OpenAI จะแข่งขันอย่างไร?

• OpenAI สามารถสร้างฐานผู้ใช้ขนาดใหญ่ได้ โดยไม่มีความได้เปรียบทางเทคโนโลยีที่เป็นเอกสิทธิ์ แต่การมีส่วนร่วมและความต่อเนื่องของการใช้งานต่ำ และ เป็นโครงสร้างที่ไม่มี network effects
• ปัจจุบันมีองค์กรมากกว่า 6 แห่งที่ปล่อย frontier models ระดับใกล้เคียงกัน และผลัดกันแซงหน้าในทุก ๆ ไม่กี่สัปดาห์ ทำให้ไม่มีบริษัทใดมีความได้เปรียบเชิงโครงสร้างที่คู่แข่งตามไม่ทัน
• Google และ Meta กำลังใช้ ความได้เปรียบจากผลิตภัณฑ์เดิมและช่องทางการกระจาย เพื่อขยายส่วนแบ่งตลาดอย่างรวดเร็ว ขณะที่ ChatGPT อยู่ในโครงสร้างที่การครองตลาดก่อนหน้าด้วยผลิตภัณฑ์ที่ไม่แตกต่างนั้นยากจะรักษาไว้
• OpenAI เสนอกลยุทธ์ แพลตฟอร์มแบบฟูลสแตก ตั้งแต่ชิปและโครงสร้างพื้นฐานไปจนถึงแอปผู้บริโภค แต่ยังไม่มี network effects หรือแรงล็อกอินทางระบบนิเวศแบบ Windows หรือ iOS
• โจทย์เชิงกลยุทธ์ที่แท้จริงคือ ใครจะเป็นผู้สร้าง ประสบการณ์และกรณีใช้งาน AI รุ่นถัดไป ที่ยังไม่ถูกประดิษฐ์ขึ้น และในสถานการณ์นี้ไม่มีใครสามารถประดิษฐ์ทุกอย่างได้ด้วยตัวคนเดียว
• ท้ายที่สุด ความสามารถในการแข่งขันของ OpenAI ขึ้นอยู่กับ พลังในการลงมือทำอย่างต่อเนื่องและความเร็วในการปรับตัวเข้ากับตลาด ซึ่งใกล้เคียงกับ การแข่งขันด้านการปฏิบัติการในแต่ละวัน มากกว่าจะเป็นกลยุทธ์

---

ความท้าทายพื้นฐาน 4 ประการของ OpenAI

• 1. OpenAI ไม่มีความได้เปรียบทางเทคโนโลยีหรือผลิตภัณฑ์ที่เป็นเอกสิทธิ์ แม้จะมีฐานผู้ใช้ใหญ่ แต่ การมีส่วนร่วมต่ำ ความเหนียวแน่นต่ำ และไม่มี network effects
  • ตัวโมเดลเองก็อยู่ในระดับใกล้เคียงกับคู่แข่ง และ ยังขาด product-market fit ในผลิตภัณฑ์สำหรับผู้บริโภค
• 2. โครงสร้างการดึงมูลค่าและประสบการณ์ผลิตภัณฑ์ ในตลาด AI กำลังเปลี่ยนอย่างรวดเร็ว ทั้งผู้เล่นเดิมและสตาร์ทอัพอีกหลายพันรายกำลังสร้างฟีเจอร์ ประสบการณ์ และโมเดลธุรกิจใหม่ ๆ ทำให้ foundation models มีความเสี่ยงจะกลายเป็นโครงสร้างพื้นฐานทั่วไปที่มาร์จินต่ำ
• 3. OpenAI และ Anthropic ต้องเผชิญความยากในการ เข้าสู่อุตสาหกรรมที่ใช้เงินลงทุนสูงโดยไม่มีฐานผลิตภัณฑ์เดิมด้านการจัดจำหน่ายและกระแสเงินสด (Cross the Chasm)
  • แม้บริษัทที่มีผลิตภัณฑ์เดิมอยู่แล้วก็ต้องยอมทำลายของเดิมบางส่วน แต่ช่วงเวลาที่คนเคยบอกว่า Google ทำ AI ไม่ได้ได้ผ่านไปนานแล้ว
• 4. ด้วยโครงสร้างองค์กรที่เน้นการวิจัย จึงมี ข้อจำกัดในการควบคุมโรดแมปผลิตภัณฑ์และกลยุทธ์ เช้าวันหนึ่งเปิดอีเมลมา อาจพบว่าสถาบันวิจัยแก้ปัญหาบางอย่างได้แล้ว และงานที่เหลือคือ เปลี่ยนสิ่งนั้นให้กลายเป็นปุ่มหนึ่งปุ่ม

> "Jakub กับ Mark เป็นคนกำหนดทิศทางการวิจัยระยะยาว และหลังจากทำงานกันมาหลายเดือนก็ได้ผลลัพธ์ที่น่าทึ่ง นักวิจัยคนหนึ่งติดต่อมาหาฉันแล้วบอกว่า ‘ผมเพิ่งค้นพบบางอย่างที่เจ๋งมาก คุณจะเอาสิ่งนี้ไปใช้กับแชตอย่างไร? จะนำไปใช้กับผลิตภัณฑ์สำหรับองค์กรของเราอย่างไร?’"
> Fidji Simo ประธานฝ่ายผลิตภัณฑ์ของ OpenAI (2026)

> "คุณต้องเริ่มจากประสบการณ์ของลูกค้าแล้วค่อยพัฒนาเทคโนโลยีย้อนกลับมา ไม่ใช่เริ่มจากเทคโนโลยีแล้วค่อยคิดว่าจะเอาไปขายที่ไหน"
> Steve Jobs (1997)

