Blog, Insight Hub

ประเทศไทยกำลังสร้าง “AI Economy” หรือกำลังเป็นเพียงสถานที่ตั้งโครงสร้างพื้นฐานให้บริษัทเทคโนโลยีระดับโลก

ประเทศไทยกำลังสร้าง “AI Economy” หรือกำลังเป็นเพียงสถานที่ตั้งโครงสร้างพื้นฐานให้บริษัทเทคโนโลยีระดับโลก?

ประเทศไทยกำลังได้รับเงินลงทุนด้านดิจิทัลและ AI ในระดับที่ไม่เคยเกิดขึ้นมาก่อน Data
Center, Cloud Region, AI Cloud
และโครงสร้างพื้นฐานด้านการประมวลผลกำลังถูกสร้างขึ้นอย่างรวดเร็ว
ขณะที่บริษัทเทคโนโลยีระดับโลกมองเอเชียตะวันออกเฉียงใต้เป็นพื้นที่ยุทธศาสตร์ใหม่ของ AI

ตัวเลขล่าสุดทำให้ภาพนี้ชัดเจนมาก

ใน ครึ่งแรกของปี 2026 คำขอรับการส่งเสริมการลงทุนของไทยมีมูลค่าประมาณ 1.47
ล้านล้านบาท เพิ่มขึ้น 37% จากปีก่อน โดยภาคดิจิทัลเพียงกลุ่มเดียวมีมูลค่าประมาณ 1.12
ล้านล้านบาท และ BOI ระบุว่าการเติบโตส่วนสำคัญมาจาก Digital Infrastructure และ
AI Data Center

นี่เป็นข่าวดีอย่างมากสำหรับประเทศไทย

แต่คำถามที่สำคัญกว่ามูลค่าการลงทุนคือ

เงินหนึ่งล้านล้านบาทนี้กำลังสร้าง “AI Economy ของประเทศไทย” หรือกำลังสร้างเพียง
“AI Infrastructure ที่ตั้งอยู่ในประเทศไทย”?

สองสิ่งนี้ไม่เหมือนกัน

และคำตอบจากข้อมูลปัจจุบันคือ ประเทศไทยกำลังสร้างทั้งสองอย่าง แต่ความเร็วในการสร้าง
Infrastructure กำลังนำหน้าความสามารถในการสร้างมูลค่า AI
ของคนและธุรกิจไทยอย่างชัดเจน

เงินลงทุนกำลังไหลเข้าประเทศไทยจริง และมีขนาดใหญ่มาก

เริ่มจาก Infrastructure ก่อน เพราะนี่คือจุดแข็งที่เห็นได้ชัดที่สุด

เฉพาะปี 2025 BOI ระบุว่ามีคำขอลงทุน Data Center สะสม 36 โครงการ มูลค่ากว่า
728,000 ล้านบาท กระจายอยู่ในกรุงเทพฯ ฉะเชิงเทรา ชลบุรี ปทุมธานี ระยอง
และสมุทรปราการ

และเพียงครึ่งแรกของปี 2025 Data Center ก็มีคำขอลงทุนถึง 521,200 ล้านบาทจาก 28
โครงการ

เมื่อเข้าสู่ครึ่งแรกปี 2026 การลงทุนใน Digital Sector ขยายตัวขึ้นไปอีก
จนมีมูลค่าคำขอส่งเสริมประมาณ 1.12 ล้านล้านบาท

ตัวเลขเหล่านี้ทำให้ปฏิเสธไม่ได้ว่าไทยกำลังกลายเป็นหนึ่งในจุดหมายสำคัญของ Digital
Infrastructure Investment ในเอเชียตะวันออกเฉียงใต้

Google, Hyperscalers และผู้เล่นระดับโลกกำลังวาง Infrastructure ในไทย

ตัวอย่างที่ชัดคือ
Google
ซึ่งประกาศลงทุน 1 พันล้านดอลลาร์ หรือประมาณ 36,000 ล้านบาท เพื่อสร้าง Data
Center และ Cloud Infrastructure ในประเทศไทย โดย Data Center
แห่งแรกอยู่ที่ชลบุรี

