IOSG: เมื่อการให้เหตุผลกลายเป็นทรัพยากรที่หายาก คุณค่าจะถูกยึดครองโดยใคร?

หัวข้อต้นฉบับ: 《IOSG Weekly Brief｜เมื่อการอนุมานกลายเป็นทรัพยากรที่หายาก ใครจะเป็นผู้จับมูลค่า #329》
ผู้เขียนต้นฉบับ: Frank Fu, IOSG Ventures

ช่องว่างที่ David Cahn เสนอไว้ในปี 2023 ไม่เคยถูกเติมเต็มในด้านการฝึกฝน มันถูกเติมเต็มในด้านการอนุมาน และตลาดเพิ่งเริ่มนำมันมาคิดรวมในการตั้งราคาในช่วงไม่กี่สัปดาห์ที่ผ่านมา

เมื่อ Nvidia ปรับโครงสร้างรายงานทางการเงินรอบ "service token" และ Cerebras ได้รับการจองซื้อล่วงหน้าเกิน 20 เท่าในการเข้าตลาดหุ้น การต่อสู้เรื่องคอขวดก็สิ้นสุดลงแล้ว ปัญหาที่แท้จริงกลายเป็นคำถามถัดไป: เมื่อการอนุมานกลายเป็นทรัพยากรที่หายาก มูลค่าจะตกตะกอนในชั้นไหนของห่วงโซ่การคำนวณ

ตาม GPU ไป: จากปัญหามูลค่า 2000 พันล้านดอลลาร์ สู่ปัญหามูลค่า 6000 พันล้านดอลลาร์

ในปี 2023 David Cahn จาก Sequoia ได้ตั้งคำถามที่แขวนอยู่เหนือการสร้าง AI ทั้งหมด นั่นคือ "ปัญหามูลค่า 2000 พันล้านดอลลาร์" ทุกๆ 1 ดอลลาร์ที่ใช้ซื้อ GPU จะต้องใช้เงินอีกประมาณ 1 ดอลลาร์เพื่อจ่ายไฟในศูนย์ข้อมูล ดังนั้น CapEx ของ GPU ในแต่ละปีหมายความว่าชิปเหล่านี้ต้องสร้างรายได้ประมาณ 2000 พันล้านดอลลาร์ในที่สุดเพื่อคืนทุน

แม้จะตั้งสมมติฐานที่เอื้อเฟื้อต่อรายได้ของ AI เขายังพบว่ามีช่องว่างมากกว่า 1250 พันล้านดอลลาร์ระหว่าง "การลงทุน" กับ "การชำระเงินจริงจากลูกค้าปลายทาง" ความกังวลนั้นตรงไปตรงมา: GPU กำลังถูกสร้างเกินความต้องการที่แท้จริง

หนึ่งปีต่อมา ช่องว่างไม่ได้แคบลง แต่กลับขยายใหญ่ขึ้น Cahn ในผลงานต่อเนื่องปี 2024 เมื่อ CapEx ของผู้ให้บริการระดับไฮเปอร์สเกลขยายตัว ได้นิยามใหม่เป็น "ปัญหามูลค่า 6000 พันล้านดอลลาร์" มุมมองเชิงลบรวมตัวกันเป็นรูปร่างที่คุ้นเคย: การสร้างเกินนำไปสู่อุปทานล้นเกิน และอุปทานล้นเกินจะเผาผลาญทุน

บทความทั้งสองถามสิ่งเดียวกัน: ใครจะเติมช่องว่างนี้? คำตอบไม่เคยปรากฏในบัญชีด้าน "การฝึกฝน" มันปรากฏในด้าน inference (การอนุมาน) และตลาดเพิ่งเริ่มนำมันมาคิดรวมในการตั้งราคาในช่วงไม่กี่สัปดาห์ที่ผ่านมา

การเข้าตลาดหุ้นของ Cerebras และการบีบตัวของการอนุมาน

Cerebras เข้าตลาดหุ้นเมื่อวันพฤหัสบดี การเสนอขายหุ้น IPO ครั้งนี้ได้รับการจองซื้อล่วงหน้าเกิน 20 เท่า โดยราคาใกล้เคียงกับสองเท่าของการขึ้นราคาครั้งสุดท้ายในวันพุธ ความต้องการไม่ได้มาจากการเดิมพัน "นักฆ่า Nvidia รายต่อไป" แต่มาจากสิ่งที่ง่ายกว่า: ตลาดเริ่มตระหนักว่าคอขวดที่แท้จริงใน AI คือ inference ไม่ใช่การฝึกฝน

