หัวข้อต้นฉบับ: ตลาดแรงงานเครื่องจักร

ผู้เขียนต้นฉบับ: @__sishir

แปลโดย: Peggy

หมายเหตุบรรณาธิการ: เมื่อ AI เริ่มเขียนโค้ด จัดการตั๋วฝ่ายบริการลูกค้า และตรวจสอบเอกสารทางกฎหมาย คำถามที่ลึกซึ้งยิ่งขึ้นกำลังเกิดขึ้น: สิ่งที่องค์กรซื้อจริงๆ คือ token, ชั่วโมง GPU หรือผลงานที่เสร็จสมบูรณ์?

บทความนี้นำเสนอกรอบความคิดที่น่าสนใจ: การ商业化ของ AI ไม่ควรถูกมองว่าเป็นแค่ "ตลาดพลังคำนวณ" หรือ "ตลาดเรียกใช้โมเดล" แต่กำลังก้าวไปสู่ "ตลาดแรงงานเครื่องจักร" ใหม่ ในตลาดนี้ token เป็นเพียงหน่วยวัด GPU เป็นปัจจัยการผลิต โมเดลเป็นเครื่องมือการผลิต และสิ่งที่ถูกกำหนดราคาและซื้อขายจริงๆ คือแรงงานทางเศรษฐกิจที่ซอฟต์แวร์ดำเนินการโดยตรง

ข้อสรุปหลักของบทความคือ กลไกการกำหนดราคาของ AI จะวิวัฒนาการจาก token ดิบ ความสามารถโมเดลที่ได้มาตรฐาน ไปจนถึงแรงงานเฉพาะอุตสาหกรรม และสุดท้ายคือตลาดผลลัพธ์ที่ตั้งโปรแกรมได้ กล่าวคือ ในอนาคต องค์กรอาจไม่สนใจอีกต่อไปว่างานใดๆ จะเสร็จสมบูรณ์โดยโมเดลใดหรือ GPU ประเภทใด แต่สนใจว่างานนั้นส่งมอบผลลัพธ์ที่ตรงตามมาตรฐานภายในข้อจำกัดด้านเวลาแฝง ความแม่นยำ ความน่าเชื่อถือ และต้นทุนที่กำหนดหรือไม่

นี่หมายความว่า ผลกระทบของ AI ต่อตลาดแรงงานมนุษย์อาจไม่ใช่แค่การแทนที่อย่างง่าย เมื่อเครื่องจักรรับงานที่สามารถมาตรฐานและตรวจสอบได้มากขึ้น บทบาทของมนุษย์อาจเปลี่ยนไปสู่การตรวจสอบซ้ำ การรับผิดชอบ การจัดการบริบท และการตัดสินใจขั้นสุดท้าย ในบางสถานการณ์ การตัดสินใจของมนุษย์ 1% สุดท้ายกลับมีค่ามากขึ้น เพราะมันสามารถปลดปล่อยระบบอัตโนมัติขนาดใหญ่ 99% ได้

จากมุมมองนี้ การแข่งขันในระยะถัดไปของตลาด AI อาจไม่ใช่แค่การแข่งขันด้านความสามารถของโมเดล หรือสงครามราคาพลังคำนวณเพียงอย่างเดียว แต่เป็นว่าใครจะสามารถทำให้ "งาน" เป็นมาตรฐาน ตรวจสอบได้ กำหนดราคาได้ และในที่สุดทำให้แรงงานเครื่องจักรกลายเป็นปัจจัยการผลิตใหม่ที่สามารถจัดซื้อ ชำระเงิน และซื้อขายได้

ต่อไปนี้คือเนื้อหาต้นฉบับ:

คลื่นแห่งประสิทธิภาพการผลิตในอดีตมักมาจากเครื่องมือและซอฟต์แวร์สำหรับมนุษย์ เพื่อปรับปรุงวิธีการทำงานให้เสร็จสมบูรณ์ สเปรดชีตช่วยนักบัญชีและนักวิเคราะห์ สายพานลำเลียงเพิ่มปริมาณงาน ค้อนขยายแรงของมนุษย์ แต่แรงงานที่แท้จริงยังคงมาจากมนุษย์เสมอ

