- รายจ่ายฝ่ายทุนของศูนย์ข้อมูล AI กำลังมีสัดส่วนใหญ่ในเศรษฐกิจสหรัฐฯ และเศรษฐกิจโลกอย่างที่ไม่เคยเกิดขึ้นมาก่อน
- การลงทุนศูนย์ข้อมูลที่เกี่ยวข้องกับ AI ในสหรัฐฯ ปี 2025 คิดเป็น ราว 2% ของ GDP และประเมินว่าช่วยหนุน การเติบโตของ GDP 0.7%
- เม็ดเงินลงทุนมหาศาลนี้กำลังไหลออกจาก ภาคการผลิต, โครงสร้างพื้นฐาน, และการลงทุนร่วมลงทุนประเภทอื่น มารวมศูนย์อยู่ที่ AI
- ปรากฏการณ์นี้กำลังขยายตัวอย่างรวดเร็วจนเทียบได้กับยุคบูมการลงทุนใน ทางรถไฟและโครงสร้างพื้นฐานด้านการสื่อสาร และได้แซง จุดสูงสุดของการลงทุนโครงสร้างพื้นฐานโทรคมนาคม ในอดีตไปแล้ว
- ผลลัพธ์คือ การลงทุนในศูนย์ข้อมูล AI ช่วยบรรเทาภาวะเศรษฐกิจชะลอตัว ขณะเดียวกันก็ทำให้เกิดการขาดแคลนเงินทุนในอุตสาหกรรมอื่น การปรับโครงสร้างครั้งใหญ่ และการจ้างงานที่ลดลง
Updates & Erasures
- ท่ามกลางกระแสถกเถียงต่อเนื่องเรื่องการปรับปรุงอาคารสำนักงานใหญ่ของธนาคารกลางสหรัฐฯ เสียงวิจารณ์ต่อ การใช้จ่ายภาครัฐ ยังคงดำเนินต่อไป
- บทความล่าสุดระบุว่าเจ้าหน้าที่ภาครัฐกำลังแสดงความไม่พอใจต่อ การปรับปรุงอาคารของธนาคารกลาง
- กำลังมีทั้ง การเสียดสีและความไม่พอใจ ปะปนกันอยู่ระหว่างภาวะผู้นำของ Powell และการปรับปรุงอาคารดังกล่าว
Honey, AI Capex Ate the Economy
สถานการณ์รายจ่ายฝ่ายทุนของศูนย์ข้อมูล AI
- ขนาดการลงทุนในศูนย์ข้อมูล AI ใหญ่มากจนแม้แต่ สี จิ้นผิง ของจีนยังเตือนรัฐบาลท้องถิ่นแต่ละแห่งให้ระวังการลงทุนใน AI คอมพิวติ้ง และอุตสาหกรรมพลังงานใหม่
- มีการสร้าง ศูนย์ข้อมูลในจีน ใหม่มากกว่า 250 แห่งเพียงในจีนประเทศเดียว และกระแสการลงทุนในโครงสร้างพื้นฐาน AI ก็กำลังขยายตัวไปทั่วโลก
- สำหรับสหรัฐฯ หากประเมินจาก รายได้ศูนย์ข้อมูลของ Nvidia จะพบว่า รายจ่ายฝ่ายทุนด้าน AI (Capex) ในปี 2025 จะอยู่ที่ระดับ 2% ของ GDP สหรัฐฯ และสัดส่วนการเติบโตของ GDP ที่มาจาก AI จะอยู่ที่ 0.7%
ตรวจดูขอบล่างของขนาดการลงทุน AI
- GDP ของสหรัฐฯ ที่คาดการณ์ในปี 2025 อยู่ที่ราว $25T
- รายได้ต่อปีของ Nvidia จากกลุ่มศูนย์ข้อมูล: ประมาณ $156.4B โดยในจำนวนนี้ 99% เกี่ยวข้องกับ AI
- สัดส่วนที่ Nvidia ครองในรายจ่ายฝ่ายทุนรวมของศูนย์ข้อมูล: 25~35%
- หากใช้ตัวคูณผลกระทบทางเศรษฐกิจ 1.5~2 เท่า จะประเมินว่ารายจ่ายฝ่ายทุนรวมของศูนย์ข้อมูลต่อปีขยายไปถึง ราว $520B
