Megatrend · Smart City
Google Maps สำหรับคนที่ต้อง “รัน” ทั้งเมือง
โลกจริงเต็มไปด้วยตึก ถนน ท่อ สายไฟ ที่ไม่มีใครรู้ครบว่าอยู่ตรงไหนและสภาพเป็นยังไง node นี้คือซอฟต์แวร์ที่ทำงานหนึ่งอย่าง — “แปลงของจริงให้เป็นข้อมูล” แล้วประกอบมันขึ้นมาเป็นแบบจำลองสามมิติที่มีชีวิตของอาคารและของทั้งเมือง เพื่อให้คนที่ออกแบบ สร้าง และดูแลโครงสร้างพื้นฐาน ทำงานบนสำเนาดิจิทัล ก่อนลงมือกับของจริง
01มันคืออะไร (3 ชั้นที่ซ้อนกัน)
ลองนึกถึงคำถามง่ายๆ ที่จริงๆ แล้วตอบยากมาก: ใต้ถนนหน้าบ้านคุณมีท่ออะไรบ้าง ฝังลึกแค่ไหน วางตอนปีไหน และตอนนี้ผุหรือยัง? คนที่ต้องดูแลเมืองทั้งเมือง — การประปา การไฟฟ้า กรมทาง — มักไม่มีคำตอบที่แม่นยำ เพราะข้อมูลกระจัดกระจายอยู่ในกระดาษเก่า ไฟล์ที่ไม่ตรงกัน และในหัวของวิศวกรที่เกษียณไปแล้ว
node นี้คือกลุ่มซอฟต์แวร์ที่แก้ปัญหานี้โดยตรง — “แปลงโลกกายภาพให้เป็นข้อมูล” แล้วประกอบขึ้นมาเป็นแบบจำลองที่ค้นหาและจำลองสถานการณ์ได้ มันเป็นสาขาย่อยภายใต้เมกะเทรนด์ Smart City / Autonomous Infrastructure และเป็น “ชั้นที่จำลองโลกกายภาพ” ของเมืองอัจฉริยะ มันประกอบด้วยเทคโนโลยีสามชั้นที่ซ้อนต่อกัน:
- GIS / Geospatial (แผนที่ดิจิทัล — “อะไรอยู่ตรงไหน”): ระบบที่ผูกข้อมูลทุกอย่างเข้ากับ “ตำแหน่งบนโลก” — ถนน แปลงที่ดิน ท่อ เสาไฟ ทุกอย่างมีพิกัด นี่คือชั้นฐานราก ผู้นำคือ Esri (ซอฟต์แวร์ ArcGIS)
- BIM (แบบจำลองสามมิติของสิ่งก่อสร้าง — “หน้าตาและรายละเอียด”): Building Information Modeling คือโมเดล 3 มิติที่อัดข้อมูลของอาคาร/สะพาน/ถนนไว้ในตัว — ไม่ใช่แค่รูปร่าง แต่รวมถึงวัสดุ ระบบ ท่อ สายไฟ ใช้ตั้งแต่ออกแบบ สร้าง ไปจนดูแลรักษา
- Urban Digital Twin (ฝาแฝดดิจิทัลของทั้งเมือง — “เมืองทั้งเมืองที่มีชีวิต”): เอาทั้งสองชั้นบนมารวมกับข้อมูลจากเซ็นเซอร์สดๆ (จราจร ระดับน้ำ พลังงาน) เป็นแบบจำลอง 3 มิติของทั้งเมืองที่ “อัปเดตตามของจริง” ใช้จำลองน้ำท่วม จราจร และบริหารโครงสร้างพื้นฐาน
คือแบบจำลองดิจิทัลของของจริงที่ “เชื่อมข้อมูลสดเข้าหากัน” — ของจริงเปลี่ยน แบบจำลองก็เปลี่ยนตาม ต่างจากโมเดล 3 มิติธรรมดาตรงที่มันมีชีวิต ใช้เฝ้าดูและทดลองอนาคตได้ · ที่สำคัญ node นี้คุยกันที่ ระดับเมืองและโครงสร้างพื้นฐาน ส่วนฝาแฝดของ โรงงานและเครื่องจักร เป็นอีกเรื่องหนึ่ง อยู่ที่ Industrial Metaverse & Digital Twin
วิธีจำง่ายที่สุด: ถ้า Industrial Digital Twin คือ “ฝาแฝดของเครื่องจักรในโรงงาน” node นี้คือ “ฝาแฝดของตึก สะพาน และทั้งเมือง” — สเกลคนละระดับ และคนซื้อคนละกลุ่ม (รัฐกับบริษัทก่อสร้าง ไม่ใช่โรงงาน)
