โครงสร้าง AI แบบไฮบริดของ Apple Intelligence: เหตุใด Gemini จึงได้รับบทบาทหลัก

สถาปัตยกรรมใหม่สำหรับ AI บนมือถือ

ตลอดปีที่ผ่านมา ภาคส่วนปัญญาประดิษฐ์ได้จับตาดูการแข่งขันหมากรุกเดิมพันสูงระหว่าง OpenAI, Google และ Anthropic ซึ่งต่างก็แย่งชิงพื้นที่ที่มีค่าที่สุดในเทคโนโลยีสำหรับผู้บริโภค นั่นก็คือเลเยอร์เริ่มต้นของ iPhone และในวันที่ 12 มกราคม 2026 เกมก็จบลง Apple และ Google เป็นฝ่ายชนะ ได้รับการยืนยัน ความร่วมมือระยะยาวหลายปีเพื่อผสาน Gemini เข้ากับแกนหลักของ Apple Intelligence โดยตรง

นี่ไม่ใช่แค่การเปลี่ยนผู้ให้บริการ แต่เป็นการปรับโครงสร้างพื้นฐานของวิธีการทำงานของ AI บน iOS อย่างแท้จริง ในขณะที่การประกาศในงาน WWDC ครั้งแรกเน้นไปที่ ChatGPT แต่กลยุทธ์ระยะยาวของ Apple ต้องการพันธมิตรที่สามารถนำเสนอไม่เพียงแค่แชทบอท แต่ยังรวมถึงกลไกการให้เหตุผลแบบหลายรูปแบบที่ปรับขนาดได้ ซึ่งสามารถจัดการกับคำถามนับพันล้านคำถามต่อวันด้วยความหน่วงต่ำ Gemini ของ Google ซึ่งขับเคลื่อนด้วยโครงสร้างพื้นฐาน TPU ที่ออกแบบเอง พิสูจน์แล้วว่าเป็นโมเดลเดียวที่พร้อมสำหรับขนาดนี้

คำอธิบายเกี่ยวกับ “ระบบ AI แบบไฮบริด”

การผสานรวมนี้เป็นการนำเสนอสถาปัตยกรรมสามระดับที่ซับซ้อนสำหรับ Apple Intelligence ซึ่งออกแบบมาเพื่อสร้างสมดุลระหว่างความเป็นส่วนตัวกับพลังการประมวลผล การทำความเข้าใจโครงสร้างนี้เป็นกุญแจสำคัญในการเข้าใจว่าทำไม Gemini จึงถูกเลือกแทน GPT-4o หรือ Claude

1. โมเดลบนอุปกรณ์ (เลเยอร์ขอบ)

สำหรับงานประจำวันประมาณ 60% เช่น การจัดเรียงการแจ้งเตือน การเขียนข้อความใหม่ หรือการค้นหาข้อมูลแอปในเครื่อง Apple จะยังคงใช้โมเดลพารามิเตอร์ 3B และ 7B ที่เป็นกรรมสิทธิ์ของตนเอง ซึ่งทำงานบนหน่วยประมวลผลประสาทเทียม (NPU) เพื่อให้มั่นใจได้ว่าไม่มีความล่าช้าและรักษาความเป็นส่วนตัวของข้อมูลส่วนบุคคลได้อย่างสมบูรณ์

2. บริการคลาวด์ส่วนตัว (สะพานเชื่อมความเป็นส่วนตัว)

เมื่อคำขอซับซ้อนเกินกว่าที่โทรศัพท์จะจัดการได้ แต่ต้องการข้อมูลที่ละเอียดอ่อน (เช่น “ตรวจสอบปฏิทินของฉันและจองโต๊ะ”) คำขอนั้นจะถูกส่งต่อไปยังบริการคลาวด์ส่วนตัวของ Apple (PCC) เซิร์ฟเวอร์เหล่านี้ใช้ชิปประมวลผลภาษาโปรแกรม (LLM) ที่ใช้ชิป Apple ซึ่งไม่เก็บรักษาข้อมูลถาวร

3. กลุ่มดาวราศีเมถุน (ชั้นความรู้โลก)

