอบด้วย “เม็ดคริสตัล” (Grains) ขนาด รูปร่าง และการกระจายตัว เป็นเวลานาน นักวิทยาศาสตร์วัสดุเปรียบเสมือนช่างฝีมือที่ใช้กล้องจุลทรรศน์แบบสแกน (SEM) หรือกล้องจุลทรรศน์แรงอะตอม (AFM) ถ่ายภาพเป็นพันภาพ แล้วใช้เวลานับร้อยชั่วโมงในการระบุและวาดเส้นขอบของแต่ละเม็ดคริสตัลด้วยมือ ซึ่งทั้งช้าและเต็มไปด้วยความผิดพลาดจากอคติของมนุษย์
การปรากฏตัวของ GrainBot จึงเป็นการติดตั้ง “สมองอัตโนมัติระดับ L4” ให้กับกล้องจุลทรรศน์
จากงานวิจัยล่าสุดในวารสารหลักของ Cell Press ชื่อ “Matter” GrainBot ใช้เทคโนโลยีการมองเห็นด้วยคอมพิวเตอร์ (CV) และการเรียนรู้เชิงลึก (Deep Learning) ขั้นสูง สามารถทำการแบ่งภาพ การสกัดคุณลักษณะ และการวิเคราะห์เชิงปริมาณโดยอัตโนมัติ ไม่ต้องการการแทรกแซงจากมนุษย์อีกต่อไป มันสามารถระบุขอบเขตของเม็ดคริสตัลได้อย่างแม่นยำ คำนวณพื้นที่ผิว รูปร่างของร่องรอย และปริมาตรของวัตถุที่ซับซ้อน
ที่สำคัญ GrainBot ไม่ใช่แค่ “เครื่องนับ” แต่ยังมีความสามารถในการวิเคราะห์ความสัมพันธ์ ซึ่งสามารถเชื่อมโยงข้อมูลโครงสร้างจุลภาคกับสมรรถนะเชิงกลของวัสดุได้ ในการทดสอบกับฟิล์มแคลเซียมทาเทต (Perovskite) ซึ่งเป็นวัสดุสำคัญสำหรับเซลล์แสงอาทิตย์ประสิทธิภาพสูงรุ่นใหม่ GrainBot สร้างฐานข้อมูลที่ประกอบด้วยเม็ดคริสตัลที่ถูกทำเครื่องหมายหลายพันชิ้น และเปิดเผยความสัมพันธ์ระหว่างโครงสร้างและสมรรถนะที่ก่อนหน้านี้ยากจะวัดผลได้ คำพูดของ Prof. Guo ในงานแถลงข่าวมีความล่วงหน้าอย่างมาก: “เมื่อเวิร์กโฟลว์ทางวิทยาศาสตร์กลายเป็นอัตโนมัติและข้อมูลหนาแน่น เครื่องมือเช่นนี้จะกลายเป็นกลไกสำคัญของ ‘ห้องปฏิบัติการอิสระ’ ในอนาคต”
สำหรับนักลงทุน การเกิดขึ้นของผลลัพธ์เช่น GrainBot หมายความว่า เราต้องปรับโมเดลการประเมินมูลค่าของ AI ใหม่ ในสองปีที่ผ่านมา (2024-2025) ตลาดเน้นการประเมินค่าของ “โมเดลใหญ่ทั่วไป” และ “ซอฟต์แวร์ในระดับแอปพลิเคชัน” โดยดูจาก MAU (ผู้ใช้งานรายเดือน) ARR (รายได้ประจำปี) และการใช้ Token อย่างไรก็ตาม เมื่อผลตอบแทนของโมเดลทั่วไปลดลง นักลงทุนก็เริ่มมองหาโอกาสใหม่ AI for Science (AI4S) ให้คุณค่าแตกต่างออกไป: ไม่ใช่แค่ “ให้บริการใครกี่คน” แต่เป็น “ลดระยะเวลาการวิจัยและพัฒนา” และ “ค้นพบวัสดุใหม่ๆ” เท่านั้น
