- 30
- มีนาคม
DeepSeek Series EP.1 — ตั้งแต่ต้นปี 2568 วงการ AI โลกถูกเขย่าครั้งใหญ่โดย DeepSeek บริษัท AI จากประเทศจีนที่แทบไม่มีใครรู้จักมาก่อน แต่กลับสร้างโมเดล AI ที่ทำผลงานเทียบเท่า GPT-4 ด้วยงบเพียงเศษเสี้ยว จนหุ้น NVIDIA ร่วงลง 600,000 ล้านดอลลาร์ในวันเดียว ทำให้สื่อทั่วโลกเปรียบเป็น "Sputnik Moment" ของวงการ AI บทความนี้เป็น EP.1 ของ DeepSeek Series ที่จะพาคุณรู้จัก DeepSeek ตั้งแต่พื้นฐาน — คือใคร มาจากไหน ทำอะไรได้ และองค์กรไทยควรใช้หรือไม่?
สรุปสั้น — DeepSeek คืออะไร?
- DeepSeek คือบริษัท AI สัญชาติจีน ก่อตั้งเดือนกรกฎาคม 2566 โดย Liang Wenfeng (เหลียง เหวินเฟิง)
- โมเดลหลัก: DeepSeek-V3 (671B params) และ DeepSeek-R1 (Reasoning model)
- Open-source ภายใต้ MIT License — ดาวน์โหลดไปรันเองได้ฟรี
- ราคา API ถูกกว่า GPT 10-50 เท่า
- Train โมเดล V3 ด้วยงบเพียง $5.6 ล้าน (GPT-4 ใช้ $100 ล้าน+)
- เคยขึ้น อันดับ 1 App Store สหรัฐฯ (มกราคม 2568)
DeepSeek คือใคร? — ที่มาและผู้ก่อตั้ง
DeepSeek (深度求索) เป็นบริษัท AI ที่ก่อตั้งขึ้นในเดือน กรกฎาคม 2566 โดย Liang Wenfeng (เหลียง เหวินเฟิง, 梁文锋) นักธุรกิจชาวจีนวัย 40 ต้นๆ ที่เป็นเจ้าของ High-Flyer (幻方量化) กองทุนเฮดจ์ฟันด์ที่ใช้ AI และ Quantitative Trading ในการลงทุน ซึ่งบริหารสินทรัพย์มูลค่ากว่า 8,000 ล้านดอลลาร์
สำนักงานใหญ่ของ DeepSeek ตั้งอยู่ที่เมือง หางโจว (Hangzhou) มณฑลเจ้อเจียง ประเทศจีน Liang Wenfeng ถือหุ้นใน DeepSeek ประมาณ 84% ผ่าน shell corporations หลายชั้น ทำให้เขาเป็นผู้ควบคุมบริษัทอย่างแท้จริง
จุดเริ่มต้นของ DeepSeek มาจากการที่ High-Flyer ตั้ง AGI Lab ภายในบริษัท ตั้งแต่เดือนเมษายน 2566 เพื่อวิจัย Artificial General Intelligence (AGI) ก่อนที่จะแยกตัวออกมาเป็นบริษัทอิสระในเดือนกรกฎาคมปีเดียวกัน สิ่งที่น่าสนใจคือ Liang ประกาศชัดเจนว่า DeepSeek ไม่ได้มุ่งหวังรายได้ในระยะสั้น แต่มีเป้าหมายระยะยาวคือ การสร้าง AGI — ปัญญาประดิษฐ์ระดับทั่วไปที่คิดได้เหมือนมนุษย์ ซึ่งเป็นเป้าหมายเดียวกับ OpenAI และ บริษัท AI ชั้นนำอื่นๆ
Timeline: จากศูนย์สู่ผู้ท้าชิง
DeepSeek ใช้เวลาเพียง 2 ปี จากบริษัทที่ไม่มีใครรู้จัก กลายเป็นหนึ่งในผู้เล่นสำคัญที่สุดของวงการ AI โลก นี่คือ Timeline สำคัญ:
| เวลา | เหตุการณ์ | ความสำคัญ |
|---|---|---|
| เม.ย. 2566 | ตั้ง AGI Lab ภายใน High-Flyer | จุดเริ่มต้นการวิจัย AI |
| ก.ค. 2566 | ก่อตั้งบริษัท DeepSeek อย่างเป็นทางการ | แยกตัวจาก High-Flyer เป็นบริษัทอิสระ |
| พ.ย. 2566 | เปิดตัว DeepSeek Coder, LLM, Chat | โมเดลชุดแรก — เริ่มเป็นที่รู้จักในวงการ |
| พ.ค. 2567 | DeepSeek-V2 เปิดตัว | ดังในจีน ราคาถูกมาก จุดชนวน "สงครามราคา AI" |
| ธ.ค. 2567 | DeepSeek-V3 เปิดตัว | 671B params, MoE architecture, train งบ $5.6M เท่านั้น |
| ม.ค. 2568 | DeepSeek-R1 + เปิดตัว Chatbot | Reasoning model, ขึ้น #1 App Store สหรัฐฯ, หุ้น NVIDIA ร่วง $600B |
| มี.ค. 2568 | DeepSeek-V3-0324 (อัพเดท) | ปรับปรุงประสิทธิภาพ V3 |
| พ.ค. 2568 | DeepSeek-R1-0528 (อัพเดท) | ปรับปรุง Reasoning capabilities |
| ส.ค. 2568 | DeepSeek-V3.1 (Hybrid V3+R1) | รวมความสามารถ V3 และ R1 เข้าด้วยกัน |
| พ.ย. 2568 | DeepSeek-V3.2 (Sparse Attention) | เทคนิคใหม่ ประหยัดหน่วยความจำ ประมวลผลเร็วขึ้น |
| 2569 | รอ DeepSeek V4 | ยังไม่เปิดตัว ณ มีนาคม 2569 — แต่มีข่าวลือว่าจะเป็น คู่แข่ง GPT-5.4 |
ทำไม DeepSeek ถึงดังระเบิด?
