TL;DR
· หลังจากเปิดตัว Kimi K3 หุ้นที่เกี่ยวข้องกับ AI ร่วงลงเมื่อวันศุกร์ที่ผ่านมา ตลาดกลับมากังวลเรื่องค่าใช้จ่ายด้านพลังประมวลผลเช่นเดียวกับ DeepSeek R1
· ยักษ์ใหญ่คลาวด์ของสหรัฐฯ มีแผนลงทุนโครงสร้างพื้นฐาน AI ประมาณ 7 แสนล้านดอลลาร์ในปีนี้ ซึ่งเป็นตัวเลขสำคัญที่กระทบต่อการประเมินมูลค่าของโมเดลน้ำหนักเปิด
· โมเดลเปิดอาจกดราคาโมเดลปิด แต่ก็อาจขยายปริมาณการใช้งาน AI ซึ่งไม่ได้หมายความว่าความต้องการพลังประมวลผลถึงจุดสูงสุด

ธนาคารดอยซ์แบงก์ระบุในรายงานสำหรับนักลงทุนทั่วไปว่า หลังจาก Moonshot AI เปิดตัว Kimi K3 หุ้น AI เมื่อวันศุกร์ที่ผ่านมาเกิด "ช่วงเวลา DeepSeek" อีกครั้ง: ตลาดเริ่มตั้งคำถามอีกครั้งว่า หากโมเดลน้ำหนักเปิดของจีนสามารถเข้าใกล้โมเดลปิดชั้นนำด้วยต้นทุนที่ต่ำกว่า การใช้จ่ายด้านโครงสร้างพื้นฐาน AI หลายพันล้านดอลลาร์ของยักษ์ใหญ่เทคโนโลยีสหรัฐฯ ยังคงสมเหตุสมผลหรือไม่

นี่ไม่ใช่การถกเถียงทางเทคนิคล้วนๆ รายงานระบุว่า เมื่อวันศุกร์ที่ผ่านมา "กลุ่ม Big Seven" ลดลงประมาณ 1.8% ดัชนีฟิลาเดลเฟียเซมิคอนดักเตอร์ลดลงประมาณ 1.6% ทำให้การลดลงสะสมในสัปดาห์นั้นเกิน 10% Google ภายใต้ Alphabet, Microsoft, Amazon AWS, Meta และ Oracle คาดว่าจะลงทุนประมาณ 7 แสนล้านดอลลาร์ในปีนี้เพื่อสร้างขีดความสามารถด้าน AI เพิ่มขึ้นประมาณ 70% จากปีที่แล้ว

สาเหตุที่นักลงทุนกังวลนั้นตรงไปตรงมา: ตลาดกระทิง AI ในช่วงไม่กี่ปีที่ผ่านมาสร้างขึ้นบนสมมติฐานที่ว่าโมเดลที่แข็งแกร่งกว่าต้องการชิปมากขึ้น ศูนย์ข้อมูลมากขึ้น ไฟฟ้ามากขึ้น และค่าใช้จ่ายด้านทุนที่สูงขึ้น แต่หลังจาก DeepSeek R1 Kimi K3 เตือนตลาดอีกครั้งว่าโมเดลราคาถูก น้ำหนักเบา ดาวน์โหลดได้และปรับแต่งได้กำลังไล่ตามยักษ์ใหญ่โมเดลปิด

การเปิดตัวโมเดลหนึ่งตัว ทำไมถึงกระทบ Nvidia และผู้ให้บริการคลาวด์?

ผลกระทบจาก DeepSeek R1 ในเดือนมกราคม 2025 ยังคงเป็นส่วนหนึ่งของความทรงจำของตลาด รายงานทบทวนว่า ในตอนนั้นตลาดกังวลว่าทีมจีนใช้ชิปรุ่นเก่าและต้นทุนการฝึกอบรมที่ต่ำกว่าเพื่อสร้างโมเดลที่ "ดีพอ" มูลค่าตลาดของ Nvidia เคยระเหยไปประมาณ 6 แสนล้านดอลลาร์ในวันเดียว

ปัญหาที่ Kimi K3 นำมาคล้ายกัน: หากโมเดลน้ำหนักเปิดสามารถถึงระดับที่ใช้งานได้ในหลายสถานการณ์ องค์กรยังจำเป็นต้องจ่ายค่าโมเดลปิดที่แพงที่สุดตลอดไปหรือไม่? ผู้ให้บริการคลาวด์ยังจำเป็นต้องสร้างศูนย์ข้อมูลด้วยความเร็วปัจจุบันหรือไม่? ความต้องการชิปจะเปลี่ยนจาก "ยิ่งมากยิ่งดี" เป็น "ถูกกว่า มีประสิทธิภาพมากกว่า และกระจายตัวมากขึ้น" หรือไม่?

ประเด็นสำคัญที่นี่ไม่ใช่ Kimi K3 จะเหนือกว่า OpenAI หรือ Anthropic อย่างสมบูรณ์หรือไม่ แต่คือมันเพียงพอที่จะทำให้สมมติฐานเริ่มต้นบางส่วนของตลาดเกี่ยวกับโมเดลธุรกิจ AI สั่นคลอน ตราบใดที่โมเดล "ดีพอ" ราคาถูกลงเรื่อยๆ อำนาจการตั้งราคาของผู้ผลิตโมเดลปิดจะถูกบีบอัด และเรื่องราวการเติบโตของผู้ให้บริการคลาวด์และบริษัทชิปจะถูกบังคับให้เผชิญกับการตรวจสอบมากขึ้น

นี่คือเหตุผลที่การเปิดตัวโมเดลครั้งหนึ่งสามารถส่งผลกระทบต่อตลาดหุ้นได้ ในกลุ่ม "เจ็ดยักษ์ใหญ่เทคโนโลยี" หลายบริษัทเป็นทั้งผู้ให้บริการโมเดลและแอปพลิเคชัน AI รวมถึงเป็นผู้ซื้อศูนย์ข้อมูลรายใหญ่ที่สุดของโลก ส่วนดัชนีเซมิคอนดักเตอร์ก็รับผลกระทบโดยตรงจากการเปลี่ยนแปลงความคาดหวังของความต้องการ GPU อุปกรณ์เครือข่าย และเซิร์ฟเวอร์ AI

สิ่งที่กระทบมูลค่าอย่างแท้จริงไม่ใช่คำว่า "โอเพนซอร์ส"

โมเดล AI หลายตัวที่ตลาดเรียกว่า "โอเพนซอร์ส" จริงๆ แล้วควรเรียกว่า "โอเพนเวท" (Open Weight) อย่างถูกต้องมากกว่า

โมเดลแบบปิด (Closed-source) มีลักษณะคล้ายบริการ "เสียบแล้วใช้งานได้" มากที่สุด โมเดลเรือธงอย่าง GPT ของ OpenAI หรือ Claude ของ Anthropic มักถูกควบคุมโดยนักพัฒนาในเรื่องน้ำหนักโมเดล วิธีการฝึก ราคา การอัปเดต และข้อจำกัดด้านความปลอดภัย ผู้ใช้เรียกใช้งานผ่านแอปพลิเคชัน API หรือบริการคลาวด์ ข้อดีคือสะดวก เสถียร และมีการผสานรวมสูง ข้อเสียคือผู้ใช้ควบคุมส่วนลึกได้ยาก และต้องยอมรับราคาและกฎเกณฑ์ของผู้ให้บริการ

ส่วนโมเดลแบบโอเพนเวทจะเปิดเผยพารามิเตอร์ที่ผ่านการฝึกแล้วให้ผู้ใช้สามารถดาวน์โหลด ปรับใช้ ปรับแต่ง และในทางเทคนิคสามารถแก้ไขการตั้งค่าความปลอดภัยบางส่วนได้ โมเดลอย่าง DeepSeek R1, Llama ของ Meta และโมเดลหลายตัวของ Mistral อยู่ในกลุ่มนี้ แต่ไม่ได้เปิดเผยข้อมูลการฝึกทั้งหมด โค้ดการฝึก หรือรายละเอียดการทำซ้ำอย่างสมบูรณ์ ดังนั้นจึงไม่เทียบเท่าระบบโอเพนซอร์สในความหมายที่เคร่งครัด

ความแตกต่างนี้สำคัญมากสำหรับลูกค้าองค์กร โมเดลโอเพนเวทหมายถึงการควบคุมที่แข็งแกร่งกว่า: องค์กรสามารถรันโมเดลบนเซิร์ฟเวอร์ของตนเอง ลดการพึ่งพา API ภายนอก ปรับแต่งตามอุตสาหกรรม ภาษา หรือภารกิจเฉพาะ และสำหรับสถาบันการเงิน การแพทย์ รัฐบาล ที่ข้อมูลไม่สามารถออกจากสภาพแวดล้อมภายในได้ การปรับใช้ในพื้นที่ก็มี吸引力มากกว่า

แต่ "ดาวน์โหลดได้" ไม่ได้หมายความว่า "ฟรี" องค์กรยังต้องจ่ายค่าพลังงานคำนวณ ค่าไฟฟ้า ค่าวิศวกรรม ค่าติดตาม ค่าบำรุงรักษา และค่าความปลอดภัย โมเดลโอเพนเวทอาจไม่มีความสามารถทั่วไป ประสบการณ์ผลิตภัณฑ์ และการรับประกันบริการที่เทียบเท่าโมเดลปิดเรือธง กล่าวอีกนัยหนึ่ง ผลกระทบของมันไม่ได้อยู่ที่การแทนที่โมเดลปิดในชั่วข้ามคืน แต่อยู่ที่การให้ทางเลือกอื่นแก่ลูกค้า

สี่จุดที่มูลค่า AI ถูกตั้งคำถาม

โมเดลอย่าง Kimi K3 สิ่งแรกที่กระทบคือ "ความหายาก"

หากโมเดลที่แข็งแกร่งสามารถถูกคัดลอก ดัดแปลง และโฮสต์โดยนักพัฒนาได้มากขึ้น โมเดล AI เองก็อาจกลายเป็นโครงสร้างพื้นฐานซอฟต์แวร์พื้นฐานมากขึ้นเรื่อยๆ แทนที่จะเป็นผลิตภัณฑ์ที่มีอัตรากำไรสูงที่บริษัทไม่กี่แห่งครอบครอง ผู้ให้บริการโมเดลปิดยังสามารถทำเงินจากผลิตภัณฑ์ ข้อมูล ความปลอดภัย และระบบนิเวศได้ แต่การเรียกเก็บราคาสูงโดยอาศัย "ความเหนือกว่าด้านความสามารถของโมเดล" เพียงอย่างเดียวจะยากขึ้น

สิ่งที่ถูกกระทบเป็นอันดับสองคืออำนาจในการกำหนดราคา เมื่อตัวแทน AI และพนักงานองค์กรใช้โทเค็นมากขึ้น ต้นทุนการเรียกใช้โมเดลก็กำลังเปลี่ยนจากบิลเล็กๆ ในช่วงทดลองไปเป็นรายการใหญ่ในงบประมาณขององค์กร เมื่อเงินอุดหนุน AI ลดลง และผู้ให้บริการโมเดลชั้นนำเริ่มคิดค่าบริการตามโทเค็นอย่างชัดเจนมากขึ้น ลูกค้าที่อ่อนไหวต่อต้นทุนก็จะเต็มใจลองใช้โมเดลโอเพนเวทมากขึ้น

ประการที่สามคือรายจ่ายด้านทุน ปัจจุบันการลงทุนด้าน AI ของยักษ์ใหญ่เทคโนโลยีสหรัฐฯ มีขนาดใหญ่มากแล้ว แผนการสร้างขีดความสามารถด้าน AI มูลค่าประมาณ 700,000 ล้านดอลลาร์ในปีนี้ของ Google, Microsoft, AWS, Meta และ Oracle เป็นหนึ่งในตัวเลขที่ตลาดให้ความสนใจมากที่สุด หากองค์กรสามารถใช้โมเดลที่เล็กกว่า ถูกกว่า และเฉพาะทางมากขึ้นในการแก้ไขงานส่วนใหญ่ นักลงทุนย่อมตั้งคำถามตามธรรมชาติว่า รายจ่ายด้านชิป เครือข่าย ไฟฟ้า และศูนย์ข้อมูลเพิ่มขึ้นเร็วเกินไปหรือไม่

ประการที่สี่คือคูเมืองทางเทคโนโลยีของสหรัฐฯ การเปิดตัวโมเดลน้ำหนักเปิด (Open Weight Models) ของจีนอย่างต่อเนื่องได้บั่นทอนภาพลักษณ์ที่ตลาดมีต่อความเป็นผู้นำด้าน AI ของสหรัฐฯ ที่ "ไม่อาจสั่นคลอน" รายงานระบุว่า ในปีนี้บนแพลตฟอร์มนักพัฒนา OpenRouter จำนวนโทเค็นที่ประมวลผลโดยโมเดลของจีนแซงหน้าโมเดลของสหรัฐฯ แล้ว ซึ่งไม่ได้หมายความว่าความได้เปรียบด้าน AI ของสหรัฐฯ จะหายไป แต่หมายถึงปริมาณการใช้งานของนักพัฒนาและการกระจายตัวของระบบนิเวศกำลังกระจายตัวมากขึ้น