ตอนนี้ AI กำลังผลิตผลงานแบบ end-to-end โดยดำเนินการแรงงานด้วยตัวเองโดยตรง มันสามารถเขียนโค้ด จัดการตั๋วฝ่ายบริการลูกค้า และตรวจสอบเอกสารทางกฎหมาย เกิดการบีบอัดที่ปลายสุดของสแต็กเทคโนโลยีทั้งหมด: สแต็กเทคโนโลยีเก่าสนับสนุนแรงงาน ส่วนสแต็กเทคโนโลยีใหม่เริ่มผลิตแรงงาน

หากคุณเคยฟังการอภิปรายเกี่ยวกับการเงินของ AI เมื่อเร็วๆ นี้ คุณคงจะได้ยิน Jensen และคนอื่นๆ พูดว่า LLM token และ/หรือชั่วโมง GPU กำลังกลายเป็นสินค้าโภคภัณฑ์ชนิดใหม่ สัญชาตญาณนี้เข้าใจได้ เพราะ token สามารถวัดค่า คิดเงิน และวาดเป็นกราฟได้ง่าย ส่วนชั่วโมง GPU ก็มีเงินทุนหลายพันล้านดอลลาร์ไหลเข้ามา แต่ token ยังคงเป็นเพียงมิเตอร์วัด และชั่วโมง GPU ก็เป็นเพียงปัจจัยการผลิต ไม่มีใครซื้อมันเพื่อครอบครองมันเอง สิ่งที่ผู้คนต้องการจริงๆ คือการทำงานให้สำเร็จ AI กำลังเปลี่ยนโครงสร้างเทคโนโลยีให้กลายเป็นแหล่งที่มาของแรงงาน

แรงงานเครื่องจักร: งานที่ดำเนินการโดยซอฟต์แวร์ มีประโยชน์ทางเศรษฐกิจ และถูกขายเข้าสู่กระบวนการผลิต

ตลาดกำลังเคลื่อนไปในทิศทางนี้แล้ว Sarah Tavel จาก Benchmark มักจะมองโอกาสนี้ผ่านตลาดแรงงานภายนอก แทนที่จะเป็นหมวดหมู่ซอฟต์แวร์ หากงานที่ทำซ้ำได้บางอย่างเดิมทีดำเนินการโดยทีมนอกชายฝั่งหรือบริษัทบริการเฉพาะทาง งานนั้นก็มักจะเหมาะสำหรับการส่งมอบโดย AI เช่นกัน Alex Rampell จาก a16z เรียกสิ่งนี้ว่า "ซอฟต์แวร์กลืนกินแรงงาน": ฉากต่อไปของซอฟต์แวร์คือการทำงานด้วยตัวเอง Julien Bek จาก Sequoia อธิบายการเปลี่ยนแปลงเดียวกันจากอีกมุมหนึ่ง: บริการกำลังกลายเป็นซอฟต์แวร์ copilot ขายเครื่องมือ ในขณะที่ autopilot ขายงาน

อ่านเพิ่มเติม: https://sequoiacap.com/article/services-the-new-software/

ตลาดที่ขาดหายไปเบื้องหลังการกำหนดราคาตามผลลัพธ์

การกำหนดราคาตามที่นั่งคิดค่าธรรมเนียมการเข้าถึง การกำหนดราคา token คิดค่าธรรมเนียมตามการใช้งาน การกำหนดราคาตามผลลัพธ์จะคิดค่าธรรมเนียมเมื่องานเสร็จสมบูรณ์ การกำหนดราคาตามผลลัพธ์ทำให้เราก้าวไปข้างหน้า แต่ก็ยังไม่ตอบคำถาม: ใครเป็นผู้กำหนดราคา?

หากสามารถซื้อแรงงานเครื่องจักรได้โดยตรง ราคาควรมาจากการแข่งขันระหว่างผู้ให้บริการ ผู้ให้บริการเหล่านี้ต้องสามารถตอบสนองงานประเภทเดียวกันหรือมาตรฐานการทำงานที่เสร็จสมบูรณ์ ซึ่งจำเป็นต้องมีการสร้างมาตรฐานภายในอุตสาหกรรมและงานต่างๆ

