5 เทรนด์ที่นิยาม AI Cloud ในปี 2024

(bvp.com)

19 คะแนน โดย xguru 2024-07-02 | ยังไม่มีความคิดเห็น | แชร์ทาง WhatsApp

# โมเดลพื้นฐานของ AI กำลังปูเวทีสงครามครั้งใหม่ของ Big Tech

การเปลี่ยนแปลงทางเทคโนโลยีทุกครั้งจะจุดชนวนการแข่งขันเพื่อควบคุมชั้นฐานราก และยุค AI ก็ไม่ใช่ข้อยกเว้น
โมเดลพื้นฐานคือ “น้ำมัน” รูปแบบใหม่ที่จะขับเคลื่อนแอปพลิเคชันและเครื่องมือ AI ปลายน้ำ
ในปี 2023 บริษัทโมเดลพื้นฐานครองสัดส่วนมากกว่า 60% ของเงินทุนร่วมลงทุนด้าน AI
- OpenAI, Anthropic, Mistral, Cohere และรายอื่น ๆ ระดมทุนได้ 2.3 หมื่นล้านดอลลาร์ ที่มูลค่าตลาดรวม 1.24 แสนล้านดอลลาร์
- โดยเฉพาะอย่างยิ่ง การไหลเข้าของเงินทุนนี้ส่วนใหญ่นำโดย CVC โดยตามข้อมูลของ Morgan Stanley คิดเป็น 90% ของการระดมทุน GenAI ภาคเอกชนในปี 2023 (เพิ่มขึ้นจาก 40% ในปี 2022)
- บริษัท Big Tech อย่าง Microsoft, Google, Amazon, NVIDIA และ Oracle ต่างถือหุ้นสัดส่วนสำคัญในบริษัทโมเดลพื้นฐานแล้วในตอนนี้
- การลงทุนเหล่านี้กำลังถูกจัดวางเชิงกลยุทธ์เพื่อเสริมขีดความสามารถด้าน AI ของยักษ์เทคเหล่านี้ และกระตุ้นการใช้บริการคลาวด์และคอมพิวต์หลักของตน
- นอกจากนี้ ยังมีบริษัท Big Tech ที่เดินหน้าริเริ่มโมเดลพื้นฐานของตนเอง เช่น Gemini ของ Google และ Llama ของ Meta AI
เมื่อเงินจำนวนมากไหลเข้าสู่ชั้นฐานรากนี้ การแข่งขันจึงทวีความรุนแรงด้วยความเร็วที่ไม่เคยมีมาก่อน และกำลังผลักดันนวัตกรรมมหาศาลในระบบนิเวศ
เทรนด์สำคัญที่สังเกตเห็นในปี 2023:
- โมเดลฐานกำลังพัฒนาอย่างรวดเร็ว:
  - LLM แบบใช้งานทั่วไปกำลังดีขึ้นเรื่อย ๆ ไม่เพียงในด้านสมรรถนะพื้นฐานอย่างความแม่นยำและ latency แต่ยังรวมถึงแนวหน้าด้านความสามารถแบบมัลติโหมดด้วย
  - การเปิดตัว GPT-4o ทำให้พวกเราทุกคนประหลาดใจ และรีลีสใหม่ได้แสดงความสามารถในการดูและเข้าใจวิดีโอและเสียงจากไฟล์ที่อัปโหลด รวมถึงความสามารถในการสร้างวิดีโอสั้น
  - ความเร็วอันน่ามึนงงของการพัฒนาโมเดลทำให้เกิดคำถามต่อกลยุทธ์การลงทุนใน โมเดลที่มีครึ่งชีวิตเป็นระดับเดือน
- ศึกระหว่างโอเพนซอร์สกับซอร์สปิดทวีความรุนแรง:
  - หลังการเปิดตัว Llama 3 ล่าสุด ผู้นำฝั่งโอเพนซอร์สเกือบไล่ตามประสิทธิภาพของโมเดลซอร์สปิดทันแล้ว ทำให้ข้อถกเถียงโอเพนซอร์สปะทะซอร์สปิดยังคงเป็นประเด็นร้อนในปี 2024
  - ผลกระทบด้านกฎระเบียบกำลังก่อให้เกิดคำถามใหม่ว่า ผู้เล่นฝั่งซอร์สปิดจะต้องเปิดโมเดลรุ่นก่อนหน้าเป็นส่วนหนึ่งของกลยุทธ์เชิงพาณิชย์ใหม่หรือไม่ หรือผู้นำโอเพนซอร์สอาจกลายเป็นผู้ชนะของตลาดนี้เป็นครั้งแรกในประวัติศาสตร์
- กระแสโมเดลขนาดเล็กกำลังเติบโต:
  - Clem Delangue ซีอีโอและผู้ร่วมก่อตั้ง HuggingFace ประกาศว่าปี 2024 จะเป็นปีของ SLM
  - ตัวอย่างอย่าง Mistral 8x22b ที่เปิดตัวในปีนี้ แสดงให้เห็นว่าโมเดลที่ใหญ่กว่าไม่ได้ดีกว่าเสมอไปในแง่ประสิทธิภาพ และโมเดลเล็กอาจมีข้อได้เปรียบอย่างมากด้านต้นทุนและ latency
- การมาถึงของสถาปัตยกรรมใหม่และโมเดลพื้นฐานเฉพาะทาง:
  - มีความตื่นเต้นต่อการเกิดขึ้นของสถาปัตยกรรมโมเดลใหม่ที่ก้าวข้าม Transformer
  - ตัวอย่างเช่น state space model และ geometric deep learning กำลังผลักขอบเขตของโมเดลพื้นฐานที่ใช้การคำนวณเข้มข้นน้อยกว่า จัดการบริบทยาวขึ้นได้ หรือแสดงการให้เหตุผลเชิงโครงสร้างได้
  - นอกจากนี้ ทีมที่ฝึกโมเดลเฉพาะทางสำหรับการสร้างโค้ด ชีววิทยา วิดีโอ ภาพ เสียง หุ่นยนต์ ดนตรี ฟิสิกส์ คลื่นสมอง และอื่น ๆ ก็เพิ่มขึ้นอย่างรวดเร็ว
  - สิ่งนี้เพิ่มมิติของความหลากหลายอีกแกนหนึ่งให้กับชั้นโมเดล
มีสิ่งต่าง ๆ เกิดขึ้นในชั้นฐานรากมากมายจนรู้สึกราวกับพื้นดินกำลังเคลื่อนตัว
แต่แม้จะมีเม็ดเงินมหาศาลที่ถูกอัดฉีดเข้ามา ผู้ชนะในตอนนี้ก็ยังไม่ชัดเจน

