原นามหัวข้อ：《กูเกิล, NVIDIA ลงทุนเชื่อมั่น บริษัท AI มูลค่า 4 หมื่นล้านดอลลาร์ สร้างสรรค์วิธีทำลาย นักวิทยาศาสตร์โดยตรง》
ผู้เขียนบทความ: หว่านลี่หวู่หวัง, GeekPark
ในปี 1956 กลุ่มนักวิทยาศาสตร์รวมตัวกันที่ดาร์ทเมาท์ เพื่อหารืออย่างเป็นทางการครั้งแรกว่า “เครื่องจักรสามารถคิดได้หรือไม่” พวกเขามองในแง่ดี คิดว่าจะสามารถแก้ปัญหานี้ได้ภายในฤดูร้อนเดียว
เจ็ดสิบปีต่อมา คำถามนี้ยังไม่มีคำตอบ แต่มีบริษัทแห่งหนึ่ง เพิ่งก่อตั้งได้สี่เดือน ก็ได้รับเงินทุน 5 พันล้านดอลลาร์ มูลค่าบริษัทแตะ 4 หมื่นล้านดอลลาร์ — เพราะมันอ้างว่า ค้นพบเส้นทางให้ AI เรียนรู้วิจัยเอง พัฒนาตัวเองได้เอง
บริษัทนี้ชื่อ Recursive Superintelligence
กูเกิล เวนเจอร์แคปิตอล GV เป็นผู้นำลงทุน NVIDIA ตามมา ทั้งสองบริษัทในวงการ AI ไม่ต้องอธิบายความสำคัญ พวกเขาออกมือพร้อมกัน ลงทุนในสตาร์ทอัพที่ยังไม่มีผลิตภัณฑ์เปิดตัว ซึ่งมีเหตุผลเชิงกลยุทธ์ที่ควรแยกวิเคราะห์อย่างจริงจัง
01「นำคนออกจากวัฏจักร」
ก่อนอื่นพูดถึงว่า Recursive Superintelligence ทำอะไรอยู่จริงๆ
บริษัทก่อตั้งโดย Richard Socher อดีตหัวหน้าวิทยาศาสตร์ของ Salesforce ทีมงานหลักมาจาก Google DeepMind และ OpenAI ซึ่งเป็นกลุ่มที่คุ้นเคยกันดี—ในสองปีที่ผ่านมา วิศวกรและนักวิจัยจากห้องทดลองชั้นนำที่ออกมาทำธุรกิจเอง ได้กลายเป็นกระแสที่ชัดเจน
หน้าโปรไฟล์ส่วนตัวของ Richard Socher บน X, Altman ก็สนใจในตัวเขา｜ที่มา: X
Socher ไม่ใช่ผู้ก่อตั้งที่มาจากบริษัทใหญ่ในซิลิคอนวัลเลย์แบบที่พบเห็นบ่อย เขาเกิดในเยอรมนีปี 1983 เรียนที่สแตนฟอร์ด ภายใต้การดูแลของ AI พ่อมด Andrew Ng และผู้เชี่ยวชาญด้าน NLP Christopher Manning เขาทำวิทยานิพนธ์ปริญญาเอกในปี 2014 ได้รับรางวัลวิทยานิพนธ์ดีเด่นของภาควิคอมพิวเตอร์สแตนฟอร์ดในปีนั้น
Richard Socher เป็นหนึ่งในบุคคลสำคัญที่นำวิธี neural network เข้าสู่สาขาการประมวลผลภาษาธรรมชาติ—งานวิจัยในเรื่องเวกเตอร์คำ, เวกเตอร์บริบท, และการออกแบบ prompt ได้วางรากฐานเทคโนโลยีของโมเดล BERT, GPT ซีรีส์ ซึ่งถูกอ้างอิงใน Google Scholar กว่า 180,000 ครั้งแล้ว
หลังจบปริญญาเอก เขาก่อตั้งบริษัท AI สตาร์ทอัพชื่อ MetaMind สองปีต่อมา Salesforce เข้าซื้อกิจการในรูปแบบกลยุทธ์ ต่อมาเขาเป็นหัวหน้าวิทยาศาสตร์และรองประธานบริหารของ Salesforce AI เป็นเวลาหลายปี นำทีมพัฒนา AI สำหรับองค์กร เช่น Einstein GPT และผลิตภัณฑ์ AI อื่นๆ
หลังจากออกจาก Salesforce เขาก่อตั้ง You.com ในปี 2020 ซึ่งเป็นเครื่องมือค้นหา AI และในปี 2025 ก็ระดมทุนรอบซี เรียบร้อย มูลค่าบริษัทแตะ 1.5 พันล้านดอลลาร์ คราวนี้เขาเปลี่ยนเป้าหมายจากการค้นหา ไปสู่โจทย์พื้นฐานมากขึ้น
Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence, Advanced Machine Intelligence Labs… แต่ละแห่งต่างก็มีป้ายชื่อว่าเป็น “ทีมหลักของโมเดลขนาดใหญ่รุ่นต่อไป” และเล่าเรื่องราวของ “AI รุ่นถัดไป” ทั้งนั้น
แต่จุดเริ่มต้นของ Recursive นั้น เข้าถึงได้อย่างกล้าหาญกว่าคู่แข่งส่วนใหญ่
แนวคิดหลักคือ “AI เรียนรู้ด้วยตัวเอง” — ไม่ใช่แค่ทำให้ AI ตอบคำถามได้ฉลาดขึ้น แต่เป็นให้ AI ทำการวิจัยทางวิทยาศาสตร์เองในทุกขั้นตอน: ตั้งสมมติฐาน ออกแบบทดลอง ประเมินผล และปรับปรุงแนวทาง กล่าวอีกนัยหนึ่งคือ ต้องการนำมนุษย์นักวิจัยออกจากวัฏจักรนี้โดยสมบูรณ์
แนวทางนี้ไม่ใช่เรื่องใหม่ แต่ Recursive นำไปสู่กลยุทธ์ทางธุรกิจที่เป็นจริงมากขึ้น ปัจจุบัน นักวิจัย AI ชั้นนำมีเงินเดือนสูงถึง 15-20 ล้านดอลลาร์ต่อปี หากระบบใดสามารถทำงานเดียวกันได้ในต้นทุนที่ต่ำกว่าและรวดเร็วกว่า ก็จะเปลี่ยนแปลงโมเดลเศรษฐกิจของการวิจัยอย่างสิ้นเชิง
นักลงทุนมองเห็นเหตุผลนี้อย่างชัดเจน รอบการระดมทุนมีการเกินความต้องการ คาดว่าจะระดมได้ถึง 1 หมื่นล้านดอลลาร์
02 กูเกิลและ NVIDIA ลงทุนพร้อมกัน
GV เป็นผู้นำลงทุน ตามมาด้วย NVIDIA กลุ่มนักลงทุนนี้เป็นสัญญาณสำคัญ
เหตุผลของกูเกิลไม่ยากที่จะเข้าใจ DeepMind เป็นผู้นำด้าน “AI for Science” มานาน AlphaFold แก้ปัญหาโครงสร้างโปรตีน AlphaGeometry ชนะนักแข่งระดับโลกในคณิตศาสตร์
แต่เส้นทางของ DeepMind คือการใช้ AI แก้ปัญหาทางวิทยาศาสตร์เฉพาะด้าน ส่วน Recursive ต้องการทำสิ่งที่ลึกกว่านั้น — ให้ระบบ AI เองเป็นผู้ผลักดันกระบวนการค้นพบทางวิทยาศาสตร์ ซึ่งเป็นทั้งการแข่งขันและการลงทุนในอนาคตของกูเกิลเอง
ยิ่งไปกว่านั้น เมื่อเดือนต้น กูเกิลเพิ่งประกาศความร่วมมือกับ Intel ในด้านโครงสร้างพื้นฐาน AI หลายรุ่น ซึ่งแสดงให้เห็นว่าการวางกลยุทธ์ด้านโครงสร้างพื้นฐาน AI ของกูเกิลกำลังเร่งตัวขึ้น การลงทุนใน Recursive จึงเป็นส่วนหนึ่งของกลยุทธ์ใหญ่—ใครจะเป็นผู้นำโมเดล ก็อยากได้ส่วนแบ่งทั้งนั้น
ส่วนเหตุผลของ NVIDIA ก็ตรงไปตรงมา การเรียนรู้ด้วยตัวเอง AI ขึ้นอยู่กับพลังการคำนวณ หาก AI ต้องรันทดลองและปรับโมเดลเอง ปริมาณ GPU ที่ต้องใช้จะเพิ่มขึ้นเป็นทวีคูณ NVIDIA ลงทุนใน Recursive ก็เปรียบเสมือนการลงทุนในคำสั่งซื้อในอนาคตของตัวเองด้วยเช่นกัน
ทั้งสองบริษัทออกมือพร้อมกัน ส่งสัญญาณที่ซับซ้อนกว่า — ว่าเส้นทางนี้ อาจเข้าสู่ช่วง “ถ้าไม่ลงทุน ก็อาจพลาดโอกาส” แล้ว
03 มูลค่า 4 หมื่นล้านใน 4 เดือน เป็นเรื่องสมเหตุสมผลไหม
คงเป็นธรรมดาที่ทุกคนเมื่อเห็นตัวเลข 4 หมื่นล้านดอลลาร์เป็นครั้งแรก คงคิดในใจว่า “อีกแล้วเหรอ”