ความสามารถหลักของ Cerebras คือสถาปัตยกรรมชิปที่ทำให้การอนุมาน (inference) รวดเร็วมาก ไม่ใช่การฝึก (training) แต่เป็นการอนุมาน นี่คือสิ่งที่ทำให้วอลล์สตรีทตื่นเต้น ตลาดอินฟีเรนซ์เป็นตลาดที่เกิดขึ้นซ้ำๆ และขยายตัวตามปริมาณการใช้งาน ทุกครั้งที่ Claude ตอบคำถาม ทุกครั้งที่เอเจนต์ทำงาน มันก็ใช้พลังประมวลผล การฝึกเกิดขึ้นเพียงครั้งเดียว แต่การอนุมานไม่เคยหยุด

J.P. Morgan ประเมินขนาดตลาดอินฟีเรนซ์ว่ามากกว่าการฝึก 10 ถึง 50 เท่า เมื่อเครื่องจักรเริ่มทำงานตามคำสั่งจากเครื่องจักรอื่น นั่นคือการขยายตัวแบบเอเจนติก (agentic) ความต้องการอินฟีเรนซ์จะไม่ขยายตามจำนวนผู้ใช้อีกต่อไป แต่จะขยายตามพลังประมวลผลเอง

Nvidia ปรับแผนที่ใหม่: การอนุมานกลายเป็นหัวข้อหลัก

ถ้า Cerebras คือการตื่นรู้ของตลาด รายงานผลประกอบการไตรมาสล่าสุดของ Nvidia ก็คือการยืนยันจากจุดสูงสุดของห่วงโซ่อุตสาหกรรม ในการประชุมทางโทรศัพท์รายงานผลประกอบการครั้งล่าสุด Jensen Huang ได้พูดสิ่งที่ทุกคนรู้กันในใจออกมาชัดเจน: ความต้องการ AI กำลังเติบโตแบบพาราโบลา

เหตุผลง่ายมาก: agentic AI มาถึงแล้ว AI กระแสหลักได้เปลี่ยนจากการอนุมานครั้งเดียว ไปสู่การอนุมานเชิงตรรกะ และเข้าสู่ขั้นตอนที่เอเจนต์สามารถเรียกใช้เครื่องมือและจัดระเบียบงานได้ด้วยตัวเอง Huang กล่าวว่า "ตอนนี้ Tokens มีกำไรแล้ว" ในยุค AI พลังประมวลผลคือรายได้และกำไร

สิ่งนี้เปลี่ยนโฉมอุตสาหกรรมทั้งหมด การฝึกคือต้นทุนครั้งเดียวในการสร้างโมเดล ส่วนอินฟีเรนซ์คือต้นทุนที่เกิดขึ้นซ้ำในการรันมัน และตอนนี้คอขวดอยู่ที่การอนุมาน ไม่ใช่การฝึก

Nvidia เขียนการตัดสินใจนี้ลงในรายงานผลประกอบการของตัวเอง ตอนนี้มันเปิดเผยข้อมูลตามสองแพลตฟอร์ม ไม่ใช่แค่หนึ่ง: Data Center (ศูนย์ข้อมูล) และ Edge Computing (การประมวลผลแบบเอดจ์) ศูนย์ข้อมูล (ประมาณ 75,000 ล้านดอลลาร์ในไตรมาสนั้น เพิ่มขึ้น 92% เมื่อเทียบกับปีก่อน) ถูกแบ่งย่อยเป็น Hyperscale (ประมาณ 38,000 ล้านดอลลาร์ เพิ่มขึ้น 12% เมื่อเทียบกับไตรมาสก่อน) และ ACIE ซึ่งก็คือ AI คลาวด์ อุตสาหกรรม และองค์กร (ประมาณ 37,000 ล้านดอลลาร์ เพิ่มขึ้น 31% เมื่อเทียบกับไตรมาสก่อน)