ผลกระทบเหล่านี้ชี้ไปที่ผลลัพธ์เดียวกัน: โมเดลปิด (Closed-Source Models) ยังคงเป็นมาตรฐานของขีดความสามารถ前沿 แต่การเล่าเรื่องที่ว่า "โมเดลปิดผูกขาดทุกอย่าง" เริ่มอ่อนแอลง

โมเดลเปิดไม่ได้ส่งผลเสียต่อ AI เพียงอย่างเดียว แต่อาจขยายความต้องการด้วย

ตลาดมักจะเข้าใจเหตุการณ์ประเภทนี้ว่า "โมเดลราคาถูกกระทบความต้องการชิป" แต่รายงานให้การประเมินที่สมดุลกว่า: โมเดลเปิดที่ทรงพลังจะท้าทายรูปแบบธุรกิจของโมเดลปิดและความคาดหวังด้านความต้องการเซมิคอนดักเตอร์อย่างแน่นอน แต่อาจเป็นผลดีต่อการนำ AI ไปใช้ การพัฒนาแอปพลิเคชัน และการปรับแต่งสำหรับองค์กร

เหตุผลก็คือ ราคาที่ลดลงมักจะขยายปริมาณการใช้งาน โมเดลที่ถูกกว่าและมีประสิทธิภาพมากกว่าจะทำให้บริษัทต่างๆ นำ AI ไปใช้ในงานบริการลูกค้า สำนักงาน วิจัยและพัฒนา โฆษณา โค้ด การวิเคราะห์ข้อมูล และกระบวนการภายในมากขึ้น บริษัทที่เคยคิดว่าราคา API สูงเกินไป ข้อมูลไม่สามารถนำออกไปได้ หรือโมเดลควบคุมไม่ได้ อาจเริ่มปรับใช้ AI เนื่องจากโมเดลน้ำหนักเปิด

สิ่งนี้ใกล้เคียงกับตรรกะของ "Jevons Paradox": เมื่อประสิทธิภาพทางเทคโนโลยีเพิ่มขึ้น ต้นทุนต่อหน่วยลดลง ปริมาณการบริโภคสุดท้ายกลับเพิ่มขึ้น ประสิทธิภาพของเครื่องจักรไอน้ำที่เพิ่มขึ้นไม่ได้ลดความต้องการถ่านหิน แต่กลับขยายการใช้พลังงานไอน้ำ AI ก็อาจเกิดสถานการณ์คล้ายกัน—การอนุมานครั้งเดียวถูกลง แต่จำนวนครั้งที่เรียกใช้ สถานการณ์การใช้งาน และจำนวนอุปกรณ์ปลายทางเพิ่มขึ้นอย่างมาก

ดังนั้น ความต้องการพลังการคำนวณอาจไม่ถึงจุดสูงสุด เพียงแต่โครงสร้างความต้องการอาจเปลี่ยนแปลง โมเดลปิดที่ล้ำหน้าที่สุดจำนวนน้อยยังคงต้องการคลัสเตอร์การฝึกอบรมและการอนุมานที่ทรงพลังที่สุด ในขณะที่โมเดลเปิดจำนวนมากอาจถูกปรับใช้บนคลาวด์ เซิร์ฟเวอร์ภายในองค์กร โทรศัพท์มือถือ รถยนต์ และอุปกรณ์ขอบอื่นๆ ความต้องการชิปอาจเปลี่ยนจากการไล่ตาม GPU ที่ทรงพลังที่สุดเพียงอย่างเดียว ไปสู่การให้ความสำคัญกับประสิทธิภาพการอนุมาน เครือข่าย ไฟฟ้า พื้นที่จัดเก็บ และพลังการคำนวณฝั่งอุปกรณ์ปลายทางมากขึ้น

สำหรับบริษัทแอปพลิเคชัน โมเดลเปิดกลับอาจลดต้นทุนอินพุต องค์กรสามารถใช้โมเดลที่ถูกกว่าในสถานการณ์แนวตั้ง บริษัทซอฟต์แวร์สามารถพัฒนาผลิตภัณฑ์ที่เฉพาะเจาะจงมากขึ้นบนโมเดล และผู้ให้บริการคลาวด์ก็สามารถทำกำไรต่อไปได้ผ่านการโฮสต์โมเดลเปิด การให้บริการอนุมาน และการสนับสนุนองค์กร