02ทำไมถึงสำคัญกับเศรษฐกิจโลก
เหตุผลข้อแรกเป็นเรื่องเงินล้วนๆ: โลกใช้เงินกับการก่อสร้างและโครงสร้างพื้นฐานปีละหลายสิบล้านล้านดอลลาร์ แต่มันเป็นหนึ่งในอุตสาหกรรมที่ “เปลี่ยนเป็นดิจิทัล” ช้าที่สุด งานยังเต็มไปด้วยพิมพ์เขียวกระดาษ การทำงานซ้ำ และความผิดพลาดที่แพงมหาศาล ซอฟต์แวร์กลุ่มนี้คือเครื่องมือที่ลดของเสียตรงนั้น — และนั่นทำให้มันเป็นตลาดที่โตเร็วและทนทาน
ตัวเลขสะท้อนชัด ตลาด BIM คาดว่าจะโตจาก ~$9.0 พันล้านในปี 2025 เป็น ~$15.4 พันล้านในปี 2030 (CAGR ~11%) ส่วนตลาด Geospatial Intelligence โตจาก ~$37 พันล้าน เป็น ~$63 พันล้านในช่วงเดียวกัน และเซกเมนต์ที่โตเร็วที่สุดในนั้นคือ “urban planning & digital twins” ที่ ~12.8% ต่อปี
เหตุผลข้อสองคือ “แรงบังคับจากรัฐ” ซึ่งทำให้ดีมานด์นี้เหนียวกว่าตลาดซอฟต์แวร์ทั่วไป หลายประเทศ ออกกฎบังคับ ให้งานก่อสร้างของรัฐต้องส่งมอบเป็น BIM — อังกฤษบังคับ “BIM Level 2” กับโครงการรัฐทั้งหมด ส่วนสิงคโปร์บังคับให้ส่งแบบเป็น BIM สำหรับอาคารตั้งแต่ขนาด ~5,000 ตร.ม. ขึ้นไป เมื่อกฎบังคับให้ใช้ ดีมานด์ก็ไม่ขึ้นกับวัฏจักรเศรษฐกิจมากเท่าซอฟต์แวร์ที่ลูกค้าเลือกซื้อเองได้
เหตุผลข้อสามคือ “ติดแล้วถอดยาก” เมื่อบริษัทออกแบบทั้งบริษัทเรียนรู้จะทำงานบนซอฟต์แวร์ตัวหนึ่ง ฝึกคนเป็นพันคน และโมเดลโครงการเก่าทั้งหมดถูกผูกไว้กับฟอร์แมตนั้น การย้ายค่ายแทบเป็นไปไม่ได้ — นี่คือเหตุผลที่ผู้นำอย่าง Autodesk และ Bentley มีรายได้แบบ subscription ที่ต่อสัญญาซ้ำๆ ปีแล้วปีเล่า
03มันทำงานยังไง (3 ชั้นต่อกัน)
หัวใจของเรื่องนี้คือสามชั้นที่ ต่อยอดกันขึ้นไป — แต่ละชั้นตอบคนละคำถาม และชั้นบนพึ่งชั้นล่าง:
หัวใจที่ทำให้ “ฝาแฝดของทั้งเมือง” ต่างจากโมเดล 3 มิติสวยๆ คือ ลูกศรเส้นสีจากขวา — ข้อมูลสดจากเซ็นเซอร์ พอฝาแฝดรู้ระดับน้ำในคลองตอนนี้ รถติดตรงไหน มิเตอร์ไฟอ่านค่าเท่าไหร่ มันก็ไม่ใช่แค่ภาพ แต่เป็นเครื่องมือที่ ทดลองอนาคต ได้ — เช่น “ถ้าฝนตก 100 มม. ใน 3 ชั่วโมง ถนนเส้นไหนจมก่อน?” โดยไม่ต้องรอให้น้ำท่วมจริง
โมเดล 3 มิติทั่วไปมีแค่ “รูปร่าง” แต่ BIM คือโมเดลที่ทุกชิ้นมี ข้อมูลฝังอยู่ — กำแพงนี้คอนกรีตหนาเท่าไหร่ ท่อนี้รับแรงดันได้แค่ไหน หน้าต่างนี้ยี่ห้ออะไร ทำให้คอมพิวเตอร์ “เข้าใจ” อาคาร ไม่ใช่แค่ “วาด” มันได้ และพอเข้าใจ ก็คำนวณวัสดุ ตรวจชนของระบบท่อ และประเมินค่าดูแลได้อัตโนมัติ
04มันอยู่ตรงไหนใน Smart City
