Edge AI

Edge AI คือการรันโมเดล AI บนอุปกรณ์ปลายทางที่อยู่ใกล้แหล่งข้อมูล แทนการส่งข้อมูลขึ้นไปประมวลผลบนศูนย์ข้อมูลกลาง คำว่า edge มาจากแนวคิด edge computing ซึ่งหมายถึงการย้ายการคำนวณและการเก็บข้อมูลเข้ามาใกล้แหล่งกำเนิดข้อมูลมากขึ้น เพื่อลดความหน่วง อุปกรณ์ที่นับเป็น edge มีตั้งแต่โทรศัพท์ นาฬิกาอัจฉริยะ กล้องวงจรปิด เครื่องจักรในโรงงาน ไปจนถึงเซิร์ฟเวอร์เล็กๆ ที่ตั้งอยู่ในสาขา

ข้อได้เปรียบมีสามข้อที่ชัดเจน ข้อแรกคือความเร็ว เพราะประมวลผลที่ต้นทางทันทีจึงตอบสนองแบบเรียลไทม์ได้ ซึ่งจำเป็นสำหรับงานอย่างระบบขับขี่อัตโนมัติหรือการจดจำใบหน้าที่ความหน่วงระดับมิลลิวินาทีก็รับไม่ได้ ข้อสองคือความเป็นส่วนตัว เอกสารระบุว่าการเก็บและประมวลผลข้อมูลที่ปลายทางช่วยเพิ่มความเป็นส่วนตัวได้ด้วยการลดการส่งข้อมูลอ่อนไหวขึ้นคลาวด์ ข้อสามคือการทำงานแบบออฟไลน์ ระบบยังให้บริการต่อได้แม้บริการคลาวด์หรืออินเทอร์เน็ตล่ม สิ่งที่ทำให้เรื่องนี้เป็นไปได้จริงในระดับอุปกรณ์พกพาคือการมาของ slm ที่เล็กพอจะรันบนเครื่องที่ทรัพยากรจำกัด ประกอบกับเทคนิคย่อขนาดอย่าง quantization

เดือนกรกฎาคม 2026 มีตัวเลขที่บอกว่าตลาดนี้โตจริง คือรายงานว่า Edge AI ในนาฬิกาอัจฉริยะเติบโตราว 70% ราคาที่ต้องแลกและมักถูกมองข้ามคือความสามารถ โมเดลที่รันบนอุปกรณ์ปลายทางเล็กกว่าและเก่งน้อยกว่าโมเดลบนคลาวด์อย่างมีนัยสำคัญ การออกแบบที่ใช้ได้จริงในองค์กรจึงมักเป็นแบบผสม คือให้อุปกรณ์ปลายทางจัดการงานที่ต้องเร็วและงานที่แตะข้อมูลอ่อนไหว แล้วส่งเฉพาะงานที่ยากจริงขึ้นไปประมวลผลบนคลาวด์ ซึ่งเป็นรูปแบบเดียวกับที่ใช้ตัดสินใจเรื่อง on-premise-ai คือแยกตามความอ่อนไหวของข้อมูลและความยากของงาน ไม่ใช่เลือกทางใดทางหนึ่งทั้งหมด

ตัวอย่างจากบทสนทนาจริง

ผู้จัดการโรงงาน: "เราอยากให้กล้องตรวจจับของเสียบนสายพานได้เองครับ แต่โรงงานอยู่ต่างจังหวัดและเน็ตไม่เสถียรเลย ทำได้ไหม"

วิศวกรระบบ: "เหมาะกับ Edge AI พอดีเลยครับ คือติดตั้งโมเดลไว้ที่เครื่องข้างสายพานเลย ไม่ต้องส่งภาพขึ้นคลาวด์ ข้อดีคือตัดสินได้ทันทีในระดับมิลลิวินาทีซึ่งจำเป็นเพราะสายพานไม่รอ และเน็ตหลุดก็ยังทำงานต่อได้ ข้อแลกคือโมเดลที่รันบนเครื่องเล็กจะไม่เก่งเท่าบนคลาวด์ ผมเสนอให้ตรวจของที่ชัดเจนด้วยเครื่องที่หน้างาน ส่วนภาพที่มันไม่มั่นใจค่อยส่งขึ้นไปให้โมเดลใหญ่ดูอีกที ตอนที่เน็ตมาครับ"

ระวังสับสนกับ

• on-premise-ai : on-premise AI คือการรันบนเครื่องขององค์กร ซึ่งมักเป็นเซิร์ฟเวอร์ในห้องคอมพิวเตอร์ ส่วน Edge AI ไปไกลกว่านั้นคือรันบนตัวอุปกรณ์ปลายทางเลย ทั้งสองอย่างมีเป้าหมายร่วมคือข้อมูลไม่ออกไปคลาวด์
• slm : SLM คือโมเดลขนาดเล็กซึ่งเป็นสิ่งที่ทำให้ Edge AI เป็นไปได้ ส่วน Edge AI คือรูปแบบการติดตั้งใช้งาน อันหนึ่งเป็นตัวโมเดล อีกอันเป็นที่ที่มันไปรัน
• inference : inference คือขั้นตอนที่โมเดลทำงานตอบคำถามจริง ซึ่งเป็นสิ่งที่ Edge AI ทำบนอุปกรณ์ ส่วนการเทรนโมเดลยังต้องทำบนเครื่องแรงในศูนย์ข้อมูลอยู่ดี Edge AI จึงหมายถึงฝั่งใช้งานเป็นหลัก