- ก่อนปี 2022 รายจ่ายฝ่ายทุนด้าน AI ยังมีสัดส่วนน้อยกว่า 0.1% ของ GDP แต่ภายใน 3 ปีก็ เติบโตมากกว่า 10 เท่า
- แม้เทียบกับการลงทุนโครงสร้างพื้นฐานขนาดใหญ่ในอดีตอย่างทางรถไฟหรือโทรคมนาคม ก็ยังเห็นว่าขนาดเพิ่มขึ้นอย่างมาก
- โดยเฉพาะอย่างยิ่ง มันได้ แซงจุดสูงสุดของการลงทุนโทรคมนาคมในยุคฟองสบู่ดอตคอมไปแล้ว และยังคงเพิ่มขึ้นต่อเนื่อง
- มูลค่าการลงทุนในศูนย์ข้อมูลอยู่ที่ ประมาณ 20% ของยุครุ่งเรืองของทางรถไฟในศตวรรษที่ 19 แต่พุ่งขึ้นอย่างรวดเร็วในช่วงเวลาสั้น ๆ
รายจ่ายฝ่ายทุนด้าน AI มาจากไหน
- แหล่งที่มาของเงินลงทุนในศูนย์ข้อมูลและโครงสร้างพื้นฐาน AI มีดังนี้
- กระแสเงินสดภายใน (Microsoft, Google, Amazon, Meta และบริษัทเทคหลักอื่น ๆ)
- การออกหนี้ (เช่น พันธบัตร โดยมีสัดส่วนเพิ่มขึ้น)
- หุ้นและการเสนอขายหุ้นเพิ่มเติม
- เวนเจอร์แคปิทัล/ไพรเวตอิควิตี (สตาร์ทอัพโครงสร้างพื้นฐาน AI อย่าง CoreWeave, Lambda เป็นต้น)
- SPV (นิติบุคคลเฉพาะกิจ), ลีส, และการเงินทางเลือกแบบมีสินทรัพย์ค้ำประกัน (เช่น Meta)
- ข้อตกลงผูกพันการใช้คลาวด์ (ส่วนใหญ่เป็นบริษัท hyperscaler)
- การลงทุนที่ มุ่งไปที่ AI กำลังทำให้การไหลเข้าของเงินทุนสู่อุตสาหกรรมอื่นหดตัว
- เงินทุนเวนเจอร์แคปิทัลแทบไม่ไหลไปยังพื้นที่นอกเหนือจาก AI
- VC ที่ไม่ใช่สาย life sciences ในทางปฏิบัติแทบดำเนินงานโดยเน้นการลงทุนใน AI เพียงอย่างเดียวในตอนนี้
- บริษัทคลาวด์คอมพิวต์ กำลังทุ่มการลงทุนไปยัง IDC ที่เน้น GPU แทนธุรกิจคลาวด์แบบเดิม
- บริษัทใหญ่เช่น Amazon และ Microsoft เริ่มมี การปรับโครงสร้างธุรกิจและแรงงาน จากต้นทุนศูนย์ข้อมูล AI ที่เพิ่มขึ้น
- ค่า P/E ของบริษัทจดทะเบียนที่เกี่ยวข้องกับ AI พุ่งขึ้นมาก ขณะที่บริษัทในสาขาอื่นระดมทุนได้ยากขึ้น
- เมื่อเม็ดเงินหลั่งไหลเข้าสู่บริษัท AI มากขึ้น ภาคการผลิต/โครงสร้างพื้นฐานอื่น จึงขาดแคลนทุนเมื่อเทียบกัน
การเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจจากการลงทุน AI
- กระแสการลงทุน AI กำลังกระตุ้นให้การลงทุนในโครงสร้างพื้นฐานส่วนอื่นลดลง และเร่ง การปรับโครงสร้างอุตสาหกรรม
- คล้ายกับกรณีในอดีตที่ ฟองสบู่โครงสร้างพื้นฐานโทรคมนาคม นำไปสู่การลดลงอย่างรวดเร็วของการลงทุนโครงสร้างพื้นฐานประเภทอื่น
