กฎระเบียบ
Anysphere พิจารณาเปลี่ยน Cursor ออกจากการใช้โมเดล AI แบบเปิดน้ำหนักจากจีน

ประเด็นสำคัญการทยอยยกเลิกในระยะสำรวจของ Anysphere…
ดูเพิ่มเติม
- การทยอยยกเลิกในระยะสำรวจของ Anysphere บ่งชี้ว่าความเสี่ยงทางภูมิรัฐศาสตร์กำลังกำหนดการตัดสินใจด้านอุปทานของแพลตฟอร์มเขียนโค้ดด้วย AI
- Composer 2 ถูกสร้างบนฐานของ Moonshot AI ซึ่งถูกระบุต่อสาธารณะโดยนักพัฒนาอิสระเท่านั้น
- การถอดโมเดลน้ำหนักเปิดของจีนออกก่อนที่จะมีทางเลือกที่เชื่อถือได้อาจทำให้ต้นทุนสูงขึ้นและทำให้ตลาดกระจุกตัว
Anysphere ผู้พัฒนาแพลตฟอร์มเขียนโค้ดด้วย AI อย่าง Cursor แจ้งต่อคณะผู้สอบสวนของสภาผู้แทนราษฎรว่าบริษัทมีแผนจะศึกษาความเป็นไปได้ในการทยอยเลิกใช้โมเดล AI แบบเปิดน้ำหนักที่พัฒนาในจีน เนื่องจากความเสี่ยงด้านภูมิรัฐศาสตร์ ตามรายงานร่วมของรัฐสภาที่เผยแพร่เมื่อวันที่ 20 พฤศจิกายน 2026
การเปิดเผยดังกล่าวเป็นเพียงแผนที่อยู่ระหว่างการศึกษา ไม่ใช่การเลิกใช้ที่เสร็จสิ้นแล้ว และคณะกรรมาธิการไม่ได้ระบุว่ามีการตัดสินใจขั้นสุดท้ายหรือกำหนดเวลาแล้ว คณะกรรมาธิการความมั่นคงแห่งมาตุภูมิของสภาผู้แทนราษฎรและคณะกรรมาธิการเฉพาะกิจว่าด้วยจีนของสภาผู้แทนราษฎรเผยแพร่ผลการสอบสวน หลังเริ่มการสอบสวนในเดือนเมษายน 2026 ซึ่งขยายจาก Airbnb และ Anysphere ไปถึง DoorDash เมื่อวันที่ 31 กรกฎาคม 2026
โมเดลแบบเปิดน้ำหนักมีพารามิเตอร์ที่ผ่านการฝึกแล้ว ซึ่งสามารถดาวน์โหลด นำไปรัน และดัดแปลงได้โดยไม่ต้องพึ่งผู้พัฒนาเดิม ทำให้โมเดลต่อยอดแพร่กระจายได้โดยไม่ต้องมีความสัมพันธ์ทางการค้าต่อเนื่อง คณะกรรมาธิการระบุว่า Composer 2 ซึ่งเป็นโมเดลกรรมสิทธิ์เรือธงของ Cursor สร้างขึ้นบนโมเดลพื้นฐานจาก Moonshot AI โดยเพิ่งมีการเปิดเผยว่าเป็นโมเดลใด หลังนักพัฒนาอิสระรายหนึ่งระบุตัวตนได้
รายงานทางเทคนิคของ Cursor ระบุว่าโมเดลพื้นฐานดังกล่าวคือ Kimi K2.5 โดย Composer 2 ผ่านการฝึกต่อด้วยข้อมูลที่เน้นโค้ดเป็นหลัก จากนั้นจึงผ่านการเรียนรู้แบบเสริมกำลังขนาดใหญ่ในเซสชัน Cursor ที่สมจริง โดยใช้เครื่องมือและชุดควบคุมเดียวกับโมเดลที่นำไปใช้งานจริง
เหตุใดโมเดลจีนจึงถูกนำไปฝังใช้งาน
