ชื่อตอนต้นฉบับ: Anthropic IPO at Risk, Meta』s Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails
รายการ: All-In Podcast
ผู้ร่วมรายการ: Chamath Palihapitiya, Jason Calacanis, David Sacks, David Friedberg

หมายเหตุบรรณาธิการ: ตลอดสองปีที่ผ่านมา การแข่งขันในอุตสาหกรรม AI เกือบทั้งหมดหมุนรอบตัวแปรหลักเพียงหนึ่งเดียว นั่นคือ ใครมีโมเดลพื้นฐานที่แข็งแกร่งกว่า GPT, Claude, Gemini รวมถึง DeepSeek, Qwen และโมเดลอื่น ๆ ที่ผุดขึ้นมาอย่างรวดเร็วในภายหลัง ต่างก็ทำลายสถิติ benchmark อย่างต่อเนื่อง และทำให้ "ความสามารถระดับแนวหน้า" กลายเป็นรากฐานการกำหนดราคาที่สำคัญที่สุดของบริษัทโมเดล แต่เมื่อโมเดล迭代เร็วขึ้นเรื่อย ๆ และต้นทุนการอนุมานลดลงอย่างต่อเนื่อง การสนทนากำลังเปลี่ยนจาก "โมเดลของใครแข็งแกร่งที่สุด" ไปสู่ "เมื่อโมเดลที่ดีพอมีมากขึ้นเรื่อย ๆ โมเดลที่แข็งแกร่งที่สุดยังจะมีมูลค่าเท่าไร" เมื่อความสามารถของโมเดลค่อย ๆ เปลี่ยนจากสิ่งที่หายากไปสู่ความสามารถพื้นฐานที่เข้าถึงได้ง่ายขึ้น คำถามที่สำคัญยิ่งกว่าก็เริ่มปรากฏขึ้น: สิ่งที่หายากอย่างแท้จริงในระยะยาวของอุตสาหกรรม AI คือตัวโมเดลเอง หรือเป็นผลิตภัณฑ์ เวิร์กโฟลว์ และความสามารถในการกระจายที่สร้างขึ้นบนโมเดลกันแน่?

ใน All-In Podcast ตอนล่าสุด Jason Calacanis ผู้ประกอบการเทคโนโลยี, Chamath Palihapitiya ผู้ก่อตั้ง Social Capital, David Friedberg CEO ของ Ohalo และ David Sacks ผู้ร่วมก่อตั้ง Craft Ventures ได้ร่วมกันอภิปรายเกี่ยวกับการเปิดตัวโมเดลที่หนาแน่นในช่วงที่ผ่านมา การขยายตัวของโมเดลน้ำหนักเปิด ราคา Token ที่ลดลง และรูปแบบธุรกิจของบริษัทโมเดลแนวหน้าอย่าง Anthropic และ OpenAI เมื่อเทียบกับคำถามที่ว่า "โมเดลรุ่นถัดไปเพิ่มประสิทธิภาพไปเท่าไร" สิ่งที่น่าจับตามองกว่าในการสนทนาครั้งนี้ คือความพยายามตอบคำถามว่า หลังจากความสามารถของโมเดลแพร่กระจายอย่างรวดเร็ว กำไรของอุตสาหกรรม AI อาจโยกย้ายไปที่ใด

พิธีกรทั้งสี่ของ All-In Podcast ร่วมอภิปรายเกี่ยวกับการทำให้โมเดล AI เป็นสินค้าโภคภัณฑ์ โมเดลน้ำหนักเปิด และรูปแบบธุรกิจของโมเดลแนวหน้า

ในการสนทนาครั้งนี้ พิธีกรทั้งหลายได้แยกย่อย "โมเดลที่แข็งแกร่งขึ้นเรื่อย ๆ" ออกเป็นชุดคำถามเชิงโครงสร้างที่ลึกกว่า: เมื่อช่องว่างด้านประสิทธิภาพระหว่างโมเดลแคบลง ทำไมองค์กรยังต้องจ่ายเบี้ย premium สูงสำหรับโมเดลแนวหน้า? เมื่อโมเดลน้ำหนักเปิดสามารถรับภาระงานประจำวันได้มากขึ้นเรื่อย ๆ Token เองกำลังกลายเป็นสินค้าโภคภัณฑ์หรือไม่? และเมื่อ "สมอง" ถูกลงเรื่อย ๆ มูลค่าจะกลับไปรวมศูนย์ที่ Agent เวิร์กโฟลว์องค์กร และแอปพลิเคชันเฉพาะทางหรือไม่?

