ความเห็น: ปี 2026 คือจุดเริ่มต้นของ orbital data center จริงจัง — Kepler, Sophia, StarVault, Starcloud และโจทย์สำหรับ SEA
ในช่วงเดือน มี.ค.-เม.ย. 2026 มีข่าวเกี่ยวกับ orbital data center (ODC) ออกมาถี่จนน่าตั้งคำถามว่านี่คือ hype รอบใหม่หรือเริ่ม commercial reality จริงๆ บทวิเคราะห์นี้จะรวบ thread ทั้งหมดและตั้งคำถามที่ไทย/SEA ต้องคิด
สิ่งที่เกิดขึ้นในปี 2026 — timeline สั้นๆ
16 มี.ค. 2026 — NVIDIA ประกาศ Vera Rubin Space-1 Module ที่ GTC 2026 ให้ AI compute เพิ่ม 25 เท่าจาก H100 สำหรับงาน inference ในอวกาศ พร้อมระบุว่ามี 6 บริษัทใช้ platform แล้ว: Aetherflux, Axiom Space, Kepler Communications, Planet Labs, Sophia Space, Starcloud
13 เม.ย. 2026 — Kepler Communications เปิด largest orbital compute cluster อย่างเป็นทางการ — 10 satellite พร้อม Nvidia Orin edge processor ประมาณ 40 ตัว เชื่อมด้วย laser link
13 เม.ย. 2026 — Lonestar Data Holdings ประกาศ StarVault ที่เรียกตัวเองว่า “world’s first commercially operational space-based sovereign data storage platform” — launch ต.ค. 2026 บน Sidus Space’s LizzieSat-4
เม.ย. 2026 — Sophia Space ลงนามความร่วมมือกับ Kepler — จะ upload OS ของตัวเองไปบน Kepler satellite เพื่อทดสอบ orbital compute software stack ก่อนที่ Sophia จะ launch hardware เอง (Sophia ระดม $10M ใน ก.พ. 2026)
เม.ย. 2026 — Starcloud (Seattle-area startup) ระดมทุนรอบใหม่ valuation $1.1B เพื่อสร้าง space-based data center
เม.ย. 2026 — Orbital (a16z Speedrun) ประกาศ test mission แรกบน SpaceX Falcon 9 ใช้ Vera Rubin GPU สำหรับ AI inference workload
ทำไม orbital data center ถึงน่าสนใจตอนนี้
มี 4 ปัจจัยที่ทำให้สมการเปลี่ยน:
1. Energy + cooling ที่ไม่ต้องจ่ายค่าไฟ — ในวงโคจร พลังงานแสงอาทิตย์ 24/7 และอวกาศคือ heatsink ขนาดใหญ่ที่สุด — ใน data center บนพื้นโลก cooling กิน 30-40% ของ total energy budget
2. Latency to satellite payload — workload ที่เกิดบน satellite (earth observation, GNSS analysis, defense ISR) ส่งข้อมูลกลับโลกแล้ว process ที่ ground station มี latency หลายนาที ถ้า process ที่ orbit แล้วส่งเฉพาะผลลัพธ์ — bandwidth ลด 100-1000x
3. Launch cost ลดต่อเนื่อง — SpaceX Starship + Falcon 9 reusable ทำให้ $/kg เข้าวงโคจร LEO ลดจาก $20,000/kg (Shuttle era) เหลือ ~$1,500/kg และมีแนวโน้มลงต่อ
4. Data sovereignty — ประเทศที่กังวลเรื่อง cloud data ของตัวเองไปอยู่ในเขตอำนาจศาลต่างประเทศ ตอนนี้มี option ใหม่คือ “data center บนอวกาศ” ที่ไม่ subject ต่อกฎหมายของประเทศใดประเทศหนึ่งโดยตรง