ระบบปิดและระบบเปิดจะอยู่ร่วมกัน แต่ความรับผิดชอบด้านการกำกับดูแลยังไม่ชัดเจน

สถานการณ์ที่น่าจะเกิดขึ้นมากกว่าไม่ใช่การที่โอเพนซอร์สเอาชนะระบบปิด หรือระบบปิดกลับมาผูกขาดอีกครั้ง แต่เป็นการอยู่ร่วมกันในระยะยาวของทั้งสองระบบ

โมเดลระบบปิดจะยังคงรับบทบาทด้านความสามารถ前沿、คุณภาพระดับอุตสาหกรรม การประเมินความปลอดภัย และการบูรณาการผลิตภัณฑ์เชิงลึก ในขณะที่โมเดลโอเพนเวทจะบังคับให้ผู้ผลิตระบบปิดควบคุมราคา เพิ่มความยืดหยุ่น และเปลี่ยนการแข่งขันจาก "ใครมีโมเดลเวทที่แข็งแกร่งกว่า" ไปสู่ข้อมูล การออกแบบผลิตภัณฑ์ ความสามารถในการจดจำ ความปลอดภัย ประสิทธิภาพ และบริการระบบนิเวศ

การที่บริษัทโมเดลเปิดเผยเวทก็ไม่จำเป็นต้องเป็นการกุศลเสมอไป นักพัฒนาสามารถสร้างรายได้ผ่าน托管 API การสมัครสมาชิกระดับพรีเมียม การอนุมานที่เร็วขึ้น การสนับสนุนองค์กร การปรับแต่งละเอียด บริการด้านความปลอดภัย และข้อตกลงระดับบริการ ผู้ให้บริการคลาวด์สามารถขายพลังการประมวลผลที่จำเป็นสำหรับการรันโมเดลโอเพน แพลตฟอร์มผู้บริโภคสามารถฝังความสามารถของโมเดลลงในระบบแนะนำ โฆษณา และประสบการณ์ผู้ใช้ ส่วนบริษัทแอปพลิเคชันสามารถสร้างฟังก์ชันด้วยต้นทุนที่ต่ำลง

สิ่งที่ยังไม่ได้รับการแก้ไขอย่างแท้จริงคือขอบเขตความรับผิดชอบ โมเดลโอเพนเวทให้ผู้ใช้มีอำนาจควบคุมมากขึ้น แต่ก็ทำให้ผู้ใช้ต้องรับผิดชอบมากขึ้นในด้านการทดสอบ การป้องกันความปลอดภัย ความปลอดภัยทางไซเบอร์ การอัปเดต และความน่าเชื่อถือ เมื่อโมเดลถูกดาวน์โหลด ดัดแปลง และปรับใช้ในเครื่อง ใครจะเป็นผู้รับผิดชอบต่อการใช้งานในทางที่ผิด ความล้มเหลว หรืออุบัติเหตุด้านความปลอดภัย ซึ่งจะซับซ้อนกว่าในรูปแบบ API แบบปิด

การกำกับดูแลก็อาจเปลี่ยนภูมิทัศน์การแข่งขันได้เช่นกัน ผู้ผลิตโมเดลระบบปิดอย่าง Anthropic สนับสนุนให้ผู้พัฒนาระบบ前沿 AI ต้องมีการทดสอบความเสี่ยงจากภัยพิบัติ การประเมินจากภายนอก และข้อกำหนดในการเปิดเผยข้อมูลอย่างต่อเนื่อง ในขณะที่นักวิจารณ์กังวลว่าการกำกับดูแลที่หนักเกินไปจะทำให้บริษัทใหญ่ที่มีเงินทุนหนามีข้อได้เปรียบมากขึ้น และกลับไปกดดันระบบนิเวศโอเพนและนวัตกรรมของทีมเล็กๆ

ดังนั้น "ช่วงเวลา DeepSeek ครั้งที่สอง" ที่ Kimi K3 นำมา ไม่ใช่แค่ข่าวร้ายสำหรับ AI ง่ายๆ มันเหมือนการทดสอบความเครียดมากกว่า: การใช้จ่ายด้าน AI มูลค่า 7000 พันล้านดอลลาร์ ค่าใช้จ่ายของโมเดลระบบปิด ความได้เปรียบทางเทคโนโลยีของสหรัฐฯ และความต้องการชิป ล้วนต้องตอบคำถามเดียวกันอีกครั้ง—เมื่อ "ความฉลาดที่เพียงพอ" กลายเป็นสิ่งที่ถูกกว่า อุตสาหกรรม AI จะหาเงินจากที่ไหนกลับคืนมา

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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