ฟองสบู่มูลค่าบริษัทสตาร์ทอัพ AI ในสองปีนี้ไม่ใช่เรื่องใหม่ PDF หนึ่งไฟล์ ตัวอย่างหนึ่ง สไลด์ไม่กี่แผ่น พร้อมชื่อจากห้องทดลองชั้นนำ ก็สามารถดึงดูดเงินหลายร้อยล้านดอลลาร์—ในซิลิคอนวัลเลย์และลอนดอน นี่ไม่ใช่เรื่องเล่าอีกต่อไป แต่เป็นความจริงในชีวิตประจำวันแล้ว
แต่ถ้าพิจารณาอย่างละเอียดเกี่ยวกับ Recursive ก็จะพบว่ามีจุดที่แตกต่างจาก “ยูนิคอร์น PPT” ทั่วไปอยู่บ้าง
ประการแรก คือความน่าเชื่อถือของทีมก่อตั้ง Richard Socher มีผลงานทางวิชาการในด้าน NLP จริงๆ ไม่ใช่แค่การใช้ชื่อเสียงจากบริษัทใหญ่เป็นเครื่องมือบังหน้า ทีมหลักจาก DeepMind และ OpenAI ก็แสดงให้เห็นว่าพวกเขาเคยสัมผัสกับปัญหาท้าทายของงานวิจัยระดับแนวหน้าอย่างแท้จริง
ประการที่สอง คือความเป็นไปได้ของการระดมทุนเกินความต้องการ ซึ่งบ่งชี้ว่าตลาดมีความต้องการสูงกว่าปริมาณที่มีอยู่ นักลงทุนจึงรีบเข้ามา ไม่ใช่ถูกชักชวนให้เข้ามา
แต่การประเมินมูลค่า 4 หมื่นล้านดอลลาร์ สำหรับบริษัทที่เพิ่งเปิดตัวสี่เดือนและยังไม่มีผลิตภัณฑ์เปิดตัว เป็นการตั้งราคาบนความคาดหวัง ไม่ใช่บนความเป็นจริง ซึ่งเป็นการจ่ายเงินเพื่ออนาคต ไม่ใช่เพื่อผลิตภัณฑ์หรือรายได้จริง
แนวคิดนี้กลายเป็นแนวโน้มที่แพร่หลายมากขึ้นในยุค AI ซึ่งสะท้อนความกลัวว่า “พลาดโอกาส OpenAI ครั้งต่อไป” นักลงทุนยอมจ่ายสูงเพื่อไม่ให้พลาดโอกาสนี้ Safe Superintelligence ก็เคยได้มูลค่าสูงสุดในสภาพที่แทบไม่มีผลิตภัณฑ์ชื่อเสียงของ Ilya Sutskever ก็เป็นทรัพย์สินชั้นดีเช่นกัน
Recursive ก็เดินตามเส้นทางเดียวกัน นี่ไม่ใช่การวิจารณ์ แต่เป็นการสังเกตอย่างเป็นกลาง
04 “Self-learning” ประตูนี้ซ่อนอะไรไว้เบื้องหลัง
ชื่อ Recursive Superintelligence บอกให้รู้ถึงความทะเยอทะยานของบริษัทได้อย่างชัดเจน
“Recursive” หมายถึง การทำซ้ำในเชิงคอมพิวเตอร์ ในวิทยาการคอมพิวเตอร์ การเรียกฟังก์ชันซ้ำกันเป็นโครงสร้างหลักของอัลกอริทึมซับซ้อนมากมาย ในด้าน AI คำว่า “Superintelligence” แบบ recursive ชี้ให้เห็นถึงระบบที่สามารถปรับปรุงตัวเองอย่างต่อเนื่องและเป็นวงจร spiraling ขึ้นไปเรื่อยๆ
แนวคิดนี้ไม่ใช่เรื่องใหม่ แต่เวอร์ชันสุดโต่งคือ “ระเบิดปัญญา” — เมื่อระบบเกินจุดวิกฤต ก็สามารถเร่งพัฒนาตัวเองได้โดยอัตโนมัติ สุดท้ายก็จะไปสู่ระดับปัญญาที่มนุษย์ไม่เข้าใจ ซึ่งเป็นหนึ่งในความกังวลหลักของวงการความปลอดภัย AI มานานแล้ว
แต่สิ่งที่ Recursive ทำตอนนี้ คงยังไม่ถึงจุดนั้น การตีความที่สมจริงกว่าคือ พยายามสร้างระบบที่สามารถขับเคลื่อนวัฏจักรการสำรวจทางวิทยาศาสตร์ด้วยตัวเอง เป้าหมายคือ ลดต้นทุนด้านแรงงานและเวลาในการวิจัย AI อย่างมาก
