- มีการถกเถียงแพร่หลายมากขึ้นว่าเกิดฟองสบู่ขึ้นทั้งใน อุตสาหกรรม AI และตลาดการลงทุน หรือไม่ โดย ความมองโลกในแง่ดีเกินไป ถูกชี้ว่าเป็นตัวแปรสำคัญ
- ฟองสบู่แบบเปลี่ยนผ่าน (Inflection bubble) ที่ขับเคลื่อนด้วยนวัตกรรมเทคโนโลยี อาจก่อให้เกิดการขาดทุนระยะสั้น แต่ในระยะยาวมีบทบาทในการเร่งความก้าวหน้าทางเทคโนโลยี
- การใช้จ่ายด้าน AI และการพุ่งขึ้นของราคาหุ้น คิดเป็นสัดส่วนส่วนใหญ่ของการเติบโตในเศรษฐกิจสหรัฐและดัชนี S&P 500 โดยการทะยานขึ้นของบริษัทหลักอย่าง Nvidia กระตุ้นจิตวิทยาการลงทุน
- การขยายการลงทุนโครงสร้างพื้นฐาน AI ด้วยหนี้ ถูกกล่าวถึงว่าเป็นสัญญาณความเสี่ยงคล้ายกับฟองสบู่โทรคมนาคมและอินเทอร์เน็ตในอดีต
- ในสถานการณ์ที่ ศักยภาพและความไม่แน่นอนของ AI ดำรงอยู่พร้อมกัน จำเป็นต้องใช้ แนวทางที่รอบคอบและเลือกสรร แทนการมองบวกแบบสุดโต่งหรือการหลีกเลี่ยงทั้งหมด
ธรรมชาติของฟองสบู่และรูปแบบที่เกิดซ้ำ
- ฟองสบู่เกิดจาก ความมองโลกในแง่ดีเกินไป มากกว่านวัตกรรมทางเทคโนโลยีหรือการเงินเอง
- เมื่อมีเทคโนโลยีใหม่เกิดขึ้น ผู้เข้าร่วมช่วงแรกจะได้ผลตอบแทนสูง และนักลงทุนที่เข้ามาช้าจะทุ่มตัวด้วย ความกลัวว่าจะพลาดโอกาส (FOMO)
- ในระยะสั้น การขาดทุนแทบหลีกเลี่ยงไม่ได้ แต่ในระยะยาวมันกลายเป็นฐานให้กับความก้าวหน้าทางเทคโนโลยี
- ในกรณีตัวอย่างในอดีต (South Sea Company, อินเทอร์เน็ต, ใยแก้วนำแสง, ซับไพรม์ ฯลฯ) “ความใหม่” ก็ปลุกเร้าจินตนาการ และทำให้เกิดการประเมินมูลค่าอย่างไร้เหตุผล
- เส้นแบ่งระหว่างความมองบวกอย่างมีเหตุผลกับความคลั่งไคล้อย่างไร้เหตุผล เป็นเรื่องของการตัดสิน และแยกออกจากกันได้ยากอย่างชัดเจน
‘ฟองสบู่ที่ดี’ และ ‘ฟองสบู่ที่แย่’
- Byrne Hobart และ Tobias Huber แบ่งฟองสบู่ออกเป็นสองประเภท
- ฟองสบู่แบบกลับสู่ค่าเฉลี่ย (Mean-reversion bubble): เป็นเพียงกระแสทางการเงินและทำลายความมั่งคั่ง
- ฟองสบู่แบบเปลี่ยนผ่าน (Inflection bubble): เช่น รถไฟและอินเทอร์เน็ต ซึ่งช่วยเร่งความก้าวหน้าทางเทคโนโลยีและสร้างโครงสร้างพื้นฐานทางสังคม
- ตามการวิเคราะห์ของ Carlota Perez กระแสเก็งกำไรอย่างรุนแรงทำให้เกิด ‘ช่วงการติดตั้ง (Installation Phase)’ และจากนั้นจึงนำไปสู่ ‘ช่วงการนำไปใช้ (Deployment Period)’
- ฟองสบู่ที่ขับเคลื่อนความก้าวหน้าทางเทคโนโลยี เร่งการอัดฉีดเงินทุนและการทดลอง แต่ในขณะเดียวกันก็ทำให้เงินทุนจำนวนมากสูญหาย