ประการแรก การแข่งขันของโมเดลกำลังเปลี่ยนจากความขาดแคลนด้านความสามารถไปสู่ต้นทุนและประสิทธิภาพ ในอดีตมักมีความแตกต่างด้านความสามารถอย่างชัดเจนระหว่างโมเดลที่ล้ำสมัยที่สุดกับกลุ่มที่สอง องค์กรยินดีจ่ายราคาพรีเมียมอย่างมีนัยสำคัญเพื่อให้ได้ความแม่นยำที่สูงขึ้น การอนุมานที่แข็งแกร่งขึ้น และผลลัพธ์ที่เสถียรกว่า สิ่งที่เปลี่ยนไปในตอนนี้คือการเปิดตัวโมเดลมีความถี่มากขึ้น ประสิทธิภาพของโมเดลแบบเปิดน้ำหนักกำลังเข้าใกล้โมเดลปิดชั้นนำอย่างต่อเนื่อง และผู้ให้บริการ API เองก็ลดราคาลงเรื่อย ๆ ซึ่งหมายความว่าสำหรับงานจำนวนมากที่ไม่ต้องการความสามารถระดับสูงสุด "ดีที่สุด" กำลังเปลี่ยนจากความจำเป็นพื้นฐานไปเป็นทางเลือกที่สามารถคำนวณผลตอบแทนเทียบกับการลงทุนได้ ประสิทธิภาพของโมเดลยังคงสำคัญ แต่สัดส่วนระหว่างราคากับประสิทธิภาพเริ่มสำคัญกว่าการจัดอันดับ benchmark เพียงอย่างเดียว

ประการที่สอง Token อาจกำลังเปลี่ยนจากผลิตภัณฑ์ที่มีกำไรขั้นต้นสูงไปเป็นต้นทุนพื้นฐานที่เป็นมาตรฐาน ตรรกะของการทำ AI ให้เป็นเชิงพาณิชย์ในรอบที่ผ่านมาค่อนข้างตรงไปตรงมา บริษัทโมเดลให้ intelligence นักพัฒนาซื้อ Token แล้วนำไปห่อเป็นแอปพลิเคชันภายนอก แต่เมื่องานประเภทเดียวกันสามารถย้ายไปมาระหว่างหลายโมเดลได้ และช่องว่างราคาสูงถึงหลายเท่าหรือแม้แต่หลายสิบเท่า องค์กรย่อมจัดสรรงานต่าง ๆ ให้กับโมเดลในระดับต้นทุนที่แตกต่างกัน งานสรุปง่าย ๆ บริการลูกค้า กระบวนการภายใน และงานเขียนโค้ดทั่วไปสามารถมอบให้โมเดลราคาถูกได้ มีเพียงงานส่วนน้อยอย่างการวิจัยทางวิทยาศาสตร์ วิศวกรรมที่ซับซ้อน และการตัดสินใจทางการเงินที่มีมูลค่าสูงเท่านั้นที่ยังคงเรียกใช้โมเดลที่แข็งแกร่งที่สุด สิ่งที่ถูกท้าทายจริง ๆ ในที่นี้ไม่ใช่คำถามว่าโมเดลล้ำสมัยมีคุณค่าหรือไม่ แต่เป็นคำถามว่ามีรายได้จำนวนเท่าใดที่ต้องพึ่งพาความสามารถระดับล้ำสมัยจึงจะเกิดขึ้นได้

