หัวข้อต้นฉบับ: Charts of the Week: Head In The Neoclouds
ผู้เขียนต้นฉบับ: Moses Sternstein, a16z

หมายเหตุบรรณาธิการ: ท่ามกลางกระแสการลงทุนด้านพลังประมวลผลรอบใหม่ที่ขับเคลื่อนโดย generative AI การอภิปรายในตลาดเกี่ยวกับโครงสร้างพื้นฐาน AI กำลังเปลี่ยนจากคำถามที่ว่า "มี GPU เพียงพอหรือไม่" ไปสู่ "ใครสามารถจัดหาพลังประมวลผลได้อย่างยั่งยืน" เมื่อความต้องการฝึกโมเดล การอนุมาน และการขยายศูนย์ข้อมูลกลายเป็นฉันทามติไปแล้ว คำถามเชิงพื้นฐานที่ลึกกว่านั้นเริ่มผุดขึ้น: การเติบโตอย่างรวดเร็วของความต้องการพลังประมวลผลจะสามารถแปลงเป็นกำไรและกระแสเงินสดที่มั่นคงได้จริงหรือไม่?

ในบทความ "Charts of the Week" ที่เผยแพร่โดย a16z New Media ผู้เขียน Moses Sternstein เริ่มต้นจากบริษัทคลาวด์รายใหม่อย่าง CoreWeave, Nebius และ Applied Digital เพื่อพูดถึงการเติบโต การประเมินมูลค่า และความขัดแย้งด้านความสามารถในการทำกำไรของตลาดพลังประมวลผล AI และขยายไปสู่ประเด็น SaaS แนวราบ การจัดเส้นทางโมเดล และการแข่งขันแย่งชิงบุคลากรในห้องปฏิบัติการ前沿

ในบทความนี้ ผู้เขียนไม่ได้เพียงแค่ตัดสินว่าความต้องการ AI แข็งแกร่งหรือไม่ แต่ได้แยกดีล AI ในปัจจุบันออกเป็นชุดคำถามเชิงโครงสร้างที่ลึกกว่า: โครงสร้างพื้นฐานที่มีอยู่จะถูกกำหนดราคาใหม่ได้อย่างไร เหตุใดการเติบโตของรายได้จึงไม่ได้ช่วยปรับปรุงความคาดหวังของตลาดให้ดีขึ้นพร้อมกัน และเหตุใดจุดแข่งขันหลักของอุตสาหกรรม AI จึงกำลังเปลี่ยนจากการขยายตัวเพียงอย่างเดียวไปสู่ประสิทธิภาพและผลตอบแทน

ประการแรก คือการค้นพบคุณค่าของโครงสร้างพื้นฐานใหม่ ในอดีต ที่ดินตามแนวรางรถไฟ ท่อส่งก๊าซธรรมชาติ และเครือข่ายเคเบิลทีวีเคยให้บริการอุตสาหกรรมเฉพาะ จากนั้นจึงถูกแปลงเป็นโครงสร้างพื้นฐานโทรคมนาคมและอินเทอร์เน็ต วันนี้ การประเมินมูลค่าสินทรัพย์ที่คล้ายคลึงกันกำลังเกิดขึ้นอีกครั้ง บริษัทคลาวด์รายใหม่บางแห่งเดิมให้บริการขุดคริปโตเคอร์เรนซี โดยมีประสบการณ์การดำเนินงานด้านไฟฟ้า ห้องเครื่อง ระบบทำความเย็น และการประมวลผลความหนาแน่นสูงอยู่แล้ว เมื่อความต้องการ AI ระเบิดขึ้น ความสามารถเหล่านี้จึงถูกแปลงเป็นอุปทานพลังประมวลผลที่หายากอย่างรวดเร็ว นัยสำคัญคือ การแข่งขันโครงสร้างพื้นฐาน AI ไม่ได้เริ่มจากศูนย์โดยสิ้นเชิง ความได้เปรียบในช่วงต้นมักมาจากการผสมผสานสินทรัพย์เก่า ทรัพยากรพลังงาน และความสามารถทางวิศวกรรมเข้าด้วยกันใหม่

