ความต้องการด้านปัญญาประดิษฐ์กำลังเติบโตจนถึงระดับควอนตัม

คอมพิวเตอร์ควอนตัมยังอีกหลายปีกว่าจะใช้งานเชิงพาณิชย์ได้กว้าง ๆ แต่รัฐบาลเริ่มทุ่มงบเพื่อผลักดันให้เกิดศักยภาพในประเทศแล้ว สหรัฐฯ ใส่เงินราว 2 พันล้านดอลลาร์ให้ภาคส่วนนี้ โดยเงินส่วนหนึ่งผูกกับการผลิต “ชิป” (แผ่นวงจรอิเล็กทรอนิกส์ขนาดเล็กที่ทำหน้าที่ประมวลผล) และชิ้นส่วนสำหรับระบบควอนตัม

งบที่ดูเหมือนสนับสนุนงานวิจัย อาจเป็นการวางแผนโครงสร้างพื้นฐานคอมพิวเตอร์ทั้งชุดเพื่อรองรับการประมวลผลระดับลึกใต้ระบบ AI (ปัญญาประดิษฐ์: โปรแกรมที่เรียนรู้จากข้อมูลเพื่อช่วยตัดสินใจ/ทำนาย)

ยุทธศาสตร์ระดับประเทศเริ่มเร่งขึ้น

งบของสหรัฐฯ รวมราว 1 พันล้านดอลลาร์สำหรับโรงงานผลิตชิปควอนตัมของ IBM ในนิวยอร์ก และอีก 375 ล้านดอลลาร์ให้ GlobalFoundries เพื่อสนับสนุนการผลิตชิ้นส่วนควอนตัม ฝรั่งเศสก็ ทุ่ม 1.5 พันล้านยูโรให้ยุทธศาสตร์ควอนตัมและไมโครอิเล็กทรอนิกส์ (อุปกรณ์วงจรขนาดเล็กมาก) ตัวเลขเหล่านี้ไม่เหมือนทุนวิจัยก้อนเล็ก แต่เหมือนนโยบายเชิงยุทธศาสตร์ระดับสูง

คนที่ตามรอบโครงสร้างพื้นฐานของ AI จะคุ้นรูปแบบนี้ ก่อน AI เชิงกำเนิด (Generative AI: AI ที่สร้างข้อความ/รูป/โค้ดได้) จะเป็นกระแส ห่วงโซ่อุปทานก็เริ่มก่อตัวแล้ว ทั้ง GPU (ชิปที่เด่นด้านคำนวณขนาน ใช้ฝึก/รัน AI), ชิปขั้นสูง, คลาวด์ (คอมพิวเตอร์บนศูนย์ข้อมูลให้เช่าผ่านอินเทอร์เน็ต), ศูนย์ข้อมูล, อุปกรณ์เครือข่าย และความต้องการไฟฟ้า

ควอนตัมยังอยู่ช่วงต้นกว่า แต่เหตุผลคล้ายกัน รัฐต้องการความสามารถในประเทศก่อนเทคโนโลยีจะสำคัญเชิงพาณิชย์ พวกเขาสร้าง “ราง” ไว้ก่อนที่ “รถ” จะวิ่งเต็ม

ไม่ได้แปลว่าบริษัทควอนตัมทุกแห่งน่าลงทุนตอนนี้ แต่แปลว่าภาคส่วนนี้เริ่มขยับจากงานในห้องทดลองไปสู่การวางโครงสร้างพื้นฐานระยะยาว

อธิบายคอมพิวเตอร์ควอนตัมแบบเข้าใจง่าย

แบบสั้นที่สุด:

• คอมพิวเตอร์ทั่วไปใช้บิต (bit: หน่วยข้อมูลพื้นฐาน มีค่า 0 หรือ 1)
• คอมพิวเตอร์ควอนตัมใช้คิวบิต (qubit: หน่วยข้อมูลควอนตัม อยู่ได้เป็น 0, 1 หรืออยู่ทั้งสองสถานะพร้อมกันด้วยซูเปอร์โพซิชัน/superposition ซึ่งคือ “ซ้อนทับของสถานะ”)