- กระแสการลงทุนในศูนย์ข้อมูล AI ครั้งนี้ก็ทำให้เกิดความกังวลต่อผลกระทบเชิงลบ เช่น เงินทุนในภาคที่ไม่ใช่ AI เหือดแห้ง, การปรับโครงสร้างครั้งใหญ่, และ การลดลงของงาน
คลี่คลายปริศนาทางเศรษฐกิจ
- ช่วงหลังมานี้ แม้เศรษฐกิจจะมีปัจจัยเสี่ยงอย่าง ข้อพิพาททางการค้า, ความไม่แน่นอนทางการเมือง, และความเสี่ยงจากระบบราชการ แต่การที่ ความกังวลเรื่องเศรษฐกิจถดถอยกลับไม่สูงนัก ถือเป็นเรื่องน่าฉงน
- เหตุผลคือกำลังมี “มาตรการกระตุ้นเศรษฐกิจภาคเอกชน” ขนาดใหญ่ในรูปการลงทุนศูนย์ข้อมูล AI ที่ขับเคลื่อนโดยภาคเอกชน
- มันได้ แซงจุดสูงสุดของการลงทุนโทรคมนาคมในยุคฟองสบู่ดอตคอม ไปแล้ว และกำลังเข้าใกล้ จุดสูงสุดของการลงทุนรถไฟในศตวรรษที่ 19
- หากคำนวณย้อนกลับ มีความเป็นไปได้สูงว่าหากไม่มีการลงทุนในศูนย์ข้อมูล AI อัตราการเติบโต GDP ของสหรัฐฯ ในไตรมาส 1 ปี 2025 อาจลดลงถึง –2.1%
- ผลลัพธ์คือ รายจ่ายฝ่ายทุนด้าน AI ช่วย ชดเชยแรงกดดันขาลงของเศรษฐกิจ และในทางปฏิบัติก็ทำหน้าที่ปกปิดความเปราะบางทางเศรษฐกิจด้วย
บทสรุป
- การพุ่งขึ้นอย่างรุนแรงของการลงทุนใน AI และศูนย์ข้อมูลในช่วงเวลาสั้น ๆ เป็น ช่วงเวลาที่ผิดปกติอย่างยิ่งแม้ในประวัติศาสตร์เศรษฐกิจ
- ไม่ว่าจะเห็นด้วยหรือไม่กับการเติบโตแบบระเบิดของ AI และศูนย์ข้อมูล ความเร็วของความก้าวหน้าทางเทคโนโลยีและการอัดฉีดเงินทุน ก็สูงผิดปกติ
- ศูนย์ข้อมูล AI ไม่ใช่โครงสร้างพื้นฐานแบบทางรถไฟหรือถนนที่ใช้งานได้หลายสิบถึงหลายร้อยปี แต่มีลักษณะเด่นคือ อายุการใช้งานสั้น และ ค่าเสื่อมราคาที่รวดเร็ว
- เมื่อมีการลงทุนขนาดใหญ่ให้สอดรับกับวัฏจักรเทคโนโลยีระยะสั้นเช่นนี้ จึงเกิดทั้ง การหดตัวของการลงทุนในอุตสาหกรรมอื่น, การปลดพนักงานครั้งใหญ่, และ การชะลอลงของการเติบโตในภาคที่ไม่ใช่ AI ควบคู่กันไป
- เวลานี้เงินทุนกำลังถูก จัดสรรใหม่อย่างรวดเร็วไปสู่ IT จากเวนเจอร์และงบประมาณภายใน ส่งผลให้บางภาคส่วนต้องเผชิญกับ ภาวะขาดแคลนการลงทุนระยะยาว และ การปรับโครงสร้างครั้งใหญ่
- ทั้งที่ AI ยังไม่ได้ถูกนำไปใช้จริงอย่างแพร่หลายในวงกว้าง แต่กลับเกิด การลดลงของงาน และ การปรับโครงสร้างอุตสาหกรรม อย่าง รวดเร็ว แล้ว ซึ่งเป็น สถานการณ์ที่ย้อนแย้ง
Rougher Notes
2 ความคิดเห็น
ดูจากสรุปคอมเมนต์แล้ว เหมือนตอนนี้หลายคนคิดว่า 2% ยังไม่มากนัก แต่ถ้าเพิ่มขึ้นด้วยความเร็วระดับนี้ ก็น่าจะต้องคิดกันว่าในปี 26 มันจะไปอยู่ที่เท่าไร หาก AGI ไม่ได้เกิดขึ้นได้จริงในอนาคตอันใกล้มาก ๆ ผมคิดว่าในปี 26 หรืออาจจะถึงปี 27 ก็น่าจะยังสับสนวุ่นวายมากจากการปะทะกันระหว่างฝ่ายมองโลกในแง่ดีกับฝ่ายมองโลกในแง่ร้าย
ความเห็นจาก Hacker News
ดูเหมือนว่าคำพูดของสี จิ้นผิงจะมาจากบทความของ FT ที่เขียนเกินจริง โดยบทความภาษาจีนต้นฉบับมีน้ำเสียงอ่อนกว่ามาก AI และ EV ไม่ใช่หัวข้อหลักของการประชุมหรือรายงาน เป็นเพียงการกล่าวถึงเท่านั้น คำเตือนของสี จิ้นผิงมุ่งไปที่ “การแข่งขันสร้างผลงานทางการเมือง” ที่พบเห็นอีกครั้งในอุตสาหกรรม AI และ EV เมื่อรัฐบาลกลางกำหนดเป้าหมายนโยบายอุตสาหกรรม รัฐบาลท้องถิ่นก็จับมือกับภาคธุรกิจผลักดัน “โครงการ” แบบสร้างภาพ และสุดท้ายส่วนใหญ่ก็จบลงแค่สร้างโรงงานแล้วหยุด นี่เป็นปัญหาปวดหัวใหญ่ของรัฐบาลกลางมานานแล้ว และสารหลักของคำเตือนจากสี จิ้นผิงก็คือ ปัญหาเดียวกันนี้กำลังเกิดขึ้นในภาค AI และ EV ด้วย บทความต้นฉบับ: https://paper.people.com.cn/rmrb/pc/content/202507/17/content_30088242.html
1.2% ของ GDP ฟังดูไม่ได้สุดโต่งขนาดนั้น เมื่อเทียบกับโครงการนวัตกรรมอื่น ๆ ก็ยังต่ำกว่ามาก เช่น โครงการ Apollo อยู่ที่ 4% รถไฟอยู่ที่ 6% มาตรการกระตุ้นเศรษฐกิจช่วงโควิดอยู่ที่ 27% และงบกลาโหมช่วงสงครามโลกครั้งที่ 2 เคยขึ้นไปถึง 40%
ปฏิกิริยาแรกของผมก็คล้ายกัน 1.2% ดูไม่เยอะเท่าไร เหมือนสื่อแค่พาดหัวให้หวือหวา ถ้าดูเป็นตัวเลขอย่างการใช้น้ำกับพลังงานอาจน่ากังวลกว่า นอกเรื่องนิดหน่อย แต่ประมาณ 9% ของ GDP สหรัฐมาจากบริการการเงิน ซึ่งส่วนตัวผมคิดว่าเป็นตัวเลขที่ควรระวังมากกว่า
ถ้าดูเทียบกับ GDP ทั้งหมดมันอาจดูน้อย แต่เป็นเพราะ GDP ของเราใหญ่มาก เงิน 1.2% นี้เทียบได้กับ GDP ทั้งประเทศของนอร์เวย์ แม้จะดูเหมือนไม่มาก แต่ก็เป็นเงินก้อนใหญ่เมื่อเทียบกับงบใช้จ่ายทางทหารปีนี้ที่ 3.4%
ตอนนี้ผมว่าต้องไม่ดูแค่ตัวเลข แต่ควรดูทิศทาง แนวโน้ม และความหมายของความชันด้วย เงินทุนกำลังไหลจากหลายภาคส่วนเข้าสู่ AI และอายุการใช้งานของสินทรัพย์ก็แตกต่างกันด้วย เช่น รถไฟอยู่ได้หลายสิบปีถึงหลายศตวรรษ แต่ AI จะอยู่ได้กี่ปี อีกประเด็นของผู้เขียนคือ “หากไม่มีการลงทุนในศูนย์ข้อมูล AI GDP ไตรมาสแรกคงติดลบถึง –2.1%”
นี่เพิ่งเริ่มมาแค่ 2 ปีเอง! 1.2% ถือว่ามหาศาลมาก แค่เอาไปเทียบกับสิ่งเหล่านี้ได้ก็น่าทึ่งแล้ว
