AI News · 2026-10-02

Cloudflare เปิดตัว Clef เมื่อ 1 ตุลาคม โดยอธิบายว่าเป็นโมเดลตัดสินใจที่ให้คำตอบแบบมีขอบเขตชัดพร้อมค่าความมั่นใจ เพื่อช่วย agent ตัดสินใจว่าจะส่งงานต่อ ยกระดับเรื่อง หรือส่งให้คนตัดสินใจ

มีสองรุ่น คือ Clef ที่สร้างบน Qwen3.8-27B และ Clef-flash ที่สร้างบน Qwen3.5-9B ตามตัวเลขของ Cloudflare ความหน่วงมัธยฐานอยู่ที่ 209.3 และ 38.8 มิลลิวินาทีตามลำดับ เทียบกับ 524.1 มิลลิวินาทีของ Jev ซึ่งเป็นโมเดลตัดสินใจของคู่แข่ง

Cloudflare ปล่อยทั้งสองรุ่นบน Hugging Face ด้วยสัญญาอนุญาต Apache 2.0 และให้ใช้ผ่าน Workers AI ได้ทันที พร้อมบริการปรับโมเดลด้วยข้อมูลของลูกค้าเองซึ่งช่วงแรกทำผ่านทีมวิศวกรของ Cloudflare

ข้อควรระวังคือคะแนนที่ Cloudflare บอกว่านำบนดัชนีของ Jev เป็นการวัดของ Cloudflare เอง และประกาศยังไม่ระบุราคา

▲ ทำไมต้องรู้ · งาน agent ในองค์กรจำนวนมากมีจุดที่ต้องตัดสินใจซ้ำๆ เช่น จะตอบเองหรือส่งต่อให้คน การใช้โมเดลเล็กที่เร็วและตั้งใจทำงานนี้โดยเฉพาะอาจถูกกว่าและคาดเดาได้ง่ายกว่าการถามโมเดลใหญ่ทุกครั้ง

Cloudflare · Hacker News

Synopsys ประกาศเมื่อ 30 กันยายนว่าร่วมกับ OpenAI พัฒนา GPT-Synopsys โมเดลที่เรียนรู้การใช้เครื่องมือออกแบบชิปแบบที่วิศวกรผู้เชี่ยวชาญใช้ อ่านผลจากเครื่องมือแล้วปรับแบบซ้ำไปเรื่อยๆ เพื่อให้ได้ทั้งการใช้พลังงาน ประสิทธิภาพ และพื้นที่บนชิปที่ดีขึ้น

OpenAI ได้สิทธิ์ใช้เครื่องมือของ Synopsys มาสร้างโมเดล โดยเป็นข้อตกลงหลายปีแบบแบ่งรายได้ที่ไม่เปิดเผยตัวเลข ตอนนี้ยังอยู่ในขั้นทดลองกับลูกค้าผู้ผลิตชิปรายใหญ่ที่ไม่ระบุชื่อ และยังไม่มีกำหนดเปิดให้ใช้ทั่วไป

Greg Brockman ประธานของ OpenAI กล่าวว่า "By helping them build better chips, we can build better AI."

▲ ทำไมต้องรู้ · แนวทางนี้คือการทำโมเดลเฉพาะทางที่ฝึกให้ใช้เครื่องมือของวิชาชีพนั้นจริงๆ ซึ่งอุตสาหกรรมอื่นที่มีซอฟต์แวร์เฉพาะทางราคาแพงน่าจะได้เห็นตามมา

Synopsys · Hacker News

บันทึกการเปลี่ยนแปลงของ Claude Code รุ่น 2.1.287 เพิ่ม Claude Mods ที่ให้ปลั๊กอินปรับพฤติกรรมได้ลึกขึ้น และมี mod ในตัวชื่อ You should know ซึ่งให้ agent อีกตัวคอยเฝ้าดูและเตือนสิ่งที่ผู้ใช้หรือ Claude อาจมองข้าม โดย mod นี้ไม่ได้เปิดเองอัตโนมัติ ผู้ใช้ต้องสั่งเปิดผ่านคำสั่ง /plugin enable

รุ่นนี้เปลี่ยนให้ Opus 4.7 ขึ้นไปและ Fable ใช้ context หนึ่งล้านโทเคนเป็นค่าตั้งต้นบน Bedrock, Vertex, Foundry และ gateway ของแอป Claude โดยตั้งค่า CLAUDE_CODE_DISABLE_1M_CONTEXT=1 เพื่อกลับไปใช้ 200,000 โทเคนได้

ด้านความปลอดภัย รุ่นนี้แก้ปัญหาที่คำสั่ง rm อันตราย เช่น ลบทั้งโฮมไดเรกทอรี หลุดการถามยืนยันเมื่อมีการส่งผลลัพธ์ไปยัง path บางแบบในคำสั่งเดียวกัน และคำสั่ง /feedback กับ /bug จะไม่แนบข้อความ error ล่าสุดของผู้ใช้ลงในรายงานบน GitHub อีกต่อไป

▲ ทำไมต้องรู้ · องค์กรที่ใช้ Claude Code ผ่านคลาวด์ควรตรวจค่าใช้จ่าย เพราะ context ที่ยาวขึ้นโดยอัตโนมัติอาจทำให้ใช้โทเคนมากขึ้น และทีมที่เก็บ log ผ่าน OpenTelemetry ควรรู้ว่าเหตุการณ์ user_prompt มีช่อง prompt_text เพิ่ม จึงต้องปิดบังข้อมูลช่องนี้ด้วย

Claude Code changelog

Earendil ออก Pi รุ่น 1.0 เมื่อ 1 ตุลาคม โดยอธิบายว่าเป็นโครงสำหรับรัน agent ที่เล็ก แข็งแรง และต่อเติมได้ ใช้เป็น agent เขียนโค้ดหรือเป็นฐานสร้างเครื่องมือของตัวเองก็ได้

รุ่นนี้เพิ่ม Codemode ที่รองรับ MCP ในตัว และใช้โมเดลที่ไม่ใช่ LLM เช่น โมเดลตัดสินใจหรือโมเดลภาพได้ พร้อมการโหลดเครื่องมือแบบหน่วงเวลาและการอุ่นแคชสำหรับโมเดลของ Anthropic Earendil ยังปล่อยแพ็กเกจทดลอง Pi Durable สำหรับแอป agent ที่ต้องรันนาน

Earendil อ้างว่ามีคน "hundreds of thousands" ใช้ Pi ทุกสัปดาห์ ซึ่งเป็นตัวเลขของบริษัทเอง ตัวโปรแกรมใช้สัญญาอนุญาต MIT

▲ ทำไมต้องรู้ · เครื่องมือ agent แบบโอเพนซอร์สเริ่มนิ่งพอจะออกรุ่น 1.0 และกำลังรวม MCP เข้าไว้ในแกน ทีมที่เลือกเครื่องมือมาสร้าง agent เองมีทางเลือกนอกเหนือจากเครื่องมือของผู้ผลิตโมเดลมากขึ้น

Earendil · Hacker News

Dan Harrison จาก turbopuffer เขียนเมื่อ 30 กันยายนว่ารุ่น 3 จะเปลี่ยนจากการใช้ดัชนีเวกเตอร์เป็นแกนหลัก มาใช้ดัชนีเอกสารเป็นแกน แล้วให้การค้นด้วยเวกเตอร์เป็นดัชนีรองตัวหนึ่ง เหตุผลหลักคือการเขียนข้อมูลซ้ำซ้อนเมื่อให้เวกเตอร์เป็นแกน