- แก่นสำคัญคือ ต้องส่งเสริมความก้าวหน้า โดยไม่กลายเป็นผู้เสียสละของความมั่งคั่งที่ถูกทำลายระหว่างทาง
สถานะปัจจุบันของตลาด AI และความไม่แน่นอน
- AI คิดเป็น สัดส่วนส่วนใหญ่ของการใช้จ่ายลงทุนของภาคธุรกิจ การเติบโตของ GDP และการเพิ่มขึ้นของ S&P 500
- Nvidia กลายเป็นสัญลักษณ์สำคัญ โดยมูลค่าตลาดเพิ่มขึ้นราว 8,000 เท่าในช่วง 26 ปี
- อย่างไรก็ตาม การใช้งานเชิงพาณิชย์ โมเดลรายได้ และบริษัทผู้ชนะของ AI ยังไม่แน่นอน
- เช่นเดียวกับกรณีอุตสาหกรรมยานยนต์ ความสำคัญของเทคโนโลยีกับความสำเร็จในการลงทุนเป็นคนละเรื่องกัน
- แนวคิดการลงทุนแบบลอตเตอรี่ (lottery-ticket thinking) กำลังแพร่หลาย
- ตัวอย่าง: สตาร์ทอัพ Etched ชูความเป็นไปได้ที่จะเป็น ‘บริษัทที่ใหญ่ที่สุดในโลก’ ด้วยเงินลงทุน 12 ล้านดอลลาร์
- ยังมีคำถามเรื่อง ความสามารถในการทำกำไร โครงสร้างการแข่งขัน และดีลแบบวนกลับ (circular deals)
- โครงสร้างการลงทุนและการใช้จ่ายไขว้กันระหว่าง OpenAI กับ Nvidia ถูกวิจารณ์ว่าเป็น ‘การค้ากับตัวเอง’
- Goldman Sachs ประเมินว่า 15% ของรายได้ Nvidia อาจมาจากดีลลักษณะนี้
การขยายหนี้และความเสี่ยงทางการเงิน
- ต้นทุนการสร้างโครงสร้างพื้นฐาน AI ถูกประเมินว่าอาจสูงถึง 5 ล้านล้านดอลลาร์ และบิ๊กเทคหลักกำลัง ระดมทุนผ่านการออกพันธบัตร
- Microsoft, Meta และ Alphabet ต่างออกพันธบัตรอายุ 30 ปี
- การลงทุนที่แข็งแรง คือการลงทุนด้วยทุนของตนเองบนฐานกระแสเงินสด ส่วน การลงทุนที่เสี่ยง คือการสร้างดาต้าเซ็นเตอร์ด้วยหนี้โดยยังไม่มีลูกค้า
- Paul Kedrosky และ Azeem Azhar เตือนว่าโครงสร้างพื้นฐาน AI ได้เข้าสู่ช่วง ‘Minsky Moment’ แล้ว
- การลงทุนในอุปกรณ์ที่เร็วเกินกว่ารายได้ การใช้ SPV (นิติบุคคลเฉพาะกิจ) และการขยายตัวของ vendor financing ล้วนเป็นสัญญาณอันตราย
- หนี้ ขยายความเสียหายให้รุนแรงขึ้น และหากอุปสงค์ชะลอลงหรือเทคโนโลยีพัฒนาไปอีก ก็มีความเป็นไปได้ของ ดาต้าเซ็นเตอร์ล้นเกินและการล้มละลาย
- Oaktree และ Brookfield เน้นย้ำเรื่อง ‘การใช้หนี้อย่างระมัดระวัง’ และกำลังลงทุนในพื้นที่ที่ยังไม่ล้นเกิน
ลักษณะเฉพาะของ AI และการตัดสินใจลงทุน
- AI เป็น เทคโนโลยีที่สามารถทดแทนความสามารถด้านการรับรู้ของมนุษย์ได้ ซึ่งแตกต่างเชิงคุณภาพจากนวัตกรรมในอดีต
- มันได้เข้ามาแทนแรงงานมนุษย์แล้วในงานอย่างการเขียนโค้ดและโฆษณาดิจิทัล
- ความเร็วของการพัฒนาเทคโนโลยี สูงจนยากจะคาดการณ์อุปสงค์ได้
- เช่นเดียวกับอุตสาหกรรมวิทยุและอากาศยานในอดีต เรื่องเล่าที่มอง ‘ความไม่แน่นอนเป็นโอกาส’ ช่วยเร่งให้ภาวะร้อนแรงยิ่งขึ้น
