Anthropic ระดมทุนรอบ Series F ได้ราว 18 ล้านล้านวอน

 (anthropic.com)
2 คะแนน โดย GN⁺ 2025-09-03 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • Anthropic ระดมทุนได้ 13 พันล้านดอลลาร์ ($13B, 18 ล้านล้านวอน) ใน การลงทุนรอบ Series F ที่นำโดย ICONIQ
  • การลงทุนรอบนี้ทำให้มูลค่าบริษัทของ Anthropic ถูกประเมินที่ 183 พันล้านดอลลาร์ ($183B, 254 ล้านล้านวอน)
  • การเติบโตของรายได้ เพิ่มขึ้นอย่างรวดเร็ว และในเดือนสิงหาคม 2025 บริษัทมีรายได้ต่อปีแตะ 5 พันล้านดอลลาร์
  • ผลิตภัณฑ์หลากหลายอย่างเช่น Claude Code และ API กำลังขยายตัวอย่างรวดเร็วในตลาดธุรกิจและนักพัฒนา
  • เงินลงทุนจะถูกนำไปใช้เพื่อ รองรับความต้องการของลูกค้าองค์กร เสริมความแข็งแกร่งด้านงานวิจัยความปลอดภัย และขยายการดำเนินงานทั่วโลก

Anthropic ระดมทุนรอบ Series F และภาพรวมการเติบโต

ภาพรวมการลงทุนรอบ Series F

  • Anthropic ระดมทุน 13 พันล้านดอลลาร์ผ่านรอบ Series F ที่นำโดย ICONIQ
  • การลงทุนครั้งนี้ทำให้ มูลค่าบริษัทแบบ post-money ของ Anthropic อยู่ที่ 183 พันล้านดอลลาร์
  • นอกจาก ICONIQ แล้ว ยังมี Fidelity Management & Research Company และ Lightspeed Venture Partners ร่วมเป็นผู้นำการลงทุน
  • ยังมี นักลงทุนชั้นนำระดับโลก เข้าร่วมอีกหลายราย เช่น Altimeter, Baillie Gifford, กองทุนที่เกี่ยวข้องกับ BlackRock, Blackstone, Coatue, D1 Capital Partners, General Atlantic, General Catalyst, GIC, Goldman Sachs Alternatives, Insight Partners, Jane Street, Ontario Teachers' Pension Plan, Qatar Investment Authority, TPG, T. Rowe Price, WCM Investment Management และ XN

การเติบโตและสถานะรายได้ของ Anthropic

  • CFO Krishna Rao เน้นว่า ตั้งแต่บริษัทในกลุ่ม Fortune 500 ไปจนถึงสตาร์ตอัป AI ต่างใช้ โมเดล frontier และแพลตฟอร์มของ Anthropic กับงานสำคัญของตน
  • ความต้องการ กำลังเพิ่มขึ้นแบบก้าวกระโดดทั่วทั้งฐานลูกค้า
  • หลังการเปิดตัว Claude (มีนาคม 2023) การเติบโตของรายได้ ดำเนินไปอย่างรวดเร็วมาก
    • ช่วงต้นปี 2025 บริษัทมีรายได้ต่อปีแตะ 1 พันล้านดอลลาร์
    • ในเดือนสิงหาคม 2025 รายได้ต่อปีทะลุ 5 พันล้านดอลลาร์ ทำให้ถูกประเมินว่าเป็นหนึ่งในบริษัทเทคโนโลยีที่เติบโตเร็วที่สุดในประวัติศาสตร์
โฆษณา

มุ่งเน้นเทคโนโลยีและความปลอดภัย

  • การเติบโตของ Anthropic ได้แรงหนุนจาก บุคลากรเทคนิคชั้นนำ, แนวทางที่ให้ความสำคัญกับความปลอดภัย, และ งานวิจัย frontier (เช่น alignment และ interpretability)
  • องค์ประกอบเหล่านี้เป็นรากฐานของ ประสิทธิภาพและความน่าเชื่อถือของโมเดล
  • ปัจจุบันบริษัทให้บริการ ลูกค้าองค์กร มากกว่า 300,000 ราย และจำนวนลูกค้ารายใหญ่ที่มีบัญชีมูลค่ารายได้เกิน 100,000 ดอลลาร์เพิ่มขึ้น 7 เท่าในช่วง 1 ปี