ปัจจุบันใช้ LLM token แต่ token ดิบเป็นเพียงชั้นล่างสุดเท่านั้น น้ำมันแต่ละบาร์เรลเป็นเพียงหน่วยวัด สิ่งที่ซื้อขายจริงคือน้ำมันบาร์เรลที่มีเกรดเฉพาะ พร้อมคุณภาพ เงื่อนไขการส่งมอบ และราคาตลาดที่ชัดเจน น้ำมันดิบ Brent หนึ่งบาร์เรลกับน้ำมันดิบหนักกำมะถันสูงหนึ่งบาร์เรลไม่ใช่สินค้าโภคภัณฑ์เดียวกัน เช่นเดียวกับ LLM token token เป็นเพียงหน่วยวัด สิ่งที่สำคัญจริงๆ คือความฉลาดเบื้องหลัง: คุณภาพโมเดล เกณฑ์มาตรฐานขั้นต่ำ ความหน่วง ขนาดบริบท ความน่าเชื่อถือ และการรับประกันการส่งมอบ token 1 ล้านจากโมเดลโค้ดชั้นนำ กับ token 1 ล้านจากโมเดลทั่วไปราคาถูก ไม่ใช่สินค้าโภคภัณฑ์เดียวกัน ตลาดต้องการระดับการอนุมานที่ได้มาตรฐาน เช่นเดียวกับตลาดพลังงานที่ต้องการระดับน้ำมันที่ได้มาตรฐาน

Anjali Shriva ชี้ให้เห็นโดยตรงว่า: โทเค็นไม่ใช่หน่วยต้นทุนที่ตายตัว เศรษฐศาสตร์ของมันจะเปลี่ยนแปลงไปตามความยาวของบริบท โครงสร้างงาน อัตราส่วนอินพุต/เอาต์พุต จำนวนครั้งที่ลองใหม่ การเรียกใช้เครื่องมือ และเวิร์กโฟลว์ของ Agent โทเค็นหนึ่งตัวในพรอมต์สั้นๆ กับโทเค็นหนึ่งตัวที่ฝังอยู่ในลูป Agent ยาวๆ ไม่ใช่วัตถุทางเศรษฐกิจแบบเดียวกัน

เราทำแบบนี้ในตลาดแรงงานมนุษย์มานานแล้ว ไม่มีใครจ้างนักรังสีวิทยาเป็น "ชั่วโมงมนุษย์" ทั่วไป ผู้คนดูที่ประวัติการศึกษา ใบอนุญาต ความเชี่ยวชาญเฉพาะทาง จำนวนปีที่ทำงาน ความพร้อมใช้งาน ชื่อเสียง ความรับผิดชอบ ฯลฯ ข้อกำหนดสัญญามนุษย์ที่แตกต่างกัน สอดคล้องกับมาตรฐานขั้นต่ำและระดับความคาดหวังที่แตกต่างกัน

ตลาดแรงงานมนุษย์ทำงานโดยอาศัยข้อกำหนดเหล่านี้อยู่แล้ว เพียงแต่ว่าข้อกำหนดเหล่านี้มักจะปะปนกัน เป็นเชิงคุณภาพ และเต็มไปด้วยตัวชี้วัดตัวแทนต่างๆ แรงงานเครื่องจักรจะทำให้ข้อกำหนดเหล่านี้ชัดเจนและวัดปริมาณได้มากขึ้น

สำหรับ LLM หรือ Agent ตัวชี้วัดต่างๆ เช่น ทักษะ ประสบการณ์ ความเร็ว และความน่าเชื่อถือ สามารถเขียนลงในสัญญาได้โดยตรง: คะแนนการทดสอบมาตรฐาน ความหน่วง ปริมาณงาน หน้าต่างบริบท ความยาวเอาต์พุตสูงสุด ความแม่นยำในการใช้เครื่องมือ เวลาทำงานปกติ อัตราข้อผิดพลาด เราสามารถจัดหาแรงงานตามความคาดหวังและผลลัพธ์ที่วัดปริมาณได้

ข้อกำหนดสัญญาของ TheGrid.ai โดยพื้นฐานแล้วคือตัวกรองคุณสมบัติ บวกกับการแข่งขันด้านราคาสำหรับเอาต์พุตของ LLM ผู้ให้บริการที่ตรงตามข้อกำหนดสามารถเข้าสู่การแข่งขันได้:

คะแนนการทดสอบมาตรฐานอัจฉริยะ ≥ ค่าต่ำสุด

ความหน่วง ≤ ค่าสูงสุด

ปริมาณงาน ≥ ค่าต่ำสุด

เวลาทำงานปกติ ≥ ค่าต่ำสุด

อัตราข้อผิดพลาด ≤ ค่าสูงสุด

เมื่อผู้ให้บริการทั้งหมดถึงเกณฑ์ขั้นต่ำเดียวกันแล้ว พวกเขาก็เริ่มแข่งขันกันที่ราคา คำถามที่ผู้ซื้อต้องถามคือ: ผู้ให้บริการรายใดสามารถส่งมอบแรงงานที่ต้องการในราคาที่ดีที่สุด?

