North.cloud ระดมทุนรอบ Series B ได้ 60 ล้านดอลลาร์ เพื่อทำให้การจัดการค่าใช้จ่ายด้านคลาวด์และ AI เป็นระบบอัตโนมัติ

North.cloud ระดมทุนรอบ Series B ได้ 60 ล้านดอลลาร์ เพื่อขยายแพลตฟอร์มสำหรับจัดการโครงสร้างพื้นฐานคลาวด์ การใช้งาน AI และค่าใช้จ่ายด้านข้อมูล การระดมทุนรอบนี้ประกาศเมื่อวันที่ 15 ตุลาคม นำโดย PeakSpan Capital และมี Litquidity, Companyon Ventures, Alpaca, Uncommon Denominator, Gaingels และ Mana Ventures เข้าร่วมลงทุน

การระดมทุนครั้งนี้มุ่งแก้ปัญหาที่ซับซ้อนขึ้นเมื่อ AI ถูกนำไปใช้งานจริง นั่นคือ ต้นทุนการดำเนินงานของผลิตภัณฑ์อาจครอบคลุมทั้งการประมวลผลบนคลาวด์ API ของโมเดล และแพลตฟอร์มข้อมูล ขณะที่ผู้รับผิดชอบค่าใช้จ่ายเหล่านี้ต้องทำงานกับระบบแยกจากกัน North มุ่งเชื่อมโยงภาพรวมทางการเงินดังกล่าวเข้ากับระบบอัตโนมัติที่ช่วยลดค่าใช้จ่ายและภาระงานในการจัดการค่าใช้จ่ายเหล่านั้น

บริษัทระบุว่า ขณะนี้กำลังเข้าใกล้ยอดค่าใช้จ่ายด้านคลาวด์ที่อยู่ภายใต้การจัดการ 2 พันล้านดอลลาร์ และช่วยให้ลูกค้าประหยัดเงินได้มากกว่า 400 ล้านดอลลาร์ โดยจะนำเงินทุนไปใช้ขยายการเพิ่มประสิทธิภาพการใช้จ่ายผ่านผู้ให้บริการคลาวด์ เพิ่มความลึกของการผสานระบบ เร่งพัฒนาการจัดการค่าใช้จ่ายด้าน AI และขยายทีมวิศวกรรม ผลิตภัณฑ์ และการขายและการตลาด

รวมค่าใช้จ่ายด้านคลาวด์และ AI ไว้ในระบบเดียว

การดำเนินงานด้านการเงินบนคลาวด์ ซึ่งมักเรียกย่อว่า FinOps คือการเชื่อมโยงการใช้เทคโนโลยีเข้ากับต้นทุนทางธุรกิจ และตัดสินใจว่าจะปรับปรุงความคุ้มค่าได้อย่างไร ซึ่งรวมถึงการทำความเข้าใจว่าใครเป็นผู้ก่อให้เกิดค่าใช้จ่าย ทรัพยากรมีขนาดเหมาะสมหรือไม่ และข้อตกลงการซื้อในราคาส่วนลดสอดคล้องกับความต้องการจริงหรือไม่

AI เพิ่มความซับซ้อนขึ้นอีกชั้นหนึ่ง ธุรกิจอาจจ่ายค่าโครงสร้างพื้นฐานที่ใช้โฮสต์แอปพลิเคชัน พร้อมกับจ่ายให้ผู้ให้บริการโมเดลแยกต่างหากตามจำนวนโทเค็นที่แอปพลิเคชันนั้นใช้ การทำความเข้าใจใบแจ้งหนี้เพียงใบเดียวไม่ได้หมายความว่าจะเข้าใจต้นทุนในการให้บริการลูกค้าหรือดำเนินเวิร์กโฟลว์ได้เสมอไป

ประกาศระดมทุนของ North เกิดขึ้นหลังการเปิดตัว North v3 ซึ่งเพิ่มการรองรับ Microsoft Azure ควบคู่กับ Amazon Web Services และ Google Cloud Platform บริษัทระบุว่าเวอร์ชันดังกล่าวยังเปิดตัวการผสานระบบแบบเนทีฟกับ OpenAI, Anthropic และ Snowflake พร้อมขยายการจัดการข้อผูกพันโดยอัตโนมัติผ่านผลิตภัณฑ์ Autobot

กลยุทธ์นี้ต่อยอดจาก แพลตฟอร์ม FinOps สำหรับคลาวด์รุ่นก่อนของ North ซึ่ง Unite.AI เคยรายงานถึงในปี 2025 การขยายธุรกิจในปัจจุบันทำให้บริษัทมุ่งเน้นกว้างขึ้น จากเดิมที่เน้นการประหยัดค่าใช้จ่ายด้านคลาวด์ ไปสู่การมองภาพรวมการใช้จ่ายด้านโครงสร้างพื้นฐาน AI และข้อมูลที่เชื่อมโยงกัน

