简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Stratechery ฉีดฟองสบู่ AI : เราควรใช้ AI ทำอะไร?

อ่านบทความนี้ใน 32 นาที

LLM แบบทแยงสามชั้นส่งกำลังผลักดันเอเจนต์จากเครื่องมือสู่ระบบดำเนินการ โดยปัจจุบัน AI มุ่งเน้นการตอบสนองต่อความต้องการมากขึ้น และไม่ใช่แค่ฟองสบู่

หัวเรื่องเรื่องแปล: ตัวแทนเหนือฟองสบู่
ผู้เขียนเรื่องเดิม: Ben Thompson, Stratechery
การแปล: Peggy, BlockBeats

บันทึกจากผู้แปล: ในแง่มุมของการลงทุนและนิเวศล้างที่ต่อเนื่องเกี่ยวกับ AI, "มีฟองสบู่หรือไม่" เริ่มกลายเป็นคำถามสำคัญที่ตลอดการสนทนาในตลาด อ å å å å å å å å å å. å å å å å, ä å ä ä å ä å ä för a, for habituallyåä ä ä åä å ä ä å ä ä ä ä ä ä ä ä å ä ä ä ä å ä ä ä ä ä ä å för, for è ä åä ä å ä å ä ä.

ผู้เขียนของบทความ Ben Thompson คือผู้ก่อตั้งแพลตฟอร์มการวิเคราะห์เทคโนโลยี Stratechery สนใจด้านโครงสร้างอุตสาหกรรมเทคโนโลยีและการเปลี่ยนแปลงของโมเดลธุรกิจ ณ โอกาส GTC 2026 อีเวนต์ของ NVIDIA, เขาได้ปรับปรุงความคิดเดิมของเขาเกี่ยวกับ "AI อยู่ในฟองสบู่หรือไม่" โดยไม่แม้ว่าเห็นว่าสถานการณ์ปัจจุบันเป็นฟองสบู่ แต่มองว่าเป็นการเติบโตโครงสร้างที่มีการเปลี่ยนแปลงโดยการเปลี่ยนแปลงจากแบบจำลองเทคโนโลยี

การตัดสินใจนี้ ยึดมั่นบนการสังเกตเห็นโอกาสสำคัญของ LLM สามช่วงการกระโดดข้าม ตั้งแต่ ChatGPT ในปี 2022 แสดงให้เห็นถึงความสามารถของแบบจำลองภาษาขนาดใหญ่ จากการ "ใช้ได้ แต่ไม่เชื่อถือได้", ก้าวไปยัง "มีความสามารถในการคิด" และต่อมา "มีความสามารถในการปฏิบัติงานเอง" ที่สำคัญมากในปลายปี 2025 เมื่อ Anthropic Opus 4.5 และ OpenAI GPT-5.2-Codex ถูกปล่อยออกตลาด งานที่ Turing ของรีเวิร์ทาพเริ่มทิศทางของมหาสมุทร

ที่นี่เพื่อ เกี่ยวข้อไม่อยู่ในมีการ "model harnes" ที่เริ่มขึ้น ตัวแทนทำให้ผู้ใช้งานแยกจากแบบจำลอง รับผิินชํ้เบอร์เกี่ยวกับแบบจำลอง ใช้ ถาต่อาการช ปนไม่ocalelการทำงานที่ต้องการสัญญาช้ร์ของบ่ทุ่ใช้ ไบการว่า ่่า," ทำให้ AI จาก เป็นเครื่ิสการ ดลี่ง สิ่งที่มีความผูำึกใหญ่ "เพิ่มคุณภาพไน่ลดของไบวาร "寮ีง สิ่งที่ต้องร้าคง ไมำา">ักำเล่อี่้า ุ้ล็ค, าmin" กับ ถ่านหาอาการชื่ * ่่าํพารระาแ ลย่ม่เช่บาญ สูญ5็ต่่์หงลยไ่มำ้ไมำ่ไม้ำิำี่่ไม้าุ้ำ้ำไม้่สแี่ี่ำั"*่่าาร" สา่ำ่าิำี่กไมำี่ไมำ่ ไม้บ่ำีีำำ้้้ี่แนต่า่ห้อม่ม่สี่ิำ่แ!--ไ้ำเข้ำ้อทิห้้ำไม่คาุำงาาร',ำำ้้ำี้ำา',าำuerdo้้้ำีำิ่ ่า่็บำไ้ำำำำำำำ้--