การจ้างนักรังสีวิทยา ในบริบทของ LLM กลายเป็นปัญหาที่วัดได้: LLM ใดบ้างที่สามารถอ่านฟิล์ม X-ray ด้วยความชำนาญสูง และทำงานให้เสร็จภายในข้อกำหนดสัญญาที่ชัดเจนเกี่ยวกับความหน่วง หน้าต่างบริบท และผลลัพธ์อื่นๆ

ผลลัพธ์คือวิธีที่ผู้ซื้อวัดความสำเร็จ แรงงานคือกิจกรรมทางเศรษฐกิจที่ถูกจัดหา โทเค็นคือเชื้อเพลิงที่เครื่องจักรใช้ในระหว่างการทำงาน

The Grid คือตลาดแรงงานเครื่องจักร

จากโทเค็นสู่ตลาดแรงงานเครื่องจักร

ตลาดสามารถกำหนดราคาสำหรับปัจจัยการผลิตในสแต็กเทคโนโลยีได้ แต่หากต้องการกำหนดราคาสำหรับผลผลิต จำเป็นต้องมีตลาดแรงงานเครื่องจักร ผู้ซื้อไม่สนใจชั่วโมงการทำงานของ GPU จุดสิ้นสุดของโมเดลเองก็ไม่เสถียร: พวกมันอาจถูกเปลี่ยนชื่อ เลิกใช้ ห่อหุ้ม หรือปลดระวางโดยตรง

ทั้งผู้ใช้และสภาพคล่องเกลียดการเปลี่ยนแปลงบ่อยครั้ง GPU และโมเดลจะพัฒนาอย่างต่อเนื่อง แต่หน่วยที่มั่นคงคืองานนั้นเอง

ผมคิดว่าตลาดจะวิวัฒนาการไปตามเส้นทางนี้ ยิ่งขึ้นไปในแต่ละชั้น สิ่งที่ถูกซื้อจะยิ่งเป็นนามธรรมและมีมูลค่ามากขึ้น แต่ก็ยากต่อการตรวจสอบเช่นกัน The Grid ควรค่อยๆ ปีนขึ้นไปตามบันไดนี้:

โทเค็นดิบ → ตลาดความสามารถ LLM เชิงพาณิชย์ → ตลาดแรงงานเชิงพาณิชย์ → ตลาดผลลัพธ์ที่ตั้งโปรแกรมได้

ระยะที่หนึ่ง: โทเค็นดิบ

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5 ฯลฯ

ทุกวันนี้ ผู้ซื้อซื้อผลลัพธ์โมเดลดิบจากผู้ให้บริการอนุมาน พวกเขาส่งพรอมต์ของตัวเอง รับผลลัพธ์การอนุมาน และจ่ายตามการใช้งาน สิ่งนี้ตรวจสอบได้ง่าย แต่มันก็ยังเป็นแค่วัตถุดิบ สิ่งที่ผู้ซื้อต้องการจริงๆ ไม่ใช่โทเค็น แต่เป็นความฉลาดที่มีประโยชน์ในราคาที่ดีที่สุด

ระยะที่สอง: ตลาดความสามารถ LLM เชิงพาณิชย์

ตัวอย่างเช่น text/usd, code/usd, agent/usd ฯลฯ

ผู้ซื้อไม่ได้เลือกโมเดลเฉพาะอีกต่อไป แต่เลือกประเภทของความฉลาดที่ต้องการ ผู้ซื้อยังคงควบคุมเวิร์กโฟลว์ พรอมต์ ข้อมูล และตรรกะของแอปพลิเคชัน The Grid เพียงแค่กำหนดเส้นทางคำขอแต่ละครั้งไปยังโมเดลที่มีคุณสมบัติตรงตามข้อกำหนดสัญญาและมีราคาต่ำที่สุด

หมายเหตุ: นี่คือชั้นนามธรรมที่แท้จริงชั้นแรกที่อยู่เหนือโทเค็นดิบ และเป็นตำแหน่งที่ TheGrid.ai อยู่ในปัจจุบัน