ในเมกะเทรนด์ Smart City node นี้เป็น “ชั้นที่จำลองโลกกายภาพ” — เป็นแผนที่ฐานและแบบจำลองที่ node อื่นๆ มาวางข้อมูลทับ ถ้า node อื่นในเมืองอัจฉริยะคือ “ระบบที่ทำงาน” node นี้คือ “พื้นที่ที่ทุกระบบมาเจอกัน”
- คู่กับ Intelligent Traffic & Tolling: ระบบจราจรอัจฉริยะป้อนข้อมูลรถติดเข้าฝาแฝด และฝาแฝดก็ใช้จำลองว่าจะปรับไฟแดง/เปลี่ยนเส้นทางยังไงให้ดีที่สุด
- ต่อยอด Resilient Buildings: โมเดล BIM ของอาคารที่ทนภัยพิบัติ คือวัตถุดิบที่ป้อนเข้าฝาแฝดเมือง เพื่อประเมินว่าทั้งย่านจะรับมือแผ่นดินไหว/น้ำท่วมได้แค่ไหน
- แยกบทบาทกับ Industrial Digital Twin: เทคนิคคล้ายกัน แต่สเกลต่างกันชัด — ฝั่งโน้นจำลอง “เครื่องจักรและสายการผลิตในโรงงาน” ฝั่งนี้จำลอง “อาคารและทั้งเมือง” คนซื้อ ข้อมูล และวงจรขายคนละโลก
และที่ขาดไม่ได้ — node นี้ พึ่งพา เทรนด์อื่นเป็นโครงสร้างพื้นฐานของตัวเอง: มันรันบน Cloud & Digital Infrastructure (โมเดลเมืองหนักหลายสิบเทราไบต์ ต้องอยู่บนคลาวด์) ใช้ AI ช่วยอ่านภาพถ่ายทางอากาศแปลงเป็นโมเดล 3 มิติอัตโนมัติ และต้องการ Cybersecurity เพราะ “แผนที่ทั้งเมืองรวมท่อและสายไฟ” เป็นข้อมูลอ่อนไหวที่ห้ามรั่ว
05ตอนนี้ไปถึงไหนแล้ว
ภาพรวมปี 2026 แยกได้ชัดเป็นสองส่วน: ชั้น GIS และ BIM “โตเต็มวัยและทำเงินจริง” แล้ว ส่วนชั้น “ฝาแฝดของทั้งเมือง” ยังอยู่ช่วงนำร่อง — น่าตื่นเต้น แต่ยังไม่ใช่ของที่ทุกเมืองมี
ฝั่งที่โตเต็มวัย เงินเดินสะพัดจริง Autodesk (เจ้าของ Revit ซึ่งเป็นมาตรฐาน BIM โดยพฤตินัย) ทำรายได้กลุ่มสถาปัตย์-วิศวกรรม-ก่อสร้าง (AECO) ~$2.94 พันล้านในปีงบ 2025 โต ~14% ส่วน Bentley Systems ที่โฟกัสโครงสร้างพื้นฐานล้วนๆ มีรายได้ประจำต่อปี (ARR) แตะ ~$1.4 พันล้าน โตเลขสองหลักต่อเนื่อง สะท้อนว่าซอฟต์แวร์กลุ่มนี้กลายเป็นรายได้ subscription ที่นิ่งและต่อสัญญาซ้ำ
ฝั่ง ฝาแฝดของทั้งเมือง ตัวอย่างที่เป็นรูปธรรมที่สุดคือ “Virtual Singapore” — แบบจำลอง 3 มิติของทั้งสิงคโปร์ นำโดย Singapore Land Authority รวมข้อมูลกว่า 50 เทราไบต์ ใช้เวลาสร้างกว่า 5 ปี งบประมาณราว US$73 ล้าน และถูกใช้จริงในการวางผังและทดลองนโยบาย ทั่วโลกมีการประเมินว่าจะมีเมืองมากกว่า 500 แห่งวางแผนทำระบบทำนองนี้ภายในปี 2030
ของใหม่ปี 2025–2026 คือการที่ AI และกราฟิกเข้ามาเร่งงาน NVIDIA ผลักดันแพลตฟอร์ม Omniverse ให้เป็นที่สร้างฝาแฝดเมือง — เมือง Kaohsiung (ไต้หวัน) ใช้ร่วมกับพาร์ตเนอร์วิเคราะห์กล้องวงจรปิดนับหมื่นช่องเพื่อเข้าใจเหตุการณ์อย่างน้ำท่วม/อุบัติเหตุแบบเรียลไทม์ ส่วนเมือง Dublin ทดลองฝาแฝดที่สร้างด้วยแพลตฟอร์มของ Bentley ต่อกับ Omniverse แต่ทั้งหมดนี้ยัง เป็นโครงการนำร่อง ไม่ใช่ระบบที่รันทั้งเมืองเต็มรูปแบบ
