ทำไม Micro1 โตสู่ Gross Run Rate 500 ล้านดอลลาร์ และเหตุใด AI ยังขาดข้อมูลจากมนุษย์

การเติบโตของ Micro1 เป็นสัญญาณว่า บริษัท AI ยังต้องพึ่งพาข้อมูลจากมนุษย์ที่มีความเชี่ยวชาญเฉพาะด้าน แม้กระบวนการพัฒนาโมเดลจะอัตโนมัติมากขึ้นเรื่อย ๆ ก็ตาม

สตาร์ตอัปอายุราว 4 ปีแห่งนี้มีรายงานว่าเพิ่ม Gross Annual Run Rate หรือมูลค่างานที่ไหลผ่านบริษัทเมื่อคำนวณเป็นรายปี จาก 100 ล้านดอลลาร์เป็น 500 ล้านดอลลาร์ภายในเวลา 8 เดือน โดยธุรกิจของ Micro1 คือการจัดหาผู้เชี่ยวชาญที่ผ่านการคัดกรอง รวมถึงพัฒนาผลิตภัณฑ์ข้อมูลสำหรับการฝึกโมเดล การประเมินผล และระบบหุ่นยนต์ 17

อย่างไรก็ตาม ตัวเลขพาดหัวนี้ต้องอ่านอย่างระมัดระวัง เพราะ Gross Annual Run Rate ไม่ใช่รายได้ต่อปีที่ผ่านการตรวจสอบ ไม่ใช่กำไร และไม่จำเป็นต้องเท่ากับเงินสดที่บริษัทเก็บได้จริง

ตัวเลข 500 ล้านดอลลาร์หมายความว่าอย่างไร

รายงานระบุว่า Micro1 เก็บไว้ประมาณ 60%–70% ของยอดเรียกเก็บรวม และประเมิน Net Annualized Revenue ไว้ที่ 150–200 ล้านดอลลาร์ แต่ตัวเลขทั้งสองชุดไม่สอดคล้องกันทางคณิตศาสตร์ หากบริษัทเก็บไว้ 60%–70% ของ 500 ล้านดอลลาร์ ตัวเลขที่ได้จะสูงกว่านี้

ช่องว่างดังกล่าวอาจเกิดจากการใช้คำจำกัดความที่แตกต่างกันสำหรับยอดธุรกิจรวม อัตราการรักษารายได้ และรายได้สุทธิ ดังนั้นตัวเลข Net Run Rate ควรถูกมองว่าเป็นการประเมินเบื้องต้น ไม่ใช่ข้อสรุปทางการเงินที่ยืนยันแล้ว 6 9 17

ประเด็นสำคัญจึงไม่ใช่แค่ Micro1 “ทำรายได้ 500 ล้านดอลลาร์” แต่คือมีมูลค่างานด้านข้อมูล AI จำนวนมากไหลผ่านบริษัท และตลาดยังมีความต้องการผู้เชี่ยวชาญที่สามารถสร้างหรือประเมินข้อมูลคุณภาพสูงได้อย่างต่อเนื่อง

ทำไมการเติบโตของ Micro1 จึงสำคัญต่ออุตสาหกรรม AI

Micro1 จัดหาผู้เชี่ยวชาญในหลายสาขา เช่น แพทย์ ทนายความ นักวิทยาศาสตร์ และผู้มีทักษะเฉพาะด้าน เพื่อสร้าง ตรวจสอบ และประเมินข้อมูลให้ผู้พัฒนา AI งานเหล่านี้อาจรวมถึงการตัดสินว่าโมเดลตอบได้ดีเพียงใด การสร้างข้อมูลด้านการใช้เหตุผล และการให้ฟีดแบ็กสำหรับระบบหลังการฝึกโมเดล 1 6

ข้อจำกัดของ AI รุ่นแนวหน้าในปัจจุบันไม่ได้อยู่ที่พลังประมวลผลหรือปริมาณข้อความบนอินเทอร์เน็ตเท่านั้น โมเดลยังต้องการตัวอย่างคุณภาพสูง คำตัดสินจากผู้เชี่ยวชาญ การประเมินผล และตัวอย่างว่ามนุษย์แก้ปัญหาที่ยากหรือทำงานทางกายภาพอย่างไร

