AI Safety และ Cybersecurity: จาก "ตัวเบรก" สู่ "ตัวเร่ง" Enterprise AI Deployment

Safety ตามไม่ทัน Capability — Frontier Pacing กลายเป็น Investment Thesis ใหม่ด้าน Security

Yuanta CIO มองว่า Cybersecurity กำลังเปลี่ยนจากสินทรัพย์ที่ลงทุนตามดุลพินิจ ไปสู่ "Structural Positioning" เพราะ Security เริ่มเป็นตัวกำหนดว่า Enterprise AI จะ Deploy ได้เร็วแค่ไหน ซึ่งสอดคล้องกับมุมมองของ CrowdStrike ที่ระบุว่า Security กำลังเปลี่ยนจาก "ตัวเบรก" มาเป็น "ตัวเร่ง" และทำให้ AI-native Security ที่ปัจจุบันยังอยู่นอกตลาดส่วนใหญ่มีความน่าสนใจอย่างมาก

รูป: AI Capability vs Safety Gap Over Time

Dario Amodei (Anthropic) เสนอแนวคิด "Pace the Frontier" — ชะลออัตราการเพิ่ม Capability เพื่อซื้อเวลาให้ระบบป้องกันตามทัน โดยไม่ได้หมายถึงหยุด Training หรือหยุดพัฒนา AI Sam Altman เห็นด้วยกับหลักการนี้ และ Elon Musk กับ Demis Hassabis (DeepMind) ก็สนับสนุนทิศทางดังกล่าว ปัจจัยเร่งที่น่ากังวลคือ Recursive Self-Improvement ซึ่งเกิดขึ้นเมื่อ AI เริ่มช่วย Research, เขียน Code และทำ Experiment สำหรับ Model รุ่นถัดไป ทำให้ยิ่ง AI เก่งขึ้นก็ยิ่งเร่งการพัฒนา AI รุ่นต่อไปได้เร็วขึ้นอีก

Dario ยกเหตุการณ์ OAI-HF เป็นตัวอย่างที่เห็นเป็นรูปธรรม โดย Agent ที่กำลังทดสอบงานด้าน Cyber กลับโจมตี Target นอกภารกิจ และพยายามแทรกแซงระบบที่ใช้ตรวจและให้คะแนนผลงานของตัวเอง เขากังวลว่าหากความสามารถยังเพิ่มด้วยความเร็วเดิม อีกเพียง 6–12 เดือน Agent ที่ยังมีปัญหา Misalignment อาจสร้าง Persistent Botnet และก่อความเสียหายระดับหลายแสนล้านดอลลาร์ แนวทางที่ Dario เสนอมี 3 ขั้น ได้แก่ ให้ผู้ตรวจสอบอิสระเข้าไปตรวจสอบกระบวนการพัฒนา AI ภายในบริษัทอย่างต่อเนื่อง จากนั้นให้ Frontier Labs กำหนดมาตรฐานและข้อจำกัดด้านความปลอดภัยร่วมกัน และสุดท้ายขยายไปสู่ข้อตกลงระหว่างประเทศ Dario ยอมรับข้อจำกัดว่าสหรัฐฯ ไม่สามารถชะลอ AI ฝ่ายเดียวได้นานเกินไป เพราะอาจเปิดโอกาสให้จีนไล่ทัน จึงต้องรักษาความได้เปรียบไปพร้อมกันผ่านมาตรการเช่นการจำกัดการส่งออก Advanced AI Chips

CrowdStrike: Guardian และ SafeMind — AI Security ที่เริ่มขายจริงและสร้างรายได้

CrowdStrike เปิดตัว Guardian สำหรับป้องกัน AI Agent และเริ่มขายทันที โดยบริษัทมองว่าในอนาคตตลาด AIDR อาจใหญ่กว่า EDR ซึ่ง ARR ของ AIDR เติบโตเกือบ 3 เท่า QoQ ในรอบก่อน นอกจากนี้ยังเปิดตัว SafeMind ที่ใช้ AI ฝั่งโจมตีและฝั่งป้องกันมาซ้อมกันอัตโนมัติ เพื่อช่วยหาช่องโหว่และปรับระบบป้องกันให้เร็วขึ้น โดยคาดเริ่มสร้างรายได้ใน FY28 จุดเด่นเชิงต้นทุนของ SafeMind คือในการทดสอบงานแก้ปัญหา Security เดียวกัน Frontier Model มีต้นทุนราว $10 แต่ SafeMind ราว $0.03 เพราะเป็น AI ที่ทำมาเฉพาะงาน Security และจะคิดค่าบริการตามจำนวน Token ที่ใช้

