SCB 10X สรุปทิศทางทุน AI โลก ตอนนี้ VC เริ่มมองหาอะไรในตัว AI Startup

ท่ามกลางกระแสความตื่นตัวด้านเทคโนโลยี AI ไม่ได้เป็นเพียงเครื่องมือสร้างความแปลกใหม่อีกต่อไป แต่ได้กลายเป็นสมรภูมิการลงทุนที่เต็มไปด้วยความซับซ้อนและเดิมพันสูง เซสชัน Inside Global AI Deal Flow: Where Venture Capital Is Really Moving บนเวที Techsauce Global Summit 2026 โดย คุณไพลิน วิชากูล Chief Investment Officer จาก SCB 10X บริษัท Venture Capital ผู้ลงทุนในเทคโนโลยีด้าน AI, Blockchain และ Web3 ด้วยพอร์ตการลงทุนกว่า 500 ล้านดอลลาร์สหรัฐ 

คุณไพลินได้ชี้ให้เห็นมุมมองฉากหลังของทุนระดับโลกอย่างน่าสนใจว่า ทิศทางของ Venture Capital กำลังขยับจากยุคที่แค่ AI ฉลาดแล้วได้เงินลงทุน ไปสู่ยุคที่ AI ที่ธุรกิจนั้นสามารถสร้าง Demand ที่ยั่งยืน มี Margin ที่แข็งแรง และ Scale ได้ในระยะยาว

เมื่อทุนทั่วโลกเริ่มตั้งคำถาม คุณค่าที่ยั่งยืนในยุค AI อยู่ตรงไหน?

หากมองย้อนกลับไปในช่วงไม่กี่ปีที่ผ่านมา ตลาด AI เติบโตด้วยสปีดที่ทวีคูณ สตาร์ทอัพนับพันแห่งถูกก่อตั้งขึ้น แต่ในมุมมองของคุณไพลิน วิชากูล นี่คือยุคที่ท้าทายอย่างมากทั้งสำหรับฝั่งผู้สร้างและฝั่งนักลงทุน เม็ดเงินไม่ได้กระจายตัวอย่างทั่วถึง แต่กลับกระจุกตัวอยู่เพียงบริษัทกลุ่มเล็ก ๆ ที่ถูกมองว่าเป็นรากฐานของอุตสาหกรรม

โจทย์ใหญ่ของ VC วันนี้จึงเปลี่ยนไปอย่างสิ้นเชิง นักลงทุนไม่ได้ถามแล้วว่า AI กำลังเติบโตที่ไหน แต่คำถามที่แท้จริงคือ "ใครจะสร้างคุณค่าที่ยั่งยืนได้จริงๆ (Durable Value)" ในวันที่ใครๆ ก็เข้าถึง AI ได้ สินค้าเริ่มออกมาคล้ายกัน การแข่งขันเข้มข้นขึ้น และต้นทุนการผลิตเริ่มเห็นตัวเลขจริงชัดเจนขึ้น นักลงทุนจึงเลิกดูแค่ Demo แล้วหันมาคำนวณต้นทุนและกำไรจริงจัง

คุณไพลินชี้ให้เห็นว่าปรากฏการณ์นี้ทำให้เกิดความย้อนศรที่น่าสนใจในตลาดการลงทุนโลก

• เงินรวมพุ่งสูงประวัติศาสตร์: ในครึ่งแรกของปี 2026 เงินลงทุนใน AI สูงถึง 3.88 แสนล้านดอลลาร์สหรัฐ (แซงหน้าเงินลงทุนตลอดทั้งปี 2025 ไปแล้ว)
• แต่จำนวนบริษัทที่ได้เงินกลับน้อยลง: จำนวนดีลการลงทุนลดย่อลง 20%
• เงินทุ่มลงไปที่ผู้ชนะไม่กี่ราย: ขนาดดีลเฉลี่ยพุ่งสูงถึง 69 ล้านดอลลาร์สหรัฐฯ ต่อบริษัท

