Hugging Face เป็นแพลตฟอร์มปัญญาประดิษฐ์ที่ผู้ใช้สามารถทำงานร่วมกันในโครงการการเรียนรู้ของเครื่องได้ โฮสต์แพลตฟอร์มโอเพ่นซอร์สสำหรับการฝึกอบรมและการปรับใช้โมเดล มีโมเดลมากกว่า 20 โมเดล ครอบคลุมสาขาต่างๆ เช่น คอมพิวเตอร์วิทัศน์และการประมวลผลภาษาธรรมชาติ
ในบทความนี้ เราจะแบ่งปันสถิติสำคัญทั้งหมดที่คุณต้องรู้เพิ่มเติมเกี่ยวกับ Hugging Face
ก่อนที่เราจะเจาะลึกสถิติสำคัญของ Hugging Face นี่คือประวัติโดยย่อของ Hugging Face ที่คุณไม่ควรพลาด
Hugging Face คืออะไร ใครเป็นคนสร้าง ทำไม และเมื่อใด
กอดหน้าเป็นบริษัทสัญชาติฝรั่งเศส-อเมริกันซึ่งมีสำนักงานใหญ่ในนิวยอร์กซิตี้โดยผู้ประกอบการชาวฝรั่งเศสเคลมองต์ เดอลองก์,Julien Chaummondและโทมัส วูล์ฟก่อตั้งขึ้นในปี พ.ศ. 2016.
ในระยะแรกบริษัทได้พัฒนาผลิตภัณฑ์เพื่อมุ่งเป้าไปที่กลุ่มวัยรุ่นแอพพลิเคชั่นแชทบอทจากนั้นจึงเปลี่ยนเป็นแพลตฟอร์มแมชชีนเลิร์นนิงหลังจากใช้โมเดลแชทบอตแบบโอเพ่นซอร์ส
แพลตฟอร์มของบริษัท Hugging Face Hub ทำหน้าที่เป็นพื้นที่ทำงานร่วมกันที่ผู้ใช้สามารถพัฒนา ฝึกอบรม และปรับใช้โมเดล NLP และ ML โดยใช้โค้ดโอเพ่นซอร์ส
Hugging Face ช่วยลดความยุ่งยากในการพัฒนาโมเดลโดยมอบโมเดลที่ได้รับการฝึกอบรมมาล่วงหน้าซึ่งผู้ใช้สามารถปรับแต่งสำหรับงานเฉพาะได้ ดังนั้นจึงทำให้ AI เป็นประชาธิปไตย และทำให้นักพัฒนาใช้งานได้ง่ายขึ้น
โดยให้แท็กเกอร์สำหรับประมวลผลข้อความล่วงหน้าที่เป็นมิตรต่อผู้ใช้และที่เก็บข้อมูลขนาดใหญ่ของชุดข้อมูล NLP ผ่านทางไลบรารีชุดข้อมูล Hugging Face เพื่อสนับสนุนโครงการของนักวิทยาศาสตร์ข้อมูล นักวิจัย และวิศวกร ML
นอกจากนี้ Hugging Face ยังเป็นที่รู้จักในเรื่องไลบรารี Transformer ที่ปรับแต่งมาสำหรับแอปพลิเคชันการประมวลผลภาษาธรรมชาติ
ภาพรวมของสถิติที่สำคัญของ Hug Face
การกอดใบหน้าหมายความว่าอย่างไร และทำไมพวกเขาถึงใช้อิโมจิ?