จากนั้นในเดือนมกราคม 2026 Google Cloud เปิด Cloud Region ในกรุงเทพฯ
อย่างเป็นทางการ
โดยระบุว่าการลงทุนดังกล่าวเป็นส่วนหนึ่งของยุทธศาสตร์ระยะยาวในประเทศไทย

Google ประเมินว่าการลงทุนและ Cloud Region
นี้สามารถสร้างมูลค่าทางเศรษฐกิจให้ไทยประมาณ 1.4 ล้านล้านบาทในช่วงห้าปี
และสนับสนุนงานเฉลี่ยประมาณ 130,000 ตำแหน่งต่อปี อย่างไรก็ตาม ตัวเลขนี้เป็น
ประมาณการผลกระทบทางเศรษฐกิจจาก Google/งานศึกษาที่เกี่ยวข้อง
ไม่ใช่จำนวนพนักงานโดยตรงของ Data Center จึงต้องตีความให้ถูกต้อง

ขณะเดียวกัน BOI ยังอนุมัติโครงการ Data Hosting ของบริษัทในเครือ TikTok มูลค่าประมาณ
126,790 ล้านบาท และโครงการ AI Cloud Service ของ Siam AI Corporation
ซึ่ง BOI ระบุว่าเป็นบริษัทไทยรายแรกที่ได้รับเลือกเป็น NVIDIA Cloud Partner มูลค่าประมาณ
3,250 ล้านบาท

นี่คือสัญญาณที่แข็งแรงมากว่า Compute กำลังเข้ามาอยู่ในประเทศไทย

แต่ Compute อยู่ในประเทศไทย ไม่ได้แปลโดยอัตโนมัติว่า AI Value Creation
จะอยู่ในประเทศไทย

นี่คือจุดที่ต้องแยก “AI Infrastructure” ออกจาก “AI Economy”

AI Value Chain

ลองนึกภาพ Value Chain ของ AI เป็นลำดับดังนี้

Energy → Data Center → GPU/Compute → Cloud → Foundation Model → AI
Platform → AI Application → Industry Transformation → Intellectual
Property → Revenue

ถ้าประเทศไทยได้มูลค่าหลักอยู่ในช่วง

Energy → Land → Construction → Data Center → Cloud Infrastructure

ไทยกำลังเป็น AI Infrastructure Hub

แต่ถ้าประเทศไทยสามารถขยับขึ้นไปสร้าง

Model → Platform → Application → IP → AI Product → Regional Business

และทำให้ AI เข้าไปเพิ่ม Productivity ของอุตสาหกรรมไทยจำนวนมาก

นั่นจึงจะเริ่มเป็น AI Economy

ความแตกต่างนี้สำคัญมาก

เพราะ Data Center มูลค่า 100,000 ล้านบาทกับบริษัท AI ไทยที่สร้าง Intellectual
Property และขาย Software ไปทั่วโลก สร้าง Economic Value คนละรูปแบบ

ข้อมูลล่าสุดชี้ว่า “Infrastructure ไทยกำลังวิ่งเร็วกว่าการใช้ AI”

นี่อาจเป็นข้อมูลสำคัญที่สุดของเรื่องนี้

World Bank ระบุใน Thailand Digital Data Infrastructure Roadmap ว่า
Cloud และ AI Infrastructure ของไทยกำลังดีขึ้นจากการลงทุนของ Hyperscalers แต่
ความลึกของการนำ AI ไปใช้ยังจำกัด และการใช้งาน AI
ของบุคคลและบริษัทไทยยังต่ำกว่าค่าเฉลี่ยของภูมิภาค โดยมีข้อจำกัดจาก Skills, Governance,
Data และ Institutional Coordination

