เทรนด์เทคโนโลยี 2025 ของ Benedict Evans: AI eats the world

 (ben-evans.com)
23 คะแนน โดย xguru 2024-12-30 | 2 ความคิดเห็น | แชร์ทาง WhatsApp
  • รายงานปี 2025 (สไลด์ 90 หน้า) พร้อมสรุปย่อและคำอธิบายเพิ่มเติม
  • "เดโมเทคโนโลยีที่ปฏิวัติวงการในชีวิตผมมีอยู่แค่ 2 อย่าง: GUI และ ChatGPT - Bill Gates"
  • OpenAI ได้รับการประเมินมูลค่าคาดการณ์ที่ $157B (Microsoft ใช้เวลา 20 ปี)
    • ChatGPT เข้าสู่การรับรู้ของตลาดกระแสหลักด้วยความเร็วที่ไม่เคยมีมาก่อน
    • คนสนใจมาก แต่กรณีใช้งานยังจำกัด และยังไม่ถูกมองว่ามีประโยชน์มากนัก
    • ในตลาดก็เริ่มมีเสียงพูดแล้วว่า การลงทุนนั้นอาจไม่คุ้มกับผลตอบแทน
  • ใน Hype Cycle การไปถึง "Plateau of Productivity" ต้องใช้เวลา
  • การเปลี่ยนแพลตฟอร์มครั้งถัดไปคือ "Generative AI"
    • Mainframe → PCs / SQL → Web / Open Source → Smartphones / Cloud → Generative AI
  • แต่ตอนนี้ทุกอย่างยังเปิดอยู่ และยังไม่มีใครรู้คำตอบ
    • How far will this scale?
    • How is this useful?
    • How do we deploy this?

How far will this scale? มันจะขยายได้ไกลแค่ไหน?