นี่คือจุดที่ความร่วมมือใหม่เข้ามามีบทบาท สำหรับคำถามเกี่ยวกับ “ความรู้ระดับโลก” เช่น การให้เหตุผลที่ซับซ้อน การสร้างสรรค์ หรือการดึงข้อมูลแบบเรียลไทม์ Siri จะส่งต่อคำขอไปยัง Gemini อย่างราบรื่น แตกต่างจากการใช้งานก่อนหน้านี้ที่ผู้ใช้ต้องยืนยันว่า “คุณต้องการใช้ ChatGPT หรือไม่” ตอนนี้ Gemini ถูกรวมเข้าเป็นกระบวนการทำงานหลักของระบบแล้ว

เหตุใด Google จึงชนะในส่วนของระบบปฏิบัติการ

การตัดสินใจที่จะลดบทบาทของ OpenAI และหันมาใช้ Google แทนนั้น มาจากปัจจัยสำคัญสามประการ ได้แก่ โครงสร้างพื้นฐาน ความหลากหลายของรูปแบบ และบริบท

• บูรณาการในแนวตั้งOpenAI ใช้โครงสร้างพื้นฐาน Azure ของ Microsoft และ GPU ของ Nvidia ในขณะที่ Google ควบคุมระบบทั้งหมด ตั้งแต่รุ่น Gemini ไปจนถึง TPU รุ่น Trillium ที่ปรับแต่งเองในศูนย์ข้อมูลของตน ทำให้ Google สามารถเสนอประสิทธิภาพการประมวลผลที่รับประกันได้และความหน่วงต่ำแก่ Apple ในราคาที่ OpenAI อาจเทียบไม่ได้
• มัลติโมดอลแบบดั้งเดิมGemini ได้รับการฝึกฝนมาโดยธรรมชาติให้ประมวลผลทั้งวิดีโอ เสียง และข้อความพร้อมกัน ในขณะที่ Siri พัฒนาไปสู่ระบบอัตโนมัติที่สามารถ "มองเห็น" สิ่งที่อยู่บนหน้าจอของคุณและ "ได้ยิน" บริบทโดยรอบ สถาปัตยกรรมดั้งเดิมของ Gemini จึงมอบเส้นทางที่ราบรื่นกว่าสำหรับคุณสมบัติเหล่านี้มากกว่าการประกอบโมเดลแยกต่างหากเข้าด้วยกัน
• อนาคตของ “เอเจนซี”กรอบงาน “App Intents” ของ Apple ต้องการ AI ที่สามารถวางแผนการทำงานหลายขั้นตอนในแอปพลิเคชันต่างๆ ได้ Google ได้ใช้เวลาตลอดปีที่ผ่านมาในการปรับปรุง Gemini ให้เหมาะสมที่สุดสำหรับสิ่งนี้ เวิร์กโฟลว์ของตัวแทน (การวางแผน การให้เหตุผล และการใช้เครื่องมือ) ซึ่งสอดคล้องอย่างสมบูรณ์กับแผนงานของ Apple สำหรับ Siri 2.0

ความเป็นจริงใหม่ของ OpenAI: ยุคแห่ง “ปลั๊กอิน”

สำหรับ OpenAI การประกาศครั้งนี้ถือเป็นการปรับลดกลยุทธ์ครั้งสำคัญ แม้ว่าบริษัทของแซม อัลท์แมนจะยังคงเป็นผู้นำด้านความสามารถของโมเดล แต่การสูญเสียตำแหน่งเริ่มต้นบน iOS จะจำกัดการเข้าถึง "บริบท" ในชีวิตประจำวันของผู้บริโภคทั่วไป

ChatGPT จะยังคงใช้งานได้บน iOS แต่ในทางปฏิบัติแล้วมันจะกลายเป็น "ปลั๊กอิน" หรือทักษะเฉพาะทาง—คล้ายกับวิธีการทำงานของ Wikipedia หรือ WolframAlpha ในปัจจุบัน ผู้ใช้สามารถเรียกใช้มันสำหรับงานเขียนเชิงสร้างสรรค์เฉพาะ หรือความช่วยเหลือด้านการเขียนโค้ด แต่จะไม่ใช่สมองหลักที่ขับเคลื่อนการทำงานประจำวันของระบบปฏิบัติการอีกต่อไป

