ข้ามไปยังเนื้อหา
Nebius ทุ่ม $643M ซื้อ Eigen AI — ดวลศึก inference layer ที่กลายเป็นชั้นมูลค่าสูงสุดของ AI infra
ธุรกิจและกฎหมาย

Nebius ทุ่ม $643M ซื้อ Eigen AI — ดวลศึก inference layer ที่กลายเป็นชั้นมูลค่าสูงสุดของ AI infra

อ่าน 5 นาที ที่มา: Nebius / Bloomberg

วันที่ 1 พฤษภาคม 2026 Nebius Group ผู้ให้บริการคลาวด์สำหรับ AI ที่แยกตัวจาก Yandex และจดทะเบียนใน Nasdaq ประกาศเซ็นสัญญาซื้อกิจการ Eigen AI (MagicByte, Inc.) สตาร์ตอัป inference optimization จาก Bay Area ในดีลมูลค่ารวมประมาณ $643 ล้านดอลลาร์สหรัฐฯ ประกอบด้วยเงินสดราว $98 ล้าน บวกหุ้น Class A ของ Nebius 3.8 ล้านหุ้น (คำนวณจากราคาเฉลี่ย 30 วันถ่วงน้ำหนัก ณ วันเซ็นสัญญา)

ตัวเลข $643M สำหรับสตาร์ตอัปที่มีพนักงานเพียง 20 คน สะท้อนสิ่งหนึ่งชัดเจน: ในยุคที่ frontier model มีต้นทุนต่อ token ที่ลูกค้าเริ่มแบกไม่ไหว inference layer กำลังกลายเป็นชั้นที่มีมูลค่ามากที่สุดของ AI infrastructure stack มากกว่าตัวโมเดลเองในบางกรณี

ดีลมาทำอะไร

Eigen AI ก่อตั้งโดยศิษย์เก่าจากแล็บ AI ของ MIT — ทีมงานเล็กแต่ specialize ใน GPU throughput optimization สำหรับ production inference โดยเฉพาะการบีบประสิทธิภาพออกจากแต่ละ GPU ที่รัน LLM ให้ได้มากที่สุดต่อชิ้น hardware

เป้าหมายของ Nebius คือเอา stack นี้ไปผนวกกับ Nebius Token Factory ซึ่งเป็น managed inference platform ที่ Nebius พยายามขยายเพื่อแข่งกับ Together AI, Fireworks AI, Lambda Labs, และ AWS Bedrock ตลาด managed inference สำหรับ open-weight model (Llama, Qwen, DeepSeek, Mistral) และโมเดล proprietary ที่ deploy แบบ dedicated

ตามแถลงของ Nebius ดีลนี้ทำสามอย่างพร้อมกัน:

  1. เพิ่ม margin ต่อ GPU ที่รันใน Nebius cloud — แปลตรง ๆ คือ “rev per GPU” ที่สูงขึ้นโดยไม่ต้องซื้อ Hopper/Blackwell เพิ่ม
  2. ดึงทีม inference research ระดับ MIT มาเสริม R&D ภายใน
  3. เร่งการขยายตลาดสหรัฐฯ — ปัจจุบัน Nebius ฐานหลักอยู่ในยุโรป

ทำไม inference layer ถึงสำคัญตอนนี้

ปลายปี 2025 ถึงต้น 2026 เกิดสามแรงพร้อมกัน:

  • โมเดลใหญ่ขึ้นเร็วกว่า GPU — GPT-5.5, Claude Opus 4.7, Gemini 3 Pro มี context และ reasoning depth ที่กิน compute ต่อ request มากขึ้นเรื่อย ๆ
  • Reasoning โมเดลรัน “นาน” ต่อคำตอบ — โมเดลแบบ o-series, Claude extended thinking, Gemini Deep Think ใช้ token จำนวนมากในการคิด ทำให้ต้นทุน inference ต่อคำตอบสูงกว่าโมเดลรุ่นก่อนหลายเท่า
  • Agent workload ระเบิด — Claude Code, Codex, Gemini CLI, Microsoft Agent 365 ทำให้ปริมาณ token ต่อ session กระโดดอีก 10-100 เท่า เทียบกับ chat ปกติ

