- แม้บริษัท generative AI จะมีมูลค่ากิจการสูง แต่ประเด็นเรื่องการขาดความสามารถในการทำกำไรกลับยิ่งถูกจับตามากขึ้น แม้จะมีการลงทุนขนาดใหญ่ก็ตาม
- OpenAI และ Anthropic เป็นต้น แสดงให้เห็นถึงการเติบโตของรายได้ที่รวดเร็วที่สุดครั้งหนึ่งในประวัติศาสตร์ แต่ก็ยังคงเผาผลาญเงินสดต่อเนื่องจากต้นทุนคอมพิวต์มหาศาลสำหรับการฝึกและการให้บริการโมเดล
- บริษัท Big Tech มีชิปและโครงสร้างพื้นฐานคลาวด์ของตนเอง จึงได้เปรียบด้านประสิทธิภาพต้นทุน และกำลังกดดันความสามารถในการแข่งขันของห้องแล็บ AI อิสระ
- ผลด้านการเพิ่มผลิตภาพที่ AI เคยสัญญาไว้ ยังจำกัดอยู่ในบางพื้นที่ และความมั่นคงของผลกำไรระยะยาวก็ยังไม่แน่นอนจากการแข่งขันที่รุนแรงขึ้น
- นักลงทุนไม่ได้พอใจกับการเติบโตเพียงอย่างเดียวอีกต่อไป และกำลังก้าวเข้าสู่ช่วงที่เรียกร้องโมเดลรายได้ที่ชัดเจนและกลยุทธ์การอยู่รอดหลังเข้าตลาดหุ้นจากบริษัท AI ชั้นนำ
การลงทุนขนาดใหญ่และอุณหภูมิที่ต่างกันของตลาดเอกชน
- ระบุว่าในปี 2025 วงการ venture capital ได้ลงทุนในสตาร์ตอัป AI รายใหญ่ เช่น OpenAI และ Anthropic รวมราว 150 พันล้านดอลลาร์
- มีเงินทุนไหลเข้าในระดับที่มากกว่าบริษัทที่ได้อานิสงส์จากภาวะ VC บูมในปี 2021 อย่างมาก และความมองโลกในแง่ดีในตลาดเอกชนยังคงดำเนินต่อไป
- มีการกล่าวถึงมุมมองว่า OpenAI กำลังพิจารณาระดมทุนเอกชนเพิ่มเติมได้สูงสุดถึง 100 พันล้านดอลลาร์ ในปี 2026
รายได้เติบโตเร็ว แต่การเผาผลาญเงินสดก็ยิ่งขยายตัว
- OpenAI และ Anthropic ถูกประเมินว่าเป็นหนึ่งในบริษัทที่ทำสถิติการเติบโตของรายได้เร็วที่สุดในประวัติศาสตร์
- ขณะเดียวกัน ก็เกิดการเผาผลาญเงินสดระดับ “Towering Inferno” จากต้นทุน GPU และโครงสร้างพื้นฐานคลาวด์สำหรับการฝึกและการทำ inference ของโมเดล
- คาดว่าแรงกดดันในการทำให้เส้นทางสู่กำไรชัดเจนขึ้นจะเพิ่มขึ้น ระหว่างการพิจารณาเข้าตลาดหุ้นในปี 2026 หรือหลังจากนั้น
ความเสียเปรียบเชิงโครงสร้างในการแข่งขันกับ Big Tech
- บริษัท Big Tech อย่าง Google มีโครงสร้างที่ช่วยลดต้นทุนการฝึกและการให้บริการได้ โดยอาศัยชิปและโครงสร้างพื้นฐานคลาวด์ของตนเอง
- เมื่อโมเดล Gemini ไล่ตามช่องว่างด้านประสิทธิภาพได้มากขึ้น ความแตกต่างของห้องแล็บ AI อิสระก็กำลังอ่อนลง