การขยายผลิตภัณฑ์และฐานลูกค้า

  • ทั้งแพลตฟอร์มมี การเติบโตสูงในตลาดธุรกิจ นักพัฒนา และผู้ใช้ทั่วไป
    • สำหรับลูกค้าองค์กร บริษัทให้บริการ API และผลิตภัณฑ์เฉพาะอุตสาหกรรม เพื่อสนับสนุน การนำ AI ที่ทรงพลังไปใช้โดยไม่ต้องผ่านกระบวนการผสานระบบที่ซับซ้อน
    • นักพัฒนา กำลังนำ Claude Code ซึ่งเปิดให้ใช้งานเต็มรูปแบบในเดือนพฤษภาคม 2025 ไปใช้เป็นเครื่องมือหลัก
    • Claude Code ทำรายได้ต่อปีได้มากกว่า 500 ล้านดอลลาร์ภายในเวลาเพียง 3 เดือน และการใช้งานเพิ่มขึ้นมากกว่า 10 เท่า
    • ผ่านแพ็กเกจ Pro และ Max สำหรับผู้ใช้ทั่วไป บริษัทมอบ ความสามารถ AI ที่ดีขึ้นสำหรับการใช้งานประจำวันและงานระดับมืออาชีพ

มุมมองจากนักลงทุนและแผนในอนาคต

  • Divesh Makan พาร์ตเนอร์ของ ICONIQ กล่าวว่า Anthropic กำลังอยู่บนเส้นทางการเติบโตที่โดดเด่นผ่าน ความเป็นเลิศด้านงานวิจัย ความเป็นผู้นำทางเทคนิค และ การมุ่งเน้นลูกค้า
  • ฝั่งผู้นำองค์กรก็ให้คะแนนสูงกับ ความน่าเชื่อถือ และ วิสัยทัศน์ระยะยาว ของ Claude เช่นกัน
  • เงินทุนจากรอบ Series F จะถูกนำไปใช้เพื่อ ขยายความสามารถในการรองรับความต้องการขององค์กร ยกระดับงานวิจัยด้านความปลอดภัย และขยายธุรกิจทั่วโลก
  • เป้าหมายคือการสร้าง ระบบ AI ที่เชื่อถือได้ ตีความได้ และปรับแต่งได้