ระบบอัตโนมัติสำหรับจัดการข้อผูกพันทำงานอย่างไร

วิธีหนึ่งในการลดค่าใช้จ่ายด้านคลาวด์คือการซื้อความจุในราคาส่วนลดผ่านข้อผูกพัน ความท้าทายคือการกำหนดข้อผูกพันให้สอดคล้องกับการใช้งานในอนาคต หากซื้อน้อยเกินไปก็อาจพลาดโอกาสประหยัดค่าใช้จ่าย แต่หากซื้อมากเกินไป บริษัทก็อาจต้องจ่ายเงินสำหรับความจุที่ไม่จำเป็นอีกต่อไป

เอกสารประกอบเรื่อง Coverageของ North แยกแนวทางไว้สองแบบ Flexbot มอบส่วนลดผ่านบัญชีสมาชิกที่ North เป็นเจ้าของ โดย North เป็นผู้จัดการข้อผูกพัน ส่วน Autobot จัดการข้อผูกพันที่ลูกค้าเป็นเจ้าของ และทยอยตัดสินใจซื้อโดยพิจารณาจากการใช้งานและเป้าหมายทางธุรกิจ ลูกค้ายังสามารถใช้ทั้งสองแนวทางร่วมกันได้

ความแตกต่างนี้สำคัญ เพราะเป็นตัวกำหนดว่าใครเป็นเจ้าของข้อผูกพันและจัดการการซื้ออย่างไร North อธิบายว่า Autobot ใช้การคาดการณ์และเป้าหมายของลูกค้าเพื่อทยอยสร้างความครอบคลุมตามเวลา พร้อมความสามารถในการจำลองสถานการณ์เพื่อประเมินเงินที่ประหยัดได้และความยืดหยุ่นก่อนทำการซื้อ นอกจากนี้ เอกสารของบริษัทยังระบุว่า Autobot ขอสิทธิ์เพิ่มเติมสำหรับการซื้อโดยอัตโนมัติ ซึ่งลูกค้าสามารถเพิกถอนสิทธิ์ดังกล่าวได้

การเพิ่มประสิทธิภาพข้อผูกพันช่วยจัดการราคาที่จ่ายสำหรับการใช้งาน ส่วนอีกประเด็นหนึ่งคือเวิร์กโหลดจำเป็นต้องใช้ทรัพยากรทั้งหมดที่จัดสรรไว้หรือไม่ ฟีเจอร์ Rightsize ของ North แนะนำขนาดทรัพยากรโดยพิจารณาจากพฤติกรรมของเวิร์กโหลด ข้อควรคำนึงด้านประสิทธิภาพ และเงินที่คาดว่าจะประหยัดได้ การแยกกลไกเหล่านี้ออกจากกันช่วยให้เห็นว่าแพลตฟอร์มเพิ่มประสิทธิภาพเปลี่ยนแปลงอะไรจริง ๆ กล่าวคือ อัตราค่าบริการที่ดีขึ้นกับการลดปริมาณทรัพยากรที่ใช้เป็นผลลัพธ์คนละด้านกัน

TokenFlow ขยายแนวทางนี้ไปสู่การใช้งาน AI

North กำลังพัฒนา TokenFlow เพื่อรวมการใช้งานโมเดล การระบุแหล่งที่มาของค่าใช้จ่าย งบประมาณ และการควบคุมทางการเงินไว้ในสภาพแวดล้อมเดียวกัน ในประกาศระดมทุน บริษัทอธิบายว่า TokenFlow เป็นส่วนหนึ่งของความพยายามในการจัดการการใช้จ่ายด้านคลาวด์และ AI ให้เป็นปัญหาทางการเงินเดียวกัน

หน้าผลิตภัณฑ์ TokenFlowอธิบายถึงการติดตามการใช้งานในโมเดล ผู้ให้บริการ และทีมต่าง ๆ การจัดสรรค่าใช้จ่ายให้กับเวิร์กโหลดที่ก่อให้เกิดค่าใช้จ่ายเหล่านั้น ตลอดจนการกำหนดขีดจำกัดหรือนโยบายเพื่อควบคุมการใช้งาน ณ เวลาที่ตรวจสอบ หน้าดังกล่าวยังคงแสดงรายชื่อรอและระบุว่าผู้ใช้บางรายจะได้รับสิทธิ์เข้าถึงเวอร์ชันเบต้า รายละเอียดเกี่ยวกับการเปิดให้ใช้งานต่อสาธารณะเหล่านี้ควรแยกพิจารณาจากแผนการขยายธุรกิจในวงกว้างที่ระบุไว้ในประกาศระดมทุน