- สตาร์ตอัป AI ที่พึ่งพานักลงทุนภายนอกสูง จึงอยู่ในตำแหน่งที่เปราะบางกว่าต่อความผันผวนของตลาดทุน
ผลด้านผลิตภาพที่ยังไม่ปรากฏอย่างที่คาด
- แม้จะผ่านไป 3 ปีหลังการเปิดตัว ChatGPT แต่การเพิ่มผลิตภาพในการทำงานโดยรวมที่ AI เคยสัญญาไว้ยังคงเกิดขึ้นอย่างจำกัด
- แม้จะมีผลลัพธ์ในบางด้าน เช่น การเขียนโค้ดและการสนับสนุนลูกค้า แต่จำนวนคู่แข่งก็เพิ่มขึ้นอย่างรวดเร็ว ทำให้ตลาดแออัดมากขึ้น
- จนถึงตอนนี้ ยังไม่มีห้องแล็บ AI ใดที่แสดงให้เห็นถึงความได้เปรียบทางการแข่งขันที่ยั่งยืน (moat) อย่างชัดเจน
ยิ่งขยายขนาด ต้นทุนก็ยิ่งเพิ่มตาม
- ต่างจากบริษัทซอฟต์แวร์แบบเดิม บริษัท AI มีโครงสร้างที่ต้นทุนเพิ่มขึ้นไปพร้อมกับการขยายขนาด
- นอกจากต้นทุนการฝึก frontier model แล้ว ยังมีภาระต้นทุน inferenceสูงในสถานการณ์ที่ผู้ใช้ฟรีมีสัดส่วนมาก
- การให้คำตอบสั้นลงเพื่อลดต้นทุนหรือการนำโฆษณาเข้ามา อาจเสี่ยงทำให้ประสบการณ์ผู้ใช้แย่ลง
- การขึ้นราคาก็ถูกมองว่าเป็นอีกทางเลือกหนึ่งที่อาจทำให้ความเร็วในการยอมรับช้าลง
ความอดทนของนักลงทุนและทางเลือกของ OpenAI
- แม้จะมีตัวอย่างความสำเร็จของบริษัทอย่าง Netflix และ Uber ที่ขาดทุนเป็นเวลานานก่อนจะสำเร็จ แต่ก็เน้นว่านักลงทุนจะไม่รออย่างไร้ขีดจำกัด
- ตามตัวเลขที่รั่วไหลออกมา มีการกล่าวว่า OpenAI อาจใช้เงินไปมากกว่า 115 พันล้านดอลลาร์ ภายในปี 2030
- Sam Altman เคยกล่าวว่าอยากทดสอบแรงขายชอร์ตผ่านการเข้าตลาดหุ้น ซึ่งทำให้มุมมองของตลาดต่อเรื่องนี้แตกออกเป็นหลายด้าน
- โดยสรุป ทั้งอุตสาหกรรม AI มีแนวโน้มจะเข้าสู่ช่วงของการพิสูจน์โมเดลธุรกิจที่สอดคล้องกับความเป็นจริงนับตั้งแต่ปี 2026 เป็นต้นไป
1 ความคิดเห็น
ความเห็นจาก Hacker News
อุตสาหกรรม AI กำลังกลายเป็น ตลาดที่แข่งขันกันอย่างดุเดือดและใช้เงินทุนสูงมาก
OpenAI, Anthropic, Google, Meta, Deepseek และรายอื่น ๆ ต่างทุ่มทรัพยากรใกล้เคียงกันแล้วได้ผลลัพธ์คล้ายกัน
แทบไม่มี กำแพงป้องกันทางเทคนิค (moat) เลย และท้ายที่สุดก็มีโอกาสสูงที่จะเกิดฟองสบู่แตกขนาดใหญ่แบบอุตสาหกรรมรถไฟ
แต่เหมือนที่รถไฟไม่ได้หายไป AI ก็จะไม่หายไปและจะเปลี่ยนโลก เพียงแต่มุมมองด้านการลงทุนจะมีการปรับฐานครั้งใหญ่
นักลงทุนองค์กรอย่าง Microsoft สามารถใช้ประโยชน์จากผลขาดทุนเพื่อลดหย่อนภาษีผ่านโครงสร้างพาร์ตเนอร์ชิปได้
