ดาวเทียมถ่ายรูปโลกทั้งใบทุกวัน แต่เงินไม่ได้อยู่ที่ “ภาพ”

เมื่อก่อนภาพถ่ายดาวเทียมเป็นของหายากและแพงมาก ต้องเป็นรัฐบาลหรือหน่วยข่าวกรองเท่านั้นถึงจะมี และกว่าจะได้ภาพพื้นที่หนึ่งอาจรอเป็นสัปดาห์ แต่ตอนนี้ราคาส่งดาวเทียมขึ้นวงโคจรถูกลงมหาศาล (ดูได้ที่ Launch Services) บวกกับดาวเทียมเล็กลงจนเท่ากล่องรองเท้า ผลคือบริษัทเอกชนส่งดาวเทียมขึ้นไปได้เป็นฝูง และเปลี่ยนภาพถ่ายโลกจาก “ภาพนิ่งที่หายาก” เป็น “แผนที่โลกที่อัปเดตทุกวัน”

มูลค่าของมันคืออะไร? ลองคิดว่าถ้าคุณ มองเห็นทุกที่บนโลกได้ทุกวัน คุณจะรู้อะไรก่อนคนอื่น: ไร่ข้าวโพดในบราซิลแล้งกว่าปกติ → ราคาธัญพืชจะขึ้น · ลานจอดรถห้างเต็มกว่าปีก่อน → ยอดขายไตรมาสนี้ดี · เรือบรรทุกน้ำมันจอดนิ่งนอกชายฝั่งเพิ่มขึ้น → น้ำมันกำลังล้นตลาด นี่คือเหตุผลที่กองทุน เฮดจ์ฟันด์ บริษัทประกัน และกองทัพ ยอมจ่ายแพงเพื่อ “การมองเห็น” แบบนี้

ภาพรวมตลาดสะท้อนเรื่องนี้ชัด ตลาด Geospatial Analytics (การวิเคราะห์ข้อมูลเชิงพื้นที่) ทั้งหมดมีมูลค่าราว $114,000 ล้านในปี 2024 และคาดว่าจะโตเป็น ~$227,000 ล้านในปี 2030 (CAGR ~11%) ส่วนเฉพาะ “ชั้นวิเคราะห์ภาพ” ที่ใกล้กับ EO ที่สุดก็โตต่อเนื่องเช่นกัน

แต่ตัวเลขที่เล่าเรื่อง “เงินอยู่ไหน” ได้ดีที่สุดคืออันนี้: ขนาดของ การถ่ายภาพ EO ดิบๆ จากดาวเทียม อยู่ที่ราว $4,300 ล้านในปี 2025 เท่านั้น — เล็กกว่าตลาดวิเคราะห์ภาพ ($12,100 ล้าน) เกือบ 3 เท่า กล่าวคือ ทุกๆ 1 ดอลลาร์ที่จ่ายให้ “ภาพดิบ” มีอีกหลายดอลลาร์ที่จ่ายให้ “การตีความภาพ”

หัวใจของบทเรียนนี้คือการเข้าใจ “สายพานการผลิตคุณค่า” ของ EO ว่าทำไมเงินถึงไหลไปอยู่ปลายสาย ไม่ใช่ต้นสาย มันมี 4 ขั้น และในแต่ละขั้น สินค้าที่ได้จะ “แพงขึ้นและก๊อปยากขึ้น” เรื่อยๆ

ขั้นแรก ฝูงดาวเทียม (constellation) หลายร้อยดวงโคจรถ่ายภาพ ขั้นที่สอง ภาพดิบถูกส่งลงสถานีภาคพื้นดิน — แต่ภาพดิบล้วนๆ แทบไม่มีมูลค่า เพราะใครมีฝูงดาวเทียมก็ถ่ายได้เหมือนกัน (มันคือ “โภคภัณฑ์”) ขั้นที่สาม AI กวาดดูภาพมหาศาลแล้วหา “สิ่งที่เปลี่ยนไป” เทียบวันต่อวัน นับรถ นับเรือ จับท่อรั่ว และขั้นที่สี่ — ขั้นที่เงินอยู่ — แปลงสิ่งที่ AI เห็นให้เป็น “คำตอบ” ที่ลูกค้าเอาไปตัดสินใจได้ทันที

