Nvidia ทุ่ม 400 ล้านดอลลาร์ ซื้อ Kumo AI ยกระดับองค์กรด้วย AI คาดการณ์

Nvidia ได้เข้าซื้อกิจการ Kumo AI สตาร์ทอัปอายุ 5 ปีที่ขายซอฟต์แวร์วิเคราะห์เชิงคาดการณ์ให้กับองค์กรธุรกิจ โดยหลายสำนักข่าวรายงานตัวเลขดีลจากแหล่งข่าวที่เกี่ยวข้องว่าอยู่ที่ อย่างน้อย 400 ล้านดอลลาร์สหรัฐฯ ซึ่ง Nvidia ปฏิเสธที่จะแสดงความคิดเห็นเกี่ยวกับเงื่อนไขทางการเงิน แต่การเข้าซื้อครั้งนี้ส่งสัญญาณชัดเจนถึงการรุกคืบไปไกลกว่าการขาย GPU สู่การขายซอฟต์แวร์ AI โดยตรงให้กับภาคธุรกิจ

Kumo AI ทำอะไรได้บ้าง

แพลตฟอร์มของ Kumo ช่วยให้บริษัทต่างๆ สร้างการคาดการณ์จากฐานข้อมูลที่มีอยู่เดิมได้ทันที ไม่ว่าจะเป็น Snowflake, Databricks, SAP และอื่นๆ โดยไม่ต้องเสียเวลากับการสร้างฟีเจอร์ (Feature Engineering) ด้วยมือ หรือใช้โครงสร้างข้อมูลแบบตายตัว ผลิตภัณฑ์หลักคือ KumoRFM และรุ่นใหม่ล่าสุด KumoRFM-2 ที่เปิดตัวในเดือนเมษายน 2026 โมเดลพื้นฐานเหล่านี้สามารถตอบคำถามเชิงคาดการณ์ได้แทบจะในทันที เช่น มูลค่าตลอดชีพของลูกค้า (Customer Lifetime Value), โอกาสที่ลูกค้าจะยกเลิกบริการ (Churn), ข้อเสนอที่ดีที่สุดถัดไป (Next-Best-Action), การตรวจจับการฉ้อโกง (Fraud Detection) และการประเมินความเสี่ยงด้านเครดิต

หลักการทำงานง่ายๆ คือ โมเดลของ Kumo จะชี้ไปที่ข้อมูลของบริษัท ผู้ใช้กำหนดเป้าหมายที่ต้องการคาดการณ์ จากนั้นระบบก็จะแสดงผลลัพธ์ออกมาโดยไม่ต้องผ่านการเทรนเพิ่มเติม แพลตฟอร์มนี้ให้บริการลูกค้าในกว่า 15 อุตสาหกรรม รวมถึงบริการทางการเงิน, ค้าปลีก, สื่อ และการดูแลสุขภาพ

เบื้องหลังเทคโนโลยี: Graph Neural Networks ทำงานอย่างไร

หัวใจหลักของแพลตฟอร์มคือสถาปัตยกรรมเฉพาะที่เรียกว่า Hybrid Graph Neural Network (Hybrid GNN) ซึ่งมองข้อมูลในรูปแบบ "กราฟ" โดยให้ "Entity" ต่างๆ เช่น ลูกค้า, สินค้า, และธุรกรรม ทำหน้าที่เป็น "Node" (จุด) และความสัมพันธ์ระหว่างสิ่งเหล่านี้ (เช่น Primary Key และ Foreign Key ในฐานข้อมูล) ทำหน้าที่เป็น "Edge" (เส้นเชื่อม)

กลไกการทำงานที่สำคัญมีดังนี้:

• การส่งข้อความ (Message Passing): แต่ละ Node จะรวบรวมข้อมูลจากเพื่อนบ้าน (Neighbors) ที่เชื่อมต่อกันในกราฟ ผ่านการประมวลผลหลายชั้น (Layers) ทำให้ Node สามารถเรียนรู้จากโครงสร้างที่เชื่อมต่อกันทั้งหมด ไม่ใช่แค่ข้อมูลของตัวเอง
• ไม่ต้องลดทอนข้อมูล: การเรียนรู้ของเครื่อง (Machine Learning) แบบดั้งเดิมจะ "แผ่" (Flatten) ข้อมูลเชิงสัมพันธ์ให้อยู่ในรูปแบบตารางแถวเดียว ซึ่งทำลายบริบทของความสัมพันธ์ไป แต่ GNN ทำงานบนโครงสร้างกราฟเดิมโดยตรง จึงรักษาความเชื่อมโยงและรูปแบบที่เปลี่ยนแปลงตามเวลาไว้ได้
• การเร่งความเร็วด้วย GPU: โมเดลเหล่านี้ถูกออกแบบมาให้ทำงานได้ดีที่สุดบน GPU ของ Nvidia ซึ่งปลดล็อกประสิทธิภาพที่จำเป็นสำหรับการคาดการณ์ในระดับองค์กร

นอกจากนี้ Kumo ยังผสาน GNN เข้ากับ Large Language Models (LLMs) เพื่อสร้างแบบจำลองการคาดการณ์ที่สมบูรณ์ยิ่งขึ้น

มูลค่าดีล

แม้ว่า Nvidia จะไม่ได้ยืนยันราคาซื้อขาย แต่สื่อ The Information รายงานว่าดีลนี้มีมูลค่า "อย่างน้อย 400 ล้านดอลลาร์สหรัฐฯ" โดยสำนักข่าวอื่นๆ อย่าง GuruFocus, Fortune และแหล่งข่าวการเงินในภูมิภาคก็รายงานตัวเลขที่สอดคล้องกัน เนื่องจาก Nvidia ไม่ได้เปิดเผยเงื่อนไข ตัวเลขนี้จึงควรถูกมองว่าเป็นการประมาณการที่มีแหล่งข่าวอ้างอิง ไม่ใช่การยืนยันอย่างเป็นทางการ

ลูกค้าคนสำคัญ

Kumo มีลูกค้าและพาร์ตเนอร์ในระบบนิเวศที่เปิดเผยชื่อ ได้แก่ DoorDash, Reddit, Databricks, Snowflake และ SAP โมเดลของบริษัทให้บริการผู้ใช้มากกว่าพันล้านคนทั่วโลกผ่านแอปพลิเคชันของลูกค้า Kumo ได้เผยแพร่ผลงานด้านประสิทธิภาพ เช่น การเพิ่ม Conversion ของ Databricks ได้ถึง 5.4 เท่า และเพิ่มความแม่นยำของโฆษณาที่ Reddit ได้ 5.5 เท่า

สามผู้ร่วมก่อตั้ง

• Vanja Josifovski — ผู้ร่วมก่อตั้งและ CEO อดีตประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ Pinterest ในช่วงที่บริษัทเข้าตลาดหลักทรัพย์ และเคยเป็น CTO ของ Airbnb Homes
• Jure Leskovec — ผู้ร่วมก่อตั้งและ Chief Scientist ศาสตราจารย์แห่งมหาวิทยาลัยสแตนฟอร์ด ผู้นำการพัฒนาเทคโนโลยี Relational Deep Learning และ GNN ที่สแตนฟอร์ด และต่อมาเป็น Chief Scientist ที่ Pinterest
• Dr. Hema Raghavan — ผู้ร่วมก่อตั้งและ Head of Engineering อดีตผู้อำนวยการอาวุโสฝ่ายวิศวกรรมและหัวหน้าทีม AI ของ LinkedIn ได้รับการเสนอชื่อให้ติดทำเนียบ Inc.'s 2026 Female Founders 500

ผู้ร่วมก่อตั้งทั้งสามคนล้วนจบการศึกษาระดับปริญญาเอก และได้เข้าร่วมงานกับ Nvidia หลังจากการเข้าซื้อกิจการ

เส้นทางเงินทุน

Kumo ระดมทุนได้ประมาณ 37 ล้านดอลลาร์สหรัฐฯ จากการระดมทุนสองรอบ (บางฐานข้อมูลระบุที่ 36.5 ล้านดอลลาร์สหรัฐฯ) :

• Series A (เมษายน 2022): 18.5 ล้านดอลลาร์สหรัฐฯ นำโดย Sequoia Capital โดยมี A Capital, SV Angel และ Ron Conway ร่วมลงทุน
• Series B (กันยายน 2022): 18 ล้านดอลลาร์สหรัฐฯ นำโดย Sequoia โดยมี A Capital, SV Angel และนักลงทุนรายย่อยอีกหลายคน รวมถึง Frank Slootman และ Kevin Hartz