ประโยชน์ของการระบุแหล่งที่มาของค่าใช้จ่ายไม่ได้จำกัดอยู่แค่การรู้จำนวนโทเค็นที่ใช้ทั้งหมด ทีมจำเป็นต้องเข้าใจว่าฟีเจอร์หรือเวิร์กโฟลว์ใดก่อให้เกิดค่าใช้จ่าย และค่าใช้จ่ายนั้นช่วยให้ได้ผลลัพธ์ที่มีประโยชน์หรือไม่ แม้คำขอแต่ละครั้งจะมีต้นทุนต่ำ แต่ก็อาจกลายเป็นรายการค่าใช้จ่ายก้อนใหญ่ได้เมื่อเวิร์กโฟลว์เรียกใช้ซ้ำในปริมาณมาก

การรวมการใช้งานโมเดลเข้ากับค่าใช้จ่ายด้านโครงสร้างพื้นฐานอาจช่วยให้เห็นข้อแลกเปลี่ยนเหล่านั้นได้ชัดเจนขึ้น แต่ไม่ได้ทำให้ทราบโดยอัตโนมัติว่าโมเดลหรือแนวทางการติดตั้งใช้งานแบบใดดีที่สุด การตัดสินใจดังกล่าวยังขึ้นอยู่กับข้อกำหนดด้านคุณภาพ เวลาแฝง รูปแบบการใช้งาน และต้นทุนของระบบโดยรอบ

ตัวเลขการเติบโตของ North สะท้อนอะไร

North ระบุว่า AssemblyAI, Atlan, Tines, SnapLogic, Emplifi และ Imply เป็นลูกค้าของบริษัท ในข่าวประชาสัมพันธ์ Ben Gotthold หัวหน้าฝ่ายการอนุมานของ AssemblyAI ระบุว่า บริษัทมีอัตราการประหยัดที่เกิดขึ้นจริงประมาณ 50% แม้โครงสร้างพื้นฐานจะขยายตัวตลอดปีที่ผ่านมา

ผลลัพธ์ดังกล่าวเป็นกรณีเฉพาะของลูกค้ารายหนึ่ง ไม่ใช่อัตราการประหยัดที่ทุกองค์กรควรคาดหวัง ตัวเลขค่าใช้จ่ายที่อยู่ภายใต้การบริหารเกือบ 2 พันล้านดอลลาร์ และเงินที่ประหยัดได้มากกว่า 400 ล้านดอลลาร์ ก็เป็นยอดรวมที่บริษัทเป็นผู้รายงานเช่นกัน ข่าวประชาสัมพันธ์ไม่ได้ให้รายละเอียดวิธีคำนวณหรือกำหนดช่วงเวลาวัดผลที่เป็นมาตรฐานเดียวกันสำหรับเปรียบเทียบตัวเลขเหล่านี้

สำหรับผู้ซื้อ สิ่งที่ควรนำมาเปรียบเทียบคือผลลัพธ์ทางการเงินจากเวิร์กโหลดของตนเอง โดยคำนึงถึงต้นทุนบริการ อัตราการใช้ทรัพยากร และข้อผูกพันในการจัดซื้อ การลดราคาในการประมวลผลมีประโยชน์ แต่การทำความเข้าใจด้วยว่าอุปสงค์เปลี่ยนแปลงไปหรือไม่ และการกำหนดค่าที่มีราคาถูกลงยังคงรักษาประสิทธิภาพตามที่แอปพลิเคชันต้องการไว้ได้หรือไม่ ก็สำคัญเช่นกัน

ขยายจากการมองเห็นสู่การลงมือปฏิบัติ

Matt Biringer ซีอีโอและผู้ร่วมก่อตั้ง อธิบายแนวทางของ North ว่าเป็นการทำให้งาน FinOps เป็นระบบอัตโนมัติ แทนที่จะเพิ่มแดชบอร์ดอีกชุดให้ทีมวิศวกรรมและการเงินนำไปตีความ การลงทุนของ PeakSpan สนับสนุนการขับเคลื่อนดังกล่าว เพื่อให้บริหารจัดการค่าใช้จ่ายอย่างต่อเนื่องได้ครอบคลุมฐานการใช้จ่ายที่กว้างขึ้น

เงินทุนจากการระดมทุนรอบ Series B ช่วยให้ North มีทรัพยากรต่อยอดแนวทางดังกล่าว ในขณะที่ต้นทุนการดำเนินงานด้าน AI เชื่อมโยงกับการตัดสินใจเกี่ยวกับผลิตภัณฑ์มากขึ้น ความท้าทายในการดำเนินงานคือการเชื่อมโยงการระบุที่มาของค่าใช้จ่ายอย่างแม่นยำเข้ากับการลงมือทำที่เป็นประโยชน์ พร้อมทั้งทำให้ชัดเจนว่าใครมีอำนาจตัดสินใจจัดซื้อ และต้องแลกเปลี่ยนข้อดีข้อเสียในการดำเนินงานอย่างไร สำหรับลูกค้า ความสำเร็จจะวัดจากต้นทุนที่คาดการณ์ได้และภาระงานจัดการค่าใช้จ่ายด้วยตนเองที่ลดลง เมื่อโครงสร้างพื้นฐานและการใช้งาน AI เติบโตขึ้น