06อนาคตข้างหน้า
ทิศทางแรกคือ AI ทำให้ “สร้างฝาแฝด” ถูกและเร็วลงมาก วันนี้การแปลงเมืองทั้งเมืองเป็นโมเดล 3 มิติยังแพงและช้า (ดูตัวเลขสิงคโปร์) แต่ AI ที่อ่านภาพถ่ายดาวเทียม/โดรนแล้วสร้างเป็นโมเดลอัตโนมัติ กำลังกดต้นทุนตรงนี้ลง — ซึ่งเป็นกุญแจที่จะปลดล็อกให้เมืองขนาดกลางทำได้ ไม่ใช่แค่นครรัฐที่งบหนา
ทิศทางที่สองคือ กฎบังคับขยายวง EU มีทิศทางผลักดันมาตรฐาน BIM ในงานรัฐ และ APAC เป็นภูมิภาคที่ตลาด BIM โตเร็วที่สุด (~16.5% ต่อปี) จากการเร่งสร้างเมืองและกฎใหม่ ยิ่งหลายประเทศบังคับ ดีมานด์พื้นฐานก็ยิ่งแน่น
ทิศทางที่สามคือ การหลอมรวมของสามชั้น เส้นแบ่งระหว่าง GIS, BIM และฝาแฝดเมืองกำลังเลือนหายไป — ตลาดอเมริกาเหนือถึงกับมองว่า “การบรรจบของ BIM กับ GIS เป็นสภาพแวดล้อมฝาแฝดเดียวกัน” คือแรงขับหลักของการเติบโต ผู้ชนะระยะยาวน่าจะเป็นคนที่คุมได้ทั้งสามชั้นต่อเนื่อง ไม่ใช่เก่งแค่ชั้นเดียว
07ความท้าทายและความเสี่ยง
เรื่องราวนี้สวยงาม แต่ต้องซื่อสัตย์กับด้านที่ยาก — มีอยู่สามข้อใหญ่
ความเสี่ยงข้อแรกคือ “ฝาแฝดเมือง” ยังเป็นช่วงต้นและปนการตลาด หลายโปรเจกต์ที่ประกาศใหญ่โต จริงๆ คือ pilot ในพื้นที่จำกัด การทำให้ฝาแฝด “สด” ทั้งเมืองต่อเนื่องนั้นซับซ้อนและกินทรัพยากรมาก ถึงขั้นที่ NVIDIA ต้องออก “blueprint” มาช่วยเพราะมันยากเกินกว่าเมืองทั่วไปจะทำเองได้ ผู้ที่คาดหวังว่าทุกเมืองจะมีฝาแฝดเต็มรูปในไม่กี่ปี มักจะผิดหวังกับจังหวะจริง
ความเสี่ยงข้อสองคือ การขายให้รัฐช้าและวงจรยาว ลูกค้าหลักของ node นี้คือหน่วยงานรัฐและงานโครงสร้างพื้นฐาน ซึ่งงบผูกกับการเมือง การจัดซื้อใช้เวลาเป็นปีๆ และความต่อเนื่องขึ้นกับผู้นำที่เปลี่ยนได้ — รายได้จึงนิ่งแต่โตช้ากว่าซอฟต์แวร์องค์กรทั่วไป
ความเสี่ยงข้อสามคือ “ขยะเข้า-ขยะออก” และข้อมูลที่ไม่ยอมต่อกัน ฝาแฝดดีได้แค่ข้อมูลที่ป้อนเข้าไป แต่ข้อมูลโครงสร้างพื้นฐานในโลกจริงมักเก่า ไม่ครบ และอยู่คนละฟอร์แมตจากคนละหน่วยงาน การ “เชื่อมข้อมูลให้คุยกัน” คืองานที่ยากและแพงที่สุด — บ่อยครั้งยากกว่าการเขียนซอฟต์แวร์เองเสียอีก และนี่คือเหตุผลที่หลายโปรเจกต์ฝาแฝดสะดุดกลางทาง
สรุปสั้นๆ: นี่คือ “Google Maps สำหรับคนที่ต้องรันทั้งเมือง” — เริ่มจากแผนที่ ต่อด้วยโมเดล 3 มิติของสิ่งก่อสร้าง แล้วไปสุดที่ฝาแฝดของทั้งเมืองที่ทดลองอนาคตได้ ชั้นล่างทำเงินแล้ววันนี้ ส่วนชั้นบนสุดยังเป็นความฝันที่กำลังก่อร่าง — ช้าแต่ยากจะย้อนกลับ เพราะเมื่อโลกกายภาพถูกแปลงเป็นข้อมูลแล้ว ไม่มีใครอยากกลับไปทำงานบนพิมพ์เขียวกระดาษอีก