วิศวกรรมความเป็นส่วนตัวในฐานะไฟร์วอลล์

ผู้สังเกตการณ์ที่เชี่ยวชาญด้านเทคโนโลยีแสดงความกังวลในทันทีเกี่ยวกับการที่ Google ซึ่งเป็นบริษัทโฆษณาข้อมูล เข้าถึงข้อมูลการค้นหาบน iPhone อย่างไรก็ตาม การใช้งานทางเทคนิคบ่งชี้ว่ามีไฟร์วอลล์ที่เข้มงวด

ระบบการกำหนดเส้นทางการร้องขอของ Apple จะปกปิดข้อมูลส่วนบุคคลก่อนที่จะส่งไปยังเซิร์ฟเวอร์ของ Google ที่อยู่ IP จะถูกปิดบัง และ "บริบท" ที่ส่งไปยัง Gemini จะถูกลบข้อมูลส่วนบุคคลออกไป ที่สำคัญ สัญญาดังกล่าวห้าม Google ใช้ข้อมูลใดๆ ที่มาจาก Apple ในการฝึกฝนโมเดลของตนอย่างชัดเจน สำหรับ Google แล้ว คุณค่าไม่ได้อยู่ที่ข้อมูล แต่เป็นการทำให้ Gemini กลายเป็นเครื่องมือมาตรฐานสำหรับ AI เพื่อป้องกันไม่ให้ผู้ใช้เปลี่ยนไปใช้แอปพลิเคชันของบุคคลที่สาม

สิ่งนี้หมายถึงอะไรสำหรับนักพัฒนา

สำหรับระบบนิเวศของนักพัฒนา การรวมระบบนี้จะนำมาซึ่งความเสถียร เฟรมเวิร์ก CoreML และ App Intents ของ Apple จะได้รับการปรับให้ทำงานร่วมกับรูปแบบการให้เหตุผลของ Gemini ได้อย่างราบรื่น นักพัฒนาที่สร้างแอปที่ "รองรับ Siri" สามารถคาดหวังพฤติกรรมที่สม่ำเสมอมากขึ้นในการที่ AI ตีความเจตนาของผู้ใช้และดำเนินการคำสั่งที่ซับซ้อน

เราอาจจะได้เห็นแอปพลิเคชันประเภท “แอปตัวแทน” (Agency Apps) เพิ่มมากขึ้น ซึ่งเป็นแอปพลิเคชันที่ออกแบบมาไม่เพียงแต่ให้มนุษย์ใช้งานเท่านั้น แต่ยังสามารถควบคุมได้ด้วย Siri ที่ขับเคลื่อนด้วย Gemini ไม่ว่าจะเป็นการจองการเดินทางที่ซับซ้อน การวางแผนการเงินอัตโนมัติ หรือการสร้างเนื้อหาข้ามแอป ในที่สุดก็มีการวางรากฐานสำหรับตัวแทน AI ที่แท้จริงบนมือถือแล้ว

สรุป: ระบบผูกขาดสองรายยิ่งแข็งแกร่งขึ้น

สงคราม AI ในปี 2024 และ 2025 ถูกกำหนดโดยการแย่งชิงความเป็นผู้นำด้านโมเดล ส่วนปี 2026 จะเป็นการกำหนดช่องทางการจัดจำหน่าย การที่ Apple เลือกใช้ Google เป็นการตอกย้ำความเป็นจริงที่ระบบปฏิบัติการมือถือที่ใหญ่ที่สุดสองระบบนั้นใช้สถาปัตยกรรมปัญญาประดิษฐ์พื้นฐานเดียวกัน

สำหรับอุตสาหกรรมแล้ว นี่เป็นสัญญาณบ่งชี้ว่า การเป็นเจ้าของ "ไมล์สุดท้าย" ที่ส่งถึงผู้ใช้มีความสำคัญไม่แพ้การมีโมเดลที่ฉลาดที่สุดในห้องทดลอง Gemini อาจไม่ได้เริ่มต้นในฐานะผู้บุกเบิก แต่ด้วยการได้สิทธิ์ในการใช้งาน iPhone ทำให้ Gemini กลายเป็นมาตรฐานการทำงานของเว็บมือถือไปโดยปริยาย