ประการที่สอง คือการอยู่ร่วมกันของการเติบโตของรายได้ที่สูงกับความไม่แน่นอนด้านความสามารถในการทำกำไร อัตราการเติบโตของรายได้ในช่วงแรกของบริษัทคลาวด์รายใหม่อย่าง CoreWeave เคยแซงหน้าช่วงเริ่มต้นของยักษ์ใหญ่คลาวด์อย่าง AWS แต่ตลาดทุนกลับไม่ได้ให้การยอมรับในระดับเดียวกัน เหตุผลก็คือ คลาวด์รายใหม่ไม่ใช่ธุรกิจซอฟต์แวร์แบบเบาสินทรัพย์โดยทั่วไป การจัดซื้อ GPU การเชื่อมต่อไฟฟ้า การก่อสร้างศูนย์ข้อมูล ค่าเสื่อมราคาของชิป และดอกเบี้ยหนี้จะเพิ่มขึ้นพร้อมกับขนาด และอาจเร็วกว่าการเติบโตของรายได้ด้วยซ้ำ ซึ่งหมายความว่า การขยายรายได้สามารถพิสูจน์ได้เพียงว่าความต้องการพลังประมวลผล AI แข็งแกร่ง แต่ไม่สามารถพิสูจน์โดยอัตโนมัติว่าโมเดลธุรกิจมีอัตราผลตอบแทนจากทุนสูงเพียงพอ สิ่งที่ตลาดรอคอยจริงๆ คือการที่บริษัทเหล่านี้จะสามารถแปลงคำสั่งซื้อและรายได้เป็นกระแสเงินสดอิสระที่ยั่งยืนได้หรือไม่

ประการที่สาม มูลค่าของซอฟต์แวร์กำลังถูกจัดกลุ่มใหม่ตามอิทธิพลของ AI ในอดีต ตลาดกังวลว่า generative AI จะทำให้เกิดการกัดเซาะคูเมืองของบริษัท SaaS อย่างกว้างขวาง แต่ผลงานของ Atlassian แสดงให้เห็นว่า AI อาจกลายเป็นเครื่องมือที่เพิ่มการใช้จ่ายของลูกค้าและความยึดติดกับผลิตภัณฑ์ได้เช่นกัน ในขณะเดียวกัน ซอฟต์แวร์ด้านความปลอดภัยทางไซเบอร์และการสังเกตการณ์ยังคงได้รับส่วนต่างมูลค่าที่สูงขึ้น เนื่องจาก AI ขยายความเสี่ยงที่อาจเกิดขึ้น และเพิ่มการพึ่งพาโซลูชันที่ครบถ้วนขององค์กร ซึ่งหมายความว่า "วันสิ้นโลกของ SaaS" จะไม่เกิดขึ้นอย่างเท่าเทียมกัน AI จะเข้ามาแทนที่ผลิตภัณฑ์ กดดันราคา หรือขยายความต้องการ กำลังกลายเป็นเกณฑ์มาตรฐานใหม่สำหรับการจัดกลุ่มมูลค่าซอฟต์แวร์

ประการที่สี่ แอปพลิเคชัน AI กำลังเปลี่ยนจากการ "สะสม Token" ไปสู่การปรับปรุง Token ให้มีประสิทธิภาพ ในอดีต องค์กรมักจะเลือกเรียกใช้โมเดลที่มีความสามารถสูงสุดโดยตรง หรือให้งบประมาณกับทีมวิศวกรเพื่อทดลองด้วยตนเอง ปัจจุบัน บริษัทอย่าง Databricks เริ่มใช้การจัดเส้นทางอัจฉริยะเพื่อจับคู่โมเดลที่มีราคาและประสิทธิภาพต่างกันตามความยากของงาน ลดต้นทุนในขณะที่รักษาผลลัพธ์ไว้ การลดลงของราคาต่อ Token ไม่ได้หมายความว่ารายจ่ายรวมของ AI จะหดตัวเสมอไป เมื่อต้นทุนต่อหน่วยลดลงและกรณีการใช้งานเพิ่มขึ้น ปริมาณการใช้ Token ทั้งหมดและขนาดตลาดโดยรวมยังคงเพิ่มขึ้นได้ ประสิทธิภาพและความต้องการไม่ได้ขัดแย้งกัน แต่สามารถสร้างวงจรที่เสริมซึ่งกันและกัน

หากจะบีบอัดบทความนี้เป็นข้อสรุปเดียว นั่นคือ: โครงสร้างพื้นฐาน AI ได้พิสูจน์แล้วว่าสามารถสร้างการเติบโตอย่างรวดเร็ว แต่ชัยชนะในระยะต่อไปจะขึ้นอยู่กับว่าองค์กรสามารถเปลี่ยนการเติบโตให้เป็นประสิทธิภาพของเงินทุนที่สูงขึ้นได้หรือไม่ ในแง่นี้ วัตถุประสงค์ของบทความนี้ไม่ได้จำกัดเพียงว่า CoreWeave และบริษัทอื่นๆ จะกลายเป็นยักษ์ใหญ่คลาวด์รุ่นต่อไปได้หรือไม่ แต่คือว่าอุตสาหกรรม AI ทั้งหมดจะสามารถเปลี่ยนจากการขยายกำลังประมวลผลไปสู่ผลตอบแทนทางธุรกิจที่ยั่งยืนได้หรือไม่