คาดการณ์: ศึกโมเดล AI จะยังคงร้อนแรงต่อไปในอนาคตอันใกล้ เพราะนี่คือ “ศึกชิงพื้นที่” สำคัญที่จะตัดสินว่าบริษัท Big Tech ใดจะขึ้นเป็นผู้นำในตลาดคลาวด์และคอมพิวต์ในอีกหลายปีข้างหน้า

ภาพความเป็นจริงในระยะใกล้เกี่ยวกับการแย่งชิงมูลค่าในศึกชั้นโมเดลนี้:
- ความเป็นจริง 1: ชั้นโมเดลกลายเป็นสินค้าโภคภัณฑ์
  - เงินทุนมูลค่าหลายร้อยล้านดอลลาร์จะถูกใช้สูญเปล่าหรือไม่ ในเมื่อ VC และ Big Tech ต่างสนับสนุนศึกชิงตำแหน่งผู้นำ AI
  - ไม่ได้แปลว่าโมเดลที่มีทุนหนาที่สุดจะเป็นผู้ชนะ
  - เพราะโมเดลโอเพนซอร์สยังคงท้าทายผู้เล่นหลักในตลาดอย่างต่อเนื่อง
  - แต่อนาคตที่โมเดล AI กลายเป็นสินค้าโภคภัณฑ์ก็ไม่ได้หมายความว่ามูลค่าของโมเดลจะลดลงเสมอไป
  - โมเดล AI ในฐานะสินค้าโภคภัณฑ์จะคล้ายกับคอมพิวต์หรือปิโตรเลียมในฐานะสินค้าโภคภัณฑ์
  - วันหนึ่งมันจะกลายเป็นทรัพยากรสำคัญต่อการดำเนินธุรกิจทั่วโลก
  - ในความเป็นจริงแบบนี้ มูลค่าสูงสุดของระบบนิเวศ AI จะไม่ได้ถูกรวบไว้ที่ตัวโมเดลเอง แต่จะถูกเก็บเกี่ยวโดยผู้ให้บริการคอมพิวต์และคลาวด์, marketplace และแอปพลิเคชัน
  - อย่างไรก็ตาม ในโลกที่โมเดล AI กลายเป็นสินค้าโภคภัณฑ์ ก็อาจมีบริษัทมูลค่าสูงมากหนึ่งหรือสองแห่งเกิดขึ้นจากการขาย “สินค้า” นี้ได้ เช่นเดียวกับที่เราเห็นในตลาดน้ำมัน
- ความเป็นจริง 2: บริษัทยักษ์ใหญ่ด้านโมเดล AI แบ่งเค้กกัน
  - คล้ายกับสงครามคลาวด์ บริษัทโมเดลรุ่นใหม่ที่โดดเด่นไม่กี่รายซึ่งได้รับแรงหนุนมหาศาลจากนักลงทุนเชิงกลยุทธ์ฝั่ง Big Tech หรือ CVC จะเข้าครอบครองระบบนิเวศโมเดลพื้นฐานและเติบโตเป็นยักษ์ใหญ่
  - ผู้ชนะแต่ละรายจะหาจุดแทรกตลาดที่แตกต่างกัน ซึ่งผสานความแตกต่างทางเทคนิคเข้ากับการกระจายสินค้า ประสิทธิภาพด้านราคา/ต้นทุน อิทธิพลด้านกฎระเบียบ และอื่น ๆ
  - แม้จะยังมีผู้เล่นหลากหลายอยู่ได้ (โดยเฉพาะโอเพนซอร์ส) แต่มูลค่าจะไหลไปสู่ผู้เล่นโมเดลชั้นนำเพียงไม่กี่ราย
  - สิ่งที่จะตัดสินยักษ์ AI แห่งวันพรุ่งนี้ไม่ใช่แค่เทคโนโลยีที่เหนือกว่าเท่านั้น แต่รวมถึงช่องทางการจัดจำหน่ายที่พวกเขาสร้างไว้แล้วด้วย
- ความเป็นจริง 3: โมเดล AI มีความหลากหลายและได้รับความนิยมพอ ๆ กับตลาดมันฝรั่งทอดกรอบ
  - เช่นเดียวกับที่มันฝรั่งทอดกรอบมีรสชาติได้ไม่รู้จบ อนาคตของเศรษฐกิจโมเดล AI ก็อาจหน้าตาคล้ายมุมขนมในร้านขายของชำแถวบ้านอย่างมาก
  - บริษัทโมเดลจำนวนมากอาจเติบโตได้ เพราะมีกรณีใช้งานที่แตกต่างกันเพียงพอให้บริษัทโมเดลอื่น ๆ อยู่รอดได้ เช่น รูปแบบ ประสิทธิภาพ latency ต้นทุน ความปลอดภัย เป็นต้น
  - อีกทั้งเมื่อปัจจัยด้านภูมิรัฐศาสตร์เข้ามามีบทบาทในโลกของโมเดล AI เรื่องภูมิศาสตร์และกฎระเบียบก็อาจมีผลเช่นกัน เพราะประเด็นด้านกฎเกณฑ์และอธิปไตยจะสนับสนุนการกระจายความหลากหลายในชั้นนี้

คาดการณ์: แม้ยังไม่มีข้อสรุปเป็นเอกฉันท์ แต่พาร์ตเนอร์ของเราประมาณเกือบครึ่งหนึ่งคาดว่าโมเดลซอร์สปิดจะขับเคลื่อนรอบการประมวลผล LLM ส่วนใหญ่ และท้ายที่สุดยักษ์ใหญ่ด้านโมเดล AI จะแบ่งเค้กทางเศรษฐกิจกันเอง (ความเป็นจริงข้อ 2 ด้านบน)

เราคาดว่ายักษ์ใหญ่คลาวด์จะใช้อำนาจจากการเข้าถึงคอมพิวต์ ชิป และเงินทุน เพื่อโน้มน้าวสมรภูมิให้เข้าทางตน
และผู้นำกลุ่มแรกก็ได้ลงสนามไปแล้ว
- Microsoft/OpenAI, AWS/Anthropic, Google/Gemini และ Meta/Llama คือทางเลือก OSS ที่เทียบได้กับ Linux รวมถึง Mistral ผู้นำจากยุโรป

# AI กำลังทำให้พวกเราทุกคนเป็นนักพัฒนาแบบ 10x

ทุกวันนี้วิศวกรมักต้องเป็นทั้งผู้สร้างและผู้เรียนอยู่เสมอ โดยนอกจากงานหลักแล้ว ยังต้องเรียนรู้ภาษา เฟรมเวิร์ก อินฟราสตรักเจอร์ และอื่น ๆ ใหม่อย่างต่อเนื่อง
เมื่อ AI เข้ามา นักพัฒนาจึงต้องเรียนรู้ toolchain และแนวปฏิบัติที่ดีที่สุดชุดใหม่ทั้งหมด เพื่อใช้ประโยชน์จาก LLM ที่พัฒนาไม่หยุด รวมถึงชุดผลิตภัณฑ์อินฟราสตรักเจอร์ใหม่สำหรับการจัดการข้อมูล การคิวเรต การทำพรอมป์ต์ การ pre-training และ fine-tuning
ในยุค AI เราจำเป็นต้องดูดซับความรู้ใหม่สำหรับนักพัฒนาในปริมาณเทียบเท่า 10 ปีให้ได้อย่างรวดเร็วในทุกปี
แต่ AI ก็อาจเป็นทางออกของความซับซ้อนนี้ได้เช่นกัน
- ในปี 2023 code copilot ถูกนำมาใช้กันอย่างแพร่หลาย และ
- ต้นปี 2024 ก็เริ่มมีเวอร์ชันแรก ๆ ของเครื่องมือแบบ agent ปรากฏขึ้น ซึ่งบ่งชี้ถึงความเป็นไปได้ในการทำงานโค้ดแบบ end-to-end ให้เป็นอัตโนมัติสำหรับงานง่าย ๆ

คาดการณ์: บทบาทของนักพัฒนาจะเปลี่ยนแปลงอย่างรุนแรงจาก AI มากกว่าอาชีพอื่นใด ภายใน 10 ปี ทุกคนที่มีคอมพิวเตอร์จะมีความสามารถด้านการพัฒนาที่มากพอสมควร ซึ่งจะทำให้ ความเร็วในการพัฒนาซอฟต์แวร์เพิ่มขึ้นอย่างมาก และ อายุเฉลี่ยของผู้ก่อตั้งสตาร์ทอัพเทคโนโลยีลดลงอย่างมีนัยสำคัญ

3 ด้านหลักที่ขับเคลื่อนวิวัฒนาการอย่างรวดเร็วของเศรษฐกิจนักพัฒนา AI:
- 1. อุตสาหกรรม code copilot ได้กลายเป็นแหล่งรวมของนวัตกรรมและการแข่งขัน โดยในปี 2023 มีเงินทุน VC ลงทุนในเทคโนโลยีและเครื่องมือ GenAI มูลค่า 3.9 พันล้านดอลลาร์
  - ผลิตภัณฑ์ Copilot เดิมของ Github ซึ่งสร้างบนโมเดล GPT-4 และ Codex ของ OpenAI มียอดติดตั้งมากกว่า 14 ล้านครั้ง
  - สตาร์ทอัพคู่แข่งที่ได้รับเงินทุนจำนวนมากและกำลังเติบโต เช่น Tabnine, Magic.dev, Augment, Poolside, Cursor AI, OpenDevin, Cognition's Devin, Supermaven กำลังสร้างและปรับปรุงร่วมกับนักพัฒนา
- 2. "Graduation Motion" ของ copilot ที่ฝังความสามารถ agentic search และ generation ไว้ จะสร้างมูลค่ามหาศาลในอีกหลายปีข้างหน้า
  - Devin, SWE-agent และ OpenDevin แสดงให้เห็นศักยภาพของเครื่องมือเอเจนต์แบบ end-to-end ที่โต้ตอบกับสภาพแวดล้อมของนักพัฒนา (เช่น ตัวแก้ไขไฟล์, bash shell) และอินเทอร์เน็ตเพื่อทำงานเขียนโค้ดให้เสร็จ
- 3. การให้เหตุผลระหว่างโค้ดกับภาษา จะยังคงเป็นศูนย์กลางของกิจกรรม AI และจะได้รับประโยชน์ทั้งจากนวัตกรรมในชั้นโมเดล (เช่น GPT-4, Claude 3 Opus) และพาราไดม์การให้เหตุผล/เอเจนต์แบบใหม่ (เช่น Cognition's Devin, SWE-agent, OpenDevin)
  - การปรับปรุงในชั้นโมเดลจะนำไปสู่คุณภาพการแก้ไขและการเติมโค้ดที่ดีขึ้น และท้ายที่สุดจะส่งมอบคุณค่าให้แก่นักพัฒนาและองค์กรซอฟต์แวร์
  - ระบบที่ขยายขอบเขตด้าน latency และขนาด context รวมถึงขยายโดเมนภาษา/ชุด pre-training ก็จะสร้างคุณค่ามหาศาลให้แก่นักพัฒนาเช่นกัน
AI กำลังขับเคลื่อนทั้งนวัตกรรมและความเปลี่ยนแปลงครั้งใหญ่ พร้อมเร่งความเร็วของนักพัฒนา ผลิตภาพ และ leverage ขององค์กรซอฟต์แวร์
องค์กรซอฟต์แวร์ที่มองไปข้างหน้ากำลังสำรวจเครื่องมือและผู้ให้บริการหน้าใหม่อย่างสม่ำเสมอ พร้อมจัดลำดับความสำคัญและนำซอฟต์แวร์สำหรับนักพัฒนาที่มีมูลค่าสูงมาใช้ได้อย่างรวดเร็ว
งบประมาณสำหรับนักพัฒนากลับมาไหลอีกครั้ง และมีความเต็มใจสูงที่จะจ่ายให้กับเครื่องมือที่สร้างผลกระทบที่มองเห็นได้
สำหรับผู้ประกอบการสาย developer ตอนนี้เป็นช่วงเวลาที่น่าตื่นเต้นในการสร้างบางสิ่งขึ้นมา ไม่ใช่แค่ copilot เท่านั้น แต่ยังมีโอกาสมากมายในด้าน infrastructure, เครื่องมือพัฒนา, QA, การตั้งค่าและ provisioning ฝั่ง IT, การมอนิเตอร์การปฏิบัติการด้านความปลอดภัย, การทดสอบเจาะระบบ และอื่น ๆ
Copilot อาจเป็นโอกาสที่ชัดเจนที่สุดในตอนนี้ แต่ก็น่าจะเป็นพื้นที่ที่แข่งขันรุนแรงที่สุดเช่นกัน
- เราได้เห็นการเพิ่มขึ้นอย่างรวดเร็วของเครื่องมือต่าง ๆ ในโดเมนนักพัฒนาที่เฉพาะทางมากขึ้น ตั้งแต่ SecOps ในสายความปลอดภัย ไปจนถึง SRE, QA และ pentest
- เครื่องมือเหล่านี้ใช้ LLM เพื่อ abstract ความซับซ้อนระดับล่าง และทำให้งานวิศวกรรมที่ใช้เวลามากและน่าปวดหัวเป็นอัตโนมัติ เพื่อปลดปล่อยทรัพยากรวิศวกรรมไปสู่งานระดับสูงกว่า
- การผสาน AI เข้ากับกระบวนการ DevOps จะช่วยยกระดับ CI/CD pipeline, การทดสอบอัตโนมัติ และกลยุทธ์การ deploy ทำให้ส่งมอบซอฟต์แวร์ได้เร็วขึ้นและเสถียรมากขึ้น
การรีแฟกเตอร์โค้ด เป็นอีกตัวอย่างที่ยอดเยี่ยมที่แสดงให้เห็นผลกระทบของ AI ต่อเวิร์กโฟลว์และ ecosystem ของนักพัฒนา
- ทีมวิศวกรรมสมัยใหม่จำนวนมากใช้เวลา FTE เพียงบางส่วนเท่านั้นไปกับการเขียนโค้ดใหม่ล้วน ๆ
- โดยเฉพาะในองค์กรขนาดใหญ่ เวลาส่วนสำคัญของ SWE ถูกใช้ไปกับส่วนที่ "ไม่เซ็กซี่" ของบทบาทวิศวกรรมซอฟต์แวร์ เช่น การบำรุงรักษาโค้ด ความปลอดภัย และการทดสอบ
- งานจำนวนมากอย่างการรีแฟกเตอร์โค้ดต้องอาศัยความรู้เชิงลึกเกี่ยวกับสแตก และมักเป็นโปรเจกต์ขนาดใหญ่ที่ควบคุมยากซึ่งแม้แต่วิศวกรอาวุโสก็ทำด้วยความหวาดหวั่น
AI มีศักยภาพที่ชัดเจนในการแก้ปัญหาเหล่านี้
- สตาร์ทอัพอย่าง Gitar, Grit และ ModelCode ใช้โมเดลสร้างโค้ด, static analysis และ AST parser เพื่อทำความเข้าใจโครงสร้างโค้ดและย้ายโค้ดข้ามภาษา, package library และ framework
- ความพยายามบางส่วนมุ่งเน้นที่เว็บเฟรมเวิร์กสมัยใหม่ ขณะที่บางส่วนทำงานกับ legacy engineering stack ที่เปราะบางและล้าสมัยซึ่งวิศวกรที่มีทักษะกำลังลดน้อยลงตามกาลเวลา (เช่น COBALT, PEARL เป็นต้น)
- เวิร์กโฟลว์จำนวนมากที่อยู่ใกล้กับความสามารถหลักของวิศวกรรมซอฟต์แวร์ก็ใช้เวลามาก ซ้ำซาก และเหมาะกับการทำอัตโนมัติเช่นกัน