ปัจจุบัน turbopuffer รองรับกว่าหนึ่งแสนล้านเวกเตอร์ในดัชนีเดียว อ่านได้ภายใน 200 มิลลิวินาทีที่เปอร์เซ็นไทล์ 99 ที่กว่าหนึ่งพันคำค้นต่อวินาที บริษัทบอกว่าการเปลี่ยนครั้งนี้จะทำให้ค้นเวกเตอร์ ข้อความ และ regex ได้เร็วขึ้น และรองรับการจัดกลุ่มและสรุปผลข้อมูล

▲ ทำไมต้องรู้ · ระบบ RAG ในองค์กรกำลังเลิกพึ่งการค้นด้วยความหมายอย่างเดียว และหันมาผสมการค้นข้อความแบบตรงตัวกับตัวกรองข้อมูล ทีมที่กำลังเลือกฐานข้อมูลสำหรับ AI ควรดูความสามารถด้านนี้ด้วย

turbopuffer · Hacker News

arXiv ประกาศนโยบายใหม่ที่มีผลตั้งแต่ 1 ตุลาคม จำกัดผู้ส่งแต่ละคนให้ส่งได้ไม่เกินสองฉบับต่อเดือน และมีงานที่รอเผยแพร่พร้อมกันได้ไม่เกินสามฉบับ

ยอดส่งเดือนกันยายน 2026 อยู่ที่ 40,363 ฉบับ เกือบเท่าตัวของ 20,569 ฉบับเมื่อกันยายน 2024 ทำให้เกิดคำร้องถึงทีมงานเกือบ 9,000 รายการ และหมวด cs.AI โตขึ้นกว่าหกเท่าในสองปี arXiv เขียนว่า "AI tools are making it easy for authors to flood arXiv"

ผู้เขียนยังใช้ AI ช่วยทำวิจัยได้ถ้าเปิดเผยการใช้และงานผ่านมาตรฐานทางวิชาการ

▲ ทำไมต้องรู้ · arXiv เป็นที่ฝากงานก่อนตีพิมพ์ งานบนนั้นจึงยังไม่ได้ผ่านการตรวจจากผู้ทรงคุณวุฒิทุกชิ้น และตอนนี้มีงานคุณภาพต่ำปนมากขึ้น คนที่อ้างงานวิจัยในที่ทำงานควรดูว่างานนั้นตีพิมพ์ที่ใดหรือมีคนอื่นทำซ้ำได้หรือยัง

arXiv blog · Hacker News

นักวิจัยสองคนให้โมเดลอีกตัวเล่นเป็นผู้ใช้ที่ตื๊อขอสิ่งอันตรายไปเรื่อยๆ กับโมเดลโอเพนเวตสามรุ่นในสองคำขอ แล้วใช้ตัวจำแนกอัตโนมัติตัดสินว่าคำตอบปลอดภัยหรือไม่

ในรอบแรกโมเดลตอบอย่างปลอดภัย 85% ถึง 100% แต่พอถึงรอบที่ 11 เหลือ 38% ถึง 61% และในรอบที่ 101 เหลือเพียง 15% ถึง 44% โดยแนวโน้มนี้เกิดกับทุกโมเดล

ข้อควรระวังคือผู้เขียนเรียกผลนี้ว่าหลักฐานเบื้องต้น ทดสอบเพียงสามโมเดลกับสองคำขอ ไม่ได้ระบุชื่อโมเดล และหน้า arXiv ยังไม่ระบุเวทีตีพิมพ์

▲ ทำไมต้องรู้ · การทดสอบความปลอดภัยที่ถามไม่กี่รอบอาจประเมินแชตบอตขององค์กรดีเกินจริง ทีมที่เปิดแชตบอตให้ลูกค้าใช้ควรทดสอบบทสนทนายาวๆ ด้วย

arXiv 2609.38357

ทีมผู้เขียนสิบคนทดสอบ agent ที่ทำงานบนเทอร์มินัลสิบตัวกับชุดทดสอบ TerminalBench2.1 พบว่า agent แทบทุกตัวลงมือตรวจงานตัวเองเมื่อได้คำตอบครบ แต่จับคำตอบที่ผิดได้เพียง 61.43% และแก้สำเร็จเพียง 49.36% ของที่จับได้