ต่อไปนี้เป็นเนื้อหาต้นฉบับ:

"คลาวด์ใหม่" เหนือศีรษะ

ในช่วงต้นศตวรรษที่ 20 บริษัท Southern Pacific Railroad มีสิทธิ์ก่อสร้างที่ไม่ได้ใช้จำนวนมากบนที่ดินที่เคลียร์แล้วซึ่งเชื่อมต่อเมืองและชุมชนต่างๆ ทั่วสหรัฐอเมริกา สิทธิ์ทางรถไฟกว้างกว่าเส้นรางมาก จึงยังมีทางเดินที่พัฒนาได้อีกมากตามแนวเส้นทาง

ดังนั้น บริษัทรถไฟแห่งนี้จึงวางเครือข่ายการสื่อสารตามแนวเส้นทางรถไฟ และตั้งชื่อว่า "Southern Pacific Railroad Internal Networking Telephony" จนถึงช่วงทศวรรษ 1970 บริษัทเริ่มนำเครือข่ายนี้มาใช้ในเชิงพาณิชย์ โดยเปิดให้ผู้ใช้ในวงกว้างเข้าถึงได้

จากนั้น สองสิ่งเกิดขึ้นพร้อมกัน: ในด้านหนึ่ง การผูกขาดในตลาดโทรศัพท์ทางไกลสิ้นสุดลง อีกด้านหนึ่ง สายเคเบิลใยแก้วนำแสงเริ่มมีความเป็นไปได้ในเชิงพาณิชย์ ทางเดินสื่อสารเดิมถูกแปลงเป็นสายใยแก้วนำแสง และเครือข่ายนี้ต่อมาเป็นที่รู้จักในชื่อย่อภาษาอังกฤษว่า "Sprint" สินทรัพย์ที่เคยให้บริการรถไฟ กลายเป็นกระดูกสันหลังของโครงสร้างพื้นฐานในการปฏิวัติโทรคมนาคม

ไม่ใช่แค่บริษัทรถไฟเท่านั้นที่ปรับเปลี่ยนเครือข่ายกายภาพเดิมให้กลายเป็นโครงสร้างพื้นฐานเชิงพาณิชย์ขนาดใหญ่ขึ้น

ในช่วงทศวรรษ 1980 บริษัทวิลเลียมส์ (Williams Company) ได้เปลี่ยนท่อส่งก๊าซธรรมชาติที่ไม่ได้ใช้งานให้เป็นช่องทางไฟเบอร์ออปติก ก่อตั้งเป็น WilTel บริษัทนี้ถูกขายต่อในภายหลัง และในที่สุดก็เปลี่ยนชื่อเป็น WorldCom มาถึงยุค 90 สายโคแอกเชียลทางเดียวที่วางไว้สำหรับธุรกิจเคเบิลทีวี ก็ผ่านการอัปเกรดครั้งใหญ่ที่ใช้ต้นทุนสูง จนกลายเป็นโครงสร้างพื้นฐานที่ Comcast และ Charter ใช้ให้บริการอินเทอร์เน็ตบรอดแบนด์แก่ผู้บริโภค

สิ่งนี้นำไปสู่อีกกลุ่มธุรกิจหนึ่งที่ครอบครองโครงสร้างพื้นฐานที่มีอยู่แล้วเช่นกัน และสินทรัพย์เหล่านี้กำลังถูกปรับเปลี่ยนครั้งใหญ่และประเมินมูลค่าใหม่ เพื่อตอบสนองความต้องการของเทคโนโลยีเกิดใหม่ นั่นคือบริษัท "นิวคลาวด์" (neocloud)

พูดโดยสรุป บริษัทนิวคลาวด์ส่วนใหญ่เดิมทีดำเนินธุรกิจขุดเหรียญคริปโตที่ต้องใช้พลังงานและพลังประมวลผลสูง จากนั้นคลื่น AI ก็มาถึง ทันใดนั้น ใครก็ตามที่มีสิทธิ์ใช้ไฟฟ้า โครงสร้างพื้นฐาน และประสบการณ์ในการสร้างและจัดการโหลดการประมวลผลความเข้มข้นสูง — ในกรณีของ CoreWeave ยังรวมถึง GPU จำนวนมหาศาลด้วย — ผู้นั้นก็ยืนอยู่บนหนึ่งในเส้นทางที่ร้อนแรงที่สุดในขณะนี้