  • LLM จะใหญ่ขึ้นเรื่อย ๆ ไหม (scaling?) - LLM จะทำได้ "ทุกอย่าง" ไหม?
  • การ scaling เป็นเรื่องยาก
    • การขยายโมเดลเหล่านี้มีความท้าทายมากและต้องใช้เวลา
      • GPU กับพลังงาน, ข้อมูลฝึก, การรันและวิศวกรรม, แล้วผลลัพธ์จะดีขึ้นจริงไหม?
    • ตอนนี้แทบไม่มีทางเลือกนอกจากต้องลงทุน (ถ้าไม่ทำ อาจพลาดเทคโนโลยีที่สำคัญที่สุดในอีก 10~15 ปีข้างหน้า)
    • "เราไม่มีคูเมือง - Google"
    • "โมเดลที่กำลังฝึกอยู่ตอนนี้มีต้นทุนเกือบ $1b และในปี 2025/2026 อาจเป็น $5b หรือ $10b - CEO ของ Anthropic"
    • "คอมพิวต์ที่ต้องใช้ในการฝึก Llama 4 มากกว่า 10 เท่าของรุ่นก่อน และโมเดลในอนาคตก็จะยังใหญ่ขึ้นต่อไป - Mark Zuckerberg"
  • ถ้า "คูเมือง" คือ "เงินทุน" ... ตอนนี้ Nvidia ก็ยังรับดีมานด์ไม่ไหว
  • Capex ของบิ๊ก 4 (Meta, Alphabet, AWS, MSFT) อยู่ที่ $90b ในปี 2023 และ $220b ในปี 2024 ส่วนปี 2025 ก็น่าจะเพิ่มขึ้นอีก
  • ทุกอย่างกำลังเปลี่ยนเร็วมาก ขณะที่ความก้าวหน้าทางเทคโนโลยีกำลังเกิดขึ้นใต้เท้าเรา
    • หาก AI จะพัฒนาต่อไปได้ สิ่งสำคัญคือการสร้างสมดุลระหว่างผลลัพธ์ที่ดีขึ้น ทิศทางของการพัฒนา และประสิทธิภาพของทรัพยากร (ต้นทุนการฝึก, ต้นทุน inference, carbon footprint)
  • "โมเดลอินเทอร์เน็ตผู้บริโภคแบบ ปล่อยฟรี ให้คนบอกต่อ แล้วค่อยหาวิธีทำเงินทีหลัง ไม่สอดคล้องกับโครงสร้างต้นทุนของ LLM ขนาดใหญ่ในทุกวันนี้"
    • ตามปกติแล้วซอฟต์แวร์มีต้นทุนพัฒนาเริ่มต้นสูง แต่ต้นทุนในการคัดลอกหรือแจกจ่ายแทบเป็นศูนย์ จึงเป็นผลิตภัณฑ์ที่มี "ต้นทุนส่วนเพิ่ม" ต่ำมาก
    • แต่ LLM ต้องใช้ทรัพยากรคอมพิวต์มหาศาล (ไฟฟ้า เซิร์ฟเวอร์ ฯลฯ) ทั้งในขั้นฝึกและ inference และยิ่งผู้ใช้มาก ต้นทุนก็ยิ่งเพิ่ม
    • กลยุทธ์ให้ใช้ฟรีเพื่อดึงผู้ใช้จำนวนมากจะไม่ยั่งยืน หากยังไม่มีโมเดลการสร้างรายได้ที่ชัดเจน
    • กล่าวคือ ต้องมี กลยุทธ์การคืนทุนที่ชัดเจน ตั้งแต่แรก
  • "ทุกคนในอุตสาหกรรมเทคโนโลยีกำลังแจกโมเดลธุรกิจของคนอื่นฟรี"
    • เมื่อโมเดลธุรกิจหรือเทคโนโลยีหลักของคู่แข่งหรือองค์กรอื่นถูกทำให้ฟรีผ่านโอเพนซอร์สหรือรูปแบบอื่น ความได้เปรียบเชิงผูกขาดของบางบริษัทก็จะอ่อนลง
    • Meta เปิดโอเพนซอร์สทรัพย์สินเทคโนโลยีสำคัญอย่างโมเดล AI ทำให้เทคโนโลยีเหล่านี้กำลังกลายเป็นโครงสร้างพื้นฐานร่วมที่ใครก็ใช้ได้ (commodity infrastructure)
    • Apple ผลักดันให้รันโมเดล AI บนอุปกรณ์ของผู้ใช้โดยตรงผ่านเทคโนโลยี edge computing แทนการรันบนเซิร์ฟเวอร์ส่วนกลาง ทำให้โมเดลถูกใช้งานคล้ายการเรียก API ง่าย ๆ และลดมูลค่าทางพาณิชย์ของเทคโนโลยีลง
  • บูมของโมเดลช่วง 2023-2024 คือ เลือกได้ 2 จาก 3 อย่าง: ดี เร็ว ถูก

How is this useful? มันมีประโยชน์แค่ไหน?

  • 2013: machine learning เริ่มแยกคน/หมา/เก้าอี้ออกจากกันได้ "ฉลาดนะ แล้วไงต่อ?"
  • 2023: generative ML อย่าง ChatGPT มีประโยชน์ไหม? "ฉลาดนะ แล้วไงต่อ?"
  • การรับรู้ข้อผิดพลาดยังมีข้อจำกัด ต้องใช้แนวทางที่สมดุลในทุกด้านเพื่อจัดการข้อผิดพลาดอย่างมีประสิทธิภาพ
    • เป็นโจทย์ผสมระหว่างปัญหาวิทยาศาสตร์ (การปรับปรุงโมเดล), การนิยาม use case, และการออกแบบผลิตภัณฑ์ (การปรับปรุง UX)
  • "ในปี 2024 LLM มีประโยชน์อย่างไร?"
    • โดยแก่นแล้ว LLM คือระบบเชิงความน่าจะเป็นที่ทำนายคำถัดไป
    • ระดับปัจจุบัน: มีประโยชน์กับการสรุปหรือสังเคราะห์ข้อมูล แต่ยังไม่ดีพอสำหรับการให้เหตุผลที่ซับซ้อน
    • LLM มีศักยภาพในการทำงานแบบใหม่ให้เป็นอัตโนมัติ แต่เรายังต้องสำรวจอีกมากเพื่อเข้าใจและนิยามสิ่งนั้นให้ชัด
  • VisiCalc เป็นโปรแกรมสเปรดชีตอิเล็กทรอนิกส์ตัวแรกของโลก ที่ลดงานคำนวณจาก 20 ชั่วโมงเหลือ 15 นาที
    • ทนายที่เห็นสิ่งนี้อาจคิดว่ามันล้ำและฉลาดมาก แต่รู้สึกว่าไม่ได้เอาไปใช้กับงานของตัวเอง
    • แต่กรณีแบบนี้กำลังเพิ่มขึ้น
      • เช่น งานเขียนโค้ด การตลาด คอลเซ็นเตอร์ ซึ่งเป็นงานที่มีความต้องการชัดเจนและสร้างมูลค่าได้ทันที
  • "ต้องเริ่มจากประสบการณ์ลูกค้า แล้วค่อยไล่ย้อนกลับมาที่เทคโนโลยี - Steve Jobs"