ประเด็นหลักของบทความคือการตั้งคำถามว่าการลงทุนมหาศาลขนาดนี้สมเหตุสมผลหรือไม่ การโต้แย้งแค่ว่าเป็นกี่ % ของ GDP เลยไม่น่าห่วง ถือว่าเลี่ยงประเด็นสำคัญ
รถไฟช่วยกระจายทุนไปทั่วสังคม และนำไปสู่การเพิ่มความมั่งคั่งระยะยาวของคนจำนวนมาก แต่ AI อาจทำให้ทุนกระจุกตัวอยู่กับคนรวยเดิม และสุดท้ายอาจทำให้ชนชั้นกลางมีความมั่งคั่งลดลงในระยะยาว ถ้ากำลังซื้อของประชากรลดลง ก็ไม่ได้ช่วยให้เศรษฐกิจเติบโต จึงน่าสงสัยกับกระแสลงทุน AI นี้
หวังว่าพอการแห่ตามกระแส AI และศูนย์ข้อมูลจบลง เราจะเอาความจุเหล่านั้นไปใช้ในเรื่องที่มีประโยชน์กว่าได้ เช่น การพัฒนายาใหม่
ตอนฟองสบู่ดอตคอมยุค 1990 ก็มีการวางเครือข่ายใยแก้วนำแสงเกินความจำเป็นแบบไร้การกลั่นกรอง หลังฟองสบู่แตก สินทรัพย์เหล่านี้ถูกขายทอดตลาดในราคาถูก และสตาร์ตอัปยุคต่อมาก็ใช้มันสร้างโครงข่ายระดับประเทศได้ในต้นทุนต่ำ “ซาก” ของฟองสบู่แบบนี้มักกลายเป็นเชื้อเพลิงราคาถูกให้บริษัทรุ่นถัดไป ศูนย์ข้อมูลก็น่าจะเดินตามรูปแบบเดียวกัน ต่อให้ตอนนี้เกินความต้องการ สุดท้ายก็ต้องถูกนำไปใช้ในงานใหม่แน่นอน
พูดถึงเรื่องกระแส ผมไม่เข้าใจว่าทำไมคนจำนวนมากถึงหมกมุ่นกับความคิดที่ว่า AI จะมาแทนที่งานนักพัฒนาและงาน white-collar อื่น ๆ ได้ 100% มันดูเป็นจินตนาการแบบโลกาวินาศและสิ้นหวังอย่างประหลาด และผมไม่เห็นด้วยกับกระแสโฆษณาเกินจริงนี้ ไม่รู้ว่ามีแค่ผมคนเดียวหรือเปล่า
ในระดับโลก แม้แต่ศักยภาพของ LLM ในปัจจุบันก็ยังถูกนำไปใช้ไม่เต็มที่ ต่อให้จากนี้เราไม่สามารถสร้างสิ่งที่ฉลาดกว่าระดับปัจจุบันได้เลย ก็ยังเป็นไปได้ว่าในอีกหลายปีข้างหน้า งานซ้ำ ๆ ในหลายอุตสาหกรรมจะยังถูกทำให้เป็นอัตโนมัติต่อไป
ผมแปลกใจที่ยังมีคนที่นี่มอง AI และพัฒนาการที่หยุดไม่อยู่ของมันอย่างเบา ๆ แค่ดูตัวอย่างที่เกิดขึ้นแล้ว เช่น หมากรุก โกะ เกมวางกลยุทธ์ การคาดการณ์โครงสร้างโปรตีน ก็ชัดเจนว่าแทบทุกปัญหาที่ทำให้เป็นรูปแบบได้และตรวจสอบได้ ในที่สุด AI ก็แก้ได้ ผมคิดว่า ASI เฉพาะทางตามสาขาต่าง ๆ ก็เป็นแค่เรื่องของเวลา ผมแนะนำอย่างยิ่งให้ทุกคนอ่าน The Bitter Lesson และ Verifier’s Law
เราทำแบบนั้นไม่ได้ สุดท้ายก็ต้องปลดวิศวกรให้เหลือตามเกณฑ์ และรื้ออุปกรณ์ส่วนเกินทิ้งอยู่ดี