แน่นอนว่านี่ไม่ใช่การเปรียบเทียบแบบเดียวกันโดยเคร่งครัด แต่ถ้าดูบริษัทนิวคลาวด์ที่จดทะเบียนในตลาดหลักทรัพย์สามอันดับแรกที่มีขนาดใหญ่ที่สุด อัตราการเติบโตของรายได้ก็โดดเด่นจริงๆ

เราทำได้เพียงประมาณการรายได้ธุรกิจคลาวด์ในช่วงเริ่มต้นของผู้ให้บริการคลาวด์ระดับไฮเปอร์สเกล แต่แนวโน้มโดยรวมก็ชัดเจนแล้ว: บริษัทนิวคลาวด์เติบโตเร็วมาก และเร็วกว่าอัตราการเติบโตในช่วงเริ่มต้นของผู้ให้บริการคลาวด์รายใหญ่สามรายอย่างเห็นได้ชัด

ต้องอธิบายเพิ่มเติมว่า ในตลาดการขายพลังประมวลผลโดยรวม บริษัทนิวคลาวด์ยังคงเป็นผู้เล่นที่มีขนาดค่อนข้างเล็ก

พวกเขายังห่างไกลจากขนาดของผู้ให้บริการคลาวด์ระดับไฮเปอร์สเกลอีกมาก

ผู้ให้บริการคลาวด์ระดับไฮเปอร์สเกลสร้างรายได้ต่อไตรมาสสูงกว่าบริษัทนิวคลาวด์หลายเท่าตัว แต่ในขณะเดียวกัน CoreWeave ใช้เวลาเพียงประมาณ 25 ไตรมาสก็ทำรายได้ถึง 2.6 พันล้านดอลลาร์ ซึ่ง AWS เพิ่งจะถึงตัวเลขนั้นในไตรมาสที่ 40 หลังเปิดตัว ขอย้ำอีกครั้ง: บริษัทเหล่านี้เติบโตเร็วมากจริงๆ

ด้วยอัตราการเติบโตที่สูงขนาดนี้ และได้นั่งรถไฟเหาะไปกับอุตสาหกรรม AI นักลงทุนน่าจะตื่นเต้นพอสมควร ในระดับหนึ่งก็เป็นเช่นนั้น แต่สถานการณ์จริงซับซ้อนกว่านั้น

แม้ว่าผลประกอบการในรอบรายงานล่าสุดของบริษัทเหล่านี้โดยรวมจะออกมาดี แต่ในช่วงปีที่ผ่านมา ราคาหุ้นของ CoreWeave ยังคงปรับตัวลดลงสะสมประมาณ 16% มีเพียง Nebius เท่านั้นที่ใกล้เคียงกับจุดสูงสุดก่อนหน้านี้

ดังนั้น เรื่องราวโดยรวมยังคงดูดีอยู่ แต่สำหรับบริษัทคลาวด์รายใหม่ที่มีขนาดใหญ่ที่สุด ความน่าดึงดูดใจกลับดูอ่อนแอลงอย่างเห็นได้ชัด

ที่ผ่านมาผลการดำเนินงานของตลาดค่อนข้างซบเซา สาเหตุส่วนหนึ่งมาจากความคาดหวังด้านการเติบโตจำนวนมากอาจถูกสะท้อนอยู่ในมูลค่าหุ้นไปแล้ว

สำหรับธุรกิจที่ใช้เงินทุนหนาแน่นอย่างคลาวด์รายใหม่ อัตราส่วนราคาต่อรายได้ (P/S) อาจไม่ใช่ตัวชี้วัดที่เหมาะสมที่สุด แต่ก็ยังเห็นภาพได้ชัดเจน Nebius และ Applied Digital ซึ่งมีขนาดเล็กกว่าแต่เติบโตเร็วกว่า มีส่วนเกินมูลค่า (valuation premium) สูงกว่า CoreWeave ที่มีขนาดใหญ่กว่ามาก รายได้ของ CoreWeave ยังคงเพิ่มขึ้นเท่าตัว แต่ก็ยังไม่เท่ากับอัตราการเติบโต 400% ถึง 450% ของบริษัทอันดับต้นๆ

หากจะพูดว่าบริษัทคลาวด์รายใหม่มีปัญหาจริงๆ ปัญหานั้นไม่ใช่การเติบโต แต่คือความสามารถในการทำกำไรระยะยาว บริษัทคลาวด์รายใหม่จำเป็นต้องลงทุนอย่างต่อเนื่องในชิป พลังงานไฟฟ้า และโครงสร้างพื้นฐานทางกายภาพเพื่อขยายขนาด และต้นทุนเหล่านี้ล้วนไม่ต่ำ:

ยกตัวอย่าง CoreWeave รายได้เติบโตอย่างน่าประทับใจจริง แต่ค่าใช้จ่ายด้านทุน (capex) ยิ่งน่าตกใจกว่า ต้นทุนมหาศาลอื่นๆ ยังรวมถึงค่าเสื่อมราคาของชิป ซึ่งมีมูลค่าเกินกว่าครึ่งหนึ่งของรายได้แล้ว รวมถึงดอกเบี้ยจ่ายที่เกิดจากการกู้ยืมเพื่อก่อสร้างโครงสร้างพื้นฐานราคาแพงล่วงหน้า ซึ่งยังคงเพิ่มขึ้นอย่างต่อเนื่อง

บทความนี้ไม่ได้มีเจตนาจะตัดสินว่าบริษัทคลาวด์รายใหม่จะประสบความสำเร็จในที่สุดหรือไม่ หรือราคาหุ้นปัจจุบันสมเหตุสมผลหรือไม่ นอกเหนือจากความร้อนแรงของประเด็นนี้แล้ว สิ่งที่ต้องการสื่อจริงๆ คือ บริษัทคลาวด์รายใหม่ถือเป็นภาพย่อส่วนของการต่อสู้ระหว่างฝั่งขาขึ้นและขาลงในดีล AI ทั้งหมด

ในด้านหนึ่ง พวกเขาอยู่ในตลาดแนวตั้งที่ใหญ่กว่าที่ทุกคนคาดการณ์ไว้ก่อนหน้านี้มากและยังคงขยายตัวอย่างต่อเนื่อง นั่นคือตลาดพลังประมวลผล และสร้างอัตราการเติบโตที่ไม่เคยปรากฏมาก่อนในประวัติศาสตร์ อีกด้านหนึ่ง ต้นทุนในการสร้างบริษัทประเภทนี้ก็อยู่ในระดับสูงสุดเป็นประวัติการณ์ ต้องใช้โครงสร้างพื้นฐานคงที่ขนาดใหญ่ที่ลงทุนมหาศาลและเสื่อมราคาอย่างต่อเนื่อง

การกลับมาของซอฟต์แวร์แนวนอน (Horizontal SaaS)?

ต่อไปขออัปเดตภาพรวมตลาดที่เปลี่ยนแปลงไปของ "วันสิ้นโลกของ SaaS" โดยสังเขป บริษัทหนึ่งที่ได้รับผลกระทบหนักที่สุดจากการเทขายหุ้นซอฟต์แวร์ครั้งก่อน มีผลงานค่อนข้างดีในช่วงหนึ่งเดือนที่ผ่านมา

ในช่วง 30 วันทำการที่ผ่านมา หุ้นซอฟต์แวร์แนวนอนติดอันดับต้นๆ ในกลุ่มสมาชิกกองทุน ETF ซอฟต์แวร์ IGV แม้ว่าจะมีการปรับตัวลดลงบางส่วนนับตั้งแต่วันที่เก็บข้อมูลชุดนี้

โดยรวมแล้ว พื้นฐานของบริษัทเหล่านี้ยังคงแข็งแกร่ง โดยเฉพาะ Atlassian ที่ไม่ได้เข้าสู่ภาวะถดถอยภายใต้แรงกระแทกของ AI อย่างที่ตลาดเคยคาดการณ์ไว้ก่อนหน้านี้

บริษัทซอฟต์แวร์ด้านผลิตภาพนี้ทำผลงานได้ "เกินความคาดหมายทั้งสองด้าน" ทั้งในส่วนของรายได้และแนวโน้ม: รายได้จากธุรกิจคลาวด์เติบโต 31% เมื่อเทียบกับปีก่อน ขณะที่อัตราการเติบโตของคำสั่งซื้อที่ค้างรับ (backlog) สูงกว่านั้นด้วยซ้ำ แต่สัญญาณที่สำคัญกว่าอาจอยู่ที่ว่า AI กำลังกลายเป็นตัวขับเคลื่อนการเติบโตของธุรกิจ ไม่ใช่อุปสรรค Atlassian ระบุว่า Rovo ผู้ช่วย AI ของบริษัทได้รับการนำไปใช้อย่างกว้างขวาง ขณะเดียวกัน ลูกค้าที่ใช้ Rovo มีอัตราการใช้จ่ายที่เติบโตเกือบสองเท่าของลูกค้าที่ไม่ได้ใช้ Rovo

นี่เป็นข่าวดีสำหรับ Atlassian เป็นข่าวดีสำหรับ Rovo และเป็นข่าวดีสำหรับ SaaS แนวราบ (horizontal SaaS) เช่นกัน

อย่างไรก็ตาม มูลค่าโดยรวมของกลุ่ม SaaS แนวราบยังคงต่ำกว่ากลุ่มซอฟต์แวร์ประเภทอื่นเล็กน้อย