จากข้อมูลของ PitchBook มูลค่ากิจการหลังระดมทุนรอบ Series B อยู่ที่ประมาณ 250 ล้านดอลลาร์สหรัฐฯ การเข้าซื้อกิจการด้วยมูลค่ากว่า 400 ล้านดอลลาร์สหรัฐฯ จึงคิดเป็นการเติบโตของมูลค่ากว่า 60% จากรอบนั้น

กลยุทธ์ที่เหนือกว่าการขายฮาร์ดแวร์

การเข้าซื้อ Kumo เข้ากับรูปแบบที่ Jensen Huang ซีอีโอของ Nvidia สร้างมาหลายปี นั่นคือการเปลี่ยน Nvidia จากซัพพลายเออร์ชิปไปสู่บริษัทแพลตฟอร์ม AI เต็มรูปแบบ

กลยุทธ์หลายส่วนประสานกันในดีลนี้:

• ขายซอฟต์แวร์ ไม่ใช่แค่ซิลิคอน: Kumo มอบผลิตภัณฑ์ SaaS สำหรับองค์กรที่ปรับให้เหมาะสมกับ GPU ของ Nvidia ไว้แล้ว ซึ่งสามารถสร้างรายได้ประจำนอกเหนือจากวัฏจักรของฮาร์ดแวร์
• สร้างแรงเฉื่อยให้กับฮาร์ดแวร์: โมเดล GNN ของ Kumo ทำงานได้ดีที่สุดบน GPU ของ Nvidia เมื่อองค์กรต่างๆ หันมาใช้ Kumo สำหรับงานวิเคราะห์เชิงคาดการณ์ พวกเขาก็จะยิ่งฝังรากลึกในระบบนิเวศของ Nvidia
• ขยายสู่ตลาด AI เชิงคาดการณ์: Nvidia ครองตลาดการเทรน LLM อยู่แล้ว ตลาดการวิเคราะห์เชิงคาดการณ์ที่มุ่งเป้าไปยังผู้ใช้ทางธุรกิจ เช่น การพยากรณ์การยกเลิกบริการ, การตรวจจับการฉ้อโกง และระบบแนะนำ คือตลาดขนาดใหญ่ที่อยู่ติดกัน
• ซื้อตัวบุคลากรและทรัพย์สินทางปัญญาระดับโลก: Jure Leskovec คือหนึ่งในผู้บุกเบิก Graph Neural Networks การที่ทีมของเขาและสถาปัตยกรรม Hybrid GNN เข้ามาอยู่ใน Nvidia จะช่วยเสริมความแข็งแกร่งให้กับท่อส่งงานวิจัยของบริษัท และความสามารถในการออกแบบชิปในอนาคตสำหรับเวิร์กโหลด AI เชิงสัมพันธ์
• เดินหน้าตามแพทเทิร์นการควบรวมกิจการ: Nvidia เข้าซื้อสตาร์ทอัปซอฟต์แวร์ AI อย่างต่อเนื่อง ไม่ว่าจะเป็น Run:ai, Deci, Illumex และดีล Acquihire มูลค่า 20,000 ล้านดอลลาร์สหรัฐฯ กับ Groq ในปลายปี 2025 เพื่อประกอบร่างแพลตฟอร์มที่ครอบคลุมตั้งแต่โครงสร้างพื้นฐาน, โมเดล ไปจนถึงแอปพลิเคชัน

ดีลนี้สะท้อนให้เห็นถึงกลยุทธ์ที่บริษัทเทคโนโลยียักษ์ใหญ่นิยมใช้: การซื้อบริษัทเล็กที่มีความเชี่ยวชาญทางเทคนิคและความสัมพันธ์กับลูกค้าองค์กร จากนั้นก็ปรับขนาดผลิตภัณฑ์บนโครงสร้างพื้นฐานของตัวเอง สำหรับ Nvidia แล้ว Kumo ไม่ได้เป็นเพียงเรื่องของ AI เชิงคาดการณ์ แต่มันคือการรับประกันว่าเวิร์กโหลด AI สำหรับองค์กรรุ่นต่อไปจะรันบน Nvidia ตั้งแต่ต้นจนจบ