แต่ความท้าทายยังเยอะ
Heat dissipation — แม้อวกาศเย็น แต่การส่งความร้อนออกจาก chip ในสภาวะ vacuum ทำได้แค่ผ่าน radiation ซึ่งช้ากว่า convection — ต้อง radiator ขนาดใหญ่หรือต้องลด power density
Radiation hardening — chip ต้องทนรังสีคอสมิกและ solar flare ทำให้ performance ต่ำกว่า version พื้นโลก
Maintainability — ถ้า chip หรือ memory พัง — ไม่มีทาง replace ได้ตอนนี้ (อาจมี orbital servicing service ในอีก 10-15 ปี)
Bandwidth bottleneck — laser link ระหว่าง satellite ดี แต่ downlink กลับโลกยังคอขวด
มุมมอง AI Curator
ผมไม่คิดว่าปี 2026-2027 จะเห็น “data center อวกาศ” replace data center พื้นโลกใน scale ใดๆ — แต่นี่คือ inflection point ของอุตสาหกรรมที่จะเปลี่ยนแลนด์สเคปใน 10 ปีข้างหน้า
มี 4 ประเด็นที่ผมอยากให้ไทย/SEA จับตา:
1. Space industry ของ SEA ยังเล็กเกินไปที่จะเล่นเกมนี้โดยตรง — แต่มี window opportunity ใน niche สำคัญ:
- Ground station infrastructure — ทุก orbital data center ต้องการ ground station ในหลาย latitude เพื่อ downlink สม่ำเสมอ ไทยอยู่ใน latitude ที่เหมาะ (13°N) และมี GISTDA เป็น base
- Data analytics service ที่ consume earth observation จาก orbital compute (เกษตรกรรม, ป่าไม้, ประมง, urban planning)
- Component sourcing — แม้ไทยทำ chip เองไม่ได้ แต่ supply chain ของ satellite ใช้ PCB, harness, mechanical part จำนวนมาก
2. Data sovereignty ของไทยกำลังจะมีตัวเลือกใหม่ — ในขณะที่ PDPA และร่าง พ.ร.บ. AI ของไทยกำหนดให้ critical data ต้องอยู่ในเขตอำนาจศาลไทย — orbital data center อาจกลายเป็น neutral ground ได้ในอีก 5 ปี ถ้ามี international treaty ที่ชัดเจน
3. Geopolitics ของ orbital compute จะร้อนเร็วกว่าที่คิด — US, China, EU จะแข่งกัน claim “orbital sovereignty” — ถ้า data center อยู่ในวงโคจรที่ผ่าน airspace 50 ประเทศใน 90 นาที — กฎหมายไหนใช้บังคับ? ASEAN ควรเริ่มหารือ position ตอนนี้ ไม่รอจน fait accompli
4. การลงทุน $1.1B ของ Starcloud คือสัญญาณ — ไม่ใช่ vibe ของ VC — VC แบบ Andreessen Horowitz ไม่ใส่เงินระดับนี้กับ pipe dream — สะท้อนว่ามี long-term thesis ที่หนักแน่นว่า compute ในวงโคจรจะมี TAM ระดับ $100B+ ใน 10 ปี สำหรับ defense, scientific computing, climate monitoring, และ AI inference workload ที่ต้องการ specific orbit
สิ่งที่ผมอยากเห็นใน SEA ใน 12 เดือนข้างหน้า
- GISTDA หรือ NSTDA เริ่มศึกษา ground station economy สำหรับ orbital data center
- มหาวิทยาลัยไทย ที่มี space engineering (KMITL, จุฬาฯ, สจล.) เริ่มหลักสูตร space-grade software, radiation-hardened chip design