ทีมเสนอวิธีฝึกที่เรียกว่า SCVD ซึ่งเพิ่มอัตราทำงานสำเร็จในครั้งแรกได้ 9.74 ถึง 16.85 จุดบนโมเดล Qwen3.5 สามขนาด

ข้อควรระวังคือทดสอบบนชุดทดสอบเดียว วิธีแก้ทดลองกับโมเดลตระกูลเดียว และเป็นงานที่ยังไม่ระบุเวทีตีพิมพ์

▲ ทำไมต้องรู้ · การที่ agent บอกว่า "ตรวจแล้ว" ไม่ได้แปลว่างานถูก งานที่สำคัญยังต้องมีคนหรือการทดสอบอัตโนมัติที่แยกจากตัว agent มาตรวจซ้ำ

arXiv 2609.38812

งานวิจัยของทีมผู้เขียน 13 คน รวมถึง Nathan Lambert, Luke Zettlemoyer และ Pang Wei Koh เสนอ Context Language Models ที่ให้โมเดลมอง context ของตัวเองเป็นไฟล์ที่แก้ได้ และตัดสินใจเองว่าจะเก็บ ทิ้ง หรือสรุปอะไร

ตามบทคัดย่อ วิธีนี้ได้ความแม่นยำสูงขึ้น 11.4% โดยใช้การคำนวณน้อยลง 21.5% บน BrowseComp-Plus และได้คะแนนสูงขึ้น 5% โดยใช้การคำนวณน้อยลง 59% บนงาน 12 ชั่วโมงของ EdgeBench

ข้อควรระวังคือหน้า arXiv ไม่มีข้อมูลว่าตีพิมพ์ที่ใด และตัวเลขทั้งหมดเป็นผลของทีมผู้เขียนเอง

▲ ทำไมต้องรู้ · งาน agent ที่ยาวหลายชั่วโมงติดปัญหา context เต็มและค่าใช้จ่ายสูง ถ้าแนวทางนี้ใช้ได้จริงจะช่วยให้ agent ทำงานยาวได้ถูกลง

arXiv 2609.37725 · Hacker News

งานวิจัยของผู้เขียนคนเดียวทบทวนรายงานเหตุการณ์ 22 กรณีและการประเมินความปลอดภัยของ agent 102 รายการ ที่เผยแพร่ระหว่างมกราคม 2025 ถึงกันยายน 2026

ใน 20 จาก 22 เหตุการณ์ สภาพแวดล้อมเปิดให้ agent ทำสิ่งที่อยู่นอกขอบเขตได้ และ 13 กรณีเป็น agent ที่ทำงานต่อไปแทนที่จะหยุด ส่วนฝั่งการประเมิน มีเพียง 26 รายการที่นับการหยุดอย่างปลอดภัยเป็นผลลัพธ์หนึ่ง

ข้อควรระวังคือเป็นการทบทวนเอกสาร ไม่ได้ทดลองใหม่ และยังไม่ระบุเวทีตีพิมพ์

▲ ทำไมต้องรู้ · การป้องกันที่ได้ผลคือการจำกัดสิทธิ์ของระบบที่ agent เข้าถึง และกำหนดให้ agent หยุดเมื่องานทำไม่ได้ ไม่ใช่หวังให้ agent รู้ตัวเอง

arXiv 2609.38411

ทีมจาก Technical University of Munich, LMU Munich และ MIT ศึกษาบริษัทที่ปรึกษาด้านการบริหารระดับโลกแห่งหนึ่ง โดยให้พนักงานตอบแบบสอบถามก่อน แล้วคุยกับ AI ที่สัมภาษณ์ด้วยเสียงในหัวข้อเดียวกัน