ระยะที่สาม: ตลาดแรงงานเชิงพาณิชย์

ตัวอย่างเช่น accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd ฯลฯ

เมื่อโมเดลมีความเชี่ยวชาญมากขึ้น ตลาดความสามารถสามารถพัฒนาไปสู่ตลาดเฉพาะอุตสาหกรรมได้ ซึ่งคล้ายกับการแบ่งงานเฉพาะทางในตลาดแรงงานมนุษย์

ในชั้นนี้ เราขายความสามารถในการใช้เหตุผลที่เหมาะสมกับขั้นตอนการทำงานในกลุ่มแรงงานเฉพาะด้าน เมื่อโมเดลเฉพาะอุตสาหกรรมย่อยแพร่หลายมากขึ้น ตลาดประเภทนี้จะขยายตัวอย่างรวดเร็ว ตัวอย่างที่เกี่ยวข้อง ได้แก่ Composer ของ Cursor, Harvey ที่เน้นงานด้านกฎหมาย และ EvidenceOpen สำหรับการดูแลสุขภาพ

ระยะที่สี่: RFQ ที่ตั้งโปรแกรมได้สำหรับ Agent และตลาดผลลัพธ์

ตัวอย่างเช่น support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd เป็นต้น

ชั้นสุดท้ายคือจุดที่ The Grid ก้าวจากตลาดการใช้เหตุผลไปสู่ตลาดแรงงานเครื่องจักร

ชั้นนี้ต้องการกลไกต่างๆ เช่น RFQ (คำขอเสนอราคา), บัญชีเอสโครว์, การชำระเงินล่าช้า, การยืนยันจากผู้ซื้อ, ชื่อเสียงของผู้ให้บริการ, กลไกการหักเงิน, การระงับข้อพิพาท เป็นต้น มีแนวโน้มว่าจะเริ่มต้นด้วย RFQ ก่อน แทนที่จะใช้สมุดคำสั่งซื้อโดยตรง ผู้ซื้อกำหนดขอบเขตงาน ข้อจำกัด เกณฑ์การยอมรับ และเงื่อนไขการชำระเงิน จากนั้น Agent จะประมูลเพื่อทำงานให้เสร็จ The Grid ช่วยในการกำหนดเส้นทาง การกำหนดราคา การตรวจสอบ และการชำระเงินสำหรับงานเหล่านี้

นี่คือชั้นที่มีมูลค่ามากที่สุด แต่ก็ยากที่สุดในการตรวจสอบ เนื่องจากผลลัพธ์อาจล่าช้า เป็นอัตวิสัย และถูกบิดเบือนได้ง่าย ตั๋วสนับสนุนลูกค้าอาจถูกเปิดอีกครั้ง PR อาจผ่านการทดสอบแต่ยังคงสร้างสถาปัตยกรรมที่แย่

ราคารวม = ต้นทุนในการทำงานให้เสร็จ + ต้นทุนในการรับความเสี่ยง

ขั้นตอนการทำงานจะไม่กลายเป็นตลาดโดยอัตโนมัติเพียงเพราะมีตลาดสำหรับความฉลาด หรือความฉลาดมีราคาถูกลง งานบางอย่างพึ่งพาบริบทส่วนตัวอย่างมาก เช่น ประวัติลูกค้าหรือนโยบายภายใน ยิ่งงานพึ่งพาบริบทมากเท่าไร ก็ยิ่งมีโอกาสน้อยที่จะถูกชำระบัญชีอย่างสะอาดในตลาดเปิด [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

ตลาดต้องเปิดเผยว่าหมวดหมู่แรงงานใดจะขยายตัวและหมวดหมู่ใดจะหดตัว

「แรงงานเครื่องจักร vs แรงงานมนุษย์」 หรือ 「แรงงานเครื่องจักร & แรงงานมนุษย์」

Anjali Shriva ในร่างการออกแบบกลไกของเธอชี้ให้เห็นว่า เรื่องเล่าเกี่ยวกับ AI มักถูกอธิบายว่าเป็นการแทนที่ แต่ในความเป็นจริง มันเป็นปัญหาการประสานงานมากกว่า: เมื่องาน การระบุแหล่งที่มา แรงจูงใจ และมูลค่าถูกจัดระเบียบใหม่เมื่อมนุษย์และเครื่องจักรต่างมีส่วนร่วมในการผลิต

วันนี้ การใช้ AI ภายในองค์กรหลายแห่งยังคงถูกจำกัด เนื่องจากพนักงานใช้ AI อย่างไม่เป็นทางการ เวิร์กโฟลว์ยังคงผูกติดอยู่กับบุคคล องค์กรไม่สามารถกำหนดราคาสำหรับการเพิ่มประสิทธิภาพเหล่านี้ได้ และไม่สามารถขยายผลประโยชน์เหล่านี้ให้เป็นระบบได้