DeepSeek ไม่ใช่บริษัท AI จีนบริษัทแรก แต่เป็นบริษัทแรกที่ทำให้ Silicon Valley ต้อง "ตื่น" มาสนใจ AI จากจีนอย่างจริงจัง มี 4 เหตุผลหลักที่ทำให้ DeepSeek ดังระเบิดไปทั่วโลก:
1. ราคาถูกสุดขีด
DeepSeek Train โมเดล V3 (671 พันล้าน Parameters) ด้วยงบเพียง $5.6 ล้าน ในขณะที่ GPT-4 ของ OpenAI ใช้งบประมาณ $100 ล้าน+ นอกจากนี้ ราคา API ของ DeepSeek ยังถูกกว่า GPT 10-50 เท่า — Input Token ราคาเพียง $0.10-$0.55 ต่อ 1 ล้าน Tokens เทียบกับ GPT ที่ $2.00-$15.00 การเปิดตัวนี้ทำให้เกิดคำถามใหญ่: "ถ้า AI ระดับโลกสร้างได้ด้วยงบน้อยขนาดนี้ ทำไมบริษัท AI ในอเมริกาถึงใช้เงินหลายพันล้าน?"
2. Open-source ภายใต้ MIT License
DeepSeek เลือกเปิดเผย Model Weights ทั้งหมดภายใต้ MIT License ซึ่งเป็นสัญญาอนุญาตที่เปิดกว้างที่สุด — ใครก็ดาวน์โหลดไปรัน ปรับแต่ง หรือใช้เชิงพาณิชย์ได้ฟรี ต่างจาก ChatGPT และ Claude ที่เป็น Closed-source ทั้งคู่ สิ่งนี้ทำให้ DeepSeek ได้รับความนิยมจากนักพัฒนาทั่วโลก โดยเฉพาะองค์กรที่ต้องการ ควบคุมความปลอดภัยของข้อมูล ด้วยการรันโมเดลบนเซิร์ฟเวอร์ของตนเอง
3. ทำได้ทั้งที่โดน Sanctions
สหรัฐอเมริกาห้ามส่งออกชิป AI ระดับสูง (เช่น NVIDIA H100, A100) ไปจีนตั้งแต่ปี 2565 แต่ DeepSeek กลับสามารถสร้างโมเดลระดับโลกได้ด้วยชิปรุ่นเก่ากว่า (NVIDIA H800 ซึ่งเป็นรุ่นที่ถูก Nerf ลงสำหรับตลาดจีน) โดยใช้เทคนิค Mixture of Experts (MoE) และ FP8 Mixed Precision Training เพื่อลดความต้องการทรัพยากร สิ่งนี้พิสูจน์ว่า Sanctions อาจไม่ได้ผลอย่างที่คาด
4. Sputnik Moment — เขย่าตลาดหุ้น
วันที่ 27 มกราคม 2568 หลัง DeepSeek-R1 เปิดตัวและขึ้นอันดับ 1 บน App Store สหรัฐฯ หุ้น NVIDIA ร่วงลง $593,000 ล้าน (593 Billion USD) ในวันเดียว ซึ่งเป็นการร่วงครั้งใหญ่ที่สุดในประวัติศาสตร์ตลาดหุ้นสหรัฐฯ สื่อหลายสำนักเปรียบเหตุการณ์นี้กับ "Sputnik Moment" — ช่วงที่สหภาพโซเวียตส่งดาวเทียมดวงแรกขึ้นสู่อวกาศก่อนสหรัฐฯ ในปี 1957 ทำให้เกิดการแข่งขันทางอวกาศ ครั้งนี้เป็นจุดเริ่มต้นของ "การแข่งขัน AI ระหว่างมหาอำนาจ" อย่างแท้จริง ซึ่งส่งผลกระทบต่อทั้ง AI Governance และนโยบายเทคโนโลยีทั่วโลก
ตารางเปรียบเทียบ — DeepSeek vs ChatGPT vs Claude
เพื่อให้เห็นภาพชัดเจน ลองเปรียบเทียบ DeepSeek กับ AI ชั้นนำอื่นๆ ที่องค์กรไทยนิยมใช้:
| หัวข้อ | DeepSeek | ChatGPT | Claude |
|---|---|---|---|
| บริษัท | DeepSeek (จีน) | OpenAI (สหรัฐฯ) | Anthropic (สหรัฐฯ) |
| โมเดลล่าสุด | V3.2 / R1 | GPT-5.4 | Claude Opus 4.6 |