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2025-09-03
ความเห็นจาก Hacker News
  • รู้สึกได้ว่าการแข่งขันด้านขีดความสามารถในการประมวลผลในวงการ AI กำลังดุเดือดอย่างมาก ตอนนี้หากไม่มีเงินทุนระดับ GDP ของประเทศขนาดเล็ก พร้อม GPU และโครงสร้างพื้นฐานด้านพลังงาน ก็แทบจะแข่งขันไม่ได้เลย TSMC และบริษัทไฟฟ้าคือตัวจริงที่กุมกระดานอยู่ แค่มีบุคลากรเก่งอย่างเดียวไม่พอ ถ้าไม่มี H100 จำนวน 100,000 ใบและโรงไฟฟ้าเฉพาะทางก็จบ และในเงิน 13 พันล้านดอลลาร์นั้น ส่วนใหญ่พอสมควรอาจเป็นการจ่ายล่วงหน้าค่า compute มากกว่าค่าใช้จ่ายดำเนินงานจริง ๆ ให้ความรู้สึกเหมือนโครงสร้างพื้นฐานระดับ Manhattan Project กำลังย้ายมาอยู่ในภาคเอกชน สมัยก่อนเงิน 100 ล้านดอลลาร์ก็ฝึก GPT-4 ได้ แต่ต่อไปอาจพุ่งเป็น 1 พันล้าน หรือ 1 หมื่นล้านดอลลาร์ และในอนาคตอาจรู้สึกว่าราคานี้ยังถูกด้วยซ้ำ ถ้าถึงระดับ GPT-7 อาจต้องใช้กองทุนความมั่งคั่งแห่งชาติ
    • ยุค LLM น่ากลัวมาก เพราะนวัตกรรมส่วนใหญ่ถูกขับเคลื่อนโดยบริษัทยักษ์ใหญ่เดิมที่มีทุนมหาศาล การใช้งานก็อยู่ในรูปแบบ subscription ทำให้ผู้ใช้แทบไม่มีอำนาจควบคุมอะไรเลย กระแส hype ก็แรงมากจนผู้บริหารระดับ C-level ที่ไม่รู้ด้วยซ้ำว่ามันช่วยงานจริงหรือไม่ ยังผลักดันให้องค์กรนำมาใช้ การเลือก AI ก็ถูกชี้นำโดยความสัมพันธ์เดิมกับผู้ขาย ดูเหมือนเป็นการรวมเอาเทรนด์ที่แย่ที่สุดของวงการเทคในรอบ 10 ปีที่ผ่านมาไว้ทั้งหมด
    • ทุกครั้งที่มีโมเดลใหม่ออกมา ก็รู้สึกได้ว่าความคุ้มค่าต่อค่าใช้จ่ายลดลงเรื่อย ๆ หลายครั้งแทบแยกไม่ออกด้วยซ้ำเมื่อเทียบกับโมเดลรุ่นเก่า ฝั่งวิดีโอดูเหมือนจะพัฒนาเร็ว แต่ค่า compute ก็พุ่งขึ้นมากจนกลายเป็นเรื่องน่ากังวลแทน
    • สิ่งที่น่าตกใจที่สุดคือโมเดลระดับแนวหน้ากลายเป็นของเก่าภายในราว 6 เดือน ไม่คิดว่าการทุ่มเงินมหาศาลแบบนี้ต่อเนื่องในช่วงเวลาสั้น ๆ จะยั่งยืนได้ เว้นแต่จะเชื่อว่า AGI จะมาถึงภายในไม่กี่เจเนอเรชัน โครงสร้างแบบนี้คงอยู่ระยะยาวได้ยาก
    • มีการอ้างคำพูดของ Dario ในรายการ Cheeky Pint ว่า “ถ้ามองแต่ละโมเดลเป็นบริษัทหนึ่งแห่ง ปี 2023 ใช้เงิน 100 ล้านดอลลาร์ฝึกโมเดล ปี 2024 ทำรายได้ 200 ล้านดอลลาร์ ปีเดียวกันก็ลงทุน 1 พันล้านดอลลาร์เพื่อสร้างโมเดลถัดไป แล้วปีต่อมาก็ทำรายได้ 2 พันล้านดอลลาร์ ช่วงแรกจึงขาดทุนหนักมาก แต่ถ้ามองแต่ละโมเดลแยกกันก็ถือว่าทำกำไรได้ ในขณะเดียวกันก็เหมือนตั้งบริษัทใหม่ที่แพงขึ้นเรื่อย ๆ ทำให้เม็ดเงินโตขึ้นเรื่อย ๆ เมื่อไปถึงขนาดสมดุล ในระยะยาวภาพรวมอาจทำกำไรได้มหาศาล หรือไม่ก็จะถึงจุดที่ประสิทธิภาพโมเดลไม่ดีขึ้นแล้ว และตอนนั้นการลงทุนเกินตัวอาจจบลงแบบเงียบ ๆ” สรุปคือยังไม่มีใครรู้ว่าตลาดจะไปสมดุลที่ขนาดใด และจะเกิด overshoot หรือไม่ ลิงก์: พอดแคสต์ Cheeky Pint
    • มองโลกในแง่ดีว่าถ้ากระแสนี้ทิ้งกำลังการผลิตไฟฟ้านิวเคลียร์ไว้มากเกินไปจนสุดท้ายค่าไฟลดลง ก็อาจทำให้สามารถดักจับคาร์บอนจากอากาศได้ ในระยะกลาง จีนอาจกลายเป็นผู้เล่นที่โดดเด่นในโมเดลระดับไฮเอนด์เพราะมีไฟฟ้าส่วนเกิน ขณะที่สหรัฐฯ น่าจะยุ่งอยู่กับการซ่อมโครงข่ายไฟฟ้าที่ปล่อยปละมาหลายสิบปี
  • การระดมทุนรอบนี้เริ่มจากเป้าหมาย 5 พันล้านดอลลาร์ แต่เงินไหลเข้าจนถึง 13 พันล้านดอลลาร์ ปกติเรื่องแบบนี้เกิดขึ้นเมื่ออยากฉวยบรรยากาศตลาดที่ร้อนแรง หรือมองว่าหลังจากนี้อาจระดมทุนได้ยากหาก valuation สูงกว่านี้ สัญญาณจาก insider แบบนี้สำหรับนักลงทุน AI ดูไม่ค่อยดี อ่านความเห็นไปหลายร้อยคอมเมนต์แล้วรู้สึกว่ามีทั้งความสับสน ความไม่แน่นอน และความเพ้อฝันมากเกินไป คล้ายฟองสบู่รอบก่อน ๆ ค่าใช้จ่ายในการฝึกโมเดลพุ่งขึ้น แต่การพัฒนาของโมเดลใหม่กลับลดลง จึงน่าเป็นห่วง ความมั่งคั่งเป็นแนวคิดที่นิยามได้ยาก เกิดขึ้นอย่างคลุมเครือผ่านความร่วมมือและการแลกเปลี่ยน สุดท้าย LLM ต้องสร้างความมั่งคั่งจริงให้ได้ การลงทุนนี้จึงจะสมเหตุสมผล ถ้ายังแสดงคุณค่าที่เป็นรูปธรรมไม่ได้เร็วพอ ก็มีความเสี่ยงสูงที่จะพังลงในชั่วข้ามคืน จากประสบการณ์ที่ทำงานในวงการการเงิน สิ่งที่ได้ยินและเห็นคือคนการเงินไม่ได้เป็นอัจฉริยะเสมอไป การบริหารเงิน 13 พันล้านดอลลาร์ไม่ได้แปลว่าหลักแหลม หลายคนก็แค่ชอบเงิน อย่าเผลอคิดว่าพวกเขาต้องมีวิสัยทัศน์เสมอไป
    • ถ้า dilution อยู่ที่ 20% ก็คงเห็นด้วย แต่ถ้าเพิ่มจาก 3% เป็น 7% ก็กลับมองเป็นสัญญาณบวกมากกว่า เพราะแปลว่ามีการจัดสรรเกินจำนวนอย่างมาก บริษัทที่อาการไม่ดีมักแค่ปิดรอบให้ครบยังยาก
  • ขนาดของการระดมทุนนี้ทำให้รู้สึกกังวลว่าอีกไม่นานอะไรบางอย่างจะระเบิดขึ้นมา การจะอยู่รอดในการแข่งขันต้องเผาเงินสดมหาศาล จนกลายเป็นเกมที่มีคนเล่นได้เพียงไม่กี่ราย และถึงอย่างนั้นก็ยังไม่มีใครแสดงให้เห็นธุรกิจที่ทำกำไรได้จริง โมเดลต่าง ๆ เริ่มไล่ระดับกันจนความเหนือชั้นทางเทคนิคลดลง อุปสรรคในการเข้าสู่ตลาดจึงน้อยมาก กลายเป็นว่าใคร ๆ ก็ทำได้ถ้ามีเงินก้อนใหญ่ ในเชิงธุรกิจจึงเป็นโครงสร้างที่เสี่ยงมาก เป็นเทคโนโลยีที่น่าทึ่ง แต่สุดท้ายอาจลงเอยด้วยการที่นักลงทุนส่วนใหญ่ขาดทุน
