- 30
- มีนาคม
Sora — AI สร้างวิดีโอจาก OpenAI ที่เคยทำให้ทั้งโลกตื่นเต้น ประกาศปิดตัวอย่างเป็นทางการ เมื่อ 24 มีนาคม 2569 โดยจะปิด API ภายใน 30 วัน เหตุผลหลักคือ "unsustainable inference costs" — ต้นทุนการประมวลผลสูงจนไม่คุ้มค่าทางธุรกิจ จากผลิตภัณฑ์ที่เคยถูกเรียกว่า "การปฏิวัติวงการวิดีโอ" กลายเป็นบทเรียนราคาแพงว่า ไม่ใช่ทุก AI ที่จะอยู่รอดได้
สรุปสั้น: Sora คืออะไร? แล้วทำไมถึงปิด?
Sora เป็น AI สร้างวิดีโอจากข้อความ (text-to-video) ของ OpenAI เปิดตัวในเดือนกุมภาพันธ์ 2568 สามารถสร้างวิดีโอคุณภาพสูงจากคำอธิบายไม่กี่บรรทัด แต่ต้นทุนการ generate วิดีโอแต่ละครั้งสูงมาก (ต้องใช้ GPU จำนวนมหาศาล) เมื่อ user ใช้งานจริงไม่คุ้มค่า + ต้นทุนไม่สามารถลดลงได้เร็วพอ OpenAI จึงตัดสินใจปิดบริการ และย้าย compute ไปให้ทีม robotics แทน
Sora คืออะไร? — ทำความเข้าใจ AI สร้างวิดีโอ
Sora ใช้เทคโนโลยี Diffusion Transformer ซึ่งเป็นการผสมผสานระหว่าง Diffusion Model (ที่ใช้สร้างภาพอย่าง DALL-E) กับ Transformer Architecture (ที่ใช้ใน ChatGPT) เพื่อสร้างวิดีโอที่ต่อเนื่องและสมจริง
สิ่งที่ทำให้ Sora แตกต่างจากคู่แข่งอย่าง Runway, Pika หรือ Kling คือ
- ความยาวสูงสุด 60 วินาที — ในขณะที่คู่แข่งส่วนใหญ่ทำได้แค่ 4-10 วินาที
- ความสมจริงระดับสูง — เข้าใจฟิสิกส์พื้นฐาน เช่น น้ำไหล แสงสะท้อน การเคลื่อนไหวของคน
- ความต่อเนื่องของฉาก — วัตถุในวิดีโอไม่หายไประหว่างเฟรม
- รองรับหลายมุมกล้อง — สามารถกำหนดมุมกล้อง ซูม แพนได้ในคำสั่งเดียว
แต่ความสามารถเหล่านี้มาพร้อมกับ ต้นทุนการประมวลผลที่สูงมหาศาล เพราะการสร้างวิดีโอ 1 นาที ต้องประมวลผลภาพหลายพันเฟรม (24-60 fps) แต่ละเฟรมต้องผ่าน diffusion process หลายรอบ ใช้ GPU ระดับ H100 จำนวนมากพร้อมกัน
Timeline: จาก Hype สู่ Shutdown — เรื่องราวทั้งหมดภายใน 14 เดือน
| ช่วงเวลา | เหตุการณ์ |
|---|---|
| ก.พ. 2568 | เปิดตัว Sora — OpenAI ปล่อยตัวอย่างวิดีโอที่สร้างจาก AI ทั่วโลกตื่นเต้น สื่อเรียกว่า "game changer" ของวงการ |
| มี.ค.-พ.ค. 2568 | Closed beta — เปิดให้ Red Team และศิลปินบางกลุ่มทดสอบ ผลตอบรับด้านคุณภาพดีมาก แต่เริ่มมีเสียงเรื่องราคา |
| มิ.ย. 2568 | เปิด API สำหรับ ChatGPT Plus — ผู้ใช้ Plus ($20/เดือน) สร้างได้ 5 วิดีโอ/เดือน, Pro ($200/เดือน) ได้ 50 วิดีโอ — ข้อจำกัดต่ำกว่าที่ตลาดคาด |
| ก.ค.-ส.ค. 2568 | เปิด API สำหรับ developer — ราคาเริ่มต้นที่ ~$0.50-5.00 ต่อนาทีของวิดีโอ ขึ้นกับความละเอียดและความยาว — แพงกว่า text API หลายร้อยเท่า |
| ก.ย.-พ.ย. 2568 | ใช้งานจริงน้อยกว่าคาด — ธุรกิจส่วนใหญ่ลองแล้วไม่ใช้ต่อเพราะต้นทุนต่อวิดีโอสูงเกินไป คู่แข่งราคาถูกกว่าเริ่มไล่ตาม |
| ธ.ค. 2568 | OpenAI restructure ภายใน — มีข่าวรั่วว่ากำลังพิจารณาลดขนาดทีม Sora และย้ายทรัพยากรไป project อื่น |
| ม.ค.-ก.พ. 2569 | ลด GPU allocation — Sora ถูกลดทรัพยากร GPU ลง เวลา generate วิดีโอนานขึ้น คุณภาพลดลง user ร้องเรียนมากขึ้น |
| 24 มี.ค. 2569 | ประกาศปิด API ภายใน 30 วัน — OpenAI ออกแถลงการณ์อย่างเป็นทางการ ระบุเหตุผล "unsustainable inference costs" และจะย้าย compute ไปทีม robotics |
| เม.ย. 2569 (คาด) | API ปิดถาวร — developer ต้อง migrate ไปใช้ทางเลือกอื่น |
ทำไม Sora ถึงล้มเหลว? — 5 สาเหตุหลัก
การปิดตัวของ Sora ไม่ได้เกิดจากเทคโนโลยีไม่ดี แต่เกิดจาก ปัญหาเชิงธุรกิจและเศรษฐศาสตร์ ที่แก้ไม่ทัน
1. ต้นทุน Inference สูงจนไม่คุ้มค่า
การสร้างวิดีโอ 1 นาทีด้วย Sora ต้องใช้ GPU (NVIDIA H100) หลายตัวทำงานพร้อมกันหลายนาที ในขณะที่ ChatGPT ตอบคำถามเดียวใช้ GPU เพียงเสี้ยววินาที ต้นทุนต่อ request ของ Sora จึงสูงกว่า ChatGPT เป็น 100-1,000 เท่า
| ประเภท AI | ต้นทุนโดยประมาณ | ตัวอย่าง | ทรัพยากรที่ใช้ |
|---|---|---|---|
| Text AI (LLM) | $0.003-0.075/1K tokens | ChatGPT, Claude | GPU เสี้ยววินาที/request |
| Image AI | $0.02-0.12/ภาพ | DALL-E, Midjourney | GPU 2-10 วินาที/ภาพ |
| Video AI | $0.50-5.00+/นาที | Sora | GPU หลายตัว x หลายนาที |
| Audio AI | $0.006-0.03/นาที | Whisper, ElevenLabs | GPU ไม่กี่วินาที/นาที |
2. Business Model ไม่ลงตัว
OpenAI ไม่สามารถตั้งราคาให้คุ้มต้นทุนได้ ถ้าตั้งราคาถูก → ขาดทุนทุก request ถ้าตั้งราคาแพง → ไม่มีคนใช้ ผลคือ ยิ่งมีคนใช้มาก ยิ่งขาดทุนมาก ตรงข้ามกับ ChatGPT ที่ต้นทุนต่อ user ลดลงเมื่อ scale
3. คู่แข่งราคาถูกกว่าไล่ทัน
ในช่วงที่ Sora ยัง closed beta อยู่นาน คู่แข่งอย่าง Runway Gen-3, Kling AI (จีน), Pika Labs ต่างพัฒนาตัวเองจนคุณภาพใกล้เคียงกัน แต่ราคาถูกกว่ามาก เพราะใช้สถาปัตยกรรมที่ optimize สำหรับ inference มาตั้งแต่ต้น
4. Use Case จริงจำกัด
แม้วิดีโอที่ Sora สร้างจะสวย แต่ในทางปฏิบัติยังมีข้อจำกัดมาก
- ไม่สามารถควบคุมรายละเอียดได้แม่นยำ (เช่น ตำแหน่งตัวละคร การเคลื่อนไหวเฉพาะ)
- ไม่เหมาะกับงาน production จริง เพราะต้องแก้ไขหลายรอบ ค่าใช้จ่ายพุ่ง
- ธุรกิจส่วนใหญ่ยังใช้ stock video + video editor แบบเดิมที่ถูกและควบคุมได้มากกว่า
5. OpenAI มีทางเลือกที่คุ้มค่ากว่า
ทรัพยากร GPU ที่ใช้กับ Sora สามารถนำไปใช้กับ ChatGPT, GPT-5, และ Robotics ซึ่งมีโอกาสสร้างรายได้มากกว่า OpenAI จึงตัดสินใจ "cut losses" และย้ายทรัพยากรไปที่จะสร้าง ROI ได้ดีกว่า
เปรียบเทียบ: ทำไม ChatGPT อยู่รอด แต่ Sora ไม่รอด?
