AI Startup Funding ไม่ได้พูดถึงแค่แชตบอตอีกต่อไป
การระดมทุนของสตาร์ทอัพ AI คือกระบวนการที่นักลงทุนสนับสนุนบริษัทที่ใช้ปัญญาประดิษฐ์และ Machine Learning สร้างผลิตภัณฑ์หรือแพลตฟอร์มเชิงพาณิชย์ โดยหวังให้เทคโนโลยีเหล่านี้แก้ปัญหาจริงของผู้ใช้ ทั้งด้านการค้าออนไลน์ โครงสร้างพื้นฐานข้อมูล และระบบงานองค์กร ไม่ใช่จำกัดอยู่แค่แชตบอตสนทนาเพื่อสาธิตความสามารถของโมเดลภาษาอีกต่อไป สัญญาณสำคัญในช่วงนี้คือการที่สตาร์ทอัพสามรายในสาย AI Startup Funding ได้เงินทุนเพื่อเดินหน้าผลิตภัณฑ์ที่จับต้องได้ Loops มุ่งสร้างระบบปฏิบัติการ AI สำหรับการค้าออนไลน์ที่รวมการค้นหา การค้นพบสินค้า ระบบช่วยเลือกซื้อสินค้า และการลองสินค้าเสมือนจริงไว้ในชั้นข้อมูลเดียว Parallel Loop เสนอ Enterprise AI Platform ที่จับคู่แพลตฟอร์ม AI Stack กับทีมวิศวกรที่ลงไปเชื่อมระบบเดิมของลูกค้า ส่วน Mueon พัฒนา Cubelets แพลตฟอร์มประมวลผลและหน่วยความจำแบบโมดูลาร์สำหรับงาน AI และโครงสร้างพื้นฐานระดับไฮเปอร์สเกล ภาพรวมเหล่านี้บอกอย่างชัดเจนว่าเงินทุนไม่ได้ไหลไปหาแอปสนทนาเพื่อความตื่นตาตื่นใจเท่านั้น แต่กำลังหนุน Machine Learning Applications ที่ฝังอยู่ในเส้นเลือดของการค้าและระบบองค์กร ซึ่งจะกระทบชีวิตผู้ใช้โดยตรงผ่านการช้อปปิ้งที่ฉลาดขึ้น ระบบงานที่ไหลลื่นขึ้น และศูนย์ข้อมูลที่รองรับภาระงาน AI ได้คุ้มค่ามากขึ้น
Loops กับภารกิจสร้าง AI Shopping Recommendation ที่เข้าใจนักช้อปจริง
หัวใจของ Loops คือความเชื่อว่าประสบการณ์ช้อปปิ้งออนไลน์ยังขาดชั้นข้อมูลอัจฉริยะที่เชื่อมทุกช่วงเวลาของการค้นหาและตัดสินใจซื้อเข้าด้วยกัน นักช้อปมักต้องสลับไปมาระหว่างหน้าค้นหา ตารางไซซ์ รายละเอียดสินค้า และการแชตกับฝ่ายบริการลูกค้า ซึ่งสะท้อนว่าระบบยังแยกส่วนมากเกินไป Loops จึงพัฒนาแพลตฟอร์มที่รวม AI Search ระบบช่วยเลือกซื้อสินค้า การเพิ่มข้อมูลผลิตภัณฑ์ และการลองสินค้าเสมือนจริงไว้ในชั้นเดียว โดย AI Search สามารถตีความประโยคเต็มรูปแบบ โอกาสใช้งาน งบประมาณ และข้อจำกัดต่าง ๆ ของลูกค้า จากนั้นจัดอันดับผลลัพธ์โดยคำนึงถึงทั้งความเกี่ยวข้องและเป้าหมายด้านรายได้กับอัตรากำไรของร้านค้าปลีก ตัวอย่างที่เห็นภาพคือเมื่อนักช้อปกำลังหาเสื้อผ้าสำหรับงานแต่งงานกลางแจ้งในงบประมาณที่กำหนด ระบบต้องเข้าใจโอกาสในการสวมใส่ ขีดจำกัดราคา ความชอบด้านสไตล์ และคุณลักษณะของสินค้า พร้อมคงบริบทเหล่านี้เมื่อมีคำถามเรื่องความพอดีหรือสินค้าอื่นที่เป็นทางเลือก การลองสินค้าเสมือนจริงยังช่วยให้ลูกค้าใช้ภาพถ่ายดูว่าชุดจะมีลักษณะอย่างไรเมื่อสวมใส่ก่อนตัดสินใจซื้อ สิ่งที่น่าสนใจคือ Loopsให้ความสำคัญกับการเติมข้อมูลแค็ตตาล็อกให้มีโครงสร้างและแอตทริบิวต์ครบถ้วน เพราะหากไม่มีข้อมูลวัสดุ ความพอดี หรือวิธีดูแลรักษา เสื้อผ้าก็ไม่อาจตอบคำถามลูกค้าได้อย่างน่าเชื่อถือ แม้ผู้ช่วยจะพูดคล่องเพียงใดก็ตาม นี่คือการออกแบบ AI Shopping Recommendation ที่เริ่มจากข้อมูลจริง ไม่ใช่แค่คำตอบสวยหรู
Parallel Loop และ Enterprise AI Platform ที่มาพร้อมทีมวิศวกร
ในฝั่งองค์กร Parallel Loop เลือกเดินเส้นทางที่ต่างจากการขายเครื่องมือ AI สำเร็จรูปทั่วไป บริษัทเสนอแพลตฟอร์ม AI Stack ควบคู่กับทีม Forward-Deployed Engineers ที่ลงไปทำงานกับทีมลูกค้าเพื่อเปลี่ยนฐานซอฟต์แวร์ให้กลายเป็นลำดับงานและแอปพลิเคชันที่ใช้งานได้จริงในองค์กร AI Stack ถูกออกแบบให้เชื่อมระบบ ข้อมูล และบริบทที่องค์กรมีอยู่ เพื่อรองรับแดชบอร์ดและลำดับงานอัตโนมัติภายใต้การกำกับดูแลของมนุษย์ แพลตฟอร์มรองรับโมเดลจากผู้ให้บริการหลายราย รวมถึงโมเดลแบบเปิดที่เปิดเผยค่าน้ำหนัก ทำให้องค์กรมีทางเลือกในการจัดวางโมเดลให้เหมาะกับสภาพแวดล้อมของตน โดยไม่ต้องผูกทั้งระบบกับผู้ให้บริการรายเดียว จุดแข็งของโมเดลนี้คือการยอมรับความจริงว่า Enterprise AI Platform ไม่ใช่แค่การเปิดบัญชีใช้เครื่องมือกลางแล้วจบ ลูกค้าองค์กรต้องการคนที่เข้าใจระบบเดิม สิทธิการเข้าถึงข้อมูล และขั้นตอนอนุมัติในแต่ละแห่ง ก่อนจะเชื่อม AI เข้ากับงานจริง งานสำรวจและปรับระบบเดิมจึงยังขึ้นกับบริบทของแต่ละองค์กร และความสามารถในการรับโครงการเพิ่มก็ผูกกับจำนวนวิศวกรและเวลาส่งมอบ ตามข้อมูลที่บริษัทเปิดเผย มีพนักงานกระจายอยู่หลายเมือง และมีลูกค้าองค์กรที่ใช้แพลตฟอร์มแล้ว ซึ่งสะท้อนว่าตลาดเริ่มยอมรับแนวคิดที่จับคู่แพลตฟอร์มกับบริการวิศวกรรม ไม่ใช่ขายซอฟต์แวร์ล้วน ๆ
Mueon และ Cubelets: เมื่อ Machine Learning Applications ต้องการฮาร์ดแวร์แบบใหม่
หาก Loops และ Parallel Loop แสดงให้เห็นด้านซอฟต์แวร์ของ AI Startup Funding Mueon ก็ชี้ให้เห็นว่าการเติบโตของ Machine Learning Applications กำลังผลักดันให้สถาปัตยกรรมฮาร์ดแวร์ต้องเปลี่ยนไป บริษัทระบบเซมิคอนดักเตอร์รายนี้พัฒนา Cubelets หน่วยประกอบสามมิติแบบโมดูลาร์ที่ผสานการประมวลผลและหน่วยความจำเข้าด้วยกัน เพื่อรองรับงาน AI และโครงสร้างพื้นฐานระดับไฮเปอร์สเกล แนวคิดของ Cubelets คือแทนที่จะปรับแต่งระบบย่อยแต่ละส่วนแยกกัน Mueonออกแบบแพลตฟอร์มโดยคำนึงถึงการเคลื่อนย้ายข้อมูล ความหนาแน่นด้านพลังงาน และข้อจำกัดในการนำไปใช้งาน ซึ่งกำลังกลายเป็นตัวกำหนดเศรษฐศาสตร์ของโครงสร้างพื้นฐาน AI มากขึ้นเรื่อย ๆ การออกแบบนี้ช่วยเพิ่มความหนาแน่นของการประมวลผลในระดับระบบ ลดระยะทางทางกายภาพที่ข้อมูลต้องเดินทาง และลดต้นทุนด้านพลังงานในการเคลื่อนย้ายข้อมูล โดยไม่ต้องใช้พื้นที่กว้างเหมือนแร็กเซิร์ฟเวอร์แบบเดิม บริษัทตั้งเป้าเพิ่มประสิทธิภาพด้านพลังงานและต้นทุนได้สูงสุดสิบเท่าโดยใช้พื้นที่ในแร็กเท่าเดิม และออกแบบสถาปัตยกรรมให้ขยายไปสู่ความหนาแน่นระดับเมกะวัตต์เมื่อความต้องการเพิ่มขึ้น นี่คือคำกล่าวที่สะท้อนชัดว่าการลงทุนในฮาร์ดแวร์ AI ไม่ใช่เรื่องของชิปเดี่ยว ๆ แต่เป็นการคิดใหม่ทั้งระบบ เพื่อให้ศูนย์ข้อมูลรองรับภาระงาน AI ที่โตแบบก้าวกระโดดได้อย่างคุ้มค่า
บทสรุป: AI ที่ลงทุนแล้วต้องตอบโจทย์การค้าและระบบงานจริง
เมื่อมองภาพรวมของ Loops Parallel Loop และ Mueon จะเห็นเส้นเรื่องเดียวกันคือการผลักดัน AI ให้หลุดจากบทบาทของเดโมแชตบอตไปสู่เครื่องมือที่ฝังอยู่ในกระบวนการจริงของทั้งผู้บริโภคและองค์กร Loops เลือกแก้ปัญหาช้อปปิ้งออนไลน์ที่แยกส่วนด้วย AI Shopping Recommendation ที่เริ่มจากการจัดระเบียบข้อมูลแค็ตตาล็อกและบริบทการซื้อ Parallel Loop สร้าง Enterprise AI Platform ที่ยอมรับว่าการเปลี่ยนระบบงานต้องใช้ทั้งซอฟต์แวร์และทีมวิศวกรที่เข้าใจองค์กร ส่วน Mueon แสดงให้เห็นว่าการรองรับภาระงาน AI ในระดับศูนย์ข้อมูลต้องคิดใหม่ตั้งแต่ระดับสถาปัตยกรรมฮาร์ดแวร์ สำหรับผู้อ่านที่สนใจเทคโนโลยีทิศทางนี้มีนัยสำคัญสองด้าน ด้านหนึ่ง ผู้บริโภคจะเริ่มสัมผัสประสบการณ์ช้อปปิ้งและบริการที่ฉลาดขึ้นโดยไม่ต้องรู้เบื้องหลังว่าเป็นโมเดลอะไร อีกด้านหนึ่ง องค์กรที่อยากใช้ AI ต้องมองเกินกว่าการซื้อเครื่องมือสำเร็จรูป ไปสู่การวางแพลตฟอร์ม ข้อมูล ทีมงาน และแม้แต่โครงสร้างพื้นฐานให้พร้อมรับการเปลี่ยนแปลง ท้ายที่สุด เงินทุนที่หลั่งไหลเข้าสู่สตาร์ทอัพเหล่านี้จะคุ้มค่าก็ต่อเมื่อ Machine Learning Applications ที่พวกเขาสร้างสามารถแก้ปัญหาจริง ลดต้นทุน เพิ่มรายได้ หรือสร้างประสบการณ์ใหม่ให้ผู้ใช้ได้อย่างชัดเจน หากทำได้ AI ก็จะกลายเป็นส่วนหนึ่งของชีวิตประจำวันในแบบที่ไม่ต้องมีคำว่าแชตบอตอยู่ในทุกประโยคอีกต่อไป