How do we deploy this? เราจะนำสิ่งนี้ไปใช้อย่างไร?

  • กระบวนการที่มักเกิดขึ้นเมื่อมีการนำเทคโนโลยีใหม่มาใช้
      1. Absorb (ผสานรวม): เปลี่ยนเทคโนโลยีใหม่ให้เป็นฟีเจอร์ และเพิ่มเข้าไปในธุรกิจหรือผลิตภัณฑ์เดิม
      1. Innovate (นวัตกรรม): พัฒนาไอเดียหรือผลิตภัณฑ์ใหม่บนพื้นฐานของเทคโนโลยีใหม่ โดยสตาร์ตอัปมักใช้มันเพื่อแยกชิ้นส่วน (unbundle)
      1. Redefine markets (นิยามตลาดใหม่): เทคโนโลยีใหม่อาจทำลายเส้นแบ่งของตลาดเดิมและสร้างตลาดใหม่ขึ้นมาโดยสิ้นเชิง ซึ่งคาดเดาได้ยาก และตัวอย่างความสำเร็จก็อาจมีไม่มาก
  • คำถามมาตรฐานที่บริษัทใช้พิจารณาเมื่อนำเทคโนโลยีใหม่มาใช้
    • "Buy versus build?" (ซื้อหรือสร้างเอง?)
    • "Single vendor or multi-vendor?" (ใช้ผู้ขายรายเดียวหรือหลายราย?)
    • "Which use cases first? Whose budget?" (จะเริ่มจาก use case ไหนก่อน? ใช้งบของใคร?)
    • "Opex or capex? What’s the EPS impact?" (เป็นค่าใช้จ่ายดำเนินงานหรือเงินลงทุน? กระทบ EPS อย่างไร?)
  • อนาคตอาจใช้เวลานานกว่าจะมาถึง
    • Cloud เป็นคำที่เก่าจนฟังน่าเบื่อแล้ว แต่ก็ยังคิดเป็นเพียง 30% ของ workflow ทั้งหมด
    • ในปี 2024 CIO หนึ่งในสี่ได้ปล่อยบางอย่างที่ใช้ LLM แล้ว แต่ครึ่งหนึ่งยังไม่มีแผนจะทำอะไรในปีหน้า
  • แต่แพลตฟอร์มใหม่ย่อมหมายถึงเครื่องมือใหม่
    • SaaS ขยายจากระบบอัตโนมัติออกไปอย่างมาก และกำลัง unbundle workflow ออกจาก SAP, Excel, Email
  • "มีสองวิธีในการหาเงิน: bundle หรือ unbundle - Jim Barksdale"
  • แล้วถ้า LLM จัดการทุกอย่างได้ล่ะ? : ถ้าโมเดลพัฒนาไปไกลพอ ซอฟต์แวร์ที่เราต้องการอาจเหลือน้อยลงมากหรือไม่?
    • ถ้า LLM ไม่ได้พัฒนาความสามารถในการจัดการงานเฉพาะทางไปได้ดีกว่าปัจจุบัน เราก็ยังต้องพัฒนาซอฟต์แวร์ใหม่ต่อไป
    • แต่ถ้า LLM ยังขยายต่อและพัฒนาได้เรื่อย ๆ ซอฟต์แวร์จำนวนมากอาจไม่จำเป็นอีกต่อไป
      • ความเป็นไปได้ของ "การพัฒนาไปสู่ AI เอนกประสงค์ที่จัดการทุกอย่างได้"
  • LLMs เป็นโครงสร้างพื้นฐานหรือไม่? เป็น API หรือไม่? เป็นแพลตฟอร์มหรือไม่? หรือเป็นประสบการณ์ผู้ใช้รูปแบบใหม่? : เราควรควบคุม LLM ด้วยระบบเชิงตรรกะ หรือใช้ LLM ไปควบคุมระบบเชิงตรรกะ?
    • LLM อาจถูกใช้เป็น API แบบเรียบง่าย หรืออาจกลายเป็นทั้งแพลตฟอร์ม แล้วอย่างอื่นทั้งหมดกลายเป็น API ก็ได้
    • บทบาทของ LLM จะยังเปลี่ยนแปลงต่อไปตามพัฒนาการของเทคโนโลยีและความสามารถในการขยาย
  • LLM จะพังโมเดลการค้นหา use case ของเราหรือไม่? : ถ้าทุกอย่างมี UX เหมือนกันหมด ผู้ประกอบการจะคิดค้น use case ใหม่และรูปแบบการแสดงออกของตัวเองได้อย่างไร?
    • ในการพัฒนาซอฟต์แวร์แบบดั้งเดิม สตาร์ตอัปและบริษัทจะจินตนาการและประดิษฐ์ use case เฉพาะขึ้นมา
    • ถ้า LLM พัฒนาไปถึงจุดที่รองรับและทำทุก use case ให้เป็นอัตโนมัติได้ ความจำเป็นของการพัฒนาซอฟต์แวร์แบบเดิมก็อาจลดลง
    • หาก LLM กลายเป็นศูนย์กลางของ UX ผู้ใช้อาจต้องเป็นคนจินตนาการและคิดค้น use case ใหม่ด้วยตัวเอง
      • การเปลี่ยนกระบวนทัศน์ของการพัฒนาซอฟต์แวร์และการออกแบบ UX
  • 'AI' มีแนวโน้มจะกลายเป็น 'ระบบอัตโนมัติ' : As technology matures, it disappears (เมื่อเทคโนโลยีเติบโตเต็มที่ มันจะหายไป)
    • AI! → Smart → Auto → Just software
  • สามโมเดลสำหรับผลิตภัณฑ์ LLM?
    • เพิ่มฟีเจอร์ใหม่ในแอปพลิเคชันเดิม: "ช่วยเขียนอีเมลฉบับนี้ใหม่ให้หน่อย, ช่วยสรุปรีวิวให้หน่อย"
    • เครื่องมือใหม่: "ช่วยวิเคราะห์และสรุปรายงานการเงิน 500 ฉบับให้หน่อย"
    • AI เอนกประสงค์: "ช่วยซื้อบ้านให้ฉันสักหลัง"
  • บางทีคำถามเรื่อง AI ทุกข้ออาจมีคำตอบได้เพียงสองแบบ
    • "มันจะทำงานแบบเดียวกับการเปลี่ยนแพลตฟอร์มทุกครั้งที่ผ่านมา"
    • "ไม่มีใครรู้"

Meanwhile...