| ปัจจัย | ChatGPT | Sora |
|---|---|---|
| ต้นทุน/request | ต่ำ → ลดลงเรื่อยๆ | สูงมาก → ลดไม่ทัน |
| ความถี่ใช้งาน | ทุกวัน หลายครั้ง/วัน | นานๆ ครั้ง |
| ทดแทนได้ง่ายไหม | ยาก (ติดนิสัยใช้) | ง่าย (ใช้ stock video แทน) |
| Revenue ต่อ user | $20-200/เดือน คุ้ม | ไม่คุ้มต้นทุน GPU |
| Scale economics | ยิ่งใช้มาก ยิ่งคุ้ม | ยิ่งใช้มาก ยิ่งขาดทุน |
ผลกระทบต่อ Developer และธุรกิจที่ใช้ Sora API
การปิด Sora API กระทบโดยตรงกับ developer และธุรกิจที่สร้างผลิตภัณฑ์บน Sora
- ต้อง migrate ภายใน 30 วัน — ระยะเวลาสั้นมากสำหรับการเปลี่ยน API ที่มี logic ต่างกัน
- วิดีโอที่สร้างไว้ยังใช้ได้ — แต่สร้างใหม่ไม่ได้หลังปิด
- ไม่มี open-source alternative ที่เทียบเท่า — ต้องไปใช้ Runway หรือ Kling ที่ API ต่างกันมาก
- ธุรกิจที่สร้าง SaaS บน Sora API — ต้องเปลี่ยนทั้ง backend ภายในเดือนเดียว หรือปิดตัวตาม
Vendor Lock-in: ความเสี่ยงที่หลายองค์กรมองข้าม
กรณี Sora เป็นตัวอย่างที่ชัดเจนที่สุดของ vendor lock-in ในยุค AI — เมื่อองค์กรพึ่งพา API ของ vendor รายเดียว หาก vendor ปิดบริการ องค์กรต้องเร่ง migrate ภายใต้แรงกดดัน ซึ่งอาจทำให้เกิดข้อผิดพลาดและ downtime ที่กระทบธุรกิจ
บทเรียนสำหรับองค์กร — 7 ข้อควรพิจารณาก่อนลงทุนกับ AI
กรณี Sora สอนบทเรียนสำคัญที่ใช้ได้กับทุกการลงทุนเทคโนโลยี ไม่ว่าจะเป็น AI, SaaS, หรือแม้แต่ การเลือกระบบ ERP
7 คำถามก่อนลงทุนกับเทคโนโลยี AI:
- ต้นทุนระยะยาวเท่าไหร่? — ต้นทุนเริ่มต้นถูกไม่ได้แปลว่าถูกตลอด ดู total cost of ownership (TCO) 3-5 ปี
- ถ้า vendor ปิดตัว มีแผนสำรองไหม? — Sora ให้เวลาแค่ 30 วัน ถ้าองค์กรไม่มี plan B จะกระทบงานทันที
- ข้อมูลย้ายออกได้ง่ายไหม? — ถ้า vendor เก็บข้อมูลในรูปแบบเฉพาะ (proprietary format) การย้ายจะยากและแพง
- ROI วัดได้จริงไหม? — "เจ๋ง" ไม่เท่ากับ "คุ้ม" ต้องวัดเป็นตัวเลขว่าลดต้นทุนหรือเพิ่มรายได้จริงเท่าไหร่
- มี AI Governance หรือยัง? — ใครอนุมัติการใช้ AI? ใครรับผิดชอบเมื่อผิดพลาด? ข้อมูลอะไรส่งเข้า AI ได้บ้าง?
- เทคโนโลยีนี้ "ผ่านพิสูจน์" แล้วหรือยัง? — Sora เปิดตัวไม่ถึงปีก็ปิด AI ที่เพิ่งออกมาใหม่ยังมีความเสี่ยงสูง ควรรอให้เทคโนโลยีเสถียรก่อน
- ทีมมีความพร้อมใช้หรือยัง? — เทคโนโลยีดีแค่ไหน ถ้าทีมไม่พร้อมก็ไม่เกิดประโยชน์ ต้องลงทุน training และ change management ด้วย
AI Hype Cycle — เข้าใจวงจรชีวิตของเทคโนโลยี
Sora เป็นตัวอย่างคลาสสิกของ Gartner Hype Cycle ที่เทคโนโลยีผ่าน 5 ขั้นตอน
| ขั้นตอน | Sora | ระบบ ERP |
|---|---|---|
| 1. Innovation Trigger | เปิดตัว ก.พ. 68 — ตื่นเต้นสุดๆ | ยุค 90s — SAP, Oracle |
| 2. Peak of Inflated Expectations | สื่อเรียก "ปฏิวัติวงการ" | ยุค 2000s — "ทุกองค์กรต้องมี" |
| 3. Trough of Disillusionment | ปิดตัว มี.ค. 69 ❌ | implement ล้มเหลว 60-70% |
| 4. Slope of Enlightenment | ไม่ถึงขั้นนี้ | เรียนรู้ + best practices |
| 5. Plateau of Productivity | — | ใช้งานจริงทุกวัน ✓ |
ข้อแตกต่างสำคัญ: ระบบ ERP ผ่าน hype cycle มาแล้วและอยู่ในขั้น productivity ส่วน Sora ไม่รอดผ่านขั้นที่ 3 ด้วยซ้ำ สิ่งที่ทำให้ ERP อยู่รอด คือ มันแก้ปัญหาจริงที่ธุรกิจมีทุกวัน — จัดการต้นทุนการผลิต, ควบคุมสต๊อก, ปิดงบการเงิน — ไม่ใช่แค่ "เจ๋ง" แต่ "จำเป็น"
ERP vs AI Hype — รากฐานสำคัญกว่าเทรนด์
Sora ปิดตัวภายในไม่ถึง 14 เดือน แต่ระบบ ERP ทำงานให้องค์กรทุกวัน ปีแล้วปีเล่า ตลอดมากกว่า 30 ปีในอุตสาหกรรม IT
AI tools เป็นเครื่องมือเสริมที่ดี และองค์กรควรใช้ประโยชน์จาก AI — แต่ต้องเลือกใช้อย่างชาญฉลาด โดยเริ่มจากการมี รากฐานระบบที่แข็งแกร่ง ก่อน ระบบ ERP ที่ดีจะทำให้ข้อมูลองค์กรพร้อมสำหรับ AI — ไม่ว่า AI ตัวไหนจะมาหรือไป ข้อมูลที่จัดระเบียบดีแล้วใน ERP ยังคงมีค่าเสมอ
แนวทางลงทุนเทคโนโลยีที่ยั่งยืน
AI มาแล้วก็ไปได้ — Sora จากฮีโร่กลายเป็นตำนานในไม่ถึงปีครึ่ง แต่ระบบ ERP ที่ดีทำงานให้องค์กรทุกวัน ไม่ว่าเทรนด์จะเปลี่ยนไปแค่ไหน สิ่งที่องค์กรต้องมีคือรากฐานข้อมูลที่แข็งแกร่ง — แล้ว AI ตัวไหนก็มาต่อยอดได้ทั้งนั้น
— ไพฑูรย์ บุตรี, Grand Linux Solution
