แผนที่อุตสาหกรรม MAD (ML, AI, Data) ปี 2025

 (mattturck.com)
38 คะแนน โดย GN⁺ 2025-11-07 | 2 ความคิดเห็น | แชร์ทาง WhatsApp
  • สรุป แผนที่อุตสาหกรรม MAD ปี 2025 : Bubble & Build และคำอธิบาย 25 ธีมของปีนี้ไว้ในภาพเดียว
  • ตลาด AI·ข้อมูลในปี 2025 อยู่ในช่วงที่ การลงทุนร้อนแรงเกินจริงกับการนำไปใช้งานจริงดำเนินควบคู่กัน พร้อมเปลี่ยนจากการยึดแชตบอตเป็นศูนย์กลางไปสู่ ระบบเอเจนต์ที่มีทั้งเครื่องมือ หน่วยความจำ และโมเดลการให้เหตุผล
  • สรุปการเปลี่ยนแปลงครอบคลุมทุกด้าน ทั้งฟองสบู่ โครงสร้างพื้นฐาน งานวิจัย ภูมิรัฐศาสตร์ ธุรกิจ โครงสร้างพื้นฐาน และแอปพลิเคชัน ผ่าน 25 เทรนด์สำคัญ
  • แผนที่ MAD ฉบับนี้ ลดจำนวนโลโก้ จากมากกว่า 2,000 เหลือ ราว 1,150 รายการ และ เพิ่มสัดส่วนของ hyperscaler กับผู้นำในแต่ละหมวดอย่าง NVIDIA·Databricks·OpenAI เพื่อสะท้อนการกระจุกตัวของตลาด
  • เพิ่มหมวด agent stack และ local AI (LLM บนอุปกรณ์) ใหม่ และผนวกรวมพื้นที่โอเพนซอร์สเข้าไว้ในโครงสร้างทั้งหมด เพื่อจัดลำดับการไหลใหม่เป็น ข้อมูล–โครงสร้างพื้นฐาน–AI–เอเจนต์–แอปพลิเคชัน
  • โดยรวมแล้ว นี่คือตลาดที่ ฟองสบู่และการสร้างใช้งานจริง (Bubble & Build) ดำเนินไปพร้อมกัน โดยพลังงาน โครงสร้างพื้นฐานแบบกระจาย และการทำให้เป็นเอเจนต์ กำลังก้าวขึ้นมาเป็นแกนหลัก

ภาพรวมและแนวทางการจัดทำ

  • MAD Landscape ฉบับปี 2025 เป็นเวอร์ชันที่ 11 นับตั้งแต่ปี 2012 และมีการ ปรับโครงสร้างครั้งใหญ่ที่สุด
    • ลดจำนวนโลโก้จากมากกว่า 2,000 เหลือประมาณ 1,150 เพื่อให้อ่านง่ายขึ้น และจัดสรรพื้นที่ให้ hyperscaler และผู้นำแต่ละหมวด มากขึ้น
    • ลบกล่องโอเพนซอร์ส และเพิ่มหมวด agent stack·local AI แทน
  • ผลลัพธ์คือเกิด โครงสร้างแบบลำดับชั้นที่เรียบง่ายและชัดเจน ต่อเนื่องจากข้อมูลไปสู่โครงสร้างพื้นฐาน, ML/AI, เอเจนต์ และแอปพลิเคชัน
  • ให้บริการทั้ง PDF ความละเอียดสูง และ เวอร์ชันอินเทอร์แอ็กทีฟที่ค้นหาได้ - mad.firstmark.com

