ผู้นำ – เทคโนโลยี – อนาคต

เมื่อ Apple ต้องเปลี่ยนผู้นำ: จุดเปลี่ยนของบริษัทเทคที่ทรงอิทธิพลที่สุดของโลก

ผู้ช่วยศาสตราจารย์ ดร.วรวรรณ ดีอัซ การ์บาโย
อาจารย์ประจำหลักสูตร วท.บ. (เทคโนโลยีและนวัตกรรมดิจิทัล)
คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์ ศูนย์ลำปาง

      “การเปลี่ยนแปลงผู้นำของบริษัทเทคโนโลยีระดับโลกอย่าง Apple ไม่ได้สะท้อนเพียงการเปลี่ยนผ่านทางธุรกิจเท่านั้น แต่ยังสะท้อนทิศทางของอุตสาหกรรมเทคโนโลยีในอนาคต โดยเฉพาะในช่วงเวลาที่โลกกำลังก้าวเข้าสู่ยุค Artificial Intelligence (AI) อย่างเต็มรูปแบบ บทสัมภาษณ์นี้ชวนมองบทบาทของผู้นำองค์กรเทค ผ่านมุมมองด้านวิทยาการคอมพิวเตอร์ นวัตกรรม และอนาคตของเทคโนโลยีที่อาจเปลี่ยนวิถีชีวิตของผู้คนทั่วโลกอีกครั้ง”

A NEW ERA BEGINS: Apple’s Next Chapter

        ผู้ช่วยศาสตราจารย์ ดร.วรวรรณ ดีอัซ การ์บาโย อาจารย์ประจำหลักสูตร วท.บ. (เทคโนโลยีและนวัตกรรมดิจิทัล) คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์ ศูนย์ลำปาง ให้ความเห็นว่า “การเปลี่ยน CEO ของ Apple ครั้งนี้มีความสำคัญในเชิงสัญลักษณ์มากกว่าที่จะเป็นการเปลี่ยนแปลงแบบฉับพลัน เพราะ Apple มีระบบนิเวศที่เข้มแข็ง ทั้งในเรื่องความเป็นมิตรต่อผู้ใช้ ความง่ายในการใช้งาน ความเป็นส่วนตัว และความมั่นคง อีกทั้งยังมีแนวทางที่พร้อมจะเดินต่ออยู่แล้ว โดยเฉพาะเมื่อมองจากพื้นฐานความเป็นวิศวกรของผู้นำคนใหม่”

        หากมองย้อนจากยุค Steve Jobs ถึง Tim Cook การเปลี่ยนแปลงที่ชัดเจนในเชิงระบบเทคโนโลยี คือ Apple ย้ายจาก “บริษัทที่นิยามคอมพิวเตอร์ไปสู่สินค้าใหม่” (Mac, iPod, iPhone, iPad) กลายเป็น “บริษัทขยายระบบนิเวศและรายได้จากบริการ” แต่การเปลี่ยนแปลงที่ลึกซึ้งกว่าตัวเลขรายได้คือการที่ Apple วางรากฐานการออกแบบชิปของตนเองตั้งแต่ยุค Steve Jobs ก่อนที่ Tim Cook จะต่อยอด Apple Silicon ให้ครอบคลุมผลิตภัณฑ์หลัก ทำให้บริษัทสามารถออกแบบชิป ฮาร์ดแวร์ และซอฟต์แวร์ให้ทำงานร่วมกันได้อย่างเป็นระบบในระดับที่ไม่เคยทำได้มาก่อน ซึ่ง ผศ. ดร.วรวรรณ มองว่า Unified Memory Architecture หรือ UMA เป็นหนึงในรากฐานสำคัญที่ทำให้ Apple มีจุดแข็งด้านฮาร์ดแวร์สำหรับงาน AI ในปัจจุบัน แม้ว่าด้านซอฟต์แวร์และโมเดล AI จะยังตามหลังคู่แข่งอยู่ก็ตาม ขณะเดียวกัน Apple ก็ยังมีจุดยืนที่ชัดเจนในเรื่องความเป็นส่วนตัว ธรรมาภิบาล และการออกแบบเทคโนโลยีสำหรับระบบ AI ที่ประมวลผลภายในองค์กรและตอบโจทย์ภารกิจเฉพาะของผู้ใช้

