ในที่สุดบริษัทที่เริ่มใช้ AI ก็พบว่าธุรกิจของตนถูกแย่งโดยบริษัทโมเดลขนาดใหญ่

หัวข้อต้นฉบับ: 《ในที่สุดบริษัทที่ใช้ AI ก็พบว่าธุรกิจถูกแย่งโดยบริษัทโมเดลใหญ่》
ผู้เขียนต้นฉบับ: หยูหังหยวน, จิงอวี่, GeekPark

ไม่เพียงต้องการเงินของคุณ แต่ยังต้องการธุรกิจของคุณด้วย วันที่ 1 กรกฎาคม Alex Karp ซีอีโอของ Palantir เดินเข้าไปในสตูดิโอ CNBC และโยนระเบิดลูกหนึ่งด้วยน้ำเสียงที่แทบจะควบคุมไม่ได้

เขากล่าวว่าอุตสาหกรรม AI "effing insane" (บ้าคลั่ง) เขากล่าวว่าซีอีโอของบริษัทอเมริกัน "livid" (โกรธจัด) ต่อ OpenAI และ Anthropic เขากล่าวว่าบริษัทต่างๆ กำลังทำเรื่องไร้สาระ—จ่ายเงินอย่างบ้าคลั่งเพื่อ token พร้อมกับมอบข้อมูลการดำเนินงานที่สำคัญที่สุดให้กับผู้ให้บริการโมเดล และมูลค่าทางธุรกิจที่ได้กลับมาแทบจะวัดไม่ได้

ผู้ดำเนินรายการถามเขาว่านี่คือการ "ปัดความรับผิดชอบ" หรือไม่ Karp ตอบกลับว่า: "ไม่ ฉันแค่บอกข้อเท็จจริง"

ราคาหุ้นของ Palantir เพิ่มขึ้น 9% ในวันนั้น ตัวเลขนี้คือการลงคะแนนเสียง—ตลาดเชื่อว่าเขาพูดในสิ่งที่หลายคนอยากพูดแต่ไม่กล้าพูด

นี่ไม่ใช่การระบายอารมณ์ของคนเพียงคนเดียว เมื่อผู้บริหารของบริษัทที่มีมูลค่าตลาดเกินหนึ่งแสนล้านดอลลาร์ เปิดฉากโจมตีอุตสาหกรรมโมเดลใหญ่ทั้งอุตสาหกรรมในรายการสดระดับประเทศ และตลาดตอบสนองด้วยเงินจริง นั่นหมายถึงอารมณ์ร่วมได้ถึงจุดวิกฤตแล้ว

สองปีที่ผ่านมา ทุกคนพูดถึงวิธีโอบรับโมเดลใหญ่ แต่ตอนนี้ ปัญหาใหม่กำลังผุดขึ้น—บริษัทที่เข้าใกล้โมเดลใหญ่เกินไป จะถูกมันฉีกเป็นชิ้นๆ หรือไม่?

01 จาก "ตื่นเต้น" สู่ "ไม่ไร้เดียงสา"

ย้อนกลับไปต้นปี 2024 ทัศนคติของบริษัทต่อโมเดลใหญ่สามารถสรุปได้สี่คำ—"ใช้ก่อน"

ไม่สน ROI ไม่สนว่าข้อมูลจะไหลไปไหน แค่ไม่ตกขบวนก็พอ เรื่องเล่าหลักในตอนนั้นคือ "การปฏิวัติ AI มาแล้ว ถ้าไม่โอบรับจะถูกกำจัด" CIO และ CTO ในทุกอุตสาหกรรมแบกแรงกดดันมหาศาล ยัด AI เข้าไปในทุกขั้นตอนธุรกิจที่ทำได้ นี่คือการตัดสินใจที่ขับเคลื่อนด้วยความกลัวทางเทคโนโลยีโดยทั่วไป

มาถึงปี 2025 "ขยายเต็มรูปแบบ" กลายเป็นคำสำคัญ บริษัทเริ่มฝังโมเดลใหญ่ในกระบวนการธุรกิจหลักอย่างจริงจัง ไม่ใช่แค่ทำ demo หรือจัด hackathon ภายในอีกต่อไป จากการบริการลูกค้าสู่การสร้างโค้ด จากการวิเคราะห์ตลาดสู่การออกแบบผลิตภัณฑ์ ความลึกและความกว้างของการแทรกซึมของ AI กำลังขยายตัวอย่างทวีคูณ