"หน้ากอด" ถูกเลือกเพราะผู้ก่อตั้งต้องการเป็นบริษัทแรกที่เผยแพร่สู่สาธารณะด้วยอิโมจิ แทนที่จะเป็นสัญลักษณ์หุ้นสามตัวอักษรแบบดั้งเดิม
พวกเขาเลือกที่จะสวมอีโมจิใบหน้าเพราะว่าเป็นอีโมจิที่พวกเขาชื่นชอบ และพวกเขาคิดว่ามันจะเป็นชื่อที่น่าจดจำและเป็นเอกลักษณ์ของบริษัทของพวกเขา
สิ่งต่างๆ กำลังเป็นไปด้วยดี ชุมชน Hugging Face ยอมรับชื่อนี้ และกลายเป็นชื่อที่ได้รับความนิยมในด้านการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูลแบรนด์ที่มีชื่อเสียง
การเข้าชมเว็บไซต์และข้อมูลประชากรของผู้ใช้
การกอดใบหน้าสามารถดึงดูดการเข้าชมเว็บไซต์ได้มากเพียงใด
Hugging Face เป็นแพลตฟอร์มและชุมชนปัญญาประดิษฐ์ที่มีชื่อเสียง และการรับส่งข้อมูลยังคงมีเสถียรภาพในช่วงนี้
ในเดือนมกราคม 2024 เว็บไซต์ดึงดูดการเข้าชม 1 ล้านครั้ง โดยผู้ใช้ใช้เวลาเฉลี่ย 2881 นาที 10 วินาทีต่อการเข้าชม อย่างไรก็ตาม ปริมาณการเข้าชมลดลงเล็กน้อยเมื่อเทียบกับเดือนพฤศจิกายน โดยอยู่ที่ -39%
ผู้ชมหลักของ Hugging Face อยู่ในสหรัฐอเมริกา แต่ก็มีผู้ติดตามจำนวนมากในรัสเซีย อินเดีย ญี่ปุ่น และอินโดนีเซีย
การเข้าชมไซต์แบ่งออกเป็นในแง่ของการใช้งานอุปกรณ์ โดยเดสก์ท็อปคิดเป็น 68.03% ของการเข้าชม รองลงมาคืออุปกรณ์เคลื่อนที่ (31.97%) และแท็บเล็ต (7.22%)(ข้อมูลการใช้งานอุปกรณ์บางส่วนอาจแตกต่างกันไป อย่างไรก็ตาม การใช้งานเดสก์ท็อปอยู่ที่ประมาณ 70-75%)
จากมุมมองของช่องทางการตลาด การเข้าชมโดยตรงมีสัดส่วนมากที่สุด คิดเป็น 45.06% ตามด้วยการค้นหาทั่วไป คิดเป็น 28.67% การอ้างอิง โซเชียลมีเดีย โฆษณาแบบดิสเพลย์ และการค้นหาที่เสียค่าใช้จ่ายประกอบกันเป็นแหล่งที่มาของการเข้าชมเว็บไซต์ที่เหลือ
กลุ่มผู้ใช้ที่กอดใบหน้ามีอะไรบ้าง?
Hugging Face ดึงดูดฐานผู้ใช้ที่หลากหลาย ซึ่งประกอบด้วยนักวิจัยปัญญาประดิษฐ์ นักวิทยาศาสตร์ข้อมูล และนักพัฒนาเป็นหลัก
ในปี 2023 แพลตฟอร์มดังกล่าวมีผู้ใช้ที่ลงทะเบียนมากกว่า 120 ล้านคน ซึ่งรวมถึงเพศชายคิดเป็น 75.25% เพศหญิงคิดเป็น 24.75%
ผู้ใช้ส่วนใหญ่จะกระจุกตัวอยู่ในกลุ่มอายุ 25-34 คิดเป็น 36.87% ของฐานผู้ใช้，緊隨其後的是18-24歲用戶，佔比為28.26%。整體而言，18-44歲的用戶佔平台用戶的83.03%。
ผู้ใช้ที่ชำระเงินของ Hugface ที่ใช้งานอยู่
กอดใบหน้าจบลงแล้วผู้ใช้ที่ชำระเงินที่ใช้งานอยู่ 1,000 รายซึ่งรวมถึงบริษัทที่มีชื่อเสียงเช่น Intel, Pfizer, Bloomberg และ eBay ภายในปี 2025 Hugging Face คาดว่าฐานผู้ใช้ที่ชำระเงินที่ใช้งานอยู่จะเพิ่มขึ้นเกือบ 1500 ราย
แพลตฟอร์มดังกล่าวนำเสนอบริการต่างๆ เช่น AutoTrain, Spaces และ Inference Endpoints โดยจะเรียกเก็บค่าธรรมเนียมจากบัตรเครดิตที่เชื่อมโยงโดยตรง
นอกจากนี้ Hugging Face ยังร่วมมือกับผู้ให้บริการคลาวด์ เช่น AWS และ Azure เพื่อให้สามารถผสานรวมเข้ากับการตั้งค่าคลาวด์ที่ลูกค้าต้องการได้อย่างราบรื่น
การกระจายตัวทางภูมิศาสตร์ของใบหน้ากอด