คาดการณ์: ภายในปี 2030 นักพัฒนาซอฟต์แวร์องค์กรส่วนใหญ่จะมีบทบาทคล้ายผู้รีวิวซอฟต์แวร์มากขึ้น เมื่อค่าใช้จ่ายในการพัฒนาลดลงและผลิตภาพของนักพัฒนาที่มีประสบการณ์เพิ่มขึ้น เงินเดือนก็จะสูงขึ้น

AI จะส่งผลต่อขอบเขตและทักษะที่จำเป็นของทุกตลาดแรงงาน แต่ก็คงไม่มีอาชีพไหนได้รับผลกระทบมากเท่านักพัฒนา
การปรับปรุงของ AI ไม่เพียงจะยกระดับผลิตภาพของอาชีพนี้อย่างมาก แต่ยังจะขยายขอบเขตของโลกนักพัฒนาออกไปด้วย
อีก 10 ปีข้างหน้า ความสามารถด้านการพัฒนาจะกลายเป็นทักษะที่ประชากรส่วนใหญ่ของโลกเข้าถึงได้

# โมเดลมัลติโหมดและ AI เอเจนต์จะเปลี่ยนความสัมพันธ์ของมนุษย์กับซอฟต์แวร์

การเติบโตขึ้นของโมเดลมัลติโหมดและ AI เอเจนต์กำลังขับเคลื่อนนวัตกรรม AI ยุคถัดไป
ขยายขอบเขตการประยุกต์ใช้ AI ที่เป็นไปได้อย่างมหาศาล ไปสู่กรณีใช้งานที่กว้างกว่ามากเมื่อเทียบกับโมเดลแบบข้อความในยุคแรก
สำหรับผู้ประกอบการ AI มีโอกาสใหม่ในการสร้างนวัตกรรมไม่เพียงในเวิร์กโฟลว์แบบเอเจนต์ แต่ยังครอบคลุมโมดาลิตีใหม่ ๆ อย่างเสียง ภาพ และวิดีโอ
โมดาลิตีเหล่านี้มอบความสามารถที่เทียบได้กับมนุษย์ให้กับ AI ทั้งการมองเห็น การได้ยิน และภาษา เปิดโอกาสให้ AI เข้ามามีบทบาทในการเสริมงานมนุษย์จำนวนมากที่พึ่งพาประสาทสัมผัสเหล่านี้

เสียง

คลื่นแรกของบริษัท AI ด้านเสียงกำลังใช้ประโยชน์จากความก้าวหน้าของ Automatic Speech Recognition(ASR) เป็นหลัก
- Abridge ใช้บันทึกโน้ตจากบทสนทนาระหว่างแพทย์กับผู้ป่วย
- Rillavoice จับบทสนทนาระหว่างพนักงานขายภาคสนามกับลูกค้า เพื่อสนับสนุนการฝึกอบรมการขาย
บริษัท AI ด้านเสียงรุ่นใหม่กำลังเกิดขึ้น เพื่อพัฒนาผลิตภัณฑ์เสียงเชิงสนทนาที่สามารถจัดการเวิร์กโฟลว์ที่น่าเบื่อและซ้ำซากได้
- สิ่งนี้ช่วยให้มนุษย์ในกรณีใช้งานด้านการขาย การสรรหา ความสำเร็จของลูกค้า และงานธุรการ ไปโฟกัสกับงานที่มีมูลค่าสูงกว่าได้
- Ada ใช้นวัตกรรมเสียงล่าสุดเพื่อผสานเสียงเชิงสนทนาเข้ากับผลิตภัณฑ์สนับสนุนลูกค้าแบบแชต
สิ่งที่อยู่เบื้องหลังความก้าวหน้าเหล่านี้คือสถาปัตยกรรมเสียงแบบใหม่
- สามารถประมวลผลและให้เหตุผลจากข้อมูลเสียงดิบได้โดยไม่ต้องถอดเสียงเป็นข้อความก่อน
  - การเปลี่ยนผ่านจากสถาปัตยกรรมแบบ cascade ไปสู่สถาปัตยกรรมที่เป็น native voice ดังที่เห็นในโมเดลใหม่อย่าง GPT-4o
- การเปลี่ยนผ่านนี้จะทำให้ผลิตภัณฑ์เสียงเชิงสนทนามี latency ต่ำลงมาก และเข้าใจข้อมูลที่ไม่ใช่ข้อความ เช่น อารมณ์ น้ำเสียง และความรู้สึก ได้ดีขึ้นมาก
แอปพลิเคชัน AI ด้านเสียงกำลังเกิดขึ้นในหลายอุตสาหกรรม เช่น ดีลเลอร์รถยนต์ ร้านค้าปลีก ร้านอาหาร และบริการภายในบ้าน
- ธุรกิจจำนวนมากมักพลาดสายโทรศัพท์ขายขาเข้าจำนวนมากหรือส่วนใหญ่ที่เข้ามานอกเวลาทำการ และในกรณีเช่นนี้ AI เหมาะอย่างยิ่งที่จะเข้ามาเติมช่องว่าง
- แอปพลิเคชันเสียง AI ในงานขายเป็นกรณีใช้งานที่มี ROI สูงมาก เพราะโดยพื้นฐานแล้ว AI กำลังกู้คืนรายได้ที่สูญหายของธุรกิจเหล่านี้
ผู้ประกอบการที่กำลังสร้างอยู่แถวหน้าของ voice AI สามารถมอบอินเทอร์เฟซที่เป็นธรรมชาติ สนทนาได้ และมีประสิทธิภาพใกล้เคียงมนุษย์มากกว่าที่เคย