เศรษฐกิจมหภาคและตลาด

  • 1. พลวัตฟองสบู่ที่ไม่มีเบรก
    – ตลาดกลับมาอยู่ในภาวะฟองสบู่อีกครั้ง แต่ต่างจากปี 1999 โดยมีเงินทุนล้นระบบ มูลค่าบริษัทพุ่งสู่ระดับสูงลิ่ว และมีการบวก "AI premium" โดยเฉพาะกับ เอเจนต์, frontier AI, และบริษัทเติบโตเร็ว
    • เช่นเดียวกับการเปลี่ยนผ่านกระบวนทัศน์ครั้งใหญ่ การทุ่มลงทุนด้าน CapEx/OpEx ต้องมาก่อน และจำเป็นต้องมีอุปสงค์ขนาดใหญ่เกิดขึ้นจริงจึงจะลงจอดได้ แต่การเปลี่ยนนิสัยต้องใช้เวลา และการยอมรับก็กระจายไม่เท่ากัน
    • หลายทีมทำงานหนักในระดับ 996 เพื่อ เร่งความเร็วในการปล่อยผลิตภัณฑ์ แต่ก็เพิ่มความเสี่ยงต่อภาวะหมดไฟ
    • ความย้อนแย้งของปี 2025 คือทั้งกระแส hype และปัจจัยพื้นฐานต่างก็เพิ่มขึ้นพร้อมกัน และในเชิงประวัติศาสตร์ ผลกระทบด้านลบอาจมาถึงก่อนผลตอบแทน
    • ปีนี้ให้ความรู้สึกทั้งตึงเครียดและเร่งตัว
  • 2. ความเปราะบาง (Fragility): วัฏจักรและการกระจุกตัวของลูกค้า
    – เบื้องหลังตัวเลขการเติบโตที่ดูยิ่งใหญ่ เงินทุนจำนวนมากกำลังไหลไปหาผู้เล่นเพียงไม่กี่ราย
    • บางดีลดูเป็นวงจรซ้ำในตัวเอง: OpenAI ทำสัญญาซื้อ GPU จำนวนมหาศาลกับ NVIDIA ขณะเดียวกัน NVIDIA ก็ให้คำมั่นจะลงทุนมหาศาลใน OpenAI และ OpenAI ยังทำสัญญาชิปมูลค่าหลายพันล้านดอลลาร์กับ AMD พร้อมถือออปชันซื้อหุ้น
    • รูปแบบคล้ายกันกำลังขยายไปทั่วทั้งสแตก โดยการระดมทุนของอุตสาหกรรมและสัญญาซัพพลายเชื่อม ห้องแล็บโมเดล ผู้ผลิตชิป คลาวด์ และสตาร์ตอัป AI เข้าสู่เครือข่ายพึ่งพากันและกัน ก่อให้เกิดความกังวลเรื่อง "round-tripping"
    • การกระจุกตัวของลูกค้าทำให้ระบบนิเวศ AI มีความสามารถในการฟื้นตัวจากแรงกระแทกต่ำลง: การใช้จ่ายส่วนใหญ่ไหลผ่าน hyperscaler และ frontier lab เพียงไม่กี่ราย ขณะที่ผู้ขายหลายรายที่ทำผลงานโดดเด่นก็พึ่งพาลูกค้ารายใหญ่เพียงไม่กี่ราย
  • 3. ภาพใหญ่ยังไม่ชัด แต่แนวโน้มระยะสั้นเป็นเรื่องจริงมาก
    – มีความเห็นแตกออกเป็นสองทางว่า ความก้าวหน้ากำลังชะงักงัน หรือเรากำลังพลาดการเติบโตแบบยกกำลังรอบถัดไป เส้นทางสู่ AGI/ASI ยังไม่ได้ถูกนิยาม คำจำกัดความเองก็ยังคลุมเครือ และเสียงกลองจากฝ่ายมองโลกาวินาศก็เงียบลง
    • ขณะเดียวกัน ในระยะสั้นถึงกลาง สิ่งที่เกิดขึ้นนั้นชัดเจนมาก: หิมะถล่มของ AI slop กำลังมาถึงทั้งในวิดีโอ ข้อความ และโค้ด พร้อมกับความกังวลเรื่องงานที่เร่งด่วนยิ่งขึ้น
    • ประเด็นเร่งด่วนคือจะเปลี่ยนมากแค่ไหน เร็วเพียงใด และเพื่อใคร ขณะที่ปฏิกิริยาของมนุษย์ การเมือง และสังคมยังตามความเร็วของเทคโนโลยีไม่ทัน
  • 4. ห้องวิจัย vs. บริษัทเดิม: งบดุลต่างกัน แต่แข่งในสนามเดียวกัน
    – การต่อสู้เพื่อครอง AI เข้มข้นกว่าที่เคย และสนามแข่งขันก็ไม่เท่าเทียม
    • Big Tech มีเครือข่ายการกระจายใช้งานขนาดใหญ่ พอร์ตผลิตภัณฑ์มหาศาล และงบประมาณที่เอื้อต่อการขายแบบ bundle การรอรอบวัฏจักร และการบดแข่งระยะยาว