• OpenAI มีเทคโนโลยีที่ยอดเยี่ยมและบุคลากรที่ทะเยอทะยาน แต่ต่างจาก Google ในยุค 2000 หรือ Apple ในยุค 2010 ตรงที่ยังไม่มี สิ่งที่ทำงานได้ชัดเจนและไม่มีใครอื่นทำได้
• ความเคลื่อนไหวล่าสุดของ Sam Altman อาจตีความได้ว่าเป็นความพยายาม เปลี่ยนมูลค่าบนกระดาษให้กลายเป็นสถานะเชิงกลยุทธ์ที่ทนทานกว่า ก่อนที่เสียงเพลงจะหยุดลง

ความสามารถในการแข่งขันของโมเดล: การขาดความได้เปรียบทางเทคโนโลยีแบบเฉพาะตัวทำให้ความยั่งยืนของความเป็นผู้นำอ่อนแอลง

• ตอนนี้มีประมาณ มากกว่า 6 องค์กร ที่ปล่อย frontier models ในระดับใกล้เคียงกันมาก และผลัดกันแซงหน้าในช่วงห่างกันเพียงไม่กี่สัปดาห์
• แม้แต่ละ benchmark จะให้ผลต่างกัน แต่ ภาพรวมทั้งหมดก็ชี้ไปในทิศทางเดียวกัน
• Meta หลุดออกจากเส้นโค้งนี้ไปแล้ว ขณะที่ Apple, Amazon และ Microsoft ยังไม่เข้าสู่ frontier อย่างแท้จริง ส่วนจีนตามหลังอยู่ราว 6 เดือนและพึ่งพางานวิจัยของบริษัทอื่นอย่างมาก
• network effects ที่ส่วนแบ่งตลาดยิ่งมากก็ยิ่งเสริมตัวเอง แบบที่เคยเห็นใน Windows, Google Search, iOS หรือ Instagram ยังไม่ปรากฏในสนามแข่งขันของโมเดลตอนนี้
• ความก้าวหน้าแบบ continuous learning อาจทำให้เกิด network effects ได้ แต่ในตอนนี้ยังไม่ใช่สิ่งที่วางแผนได้
• การเข้าถึง ข้อมูลเฉพาะที่เป็นกรรมสิทธิ์ อาจสร้าง economies of scale ที่มีนัยสำคัญได้เช่นกัน แต่ก็ยังไม่ชัดเจนว่า economies of scale ของข้อมูลผู้ใช้หรือข้อมูลเฉพาะอุตสาหกรรม (เช่น SAP, Salesforce, สเปรดชีตของธนาคารเพื่อการลงทุน ฯลฯ) จะมีหน้าตาอย่างไร และบริษัทแพลตฟอร์มเดิมก็มีข้อมูลจำนวนมากอยู่แล้ว

ฐานผู้ใช้: กว้างแต่ตื้น การมีส่วนร่วมและการสร้างนิสัยการใช้งานยังอ่อน

• OpenAI มี ผู้ใช้ 800-900 ล้านคน แต่ตัวเลขนี้อิงจาก 'ผู้ใช้งานประจำสัปดาห์' และสิ่งที่น่าสังเกตคือบริษัทประกาศ WAU ไม่ใช่ DAU
  • การเลือกประกาศตัวเลขที่ยึดผู้ใช้งานรายสัปดาห์สะท้อนว่า ผู้ใช้ส่วนใหญ่ยังไม่ทำให้มันกลายเป็นนิสัยประจำวัน จึงมี ความเหนียวแน่น/ความติดหนึบ (stickiness) ต่ำ
• ในบรรดาผู้ใช้ ChatGPT มีเพียง ราว 5% เท่านั้นที่จ่ายค่าสมาชิก
• ในกลุ่มวัยรุ่นอเมริกันเอง สัดส่วนของผู้ที่ ใช้สัปดาห์ละไม่กี่ครั้งหรือน้อยกว่านั้น ยังสูงกว่าผู้ที่ใช้วันละหลายครั้งมาก
• ตามข้อมูลโปรโมชัน '2025 Wrapped' 80% ของผู้ใช้ส่งข้อความน้อยกว่า 1,000 ข้อความในปี 2025 ซึ่งเท่ากับค่าเฉลี่ยน้อยกว่าประมาณ 3 prompt ต่อวัน
• ผู้ใช้ส่วนใหญ่ไม่รับรู้ความแตกต่างด้านบุคลิกหรือจุดเน้นระหว่างโมเดลต่าง ๆ และแม้ฟีเจอร์อย่าง 'memory' จะช่วยเพิ่มความยึดติดได้ ก็ยังเป็นเพียงความยึดติด ไม่ใช่ network effects ที่แท้จริง
• แม้จะประกาศว่าเป็น “การปฏิวัติวิธีใช้คอมพิวเตอร์” แต่ถ้าใช้งานเพียงไม่กี่ครั้งต่อสัปดาห์ ก็ยากจะบอกว่ามันเปลี่ยนชีวิตจริง
• OpenAI เองก็ยอมรับว่ามี 'capability gap' ระหว่างความสามารถของโมเดลกับการใช้งานจริง ซึ่งเป็นการพูดอ้อม ๆ ว่ายังไม่มี product-market fit ที่ชัดเจน