คิวบิตยังเชื่อมกันได้ด้วยเอนแทงเกิลเมนต์ (entanglement: “พัวพันควอนตัม” คือสถานะของคิวบิตหนึ่งสัมพันธ์กับอีกตัว ทำให้อีกตัวเปลี่ยนตามในแบบที่คอมพิวเตอร์ทั่วไปทำได้ยาก) แนวคิดนี้ทำให้ระบบควอนตัม “ลองความเป็นไปได้จำนวนมากพร้อมกัน” จึงอาจได้เปรียบในโจทย์บางแบบที่คอมพิวเตอร์ทั่วไปต้องใช้เวลานานมาก

แต่ควอนตัมไม่ได้ทำให้ทุกงานเร็วขึ้น และไม่ใช่ “คอมพิวเตอร์ธรรมดาที่ดีกว่า” จุดเด่นอยู่ในงานเฉพาะทาง เช่น การจำลองเคมี (simulation: สร้างแบบจำลองเพื่อทดสอบ), การวิเคราะห์การเข้ารหัส (cryptographic analysis: ศึกษาวิธีเข้ารหัส/ถอดรหัส), การหาค่าที่ดีที่สุดในระบบใหญ่ (large-scale optimisation: หาแผน/คำตอบที่ดีที่สุดจากตัวเลือกจำนวนมาก), และงานแมชชีนเลิร์นนิงบางประเภท (machine learning: วิธีให้คอมพิวเตอร์เรียนรู้จากข้อมูล)

สำหรับงานส่วนใหญ่ในปัจจุบัน โดยเฉพาะการฝึกและการใช้งานจริงของ AI ในวงกว้าง GPU ยังเป็นเครื่องมือหลัก GPU อย่าง ชิป H200 ของ NVIDIA หรือ ซูเปอร์คอมพิวเตอร์ AI “Colossus” ของ SpaceX ยังอยู่ในมือผู้นำตลาด AI ปัจจุบันเป็นหลัก

ควอนตัมอาจทรงพลังในอนาคต แต่ข้อได้เปรียบระยะใกล้ยังแคบ โอกาสที่จับต้องได้อาจอยู่ที่บริษัทที่สร้างสะพานเชื่อมระหว่างระบบคอมพิวเตอร์ทั่วไปวันนี้กับความสามารถควอนตัมในอนาคต

ความคืบหน้าปัจจุบันของสายควอนตัม

อุปกรณ์ควอนตัมปัจจุบันมักถูกเรียกว่า “NISQ” หรือ noisy intermediate-scale quantum computers (คอมพิวเตอร์ควอนตัมขนาดกลางที่ยังมีสัญญาณรบกวน/ผิดพลาด) ความหมายจริงคือ เครื่องตอนนี้เหมาะกับการทดลอง แต่ยังไม่เสถียรพอสำหรับใช้งานเชิงพาณิชย์วงกว้าง

ระบบที่ขยายขนาดได้ยังติดข้อจำกัดเรื่องอัตราความผิดพลาด (error rate: โอกาสที่ผลคำนวณผิด), ข้อกำหนดการทำความเย็น (ต้องใช้อุณหภูมิต่ำมากเพื่อให้คิวบิตทำงานนิ่ง), และจำนวนคิวบิต แต่ “ควอนตัมที่ใช้งานได้จริง” ไม่ได้อยู่ที่การประกอบเครื่องเท่านั้น อยู่ที่การทำให้คิวบิตคงสภาพและผิดพลาดน้อยพอภายใต้เงื่อนไขเหล่านี้

สัญญาณบวกคือความก้าวหน้าเริ่มเกิดในระดับฮาร์ดแวร์และสถาปัตยกรรม (architecture: วิธีออกแบบโครงสร้างการทำงานของระบบ) ไม่ได้มีแค่ทฤษฎี