ภาพนี้สอดคล้องกับข้อมูลล่าสุดของ NECTEC ใน Thailand AI Readiness Assessment
2026

การสำรวจองค์กรไทย 574 แห่งใน 10 กลุ่มอุตสาหกรรมพบว่า สัดส่วนองค์กรที่นำ AI
มาใช้เพิ่มจาก 17.8% ในปี 2024 เป็น 53.7% ในปี 2026

ดูเผิน ๆ นี่เป็นข่าวดีมาก

แต่ในเวลาเดียวกัน AI Readiness Score เฉลี่ยกลับลดจาก 55.1% เหลือ 40.0%
และยังอยู่ในระดับ “Aware”

สองด้านที่อ่อนที่สุดคือ Technology 32.2% และ Governance 28.9%

สิ่งที่ตัวเลข Adoption และ Readiness กำลังบอกเรา

นี่สะท้อนปรากฏการณ์ที่น่าสนใจมาก:

ประเทศไทยไม่ได้มีปัญหาว่า “ไม่มีใครใช้ AI” อีกต่อไป แต่กำลังมีปัญหาว่า “คนใช้ AI
เร็วกว่าที่องค์กรสร้างความสามารถรองรับ AI”

AI Adoption เพิ่มขึ้น 3 เท่า แต่ Readiness กลับลดลง

นี่เป็น Warning Signal ที่ผู้บริหารควรให้ความสนใจ

องค์กรไทยกำลังใช้ Chatbot, Generative AI, Copilot, Automation และเริ่มทดลอง
Agentic AI กันมากขึ้น

แต่หลายองค์กรยังไม่มี

AI Strategy → Data Foundation → AI Architecture → AI Governance →
Security → Measurement → Workforce Transformation

ผลลัพธ์คือ AI ถูกใช้ในระดับบุคคลหรือ Use Case เฉพาะจุด แต่ยังไม่ได้เปลี่ยน Operating
Model ขององค์กรอย่างเต็มรูปแบบ

นี่คือความแตกต่างระหว่าง

Using AI

กับ

Becoming an AI-powered Enterprise

และในระดับประเทศก็คือความแตกต่างระหว่าง

มีคนใช้ AI จำนวนมาก

กับ

มี AI Economy

ไทยมีจุดแข็งที่ไม่ควรมองข้าม

ภาพของประเทศไทยไม่ได้เป็นลบ

World Bank ประเมินว่า Digital Economy ของไทยมีขนาดประมาณ 6% ของ GDP
และเป็นเศรษฐกิจดิจิทัลขนาดใหญ่อันดับสองของ ASEAN ขณะที่โครงสร้างพื้นฐานด้าน Mobile
Internet, Digital ID และ Digital Payment เช่น PromptPay และ ThaID
เป็นฐานที่สำคัญสำหรับการต่อยอดเศรษฐกิจดิจิทัล

ประเทศไทยยังมีฐานเศรษฐกิจจริงที่หลากหลาย

Manufacturing

Automotive

Healthcare

Tourism

Agriculture & Food

Retail

Financial Services

Logistics

นี่คือข้อได้เปรียบที่สำคัญ

เพราะการแข่งขัน AI ในอนาคตอาจไม่ได้วัดเฉพาะว่าใครสร้าง Foundation Model ที่ใหญ่ที่สุด

แต่อาจวัดว่า

ใครสามารถนำ AI ไปเพิ่ม Productivity
และสร้างผลิตภัณฑ์ใหม่ในอุตสาหกรรมจริงได้มากที่สุด

โอกาสจาก Domain Advantage

ประเทศไทยไม่จำเป็นต้องแข่งขันกับสหรัฐฯ ในการสร้าง Frontier Model ทุกประเภท

แต่ไทยควรแข่งขันในสิ่งที่มี Domain Advantage

เช่น

AI for Healthcare

AI for Tourism

AI for Food & Agriculture

AI for Manufacturing

AI for Automotive

Thai Language AI

AI for Government Services

AI for Cybersecurity

แต่เมื่อมอง Startup Ecosystem ไทยยังตามหลังผู้นำภูมิภาคมาก

นี่คืออีกตัวเลขที่ควรจับตา

รายงาน e-Conomy SEA 2025 ของ Google, Temasek และ Bain ระบุว่า
Southeast Asia มี AI Startup ที่ยัง Active มากกว่า 680 บริษัท