ผมอยากให้มีการบังคับว่าศูนย์ข้อมูลใหม่ทั้งหมดต้องสร้างโดยใช้พลังงานหมุนเวียน ต้นทุนเพิ่มเมื่อเทียบกับต้นทุนรวมก็คงไม่ได้มากขนาดนั้น และบริษัทใหญ่ระดับนี้น่าจะรับไหว บางทีนโยบายแบบนี้อาจช่วยผลักดันความก้าวหน้าของเทคโนโลยีเครื่องปฏิกรณ์นิวเคลียร์แบบโมดูลาร์ขนาดเล็กยุคถัดไปด้วย
บริษัทใหญ่หลายแห่งสนใจเทคโนโลยีนิวเคลียร์ขนาดเล็กเพื่อใช้จ่ายไฟให้ศูนย์ข้อมูลอยู่แล้ว ปัญหาใหญ่ที่สุดคือการเลือกที่ตั้งบนโครงข่ายไฟฟ้าที่สามารถรองรับสิ่งเหล่านี้ได้ แค่คุยกับคนในอุตสาหกรรมนี้ 30 นาที สุดท้ายประเด็นหลักก็จะวนกลับมาที่พลังงานนิวเคลียร์ หากกระแสนี้ที่มีเงินลงทุนมหาศาลไหลเข้ายืนระยะได้นานพอจนได้เห็นการติดตั้งเครื่องปฏิกรณ์ยูเรเนียมจริงในภาคสนาม นั่นจะเป็นผลดีอย่างมาก หวังว่าจะเกิดโครงสร้างพื้นฐานทางกายภาพที่เหลือทิ้งไว้เหมือนรถไฟและใยแก้วนำแสง อย่างน้อยพวก ‘robber barons’ ในอดีตก็ยังทิ้งโครงสร้างพื้นฐานจริงไว้ให้ แต่กระแสบูมยุคหลังแทบไม่เหลืออะไรเลย
ในยุโรป ศูนย์ข้อมูลใหม่ทั้งหมดถูกบังคับให้ใช้พลังงานหมุนเวียนอยู่แล้ว ในสหรัฐ Google, Microsoft, Meta และ AWS ก็เป็นผู้ทำสัญญาซื้อพลังงานหมุนเวียนมากที่สุดในโลก Microsoft เพียงแห่งเดียวก็ลงทุนไปราว 2 หมื่นล้านดอลลาร์ ปัญหาในสหรัฐไม่ใช่ขาดอุปสงค์ แต่เป็นคอขวดด้านใบอนุญาต การกำหนดเขต และปัญหาอื่น ๆ ของการติดตั้งพลังงานหมุนเวียน ความจุที่รอเชื่อมเข้ากริดมีถึง 100GW คิดเป็นราว 10% ของกำลังไฟทั้งประเทศ การสั่งซื้อเพิ่มไม่ได้แก้คอขวดที่ทำให้ต้องรอนาน ข้อยกเว้นอย่าง xAI/Grok เลือกใช้ก๊าซ 100% สำหรับคลัสเตอร์ขนาดใหญ่ ทั้งในพื้นที่ที่ทั้งไฟฟ้าและระบบทำความเย็นแย่มาก โดยใช้กังหันก๊าซบนรถพ่วง 35 เครื่องกับรถบรรทุกห้องเย็นอีกราว 50 คัน ผมคิดว่ามันทั้งไร้ประสิทธิภาพและทำลายสิ่งแวดล้อมมากเกินไป และระบบแบบนี้ควรถูกทำให้ผิดกฎหมาย
ในสหรัฐ ต่อให้ไม่บังคับ ตลาดก็เปลี่ยนไปแล้ว ปี 2024 กำลังการผลิตไฟฟ้าใหม่ 94% และปี 2025 อยู่ที่ 93% เป็นพลังงานหมุนเวียนหรือแบตเตอรี่กักเก็บพลังงาน และแนวโน้มก็น่าจะคล้ายกันต่อไป โรงไฟฟ้าฟอสซิลใหม่มีเพิ่มนิดหน่อยเฉพาะก๊าซธรรมชาติ ซึ่งหลายกรณีก็เป็นการแปลงโรงไฟฟ้าถ่านหินเก่า แผนเพิ่มกำลังก๊าซธรรมชาติใหม่ก็ต่ำที่สุดนับตั้งแต่ยุค shale boom พลังงานหมุนเวียนชนะไปแล้ว