    • เคยเห็นด้วยกับความคิดนี้อยู่พักหนึ่ง แต่ช่วงหลังเริ่มเปลี่ยนมุมมอง เพราะประสบการณ์ระหว่างการนำโมเดลล่าสุดมาปรับแต่งใช้ภายในองค์กรเอง กับการใช้ผ่าน API อย่างเดียว ต่างกันมาก พอเทียบ Cursor กับ Claude Code จะรู้สึกได้ว่าต่อให้เป็นโมเดลเดียวกัน คุณภาพก็คนละเรื่องเมื่อเอามาสร้างใช้งานเอง เหมือนเทียบ Mac กับ Windows สุดท้ายโครงสร้างแบบบูรณาการที่ออกแบบทั้งโมเดลและเครื่องมือเองมีข้อได้เปรียบมาก
    • แต่ก็ยังไม่มั่นใจมากนักในประเด็นนั้น Anthropic คิดราคาค่อนข้างแพงสำหรับบริการ inferencing ผ่าน API แต่คนก็ยังยอมจ่ายใช้อยู่ต่อ
    • คำพูดที่ว่า “ใคร ๆ ก็รู้วิธีสร้างโมเดล แค่มีเงินก็พอ” เป็นการมองข้ามหลายเรื่อง เช่น คุณภาพที่แตกต่าง ประสิทธิภาพ และพาร์ตเนอร์ชิป
    • มีมุกขำ ๆ ว่า แม้จะมีคนพูดมานานแล้วว่ามันไปต่อไม่ได้ แต่ Herbalife ก็ยังจดทะเบียนอยู่จนถึงตอนนี้
    • เมื่อเงินระดับมหาศาลไหลเวียนอยู่แบบนี้ ถ้าฟองสบู่แตกและกลายเป็นว่าทั้งหมดเป็นภาพลวงตา ตลาดทั้งตลาดจะได้รับแรงกระแทกอย่างรุนแรง
  • คอมเมนต์เชิงลบมีมากเกินไป ถ้าผู้เล่นอันดับต้น ๆ ของตลาดใหม่ที่มีศักยภาพเติบโตสูง สามารถระดมทุนได้ 13 พันล้านดอลลาร์ที่ valuation 20 เท่าของรายได้ ก็ไม่จำเป็นต้องเป็นสัญญาณฟองสบู่เสมอไป นักลงทุนพวกนี้คงไม่ใช่คนไร้เหตุผลหรือโง่เขลาแน่ ๆ ยังมีโอกาสเป็นฟองสบู่อยู่ แต่ก็ไม่ควรรีบสรุปเร็วเกินไป
    • เมื่อมีคนชี้ว่า valuation 20 เท่าของรายได้ก็คือสัญญาณฟองสบู่ไม่ใช่หรือ ก็มีความเห็นสวนว่าหรือว่านั่นแหละคือคำนิยามของฟองสบู่
    • ทำให้นึกถึง SoftBank และกรณี WeWork
    • มีความเห็นว่า คำพูดว่า “นักลงทุนเหล่านี้คงไม่ใช่คนโง่” เป็นประโยคที่มักได้ยินเสมอก่อนฟองสบู่จะแตก
    • มีคนเตือนว่านี่ก็คือนักลงทุนกลุ่มเดียวกับที่เคยโดน SBF หลอก แม้แต่ SBF เองยังไม่มีสเปรดชีตสักไฟล์ไว้ใช้อธิบายงบการเงิน แต่ก็ยังได้เงินลงทุน
  • มีการย้อนนึกถึงตอน YouTube ถูกซื้อกิจการในปี 2006 ด้วยราคา 1.65 พันล้านดอลลาร์ ซึ่งในเวลานั้นหลายคนก็มองว่าบ้าไปแล้ว เป็นการย้ำว่าความรู้สึกส่วนตัวของเรานั้นเชื่อถือได้น้อยแค่ไหนเมื่อเทียบกับข้อมูลในตลาด เวลาเราคิดว่าตัวเองรู้มากกว่าตลาด มักมีโอกาสผิดสูง การมองหาแต่เหตุผลที่ยืนยันสิ่งที่ตัวเองเชื่อเป็นทัศนคติที่อันตราย และถ้าระดับการลงทุนนี้ไม่สมเหตุสมผลจริง บทเรียนก็คือการคาดการณ์อย่างเจาะจงว่ามันจะมากเกินไปแค่ไหน เพราะอะไร และอนาคตจะคลี่คลายอย่างไรนั้น ยากมาก