Hugging Face ดึงดูดผู้คนจากที่ตั้งทางภูมิศาสตร์ที่แตกต่างกันผู้ใช้ โดยที่สหรัฐอเมริกา อินเดีย และรัสเซียกลายเป็นศูนย์กลางหลักสำหรับกลุ่มเป้าหมายหลัก
จากการวิเคราะห์การเข้าชมเว็บไซต์ เป็นที่ชัดเจนว่าสหรัฐอเมริกาคิดเป็น 25.06% ของผู้เข้าชม ตามมาด้วยอินเดีย (10.44%) และรัสเซีย (7.06%)
| ประเทศ | อุปกรณ์ที่เป็นเจ้าของ | เดสก์ทอป | มือถือ |
|---|---|---|---|
| สหรัฐอเมริกา | 6.61M | ลด 68.35% | ลด 31.65% |
| สหพันธรัฐรัสเซีย | 1.64M | ลด 50.87% | ลด 49.13% |
| 印度 | 1.62M | ลด 73.01% | ลด 26.99% |
| 日本 | 1.54M | ลด 71.76% | ลด 28.24% |
| อินโดนีเซีย | 1.23M | ลด 19.54% | ลด 80.46% |
สิ่งที่น่าสนใจคือ การตั้งค่าอุปกรณ์จะแตกต่างกันไปตามภูมิภาค โดยอุปกรณ์เดสก์ท็อปครองสหรัฐอเมริกา (68.03%) ในขณะที่อุปกรณ์มือถือได้รับความนิยมในอินเดีย (92.28%) และรัสเซีย (86.48%)
เวลาเฉลี่ยที่ผู้ใช้กอดใบหน้า
ผู้ใช้ใช้เวลาโดยเฉลี่ย 4 นาที 59 วินาทีบนเว็บไซต์ Hugging Face ซึ่งค่อนข้างต่ำเมื่อเทียบกับ ChatGPT, Character AI, Claude หรือ Bing AI ของ OpenAI
สถิติการระดมทุนและการประเมินมูลค่า
ตอนนี้เรามาดูสถิติการระดมทุน รายได้ และการประเมินมูลค่าที่สำคัญสำหรับ Hugging Face กัน
รายได้และการประเมินมูลค่า
ตามศักดิ์สิทธิ์Hugging Face คาดว่าจะมีรายได้ต่อปี (ARR) ถึง 2023 ล้านดอลลาร์ภายในสิ้นปี 7,000 ซึ่งเพิ่มขึ้นอย่างน่าประทับใจ 367% เมื่อเทียบกับปีก่อนหน้า
รายได้ที่เพิ่มขึ้นมีสาเหตุหลักมาจากสัญญาที่ปรึกษาที่ให้ผลกำไรกับบริษัทปัญญาประดิษฐ์รายใหญ่ เช่น Nvidia, Amazon และ Microsoft รูปแบบรายได้ของบริษัทประกอบด้วยแผนรายบุคคล ($9/เดือน) และแผนทีม ($20/เดือน) โดยรายได้ส่วนใหญ่มาจากบริการระดับองค์กร
ในส่วนของการประเมินราคา Hugging Faceหลังจากการระดมทุน 2.35 ล้านดอลลาร์สหรัฐจาก Google, Amazon, Nvidia, Intel, Salesforce และนักลงทุนรายอื่น การประเมินมูลค่าเป็น 45 พันล้านดอลลาร์
การประเมินมูลค่าจำนวนมากนี้แสดงให้เห็นถึงความเชื่อมั่นของตลาดต่อโซลูชันซอฟต์แวร์ปัญญาประดิษฐ์อันล้ำสมัยและบริการที่ได้รับการจัดการของ Hugging Face
| เมตริก | มูลค่า |
|---|---|
| รายได้ (2021) | 1000 ล้านเหรียญสหรัฐ |
| การประเมินมูลค่า (พฤษภาคม 2022) | 20 พันล้านเหรียญ |
| การประเมินมูลค่าล่าสุด (สิงหาคม 2023) | 45 พันล้านเหรียญ |
| เงินทุนทั้งหมด | 2.35 ล้านเหรียญสหรัฐ |
กองทุน
ในปี 2023 Hugging Face ได้ยกระดับสำเร็จแล้วทุนสนับสนุน 3.95 ล้านเหรียญสหรัฐ. เงินทุนดังกล่าวมีความสำคัญต่อการสนับสนุนแผนการเติบโต การพัฒนาผลิตภัณฑ์ และการขยายสู่ตลาดใหม่ๆ ของบริษัท
นักลงทุนที่มีชื่อเสียงเช่น Google, Nvidia และยักษ์ใหญ่ด้านเทคโนโลยีอื่น ๆ ได้แสดงการสนับสนุนอย่างมากต่อวิสัยทัศน์และผลิตภัณฑ์ของ Hugging Face
คุณสามารถสร้างรายได้ด้วยการกอดใบหน้าของคุณได้หรือไม่?