ภาพ / วิดีโอ

แม้โมเดล computer vision จะมีมาหลายปีแล้ว แต่สิ่งที่น่าสนใจใน LLM แบบหลายโมดาลิตีรุ่นใหม่คือความสามารถในการผสานความเข้าใจทั้งข้อมูลภาพและข้อความ (รวมถึงโมดาลิตีอื่น ๆ) เข้าด้วยกัน
- การผสมผสานนี้มีประโยชน์อย่างมากกับงานจำนวนมาก
คลื่นแรกของแอปพลิเคชันภาพสำหรับองค์กรเน้นไปที่กรณีใช้งานด้านการดึงข้อมูลเป็นหลัก
- บริษัทอย่าง Raft รวบรวมเอกสารขนส่งสินค้า ดึงข้อมูลสำคัญเพื่อนำไปกรอกใน ERP ของลูกค้า และทำเวิร์กโฟลว์การกระทบยอดใบแจ้งหนี้ให้เป็นอัตโนมัติ
เมื่อ foundation model พัฒนาต่อเนื่อง คาดว่าจะมีแอปพลิเคชันประมวลผลภาพและวิดีโอเฉพาะแนวตั้งเพิ่มขึ้น ซึ่งสามารถรวบรวมข้อมูลจำนวนมากขึ้นเรื่อย ๆ เพื่อป้อนเป็นอินพุตให้แอปพลิเคชัน
ยังมีแอปพลิเคชันในสายวิศวกรรมและการออกแบบ เช่น Flux.ai ที่ใช้ทั้ง vision model และโมเดลสร้างภาพเพื่อช่วยให้เหตุผลกับข้อมูลกราฟิกสำหรับสร้างผังงานหรือเรนเดอร์การออกแบบอาคาร

AI เอเจนต์อัตโนมัติ

หนึ่งในหัวข้อใหม่ที่น่าสนใจที่สุดของ AI คือการพัฒนา AI Agent ที่สามารถจัดการงานหลายขั้นตอนที่ซับซ้อนได้อย่างอัตโนมัติเต็มรูปแบบ
แม้ AI Agent ส่วนใหญ่ยังไม่สามารถทำงานได้อย่างเสถียรในกรณีใช้งานที่ซับซ้อน แต่ความก้าวหน้าในด้าน agent workflow กำลังเกิดขึ้นอย่างรวดเร็วมาก และเรากำลังได้เห็นภาพบางส่วนของสิ่งที่เป็นไปได้
- Devin ของ Cognition AI (วิศวกรซอฟต์แวร์ AI) แสดงให้เห็นว่าสิ่งใดเป็นไปได้เมื่อความสามารถด้านการวางแผนและการให้เหตุผลของ AI ยังคงขยายตัวต่อเนื่อง
แอปพลิเคชันจำนวนมากขึ้นกำลังเริ่มนำ AI Agent ไปใช้ในกรณีใช้งานที่มีขอบเขตจำกัดมาก ซึ่งสามารถจำกัดผลกระทบของข้อผิดพลาดสะสมในกระบวนการหลายขั้นตอนได้
- องค์กรต่าง ๆ ใช้โซลูชันอย่าง Leena AI เพื่อมอบ AI Agent ที่ช่วยสนับสนุนงานด้าน IT, HR และการเงิน ช่วยให้ทีมเหล่านี้หลุดพ้นจากงานจุกจิกและยกระดับประสบการณ์ของพนักงาน
นอกจากนี้ ยังมีโมเดลใหม่ ๆ ที่มาพร้อมความสามารถด้านการให้เหตุผลที่แข็งแกร่ง เพื่อให้ Agent สามารถรัน workflow ที่ซับซ้อนยิ่งขึ้นได้
- ที่น่าสนใจยิ่งกว่าคือมีงานวิจัยเกิดขึ้นอย่างคึกคัก โดยมุ่งเน้นแนวทางสถาปัตยกรรมใหม่ ๆ เพื่อปรับปรุงการนำ Agent ไปใช้งาน ผ่านวิธีการหลากหลาย เช่น chain-of-thought reasoning, self-reflection, การใช้เครื่องมือ, การวางแผน และการทำงานร่วมกันของหลาย Agent

# Vertical AI ที่แสดงศักยภาพว่าจะก้าวข้าม Legacy SaaS ได้

Vertical SaaS ได้พิสูจน์แล้วว่าเป็นยักษ์เงียบที่เปลี่ยนอุตสาหกรรมในช่วงการปฏิวัติคลาวด์ระลอกแรก
- มูลค่าหลักทรัพย์ตามราคาตลาดรวมของ 20 บริษัท Vertical SaaS ที่จดทะเบียนในตลาดหลักทรัพย์สหรัฐอันดับต้น ๆ อยู่ที่ราว 3 แสนล้านดอลลาร์ และมากกว่าครึ่งหนึ่งเข้าจดทะเบียน IPO ภายในช่วง 10 ปีที่ผ่านมา
ตอนนี้ การมาถึงของ large language model (LLM) ได้เปิดฉากคลื่นลูกถัดไปของ Vertical SaaS เมื่อเราเห็นการเกิดขึ้นของบริษัทหน้าใหม่ที่ขับเคลื่อนด้วย LLM ซึ่งมุ่งเป้าไปยังอุตสาหกรรมด้วยความสามารถใหม่ ๆ และข้ามเส้นแบ่งของ Legacy Vertical SaaS
- แอปพลิเคชัน Vertical AI มุ่งเป้าไปที่งานภาษาที่ทำซ้ำและมีต้นทุนสูง ซึ่งมีอยู่ในหลายอุตสาหกรรมและเป็นส่วนสำคัญของเศรษฐกิจ
ตามข้อมูลของสำนักงานสถิติแรงงานสหรัฐ อุตสาหกรรมบริการธุรกิจและบริการวิชาชีพคิดเป็น 13% ของ GDP สหรัฐ
- เฉพาะในภาคส่วนนี้ซึ่งมีงานภาษาที่ทำซ้ำเป็นหลัก ก็มีขนาดใหญ่กว่าซอฟต์แวร์ทั้งอุตสาหกรรมประมาณ 10 เท่า
- นอกเหนือจากภาคบริการวิชาชีพแล้ว งานภาษาที่ทำซ้ำในแนวตั้งยังมีสัดส่วนสำคัญในทุกอุตสาหกรรม
- เราเชื่อว่า Vertical AI จะเข้ามาชิงสัดส่วนที่มีนัยสำคัญของต้นทุนเหล่านี้ และยังจะกระตุ้นกิจกรรมในพื้นที่ที่เคยขาดแคลนแรงงานมนุษย์ด้วย
- ตัวอย่างเช่น EvenUp ช่วยทำงานอัตโนมัติให้กับบริการกฎหมายของบุคคลที่สามและ workflow ของผู้ช่วยด้านกฎหมายภายในองค์กร เปิดความเป็นไปได้ใหม่ให้กับงานที่ในอดีตมีต้นทุนแรงงานสูงเกินไปหรือมีความไม่สม่ำเสมอจนยากจะนำไปใช้

> คาดการณ์: มูลค่าตลาดของ Vertical AI จะมีขนาดอย่างน้อย 10 เท่าของ Vertical SaaS แบบดั้งเดิม เมื่อ Vertical AI ขับเคลื่อนเศรษฐกิจบริการและนำเสนอโมเดลธุรกิจใหม่

3 โมเดลธุรกิจใหม่ของ Copilot, Autopilot และบริการที่ขับเคลื่อนด้วย AI

โมเดลธุรกิจใหม่ 3 แบบของเศรษฐกิจ Vertical AI ประกอบด้วย Copilot, Autopilot และบริการที่ขับเคลื่อนด้วย AI
Vertical AI ยังอาจถูกส่งมอบผ่านโมเดลธุรกิจอื่น ๆ อีกหลายแบบ ซึ่งเพิ่มโอกาสในการทำให้ความสามารถของ AI สอดคล้องกับความต้องการเฉพาะของแต่ละอุตสาหกรรม
Copilot
- เพิ่มประสิทธิภาพของพนักงานด้วยการใช้ LLM เพื่อทำงานบางส่วนให้เป็นอัตโนมัติ
- Sixfold ช่วยให้ผู้รับประกันภัยวิเคราะห์ข้อมูลและทำความเข้าใจความเสี่ยงได้ดียิ่งขึ้น
- ในโมเดล Copilot แอปพลิเคชัน AI จะนั่งเคียงข้างผู้ใช้และช่วยให้ผู้ใช้ประสบความสำเร็จมากขึ้น
Agent
- ขณะที่ Copilot ช่วยพนักงานทำงาน แต่ Agent จะทำ workflow ให้เป็นอัตโนมัติทั้งหมดและเข้ามาแทนที่ผู้ใช้
- Agent มุ่งเน้นฟังก์ชันเฉพาะภายในธุรกิจแนวตั้ง เช่น การขายแบบ outbound หรือการรับสายโทรเข้า
- Slang AI จัดการสายโทรเข้าของร้านอาหาร ทำงานอย่างการรับจองและตอบคำถาม
บริการที่ขับเคลื่อนด้วย AI
- โดยทั่วไปคือบริการที่มักเอาต์ซอร์สให้ผู้ให้บริการภายนอก เช่น บัญชี บริการกฎหมาย และการเคลมค่ารักษาพยาบาล
- ธุรกิจเหล่านี้ใช้แรงงานเข้มข้น จึงมีมาร์จิ้นต่ำ ขยายขนาดได้ยาก และมักสร้างความแตกต่างได้ยากกว่าธุรกิจเทคโนโลยี ทำให้มีมูลค่าต่ำกว่าโดยธรรมชาติ
- ด้วยการใช้ซอฟต์แวร์ทำงานอัตโนมัติ บริษัทบริการที่ขับเคลื่อนด้วย AI เหล่านี้ตั้งเป้าจะนำเสนอบริการที่ถูกกว่า ดีกว่า และเร็วกว่าให้ตลาด พร้อมแย่งส่วนแบ่งจากธุรกิจบริการแบบเดิม
- SmarterDx ใช้ AI เพื่อตรวจสอบการเรียกเก็บเงินผู้ป่วยในแทนระบบสุขภาพและโรงพยาบาล ก่อนส่งบิลและเอกสารทางคลินิกที่เกี่ยวข้องไปยังผู้จ่ายเงิน
  - เดิมทีงานตรวจสอบนี้เคยเอาต์ซอร์สให้ผู้ให้บริการที่ทำงานตรวจสอบดังกล่าว