  • จากวิสัยทัศน์สู่การลงมือทำ: อะไรคือสิ่งใหญ่ที่เกิดขึ้นแล้ว อะไรกำลังถูกสร้าง และอะไรจะมาถึงต่อไป?
    • ช่วงต้นยุค 2000 แนวคิดนวัตกรรมหลักคือ e-commerce: "ผู้คนจะซื้อของออนไลน์"
    • ในยุค 2010 แนวคิดอย่าง SaaS (Software as a Service), ระบบอัตโนมัติ, เครื่องมือ collaboration และการจัดการ workflow ได้รับความสนใจ
    • โดยมุ่งสู่ปี 2030 ขณะนี้ Generative AI กำลังกลายเป็นวิสัยทัศน์ใหม่
  • Meta ยังทำ metaverse อยู่ (VR & AR) ลงทุนไปแล้วอย่างน้อย $60b และใน 12 เดือนที่ผ่านมาใช้ไป $17.4b
  • e-commerce ก็ยังเป็นเหมือนเดิม (ยกเว้นช่วง COVID) มันคือกราฟเทคที่น่าเบื่อที่สุดกราฟหนึ่ง
  • Unbundling Amazon: GMV (Gross Merchandise Volume) ของ Shopify ทะลุ $270b แล้ว คิดเป็น 35% ของ GMV ของ Amazon
  • รายได้โฆษณาของ Amazon ยังเพิ่มต่อเนื่อง และสร้าง cash flow มากกว่าธุรกิจ retail/AWS
  • Software eats media: ช่องทางใหม่ โมเดลใหม่ บันเดิลใหม่
    • แพลตฟอร์มสื่อที่ขับเคลื่อนด้วยซอฟต์แวร์อย่าง YouTube และ TikTok ทำรายได้ในระดับใกล้เคียงสื่อดั้งเดิม และกำลังก้าวขึ้นมาเป็นผู้เล่นหลักของตลาดสื่อ
    • บริษัทสื่อดั้งเดิมขนาดใหญ่อย่าง Disney ยังทำรายได้แข็งแกร่ง แต่ก็ต้องเผชิญกับความเร็วในการเติบโตของแพลตฟอร์มซอฟต์แวร์
    • สื่อรูปแบบใหม่อย่างสตรีมมิง (Netflix) กำลังท้าทายโมเดลแบบเคเบิลและการกระจายเสียงดั้งเดิม
    • สื่อดั้งเดิมพยายามรักษาความสามารถในการแข่งขันด้วยคลังคอนเทนต์และคอนเทนต์เอ็กซ์คลูซีฟ ขณะที่แพลตฟอร์มซอฟต์แวร์ผสานโมเดลโฆษณาและการสมัครสมาชิกเพื่อเพิ่มรายได้สูงสุด
  • Software eats cars? : หลังจากคำสัญญาหลายทศวรรษและการลงทุนหลายหมื่นล้านดอลลาร์ การขับขี่อัตโนมัติอาจเริ่มใช้งานได้จริงแล้ว
    • จำนวนเที่ยววิ่งของ robotaxi เติบโตอย่างต่อเนื่อง และอุตสาหกรรมรถยนต์กำลังเปลี่ยนไปสู่บริการที่ขับเคลื่อนด้วยซอฟต์แวร์
  • รถยนต์กำลังกลายเป็นซอฟต์แวร์หรือไม่?: BEV เข้าใกล้ 10% ของยอดขายรวมแล้ว แต่ใครจะชนะ? กระบวนการนี้จะเป็นแบบ Android หรือไม่?
    • รถยนต์ไฟฟ้าแบตเตอรี่ (Battery Electric Vehicle) คิดเป็นราว 10% ของยอดขายรถยนต์ทั้งหมดในปี 2023 และกำลังกลายเป็นเทคโนโลยีกระแสหลัก
    • บริษัทอย่าง Tesla กำลังเปลี่ยน BEV จากแค่รถยนต์ให้กลายเป็นผลิตภัณฑ์ที่ขับเคลื่อนด้วยซอฟต์แวร์ ซึ่งชี้ให้เห็นถึงความเป็นไปได้ที่ BEV จะสร้างระบบนิเวศแบบซอฟต์แวร์เหมือนสมาร์ตโฟน

บทความที่เกี่ยวข้อง