แต่กระจายตัวไม่เท่ากัน

Singapore มีมากกว่า 495 บริษัท

Malaysia มากกว่า 60

Indonesia มากกว่า 45

Vietnam มากกว่า 40

ขณะที่ประเทศไทยมีเพียง 20+ AI Startups ตามนิยามและชุดข้อมูลของรายงานดังกล่าว

ตัวเลขนี้ไม่ได้หมายความว่าไทยมีบริษัทที่ “ใช้ AI” เพียง 20 บริษัท
เพราะรายงานใช้เกณฑ์เฉพาะสำหรับ AI Startup ที่ก่อตั้งตั้งแต่ปี 2020 และยัง Active
อยู่ในช่วงครึ่งแรกปี 2025

แต่ความแตกต่างกับ Singapore ยังมีนัยสำคัญ

เพราะมันสะท้อนว่า Infrastructure Investment จำนวนมหาศาลยังไม่ได้แปลงเป็นจำนวน
AI-native Companies ในสัดส่วนเดียวกัน

Singapore แสดงให้เห็นว่า AI Hub ต้องสร้างมากกว่า Data Center

ถ้าต้องการเห็น Benchmark ระดับภูมิภาค Singapore เป็นกรณีศึกษาที่น่าสนใจ

Singapore ไม่ได้ลงทุนเฉพาะ Compute

National AI Strategy 2.0 ตั้งเป้าเพิ่มจำนวน AI Practitioners เป็น 15,000
คน พร้อมดึง AI Creators ระดับสูง สร้าง AI Centres of Excellence และผลักดัน AI
Adoption ในภาคเศรษฐกิจ

รัฐบาล Singapore ระบุว่าได้วางแผนลงทุนมากกว่า S$1 billion ใน AI Compute,
Talent และ Industry Development

ในปี 2026 Singapore ยังเปิด National AI Impact Programme ตั้งเป้าช่วย
10,000 Enterprises ภายในสามปี ยกระดับการนำ AI ไปใช้งาน

และในเดือนพฤษภาคม 2026 Singapore ปรับ National AI Strategy อีกครั้ง
โดยมุ่งจากการทดลอง Use Case ไปสู่ Organisation-wide Transformation
พร้อมพัฒนา Talent, Ecosystem, Research และ Compute ไปพร้อมกัน

นี่คือความแตกต่างที่สำคัญ

Data Center Strategy ถามว่า “จะดึง Compute เข้าประเทศอย่างไร?”

แต่

AI Economy Strategy ถามว่า “เมื่อ Compute เข้ามาแล้ว
คนและบริษัทของประเทศจะสร้างอะไรจากมัน?”

Southeast Asia เองก็ยังมีปัญหาเรื่องการสร้าง AI Capital

ปัญหานี้ไม่ได้เกิดเฉพาะประเทศไทย

รายงาน e-Conomy SEA 2025 ระบุว่า Southeast Asia มีเงินลงทุนใน AI-related
Startups มากกว่า US$2.3 billion ในช่วง 12 เดือน แต่เมื่อมอง Capital
สะสมในบริษัท AI/ML ที่ก่อตั้งตั้งแต่ปี 2020 ภูมิภาคนี้มีสัดส่วนเพียงประมาณ 2% ของโลก
ทั้งที่มีสัดส่วน GDP โลกประมาณ 4%

ดังนั้นทั้งภูมิภาคกำลังเผชิญโจทย์คล้ายกัน:

Big Tech ลงทุน Infrastructure ใน Southeast Asia เร็วกว่าที่ Southeast Asia
สร้าง Global AI Companies ของตัวเอง