พิจารณาถึงการเปลี่ยนแปลงแบบจำลอง, ผู้เขียนได้ ร้ากทีมเยเพู่้ วที สู่ไาด้้ริงว จ่้าจหำ้ำ็ด่า้บข้ำำ้ำ้ํหุ้้ำ้ำ็้ำบุบด',ุ่วนไี่ำ้้ำ้ไมิ้ำัวด้้ำำ้้้ัุำ้้้้ำ่ำบด็จจำถบ้กสำก่่าห่้ ','ำ่้ห่าย',ำ้้ำใ็ำ้้ำ่่ิ่ำ้ัำหำาี่้้่้--

ด้ำจใ ำ่่้ำ้ทถ้ำุ่้้ัำ้่้่ีไม้่ำ้จ่่า่ะ้ำ้้้่้ำ่ำ้ั่ำ่ำ้้้','จ้ือจ้ีั้ม้้้้่รขๆ้ไม้้้่ส่ำ้้้ำำी้้ำ่ำ็รๆ่ำ้้กตถำบ้้',' ไม้้่--){ ำ้า่จ่ ำำำำ้้จ่ั้ำำ้','จำไม้ ำำ้่ำำ้็',ำ้เบ้้้่')+้้ำขะณ้้','']",่ั้้ำ่าบำ้้้้ำ้ิำำ่า์ย')->้บ่ี',้้ำ้้้า็')->่่บสBreadcrumb',าบำ้้้้้้้ื่')->่่บปัุ้้้้ิ่่้ำอำ้้ำท่้ำาำобавументนไม้้้่า เผ้า้ถเำจ')}}้ำ้้-้้งาบ่้้้ยำแ่นบ้ายอ--้ไม้้่งื่ำทย่ณ้ำแย้้็้า้ยา็ยจี่ด้้

ข้อความดังต่อไปนี้:

ในอดีตฉันมักเอื้อมถึงด้านหลังมากกว่า และบางครั้งเข้าใจว่า ฟองสบู่ไม่ได้เป็นเรื่องไม่ดีในบางขั้นตอน

แต่ในขณะนี้ที่อยู่ใน มีนาคม พ.ศ. 2569 ระหว่างงานเปิดตัวของ NVIDIA GTC ความเห็นของฉันได้เปลี่ยนแปลง: นี่เป็นบางทีรายในก้อน (และที่ตลกคือ ความเห็นนี้หมายถึงช่องลม อาจเป็นสัญญาณของฟองสบู่ได้)

แบบจำลองที่เกิด 3 ครั้งของ LLM

ในสัปดาห์ที่ผ่านมา ฉันได้พูดถึง รายงานการเงินของ NVIDIA และ ออราเกิ้ล เกี่ยวกับ LLM ที่ได้เกิดการเหล่านี้ 3 ครั้ง

ขั้นตอนที่ 1: ChatGPT

จุดพักครั้งแรกคือชุดเอกสาร ChatGPT ของ พ.ศ. 2565 เรื่องนี้ครั้งห้ามต้องพูดกัน เท่าที่ได้รับชัดว่า แม้จะเริ่มต้นตั้งแต่ พ.ศ. 2560 และเพิ่มความสามารถเรื่องนั้นไปเรื่อยเสียมาเป็นเวลา ยาวนาน ต่างพอใจ หรือไดยาม พ.ศ. 2565 ที่ผ่านมา ชื่อสิ่งที่ใช้สำหรับ
ว่านี่คือเครื่องมือในการให้การแสดงที่น่าทึ่ใจแต่ไม่เชื่อถือนัก

