AI อ่านทุกสิ่งที่มีบนโลก แต่ไม่รู้ว่า ‘แก้วตกพื้นแล้วจะแตก’ เมื่อโลกกำลังก้าวจาก LLM สู่ World Model เม็ดเงินลงทุนจะไหลไปที่ไหนบ้าง

เตรียมตัวพบกับ ทิพทัต เจนณวาสิน General Partner จาก The Venture Reality Fund จะเดินทางมาร่วมเป็นหนึ่งใน Speaker คนสำคัญที่จะขึ้นพูดในงาน Techsauce Global Summit 2026 ซื้อบัตรได้ที่: https://bit.ly/4oj3hKB 

--------------------------------------

เดือนกุมภาพันธ์ 2026 วงการเทคโนโลยีต้องสั่นสะเทือนเมื่อ World Labs สามารถปิดรอบระดมทุนสูงถึง 1,000 ล้านดอลลาร์สหรัฐฯ โดยมียักษ์ใหญ่ด้านซอฟต์แวร์ออกแบบอย่าง Autodesk ลงทุนเดี่ยวไปถึง 200 ล้านดอลลาร์สหรัฐฯ ส่งผลให้มูลค่าบริษัทพุ่งสูงเป็น 5,000 ล้านดอลลาร์สหรัฐฯ ทันที 

และถัดมาเพียงแค่เดือนเดียว AMI Labs ของ Yann LeCun ก็ประกาศปิดรอบระดมทุน 1,030 ล้านดอลลาร์สหรัฐฯ ที่มูลค่า pre-money สูงถึง 3,500 ล้านดอลลาร์สหรัฐฯ โดยมีชื่อของ Nvidia, Samsung, Sea, Temasek และ Toyota Ventures ร่วมลงเงินกันอย่างพร้อมหน้า

สิ่งที่น่าทึ่งคือทั้งสองบริษัทนี้ยังไม่มีแม้กระทั่งสินค้าขายให้คนทั่วไป ไม่มีแอปพลิเคชันให้กดดาวน์โหลด และไม่มีระบบสมาชิกรายเดือน แต่นักลงทุนระดับโลกกลับยินดีจ่ายเงินรวมกันมากกว่า 2,000 ล้านดอลลาร์สหรัฐฯ ภายในระยะเวลาไม่ถึง 60 วัน คำตอบเบื้องหลังปรากฏการณ์นี้ไม่ได้ซับซ้อน เพราะสิ่งที่ทั้ง บริษัท 2 กำลังขายคือแนวคิดเดียวกันที่เรียกว่า World Model

จากยุคที่ AI อ่านออก สู่ยุคที่ AI ต้องมองเห็น

หากย้อนกลับไปในปี 2023 สมรภูมิหลักของวงการ AI คือการแข่งขันสร้าง Large Language Model หรือ LLM เพื่อให้โมเดลฉลาดขึ้น ตอบคำถามได้เฉียบคม และเขียนโค้ดได้แม่นยำ ทุกค่ายต่างทุ่มกำลังสอนให้ AI อ่านออกและเข้าใจโครงสร้างภาษา 

แต่เมื่อเข้าสู่ปี 2026 บทสนทนาของโลกเทคโนโลยีได้เปลี่ยนทิศทางไปอย่างสิ้นเชิง

Fei-Fei Li นักวิจัย AI ระดับตำนานผู้ปูทางให้วงการ computer vision และปัจจุบันดำรงตำแหน่งผู้ก่อตั้ง World Labs ได้เขียนบทความยาวในชื่อ From Words to Worlds โดยสรุปใจความสำคัญไว้ว่า spatial intelligence is as critical as, and complementary to, language intelligence หรือความเข้าใจด้านพื้นที่นั้นมีความสำคัญไม่แพ้ความเข้าใจด้านภาษา และทั้งสองส่วนต่างส่งเสริมซึ่งกันและกัน ไม่ใช่การแข่งขันกัน