สายธุรกิจใหม่ทั้งหมดคือ Edge Computing: 6,400 ล้านดอลลาร์ เพิ่มขึ้น 29% เมื่อเทียบกับปีก่อน ครอบคลุมอุปกรณ์ปลายทางที่ agentic AI และ physical AI ทำงานจริง เช่น พีซี เวิร์กสเตชัน สถานีฐาน AI-RAN หุ่นยนต์ และรถยนต์

ปัจจุบันเอดจ์ยังคิดเป็นสัดส่วนน้อยกว่า 8% ของรายได้ทั้งหมด แต่ Nvidia ได้ยกระดับให้เป็น "แพลตฟอร์มที่สอง" ที่เทียบเท่ากับศูนย์ข้อมูล สัญญาณนี้คือ: การอนุมานกำลังแยกออกเป็นสองแนวรบ cloud inference ในศูนย์ข้อมูล (การอนุมานบนคลาวด์) และ endpoint inference ที่ฝั่งเอดจ์ (การอนุมานที่ปลายทาง) AI ต้องมองเห็น เคลื่อนที่ และลงมือทำในโลกกายภาพ

แผนงานดำเนินตามตรรกะเดียวกัน: Vera Rubin ซึ่งจะเริ่มจัดส่งในไตรมาสที่ 3 มีปริมาณงานอนุมานสูงสุดถึง 35 เท่าของ Blackwell; Huang ยังได้ให้ TAM ใหม่มูลค่า 2 แสนล้านดอลลาร์สำหรับ Vera CPU ที่ออกแบบมาเพื่อโหลดแบบ agentic คาดว่าทุกบริษัทชั้นนำด้านฟรอนเทียร์โมเดลจะเปลี่ยนมาใช้ทั้งหมดตั้งแต่วันแรก

เมื่อบริษัทที่มีมูลค่าตลาดสูงที่สุดในโลกปรับโครงสร้างการเปิดเผยข้อมูลทางการเงินรอบ "โทเค็นบริการ" การต่อสู้เรื่องคอขวดก็สิ้นสุดลงแล้ว ส่วนที่เหลือของบทความนี้จะพูดถึงว่าเมื่อ inference (ไม่ใช่ training) กลายเป็นทรัพยากรที่หายาก ใครจะเป็นผู้จับมูลค่า

ขอชี้แจงขอบเขตก่อน ในสองแนวรบนี้ บทความนี้พูดถึง cloud inference ซึ่งก็คือ GPU ในดาต้าเซ็นเตอร์ที่ให้เช่าเพื่อให้บริการ API token

endpoint inference ทำงานบนชิปภายในอุปกรณ์เอง (Jetson, RTX, Drive, AI-RAN ของ Nvidia) โดยไม่ผ่านสแต็กการเช่าและรวม GPU ที่อยู่ข้างใต้เลย ที่นี่ ให้มองว่ามันเป็นลมหนุนที่ขยายเศรษฐกิจ inference ทั้งหมดและสนับสนุนข้อโต้แย้งเรื่องคอขวด ไม่ใช่ตลาดที่ Hyperbolic และ Venice อยู่ ซึ่งทั้งสองบริษัทอยู่ในแนวคลาวด์

การบีบอัดมาถึงแล้ว

Anthropic คือนกคีรีบูนในเหมืองถ่านหิน ปริมาณการใช้งานเกินกำลังการผลิตที่เตรียมไว้อย่างมาก ข้อร้องเรียนเกี่ยวกับ Claude ที่ถูก "ตัดสมอง" พุ่งกระจายไปทั่วทั้งเน็ต รวมถึงการตอบกลับที่ถูกจำกัด การอนุมานที่ช้าลง และหน้าต่างบริบทที่ถูกบีบอัด

ทางออกคือพลังคำนวณที่ชัดเจน: ในเดือนพฤษภาคม 2026 Anthropic เข้าควบคุมดาต้าเซ็นเตอร์ Colossus 1 ทั้งหมดจาก SpaceX ซึ่งมี GPU Nvidia มากกว่า 220,000 ตัวและกำลังไฟฟ้ามากกว่า 300 เมกะวัตต์ และนำไปใช้สำหรับ inference โดยเฉพาะ ไม่ใช่ training