กลยุทธ์โฆษณาและความพยายามเพิ่มการมีส่วนร่วม

• โครงการโฆษณา ของ OpenAI มีเป้าหมายเพื่อครอบคลุมต้นทุนการให้บริการผู้ใช้ฟรีกว่า 90% และเพื่อยึดตำแหน่งล่วงหน้าและเรียนรู้จากฝั่งผู้ลงโฆษณา
• ในเชิงกลยุทธ์ยังมีเป้าหมายที่จะให้ผู้ใช้ฟรีได้ใช้ โมเดลล่าสุดและทรงพลังที่สุด (ซึ่งมีต้นทุนสูง) เพื่อเพิ่มระดับการมีส่วนร่วม
• Fidji Simo กล่าวไว้ว่า "การกระจายตัวและขนาดคือสิ่งที่สำคัญที่สุด"
• แต่ก็ยังไม่แน่ชัดว่า การให้โมเดลที่ดีกว่าแก่ผู้ใช้ที่ยังนึกไม่ออกด้วยซ้ำว่าวันนี้จะใช้ ChatGPT ทำอะไร จะช่วยให้การมีส่วนร่วมสูงขึ้นหรือไม่
• มีความเป็นไปได้พอ ๆ กันว่าผู้ใช้อาจติดอยู่กับ ปัญหาหน้าจอว่าง (blank screen problem) หรือรูปแบบแชตบอตเองอาจไม่เหมาะกับกรณีใช้งานนั้น ๆ

การเติบโตของส่วนแบ่ง Gemini·Meta AI และกรณี Netscape: แชตบอตที่ไม่แตกต่าง

• ในผลิตภัณฑ์ที่ไม่แตกต่างกัน ความได้เปรียบจากการเป็นผู้ใช้กลุ่มแรกมักรักษาไว้ได้ยาก และการแข่งขันมักย้ายไปอยู่ที่ แบรนด์และช่องทางการกระจาย
• การที่ Gemini และ Meta AI กำลังยึดส่วนแบ่งตลาดได้อย่างรวดเร็ว เป็นหลักฐานของเรื่องนี้ เพราะสำหรับผู้ใช้ทั่วไป ผลิตภัณฑ์เหล่านี้แทบดูไม่ต่างกัน
  • แม้ชุมชนเทคนิคจะ ประเมินว่า Llama 4 ล้มเหลว แต่ตัวเลขของ Meta ดูเหมือนยังไปได้ดี
• Claude ของ Anthropic ติดอันดับสูงใน benchmark แต่ ไม่มีทั้งกลยุทธ์ผู้บริโภคและผลิตภัณฑ์ฝั่งผู้บริโภค และแทบไม่มีการรับรู้ในหมู่ผู้ใช้ทั่วไป
  • Claude Cowork ถึงขั้นต้องติดตั้ง Git
• มีมุมมองที่ เปรียบ ChatGPT กับ Netscape: คล้ายกับตอนที่ Microsoft เข้าสู่ตลาดที่ยากจะสร้างความแตกต่างของผลิตภัณฑ์ด้วยพลังด้านการกระจาย
• ความยากในการสร้างความแตกต่างในเว็บเบราว์เซอร์และในแชตบอตคือ ปัญหาเชิงโครงสร้างเดียวกัน: ทั้งคู่มีเพียงกล่องรับข้อมูลกับกล่องแสดงผล
  • นวัตกรรมผลิตภัณฑ์ที่ประสบความสำเร็จครั้งสุดท้ายของเบราว์เซอร์คือแท็บและการรวมช่องค้นหากับแถบ URL
• Microsoft ครองตลาดเบราว์เซอร์ได้ก็จริง แต่สุดท้ายสิ่งนั้นไม่ได้สำคัญมากนัก เพราะการดึงมูลค่าที่แท้จริงเกิดขึ้น ที่อื่น
• แอป ChatGPT เป็นเพียง ‘thin wrapper’ และยากจะสร้างความแตกต่างได้ด้วยการเพิ่มฟีเจอร์อย่างเดียว
• นวัตกรรมด้านประสบการณ์ผู้ใช้ คือหัวใจของขั้นต่อไป แต่ ยังไม่ชัดว่าใครจะเป็นผู้นำ และไม่มีคำตอบว่าทำไมคนนั้นต้องเป็น OpenAI
• ท่ามกลางการแข่งขันของผู้ก่อตั้งสตาร์ทอัพทั่วซิลิคอนแวลลีย์ที่พยายามประดิษฐ์ “ประสบการณ์ระยะที่ 2 ของ generative AI” ขึ้นมา คำถามคือ “จะวางแผนให้สิ่งนั้นกลายเป็นฉันได้จริงหรือ?”