ศูนย์ข้อมูลชอบไฟฟ้าแบบ ‘firm’ ที่มีความแน่นอน เพื่อหลีกเลี่ยงไม่ให้สินทรัพย์ราคาแพงต้องว่างงาน พลังงานแสงอาทิตย์และลมมีความไม่ต่อเนื่อง ส่วนโรงไฟฟ้าก๊าซใหม่ก็ต้องวางแผนกันเป็นปี ๆ การมีแบตเตอรี่สำรองเกิน 12 ชั่วโมงสำหรับพลังงานแสงอาทิตย์ในฤดูหนาวก็ไม่ได้ฟรีทั้งหมด
ถ้าฮาร์ดแวร์เองรีไซเคิลหรือหมุนเวียนได้ก็คงดี
มันไม่สมเหตุสมผลที่จะอ้างพร้อมกันว่า เงินจำนวนมากที่ใช้เป็น AI CapEx ถูกดึงออกมาจากอุตสาหกรรมอื่นจนฝั่งนั้นขาดการลงทุนเหมือน “อดอยาก” และในขณะเดียวกันก็อ้างว่าเงินก้อนนี้ถูกคูณเพิ่มใน GDP ทั้งระบบ ถ้าเป็นแค่การย้ายเงิน ผลคูณทางเศรษฐกิจก็ควรถูกใช้กับทั้งสองฝั่งอย่างเท่าเทียม
ข้อโต้แย้งหลักของบทความตั้งอยู่บนสมมติฐานว่าเศรษฐกิจเป็นเกมผลรวมศูนย์ แต่เศรษฐกิจชัดเจนว่าไม่ใช่แบบนั้น การที่เงินลงทุนไหลเข้า AI ไม่ได้แปลว่าจะเอาไปเปลี่ยนเป็นอย่างอื่นได้ทันทีแบบหนึ่งต่อหนึ่ง สิ่งที่ลงทุนใน AI ตอนนี้ก็เพราะคาดว่าจะสร้างมูลค่าได้มากพอ ส่วนตัวผมคิดว่ามูลค่านั้นจะมากกว่ารถไฟเสียอีก อาจมีฟองสบู่หรือการลงทุนเกินตัวในฮาร์ดแวร์บางประเภทหรือบางพื้นที่ได้ แต่ผมยังไม่คิดว่าเราอยู่ในสถานการณ์ “ใกล้พังทลาย” แบบที่ผู้เขียนบทความพูด
เศรษฐกิจมีปัจจัยซับซ้อนเสมอ จึงไม่ควรมองในแง่ดีเกินไป ตามที่ผู้เขียนชี้ไว้ การลงทุนในด้านอื่นที่ลดลงเพื่อเปิดทางให้การลงทุน AI ในระยะสั้นนั้นเป็นเรื่องจริง
ต่อให้การลงทุนขนาดใหญ่จะมากเกินไป สุดท้ายก็มีโอกาสสูงที่จะกลายเป็นสิ่งมีประโยชน์ในระยะยาว ตอนแรกอินเทอร์เน็ตอินฟราสตรักเจอร์ถูกสร้างเกินความจำเป็นเพื่อรองรับ pets.com แต่ต่อมาก็มี ‘killer app’ ของจริงอย่าง Amazon, YouTube และ Zoom เกิดขึ้น ทำให้การลงทุนที่ตอนนั้นดูพลาด กลายเป็นฐานรากของสังคมในอนาคต การลงทุน AI ตอนนี้ก็อาจมีความหมายทางประวัติศาสตร์ในลักษณะเดียวกัน ในประเด็นนี้ขอแนะนำ Technological Revolutions and Financial Capital ของ Carlota Perez
ดังนั้นความก้าวหน้าของทรานซิสเตอร์ หรือ Moore’s Law ก็น่าจะไปต่อได้อีก 10 ปี มันเป็นแรงขับของการเติบโตสมาร์ตโฟนช่วง 2008~2023 และเงินลงทุนตอนนี้ก็ลงไปกับการผลิตเซมิคอนดักเตอร์ในอีก 2~3 ปีข้างหน้าแล้ว (2nm, A20, ต่อด้วย A18/14 ในไม่ช้า) ช่วง 2030~2032 ก็ยังมีแรงส่งพอให้ไปถึง A10 และ A8 ได้ ต่อให้ช้าลงก็ยังพอลากไปถึง 2035 ได้ ถ้าปี 2035 ไปถึง A5 จริง ก็เท่ากับความหนาแน่นเพิ่มราว 12 เท่า แม้รวมการพัฒนาแพ็กเกจจิง ชิปเล็ต และ interconnect แล้วก็คงอยู่แค่ราว 30~40 เท่า ซึ่งยังห่างไกลมากจากพลังประมวลผลที่บริษัท AI หลายแห่งต้องการในระดับ 1000~10000 เท่า และแบนด์วิดท์หน่วยความจำก็ต้องขยายตามไปด้วย
