จากอดีตวิศวกร F1 สู่บริษัท AI พันล้าน: PhysicsX ทุบสถิติระดมทุน เปลี่ยนการออกแบบวิศวกรรมให้เสร็จในไม่กี่วินาที

อีกก้าวใหญ่ของวงการ AI ภาคอุตสาหกรรม เมื่อ PhysicsX สตาร์ทอัปจากลอนดอนที่ก่อตั้งโดยสองอดีตวิศวกรจากศึกรถสูตรหนึ่งชิงแชมป์โลก (Formula 1) ประกาศความสำเร็จในการระดมทุนรอบ Series C มูลค่า 300 ล้านดอลลาร์สหรัฐ เมื่อวันที่ 8 มิถุนายน 2026 นำโดย Temasek กองทุนเพื่อการลงทุนของรัฐบาลสิงคโปร์ ซึ่งเคยร่วมลงทุนในบริษัทมาตั้งแต่ปี 2025 พร้อมด้วยนักลงทุนใหม่รายสำคัญอย่าง M&G Investments และ Intrepid Growth Partners ความน่าสนใจอยู่ที่การประเมินมูลค่ากิจการที่ทะยานขึ้นไปแตะระดับประมาณ 2.4 พันล้านดอลลาร์สหรัฐ มากกว่าสองเท่าของมูลค่าประมาณ 1 พันล้านดอลลาร์สหรัฐ ในการระดมทุนรอบ Series B เมื่อ 12 เดือนก่อนหน้านี้

เงินก้อนใหม่นี้จะถูกใช้เพื่อย่นระยะเวลาการออกแบบและทดสอบฮาร์ดแวร์ที่ซับซ้อน ตั้งแต่เครื่องยนต์ไอพ่น ชิปเซมิคอนดักเตอร์ ไปจนถึงอุปกรณ์ทางการทหาร ให้เสร็จสิ้นได้ในชั่วพริบตา แทนที่จะใช้เวลาหลายเดือน ซึ่งเป็นความท้าทายแบบดั้งเดิมของภาคอุตสาหกรรม

จุดเริ่มต้นจากสนามแข่ง สู่สนามวิศวกรรมโลก

PhysicsX ก่อตั้งโดยซีอีโอ Jacomo Corbo และประธานกรรมการ Robin Tuluie ซึ่งทั้งคู่มีพื้นหลังเป็นวิศวกรระดับหัวกะทิจากวงการ Formula 1 โลกที่ความเร็วและความแม่นยำเป็นเดิมพันสูงสุด ประสบการณ์ในการเค้นประสิทธิภาพทุกมิลลิวินาทีและการแก้ปัญหาทางฟิสิกส์ที่ซับซ้อน ถูกนำมาถ่ายทอดเป็นการพัฒนาแพลตฟอร์ม AI ที่ชื่อว่า "AI-Native Engineering Platform"

ปัจจุบัน บริษัทมีสำนักงานใหญ่ในกรุงลอนดอน และขยายฐานปฏิบัติการสู่นิวยอร์ก รวมถึงพื้นที่อ่าวซานฟรานซิสโก (Bay Area) และสิงคโปร์ โดยมีพนักงานกว่า 300 คน ซึ่งเพิ่มขึ้นเป็นสองเท่าในช่วงสิบสองเดือนที่ผ่านมา

AI พลิกโฉมการจำลองทางวิศวกรรม จากหลักเดือนเหลือหลักวินาที

หัวใจสำคัญของ PhysicsX คือความเร็วในการประมวลผลทางฟิสิกส์ที่พลิกโฉมวงการ แพลตฟอร์มของพวกเขาฝังโมเดล AI ที่สามารถทำนายพฤติกรรมทางฟิสิกส์ที่ซับซ้อนได้ภายในไม่กี่วินาที เปรียบเทียบกับวิธีการจำลองแบบดั้งเดิม (Conventional Physics Solvers) ที่อาจต้องใช้เวลานานหลายชั่วโมง หลายวัน หรือกระทั่งเป็นเดือน

ความเร็วระดับนี้ช่วยให้ทีมวิศวกรสามารถประเมิน "รูปแบบการออกแบบที่หลากหลายมากขึ้นเป็นลำดับขั้น" (orders of magnitude more design variants) และสามารถบูรณาการข้อมูลเชิงลึกด้านฟิสิกส์ได้อย่างต่อเนื่องตลอดวงจรชีวิตของผลิตภัณฑ์ ตั้งแต่แนวคิดเบื้องต้น การปรับกระบวนการผลิต ไปจนถึงการสร้าง Digital Twin แบบเรียลไทม์ที่ใช้ตรวจสอบเครื่องจักรขณะปฏิบัติงานจริง

กลุ่มอุตสาหกรรมที่ PhysicsX ให้บริการในปัจจุบัน ได้แก่ การบินและอวกาศ การป้องกันประเทศ เซมิคอนดักเตอร์ ยานยนต์ พลังงานและพลังงานหมุนเวียน เครื่องจักรกลอุตสาหกรรม และวัสดุขั้นสูง

การเติบโตของบริษัทไม่ได้เป็นเพียงแค่กระแสในกระดานข่าว เพราะข้อมูลเชิงพาณิชย์สนับสนุนเม็ดเงินลงทุนมหาศาลนี้อย่างแข็งแกร่ง PhysicsX รายงานว่ามี รายได้ที่รับรู้ (Recognized Revenue) เพิ่มขึ้นสองเท่าเมื่อเทียบกับปีก่อนหน้า ในขณะที่รายได้ตามสัญญา (Booked Revenue) เพิ่มขึ้นถึงสามเท่า จำนวนลูกค้าก็เพิ่มขึ้นมากกว่าสองเท่าในช่วงเวลาเดียวกัน โดยกลุ่มที่เติบโตเร็วที่สุดคือ การออกแบบฮาร์ดแวร์สำหรับดาต้าเซ็นเตอร์สำหรับระบบ AI

วงล้อมนักลงทุนระดับโลกตอกย้ำศักยภาพ

การระดมทุนรอบ Series C ที่ "เกินกว่าที่ตั้งเป้าไว้" (Oversubscribed) ครั้งนี้ ไม่เพียงมี Temasek เป็นผู้นำทัพ แต่ยังตอกย้ำด้วยการสนับสนุนต่อเนื่องจากกลุ่มนักลงทุนเดิมที่เป็นยักษ์ใหญ่ในอุตสาหกรรมเทคโนโลยีและการผลิต อาทิ:

• Nvidia ยักษ์ใหญ่ผู้ผลิตชิปกราฟิกและแพลตฟอร์ม AI
• Applied Materials ผู้นำด้านอุปกรณ์การผลิตชิป
• Siemens บริษัทเทคโนโลยีอุตสาหกรรมยักษ์ใหญ่จากเยอรมนี
• Atomico, General Catalyst, July Fund, NGP และ Radius กองทุนร่วมลงทุนชั้นนำ

นี่คือสัญญาณที่ชัดเจนว่าอุตสาหกรรมซอฟต์แวร์กำลังมองหา AI ที่จับต้องได้และสร้างผลกระทบใน "โลกของอะตอม" ไม่ใช่แค่ใน "โลกของบิต"

แผนใช้เงิน 300 ล้านดอลลาร์สหรัฐ สร้างรากฐานอนาคต

ตามประกาศอย่างเป็นทางการของบริษัท เงินทุนมูลค่า 300 ล้านดอลลาร์จะถูกจัดสรรไปตามแผนกลยุทธ์หลักสามประการ :

1. การขยายธุรกิจระดับโลก (Global Expansion): มุ่งเน้นการขยายทีมการค้าและการเข้าสู่ตลาด โดยเฉพาะในสหรัฐอเมริกา และภูมิภาคเอเชียแปซิฟิก
2. การขยายขีดความสามารถของแพลตฟอร์ม (Platform Expansion): เพิ่มฟีเจอร์และขอบเขตการใช้งานของแพลตฟอร์ม AI ให้ครอบคลุมงานวิศวกรรมในรูปแบบใหม่ๆ และรุกเข้าสู่อุตสาหกรรมใกล้เคียง
3. การวิจัยขั้นแนวหน้า (Frontier Research): เดินหน้าพัฒนา AI โมเดลใหม่ที่เรียกว่า Large Physics Models (LPMs) ซึ่งเป็นโมเดลพื้นฐานขนาดใหญ่ที่ถูกฝึกฝนก่อน (pre-trained) โดยใช้ทั้งข้อมูลจำลอง (synthetic simulation data) และข้อมูลจากเซ็นเซอร์ที่ตรวจวัดได้จริงในโลกกายภาพ

เป้าหมายของการสร้าง LPMs คือการสร้างระบบ AI ที่ไม่เพียงแต่เร่งการค้นพบการออกแบบใหม่ๆ แต่ยังเชื่อมโยงช่องว่างระหว่างต้นแบบดิจิทัลและสมรรถนะทางกายภาพของเครื่องจักรขณะใช้งานจริง ซึ่งจะเป็นการลบเส้นแบ่งแบบเดิมระหว่างการคำนวณเชิงทฤษฎีและการทดสอบภาคสนามในงานวิศวกรรมอุตสาหการ หากทำได้สำเร็จ นี่คือการยกระดับขีดความสามารถในการแข่งขันของภาคการผลิตทั่วโลกอย่างมีนัยสำคัญ