    • Google ฟื้นโมเมนตัมได้อย่างชัดเจนจากชุดการเปิดตัว AI ที่เป็นพาดหัวตลอดปี 2025 ส่วน Meta ก็ขยายความทะเยอทะยานผ่าน SuperIntelligence Lab; ทั้งคู่ดำเนินงานบนฐานรายได้หลักมหาศาลและงบดุลที่แทบไร้ขีดจำกัด
    • ห้องแล็บ frontier อิสระจำเป็นต้องมีความก้าวหน้าแบบก้าวกระโดดเพื่อทำให้ valuation ดูสมเหตุสมผล
    • ชื่อใหม่อย่าง SSI, Thinking Machines, Reflection เข้าสู่กลุ่มระดับบนแล้ว และกระแสเอเจนต์/การให้เหตุผลก็ร้อนแรงขึ้น แม้ปัญหาในการนำไปใช้งานยังคงอยู่
    • OpenAI คือผู้นำอย่างชัดเจนและยังคงระดมทุนทำสงครามต่อเนื่อง; Anthropic ก็ไม่ได้ตามหลังมากนัก แต่ก็มีคำถามว่าเงินทุนระดับนี้จะไปต่อได้นานแค่ไหน
    • ไม่ว่าฝั่งไหนจะชนะ ผู้ใช้ก็ได้ประโยชน์ บริษัทเดิมมีข้อเสนอแบบ bundled ส่วนห้องวิจัยก็พัฒนาได้อย่างน่าตื่นตา
  • 5. IPO และบริษัทมหาชน: หน้าต่างโอกาสเปิดอยู่ (แบบเลือกสรร)
    – การเข้าตลาดของ CoreWeave ในเดือนมีนาคมมอบสิ่งที่ตลาดต้องการพอดี: IPO ด้านโครงสร้างพื้นฐาน AI ที่สะอาดชัดเจน และหลังจากนั้นก็ซื้อขายได้ดี
    • Palantir กลายเป็นตัวเทียบที่เป็นประเด็นถกเถียง โดยซื้อขายบน EV/NTM multiple ระดับพรีเมียม (ล่าสุดราว 80~90 เท่า) ซึ่งน่าจะทำให้ผู้ยื่นไฟลิ่งระยะท้ายกล้ามากขึ้น
    • ถัดไป: Cohere ระบุว่าสามารถ IPO ได้ "เร็ว ๆ นี้", Dataiku อยู่ระหว่างเลือกธนาคาร, Cerebras ถอน S-1 หลังการระดมทุนรอบใหม่
    • ผู้เล่น AI เอกชนระดับท็อปราว 10 รายแทบไม่มีแรงจูงใจจะเข้าตลาด จากมุมมองเรื่องการเข้าถึงทุนและความยืดหยุ่นเชิงกลยุทธ์;
      แต่หาก Databricks (> $100B แบบเอกชน) และ frontier lab (OpenAI, Anthropic) เข้าตลาดในที่สุด ก็คาดว่าจะเป็น IPO ระดับทำลายสถิติ
  • 6. M&A: การรวมศูนย์และสงครามแย่งคนเก่ง
    – ผู้เล่นรายใหญ่พยายามสร้าง agent stack แบบครบวงจร แต่พบว่ายากกว่าที่คิดจึงออกมาช็อปปิง ทว่าดีลระดับพาดหัวก็ยังหยุดชะงักอยู่ (Adobe–Synthesia, SoftBank–Agility)
    • เพราะฉะนั้น "ซื้อ vs. สร้างเอง" จึงไม่ใช่ตัวเลือกที่เป็นธรรมชาติชัดเจน
    • ดีลที่สำเร็จมีความแม่นยำราวการผ่าตัด: ServiceNow–Moveworks($2.85B) ในตลาดเอเจนต์องค์กร; Salesforce–Informatica(ประมาณ $8B) เพื่อเสริม data control plane
    • โครงสร้างพื้นฐานด้านข้อมูลเองก็กำลังควบรวมจากภายใน: dbt Labs และ Fivetran (all-stock; ≈$600M ARR) รวมการเก็บข้อมูลและการแปลงข้อมูลไว้ใต้หลังคาเดียวกัน
    • เรื่องที่ดังที่สุดคือคนและการ acqui-hire: Meta เดินเกมเชิงรุกเป็นพิเศษ
      – เข้าถือราว 49% ของ Scale AI ด้วยมูลค่าราว ~$14–15B เพื่อนำ Alexandr Wang มาร่วมผลักดันเรื่อง superintelligence พร้อมตั้งบรรทัดฐานค่าตอบแทนระดับ 9 หลัก แล้วดึงนักวิจัยจาก OpenAI เข้ามา ก่อให้เกิดวงจรอุบาทว์ของการรั้งตัวบุคลากรไม่ว่าจะต้องจ่ายเท่าไร
    • โดยสรุป ปี 2025 คือ ปีแห่งการซื้อกิจการแบบแม่นยำ การซื้อทีม และโครงสร้างดีลที่สร้างสรรค์
      • ท่ามกลางความเสี่ยงด้านการควบรวมและสายตาจับผิดเรื่องการผูกขาด ดีลใหญ่จริง ๆ ก็ยังพบได้น้อย
      โฆษณา

งานวิจัยและแนวหน้า

  • 7. การให้เหตุผล + RL คือแนวหน้า
    – ก้าวกระโดดที่ใหญ่ที่สุดในปีนี้ไม่ใช่ทรานส์ฟอร์เมอร์ที่ใหญ่ขึ้น แต่คือ การฝึกโมเดลให้ทุ่มทรัพยากรการคำนวณไปกับการคิด
    • การเสริมกำลังการเรียนรู้เพื่อการให้เหตุผล ที่ถูกทำให้แพร่หลายโดย DeepSeek R1 และโมเดลสไตล์ “o-series” — การจัดสรรโทเคนให้กับการให้เหตุผล — ได้ขยับเข็มความสามารถในคณิตศาสตร์ โค้ด และการวางแผนหลายขั้นตอนโดยรวม
    • การออกแบบหลักสูตร การออกแบบรางวัล และลูปป้อนกลับจากการใช้เครื่องมือ กลายเป็นสิ่งสำคัญกว่าแค่ขนาดโมเดลดิบ
    • RL ไม่ใช่ยาครอบจักรวาล — รางวัลที่แย่ยังคงสอนนิสัยที่แย่ — แต่หากสเกลอย่างถูกต้อง มันให้ผลมหาศาลต่อการพรีเทรน
    • ความท้าทายถัดไปคือการทำให้ทั่วไปได้เกินกว่าโค้ดและคณิตศาสตร์ ไปสู่โลกงานจริงที่ยุ่งเหยิงซึ่ง “ถูก” และ “ผิด” ไม่ได้ชัดเจนเสมอไป;
      ในจุดนี้ สัญญาณที่สมบูรณ์ขึ้นมีความสำคัญ ตั้งแต่ฟีดแบ็กของมนุษย์ในผลลัพธ์ทางธุรกิจ ไปจนถึงเบนช์มาร์กใหม่อย่าง GDPVal (การให้คะแนนสายโซ่งานแบบ end-to-end)
  • 8. AI กำลังชะลอตัวหรือไม่? ความเห็นต่างช่วยให้เราไม่หลงทาง
    – นักวิจัยระดับแนวหน้าบางคน — รวมถึงแขกรับเชิญในพอดแคสต์ MAD (Sholto Douglas, Julian Schrittwieser, Jerry Tworek) — ยังมองว่ายังมีผลไม้ที่ห้อยต่ำอีกมาก และยังมีความก้าวหน้าอีกหลายปีรออยู่ภายใต้พาราไดม์พรีเทรน + RL ปัจจุบัน
    • ขณะที่อีกฝ่ายเตือนให้ระวัง: Andrej Karpathy บอกว่า “เอเจนต์ยังอีก 10 ปี”, Bitter Lesson ของ Rich Sutton โต้แย้งว่าวิธีการทั่วไป + คอมพิวต์ ชนะการจูนด้วยมือ และ Yann LeCun ก็ผลักดัน world model กับการคาดการณ์แบบ self-supervised ในอีกเส้นทางหนึ่ง
    • ข้อถกเถียงเหล่านี้เป็นเรื่องดีต่อระบบนิเวศ: ละครบนลีดเดอร์บอร์ดลดลง ขณะที่ความยับยั้งชั่งใจ การเรดทีม และงานจริงเพิ่มขึ้น
  • 9. แนวหน้าที่เคลื่อนไหวเร็ว: AI ที่ทำวิทยาศาสตร์เชิงสร้างสรรค์; หุ่นยนต์
    – เรากำลังเห็นไอเดียแบบ “Move 37” ในห้องแล็บ — โมเดลเสนอสมมติฐานและเส้นทางที่สวนสัญชาตญาณ ซึ่งมนุษย์อาจไม่ลองก่อน
    • AlphaFold 3 ขยับไปสู่ปฏิสัมพันธ์ของชีวโมเลกุล; GNoME เปิดเผยโครงผลึกที่เป็นไปได้ราว 2.2 ล้านแบบ; Cell2Sentence-Scale 27B ของ Yale × Google ชี้เส้นทางการรักษามะเร็งที่เป็นไปได้จากข้อมูลเซลล์เดี่ยว
    • นอกเหนือจากชีววิทยา หุ่นยนต์ก็กำลังเร่งตัว:
      ขณะที่ foundation model สำหรับหุ่นยนต์ (นโยบาย vision-language-action ที่ฝึกบนชุดข้อมูลรวมขนาดใหญ่) ปรับปรุงการถ่ายโอนข้ามหุ่นยนต์และงาน,
      หุ่นยนต์เคลื่อนที่พร้อมแขนกลก็บันทึกเวลาทำงานจริงได้มากขึ้น และอุปกรณ์ห้องแล็บอัตโนมัติก็ทำให้ลูปออกแบบ–สร้าง–ทดสอบกระชับขึ้น
    • AI จะสร้างการค้นพบระดับโนเบล หรือสร้างหุ่นยนต์ภาคสนามที่ทำงานมีประโยชน์ได้อย่างเสถียรหรือไม่?
      • ทั้งสองอย่างดูเหมือนใกล้ขึ้นทุกไตรมาส
  • 10. โอเพนซอร์ส (open weights) ยังยืนระยะอยู่ — แม้ผ่านปีที่ขรุขระ
    – โมเมนต์ของ DeepSeek R1 (รวมถึงอนุพันธ์แบบ open weights) เป็นตัวกำหนดโทน แต่ Llama 4 กลับไม่เป็นไปตามความคาดหวัง และ Meta ก็ส่งสัญญาณจุดยืนที่เข้มงวดขึ้นต่อการปล่อยแบบเปิดกว้าง
    • Mistral แกว่งไปมาแล้วกลับมาได้อีกครั้ง; Qwen3 กลายเป็นแพลตฟอร์มหลักแบบ “ดีพอ” อย่างเงียบ ๆ ในหลายสแตก
    • ในด้านบวก AI2 ยังส่งมอบสินทรัพย์จริงอย่างต่อเนื่อง (OLMo/OLMo-2, ข้อมูลระดับ Dolma) และการระดมทุนของ Reflection AI ก็ปลุกเรื่องเล่า “DeepSeek แห่งอเมริกา” ขึ้นมาอีกครั้ง
    • องค์กรยังคงต้องการ การควบคุม (Control) และการพำนักข้อมูล (Residency); และสตาร์ทอัพก็ยังต้องการมาร์จิ้น
    • อนาคตดูจะเป็นแบบไฮบริด: ส่งงานไปโอเพนซอร์สเมื่อทำได้ และกระโดดไปใช้ frontier เมื่อจำเป็น
    • เมื่อ NPU ลงจอดอยู่ทุกที่ โมเดลขนาดเล็กจะมีบทบาทสำคัญ;
      สแตกที่แข็งแรงที่สุดจะยังคงเป็นแบบพหุคูณ — เปิดและปิด คลาวด์และอุปกรณ์ ใหญ่และเล็ก — โดยไม่มีสงครามความเชื่อหรือการผูกติดกับผู้ขาย

ภูมิรัฐศาสตร์ (Geopolitics)

  • 11. จีนกำลังประกอบสแตก AI แบบขนานของตนเอง
    – จีนกำลังสร้างเส้นทางแบบ end-to-end ที่ พึ่งพา NVIDIA และ CUDA น้อยลง:
    Huawei Ascend 910B/910C อยู่ใต้ชั้นซอฟต์แวร์ที่เติบโตขึ้น (CANN, MindSpore),
    และมีโมเดลของตนเองที่ปรับให้เข้ากับข้อมูลและนโยบายท้องถิ่น (DeepSeek, Qwen3, Kimi, ERNIE ฯลฯ) วางอยู่ด้านบน
    • หลังโมเมนต์ของ DeepSeek นี่เป็นปีใหญ่ของโมเดลจีน โดย Qwen และ Kimi ขยายตัวในโปรดักชัน,
      ไม่ใช่แค่ระดับ “ดีพอ” แต่แข่งขันได้ในหลายโดเมน
    • มาตรการควบคุมการส่งออกทำให้ความก้าวหน้าช้าลง แต่ไม่ได้หยุดมัน;
      การทำให้เป็นท้องถิ่นกำลังกลายเป็นฟีเจอร์ภายใต้การแยกตัวทางเทคโนโลยี: ยังทำงานร่วมกันได้ พึ่งพาตนเองมากขึ้นเรื่อย ๆ และเป็นผู้นำในบางด้าน
    โฆษณา
  • 12. AI อธิปไตย (Sovereign AI) เปลี่ยนจากสโลแกนสู่การจัดซื้อจัดจ้าง
    – “สร้างโมเดลท้องถิ่นบนคอมพิวต์ท้องถิ่น” ตอนนี้มีฮาร์ดแวร์ งบประมาณ และผู้ซื้อจริงรองรับแล้ว
    • สหราชอาณาจักรเปิดใช้งาน Isambard-AI และเชื่อมต่อกริดเสร็จสิ้น
    • IndiaAI มี GPU เกิน 34,000 ตัวและเริ่มจัดสรรแบบมีเงินอุดหนุน
    • ประเทศอ่าวอาหรับยังคงขยาย “โรงงาน AI” ระดับชาติ ผ่าน G42 × Cerebras (Condor Galaxy)
    • ยุโรปกำลังบ่มเพาะแชมป์ของตน — ตอนนี้ Mistral มี ASML หนุนหลัง — ขณะที่ OpenAI เปิดใช้ data residency ใน EU/สหราชอาณาจักรเพื่อตอบสนองข้อกำหนดด้านอธิปไตย
  • 13. พลังงานกำลังกลายเป็นคอขวดใหม่ของคอมพิวต์ และประเทศต่าง ๆ ก็เริ่มตระหนักถึงเรื่องนี้
    – ไม่ใช่ GPU แต่ ไฟฟ้า คือคอขวดใหม่
    • การเลือกที่ตั้งดาต้าเซ็นเตอร์ตอนนี้ขึ้นอยู่กับสัญญาระดับเมกะวัตต์ สิทธิการใช้น้ำ และการเชื่อมต่อโครงข่ายไฟฟ้า
    • รัฐบาลกำลังดึงดูดโรงงาน AI เหมือนที่เคยดึงดูดโรงงานผลิตชิป
    • คาดว่าจะเห็น PPA เชิงอธิปไตยและการวางร่วมกับพลังงานนิวเคลียร์/พลังงานหมุนเวียน (การเชื่อมกริดของ Isambard-AI ในสหราชอาณาจักร; Google – TVA/Kairos โครงการนำร่อง SMR; Microsoft-Helion Fusion PPA)
    • แรงจูงใจที่ให้ความสำคัญกับไฟฟ้าก่อน จะกำหนดว่าโมเดลถูกฝึกที่ไหน และภูมิภาคใดจะชนะในการตั้งใช้งาน AI
    • มาตรการควบคุมการส่งออกยังคงสำคัญ แต่ตอนนี้ กิโลวัตต์เป็นตัวกำหนดตารางเวลาแล้ว

ธุรกิจ AI

  • 14. การจัดจำหน่ายชนะการประดิษฐ์ (อีกครั้ง)
    – สตาร์ทอัพ AI-native ทั้งเจเนอเรชันกำลังเติบโตเร็วกว่าที่เราเคยเห็น
    • ผลิตภัณฑ์แพร่ไวรัลบนโซเชียล ขณะที่บอร์ดยังคงกังวลและสนใจเรื่อง AI อย่างต่อเนื่อง จนกระตุ้นคลื่นของการทดสอบและการทดลอง
    • คำถามที่เหลืออยู่คือ ความยั่งยืน (Durability): นี่คือ ARR ที่แท้จริง หรือเป็นรายได้จากการทดลองที่เลิกใช้ในภายหลัง?
    • ผู้เล่นเดิมมักมีความได้เปรียบด้านการจัดจำหน่าย: ผู้ช่วยที่มากับ iOS/Android, Windows Copilot, Chrome, Salesforce Einstein, ServiceNow Now Assist
      —แต่ก็ไม่เสมอไป
    • พาร์ตเนอร์ชิปและการผสานระบบสามารถเปลี่ยนทิศทางเส้นโค้งได้:
      • Cursor ลงลึกกับ VS Code;
      • Supabase อาศัยกระแส Lovable;
      • ผู้ชนะที่เงียบกว่าแทรกซึมเข้าไปใน IDE, CRM และเอกสาร
    • ผลิตภัณฑ์จะพบความสำเร็จได้ด้วยการอยู่ในช่วงเวลาที่เกิดการสร้างสรรค์ขึ้นจริง (การเขียน การเขียนโค้ด การส่งเคส)
      • สิ่งที่ฝังอยู่ในเวิร์กโฟลว์ชนะคำว่า "ดีกว่า" และสามารถขยายตามการใช้งานจริงได้
  • 15. มาร์จินและราคา: จากการยึดที่ดินสู่การนำเครื่องลงจอด
    – เมื่อต้นทุนการใช้งานเพิ่มขึ้น และลูกค้าต้องการโมเดลล่าสุดที่ฉลาดที่สุด ค่าใช้จ่ายจะพุ่งสูงอย่างรวดเร็ว
    • ความจริงอันโหดร้ายคือ หากคุณนั่งอยู่บน frontier model ของคนอื่น การเติบโตอาจ พลิกให้คุณติดลบ gross margin ได้
      — เรื่องราวของ Windsurf และ Cognition คือคำเตือนนั้น
    • เงินทุน VC อาจช่วยสนับสนุนการแย่งยึดตลาดได้ แต่ไม่สามารถกลบ unit economics ที่แย่ไปตลอดกาล
    • สตาร์ทอัพ AI กำลังปรับตัว: ใช้ โมเดลที่เล็กและถูกกว่า เป็นค่าเริ่มต้น มีความจุสำรองสำหรับช่วงพีค และทำแคชอย่างจริงจัง
    • แนวทางที่ครองตลาดกำลังกลายเป็น การตั้งราคาตามผลลัพธ์
      — เช่น ต่อเคสที่ปิดได้ ต่อตั๋วที่แก้ได้
      — พร้อมตัวเลือก throughput แบบการันตี เพื่อให้รายได้สอดคล้องกับผลลัพธ์จริง
    • ผู้ชนะคือผู้ที่ทำ วินัยด้านต้นทุน และการตั้งราคาที่ วัดคุณค่าจริง ได้ ไปพร้อมกัน
  • 16. Enterprise AI: สร้างจริงช้ากว่าเดโม (แต่กำลังเข้าสู่เชิงพาณิชย์)
    – การนำ AI ไปใช้ในองค์กรเคลื่อนไหวช้ากว่าเดโมสวย ๆ บนโซเชียลมีเดีย
    • ผู้ซื้อต้องการ agent governance, citation, แหล่งที่มา, การจัดการ PII, audit trail และการเชื่อมต่ออย่างใกล้ชิดกับระบบองค์กร ก่อนจะปล่อยให้มี autonomy
    • มีความคืบหน้าจริงในการนิยามและนำ use case ไปใช้
      • AI customer service, AI coding, internal chatbot คือผู้ชนะที่ชัดเจน
      • กลยุทธ์เฉพาะอุตสาหกรรมหรือเฉพาะบริษัทจำนวนมากยังต้องอาศัยการปรับแต่ง data pipeline และงานด้านนโยบายเพื่อจะเกิดขึ้นเต็มรูปแบบ
    • เราผ่าน "ช่วง Accenture" มาแล้ว และตอนนี้เริ่มเห็น arc
      — จาก copilot ไปสู่ agent เฉพาะทาง แล้วไปสู่ managed automation
      — อุปสงค์กำลังแข็งแรงขึ้นเรื่อย ๆ
    • ท่ามกลางอุปสงค์นี้ ผู้เล่นเดิมมีความได้เปรียบด้านการจัดจำหน่าย และกำลังเปิดตัว "agent platform" ภายใน CRM/ERP/ITSM (Salesforce, ServiceNow, Microsoft)
      • โดยรวม guardrail, telemetry และ approval ไว้ในที่เดียว
      โฆษณา
    • โดยรวมแล้ว ตลาดองค์กรระดับ Global 2000 กำลังเริ่มจริงจังกับการซื้อและติดตั้งใช้งาน AI แต่ยังไม่ถึงขั้นเดือดพล่าน

