การ์ทเนอร์คาด AI องค์กรจะยังไม่รันบนฮาร์ดแวร์ควอนตัมจนถึงปี 2571 ชี้ระบบดั้งเดิมยังนำด้านประสิทธิภาพ

สำนักข่าวบริคอินโฟ – การ์ทเนอร์ (Gartner) บริษัทวิจัยและให้คำปรึกษาด้านเทคโนโลยี เปิดเผยรายงานคาดการณ์ว่า เวิร์กโหลดการประมวลผลของปัญญาประดิษฐ์หรือ AI ระดับองค์กรขนาดใหญ่ จะยังไม่มีการรันบนฮาร์ดแวร์ ควอนตัมคอมพิวติ้ง (Quantum Computing) ไปจนถึงปี พ.ศ. 2571 โดยระบบประมวลผลแบบดั้งเดิมที่ใช้การเร่งความเร็วด้วยฮาร์ดแวร์เฉพาะ (Classical Accelerated AI) เช่น CPUs, GPUs หรือ TPUs จะยังคงครองความเป็นผู้นำในทุกดัชนีชี้วัดด้านประสิทธิภาพการทำงานจริงในสายการผลิต ทั้งนี้ ปัจจุบันยังไม่มีผลงานวิจัยที่ผ่านการรับรองทางวิชาการยืนยันว่าควอนตัมสามารถสร้างความได้เปรียบเชิงประสิทธิภาพให้แก่ AI ในระดับองค์กรได้

ชิรัค เดกาเต้ (Chirag Dekate) รองประธานนักวิเคราะห์ของการ์ทเนอร์ ระบุว่า โซลูชัน Quantum AI ในท้องตลาดปัจจุบันส่วนใหญ่เป็นเพียงเทคโนโลยีไฮบริดหรืออัลกอริทึมที่นำแนวคิดควอนตัมมาปรับใช้ (Quantum-inspired AI) ไม่ใช่เทคโนโลยีควอนตัมแท้ (Quantum-native AI) ที่พร้อมรองรับการทำงานจริงในระบบปฏิบัติการหลักขององค์กร ซึ่งระบบประมวลผลควอนตัมแท้ยังห่างไกลจากการนำมาใช้เชิงพาณิชย์ และคาดว่าจะยังไม่พร้อมใช้งานตลอดทศวรรษนี้ เนื่องจากการพัฒนาฮาร์ดแวร์ควอนตัมให้มีความเสถียรและทนทานต่อความผิดพลาด (Fault-Tolerant) ในระดับที่สร้างผลตอบแทนทางเศรษฐกิจได้ ต้องอาศัยความพร้อม 4 ด้านร่วมกัน ได้แก่ ฮาร์ดแวร์ การแก้ไขข้อผิดพลาด (Error Correction) มิดเดิลแวร์ และอัลกอริทึม

ในทางปฏิบัติ เทคโนโลยี AI ในปัจจุบันแบ่งออกเป็นหลายรูปแบบ โดย Classical AI เช่น Deep Learning และ Transformers บนฮาร์ดแวร์ดั้งเดิม ยังคงเป็นเครื่องมือหลักที่สร้างผลตอบแทนจากการลงทุน (ROI) ชัดเจน ขณะที่เทคนิค Quantum-inspired AI สามารถนำมาเขียนโปรแกรมรันบนคอมพิวเตอร์ทั่วไปเพื่อแก้โจทย์คำนวณซับซ้อน เช่น การจัดสรรระบบขนส่ง ส่วนระบบ Hybrid Quantum-Classical ยังถูกจำกัดอยู่เพียงงานวิจัยและโครงการนำร่องเท่านั้น การ์ทเนอร์จึงประเมินว่า เทคโนโลยีควอนตัมคอมพิวติ้งสำหรับงาน AI จะยังคงอยู่ในขั้นตอนการวิจัยและพัฒนา (R&D) ไปจนถึงปี พ.ศ. 2573 เนื่องจากจำนวน Logical Qubit ยังไม่เพียงพอต่อการรองรับอัลกอริทึม AI ได้อย่างเต็มรูปแบบ

การ์ทเนอร์ได้เสนอแนะให้องค์กรแยกงบประมาณด้าน R&D ควอนตัมออกจากงบประมาณโครงสร้างพื้นฐาน AI เนื่องจาก GenAI สามารถสร้างผลตอบแทนที่วัดผลได้ภายใน 12 ถึง 18 เดือน ในขณะที่ควอนตัมยังไม่สามารถสร้างมูลค่าบนเวิร์กโหลดจริงได้ การรวมงบประมาณเข้าด้วยกันอาจส่งผลกระทบต่อการพัฒนาขีดความสามารถ AI ที่ใช้งานอยู่ในปัจจุบัน โดยผู้บริหารฝ่ายสารสนเทศ (CIO) ส่วนใหญ่ควรมุ่งเน้นการลงทุนใน GenAI, Agentic AI, ความปลอดภัยทางไซเบอร์ และคลาวด์เป็นหลัก

สำหรับแนวทางการปรับใช้เทคโนโลยี องค์กรควรเลือกใช้อัลกอริทึมแบบ Quantum-inspired บนโครงสร้างพื้นฐาน GPU เดิมเพื่อแก้โจทย์การคำนวณซับซ้อนแทนการลงทุนในฮาร์ดแวร์ควอนตัมโดยตรง พร้อมทั้งกำหนดดัชนีชี้วัด (KPI) และเงื่อนไขการยุติโครงการนำร่องที่ชัดเจนโดยเทียบประสิทธิภาพกับระบบเดิม และควรติดตามความก้าวหน้าจากจำนวน Logical Qubit ที่มีอัตราความผิดพลาดต่ำ รวมถึงระบบ Error Correction มากกว่าการพิจารณาเพียงจำนวน Physical Qubit