จากการสัมภาษณ์ 44 ครั้ง พบว่า 20% ถึง 41% ของครั้งที่ให้คะแนนดีในแบบสอบถาม พนักงานกลับเล่าข้อกังวลจริงจังให้ AI ฟังภายหลัง ตัวเลขขึ้นกับว่าใช้เกณฑ์ใดนับว่าคะแนนดี และพนักงานยังพูดอ้อมหรือลดน้ำหนักเรื่องที่กังวลอยู่ดี

งานนี้ได้รับการตอบรับให้นำเสนอในงานประชุม HICSS ครั้งที่ 60 ปี 2027 ข้อควรระวังคือศึกษาบริษัทเดียวและกลุ่มตัวอย่างเล็ก

▲ ทำไมต้องรู้ · ฝ่ายบุคคลที่ดูแค่คะแนนแบบสำรวจความผูกพันอาจพลาดปัญหาจริง การใช้ AI สัมภาษณ์ช่วยให้เห็นบางส่วนได้ แต่ต้องทำให้พนักงานเชื่อว่ากระบวนการนี้ปลอดภัยก่อน

arXiv 2609.38788

Benjamin Breen นักประวัติศาสตร์ เขียนเมื่อ 1 ตุลาคมว่าใช้ Claude Opus 5.5 ค้นเอกสารดิจิทัลของบริษัทอินเดียตะวันออกของดัตช์ จนพบบันทึกเรือปี 1615 ของกัปตัน Isbrant Cornelisz van Petten ที่เล่าการล่านกโดโดบนเกาะมอริเชียส

เขาให้ Opus ค้นเอกสารตามความหมาย แตก agent หลายตัวไปอ่านเอกสารต่างภาษา และจัดอันดับข้อความที่น่าสนใจให้คนตรวจ แล้วเขาตรวจผลเทียบกับงานวิชาการที่มีอยู่เอง

Breen บอกว่าข้อดีคือ "They never get bored, they can search through enormous datasets" แต่ข้อจำกัดคือ AI มักหลงไปกับรายละเอียดและตัดสินไม่ได้ว่าสิ่งที่เจอสำคัญในทางประวัติศาสตร์หรือไม่

▲ ทำไมต้องรู้ · นี่คือตัวอย่างที่ดีของการแบ่งงานระหว่าง AI กับผู้เชี่ยวชาญ ให้ AI ไล่อ่านเอกสารจำนวนมาก แล้วให้คนตัดสินว่าอะไรสำคัญและตรวจความถูกต้อง

Res Obscura · Hacker News

OpenAI เผยแพร่รายงานเมื่อ 30 กันยายนว่าพบแคมเปญพยายามดึงขั้นตอนการคิดที่โมเดลซ่อนไว้ไปใช้ฝึกโมเดลอื่น เริ่มเบาๆ ตั้งแต่ 1 กรกฎาคม แล้วพุ่งเป็น 16,000 คำขอจากผู้ใช้กว่า 4,000 รายในวันที่ 24 และ 25 กรกฎาคม ก่อนที่ OpenAI จะหยุดได้ทั้งหมดในวันที่ 28 กรกฎาคม

ตามที่ CyberScoop และ The Next Web รายงาน OpenAI ระบุว่ากลุ่มแกนหลักเป็นคนที่เกี่ยวข้องกับ Moonshot AI ผู้พัฒนา Kimi แต่ยอมรับว่าเชื่อมผู้ใช้ทุกรายเข้ากับผู้กระทำรายเดียวไม่ได้ วิธีที่ใช้คือคัดลอกขั้นตอนการคิดที่เข้ารหัสไว้จากบทสนทนาหนึ่ง แล้วไปขอให้โมเดลในอีกบทสนทนาถอดออกมาเป็นข้อความ โดย OpenAI ย้ำว่าไม่มีการเจาะการเข้ารหัส เจาะฐานข้อมูล หรือเข้าถึงบทสนทนาที่จัดเก็บไว้โดยตรง