เมื่อข้อมูลที่หาได้ง่ายมีประโยชน์น้อยลง ข้อมูลที่สร้างโดยมนุษย์และมีสิทธิ์การใช้งานชัดเจนจึงอาจกลายเป็นคอขวดสำคัญอีกด้านหนึ่ง เคียงข้างกับชิปและกำลังประมวลผล หรือที่เรียกกันว่า compute 1 6

เรื่องนี้ไม่ได้พิสูจน์ว่าอุตสาหกรรม AI จะใช้เงินกับข้อมูลมากเท่ากับ compute ในอนาคต แต่แสดงให้เห็นว่า นักลงทุนและผู้พัฒนาโมเดลเริ่มมองข้อมูลจากผู้เชี่ยวชาญเป็นโครงสร้างพื้นฐานเชิงกลยุทธ์ ไม่ใช่เพียงบริการติดป้ายกำกับข้อมูลที่มีมูลค่าต่ำ

Micro1 ยังตามหลัง Mercor และ Handshake

Gross Annual Run Rate ที่รายงานไว้ 500 ล้านดอลลาร์ถือว่าใหญ่ แต่ยังไม่ใช่ตัวเลขสูงสุดในตลาดเดียวกัน TechCrunch รายงานว่า Mercor มี Gross Annualized Revenue แตะ 2,000 ล้านดอลลาร์ ส่วน Handshake แตะ 1,000 ล้านดอลลาร์ 17

การเปรียบเทียบนี้ไม่ใช่การเทียบแบบเดียวกันทั้งหมด เพราะแต่ละบริษัทอาจนิยามคำว่า Gross Revenue, Net Revenue และ Run Rate แตกต่างกัน และตัวเลขเหล่านี้เป็นค่าคำนวณต่อปี ไม่ใช่รายได้ที่ตรวจสอบแล้ว

ถึงอย่างนั้น ขนาดของทั้งสามบริษัทก็สะท้อนว่าความต้องการข้อมูลจากผู้เชี่ยวชาญกว้างพอที่จะรองรับผู้ให้บริการรายใหญ่หลายรายในเวลาเดียวกัน

Micro1 ยังวางตำแหน่งตัวเองแตกต่างจากตลาดจัดหาบุคลากรทั่วไป โดยผสานการค้นหาและตรวจสอบผู้เชี่ยวชาญเข้ากับสภาพแวดล้อมสำหรับประเมินโมเดล การสร้างข้อมูลสังเคราะห์ และชุดข้อมูลที่อาจนำไปใช้ซ้ำกับลูกค้าหลายรายได้

จากแพลตฟอร์มหางาน AI สู่โครงสร้างพื้นฐานข้อมูล

เดิม Micro1 เริ่มต้นในฐานะบริษัทจัดหาบุคลากรด้าน AI ตามรายงานเกี่ยวกับประวัติของบริษัท Ali Ansari ผู้ก่อตั้งสังเกตว่าลูกค้าที่ซื้อบริการติดป้ายกำกับข้อมูลกำลังใช้แพลตฟอร์มจัดหางานของ Micro1 เพื่อค้นหาและคัดกรองวิศวกรด้านการทำ Annotation

ข้อสังเกตนี้นำไปสู่การเปลี่ยนทิศทางสู่ธุรกิจติดป้ายกำกับข้อมูลและข้อมูลฝึกโมเดลที่สร้างโดยมนุษย์ 1 15

การเปลี่ยนโมเดลธุรกิจมีความสำคัญ เพราะซอฟต์แวร์จัดหางานเดิมช่วยให้ Micro1 รวบรวมแรงงานเฉพาะทางสำหรับโครงการ AI ได้ แทนที่จะช่วยบริษัทหาพนักงานประจำเพียงอย่างเดียว บริษัทสามารถจัดทีมผู้เชี่ยวชาญเพื่อทำงานฝึกและประเมินโมเดลตามโจทย์ พร้อมดูแลเวิร์กโฟลว์ทั้งหมด