Airbnb รายงานว่าโมเดล Qwen ของ Alibaba เวอร์ชันที่ปรับแต่งแล้วรองรับผู้ช่วย AI ซึ่งจัดการปฏิสัมพันธ์ระหว่างผู้เข้าพักกับเจ้าของที่พักราว 80,000 ครั้งต่อวัน นอกจากนี้ยังมีโมเดลที่ปรับแต่งเพิ่มเติมเพื่อสรุปกรณีติดต่อฝ่ายสนับสนุนและการโทรราว 250,000 รายการต่อวัน ทั้งสองโมเดลทำงานบนโครงสร้างพื้นฐานของผู้ให้บริการที่ตั้งอยู่ในสหรัฐฯ
DoorDash รายงานว่าได้รับอนุมัติให้นำโมเดลจากจีน 25 ตระกูลไปใช้งานในระดับที่มีนัยสำคัญ ซึ่งนิยามว่ามีค่าใช้จ่ายด้านการประมวลผลและการให้บริการอย่างน้อย 5,000 ดอลลาร์ บริษัทประเมินว่าการเปลี่ยนโมเดลที่พัฒนาในจีนซึ่งฝังอยู่ในระบบขนาดใหญ่หนึ่งโมเดลอาจใช้เวลาสูงสุดหกเดือน แม้ว่าการเปลี่ยนการใช้งานอื่น ๆ ส่วนใหญ่จะทำได้แทบจะในทันที
คณะกรรมาธิการระบุว่าต้นทุน การปรับแต่ง และประสิทธิภาพที่ใกล้เคียงโมเดลแนวหน้าคือตัวขับเคลื่อนการนำไปใช้ อีกทั้งยังพบว่าสหรัฐฯ ไม่มีทางเลือกแบบเปิดน้ำหนักที่แข่งขันได้ในด้านราคาและประสิทธิภาพตามที่ตลาดต้องการ
รายงานเปรียบเทียบราคาที่เผยแพร่สำหรับ API โดยคิดจากโทเค็นขาเข้า 1 ล้านโทเค็นและโทเค็นขาออก 1 ล้านโทเค็น (หน่วยย่อยของคำและอักขระที่ใช้วัดปริมาณการใช้งานโมเดล):
| โมเดล | ผู้พัฒนา | ค่าใช้จ่ายโดยประมาณ |
|---|---|---|
| Qwen3-235B-A22B-Instruct | Alibaba | $1.15 |
| DeepSeek-R1 | DeepSeek | $2.74 |
| Kimi K2.6 | Moonshot AI | $4.95 |
| Claude Opus 4.8 | Anthropic | $30 |
| GPT-5.5 | OpenAI | $35 |
ตัวเลขเหล่านี้ไม่ได้ปรับตามความแตกต่างด้านขีดความสามารถ การแคช ส่วนลดสำหรับการประมวลผลแบบชุด โปรโมชัน หรือต้นทุนการโฮสต์เอง ตัวเลขดังกล่าวแสดงให้เห็นแรงกดดันด้านราคาที่อยู่เบื้องหลังการนำไปใช้ ขณะที่โมเดลแบบเปิดน้ำหนักยังเปิดโอกาสให้บริษัทปรับแต่งโมเดลด้วยข้อมูลของตนเอง และนำไปใช้งานบนโครงสร้างพื้นฐานที่บริษัทควบคุมได้
ข้อกังวลด้านความปลอดภัยเป็นคนละประเด็นกับสถานที่ตั้งของโฮสต์ การรันโมเดลบนโครงสร้างพื้นฐานในสหรัฐฯ ช่วยลดการเปิดเผยข้อมูลโดยตรง แต่รายงานระบุว่าไม่ได้เปลี่ยนแปลงวิธีฝึกโมเดลพื้นฐาน หรือพฤติกรรมที่โมเดลอาจแสดงออกภายใต้เงื่อนไขที่การประเมินทั่วไปตรวจไม่พบ
ข้อจำกัดที่เสนอและความเสี่ยงจากการหาโมเดลมาทดแทน