กล่าวคือเหมือนระดมทุนให้ R&D ผ่านการประหยัดภาษี และการขาดทุน 1 หมื่นล้านดอลลาร์อาจนำไปสู่ ผลประหยัดภาษี 2–3 พันล้านดอลลาร์
ดังนั้นกรอบคิดที่ว่า “เผาเงินสด = ทำลายมูลค่า” จึงไม่ถูกต้อง
ChatGPT มีผู้ใช้ 200 ล้านคนใน 9 เดือน และ 900 ล้านคนต่อสัปดาห์ในเวลา 3 ปี
ความเร็วในการทำรายได้ เร็วกว่ารถไฟจนเทียบกันไม่ได้ และโครงสร้างการคืนทุนก็แตกต่างกันโดยสิ้นเชิง
เมื่อผสานรวมอย่างสมบูรณ์แล้วก็จะย้ายไปแพลตฟอร์มอื่นได้ยาก และความเป็นธุรกิจใช้ทุนสูงเองก็ทำหน้าที่เป็น moat
สุดท้ายโครงสร้างตลาดน่าจะไปในทิศทางที่ ผู้เล่นรายใหญ่ไม่กี่รายครองตลาดด้วยมาร์จินสูงแบบตลาดคลาวด์
ทั้ง Gmail, YouTube, Search และพื้นที่การใช้งาน AI ที่กว้างที่สุด พร้อมคุณภาพโมเดลมัลติโหมดที่อยู่ในระดับสูงสุด
สำหรับสตาร์ตอัป AI ตลาดตอนนี้คือ โครงสร้างธุรกิจที่แย่ที่สุด
ต้องใช้เงินทุนมหาศาลและต้องสร้างนวัตกรรมต่อเนื่อง ขณะที่ ความภักดีต่อแบรนด์ ของลูกค้าแทบไม่มี
ช้ากว่าแค่นิดเดียวลูกค้าก็เปลี่ยน API endpoint ทันที ทำให้อยู่รอดได้ยาก
สุดท้ายมีเพียงบริษัทที่มีสายผลิตภัณฑ์อื่นรองรับแบบ Google เท่านั้นที่ทนไหว
แม้ตอนที่ Anthropic ออกโมเดลที่ดีกว่าชั่วคราว ก็แทบไม่เห็นการย้ายผู้ใช้
นั่นแปลว่าแบรนด์และพฤติกรรมการใช้งานของผู้ใช้ทำหน้าที่เป็น moat ที่แข็งแรง
หลังโครงสร้างพื้นฐานพัง VC จะหันไปโฟกัสนวัตกรรมระดับผลิตภัณฑ์และบริการ
บทความที่เกี่ยวข้อง: Models Aren’t Moats
ไม่เข้าใจว่าเหตุใด OpenAI ถึงลงทุนมากเกินไปกับโปรเจ็กต์วิดีโอและภาพอย่าง videoSlop, imageSlop
ส่วน Anthropic โฟกัสมากกว่ามาก
แต่เพราะหากำแพงป้องกันทางเทคนิคไม่เจอ สุดท้าย สัญญาลิขสิทธิ์ จึงกลายเป็นเครื่องมือป้องกันเพียงอย่างเดียว
นั่นจึงเป็นเหตุผลที่ OpenAI จับมือกับ Disney
พวก Ghibli, แอป Sora ฯลฯ ทำให้จำนวนสมาชิกพุ่งขึ้นมาก แม้จะมีโปรเจ็กต์ล้มเหลวหลายตัว แต่บางตัวก็ฮิตถล่มทลาย
อย่างไรก็ตามเพราะออกรุ่นอัปเดตถี่เกินไป กระแสฮือฮาจึงน้อยลงกว่าเดิม
นี่คือเหตุผลที่ OpenAI สนใจวิดีโอ
การบูรณาการมัลติโหมด ช่วยเพิ่มความฉลาดของโมเดล และ OpenAI ต้องการรักษาตำแหน่งในฐานะ ‘ผู้ช่วย’ อเนกประสงค์
ขณะที่ Anthropic เลือกโฟกัสนักพัฒนาเพื่อเพิ่มประสิทธิภาพในการใช้เงินทุน
อีกความเป็นไปได้ของฟองสบู่คือ การบังคับใช้ลิขสิทธิ์ (IP) ที่เข้มงวดขึ้น