สัญญาณเริ่มต้นเกี่ยวกับความแข็งแกร่งของโมเดลธุรกิจ Vertical AI

เรา (Bessemer) โชคดีที่ได้สนับสนุนผู้นำ Legacy SaaS ในหลายอุตสาหกรรม และตอนนี้ก็มีหนึ่งในพอร์ต Vertical AI ที่ใหญ่ที่สุด
ด้วยเหตุนี้ เราจึงมีข้อมูลที่มีนัยสำคัญเพียงพอสำหรับใช้เปรียบเทียบบริษัท Vertical AI กับบริษัทเทียบเคียง Legacy Vertical SaaS แล้ว
การวิเคราะห์ 3 ด้านเกี่ยวกับพอร์ต Vertical AI ของเรา แสดงให้เห็นถึงความแข็งแกร่งของแอปพลิเคชันประเภทใหม่นี้
- ผู้เล่น Vertical AI กำลังเป็นผู้นำตลาดด้วยความสามารถที่ไม่ได้แข่งขันตรงกับ Legacy SaaS
  - โดยทั่วไปประโยชน์ใช้สอยของแอปพลิเคชันเหล่านี้คือการเสริมผลิตภัณฑ์ Legacy SaaS ไม่จำเป็นต้องมาแทนที่หรือทำซ้ำผลิตภัณฑ์เดิม
  - สตาร์ตอัป Vertical AI เหล่านี้มี ACV ราว 80% ของระบบ Vertical SaaS หลักแบบดั้งเดิมแล้ว
  - สิ่งนี้แสดงให้เห็นศักยภาพของ Vertical AI โดยการทดแทนค่าใช้จ่ายด้านบริการ สร้างการใช้จ่ายจำนวนมากในตลาดปลายทางแนวตั้ง และท้ายที่สุดมอบ TAM ที่อาจใหญ่กว่าของ SaaS เดิมอย่างมีนัยสำคัญ
- โปรไฟล์ด้านประสิทธิภาพและการเติบโตของบริษัท Vertical AI ที่มีขนาดอย่างมีนัยสำคัญ (ARR มากกว่า 4 ล้านดอลลาร์) ก็น่าประทับใจเช่นกัน
  - บริษัทเหล่านี้เติบโตเฉลี่ยราว 400% ต่อปี ซึ่งเป็นหนึ่งในอัตราการเติบโตที่เร็วที่สุดที่เราเคยเห็นมา
  - นอกจากนี้ยังแสดงประสิทธิภาพที่แข็งแรงด้วยอัตรากำไรขั้นต้นเฉลี่ยราว 65% และอัตราส่วนประสิทธิภาพ BVP ราว 1.1 เท่า (net new CARR/net burn)
- การวิเคราะห์สัดส่วนรายได้ที่บริษัท Vertical AI ใช้จ่ายไปกับต้นทุนโมเดล ช่วยคลายความกังวลว่าแอปพลิเคชันเหล่านี้เป็นเพียง thin wrapper
- โดยเฉลี่ยแล้ว บริษัทเหล่านี้ใช้จ่ายเพียงประมาณ 10% ของรายได้ หรือราว 25% ของ COGS ทั้งหมด ไปกับต้นทุนโมเดลในปัจจุบัน
- ดังนั้น แอปพลิเคชันแนวตั้งที่สร้างบน LLM เหล่านี้จึงสร้างมาร์จิ้นได้สูงกว่าต้นทุนโมเดลพื้นฐานประมาณ 6 เท่าแล้ว
โดยรวมแล้ว แม้คาดว่าจะมีการสร้างมูลค่ามหาศาลในชั้นโมเดล แต่ข้อมูลนี้ชี้ว่าเช่นเดียวกับนวัตกรรมด้านอินฟราฯ ในอดีต มูลค่าขององค์กรส่วนใหญ่จะถูกเก็บเกี่ยวอีกครั้งในชั้นแอปพลิเคชัน
ผู้เล่นเดิมในตลาดซอฟต์แวร์แนวตั้งก็ไม่ได้หลับใหลอยู่เสียทีเดียว
- บริษัทอย่าง Thomson Reuters (เข้าซื้อ CaseText ด้วยมูลค่า 650 ล้านดอลลาร์) และ DocuSign (เข้าซื้อ Lexion ด้วยมูลค่า 165 ล้านดอลลาร์) ได้ดำเนินดีลซื้อกิจการ Vertical AI ที่น่าจับตาชุดแรก
อย่างไรก็ตาม เรายังคิดว่าเรายังอยู่ใกล้เส้นสตาร์ตของมาราธอน Vertical AI
- เราคาดว่าจะได้เห็นการกำเนิดของบริษัท Vertical AI มหาชนถาวรรายใหม่ภายในไม่กี่ปีข้างหน้า
- เมื่อพิจารณาจากความเร็วในการเติบโต เราคาดว่าจะมี Vertical AI Centaur อย่างน้อย 5 ราย (ARR มากกว่า 100 ล้านดอลลาร์) ปรากฏขึ้นภายใน 2-3 ปีข้างหน้า
  > คาดการณ์: IPO ของ Vertical AI รายแรกจะเกิดขึ้นภายใน 3 ปีข้างหน้า

# AI ทำให้คลาวด์ฝั่งผู้บริโภคกลับมาฟื้นตัว

เป็นที่รับรู้กันโดยทั่วไปว่า consumer cloud มีการเติบโตซบเซาในช่วง 10 ปีที่ผ่านมา
- consumer cloud นิยามว่าเป็นบริษัทที่ให้บริการสตอเรจ การประมวลผล และแอปพลิเคชันดิจิทัลบนคลาวด์แก่ผู้บริโภครายบุคคลโดยตรง (พร้อมกันนั้นก็รวมผลิตภัณฑ์แบบ B2B และ "prosumer" ด้วย)
จากการวิเคราะห์ข้อมูล Cloud 100 ที่เริ่มต้นเมื่อ 9 ปีก่อน พบว่ามีเพียง 4% ของรายชื่อสะสมเท่านั้นที่เป็นบริษัทที่มีผลิตภัณฑ์สำหรับผู้บริโภค
- นับตั้งแต่ Dropbox เข้าตลาด IPO ในปี 2018 ก็อาจกล่าวได้ว่าไม่มีการ exit ของบริษัท consumer cloud แบบ 'pure-play' อีกเลย
ยูนิคอร์นด้าน consumer cloud เกิดขึ้นจากผลพวงของการเปลี่ยนแปลงทางเทคโนโลยีครั้งใหญ่
แต่หลังจากการเปิดตัว iPhone เมื่อ 15 ปีก่อนและการพัฒนาของแพลตฟอร์มโซเชียลมีเดียในเวลาต่อมา ก็ยังไม่มีการเปลี่ยนแปลงเชิงแผ่นดินไหวในเทคโนโลยีที่เผชิญหน้ากับผู้บริโภคในวงกว้าง
อย่างไรก็ตาม เมื่อ 2 ปีก่อน ผู้บริโภคได้เผชิญกับความเปลี่ยนแปลงครั้งใหญ่
- ด้วยความสามารถแบบมัลติโหมดของ LLM ที่พัฒนาอย่างรวดเร็ว ทำให้สามารถขยายและยกระดับประสาทสัมผัสด้านข้อความ ภาพ และเสียงได้ในแบบที่ก่อนหน้านี้เป็นไปไม่ได้ จึงเปิดความเป็นไปได้ของการพลิกปั่นป่วนในทุกหมวดหมู่ของ consumer cloud เดิม
ตัวชี้วัดความสามารถของ AI ในฝั่งผู้บริโภคคือแอปพลิเคชันเหล่านี้เข้ามายึดครองเวลาและความสนใจของเรามากเพียงใด
- ตอนนี้ ChatGPT กำลังแข่งขันกับผู้นำใน Attention Economy อย่าง Reddit ขณะที่ผู้ช่วย AI อเนกประสงค์รายอื่น ๆ รวมถึง Claude และ Gemini ก็ได้รับแรงส่งอย่างรวดเร็วเช่นกัน
นอกเหนือจากผู้ช่วยอเนกประสงค์แล้ว เรายังเห็นตัวอย่างบริษัท consumer AI ที่กำลังขับเคลื่อนนวัตกรรมในแต่ละหมวดอยู่แล้ว เช่น Perplexity สำหรับการค้นหา, Character.ai สำหรับเพื่อนคู่สนทนา, Midjourney สำหรับความสร้างสรรค์ด้านภาพ, Suno และ Udio สำหรับการสร้างเพลง, รวมถึง Luma, Viggle, Pika สำหรับการสร้างวิดีโอ
- บริษัทเหล่านี้กำลังดึงดูดและรักษาฐานผู้ใช้เฉพาะทางเอาไว้ และในบางกรณีก็แสดงให้เห็นถึงศักยภาพของแอปพลิเคชันที่ใช้ LLM เป็นฐานในการเข้ามาแทนที่ผู้เล่นดั้งเดิมยุคปัจจุบันได้อย่างมีประสิทธิภาพ
เมื่อ AI กำลังเปลี่ยนวิธีที่เราปฏิสัมพันธ์กับเทคโนโลยีและใช้ความบันเทิง นี่จึงเป็นหนึ่งในช่วงเวลาที่น่าตื่นเต้นที่สุดสำหรับผู้สร้างและนักลงทุนใน consumer cloud
คาดว่าจะมี consumer cloud IPO หลายรายในช่วง 5 ปีข้างหน้า

คาดการณ์: จากการผงาดขึ้นอย่างน่าทึ่งของสื่อสังเคราะห์ แอปพลิเคชันผู้บริโภครูปแบบใหม่ และ AI agent แบบโต้ตอบ ภายในปี 2030 ธุรกิจ 3 อันดับแรกที่ครอง attention economy จะตั้งอยู่บนคอนเทนต์หรือผลิตภัณฑ์ที่ AI สร้างขึ้น

กิจกรรมในระยะเริ่มต้นจำนวนมากกำลังปรากฏขึ้นใน long tail ของแอปพลิเคชัน consumer AI เฉพาะฟังก์ชัน (เช่น การสร้างและแก้ไขคอนเทนต์, การศึกษา)
- ข่าวดีก็คือนี่เป็นสัญญาณเริ่มต้นว่าผู้บริโภคกำลังหันมาใช้ AI เพื่อยกระดับชีวิตของตน
- ข่าวร้ายคือยังมีแอป AI-native สำหรับผู้บริโภคในแต่ละหมวดที่แสดงให้เห็นถึงความลึกของผลิตภัณฑ์ที่มากกว่าแค่ wrapper หรือพิสูจน์ความรักอย่างต่อเนื่องของลูกค้าด้วย retention ที่แข็งแกร่ง ได้ไม่ถึง 10 ราย
- เรายังเชื่อว่ายังคงมีโอกาสที่ชัดเจนในการสร้างบริษัทคลาวด์ที่ยั่งยืนเพื่อแก้ปัญหาความต้องการของผู้บริโภคที่ยังไม่ได้รับการตอบสนองอีกมากมาย
สองคำถามสำคัญเกี่ยวกับความต้องการของผู้บริโภค:
- สภาพปัจจุบันสร้าง ความเจ็บปวดรุนแรง หรือ ใช้แรงงานเข้มข้น กับผู้บริโภคมากเพียงใด?
- ต้องใช้ความพยายามด้านภาษา/ภาพ/เสียงที่ ซ้ำ ๆ และคาดการณ์ได้มากแค่ไหน?
AI จะไม่เพียงแค่สร้างสรรค์ใหม่ให้กับงานอดิเรกที่เราชื่นชอบ เช่น โซเชียล ความบันเทิง การช้อปปิ้ง และการท่องเที่ยว แต่ยังจะช่วยให้ผู้คนค้นพบและจินตนาการถึงวิธีใหม่ ๆ ในการเชื่อมต่อ เล่น ซื้อ และสำรวจโลก

# บทสรุป - AI cloud: ความจริง vs. กระแสเกินจริง (Hype)

Roy Amara เคยกล่าวไว้ว่า "เรามักประเมินผลกระทบของเทคโนโลยีสูงเกินไปในระยะสั้น และต่ำเกินไปในระยะยาว"
- เรื่องนี้สะท้อนตัวเลขของ VC ได้อย่างแม่นยำในคลื่นเทคโนโลยีหลายระลอกในอดีต เช่น ดอทคอม นาโนเทค คลีนเทค และบล็อกเชน
- แม้แต่ SaaS แบบเก่าที่ดูน่าเบื่อก็ยังเติบโตร้อนแรงเกินไปในปี 2021
ถ้าเช่นนั้น กระแสเกินจริงของ AI cloud กำลังแซงหน้าความเป็นจริงอยู่หรือไม่?
- เราถูกลิขิตให้ต้องยอมรับภายใน 1-2 ปีข้างหน้าหรือไม่ว่าคำสัญญาของ AI ได้ครอบงำ cloud VC มากเกินไป?
- หรือ AI กำลังคุกคามที่จะทำลาย "กฎของ Amara"?
- นี่จะเป็นคลื่นเทคโนโลยีแรกที่ความเป็นจริงแซงหน้ากระแส hype อันบ้าคลั่งหรือไม่?
ผลสำรวจนักลงทุนของ Bessemer ทั่วโลกให้คำตอบที่ชัดเจน
- จนถึงตอนนี้ Hype นั้นคุ้มค่าเพียงพอแล้ว
- ไม่ว่ามองไปทางไหน ก็เห็นหลักฐานของอิทธิพลจาก AI ในระดับที่ไม่มีแบบอย่างทางประวัติศาสตร์
บริษัทส่วนใหญ่ในพอร์ตของเราได้นำเทคโนโลยี AI มาใช้ภายในองค์กร และกำลังอัปเดต product roadmap เพื่อผสาน AI เข้าไป
บริษัทในพอร์ตที่ขับเคลื่อนด้วย AI กำลังแสดงแรงฉุดเชิงพาณิชย์อย่างมีนัยสำคัญ และเติบโตได้เร็วและมีประสิทธิภาพกว่ากลุ่มใด ๆ ที่เราเคยเห็นมา
เมื่อลองย้อนกลับไปดูการคาดการณ์ของปีที่แล้ว แม้จะมีทั้งความมองโลกในแง่ดีและความตื่นเต้นอย่างมาก เราก็ยังไม่สามารถคาดการณ์ความเร็วและขนาดของการเปลี่ยนแปลงนี้ได้อย่างครบถ้วน
- โดยเฉพาะอย่างยิ่ง เราเคยคาดการณ์ว่าบริษัทที่ขับเคลื่อนด้วย AI จะไปถึงรายได้ 1 พันล้านดอลลาร์ได้เร็วกว่าบริษัทคลาวด์ดั้งเดิม 50%
- OpenAI ทำรายได้ถึง 2 พันล้านดอลลาร์ในเดือนกุมภาพันธ์ปีนี้ และมีรายงานว่าไม่กี่เดือนต่อมาก็มียอดรายได้ต่อปีแบบ annualized เกิน 3.4 พันล้านดอลลาร์
- คาดว่า Anthropic จะทำรายได้ต่อปี 850 ล้านดอลลาร์ภายในสิ้นปี 2024
- รายงานอื่น ๆ ระบุว่า Midjourney กำลังทำรายได้ 200 ล้านดอลลาร์ และ Character.ai ก็น่าจะอยู่ในระดับใกล้เคียงกัน
การคาดการณ์สุดท้ายของเราคือ เมื่อย้อนกลับมามองปีหนึ่งใน State of the Cloud 2025 AI จะไม่สูญเสียความสนใจที่กำลังได้รับอยู่ในตอนนี้เลยแม้แต่น้อย