ลองจินตนาการภาพตามว่า LLM เรียนรู้จากตัวอักษรนับล้านล้านคำจนสามารถคาดเดาได้อย่างแม่นยำว่าคำไหนควรอยู่ต่อจากคำไหน แต่ตัวมันกลับไม่เคยรู้เลยว่าถ้าปล่อยแก้วน้ำหลุดมือลงพื้น แก้วจะแตกกระจายไปในทิศทางใด หรือหากต้องเดินอ้อมโซฟาไปหยิบของ จะต้องเลี้ยวด้วยมุมกี่องศา World Model จึงเข้ามาเป็นหัวใจสำคัญในการสอนให้ AI เข้าใจมิติเหล่านี้ ทั้งฟิสิกส์ พื้นที่ ระยะทาง และผลลัพธ์ของการกระทำในโลก 3 มิติ ซึ่งเป็นความรู้ชุดที่ข้อมูลข้อความบริสุทธิ์ไม่มีวันสอนได้

2 แนวคิด แต่เป้าหมายเดียวกัน

ถ้าว่าด้วยเรื่องการแข่งขันเพื่อสร้าง World Model ในปี 2026 ได้แตกออกเป็น 2 สายหลักอย่างชัดเจน

โดยสายแรก คือ ค่ายสร้างโลกให้มองเห็น ที่มุ่งเน้นการสร้างภาพและพื้นที่สามมิติอันสมจริงเพื่อตอบโจทย์สายงานสร้างสรรค์ ทางด้าน World Labs ได้เปิดตัวโมเดลชื่อ Marble ที่สามารถรับคำสั่งข้อความ ภาพ หรือวิดีโอ แล้วเนรมิตออกมาเป็นโลกสามมิติที่มนุษย์สามารถเดินเข้าไปสำรวจได้ ขณะที่ Google DeepMind ปล่อย Genie 3 ที่สร้างโลกโต้ตอบได้แบบเรียลไทม์ 24 เฟรมต่อวินาทีจากข้อความสั้น ๆ 

ซึ่ง Fei-Fei Li ได้นิยามงานกลุ่มนี้ว่าเป็น Renderer พร้อมระบุอย่างตรงไปตรงมาว่าโมเดลวิดีโอชื่อดังอย่าง Sora, Runway หรือ Kling ก็จัดอยู่ในกลุ่มนี้เช่นกัน คือเน้นสร้างภาพที่สวยงาม แต่เบื้องหลังยังไม่ได้เข้าใจหลักฟิสิกส์ที่เกิดขึ้นจริง

อีกสายหนึ่ง คือ ค่ายสร้างโลกให้เข้าใจ ซึ่งเน้นการคำนวณผลลัพธ์ของการกระทำอย่างแม่นยำ โดยมีกลุ่มเป้าหมายหลักเป็นเทคโนโลยีหุ่นยนต์และรถยนต์ไร้คนขับ ฝั่ง Nvidia ได้เปิดตัว Cosmos มาตั้งแต่ต้นปี 2025 และปัจจุบันมียอดดาวน์โหลดไปใช้งานแล้วมากกว่า 2 ล้านครั้ง เนื่องจากเป็นโมเดลแบบเปิดที่ทีมพัฒนาหุ่นยนต์สามารถนำไปตั้งบนเซิร์ฟเวอร์เพื่อใช้งานได้ทันที

ส่วน Yann LeCun ที่ตัดสินใจก้าวออกจาก Meta มาตั้ง AMI Labs ก็ได้เดินหน้าผลักดันแนวคิด JEPA หรือ Joint Embedding Predictive Architecture ที่เขาศึกษามาหลายปี โดยวางหลักการไม่ให้ AI ทำนายรายละเอียดทีละพิกเซลเหมือนโมเดลวิดีโอทั่วไป แต่เปลี่ยนไปให้ AI เรียนรู้ความสัมพันธ์เชิงนามธรรมของสิ่งต่าง ๆ ในโลกก่อน ซึ่งคล้ายคลึงกับวิธีที่สมองมนุษย์ประเมินว่าลูกบอลจะกลิ้งไปทางไหนโดยไม่จำเป็นต้องนึกภาพจำลองขึ้นมาทีละเฟรม

แม้ทั้งสองค่ายจะแข่งขันกันคนละสนาม แต่เป้าหมายปลายทางคือเรื่องเดียวกัน นั่นคือการพา AI ออกมาจากหน้าจอแชทเพื่อให้อยู่อาศัยและทำงานในโลกจริงได้