        ในประเด็นที่ว่า CEO ของบริษัทเทคโนโลยีระดับโลกมีผลต่อทิศทางนวัตกรรมมากน้อยเพียงใด ผศ. ดร.วรวรรณ ให้ข้อสังเกตว่า ประวัติการเติบโตของ Apple ยังชี้ให้เห็นว่าโครงสร้างองค์กรมีความสำคัญพอ ๆ กับตัวตนของผู้นำ ในปี 2019 Apple ยุค Cook มีการปรับโครงสร้างให้ฝ่ายปฏิบัติการและบริการมีอำนาจมากขึ้น ขณะที่การเติบโตของ Apple Silicon, Mac Mini และ Mac Studio รวมถึงธุรกิจบริการ สะท้อนให้เห็นว่าโครงสร้างองค์กรมีส่วนกำหนดว่าใครมีอำนาจในการตัดสินใจมากพอ ๆ กับวิสัยทัศน์ส่วนตัวของ CEO ดังนั้นทั้งสองสิ่งจึงต้องเดินไปด้วยกัน

        สำหรับ Apple ในปัจจุบัน ผศ. ดร.วรวรรณ ระบุว่า บริษัทผสานฮาร์ดแวร์ ซอฟต์แวร์ และบริการเข้าด้วยกันผ่านระบบนิเวศของตนเอง โดยยังคงสร้างนวัตกรรมด้านฮาร์ดแวร์และชิป รวมถึงทำงานร่วมกับพาร์ทเนอร์ในระยะยาว เราอาจไม่ได้เห็นผลิตภัณฑ์ใหม่ที่เปลี่ยนโฉมตลาดในระดับเดียวกับ iPod หรือ iPhone มากนัก แต่นวัตกรรมสำคัญของ Apple ในยุค Cook ส่วนหนึ่งอยู่ในเทคโนโลยีพื้นฐานของผลิตภัณฑ์ การเปลี่ยนจาก Intel มาเป็น Apple Silicon ในกลุ่ม Mac ช่วงปี 2020–2023 สะท้อนความแข็งแกร่งด้านวิศวกรรมฮาร์ดแวร์ ขณะที่บริการและการต่อยอดระบบนิเวศมีบทบาทสำคัญมากขึ้น โดยฮาร์ดแวร์ยังเป็นฐานหลักของธุรกิจ

        สำหรับประเด็นที่หลายคนมองว่า Apple ตามหลังบริษัท AI อื่น ๆ อาจเป็นทั้งความล่าช้าและยุทธศาสตร์ในเวลาเดียวกัน Apple ไม่ได้เลือกทุ่มเงินมหาศาลไปกับศูนย์ข้อมูล AI ในระดับเดียวกับ Microsoft, Google, Amazon หรือ Meta แต่เลือกลงทุนกับสิ่งที่บริษัทสร้างฐานมาแล้วกว่า 15 ปี นั่นคือฮาร์ดแวร์และการออกแบบชิปที่รองรับการประมวลผลบนอุปกรณ์โดยคำนึงถึงการใช้พลังงานอย่างละเอียด บริษัทอาจจะมองดู “ล่าช้าในการสร้างโมเดลภาษาขนาดใหญ่ชั้นแนวหน้า” แต่ ข้อกำหนดเรื่องอธิปไตยข้อมูล (data sovereignty) ต้นทุนโทเคนที่พุ่งสูงขึ้นสำหรับงานเอเจนต์ และความสามารถของโมเดลขนาด 70–120 พันล้านพารามิเตอร์ที่รันได้จริงบนฮาร์ดแวร์ตั้งโต๊ะทั้งวันทั้งคืน ที่น่าจะเป็นต้นทุนของหลายบริษัท LLM ยักษ์ใหญ่ น่าจะกลายเป็น sweet spots ของผลิตภัณฑ์กลุ่ม Mac Mini/Studio มีความได้เปรียบจากฐานที่มีอยู่แล้ว เพราะโจทย์ตอนนี้ คือ “ใครทำให้ผู้ใช้มี AI ที่ตรงงานและควบคุมข้อมูลได้เอง”