กลยุทธ์แพลตฟอร์มของ OpenAI และข้อจำกัด

• ตลอดปีที่ผ่านมา การตอบสนองของ OpenAI มีลักษณะเหมือน “ทุกอย่าง พร้อมกัน ทั้งหมด ตั้งแต่เมื่อวาน”: แพลตฟอร์มแอป เบราว์เซอร์ แอปวิดีโอโซเชียล ความร่วมมือกับ Jony Ive งานวิจัยทางการแพทย์ โฆษณา ไปจนถึงการประกาศรายจ่ายลงทุนระดับหลายล้านล้านดอลลาร์
• มีแนวโน้มจะลอกเลียนรูปแบบของแพลตฟอร์มที่เคยสำเร็จมาก่อนโดยยังไม่เข้าใจจริง เช่น "แพลตฟอร์มต้องมี app store งั้นเราก็ต้องมี app store"
• ช่วงปลายปีที่แล้ว Sam Altman ใช้ไดอะแกรมอธิบายกลยุทธ์ทั้งหมด พร้อมยกคำพูดดังของ Bill Gates ว่า "นิยามของแพลตฟอร์มคือสิ่งที่สร้างมูลค่าให้พาร์ตเนอร์ได้มากกว่าที่สร้างให้ตัวเอง"
• โครงสร้างกลยุทธ์คือการเป็น บริษัทแพลตฟอร์มแบบฟูลสแตก ที่ไล่ตั้งแต่ชิปและโครงสร้างพื้นฐานขึ้นไป แต่ละชั้นเสริมแรงกันเอง พร้อมให้ทั้งคลาวด์ ชิป โมเดล และสร้างระบบนิเวศกับ network effects
• แต่สิ่งนี้คือ วิธีที่ Windows หรือ iOS เคยทำงานได้ ขณะที่ OpenAI ในตอนนี้ยังไม่มีพลวัตแบบแพลตฟอร์มหรือระบบนิเวศเช่นนั้น
• แม้แต่ไดอะแกรมความสัมพันธ์ระหว่างรายจ่ายลงทุนกับรายได้ที่ CFO นำเสนอ ก็ ไม่ใช่ flywheel ที่แท้จริง

การแข่งขันด้านรายจ่ายลงทุน (Capex): เงื่อนไขเพื่อให้มีที่นั่งบนโต๊ะ

• บริษัทคลาวด์บิ๊ก 4 ใช้เงินกับโครงสร้างพื้นฐานไปประมาณ 4 แสนล้านดอลลาร์ เมื่อปีที่แล้ว และปีนี้วางแผนอย่างน้อย 6.5 แสนล้านดอลลาร์
• OpenAI อ้างคำมั่นเรื่อง คอมพิวต์ 1.4 ล้านล้านดอลลาร์ และ 30 กิกะวัตต์ เพื่ออนาคต แต่ไม่มี timeline ที่ชัดเจน และ ณ สิ้นปี 2025 การใช้งานจริงอยู่ที่เพียง 1.9 กิกะวัตต์
• เนื่องจากไม่มี cash flow ขนาดใหญ่จากธุรกิจเดิม จึงต้องพึ่งการระดมทุน (ซึ่งบางส่วนยังไม่เสร็จสิ้น) และการใช้ งบดุลของบริษัทอื่น มาช่วยรองรับ โดยบางส่วนเป็น 'circular revenue'
• ในระยะยาว ต้นทุนโครงสร้างพื้นฐาน AI อาจพัฒนาไปสู่โครงสร้างที่คล้าย การผลิตเครื่องบินหรือการผลิตเซมิคอนดักเตอร์: ไม่มี network effects แต่ในแต่ละรุ่นยิ่งยากและแพงขึ้น จนเหลือเพียงไม่กี่บริษัทที่ลงทุนต่อเนื่องไหว กลายเป็นโครงสร้างกึ่งผูกขาดแบบผู้เล่นน้อยราย
  • เป็นการเปรียบเทียบระหว่าง Moore's Law (จำนวนทรานซิสเตอร์เพิ่ม 2 เท่าทุก 2 ปี) กับ Rock's Law (ต้นทุนของ fab เซมิคอนดักเตอร์ระดับล้ำหน้าสุดเพิ่ม 2 เท่าทุก 4 ปี)
• การที่ Sam Altman ส่งสัญญาณถึง รายจ่ายลงทุนระดับ 1 ล้านล้านดอลลาร์ต่อปี เป็นความพยายามสร้าง 'คำทำนายที่ทำให้ตัวเองเป็นจริง' และเป็นการพยายามนั่งโต๊ะนี้ด้วยพลังความตั้งใจของบริษัทที่เมื่อ 3 ปีก่อนยังไม่มีรายได้
• แต่การมีที่นั่งบนโต๊ะนั้นจะให้ความได้เปรียบเกินกว่านั้นหรือไม่ยังไม่แน่ชัด: TSMC แทบเป็นผู้ผูกขาดชิปขั้นแนวหน้า แต่กลับแทบไม่มี leverage หรือการดึงมูลค่าที่ชั้นบนของสแตก