ระดับโลก เงินกำลังไหลเข้าสู่ “ผู้สร้าง AI” อย่างมหาศาล

เมื่อขยายภาพออกไปทั่วโลก ความแตกต่างยิ่งชัด

Stanford AI Index 2026 รายงานว่า Global Corporate AI Investment
มากกว่าสองเท่าในปี 2025 โดย Private Investment เติบโต 127.5% และ
Generative AI ดึงดูดเงินลงทุนเพิ่มมากกว่า 200%

สหรัฐฯ ยังคงนำด้าน Private AI Investment อย่างมาก
โดยมีระดับการลงทุนสูงกว่าจีนประมาณ 23 เท่า ตามข้อมูล Private Investment ที่
Stanford รวบรวม แม้ Stanford เตือนว่าตัวเลขดังกล่าวอาจไม่สะท้อนเงินทุนภาครัฐและ
Government-guided Funds ของจีนทั้งหมด

ประเทศที่ได้ประโยชน์สูงสุดจาก AI Economy จึงไม่ได้เพียง Hosting Server

แต่กำลังถือครอง

Models

Platforms

Software

Intellectual Property

AI Companies

Capital

และ Talent

นี่คือส่วนที่สร้างมูลค่าเพิ่มสูงใน AI Value Chain

ดังนั้น Data Center เป็นเรื่องดีหรือไม่?

ดี และจำเป็น

การวิจารณ์ว่าไทยกำลังเป็นเพียง Data Center Hub จึงไม่ควรตีความว่า Data Center
ไม่มีประโยชน์

ตรงกันข้าม Data Center และ Cloud Region เป็น Foundation สำคัญมาก

มันช่วยเรื่อง

Low Latency

Cloud Availability

Data Residency

Cybersecurity Architecture

Business Continuity

Access to Compute

และช่วยให้องค์กรไทยสามารถ Deploy AI Workload ในประเทศได้ง่ายขึ้น

BOI เองมองว่าการลงทุนเหล่านี้สามารถสร้าง Supply Chain ตั้งแต่ Infrastructure,
Hardware, Facility Management ไปจนถึงธุรกิจ Digital, Fintech, E-commerce
และ AI

ปัญหาจึงไม่ใช่

“เราควรมี Data Center หรือไม่?”

คำตอบคือควรมี

แต่คำถามที่สำคัญกว่าคือ

“เราจะใช้ Data Center เหล่านี้เป็นฐานสร้างอุตสาหกรรม AI ของไทยได้หรือไม่?”

ความเสี่ยงคือไทยอาจได้ “CapEx” แต่ไม่ได้ “IP”

ลองสมมติบริษัทเทคโนโลยีต่างชาติลงทุน 100,000 ล้านบาทในประเทศไทย

เงินจำนวนมากถูกใช้กับ

Land

Building

Cooling

Power Infrastructure

Server

Networking Equipment

Construction

สิ่งเหล่านี้สร้าง Economic Activity จริง

แต่ถ้า

Foundation Model ถูกพัฒนาที่ต่างประเทศ

Platform เป็นของบริษัทต่างประเทศ

Software IP อยู่ต่างประเทศ

AI Startup ที่เติบโตอยู่ต่างประเทศ

AI Scientist ระดับสูงอยู่ต่างประเทศ

และ Profit Pool ส่วนใหญ่กลับไปยังเจ้าของ Technology ต่างประเทศ

ประเทศไทยก็อาจเป็นผู้รับประโยชน์จาก Infrastructure Economy มากกว่าเป็นเจ้าของ
AI Value Creation

KPI ที่ต้องวัดต่อจาก FDI

ดังนั้นสิ่งที่ต้องวัดต่อจาก FDI คือ

Domestic Value Added

Domestic Value Added

ประเทศไทยต้องเปลี่ยน KPI จาก “เงินลงทุนเข้ามาเท่าไร” เป็น “ประเทศไทยได้อะไรจากเงินนั้น”

นี่อาจเป็นจุดเปลี่ยนที่สำคัญที่สุด

การประกาศว่า

“มี Data Center ลงทุน 500,000 ล้านบาท”