กำลังการผลิตส่วนนี้ปลดล็อกการเปลี่ยนแปลงขีดจำกัดเป็นชุด ซึ่งแต่ละครั้งเป็นสัญญาณ

วันที่ 6 พฤษภาคม Anthropic เพิ่มขีดจำกัดห้าชั่วโมงของ Claude Code เป็นสองเท่า ยกเลิกการจำกัดในช่วงเวลาเร่งด่วน และเพิ่มอัตราจำกัด API ของ Opus อย่างมาก วันที่ 13 พฤษภาคม เพิ่มขีดจำกัดรายสัปดาห์ของ Claude Code อีก 50% (จนถึงวันที่ 13 กรกฎาคม) จากนั้น ตั้งแต่วันที่ 15 มิถุนายน มันทำสิ่งที่ตรงกันข้ามกับ "ความใจกว้าง": แยกการใช้งานแบบ agentic และแบบโปรแกรม (Agent SDK, โหมดไร้หัว claude -p, CI pipeline) ออกจากสมัครสมาชิกแบบแบน และใส่ลงในพูลเครดิตที่คิดค่าบริการแยกต่างหาก (20 ถึง 200 ดอลลาร์ต่อเดือน คิดตามราคา API)

ขั้นตอนสุดท้ายนี้เป็นการสรุปข้อโต้แย้งทั้งหมดไว้ในการกระทำเดียว: agent ใช้ inference ในอัตราที่เร็วกว่าที่การออกแบบแบบสมัครสมาชิกแบบแบนจะรองรับได้ ดังนั้นจึงต้องกำหนดราคาตาม "ต้นทุนที่เกิดขึ้นประจำ" ตามธรรมชาติของมัน

การฝึกอบรมเป็นค่าใช้จ่ายทุนครั้งเดียว ส่วน inference เป็นต้นทุนการดำเนินงานที่เกิดขึ้นประจำ ซึ่งจะทบต้นสะสมตามผู้ใช้ใหม่แต่ละรายและ agent ใหม่แต่ละตัว

สแต็กนี้: หกชั้น หนึ่งคอขวด

ทุกแอปพลิเคชัน AI ตั้งอยู่บนห่วงโซ่อุปทานที่เริ่มต้นจากโรงงานเวเฟอร์ของ TSMC และสิ้นสุดที่ปลายทาง API:

บริษัทส่วนใหญ่เป็นเจ้าของเพียงชั้นเดียว Nvidia เป็นเจ้าของซิลิคอน CoreWeave เป็นเจ้าของ bare metal Together AI เป็นเจ้าของการปรับแต่ง inference และ OpenRouter เป็นเจ้าของการกำหนดเส้นทางโมเดล API

ยกเว้นเพียงบริษัทเดียว

Hyperbolic: บริษัทเดียวที่ครอบคลุมสามชั้น

Hyperbolic เปิดตัวตลาด GPU แบบ on-demand ในเดือนมิถุนายน 2025 ในช่วงไม่กี่เดือนแรก จำนวนนักพัฒนาเพิ่มขึ้นเกิน 200,000+ ราย โดยครอบคลุมแล็บ AI ชั้นนำ การค้นหา และแพลตฟอร์มผู้บริโภคขนาดใหญ่

สิ่งที่น่าสนใจคือสถาปัตยกรรมของมัน

Hyperbolic ไม่ได้ถือครอง GPU แม้แต่ใบเดียว การ์ดทุกใบมาจาก neocloud และศูนย์ข้อมูล รวมถึง CoreWeave, Lambda Labs, Nebius และผู้ให้บริการรายย่อยที่มีกำลังการผลิตส่วนเกิน สิ่งนี้อาจฟังดูเหมือนจุดอ่อน แต่แท้จริงแล้วคือคูเมือง

ด้วยการนั่งอยู่ระหว่างผู้จัดหา GPU และผู้บริโภค Hyperbolic สามารถเห็นข้อมูลเรียลไทม์ที่คนอื่นมองไม่เห็น มันรู้ว่าใครกำลังซื้อ GPU ไหน ในราคาเท่าไหร่ และเวลาไหน มันเห็นก่อนที่อุปทานส่วนเกินจะเปิดเผยต่อสาธารณะ และเห็นก่อนที่ความต้องการที่พุ่งสูงจะกระทบตลาด

ปัจจุบัน คูเมืองนี้คือการรวมกลุ่ม multi-cloud เอง Hyperbolic เย็บกำลังการผลิตที่กระจัดกระจายจากคลาวด์และศูนย์ข้อมูลอิสระหลายสิบแห่งเข้าด้วยกันเป็นพูลรวมที่ได้มาตรฐาน ทำให้นักพัฒนาไม่ต้องเจรจากับผู้ให้บริการแต่ละรายหรือจัดการบัญชีมากมาย เพื่อเช่า GPU ที่ถูกที่สุดที่มีอยู่ได้ทุกที่

ยิ่งเชื่อมต่อคลาวด์มากเท่าไร สภาพคล่องก็ยิ่งลึกขึ้น และข้อมูลราคาก็ยิ่งสมบูรณ์มากขึ้นเท่านั้น ถัดจากนั้น ทีมงานกำลังสำรวจว่าจะใช้ข้อมูลเหล่านี้เพื่อสร้างแบบจำลองเส้นราคา GPU ได้อย่างไร และท้ายที่สุดจะนำเงินทุนของตนเองมาใช้เพื่อปรับสมดุลอุปสงค์และอุปทาน โดยรับบทบาทเป็น Market Maker สำหรับพลังการคำนวณทางกายภาพ แต่เป้าหมายนี้ยังอยู่ในช่วงเริ่มต้น สิ่งที่สร้างผลตอบแทนทบต้นได้จริงในตอนนี้คือเลเยอร์การรวม

นี่คือวงล้อแห่งการเติบโต (Flywheel):

1. เชื่อมต่อคลาวด์มากขึ้น → อุปทานที่ถูกรวมมากขึ้น

2. อุปทานมากขึ้น → ตลาดที่ลึกขึ้นและข้อมูลราคาแบบเรียลไทม์

3. ข้อมูลที่ดีขึ้น → การกำหนดเส้นทางที่ชาญฉลาดขึ้นในปัจจุบัน และในระยะยาวคือแบบจำลองราคา

4. สภาพคล่องและราคาที่ดีขึ้น → นักพัฒนามากขึ้น → คลาวด์มากขึ้นที่ต้องการเชื่อมต่อ

ไม่มีบริษัทอื่นใดที่กำลังลองทำสิ่งนี้ Hyperbolic เป็นบริษัทเดียวที่ครอบคลุมทั้งเลเยอร์การเช่า GPU เลเยอร์การปรับใช้ และเลเยอร์ API ของโมเดล

Venice กระจกสะท้อน

Venice คือภาพสะท้อนที่ชัดเจนที่สุดของเศรษฐกิจ Inference ในเลเยอร์แอปพลิเคชัน และเป็นจุดเปรียบเทียบที่มีประโยชน์กับตำแหน่งของ Hyperbolic

มันคือแอปพลิเคชัน Inference ที่ให้ความสำคัญกับความเป็นส่วนตัว: ชุด API ที่เข้ากันได้กับ OpenAI พร้อมด้วยแผนการสมัครสมาชิกสำหรับผู้บริโภค (Free / Pro / Pro+ / Max) ที่กำหนดเส้นทางคำขอไปยังโมเดลประมาณ 75 โมเดล โดยประมาณสองในสามเป็นโมเดลโอเพนซอร์สหรือโฮสต์เอง (Llama, Mistral, Qwen, DeepSeek) ส่วนที่เหลือเป็นการส่งต่อแบบไม่เปิดเผยตัวตนไปยังโมเดล前沿แบบปิด

ประเด็นสำคัญคือ Venice เองไม่ได้เป็นเจ้าของพลังการคำนวณที่มีนัยสำคัญ มันเช่าจากพันธมิตร GPU ที่ไม่เปิดเผยและผู้ให้บริการคอมพิวเตอร์แบบ机密 (NEAR AI Cloud, Phala) และจ่ายเงินให้กับแล็บ前沿เพื่อการส่งต่อ ดังนั้นต้นทุนรายได้ที่แท้จริงของมันคือพลังการคำนวณ Inference ไม่ใช่การโฮสต์ SaaS

สิ่งที่ Venice ขายจริงๆ คือความเป็นส่วนตัว "การทำให้เป็นส่วนตัว" ที่นี่ไม่ใช่การเปลี่ยนพลังการคำนวณสาธารณะให้เป็นทรัพย์สินส่วนตัว แต่เป็นการห่อหุ้ม Inference ที่เป็นสินค้าโภคภัณฑ์ด้วยการรับประกัน: ไม่เก็บข้อมูล, ไม่นำไปฝึก, คำขอไม่เปิดเผยตัวตน และโหลดบางส่วนทำงานใน TEE ทำให้ผู้ให้บริการเองก็ไม่เห็นข้อความต้นฉบับ

พลังการคำนวณพื้นฐานเป็นสินค้าทั่วไป ส่วนต่างราคาที่ขายได้คือการห่อหุ้มความเป็นส่วนตัวนี้ และการรับประกันนี้เป็นแบบแบ่งชั้น ไม่เท่าเทียมกัน: สำหรับโมเดลโอเพนซอร์สที่ทำงานบน GPU ที่ควบคุมเองหรือใน TEE สามารถทำการคอมพิวเตอร์แบบ机密แบบ end-to-end ได้ใกล้เคียง แต่สำหรับการส่งต่อแบบไม่เปิดเผยตัวตนไปยังโมเดลปิดอย่าง Claude, GPT ความเป็นส่วนตัวเป็นเพียงการลบข้อมูลระบุตัวตน ส่วนแล็บ前沿ยังคงประมวลผล Prompt ดั้งเดิมของคุณ ดังนั้นความเป็นส่วนตัวที่แข็งแกร่งที่สุดครอบคลุมเฉพาะส่วนโอเพนซอร์ส ส่วนโมเดล前沿เป็น "ไม่เปิดเผยตัวตน" ไม่ใช่ "เป็นความลับจริง"

อัตรากำไรขั้นต้นของ Venice = ราคาสมัครสมาชิก − ต้นทุนการประมวลผล inference ที่จ่ายให้กับผู้ให้บริการปลายน้ำ และส่วนที่ Venice สามารถเรียกเก็บเพิ่มจากราคา API เปล่าได้นั้น เกือบทั้งหมดขึ้นอยู่กับส่วนเพิ่มจากความเป็นส่วนตัว (privacy premium) ซึ่งเป็นสาเหตุที่ทำให้มีกำไรน้อยและถูกจำกัดด้วยราคาส่งต่อจากผู้ให้บริการ前沿

การออกแบบโทเค็นได้ห่อหุ้มความต้องการ inference นี้ไว้ Venice ทำงานบนโทเค็นสองตัว: VVV (สำหรับการ Stake และการเข้าถึงแพลตฟอร์ม) และ DIEM ซึ่งเป็นเครดิต inference โดยแต่ละ DIEM มีค่าเท่ากับพลังประมวลผลประมาณ 1 ดอลลาร์ต่อวัน

การสมัครสมาชิกแบบชำระเงินจะกระตุ้นให้เกิดการซื้อคืนและเผา VVV ตามโปรแกรม (Pro / Pro+ / Max ประมาณ 2 / 5 / 10 ดอลลาร์ตามลำดับ) ส่วนการปล่อยโทเค็นจะลดลงตามตารางเวลาที่กำหนด: จาก 6 ล้าน → 5 ล้าน → 4 ล้าน VVV ต่อเดือน และจะลดลงเหลือ 3 ล้านในวันที่ 1 กรกฎาคม

การซื้อคืนเป็นเรื่องจริง แต่เป็นไปตามดุลยพินิจและยังคงมีขนาดเล็ก: ในเดือนเมษายนและพฤษภาคม มีการเผาโทเค็นประมาณ 103,000 ดอลลาร์ต่อเดือน ส่วนในเดือนมิถุนายนกำลังค่อยๆ เพิ่มขึ้นสู่ประมาณ 110,000 ดอลลาร์ ซึ่งต่ำกว่าเส้น 200,000 ดอลลาร์ต่อเดือนมาก

พื้นฐานทางธุรกิจดีกว่าที่เห็นจากพาดหัวข่าว ตัวเลข "ARR 70 ล้านดอลลาร์" ที่แพร่หลายในที่สาธารณะนั้นเกือบจะแน่นอนว่าเกิดจากการเข้าใจผิดว่าการต่ออายุสมาชิกเป็นการได้ลูกค้าใหม่สุทธิ ช่วงที่สามารถสังเกตได้และน่าเชื่อถือนั้นใกล้เคียงกับ ARR 6 ถึง 15 ล้านดอลลาร์