API·มาตรฐาน·ความเป็นไปได้และข้อจำกัดของ network effects

• แม้นักพัฒนาจะสร้างผลิตภัณฑ์บน foundation model ใด model หนึ่ง แต่ ผู้ใช้ไม่รู้และไม่สนใจด้วยซ้ำว่าใช้โมเดลอะไรอยู่
• การดำเนินธุรกิจคลาวด์ไม่ได้ให้ leverage เหนือผลิตภัณฑ์หรือบริการของ third party ที่อยู่ชั้นบนของสแตก
• ความต่างใหม่คือ ตอนนี้กำลังมี alphabet soup ของมาตรฐานและโปรโตคอล ที่ทำให้โมเดลกับเว็บไซต์สื่อสารกันได้เกิดขึ้น (กระแส OpenClaw จับบางส่วนของสิ่งนี้ไว้)
  • เว็บไซต์สามารถเปิดเผยฟังก์ชันของตัวเอง ทำให้ ChatGPT แสดงการค้นหาอสังหาริมทรัพย์หรือรถเข็นสินค้าได้โดยตรง
  • สามารถสั่ง agent ให้ดูสูตรอาหารใน Instagram แล้วสั่งวัตถุดิบจาก Instacart ได้
• OpenAI เสนอให้ บัญชี ChatGPT ทำหน้าที่เป็นกาวที่เชื่อมทุกอย่างเข้าด้วยกัน และชี้ว่านี่อาจกลายเป็น network effects ได้
• แต่ก็มีปัญหา 'widget fallacy': ความผิดพลาดที่เกิดซ้ำซากในการคิดว่าผลิตภัณฑ์ซับซ้อนสามารถย่อให้เป็นอินเทอร์เฟซมาตรฐานง่าย ๆ ได้
  • มันคือแนวคิดเดียวกับเมื่อ 10 ปีก่อนที่ว่า "API คือ BD แบบใหม่" ซึ่งส่วนใหญ่ล้มเหลว
  • สิ่งที่ดูดีในเดโมกับโมเดลปฏิสัมพันธ์ใน workflow จริงนั้นมีช่องว่างมหาศาล
  • ไม่มีบริษัทไหนอยากกลายเป็นแค่ API call ง่าย ๆ ของอีกบริษัทหนึ่ง: มีความตึงเครียดเชิงโครงสร้างระหว่างการกระจายกับการควบคุมความสัมพันธ์กับลูกค้า
• หากระบบเหล่านี้เชื่อมกันด้วย API ที่ถูกทำให้เป็นนามธรรม ก็ยังไม่ชัดเจนว่าทำไมผู้ใช้หรือนักพัฒนาจึงต้อง ถูกล็อกอยู่กับรายใดรายหนึ่ง
  • แม้ OpenAI กับ Gemini จะใช้มาตรฐานต่างกัน ก็ไม่มีเหตุผลว่าทำไมนักพัฒนาจะรองรับทั้งสองฝั่งไม่ได้ และยังใช้โค้ดน้อยกว่าการทำแอปทั้ง iOS/Android มาก
  • การล็อกอิน Tinder, Zillow และ Workday ด้วยบัญชีเดียวกันจะสมเหตุสมผลหรือไม่ก็ยังน่ากังขา

คำถามสำคัญ: การไม่มี 'พลัง'

• คำอย่างแพลตฟอร์ม ระบบนิเวศ leverage และ network effects ถูกใช้บ่อยในอุตสาหกรรมเทคโนโลยี แต่ ความหมายที่แท้จริงกลับคลุมเครือ
• แนวคิดสำคัญคือ 'พลัง (power)': พลังที่ทำให้ผู้ใช้ต้องใช้ระบบบางอย่างแม้จะไม่ต้องการ
  • Microsoft, Apple, Facebook และ Amazon ต่างมีพลังเช่นนี้
• สิ่งที่แพลตฟอร์มทำได้จริงคือ ใช้พลังสร้างสรรค์ของทั้งอุตสาหกรรมเทคโนโลยี เพื่อทำให้เกิดการสร้างสิ่งต่าง ๆ ในวงกว้างโดยไม่จำเป็นต้องประดิษฐ์ทุกอย่างเอง แต่ทั้งหมดก็ยังเกิดขึ้นบนระบบของตัวเอง
• foundation models มี ผลคูณ อย่างแน่นอน แต่เมื่อคู่แข่งสามารถสร้างสิ่งเดียวกันได้ ก็ไม่มีเหตุผลว่าทำไมทุกคนต้องใช้ของบริษัทใดบริษัทหนึ่ง
• หากไม่มีเหตุผลเชิงโครงสร้างที่ทำให้บริษัทหนึ่งสามารถดีกว่าคู่แข่งได้เสมอ ไม่ว่าจะทุ่มเงินหรือแรงมากแค่ไหน สิ่งที่เหลืออยู่ก็คือ execution ในแต่ละวัน
• ความได้เปรียบด้าน execution อาจเป็นความทะเยอทะยาน และบางบริษัทก็รักษาไว้ได้นาน แต่ นั่นไม่ใช่กลยุทธ์

บทสรุป

• OpenAI อยู่ในสถานะที่ ไม่มีความได้เปรียบผูกขาดด้านเทคโนโลยี ผลิตภัณฑ์ หรือระบบนิเวศ
• แม้จะมี ฐานผู้ใช้ขนาดใหญ่และพลังทุน แต่การสร้างความสามารถในการแข่งขันที่ยั่งยืนก็ยัง ไม่เสร็จสมบูรณ์
• การไม่มี network effects แบบแพลตฟอร์ม, ข้อจำกัดด้านความแตกต่างของผลิตภัณฑ์ และ ความไม่แน่นอนของการลงทุนโครงสร้างพื้นฐาน คือความเสี่ยงหลัก
• ท้ายที่สุด ความสามารถในการแข่งขันของ OpenAI ขึ้นอยู่กับ execution ในแต่ละวันและความเร็วในการปรับตัวเข้ากับตลาด

เชิงอรรถ

• การเปรียบเทียบกับ กลยุทธ์ยุค ZIRP ที่ใช้ทุนเป็นอาวุธ: ในยุคดอกเบี้ยต่ำ บริษัทต่าง ๆ พยายามใช้เงินทุนราคาถูกเพื่อขยายขนาดและป้องกันตนเองด้วย network effects ซึ่งใช้ได้กับ Uber แต่ล้มเหลวกับ WeWork ที่ไม่มี network effects — OpenAI ก็คล้ายกันในแง่ที่ไม่มี network effects
• ผลลัพธ์อาจออกมาแตกต่างอย่างสิ้นเชิงได้เช่นกัน: อาจมี โมเดลจำนวนมหาศาลในหลากหลายขนาดและรูปแบบ บางส่วนรันฟรีบน edge ได้ ทำให้การผูกขาดแบบผู้เล่นน้อยรายของโครงสร้างพื้นฐาน AI ไม่มีความหมายไปไม่ต่างจากการผูกขาดของโครงสร้างพื้นฐาน SQL
• Microsoft, Google, Apple และ Meta ไม่เคยคิดว่าตัวเองชนะแล้ว แม้อยู่ในตลาดที่มีผลแบบผู้ชนะกินรวบ และมักคอยหันกลับมามองข้างหลังเสมอ
  • คำกล่าวของ Andy Grove ที่ว่า "Only the paranoid survive" เป็นสัญลักษณ์ของสภาพจิตวิทยานี้
  • Intel เคยมีทั้ง network effects และความได้เปรียบทางเทคนิค ก่อนจะสูญเสียทั้งสองอย่างไป

[GN⁺]

ความเห็นบน Hacker News

• ผู้คนกำลังประเมิน ความเหนียวแน่นในการใช้งาน (stickiness) ของ OpenAI ต่ำเกินไป
  การมีผู้ใช้เกือบ 1 พันล้านคนถือเป็น กำแพงการเข้าสู่ตลาด ที่แท้จริง
  ภรรยาของผมก็ใช้ ChatGPT ทุกวัน แต่ไม่รู้สึกว่ามีเหตุผลอะไรให้ลองอย่างอื่น
  ประวัติการสนทนามีเยอะจนย้ายออกได้ยาก และการหารายได้ด้วยโฆษณาก็ดูเป็นทางเลือกที่เป็นธรรมชาติ
  ในตลาดผู้บริโภค OpenAI อยู่ในตำแหน่งที่ได้เปรียบกว่าคู่แข่งรายอื่น

  • สุดท้ายแล้ว ถ้ามูลค่า บริษัท 2.85 แสนล้านดอลลาร์ของ OpenAI ตั้งอยู่บนสมมติฐานว่า “คนขี้เกียจเกินกว่าจะลงแอปอื่น” ก็มองโลกในแง่ดีเกินไป
    แทบไม่มี network effects หรือผลจากการเรียนรู้ UI และประวัติการสนทนาอย่างเดียวก็อธิบายมูลค่านั้นได้ยาก
    ยิ่งไปกว่านั้น ในอนาคตอุปกรณ์และแอปส่วนใหญ่จะมีความสามารถ AI ติดมาเป็นพื้นฐานอยู่แล้ว จึงมีโอกาสสูงที่ท้ายที่สุดจะกลายเป็นสินค้าทั่วไปในระดับ backend API
  • ในบรรดา “ผู้ใช้เกือบ 1 พันล้านคน” มีไม่ถึง 5% ที่จ่ายเงิน
    ผู้ใช้ฟรีน่าจะย้ายไปบริการฟรีอื่นทันทีถ้าโฆษณาเริ่มเยอะขึ้น
    จริง ๆ แล้วพาร์ตเนอร์ของผมย้ายไป DeepSeek ตอนที่ระบบล่มล่าสุด และก็ไม่กลับมาอีกเลย
    บทความของ The Register ก็พูดในทำนองเดียวกัน
  • แค่มีประวัติการสนทนายังไม่พอจะสร้างความเหนียวแน่นในการใช้งานที่แท้จริง
    กลับกัน Google อาจได้เปรียบกว่า — ถ้านำข้อมูลส่วนตัวอย่างอีเมล รูปภาพ ประวัติตำแหน่ง ฯลฯ มาผสานกับ AI ก็จะทำ personalization ได้ทรงพลังกว่ามาก
    ในฝั่งองค์กร การเชื่อมกับ Google Docs และ GCP ก็เป็นธรรมชาติ
    ในระยะยาว โมเดลแบบ “AI + วิศวกร Google ไม่กี่คน” ที่มาแทนทีมทั้งทีมก็ดูเป็นไปได้
  • มีความเหนียวแน่นอยู่บ้าง แต่ถ้า กระแสวัฒนธรรม เปลี่ยน OpenAI ก็อาจกลายเป็นของล้าสมัยได้ในพริบตา
    การพยายามจับหลายเป้าหมายพร้อมกันมากเกินไปอาจทำให้ตกอยู่ในจุดยืนแบบ “ไม่โดนใจใครเลยสักกลุ่ม”
    การที่ไม่ได้เป็นเจ้าของโครงสร้างพื้นฐานเองก็เป็นปัจจัยที่น่ากังวล
  • ผู้บริโภคจริง ๆ แล้ว ใช้อารมณ์และเปลี่ยนใจง่าย กว่าที่คิด
    ถ้ากระแสเปลี่ยน OpenAI ก็อาจถูก Grok หรือ Perplexity เบียดตกขอบได้
    บทความที่เกี่ยวข้อง: MIT Technology Review

• ผมสงสัยว่าจะต้องใช้เวลาอีกนานแค่ไหนกว่าที่โมเดลแบบรันในเครื่องจะครอบคลุม use case ส่วนใหญ่ได้
  อีกสัก 5 ปี OpenAI ในวันนี้อาจดูเหมือน ระบบ VAX ยุคทศวรรษ 1970 ก็ได้