นี่คือเหตุผลที่ทั้งวงการพูดเรื่องเดียวกัน: การย้ายจาก “ขายภาพต่อตารางกิโลเมตร” ไปสู่ “ขายคำตอบเป็นบริการ” (insights-as-a-service) เพราะภาพดิบนั้นใครๆ ก็ถ่ายได้และราคากำลังถูกลง แต่ AI ที่ฝึกมาเฉพาะทาง — รู้ว่าหน้าตาท่อก๊าซรั่วมีเทนเป็นยังไง รู้ว่าเรือประมงผิดกฎหมายเคลื่อนที่แบบไหน — นั่นคือสิ่งที่คู่แข่งลอกเลียนยาก

ตัวอย่างที่เป็นรูปธรรมที่สุดในปี 2025 คือเมื่อ Planet Labs จับมือกับ Anthropic เอาภาพถ่ายโลกรายวันมาป้อนให้โมเดล AI ตัว Claude ช่วย “อ่าน” หาความผิดปกติทั่วโลกแบบอัตโนมัติ — จากที่เคยต้องใช้นักวิเคราะห์คนนั่งจ้องภาพทีละแผ่น กลายเป็น AI กวาดดูทั้งโลกได้ในเวลาไม่นาน นี่คือชั้นที่ 4 ที่กำลังกลายเป็นสมรภูมิจริง

EO เป็นหนึ่งในเจ็ดสาขาย่อยของ Space Economy และมันเป็นสาขาที่ “เอาเงินกลับมาให้โลก” ได้จริงเร็วที่สุดสาขาหนึ่ง เพราะลูกค้าจ่ายเพื่อข้อมูลที่ใช้ได้ทันที ไม่ต้องรอเทคโนโลยีสุกงอมอีกสิบปี มันเชื่อมกับเพื่อนบ้านในระบบนิเวศแบบนี้:

• นั่งบน Launch Services: ค่าส่งของขึ้นวงโคจรที่ถูกลงคือเหตุผลที่ฝูงดาวเทียมหลายร้อยดวงเกิดขึ้นได้ตั้งแต่แรก
• ซื้อตัวดาวเทียมจาก Satellite Manufacturing: บางบริษัท EO สร้างดาวเทียมเอง (Planet, Satellogic) บางรายซื้อจากผู้ผลิต — ตัวบัสและกล้อง/เรดาร์มาจากสาขานี้
• ป้อน Artificial Intelligence เป็นวัตถุดิบ: ภาพถ่ายโลกรายวันคือ “อาหาร” ชั้นดีของโมเดล AI — และในทางกลับกัน AI ก็คือสิ่งที่เปลี่ยนภาพดิบให้มีค่า ทั้งสองพึ่งกัน
• ถูกขับด้วย Defense & Geopolitics: ความตึงเครียดของโลกคือเชื้อเพลิงดีมานด์ — กองทัพและหน่วยข่าวกรองคือลูกค้ารายใหญ่ที่สุด (ดูบทถัดไป)
• เสริม Climate Adaptation & Water และ Smart City: ภาพถ่ายต่อเนื่องคือเครื่องมือเฝ้าน้ำท่วม ภัยแล้ง ป่าไม้ และวางผังเมือง

ข้อควรรู้: ในแผนผังของเรา EO ที่เป็น เชิงพาณิชย์ อยู่ในเทรนด์ Space Economy ส่วน “ดาวเทียมสอดแนมของกองทัพล้วนๆ” จะแยกไปอยู่ฝั่ง Space Defense แต่ในความเป็นจริงเส้นแบ่งนี้พร่ามัวลงทุกวัน เพราะบริษัทเอกชนกลายเป็นซัปพลายเออร์หลักให้กองทัพไปแล้ว