ยกเว้นบางกรณี บริษัท SaaS แนวราบรวมถึง Atlassian มีอัตราส่วนราคาต่อรายได้จากการขาย (P/S) ที่คาดการณ์ไว้ต่ำกว่าระดับที่สอดคล้องกับเส้นแนวโน้ม "อัตราการเติบโต-ตัวคูณมูลค่า" โดยทั่วไป

ขอย้ำอีกครั้งว่า SaaS แนวราบเพิ่งผ่าน "เดือน" ที่ค่อนข้างดีเท่านั้น การจะทำให้ตลาดเชื่อว่า "วันสิ้นโลกของ SaaS" ถูกยกเลิกไปแล้ว แค่ผลงานหนึ่งเดือนยังไม่เพียงพออย่างยิ่ง

แน่นอนว่า หากธุรกิจซอฟต์แวร์ของคุณอยู่ในด้านความปลอดภัยทางไซเบอร์หรือการสังเกตการณ์ได้ (observability) นั่นก็เป็นอีกเรื่องหนึ่ง — สำหรับบริษัทเหล่านี้ สิ่งที่เรียกว่า "วันสิ้นโลกของ SaaS" ไม่เคยเกิดขึ้นเลย

กลุ่มความปลอดภัยทางไซเบอร์ยังคง outperformance อย่างมีนัยสำคัญเมื่อเทียบกับหมวดหมู่อื่นๆ ในกองทุน ETF ซอฟต์แวร์ IGV ในด้านนี้ AI กลับกลายเป็นปัจจัยส่งเสริม: ตลาดโดยทั่วไปมองว่า AI เพิ่มการรับรู้ความเสี่ยงด้านภัยคุกคามทางไซเบอร์ และไม่มีลูกค้าองค์กรรายใดที่จะประกอบโซลูชันความปลอดภัยของตัวเองขึ้นมาอย่างกะทันหันด้วย "vibe coding"

แน่นอนว่า ตรรกะนี้จะยืนหยัดได้ในที่สุดหรือไม่ ยังต้องใช้เวลาพิสูจน์ แต่อย่างน้อยในตอนนี้ สถานการณ์ของบริษัทซอฟต์แวร์แบบดั้งเดิมไม่ได้เป็นไปในทิศทางเดียวกันทั้งหมด

นักลงทุนให้ความสนใจอย่างมากว่า AI จะสร้างผลบวกหรือผลลบให้กับแต่ละบริษัท และปรับเปลี่ยนมุมมองเดิมอย่างต่อเนื่องตามข้อมูลชุดใหม่ๆ ซึ่งก็เป็นสิ่งที่สมควรแล้ว

ก้าวสู่ขอบเขตประสิทธิภาพของการลงทุนใน Token

ภูมิทัศน์ของตลาดที่เกี่ยวข้องกับการใช้งานโมเดล การใช้ Token และการจัดการค่าใช้จ่ายด้าน Token ยังคงพัฒนาอย่างต่อเนื่องในหลากหลายรูปแบบที่น่าสนใจ

ยกตัวอย่าง Databricks

ในประเด็นคำถามที่ว่า "เราควรใช้โมเดลตัวไหน" "โมเดลตัวไหนดีที่สุด" Databricks ไม่ได้ใช้แนวคิดแบบผู้ชนะกินรวบ และไม่ได้แค่ให้งบประมาณแก่วิศวกรแล้วปล่อยให้พวกเขาตัดสินใจเองว่าจะใช้จ่ายอย่างไร กลับกัน มันตั้งคำถามอีกแบบหนึ่งว่า "ถ้าเราพัฒนาโซลูชันที่สามารถจัดสรรงานที่เหมาะสมให้กับโมเดลที่เหมาะสมโดยอัตโนมัติ จะเกิดอะไรขึ้น?"

แน่นอนว่า Databricks ไม่ใช่บริษัทเดียวที่ทำแบบนี้ แต่มันพัฒนา "สมาร์ทเราเตอร์" (Smart Router) ขึ้นมา และผลลัพธ์ที่ได้ก็สร้างความพึงพอใจให้กับมันเป็นอย่างมาก

据报道 เราเตอร์ของ Databricks สามารถเรียกใช้โมเดลที่มีความสามารถสูงกว่าและมีราคาแพงกว่าเมื่อจำเป็น และใช้โมเดลที่มีความสามารถน้อยกว่าและราคาถูกกว่าเมื่อเงื่อนไขเอื้ออำนวย ซึ่งช่วยให้ "ลดต้นทุนเฉลี่ยต่องานลงได้มากกว่า 30% อย่างต่อเนื่อง"