ตัวเลขนี้บอกเราอย่างชัดเจนว่า นักลงทุนไม่ได้แจกเงินกระจายให้สตาร์ทอัพ AI ทุกรายเหมือนเมื่อก่อนแล้ว แต่เลิกเห่อความเก่งชั่วคราว แล้วหันมา "ทุ่มเงินก้อนโตให้กับผู้ชนะเพียงไม่กี่ราย" ที่เชื่อว่าจะรอดและทำกำไรได้จริงในระยะยาว เมื่อสแกนลงไปในแต่ละชั้นของเทคโนโลยี จะยิ่งเห็นภาพชัด ได้แก่

• Application Layer (แอปพลิเคชันใช้งาน): มีการทดลองเยอะมาก (กว่า 942 ดีล ดึงเงินไป 3.6 หมื่นล้านดอลลาร์สหรัฐฯ) ดูเผินๆ เหมือนคึกคัก แต่มันหนาแน่นจนเลียนแบบกันง่าย และยากจะพิสูจน์ว่าแอปไหนจะต่างจากคนอื่นได้ยาวนานจริง
• Generative Model Layer (ผู้สร้างโมเดล AI): มีเพียง 27 ดีล แต่ดึงเงินไปมากกว่าฝั่งแอปพลิเคชันถึง 6 เท่า เพราะต้องใช้ทุนมหาศาล และเชื่อกันว่าผู้ชนะระดับแพลตฟอร์มจะมีอยู่แค่ไม่กี่รายที่คว้าเค้กส่วนใหญ่ไป

จาก AI-Native สู่ Control Layer เสาหลักใหม่ของการนำไปใช้จริง

สัญญาณที่น่าสนใจอีกประการจากโครงการบ่มเพาะสตาร์ทอัพระดับโลกอย่าง Y Combinator และ a16z ข้อมูลชี้ว่าสตาร์ทอัพยุคหลังๆ มีความเป็น AI-Native (เอา AI เป็นหัวใจหลัก) สูงถึง 2 ใน 3 ของทั้งหมดและเริ่มคงที่ ซึ่งคุณไพลินย้ำว่า "การเป็น AI-Native ไม่ใช่จุดเด่นที่เหนือคู่แข่งอีกต่อไป แต่มันคือมาตรฐานขั้นต่ำที่ทุกบริษัทต้องมีเหมือนๆ กัน"

เมื่อใครๆ ก็ทำ AI ได้ ความสนใจของนักลงทุนและ founders ยุคใหม่จึงหมุนจากระบบ Co-pilot ไปสู่โจทย์ที่ยากและลึกขึ้นอย่าง Infrastructure, Data, Safety, Observability และ Physical AI ซึ่งทั้งหมดนี้นำไปสู่แนวคิดสำคัญที่คุณไพลินเสนอ นั่นคือ Control Layer (ระบบควบคุมและกำกับดูแล)

คุณไพลินอธิบายว่า วันนี้ AI กำลังขยับจากการทำหน้าที่แค่เจนข้อความ/รูปภาพ (Generate) ไปสู่การสั่งงานและลงมือทำจริง (Execute/Act) คอขวดของอุตสาหกรรมจึงไม่ได้อยู่ที่ความเก่งในการสร้างอีกต่อไป แต่อยู่ที่ว่าเราจะควบคุมมันให้ทำงานได้อย่างปลอดภัยและราบรื่นได้อย่างไร 

Control Layer จึงไม่ใช่แค่ซอฟต์แวร์ธรรมดา แต่เป็นกลไกสำคัญที่ช่วยให้องค์กรใหญ่ๆ กล้าเอา AI ไปใช้งานจริงในธุรกิจ โดยมี 4 เสาหลักที่เข้าใจง่ายๆ ดังนี้

