Connect with us

Hi, what are you looking for?

Notebookspec

IT NEWS

คณะลูกขุนสหรัฐฯ ตัดสิน Linwei Ding อดีตวิศวกร Google ผิดคดีขโมยความลับ AI โยงบริษัทในจีน

Google Linwei Ding

คดีขโมยความลับด้าน AI ที่ถูกจับตาในสหรัฐฯ เดินมาถึงจุดสำคัญแล้ว หลังคณะลูกขุนศาลรัฐบาลกลางใน San Francisco ตัดสินว่า Linwei Ding (หรือที่ใช้ชื่อ Leon Ding) อดีตวิศวกรของ Google มีความผิดรวม 14 กระทง จากข้อกล่าวหาว่าลักลอบนำเอกสารลับจำนวนมากออกไป เพื่อเอื้อประโยชน์ให้บริษัทเทคโนโลยีที่มีฐานในจีน 2 แห่ง

คำตัดสินของคณะลูกขุนเกิดขึ้นเมื่อวันที่ 29 มกราคม 2026 (ตามเวลาสหรัฐฯ) หลังพิจารณาคดีต่อเนื่อง 11 วัน และทางการยังมีนัดหมายขั้นตอนถัดไปในช่วงต้นเดือนกุมภาพันธ์

Advertisement

Linwei Ding ถูกตัดสินผิดกี่กระทง และผิดข้อหาอะไรบ้าง

จากแถลงของ U.S. Department of Justice ระบุว่า คณะลูกขุนตัดสินให้มีความผิดดังนี้

  • 7 กระทง ฐาน economic espionage
  • 7 กระทง ฐาน theft of trade secrets

สิ่งที่ทำให้คดีนี้ถูกมองว่า “หนักกว่าแค่พนักงานขโมยไฟล์” คือข้อหา economic espionage สะท้อนว่ารัฐมองเป็นความเสี่ยงระดับความมั่นคงทางเทคโนโลยี ไม่ใช่เพียงข้อพิพาททรัพย์สินทางปัญญาทั่วไป


เขาทำงานอะไรกับ Google และข้อมูลที่ถูกขโมยเป็นระดับไหน

Linwei Ding เข้าทำงานกับ Google ตั้งแต่ปี 2019 ในทีมที่เกี่ยวข้องกับ AI supercomputing หรือโครงสร้างพื้นฐานของ data center ที่ใช้ “ฝึกและให้บริการ” โมเดล AI ขนาดใหญ่ ซึ่งถือเป็นเทคโนโลยีแกนกลางของบริษัท

เอกสารที่ถูกกล่าวหาว่าถูกนำออกไป ไม่ใช่แค่รายละเอียดฟีเจอร์เล็ก ๆ แต่เป็นข้อมูลเชิงออกแบบ/สถาปัตยกรรมของระบบที่ทำให้การฝึกโมเดลขนาดใหญ่เกิดขึ้นได้จริง เช่น

  • รายละเอียดด้าน hardware infrastructure และ software platform ของ data center สำหรับงาน AI
  • ข้อมูลที่เกี่ยวข้องกับชิปและระบบประมวลผล เช่น TPU และองค์ประกอบเชิงระบบที่เกี่ยวข้อง
  • ข้อมูลด้านเครือข่ายและอุปกรณ์อย่าง SmartNIC ซึ่งเป็นส่วนสำคัญของคลัสเตอร์ฝึก AI ขนาดใหญ่

อธิบายให้เห็นภาพง่าย ๆ: ถ้า “โมเดล AI” คือผลลัพธ์ปลายทาง โครงสร้างพื้นฐานเหล่านี้คือ “โรงงาน” ที่ทำให้ฝึกโมเดลได้เร็ว ประหยัด และสเกลได้ หากคู่แข่งได้พิมพ์เขียวไป ก็อาจ “ลัดขั้น” จากการลองผิดลองถูกหลายปีได้ทันที


ไทม์ไลน์ที่อัยการเชื่อว่าเกิดการลักลอบขโมยข้อมูล

ตามข้อมูลจาก DOJ และรายงานข่าว ระบุกรอบเวลาที่น่าสนใจดังนี้

  • เริ่มลักลอบนำข้อมูลออกไปตั้งแต่ราว พฤษภาคม 2022
  • ดำเนินต่อเนื่องไปจนถึงช่วง ปี 2023 (รายละเอียดช่วงเวลาขึ้นกับเอกสารและคำให้การในคดี)

ขณะเดียวกัน เขายังถูกกล่าวหาว่าไปเกี่ยวข้องกับบริษัทเทคโนโลยีในจีน 2 แห่ง และมีความพยายามตั้งบริษัท AI ของตัวเองในจีนด้วย


วิธีที่ถูกกล่าวหาว่าใช้ในการนำข้อมูลออกไป

DOJ ระบุถึงพฤติกรรมการ “คัดลอกและย้ายข้อมูล” ออกไปยังพื้นที่ส่วนตัวหลายรูปแบบ เช่น การอัปโหลดไปยังบัญชี cloud ส่วนตัว และการคัดลอกไปยังแอปส่วนตัวบนอุปกรณ์

ฝั่งรายงานสายเทคยังชี้ว่า จุดที่องค์กรส่วนใหญ่มักพลาด คือการมองว่าการกันไฟล์ออกนอกระบบอย่างเดียวพอแล้ว แต่ในโลกจริง คนที่ตั้งใจเลี่ยงสามารถใช้วิธีอ้อม ๆ ได้หลายแบบ ซึ่งเป็นหนึ่งเหตุผลที่คดีลักษณะนี้ถูกพูดถึงมากในวงการความปลอดภัยข้อมูล