ด้านย้อนแย้งของระบบอัตโนมัติคือ แทนที่จะเพียงขยายขนาดเศรษฐกิจ มันกลับทำให้อุตสาหกรรมบางส่วนหายไปได้ สินค้าอาจมีมากขึ้น แต่ถ้ามันไม่ช่วยยกระดับสถานะทางสังคมอีกต่อไป มูลค่าของมันก็กลับลดลง เมื่อก่อนตะปูอาจเคยมีสัดส่วน 0.5% ของเศรษฐกิจ แต่ตอนนี้แม้เป็นเจ้าของโรงงานตะปูก็ได้กำไรต่ำและไม่มีสถานะทางสังคม เช่นเดียวกัน ถ้างานพัฒนา frontend software ถูกทำให้เป็นอัตโนมัติ ทั้งความสำคัญทางเศรษฐกิจและสังคมของงานนี้ก็จะลดลง สถานะทางสังคมสุดท้ายแล้วเป็นเกมผลรวมศูนย์ ผู้คนจึงต้องไปแสวงหาสถานะจากที่อื่น
ผมรอวันที่จะมีวิธีใช้การประมวลผลแบบปรับโครงสร้างได้ด้วย FPGA ให้เหมาะที่สุด และลดต้นทุนการคำนวณของ LLM ลงได้มากกว่า 90%
อยากให้มีงานวิจัยด้านทฤษฎีวิทยาการคอมพิวเตอร์ในสาขานี้มากขึ้น ถ้ามองว่าเทคนิค Machine Learning ทั้งหมดสุดท้ายคือเทคนิค ‘การบีบอัด’ ก็ควรพอจะประเมินขนาดขั้นต่ำของ LLM ได้จากปริมาณข้อมูลที่เข้ารหัสได้ในพารามิเตอร์ขนาดที่กำหนด ความสัมพันธ์ระหว่างการสูญเสียข้อมูลกับประสิทธิภาพ และปริมาณข้อมูลของชุดข้อมูลต้นฉบับ ผมคิดว่า LLM มีขนาดใหญ่เกินไป แต่ขณะเดียวกันข้อมูลที่มันพยายามบรรจุก็มหาศาล จึงอาจต้องใหญ่กว่าที่เราคิดจริง ๆ ในเมื่อการบีบอัดแบบสูญเสียข้อมูลบางส่วนเป็นหลักการ ‘generalization’ ของ LLM การเก็บข้อมูลให้ครบถ้วนย่อมต้องใช้ความจุมหาศาลมาก
ผมสงสัยว่าแหล่งที่มาของการเพิ่มประสิทธิภาพนั้นจะมาจากไหน เพราะฮาร์ดแวร์ตอนนี้ก็แทบคำนวณ GEMM ได้เร็วที่สุดเท่าที่จะทำได้อยู่แล้ว
เพื่อน ๆ สายชิปที่ผมรู้จักบ่นกันเยอะว่า Qualcom ถือสิทธิบัตรเกี่ยวกับ FPGA ไว้เยอะมาก จนขัดขวางไม่ให้เกิดนวัตกรรม FPGA ที่มีความหมายจริง
ไม่ต้องรอหรอก FPGA ไม่ได้ถูกออกแบบมาสำหรับสถาปัตยกรรมแบบนี้ แม้มันจะประหยัดพลังงาน แต่ด้วยโอเวอร์เฮดในการจัดวางและเดินสาย หน่วยความจำที่จำกัด (FPGA ส่วนใหญ่ในตลาดไม่มี HBM) ความถี่สัญญาณนาฬิกาที่ต่ำ และประสบการณ์การพัฒนาที่ไม่สะดวก จึงยากจะเป็นโซลูชันหลักได้
มี ASIC ออกมาแล้ว ดูตัวอย่าง Google TPU ก็พอจะกะต้นทุนได้ และตัว HBM (หน่วยความจำแบนด์วิดท์สูง) เองก็แพงมากอยู่แล้ว