แต่เมื่อเข้าสู่ปี 2026 การเปลี่ยนแปลงทางอารมณ์ที่ละเอียดอ่อนกำลังเกิดขึ้น

ข้อมูลการวิจัยของ Salesforce แสดงให้เห็นว่ามีเพียงครึ่งหนึ่งของผู้นำด้านไอทีที่มั่นใจในโครงสร้างพื้นฐานข้อมูลของบริษัทตนเองว่าจะรองรับการนำ AI ไปใช้ได้สำเร็จ รายงานวิจัยที่ NTT DATA เผยแพร่เมื่อเดือนพฤษภาคมปีนี้ใช้คำว่า "ชนกำแพง" โดยตรง—AI ในองค์กรกำลังเผชิญกับคอขวดทางสถาปัตยกรรมที่เกิดจากข้อกำหนดด้านความเป็นส่วนตัวของข้อมูลและอธิปไตย Gartner คาดการณ์ว่าภายในปี 2027 35% ของประเทศจะพึ่งพาแพลตฟอร์ม AI ที่เป็นภูมิภาค ซึ่งในปัจจุบันตัวเลขนี้อยู่ที่เพียง 5%

Karp อธิบายการเปลี่ยนแปลงนี้อย่างตรงไปตรงมา เขากล่าวว่าองค์กรกำลังเปลี่ยนจากการใช้ token อย่างไม่คิดหน้าคิดหลังแบบ "tokenmaxxing" ไปสู่การตั้งคำถามถึงผลตอบแทนจากการลงทุนอย่างแท้จริง "แนวคิดพื้นฐานคือ อย่าเสียเวลากับ token อีกต่อไป"

นี่ไม่ใช่การปฏิเสธโมเดลขนาดใหญ่ แต่เป็นอุตสาหกรรมทั้งหมดที่กำลังเปลี่ยนจาก "ความตื่นเต้น" ไปสู่ "การไม่ไร้เดียงสา" หลังจากช่วงเวลาแห่งความคลั่งไคล้ องค์กรเริ่มมองด้วยสายตาที่เยือกเย็นขึ้นถึงคำถามพื้นฐาน—สิ่งที่ฉันส่งออกไป กับสิ่งที่ฉันได้รับกลับมา บัญชีนี้มันคุ้มค่าหรือไม่?

02 เมื่อพันธมิตรกลายเป็นคู่แข่ง

การวิจารณ์ของ Karp ยังคงอยู่ในระดับรูปแบบธุรกิจ แต่สิ่งที่ทำให้รู้สึกหนาวหลังจริงๆ คือภัยคุกคามที่ตรงไปตรงมามากกว่า—ผู้ให้บริการ AI ของคุณ อาจกำลังใช้ข้อมูลและความเข้าใจในบริบทที่คุณมีส่วนร่วม เพื่อสร้างผลิตภัณฑ์มาแทนที่คุณ

สิ่งที่เกิดขึ้นในเดือนเมษายน 2026 ทำให้ความกังวลนี้เปลี่ยนจากทฤษฎีสู่ความจริง

ในเดือนกุมภาพันธ์ปีนี้ Figma และ Anthropic ยังคงร่วมมือกันพัฒนาฟีเจอร์ที่ชื่อว่า "Code to Canvas" เพื่อรวมโค้ดที่สร้างโดย Claude เข้ากับกระบวนการออกแบบของ Figma ได้อย่างราบรื่น ทั้งสองบริษัทดูเหมือนเป็นพันธมิตรที่ใกล้ชิด

ในวันที่ 14 เมษายน Mike Krieger ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ Anthropic ได้ลาออกจากตำแหน่งในคณะกรรมการของ Figma อย่างเงียบๆ

สามวันต่อมา Anthropic เปิดตัว Claude Design—เครื่องมือออกแบบ AI ที่สามารถสร้างต้นแบบเชิงโต้ตอบ สไลด์นำเสนอ และสื่อการตลาดได้โดยตรงจากภาษาธรรมชาติ ซึ่งตรงกับธุรกิจหลักของ Figma อย่างแม่นยำ