ประการที่สาม ขอบเขตการแข่งขันของบริษัทโมเดลกำลังถูกบังคับให้ขยับขึ้น Chamath เปรียบเทียบโมเดลพื้นฐานว่าเป็น "สมอง" และเรียกเครื่องมือที่สร้างขึ้นรอบโมเดล ทั้งการเรียกใช้เครื่องมือ เบราว์เซอร์ หน่วยความจำ สิทธิ์การเข้าถึง และระบบวางแผนงาน ว่า harness ความแตกต่างนี้สำคัญมาก เมื่อช่องว่างระหว่าง "สมอง" ลดลงเรื่อย ๆ สิ่งที่กำหนดประสบการณ์ของผลิตภัณฑ์ในที่สุดอาจไม่ใช่ตัวโมเดลเองอีกต่อไป แต่เป็นว่ามันมี "มือและเท้า" หรือไม่ สามารถทำงานให้สำเร็จได้จริงหรือไม่ ผลิตภัณฑ์ Agent อย่าง Meta Muse จึงมีความหมายอีกชั้นหนึ่ง ผู้ใช้ไม่สนใจว่าเบื้องหลังเรียกใช้โมเดลใด แต่สนใจว่ามันสามารถจัดระเบียบอีเมล จองตั๋วเครื่องบิน จัดการไฟล์ และทำงานให้เสร็จได้หรือไม่ ยิ่งโมเดลพื้นฐานมีราคาถูก ความคุ้มค่าทางเศรษฐกิจของผลิตภัณฑ์ประเภทนี้ก็ยิ่งเกิดขึ้นได้ง่ายขึ้น

ประการที่สี่ โมเดลธุรกิจของโมเดลล้ำสมัยอาจมุ่งไปสู่สองขั้ว ปลายหนึ่งคือสติปัญญาทั่วไปที่มีขนาดใหญ่แต่ไวต่อราคาสูง ซึ่งรับช่วงโดยโมเดลแบบเปิดน้ำหนักและโมเดลต้นทุนต่ำ อีกปลายหนึ่งคือ Frontier Intelligence ที่มีจำนวนน้อยกว่าแต่ยินดีจ่ายราคาพรีเมียมสูงมาก เช่น การวิจัยทางวิทยาศาสตร์ที่ซับซ้อน คณิตศาสตร์ วิศวกรรม ชีวการแพทย์ และสถานการณ์วิชาชีพที่มีการแข่งขันสูง คำถามสำคัญของบริษัทอย่าง OpenAI และ Anthropic จึงไม่ใช่แค่ "ยังพัฒนาโมเดลต่อไปได้หรือไม่" อีกต่อไป แต่เป็นว่าสามารถพิสูจน์ได้หรือไม่ว่ามูลค่าเพิ่มที่โมเดลล้ำสมัยสร้างขึ้นนั้นเพียงพอที่จะครอบคลุมต้นทุนการฝึก การอนุมาน และรายจ่ายฝ่ายทุนที่สูงขึ้นในระยะยาว

หากจะย่อการสนทนานี้ให้เหลือเพียงข้อสรุปเดียว นั่นคือ ความขัดแย้งหลักของ AI กำลังค่อยๆ เปลี่ยนจาก "ความฉลาดแข็งแกร่งพอหรือไม่" ไปสู่ "ความฉลาดจะถูกกำหนดราคา จัดสรร และทำให้เป็นผลิตภัณฑ์ได้อย่างไร"

ในความหมายนี้ สิ่งที่บทความนี้พูดถึงไม่ใช่แค่ OpenAI, Anthropic หรือโมเดลใหม่ตัวใดตัวหนึ่งอีกต่อไป แต่เป็นการกำหนดราคาใหม่ของห่วงโซ่คุณค่าทั้งหมดในอุตสาหกรรม AI เมื่อตัวโมเดลเองเข้าถึงได้ง่ายขึ้นเรื่อยๆ สินทรัพย์ที่หายากจริงๆ อาจกลับกลายเป็นผู้ใช้ สถานการณ์การใช้งาน เวิร์กโฟลว์ และความสามารถในการเปลี่ยนความฉลาดให้เป็นคุณค่าที่แท้จริง

ต่อไปนี้คือเนื้อหาต้นฉบับ (เพื่อความสะดวกในการอ่าน เนื้อหาต้นฉบับได้รับการเรียบเรียงบางส่วน):

TL;DR

การแข่งขันโมเดล AI กำลังเปลี่ยนจาก "ใครแข็งแกร่งที่สุด" ไปสู่ "ใครทำได้ถึงระดับที่เพียงพอในราคาที่ถูกกว่า" แก่นแท้คือความสามารถของโมเดลเริ่มเปลี่ยนจากสินค้าที่หายากไปสู่การจัดหาแบบมาตรฐาน

ราคา Token ที่ลดลงอย่างต่อเนื่องหมายความว่าพื้นที่กำไรของโมเดลพื้นฐานอาจถูกบีบให้แคบลง ห่วงโซ่คุณค่าของ AI กำลังเปลี่ยนจาก "ขายความฉลาด" ไปสู่ "ขายผลลัพธ์"

ผลกระทบที่ใหญ่ที่สุดของโมเดลแบบเปิดน้ำหนักไม่ใช่การแทนที่โมเดลระดับแนวหน้า แต่คือการเข้ายึดงานทั่วไปจำนวนมาก บังคับให้องค์กรต้องคำนวณใหม่ว่า "ส่วนเพิ่มราคาของโมเดลที่แข็งแกร่งที่สุด" คุ้มค่าหรือไม่

โมเดลระดับแนวหน้าในอนาคตมีแนวโน้มจะมุ่งเน้นไปที่งานที่ซับซ้อนและมีมูลค่าสูง เช่น การวิจัยทางวิทยาศาสตร์ วิศวกรรม และการเงิน สิ่งสำคัญไม่ใช่การครอบคลุมทุกสถานการณ์ แต่คือการพิสูจน์ว่าตัวเองไม่สามารถถูกแทนที่ได้

ยิ่งความสามารถของโมเดลใกล้เคียงกันมากเท่าไหร่ ความได้เปรียบในการแข่งขันก็ยิ่งเคลื่อนไปสู่ Agent การเรียกใช้เครื่องมือ หน่วยความจำ สิทธิ์การเข้าถึง และเวิร์กโฟลว์ แก่นแท้คือคุณค่าเคลื่อนจาก "สมอง" ไปสู่ "ระบบปฏิบัติการ"

โครงสร้างต้นทุน AI ขององค์กรจะเปลี่ยนจาก "เรียกใช้โมเดลที่แข็งแกร่งที่สุดแบบรวมศูนย์" ไปสู่การกำหนดเส้นทางแบบแบ่งชั้น โดยจับคู่งานต่างๆ กับโมเดลที่มีราคาและระดับความสามารถแตกต่างกัน

ความเสี่ยงทางธุรกิจหลักของ OpenAI และ Anthropic ไม่ใช่โมเดลหยุดพัฒนา แต่คือรายได้ที่มีอยู่จำนวนมากในที่สุดจะถูกทำให้เป็นสินค้าโภคภัณฑ์โดยโมเดลที่ถูกกว่า

สิ่งที่หายากจริงๆ ในอุตสาหกรรม AI ในระยะต่อไปอาจไม่ใช่ตัวโมเดลอีกต่อไป แต่คือผู้ใช้ สถานการณ์การใช้งาน การกระจาย และความสามารถในการเปลี่ยนความฉลาดให้เป็นผลผลิตที่แท้จริง

ประเด็นสำคัญจากวิดีโอ

โมเดลยังคงแข็งแกร่งขึ้น แต่สิ่งที่สำคัญกว่าคือ: พวกมันกำลังถูกลง

ในช่วงไม่กี่ปีที่ผ่านมา การแข่งขันโมเดล AI มีตรรกะที่ชัดเจนมาก: ใครมีโมเดลที่แข็งแกร่งที่สุด ใครก็มีความหายาก

ทุกครั้งที่ GPT, Claude, Gemini ก้าวข้ามระดับความสามารถหนึ่งขั้น ก็เพียงพอที่จะนำมาซึ่งเรื่องเล่าผลิตภัณฑ์และทุนรอบใหม่ เมื่อช่องว่างด้านประสิทธิภาพของโมเดลกว้างพอ องค์กรก็ยินดีจ่ายส่วนเพิ่มอย่างชัดเจนสำหรับ "ความฉลาดที่แข็งแกร่งที่สุด"

แต่ All-In มองว่าตรรกะชุดนี้กำลังซับซ้อนขึ้น

Friedberg ได้ยกตัวอย่างการอัปเดตโมเดล一连串ในช่วงที่ผ่านมาในรายการ แม้ว่าบางรุ่นและวันที่เปิดตัวในบทถอดเสียงอัตโนมัติจะมีความคลาดเคลื่อน แต่แนวโน้มเบื้องหลังนั้นไม่ผิด: การอัปเดตโมเดลกำลังถี่ขึ้นอย่างมาก และประสิทธิภาพที่เพิ่มขึ้นกับต้นทุนที่ลดลงกำลังเกิดขึ้นพร้อมกัน