ความจริงที่หลายคนแปลกใจคือ ทั้งที่ทุกคนพูดเรื่อง “ตลาดเชิงพาณิชย์มหาศาล” แต่วันนี้เงินจริงๆ ราว 80% ของรายได้ EO ทั้งวงการมาจากกองทัพและรัฐบาล ส่วนตลาดพาณิชย์ (เกษตร ประกัน การเงิน) ยังเป็นแค่ ~20% เท่านั้น — นี่คือ “ความย้อนแย้งของ EO”: บริษัทระดมทุนมาด้วยฝันเรื่องตลาดพาณิชย์ แต่คนจ่ายเงินจริงคือเพนตากอนและหน่วยข่าวกรอง

นี่คือหลักฐานสดๆ จากปี 2025: เยอรมนีเซ็นสัญญาซื้อข้อมูลเรดาร์จากบริษัทเอกชน ICEYE (ร่วมกับ Rheinmetall) มูลค่าถึง €1,760 ล้าน และหน่วยข่าวกรองภาพถ่ายสหรัฐฯ (NGA) เปิดโครงการ “Luno” จ้างเอกชนทำการวิเคราะห์ภาพด้วย AI — เช่น ให้ BlackSky ทำ “ตรวจจับสิ่งที่เปลี่ยนไป” แบบอัตโนมัติ ดีมานด์ฝั่งกองทัพคือเครื่องยนต์ที่แท้จริงของวงการตอนนี้

ฝั่งเทคโนโลยี เกมเปลี่ยนไปเพราะ “ความถี่” ไม่ใช่แค่ “ความคมชัด” อีกต่อไป Planet Labs มีฝูง Dove กว่า 200 ดวง (เล็กเท่ากล่องรองเท้า) ถ่ายพื้นโลก ทั้งใบทุก 24 ชั่วโมง ที่ความละเอียดราว 3.7 เมตร — ภาพไม่ได้คมที่สุด แต่ “ถ่ายทุกวัน” คือคุณค่า ขณะที่เจ้าตลาดความคมชัดสูงอย่าง Maxar/Vantor เน้นภาพที่ชัดระดับเห็นรถยนต์แต่ละคัน และฝั่ง SAR (เรดาร์) กำลังโตเร็วที่สุดเพราะมัน “เห็น” ได้ทุกสภาพอากาศ

ที่น่าสนใจคือผู้เล่น “ตัวจริง” หลายรายยังเป็นบริษัทเอกชนที่ไม่อยู่ในตลาดหุ้น — ICEYE (เรดาร์, ฟินแลนด์) และ Capella (เรดาร์, สหรัฐฯ) ทำรายได้และเซ็นสัญญากองทัพเป็นพันล้าน แต่ยังไม่ IPO ส่วน Maxar ถูกบริษัทไพรเวตอิควิตี้ Advent ซื้อไปด้วยมูลค่า $6,400 ล้านในปี 2023 (ปัจจุบันเปลี่ยนชื่อเป็น Vantor) ฉะนั้นผู้เล่นที่ซื้อหุ้นได้ตรงๆ จึงเป็นกลุ่มเฉพาะ — เราเลือกหยิบรายเด่นมาเล่า

ทิศทางแรกชัดเจนที่สุดคือ “ขึ้นไปอยู่ชั้นวิเคราะห์ให้สุด” ทุกบริษัทรู้ว่าการขายภาพดิบคือทางตัน เพราะราคามีแต่จะลง เป้าหมายคือเป็นเจ้าของ “คำตอบ” ที่ลูกค้ากดดูได้บนแดชบอร์ดทันที — ราคาผลผลิตการเกษตรทั้งทวีป จำนวนเรือทุกท่าเรือ การรั่วของก๊าซเรือนกระจกทุกแหล่ง โมเดลธุรกิจกำลังเปลี่ยนจาก “จ่ายต่อตารางกิโลเมตร” เป็น “สมัครสมาชิกเพื่อรับคำตอบ” (subscription)