โดยรวมแล้ว การไล่ตาม "ขอบเขตประสิทธิภาพ" (Efficiency Frontier) ของการใช้จ่าย Token นั้นยากที่จะไม่ใช่เรื่องดี ซึ่งหมายความว่าความต้องการยังคงเติบโตต่อไป กรณีการใช้งานไม่เพียงแต่พัฒนาอยู่ที่ขอบเขตประสิทธิภาพสูงสุดเท่านั้น แต่ยังกระจายไปยังโมเดลที่มีความสามารถไม่สูงที่สุดอีกด้วย ในมุมมองเชิงลบในช่วงแรก โมเดลระดับรองเหล่านี้ถูกคาดการณ์ไว้ว่าจะถูกกำจัดออกไปอย่างรวดเร็ว

ดังที่เราได้กล่าวไว้ก่อนหน้านี้ การเพิ่มประสิทธิภาพจะขยายขอบเขตของความต้องการ ซึ่งเป็นพลวัตแบบ Jevons Paradox ที่ตลาดต้องการเห็น

ดัชนีความเข้มข้นของราคา Token จาก Silicon Data แสดงให้เห็นว่าความเข้มข้นของราคาโดยรวมกำลังลดลง โดยเฉพาะอย่างยิ่งเมื่อโมเดลโอเพนซอร์สที่มีราคาถูกกว่าเข้ามามีส่วนแบ่งที่สูงขึ้นในตลาดที่กำลังขยายตัวอย่างต่อเนื่อง

จำเป็นต้องชี้แจงอีกครั้งเกี่ยวกับแนวคิดที่มักถูกเข้าใจผิด: ดัชนีเหล่านี้วัดความเข้มข้นของต้นทุนการใช้จ่าย Token ไม่ใช่จำนวนเงินดอลลาร์สัมบูรณ์ โดยขึ้นอยู่กับทั้งปริมาณ Token ที่ใช้และต้นทุนรวมของ Token ซึ่งหมายความว่าแม้ราคาต่อ Token จะลดลง ปริมาณการใช้ Token ทั้งหมดและยอดใช้จ่ายรวมก็ยังคงเพิ่มขึ้นได้

สิ่งที่สำคัญจริงๆ คือความต้องการโดยรวมยังคงเติบโต และการกำหนดราคาและการเลือกโมเดลที่ค่อยๆ มุ่งสู่ขอบเขตประสิทธิภาพจะยิ่งผลักดันการเติบโตนี้ให้มากขึ้นไปอีก โดยเฉพาะอย่างยิ่ง "ความต้องการ AI" หรือ "การนำ AI ไปใช้" ไม่ใช่แนวคิดเดียวที่เป็นเนื้อเดียวกัน ยังคงมีช่องว่างขนาดใหญ่ระหว่างผู้ใช้งานหนักและผู้ใช้งานทั่วไป ซึ่งแสดงให้เห็นชัดเจนว่า "การใช้โมเดลที่ดีที่สุดเสมอ" อาจเหมาะกับบางองค์กร แต่ไม่เหมาะกับทุกองค์กรแน่นอน

ปัจจุบัน ตลาดกำลังสร้างทางเลือกเพิ่มเติมอย่างรวดเร็ว โดยรวมแล้ว นี่เป็นสิ่งที่ดี

จากข้อมูลของ Ramp แพลตฟอร์มการจัดการค่าใช้จ่ายองค์กร องค์กรทั้งหมดกำลังเพิ่มการใช้จ่ายด้าน AI แต่ช่องว่างระหว่างค่าใช้จ่ายเฉลี่ยกับกลุ่มองค์กร 10% แรก รวมถึงระหว่างกลุ่ม 10% แรกกับ 1% แรกนั้นมีความเหลื่อมล้ำอย่างมาก

ข้อมูลของ Ramp มักจะโน้มเอียงไปทางบริษัทเทคโนโลยี การตีความจึงต้องคำนึงถึงจุดนี้ด้วย แต่ข้อมูลแสดงให้เห็นว่า องค์กรในกลุ่ม 10% แรกมีการใช้จ่ายด้าน AI ต่อหัวสูงกว่าองค์กรระดับกลางประมาณ 50 เท่า

การกระจายตัวเช่นนี้ไม่น่าจะเกิดขึ้นโดยบังเอิญ องค์กรที่สามารถดึงมูลค่าจากการใช้จ่ายด้าน AI ได้มากกว่า มักจะเป็นองค์กรที่ลงทุนมากที่สุดเช่นกัน—แม้ไม่ใช่ทุกบริษัท แต่ก็มีสัดส่วนพอสมควรที่สอดคล้องกับกฎนี้