    • มีคนทักว่าการยก YouTube มาเป็นตัวอย่างของตัวเองก็ดูย้อนแย้งในตัวเหมือนกัน
    • มีความเห็นว่านี่อาจเป็น survivorship bias ที่หยิบแต่กรณีสำเร็จขึ้นมา เพราะก็มีกรณีล้มเหลวมากมาย เช่น Google ซื้อ Motorola, Microsoft ซื้อ Nokia และ WeWork ก็เคยได้เงินลงทุนถึง 12 พันล้านดอลลาร์ก่อนจะล้มละลาย
    • ตรรกะที่ว่า valuation 183 พันล้านดอลลาร์นั้นสมเหตุสมผลเพราะเทียบกับราคา 1.65 พันล้านดอลลาร์เมื่อ 20 ปีก่อน ฟังแล้วยังไม่ค่อยน่าเชื่อ
  • ถ้าคาดรายได้ไว้ที่ 9 พันล้านดอลลาร์ต่อปี (annualized ARR) และมี gross margin 60% (หรือ 30% หากพึ่งพาผู้ให้บริการคลาวด์) ก็ถือว่าบริษัทเติบโตสูงและทำได้ดีแม้ในระดับ gm จะให้ multiple 20 เท่าก็ยังไม่ถือว่าบ้าจนเกินไปเมื่อมองจากอัตราการเติบโต ทั้งหมดขึ้นอยู่กับว่าตัวเลขนี้จะทำได้จริงภายในสิ้นปีหรือไม่ โดยในเดือนพฤษภาคมอยู่ที่ 3 พันล้านดอลลาร์ เดือนกรกฎาคม 5 พันล้านดอลลาร์ เท่ากับโตเดือนละ 200-400 ล้านดอลลาร์
    • สงสัยว่านักลงทุนกำลังมองอะไรอยู่ถึงลงทุนกันขนาดนี้ แน่นอนว่าคงไม่ใช่เพื่อเงินปันผลหรือกำไร สุดท้ายจึงดูเหมือนเป็นการเดิมพันกับราคาหุ้นที่จะขึ้นเพียงอย่างเดียว เหมือนเชื่อว่าตลาดจะสร้างมูลค่าจริงได้ และโครงสร้างนี้ก็ยังจะหมุนต่อไป
  • วิธีการปัจจุบันที่ทุ่มเงินและ compute มหาศาลใส่ AI ดูเหมือนเป็นทางออกระยะสั้น สมองมนุษย์เรียนรู้ได้โดยไม่ต้องใช้พลังงานระดับโรงไฟฟ้านิวเคลียร์ ดังนั้นในอนาคตประสิทธิภาพน่าจะเป็นจุดนวัตกรรมสำคัญจริง ๆ จะเกิดพรุ่งนี้หรืออีก 5 ปีก็ไม่รู้ แต่บริษัท AI คงต้อง all-in ไปจนกว่าจะถึงตอนนั้น
    • ไม่แน่ใจว่า quantum computing จะเป็นคำตอบหรือไม่ แต่รู้สึกว่าเราจำเป็นต้องมีคอมพิวติ้งพาราไดม์ใหม่แบบสิ้นเชิงที่ทั้งมีประสิทธิภาพและทรงพลังกว่าเดิมมาก เช่น quantum computing
    • ถ้าต้นทุนพลังงานยังสูงอยู่ การลงทุนใน AI ก็แทบเท่ากับเดิมพันว่าต้นทุนการผลิตพลังงานจะลดลง ถ้าราคาไฟลดลง กำแพงในการแข่งขันด้าน compute ก็จะพังลงด้วย ถ้ามีนวัตกรรมด้านประสิทธิภาพเกิดขึ้น ก็น่าจะมาจากตัวโมเดลเองมากกว่าฝั่งเซมิคอนดักเตอร์ และถึงอย่างนั้น ถ้าไม่สามารถเก็บนวัตกรรมนั้นไว้ใช้ภายในได้ สุดท้ายกำแพงการแข่งขันก็จะหายไปอีก