ชิป Willow ของ Google แสดงความคืบหน้าเรื่องการแก้ความผิดพลาดควอนตัม (quantum error correction: เทคนิคตรวจและแก้ข้อผิดพลาดระหว่างคำนวณ) และผลทดสอบมาตรฐาน (benchmark: การวัดประสิทธิภาพด้วยชุดทดสอบเดียวกัน) ส่วนการประกาศ Majorana 1 ของ Microsoft ชี้ไปที่สถาปัตยกรรมคิวบิตเชิงโทโพโลยี (topological qubit: แนวทางคิวบิตที่หวังให้ทนต่อความรบกวนมากขึ้น) ซึ่งถ้าพิสูจน์ได้เมื่อขยายขนาด อาจทำให้เสถียรกว่า IBM ก็ วางโรดแมป โดยตั้งเป้า “ความได้เปรียบควอนตัมระยะใกล้” (quantum advantage: จุดที่ควอนตัมทำงานบางอย่างได้ดีกว่าคอมพิวเตอร์ทั่วไปอย่างชัดเจน) ปลายปี 2026 และความสามารถแบบทนความผิดพลาดระดับใหญ่ (fault-tolerant: ระบบที่ยังทำงานได้แม้มีข้อผิดพลาด) ภายในปี 2029

ไม่ได้แปลว่าควอนตัมเชิงพาณิชย์ใกล้มาก แต่บอกได้ว่าจาก “หมุดหมายในห้องแล็บ” กำลังไปสู่ “เส้นทางวิศวกรรม” ที่ชัดขึ้น โจทย์คือทำให้ขยายขนาดได้ รวมเข้ากับระบบที่ใช้งานจริง และไม่ยึดติดว่าทุกหมุดหมายจะมาตรงเวลา

ฝั่งฮาร์ดแวร์ดีขึ้น แต่ไทม์ไลน์เชิงพาณิชย์ยังไม่แน่นอน

เมื่อควอนตัมมาพบกับ AI

การเตรียมตัวเริ่มหนักขึ้น สถาบันการเงิน หน่วยงานรัฐ โรงพยาบาล/เครือบริการสุขภาพ สาธารณูปโภค และผู้รับเหมาด้านกลาโหม ล้วนถือข้อมูลที่ต้องปลอดภัยไปอีกนาน การใช้ AI ทำให้ความเร่งด่วนเพิ่มขึ้น ดังที่เห็นจาก ผลประกอบการของ Okta เมื่อองค์กรสร้าง เก็บ และส่งต่อข้อมูลอ่อนไหวมากขึ้น เหตุผลในการลงทุนโครงสร้างพื้นฐานความปลอดภัยที่แข็งแรงขึ้นก็ชัดขึ้น

เส้นทางที่เป็นไปได้มากที่สุดของควอนตัมคือ “การผสานเข้ากับระบบเดิม” ไม่ใช่การพลิกเกมทันที

ระบบไฮบริดควอนตัม-คลาสสิก (hybrid quantum-classical: ใช้ควอนตัมร่วมกับคอมพิวเตอร์ทั่วไป) ช่วยให้องค์กรทดลองความสามารถควอนตัม โดยยังพึ่งโครงสร้างเดิมได้ ระบบ RacQ ของ Equal1 และ Dell เป็นตัวอย่าง ออกแบบเป็นระบบติดตั้งในตู้แร็ก (rack-mounted: ใส่ในตู้มาตรฐานศูนย์ข้อมูล) เพื่อวางใกล้รูปแบบศูนย์ข้อมูลทั่วไปได้
องค์กรไม่รับเทคโนโลยีเพราะล้ำอย่างเดียว แต่รับเมื่อเข้ากับขั้นตอนงานเดิม มีผู้ขายช่วยดูแล และมีเหตุผลชัดเจนว่าควรใช้

ระบบไฮบริดยังสร้างความต้องการฮาร์ดแวร์สนับสนุนรอบควอนตัม เช่น อิเล็กทรอนิกส์ควบคุม (control electronics: วงจรที่สั่งงานคิวบิต), ระบบทำความเย็นอุณหภูมิต่ำมาก (cryogenic systems: ระบบทำความเย็นระดับใกล้ศูนย์สัมบูรณ์), ชิ้นส่วนแอนะล็อก (analogue components: วงจรสัญญาณต่อเนื่อง), เครื่องมือประมวลผลสัญญาณ (signal processing: แปล/กรองสัญญาณให้ใช้ได้) และคอมพิวเตอร์ทั่วไปสมรรถนะสูง

จุดที่นวัตกรรมควอนตัมและ AI มาบรรจบกัน สรุปได้เป็นด้านต่อไปนี้:

1. AI ช่วยให้ระบบควอนตัมดีขึ้น – ใช้แมชชีนเลิร์นนิงช่วยแก้ความผิดพลาด ปรับเทียบเครื่อง (calibration: ปรับค่าระบบให้แม่น), วิจัยวัสดุ และออกแบบระบบ (กำลังเกิดขึ้นในห้องแล็บ)
   
2. ความปลอดภัยไซเบอร์หลังยุคควอนตัม (Post-quantum cybersecurity) – องค์กรอัปเกรดการเข้ารหัส (encryption: ทำข้อมูลให้อ่านไม่ได้ถ้าไม่มีคีย์) ก่อนคอมพิวเตอร์ควอนตัมที่แรงพอจะคุกคามระบบเดิม (กำลังดำเนินผ่านงบภาครัฐ)
   
3. ระบบไฮบริดควอนตัม-คลาสสิก – ใช้หน่วยประมวลผลควอนตัมเสริม (quantum co-processor: ตัวช่วยคำนวณเฉพาะงาน) สำหรับงานเฉพาะที่คุ้มค่า (โครงสร้างพื้นฐานเริ่มเกิด แต่ยังติดโจทย์วิศวกรรม)
   
4. งาน AI ที่ได้แรงหนุนจากควอนตัม – อาจช่วยงานหาค่าที่ดีที่สุดหรือขั้นตอนบางส่วนของแมชชีนเลิร์นนิง

ตรงนี้ทำให้เรื่องลงทุน “มีฐานมากขึ้น” บริษัทที่ขายชั้นเทคโนโลยีสนับสนุนอาจมีรายได้ก่อนฮาร์ดแวร์ควอนตัมล้วนจะถึงระดับใช้งานเชิงพาณิชย์

ตลาดเริ่มวิ่งนำ

ควอนตัมมีองค์ประกอบของเรื่องเล่าที่ดึงดูด: ความมั่นคงชาติ ความต้องการจาก AI ชิปขั้นสูง และการเปลี่ยนแปลงระยะยาวของการประมวลผล ซึ่งก็ทำให้ “ราคาแพงเกินจริง” ได้ง่าย

บริษัทควอนตัมแบบ “เพียวเพลย์” (pure-play: โฟกัสธุรกิจด้านนั้นเป็นหลัก) บางรายเริ่มได้มูลค่าที่อิงตลาดอนาคตที่ยังไม่เกิดเต็ม Terra Quantum มี แผนเข้าจดทะเบียนใน Nasdaq ผ่าน SPAC (บริษัทเปล่าในตลาดที่ตั้งขึ้นเพื่อควบรวมพาบริษัทเข้าตลาด) ที่มูลค่าราว 3.5 พันล้านดอลลาร์ เป็นตัวอย่าง จุดโฟกัสเรื่องอัลกอริทึม (algorithm: ขั้นตอนวิธีแก้ปัญหา), เครื่องมือความปลอดภัย และระบบไฮบริดทำให้ดูใช้งานได้จริงกว่า แต่ราคายังขึ้นกับความเร็วที่ความต้องการเชิงพาณิชย์จะเกิด

ไทม์ไลน์ฮาร์ดแวร์ยังเป็นความเสี่ยง

• โรดแมปของ IBM ช่วยให้ตลาดตามหมุดหมายได้ แต่กำหนดการอาจเลื่อน
• แนวทางคิวบิตเชิงโทโพโลยีของ Microsoft อาจสำคัญ แต่ต้องพิสูจน์ได้เมื่อขยายขนาด
• ความคืบหน้าด้านแก้ความผิดพลาดของ Google มีความหมาย แต่ “ใช้ได้จริงเชิงพาณิชย์” เป็นอีกด่าน

ต้นทุนก็สำคัญ ฮาร์ดแวร์ควอนตัมพึ่งชิ้นส่วนเฉพาะทาง การทำความเย็นสุดขั้ว การผลิตที่ต้องแม่นมาก และระบบควบคุมที่ซับซ้อน เมื่อระบบใหญ่ขึ้น ต้นทุนอาจไม่ลดเร็วอย่างที่นักลงทุนหวัง
สิ่งนี้อาจกดดันบริษัทที่เน้นฮาร์ดแวร์ ก่อนรายได้จะมากพอรองรับการใช้เงิน