การวิเคราะห์บริษัทจดทะเบียน 107 แห่งของ Boston Consulting Group พบว่า บริษัทในกลุ่มสองควินไทล์บนสุดของการใช้งาน Token มีอัตราการเติบโตของรายได้เร็วกว่าองค์กรอื่นอย่างเห็นได้ชัด

ประเด็นหลักที่ต้องการสื่อคือ ความต้องการ Token และประสิทธิภาพการใช้งานกำลังเสริมซึ่งกันและกัน: ยิ่งองค์กรได้รับมูลค่ามากเท่าไร ก็ยิ่งใช้ Token มากขึ้นเท่านั้น

แน่นอนว่ากระบวนการนี้มีการแลกเปลี่ยนระหว่างการลงทุนและผลตอบแทนอยู่ตลอด และการวิจัยพัฒนาก็มักมีต้นทุนล่วงหน้าอยู่เสมอ แต่สำหรับองค์กรส่วนใหญ่ การ "สะสม Token" อย่างไร้ขีดจำกัดไม่เคยเป็นกลยุทธ์ที่มีประสิทธิภาพ

ดังนั้น การที่องค์กรในอนาคตไม่จำเป็นต้องใช้แนวทางนี้อีกต่อไป จึงเป็นสิ่งที่ดีอย่างชัดเจน

สงครามแย่งชิงบุคลากรในห้องปฏิบัติการ前沿

New Media เพิ่งมีสมาชิกทีมที่ยอดเยี่ยมสองคนเข้าร่วม OpenAI เมื่อเร็วๆ นี้ ดังนั้นสุดท้ายนี้ เราจะมาดูกราฟที่น่าสนใจสองสามอันเกี่ยวกับการสรรหาบุคลากรในห้องปฏิบัติการ AI ชั้นนำ

Dario Amodei เพิ่งแสดงความกังวลว่าพนักงานกำลังให้ความสำคัญกับเงินมากกว่าภารกิจ จากข้อมูลของ Levels.fyi ความกังวลนี้อาจไม่ได้ไร้เหตุผล

หากตีความตามข้อมูลอย่างตรงไปตรงมา Anthropic จ่ายค่าตอบแทนให้วิศวกรสูงมาก และสูงกว่าวิศวกรที่มีประสบการณ์เทียบเท่าในบริษัทอย่าง Google หรือ Tesla อย่างมีนัยสำคัญ

ดูเหมือนว่าการเป็นสมาชิกทีมเทคนิคจะเป็นเรื่องที่ดีทีเดียว

นอกจากนี้ ยังมีชุดข้อมูลอีกชุดหนึ่งที่น่าสนใจไม่แพ้กัน

จากข้อมูลของ Live Data Technologies — ซึ่งรวบรวมและนำเสนอโดย Truist Securities — แหล่งที่มาของบุคลากรในห้องปฏิบัติการแต่ละแห่งนั้นทั้งมีความทับซ้อนกันอย่างมาก และก็มีความแตกต่างอย่างชัดเจนเช่นกัน:

ทั้งสองบริษัทต่างก็จ้างบุคลากรจากบริษัทเทคโนโลยีมูลค่ามหาศาล (mega-cap) จำนวนไม่น้อย อย่างไรก็ตาม มีเพียง OpenAI เท่านั้นที่จ้างคนจาก NVIDIA และ Tesla และทั้งหมดเกิดขึ้นในปี 2026

Databricks, Snowflake (ในช่วงไม่นานมานี้), Palantir และ DeepMind ก็เป็นแหล่งบุคลากรร่วมกันของทั้งสองบริษัทเช่นกัน

ห้องปฏิบัติการทั้งสองแห่งยังจ้างพนักงานจำนวนพอสมควรจาก Salesforce และ Stripe อีกด้วย

แต่ดูเหมือนว่าความทับซ้อนของทั้งสองฝ่ายจะสิ้นสุดลงเพียงเท่านี้ Anthropic จ้างบุคลากรจากบริษัท SaaS เป็นจำนวนมาก ในขณะที่ OpenAI แทบไม่มีเลย ส่วน OpenAI กลับจ้างคนจากธุรกิจอินเทอร์เน็ตสำหรับผู้บริโภค แพลตฟอร์ม และบริษัทเทคโนโลยีโฆษณาเป็นจำนวนมาก ขณะที่ Anthropic จ้างในด้านเหล่านี้น้อยกว่า ยกเว้น Airbnb, Netflix และ Uber

ส่วนความแตกต่างเหล่านี้หมายความว่าอย่างไร ก็ปล่อยให้แต่ละท่านตีความกันเองแล้วกัน

[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