    • เหตุผลที่สมองมนุษย์ใช้โรงไฟฟ้านิวเคลียร์ไม่ได้ ก็เพราะวิวัฒนาการไปถึงระดับนั้นเป็นเรื่องซับซ้อนและยากมาก หากเรารู้วิธีใช้โรงไฟฟ้านิวเคลียร์ได้ ก็อาจสร้างสติปัญญาที่สูงกว่านี้ได้มาก ไม่มีเหตุผลว่าการใช้พลังงานจากโรงไฟฟ้านิวเคลียร์จะต้องไม่ทำให้ได้สติปัญญาที่สูงขึ้น
  • บริการ LLM inference ไม่จำเป็นต้องมีความพร้อมใช้งานระดับ 99.999% แบบดาต้าเซ็นเตอร์คลาวด์เสมอไป ดังนั้นนักลงทุนรายย่อยอาจเอา GPU ไปตั้งไว้ในโกดัง รันโอเพนซอร์ส LLM แล้วทำ customer routing ได้ ต่อให้ระบบล่มไปหนึ่งวัน ความเสียหายก็อาจมีแค่รายได้หายไปหนึ่งวัน จึงอาจกลายเป็นการลงทุนแบบ passive ที่ทำได้ง่าย คล้ายลงทุนในร้านซักรีดหรือโกดัง
    • ส่วนตัวทำงาน AI อยู่ โดย 80% ของงานประมวลผลผ่าน OpenAI batch mode ซึ่งช่วยให้สบายใจขึ้นมาก โหมดตอบสนองทันทีทำให้ต้องคอยตึงเครียดอยู่เสมอ หลังจากกระแส Copilot ซาลง น่าจะมีคนมองมากขึ้นว่า LLM เหมาะกับการสร้างเครื่องมือสำคัญ แต่ตัวมันเองไม่ใช่เครื่องมือสมบูรณ์ ทำให้ทั้งปริมาณการใช้งานและความเร่งด่วนลดลง
  • Iconiq (บริษัท family office ของ Mark Zuckerberg) เป็นหนึ่งในนักลงทุนผู้นำรอบนี้
  • เห็น Ontario Teachers' Pension Plan เป็นนักลงทุน ก็เลยสงสัยว่านี่หมายความว่าเงินบำนาญของคนแคนาดาถูกนำมาลงทุนใน Anthropic หรือไม่
    • Ontario Teachers' เป็นผู้เล่นที่กระตือรือร้นมากในสาย venture/growth funding และยังเป็น LP รายสำคัญของหลายกองทุนด้วย แต่ในพอร์ตการลงทุนทั้งหมด สัดส่วนของสินทรัพย์ประเภทนี้มีเพียงเล็กน้อยมาก ลิงก์อ้างอิง: Crunchbase / OTPP ทางการ
    • การลงทุนขนาดใหญ่แบบนี้ ส่วนมากต้องอาศัยสถาบันที่ขยับเงินก้อนมหาศาลได้ เช่น กองทุนบำเหน็จบำนาญต่าง ๆ เมื่อ SoftBank และรายอื่น ๆ เสนอแผนลงเงินก้อนใหญ่ แทบไม่มีทางเลือกที่ดีกว่านี้จริง ๆ
    • มองว่า ‘กองทุนบำเหน็จบำนาญภาครัฐ’ (เงินเกษียณของข้าราชการและพนักงานรัฐวิสาหกิจ) กับ ‘เงินสาธารณะ’ (งบประมาณรัฐบาล ฯลฯ) เป็นคนละเรื่องกันโดยชัดเจน แน่นอนว่าถ้ากองทุนบำนาญขาดทุนหนักมาก รัฐอาจต้องเข้ามาช่วย จึงพอจะโยงกันได้บ้าง แต่ก็ไม่ได้มีการลงน้ำหนักในสินทรัพย์ตัวเดียวมากพอจะพังเพราะดีลเดียว
    • กองทุนบำนาญนี้เป็นนักลงทุนรายสำคัญมากในวงการ VC มานาน และผมเองก็จำได้ว่าเคยได้รับเงินเดือนอยู่หลายปีด้วยอิทธิพลจากเงินก้อนนี้