  • ลองใช้ Gemini แล้วพบว่าความสามารถส่วนใหญ่มาจากการค้นเว็บ และถ้ารันแบบโลคัลคุณภาพจะตกลงอย่างรวดเร็ว
    ท้ายที่สุด ถ้าอยากให้ local LLM ดีพอ ก็จำเป็นต้อง ให้เข้าถึง API ของ Google
  • ในอีกมุมหนึ่ง ผมมองว่ายากที่จะให้โมเดลขนาดต่ำกว่า 100B ครอบคลุม 99% ของ use case ได้
    เมื่อดูจาก อัตราการเติบโตของ VRAM บน GPU ฝั่งผู้บริโภค ก็น่าจะยากที่จะรันโมเดลโลคัลสมรรถนะสูงได้ก่อนปี 2035
  • 5 ปีถือว่ามองโลกในแง่ดีเกินไป
    โมเดลที่เร็วขึ้นเป็นเรื่องดี แต่ก็ยังต้องใช้ ชิปราคาแพง และกว่าจะทำเป็นสินค้าสำหรับผู้บริโภคได้ก็น่าจะใช้เวลา
  • มีแนวโน้มเหมือนอีเมลหรือเว็บไซต์ ที่สุดท้ายการ พึ่งพาบริการคลาวด์ ก็สะดวกกว่า
  • คนส่วนใหญ่มักเลือกของที่ ถูกกว่าและดีกว่า มากกว่าของที่แค่ “ดีพอ”
    ดาต้าเซ็นเตอร์มีประสิทธิภาพสูงกว่าโฮมเซิร์ฟเวอร์มาก ดังนั้นโมเดลโลคัลอาจกลายเป็นเพียงรสนิยมของคนส่วนน้อย

• ผมชอบ บริการแชต AI ที่เน้นความเป็นส่วนตัว
  ผมเปรียบเทียบ Lumo+ ของ Proton กับ Duck.ai ของ DuckDuckGo แล้วเลือก Lumo+
  ประวัติการแชตถูกผสานเข้ากับข้อมูล Proton และเข้าถึงได้จากทุกอุปกรณ์
  งานทางเทคนิคผมใช้ Gemini Plus หรือ Anthropic แต่สำหรับการคุยเรื่องส่วนตัวผมใช้ AI แบบเป็นส่วนตัว
  ในสถานการณ์ละเอียดอ่อนอย่างปัญหาสุขภาพของคนในครอบครัว การคุ้มครองข้อมูลส่วนบุคคล ควรเป็นค่าเริ่มต้น

  • ผมเคยใช้ Claude code จัดระเบียบบันทึกโรคของคนในครอบครัว ซึ่งช่วยมากในการทำความเข้าใจและรับมือกับระบบการแพทย์
    ความเสี่ยงด้าน privacy นั้นเป็นแค่เชิงทฤษฎี แต่ในความเป็นจริง ประโยชน์ใช้สอยมีมากกว่ามาก
  • ยังมี แชตบอต AI ที่เข้ารหัสแบบ E2E อย่าง Tinfoil หรือ Confer ด้วย
    สำหรับงานที่อ่อนไหว ผมใช้ Kimi-k2 บน Tinfoil
  • ถ้าดูจากนโยบายความเป็นส่วนตัวของ Duck.ai IP จะไม่ถูกเปิดเผยต่อผู้ให้บริการโมเดล และข้อมูลจะถูกลบภายใน 30 วัน
    แม้จะไม่ได้ต่างจาก BigLabs มากนัก แต่ก็มีบริการอย่าง privatemode.ai หรือ confer.to ที่มุ่งสู่ ความลับระดับ Apple AI เช่นกัน

• ผมคิดว่านี่เป็นบทความที่วิเคราะห์ ความสามารถในการตั้งรับทางเศรษฐกิจ ของ OpenAI ได้ดีที่สุด
  ดูเหมือน OpenAI กำลังใช้กลยุทธ์ให้ตลาดทำให้ตัวเองกลายเป็น “สิ่งที่พังไม่ได้”
  การที่การแข่งขัน AI ลุกลามไปเป็น การแข่งขันทางการเมือง ระหว่างประเทศก็ดูเหมือนเป็นส่วนหนึ่งของกลยุทธ์นี้

  • แต่ผมมองว่าโอกาสที่ OpenAI จะกลายเป็น “too big to fail” มีต่ำ
    สังคมยังมีความคลางแคลงต่อ AI สูง และแม้มันจะล้มเหลว ผลกระทบต่อสังคมก็ไม่ได้ใหญ่ขนาดนั้น
  • Altman เคยพูดในการให้สัมภาษณ์ว่ารัฐบาลอาจ เข้ามาช่วยพยุง OpenAI ก็ได้

• Google Gemini โดดเด่นที่สุดในด้าน การบูรณาการ (Android, WearOS, Google Home, การรู้จำเสียง ฯลฯ)
  Anthropic Claude มีจุดแข็งด้าน การผสานงานสำหรับโค้ดดิ้ง
  Meta ยังรักษาการมีตัวตนผ่านโอเพนซอร์ส แต่ไม่มีอำนาจนำตลาด

  • ถ้าลองใช้ GPT-5.3 Codex จะพบว่า ความสามารถในการแก้ปัญหา ดีกว่า Claude
    UX ฝั่งฟรอนต์เอนด์ Claude ดีกว่า แต่ Codex คือ ตัวเลือกที่คุ้มค่าที่สุด
  • ถึงอย่างนั้น OpenAI ก็ยังมี พลังของแบรนด์ สูงมาก — คนมองว่าเป็น “AI ตัวนั้น”
  • มูลค่าของงานโค้ดดิ้งอยู่ที่ การ orchestration (harness) มากกว่าตัวโมเดล
    โครงสร้างแบบที่ชุมชนโอเพนซอร์สเข้าถึงได้ทำให้ความแตกต่างของ ClaudeCode ไม่ได้ชัดมาก
  • Codex เป็นตัวเลือกที่ คุ้มราคา ที่ 20 ดอลลาร์ต่อเดือน
  • ผมคิดว่าการผสานงานด้านโค้ดดิ้งของ Codex ก็อยู่ใน ระดับใกล้เคียง กับ Claude