ราคาหุ้นของ Figma ลดลงเกือบ 8% ในวันนั้น

ในรายงานต่อมาของ Fast Company มีรายละเอียดที่น่าสนใจอยู่หนึ่งจุด—Figma, Adobe, Canva และบริษัทอื่นๆ ต่างมีความร่วมมือกับ Anthropic มาหลายปี แต่เมื่อ Claude Design เปิดตัว ไม่มีใครได้รับแจ้งล่วงหน้า ทุกคนต่างตระหนักได้อย่างไม่ทันตั้งตัวว่า พันธมิตร AI ของตัวเอง กลับกลายเป็นคู่แข่งต่อหน้าต่อตา

เรื่องนี้สมควรแก่การไตร่ตรอง เพราะมันเผยให้เห็นปัญหาทางโครงสร้างที่อันตรายยิ่งกว่าในยุคโมเดลใหญ่—เมื่อคุณร่วมมืออย่างลึกซึ้งกับบริษัท AI คุณไม่เพียงมอบทางเข้าสู่ตลาดให้พวกเขา แต่ยังมอบความเข้าใจในสถานการณ์หลักและข้อมูลความต้องการของผู้ใช้ของคุณให้ด้วย

สาเหตุที่ Anthropic สามารถสร้าง Claude Design ได้ ส่วนใหญ่เป็นเพราะในการร่วมมือกับบริษัทเครื่องมือออกแบบ พวกเขาเข้าใจขั้นตอนการทำงานและจุดปวดของนักออกแบบอย่างลึกซึ้ง

แต่ถ้ามองในมุมกว้าง นี่ไม่ใช่บทใหม่ในประวัติศาสตร์เทคโนโลยี

Amazon สร้างแบรนด์ของตัวเองจากแพลตฟอร์มอีคอมเมิร์ซ ใช้ข้อมูลแพลตฟอร์มระบุหมวดหมู่ที่ทำกำไรได้มากที่สุดอย่างแม่นยำ แล้วเปิดตัวผลิตภัณฑ์ของตัวเองเพื่อแย่งส่วนแบ่งจากผู้ขายบุคคลที่สาม Microsoft เริ่มจากระบบปฏิบัติการ แล้วค่อยๆ รวบรวมเบราว์เซอร์ ซอฟต์แวร์สำนักงาน และเครื่องมือสื่อสาร—Netscape ถูกกำจัด Slack ถูกบังคับขาย Google ขยายจากเสิร์ชเอนจิน ใช้หน้าผลการค้นหาตอบคำถามผู้ใช้โดยตรง ทำให้ Yelp และผู้ให้บริการข้อมูลแนวตั้งจำนวนมากถูกผลักให้กลายเป็นรอง

กฎเหล็กของวงการเทคโนโลยีไม่เคยเปลี่ยน—เมื่อแพลตฟอร์มมีข้อมูลและความเข้าใจผู้ใช้มากพอ มันจะกัดเซาะไปยังต้นน้ำ

ในยุคโมเดลใหญ่ กฎเหล็กนี้รุนแรงยิ่งขึ้น เพราะการกัดเซาะของแพลตฟอร์มแบบดั้งเดิมยังต้องใช้เวลาในการสะสมความเข้าใจ แต่โมเดลใหญ่เป็น "ตัวเร่งความเข้าใจ" โดยธรรมชาติ ทุกครั้งที่คุณเรียก API ทุกข้อมูลธุรกิจที่คุณป้อนเข้าไป ล้วนช่วยให้ผู้ให้บริการโมเดลเข้าใจอาณาเขตของคุณเร็วขึ้นและลึกขึ้น

### 03 "ขีดจำกัดโรช" ในยุค AI

ในดาราศาสตร์มีแนวคิดที่เรียกว่า "ขีดจำกัดโรช"—เมื่อวัตถุท้องฟ้าอยู่ใกล้ดาวมวลมากเกินไป แรงน้ำขึ้นน้ำลงจะเกินแรงโน้มถ่วงของมันเอง วัตถุนั้นจะถูกฉีกเป็นชิ้น

การเปรียบเทียบนี้ใช้กับความสัมพันธ์ระหว่างธุรกิจกับโมเดลใหญ่ในปัจจุบันได้อย่างแม่นยำจนน่าหวั่น

โมเดลใหญ่คือดาวมวลมากนั้น ทุกธุรกิจต้องการใช้แรงโน้มถ่วงของมันเพื่อเร่งความเร็ว—เพิ่มประสิทธิภาพ ลดต้นทุน สร้างนวัตกรรม แต่ปัญหาคือ เมื่อคุณเข้าใกล้พอ "สสาร" ของคุณจะเริ่มถูกดึงออกไป ข้อมูล ความรู้เฉพาะทาง และความเข้าใจความต้องการของผู้ใช้ของคุณ จะไหลไปยังศูนย์กลางแรงโน้มถ่วงในระหว่างกระบวนการร่วมมือ

แล้วบริษัทจะ "เต้นรำกับ AI" โดยไม่ถูกกลืนกินในที่สุดนั้น เส้นแบ่งอยู่ตรงไหน?

คำถามนี้ถูกหยิบยกขึ้นมาบนโต๊ะในสหรัฐอเมริกาแล้ว แต่ถ้าคุณคิดว่ามันยังห่างไกลจากบริษัทจีน นั่นอาจเป็นภาพลวงตา

บริษัทจีนและอเมริกามีความแตกต่างในจังหวะการนำ AI ไปใช้ โดยบริษัทอเมริกาเข้าสู่ขั้นตอนการปรับใช้ AI ในวงกว้างและเจาะลึกทางธุรกิจแล้ว ในขณะที่บริษัทจีนโดยรวมยังอยู่ในกระบวนการเปลี่ยนผ่านจากโครงการนำร่องไปสู่การขยายขนาด ผลสำรวจที่ Lenovo ร่วมกับ IDC เผยแพร่เมื่อเดือนมีนาคมปีนี้ชี้ให้เห็นว่า 72% ของบริษัทในประเทศได้เสร็จสิ้นการทดลองใช้ AI Agent และนำมาใช้งานจริง โดยเฉลี่ยแล้วปรับใช้ AI ใน 3.5 สถานการณ์ แต่จุดศูนย์กลางของความท้าทายได้เปลี่ยนจาก "การขาดพลังประมวลผลและข้อมูล" ไปเป็น "ผลลัพธ์การใช้งานไม่เป็นไปตามที่คาดหวัง" และ "ROI ไม่ชัดเจน"

กล่าวอีกนัยหนึ่ง บริษัทจีนกำลังเข้าสู่ "ช่วงตื่นตัวของ AI" ที่คล้ายคลึงกับบริษัทอเมริกา

GeekPark เพิ่งได้พูดคุยกับผู้ประกอบการและบริษัทที่มีธุรกิจดั้งเดิมหลายราย และพบปรากฏการณ์ที่น่าสนใจ นั่นคือ การคิดใคร่ครวญเกี่ยวกับปัญหาเหล่านี้ของหลายๆ คน ส่วนใหญ่ไม่ได้มาจากความรู้สึกวิกฤตโดยตรงอย่าง "กลัวว่าบริษัทโมเดลจะมาแย่งธุรกิจของฉัน" แต่หลังจากที่นำ AI ไปใช้ในธุรกิจจริงๆ แล้ว ก็เริ่มนิยามใหม่โดยธรรมชาติว่า "ในยุค AI คุณค่าหลักของฉันคืออะไรกันแน่"

การนิยามใหม่นี้ ในที่สุดจะตกอยู่ที่ความสามารถสำคัญสองประการ

04 ใครเป็นผู้ควบคุม "รากฐานของ AI"?

ประการแรก และเป็นประเด็นที่สมจริงที่สุด สอดคล้องอย่างมากกับสิ่งที่ Karp พูด นั่นคือ ข้อมูลและตรรกะทางธุรกิจของคุณ ทำงานอยู่บนรากฐานของใคร?

นี่คือประเด็นหลักที่ Karp ย้ำซ้ำแล้วซ้ำเล่าใน CNBC ข้อมูลการดำเนินงานที่ละเอียดอ่อนที่สุดของบริษัท ไม่ควรไหลเข้าไปในกล่องดำของผู้ให้บริการโมเดลบุคคลที่สาม เขาวางตำแหน่ง Palantir ให้เป็นเลเยอร์แอปพลิเคชันที่ให้ "AI แบบอธิปไตย" โดยโมเดลอาจใช้ของคนอื่นได้ แต่ข้อมูลต้องอยู่ในกำแพงของตัวเอง และการปรับใช้ต้องอยู่บนโครงสร้างพื้นฐานที่ควบคุมได้เอง

นี่ไม่ใช่ความหวาดระแวง ความรู้สึกของบริษัทในจีนนั้นสอดคล้องกันอย่างสิ้นเชิง Huang Weijie หัวหน้าฝ่ายวิจัยและพัฒนาผลิตภัณฑ์ของ Kingsoft Office WPS 365 เพิ่งพูดคำที่ตรงประเด็นมากว่า "สิ่งที่บริษัทขาดในวันนี้ไม่ใช่ฮาร์ดแวร์และโมเดล แต่เป็นเลเยอร์แอปพลิเคชัน AI ที่ปลอดภัย"

ข้อมูลจาก IDC ก็ยืนยันแนวโน้มนี้เช่นกัน ในการปรับใช้พลังประมวลผล AI ของบริษัท สัดส่วนของคลาวด์สาธารณะกำลังลดลง ในขณะที่สัดส่วนรวมของคลาวด์ส่วนตัวและการปรับใช้ในพื้นที่เพิ่มขึ้นจาก 54% เป็น 69% "ข้อมูลไม่ไหลออกนอกขอบเขต" กำลังเปลี่ยนจากสโลแกนการปฏิบัติตามข้อกำหนด ไปเป็นเงื่อนไขการคัดกรองแรกของ CTO ในการเลือกโซลูชัน

Karp เรียกสิ่งนี้ว่า "commodity cognition" หรือการรับรู้ที่กลายเป็นสินค้าทั่วไป การประเมินของเขาคือ คุณภาพของโมเดลกำลังเริ่มบรรจบกัน คุณค่าที่แตกต่างอย่างแท้จริงไม่ได้อยู่ที่ชั้นโมเดล แต่อยู่ที่ชั้นแอปพลิเคชันที่เชื่อมโยงความสามารถของโมเดลเข้ากับสถานการณ์เฉพาะขององค์กร "Sovereign AI Engine" ที่ Palantir ร่วมมือกับ NVIDIA เปิดตัว เป็นการนำตรรกะนี้มาทำให้เป็นผลิตภัณฑ์ โดยใช้โมเดลโอเพนซอร์สผสมผสานกับชั้น ontology และกรอบการกำกับดูแลของ Palantir เอง ทำให้องค์กรสามารถรัน AI ในสภาพแวดล้อมที่ควบคุมได้อย่างสมบูรณ์ โดยข้อมูลไม่รั่วไหลออกไปแม้แต่ไบต์เดียว รายได้ของ Palantir ในไตรมาสแรกของปี 2026 อยู่ที่ 1.63 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้น 85% เมื่อเทียบกับปีก่อน ในระดับหนึ่งนี่คือการลงคะแนนเสียงของตลาดต่อเส้นทางนี้

มีสัญญาณที่น่าจับตามองอยู่ตรงนี้—ในอนาคต บริษัทและโซลูชันที่ช่วยให้องค์กรรัน AI "บนรากฐานของตัวเอง" จะได้รับความนิยมมากขึ้น ในประเทศจีน "AI Private Brain" หรือสมองส่วนตัวของ AI กลายเป็นเส้นทางธุรกิจที่แท้จริงแล้ว สตาร์ทอัพหลายแห่งกำลังพัฒนาผลิตภัณฑ์รอบทิศทางนี้ นี่ไม่ใช่ความพิถีพิถันทางเทคโนโลยี แต่เป็นการตัดสินใจอย่างมีเหตุผลหลังจากที่องค์กรคิดอย่างรอบคอบแล้ว

05 อย่าทำให้องค์กรกลายเป็น "เครื่องเล่นเทปซ้ำ"

ความสามารถที่สองนั้นวัดเป็นตัวเลขได้ยากกว่า แต่ GeekPark รู้สึกชัดเจนขึ้นเรื่อยๆ จากการสื่อสารกับองค์กร—เมื่อ AI สามารถแทนที่ขั้นตอนการดำเนินงานได้มากขึ้นเรื่อยๆ แล้วองค์กรยังต้องการ "คน" แบบไหน?

มีบางองค์กรที่ก้าวเร็วพอที่จะเจอหลุมพรางนี้แล้ว

เมื่อ AI มีประสิทธิภาพเหนือกว่ามนุษย์ในบางขั้นตอนอย่างชัดเจน ความคิดตามธรรมชาติก็คือ "ลดจำนวนคนลง" แต่หลังจากที่องค์กรบางลง ปัญหาที่ซ่อนอยู่ก็เริ่มปรากฏ—สิ่งที่ AI รันอยู่นั้น โดยพื้นฐานแล้วคือ "แนวทางปฏิบัติที่ดีที่สุด" ที่คนเหล่านี้ในอดีตได้กลั่นกรองขึ้นภายใต้สภาพแวดล้อมเก่า เมื่อสภาพแวดล้อมเปลี่ยนไป ตลาดเปลี่ยนไป ผู้ใช้เปลี่ยนไป AI ยังคงปฏิบัติตามตรรกะเก่าอย่างซื่อสัตย์ ในขณะที่องค์กรไม่มีคนเพียงพอที่จะรับรู้การเปลี่ยนแปลงเหล่านี้และผลักดันธุรกิจให้ก้าวไปข้างหน้า

พูดง่ายๆ คือ องค์กรที่เต็มไปด้วย AI แต่ถูกทำให้ว่างเปล่าจากคน อาจกำลังทำซ้ำอดีตอย่างมีประสิทธิภาพเท่านั้น

นี่ไม่ได้หมายความว่าไม่ควรใช้ AI แทนที่การดำเนินงาน แต่หมายความว่าเมื่อ AI เข้ามาควบคุมชั้นการดำเนินงานมากขึ้นเรื่อยๆ องค์กรกลับต้องการคนอีกประเภทหนึ่ง—ไม่ใช่คนที่ทำงานเฉพาะด้านแบบดั้งเดิม แต่เป็นคนที่สามารถ "สั่งการ" AI ได้ บทบาทนี้ต้องเข้าใจภาพรวมของธุรกิจ สามารถตัดสินได้ว่าสิ่งที่ AI ผลิตออกมายังคงใช้ได้กับความเป็นจริงที่เปลี่ยนแปลงไปหรือไม่ และสามารถมองเห็นความเป็นไปได้ใหม่ๆ นอกเหนือจาก "ทางออกที่ดีที่สุด" ที่ AI ให้มา

องค์กรที่ก้าวหน้าไปก่อนเริ่มคิดอย่างจริงจังเกี่ยวกับเรื่องนี้แล้ว พวกเขาพบว่า หลังจากมี AI แล้ว ความสามารถในการแข่งขันที่แท้จริงไม่ใช่ "การแทนที่คนด้วย AI ได้กี่คน" แต่คือ "คนของคุณสามารถควบคุม AI เพื่อสร้างสิ่งที่เคยทำไม่ได้มาก่อนได้หรือไม่" หากคุณปล่อยให้ AI ทำงานอัตโนมัติและวนซ้ำในข้อมูลในอดีตตลอดไป โดยพื้นฐานแล้วคุณก็ถูกขังอยู่ในภาพรวมของอดีตที่หยุดนิ่ง

ความสำคัญของการพลิกมุมมองนี้อาจไม่น้อยไปกว่าเรื่องอธิปไตยของข้อมูล เมื่อ AI ทำให้กำแพงทางเทคโนโลยีราบเรียบ "วิจารณญาณของมนุษย์" และ "ความสามารถในการวิวัฒนาการขององค์กร" กลับกลายเป็นสิ่งที่ลอกเลียนแบบได้ยากที่สุด บางบริษัทตระหนักถึงเรื่องนี้แล้ว บางบริษัทยังไม่ตระหนัก แต่เส้นแบ่งนี้อาจชัดเจนขึ้นอย่างมากในอีกหนึ่งถึงสองปีข้างหน้า

06 อุตสาหกรรมต้องการ "บริษัท AI ยุคใหม่"

ในช่วงสองปีที่ผ่านมา สมมติฐานที่ซ่อนอยู่ได้ครอบงำอุตสาหกรรมทั้งหมด นั่นคือ คุณค่าในยุค AI จะกระจุกตัวอยู่ในมือของบริษัทโมเดลในที่สุด ยิ่งใกล้ชิดกับโมเดลมากเท่าไหร่ มูลค่าก็ยิ่งสูงขึ้นเท่านั้น

สมมติฐานนี้กำลังถูกสั่นคลอน

Karp ได้ชี้ให้เห็นสิ่งหนึ่งใน CNBC นั่นคือ โมเดลกำลังกลายเป็นสินค้าโภคภัณฑ์ทางปัญญา เมื่อความสามารถของโมเดลต่างๆ ใกล้เคียงกันมากขึ้น ความแตกต่างที่แท้จริงจะไม่อยู่ที่ชั้นของโมเดลอีกต่อไป โครงสร้างอุตสาหกรรมที่มีเพียงบริษัทโมเดลเป็นใหญ่ ไม่เพียงแต่ไม่ดีต่อสุขภาพขององค์กรเท่านั้น แต่ยังเป็นข้อจำกัดต่อความเร็วในการพัฒนาอุตสาหกรรม AI ทั้งหมดอีกด้วย

สิ่งที่องค์กรต้องการไม่เคยเป็นโมเดลที่แข็งแกร่งกว่า แต่เป็นระบบนิเวศที่สมบูรณ์—ที่สามารถตอบสนองความกังวลเรื่องอธิปไตยของข้อมูล ปกป้องกำแพงการแข่งขันไม่ให้ถูก "ดูดซับ" และทำให้ AI ฝังตัวในธุรกิจได้จริงโดยไม่สูญเสียการควบคุม ความต้องการนี้กำลังก่อให้เกิดตลาดที่ซับซ้อนกว่าการ "ขาย token" มาก

หลายทิศทางมีสัญญาณที่ชัดเจนแล้ว

"โครงสร้างพื้นฐาน AI แบบอธิปไตย" กำลังกลายเป็นเส้นทางที่ได้รับเงินทุนมหาศาลอย่างแท้จริง นี่ไม่ใช่แค่แนวคิด เฉพาะในช่วงครึ่งแรกของปี 2026 บริษัทโครงสร้างพื้นฐาน AI แบบอธิปไตยสามแห่งในยุโรป (Nebius, nScale, AtlasEsge) ระดมทุนรวมกันกว่า 11.8 พันล้านดอลลาร์สหรัฐ เมื่อไม่กี่วันก่อน Valarian ในลอนดอนเพิ่งได้รับเงิน 50 ล้านดอลลาร์สหรัฐในรอบ Series A โดยทำสิ่งที่เฉพาะเจาะจงมาก—เพิ่ม "ชั้นควบคุมอธิปไตย" ระหว่างระบบ AI และข้อมูลที่ละเอียดอ่อน เพื่อตัดสินว่า AI ใดสามารถเข้าถึงข้อมูลใดได้บ้างและภายใต้เงื่อนไขใด สิ่งนี้ไม่มีความต้องการเลยเมื่อสองปีก่อน แต่ตอนนี้รัฐบาลและองค์กรขนาดใหญ่กำลังต่อคิวรอใช้บริการ

「AI เกตเวย์」และเลเยอร์การจัดเรียงกลาง กำลังกลายเป็นส่วนที่ขาดไม่ได้ในสถาปัตยกรรม AI ขององค์กร เมื่อองค์กรหนึ่งใช้ OpenAI, Anthropic, โมเดลโอเพนซอร์ส และโมเดลเฉพาะที่ปรับแต่งเองพร้อมกัน ใครจะเป็นผู้จัดการเส้นทาง統一、ควบคุมต้นทุน、จัดการสิทธิ์และตรวจสอบ? ตำแหน่งนี้ในยุคซอฟต์แวร์ดั้งเดิมเรียกว่ามิดเดิลแวร์ ในยุค AI เรียกว่าเกตเวย์หรือเลเยอร์การจัดเรียง มันไม่โดดเด่น แต่มันคือโครงสร้างพื้นฐานสำคัญที่ทำให้องค์กรเปลี่ยนจาก "ใช้ AI" ไปสู่ "จัดการ AI ได้ดี" Palantir โดยพื้นฐานแล้วทำสิ่งนี้ แต่ทำในเวอร์ชันที่หนักที่สุด ส่วนโซลูชันที่เบากว่าและเหมาะกับองค์กรขนาดต่างๆ ยังมีพื้นที่มหาศาล

ในเลเยอร์แอปพลิเคชัน โซลูชัน AI สำหรับอุตสาหกรรมแนวตั้งกำลังเปลี่ยนจาก "การหุ้มเปลือก" ไปสู่ "การเจาะลึก" ในอดีต แอปพลิเคชัน AI หลายอย่างที่เรียกว่า AI จริงๆ แล้วเป็นแค่การหุ้มเปลือก GPT แต่ตอนนี้ สิ่งที่ยืนหยัดได้จริงคือผลิตภัณฑ์ที่เข้าใจ know-how เฉพาะอุตสาหกรรมอย่างลึกซึ้ง และผูกความสามารถ AI เข้ากับตรรกะของอุตสาหกรรมอย่างแน่นหนา จุดยึดมูลค่าของบริษัทเหล่านี้ไม่ได้อยู่ที่โมเดล แต่อยู่ที่ความเข้าใจในอุตสาหกรรม ซึ่งเป็นสิ่งที่บริษัทโมเดลใหญ่แทบจะไม่สามารถได้มาผ่านการฝึกฝน

แม้แต่ในระดับ "คน" ก็กำลังเกิดตลาดบริการใหม่ เมื่อองค์กรจำนวนมากขึ้นเรื่อยๆ ตระหนักว่าสิ่งที่พวกเขาต้องการไม่ใช่เครื่องมือ AI เพิ่มเติม แต่เป็นคนที่สามารถ "สั่งการ AI" และวิธีการจัดองค์กรที่配套 ความต้องการด้านการให้คำปรึกษาการเปลี่ยนแปลงองค์กรในยุค AI การฝึกอบรมบุคลากร และการออกแบบกระบวนการใหม่ก็กำลังเกิดขึ้นอย่างรวดเร็ว

พูดง่ายๆ อุตสาหกรรมที่มีแค่ "เลเยอร์โมเดล" นั้นเปราะบาง สิ่งที่ทำให้อุตสาหกรรม AI วิ่งเร็วขึ้นและแข็งแรงขึ้นจริงๆ คือระบบนิเวศที่หลากหลายมากขึ้น ในระบบนิเวศนี้ มีคนทำโมเดล มีคนทำโครงสร้างพื้นฐานอธิปไตย มีคนทำเกตเวย์และการกำกับดูแล มีคนทำแอปพลิเคชันเชิงลึกในอุตสาหกรรมแนวตั้ง และมีคนช่วยองค์กรปรับเปลี่ยนความสามารถขององค์กร แต่ละเลเยอร์ตอบสนองความต้องการจริงขององค์กรในการเปลี่ยนจาก "การโอบรับ" ไปสู่ "การควบคุม"

ความต้องการเหล่านี้ในปีที่ผ่านมา เริ่มชัดเจนขึ้นจากความคลุมเครือ ต่อไป โซลูชันรุ่นใหม่ ผู้ให้บริการ และผลิตภัณฑ์ที่เกิดจากความต้องการเหล่านี้อาจเผชิญกับช่วงเวลาการระเบิดที่ชัดเจน

กลับไปที่อุปมาของขีดจำกัดโรช การหาเส้นทางที่ปลอดภัยไม่เคยเป็นเรื่องขององค์กรเพียงคนเดียว เมื่อระบบนิเวศทั้งหมดเริ่มเติบโตเป็นพลังที่นอกเหนือจากโมเดล องค์กรจึงจะมีพื้นฐานที่จะไม่ถูกฉีกเป็นชิ้นๆ

ลิงก์ต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia