จากการรับวิศวกรรายคนสู่การซื้อทั้งทีมวิจัยและสตาร์ทอัพ
สงคราม AI researcher recruitment คือการแข่งขันเชิงกลยุทธ์ที่บริษัทเทคโนโลยีมุ่งดึงตัวนักวิจัย AI ระดับแถวหน้าและยกทีมวิจัยทั้งชุดเข้าบริษัท พร้อมสิทธิในผลงานวิจัยและทรัพย์สินทางปัญญา แทนการรับวิศวกรทีละคน การเคลื่อนไหวนี้เน้นการสะสมความรู้เชิงลึก โมเดล AI และแพลตฟอร์มที่ใช้งานได้ทันที เพื่อเร่งการนำ AI ออกจากหน้าจอเข้าสู่โลกกายภาพ ทั้งหุ่นยนต์ โรงงาน และงานสร้างสรรค์ในชีวิตประจำวันของผู้ใช้ ดีลระหว่างผู้ผลิตชิปกับสตาร์ทอัพ AI จึงไม่ใช่เรื่องเทค acquisition strategy แบบเดิม แต่คือการล็อกอนาคต ด้วยการผูกทีมวิจัย ตัวบุคคล และระบบซอฟต์แวร์ที่กำลังกำหนดทิศทางอุตสาหกรรม เมื่อมองในมุม AI talent competition การยอมจ่ายแพงเพื่อซื้อทีมวิจัยสะท้อนชัดว่า ใครคุมคนเก่ง ใครก็มีสิทธิ์คุมอนาคตของหุ่นยนต์และบริการ AI รุ่นถัดไป
ดีล AMD–World Labs: ไม่ใช่แค่ซื้อเทคโนโลยีแต่ซื้อสมองของโลก AI
การประกาศของ AMD ว่าจะซื้อ World Labs สตาร์ทอัพของ Fei-Fei Li ผู้ได้รับฉายา Godmother of AI เป็นสัญญาณชัดว่าบริษัทชิปมอง AI เป็นยุทธศาสตร์ระยะยาวมากกว่าฟีเจอร์เสริม ดีลนี้ถูกอธิบายชัดว่า ช่วยให้ AMD ซึ่งเป็นผู้ผลิตชิป GPU ที่สำคัญต่อการฝึกและรันโมเดล AI ออกแบบผลิตภัณฑ์ให้เหมาะกับแอปพลิเคชัน AI ที่กำลังเปลี่ยนแปลง และแข่งขันกับคู่แข่งที่กำลังขยายไปสู่ physical AI ได้ดีขึ้น สิ่งสำคัญคือ World Labs พัฒนา world models และ spatial intelligence เน้นให้ AIเข้าใจโลกสามมิติ การเคลื่อนไหวของวัตถุ และพื้นที่ที่หุ่นยนต์ต้องทำงาน ซึ่งส่งผลโดยตรงต่อการพัฒนาชิป สถาปัตยกรรม และหุ่นยนต์ รวมถึงวิธีทำงานของคนสายสร้างสรรค์ในอนาคต Fei-Fei Li จะเข้าร่วม AMD ในตำแหน่งผู้บริหารและหัวหน้าทีมนักวิทยาศาสตร์ แสดงให้เห็นว่านี่ไม่ใช่แค่ดีลซื้อเทคโนโลยี แต่เป็นดีลซื้อทีมวิจัยทั้งชุด “AMD said the deal is expected to close by the end of the year, subject to regulatory approvals” ซึ่งหมายความว่าตลาดยังต้องจับตาว่า เมื่อดีลปิดอย่างเป็นทางการแล้ว AMD จะเร่งอัปเกรดแพลตฟอร์ม hardware–software ด้าน AI เร็วแค่ไหน ขณะเดียวกัน World Labs เปิดเผยว่าทั้งสองบริษัทร่วมมือกันปรับการฝึกโมเดลและประสิทธิภาพการประมวลผลบน GPU ของ AMD ตั้งแต่ปี 2025 แล้ว ทำให้การรวมทีมครั้งนี้เป็นการต่อยอดความร่วมมือเชิงเทคนิคมากกว่าการเริ่มต้นจากศูนย์
Microagi และสงครามดึงทีมวิจัยหุ่นยนต์จากมหาวิทยาลัย
ในฝั่ง physical AI บริษัทหุ่นยนต์หน้าใหม่อย่าง Microagi แสดงให้เห็นรูปแบบใหม่ของ research team hiring อย่างชัดเจน เมื่อดึงตัว Animesh Garg ศาสตราจารย์จาก Georgia Tech และอดีตนักวิจัยของบริษัทชิปรายใหญ่เข้ามาเป็น Chief Research Officer พร้อมพาทีมวิจัยอีกเจ็ดคนตามมาด้วย ผ่านการซื้อสตาร์ทอัพที่กลุ่มนี้สร้างแบบซ่อนตัวอยู่ก่อน นี่คือการรวมทีมจากห้องแล็บมหาวิทยาลัยเข้าสู่สตาร์ทอัพอย่างเต็มชุด ไม่ใช่การรับคนทีละตำแหน่ง Microagi ใช้โมเดลหุ่นยนต์ทั่วไปแล้วปรับให้เข้ากับงานโรงงานจริงในอุตสาหกรรมรถยนต์ โลจิสติกส์ และอาหาร โดยใช้ข้อมูลจากคนทำงานเพื่อฝึกหุ่นยนต์ให้ทำงานเฉพาะทางได้ ก้าวต่อไปของบริษัทคือการช่วยติดตั้งหุ่นยนต์ให้ลูกค้าอย่างน้อยสิบล้านตัวในห้าปีข้างหน้า ตามคำกล่าวของซีอีโอ Bercan Kilic เงินที่ไหลเข้าสู่ robotics และ physical AI ถูกกระตุ้นโดยความก้าวหน้าทาง AI ต้นทุนฮาร์ดแวร์ที่ลดลง การขาดแคลนแรงงาน และแรงกดดันให้เพิ่มการอัตโนมัติและย้ายฐานการผลิตกลับมา ทำให้การแข่งขันแย่งชิงทีมวิจัยในมหาวิทยาลัยยิ่งรุนแรง
Nvidia และระบบนิเวศผู้ก่อตั้งสตาร์ทอัพที่หนุนพลังชิป
อีกด้านหนึ่งของ AI talent competition คือการที่อดีตทีมวิจัยหุ่นยนต์ของบริษัทชิปยักษ์กลายเป็นผู้ก่อตั้งสตาร์ทอัพหุ่นยนต์รุ่นใหม่ บริษัทยักษ์รายนี้ทุ่มเงินมหาศาลใน physical AI และซีอีโอช่วยทำให้คำนี้เป็นกระแส โดยสร้างทั้งชิปและซอฟต์แวร์พื้นฐานสำหรับการฝึกหุ่นยนต์ ผลคือคนที่วางรากฐานหุ่นยนต์ภายในบริษัทเริ่มออกไปสร้างบริษัทของตัวเอง ตามที่ Amulya Vishwanath ผู้ลาออกไปตั้งกองทุน Techable Ventures ระบุว่า หลายคนกำลัง spin out เพื่อสร้างบริษัทใหม่ อดีตรองประธานฝ่ายวิจัย AI อย่าง Sanja Fidler ก่อตั้ง Veeda AI ร่วมกับอดีตทีมเดียวกัน เน้นสร้างโลกจำลองสำหรับฝึกหุ่นยนต์ ซึ่งต่อยอดจากงานวิจัยภายในเดิม ในขณะเดียวกันบริษัทชิปยังลงทุนใน Flexion Robotics และ Dyna Robotics รวมถึงรักษาความสัมพันธ์ใกล้ชิดผ่านการประชุมประจำและให้สตาร์ทอัพเข้าถึงเครื่องมือเวอร์ชันต้นแบบ ระบบนิเวศสตาร์ทอัพที่ขยายตัวนี้สร้างวงจรสำคัญ คือยิ่งมีสตาร์ทอัพเกิดใหม่มากเท่าไร บริษัทยักษ์ยิ่งมีโอกาสขายโครงสร้างพื้นฐานที่จำเป็นต่อการสร้าง physical AI มากขึ้น
ผลกระทบต่อผู้ใช้และอนาคตการออกแบบงานในโลกกายภาพ
เมื่อ tech acquisition strategy หันมาเน้นการซื้อทีมวิจัยและสตาร์ทอัพที่ทำ world models และ physical AI ผลกระทบจึงไม่ได้อยู่แค่ในห้องเซิร์ฟเวอร์ แต่ลามไปถึงผู้ใช้ทั่วไปและคนทำงานสายสร้างสรรค์โดยตรง การเคลื่อนไหวระดับยักษ์เหล่านี้ส่งผลต่อการพัฒนาชิป สถาปัตยกรรม และหุ่นยนต์ ไปจนถึงวิธีทำงานของคนที่ต้องออกแบบโลกทั้งดิจิทัลและกายภาพในอนาคต ตัวอย่างหนึ่งคือ spatial intelligence ที่ช่วยให้ AI สร้างห้องสามมิติจากภาพเดียว แลกเปลี่ยนมุมกล้อง และทดลองการจัดวางฉาก ทำให้นักสถาปัตย์ นักโฆษณา คนทำเกม และโปรดักชันสามารถทดลองไอเดียได้เร็วขึ้น แต่แบบจำลองที่ AI สร้างยังต้องมีคนตรวจสอบความถูกต้องก่อนใช้งานจริง เพราะโมเดลอาจเติมรายละเอียดที่มองไม่เห็นจากภาพต้นทาง สำหรับคนทำงาน คำถามจึงเปลี่ยนจาก AI ช่วยเขียนอะไรได้ เป็น AI ช่วยมองเห็น ทดลอง และออกแบบสิ่งที่จะเกิดขึ้นในโลกจริงได้แค่ไหน ในระยะสั้น ผู้ใช้อาจเห็นหุ่นยนต์และบริการ AI ที่เก่งงานเฉพาะทางมากขึ้น ขณะที่เบื้องหลังคือ startup acquisition deals และการยกทีมวิจัยที่ทำให้บริษัทยักษ์สามารถเร่งการพัฒนาตั้งแต่ชิป ฝึกโมเดล ไปจนถึงการนำไปใช้ในโรงงานและบริการใหม่ เงื่อนไขสำคัญของอนาคตจึงไม่ใช่แค่ใครมีเงิน แต่ใครดึงสมองและทีมวิจัย AI ชั้นนำมารวมกันได้เร็วและมีเป้าหมายชัดเจนที่สุด