เป็นข่าวดี

แต่ยังไม่เพียงพอที่จะบอกว่าเรามี AI Economy

เราควรถามต่อว่า

เงินลงทุนเหล่านั้นทำให้เกิด AI Engineer ไทยกี่คน

เกิด AI Startup ไทยกี่บริษัท

เกิด Patent / Model / Software IP ของไทยเท่าไร

SME ไทยใช้ AI เพิ่ม Productivity กี่เปอร์เซ็นต์

บริษัทไทยสร้าง AI Product ส่งออกได้เท่าไร

มหาวิทยาลัยไทยผลิต AI Research ที่ถูก Commercialize กี่โครงการ

องค์กรไทยสามารถเข้าถึง Compute ในราคาที่แข่งขันได้หรือไม่

และที่สำคัญ

มูลค่าที่ AI สร้างขึ้น มีสัดส่วนเท่าไรที่ยังอยู่ในเศรษฐกิจไทย

ประเทศไทยมี National AI Strategy อยู่แล้ว แต่โจทย์คือ Execution

ไทยไม่ได้เริ่มจากศูนย์

National AI Strategy and Action Plan 2022–2027 วางยุทธศาสตร์ไว้ทั้งเรื่อง
Regulation, Infrastructure, Talent, R&D และ Adoption โดยตั้งเป้าสร้าง AI
Talent มากกว่า 30,000 คน พัฒนา AI R&D Prototype อย่างน้อย 100 โครงการ
และพัฒนา Infrastructure รวมถึง HPC และ National AI Service Platform

UNESCO ซึ่งประเมิน AI Readiness ของประเทศไทยก็พบว่าประเทศมีองค์ประกอบด้าน
Governance และ Policy อยู่แล้ว แต่ยังมี Gap ในเรื่อง Policy Coherence,
Institutional Coordination และ Capacity Development

ดังนั้นโจทย์ไม่ใช่เพียง

“ประเทศไทยมี AI Strategy หรือยัง?”

แต่คือ

“Strategy สามารถเปลี่ยน Compute และ FDI ที่กำลังไหลเข้ามา ให้กลายเป็น
Productivity, Talent, IP และบริษัท AI ของไทยได้เร็วเพียงใด?”

สูตรของ AI Economy ไม่ใช่ Data Center อย่างเดียว

องค์ประกอบของ AI Economy

หากสรุปให้ง่าย ประเทศที่จะสร้าง AI Economy ได้จริงต้องมีองค์ประกอบอย่างน้อย

Compute + Data + Talent + Research + Capital + Startups + Enterprise
Adoption + Governance + Market

Compute อย่างเดียวไม่พอ

Talent อย่างเดียวก็ไม่พอ

Startup อย่างเดียวก็ไม่พอ

AI Economy Flywheel

แต่ต้องสร้าง Flywheel ให้แต่ละส่วนเสริมกัน

Compute → Researchers/Companies สร้าง AI → Businesses Adopt →
Productivity เพิ่ม → Revenue เกิด → Capital กลับมาลงทุน → Talent เพิ่ม → IP เพิ่ม
→ AI Companies เติบโต

นี่คือ AI Economy Flywheel

ประเทศไทยควรเลือกเกมที่ตัวเองมีโอกาสชนะ

ประเทศไทยไม่จำเป็นต้องสร้าง “Thai OpenAI” เพื่อพิสูจน์ว่ามี AI Economy

และไม่จำเป็นต้องแข่งขันกับสหรัฐฯ และจีนด้วยจำนวน GPU หรือขนาด Foundation Model
เพียงอย่างเดียว

Vertical AI

โอกาสที่เป็นไปได้มากกว่าคือการสร้าง Vertical AI

ประเทศไทยมี Domain Knowledge จำนวนมหาศาลใน

Healthcare & Medical

Tourism & Hospitality

Food & Agriculture

Manufacturing

Automotive & EV Supply Chain

Retail & Commerce

Financial Services

Government Services

Cybersecurity

ถ้านำ Domain Data + Thai Talent + Local Compute + AI Platform มาสร้าง
Product ที่แก้ปัญหาเฉพาะอุตสาหกรรมได้