ถ้าทำได้จริง ผลกระทบจะไม่จำกัดแค่ในวงการ AI เท่านั้น แต่จะส่งผลต่อการพัฒนายา วัสดุศาสตร์ ฟิสิกส์ ฯลฯ ซึ่งอาจเข้าสู่ยุคที่ “ไม่มีนักวิทยาศาสตร์มนุษย์ก็สามารถผลักดันความก้าวหน้าได้อย่างรวดเร็ว” ด้วยเช่นกัน
แน่นอน นี่เป็นแค่ “ถ้า” เท่านั้น
จากคำประกาศสู่ความเป็นจริง ระยะห่างในวงการ AI ไม่เคยเป็นเส้นตรงเลย
05 กระแสความเปลี่ยนแปลงและเหตุผลเบื้องหลัง
ตั้งแต่ช่วงครึ่งหลังของปี 2025 เป็นต้นมา กระแสสตาร์ทอัพจากห้องทดลองชั้นนำที่ออกมาทำธุรกิจต่อเนื่องกันไม่หยุดยั้ง Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence… รายชื่อยังคงยาวขึ้นเรื่อยๆ
Recursive เป็นบริษัทล่าสุดและมูลค่าสูงสุดในขณะนี้ในกระแสนี้
เหตุผลเชิงโครงสร้างง่ายๆ คือ การแข่งขันระหว่าง OpenAI, Anthropic, Google DeepMind ทำให้ห้องทดลองชั้นนำเหล่านี้กลายเป็นเหมือนบริษัทใหญ่ มี KPI มีการปฏิบัติตามกฎระเบียบ มีการเมืองเข้ามาเกี่ยวข้อง
นักวิจัยที่อยากลงสนามในแนวทางที่ก้าวหน้าที่สุด กลับรู้สึกว่าสามารถทำเองได้อย่างอิสระมากขึ้น
ในขณะเดียวกัน กลไกของตลาดทุนก็สนับสนุนแนวโน้มนี้อย่างแข็งขัน สำหรับนักวิจัยระดับแนวหน้าที่ได้รับการสนับสนุนจากบริษัทยักษ์ใหญ่ โอกาสในการทำธุรกิจของตัวเองอาจเป็นช่วงเวลาที่ดีที่สุดในประวัติศาสตร์—นักลงทุนเต็มใจจ่ายเงินเพื่อ “แนวทาง” มากขึ้นกว่าเดิม
คำถามสำคัญของกระแสนี้ไม่ใช่ “ใครจะสำเร็จ” แต่คือ “ความสำเร็จหมายความว่าอะไร” หาก Recursive พิสูจน์ได้ว่าสามารถสร้าง AI เรียนรู้ด้วยตัวเองได้จริง ก็จะเปลี่ยนแนวคิดพื้นฐานของการวิจัย AI แต่ถ้าไม่สำเร็จ หลังจากใช้เงิน 5 พันล้านดอลลาร์ไปแล้ว ก็อาจกลายเป็นแค่แนวคิดที่ถูกเก็งกำไรเกินจริงอีกอันหนึ่ง
ทั้งสองความเป็นไปได้ยังคงอยู่จริง
สี่เดือน มูลค่า 4 หมื่นล้านดอลลาร์ ตัวเลขนี้ทั้งน่าตื่นเต้นและน่ากลัว การแข่งขันด้านอาวุธยุทโธปกรณ์ในวงการ AI ปัจจุบัน แม้แต่ “วิธีทำวิจัย” ก็กลายเป็นสนามรบแล้ว
นักวิทยาศาสตร์ที่เคยถกเถียงกันเรื่องนี้ในดาร์ทเมาท์ กลับมามีคนใช้ AI ตอบคำถาม—ใช้ AI วิจัย AI วิ่งไปสู่ปัญญาอัจฉริยะแบบ recursive ที่ไม่มีใครรู้อนาคตว่าจุดหมายปลายทางคืออะไร
เส้นทางนี้ไปไหน ไม่มีใครรู้แน่ชัด แต่ชัดเจนว่า กูเกิลและ NVIDIA ตัดสินใจแล้ว ไม่ว่าจะไปทางไหน ก็ต้องไม่พลาด
ลิงก์ต้นฉบับ
คลิกเพื่อดูจังหวะของ BlockBeats ในการรับสมัครงาน
ยินดีต้อนรับเข้าร่วมชุมชนทางการของ BlockBeats:
Telegram กลุ่มติดตามข่าว: https://t.me/theblockbeats
Telegram กลุ่มสนทนา: https://t.me/BlockBeats_App
บัญชี Twitter อย่างเป็นทางการ: https://twitter.com/BlockBeatsAsia