ทิศทางผลิตภัณฑ์ของ Micro1 ในปัจจุบันครอบคลุม 3 ด้านหลัก ได้แก่

• การฝึกหลังการสร้างโมเดลและการประเมินผล: ผู้เชี่ยวชาญตรวจสอบผลลัพธ์ของโมเดลและให้คำตัดสินหรือฟีดแบ็กในสิ่งที่ Micro1 เรียกว่า “Reinforcement-Learning Gyms” 1
• ข้อมูลสังเคราะห์: บริษัทมีรายงานว่ากำลังพัฒนาสื่อที่สร้างขึ้นโดยอัตโนมัติ เช่น คำบรรยายวิดีโอ เพื่อเพิ่มปริมาณข้อมูลที่นำไปใช้ฝึกโมเดลได้ 1
• ข้อมูลสำหรับหุ่นยนต์: Micro1 กำลังสร้างชุดข้อมูลก่อนการฝึกโมเดลจากการบันทึกภาพผู้ร่วมโครงการที่โต้ตอบกับสิ่งของทั่วไปในบ้าน เพื่อเก็บตัวอย่างการทำงานทางกายในชีวิตประจำวัน 1 15

ผลิตภัณฑ์เหล่านี้ทำให้บริษัทขยับพ้นจากงาน Annotation แบบเดิม เป้าหมายคือการควบคุมทั้งระบบและชุดข้อมูลที่เปลี่ยนความเชี่ยวชาญของมนุษย์ให้กลายเป็นสัญญาณสำหรับฝึกโมเดลภาษา เอเจนต์ AI และหุ่นยนต์

ชุดข้อมูลที่ขายซ้ำได้อาจเปลี่ยนเศรษฐศาสตร์ของธุรกิจ

งานผู้เชี่ยวชาญแบบสัญญาจ้างมักผูกกับโครงการใดโครงการหนึ่ง ลูกค้าจ่ายเงินให้คนทำงานตามโจทย์ และผู้ให้บริการเก็บส่วนหนึ่งของยอดเรียกเก็บไว้

แต่ชุดข้อมูลแบบ “Off-the-Shelf” ที่นำไปใช้ซ้ำได้มีโมเดลทางธุรกิจต่างออกไป หากชุดข้อมูลนั้นมีสิทธิ์ใช้งานถูกต้อง มีความแตกต่างเพียงพอ และมีคุณค่าสำหรับผู้พัฒนาหลายราย ก็อาจนำไปให้สิทธิ์ใช้งานได้มากกว่าหนึ่งครั้ง

ความสามารถในการขายซ้ำนี้เป็นเหตุผลที่มีรายงานว่า ชุดข้อมูลที่ใช้ซ้ำได้และข้อมูลสังเคราะห์อาจทำให้อัตรากำไรขั้นต้นอยู่ที่ 80%–90% อย่างไรก็ตาม นี่เป็นการคาดการณ์ในอนาคต ไม่ใช่ผลประกอบการปัจจุบันที่ได้รับการยืนยัน

อัตรากำไรดังกล่าวจะเกิดขึ้นได้จริงหรือไม่ ขึ้นอยู่กับต้นทุนการรวบรวมและตรวจสอบข้อมูล ความแตกต่างที่ลูกค้ามองเห็น ตลอดจนสิทธิ์ในการนำข้อมูลไปให้สิทธิ์ใช้งานอย่างชัดเจน 1 9

สัญญาที่มีมูลค่าสูงขึ้นอาจช่วยเร่งการเติบโต แต่ก็เพิ่มความเสี่ยงด้านการกระจุกตัวของลูกค้าและการดำเนินงานด้วย บริษัทที่ให้บริการห้องแล็บ AI ชั้นนำต้องรักษาคุณภาพผู้เชี่ยวชาญ ปกป้องข้อมูลละเอียดอ่อน มีหลักฐานเรื่องความยินยอมและสิทธิ์ความเป็นเจ้าของ และแสดงให้เห็นว่าชุดข้อมูลช่วยยกระดับโมเดลจริง ไม่ใช่เพียงเพิ่มปริมาณข้อมูล

ประเด็นถกเถียงเรื่องการขายข้อมูลให้จีน

ความสามารถในการขายชุดข้อมูลให้ลูกค้าหลายรายนำไปสู่คำถามด้านภูมิรัฐศาสตร์ว่า ข้อมูลที่สร้างโดยผู้เชี่ยวชาญในสหรัฐฯ ควรเปิดให้ผู้พัฒนาโมเดลหลายรายเข้าถึงหรือไม่ รวมถึงบริษัทในจีนหรือเปล่า