ในปี 2023 รายได้ประจำปี (ARR) ของ Hugging Face จะสูงถึง 7,000 ล้านดอลลาร์ เพิ่มขึ้น 367% จากปีก่อนหน้า
รายได้ที่เพิ่มขึ้นได้รับแรงผลักดันส่วนใหญ่จากสัญญาที่ปรึกษาที่ให้ผลกำไรกับบริษัทปัญญาประดิษฐ์ชั้นนำ เช่น Nvidia, Amazon และ Microsoft
นี่คือสถิติรายได้ของบริษัท:
| 年 | รายได้ (ARR) | อัตราการเติบโต (ปี/ปี) |
|---|---|---|
| 2022 | 1000 ล้านเหรียญสหรัฐ | . |
| 2023 | 7000 ล้านเหรียญสหรัฐ | ลด 367% |
วิธีหาเงินด้วยการกอดหน้า (โมเดลกำไร)
Hugging Face สร้างรายได้ผ่านหลายช่องทาง รวมถึงแผนการสมัครสมาชิก โซลูชันระดับองค์กร และบริการคลาวด์ ต่อไปนี้เป็นคำอธิบายโดยละเอียดว่า Hugging Face ทำเงินได้อย่างไร:
- แผนการสมัครสมาชิก:
- มอบให้โดย กอดใบหน้าการสมัครสมาชิกรายบุคคลและทีมแผนราคาอยู่ที่ $ 9 ต่อเดือนและ $ 20 ต่อเดือนตามลำดับ
- แผนเหล่านี้อนุญาตให้ผู้ใช้เข้าถึงคุณสมบัติขั้นสูง เช่น การดูชุดข้อมูลส่วนตัว ความสามารถในการอนุมาน และการเข้าถึงคุณสมบัติใหม่ก่อนใคร
- โซลูชั่นระดับองค์กร:
- บริการคลาวด์:
- กอดหน้านำเสนอผ่านแพลตฟอร์มคลาวด์บริการ NLP และ AI เช่น การโฮสต์โมเดล การอนุมาน และการเพิ่มประสิทธิภาพ
- ผู้ใช้ชำระเงินตามการใช้บริการเหล่านี้ รวมถึงต้นทุนสำหรับการโฮสต์โมเดลและการเพิ่มประสิทธิภาพ
- ตำแหน่งทางการตลาด:
ตำแหน่งทางการตลาดและการแข่งขัน
คู่แข่งทางตรงและทางอ้อม
Hugging Face แข่งขันในตลาดที่กำลังเติบโตอย่างรวดเร็วของปัญญาประดิษฐ์เชิงสร้างสรรค์ โดยเฉพาะอย่างยิ่งในรูปแบบภาษาและการมองเห็นขนาดใหญ่
ไม่ใช่คู่แข่งโดยตรงกับ ChatGPT หรือ Google Bardแข่งขันผ่านความร่วมมือเชิงกลยุทธ์และการนำโมเดล AI ไปใช้เชิงพาณิชย์ในเชิงพาณิชย์.
ตัวอย่างเช่น ความร่วมมือของ Hugging Face กับ AWS มีเป้าหมายเพื่อให้นักพัฒนาปรับใช้แอปพลิเคชัน AI เชิงสร้างสรรค์ได้ง่ายขึ้น
ตามข้อมูลจากคล้ายเว็บ ตารางด้านล่างสรุปคู่แข่งหลักของ Hugging Faceความสนใจในอุตสาหกรรม และจำนวนการเข้าชมทั้งหมดที่ได้รับในเดือนธันวาคม 2023:
| 秩 | คู่แข่ง | มุ่งเน้นอุตสาหกรรม | การเข้าชมทั้งหมด (ธันวาคม 2023) | อันดับโลก |
|---|---|---|---|---|
| 1 | เอกสารและ code.com | การวิจัยและการใช้งานแมชชีนเลิร์นนิง | 2.2M | #29,926 |
| 2 | openai.com | ระบบปัญญาประดิษฐ์ขั้นสูง (GPT-4) | 1.6B | #25 |
| 3 | civitai.com | โมเดลศิลปะ AI การแพร่กระจายที่เสถียร | 24.2M | #1,301 |
| 4 | ฐานข้อมูลนับพัน | การติดตามและเปรียบเทียบโมเดลการเรียนรู้ของเครื่อง | 1.6M | #32,001 |
| 5 | github.com | การพัฒนาซอฟต์แวร์และการทำงานร่วมกันแบบโอเพ่นซอร์ส | 424.8M | 第 78 章 |
| 6 | raw.githubusercontent.com | - | 7.7M | #11,474 |
| 7 | stablediffusionweb.com | การเผยแพร่การสร้างสรรค์ผลงานทางศิลปะแบบออนไลน์อย่างมั่นคง | 3.5M | #19,080 |
| 8 | แนวคิดดังนั้น | เครื่องมือเพิ่มประสิทธิภาพการทำงานในพื้นที่ทำงาน | 141.2M | 第 200 章 |
| 9 | คัดลอก.com | Cloud API สำหรับโมเดลแมชชีนเลิร์นนิง | 7.7M | #7,370 |
| 10 | เสถียรภาพ.ai | การพัฒนาเทคโนโลยีปัญญาประดิษฐ์ | 3.5M | 第 19790 章 |
วิธีที่คุณกอดใบหน้าทำให้คุณแตกต่างจากคู่แข่ง
สถิติสำคัญอื่นๆ ของ Face Hug
นอกเหนือจากการเข้าชม รายได้ ข้อมูลประชากร ฯลฯ แล้ว ยังมีสถิติอื่นๆ อีกมากมายที่คุณต้องรู้เกี่ยวกับ Hugging Face มาดูพวกเขากันดีกว่า:
Huofian สร้างสรรค์ผลิตภัณฑ์อะไรบ้าง?
ในปี 2020 พวกเขาเปิดตัวการฝึกอบรมอัตโนมัติและการอนุมาน APIและผลิตภัณฑ์อื่นๆ ที่มุ่งเป้าไปที่ลูกค้าองค์กร
ในเดือนเมษายน 2023 พวกเขาเปิดตัวโอเพ่นซอร์สสร้างปัญญาประดิษฐ์กอดChat.
โครงการที่มีชื่อเสียงของพวกเขาBLOOM เป็นโมเดลภาษาขนาดใหญ่ที่มีพารามิเตอร์ 1760 พันล้านพารามิเตอร์ซึ่งเปิดตัวในเดือนกรกฎาคม 2022 แสดงให้เห็นถึงความมุ่งมั่นในการสร้างโมเดลภาษาขนาดใหญ่ BLOOM คล้ายกับ GPT-7 และรองรับหลายภาษาและภาษาการเขียนโปรแกรม
Hugging Face ยังมีโซลูชัน autoML และแพลตฟอร์ม Hugging Face Hub สำหรับการโฮสต์ที่เก็บโค้ดและการสนทนา
ของพวกเขาไลบรารี NLP ได้รับการออกแบบมาเพื่อทำให้ NLP เป็นประชาธิปไตยโดยการจัดหาชุดข้อมูลและเครื่องมือ Hugging Face บริหารจัดการ BigScience ซึ่งเป็นโครงการริเริ่มด้านการวิจัยของนักวิจัย 900 คนที่ฝึกอบรมโมเดลเกี่ยวกับชุดข้อมูลขนาดใหญ่หลายภาษาซึ่งเป็นที่นิยมในหมู่บริษัทเทคโนโลยีขนาดใหญ่