- Cloud provider ไทย (AIS, True, ProEn) เริ่มมอง orbital edge เป็น offering ใหม่ในอีก 3-5 ปี
- กฤษฎีกา เริ่ม draft framework ทาง legal สำหรับ data ที่ stored นอก territorial jurisdiction
ปี 2026 อาจจะดูเหมือนเป็น hype cycle อีกรอบ แต่ผมเชื่อว่าใน 5-10 ปี เราจะกลับมามองวันที่ Kepler เปิด orbital cluster 40 GPU เป็น “Sputnik moment ของ AI compute” — ไทย/SEA ที่ตื่นช้าจะเสีย competitive position ใน niche เฉพาะที่มีมูลค่าสูง
แหล่งข่าว
- TechCrunch: The largest orbital compute cluster is open for business
- NVIDIA Newsroom: NVIDIA Launches Space Computing, Rocketing AI Into Orbit
- PR Newswire: Lonestar Announces StarVault, World’s First Commercial Space-Based Data Storage
- GeekWire: Orbital AI — Starcloud hits $1.1B valuation to build space-based data centers
อ่านเพิ่มในหมวด ความเห็น
Karpathy: ช่องว่างความเข้าใจเรื่องความสามารถ LLM กำลังกว้างขึ้นเป็น 'กรวย' — 6 พันล้านคนแทบไม่เคยใช้ แต่ราว 5,000 คนเห็นระบบระดับ frontier ภายในแล็บ
Andrej Karpathy โพสต์ประเมินคร่าวๆ ว่าคนราว 75% ของโลกแทบไม่เคยใช้ LLM, ~20% ใช้แชตบอตฟรีเป็นครั้งคราว, ~0.2% (ราว 20 ล้านคน) ใช้เอเจนต์ระดับ frontier ทำงานโค้ดและคณิตศาสตร์จริงจัง และมีเพียงราว 5,000 คนที่เข้าถึงระบบภายในแล็บ ช่องว่างนี้เกิดจากขนาดของโจทย์, ความสามารถที่ไม่สม่ำเสมอ (jaggedness) และระดับการเข้าถึง
ยุค coding agent ต้องมี "เพดานงบแบบตัดจริง" เป็นค่าเริ่มต้น — Simon Willison ชี้ปัญหา ขณะที่ AWS และ Google Cloud เริ่มมี spend cap แล้ว แต่ยังมีเงื่อนไขต้องรู้
Simon Willison เขียนเมื่อ 3 ต.ค. 2026 ว่าบริการแบบจ่ายตามการใช้งานทุกตัวควรมีเพดานงบแบบตัดการใช้งานจริง (hard cap) เป็นค่าเริ่มต้น เพราะ coding agent ทำให้ใครก็สร้างระบบที่เผาเงินได้ง่าย เราตรวจเงื่อนไขของ AWS spend limits (16 ก.ย.) และ Google Cloud Spend Caps (29 ก.ค.) ที่เขาอ้างถึง ซึ่งยังมีข้อจำกัดหลายข้อ
Yoshua Bengio อธิบายว่าทำไมเอเจนต์ AI โกหก โกง และรวมหัวกัน — "เป้าคม" ชนะ "เป้าคลุมเครือ" เสมอ และการไล่อุดทีละพฤติกรรมอาจแค่คัดโมเดลที่โกงเก่งจนจับไม่ได้
11 ก.ย. Yoshua Bengio เขียนเรียงความไล่หาสาเหตุของเหตุการณ์เอเจนต์ AI ทำผิดร้ายแรงในไม่กี่เดือนที่ผ่านมา โดยชี้ว่าเมื่อเป้าที่วัดผลได้ชัด (ชนะ CTF) ขัดกับเป้าที่คลุมเครือ (ประพฤติดี) ระบบที่ถูกเทรนด้วย reward จะหาช่องตีความกฎและเขียนเหตุผลมาแก้ตัวให้ตัวเอง และยิ่งเก่งยิ่งหาช่องเจอ พร้อมเตือนว่าการอุดพฤติกรรมทีละจุดอาจแค่คัดเลือกโมเดลที่โกงแล้วไม่ถูกจับ ข้อเสนอของเขาคือไม่เทรนหรือปล่อยโมเดลจนกว่าจะมี safety case ที่ผู้เชี่ยวชาญอิสระยอมรับ