การ์ทเนอร์คาดตลาด AI 2026 โต 63.4% แตะ 64,252 ล้านดอลลาร์

28 กรกฎาคม 202628 กรกฎาคม 2026

การ์ทเนอร์ (Gartner) เผยตัวเลขคาดการณ์ตลาดโมเดลและแพลตฟอร์ม AI ทั่วโลกประจำปี 2026 ว่ามูลค่าการใช้จ่ายของผู้ใช้ปลายทางจะพุ่งแตะ 64,252 ล้านดอลลาร์สหรัฐฯ เพิ่มขึ้น 63.4% จากปี 2025 ที่อยู่ที่ 39,311 ล้านดอลลาร์สหรัฐฯ ตัวเลขนี้เกิดขึ้นในจังหวะที่ฝ่ายจัดซื้อขององค์กรทั่วโลกเริ่มตรวจสอบทุกเม็ดเงินที่จ่ายให้ AI อย่างเข้มงวดขึ้นกว่าเดิม

ตลาด AI รวม 64,252 ล้านดอลลาร์ แยกเป็นฝั่งโมเดลและแพลตฟอร์ม

เม็ดเงินก้อนนี้ไม่ได้โตเท่ากันทุกฝั่ง ฝั่งโมเดล Generative AI จะโตถึง 117% ในปีนี้ ขณะที่ฝั่งแพลตฟอร์ม AI โตช้ากว่าที่ 36.9% ความต่างระดับนี้บอกได้ชัดว่าเงินลงทุนกำลังไล่ตามความสามารถของตัวโมเดลมากกว่าเครื่องมือที่ห่อหุ้มมันอยู่

โมเดล GenAI ดึงเม็ดเงินเร็วกว่าแพลตฟอร์มเกือบ 4 เท่า

ช่องว่างระหว่าง 117% กับ 36.9% เกิดจากองค์กรจำนวนมากผ่านช่วงทดลองมาแล้ว และเริ่มเทเงินไปที่ตัวโมเดลที่ใช้งานจริงในสายงาน แทนที่จะลงทุนกับเลเยอร์แพลตฟอร์มเพิ่มอีกชั้น

DSLM โมเดลเฉพาะทางโต 210% แซงหน้าทุกกลุ่มสินค้าในตลาด

เมื่อแยกตามกลุ่มสินค้า โมเดลภาษาเฉพาะทางตามสายงาน หรือ DSLM (Domain-Specific Language Models) และโมเดลเฉพาะทางประเภทอื่น จะโตจาก 1,583 ล้านดอลลาร์ในปี 2025 เป็น 4,910 ล้านดอลลาร์ในปี 2026 คิดเป็นอัตราโต 210% สูงที่สุดในทุกกลุ่ม ตามมาด้วยโมเดล Generative AI พื้นฐานที่โต 104.2% จาก 11,438 ล้านดอลลาร์ เป็น 23,356 ล้านดอลลาร์

แพลตฟอร์มพัฒนาแอปและแพลตฟอร์ม Data Science โตช้ากว่าเท่าตัว

แพลตฟอร์มพัฒนาแอปพลิเคชัน AI โตจาก 6,885 ล้านดอลลาร์ เป็น 9,541 ล้านดอลลาร์ หรือ 38.6% ส่วนแพลตฟอร์มสำหรับ Data Science และ Machine Learning โตจาก 19,405 ล้านดอลลาร์ เป็น 26,444 ล้านดอลลาร์ หรือ 36.3% ตัวเลขสองกลุ่มนี้ต่ำกว่าค่าเฉลี่ยตลาดที่ 63.4% ชัดเจน สวนทางกับกลุ่มโมเดลเฉพาะทางที่โตแบบก้าวกระโดด

อรุณาสรี เชปาร์ธี ชี้งบ AI ถูกตรวจสอบต้นทุนและผลลัพธ์อย่างเข้มงวด

อรุณาสรี เชปาร์ธี (Arunasree Cheparthi) นักวิเคราะห์หลักอาวุโสของการ์ทเนอร์ ระบุว่างบประมาณด้าน AI ขององค์กรธุรกิจกำลังถูกตรวจสอบอย่างเข้มงวดมากขึ้น โดยมุ่งเน้นไปที่ประสิทธิภาพของการใช้งาน การควบคุมต้นทุน และผลลัพธ์ที่วัดผลได้เป็นสำคัญ เม็ดเงินลงทุนกำลังไหลไปสู่ผู้ให้บริการที่พิสูจน์คุณค่าได้ชัดเจน ทั้งด้านต้นทุน ความหน่วงในการประมวลผล (Latency) ประสิทธิภาพ และความน่าเชื่อถือ

ระบบติดตามการใช้งานที่ฝังในเวิร์กโฟลว์คือจุดที่สร้างความได้เปรียบ

ผู้ให้บริการที่มีระบบประเมินผล ความโปร่งใสของต้นทุน และการติดตามการใช้งานที่ฝังไว้ในกระบวนการทำงานของลูกค้า จะช่วยให้ลูกค้าจัดการและเพิ่มประสิทธิภาพการใช้ AI ได้ง่ายขึ้น เมื่อการคิดราคาเปลี่ยนไปเป็นรูปแบบตามปริมาณการใช้งานจริง (Usage-driven) ผู้ให้บริการเหล่านี้จึงต้องแสดงผลการใช้งานต่อเนื่องและอัตรากำไรให้เห็นชัดเจนขึ้นตามไปด้วย

ผู้ชนะระยะยาวคือผู้พัฒนาที่ช่วยองค์กรควบคุมการใช้งาน AI ได้ทั่วทั้งองค์กร

เชปาร์ธี สรุปว่าในระยะยาว ผู้ชนะรายใหญ่ที่สุดจะเป็นกลุ่มผู้พัฒนา AI ที่ช่วยให้องค์กรธุรกิจบริหารจัดการได้ว่า AI ถูกนำไปใช้งานที่ใดและอย่างไรในทุกภาคส่วน เมื่อโมเดลใหม่เข้าสู่ตลาดมากขึ้นและการคิดราคาตามปริมาณการใช้งานจริงเริ่มคาดเดายากขึ้น ผู้ซื้อจะหันไปหาแพลตฟอร์มที่ช่วยเลือกเครื่องมือที่เหมาะสม ตรวจสอบประสิทธิภาพ และควบคุมต้นทุนให้อยู่หมัดได้

สำหรับตลาดไทยที่หลายองค์กรเพิ่งเริ่มขยับจากช่วงทดลองใช้ AI ไปสู่การใช้งานจริงในสายงาน ตัวเลขโต 210% ของกลุ่ม DSLM เป็นสัญญาณว่าสนามแข่งขันถัดไปคือโมเดลเฉพาะทางตามอุตสาหกรรม มากกว่าการแข่งขันสร้างโมเดลอเนกประสงค์ขนาดใหญ่เพียงอย่างเดียว

ติดตามข่าวสาร อัปเดตเทคโนโลยี รีวิวของใหม่ก่อนใคร ได้ทาง www.techoffside.com และ ช่องทางโซเชียล Facebook, Instagram, YouTube และ TikTok