Apple เลือกวิศวกรฮาร์ดแวร์แทนที่จะเป็นผู้บริหารสายซอฟต์แวร์หรือ AI โดยตรง เป็นสัญญาณชัดว่าสมรภูมิ AI รอบต่อไป ของ Apple จะเป็น “ชั้นอุปกรณ์” (device layer) ที่คุมด้วย ชิป เซนเซอร์ การประมวลผลบนเครื่อง มากกว่าการแข่งขันสร้างโมเดลขนาดใหญ่บนคลาวด์เพียงอย่างเดียว

        ในกรณีของ John Ternus ผศ. ดร.วรวรรณ ชี้ว่าประวัติการทำงานที่มีความสอดคล้องกับแนวทางการพัฒนา AI ที่เน้นการประมวลผลบนอุปกรณ์อย่างชัดเจน โดยเฉพาะบทบาทในการนำการเปลี่ยนผ่านของ Mac ทั้งหมดไปสู่ Apple Silicon การที่ Apple เขาเคยให้สัมภาษณ์ว่าการย้ายไปทำชิปในบริษัทเองคือ “หนึ่งในการเปลี่ยนแปลงที่ลึกซึ้งที่สุดของ Apple ในผลิตภัณฑ์ของเราในรอบ 20 ปี ที่ผ่านมา” การที่คณะกรรมการ Apple เลือกวิศวกรฮาร์ดแวร์แทนที่จะเป็นผู้บริหารสายซอฟต์แวร์หรือ AI โดยตรง เป็นสัญญาณชัดว่าสมรภูมิ AI รอบต่อไป ของ Apple จะเป็น “ชั้นอุปกรณ์” (device layer) ที่คุมด้วย ชิป เซนเซอร์ การประมวลผลบนเครื่อง มากกว่าการแข่งขันสร้างโมเดลขนาดใหญ่บนคลาวด์เพียงอย่างเดียว ภาพนี้สะท้อนผ่านงาน Apple Event “Surprise and shine”

        เมื่อวันที่ 9 กันยายน 2569 ซึ่งเป็นงานเปิดตัวผลิตภัณฑ์ครั้งแรกของ John Ternus ในฐานะ CEO โดย Apple เปิดตัว iPhone Duo โทรศัพท์จอพับรุ่นแรกของบริษัท ที่ผสานชิป A20 Pro เข้ากับระบบปฏิบัติการและ Siri AI ซึ่งทยอยเปิดให้ใช้แบบเบต้า พร้อมใช้ทั้งการประมวลผลบนอุปกรณ์และ Private Cloud Compute ทิศทางนี้ตอกย้ำว่าจุดแข็งของ Apple อยู่ที่การออกแบบฮาร์ดแวร์ ซอฟต์แวร์ และ AI ให้ทำงานร่วมกันเป็นระบบ