แพลตฟอร์มเดิมมีความชัดเจนเรื่องการยินยอมให้นำคอนเทนต์ผู้ใช้ไปใช้ แต่ยังน่าสงสัยว่า OpenAI ได้ข้อมูลฝึกอย่างถูกกฎหมายหรือไม่
Meta เองก็เคยมี ข้อกล่าวหาว่าเก็บ e-book ผ่าน torrent
Anthropic กำลังมุ่งหารายได้จาก โมเดล SaaS ที่เน้นการเขียนโค้ด ส่วน OpenAI มองไปที่ โมเดลที่อิงโฆษณา
ด้าน Google แม้คุณภาพโมเดลจะสูง แต่ก็ยังมีปัญหาในการสร้าง ผลิตภัณฑ์ที่คนอยากใช้
Gemini, AI search summary, Google Lens ล้วนมี ปริมาณการใช้งานสูงท่วมท้น
บริษัทที่เคยบอกว่าจะเปลี่ยนโลก สุดท้ายกลับลงเอยที่โฆษณา ก็น่าผิดหวังอยู่บ้าง
งานวิจัยยาใหม่ของ DeepMind คือหนึ่งตัวอย่าง
Search index, การผสานรวมกับ Android·Gmail·Maps
ในทางกลับกัน จุดแข็งของ OpenAI มีเพียงภาพลักษณ์แบรนด์ว่า “ไม่ใช่ Google”
มีความเป็นไปได้ที่ OpenAI จะผสานฟีเจอร์ช็อปปิงแล้วแย่งทราฟฟิก การค้นหาเชิงพาณิชย์ ของ Google
ท้ายที่สุดการแข่งขัน AI คือคำถามว่าใครจะครอง ธุรกิจเก็บค่าผ่านทางของคนรุ่นถัดไป
ด้วยขนาดทราฟฟิกที่เหนือกว่ามาก จึงมองว่า OpenAI แข่งได้ยาก
ไม่มีใครรู้แน่ชัดถึง ขนาดการเผาเงินสด ของ OpenAI
มีคนอ้างว่าไม่ได้เทรนโมเดลใหม่หลัง GPT-4o แต่อาจเป็นเพียง ระบบ routing ที่ซับซ้อน
OpenAI เสริมความแข็งแรงให้ synthetic data pipeline และกำลังนำไปใช้กับการฝึกโมเดลจริง
แม้หลัง GPT-4o จะไม่มี pretraining run เต็มรูปแบบ แต่ก็มีการเดินหน้า fine-tuning, RLHF และการปรับปรุง tool calling อย่างคึกคัก
ผลงานอย่าง Codex-high คือหลักฐาน
GPT-5.2 มี training cutoff ต่างออกไปและน่าจะใช้ต้นทุนสูงพอสมควร
VC ยังโฟกัสกับการหา “บริษัท AI รายใหญ่รายถัดไป”
แต่ถ้าการลงทุนหดตัว เงินทุนจะย้ายไปยัง บริษัทที่ไม่ใช่ AI แต่ใช้ AI เป็นเครื่องมือ
OpenAI กำลังเดิมพันกับ การทำรายได้ระยะสั้น
โอกาสสำเร็จต่ำ แต่ในมุม VC มองว่า ผลตอบแทนเทียบความเสี่ยง ยังมากพอ
สุดท้ายมันอาจใหญ่เกินกว่าจะปล่อยล้ม และดูเหมือนกำลังเล่นไปสู่ฉากทัศน์ รัฐบาลสหรัฐฯ ต้องอุ้ม
บริษัทกำลังห่อเรื่อง AI ให้เป็น การแข่งขันเทคโนโลยีแบบสงครามเย็น เพื่อให้ประชาชนสนับสนุน
ผู้ใช้ทั่วไปก็ได้สัมผัสความสามารถของ LLM ด้วยตัวเอง จึงเชื่อมั่นกับอนาคตมากขึ้น
เพราะแบบนี้มันจึงยังเป็น เรื่องเล่าอนาคตที่ขายได้ง่าย
เพื่อลดความเสี่ยงและช่วย พยุงราคาหุ้น