คำถามมูลค่า $600B (830 ล้านล้านวอน) ของ AI

 (sequoiacap.com)
10 คะแนน โดย GN⁺ 2024-07-04 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ฟองสบู่ AI กำลังมาถึงจุดเปลี่ยน และการรับมือกับความเปลี่ยนแปลงจากนี้ไปจะเป็นสิ่งสำคัญ
  • ในเดือนกันยายน 2023 ได้เผยแพร่บทความชื่อ "คำถามมูลค่า $200B ของ AI" โดยจุดประสงค์ของบทความนั้นคือการตั้งคำถามว่า "รายได้อยู่ที่ไหน?"
    • ในตอนนั้นพบว่ามีช่องว่างขนาดใหญ่ระหว่างความคาดหวังด้านรายได้ที่แฝงอยู่ในการสร้างโครงสร้างพื้นฐาน AI กับการเติบโตของรายได้จริงในระบบนิเวศ AI โดยอธิบายสิ่งนี้ว่าเป็น "หลุมมูลค่า 1.25 แสนล้านดอลลาร์ที่ต้องเติมทุกปีเพื่อรองรับ CapEx ในระดับปัจจุบัน"
    • เมื่อไม่นานมานี้ Nvidia กลายเป็นบริษัทที่มีมูลค่าสูงที่สุดในโลก ก่อนหน้านั้นมีคนจำนวนมากสอบถามเกี่ยวกับผลการวิเคราะห์นี้ ว่าปัญหา 2 แสนล้านดอลลาร์ของ AI ได้รับการแก้ไขแล้วหรือแย่ลงกว่าเดิม
  • หากนำการวิเคราะห์นี้มารันใหม่ในวันนี้ จะได้ผลลัพธ์ดังต่อไปนี้:
    • ปัญหา $200B (260 ล้านล้านวอน) ของ AI ตอนนี้กลายเป็นปัญหา $600B (830 ล้านล้านวอน) แล้ว
    • นำประมาณการรายได้ต่อปีของ Nvidia มาคูณ 2 เพื่อสะท้อนต้นทุนรวมของศูนย์ข้อมูล AI (GPU คิดเป็นครึ่งหนึ่งของต้นทุนการเป็นเจ้าของทั้งหมด อีกครึ่งหนึ่งรวมถึงพลังงาน อาคาร เครื่องกำเนิดไฟฟ้าสำรอง เป็นต้น)
    • จากนั้นคูณ 2 อีกครั้งเพื่อสะท้อนอัตรากำไรขั้นต้น 50% ของผู้ใช้ปลายทางของ GPU (เช่น สตาร์ทอัพหรือองค์กรที่ซื้อ AI computing จาก Azure, AWS หรือ GCP ก็ต้องมีกำไรเช่นกัน)

สิ่งที่เปลี่ยนไป

  1. การขาดแคลนอุปทานคลี่คลายลง

    • ช่วงปลายปี 2023 การขาดแคลน GPU รุนแรงถึงจุดสูงสุด
    • ตอนนี้สามารถหา GPU ได้ค่อนข้างง่ายแล้ว

  2. สต็อก GPU เพิ่มขึ้น

    • ครึ่งหนึ่งของรายได้จากดาต้าเซ็นเตอร์ของ Nvidia มาจากผู้ให้บริการคลาวด์รายใหญ่
    • Microsoft คิดเป็นประมาณ 22% ของรายได้ไตรมาส 4 ของ Nvidia
    • CapEx ของกลุ่ม hyperscaler แตะระดับสูงสุดเป็นประวัติการณ์

  3. ส่วนแบ่งรายได้ของ OpenAI

    • รายได้ของ OpenAI เพิ่มจาก 1.6 พันล้านดอลลาร์ ณ ปลายปี 2023 มาเป็น 3.4 พันล้านดอลลาร์ในปัจจุบัน
    • นอกจาก ChatGPT แล้ว ยังมีผลิตภัณฑ์ AI สำหรับผู้บริโภคที่คนใช้งานจริงไม่มากนัก

  4. หลุม 1.25 แสนล้านดอลลาร์กลายเป็นหลุม 5 แสนล้านดอลลาร์

    • สมมติว่า Google, Microsoft, Apple และ Meta ต่างสร้างรายได้ใหม่ที่เกี่ยวข้องกับ AI ได้ปีละ 1 หมื่นล้านดอลลาร์ต่อบริษัท
    • สมมติว่า Oracle, ByteDance, Alibaba, Tencent, X และ Tesla ต่างสร้างรายได้ AI ใหม่ได้ปีละ 5 พันล้านดอลลาร์ต่อบริษัท
    • ต่อให้สมมติฐานนี้ถูกต้อง หลุม 1.25 แสนล้านดอลลาร์ก็ยังขยายเป็น 5 แสนล้านดอลลาร์อยู่ดี

  5. การมาของ B100

    • Nvidia เปิดตัวชิป B100
    • B100 ให้ประสิทธิภาพดีกว่า H100 ถึง 2.5 เท่า โดยมีต้นทุนเพิ่มขึ้นเพียง 25%
    • คาดว่าความต้องการ B100 จะพุ่งสูงอย่างมาก

ข้อโต้แย้งหลัก (ความต่างจากการสร้างโครงสร้างพื้นฐานในอดีต)

  1. อำนาจในการตั้งราคาที่ต่ำกว่า

    • ต่างจากโครงสร้างพื้นฐานทางกายภาพ ดาต้าเซ็นเตอร์ GPU มีอำนาจในการตั้งราคาน้อยกว่า
    • GPU computing กำลังกลายเป็นสินค้าโภคภัณฑ์มากขึ้นเรื่อย ๆ และถูกคิดค่าบริการตามชั่วโมง

  2. การเผาเงินลงทุน

    • เช่นเดียวกับโครงสร้างพื้นฐานทางกายภาพอย่างทางรถไฟ กระแสการลงทุนเชิงเก็งกำไรมีอัตราการเผาทุนสูง
    • ตามที่งานอย่าง Engines That Move Markets ชี้ให้เห็น หลายคนที่โฟกัสกับทางรถไฟสูญเสียเงินจำนวนมากในช่วงคลื่นเทคโนโลยีเชิงเก็งกำไร

  3. ค่าเสื่อมราคา

    • เซมิคอนดักเตอร์มีประสิทธิภาพดีขึ้นตามกาลเวลา
    • Nvidia จะยังคงผลิตชิปเจเนอเรชันถัดไปที่ดีกว่าเดิมต่อไป
    • สิ่งนี้จะนำไปสู่การเสื่อมค่าที่เร็วขึ้นของชิปรุ่นก่อนหน้า

  4. ผู้ชนะและผู้แพ้

    • AI มีแนวโน้มสูงที่จะเป็นคลื่นเทคโนโลยีพลิกโฉมครั้งถัดไป
    • การลดลงของราคาการประมวลผล GPU เป็นผลดีต่อการสร้างนวัตกรรมและสตาร์ทอัพในระยะยาว

บทสรุป

  • AI จะสร้างมูลค่าทางเศรษฐกิจอย่างมหาศาล
  • Nvidia สมควรได้รับการยกย่องอย่างมากสำหรับบทบาทที่ทำให้การเปลี่ยนผ่านนี้เกิดขึ้นได้
  • กระแสเก็งกำไรเป็นส่วนหนึ่งของเทคโนโลยี และไม่จำเป็นต้องหวาดกลัวมัน
  • อย่าหลงไปกับภาพลวงตาว่า AGI จะมาถึงในเร็ววัน
  • เส้นทางข้างหน้าจะยาวและเต็มไปด้วยขึ้นลง แต่แทบจะแน่นอนว่ามันคุ้มค่า

ความเห็นของ GN⁺

  • AI จะสร้างมูลค่าทางเศรษฐกิจอย่างมหาศาล ผู้ก่อตั้งบริษัทที่มุ่งเน้นการส่งมอบคุณค่าให้ผู้ใช้ปลายทางจะได้รับผลตอบแทนก้อนใหญ่
  • กระแสเก็งกำไรเป็นส่วนหนึ่งของเทคโนโลยี จึงไม่จำเป็นต้องกลัว คนที่ผ่านช่วงเวลานี้ไปอย่างมีสติจะมีโอกาสสร้างบริษัทที่สำคัญอย่างยิ่ง
  • แต่ต้องระวังอย่าไปเชื่อความหลงผิดที่แพร่กระจายจากซิลิคอนแวลลีย์ไปทั่วประเทศ และจริง ๆ แล้วไปทั่วโลก
    • “ความหลงผิด” นั้นบอกว่าเราทุกคนจะรวยอย่างรวดเร็ว เพราะ AGI จะมาถึงพรุ่งนี้ และเราทุกคนต้องกักตุน GPU ซึ่งเป็นทรัพยากรเดียวที่มีคุณค่า
    • อย่าหลงไปกับภาพลวงตาว่า AGI จะมาถึงในเร็ววัน
  • ในความเป็นจริง เส้นทางข้างหน้าจะยังอีกยาวไกล มีทั้งขึ้นและลง แต่แทบจะแน่นอนว่ามันคุ้มค่า

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-07-04
ความเห็นจาก Hacker News

  • ตามคำกล่าวของ Jensen การฝึกโมเดลขนาด GPT-4 ต้องใช้ GPU H100 จำนวน 8,000 ตัวเป็นเวลา 90 วัน

    • Meta มี GPU อยู่ 350,000 ตัว จึงสามารถฝึกโมเดลระดับ GPT-4 ได้ปีละ 200 โมเดล
    • สิ่งนี้อาจทำให้อัตรากำไรที่แท้จริงของบริษัทที่มุ่งเน้น AI เข้าใกล้ศูนย์
    • ไม่ดีสำหรับนักลงทุน แต่ดีสำหรับนักพัฒนา
    • ปัจจัยที่สำคัญที่สุดต่อคุณภาพเอาต์พุตของโมเดลคือข้อมูลกรรมสิทธิ์ที่ใช้ในการฝึก

  • บริษัทเทคโนโลยีรายใหญ่กำลังลงทุนในฮาร์ดแวร์อย่างมหาศาล

    • เรื่องนี้คล้ายกับการลงทุนใน Sun Microsystems และ Netscape ช่วงปลายยุค 90
    • เรารู้ว่าอินเทอร์เน็ตจะเปลี่ยนโลก แต่ไม่รู้ว่าเงินจะไหลไปทางไหน

  • รายได้จาก AI ไม่ได้มาจากทางตรง แต่มาจากการลดต้นทุนและเพิ่มผลิตภาพ

    • AI ช่วยได้ในทุกด้านของสตาร์ตอัป

  • มีการโฟกัสกับการเพิ่มผลิตภาพมากเกินไป

    • ยังมีศักยภาพด้านความบันเทิงอีกมาก
    • ตอนนี้แอปที่ยังไม่ลงตัวกำลังทำเงินอยู่
    • เรายังไม่รู้ว่าผลิตภัณฑ์ฮิตตัวจริงจะเป็นอะไร

  • การลงทุนใน AI มีโอกาสสูงที่จะประสบความสำเร็จ

    • หากดูจากกรณีของอินเทอร์เน็ตและมือถือ จะเห็นว่ามีหลายบริษัทที่ประสบความสำเร็จหลังจากกระแสเกินจริงจางหายไป

  • มีการคาดการณ์ว่า AI จะสร้างมูลค่าทางเศรษฐกิจมหาศาล

    • แต่ก็เป็นการคาดเดาที่หนักแน่นโดยไม่มีหลักฐานรองรับ
    • มีความเชื่อว่า AI จะเปลี่ยนทุกสิ่ง

  • การพัฒนาของ AI จะเป็นเส้นทางที่ยาวนานและขรุขระ

    • แต่ก็คุ้มค่า
    • เหตุการณ์ FTX อาจกลายเป็นบทเรียน

  • LLMs ทำงานพื้นฐานได้ยอดเยี่ยม แต่มีข้อจำกัดกับงานที่ซับซ้อน

    • ผู้คนมักมีแนวโน้มจะโทษคนอื่น
    • น่าจะถูกใช้ในด้านความบันเทิงและการประยุกต์ใช้ที่คาดไม่ถึง มากกว่าบทบาทที่ต้องเผชิญหน้ากับลูกค้า

  • สมมติฐานที่ว่า GPU ในดาต้าเซ็นเตอร์ทั้งหมดถูกใช้กับ AI นั้นไม่ถูกต้อง

    • โมเดลธุรกิจ AI ไม่ได้มีแค่ค่าบริการใช้งาน API
    • AI มีบทบาทสำคัญอย่างมากในธุรกิจค้นหาและโฆษณาของ Google อยู่แล้ว

  • เมื่อพิจารณาจากประชากรและ GDP ของประเทศในกลุ่ม OECD การลงทุนใน AI อาจช่วยเพิ่มผลิตภาพได้อย่างมาก

    • แต่ก็ยังน่าสงสัยว่าจะสามารถคืนทุนจากการลงทุนในปัจจุบันได้อย่างรวดเร็วหรือไม่