อะไรที่กำลังขยับใน VT Markets

VT Markets เปิดทางให้เข้าถึงความเคลื่อนไหวของตลาดที่เกี่ยวข้องกับนวัตกรรมควอนตัมได้ตั้งแต่ระยะต้น โอกาสระยะใกล้อยู่ในชั้นที่ได้ประโยชน์ก่อนคอมพิวเตอร์ควอนตัมแบบทนความผิดพลาดจะมาถึง

เหมือนการสร้างห่วงโซ่อุปทาน AI วิธีที่ชัดกว่า คือมองควอนตัมเป็น “สแต็ก” (stack: ชั้นเทคโนโลยีหลายชั้นวางซ้อนกัน) ไม่ใช่ดีลเดียว การรับความเสี่ยงแบบมีเหตุผลในระยะใกล้อาจมาจากบริษัทที่ทำให้ระบบนิเวศเดินได้ ก่อนควอนตัมแบบทนความผิดพลาดจะสเกลถึงเชิงพาณิชย์

IBM เป็นบริษัทจดทะเบียนที่เชื่อมโยงกับควอนตัมโดยตรงที่สุด ผ่านโรดแมปและบทบาทการผลิต ส่วน Nvidia มีบทบาทต่างออกไป คืออยู่บนสะพานเชื่อมระหว่างตัวประมวลผลควอนตัมกับการประมวลผลแบบเดิม ซึ่งการจำลอง (simulation), การแก้ความผิดพลาด และการรวมระบบ (system integration: ทำให้หลายส่วนทำงานร่วมกันได้) จะยังสำคัญอีกหลายปี

หุ้นกลุ่มความปลอดภัยไซเบอร์อาจเป็นทางเลือกที่ชัดกว่าในระยะใกล้ Palo Alto Networks, Fortinet และ CrowdStrike ไม่ใช่หุ้นควอนตัมล้วน แต่ใกล้งบความปลอดภัยขององค์กรที่การย้ายสู่มาตรฐานหลังยุคควอนตัมอาจเปิดขึ้น

ฮาร์ดแวร์ควอนตัมแบบเพียวเพลย์มีโอกาสขึ้นสูงกว่า แต่เสี่ยงทำไม่สำเร็จสูงกว่า การลงทุนชั้นนี้คือรับความเสี่ยงด้านฟิสิกส์ วิศวกรรม และการผลิต ไม่ใช่แค่ความต้องการของตลาด

คอมพิวเตอร์ควอนตัมไม่ใช่ “AI ตัวถัดไป” แบบตรง ๆ มีแนวโน้มมากกว่าจะกลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐานใต้ AI ความปลอดภัยไซเบอร์ และการประมวลผลขั้นสูง

โอกาสไม่ใช่การเชื่อว่าควอนตัมจะมาแทน GPU หรือเปลี่ยน AI ในชั่วข้ามคืน แต่อยู่ที่ชั้นที่กำลังก่อตัวด้านล่าง เช่น การผลิตชิป ระบบไฮบริด ฮาร์ดแวร์ควบคุม และความปลอดภัยไซเบอร์หลังยุคควอนตัม

ธีมนี้น่าติดตาม แต่การลงทุนต้องเลือก และความเสี่ยงคือมูลค่าที่แพง ถ้าหุ้นควอนตัมสะท้อนภาพตลาดที่เติบโตเต็มที่ทั้งที่ฮาร์ดแวร์ยังไม่พร้อม การลงทุนจะเปราะบาง

สำหรับนักลงทุนที่ถือธีมโครงสร้างพื้นฐาน AI อยู่แล้ว วิธีที่ใช้งานได้จริงคือไม่ต้องไล่ทุกข่าวควอนตัม แต่ต้องรู้ว่าพอร์ตมี “การเชื่อมโยงกับควอนตัม” อยู่ตรงไหน และตั้งใจรับความเสี่ยงนั้นหรือไม่

เริ่มซื้อขายทันที – คลิกที่นี่ เพื่อสร้างบัญชีจริงของ VT Markets