ตัวอย่างเช่น DeepSeek เปิดตัว V4.1 Flash เมื่อวันที่ 10 กันยายน นี่คือโมเดล MoE (Mixture of Experts) ที่มีพารามิเตอร์ 5.52 แสนล้าน แต่เมื่อรับข้อมูลเข้าจะเปิดใช้งานเพียงประมาณ 8 พันล้านพารามิเตอร์ และเมื่อส่งข้อมูลออกจะเปิดใช้งานประมาณ 1.6 หมื่นล้านพารามิเตอร์ DeepSeek ยังปรับลดราคา API ลงพร้อมกัน และระบุว่าการออกแบบ KV Cache ใหม่จะลดความต้องการหน่วยความจำและการจัดเก็บลงอย่างมีนัยสำคัญ

OpenAI ก็กำลังเดินไปในทิศทางเดียวกัน GPT-6 Sol และ Luna ที่เปิดตัวเมื่อวันที่ 22 กันยายน มีราคา API ลดลงประมาณ 50% เมื่อเทียบกับราคาโปรโมชันของ GPT-5.6 ก่อนหน้านี้

Anthropic เปิดตัว Claude Opus 5.5 ในวันเดียวกัน ราคาอินพุตต่อล้าน Token ลดลงจาก 5 ดอลลาร์ของ Opus 5 เหลือ 4 ดอลลาร์ ราคาเอาต์พุตลดลงจาก 25 ดอลลาร์เหลือ 20 ดอลลาร์ ส่วน Cache Read ซึ่งถูกใช้บ่อยมากในสถานการณ์ Agent ราคาลดลงจาก 0.5 ดอลลาร์เหลือ 0.2 ดอลลาร์ Anthropic ระบุว่าเมื่อคำนวณรวมกับประสิทธิภาพการใช้ Token ต้นทุนการรันงานทั่วไปสามารถลดลงได้ประมาณ 40%

หากมองแยกกัน การลดราคาของแต่ละบริษัทสามารถอธิบายได้ว่าเป็นการปรับปรุงสถาปัตยกรรมหรือผลจากขนาด แต่เมื่อมองรวมกัน สัญญาณชัดเจนยิ่งขึ้น: ปัญญาประดิษฐ์เองกำลังเผชิญกับการบีบอัดราคาอย่างรวดเร็ว

น้ำหนักเปิดเริ่มแย่งปริมาณ Token กำลังกลายเป็น «สินค้าโภคภัณฑ์»

นอกจากราคาที่ลดลง ยังมีการเปลี่ยนแปลงอีกอย่างที่กำลังเกิดขึ้น: งานมากขึ้นเรื่อยๆ ไม่จำเป็นต้องใช้โมเดลที่แพงที่สุดเสมอไป

ตรงนี้ต้องแยกแนวคิดที่มักถูกใช้ปนกันก่อน ในรายการใช้คำว่า «open source» หลายครั้ง แต่ถ้าพูดอย่างเคร่งครัด open-weight (น้ำหนักเปิด) ไม่ได้เท่ากับ open-source (โอเพนซอร์ส) เสียทีเดียว โดยทั่วไปคำแรกหมายความว่าน้ำหนักโมเดลสามารถดาวน์โหลดได้และนำไปติดตั้งเองได้ แต่สัญญาอนุญาต ข้อมูลฝึก หรือโค้ดฝึกแบบเต็มอาจไม่ได้เปิดทั้งหมด

สำหรับองค์กรแล้ว ความหมายเชิงพาณิชย์กลับตรงไปตรงมา

หากงานอย่างการสรุปภายใน การจัดหมวดหมู่ฝ่ายบริการลูกค้า การช่วยเขียนโค้ด หรือเวิร์กโฟลว์ Agent ทั่วไป สามารถทำได้ดีพอด้วยโมเดลที่ถูกกว่า十倍 การเรียกใช้ Frontier Model (โมเดลแนวหน้า) ที่แพงที่สุดต่อไปก็จะอธิบายให้ CFO ฟังได้ยากขึ้นเรื่อย ๆ

ข้อมูลจาก AI Gateway ของ Vercel เริ่มแสดงแนวโน้มคล้ายกันแล้ว Production Index ที่เผยแพร่ในเดือนกันยายนแสดงให้เห็นว่า ในบรรดา Token ที่ประมวลผลผ่าน Vercel AI Gateway สัดส่วนของโมเดลน้ำหนักเปิดเพิ่มขึ้นจาก 7% ในเดือนธันวาคม 2025 เป็น 56% ในเดือนสิงหาคมของปีนี้ ซึ่งเกินครึ่งเป็นครั้งแรก

ในขณะเดียวกัน ต้นทุนเฉลี่ยต่อ Token ก็ลดลงเหลือไม่ถึงครึ่งหนึ่งเมื่อเทียบกับห้าเดือนก่อน และเฉพาะเดือนสิงหาคมเดือนเดียว ราคาต่อหน่วย Token ก็ลดลงอีก 23.2%

ตรงนี้ต้องเน้นว่า นี่คือข้อมูลทราฟฟิกการผลิตของ Vercel AI Gateway ไม่สามารถเหมารวมโดยตรงเป็น "56% ของ AI Token ทั่วโลกมาจากโมเดลเปิดแล้ว" แต่ก็อย่างน้อยก็ให้ตัวอย่างในสภาพแวดล้อมการผลิตจริงว่า นักพัฒนาเริ่มย้ายเวิร์กโหลดไปยังโมเดลที่ถูกกว่า บ่อยขึ้นเรื่อย ๆ

Chamath สรุปการเปลี่ยนแปลงนี้ว่า "โมเดลเริ่ม clustering" เขามองว่า โมเดลจำนวนมากขึ้นเรื่อย ๆ มีความสามารถในงานจำนวนมากที่ใกล้เคียงกันจนสามารถใช้แทนกันได้ ดังนั้นคำถามจึงไม่ใช่แค่ "โมเดลไหนได้คะแนนสูงสุด" อีกต่อไป แต่เป็นว่า เพื่อช่องว่างประสิทธิภาพเพียงเล็กน้อยที่เหลืออยู่ คุณยินดีจ่ายเพิ่มเท่าไหร่?

โมเดลแนวหน้าจะไม่หายไป แต่ต้องพิสูจน์ตัวเองว่า "แพงเพราะอะไร"

นี่ก็เป็นปัญหาทางธุรกิจที่แท้จริงที่ OpenAI และ Anthropic กำลังเผชิญ

David Sacks มีมุมมองในรายการที่มองโลกในแง่ดีกว่าพิธีกรคนอื่น ๆ เขาเห็นว่า แม้โมเดลน้ำหนักเปิดจะครอง Token ไปเกือบทั้งหมด ก็ไม่ได้หมายความว่า Frontier Intelligence (ปัญญาแนวหน้า) จะสูญเสียคุณค่าทางธุรกิจ

เหตุผลคือ จะมีงานบางประเภทที่เต็มใจจ่ายสูงมากเพื่อ "สิ่งที่ดีที่สุด" เสมอ เช่น การพัฒนายา คณิตศาสตร์ที่ซับซ้อน วิศวกรรมขั้นสูง ความมั่นคงไซเบอร์ หรือสถานการณ์ซื้อขายทางการเงินที่มีการแข่งขันสูง สำหรับงานเหล่านี้ หากโมเดลที่แข็งแกร่งกว่าสามารถเพิ่มอัตราความสำเร็จได้เล็กน้อย คุณค่าทางเศรษฐกิจที่มันสร้างอาจสูงกว่าต้นทุน Token มากมายนัก

Friedberg ก็มีความเห็นคล้ายกัน องค์กรวิจัยและพัฒนาวิทยาศาสตร์ชีวภาพที่เขาสังกัดใช้โมเดลของ Anthropic เพราะในงานวิทยาศาสตร์ที่ยากมากบางงาน ความแตกต่างของความสามารถระหว่างโมเดลยังมีมากพอ

ดังนั้น สิ่งที่ควรให้ความสนใจจริงๆ ไม่ใช่ว่า "โมเดลเปิดจะทำลาย Claude หรือ GPT หรือไม่" แต่เป็นคำถามที่เฉพาะเจาะจงกว่า นั่นคือ รายได้ของ OpenAI และ Anthropic มีสัดส่วนเท่าไรที่มาจากงาน前沿ที่ทดแทนไม่ได้จริงๆ และมีสัดส่วนเท่าไรที่มาจากงานทั่วไปซึ่งสุดท้ายสามารถย้ายไปใช้โมเดลราคาถูกได้

หากรายได้ส่วนใหญ่มาจากประเภทแรก บริษัทโมเดลก็ยังคงมีอำนาจกำหนดราคาที่แข็งแกร่ง แต่หากรายได้จำนวนมากเกิดเพียงเพราะองค์กรยังคุ้นเคยกับการใช้โมเดลที่แข็งแกร่งที่สุดชั่วคราว เมื่อองค์กรปรับต้นทุน AI รายได้ส่วนนี้อาจเผชิญแรงกดดันด้านราคาที่เพิ่มขึ้นเรื่อยๆ

นี่ก็เป็นเหตุผลว่าทำไมโครงสร้างลูกค้าและคุณภาพรายได้ของบริษัทโมเดล ในอนาคตอาจน่าจับตามองมากกว่าการเติบโตของ Token เพียงอย่างเดียว

จากมุมมองตลาดทุน จุดนี้สำคัญเป็นพิเศษ สิ่งที่นักลงทุนต้องตัดสินใจจริงๆ ไม่ใช่แค่ "Claude หรือ GPT จะเติบโตต่อไปได้หรือไม่" แต่เป็นว่าส่วนเพิ่มมูลค่าจากสติปัญญาชั้นแนวหน้าที่อยู่เบื้องหลังการเติบโตนั้นจะยั่งยืนเพียงใด

เมื่อ "สมอง" ถูกลงเรื่อยๆ มูลค่าเริ่มเคลื่อนไปที่ "มือและเท้า"

Chamath ได้เสนอข้อสังเกตอีกประการหนึ่งที่น่าจับตามองยิ่งกว่าในรายการ หากมองโมเดลเป็น "สมอง" สิ่งที่กำหนดประสบการณ์ของผลิตภัณฑ์สุดท้ายจริงๆ กำลังกลายเป็น agent harness (กรอบการทำงานของเอเจนต์) ที่ห่อหุ้มสมองนั้นมากขึ้นเรื่อยๆ

สิ่งที่เรียกว่า harness อาจเข้าใจได้ว่าเป็นระบบทั้งหมดที่ทำให้โมเดล "ลงมือทำสิ่งต่างๆ" ได้จริง รวมถึงเบราว์เซอร์ การเรียกใช้เครื่องมือ หน่วยความจำ การวางแผนงาน การจัดการสิทธิ์ การรันโค้ด และความสามารถในการเชื่อมต่อกับซอฟต์แวร์ต่างๆ โมเดลเดียวกันเมื่อใส่ใน harness ต่างกัน ผลลัพธ์สุดท้ายอาจ完全不同

ซึ่งหมายความว่า เมื่อโมเดลพื้นฐานเริ่มคล้ายคลึงกัน จุดแข่งขันสำคัญของบริษัท AI อาจเริ่มขยับขึ้นไปอีกระดับหนึ่ง

คำถามหลักในอดีตคือ ใครมีโมเดลที่ฉลาดที่สุด ต่อไปอาจกลายเป็น ใครทำให้โมเดลนี้ทำงานสำเร็จได้จริง

Muse ของ Meta คือตัวแทนของแนวโน้มนี้

Meta เปิดตัว Muse เมื่อวันที่ 8 กันยายน โดยวางตำแหน่งเป็น personal AI agent (เอเจนต์ AI ส่วนบุคคล) ไม่เพียงตอบคำถาม แต่สามารถควบคุมเบราว์เซอร์และแอปผ่านสภาพแวดล้อมคอมพิวเตอร์เสมือนอิสระ เพื่อทำงานอย่างการส่งอีเมลและจัดทริปได้

ในรายการ Chamath กล่าวว่าเขาใช้ Muse จัดระเบียบอีเมลส่วนตัว และลองให้มันจองตั๋วเครื่องบินและโรงแรมด้วย เขาเห็นว่าความหมายสำคัญที่สุดของผลิตภัณฑ์ประเภทนี้ไม่ใช่ว่าใช้โมเดลใดเป็นพื้นฐาน แต่เป็นการห่อหุ้มความสามารถ AI ที่ซับซ้อนให้กลายเป็นซอฟต์แวร์ที่ผู้ใช้ทั่วไปสามารถใช้ได้โดยตรง

นี่ก็อธิบายว่าทำไมราคา Token ที่ลดลงไม่ได้หมายความว่ามูลค่าของอุตสาหกรรม AI จะหดตัวลง ในทางกลับกัน ปัญญาที่ถูกลงอาจทำให้ผลิตภัณฑ์มากขึ้นมีความคุ้มค่าทางเศรษฐกิจ การที่ชั้นโมเดลทำกำไรได้บางลง ไม่ได้หมายความว่าทั้ง AI Stack จะทำกำไรได้น้อยลง มูลค่าเพียงอาจถูก redistributing จากตัวโมเดลเอง ไปยังบริษัทที่มีผู้ใช้ มี workflow และมีผลิตภัณฑ์สุดท้าย

การแข่งขันรอบต่อไปของ AI อาจไม่ใช่ใครมีโมเดลที่ดีที่สุดอีกต่อไป

การเปลี่ยนแปลงนี้ยังอยู่ในช่วงเริ่มต้น

ยังคงมีความแตกต่างด้านความสามารถระหว่าง frontier model กับ open-weight model และ benchmark ต่างๆ ก็ยังห่างไกลจากการเป็นตัวแทนของงานองค์กรจริงทั้งหมด สิ่งที่ All-In เสนอว่า "โมเดลกำลัง converge" ในตอนนี้เหมาะที่จะเข้าใจในฐานะการตัดสินใจทางธุรกิจ มากกว่าข้อเท็จจริงของอุตสาหกรรมที่เสร็จสมบูรณ์แล้ว

แต่การเปลี่ยนแปลงด้านราคาชัดเจนมากขึ้นแล้ว open-weight model กำลังเข้าสู่สภาพแวดล้อมการผลิตมากขึ้นเรื่อยๆ ราคาต่อหน่วย API ลดลงอย่างต่อเนื่อง และผู้พัฒนาโมเดลแบบปิดก็ลดราคาเชิงรุกเช่นกัน ในขณะเดียวกัน ผลิตภัณฑ์อย่าง Meta Muse ก็เริ่มลองผลักดัน AI จากหน้าต่างแชทไปสู่ Agent ที่สามารถทำงานได้จริง

สิ่งที่ควรจับตามองต่อไปจริงๆ ไม่ใช่แค่คะแนน benchmark ของ GPT หรือ Claude รุ่นต่อไปว่าจะเพิ่มขึ้นอีกเท่าไหร่

สิ่งที่สำคัญกว่าคือสี่ตัวแปร:

หนึ่ง สัดส่วนของ open-weight model ใน Token การผลิตจริงจะเพิ่มขึ้นต่อได้หรือไม่ สอง ต้นทุนต่อหน่วยของปัญญาจะลดลงได้เร็วแค่ไหน สาม frontier model ราคาแพงจะรักษางานซับซ้อนที่ทดแทนไม่ได้ไว้ได้มากน้อยเพียงใด สี่ Agent จะสร้างความถี่การใช้งานที่มั่นคงและรายได้ทางธุรกิจได้จริงหรือไม่

หากสามแนวโน้มแรกพัฒนาต่อไป โมเดล AI อาจกลายเป็นเหมือนพื้นฐานการประมวลผลในคลาวด์มากขึ้นเรื่อยๆ ยังคงสำคัญ แต่ราคาค่อยๆ โปร่งใส และมาตรฐานค่อยๆ เป็นเอกภาพ

และสิ่งที่กำหนดมูลค่าของบริษัทในระยะต่อไปจริงๆ อาจไม่ใช่แค่ "ใครมีสมองที่ฉลาดที่สุด" อีกต่อไป แต่เป็นใครที่สามารถเปลี่ยนสมองที่ถูกลงเรื่อยๆ ให้เป็นผลิตภัณฑ์ที่มีคนอยากใช้และยอมจ่ายจริงๆ

[ลิงก์วิดีโอ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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