เราจะเปลี่ยนจาก

Consumer of AI

ไปสู่

Creator of AI Value

ได้โดยไม่จำเป็นต้องเป็นผู้สร้าง Frontier Model รายใหญ่ที่สุด

อีกสนามหนึ่งที่ไทยต้องลงทุนคือ “AI Transformation ของ SME”

AI Economy จะไม่เกิดขึ้นจริงถ้า AI ถูกใช้เฉพาะธนาคาร บริษัทขนาดใหญ่
และองค์กรเทคโนโลยี

ประเทศไทยมีธุรกิจขนาดกลางและขนาดเล็กจำนวนมาก

AI ต้องลงไปถึง

ร้านอาหาร

ค้าปลีก

โรงแรม

โรงงาน

Logistics

Healthcare

Agriculture

Professional Services

และ Local Businesses

เป้าหมายไม่ควรเป็นเพียง

“ให้ SME ใช้ ChatGPT”

แต่ต้องไปถึง

AI Workflow

AI Automation

AI Agent

Data Analytics

Demand Forecasting

Customer Intelligence

Marketing Optimization

Supply-chain Optimization

และ Decision Intelligence

เมื่อ AI ทำให้บริษัทไทยหนึ่งแสนแห่งผลิตงานได้มากขึ้น ต้นทุนลดลง และสร้างรายได้เพิ่มขึ้น
นั่นต่างหากคือ AI Economy ที่จับต้องได้

AI Economy ต้องสร้างคน ไม่ใช่แค่สร้างอาคาร

Data Center หนึ่งแห่งสามารถใช้เงินลงทุนจำนวนมหาศาล

แต่ AI Economy ระยะยาวต้องสร้าง Human Capital

Human Capital ที่ AI Economy ต้องการ

ประเทศไทยต้องการมากกว่า AI User

เราต้องการ

AI Engineers

Data Engineers

ML Engineers

AI Security Specialists

AI Governance Professionals

Domain AI Specialists

AI Product Managers

AI Entrepreneurs

รวมถึง CEO, CIO, CFO และ CMO ที่เข้าใจว่าจะเปลี่ยน AI ให้เป็น Business Value
อย่างไร

ข้อมูล NECTEC ปี 2026 ที่พบว่า AI Adoption เพิ่มขึ้นอย่างรวดเร็ว แต่ Readiness
ยังอยู่เพียงระดับ Aware เป็นสัญญาณว่าการพัฒนา Capability ต้องเร่งตาม Adoption
ให้ทัน

แล้ววันนี้ประเทศไทยอยู่ตรงไหน?

จากข้อมูล ณ เดือนกันยายน 2026 ภาพที่เหมาะสมที่สุดไม่ใช่การบอกว่า

“ประเทศไทยเป็นเพียงที่ตั้ง Data Center”

เพราะไทยมี Digital Economy, National AI Strategy, AI Adoption และ Local
AI Ecosystem อยู่จริง

แต่ก็ยังเร็วเกินไปที่จะสรุปว่า

“ประเทศไทยสร้าง AI Economy สำเร็จแล้ว”

ข้อมูลสะท้อนภาพที่ซับซ้อนกว่า:

ประเทศไทยกำลังสร้าง AI Infrastructure ได้เร็วกว่าการสร้าง AI Capability
และ Domestic AI Value Creation

นี่คือทั้ง โอกาส และ ความเสี่ยง

ช่วง 3–5 ปีข้างหน้าจะเป็นช่วงตัดสิน

Scenario 1 — Infrastructure Boom → AI Economy

ถ้า Data Center และ Cloud ที่กำลังเข้ามานำไปสู่

Cheap & Accessible Compute

→ Thai AI Talent

→ Thai AI Startups

→ Enterprise AI Adoption

→ Vertical AI Products

→ Thai-owned IP

→ Regional/Global Revenue

ประเทศไทยจะสามารถเปลี่ยน Infrastructure Boom ให้กลายเป็น AI Economy

Scenario 2 — Infrastructure Boom → AI Consumption

แต่ถ้าสิ่งที่เกิดขึ้นคือ

Foreign Capital

→ Data Center

→ Foreign Cloud

→ Foreign Model

→ Foreign Platform

→ Thai Consumption

เราก็อาจกลายเป็นตลาดขนาดใหญ่และสถานที่ตั้ง Infrastructure ที่ดีเยี่ยม
แต่ถือครองมูลค่าในส่วนบนของ AI Value Chain ค่อนข้างน้อย

บทสรุป: คำถามไม่ใช่ว่า Data Center เป็นของใคร แต่อยู่ที่ “Value จะตกอยู่ที่ใคร”

การที่บริษัทเทคโนโลยีระดับโลกเลือกประเทศไทยเป็นที่ตั้ง Data Center, Cloud Region และ
AI Infrastructure เป็น Strategic Asset ที่สำคัญ ไม่ใช่สิ่งที่ควรปฏิเสธ

ประเทศไทยต้องการ Compute

ต้องการ Cloud

ต้องการ Data Center

ต้องการ FDI

แต่ Infrastructure ต้องเป็น จุดเริ่มต้น ไม่ใช่จุดหมายปลายทาง

โจทย์ต่อไปคือทำอย่างไรให้ Infrastructure เหล่านี้สร้าง

Thai Talent

Thai Innovation

Thai AI Companies

Thai Intellectual Property

Productivity ของธุรกิจไทย

และ AI Products ที่ประเทศไทยสามารถส่งออกไปยังภูมิภาคและตลาดโลก

ดังนั้นคำถามที่ประเทศไทยควรถามในปี 2026 ไม่ใช่เพียงว่า

“เราดึงเงินลงทุน Data Center เข้ามาได้กี่แสนล้านบาท?”

แต่ควรถามว่า

####### คำถามชี้วัด AI Economy

“จากทุก 100 บาทที่โลกลงทุนใน AI บนแผ่นดินไทย
ประเทศไทยสามารถเปลี่ยนมันเป็นความรู้ ทรัพย์สินทางปัญญา Productivity บริษัทใหม่
และรายได้ที่อยู่ในเศรษฐกิจไทยได้กี่บาท?”

ถ้าเราตอบคำถามนี้ได้ดี ประเทศไทยกำลังสร้าง AI Economy

แต่ถ้าเราวัดความสำเร็จเพียงจำนวน Data Center, Megawatt และมูลค่า FDI
เราอาจกำลังสร้าง Infrastructure for the AI Economy of others มากกว่า AI
Economy ของเราเอง

และนี่อาจเป็นหนึ่งในโจทย์เศรษฐกิจที่สำคัญที่สุดของประเทศไทยในทศวรรษนี้

เกี่ยวกับผู้เขียน

อาจารย์ปรเมศร์ เพียรสกุล ผู้เชี่ยวชาญด้านความมั่นคงปลอดภัยไซเบอร์ (Cybersecurity) ปัญญาประดิษฐ์ (Artificial Intelligence: AI) และการวิเคราะห์ข้อมูลเชิงกลยุทธ์ ปัจจุบันดำรงตำแหน่งประธานเจ้าหน้าที่บริหาร (Chief Executive Officer: CEO) และผู้ก่อตั้ง บริษัท อินเทลลิเจนท์ ดาต้า อนาไลติก จำกัด โดยมุ่งพัฒนาและประยุกต์ใช้เทคโนโลยี เพื่อเปลี่ยนข้อมูลให้เป็นข่าวกรองที่เชื่อถือได้สำหรับการตัดสินใจของผู้บริหารและองค์กรอย่างมีประสิทธิภาพและยั่งยืน