ด้าน Commercial Model นั้น CFO ระบุว่าหากจะขายแบบไม่ใช่ Flex ต้องขออนุมัติเป็นกรณีพิเศษ และมองว่าในอนาคตอาจเหลือ Flex เป็นรูปแบบเดียว ซึ่งลูกค้าที่เปลี่ยนมา Flex มี ARR เพิ่มเฉลี่ยมากกว่า 40% CrowdStrike ยังดึงเป้าหมายเข้ามา โดยตั้งเป้า $10bn ARR ภายใน FY30 (จากเดิม FY31) และ $20bn ภายใน FY35 (จากเดิม FY36) ขับเคลื่อนโดย Guardian, SIEM, Cloud และ Identity พร้อมตั้งเป้า FY28 Free Cash Flow Margin ที่ 32.5% แม้ต้นทุน Hardware/Data Center จะสูงขึ้น

Palo Alto: Prisma AIRS และ Mythos — ตลาด AI Security ยังอยู่ช่วงเริ่มต้น

Palo Alto ยืนยันว่าตลาด AI Security ยังอยู่ในช่วงเริ่มต้น CEO ระบุว่าตอนนี้ยังไม่มีใครมี AI Security ที่ครบทุกอย่าง เพราะเทคโนโลยี AI เปลี่ยนเร็วและหลายระบบยังเปิดช่องให้ Security เข้าไปควบคุมได้ไม่ครบ จากการทดสอบจริงพบว่า Mythos หาช่องโหว่ได้ราว 60%, OpenAI ราว 30% และ Model อื่นอีกราว 10% จึงต้องใช้หลาย Model ร่วมกัน การเปิดตัว Mythos ส่งผลให้ Palo Alto ได้คุยเรื่อง AI Security กับ CEO, CIO และ CISO ของลูกค้าราว 2,000 บริษัทแล้ว

ในเรื่อง Model Architecture CEO อธิบายว่า Frontier Model แพงเกินไปสำหรับรันบนเครื่องผู้ใช้ตลอดเวลา จึงควรใช้ AI Model เล็กสำหรับงานทั่วไปและใช้ Frontier Model เฉพาะงานที่ยากกว่า ซึ่งสอดคล้องกับกลยุทธ์ Prisma AIRS ที่เน้นป้องกัน AI และ AI Agent

นัยต่อสินทรัพย์การลงทุน

• CrowdStrike (Guardian/SafeMind): AI-native Security กำลังเปลี่ยนจาก Discretionary เป็น Structural Positioning เพราะ Hyperscaler รายใหญ่ต้องการ Security เพื่อเร่ง Deploy AI ให้เร็วขึ้น; ARR Target ถูกดึงเข้ามา 1 ปีพร้อม FCF Margin Target FY28 ที่ 32.5%
• Palo Alto (Prisma AIRS): ตลาด AI Security ยังอยู่ช่วงเริ่มต้น แต่ Pipeline ผู้บริหารลูกค้าราว 2,000 บริษัทที่คุยเรื่อง AI Security แล้วสะท้อนโอกาสที่กว้างมาก
• Enterprise AI Deployment: Security กลายเป็น Gating Factor ที่กำหนดความเร็วของ Deployment ทำให้ AI-native Security เป็นตัวเร่งมากกว่าตัวเบรกของ AI Cycle โดยรวม

มุมมอง Yuanta CIO

Yuanta CIO มองว่าในระยะสั้นข่าวเรื่อง Frontier AI Pacing อาจกด Sentiment ต่อ AI แต่ยังไม่เปลี่ยน Growth Story เพราะ Token Usage จะโตจาก Inference มากขึ้น ขณะที่ Training ยังเดินหน้าต่อ สิ่งที่อาจช้าลงคือการ Deploy Model ใหม่ ซึ่งยิ่งทำให้ Bottleneck ถัดไปอยู่ที่ Cybersecurity โดยตรง ความเร็วในการ Deploy AI จะขึ้นอยู่กับว่าองค์กรสามารถควบคุมความเสี่ยงได้ดีแค่ไหน ทำให้กลุ่มที่ระบุข้างต้นมีความน่าสนใจอย่างมากในฐานะการลงทุนเชิงโครงสร้าง