1. Verify & Judge: เปลี่ยนจากการตรวจเพียงว่าผลลัพธ์ถูกหรือผิด ไปสู่การตัดสินว่าผลลัพธ์นั้นดีพอและเหมาะสมที่จะนำไปใช้หรือไม่ เช่น โทนการตอบคำถามสอดคล้องกับภาพลักษณ์บริษัทหรือกฎระเบียบภายในหรือไม่
2. Govern & Secure: เมื่อ AI Agent เริ่มมีสิทธิ์เข้าถึงระบบ ลบแก้โค้ด หรือดึงข้อมูลลูกค้าได้ การคุมสิทธิ์เข้าถึง (Permission) และการตรวจสอบย้อนหลัง (Auditability) จึงสำคัญมาก เพราะหาก Agent ทำงานผิดพลาดเพียงครั้งเดียว อาจกลายเป็นวิกฤตความปลอดภัยด้าน Cyber Security ของบริษัททันที
3. Optimize: การคุม Latency และต้นทุนค่ารัน AI นั้นสำคัญไม่แพ้กัน เพราะซอฟต์แวร์ AI ที่ดี อาจกลายเป็นธุรกิจที่ล้มเหลวได้ทันทีถ้าต้นทุนรันโมเดลแพงเกินไป 
4. Orchestrate: เมื่อองค์กรเริ่มใช้ AI Agent นับสิบหรือนับร้อยตัวทำงานพร้อมกัน ระบบการคุมคิว การรับมือเมื่อระบบล่ม และการแบ่งหน้าที่ระหว่าง Agent ต้องทำงานสอดประสานกันอย่างเป็นระบบ

กรอบความคิดในการคัดสรรธุรกิจ และการขยับตัวสู่โลก Physical AI

การประเมินสตาร์ทอัพในยุคที่เทคโนโลยีหมุนไวระดับวินาทีถือเป็นโจทย์ที่ท้าทายอย่างมากสำหรับนักลงทุน เพราะความตื่นตาตื่นใจของเทคโนโลยีในวันแรกไม่ได้สะท้อนถึงความสำเร็จในโลกธุรกิจเสมอไป เพื่อเฟ้นหาและสนับสนุนสตาร์ทอัพที่มีศักยภาพเติบโตได้จริงในระยะยาว คุณไพลินได้เปิดเผยกรอบการประเมิน 4 ข้อหลัก (พร้อมปัจจัย Platform Risk) ที่ SCB 10X ใช้ประเมินความแข็งแกร่งเชิงลึกของธุรกิจ ได้แก่

Durability หรือความยั่งยืนของธุรกิจ: พิจารณาความสามารถในการเติบโตอย่างต่อเนื่อง แม้ในวันที่โมเดลรุ่นใหม่ๆ มีประสิทธิภาพสูงขึ้น ปรับราคาลง หรือมี open source เข้ามาเติมเต็มในตลาด สินค้าจะยังคงมีคุณค่าเฉพาะตัวที่ชัดเจน

Ownership หรือการสร้างจุดแข็งที่เป็นของตัวเอง: มุ่งเน้นบริษัทที่สามารถบริหารจัดการองค์ประกอบสำคัญได้อย่างแท้จริง ไม่ว่าจะเป็นการควบคุม Workflow, การถือครองข้อมูลเฉพาะทางที่มีคุณภาพสูง (Proprietary Data), หรือการส่งมอบผลลัพธ์ปลายทางที่ตอบโจทย์ลูกค้า 

Compounding Effect หรือการสั่งสมคุณค่าอย่างต่อเนื่อง: ประเมินว่าเมื่อมีผู้ใช้งานมากขึ้น ระบบจะยิ่งพัฒนาประสิทธิภาพดีขึ้นเพียงใด เช่น การนำข้อมูลจริงกลับมาปรับปรุง AI ให้แม่นยำขึ้น, การเชื่อมต่อที่ลึกซึ้งยิ่งขึ้น, ตลอดจนการสร้าง Network Effect ที่เพิ่มขีดความสามารถในการแข่งขัน

Production Readiness หรือความพร้อมสำหรับการใช้งานจริง: ระบบต้องมีความเสถียร มีมาตรฐานความปลอดภัยสูง และรองรับการ Scale ได้อย่างราบรื่นเมื่อธุรกิจเติบโต