ทิศทางที่สองคือ AI บนดาวเทียมโดยตรง (edge AI) แทนที่จะส่งภาพดิบทั้งหมดลงมาประมวลผลบนพื้น (ซึ่งกินแบนด์วิดท์มหาศาล) ดาวเทียมรุ่นใหม่จะ “คิด” บนวงโคจรเลย — เห็นเรือต้องสงสัยปุ๊บ ส่งแค่ “สัญญาณเตือน” ลงมา ไม่ต้องส่งภาพทั้งแผ่น ทำให้ตอบสนองได้เร็วระดับนาที

ทิศทางที่สามคือ การหลอมรวมหลายดวงตา อนาคตไม่ใช่ optical หรือ SAR หรือ RF อย่างใดอย่างหนึ่ง แต่เป็นการเอาทั้งสามมาซ้อนกัน: กล้องเห็นว่ามีเรือ เรดาร์ยืนยันตอนกลางคืน RF จับว่ามันปิดสัญญาณ — รวมกันเป็นคำตอบที่มั่นใจกว่ามาก และนี่คือสิ่งที่กองทัพยอมจ่ายแพงที่สุด

เสน่ห์ของ EO มาพร้อมความเสี่ยงที่ต้องมองให้ออก

ความเสี่ยงข้อแรกคือ “ภาพดิบกำลังกลายเป็นของถูก” (commoditization) เมื่อใครๆ ก็ส่งฝูงดาวเทียมขึ้นไปถ่ายภาพได้ ราคาภาพต่อตารางกิโลเมตรก็ดิ่งลงเรื่อยๆ บริษัทที่ติดอยู่แค่ชั้น “ขายภาพ” โดยไม่มีชั้นวิเคราะห์ที่แข็งแรง จะถูกบีบกำไรอย่างหนัก — นี่คือเหตุผลที่ทุกคนรีบวิ่งขึ้นชั้นบน และคนที่วิ่งไม่ทันจะเจ็บ

ความเสี่ยงข้อสองคือ การพึ่งรายได้รัฐบาลมากเกินไป เมื่อ ~80% ของเงินมาจากกองทัพและรัฐบาล รายได้ของทั้งวงการจึงผูกกับงบกลาโหมและการเมือง ถ้างบถูกตัด หรือรัฐบาลตัดสินใจสร้างดาวเทียมเองแทนที่จะซื้อจากเอกชน (ความเสี่ยงที่วงการกังวลจริงในสหรัฐฯ) ดีมานด์ก้อนใหญ่ก็หายวับได้ และฝันเรื่องตลาดพาณิชย์ที่จะมาทดแทนก็ยัง “มาช้ากว่าที่หวัง” มานานหลายปีแล้ว

ความเสี่ยงข้อสามคือ การแข่งขันที่ดุเดือดและทุนหนา นี่เป็นธุรกิจที่ต้องเผาเงินมหาศาลเพื่อสร้างและเติมฝูงดาวเทียม (ดาวเทียมมีอายุไม่กี่ปีแล้วร่วง ต้องส่งใหม่เรื่อยๆ) ผู้เล่นจำนวนมากยังขาดทุน และจีนก็เร่งสร้างฝูงดาวเทียมของตัวเองอย่างหนัก ทำให้สนามแออัดและสงครามราคารุนแรงขึ้น — มีเพียงรายที่มีชั้นวิเคราะห์เป็น moat และวินัยการเงินเท่านั้นที่จะอยู่รอด

สรุปสั้นๆ: Earth Observation คือการเปลี่ยน “ภาพถ่ายโลก” จากของหายากราคาแพง ให้กลายเป็นกระแสข้อมูลที่ไหลทุกวัน แต่บทเรียนสำคัญที่สุดคือ — มูลค่าได้ย้ายจากตัว “ภาพ” ไปอยู่ที่ “ความหมายของภาพ” แล้ว ใครเป็นเจ้าของ AI ที่เปลี่ยนพิกเซลเป็นคำตอบได้ดีที่สุด คนนั้นคือเจ้าของอนาคตของอุตสาหกรรมนี้