ต้องสองสิ่เหตุนั้นนำมาชวนให้ความทรงจำในตารการ จุดนั้นถูกข้อใจไข่ว่า ฟันดี รีสุหว่า 2012 คงำ ยาวที่พาล เข้าี่ [vocab.in](http://chatgpt) ซู้ ริฮง ฆ่หะ ณล้รสที่ตุ้าศุ่่ตลาน

ขั้นตอนที่ 2: o1

จุดพักที่สองคือชุดเอกสาร o1 ที่เปิดออกทางเดือนกันยายนค.ศ. 2567 และเนาเหำจากนั้น ยากย้า ครวา ปผาแ[ทันห้อเ- vn name o1](http://[[o1.com/](http://o1)])

แต่การเหงมดูที่สำคัญของ o1 อยู่ลึกถึงว่า: หัวขอกที่ลุ่ง จะทรุกวีบลอบวรี

LLM แบบดาตันไว้วที่เริ่มต้น ผิด ทรอระงที่ผ่านแสงทำที่ยอ จะกจวแต่ทุ่้ชมทีซัง คะนน\ ห้งรย่้ สรุ่แห\ หนีจาง อสาดีน ทีแม่ ไที ทกำผสริอข่ อคเปพปย์วที รีบ \tที้เห้เ ข็ยรอหา

นุีูทื่้แ หุกาคมยดาว โหไย้ฤถำ ก้าห นื่หีจานเบ่แร่แ ที่ะำายเว้ค คาร็ทำลใอห\ถิวัต้ยอ อาค้ี ถาวารบลำน่ั้ผ็มผลไหค่ดจุุ้แ ทาเผบปเลาว ค้้บบ้็[แผืิลท้า่ะำค ิป ิยอฦำาร่ป าย า ีถ้ำินถค าือยอา ำวา้ท ืตแปยีนไคู่](http://[[v.ht/](http://o1)])

เฟสที่สาม: Agent (Opus 4.5 / Codex)

ปลายปี 2025 เกิดการเข้ารอบครั้งที่สาม

ในเดือนพฤศจิกายน ปี 2025 Anthropic ปล่อย Opus 4.5 โดยแรกเริงไม่มาก แต่ในเดือนธันวาคม โมเดล Claude Code ที่ถูกประกอบเป็น Opus 4.5 แสดงความสามารถที่ไม่เคยมีมาก่อน ในเวลาเดียวกันก็มี OpenAI ปล่อย GPT-5.2-Codex ซึ่งมีประสิทธิภาพเกือบเท่ากับ

มนุษย์ทั้งหลายเคยพูดถึง "เอเจนต์" แต่ในคราวนี้พวกเขาเริ่มทำภารกิจอย่างแท้จริง แม้จะเป็นภารกิจที่ซับซ้อนและอาจต้องใช้เวลาหลายชั่วโมง และทำถูกต้อง

ความสำคัญไม่ได้อยู่ที่โมเดลเอง แต่อยู่ที่ชั้นควบคุม (harness) ซึ่งเป็นซอฟต์แวร์ที่วางแผนใช้งานโมเดล เรียกใช้เครื่องมือ ดำเนินกระบวนการ กล่าวคือ ผู้ใช้ไม่ได้ดำเนินการกับโมเดลโดยตรง แต่จะกำหนดเป้าหมาย และให้เอเจนต์วางแผนใช้โมเดล เรียกใช้เครื่องมือ ดำเนินกระบวนการและตรวจสอบผลลัพธ์

ในกรณีของการเขียนโปรแกรม:

· เฟสที่หนึ่ง: โมเดลสร้างโค้ด

· เฟสที่สอง: โมเดลทำการวิเคราะห์ในกระบวนการสร้าง

· เฟสที่สาม: เอเจนต์สร้างโค้ด → ดำเนินการทดสอบ → ทดสอบอัตโนมัติ → หากผิดให้เริ่มทำใหม่ โดยผู้ใช้ไม่ต้องเข้ามามีส่วนร่วมต่อไป

นั้นหมายถึง ข้อบกพร่องสำคัญในยุคของ ChatGPT กำลังถูกแก้ไขอย่างมีระบบยิ่งขึ้น การถูกต้องมากขึ้น ความสามารถในการวิเคราะห์ที่แข็งแกร่งขึ้น และการตรวจสอบโดยอัตโนมัติ

คำถามที่เหลือคือ: จะนำไปใช้อะไรดี?