โครงสร้างพื้นฐาน AI

  • 17. NVIDIA ยังครองตลาด แต่การกระจายความหลากหลายเกิดขึ้นจริง
    – แร็ก Blackwell GB200 ยังเป็นจุดอ้างอิงหลัก แต่ตอนนี้ผู้ซื้อเริ่มเพิ่ม Google TPU, AMD MI350 และในบาง footprint ก็มี Intel Gaudi 3
    • เมื่อการออกแบบในระดับแร็กเป็นตัวขับ TCO องค์กรจึง ผสมผู้ขายเพื่อราคา/ประสิทธิภาพและซัพพลาย และรัน คลัสเตอร์แบบ heterogeneous ภายใต้ scheduler ที่ฉลาดกว่า แทนที่จะเป็น monoculture จากผู้ขายรายเดียว
  • 18. การเติบโตของ Local AI: อุปกรณ์ edge ระยะใกล้ และ private cloud
    – NPU รุ่นใหม่ในแล็ปท็อปและมือถือกำลังผลักงานจริงลงไปยังอุปกรณ์: เร็ว รองรับมัลติโหมด และเป็นส่วนตัวโดยธรรมชาติ
    • เมื่องานใหญ่เกินไป มันจะไหลออกไปยัง "private cloud" ใกล้ตัวหรือที่ผู้ขายเป็นผู้ดำเนินการ (เช่น Private Cloud Compute ของ Apple) แทน endpoint สาธารณะทั่วไป
    • เครื่องมืออย่าง LM Studio และ Ollama ทำให้โมเดลโลคัลกลายเป็น คลิกแล้วรันได้
    • On-device จัดการ UX ที่เร็วและบริบทส่วนบุคคล; cloud รับงาน reasoning ที่หนักกว่าและหน่วยความจำแบบใช้ร่วมกัน
    • ในโรงงาน คลินิก และรถยนต์ กล่อง edge ระยะใกล้ช่วยปกป้องแบนด์วิดท์ ความเป็นส่วนตัว และ uptime
    • ผลิตภัณฑ์ที่ดีที่สุดคือผลิตภัณฑ์ที่ ส่งต่องานระหว่าง device, edge และ cloud ได้อย่างไร้รอยต่อ
  • 19. Agent stack กำลังกลายเป็นชั้นโครงสร้างพื้นฐาน
    – ใต้แอปมี runtime แบบใหม่: planner และการเรียกใช้เครื่องมือ, structured output และ function catalog, หน่วยความจำระยะสั้น/ยาว (vector, graph), การรันเครื่องมือใน sandbox, การอนุมัติ และ stateful orchestration
    • รอบ ๆ สิ่งนี้ยังมี evaluator สำหรับงาน, policy/guardrail, tracing และ cost telemetry, dataset/version control และ rollback
    • สิ่งที่ในปี 2024 ดูเหมือน "App Glue" ตอนนี้เริ่มคล้าย platform tier ที่มี SLA และสายการจัดซื้อเป็นของตัวเอง
  • 20. Compliance, security และ red team กลายเป็นค่าเริ่มต้นแล้ว
    – Security และ compliance ไม่ใช่แค่ช่องให้ติ๊ก แต่คือ ต้นทุนของการรัน AI ใน production
    • แนวทางที่อัปเดตแล้ว (เช่น LLM Top 10 ของ OWASP และ prompt injection playbook) กำลังกำหนดมาตรฐาน
      • ต้องแสดงได้ว่าข้อมูลมาจากไหน บันทึก prompt/tool/การตัดสินใจ บังคับใช้นโยบาย และพิสูจน์ความทนทานต่อ jailbreak
    • องค์กรคาดหวังหลักฐาน audit trail และขั้นตอน "break-glass(แบบเปิด)" ที่ชัดเจน ซึ่งเชื่อมโยงกับเลเยอร์อย่างการให้บริการและการจัดเก็บข้อมูล
    • ถ้าประเมิน ติดตาม และกำกับดูแลไม่ได้ ก็ไม่ใช่โครงสร้างพื้นฐาน
โฆษณา