• หลังจาก OpenAI ขึ้นข้อความโฆษณา “หน่วยความจำของคุณใกล้เต็มแล้ว” ผมก็เริ่มใช้ AI หลายตัวควบคู่กัน
  กระจายไปใช้ Grok, Alexa+, Gemini Plus, Copilot, Claude Code, Opencode เป็นต้น
  ผมชอบโครงสร้างแบบที่ ไม่ต้องพึ่งเจ้าใดเจ้าหนึ่ง
  ถ้าจำเป็นก็ย้ายไปบริการอื่นได้ทุกเมื่อ

• โอกาสของ vertical integration ยังถูกประเมินต่ำเกินไป
  อย่างที่ Anthropic เคยบอกว่าจะไม่ทำ IDE เอง แต่สุดท้ายก็หันมาทำ Claude Code แสดงให้เห็นว่ามีโอกาสขยายไปยังแต่ละสายงาน (กฎหมาย การแพทย์ ฯลฯ) ได้มาก
  โมเดลโอเพนซอร์สตามหลังอยู่ 6~12 เดือน จึงมีโอกาสที่ช่องว่างจะกว้างขึ้น

  • แต่ถ้าวงจรนั้นยังคงอยู่ พอถึงปี 2026 ก็น่าจะมีโมเดลเปิดที่อยู่ระดับ GPT-5.2 ออกมา
    ถ้ามองเฉพาะการสร้างโค้ด ตอนนี้ก็ดูเหมือนจะใช้งานได้จริงเพียงพอแล้ว
  • ถ้าเกิด ภาวะประสิทธิภาพชะงัก (plateau) โมเดลเปิดก็จะตามทัน
    ถ้า AGI เกิดขึ้นจริง บริษัทที่อิงกับ องค์ความรู้ ทั้งหมดก็อาจหมดความหมายได้
  • วงการกฎหมายและการแพทย์นั้นเป็นภาคส่วนที่เทคโนโลยีเจาะเข้าไปได้ยากมานานหลายทศวรรษแล้ว
    บริษัท AI หน้าใหม่คงเข้าไปได้ไม่ง่าย
  • ถ้าจะทำ vertical integration ก็ต้องแสดง มูลค่าเพิ่มที่ชัดเจน ให้ได้
    ถ้าสินค้าอย่าง “Claude for Accountants” แพงกว่า Claude ปกติ ก็โน้มน้าวใจได้ยาก
  • จากที่ลองใช้ Pi หรือ OpenCode มา ผมไม่คิดว่า vertical integration ของ Claude Code จะโดดเด่นเป็นพิเศษ

• ถ้าพัฒนาการของ AI ดำเนินต่อไป ปรัชญาแบบ Steve Jobs ที่ยึดผู้ใช้เป็นศูนย์กลาง ในวันนี้อาจไม่ตรงกับทิศทางของ AI
  ChatGPT ไม่ได้ถูกสร้างมาเพื่อแก้ปัญหาเฉพาะของผู้ใช้ แต่เป็น ผลิตภัณฑ์ที่บังเอิญหาตลาดเจอ
  Apple ยังดูเหมือนไม่รู้ว่าจะจัดการกับ AI อย่างไร แต่ควรเรียนรู้แนวทางแบบ เน้นเครื่องมือ จาก Anthropic หรือ OpenClaw
  OpenAI เองก็มีสิ่งที่ควรเรียนรู้ แต่ไม่ได้อยู่ในตำแหน่งที่ได้เปรียบแบบ Apple หรือ Google
  ท้ายที่สุด ตลาด AI จะไหลไปสู่ ระบบนิเวศที่หลากหลาย มากขึ้นอย่างมาก

• ตอนที่ผมซึ่งเป็นเจ้าของภาษาอังกฤษไปเที่ยวคอสตาริกา ผมเห็นคนท้องถิ่นใช้ ChatGPT แปลภาษา บ่อยมากเวลามีอุปสรรคด้านภาษา

  • ถ้าใช้ฟีเจอร์เสียงของ ChatGPT เป็น ล่ามแบบเรียลไทม์ มันก็ทำงานได้ค่อนข้างดี
  • แต่ Google Translate ทั้งเร็วกว่าและง่ายกว่า เลยสงสัยว่าทำไมยังใช้ ChatGPT กัน
  • ถ้ามีการเก็บเงินหรือใส่โฆษณา คนก็น่าจะกลับไปใช้ Google Translate อีกครั้ง
  • จริง ๆ แล้วงานแปลแบบนี้ใกล้เคียงกับขอบเขตของ เครื่องแปลภาษาแบบเดิม มากกว่า LLM
  • Google Translate ให้ความสามารถนี้มานานกว่า 10 ปีแล้ว แต่ผู้คนกลับ ชอบ ChatGPT มากกว่า ก็น่าสนใจดี

• บทความแนว AI ล่มสลาย แบบนี้ส่วนใหญ่มักพูดจากมุมมองเรื่องมูลค่าบริษัท
  แต่ถ้ามองจากมุมของมนุษยชาติกลับถือว่าเป็นเรื่องมองโลกในแง่ดี
  ในยุคคอมพิวติ้งรุ่นนี้ บริษัทใดบริษัทหนึ่งอาจไม่มีอำนาจมากพอที่จะ ผลักผู้คนไปในทิศทางที่พวกเขาไม่ต้องการ
  นั่นเป็นเรื่องที่ดี