ใครกำลังได้อานิสงส์ ใครต้องปรับตัว

เม็ดเงินมหาศาลที่ไหลเข้าสู่สายนี้ไม่ได้หยุดอยู่แค่ในห้องวิจัย แต่กำลังส่งแรงกระเทือนออกเป็นวงกว้าง กระทบวงในสุดอย่างกลุ่มทุนที่เคยปักหลักกับเทคโนโลยี VR และ AR มาก่อน กองทุนที่เคยจำกัดตัวเองอยู่แค่ตลาดเกม VR หรือแอปพลิเคชัน AR ขนาดเล็ก ตอนนี้ได้เห็นโอกาสในตลาดที่ใหญ่กว่าเดิมหลายเท่า เพราะทักษะและเทคโนโลยีพื้นฐานอย่างการจับภาพสามมิติ (Gaussian Splatting) หรือการสร้างสิ่งแวดล้อมเสมือน ได้กลายมารวมเป็นทักษะเดียวกันกับที่ World Model ต้องใช้พอดี

ตัวอย่างที่เห็นได้ชัดเจนคือ The Venture Reality Fund กองทุนระดับโลกที่มุ่งเน้นการลงทุนในสตาร์ทอัประยะเริ่มต้นด้าน Spatial Intelligence และ Spatial Computing 

ตลอดช่วงเวลาที่ผ่านมา The Venture Reality Fund ได้เฟ้นหาและพิจารณาสตาร์ตอัปในอุตสาหกรรมนี้มาแล้วกว่า 10,000 ราย และตัดสินใจเลือกลงทุนไปมากกว่า 60 บริษัท ไม่ว่าจะเป็น Beat Games ผู้สร้างเกม VR ยอดฮิตอันดับหนึ่งอย่าง Beat Saber ซึ่งถูก Meta ซื้อกิจการไปในที่สุด หรือ Apprentice โซลูชัน AR สำหรับอุตสาหกรรมการผลิตยาที่เข้ามาช่วยเร่งกระบวนการผลิตวัคซีนโควิดหลายชนิดในช่วงวิกฤต และล่าสุดกองทุนนี้ยังเป็นหนึ่งในผู้ลงเงินสนับสนุนนวัตกรรม World Foundation Model อย่าง World Labs และ AMI อีกด้วย

เราจะเห็นว่าปรากฏการณ์ที่กำลังเกิดขึ้นในปี 2026 ไม่ใช่เพียงการแข่งขันทดสอบ LLM รอบใหม่ที่แค่อัปเกรดชื่อโมเดล แต่มันคือจุดก้าวข้ามสำคัญเมื่อคนทั้งวงการยอมรับร่วมกันว่าเทคโนโลยีด้านภาษาได้เดินทางมาถึงขีดจำกัดของมันแล้ว หากต้องการให้ AI ก้าวไปอีกขั้นเพื่อช่วยขับรถ ช่วยประกอบสินค้าในโรงงาน หรือช่วยสร้างโลกเสมือนจริงที่มนุษย์เข้าไปอยู่อาศัยได้ ตัว AI จะต้องได้รับการฝึกฝนในรูปแบบเดียวกับที่มนุษย์เรียนรู้มาตั้งแต่เด็ก นั่นคือการลองผิดลองถูกกับสเปซ พื้นที่ และแรงโน้มถ่วง แทนที่จะจมอยู่กับการอ่านข้อความในหนังสือเพียงอย่างเดียว

สนามแข่งขันในเวลานี้จึงไม่ใช่การประชันว่าใครจะสร้างแชทบอทได้ชาญฉลาดที่สุดอีกต่อไป แต่เป็นการชิงชัยว่าใครจะสามารถเนรมิตโลกจำลองที่สมจริงที่สุดได้ก่อนกัน เพราะผู้ชนะในสนามนี้จะเป็นผู้กำหนดมาตรฐานว่าหุ่นยนต์ หุ่นยนต์ไร้คนขับ และโลกเสมือนแห่งอนาคตจะถูกหล่อหลอมและขับเคลื่อนด้วยกฎฟิสิกส์รูปแบบใด 

แม้คำว่า World Model อาจยังฟังดูไม่คุ้นหูคนทั่วไปเท่ากับ ChatGPT หรือ Gemini แต่สายธารเงินหมื่นล้านที่ไหลทะลักเข้ามาภายในเวลาเพียงปีเดียว ก็เป็นสิ่งยืนยันชั้นดีว่านี่คือสมรภูมิแห่งใหม่ที่ทุกค่ายเทคโนโลยีต้องเข้าจับจองพื้นที่ให้ได้ก่อนใคร

อ้างอิง: a16z.news, time, worldlabs.ai, amd, techcrunch, voicesofvr