โครงสร้างพื้นฐานข้อมูล

  • 21. จุดจบของยุคหนึ่ง จุดเริ่มต้นของการควบรวม
    – การแยกชิ้นส่วนของ "modern data stack" กำลังนำไปสู่การรวมศูนย์:
    • dbt Labs และ Fivetran มารวมกัน
    • แพลตฟอร์มอย่าง Databricks ยังคงครอบคลุม waterfront ต่อไป โดยแบ่งระหว่างการสร้างเองกับการซื้ออย่างพอ ๆ กัน (batch และ streaming, vector และ graph, feature store, governance)
    • กรอบคิดกำลังเปลี่ยนจาก "warehouse vs lakehouse" ไปเป็น object storage + open table + neutral catalog ในฐานะ control plane
    • modeling, movement, feature, evaluation dataset, lineage และ policy กำลัง หลอมรวมเข้ากับ AI serving และ agent runtime
    • ในทางปฏิบัติ data infrastructure และ AI infrastructure กำลังยุบรวมเป็น plane เดียว และมูลค่าก็กำลังรั่วไหลออกมาตามรอยต่อเหล่านั้น
  • 22. แต่พื้นฐานด้านข้อมูลกลับสำคัญยิ่งกว่าที่เคย
    – ตารางและ catalog ที่แข็งแรง คุณภาพและ lineage และ query engine ที่มี latency ต่ำ ได้กลายเป็นเงื่อนไขตั้งต้นสำหรับ agent, search และ CI ที่เน้น evaluation เป็นหลัก ไม่ใช่เรื่องที่ค่อยคิดทีหลังอีกต่อไป
    • การค้นหาเสริมด้วย graph และ vector กำลังขยับจากโพสต์บล็อกไปสู่แพตเทิร์นจริง
    • ตอนนี้ observability ขยายไปครอบคลุม prompt, tool และต้นทุนแล้ว
    • compliance อยู่บน plane เดียวกับประสิทธิภาพ
    • วงการนี้กำลังได้พลังใหม่
      • การเติบโตของ ClickHouse ในด้าน real-time analytics (ตอนนี้รวม vector แล้ว) แสดงให้เห็นความต้องการด้านความเร็วในระดับสเกล
      • สแตกแบบ local และ edge ยังต้องการสัญญาที่ชัดเจนเพื่อรองรับหน่วยความจำบน cloud
    • ข้อมูลไม่ได้หายไป แต่ถูกยกระดับเป็นโดเมนควบคุมของ AI

