เราต่างก็รู้สึกเหมือนกันว่าการค้นหาบน Google ในยุคนี้มัน "ไม่เหมือนเดิม" อีกต่อไป หน้าผลการค้นหาที่เต็มไปด้วย SEO Spam และ Sponsored Links ทําให้เราต้องคลิกผ่านหลายสิบลิงก์เพื่อปะติดปะต่อข้อมูล ความคับข้องใจนี้เองคือจุดกําเนิดของ Perplexity AI สตาร์ทอัพที่ก่อตั้งขึ้นในปี 2022 ซึ่งประกาศตัวชัดเจนว่าไม่ได้กําลังสร้าง "Search Engine" แต่กําลังสร้าง "Answer Engine" หรือเครื่องมือค้นหาคําตอบเชิงสนทนาเครื่องแรกของโลก วันนี้ เราจะมาเจาะดูกันว่าทําไม Perplexity ถึงถูกประเมินมูลค่าสูงถึง 2 หมื่นล้านดอลลาร์สหรัฐภายในเวลาอันสั้น และอะไรคือ "สูตรลับ" ที่ทําให้ยักษ์ใหญ่ต้องหันมามอง | | | | | | สินทรัพย์ที่แข็งแกร่งที่สุด: ทีมผู้ก่อตั้ง "รวมดารา" | ถ้าจะหาสาเหตุว่าทําไมนักลงทุนอย่าง Jeff Bezos และ Nvidia ถึงกล้าทุ่มเงินมหาศาล คําตอบแรกอาจไม่ใช่เทคโนโลยี แต่คือ "ทีมผู้ก่อตั้ง" นี่คือการรวมตัวที่เหมือนถูกออกแบบมาอย่างตั้งใจเพื่อปิดทุกความเสี่ยงของสตาร์ทอัพเทคโนโลยีเชิงลึก | เรากําลังพูดถึง Aravind Srinivas (CEO) นักวิจัย AI ผู้มีวิสัยทัศน์ ที่ผ่านการฝึกงานจาก "สามประสาน" แห่งวงการ AI อย่าง OpenAI, DeepMind และ Google Brain | Denis Yarats (CTO) สถาปนิกผู้วางระบบที่เชี่ยวชาญการขยายสเกลระบบ AI จาก Meta และ Quora Johnny Ho (CSO) นักกลยุทธ์ผลิตภัณฑ์ อดีตนักเทรดเชิงปริมาณความถี่สูง (Quant Trader) และแชมป์โลกโอลิมปิกคอมพิวเตอร์ และที่สําคัญคือ Andy Konwinski (President) หนึ่งในผู้ร่วมก่อตั้ง Databricks (ผู้สร้าง Apache Spark) ที่มีประสบการณ์ตรงในการปั้นบริษัทจากห้องแล็บสู่ระดับโลกมาแล้ว | ทีมนี้ไม่เพียงแค่เก่งกาจ แต่พวกเขายัง "รู้ไส้รู้พุง" คู่แข่งที่พวกเขาเคยทํางานด้วย พวกเขาเข้าใจจุดอ่อนของ Google ที่พึ่งพาโมเดลโฆษณา และความเฉื่อยชาขององค์กรขนาดใหญ่ นี่คือความได้เปรียบจากคนวงในที่ประเมินค่าไม่ได้ และเป็นปัจจัยสําคัญที่ดึงดูดนักลงทุนในระยะแรก |
| |
| | |
| | | | | | เบื้องหลัง "Answer Engine": ไม่ใช่แค่ LLM แต่คือ RAG | Perplexity ทํางานยังไง? หลายคนอาจคิดว่าก็แค่เอา API ของ GPT-4 หรือ Claude 4.5 Sonnet มาครอบ แต่ความจริงซับซ้อนกว่านั้นเยอะ | "สูตรลับ" คือระบบ RAG ที่สร้างเอง | หัวใจของ Perplexity คือสถาปัตยกรรมที่เรียกว่า Retrieval-Augmented Generation (RAG) พูดง่ายๆ คือแทนที่จะให้ AI ตอบจากความรู้ที่ "ท่องจํา" มา (ซึ่งอาจจะเก่า) | Perplexity จะใช้ AI (NLP) เพื่อทําความเข้าใจเจตนาของคําถามเราก่อน จากนั้น มันจะส่ง "Web Crawler" ที่สร้างขึ้นเอง ออกไปค้นข้อมูลสดๆ บนเว็บ สุดท้าย มันจะเอาข้อมูลที่ดึงมาได้ป้อนให้ LLM เพื่อ "สังเคราะห์" เป็นคําตอบใหม่ที่กระชับ พร้อมแปะอ้างอิงให้เราตรวจสอบได้ทันที | นี่คือจุดที่เปลี่ยนเกม เพราะมันแก้ปัญหาการ "อุปโลกน์" หรือ Hallucination ที่เราเจอบ่อยๆ ในแชทบอททั่วไป และให้ความสามารถในการตรวจสอบได้ (Verifiability) ซึ่งเป็นสิ่งที่ผู้ใช้ต้องการมากที่สุด | กลยุทธ์หลายโมเดล (Model Agnosticism) | Perplexity ไม่ได้เดิมพันกับม้าตัวเดียว พวกเขาใช้กลยุทธ์ที่ไม่ผูกติดกับโมเดลใดโมเดลหนึ่ง ทําให้ผู้ใช้ระดับ Pro สามารถเลือกโมเดลที่ดีที่สุดในตลาดได้ | ไม่ว่าจะเป็น GPT series, Claude series, Gemini 2.5 Pro หรือแม้แต่ Grok 4 แต่ในขณะเดียวกัน พวกเขาก็พัฒนาโมเดลของตัวเองอย่างซีรีส์ 'Sonar' (ที่ปรับจูนจาก Llama 3.3 70B ของ Meta) เพื่อใช้กับงานหลัก ซึ่งปรับมาให้เหมาะสมที่สุดด้านความเร็วและความแม่นยําของข้อเท็จจริง กลยุทธ์นี้ทําให้บริษัทไม่โดน "ล็อกคอ" จากผู้ให้บริการรายใดรายหนึ่ง และยังสามารถคุมต้นทุนสําหรับบริการฟรีได้ดีอีกด้วย |
| |
| | |
| | | | | โมเดลธุรกิจ Freemium และ "ช้างในห้อง" เรื่อง Data Scraping | Perplexity หาเงินจากโมเดลธุรกิจแบบ Freemium บริการพื้นฐานใช้งานได้ฟรี แต่ถ้าจ่าย Pro (เดือนละ $20) หรือ Enterprise ($40/ผู้ใช้/เดือน) ก็จะได้ใช้โมเดลขั้นสูง, อัปโหลดไฟล์เพื่อวิเคราะห์ หรือค้นหาได้ไม่จํากัด โมเดลนี้ดึงดูดผู้ใช้ได้เร็วมาก และดูเหมือนจะไปได้สวย | แต่ความท้าทายที่ใหญ่ที่สุดของบริษัทในตอนนี้ อาจไม่ใช่คู่แข่ง แต่คือ "ข้อกฎหมาย" | ความตึงเครียดเรื่องการดึงข้อมูล | นี่คือ "ช้างตัวใหญ่ในห้อง" ที่ทุกคนกําลังจับตามอง Perplexity กําลังเผชิญข้อกล่าวหาหนักหน่วงและการฟ้องร้องจากผู้เผยแพร่เนื้อหาอย่าง Wired และ Reddit พวกเขากล่าวหาว่า Perplexity "เมิน" กติกาอย่าง robots.txt และเข้ามา "กวาด" (Scraping) ข้อมูลไปใช้ใน Answer Engine โดยไม่ได้รับอนุญาต | ฝั่ง Perplexity นําโดย CEO Aravind Srinivas โต้แย้งว่าพวกเขากําลังสรุป "ข้อเท็จจริง" ที่เป็นสาธารณะ ซึ่งไม่ควรมีใครเป็นเจ้าของแต่เพียงผู้เดียว และการอ้างอิงแหล่งที่มาก็ถือเป็น "การใช้งานโดยชอบธรรม" (Fair Use) ที่เป็นประโยชน์ต่ออินเทอร์เน็ต | เรามองว่านี่คือความเสี่ยงเชิงยุทธศาสตร์ที่อันตรายที่สุด ถ้าแพ้คดี อาจหมายถึงการต้องรื้อระบบรวบรวมข้อมูลหลังบ้านใหม่ หรือถูกบีบให้ต้องจ่ายค่าลิขสิทธิ์มหาศาลจนโมเดลธุรกิจพังทลาย | | ทางออกเชิงกลยุทธ์: แบ่งรายได้ (Revenue Sharing) | Perplexity เองก็รู้ตัวดี พวกเขาจึงเดินเกมที่ฉลาดมาก คือการเปิดตัว "โครงการแบ่งปันรายได้" กับผู้เผยแพร่เนื้อหา พวกเขาเสนอที่จะแบ่งรายได้ส่วนหนึ่งจากค่าสมาชิก (มีรายงานว่าอาจสูงถึง 80% จากแพ็กเกจพิเศษ) ให้กับเจ้าของเนื้อหา เมื่อมีการคลิกเข้าไปยังเว็บไซต์, เมื่อเนื้อหาถูกอ้างอิงในคําตอบ หรือเมื่อ AI Agent เข้าไปใช้ข้อมูล | นี่คือการพยายามเปลี่ยน "ศัตรู" ให้เป็น "พันธมิตร" เป็นการเดิมพันว่าการสร้างระบบนิเวศข้อมูลที่ยั่งยืน อาจเป็นทางรอดที่ดีกว่าการต่อสู้ในศาล และยังช่วยให้เข้าถึงคอนเทนต์คุณภาพสูงที่คู่แข่งอาจถูกปิดกั้นได้ |
| |
| | |
| | | | | มากกว่าแค่ 'Answer Engine': การขยายสู่ Ecosystem ของตัวเอง | Perplexity ไม่ได้หยุดแค่การเป็น "ปลายทาง" (Destination) สําหรับการค้นหา พวกเขากําลังสร้างเครื่องมือเพื่อแทรกซึมเข้าไปใน "กระบวนการทํางาน" (Workflow) ประจําวันของเราเลย นี่คือส่วนที่เรามองว่าน่าจับตามองอย่างยิ่ง | | Comet: เบราว์เซอร์ที่เกิดมาเพื่อยุค AI | นี่คือการเดิมพันครั้งใหญ่ Perplexity กําลังพัฒนาเบราว์เซอร์ของตัวเองชื่อ "Comet" ซึ่งถูกวางตัวมาท้าชนกับ Google Chrome โดยตรง เรามองว่านี่คือการพยายาม "เป็นเจ้าของ" ประสบการณ์การเข้าถึงอินเทอร์เน็ตทั้งหมด แทนที่จะเป็นแค่หน้าเว็บหนึ่ง ลองนึกภาพเบราว์เซอร์ที่ไม่ต้อง "ค้นหา" แต่ "ตอบ" เราได้เลยทันทีที่พิมพ์ใน Address Bar โดยมี Answer Engine เป็นหัวใจหลักที่ฝังมาตั้งแต่เกิด นี่คือการเปลี่ยนเกมจาก "การท่องเว็บ" เป็น "การสนทนากับเว็บ" | การเจาะตลาดเฉพาะทาง: Finance และ Shopping | พวกเขายังฉลาดในการแตกไลน์ผลิตภัณฑ์ไปสู่ตลาดแนวดิ่ง (Verticals) ที่ข้อมูลมีความซับซ้อนและมีมูลค่าสูง อย่างเช่น "Perplexity Finance" ที่ฝึกฝนมาโดยเฉพาะเพื่อวิเคราะห์ข้อมูลทางการเงิน ไม่ว่าจะเป็นรายงานผลประกอบการ, เอกสาร SEC หรือข่าวตลาดหุ้น เพื่อให้นักลงทุนได้ข้อมูลเชิงลึกที่ AI สังเคราะห์มาให้ ไม่ใช่แค่ลิงก์ข่าว | ในทํานองเดียวกัน "Perplexity Shopping" ก็กําลังจะเปลี่ยนวิธีการซื้อของออนไลน์ของเรา โดยสรุปรีวิวจากหลายแหล่งและเปรียบเทียบสินค้าให้เสร็จสรรพ นี่คือการสร้างเครื่องมือที่ "ใช้งานได้จริง" ในโลกธุรกิจและการใช้ชีวิต ไม่ใช่แค่ของเล่น AI ทั่วไป |
| |
| | |
| | | | | สมรภูมิ Answer Engine: ชน Google, ฉีก ChatGPT | แล้วถ้าเทียบกับยักษ์ใหญ่ Perplexity ยืนอยู่ตรงไหน? | Perplexity ปะทะ Google | นี่คือสงคราม "คําตอบ ปะทะ ลิงก์" Google ให้ "รายการลิงก์" (List of Links) เพื่อให้เราไปค้นคว้าต่อเอง แต่ Perplexity ทํา "การค้นคว้า" นั้นให้เรา และส่ง "บทสรุป" ที่สังเคราะห์แล้วมาเลย | สําหรับงานวิจัยที่ซับซ้อน หรือคําถามที่ต้องการการสรุปจากหลายแหล่ง Perplexity มอบประสบการณ์ที่สะอาดตาและปราศจากโฆษณา ซึ่งชนะขาด แต่ถ้าเป็นการค้นหาแบบง่ายๆ เช่น "ร้านอาหารใกล้ฉัน" หรือการค้นหาเชิงนําทาง (Navigational Search) Google ที่มี Maps และระบบนิเวศที่แข็งแกร่งยังคงได้เปรียบ การที่ Google ต้องรีบเข็น AI Overviews ออกมา ก็ชัดเจนว่าพวกเขากําลัง "รู้สึกร้อน" กับภัยคุกคามนี้ | Perplexity ปะทะ ChatGPT | นี่คือการต่อสู้ของ "นักวิจัย ปะทะ นักสร้างสรรค์" Perplexity ถูกสร้างมาเพื่อ "การค้นคว้าเป็นหลัก" (Research-first) ที่เน้นข้อมูลจริง อัปเดต และตรวจสอบแหล่งที่มาได้ ในทางกลับกัน ChatGPT ถูกสร้างมาเพื่อ "การสนทนาเป็นหลัก" (Conversation-first) และ "การสร้างเนื้อหา" (Content Generation) การค้นหาเว็บของ ChatGPT เป็นแค่ฟีเจอร์เสริม ไม่ใช่แกนหลักของผลิตภัณฑ์ |
| |
| | |
| | | | | | คําศัพท์เฉพาะทางเพิ่มเติม | Retrieval-Augmented Generation (RAG): นี่คือเทคนิคที่ AI ไม่ได้ตอบจาก "ความจํา" ที่ฝึกมาอย่างเดียว แต่มันจะ "ค้นหา" ข้อมูลสดๆ จากฐานข้อมูลภายนอก (ในกรณีนี้คือเว็บ) ก่อน แล้วค่อยนําข้อมูลที่ "ดึงมา" (Retrieve) มา "เสริม" (Augment) ในการ "สร้าง" (Generation) คําตอบ RAG จึงเป็นหัวใจที่ทําให้ Perplexity ตอบได้แม่นยําและมีข้อมูลอัปเดต Robots Exclusion Protocol (robots.txt): นี่คือไฟล์ข้อความธรรมดาที่เจ้าของเว็บไซต์วางไว้บนเซิร์ฟเวอร์ เพื่อ "บอก" บอทหรือ Crawler ว่า "ห้ามเข้า" หรือ "ห้ามเก็บข้อมูล" ในส่วนไหนของเว็บ การที่ Perplexity ถูกกล่าวหาว่าเมินไฟล์นี้ จึงเป็นประเด็นใหญ่ด้านจริยธรรมและกฎหมาย ว่าด้วยมารยาทในการท่องเว็บของ AI
|
| |
| | |
| | | | | | บทสรุปส่งท้ายจากทีมงาน Insiderly | การเกิดขึ้นของ Perplexity AI เป็นมากกว่าแค่สตาร์ทอัพ AI ตัวใหม่ แต่มันคือการท้าทายโมเดลธุรกิจอายุนับทศวรรษของอุตสาหกรรมค้นหา Perplexity กําลังเดิมพันว่าผู้ใช้ในยุค AI ยอม "จ่าย" เพื่อ "คําตอบ" ที่สะอาดตา ไม่มีโฆษณา และตรวจสอบได้ | อนาคตของบริษัทแขวนอยู่บนเส้นด้ายสองเส้น เส้นแรกคือความสามารถในการจัดการกับสมรภูมิทางกฎหมายและจริยธรรมเรื่องลิขสิทธิ์ข้อมูล เส้นที่สองคือการต้องสร้างนวัตกรรมให้เร็วกว่าที่ Google จะสามารถปรับเปลี่ยนโมเดลธุรกิจโฆษณาที่อุ้ยอ้ายของตนเองได้ทัน | นี่คือ Key Takeaways จากการวิเคราะห์ครั้งนี้: | ทีมผู้ก่อตั้งคือ "ปราการด่านแรก" ที่สําคัญที่สุด การรวมตัวของ Aravind Srinivas, Andy Konwinski และคนอื่นๆ ไม่ใช่เรื่องบังเอิญ แต่คือการวางกลยุทธ์เพื่อปิดความเสี่ยงรอบด้าน ทั้งด้านเทคนิค, การตลาด และการขยายธุรกิจ สงครามครั้งนี้ไม่ได้วัดกันที่ "ใครมี LLM ดีที่สุด" แต่วัดกันที่ "ใครมีระบบ RAG ที่ดีที่สุด" เพราะ LLM กําลังกลายเป็นสินค้าโภคภัณฑ์ แต่ระบบ Crawling, Indexing และ Citing ที่เป็นกรรมสิทธิ์ คือ "สูตรลับ" ที่ลอกเลียนแบบได้ยาก โมเดลธุรกิจที่ "ไม่มีโฆษณา" คือจุดแข็งและจุดเปลี่ยนที่ชัดเจน มันปลดล็อกประสบการณ์ผู้ใช้ที่สะอาดและตรงจุด ซึ่ง Google ที่ถูกล่ามด้วยรายได้โฆษณา ไม่สามารถมอบให้ได้ง่ายๆ การรุกคืบสู่ตลาดองค์กร (Enterprise), เบราว์เซอร์ของตัวเอง (Comet) และตลาดเฉพาะทาง (Finance, Shopping) แสดงให้เห็นว่าเป้าหมายสุดท้ายของพวกเขาไม่ใช่แค่ "เว็บค้นหา" แต่คือการเป็น "โครงสร้างพื้นฐาน" ใหม่ในการเข้าถึงอินเทอร์เน็ต ประเด็นเรื่อง Data Scraping คือความเสี่ยงที่ใหญ่หลวงที่สุด แต่ในขณะเดียวกัน "โครงการแบ่งปันรายได้" ก็อาจกลายเป็นมาตรฐานใหม่ของอุตสาหกรรม ที่สร้างความสัมพันธ์แบบพึ่งพาระหว่าง AI และผู้สร้างเนื้อหาในอนาคต
|
| |
| | |
|
|