ตัวอย่างเช่น หาก GrainBot สามารถลดระยะเวลาการพัฒนาเซลล์แสงอาทิตย์ Perovskite จาก 3 ปี เหลือเพียง 6 เดือน หรือช่วยให้บริษัท CATL ค้นพบวัสดิเบื้องต้นใหม่ที่เพิ่มความหนาแน่นพลังงาน 10% มูลค่าทางเศรษฐกิจที่เกิดขึ้นจะเป็นแบบทวีคูณ
นี่คือแนวคิด “ทรัพย์สินทางปัญญาเชิงอุตสาหกรรม” อนาคตของยูนิคอร์น AI อาจไม่ใช่บริษัทที่พัฒนาระบบแชท แต่เป็นบริษัทที่ครอบครองข้อมูลและอัลกอริธึมเฉพาะด้านในอุตสาหกรรม เช่น วัสดุ ชีวเวชศาสตร์ เคมี ที่สามารถผลิตสิทธิบัตรจำนวนมากในเชิงปริมาณ
ในแนวคิดนี้ จุดแข็งของมหาวิทยาลัยในฮ่องกงจะถูกขยายความได้อย่างมาก แตกต่างจากซิลิคอนแวลลีย์ที่เน้นซอฟต์แวร์และวิศวกร ฮ่องกงมีความหนาแน่นของนักวิทยาศาสตร์ด้านวัสดุ เคมี และชีวเวชศาสตร์สูงมาก ความสำเร็จของ HKUST ในครั้งนี้เป็นผลจากการบูรณาการเชิงลึกระหว่างวิทยาการคอมพิวเตอร์ (ทีมของ Prof. Guo) กับวิศวกรรมเคมี (ทีมของ Prof. Zhou Yuanyuan) ซึ่งเป็นการผสมผสาน “AI + Domain Knowledge” ที่เป็นอุปสรรคที่บริษัทอินเทอร์เน็ตธรรมดาไม่สามารถลอกเลียนแบบได้
GrainBot ไม่ใช่ตัวอย่างเดียว หากมองในภาพรวม ฮ่องกงกำลังสร้างแนวคิดใหม่ของงานวิจัยแบบ “ห้องปฏิบัติการอิสระ” ซึ่งใช้เทคโนโลยีหุ่นยนต์และ AI ในการออกแบบ ทดลอง วิเคราะห์ข้อมูล และปรับปรุงซ้ำในกระบวนการอัตโนมัติเต็มรูปแบบ ในวงจรปิดนี้ AI (เช่น GrainBot) รับผิดชอบ “มอง” และ “คิด” ส่วนหุ่นยนต์รับผิดชอบ “ทำ” แนวโน้มนี้มีความสำคัญต่อการเปลี่ยนแปลงโครงสร้างเศรษฐกิจของฮ่องกงอย่างลึกซึ้ง เดิมทีฮ่องกงถูกมองเป็นศูนย์กลางการเงินและท่าเรือ แต่ในด้านการวิจัยและพัฒนาที่เป็นเทคโนโลยีขั้นสูง มักถูกมองว่าขาด “ขา” อย่างไรก็ตาม เมื่อเข้าสู่ยุค AI4S รูปแบบการวิจัยเปลี่ยนไป—กลายเป็นดิจิทัลและอัจฉริยะมากขึ้น ฮ่องกงไม่จำเป็นต้องมีพื้นที่กว้างขวางเหมือนจีนแผ่นดินใหญ่ในการสร้างโรงงาน เพียงแค่ใช้ประโยชน์จากโครงสร้างพื้นฐานด้านการคำนวณและสมองวิจัยชั้นนำ ก็สามารถเป็นศูนย์กลางการสร้างสูตรวัสดุใหม่ระดับโลกได้