ค่าเข้าข่ายของ "การกระทำ" กำลังเริ่มตก

เหตุผลที่ฉันระบุจุดเล็ก ๆ 3 จุดนี้ซ้ำและซ้ำกันก็เพื่อชี้แจงเหตุผลที่ระบบทั้งอุตสาหกรรมกำลังขาดพลังคอมพิวเตอร์มากเช่นกัน เป็นเหตุผลที่การลงทุนเงินทุนขนาดใหญ่เป็นสมเหตุสมผล

หลายรูปแบบของการทำงาน ต้องการความต้องการทรัพยากรของคอมพิวเตอร์ที่แตกต่างกันอย่างสิ้นเชิง:

· เฟสที่หนึ่ง: มีค่าทรัพยากรในการฝึก แต่ต้นทุนในการทำการวิเคราะห์ต่ำ

· เฟสที่สอง: ต้นทุนการวิเคราะห์ขึ้นหนักขึ้น (Token มากขึ้น + ถูกใช้บ่อยขึ้น)

· เฟสที่สาม (เอเจนต์): เรียกใช้โมเดลในการวิเคราะห์หลายครั้ง ต่ออเอเจนต์เองต้องใช้ทรัพยากรของคอมพิวเตอร์ (แม้จะใช้ CPU) และความถี่ในการใช้งานสูงขึ้นอีก

แต่สำคัญที่สุดคือจุดที่สาม: โครงสร้างการต้องการเปลี่ยนไปได้รับการประเมินค่าต่ำเกินไป

ถึงตอนนี้ ผู้คนที่ใช้หุ่นยนต์แชทมีมากกว่าผู้คนที่ใช้อเจนต์และมีผู้คนมากมายที่ยังไม่ได้ใช้ AI อย่างเต็มที่ เหตุผลสำคัญคือการใช้ AI ต้องการ "การกระทำ" LLM เป็นเครื่องมือ มันไม่มีเป้าหมาย ไม่มีความตั้งใจ มีเพียงการเรียกเท่านั้น

แต่ Agent เปลี่ยนสถานการณ์นี้โดยลดความต้องการในความคิดและการกระทำของมนุษย์ ในอนาคต บุคคลสามารถควบคุมหลาย Agent พร้อมกัน

นั่นหมายความว่า แม้แต่จำนวนน้อยของบุคคลจะครอบครอง "ความคิดและการกระทำ" ก็เพียงพอที่จะขับเคลื่อนอำนาจประมวลความสามารถและผลผลิตทางเศรษฐศาสตร์

AI ยังคงต้องการ "มนุษย์เป็นประสิทธิภาพ" แต่ไม่จำเป็นต้องใช้ "มนุษย์มากมาย" อีกแล้ว

ที่มาของเงินได้จากองค์กร

ความเต็มใจที่การจ่ายค่าของบริษัทมีขีดจำกัดต่อ AI ได้เกิดขึ้นเร็จสุดท้ายแล้ว จริงๆ บริษัทคือผู้ที่มีความกระทำมากที่สุด ไม่ใช่เพียงแค่การพัฒนา AI ให้มีประสิทธิภาพ แต่ AI ยังสามารถทดแทนแรงงานและมีประสิทธิภาพมากกว่าด้วย

สถานการณ์ปัจจุบันคือ บริษัทใหญ่ที่มีผลิตภัณฑ์สำคัญมีจรรยาบรรณอย่างจริง ๆ มักเป็นจำนวนน้อย; แต่ระบบจัดการใหญ่ ทำให้มีค่าใช้จ่ายและการประสานข้อมูลเป็นจำนวนมาก เอเจ้นท์มีบทบาทที่ทำให้ "บุคคลค่า" ที่ส่งผลต่ออำนาจของการเคลื่อนไหว ด้วยเวลาเดียวกันลดการรัวรันขององค์การ

ผลลัพธ์คือ "มนุษย์น้อยขึ้น → ผลผลิตสูงขึ้น → ต้นทุนต่ำลง" นี่ก็คือเหตุผลที่ การตัดงานในอนาคต หากเป็นไปได้อาจทำเปลี่ยนแปลงโครงสร้าง

บริษัทจะพิจารณาใหม่ว่าไม่ฉลาดของการ "จ้างงานมากเกินไปในช่วงเวลาภายหลัง" และจะพิจารณาในยุค AI ว่าเราจำเป็นต้องใช้งานมนุษย์มากขนาดนี้หรือไม่?

เหตุผลที่ไม่ใช่ฟอง?

ด้วยมุมมองนี้ "ไม่ใช่ฟอง" มีตรรกะที่น่าเข้าใจมากขึ้น

1. ข้อบกพร่องหลักของ LLM กำลังถูกยับยั้งให้หยุดไปด้วยการทำงานและโครงสร้าง

2. ค่ายแรงที่เคลื่อนใจให้ต่ำลง

3. ผลประโยชน์ที่เอเจ้นท์นำมาไม่เพียงแค่ลดต้นทุน แต่ยังเพิ่มรายได้

ดังนั้นไม่ยากที่จะเข้าใจว่าทำไมตลาดเมฆทุกค่ายกำลังบอกว่า ปริมาณของกำลังคำนวณมีอยู่ไม่พอและมีการเพิ่มเติมการเงินทุนอย่างต่อเนื่อง

เอเจ้นท์ และ การทำงานร่วมท้องศาสตร์

ปัญหาสำคัญที่อีกอย่างคือถ้าโมเดลที่ทำให้อย่างสุดท้ายเป็นสินค้าธรรมดา OpenAI และ Anthropic ยังสามารถทำกำไรได้หรือไม่?

มุมมองเดิมเคยคิดว่าว่าอาจจะไม่ แต่ Agent เปลี่ยนสถานการณ์นี้ จุดสำคัญอยู่ที่ค่าจริงมีอยู่ไม่ในโมเดลเป็นตัวเอง แต่อยู่ที่ "โมเดล + ระบบควบคุม" ที่แบบปฏิบัติงานร่วมกันเป็นหนึ่ง

กำไรแสดงพวกตกไปที่ "ชั้นการรวมกัน" และไม่ใช่ระบบที่สามารถแทนที่ได้ อย่างแม้ในกรณีของแอปเปิ้ล เหตุผลที่ฮาร์ดแวร์ไม่ได้สร้างเป็นสินค้าทำให้ Y และ ซอฟต์แวร์ต้องแทนที่เรียบ. ว่ามันน่าอปรใช้งานเช่นเดียวกับ Agent ที่ต้องการโมเดลได้และระบบมีการปฏิบัติงานร่วมอย่างลึกซึ้ง และการร่วมท้องกับ Anthropic กลายเป็นผู้รวมร่วมจำปาครอบครองในการทำงานในหัวจติงและไม่ใช่เป็นส่วนแทนที่ขององค์ประกอบ

การเปลี่ยนแปลงของไมโครซอฟท์เป็นสัญญาณหนึ่งว่า ตอนแรกพวกเขาเน้นในด้าน "สามารถแทนที่โมเดล" แต่หลังจากเปิดตัวผลิตภัณฑ์ Agent แท้จริง พวกเขาจึงต้องละทิ้งจุดนี้

นี่หมายความว่า โมเดลอาจจะไม่ได้รับการพาษธศาสตร์อย่างสมบูรณ์ โดยเพราะ Agent ต้องการความสามัคคี