动察 Beating ข่าวด่วน AI,Ramp ติดตามข้อมูลการชำระเงินของบริษัทอเมริกันกว่า 70,000 แห่งพบว่า ประมาณ 80% ของรายได้ฝั่งองค์กรของ Anthropic และ OpenAI มาจากลูกค้ารายใหญ่เพียง 1% ของจำนวนลูกค้าทั้งหมด การ商业化ของ AI แสดงให้เห็นแนวโน้มการกระจุกตัวของลูกค้าอย่างชัดเจน ในเดือนสิงหาคมและกันยายน การใช้จ่าย Token ขององค์กรแทบไม่เติบโตเป็นเวลาสองเดือนติดต่อกัน แม้ต้นเดือนตุลาคมจะทำสถิติสูงสุดใหม่ แต่ก็สูงกว่าจุดสูงสุดในเดือนสิงหาคมเพียง 1.5%
การลดลงของราคาเป็นสาเหตุสำคัญที่ทำให้การเติบโตของการใช้จ่ายหยุดชะงัก ข้อมูลจาก Ornn แสดงให้เห็นว่าดัชนีราคา Token ที่แท้จริงของ Anthropic ลดลงจากกว่า 1.70 ดอลลาร์ในช่วงกลางเดือนกันยายนเหลือ 0.83 ดอลลาร์ ลดลงเกิน 50% ขณะที่ดัชนีที่สอดคล้องของ OpenAI อยู่ที่ 0.45 ดอลลาร์ ตามข้อมูลของ YipitData ลูกค้า 1% แรกของ Anthropic สร้างรายได้ 46% ในเดือนสิงหาคม สูงกว่า 25% เมื่อปีที่แล้ว
ในขณะเดียวกัน อัตราการยอมรับการใช้งาน AI แบบเสียค่าบริการขององค์กรเติบโตช้าลง ข้อมูลจาก Ramp แสดงให้เห็นว่าในเดือนกันยายน อัตราการยอมรับการใช้งาน AI แบบเสียค่าบริการขององค์กรเพิ่มขึ้นเพียง 0.62 จุดเปอร์เซ็นต์ แตะที่ 55.9% Ara Kharazian นักเศรษฐศาสตร์หลักของ Ramp เชื่อว่าการเติบโตของตลาด AI กำลังเปลี่ยนจากการขยายขนาดผู้ใช้ที่เสียค่าบริการไปสู่การเพิ่มความลึกในการใช้งานของผู้ใช้ที่มีอยู่
Goldman Sachs เตือนว่า อัตราการเติบโตของความต้องการ Token ต้องเกินอัตราการลดลงของราคา จึงจะสนับสนุนการลงทุนด้านกำลังประมวลผลอย่างต่อเนื่องได้ Torsten Slok นักเศรษฐศาสตร์หลักของ Apollo ยังชี้ให้เห็นว่าองค์กรมีความอ่อนไหวสูงต่อราคากำลังประมวลผล การลดราคาอาจไม่นำมาซึ่งความต้องการใหม่ที่เพียงพอ ข้อมูลจาก Goldman Sachs แสดงให้เห็นว่าอัตราผลตอบแทนจากเงินลงทุนที่รับรู้แล้วของ Amazon, Alphabet, Meta, Microsoft และ Oracle ลดลงจาก 40% เหลือ 25% ซึ่งเป็นระดับต่ำสุดนับตั้งแต่ปี 2016
ข้อมูลข้างต้นตั้งคำถามต่อ "Jevons Paradox" ที่อุตสาหกรรม AI ให้ความหวังอย่างสูงว่า ต้นทุนกำลังประมวลผลที่ลดลงจะนำมาซึ่งรายได้ที่สูงขึ้นผ่านการเติบโตของความต้องการหรือไม่ ยังคงต้องรอการพิสูจน์ ด้วยการกระจุกตัวของลูกค้า ราคาที่ลดลง และอัตราการ penetration ของการเสียค่าบริการที่เริ่มอิ่มตัว AI องค์กรจะสามารถเปลี่ยนการใช้ Token ให้เป็นรายได้จริง การเติบโตของกำไร หรือการประหยัดต้นทุนได้หรือไม่ จะเป็นกุญแจสำคัญในการทดสอบผลตอบแทนจากการลงทุนในโครงสร้างพื้นฐาน AI