ข้อเสนอแนะ 12 ข้อในรายงานไม่ได้ทำให้เกิดข้อจำกัดขึ้นโดยตัวมันเอง แต่จะต่อยอดจากคำสั่งของกระทรวงความมั่นคงแห่งมาตุภูมิที่ห้ามจัดซื้อผลิตภัณฑ์และบริการ DeepSeek ในการจัดซื้อจัดจ้างของหน่วยงานพลเรือนรัฐบาลกลาง และกำหนดให้ถอดผลิตภัณฑ์เหล่านั้นออกจากระบบของหน่วยงาน รวมถึงผลิตภัณฑ์จากบุคคลที่สามที่สร้างบน DeepSeek ประธานคณะกรรมาธิการเสนอให้ขยายข้อจำกัดดังกล่าวไปยังโมเดลอื่น ๆ ที่พัฒนาในจีนและโมเดลที่ต่อยอดจากโมเดลเหล่านั้น ในระบบสารสนเทศของรัฐบาลกลางและงานตามสัญญาของรัฐบาลกลาง โดยอนุญาตข้อยกเว้นอย่างจำกัดสำหรับการวิจัย การทดสอบ และความมั่นคงปลอดภัยเชิงป้องกัน นอกจากนี้ยังเสนอให้ห้ามใช้โมเดลเหล่านั้นและโมเดลต่อยอดในงานโครงสร้างพื้นฐานสำคัญที่มีความเสี่ยงสูงตามขอบเขตที่กำหนดไว้อย่างแคบ พร้อมกำหนดระยะเวลาถอดถอนให้สอดคล้องกับการมีทางเลือกที่เชื่อถือได้ และให้มีข้อยกเว้นชั่วคราวในกรณีที่ยังไม่มีสิ่งทดแทนที่เชื่อถือได้
เพื่อให้บังคับใช้กฎได้จริง มาตรฐานการระบุที่มาของโมเดลซึ่งมีสถาบันมาตรฐานและเทคโนโลยีแห่งชาติเป็นผู้นำ และบัญชีรายการส่วนประกอบ AI ในรูปแบบที่เครื่องอ่านได้ จะบันทึกโมเดลพื้นฐาน การปรับแต่งเพิ่มเติมครั้งสำคัญ และแหล่งที่มาของการกลั่นโมเดล ข้อกำหนดนี้จะครอบคลุมผู้รับเหมาของรัฐบาลกลางและ AI ที่ใช้ในงานโครงสร้างพื้นฐานสำคัญที่มีความเสี่ยงสูง ส่วนการใช้งานในด้านอื่นจะเป็นไปโดยสมัครใจ โครงการริเริ่มระดับชาติของสหรัฐฯ ด้าน AI แบบเปิดน้ำหนักจะผสานทรัพยากรการประมวลผลสาธารณะ โครงสร้างพื้นฐานสำหรับการประเมินร่วมกัน การให้สิทธิใช้งานผลลัพธ์จากโมเดลแนวหน้าของสหรัฐฯ โดยสมัครใจแก่ผู้พัฒนาโมเดลแบบเปิดน้ำหนักที่มีคุณสมบัติเหมาะสมเพื่อนำไปฝึกโมเดล และความต้องการซื้อจากรัฐบาลกลางในฐานะลูกค้าหลัก
คณะกรรมาธิการเตือนว่า การถอดโมเดลจีนออกก่อนที่จะมีทางเลือกแบบเปิดน้ำหนักที่เชื่อถือได้ อาจทำให้ต้นทุนสูงขึ้นและทำให้ตลาดกระจุกตัวอยู่กับผู้ให้บริการโมเดลปิดที่เป็นกรรมสิทธิ์ แผนสำรวจทางเลือกของ Anysphere จึงสะท้อนโจทย์ใหญ่ในการนำมาตรการไปใช้ กล่าวคือ ข้อจำกัดต่าง ๆ จำเป็นต้องมีบันทึกที่มาของโมเดลที่เชื่อถือได้เพื่อระบุโมเดลที่ฝังอยู่ในระบบ และมีทางเลือกทดแทนที่น่าเชื่อถือ เพื่อหลีกเลี่ยงการเปลี่ยนจากโมเดลเปิดน้ำหนักของจีนไปพึ่งพาโมเดลที่มีต้นทุนสูงขึ้นหรือโมเดลปิด