นอกจากกรอบการประเมินทั้ง 4 ข้อข้างต้นแล้ว สิ่งสำคัญที่คุณไพลินเน้นย้ำเพิ่มเติมคือการประเมิน Platform Risk หรือความเสี่ยงจากเจ้าตลาด โดยต้องพิจารณาคุณค่าหลักของผลิตภัณฑ์อย่างถี่ถ้วน เพื่อให้มั่นใจว่าสตาร์ทอัพนั้นสร้างนวัตกรรมที่มีความเฉพาะตัวอย่างแท้จริง และสามารถเติมเต็มช่องว่างที่ผู้พัฒนาแพลตฟอร์มรายใหญ่ หรือผู้เล่นเดิมในตลาดยังไม่ได้ครอบคลุม เพื่อป้องกันไม่ให้โซลูชันถูกกลืนหายไปเมื่อเจ้าตลาดอัปเดตฟีเจอร์ใหม่

การขยับตัวสู่โลก Physical AI

นอกจากนี้ คุณไพลินยังชี้ให้เห็นโอกาสและความท้าทายใหม่ๆ เมื่อเทคโนโลยีขยับจากการทำงานในโลกดิจิทัล เข้าสู่ Physical AI หรือโลกของหุ่นยนต์ ซึ่งในโลกฝั่งกายภาพนี้ มาตรฐานเรื่องความแม่นยำและถูกต้องจะมีความเข้มงวดสูงขึ้นอย่างมาก 

หาก AI ในระบบดิจิทัลทำงานคลาดเคลื่อน อาจเป็นเพียงข้อผิดพลาดเล็กๆ น้อยๆ ที่แก้ไขได้ง่าย แต่หากเป็นหุ่นยนต์ในโรงงานอุตสาหกรรม ผลกระทบอาจส่งผลต่อทรัพย์สิน กระบวนการผลิต หรือสวัสดิภาพของผู้ปฏิบัติงาน ดังนั้น Control Layer จึงเป็นหัวใจสำคัญที่เข้ามาช่วยดูแลความปลอดภัยและความราบรื่นในการทำงานของระบบกายภาพ

คุณไพลินคาดการณ์ว่า ปัจจุบันวงการหุ่นยนต์กำลังอยู่ในช่วงเริ่มต้นของการพัฒนา Foundation Model และการสะสมข้อมูลเพื่อสร้างความฉลาด แต่ในอนาคต โจทย์จะขยับจากความเชี่ยวชาญในการดูแลหุ่นยนต์จำนวนน้อยชิ้น ไปสู่การบริหารจัดการโครงสร้างพื้นฐาน เพื่อรองรับการทำงานของหุ่นยนต์นับพันตัวพร้อมๆ กัน

จุดนี้เองที่ระบบปฏิบัติการหุ่นยนต์ (Robot Operations หรือ Control Stack ของโลกกายภาพ) จะเข้ามามีบทบาทสำคัญ ตั้งแต่การติดตั้ง, การดูแลความปลอดภัย, การติดตามผล, การจำลองสถานการณ์เพื่อทดสอบเคสที่ซับซ้อน ไปจนถึงการวนลูปข้อมูลจากการใช้งานจริงกลับมาพัฒนาโมเดลให้มีประสิทธิภาพสูงขึ้นเรื่อย ๆ ซึ่งคุณไพลินเชื่อว่าผู้ชนะระดับโลกรายถัดไปจะเติบโตมาจากพื้นที่นี้

ทั้งหมดนี้สะท้อนให้เห็นทิศทางใหม่ของการลงทุนด้าน AI ในระดับสากลได้อย่างชัดเจน สมรภูมินี้ไม่ได้วัดกันที่ใครตามกระแสได้ไวกว่า แต่คือการเฟ้นหาผู้เล่นที่สร้างรากฐานได้แข็งแกร่งที่สุด ดังที่คุณไพลินได้ทิ้งท้ายไว้อย่างน่าคิดว่า "ผู้ชนะที่ยั่งยืนในยุคถัดไป จะไม่ได้หยุดอยู่แค่การสร้างความฉลาด แต่คือผู้ที่ทำให้ความฉลาดนั้น 'เชื่อถือและพึ่งพาได้' เพื่อให้เราสามารถนำไปลงมือปฏิบัติจริงได้อย่างมั่นใจ"