OpenAI แบนบัญชี เข้มงวดการสมัครใช้ ปิดช่องทางที่ให้นำขั้นตอนการคิดที่เข้ารหัสไปถอดในบทสนทนาอื่น และแบ่งข้อมูลผ่าน Frontier Model Forum กับช่องทางของหน่วยงานรัฐ

ข้อควรระวังคือ CyberScoop ชี้ว่ารายงานของ OpenAI ไม่ได้แสดงหลักฐานทางเทคนิคประกอบการระบุตัว Moonshot และ Moonshot ยังไม่ได้ตอบ ข้อกล่าวหานี้มาจากคู่แข่งทางธุรกิจ เช่นเดียวกับรายงานที่ Anthropic เผยแพร่เมื่อ 10 กันยายน ซึ่งกล่าวหาห้องวิจัยจีนหลายแห่งรวมถึง Moonshot ว่าดึงผลลัพธ์ของ Claude ผ่านบัญชีปลอมและ proxy

▲ ทำไมต้องรู้ · การดึงความสามารถของโมเดลผ่านการใช้งานปกติกลายเป็นเรื่องที่ผู้ผลิตโมเดลทุกรายจับตา ผลที่ผู้ใช้ทั่วไปจะเจอคือการตรวจสอบตัวตนตอนสมัครใช้งานที่เข้มขึ้น และข้อจำกัดการเข้าถึงขั้นตอนการคิดของโมเดล

CyberScoop · The Next Web · OpenAI

Salesforce ประกาศเมื่อ 29 กันยายนว่าเซ็นข้อตกลงซื้อกิจการ Listen Labs ซึ่งใช้ AI agent ออกแบบงานวิจัย สัมภาษณ์ผู้เข้าร่วมจากเครือข่ายกว่า 50 ล้านคน และสรุปผล รวมถึงสร้างแบบจำลองลูกค้าดิจิทัลเพื่อทดสอบปฏิกิริยาก่อนเปิดตัวสินค้า

Salesforce ไม่เปิดเผยมูลค่า และคาดว่าจะปิดดีลในไตรมาสสี่ของปีงบประมาณ 2027 ของบริษัท ส่วน Tech Times และ Blognone รายงานตัวเลขราว 2 พันล้านดอลลาร์

ข้อควรระวังคือ Salesforce ไม่เปิดเผยมูลค่า Tech Times ไม่ได้ระบุแหล่งที่มาของตัวเลขนี้ และ Blognone อ้างต่อจาก Tech Times อีกทอดหนึ่ง

▲ ทำไมต้องรู้ · งานวิจัยตลาดและแบบสอบถามลูกค้ากำลังถูกแทนที่บางส่วนด้วย agent ที่สัมภาษณ์และสรุปผลเอง ทีมการตลาดควรเริ่มคิดว่าจะตรวจคุณภาพผลวิจัยแบบนี้อย่างไร

Salesforce · Tech Times · Blognone

Thailand Business News รายงานว่านายกรัฐมนตรีอนุทิน ชาญวีรกูล ประกาศเมื่อ 30 กันยายนว่าแผนพัฒนาเศรษฐกิจและสังคมแห่งชาติฉบับที่ 14 สำหรับปี 2571 ถึง 2575 จะเน้นเทคโนโลยีดิจิทัล AI เซมิคอนดักเตอร์ อิเล็กทรอนิกส์ขั้นสูง และพลังงานสะอาด แทนการแข่งขันด้วยต้นทุนต่ำ

รายงานระบุว่ามีเงินลงทุนด้านอิเล็กทรอนิกส์เข้าไทยกว่า 3 หมื่นล้านดอลลาร์ตั้งแต่ปี 2566 คำขอส่งเสริมด้านเซมิคอนดักเตอร์และอิเล็กทรอนิกส์ขั้นสูงรวม 2.72 หมื่นล้านดอลลาร์จาก 879 โครงการ และเป้ายุทธศาสตร์เซมิคอนดักเตอร์คือเงินลงทุนสะสม 8 หมื่นล้านดอลลาร์ภายในปี 2593

แผนเน้นการเร่งกระบวนการภาครัฐ การพัฒนาทักษะ และโครงสร้างพื้นฐาน โดยยอมรับว่าการพึ่งสิทธิประโยชน์ทางภาษีอย่างเดียวมีข้อจำกัด และระบุว่าไฟฟ้า น้ำ การเชื่อมต่อ และแรงงานทักษะสูงอาจกลายเป็นข้อจำกัดของการลงทุนด้าน AI และดาต้าเซ็นเตอร์

ข้อควรระวังคือเป็นรายงานจากสื่อที่อ้างต่อจาก Nation Thailand เรายังไม่ได้อ่านเอกสารของสภาพัฒน์โดยตรง และแผนนี้ยังอยู่ระหว่างจัดทำ

▲ ทำไมต้องรู้ · ทิศทางนี้บอกว่างบประมาณและการส่งเสริมจากรัฐในอีกหลายปีจะเทไปที่ทักษะ AI และอุตสาหกรรมชิป คนทำงานและองค์กรที่วางแผนพัฒนาบุคลากรระยะยาวควรติดตาม

Thailand Business News

Techsauce รายงานเมื่อ 1 ตุลาคมว่า Infineon เปิดโรงงานประกอบและทดสอบชิปที่ได้รับการส่งเสริมจาก BOI ในสมุทรปราการ เฟสแรกมีห้องสะอาด 30,000 ตารางเมตร และวางแผนขยายได้ถึงห้าเฟส รวม 150,000 ตารางเมตร

โรงงานผลิตโมดูลชิปจ่ายพลังงานสำหรับรถยนต์ไฟฟ้า โซลาร์ ดาต้าเซ็นเตอร์ และระบบ AI ที่ทำงานในโลกจริง เช่น หุ่นยนต์ฮิวแมนนอยด์ เมื่อเต็มกำลังจะจ้างพนักงานไทยกว่า 5,000 คน

รองนายกรัฐมนตรีเอกนิติ นิติทัณฑ์ประภาศ กล่าวในงานว่าโครงการนี้สอดคล้องกับแนวทาง All-in AI ของรัฐบาล

▲ ทำไมต้องรู้ · ชิปจ่ายพลังงานเป็นส่วนที่ดาต้าเซ็นเตอร์ AI ต้องใช้มาก โรงงานนี้เป็นตัวอย่างการลงทุนจริงที่ตรงกับแผนพัฒนาฯ ในข่าวก่อนหน้า และจะเพิ่มความต้องการแรงงานด้านวิศวกรรมในไทย

Techsauce

ผู้จัดงานประกาศเลื่อน AI Expo Thailand 2026 และ Thailand Mobile Expo 2026 จากเดิม 1 ถึง 4 ตุลาคม เป็น 5 ถึง 8 พฤศจิกายน 2569 ที่ Challenger Hall 1 อิมแพ็ค เมืองทองธานี โดยให้เหตุผลว่า "สถานการณ์อุทกภัยที่ส่งผลกระทบต่อประชาชนเป็นวงกว้าง"

ข่าวก่อนเลื่อนของเดลินิวส์ระบุว่างานจะมีบูธกว่า 100 บูธ คลาสสอนกว่า 60 รอบ เวิร์กช็อป 24 รอบ และวิทยากร 70 คน

▲ ทำไมต้องรู้ · คนที่วางแผนไปงานต้นเดือนตุลาคมต้องเปลี่ยนตารางใหม่ และบางสื่อยังลงวันที่เดิมอยู่

AI Expo Thailand · เดลินิวส์