โมเดลเช่น BERT และ DitilBERTมีการดาวน์โหลดจำนวนมากทุกสัปดาห์ และผู้ช่วยเขียนโค้ด AI StarCoder รองรับภาษาการเขียนโปรแกรม 80 ภาษา
โฮสต์ Hugging Face มีโมเดลและชุดข้อมูลจำนวนเท่าใด
มันมีมากกว่าโมเดล 300,000 ชุดข้อมูล 250,000 ชุด และ 250,000พื้นที่นำเสนอคอลเลกชันที่กว้างที่สุด
Hugging Face Hub โฮสต์โมเดลมากกว่า 350,000 โมเดล ชุดข้อมูล 75,000 ชุด และแอปพลิเคชันสาธิต 150,000 รายการ ซึ่งส่งเสริมการทำงานร่วมกันและนวัตกรรม ผ่านรองรับสถาปัตยกรรมมากกว่า 130 แบบด้วยชุดข้อมูลมากกว่า 100 ชุดในกว่า 75,000 ภาษา ผู้ใช้จึงสามารถเข้าถึงทรัพยากรที่หลากหลาย
นอกจากนี้ Hugging Face ยังโฮสต์โมเดลการเรียนรู้ของเครื่องยอดนิยม เช่น BERT และ GPT-2 รวมถึงไลบรารี Metrics สำหรับประเมินการคาดการณ์โมเดล
ยอมรับข้อมูลพนักงาน
จำนวนพนักงานของ Hugging Face เพิ่มขึ้นเป็น 279 คน เพิ่มขึ้น 39% จากปีที่แล้ว และถือเป็นการขยายธุรกิจที่สำคัญของบริษัท
บริษัทคาดว่าจะมีรายได้ต่อปีอยู่ที่ 4,000 ล้านดอลลาร์ โดยมีรายได้ต่อพนักงานประมาณ 143,487 ดอลลาร์
นอกจากนี้ Hugging Face ยังระดมทุนได้รวม 2023 ล้านดอลลาร์ ณ เดือนสิงหาคม 8 และปัจจุบันมีมูลค่า 2.35 พันล้านดอลลาร์
ตารางต่อไปนี้สรุปสถิติพนักงานของ Hugging Face:
| เมตริก | มูลค่า |
|---|---|
| จำนวนพนักงานที่ทำงานอยู่ | 第 279 章 |
| การเติบโตของพนักงาน | ลด 39% |
| รายได้ต่อปีโดยประมาณ | 4000 ล้านเหรียญสหรัฐ |
| รายได้ต่อพนักงาน | $143,487 |
| เงินทุนทั้งหมด | 2.35 ล้านเหรียญสหรัฐ |
| การประเมินมูลค่า | 40 พันล้านเหรียญ |
Hugging Face มีดาวกี่ดวงบน GitHub
Hugging Face มีดาวจำนวนมากบน GitHub ซึ่งแสดงให้เห็นถึงความนิยมและการมีส่วนร่วมของชุมชน
เครื่องมือ Transformers ของ Hugging Face มีดาว 121,000 ดวงบน GitHubมักถูกมองว่าเป็นตัวชี้วัดความสำเร็จของเครื่องมือสำหรับนักพัฒนา
จากการเปรียบเทียบ PyTorch ซึ่งเป็นเฟรมเวิร์กการเรียนรู้ของเครื่องยอดนิยมของ Meta มี 76,000 ดาว ในขณะที่ TensorFlow ของ Google มี 181,000 ดาว Streamlit ของ Snowflake มีดาว 30,500 ดวง ในขณะที่ Gradio มีดาว 26,000 ดวง
เพื่อสรุป
นี่คือสถิติพื้นฐานทั้งหมดที่คุณต้องการเกี่ยวกับการกอดใบหน้า
การเติบโตที่โดดเด่นของ Hugging Face โดยเฉพาะอย่างยิ่งโมเดล AI ที่เป็นนวัตกรรมและแพลตฟอร์มการทำงานร่วมกันนั้นน่าประทับใจอย่างแท้จริง
Hugging Face สามารถรักษาโมเมนตัมการเติบโตอย่างรวดเร็วนี้ไว้ได้หรือไม่? คุณคาดหวังว่า Hugging Face จะขยายตัวต่อไปในอนาคตหรือไม่ เพราะเหตุใด
หากคุณมีคำถามหรือความคิดเห็นเพิ่มเติมเกี่ยวกับหัวข้อนี้ โปรดแบ่งปันในความคิดเห็นด้านล่าง