ผลคือ ทุก ๆ % ที่ inference engineer บีบออกจาก GPU ได้ แปลเป็น ล้านดอลลาร์ต่อปี สำหรับ provider — และเป็นล้านดอลลาร์ที่ลูกค้าจ่ายน้อยลง ความ asymmetric แบบนี้คือเหตุผลที่ทีม 20 คนของ Eigen ขายตัวได้ $643M

บริบทตลาด: ใครแข่งกับใคร

ภาพ inference layer ตอนนี้ซ้อนกันสามชั้น:

  • Hyperscaler — AWS Bedrock (เพิ่งเปิดให้ OpenAI ขึ้น), Azure (Foundry), Google Cloud (Vertex AI) — ครบ stack แต่ไม่ tune optimization ลึกที่สุด เพราะต้องรองรับ workload ทั่วไป
  • Specialized inference — Together AI, Fireworks AI, Groq, Cerebras, Lambda, Nebius — เน้น throughput และ latency ต่ำที่สุด เป็น cost leader สำหรับ open model
  • In-house ของ model lab — OpenAI, Anthropic, Google DeepMind — รัน infra ของตัวเองเพื่อความเป็นส่วนตัวและ margin

Eigen AI เป็นการเติม “ฟันที่หาย” ของ Nebius ในขั้นที่สอง — ตอนนี้ Nebius มีทั้ง compute capacity ระดับโลก, ทีม R&D, และเทคโนโลยี optimization specialist ทั้งหมดในที่เดียว

มุมมอง AI Curator

ดีลนี้ไม่ได้แค่เรื่อง $643M — แต่คือสัญญาณว่า AI infrastructure stack กำลัง consolidate รอบ “inference economics” ไม่ใช่ “model quality” อีกต่อไป

สำหรับนักพัฒนาไทยและองค์กร SEA ที่กำลัง deploy LLM ใน production มีสามบทเรียน:

หนึ่ง — ต้นทุน inference ต่อ token จะลดเร็วกว่าที่หลายคนคิด ราคา GPT-5.5 mini, Gemini 3 Flash-Lite, Claude Haiku 4.5 ถูกอยู่แล้ว และ Nebius/Together/Fireworks กำลังบีบให้ต่ำกว่าอีก ใครที่ตั้งราคา product บนสมมติฐานต้นทุน inference ปี 2025 จะโดน margin บีบแบนภายในปีนี้

สอง — multi-provider จะกลายเป็น default เพราะแต่ละ provider เก่งคนละ model class — Together เก่ง Llama, Fireworks เก่ง Qwen, Nebius กำลังจะเก่ง mixed workload — การ lock-in กับ provider เดียวเริ่มไม่ make sense ทาง economic แล้ว gateway แบบ OpenRouter, LiteLLM, B.AI ที่เพิ่งเปิด จะกลายเป็นชั้นกลางที่หลีกเลี่ยงไม่ได้

สาม — สำหรับองค์กรไทยที่กังวลเรื่อง data residency Nebius และ Together ยังไม่มี region ในเอเชียตะวันออกเฉียงใต้ — หน้าต่างนี้คือโอกาสของ regional inference provider (เช่น SCB10X, KBTG, AIS, NT) ที่จะเข้าตลาดด้วย proposition “Thai data stays in Thailand” — แต่ต้องรีบ เพราะ Nebius เพิ่งซื้อ talent ที่จะทำให้ราคาของเขาถูกลงอีก 30-50% ภายใน 12 เดือนข้างหน้า

ดีล Eigen ไม่ใช่แค่ deal ระหว่างสองบริษัท — แต่คือ leading indicator ว่า AI gold rush รอบต่อไปอยู่ที่คนขายอุปกรณ์ขุด ไม่ใช่ทอง

แหล่งข่าว

บทความนี้เรียบเรียงจากแหล่งข่าวต้นทาง — Nebius / Bloomberg

เนื้อหาบน blog นี้สร้างโดย AI โดยมีการกำกับบรรณาธิการจากมนุษย์

อ่านเพิ่มในหมวด ธุรกิจและกฎหมาย

Anthropic ขยายลายน้ำข้อความไปยัง Claude รุ่นเก่าอีก 4 รุ่น แต่บน Opus 4.6 และ Sonnet 4.6 แค่ปรับ temperature ลายน้ำก็ไม่ทำงาน
ธุรกิจและกฎหมาย

Anthropic ขยายลายน้ำข้อความไปยัง Claude รุ่นเก่าอีก 4 รุ่น แต่บน Opus 4.6 และ Sonnet 4.6 แค่ปรับ temperature ลายน้ำก็ไม่ทำงาน

อีเมลถึงลูกค้า API ตามรายงานของ The Decoder ระบุว่า Anthropic จะใส่ลายน้ำให้ Mythos 5, Opus 4.7, Opus 4.6 และ Sonnet 4.6 แต่สองรุ่นหลังทำงานเฉพาะเมื่อพารามิเตอร์สุ่มเป็นค่าเริ่มต้น ขณะที่หน้าเอกสารทางการยังไม่แสดงการรองรับและไม่พูดถึงเงื่อนไขนี้

· อ่าน 4 นาที
OpenAI จะนำเซสชัน Daybreak Blue ไปเทรนโมเดลตั้งแต่ 29 พ.ย. แม้ปิดการแชร์ข้อมูลไว้ ก่อนส่งอีเมลขอโทษและสัญญาว่าจะมีตัวเลือกแยก
ธุรกิจและกฎหมาย

OpenAI จะนำเซสชัน Daybreak Blue ไปเทรนโมเดลตั้งแต่ 29 พ.ย. แม้ปิดการแชร์ข้อมูลไว้ ก่อนส่งอีเมลขอโทษและสัญญาว่าจะมีตัวเลือกแยก

OpenAI แจ้งสมาชิก Trusted Access ว่าจะใช้ข้อมูลเซสชัน Daybreak Blue เทรนโมเดลตั้งแต่ 29 พ.ย. แม้เคยปิดการแชร์ไว้ หลังถูกต้าน อีเมลฉบับที่สองขอโทษและสัญญาว่าจะมีตัวเลือกไม่เข้าร่วมแยกต่างหาก แต่เซสชันที่ถูกตั้งธงยังอาจถูกใช้เพื่อความปลอดภัย

· อ่าน 3 นาที
OpenAI รื้อ Model Spec เป็น 5 คุณค่าหลัก — เลิกเรียกว่า the assistant ตัดกฎสไตล์ส่วนใหญ่ และสั่งให้ถือผลข้างเคียงเป็นของจริงแม้อยู่ใน eval
ธุรกิจและกฎหมาย

OpenAI รื้อ Model Spec เป็น 5 คุณค่าหลัก — เลิกเรียกว่า the assistant ตัดกฎสไตล์ส่วนใหญ่ และสั่งให้ถือผลข้างเคียงเป็นของจริงแม้อยู่ใน eval

Model Spec ฉบับ 29 ต.ค. จัดโครงใหม่เป็น 5 คุณค่า เพิ่มหมวดการใช้บริบทและความจำ และหลักการรองรับการกำกับโดยมนุษย์ ขณะที่กฎสไตล์ส่วนใหญ่ รวมถึงหัวข้อ Markdown ถูกนำออก OpenAI ยังยอมรับว่าโมเดลที่ใช้งานจริงยังไม่ตรงตามเอกสารทั้งหมด

· อ่าน 4 นาที