เงินทุนรอบ Seed 1.1 พันล้านดอลลาร์ ทำไมจึงสำคัญ

Ineffable Intelligence ได้เงินทุนก้อนใหญ่ทั้งที่ยังไม่มีการเปิดเผยผลิตภัณฑ์ แผนงานสาธารณะ หรือรายได้ โดยรอบระดมทุนมูลค่า 1.1 พันล้านดอลลาร์ทำให้บริษัทมีมูลค่า 5.1 พันล้านดอลลาร์ และถูกระบุว่าเป็นรอบ Seed ที่ใหญ่ที่สุดในประวัติศาสตร์ยุโรป

การลงทุนครั้งนี้นำโดย Sequoia Capital และ Lightspeed Venture Partners พร้อมผู้ร่วมลงทุนรายสำคัญ ได้แก่ Nvidia, Google, DST Global, Index Ventures และ Sovereign AI Fund ของสหราชอาณาจักร ขนาดของเงินทุนจึงไม่ได้สะท้อนเพียงความเชื่อมั่นในตัว Silver แต่ยังเป็นการเดิมพันครั้งใหญ่กับทิศทางการวิจัย AI ที่แตกต่างจากกระแสหลัก

พูดให้เห็นภาพ นักลงทุนไม่ได้กำลังเดิมพันกับแอปพลิเคชันที่มีผู้ใช้งานอยู่แล้ว แต่กำลังเดิมพันกับนักวิจัยคนหนึ่งและสมมติฐานทางวิทยาศาสตร์ว่า วิธีเรียนรู้จากประสบการณ์อาจพา AI ไปได้ไกลกว่าการขยายโมเดลภาษาด้วยข้อมูลมนุษย์จำนวนมหาศาล

Google Cloud รับบทพันธมิตรโครงสร้างพื้นฐานแต่เพียงผู้เดียว

ประมาณ 6 สัปดาห์หลังปิดรอบระดมทุน บริษัทประกาศเลือก Google Cloud หลังประเมินตลาดโครงสร้างพื้นฐานอย่างละเอียด ข้อตกลงดังกล่าวเปิดทางให้ Ineffable Intelligence ใช้คลัสเตอร์ GPU ที่ขับเคลื่อนด้วยชิปของ NVIDIA ขนาดใหญ่ชุดหนึ่ง ผ่านสถาปัตยกรรม AI Hypercomputer ของ Google Cloud

สำหรับงาน Reinforcement Learning หรือการเรียนรู้แบบเสริมกำลัง ระบบต้องฝึกซ้ำเป็นวงจรอย่างต่อเนื่อง—ให้ AI ลงมือทำ รับผลตอบแทนหรือบทลงโทษ แล้วปรับกลยุทธ์ใหม่ กระบวนการนี้ต้องใช้การประมวลผลจำนวนมากและต้องตอบสนองได้รวดเร็ว ดังนั้นข้อตกลง Cloud จึงไม่ใช่เพียงการเช่าพื้นที่เซิร์ฟเวอร์ แต่เป็นส่วนหนึ่งของยุทธศาสตร์การวิจัยโดยตรง

Google ยังเป็นหนึ่งในผู้ลงทุนในรอบ Seed อยู่แล้ว ความร่วมมือครั้งนี้จึงเชื่อมเงินลงทุนเข้ากับโครงสร้างพื้นฐาน AI ของ Google Cloud ซึ่งรวมถึง TPU รุ่นที่ 8 และอินสแตนซ์ A5X แบบ Bare Metal ที่ใช้ NVIDIA Vera Rubin ซึ่ง Google ประกาศในงาน Google Cloud Next ’26

การเปิดเผยข้อตกลงที่งาน Google Cloud Summit London ยังสะท้อนบทบาทที่เพิ่มขึ้นของสหราชอาณาจักรในฐานะศูนย์กลางงานวิจัย AI แนวหน้า

แนวคิด “ต้าน LLM”: ให้ AI เรียนรู้จากประสบการณ์ตัวเอง

จุดยืนของ Ineffable Intelligence เป็นความท้าทายโดยตรงต่อกระบวนทัศน์ของ Large Language Model (LLM) ซึ่งเป็นเทคโนโลยีเบื้องหลังระบบอย่าง ChatGPT, Gemini และ Claude

LLM เรียนรู้จากคลังข้อความที่มนุษย์สร้างขึ้นจำนวนมหาศาล ขณะที่ Silver มองว่าแนวทางนี้อาจมีเพดานในตัวเอง เพราะโมเดลสามารถประมวลผลและต่อยอดจากสิ่งที่มนุษย์เคยเขียนหรือบันทึกไว้แล้วเป็นหลัก

แนวทางของ Ineffable จึงแตกต่างออกไป บริษัทต้องการให้ AI สร้างข้อมูลการเรียนรู้ด้วยตัวเองผ่านการมีปฏิสัมพันธ์กับสภาพแวดล้อม จากนั้นใช้การลองผิดลองถูกและสัญญาณรางวัลเพื่อค้นพบความรู้ใหม่ที่มนุษย์อาจไม่เคยบันทึกไว้

วิธีนี้เรียกว่า Reinforcement Learning (RL) หรือการเรียนรู้แบบเสริมกำลัง ตัว AI จะทดลองทำสิ่งต่าง ๆ ประเมินผลลัพธ์ และค่อย ๆ เรียนรู้ว่าการกระทำใดนำไปสู่ผลลัพธ์ที่ดี แทนการจดจำรูปแบบจากชุดข้อมูลที่มนุษย์เตรียมไว้

Silver เคยวางกรอบแนวคิดนี้ไว้ในบทความวิชาการปี 2024 เรื่อง “Reward is Enough” ซึ่งเสนอว่า หากตัวแทน AI มีความสามารถในการเรียนรู้สูงพอและได้รับสัญญาณรางวัลที่เหมาะสม มันอาจพัฒนาความรู้ที่จำเป็นได้ด้วยตัวเอง

หลักการดังกล่าวเคยสร้างผลงานโดดเด่นในโลกของเกมมาแล้ว AlphaGo และ AlphaZero เรียนรู้กลยุทธ์ผ่านการเล่นกับตัวเองและการทดลองซ้ำ ๆ โดยไม่จำเป็นต้องศึกษาบันทึกการแข่งขันของมนุษย์เป็นหลัก ความท้าทายครั้งใหม่คือการขยายหลักการเดียวกันจากกระดานเกมไปสู่โลกจริงที่เปิดกว้างและซับซ้อนกว่ามาก

บริษัทระบุภารกิจของตนไว้ว่า “สร้างการติดต่อครั้งแรกกับซูเปอร์อินเทลลิเจนซ์” หรือปัญญาประดิษฐ์ที่มีความสามารถเหนือมนุษย์ในวงกว้าง

เดิมพันใหญ่ แต่เส้นทางยังไม่มีหลักประกัน

การเข้าร่วมของ Nvidia ซึ่งเป็นผู้จัดหาชิปประมวลผลรายสำคัญ, Google Cloud ในฐานะผู้ให้บริการโครงสร้างพื้นฐาน และบรรดาบริษัทเงินร่วมลงทุนชั้นนำ ส่งสัญญาณว่าอุตสาหกรรมมองการเรียนรู้จากประสบการณ์ด้วย RL เป็นแนวทางที่มีความเป็นไปได้สำหรับ AI ขั้นสูง

ในอีกด้านหนึ่ง แนวทางนี้ยังมีความเสี่ยงสูง การฝึก Reinforcement Learning ในระดับที่จำเป็นต่อการสร้าง “ซูเปอร์เลิร์นเนอร์” ต้องใช้ทรัพยากรคอมพิวเตอร์มหาศาล และยังไม่มีการพิสูจน์ชัดเจนนอกสภาพแวดล้อมที่มีกติกาแน่นอน เช่น เกมหรือการจำลอง

เงินทุน 1.1 พันล้านดอลลาร์ช่วยให้บริษัทมีเวลาพัฒนางานวิจัยได้อีกนาน แต่ยังไม่ใช่หลักฐานว่าแนวทางดังกล่าวจะนำไปสู่ความก้าวหน้าในการค้นพบทางวิทยาศาสตร์หรือการแก้ปัญหาในโลกจริงได้สำเร็จ

ท้ายที่สุด Ineffable Intelligence จึงไม่ได้เป็นเพียงสตาร์ตอัปที่ระดมทุนได้มหาศาล แต่เป็นการท้าพนันกับทิศทางของวงการ AI ทั้งระบบ ขณะที่บริษัทส่วนใหญ่แข่งขันกันสร้าง LLM ที่ใหญ่และเก่งขึ้น Silver กำลังลองพิสูจน์ว่า AI อาจไม่จำเป็นต้องเรียนรู้จากสิ่งที่มนุษย์เคยรู้เสมอไป—แต่อาจเรียนรู้ด้วยการลงมือค้นพบเอง

เงินทุนรอบ Seed 1.1 พันล้านดอลลาร์ ทำไมจึงสำคัญ

Ineffable Intelligence ได้เงินทุนก้อนใหญ่ทั้งที่ยังไม่มีการเปิดเผยผลิตภัณฑ์ แผนงานสาธารณะ หรือรายได้ โดยรอบระดมทุนมูลค่า 1.1 พันล้านดอลลาร์ทำให้บริษัทมีมูลค่า 5.1 พันล้านดอลลาร์ และถูกระบุว่าเป็นรอบ Seed ที่ใหญ่ที่สุดในประวัติศาสตร์ยุโรป

การลงทุนครั้งนี้นำโดย Sequoia Capital และ Lightspeed Venture Partners พร้อมผู้ร่วมลงทุนรายสำคัญ ได้แก่ Nvidia, Google, DST Global, Index Ventures และ Sovereign AI Fund ของสหราชอาณาจักร ขนาดของเงินทุนจึงไม่ได้สะท้อนเพียงความเชื่อมั่นในตัว Silver แต่ยังเป็นการเดิมพันครั้งใหญ่กับทิศทางการวิจัย AI ที่แตกต่างจากกระแสหลัก

พูดให้เห็นภาพ นักลงทุนไม่ได้กำลังเดิมพันกับแอปพลิเคชันที่มีผู้ใช้งานอยู่แล้ว แต่กำลังเดิมพันกับนักวิจัยคนหนึ่งและสมมติฐานทางวิทยาศาสตร์ว่า วิธีเรียนรู้จากประสบการณ์อาจพา AI ไปได้ไกลกว่าการขยายโมเดลภาษาด้วยข้อมูลมนุษย์จำนวนมหาศาล

Google Cloud รับบทพันธมิตรโครงสร้างพื้นฐานแต่เพียงผู้เดียว

ประมาณ 6 สัปดาห์หลังปิดรอบระดมทุน บริษัทประกาศเลือก Google Cloud หลังประเมินตลาดโครงสร้างพื้นฐานอย่างละเอียด ข้อตกลงดังกล่าวเปิดทางให้ Ineffable Intelligence ใช้คลัสเตอร์ GPU ที่ขับเคลื่อนด้วยชิปของ NVIDIA ขนาดใหญ่ชุดหนึ่ง ผ่านสถาปัตยกรรม AI Hypercomputer ของ Google Cloud

สำหรับงาน Reinforcement Learning หรือการเรียนรู้แบบเสริมกำลัง ระบบต้องฝึกซ้ำเป็นวงจรอย่างต่อเนื่อง—ให้ AI ลงมือทำ รับผลตอบแทนหรือบทลงโทษ แล้วปรับกลยุทธ์ใหม่ กระบวนการนี้ต้องใช้การประมวลผลจำนวนมากและต้องตอบสนองได้รวดเร็ว ดังนั้นข้อตกลง Cloud จึงไม่ใช่เพียงการเช่าพื้นที่เซิร์ฟเวอร์ แต่เป็นส่วนหนึ่งของยุทธศาสตร์การวิจัยโดยตรง

Google ยังเป็นหนึ่งในผู้ลงทุนในรอบ Seed อยู่แล้ว ความร่วมมือครั้งนี้จึงเชื่อมเงินลงทุนเข้ากับโครงสร้างพื้นฐาน AI ของ Google Cloud ซึ่งรวมถึง TPU รุ่นที่ 8 และอินสแตนซ์ A5X แบบ Bare Metal ที่ใช้ NVIDIA Vera Rubin ซึ่ง Google ประกาศในงาน Google Cloud Next ’26

การเปิดเผยข้อตกลงที่งาน Google Cloud Summit London ยังสะท้อนบทบาทที่เพิ่มขึ้นของสหราชอาณาจักรในฐานะศูนย์กลางงานวิจัย AI แนวหน้า

แนวคิด “ต้าน LLM”: ให้ AI เรียนรู้จากประสบการณ์ตัวเอง

จุดยืนของ Ineffable Intelligence เป็นความท้าทายโดยตรงต่อกระบวนทัศน์ของ Large Language Model (LLM) ซึ่งเป็นเทคโนโลยีเบื้องหลังระบบอย่าง ChatGPT, Gemini และ Claude

LLM เรียนรู้จากคลังข้อความที่มนุษย์สร้างขึ้นจำนวนมหาศาล ขณะที่ Silver มองว่าแนวทางนี้อาจมีเพดานในตัวเอง เพราะโมเดลสามารถประมวลผลและต่อยอดจากสิ่งที่มนุษย์เคยเขียนหรือบันทึกไว้แล้วเป็นหลัก

แนวทางของ Ineffable จึงแตกต่างออกไป บริษัทต้องการให้ AI สร้างข้อมูลการเรียนรู้ด้วยตัวเองผ่านการมีปฏิสัมพันธ์กับสภาพแวดล้อม จากนั้นใช้การลองผิดลองถูกและสัญญาณรางวัลเพื่อค้นพบความรู้ใหม่ที่มนุษย์อาจไม่เคยบันทึกไว้

วิธีนี้เรียกว่า Reinforcement Learning (RL) หรือการเรียนรู้แบบเสริมกำลัง ตัว AI จะทดลองทำสิ่งต่าง ๆ ประเมินผลลัพธ์ และค่อย ๆ เรียนรู้ว่าการกระทำใดนำไปสู่ผลลัพธ์ที่ดี แทนการจดจำรูปแบบจากชุดข้อมูลที่มนุษย์เตรียมไว้

Silver เคยวางกรอบแนวคิดนี้ไว้ในบทความวิชาการปี 2024 เรื่อง “Reward is Enough” ซึ่งเสนอว่า หากตัวแทน AI มีความสามารถในการเรียนรู้สูงพอและได้รับสัญญาณรางวัลที่เหมาะสม มันอาจพัฒนาความรู้ที่จำเป็นได้ด้วยตัวเอง

หลักการดังกล่าวเคยสร้างผลงานโดดเด่นในโลกของเกมมาแล้ว AlphaGo และ AlphaZero เรียนรู้กลยุทธ์ผ่านการเล่นกับตัวเองและการทดลองซ้ำ ๆ โดยไม่จำเป็นต้องศึกษาบันทึกการแข่งขันของมนุษย์เป็นหลัก ความท้าทายครั้งใหม่คือการขยายหลักการเดียวกันจากกระดานเกมไปสู่โลกจริงที่เปิดกว้างและซับซ้อนกว่ามาก

บริษัทระบุภารกิจของตนไว้ว่า “สร้างการติดต่อครั้งแรกกับซูเปอร์อินเทลลิเจนซ์” หรือปัญญาประดิษฐ์ที่มีความสามารถเหนือมนุษย์ในวงกว้าง

เดิมพันใหญ่ แต่เส้นทางยังไม่มีหลักประกัน

การเข้าร่วมของ Nvidia ซึ่งเป็นผู้จัดหาชิปประมวลผลรายสำคัญ, Google Cloud ในฐานะผู้ให้บริการโครงสร้างพื้นฐาน และบรรดาบริษัทเงินร่วมลงทุนชั้นนำ ส่งสัญญาณว่าอุตสาหกรรมมองการเรียนรู้จากประสบการณ์ด้วย RL เป็นแนวทางที่มีความเป็นไปได้สำหรับ AI ขั้นสูง

ในอีกด้านหนึ่ง แนวทางนี้ยังมีความเสี่ยงสูง การฝึก Reinforcement Learning ในระดับที่จำเป็นต่อการสร้าง “ซูเปอร์เลิร์นเนอร์” ต้องใช้ทรัพยากรคอมพิวเตอร์มหาศาล และยังไม่มีการพิสูจน์ชัดเจนนอกสภาพแวดล้อมที่มีกติกาแน่นอน เช่น เกมหรือการจำลอง

เงินทุน 1.1 พันล้านดอลลาร์ช่วยให้บริษัทมีเวลาพัฒนางานวิจัยได้อีกนาน แต่ยังไม่ใช่หลักฐานว่าแนวทางดังกล่าวจะนำไปสู่ความก้าวหน้าในการค้นพบทางวิทยาศาสตร์หรือการแก้ปัญหาในโลกจริงได้สำเร็จ

ท้ายที่สุด Ineffable Intelligence จึงไม่ได้เป็นเพียงสตาร์ตอัปที่ระดมทุนได้มหาศาล แต่เป็นการท้าพนันกับทิศทางของวงการ AI ทั้งระบบ ขณะที่บริษัทส่วนใหญ่แข่งขันกันสร้าง LLM ที่ใหญ่และเก่งขึ้น Silver กำลังลองพิสูจน์ว่า AI อาจไม่จำเป็นต้องเรียนรู้จากสิ่งที่มนุษย์เคยรู้เสมอไป—แต่อาจเรียนรู้ด้วยการลงมือค้นพบเอง