        ผศ. ดร.วรวรรณ อธิบายว่า Hardware กับ AI ไม่ใช่คู่ตรงข้ามกัน มันมาคู่กัน ยุทธศาสตร์ปัจจุบันของ Apple คือ “AI ที่ขับเคลื่อนด้วยฮาร์ดแวร์” ไม่ใช่การเลือกระหว่างสองแนวทาง สถาปัตยกรรมหน่วยความจำรวมศูนย์ (Unified Memory Architecture) ที่ Apple พัฒนาให้ชิปมือถือเมื่อ 15 ปีก่อน วันนี้กลายเป็นปัจจัยชี้ขาดว่าใครสามารถรันโมเดลภาษาขนาดใหญ่ในเครื่องได้ Mac Studio รุ่น M3 Ultra ที่มีหน่วยความจำรวมศูนย์ 512 GB สามารถรันโมเดลขนาด 120,000 ล้านพารามิเตอร์ขึ้นไปได้ในเครื่องเดียว ขณะที่การ์ดจอผู้บริโภคทั่วไปติดเพดานที่ 24 GB ถ้าจ่ายเงินเท่ากันเราย่อมอยากได้ Mac ผศ. ดร.วรวรรณให้ความเห็นว่า ความได้เปรียบด้าน AI ของ Apple มาจากการที่เค้าควบคุมฮาร์ดแวร์เองทั้งสาย ไม่ใช่การทุ่มทุนไปแข่งขันสร้างโมเดลที่ใหญ่ที่สุด

        จุดแข็งด้านฮาร์ดแวร์ของ Apple จึงมีแนวโน้มที่จะสำคัญมากขึ้นเรื่อย ๆ ไม่ได้ลดลง เพราะต้นทุนการประมวลผล AI กำลังสูงขึ้น การควบคุมฮาร์ดแวร์เองทำให้ Apple สามารถควบคุมสมรรถนะต่อกำลังไฟ และผลักงานประมวลผลบางส่วนลงไปที่อุปกรณ์แทนที่จะต้องพึ่งพาคลาวด์ทุกครั้ง

        ความแตกต่างที่ชัดที่สุดคือ Apple ไม่ได้ทุ่มทุนไปแข่งขันสร้างโมเดลภาษาขนาดใหญ่ระดับแนวหน้าด้วยตัวเองเพียงอย่างเดียว แต่ยังดึงความสามารถของโมเดลจากพันธมิตร (จาก Google ผ่านดีล Gemini ที่มีรายงานว่ามูลค่าราวปีละ 1,000 ล้านดอลลาร์) แล้วนำมาผนวกกับจุดแข็งของตัวเองคือฮาร์ดแวร์ประหยัดพลังงานและระบบประมวลผลแบบผสม (hybrid) ระหว่างอุปกรณ์กับคลาวด์ผ่าน Private Cloud Compute ซึ่ง Apple อธิบายว่าเป็น “มาตรฐานใหม่ของความเป็นส่วนตัวใน AI” พูดง่าย ๆ คือ Google และ OpenAI แข่งกันที่ “ใครมีโมเดลที่ฉลาดที่สุด” ส่วน Apple เลือกเน้นแข่งที่ “ใครมีอุปกรณ์ที่ประมวลผล AI ได้อย่างมีประสิทธิภาพและปลอดภัยที่สุด” ซึ่งเป็นสนามแข่งที่ Apple มีความได้เปรียบเชิงโครงสร้างจากการออกแบบชิปและผสานฮาร์ดแวร์กับซอฟต์แวร์ที่สั่งสมมากว่า 15 ปี

        แนวคิด Privacy-first AI จึงมีแนวโน้มว่าจะเป็นจุดแข็งระยะยาวที่ประเมินค่าต่ำเกินไปในปัจจุบัน เพราะ Apple ไม่ได้หยุดอยู่แค่การประกาศแนวคิด แต่ลงทุนวิศวกรรมจริงเพื่อรองรับ เช่น การเปิดตัวโปรโตคอลเข้ารหัสต้านทานควอนตัม PQ3 สำหรับ iMessage ตั้งแต่ปี 2024 ซึ่ง Apple ระบุว่าเป็น “โปรโตคอลการส่งข้อความตัวแรกที่บรรลุความปลอดภัยระดับ 3” เพื่อป้องกันการโจมตีแบบ “เก็บข้อมูลไว้ก่อน ถอดรหัสทีหลัง” และล่าสุดในเดือนพฤษภาคม 2026 Apple เปิดซอร์สโค้ดไลบรารีเข้ารหัสหลักของตัวเอง (corecrypto) ให้ผู้เชี่ยวชาญภายนอกตรวจสอบได้ (Help Net Security) ในยุคที่กฎระเบียบด้านข้อมูล (เช่น ธนาคารและสาธารณสุขที่ต้องการเก็บข้อมูลไว้ในองค์กร) เข้มงวดขึ้นทั่วโลก ความสามารถในการประมวลผล AI โดยไม่ต้องส่งข้อมูลออกจากอุปกรณ์จะกลายเป็นข้อได้เปรียบเชิงพาณิชย์ที่จับต้องได้ ไม่ใช่แค่จุดขายทางการตลาด

        กรณีของ Ternus ยังสะท้อนว่า CEO ในยุคใหม่ไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านการฝึกโมเดลภาษาโดยตรง แต่จำเป็นต้องเข้าใจอย่างลึกซึ้งว่าข้อจำกัดด้านฮาร์ดแวร์ เช่น หน่วยความจำ พลังงาน และแบนด์วิดท์ กำหนดขอบเขตของสิ่งที่ AI สามารถทำได้จริงอย่างไร เพราะการตัดสินใจเชิงกลยุทธ์ที่ถูกต้องอาจเกิดจากความเข้าใจข้อจำกัดทางวิศวกรรมมากกว่าความเข้าใจอัลกอริทึม AI ในระดับลึก

        เมื่อมองไปข้างหน้า Apple ยังมีโอกาสกลับมาเป็น “ผู้นำเทรนด์เทคโนโลยี” ได้หรือไม่ โดยเฉพาะในแบบเดียวกับที่ iPhone เคยสร้างแรงสั่นสะเทือนให้กับวงการเทคโนโลยีเมื่อครั้งเปิดตัวครั้งแรก ผศ. ดร.วรวรรณ มองว่า เป็นคำถามที่คาดการณ์ได้ยากในเชิงวิชาการ แต่ข้อมูลอาจจะพอบอกทิศทางได้ เช่น Apple กำลังผลักดันหมวดหมู่ผลิตภัณฑ์ใหม่หลายตัวพร้อมกันในปี 2026–2027 ทั้งจอแสดงผลอัจฉริยะสำหรับบ้าน หุ่นยนต์ตั้งโต๊ะที่มีจอแบบ iPad ติดแขนกล ซึ่งมีเป้าหมายเปิดตัวในปี 2027 ราคาราว 1,000 ดอลลาร์ (MacRumors) และแว่นอัจฉริยะไร้จอที่คาดว่าจะเลื่อนไปเปิดตัวปลายปี 2027 (รายงานของ Mark Gurman ผ่าน AOL) หากผลิตภัณฑ์เหล่านี้ประสบความสำเร็จเชิงพาณิชย์ Apple ก็มีโอกาสกลับมาเป็นผู้นำเทรนด์ได้อีกครั้ง แต่การแข่งขันปัจจุบันมันต่างจากยุค iPhone ที่ Apple มาก เพราะตอนนั้นเป็นการบุกเบิกตลาดที่ยังไม่มีใครนิยามชัดเจนมาก่อน แต่ตอนนี้เป็นการแข่งขันท่ามกลางพายุ ทั้งการอิ่มตัวของระบบอัจฉริยะทุกระดับทุกรูปแบบในชีวิตประจำวัน ผลกระทบของภูมิศาสตร์การเมือง การเปลี่ยนแปลงสภาพภูมิอากาศซึ่งส่งผลต่อความมั่นคง ความปลอดภัย และการมุ่งสู่อวกาศ การคาดการณ์ข้างหน้าอาจจะหยุดชะงักด้วยเหตุการณ์เพียงไม่กี่นาทีอย่างที่เราเห็นในปัจจุบัน

        ในอีก 10 ปีข้างหน้า Apple ก็มีความเป็นไปได้สูงที่จะไม่ใช่ “บริษัทมือถือ” ในความหมายเดิม จุดศูนย์กลางอาจเคลื่อนไปสู่แนวคิด ambient computing ทั้งอุปกรณ์สวมใส่บนใบหน้า จอแสดงผลอัจฉริยะในบ้าน และหุ่นยนต์ ขณะที่ iPhone ยังคงอยู่แต่มีบทบาทเปลี่ยนไปเป็นศูนย์ประมวลผลและแบตเตอรี่สำหรับอุปกรณ์รุ่นใหม่มากขึ้น ทิศทางนี้สอดคล้องกับตรรกะที่ Apple ใช้มาตลอด คือการเปลี่ยนบทบาทของฮาร์ดแวร์หลักให้กลายเป็นโครงสร้างพื้นฐานที่มองไม่เห็น มากกว่าการทิ้งมันไปทั้งหมด

        สิ่งที่สะท้อนได้ชัดเจนที่สุดในเชิงเทคโนโลยีคือ อุตสาหกรรมเทคระดับโลกกำลังเข้าสู่ช่วงที่ “ฮาร์ดแวร์กลับมามีความสำคัญเทียบเท่าซอฟต์แวร์” อีกครั้ง หลังจากหลายปีที่มูลค่าธุรกิจเทคเคยกระจุกอยู่ที่ซอฟต์แวร์และแพลตฟอร์มเป็นหลัก การที่ Apple เลือกวิศวกรฮาร์ดแวร์ขึ้นเป็น CEO ในจังหวะเดียวกับที่คู่แข่งอย่าง OpenAI เองก็หันมาซื้อฮาร์ดแวร์ Apple จำนวนมากเพื่อรันงาน AI เป็นสัญญาณว่าข้อจำกัดทางกายภาพของการประมวลผล AI (พลังงาน หน่วยความจำ ต้นทุนโทเคน) กำลังกลายเป็นปัจจัยกำหนดทิศทางอุตสาหกรรมไม่น้อยไปกว่าความสามารถของโมเดลเอง

        บทเรียนที่ชัดที่สุดคือ ความได้เปรียบทางเทคโนโลยีระยะยาวมักมาจากการเข้าใจข้อจำกัดทางฮาร์ดแวร์ ไม่ใช่แค่ทักษะเขียนโปรแกรมหรือใช้เครื่องมือ AI สำเร็จรูป กรณี Apple แสดงให้เห็นว่าสถาปัตยกรรมหน่วยความจำรวมศูนย์ที่ออกแบบไว้สำหรับมือถือเมื่อ 15 ปีก่อน (ในชิป A4 ปี 2010) กลายเป็นรากฐานของความได้เปรียบด้าน AI ในปัจจุบันโดยที่ไม่มีใครคาดคิดในตอนนั้น นักศึกษาที่เข้าใจว่าเหตุใดหน่วยความจำ แบนด์วิดท์ และการใช้พลังงานจึงเป็นปัจจัยกำหนดว่า AI ทำอะไรได้จริง จะมีความได้เปรียบมากกว่านักศึกษาที่รู้แค่วิธีเรียกใช้ API ของโมเดลสำเร็จรูป

        สำหรับนักศึกษาคณะวิทยาศาสตร์และเทคโนโลยี ทักษะที่สำคัญอีกประการหนึ่งคือการคิดเชิง “ระบบ” หรือ systems thinking เพราะเครื่องมือ AI เปลี่ยนแปลงอย่างรวดเร็ว แต่หลักการพื้นฐานด้านสถาปัตยกรรมคอมพิวเตอร์ หน่วยความจำ การกระจายงานประมวลผล และการวางแผนโครงสร้างพื้นฐานยังคงมีอายุการใช้งานยาวนานกว่า

        สำหรับงานวิจัย HPC Ignite ที่ ผศ. ดร.วรวรรณ ได้รับทุน วช. ด้านการศึกษาแห่งศตวรรษที่ 21 เมื่อปี 2567 ทีมวิจัยได้ค้นพบนิยามทักษะที่ควรเกิดขึ้นกับผู้เรียนเพื่อให้สามารถเปลี่ยนถ่ายความรู้ไปสู่การปฏิบัติในยุคอุตสาหกรรมเทคที่รวดเร็วผลการวิจัยนิยาม ทักษะ (Skill) ออกเป็น 6 มิติ ย่อว่า ตะเกียบ TAKEAB จะจับอะไรให้ติดให้คีบด้วยตะเกียบ ตัว T คือ Technique การเรียนรู้เทคนิคมันกระตุ้นความสนุกความมั่นใจ จากนั้น A คือ Ability ต้องลงมือเอง ฝึกทำจนทำได้ใช้เป็น K คือ Knowledge ทำได้ไม่พอต้องศึกษาความรู้ในศาสตร์นั้นให้ลึกซึ้งถ่องแท้ เมื่อมีสามอย่างแรกแล้ว จึงจะนำไปสู่ E คือ Efficiency การปรับปรุงให้เกิดประสิทธิภาพ ทักษะพัฒนาได้ด้วย A หรือ Attitude คือ การตั้งทัศนคติที่ดี มุ่งสู่มาตรฐานและศักยภาพที่สูง และ B หรือ Benchmark คือ การตั้งเป้าหมายในฝันที่สูงกว่าไว้ให้ขยับไป

        ผศ ดร.วรวรรณ เห็นว่าทักษะที่สำคัญคือการคิดเชิง “ระบบ” (systems thinking) เพราะเครื่องมือ AI เปลี่ยนเร็วมาก แต่หลักการพื้นฐานเรื่องสถาปัตยกรรมคอมพิวเตอร์ หน่วยความจำ การกระจายงานประมวลผล และการวางแผนโครงสร้างพื้นฐานยังคงมีอายุการใช้งานยาวกว่ามาก ทักษะที่ควรเน้น ได้แก่

• ความเข้าใจสถาปัตยกรรมฮาร์ดแวร์และการประมวลผลแบบกระจาย (distributed/parallel computing) เพื่อรู้ว่าเมื่อใดควรรันโมเดลบนคลาวด์ เมื่อใดควรรันในเครื่อง และจะออกแบบระบบผสม (hybrid) อย่างไรให้คุ้มค่าที่สุด — เช่นเดียวกับที่ Apple และ Perplexity กำลังทำกับผลิตภัณฑ์ Hybrid Compute ที่แบ่งงานระหว่างคลาวด์กับโมเดลในเครื่อง
• การประเมินต้นทุน-ประสิทธิภาพของโครงสร้างพื้นฐาน AI (เช่น สมรรถนะต่อวัตต์ ต้นทุนต่อโทเคน) แทนที่จะมองแค่ความแม่นยำของโมเดล
• ความเข้าใจเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูลในระบบ AI ซึ่งกำลังกลายเป็นข้อกำหนดทางกฎหมายและการค้ามากขึ้นเรื่อย ๆ ไม่ใช่แค่ประเด็นจริยธรรม

        สำหรับมหาวิทยาลัย ข้อเสนอเชิงหลักสูตรคือควรผนวกเนื้อหาด้านระบบคอมพิวเตอร์สมรรถนะสูงและการประมวลผลแบบ edgeเข้ากับวิชา AI/Machine Learning มากขึ้น แทนที่จะสอนแยกกัน เพราะการทำงานจริงในอุตสาหกรรมปัจจุบันต้องใช้ทั้งสองด้านพร้อมกัน ตัวอย่างที่ใช้สอนได้จริงและมีต้นทุนต่ำคือการให้นักศึกษาทดลองรันโมเดลภาษาขนาดกลางบนเครื่อง Mac mini หรืออุปกรณ์ที่มีหน่วยความจำรวมศูนย์ในราคาที่ภาควิชาเข้าถึงได้ ซึ่งช่วยให้เข้าใจข้อจำกัดด้านหน่วยความจำและแบนด์วิดท์ได้ด้วยตัวเอง แทนที่จะเรียนแค่ทฤษฎีบนกระดาน