ลองจินตนาการดูว่า สวนวิทยาศาสตร์ฮ่องกงในอนาคตอาจไม่ใช่แค่ตึกสำนักงาน แต่เต็มไปด้วย “ห้องปฏิบัติการไร้คน” ที่ทำงานตลอด 24 ชั่วโมง พวกมันจะดูดซับข้อมูลอย่างต่อเนื่อง วิเคราะห์ผลด้วย GrainBot แล้วปรับแต่งพารามิเตอร์การทดลองโดยอัตโนมัติ สุดท้ายก็ออกสิทธิบัตรสูตรวัสดุที่มีมูลค่าสูง ซึ่งสามารถให้สิทธิ์การผลิตแก่โรงงานในเขตความร่วมมือเขียว (Greater Bay Area) นี่คือเวอร์ชัน 2.0 ของ “การวิจัยและพัฒนาของฮ่องกง + การผลิตในเขตความร่วมมือเขียว”
แน่นอน ในฐานะนักวิเคราะห์ที่มีเหตุผล เรายังต้องตระหนักถึงปัญหาและความกังวล
อุปสรรคสำคัญของ AI for Science ยังคงเป็นข้อมูล ข้อมูลคุณภาพสูง เช่น ภาพถ่ายกล้องจุลทรรศน์ที่มีการทำเครื่องหมายอย่างสมบูรณ์หายากกว่าข้อมูลบนอินเทอร์เน็ตมาก การที่ GrainBot ประสบความสำเร็จได้ ก็เพราะทีมลงทุนแรงในการสร้างชุดข้อมูลคุณภาพสูงในเบื้องต้น นอกจากนี้ ปัญหา “เกาะข้อมูล” ของข้อมูลวิทยาศาสตร์ก็รุนแรงกว่าข้อมูลบนอินเทอร์เน็ต ทุกบริษัทวัสดุและห้องปฏิบัติการต่างก็เก็บข้อมูลเป็นความลับ การสร้างกลไกการแบ่งปันข้อมูลอย่างปลอดภัย (อาจผสมผสานเทคโนโลยี Web3 หรือการคำนวณความเป็นส่วนตัว) เพื่อให้โมเดล AI ได้รับข้อมูลจากหลายแหล่งอย่างปลอดภัย เป็นกุญแจสำคัญต่อการทำให้เกิดการใช้งานเชิงพาณิชย์ในอนาคต
ในฤดูใบไม้ผลิปี 2026 เมื่อเรายืนอยู่ในมหาวิทยาลัย HKUST มองลงไปที่อ่าวใสสะอาด สิ่งที่เห็นไม่ใช่แค่ทิวทัศน์ แต่เป็นการเปลี่ยนแปลงของแนวคิดการวิจัยและพัฒนา
การเปิดตัว GrainBot เป็นสัญลักษณ์ของการผสมผสานระหว่าง “จิตวิญญาณแฮกเกอร์” (การพัฒนาอย่างรวดเร็ว ขับเคลื่อนด้วยอัลกอริธึม) กับ “จิตวิญญาณช่างฝีมือ” (การสังเกตอย่างละเอียด การปรับแต่งวัสดุ) สำหรับนักลงทุน จุดสนใจไม่ควรจำกัดอยู่แค่ใครมีการ์ด NVIDIA มากที่สุด แต่ควรมองว่าใครสามารถใช้ AI แก้ปัญหาในโลกฟิสิกส์ที่เฉพาะเจาะจงที่สุดได้
ในเส้นทางใหม่นี้ ฮ่องกงได้เปิดหัวไว้ดีแล้ว GrainBot อาจเป็นเพียงจุดเริ่มต้น ในสนามการค้นพบวัสดุด้วย AI ที่มีมูลค่าตามหลักเศรษฐศาสตร์ระดับแสนล้านดอลลาร์ กำลังค่อยๆ ขยายตัวออกไป