ภายใต้ตัวเลขนี้ การเติบโต (traction) เป็นเรื่องจริง: มีที่อยู่ถือโทเค็นประมาณ 136,000 ราย, การเข้าชมเว็บไซต์ประมาณ 9.9 ล้านครั้งต่อเดือน (ประมาณ 330,000 ครั้งต่อวัน) และการสมัครสมาชิก Pro ใหม่ยังคงอยู่ที่ประมาณ 1,400 รายต่อวัน นี่คือธุรกิจจริง แต่เป็นธุรกิจที่มีกำไรน้อย ซึ่งเศรษฐกิจของมันถูกจำกัดโดยพลังประมวลผลที่มันซื้อ

นี่คือเหตุผลที่ Hyperbolic อยู่เหนือ Venice หนึ่งชั้น หาก Venice เป็นปั๊มน้ำมัน Hyperbolic ก็คือโรงกลั่นน้ำมัน Venice ซื้อพลังประมวลผลจากอุปทานที่จำกัดเดียวกันที่ทุกคนพึ่งพา ในขณะที่ Hyperbolic รวบรวมและทำให้อุปทานที่กระจัดกระจายนั้นเป็นมาตรฐาน แล้วขายให้กับ Venice และผู้เล่นอื่นๆ ที่คล้ายกัน

เมื่อความต้องการ inference เติบโตขึ้น มูลค่าไม่ได้สะสมเฉพาะที่แอปพลิเคชันที่ใช้พลังประมวลผลเท่านั้น แต่ยังสะสมที่ชั้นที่รวบรวมและจัดเส้นทางพลังประมวลผล และเก็บค่าใช้จ่ายด้านรายได้ (cost of revenue) ที่แอปพลิเคชันเหล่านี้จ่ายอีกด้วย

ทำไมเรื่องนี้ถึงสำคัญในตอนนี้

Nvidia ได้ปรับโครงสร้างการเงินรอบ "Service Token" การเสนอขายหุ้น IPO ของ Cerebras พิสูจน์ให้เห็นว่าตลาดเข้าใจแล้วว่า Inference คือคอขวด Anthropic วิ่งหาศักยภาพการผลิตทุกที่ พิสูจน์ว่านี่คือปัญหาจริง AI แบบ Agentic และ Physical AI จะขยายความต้องการเพิ่มขึ้นหลายเท่าตัว ครอบคลุมทั้งคลาวด์และฝั่ง Edge

และมันก็ปิดวงจรของ "ปัญหา 6000 พันล้านดอลลาร์" จากอีกด้านหนึ่ง มุมมองขาลงของ Cahn ที่ว่าสร้างมากเกินไปแล้วล้นตลาด ในที่สุดก็มีแนวโน้มจะได้รับการพิสูจน์

แต่การล้นตลาดกลับเป็นสภาวะที่ดีที่สุดสำหรับผู้รวบรวมสินทรัพย์เบา: เมื่อราคา GPU ลดลง อุปทานกระจายตัวเป็นชิ้นเล็กชิ้นน้อยในคลาวด์หลายสิบแห่ง ผู้เล่นที่ไม่ถือครองฮาร์ดแวร์ใดๆ และจัดเส้นทางโหลดงานแต่ละชิ้นไปยังการ์ดที่ถูกที่สุดที่มีอยู่ จะทำกำไรจากส่วนต่างราคา ในขณะที่ผู้ให้บริการที่ถือครอง GPU ที่เสื่อมราคาอย่างต่อเนื่องจะรับภาระขาดทุน Hyperbolic คือการทำ Long การล้นตลาด ไม่ใช่ Short

บริษัทที่จะชนะในที่สุด จะไม่ใช่บริษัทที่มี GPU มากที่สุด แต่เป็นบริษัทที่สามารถบอกคุณได้ว่า GPU ไหนอยู่ที่ไหน ราคาเท่าไหร่ และจัดเส้นทางโหลดงานแต่ละชิ้นไปยังจุดที่ดำเนินการด้วยต้นทุนต่ำที่สุด

Hyperbolic กำลังสร้างบริษัทแบบนั้น ไม่ได้เป็นเจ้าของ GPU เอง ซอฟต์แวร์ล้วนๆ ลึกสามชั้น แต่กลับกลายเป็นเลเยอร์รวบรวมพลังการประมวลผล Inference สูงสุด

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