| Open-source | MIT License | Closed | Closed |
| ราคา API (Input/1M tokens) | $0.10-$0.55 | $2.00-$15.00 | $3.00-$15.00 |
| Reasoning | R1 (Chain-of-Thought) | GPT-5.4 Thinking | Claude Extended Thinking |
| ข้อมูลเก็บที่ | จีน 🇨🇳 | สหรัฐฯ 🇺🇸 | สหรัฐฯ 🇺🇸 |
| Self-host ได้ | ได้ | ไม่ได้ | ไม่ได้ |
จากตารางจะเห็นว่า DeepSeek มีจุดแข็งที่ชัดเจน 2 ด้าน คือ ราคาถูก และ Open-source แต่ก็มีข้อควรระวังเรื่องที่ตั้งของข้อมูล สำหรับรายละเอียดการเปรียบเทียบเชิงลึกกับโมเดลล่าสุด สามารถอ่านเพิ่มเติมได้ที่ บทความเปรียบเทียบ AI Model
โมเดลหลักของ DeepSeek — รู้จักแต่ละตัว
DeepSeek-V3 — โมเดลภาษาหลัก
DeepSeek-V3 คือโมเดลภาษาหลัก (Large Language Model) ขนาด 671 พันล้าน Parameters ที่ใช้สถาปัตยกรรม Mixture of Experts (MoE) โดยแต่ละ Token จะถูกประมวลผลด้วย Expert เพียง 32 พันล้าน Parameters (จากทั้งหมด 671B) ทำให้ประหยัดพลังงานและเร็วกว่าโมเดลแบบ Dense ทั้งที่มี Parameter มากกว่า V3 เก่งรอบด้าน ทั้งเขียน สรุป วิเคราะห์ และเขียนโค้ด
DeepSeek-R1 — Reasoning Model "คิดก่อนตอบ"
DeepSeek-R1 เป็น Reasoning model ที่ได้รับการฝึกด้วย Reinforcement Learning (RL) ให้ "คิดเป็นขั้นตอน" ก่อนตอบคำถาม R1 จะแสดง Thinking Process ให้ผู้ใช้เห็นว่ากำลังคิดอะไรอยู่ เหมือน GPT-5.4 Thinking หรือ Claude Extended Thinking สิ่งที่น่าทึ่งคือ DeepSeek ค้นพบว่า Reasoning สามารถ "เกิดขึ้นเองตามธรรมชาติ" (Emergent) จาก RL โดยไม่ต้องสอนแบบ Supervised เป็นการค้นพบที่สร้างความตื่นเต้นในวงการ AI Research
DeepSeek Coder — เฉพาะทางเขียนโค้ด
DeepSeek Coder เป็นโมเดลเฉพาะทางสำหรับงานเขียนโค้ด รองรับภาษาโปรแกรมมากกว่า 80 ภาษา ทำผลงานใน Coding benchmarks ได้เทียบเท่า GPT-4 เหมาะสำหรับนักพัฒนาที่ต้องการ AI ช่วยเขียนโค้ดโดยเฉพาะ
DeepSeek-V3.1 / V3.2 — อัพเกรดรุ่นใหม่
DeepSeek-V3.1 (สิงหาคม 2568) เป็นโมเดล Hybrid ที่รวมความสามารถของ V3 และ R1 เข้าด้วยกัน — สามารถ "คิด" ได้เมื่อต้องการ แต่ยังตอบเร็วเมื่อคำถามไม่ซับซ้อน ส่วน V3.2 (พฤศจิกายน 2568) เพิ่มเทคนิค Sparse Attention ที่ช่วยประหยัดหน่วยความจำและประมวลผลเร็วขึ้น — ซึ่งเป็นเทรนด์เดียวกับที่ Agentic AI กำลังพัฒนาไป
ความเสี่ยงที่ต้องรู้
ความเสี่ยงสำคัญของ DeepSeek ที่ต้องพิจารณา:
- ข้อมูลเก็บในจีน: หากใช้ DeepSeek API (ไม่ได้ Self-host) ข้อมูลทั้งหมดจะถูกส่งไปเซิร์ฟเวอร์ในจีน ซึ่งอยู่ภายใต้กฎหมาย National Intelligence Law 2017 ของจีน — รัฐบาลจีนสามารถเรียกดูข้อมูลได้ตามกฎหมาย
- ถูกแบนในหลายประเทศ: อิตาลีแบนเพราะ GDPR, ออสเตรเลียแบนในอุปกรณ์ราชการ, ไต้หวันห้ามใช้ในหน่วยงานรัฐ, กองทัพเรือสหรัฐฯ ห้ามใช้
- รูรั่วด้านความปลอดภัย: Wiz Research พบว่า DeepSeek เคยมี ฐานข้อมูลเปิดสาธารณะ ที่มีข้อมูลกว่า 1 ล้าน records รวมถึง Chat History, API Keys และ Logs — แม้จะแก้ไขแล้ว แต่สะท้อนถึงมาตรฐาน ความปลอดภัยไซเบอร์ ที่ยังต้องปรับปรุง
- Censorship: DeepSeek ไม่ตอบคำถามที่รัฐบาลจีนเซ็นเซอร์ เช่น เหตุการณ์เทียนอันเหมิน สถานะไต้หวัน ประเด็นทิเบต ฯลฯ ซึ่งอาจส่งผลต่อความน่าเชื่อถือในงานวิจัยบางประเภท
- ยังถูกโจมตีทางไซเบอร์: DeepSeek เคยล่มนานถึง 7 ชั่วโมง จากการโจมตี DDoS ซึ่งเป็นความเสี่ยงสำหรับองค์กรที่พึ่งพา API
DeepSeek กับองค์กรไทย — ใช้ได้ไหม?
คำตอบสั้นๆ คือ ใช้ได้ แต่ต้องระวัง โดยเฉพาะเรื่อง Data Privacy และ PDPA (พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล) สำหรับองค์กรไทยที่กำลังพิจารณาใช้ DeepSeek ลองแบ่งตามกรณีใช้งาน:
เหมาะใช้:
- งาน Internal ที่ไม่มีข้อมูลความลับ เช่น สรุปบทความ แปลภาษา เขียนโค้ดทั่วไป
- ทดลองใช้ AI ในราคาถูก สำหรับ SME ที่มีงบจำกัด
- Self-host — ดาวน์โหลด Model มารันบนเซิร์ฟเวอร์ขององค์กรเอง ข้อมูลไม่ออกนอกองค์กร
- งาน R&D / Prototype ที่ยังไม่ใช่ Production
ไม่เหมาะใช้:
- ประมวลผลข้อมูลลูกค้า ข้อมูลส่วนบุคคล (ละเมิด PDPA)
- ข้อมูลการเงิน งบการเงิน ข้อมูลธุรกรรม
- องค์กรที่มี Compliance เข้มงวด เช่น ธนาคาร ประกันภัย หน่วยงานราชการ
- งานที่ต้องการความถูกต้อง 100% โดยเฉพาะด้านกฎหมายและการแพทย์
สำหรับองค์กรที่ต้องการ AI ช่วยในระบบ ERP — ไม่ว่าจะเป็นการวิเคราะห์ข้อมูล สร้างรายงาน หรือ ใช้ AI ช่วยงานบัญชี — ควรเลือก AI ที่มี Compliance ชัดเจน เก็บข้อมูลในประเทศ หรืออย่างน้อยมี Data Processing Agreement (DPA) ที่ชัดเจน ซึ่งปัจจุบัน DeepSeek ยังไม่มี DPA แบบที่ OpenAI หรือ Anthropic มีให้
DeepSeek Series — อ่านต่อ
DeepSeek Series — 5 ตอนรู้ลึก AI จากจีน:
- EP.1: DeepSeek คืออะไร? — AI จีนที่เขย่าวงการโลก (บทความนี้)
- EP.2: Mixture of Experts — เทคนิคที่ทำให้ถูก 10 เท่า
- EP.3: ความเสี่ยง AI จากจีน — สิ่งที่องค์กรไทยต้องรู้
- EP.4: รัน DeepSeek ในองค์กรเอง — คุ้มไหม?
- EP.5: ใช้ DeepSeek ช่วยงาน ERP ได้จริงไหม?
DeepSeek พิสูจน์แล้วว่า AI ระดับโลกไม่จำเป็นต้องแพง — แต่คำถามสำหรับองค์กรไทยคือ "ถูกพอจะคุ้มค่าความเสี่ยงหรือไม่?"
- ทีมงาน Saeree ERP