แอปพลิเคชันและเอเจนต์

  • 23. แล็บขนาดใหญ่และแพลตฟอร์มขยับขึ้นไปบนสแตก
    – แล็บ frontier และผู้เล่นเดิมไม่ได้พอใจแค่ model API อีกต่อไป
    • OpenAI, Anthropic, Google/Gemini ยังคงออกผลิตภัณฑ์ในเลเยอร์แอปอย่างต่อเนื่อง
      • เช่น voice assistant, desktop app, team plan, เวิร์กโฟลว์บิลเดอร์ที่เชื่อมกับอีเมล เอกสาร และ CRM
    • สิ่งนี้ก่อให้เกิด platform risk และการแข่งขันโดยตรง
      • ถ้า vendor โมเดลเป็นเจ้าของ surface และ bundle ก็แปลว่า พรุ่งนี้อาจรุกเข้ามาในพื้นที่ของคุณได้
    • OpenAI เป็นรายที่เดินเกมไปไกลที่สุด
      • รับผู้เชี่ยวชาญเฉพาะโดเมนเข้ามา (เช่น อดีตนายธนาคาร) เพื่อสอนเวิร์กโฟลว์
      • และเพิ่ม commerce rails ภายใน ChatGPT
        • พร้อมออกเบราว์เซอร์ที่ให้ ChatGPT มาก่อนเป็นอันดับแรก
          — Anthropic ลงลึกกับโฟลว์แบบทีม/โปรเจกต์มากขึ้น และเปิดตัว Claude Code
    • Gemini เสริมความแข็งแกร่งให้กับ surface ฝั่งผู้บริโภคและ Workspace
    • ขณะเดียวกัน โมเดลก็กำลังดูดกลืนชิ้นส่วนใหญ่ของเลเยอร์ “wrapper”
      • ทั้ง structured output แบบ first-party, function calling, memory, เครื่องมือ browse/code/vision/voice, ระบบอัตโนมัติน้ำหนักเบา และแม้แต่ commerce
      โฆษณา
    • ผู้ใช้ได้ประโยชน์ด้านความเร็ว
      — เพราะสามารถใช้ฟีเจอร์ที่ทำงานได้ดีอยู่แล้ว
    • สำหรับสตาร์ตอัป วงจรของ wrapper คือ บาง → หนา → แล้วก็บางลงอีกครั้ง
      • UI ระยะแรกเติบโตเป็นผลิตภัณฑ์จริง (data bridge, เวิร์กโฟลว์, compliance) แต่แพลตฟอร์มก็ดึงฟังก์ชันจำนวนมากกลับเข้าไปเป็นแกนหลัก
  • 24. Vibe coding คือผลงานฮิตแห่งปี 2025
    – coding agent กระโดดจากความแปลกใหม่ไปสู่พฤติกรรมใช้งานประจำวัน
    — อ่าน repository, สร้าง sandbox, วางแผนการเปลี่ยนแปลง, เปิด PR, รันการทดสอบ และอธิบาย diff
    — แม้แต่เดโม “video coding” ตอนนี้ก็แสดงเอเจนต์ที่ควบคุม UI จาก screencast ได้แล้ว
    • อัตราการยอมรับใช้นั้นน่าทึ่งมาก:
      • Cursor และ Claude Code ถูกอ้างถึงอย่างกว้างขวางว่าเป็นหนึ่งในเครื่องมือสำหรับนักพัฒนาที่เติบโตเร็วที่สุดเท่าที่เคยมีมา
      • และกำลังอยู่บนวิถี ARR ระดับ 9 หลักภายในเวลาไม่กี่เดือน
    • ในเชิง craft งานได้เปลี่ยนจาก autocomplete ไปสู่การสั่งงานและรีวิว และสแตกก็ขยายเป็นเวิร์กโฟลว์แบบ end-to-end อย่าง GitHub Copilot, Sourcegraph Cody, Codeium/Windsurf, Devin และอื่น ๆ
    • ในฝั่งผลิตภัณฑ์ Vercel v0, Lovable และ Replit ได้เปลี่ยน “Describe, then ship” ให้กลายเป็น production loop สำหรับทีมขนาดเล็ก
    • คำถามสำคัญ โดยเฉพาะสำหรับนักพัฒนาที่ไม่ใช่มืออาชีพ คือเรื่อง stickiness โดยพฤติกรรมของ cohort แรก ๆ แสดงให้เห็นว่านิสัยแบบนี้อาจอยู่ได้นานพอ ๆ กับการค้นหาเรื่องโค้ด
  • 25. โมดาลิตีเริ่มเปล่งประกาย
    – ภาพ วิดีโอ และเสียงก้าวขึ้นสู่อีกระดับ: Veo3, Runway และ Sora ขับเคลื่อนงานสร้างแบบภาพยนตร์
    • ElevenLabs และ Synthesia ทำให้งานเสียงคุณภาพสูงและอวตารกลายเป็นเรื่องประจำวัน
    • real-time voice agent สามารถรักษาบทสนทนาที่ลื่นไหลและขับเคลื่อนเครื่องมือได้
    • vision model ตอนนี้วิเคราะห์ UI, กราฟ และภาพหน้างานได้แล้วโดยไม่ต้องพึ่งเทมเพลตที่เปราะบาง
    • โปรแกรมตัดต่อวิดีโอสามารถข้ามจากคลิปไปเป็นฉาก storyboard ที่มีที่มาชัดเจนได้ทันที
    • ขณะเดียวกัน ตั้งแต่ Genie 3 ไปจนถึงงานใหม่ของกลุ่ม Fei-Fei Li, world model มีเป้าหมายเพื่อรับรู้และลงมือทำในสภาพแวดล้อมเชิงโต้ตอบ
      • สิ่งนี้ทำให้เส้นแบ่งระหว่างซอฟต์แวร์เชิงสร้างสรรค์กับซอฟต์แวร์เชิงปฏิบัติการพร่าเลือนลง
    • เกณฑ์กำลังเปลี่ยนจาก “ใส่คำบรรยายได้ไหม?” ไปเป็น “รับรู้ วางแผน และลงมือทำข้ามโหมดได้อย่างน่าเชื่อถือหรือไม่?”
    • ปี 2026 จะเป็นปีใหญ่ของโมดาลิตี

ความคิดส่งท้าย

  • ภูมิทัศน์ MAD ปี 2025 คือแผนที่ของตลาดที่กำลังทำสองอย่างพร้อมกัน: ทั้งเดือดพล่านและสะสมกำลัง
  • มีการวาดใหม่โดยลดจำนวนโลโก้ลงและเพิ่มน้ำหนักให้มากขึ้นเพื่อสะท้อนความเป็นจริง
  • hyperscaler และผู้นำแบบ pure-play ยืนอยู่ที่ขอบ ขณะที่เอเจนต์กับ data/control plane มาบรรจบกันตรงกลาง และไม่ใช่แค่ GPU เท่านั้น แต่พลังงานก็กำหนดความเร็วด้วย
  • เส้นเรื่องต่าง ๆ สอดประสานกันไปทั่วทั้งภูมิประเทศ
    • ในขณะที่ open weight ยังคงรักษาแรงส่งไว้ แต่ละแล็บก็ขยายตัวไปสู่แอป
    • data และ AI infrastructure ได้หลอมรวมกันแล้ว
    • แม้จะตามหลังเดโมอยู่ แต่การนำไปใช้งานในองค์กรก็กำลังเกิดขึ้น
    • coding agent ได้กลายเป็นนิสัยประจำวันแล้ว
  • จากจุดนี้ไป เส้นขอบฟ้ากว้างไกลกว่าแค่การเปิดตัวครั้งเดียว:
    เมื่อการจัดสมดุลด้านการกระจาย มาร์จิน governance และการใช้พลังงานเกิดขึ้น Intelligence ก็จะกลายเป็น infrastructure และคลื่นลูกถัดไปจะนำไปสู่ความก้าวหน้าแบบทบต้นที่ยกระดับทั้งอุตสาหกรรม

บทความที่เกี่ยวข้อง

2 ความคิดเห็น

 
ragingwind 2025-11-10

"เมื่อการจัดระเบียบการกระจายสินค้า มาร์จิน การกำกับดูแล และการใช้พลังงานลงตัว สติปัญญาก็จะกลายเป็นโครงสร้างพื้นฐาน และคลื่นลูกถัดไปจะนำไปสู่การพัฒนาแบบผสมผสานที่ยกระดับทั้งอุตสาหกรรม" ไม่รู้ว่าจะมาถึงเมื่อไร แต่เมื่อทุกอย่างถูกจัดระเบียบแล้ว ก็จะมีสินค้าจำนวนมากและผู้โดยสารจำนวนมากสัญจรอยู่บนนั้น