ฝ่ายวิจารณ์กังวลว่าชุดข้อมูลที่นำกลับมาใช้ซ้ำได้อาจช่วยเสริมศักยภาพระบบ AI ของประเทศที่สหรัฐฯ มองว่าเป็นคู่แข่งเชิงยุทธศาสตร์ 1

Ali Ansari ระบุว่า Micro1 ไม่ขายข้อมูลให้ผู้พัฒนาโมเดลจีน พร้อมวิจารณ์บริษัทด้านข้อมูลจากมนุษย์บางรายที่ไม่ได้ระบุชื่อว่า ทำงานกับ “คู่แข่งต่างชาติ” เขามองว่าเป็นเรื่องน่าละอาย หากสนับสนุนความเป็นผู้นำด้าน AI ของสหรัฐฯ แต่กลับขายข้อมูลมูลค่าหลายล้านดอลลาร์ให้ประเทศที่กำลังแข่งขันเชิงปรปักษ์กับสหรัฐฯ 33 35

นี่คือนโยบายที่ Micro1 ประกาศและเป็นการอธิบายตลาดในมุมมองของ Ansari แต่ข้อมูลที่มีอยู่ยังไม่สามารถยืนยันโดยอิสระว่า คู่แข่งรายใดขายชุดข้อมูลให้ผู้พัฒนาจีน หรือบริษัทเหล่านั้นดำเนินการอย่างไรทั้งหมด ดังนั้นข้อพิพาทนี้จึงยังเป็นทั้งประเด็นนโยบายและจุดยืนเพื่อสร้างความแตกต่างทางการแข่งขัน

สิ่งที่ทราบเกี่ยวกับมูลค่าของ Micro1

Micro1 ระดมทุนรอบ Series A ได้ 35 ล้านดอลลาร์ในเดือนกันยายน 2025 ที่มูลค่าบริษัท 500 ล้านดอลลาร์ ตามรายงานเกี่ยวกับการเติบโตก่อนหน้านี้ของบริษัท 15 7

ต่อมามีรายงานพูดถึงความเป็นไปได้ที่บริษัทอาจระดมทุนรอบใหม่ด้วยมูลค่าที่สูงขึ้นอย่างมาก แต่หลักฐานที่มีอยู่ยังไม่ยืนยันจำนวนเงิน มูลค่าบริษัท นักลงทุน หรือแม้แต่การปิดรอบการระดมทุน ดังนั้นจึงไม่ควรถือว่ารอบดังกล่าวเกิดขึ้นแล้ว

บทสรุป: สิ่งที่มีค่าคือระบบข้อมูล ไม่ใช่แค่จำนวนคน

เส้นทางการเติบโตของ Micro1 แสดงให้เห็นการเปลี่ยนแปลงในห่วงโซ่อุปทาน AI ผลิตภัณฑ์ที่มีมูลค่าไม่ได้เป็นเพียงฐานข้อมูลผู้รับจ้างหรือทีม Annotation อีกต่อไป แต่เป็นการรวมกันของผู้เชี่ยวชาญที่เชื่อถือได้ เวิร์กโฟลว์ประเมินผล ตัวอย่างข้อมูลเฉพาะของบริษัท ระบบสร้างข้อมูลสังเคราะห์ และสิทธิ์ในการใช้ข้อมูล

ตัวเลข 500 ล้านดอลลาร์จึงควรถูกอ่านเป็นสัญญาณของอุปสงค์ มากกว่าจะเป็นตัวชี้วัดกำไรที่ชัดเจน Micro1 ยังมีขนาดเล็กกว่าคู่แข่งรายใหญ่ที่สุดตามตัวเลขที่รายงาน และตัวเลข Gross กับ Net ของบริษัทยังต้องพิจารณาอย่างระมัดระวัง

แต่การเปลี่ยนจากธุรกิจจัดหางานไปสู่โครงสร้างพื้นฐานข้อมูลจากมนุษย์ของ Micro1 ชี้ให้เห็นว่า บริษัท AI ยังคงยอมจ่ายเพื่อคำตัดสินจากผู้เชี่ยวชาญ และการแข่งขันระลอกถัดไปอาจไม่ได้อยู่ที่ใครมีโมเดลใหญ่ที่สุดเท่านั้น แต่อยู่ที่ใครควบคุมข้อมูลฝึกโมเดลที่หาได้ยากและมีประโยชน์สูงสุด