งานส่วนใหญ่ที่สามารถทำอัตโนมัติได้อาจถูกโอนไปยังเครื่องจักร งานบางส่วนจะกลายเป็นการตรวจสอบโดยมนุษย์ การรับผิดชอบ การฝึกอบรม และการจัดการบริบท ในบางกรณี การตัดสินใจของมนุษย์ใน 1% สุดท้ายจะมีมูลค่ามากขึ้น เพราะสามารถปลดล็อกงานอัตโนมัติ 99% ที่เหลือในวงกว้างได้

บทความของ Rachel Su Park เรื่อง "Brave New World of AI Markets" ชี้ให้เห็นว่า TAM ของ AI ไม่ควรถูกจำลองอย่างง่ายๆ ว่าเป็นการทดแทนค่าใช้จ่ายแรงงานมนุษย์ที่มีอยู่ เนื่องจากมันเปลี่ยนแปลงทั้งราคาและปริมาณ เมื่อต้นทุนของงานลดลง ราคาต่อหน่วยอาจลดลง แต่ปริมาณการบริโภคอาจขยายตัว เนื่องจากงานที่มีอยู่จะถูกบริโภคบ่อยขึ้น และงานใหม่ที่ไม่เคยมีความคุ้มค่าทางเศรษฐกิจก็จะกลายเป็นไปได้ บทความสรุปว่า:

P × Q: ขนาดตลาด = ราคาต่องาน × ปริมาณงานที่ถูกบริโภค

หาก AI ทำให้การโต้ตอบกับลูกค้าถูกลง บริษัทก็สามารถให้บริการตลอด 24/7 ได้ ตลาดนี้จะไม่ใช่แค่เวอร์ชันราคาถูกของตลาดแรงงานบริการลูกค้าแบบเก่า แต่อาจกลายเป็นตลาดการโต้ตอบกับลูกค้าที่ใหญ่ขึ้น

AI เป็นตลาดที่ขยายตัว เพราะเมื่อต้นทุนของงานลดลง ความต้องการก็ไม่ได้คงที่

ชั้นแรงงาน

ตลาดแรงงานเครื่องจักรควรเริ่มจากงานที่สามารถกำหนดข้อกำหนดได้อย่างชัดเจน ชั่วโมง GPU มีข้อมูลปัจจัยนำเข้ามากเกินไป บอกได้เพียงว่าอะไรสนับสนุนงาน ในขณะที่การกำหนดราคาสำหรับผลลัพธ์ที่สมบูรณ์นั้นซับซ้อนเกินไปและพึ่งพาบริบทมากเกินไป เมื่อการตรวจสอบ ชื่อเสียง และการกำหนดราคาความเสี่ยง/ประกันภัยค่อยๆ ถูกจัดการโดยเครื่องจักร ตลาดก็จะค่อยๆ เคลื่อนไปสู่ชั้นผลลัพธ์ที่บริสุทธิ์

แรงงานเครื่องจักรสามารถกลายเป็นสิ่งที่ซื้อขายได้ เพราะผู้ซื้อจะสนใจน้อยลงว่าโมเดลใดหรือ GPU ใดที่ผลิตงาน แต่จะสนใจมากขึ้นว่างานนั้นตรงตามมาตรฐานขั้นต่ำและระดับในสัญญาข้อกำหนดด้วยราคาที่ถูกต้องหรือไม่ Agent จะยิ่งไม่สนใจแหล่งที่มาพื้นฐานเหล่านี้

เครื่องจักรสามารถทำงานที่มีประโยชน์ทางเศรษฐกิจได้โดยตรงแล้ว และงานนี้สามารถถูกกำหนด วัดผล กำหนดราคา จัดซื้อ และในที่สุดก็ซื้อขายได้ ไฟฟ้า พลังประมวลผล โมเดล และ token แน่นอนว่ายังคงสำคัญ แต่ทั้งหมดนี้ยังอยู่ในขั้นต้นน้ำ

ปลายน้ำคือที่ที่งานเสร็จสมบูรณ์จริงๆ และตลาดกำลังเคลื่อนไปสู่วัตถุที่เรียบง่ายกว่า: แรงงานเครื่องจักร

[ลิงก์ต้นฉบับ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia