ใครจะคิดว่า เด็กวัย 19 ปีที่ลาออกจาก MIT จะสามารถเปลี่ยนแปลงอุตสาหกรรม AI ได้?
ในโลกที่เทคโนโลยีเปลี่ยนแปลงเร็วยิ่งกว่าความเร็วเสียง คำว่า “AI” กลายเป็นคำติดปากในทุกวงการ หลายคนรู้จัก ChatGPT (OpenAI), Gemini (Google), Claude, Perplexity, Copilot, Cursor และอีกมากมาย
แต่มีบริษัทหนึ่งที่ไม่ค่อยเป็นข่าว หากแต่กลับเป็นฟันเฟืองสำคัญเบื้องหลังความสำเร็จของโมเดล AI ชั้นนำระดับโลก ตั้งแต่ GPT ของ OpenAI ไปจนถึงระบบวิเคราะห์ภาพดาวเทียมของกระทรวงกลาโหมสหรัฐฯ
บริษัทนั้นชื่อว่า Scale AI
และคนที่อยู่เบื้องหลังความสำเร็จของมัน ไม่ใช่นักวิจัยอาวุโส ไม่ใช่ CEO จากซิลิคอนวัลเลย์ผู้มากประสบการณ์ แต่กลับเป็นเด็กหนุ่มวัยเพียง 19 ปี ที่ชื่อว่า Alexandr Wang
Scale AI ไม่ได้ผลิตโมเดล AI ด้วยตัวเอง แต่เป็นผู้จัดเตรียม “อาหารสมอง” ให้โมเดลเหล่านั้น — ข้อมูลจำนวนมหาศาลที่ถูกจัดระเบียบอย่างประณีต เพื่อให้ AI ฉลาดขึ้นทุกครั้งที่ถูกฝึก
ในบทความนี้ เราจะพาคุณไปรู้จักเด็กหนุ่มวัย 19 ปีที่เข้ามาเปลี่ยนโลก และก้าวขึ้นสู่การเป็นมหาเศรษฐีคนใหม่แห่งวงการเทคโนโลยี
Alexandr Wang เป็นใคร?
ลองนึกย้อนกลับไปในช่วงที่คุณอายุ 19 ปี—ตอนนั้นคุณกำลังทำอะไรอยู่?
บางคนอาจกำลังเรียนมหาวิทยาลัยปีหนึ่ง บางคนอาจกำลังสนุกสนานกับชีวิตวัยรุ่นทั่วไป หรือบางคนอาจยังไม่รู้ด้วยซ้ำว่าตัวเองชอบอะไร
แต่สำหรับ Alexandr Wang ในวัย 19 ปี เขาได้ตัดสินใจครั้งสำคัญในชีวิต และการตัดสินใจนั้นได้กลายเป็นจุดเปลี่ยนครั้งใหญ่ของวงการเทคโนโลยีและ AI ไปตลอดกาล
Alexandr Wang เกิดและเติบโตที่รัฐนิวเม็กซิโก สหรัฐอเมริกา พ่อแม่ของเขาทั้งคู่เป็นนักฟิสิกส์และนักวิจัยของ Los Alamos National Laboratory ห้องปฏิบัติการวิจัยชั้นนำที่มีชื่อเสียงด้านการพัฒนาเทคโนโลยีขั้นสูงให้กับรัฐบาลสหรัฐฯ
ในวัยเด็ก Wang เคยให้สัมภาษณ์ว่า เขาเติบโตมากับคำถามมากมายที่ต้องหาคำตอบร่วมกับพ่อแม่อยู่เสมอ และนี่เองคือจุดเริ่มต้นที่ทำให้เขากลายเป็นคนที่รักการเรียนรู้ และชอบลงมือแก้ไขปัญหาอย่างจริงจังตั้งแต่อายุยังน้อย
ช่วงมัธยมปลาย Wang ได้แสดงศักยภาพด้านคณิตศาสตร์และฟิสิกส์อย่างโดดเด่น เขาเป็นตัวแทนโรงเรียนเข้าร่วมการแข่งขันระดับชาติหลายรายการ และเริ่มต้นเรียนรู้การเขียนโค้ดด้วยตัวเองตั้งแต่อายุประมาณ 15 ปี
ก่อนจะคว้าทุนเข้าเรียนต่อที่สถาบันในฝันของเด็กสายวิทย์ทั่วโลกอย่าง MIT (Massachusetts Institute of Technology) สาขาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ (Mathematics & Computer Science – Course 6-3)
แต่ชีวิตที่ MIT ของ Wang กลับไม่ได้โรยด้วยกลีบกุหลาบ เขาเคยให้สัมภาษณ์กับ Forbes ว่า เขาพบว่าการเรียนในห้องเรียนนั้น “ค่อนข้างจำกัด” และช้าเกินไป เมื่อเทียบกับไอเดียที่เขาอยากทดลองจริง ๆ
เขาจึงตัดสินใจไปฝึกงานที่ Quora เว็บไซต์ถาม–ตอบยอดนิยมของสหรัฐฯ ซึ่งที่นั่นเอง เขาได้พบกับ Lucy Guo สาวนักออกแบบผลิตภัณฑ์ ที่กลายมาเป็นทั้งเพื่อนสนิทและคู่หูทางธุรกิจในเวลาต่อมา
หลังจากได้พูดคุยและแลกเปลี่ยนความคิดเห็นกันเรื่องเทคโนโลยีหลายครั้ง ทั้งคู่เริ่มสังเกตเห็นปัญหาสำคัญที่บริษัท AI ทั่วโลกต้องเผชิญ นั่นคือ การขาดแหล่งข้อมูลคุณภาพสูง สำหรับใช้ฝึกสอนโมเดล AI ให้มีความแม่นยำและฉลาดยิ่งขึ้น
ในเวลานั้นเอง Wang ได้ตัดสินใจทำสิ่งที่หลายคนมองว่า “บ้า” นั่นคือการลาออกจาก MIT หลังเรียนไปได้เพียงหนึ่งปี เพื่อก่อตั้งบริษัทของตัวเองในปี 2016 ด้วยวัยเพียง 19 ปี โดยตั้งชื่อบริษัทอย่างเรียบง่ายว่า Scale AI
ความกล้าของเขาถือเป็นความเสี่ยงครั้งใหญ่ในชีวิต เพราะเขาแทบไม่มีประสบการณ์ในการทำธุรกิจมาก่อนเลย แต่ Wang เชื่อว่า “โอกาสจะเกิดขึ้นเสมอ ถ้าเราเลือกทำในสิ่งที่คนอื่นมองข้าม”
และเขาคิดถูก — เพราะเพียงไม่กี่ปีหลังจากนั้น บริษัทของ Wang ก็กลายเป็นผู้ให้บริการข้อมูล (Data Labeling) รายสำคัญให้กับองค์กรระดับโลก ไม่ว่าจะเป็น OpenAI เจ้าของ ChatGPT, General Motors, Meta (Facebook เดิม), Toyota ไปจนถึงหน่วยงานด้านความมั่นคงของสหรัฐฯ เช่น กระทรวงกลาโหม และ กองทัพอากาศสหรัฐฯ
ในปี 2022 Forbes ได้ประกาศว่า Alexandr Wang ในวัย 25 ปี กลายเป็น “มหาเศรษฐีที่สร้างตัวเองที่อายุน้อยที่สุดในโลก” ด้วยมูลค่าทรัพย์สินกว่า 1,000 ล้านดอลลาร์สหรัฐฯ ซึ่งเขาสร้างขึ้นเองตั้งแต่อายุยังไม่ถึง 30 ปี
เรื่องราวของ Wang สะท้อนให้เราเห็นอย่างชัดเจนว่า เขาไม่ได้ร่ำรวยจากการสร้างแอปพลิเคชันยอดฮิต หรือผลิตภัณฑ์ที่โด่งดังตามกระแสทั่วไป
แต่เขาร่ำรวยจาก “การกล้าทำในสิ่งที่คนอื่นมองข้าม” นั่นคือ การเป็นเบื้องหลังความฉลาดของ AI ยุคใหม่
Scale AI คือใคร และทำธุรกิจเกี่ยวกับอะไร?
หากพูดถึงบริษัทที่ชื่อว่า Scale AI คนส่วนใหญ่อาจไม่คุ้นหูนัก เพราะชื่อของบริษัทนี้ไม่ได้โด่งดังเท่ากับยักษ์ใหญ่ในวงการอย่าง OpenAI, Google, หรือ Meta แต่ที่น่าสนใจก็คือ Scale AI คือหนึ่งในบริษัทเบื้องหลังความสำเร็จของ AI ที่เราเห็นกันอยู่ทุกวันนี้เลยก็ว่าได้
Scale AI ก่อตั้งขึ้นในปี 2016 โดย Alexandr Wang และเพื่อนร่วมงานของเขา Lucy Guo (อดีตนักออกแบบผลิตภัณฑ์ที่ Quora) ณ เมืองซานฟรานซิสโก
โดยมีเป้าหมายหลักที่ชัดเจนคือ: ช่วยองค์กรต่าง ๆ เตรียมข้อมูลคุณภาพสูง สำหรับใช้ฝึกโมเดล AI ให้มีประสิทธิภาพและความแม่นยำสูงสุด
พูดง่าย ๆ ก็คือ Scale AI เป็นบริษัทที่ทำงานเบื้องหลังในการติดป้ายกำกับข้อมูล (Data Labeling และ Annotation) ให้กับโมเดลปัญญาประดิษฐ์ เพื่อให้ AI สามารถเรียนรู้และทำงานได้อย่างถูกต้องที่สุด
เพราะไม่ว่าโมเดล AI จะเก่งแค่ไหน หากได้รับข้อมูลที่ไม่ดีหรือผิดพลาด ก็จะให้ผลลัพธ์ที่ไม่น่าเชื่อถือ — ตามคำกล่าวที่ว่า
“Garbage In, Garbage Out”
คือ ถ้าเราป้อน “ขยะ” เข้าไป ก็ย่อมได้ “ขยะ” ออกมาเช่นกัน
ในช่วงแรกของการก่อตั้ง Scale AI ยังไม่เป็นที่รู้จักมากนัก เรียกได้ว่าแทบไม่มีใครรู้จักเลยก็ว่าได้ แต่สิ่งที่ทำให้บริษัทนี้เริ่มโดดเด่นในวงการเทคโนโลยี คือการสร้างแพลตฟอร์มที่สามารถจัดการข้อมูลมหาศาลได้อย่างรวดเร็วและแม่นยำ โดยผสมผสานการใช้ AI เข้ากับแรงงานมนุษย์ในการตรวจสอบข้อมูลที่ซับซ้อน
นี่คือจุดแข็งสำคัญที่ทำให้ Scale AI กลายเป็นที่ต้องการอย่างสูงในโลกยุค AI
ลูกค้ากลุ่มแรก ๆ ของ Scale AI คือบริษัทเทคโนโลยีชั้นนำ เช่น Cruise ของ General Motors บริษัทผู้ผลิตยานยนต์ชั้นนำของสหรัฐฯ ที่กำลังพัฒนาเทคโนโลยีรถยนต์ไร้คนขับ รวมถึงบริษัทอย่าง Lyft และ Uber ที่ต้องการข้อมูลภาพถ่ายของถนนในปริมาณมหาศาล เพื่อใช้ฝึกโมเดล AI ให้สามารถขับเคลื่อนรถยนต์ได้อย่างแม่นยำ
แต่สิ่งที่ทำให้ Scale AI กลายเป็นที่จับตามองอย่างแท้จริง คือในปี 2019 พวกเขาได้รับสัญญาฉบับสำคัญจาก กระทรวงกลาโหมสหรัฐฯ (Pentagon) เพื่อจัดเตรียมข้อมูลภาพจากดาวเทียม และข้อมูลสำคัญด้านยุทธศาสตร์สำหรับหน่วยงานทหารและหน่วยข่าวกรอง
ความร่วมมือครั้งนี้ทำให้ Scale AI ถูกมองว่าเป็นบริษัทที่มีความสำคัญในระดับ “ยุทธศาสตร์ชาติ” ไปโดยปริยาย
ในปัจจุบัน Scale AI ไม่ได้จำกัดอยู่แค่ภาครัฐหรือกองทัพเท่านั้น แต่ยังทำงานร่วมกับบริษัทชั้นนำทั่วโลกอีกมากมาย
ไม่ว่าจะเป็น OpenAI ซึ่ง Scale AI เป็นผู้อยู่เบื้องหลังการเตรียมข้อมูลให้กับโมเดล GPT,
Meta (Facebook เดิม) สำหรับจัดเตรียมข้อมูลให้ระบบ AI ตรวจจับเนื้อหาและภาพถ่าย,
หรือแม้แต่ Toyota บริษัทยานยนต์ยักษ์ใหญ่ ที่ต้องการข้อมูลจำนวนมหาศาลเพื่อพัฒนาระบบขับขี่อัตโนมัติ
ในปี 2021 Scale AI ถูกประเมินมูลค่าบริษัทไว้มากกว่า 7,000 ล้านดอลลาร์ และกลายเป็นหนึ่งใน Unicorn ด้าน AI ที่เติบโตเร็วที่สุดในประวัติศาสตร์ของ Silicon Valley
บริษัทนี้กลายเป็นเป้าหมายที่แทบทุกองค์กรยักษ์ใหญ่ในวงการ AI ต้องเข้าหา — เพื่อให้ช่วยจัดการและเตรียมข้อมูลให้กับโมเดลของตน
พูดได้เลยว่า Scale AI คือ “ผู้ปิดทองหลังพระ” แห่งวงการ AI อย่างแท้จริง
แม้ผู้ใช้งานทั่วไปจะไม่ค่อยเห็นชื่อของบริษัทนี้ แต่เบื้องหลังโมเดล AI ชั้นนำเกือบทั้งหมดที่เราใช้กันในทุกวันนี้ ล้วนแล้วแต่มี “Scale AI” เป็นผู้เตรียมข้อมูลเบื้องหลังทั้งสิ้น
เรามาดูข้อมูลเชิงเทคนิคของ Scale AI กันบ้าง
บริษัทเริ่มต้นจากโต๊ะเล็ก ๆ ในซานฟรานซิสโกเมื่อปี 2016 และภายในเวลาไม่กี่ปี Scale AI ก็กลายเป็น “โรงกลั่นเชื้อเพลิงข้อมูล” ให้กับโมเดล AI ระดับโลก
วันนี้พวกเขามีพนักงานราว 900 คน และดูแลแพลตฟอร์มแรงงานขนาดยักษ์อย่าง Remotasks และ Outlier.ai เพื่อป้อนข้อมูลคุณภาพสูงให้โมเดลเรียนรู้อย่างต่อเนื่อง
แม้จะเริ่มต้นจากการระดมทุนรอบ Series F เพียง 1,000 ล้านดอลลาร์ ในเดือนพฤษภาคม 2024 ซึ่งทำให้มูลค่าบริษัทขึ้นไปแตะเกือบ 14,000 ล้านดอลลาร์
แต่ จุดพลิกสำคัญ เกิดขึ้นกลางปี 2025 — เมื่อ Meta Platforms ทุ่มเงินกว่า 14,000 ล้านดอลลาร์ แลกหุ้น 49% ดันมูลค่ากิจการพุ่งสู่ 29,000 ล้านดอลลาร์ พร้อมดึง Alexandr Wang ไปรับตำแหน่ง Chief AI Officer ที่ Meta
ขณะที่ Jason Droege อดีตหัวหน้า Uber Eats เข้ามารับตำแหน่ง Interim CEO ของ Scale AI แทน
คณะกรรมการบริหารของ Scale AI ในปัจจุบัน ประกอบด้วยบุคลากรระดับแถวหน้าของวงการ เช่น:
- Dennis Cinelli (อดีตหัวหน้าฝ่ายการเงินของ Uber สหรัฐฯ)
- Michael Kratsios อดีต CTO ของรัฐบาลสหรัฐฯ รับบท Managing Director (MD) ดูแลด้านยุทธศาสตร์
- และ Vijay Karunamurthy รับตำแหน่ง Field CTO ผู้ออกแบบโครงสร้าง Data Pipeline ทั้งระบบ
Scale AI แบ่งการทำงานออกเป็น 4 เสาหลัก ได้แก่:
- Product & Engineering
ดูแลแกนเทคโนโลยีหลัก เช่น Scale Data Engine และ Scale Rapid - Scale Labs / SEAL (Safety, Evaluations and Alignment Lab)
หน่วยวิจัยที่มุ่งเน้นการประเมินและทดสอบด้านความปลอดภัยของโมเดล - LLM Operations & Supply
บริหารจัดการเครือข่ายผู้ติดป้ายข้อมูล (Annotators) นับแสนรายทั่วโลก - Go-to-Market
แยกการทำงานอย่างชัดเจนระหว่าง สาย Commercial และ สาย Public Sector
Annotators คือ ผู้ที่ทำหน้าที่ติดป้ายกำกับข้อมูล โดยจะแปลง “ข้อมูลดิบ (Raw Data)” ให้กลายเป็น “ข้อมูลมีโครงสร้าง (Structured / Labeled Data)” ที่โมเดล AI สามารถนำไปเรียนรู้ได้อย่างแม่นยำและปลอดภัย
ผลิตภัณฑ์หลักของ Scale AI ในปัจจุบัน ครอบคลุมเกือบทุกขั้นตอนของวงจรชีวิตโมเดล AI ได้แก่:
- Scale Data Engine
แพลตฟอร์ม End-to-End ที่จัดลำดับกระบวนการ Train → Evaluate → Fix → Retrain
ลดต้นทุนด้านข้อมูลได้สูงสุดถึง 70% - Scale Rapid
API สำหรับงาน Annotate แบบเร่งด่วน
รองรับการประมวลผลภาพระดับ “หลักพันภาพภายในไม่กี่ชั่วโมง” - Scale Nucleus
แดชบอร์ดสำหรับจัดการ Dataset และเปรียบเทียบประสิทธิภาพโมเดลแบบ Real-Time - Generative AI Data Engine
บริการด้าน RLHF (Reinforcement Learning from Human Feedback) และ Synthetic Ranking
ใช้ในการฝึก Large Language Models (LLMs) เช่นของ OpenAI และ Meta - Donovan
แพลตฟอร์ม “AI Agent ภาคกลาโหม” ที่ผ่านมาตรฐาน FedRAMP High และ DoD IL4
พร้อมโมเดลชื่อว่า Defense LLaMA สำหรับข่าวกรอง และโครงการ Thunderforge ของกระทรวงกลาโหมสหรัฐฯ
ผลิตภัณฑ์อื่น ๆ ที่น่าสนใจยังรวมถึง:
- Document AI สำหรับประมวลผลข้อมูลเอกสาร
- Audio & Speech AI สำหรับเสียงพูด
- 3D Sensor Fusion สำหรับงานด้านยานยนต์ไร้คนขับและหุ่นยนต์อุตสาหกรรม
ทำไม Scale AI จึงกลายเป็นชื่อที่ทุกคนในวงการต้องหันมามอง
ลองหลับตาแล้วจินตนาการถึงโลก AI ในวันนี้ — ชื่อที่เราคุ้นกันคือ OpenAI, Google, Microsoft หรือสตาร์ตอัปหน้าใหม่ที่ปล่อยโมเดลสุดล้ำออกมาทุกสัปดาห์ แต่เบื้องหลัง “เวทมนตร์” ของโมเดลเหล่านั้น กลับมีบริษัทหนึ่งทำหน้าที่ป้อนพลังงานอย่างเงียบ ๆ เหมือนโรงงานไฟฟ้าใต้ดิน บริษัทนั้นคือ Scale AI
ไม่นานมานี้ Vijay Karunamurthy, Field CTO ของ Scale AI ได้ให้สัมภาษณ์กับ Fast Company อย่างจับใจไว้ว่า:
“เราเป็นที่จดจำเพราะเทคนิคไม่กี่อย่าง … โดยเฉพาะ Pipeline ของข้อมูลที่เราสร้างขึ้น ซึ่งท้ายที่สุดกลายเป็นหัวใจของการปฏิวัติ Generative AI ในทุกวันนี้”
ประโยคสั้น ๆ นี้สรุปภารกิจของ Scale AI ได้แทบทั้งหมด
หน้าที่ของพวกเขาคือการ “เดินท่อข้อมูล” (Data Pipelines) ที่สะอาด แม่นยำ และส่งถึงโมเดล AI ได้รวดเร็วราวกับเปิดก๊อกน้ำ
หาก AI คือเครื่องยนต์ทรงพลัง
ข้อมูลก็คือน้ำมันคุณภาพสูง — และ Scale AI คือ “โรงกลั่น” เพียงไม่กี่แห่งบนโลกที่ไว้ใจได้ว่าจะส่งเชื้อเพลิงระดับพรีเมียมทุกครั้ง
ภารกิจของ Scale AI คือ เปลี่ยนข้อมูลดิบมหาศาลให้กลายเป็น ‘อาหารสมอง’ ชั้นเลิศ
ตั้งแต่ข้อความนับพันล้านประโยค ไปจนถึงภาพถ่ายดาวเทียมที่ต้องตีความในระดับพิกเซลต่อพิกเซล
โมเดลอย่าง GPT, Copilot หรือรถไร้คนขับของ Cruise จะไม่มีวัน “ฉลาด” ได้เลย หากไม่ได้รับการฝึกด้วยข้อมูลที่มีฉลากถูกต้อง ไร้ฝุ่นผง และการฝึกฝนนั้นคือสิ่งที่ Scale AI เชี่ยวชาญที่สุด
พวกเขาผสมผสานอัลกอริทึมอัตโนมัติกับเครือข่ายผู้ตรวจสอบมนุษย์นับแสนทั่วโลก
ให้ AI คัดกรองเบื้องต้น ก่อนที่มนุษย์จะเข้ามาเก็บรายละเอียดทีหลัง
เกิดเป็นวัฏจักร label → review → improve ที่หมุนเร็วราวสายพานอุตสาหกรรม
แต่ “เร็ว” อย่างเดียวไม่พอ — ต้อง “เชื่อถือได้”
ถึงขั้นที่กระทรวงกลาโหมสหรัฐฯ ยอมฝากความลับชาติไว้กับพวกเขา
ไม่ว่าจะเป็นภาพจากโดรนความละเอียดสูง ข้อมูลภูมิศาสตร์ระดับกองทัพ หรือแม้แต่บันทึกภารกิจในสมรภูมิ ล้วนผ่านมือ Scale AI ก่อนจะถูกส่งเข้าสู่โมเดลวิเคราะห์เชิงยุทธศาสตร์
ความไว้วางใจระดับนี้ ไม่ได้มาจากกลยุทธ์การตลาดใด ๆ แต่ได้มาจากมาตรฐานความปลอดภัย FedRAMP และกระบวนการ QA (Quality Assurance) หลายชั้น ซึ่งกลายเป็น “สูตรลับ” ที่ Scale AI สร้างขึ้น และทั้งวงการเริ่มต้องเดินตาม
ทำให้เพียง 5 ปีหลังการก่อตั้งบริษัท มูลค่ากิจการของ Scale AI พุ่งทะลุ 7,000 ล้านดอลลาร์ และยังคงขยับขึ้นไม่หยุด จนถูกยกให้เป็นหนึ่งใน Unicorn สาย AI ที่เติบโตเร็วที่สุดใน Silicon Valley
พูดให้เห็นภาพก็เหมือนกับ AWS ในยุคเริ่มต้นของตลาดคลาวด์ — ใครอยากวางระบบโครงสร้างพื้นฐานต้องนึกถึง AWS
ฉันใดในยุค Generative AI ใครอยากให้โมเดล “ตื่นรู้” ก็ต้องนึกถึง Scale AI ฉันนั้น
ที่สุดแล้ว Scale AI ได้พลิก “ข้อมูล” จากของรกรุงรัง ให้กลายเป็นสินทรัพย์มูลค่าสูง พวกเขาเลือกที่จะยืนอยู่หลังม่าน คอยส่งเชื้อเพลิงให้กับ “โรงงานสมองกลของโลก” เดินเครื่องได้อย่างราบรื่น
ถ้าลองนึกภาพโลก AI จากวันนี้ไปอีก 10 ปีข้างหน้า เราอาจไม่อาจจำชื่อโมเดล AI หลายพันชื่อที่เกิดและดับไปอย่างรวดเร็ว
แต่ชื่อ Scale AI จะยังคงผูกติดอยู่กับโครงสร้างพื้นฐานของวงการ
ดั่งเช่นที่เราเคยเห็นชื่อ Intel บนสติกเกอร์โน้ตบุ๊กทุกเครื่องตลอด 30 ปีที่ผ่านมา
เพราะเมื่อ “ข้อมูล” คือ “ทองคำแห่งศตวรรษที่ 21” ผู้ที่สามารถกลั่นทองคำได้เร็วและบริสุทธิ์ที่สุด ย่อมเป็นผู้กำหนดจังหวะของการปฏิวัติยุคถัดไป
และนั่นคือเหตุผลที่ วงการทั้งโลกไม่มีทางละสายตาจาก Scale AI ได้เลย
เรื่องราวของ Scale AI และ Alexandr Wang อาจดูเหมือนกรณีพิเศษที่หาได้ยากในโลกธุรกิจ
แต่หากมองให้ลึกลงไป ก็มีบทเรียนสำคัญหลายข้อที่ผู้ประกอบการรุ่นใหม่สามารถนำไปประยุกต์ใช้ได้อย่างน่าสนใจ
บทเรียนแรกที่ชัดเจนที่สุดคือ: “กล้าที่จะทำในสิ่งที่คนอื่นยังไม่เห็นคุณค่า” หรือสิ่งที่ยังไม่มีใครลงมือทำอย่างจริงจัง
ในขณะที่หลายบริษัทในยุคนี้มักมองหาโอกาสจากการสร้างแอปพลิเคชันหรือผลิตภัณฑ์ที่ได้รับความนิยมอย่างรวดเร็ว
Scale AI กลับเลือกไปแก้ปัญหาพื้นฐานของวงการ อย่างการจัดเตรียมข้อมูลคุณภาพให้ AI ซึ่งเป็นงานที่หลายคนมองข้าม มองว่าน่าเบื่อ และซับซ้อนเกินไป
แต่นั่นแหละ…คือสิ่งที่เปิด “ช่องว่าง” ให้ Scale AI เติบโตอย่างก้าวกระโดด จนกลายเป็น “ชิ้นส่วนที่ขาดไม่ได้” ในห่วงโซ่อุตสาหกรรม AI ยุคใหม่ในที่สุด
อีกหนึ่งบทเรียนสำคัญคือการมองให้ลึกกว่าแค่สิ่งที่ AI สามารถทำได้ในวันนี้ แต่เป็นการมองให้เห็นถึงโครงสร้างพื้นฐานที่จำเป็นต่ออนาคตในระยะยาวของเทคโนโลยีทั้งหมด
เพราะธุรกิจที่สร้างขึ้นบนโครงสร้างพื้นฐาน (Infrastructure) จะมีความมั่นคงมากกว่าธุรกิจที่สร้างขึ้นบนกระแสของแอปพลิเคชันที่เปลี่ยนแปลงรวดเร็ว
หากคุณต้องการสร้างธุรกิจที่มีความยั่งยืนจริง ๆ คุณอาจต้องกลับไปดูให้ลึกถึงรากฐานของปัญหาจริง ๆ ที่คนอื่นมองข้าม และนั่นคือสิ่งที่ Scale AI ทำสำเร็จ
นอกจากนี้ เรื่องราวของ Alexandr Wang ยังสะท้อนถึงความกล้าที่จะตัดสินใจเสี่ยงในช่วงเวลาที่เหมาะสม แม้การลาออกจาก MIT ซึ่งเป็นมหาวิทยาลัยชั้นนำระดับโลกเพื่อมาเริ่มต้นธุรกิจของตัวเองจะดูเหมือนเป็นการตัดสินใจที่บ้าบิ่นในสายตาของใครหลายคน
แต่นั่นกลับกลายเป็นจุดเปลี่ยนสำคัญที่ทำให้เขาก้าวเข้าสู่โลกของผู้ประกอบการตั้งแต่อายุยังน้อย และสร้างความสำเร็จระดับโลกในเวลาที่เร็วกว่าคนรุ่นเดียวกันอย่างเห็นได้ชัด
ตลอดเกือบ 10 ปีที่ผ่านมา บริษัทเล็ก ๆ ที่เริ่มจากโต๊ะทำงานในซิลิคอนวัลเลย์ ได้ยกระดับตัวเองขึ้นมาเป็น “ท่อส่งข้อมูล” ให้กับคลื่น AI ลูกใหญ่ทั่วโลก และดูเหมือนว่าเส้นทางข้างหน้าจะยิ่งเร่งตัวแรงขึ้นกว่าเดิม
หลังปิดรอบทุนชุดล่าสุดในปี 2024 Scale AI ทำรายได้ราว 870 ล้านดอลลาร์ และคาดว่าจะทะลุ 2 พันล้านดอลลาร์ภายในสิ้นปี 2025 ขณะที่มูลค่ากิจการถูกประเมินไว้ราว 13–14 พันล้านดอลลาร์
เดือนพฤษภาคม 2025 Meta ประกาศเข้าถือหุ้นใน Scale AI มูลค่าเกือบ 15 พันล้านดอลลาร์ เพื่อตรึง “สายพานข้อมูล” ทั้งหมดมาเสริมกลยุทธ์ Gen AI ของตนเอง
พร้อมดึง Alexandr Wang ไปร่วมทีมในฐานะ Chief AI Officer และไม่กี่สัปดาห์ถัดมา TechCrunch รายงานว่าดีลดังกล่าวได้ดันมูลค่าบริษัทขึ้นใกล้ 3 หมื่นล้านดอลลาร์
ขณะเดียวกัน Wang ก็เตรียมถอยจากตำแหน่ง CEO เพื่อโฟกัสกับบทบาทระดับกลุ่มภายใต้ Meta อย่างเต็มตัว
ขณะเดียวกัน ฝั่งรัฐบาลสหรัฐฯ ก็เริ่มพึ่งพา Scale AI หนักขึ้น โครงการ Thunderforge ของกระทรวงกลาโหม (DoD) ที่มอบให้บริษัทเป็นผู้รับเหมาหลัก กำลังนำ Generative AI มาช่วยวางแผนยุทธศาสตร์และวิเคราะห์ภาพถ่ายดาวเทียมเชิงลึก
ขณะที่ Project ASCEND กับหน่วยงาน DISA ก็เป็นอีกหนึ่งสัญญาที่ Scale ชนะมาเพื่อพัฒนาโมเดล AI สำหรับป้องกันเครือข่ายไซเบอร์ของกลาโหมสหรัฐฯ โดยเฉพาะ
การยึดตำแหน่ง “ตัวเชื่อม” ระหว่างภาคเอกชนระดับ Big Tech กับความมั่นคงแห่งชาติ ทำให้ Scale แทบไร้คู่แข่งโดยตรงในช่องว่างเชิงกลยุทธ์นี้ แม้จะเริ่มมีผู้เล่นใหม่อย่าง Surge AI ไล่ระดมทุนเพื่อหวังโค่นบัลลังก์ก็ตาม
ภาพรวมจึงเริ่มชัดเจนขึ้นว่า Scale AI กำลังกลายเป็น “AWS ของข้อมูล AI” อย่างแท้จริง เมื่อทุกอุตสาหกรรม ตั้งแต่ Gen AI ฝั่งผู้บริโภค ไปจนถึงอาวุธยุคใหม่ ต่างต้องการ Data Pipeline ที่เชื่อถือได้ ปรับขนาดได้รวดเร็ว และยืดหยุ่นตามภารกิจ
อย่างไรก็ตาม ความท้าทายข้างหน้ายังอีกมาก โดยเฉพาะการรักษามาตรฐานจริยธรรม เมื่อบทบาททางทหารเข้มข้นขึ้น การจัดการห่วงโซ่แรงงานในระบบ Data Labeling ให้เป็นธรรม
รวมถึงคำถามเรื่องความโปร่งใสภายใต้สถานะ “ผู้ครองตลาดข้อมูล” ที่ทรงอิทธิพลมากขึ้นเรื่อย ๆ
แต่หากมองในมุมโอกาส การมีเงินทุนจาก Big Tech ผสมกับสายสัมพันธ์ลึกกับกระทรวงกลาโหม (DoD) ทำให้ Scale AI มีทรัพยากรเพียงพอจะขยายจากผู้ให้บริการ Data Labeling ไปสู่ผู้พัฒนาเครื่องมือครบวงจร
ตั้งแต่การสร้าง ทดสอบ ไปจนถึง Deploy โมเดลในสภาพแวดล้อมภาครัฐที่ต้องการมาตรฐานความปลอดภัยสูงที่สุด
อีกทั้งหากบริษัทต่อยอดได้สำเร็จ เราอาจได้เห็นโมเดล AI “เมด-อิน-อเมริกา” ที่ทำงานลื่นไหลบน Data Stream ของ Scale AI… เหมือนที่แอปบนอินเทอร์เน็ตทุกวันนี้ล้วนพึ่งพา AWS อยู่เบื้องหลัง
เรื่อง : ณัฐศกรณ์ แสงลับ
ที่มา :
https://taptwicedigital.com/stats/scale-ai
https://www.axios.com/2025/07/03/ai-salaries-meta-openai-zuckerberg-altman
Scale AI confirms ‘significant’ investment from Meta, says CEO Alexandr Wang is leaving
https://scale.com/blog/thunderforge-ai-for-american-defense
https://scale.com/blog/scale-public-sector-building-on-our-progress-in-2025