- มีทั้ง มุมมองว่า AI เป็นฟองสบู่ และข้อโต้แย้งคัดค้าน
- จุดเหมือน: ความคาดหวังเกินจริง, FOMO, ดีลแบบวนกลับ, SPV, การลงทุน seed ขนาดใหญ่
- จุดต่าง: มีการสร้างรายได้จริง, มีฐานผู้ใช้ขนาดใหญ่, มีอัตราส่วน P/E ที่สมเหตุสมผล
- Anthropic และ Cursor มี รายได้เติบโต 100 เท่าในเวลา 1 ปี แสดงให้เห็นว่ามีอุปสงค์จริงต่อผลิตภัณฑ์ AI
บทสรุป: การมองบวกอย่างระมัดระวัง
- AI มีโอกาสสูงที่จะเป็นฟองสบู่ แต่ขณะเดียวกันก็เป็นจุดเปลี่ยนทางเทคโนโลยีครั้งประวัติศาสตร์
- จะเป็น ‘irrational exuberance’ หรือไม่ ต้องปล่อยให้เวลาเป็นผู้พิสูจน์
- นวัตกรรมทุกยุคในอดีตล้วนมาพร้อมการลงทุนเกินตัวและการขาดทุน และ AI ก็น่าจะไม่ใช่ข้อยกเว้น
- การใช้หนี้ อาจยิ่งขยายความเสี่ยงของวัฏจักรครั้งนี้
- ดังนั้น ทั้งการลงทุนเต็มตัวและการหลีกเลี่ยงโดยสิ้นเชิงล้วนมีความเสี่ยง โดย การเข้าร่วมอย่างคัดเลือกและมีวินัย คือกลยุทธ์ที่ดีที่สุด
- การลงทุนในดาต้าเซ็นเตอร์และโครงสร้างพื้นฐาน AI ก็จำเป็นต้องอาศัย การวิเคราะห์อย่างเยือกเย็นและความสามารถในการลงมือทำ
ภาคผนวก: AI กับอนาคตของการจ้างงาน
- AI เป็น เทคโนโลยีที่ช่วยลดการใช้แรงงาน ซึ่งเพิ่มผลิตภาพ แต่ขณะเดียวกันก็ทำให้เกิดความกังวลเรื่อง การหายไปของงานจำนวนมาก
- Joe Davis แห่ง Vanguard วิเคราะห์ว่า “43% ของเวลาทำงานจะถูกลดลง”
- ผลิตภาพที่เพิ่มขึ้น ≠ การจ้างงานที่เพิ่มขึ้น
- การลดลงของงานอาจนำไปสู่รายได้ภาษีที่ลดลงและรายจ่ายสวัสดิการที่เพิ่มขึ้น
- มีการพูดถึงความเป็นไปได้ของ การใช้ UBI (รายได้พื้นฐานถ้วนหน้า) แต่ปัญหาคือ แหล่งเงินทุนและการสูญเสียความหมายทางสังคม
- มีการแสดงความกังวลเรื่อง การสูญเสียความหมายของอาชีพ ความแตกแยกทางสังคม และการขยายตัวของประชานิยม
- อาชีพที่อาจอยู่รอดในอนาคตถูกกล่าวถึงว่าได้แก่ แรงงานกายภาพ (เช่น ช่างประปา พยาบาล ฯลฯ) และ งานที่อาศัยความคิดสร้างสรรค์และวิจารณญาณเชิงลึก
- โดยสรุป AI มี ศักยภาพในการปรับโครงสร้างเศรษฐกิจและสังคมอย่างรากฐาน และจึงต้องการ การรับมืออย่างชาญฉลาดและมุมมองที่สมดุล
1 ความคิดเห็น
ความเห็นจาก Hacker News
หลายทีมซอฟต์แวร์ระดับสูงอ้างว่าตอนนี้นักพัฒนาไม่ได้เขียนโค้ดเองแล้ว แค่พิมพ์ฟีเจอร์ที่ต้องการ แล้ว AI ก็สร้างโค้ดให้ ฟังดูเป็นคำกล่าวที่เกินจริงมาก เลยสงสัยว่ามีหลักฐานรองรับไหม
แต่พอลองให้ Claude เขียนยูทิลิตี migration ข้อมูลแบบพร้อมกันใน Go มันจัดการ goroutine กับ waitgroup ได้เละมาก เต็มไปด้วยบั๊ก น่าจะเขียนเองเร็วกว่าด้วยซ้ำ
ถึงอย่างนั้น วันถัดมาเพื่อนร่วมงานต้องใช้เครื่องมือคล้ายกัน และคุยกับ Claude แค่ 45 นาที ก็ประหยัดเวลาไปได้ 6–8 ชั่วโมง
ผมเลยใช้แนวทางแบบไฮบริด — โครงหลักกับโค้ดตัวอย่างผมเขียนเอง แก้ของที่ AI สร้างมา แล้ววาง test กับ guardrail เพื่อให้ AI ทำส่วนที่เหลือ ผลลัพธ์ยังไม่สม่ำเสมอ แต่ก็ค่อย ๆ ดีขึ้น
แต่ CEO ดันประกาศว่าบริษัทเราเป็น ‘AI-first’ เลยต้องใช้ AI กับทุกงาน พูดตรง ๆ ว่าผมคิดว่าเป็นทิศทางที่ผิด แต่ดูเหมือนปริมาณการใช้ AI จะกลายเป็น KPI ที่เอามาประเมินกัน
ช่วงท้ายบทความน่าประทับใจมาก เป็นครั้งแรกที่ผมรู้สึกว่าไม่อยากให้เทคโนโลยีบางอย่างทำได้ตามที่สัญญาไว้ ปกติเทคโนโลยีใหม่ ๆ มักทำให้ตื่นเต้นกับความเป็นไปได้ แต่ครั้งนี้มันดูหม่น เพราะโฟกัสมีแค่การลดต้นทุนแรงงาน
AI ในฐานะเครื่องมือรวบรวมข้อมูลนั้นยอดเยี่ยม แต่ทิศทางที่พยายามแทนที่ความคิดสร้างสรรค์ของมนุษย์ไม่น่ายินดีเลย
การได้ควบคุมคอมพิวเตอร์ด้วยภาษาที่เรียนมานานกว่าสิบปีเป็นเรื่องมหัศจรรย์ ผมไม่ชอบการแค่อธิบายเป็นภาษาอังกฤษแล้วรอ ผมเป็นคนที่เขียนโค้ดด้วยตัวเอง และไม่อยากยอมทิ้งสิ่งนั้น
ผมเชื่อว่าเทคโนโลยีสามารถยกระดับมนุษยชาติได้ แต่ในเวลาเดียวกัน ความจริงที่ว่ามันมอบอำนาจควบคุมทางสังคมให้คนรวยไม่กี่คนก็ทำให้ทุกข์ใจ
AI เสี่ยงจะสร้างโลกที่เป็นปฏิปักษ์และไม่เท่าเทียมสำหรับคนส่วนใหญ่ เราควรประเมินผลเสียทางสังคมของเทคโนโลยีนี้อย่างจริงจังกว่านี้
แต่บริษัทก็หมกมุ่นกับการลดต้นทุนแรงงานอยู่เสมอ ต่อให้ไม่มี AI ก็ยังหาวิธีอื่นมาลดจำนวนคนอยู่ดี
พอเห็นประโยคที่ว่า “AI มีศักยภาพจะเป็นหนึ่งในความก้าวหน้าทางเทคโนโลยีที่ยิ่งใหญ่ที่สุดในประวัติศาสตร์มนุษย์” ก็อยากแซวว่าเขาไม่ได้ถามความเห็นจากฝั่งหมี (คนมองลบ) บ้างเหรอ
ประโยคที่ว่า “การเขียนโค้ดคือนกคีรีบูนในเหมืองถ่านหินของผลกระทบจาก AI” น่าประทับใจมาก
จากนั้นก็อ้างถึงบทสัมภาษณ์ของ Grace Hopper ในปี 1944 เล่าเรื่องในยุคที่ยังไม่มีแนวคิดเรื่องการเขียนโปรแกรม
บันทึกคำบอกเล่าของ Grace Hopper PDF
ปัญหาคือการถกเถียงเรื่อง AI มักสุดโต่งไปด้านใดด้านหนึ่ง การบอกว่า “AI เขียนโค้ดส่วนใหญ่” เป็นเรื่องพูดเกินจริง แต่การปฏิเสธการใช้ AI แบบสิ้นเชิงก็ไม่สมจริงเหมือนกัน
สตาร์ตอัประยะเริ่มต้นใช้ LLM จัดการ test หรือ boilerplate ได้เร็ว แต่แกนหลักของงานวิศวกรรมก็ยังเป็นหน้าที่ของมนุษย์
มันเป็นฟองสบู่ก็จริง แต่ถึงจะมีการปรับฐานเหมือนยุคดอตคอม ตัวเทคโนโลยีก็จะยังอยู่ต่อไป
ตัวผมเองก็ไม่รู้จัก Kubernetes, Helm, ConfigMap แต่ AI ก็สร้างการตั้งค่าบริการที่สมบูรณ์แบบให้ได้
เหมือนที่เว็บกลายเป็นรากฐานของ SaaS, AI ก็จะกลายเป็นเทคโนโลยีหลักเช่นกัน
ตอนนี้ Nvidia หาเงินได้เพราะราคา GPU แต่คุณค่าที่แท้จริงจะมาจากสายงานประยุกต์ใช้ AI
ด้วยโมเดลโอเพนซอร์สและต้นทุน inference ที่ลดลง โครงสร้างพื้นฐานเองไม่ใช่อุปสรรคในการเข้าสู่ตลาด
แม้แต่ ChatGPT ก็ยังมีบั๊กเยอะและความสมบูรณ์ต่ำ นวัตกรรมจริงจะมาจากบริษัทเล็ก ๆ ที่ใช้โมเดลไปสร้าง UX และผลิตภัณฑ์แบบใหม่
ลองนึกเล่น ๆ ว่าถ้ามีบอต AI ที่ตรวจจับคอมเมนต์แนว “AI ทำไม่ได้หรอก” แล้วตอบอัตโนมัติว่า “แต่สำหรับฉันมันใช้ได้ดีนะ?” จะเป็นยังไง ก็แค่การทดลองทางความคิดขำ ๆ
Silicon Valley จะสามารถสร้างมูลค่าหลายล้านล้านดอลลาร์จาก LLM และ GPU ได้ไหม?
ถ้าเศรษฐกิจไม่เติบโตตามระดับนั้น ภูมิภาคอื่นก็จะได้รับผลกระทบ
แล้ว LLM จะพัฒนาไปเป็น AGI ได้ด้วยเงินทุนที่มากพอหรือไม่?
ตอนนี้ LLM ยังอยู่ในระดับเครื่องสร้างข้อความอัจฉริยะเท่านั้น
อินเทอร์เน็ตก็เป็นการเปลี่ยนแปลงครั้งใหญ่ แต่หลายบริษัทก็ล้มละลายโดยไม่มีรายได้
AI จึงอาจเป็นทั้งของจริงและเป็นฟองสบู่ไปพร้อมกันได้
จะมองบันทึกฉบับนี้อย่างไรนั้นขึ้นอยู่กับจุดยืนของแต่ละคน
เหมือนฟองสบู่ดอตคอม บางบริษัทจะล้มไป แต่เทคโนโลยีจะคงอยู่
ในทางกลับกัน ฟองสบู่อสังหาริมทรัพย์ปี 2007 คือการพังทลายทั้งระบบ
AI ใกล้เคียงกับกรณีแรกมากกว่า — อาจมีการปรับฐาน แต่โอกาสเติบโตระยะยาวนั้นมหาศาล
สำหรับนักลงทุนที่หวังกำไรระยะสั้น มันอาจดูเหมือนฟองสบู่ แต่สำหรับผู้ก่อตั้งหรือคนสร้างระยะยาว นี่คือช่วงเวลาแห่งการสร้างมูลค่าใหม่
เมื่อก่อนผมชอบงานเขียนของ Howard Marks แต่ครั้งนี้มันดูเหมือนความเข้าใจแบบผิวเผิน
รู้สึกเหมือนเขาพยายามเกาะกระแสมากกว่าจะพูดถึงข้อเท็จจริงทางเทคนิค
ต่อให้ AI ลดต้นทุนแรงงานได้แค่ 5–10% ก็อาจส่งผลใหญ่ต่อสังคมแล้ว
ถึงเทคโนโลยีจะยังไม่สมบูรณ์ แต่ผลทางเศรษฐกิจก็เป็นเรื่องจริงได้
ผมเห็นข่าวว่ามีเงิน8 ล้านล้านดอลลาร์จะถูกทุ่มไปกับการสร้างดาต้าเซ็นเตอร์ AI (Yahoo Finance)
ถ้าต้องการผลตอบแทนปีละ 10% ก็ต้องทำรายได้ปีละ 8 แสนล้านดอลลาร์
GPU ต้องเปลี่ยนทุก 3 ปี จะทำรายได้ระดับนั้นได้จริงหรือ?
ในบทสัมภาษณ์ของ Ilya ก็พูดว่า “ไม่มีใครรู้วิธีสร้าง AGI”