โทษสูงสุดที่อาจได้รับ และแปลงเป็นเงินบาทให้เห็นภาพ

ตาม DOJ ระบุโทษ “สูงสุดต่อกระทง” ไว้ดังนี้

  • economic espionage: จำคุกสูงสุด 15 ปี และปรับสูงสุด 5,000,000 ดอลลาร์ ต่อกระทง
  • theft of trade secrets: จำคุกสูงสุด 10 ปี และปรับสูงสุด 250,000 ดอลลาร์ ต่อกระทง

เพื่อให้เห็นภาพเป็นเงินบาทไทย ผมใช้อัตรา REFERENCE RATE ของธนาคารแห่งประเทศไทย ณ วันที่ 30 มกราคม 2026 ที่ระบุ 1 USD = 31.3940 บาท
ดังนั้นค่าปรับ “เพดานสูงสุด” โดยประมาณจะอยู่ที่

  • 5,000,000 USD ≈ 156,970,000 บาท (ประมาณ 156.97 ล้านบาท) ต่อ 1 กระทง economic espionage
  • 250,000 USD ≈ 7,848,500 บาท (ประมาณ 7.85 ล้านบาท) ต่อ 1 กระทง theft of trade secrets

หมายเหตุสำคัญ: ตัวเลขนี้คือ “เพดานตามกฎหมาย” ไม่ใช่จำนวนเงินจริงที่ศาลตัดสินสุดท้าย เพราะต้องรอขั้นตอนกำหนดโทษ (sentencing) และปัจจัยประกอบอื่น ๆ


ทำไมคดีนี้ถึงกระทบวงการ AI มากเป็นพิเศษ

  1. เป็นข้อมูลระดับโครงสร้างพื้นฐาน AI
    ยุคนี้การแข่งขัน AI ไม่ได้แข่งกันที่โมเดลอย่างเดียว แต่แข่งกันที่ compute, data center, เครือข่าย และสถาปัตยกรรมทั้งระบบด้วย
  2. ถูกจัดเป็นคดี economic espionage
    สื่อหลายเจ้ามองว่าการตั้งข้อหาและการเดินคดีสะท้อนท่าทีรัฐสหรัฐฯ ที่เข้มขึ้นต่อการถ่ายโอนเทคโนโลยีอ่อนไหว โดยเฉพาะด้าน AI
  3. สัญญาณถึงองค์กรเทคอื่น ๆ
    คดีนี้ทำให้หลายบริษัทต้องกลับไปทบทวนเรื่องการกำกับสิทธิ์เข้าถึงข้อมูล (least privilege), การเฝ้าระวังพฤติกรรมผิดปกติ และกระบวนการก่อนพนักงานลาออก เพราะ “ทีมแกนกลาง” ใน R&D มักถือข้อมูลที่มีมูลค่าสูงมาก

กรณีคล้ายกันที่ถูกพูดถึง: Apple ฟ้องอดีตพนักงาน โยง Oppo

ในโลกเทคช่วงหลังมีคดีลักษณะ “อดีตพนักงานถูกกล่าวหานำข้อมูลลับไปให้คู่แข่ง” ให้เห็นบ่อยขึ้น หนึ่งในกรณีที่ถูกยกเทียบคือ Apple ที่เคยยื่นฟ้องอดีตพนักงานชื่อ Chen Shi และโยงถึง OPPO กับหน่วยวิจัยในสหรัฐฯ อย่าง InnoPeak Technology

ตามรายงาน Apple กล่าวหาว่ามีการดาวน์โหลดเอกสารลับ 63 รายการที่เกี่ยวข้องกับเทคโนโลยีของ Apple Watch ก่อนย้ายงาน และมีข้อกล่าวหาเรื่องการเข้าถึงความรู้เชิงเทคนิคผ่านการประชุมหลายครั้งด้วย

ประเด็นร่วมของทั้งสองคดีคือ “คนที่อยู่ใกล้แกนกลางของ R&D” สามารถเข้าถึงข้อมูลที่ทำให้คู่แข่งพัฒนาได้เร็วขึ้นอย่างมีนัยสำคัญ หากข้อมูลนั้นหลุดออกไป


สิ่งที่ต้องจับตาต่อจากนี้

รายงานข่าวระบุว่าจะมี status conference วันที่ 3 กุมภาพันธ์ 2026 (ตามเวลาสหรัฐฯ) ซึ่งเป็นหนึ่งในขั้นตอนก่อนเดินหน้าไปสู่การกำหนดโทษและกระบวนการหลังคำตัดสิน


สรุป

คดี Linwei Ding เป็นตัวอย่างชัดเจนว่าในยุค AI “ข้อมูลลับระดับสถาปัตยกรรมระบบ” มีมูลค่าสูงมาก และรัฐสหรัฐฯ พร้อมเดินคดีหนักเมื่อเห็นว่ามีการถ่ายโอนเทคโนโลยีอ่อนไหวไปยังต่างประเทศหรือบริษัทที่ถูกมองว่าเป็นคู่แข่งเชิงยุทธศาสตร์

สำหรับฝั่ง Google และทีม AI เอง คดีนี้ก็เป็นสัญญาณให้กลับไปเข้มงวดเรื่องการควบคุมสิทธิ์เข้าถึงข้อมูล การเฝ้าระวังพฤติกรรมเสี่ยง และกระบวนการ offboarding ให้รัดกุมกว่าเดิม

ที่มา: Neowin

Click to comment

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริง Advertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก