การสมัครใช้งาน AI คือระเบิดเวลาขององค์กร
(thestateofbrand.com)- OpenAI, Anthropic, Google และรายอื่น ๆ เสนอ ราคาสมัครใช้งานที่ต่ำกว่าต้นทุนการให้บริการจริง แก่องค์กร ซึ่งอาจสร้างแรงกระแทกด้านต้นทุนครั้งใหญ่เมื่อมีการปรับราคา
- ค่าบริการแบบเหมาจ่าย 20 ดอลลาร์ต่อเดือน ของ Claude Pro และ ChatGPT Plus อาจมีต้นทุนจริงเมื่อคิดเทียบเป็น API สำหรับผู้ใช้หนักสูงถึง 200~400 ดอลลาร์ต่อที่นั่งต่อเดือน
- AI แบบเอเจนต์ เพิ่มการใช้โทเคนอย่างมากจากการทำงานอัตโนมัติเป็นเวลานาน และ GitHub Copilot ก็จะย้ายไปสู่การคิดค่าบริการตามการใช้งานในเดือนมิถุนายน 2026
- ค่าใช้จ่ายสมัครใช้งาน 1,000 ดอลลาร์ต่อเดือนสำหรับทีม 50 คน อาจกลายเป็น 15,000~40,000 ดอลลาร์ต่อเดือน เมื่อคิดตามการใช้โทเคนจริง ทำให้ความเสี่ยงด้านงบประมาณสูงขึ้น
- การเตรียม IPO ของ OpenAI และ Anthropic เพิ่มแรงกดดันด้าน มาร์จิน และ unit economics ซึ่งอาจเร่งการขึ้นราคา การจำกัดการใช้งาน และการเปลี่ยนไปคิดค่าบริการตามการบริโภค
ช่องว่างระหว่างราคาสมัครใช้งาน AI กับต้นทุนจริง
- ผู้ให้บริการ AI รายใหญ่ เช่น OpenAI, Anthropic, Google กำลังให้บริการลูกค้าองค์กรใน ราคาสมัครใช้งานที่ต่ำกว่าต้นทุนการให้บริการจริง และหากองค์กรยึดราคานี้เป็นฐานถาวรแล้วสร้าง workflow งานทับลงไป ก็อาจเผชิญแรงกระแทกด้านต้นทุนครั้งใหญ่เมื่อมีการปรับราคาในอนาคต
- Claude Pro ราคา 20 ดอลลาร์ต่อเดือน ให้ใช้งาน Sonnet 4.6, Opus 4.6, การค้นหาบนเว็บ, การรันโค้ด, การสร้างไฟล์ และโควตาการใช้งานมากกว่าฟรีเทียร์ประมาณ 5 เท่า
- หากคิดตาม API, Sonnet 4.6 มีราคา 3 ดอลลาร์ต่อ 1 ล้านโทเคน สำหรับอินพุต และ 15 ดอลลาร์ต่อ 1 ล้านโทเคน สำหรับเอาต์พุต ส่วน Opus 4.6 มีราคา 5 ดอลลาร์ต่อ 1 ล้านโทเคน สำหรับอินพุต และ 25 ดอลลาร์ต่อ 1 ล้านโทเคน สำหรับเอาต์พุต
- หากพนักงานสายความรู้ใช้ Claude วันละหลายชั่วโมง พร้อมอัปโหลดเอกสาร เขียนรายงาน และวิเคราะห์ข้อมูล ก็อาจใช้โทเคนระดับหลายล้านต่อสัปดาห์ และเมื่อแปลงเป็นค่า API แล้วอาจสูงถึง 200~400 ดอลลาร์ต่อที่นั่งต่อเดือน
- มีรายงานว่า Microsoft ขาดทุนมากกว่า 20 ดอลลาร์ต่อผู้ใช้ต่อเดือน จาก GitHub Copilot และต้นทุนคอมพิวต์ของผู้ใช้หนักที่สมัคร 10 ดอลลาร์ต่อเดือน สูงได้ถึง 80 ดอลลาร์
- ยังมีการวิเคราะห์ว่าผู้ใช้ Anthropic บริโภค คอมพิวต์มากกว่า 8 ดอลลาร์ต่อรายได้ค่าสมัครทุก 1 ดอลลาร์ ขณะที่ Nick Turley รองประธานฝ่ายผลิตภัณฑ์ของ OpenAI อธิบายว่าโครงสร้างราคาสมัครใช้งานเป็นสิ่งที่ลงเอยแบบบังเอิญ และเปรียบความเป็นไปได้ในการ ยกเลิกแพ็กเกจไม่จำกัดแบบค่อยเป็นค่อยไป กับการใช้ไฟฟ้าแบบไม่จำกัด
- ChatGPT Plus คงราคา 20 ดอลลาร์ต่อเดือน มา 3 ปี แต่ในช่วงนั้นได้เพิ่มความสามารถอย่างการสร้างภาพ การตีความโค้ด โหมดเสียง การให้เหตุผลแบบเอเจนต์ และการค้นหาบนเว็บ
กลยุทธ์ด้านราคาร่วมกันของผู้ให้บริการรายใหญ่
- Google นำ Gemini Advanced ไปรวมไว้ใน Google One AI Premium ราคา 20 ดอลลาร์ต่อเดือน ขณะที่การเข้าถึงโมเดลเดียวกันผ่าน API ยังคิดค่าบริการแยกต่างหาก
- Meta แจก Llama ฟรี และอุดหนุนต้นทุนคอมพิวต์ของคำถาม AI หลายร้อยล้านรายการบนแพลตฟอร์มของตนด้วย รายได้จากโฆษณา
- Grok ของ xAI ตั้งราคาอินพุต API ต่ำที่ 0.20 ดอลลาร์ต่อ 1 ล้านโทเคน และถูกมองว่าเป็นโครงสร้างที่ยอมขาดทุนเพื่อแย่งส่วนแบ่งตลาด
- รูปแบบร่วมกันคือกำหนดราคาโดยเน้น การขยายการใช้งานมากกว่าความคุ้มทุน มัดองค์กรให้อยู่กับแพลตฟอร์ม และทำให้ AI กลายเป็นองค์ประกอบที่ทีมต่าง ๆ พึ่งพาในงานประจำวัน ก่อนจะเลื่อนปัญหาเรื่องต้นทุนออกไปทีหลัง
- มีรายงานว่า OpenAI ขาดทุนในกลุ่มสมาชิกผู้บริโภค และกำลังพิจารณาเปลี่ยนกลยุทธ์ไปโฟกัสฝั่งองค์กรที่มี unit economics แย่น้อยกว่าเมื่อเทียบกัน
- ตามรายงานของ The Wall Street Journal, OpenAI พลาดเป้าหมายรายได้และผู้ใช้สำคัญ ระหว่างเส้นทางสู่ IPO และระบบราคาที่อาศัยเงินอุดหนุนก็เริ่มมีรอยร้าว
AI แบบเอเจนต์ทำให้โครงสร้างต้นทุนแย่ลง
- การใช้งานแบบแชตบอตเคยทำให้การใช้โทเคนค่อนข้างคาดเดาได้จากคำถามและคำตอบ แต่ AI แบบเอเจนต์ เพิ่มปริมาณการใช้โทเคนอย่างมากจากการทำงานอัตโนมัติเป็นเวลานาน
- เซสชันของ Claude Code สามารถทำงานอัตโนมัติได้ยาวนาน และใช้โทเคนในอัตราที่สูงกว่าการใช้งานแบบโต้ตอบมาก
- ผู้ใช้บางรายรายงานว่าใช้ โควตาจำกัดความเร็ว 5 ชั่วโมงหมดภายใน 90 นาที
- GitHub ประกาศย้าย Copilot ไปสู่ การคิดค่าบริการตามการใช้งานตั้งแต่ 1 มิถุนายน 2026 เพราะโมเดลเหมาจ่ายพังลงเมื่อเจอกับ workload แบบเอเจนต์
- GitHub ระบุว่า Copilot พัฒนาไปมากและการใช้งานแบบเอเจนต์ "กำลังกลายเป็นค่าเริ่มต้น" ซึ่งทำให้ความต้องการคอมพิวต์และการอนุมานเพิ่มสูงขึ้น
- Sam Altman กล่าวอย่างเปิดเผยว่า OpenAI ตอนนี้ต้องกลายเป็น บริษัท AI inference ซึ่งสอดคล้องกับแนวคิดว่าการใช้งานแบบเอเจนต์ต้องการโมเดลเศรษฐศาสตร์ที่แตกต่างโดยพื้นฐาน
- Agent Teams ที่ให้ AI หลายอินสแตนซ์ทำงานบนโปรเจ็กต์เดียวกันแบบขนานในทีมวิศวกรรม สามารถเพิ่มการเผาผลาญต้นทุนอย่างมาก และหากนักพัฒนารัน coding agent พร้อมกัน 3~4 ตัว การใช้โทเคนอาจไม่ได้เพิ่มแค่หลายเท่าเมื่อเทียบกับการสนทนาธรรมดา แต่เพิ่มขึ้นเกินหนึ่งหลัก
ความเสี่ยงด้านต้นทุนที่องค์กรยังไม่ได้วัด
- ในช่วง 2 ปีที่ผ่านมา หลายองค์กรได้ผนวกรวมการสมัครใช้งาน AI เข้าไป ลึกในกระบวนการปฏิบัติงาน โดยฝ่ายการตลาดใช้ ChatGPT Plus เขียนคอนเทนต์ ฝ่ายวิศวกรรมใช้ Claude Pro เขียนและรีวิวโค้ด และทีมวิจัย ความสำเร็จลูกค้า และการเงินก็ใช้ AI สำหรับสรุปเอกสาร สรุปทิกเก็ต และจำลองสถานการณ์
- หากมี 50 คนใช้ Claude Pro ต้นทุนปัจจุบันคือ 1,000 ดอลลาร์ต่อเดือน และ ChatGPT Plus ก็อยู่ในระดับเดียวกัน ทำให้ AI ดูเหมือนเป็นเพียงรายการค่าใช้จ่ายเล็ก ๆ ในงบกำไรขาดทุน
- แต่หากคำนวณการใช้งาน API จริงของทีมเดียวกันตามการบริโภคโทเคน ต้นทุนอาจกลายเป็น 15,000~40,000 ดอลลาร์ต่อเดือน ตามระดับความเข้มข้นการใช้งาน จนกลายเป็นรายการงบประมาณที่ต้องมี budget code แยก
- เมื่อมีการปรับราคา องค์กรที่มองว่า AI ราคา 20 ดอลลาร์ต่อเดือนเป็นปัจจัยนำเข้าราคาถูกถาวร อาจได้รับใบแจ้งหนี้ที่ไม่เคยตั้งงบไว้ในเวลาที่ AI ฝังลึกใน workflow จนถอดออกได้ยากแล้ว
- เงินอุดหนุนสร้าง การพึ่งพา และการพึ่งพากลายเป็นกับดักสำหรับองค์กรที่ทำให้หลีกเลี่ยงการขึ้นราคาได้ยาก
- KPMG Q1 2026 AI Quarterly Pulse ระบุว่าองค์กรในสหรัฐคาดว่าค่าใช้จ่ายด้าน AI ใน 12 เดือนข้างหน้าจะเฉลี่ย 207 ล้านดอลลาร์ เกือบ 2 เท่าเมื่อเทียบกับช่วงเดียวกันของปีก่อน
- ตาม แบบสำรวจวิจัยของ Goldman Sachs บริษัทขนาดใหญ่จำนวนมากใช้งบ AI เกินแผนไปแล้วในระดับหลายหลัก และค่าใช้จ่ายด้าน AI อาจใกล้เคียงกับเงินเดือนวิศวกรในอนาคตอันใกล้
- Swami Chandrasekaran หัวหน้าฝ่าย AI และ Data Labs ของ KPMG North America กล่าวกับ Marketplace ว่าเพียงหนึ่งหรือสองไตรมาสก่อนหน้านี้ยังแทบไม่มีใครสนใจต้นทุนการบริโภค LLM เลย
- Brian Jabarian นักเศรษฐศาสตร์จาก University of Chicago ซึ่งให้คำปรึกษาเรื่องการเปลี่ยนผ่าน AI ในองค์กร กล่าวว่า เวลาที่บิลจะมาถึง กำลังใกล้เข้ามา
IPO อาจบังคับให้ต้องรีเซ็ตราคา
- OpenAI และ Anthropic กำลังเตรียม IPO และในกระบวนการนี้แรงกดดันให้ลดช่องว่างระหว่าง ราคาสมัครใช้งานกับต้นทุนจริง อาจเพิ่มขึ้น
- มีรายงานว่า Anthropic มีรายได้ต่อปีแบบ annualized เกิน 30,000 ล้านดอลลาร์ เพิ่มขึ้นจาก 9,000 ล้านดอลลาร์ ณ สิ้นปี 2025
- OpenAI ถูกประเมินว่ามีอัตรารายได้ราว 25,000 ล้านดอลลาร์
- มีการระบุว่า OpenAI คาด กระแสเงินสดติดลบสะสม 115,000 ล้านดอลลาร์ภายในปี 2029 และให้คำมั่นเรื่อง ค่าใช้จ่ายคอมพิวต์ 665,000 ล้านดอลลาร์ภายในปี 2030
- มีการระบุว่า Oracle แบกรับ หนี้ 43,000 ล้านดอลลาร์ในปีบัญชีเดียว เพื่อสร้างดาต้าเซ็นเตอร์สำหรับ OpenAI
- ตราบใดที่ยังเป็นบริษัทเอกชนที่เผาเงินทุนจาก venture capital ก็ยังสามารถอุดหนุนต้นทุน inference เดินโมเดลแบบขาดทุน และคง แพ็กเกจ 20 ดอลลาร์ต่อเดือนที่มีต้นทุนให้บริการเกิน 100 ดอลลาร์ ไว้ได้
- แต่หลัง IPO ตลาดทุนสาธารณะจะเรียกร้อง มาร์จิน นักวิเคราะห์จะถามหา unit economics และนักลงทุนจะต้องการเส้นทางสู่ความสามารถทำกำไรที่ไม่พึ่งการระดมทุนไม่สิ้นสุด
- วิธีที่เร็วที่สุดในการปิดช่องว่างด้านราคาคือการขึ้นราคา จำกัดการใช้งาน และเปลี่ยนไปคิดค่าบริการตามการบริโภค ซึ่งทั้งสามทางเลือกอาจส่งผลอย่างมากต่อผู้สมัครใช้งานองค์กรในปัจจุบัน
สัญญาณการรีเซ็ตราคาที่เริ่มปรากฏแล้ว
- GitHub จะย้ายไปคิดค่าบริการตามการใช้งานในวันที่ 1 มิถุนายน 2026 และแทนที่คำขอพรีเมียมแบบเหมาจ่ายด้วย AI Credits ตามโทเคน
- Microsoft ขึ้นราคา Microsoft 365 สองครั้งในรอบ 4 ปี โดยการขึ้นราคาล่าสุดเชื่อมโยงโดยตรงกับต้นทุนโครงสร้างพื้นฐาน AI
- OpenAI เปิดตัว Pro tier ราคา 100 ดอลลาร์ เป็นระดับราคาจริงใหม่สำหรับผู้ใช้หนัก
- Max tier ราคา 200 ดอลลาร์ต่อเดือนของ Anthropic เป็นตัวอย่างที่แสดงให้เห็นว่าการใช้งานที่ค่อนข้างแน่นอนอาจมีต้นทุนจริงระดับใดเมื่อเงินอุดหนุนสิ้นสุดลง
- Geoff Webb รองประธานของ Conga กล่าวว่า ขนาดของ การแข่งขันเพื่อช่วงชิงตลาด AI นั้นมหาศาล และต้นทุนในการครองตลาดก็สูงมหาศาลเช่นกัน จึงมีความเป็นไปได้สูงที่จะเกิดการเปลี่ยนแปลงครั้งใหญ่ในโมเดลธุรกิจและราคาบริการอย่างรวดเร็วระหว่างกระบวนการสร้างรายได้และการถอนทุนคืนจากการลงทุน
สิ่งที่ผู้นำองค์กรควรทำตอนนี้
- องค์กรควรตรวจสอบ การบริโภคโทเคนจริง ของแต่ละทีม ไม่ใช่แค่นับจำนวนที่นั่ง
- ควรทำแบบจำลองว่าต้นทุน AI จะเปลี่ยนอย่างไรในสถานการณ์ที่ราคาปัจจุบันเพิ่มเป็น 2 เท่า, 5 เท่า, 10 เท่า
- ควรสร้าง ทางเลือกผู้ขาย ไว้ในสแต็ก เพื่อไม่ให้การเปลี่ยนราคาของผู้ให้บริการรายเดียวทำให้งบประมาณพังลงอย่างฉับพลัน
- ควรคุยกับ CFO เรื่องช่องว่างต้นทุน AI ก่อนที่ CFO จะเป็นฝ่ายหยิบยกปัญหานี้ขึ้นมาก่อน
- ช่องว่างระหว่างจำนวนเงินที่องค์กรจ่ายให้ AI ตอนนี้กับอีก 18 เดือนข้างหน้า อาจกลายเป็นหนึ่งในการเพิ่มขึ้นของรายการค่าใช้จ่ายที่ใหญ่ที่สุดที่หลายบริษัทต้องรับมือ
- อาจมีบริษัทที่ต้องอธิบายว่าทำไมเครื่องมือที่เคยถูกกว่าค่าเลี้ยงอาหารกลางวันของทีม ถึงกลับมาร้องของบประมาณระดับหกหลักต่อปีในทันที
- ยุคของเงินอุดหนุนกำลังสิ้นสุดลง และหลายองค์กรยังไม่ได้เริ่มต้นบทสนทนานี้เลย
4 ความคิดเห็น
ดูเหมือนจะเป็นประเด็นเดียวกับสมัยเมนเฟรม..
ถ้าเกิดโครงสร้างที่ว่าเซิร์ฟเวอร์มีราคาแพงและทรัพยากรขาดแคลน ขณะที่คอมพิวเตอร์ส่วนบุคคลช้า ถูกสร้างขึ้นมา
สุดท้ายแล้วเซิร์ฟเวอร์ก็จะถูกลง และคอมพิวเตอร์ส่วนบุคคลก็จะแรงขึ้น... คิดว่าเวลาอาจเป็นคำตอบครับ
ถ้าแพงก็ไม่ต้องใช้..
ดูเหมือนว่าเหล่า LLM Provider จะขึ้นราคาเพราะคิดว่ายังไงลูกค้าก็ยอมใช้แม้จะแพงนะครับ/ค่ะ เลยสงสัยเหมือนกันว่าโอเพนซอร์ส LLM อย่าง GLM, qwen, deepseek ต่อจากนี้จะเป็นอย่างไร ผู้คนคงเริ่มคำนวณกันแล้วว่าควรยอมจ่ายราคานี้เพื่อใช้ frontier model ต่อไปไหม หรือควรยอมลงแรงทำโครงสร้างพื้นฐาน vLLM ของตัวเองแล้วหันไปใช้โอเพนซอร์สแทนจะเหมาะกว่าหรือเปล่า
ความคิดเห็นใน Hacker News
การสมัครใช้ AI ทั้งหมดดูเหมือนระเบิดเวลาสำหรับผู้ให้บริการโมเดล frontier
ภายในไม่กี่ปี เราน่าจะรันโมเดลโลคัลที่ดีพอๆ กับโมเดล frontier ในปัจจุบันได้แทบไม่มีต้นทุน และฐานตลาดองค์กรของบริษัท frontier ก็จะพังทลายลง
แค่ดู ความต้องการหน่วยความจำ ก็มหาศาลแล้ว และอีกพักใหญ่ๆ การใช้ฮาร์ดแวร์โฮสต์เฉพาะทางแบบใช้ร่วมกันที่มีอัตราการใช้งานสูงก็น่าจะคุ้มค่ากว่ามาก
พวกเขาต้องพัฒนาต่อเนื่องเพื่อให้นำหน้าทั้งกันเองและ โมเดลแบบ open weights ดังนั้นมันแทบจะตรงข้ามกับระเบิดเวลาด้วยซ้ำ
inference token ในระดับปัจจุบันจะยังถูกลงเรื่อยๆ ส่วนโลคัลจะเป็นปลายทางสุดท้ายหรือไม่ก็ยังไม่แน่ใจเพราะความต้องการฮาร์ดแวร์สูง แต่การแข่งขันมีแนวโน้มจะกดอัตรากำไรให้เข้าใกล้ศูนย์
มีบทถกยาวเกี่ยวกับเรื่องนี้: https://corecursive.com/the-pre-training-wall-and-the-treadm...
ตอนนี้กำลังมอนิเตอร์การใช้โทเค็น และขยับอย่างจริงจังเพื่อลดต้นทุน inference และดึงเข้ามาทำในองค์กรแทนที่จะใช้โทเค็นแบบทื่อๆ จำนวนมาก
หัวหน้าพอใจมาก และตอนนี้กำลังขยายใช้งานให้กว้างขึ้น ผมคิดว่านี่แหละคืออนาคต
กฎการสเกล เองก็เริ่มแบกรับต้นทุนหนักแล้ว และไม่ควรหลงไปกับการพูดเกินจริงว่า “เอ็กซ์โปเนนเชียล”
แถมคู่แข่งที่แท้จริงก็คือโมเดล frontier ในอีก 2 ปีข้างหน้า
ตอนนี้ต้องใช้ฮาร์ดแวร์ที่ใหญ่กว่า แพงกว่า และกินพลังงานมากกว่าเมื่อเทียบกับ 1~2 ปีก่อน
โทนพูดเกินจริงของบทความจากทั้งสองฝั่งในวงการ AI ชวนให้เหนื่อยมาก
อยากยืนหน้ากระดานไวต์บอร์ดกับคนที่เข้าใจเศรษฐศาสตร์และธุรกิจผู้ให้บริการโทเค็นจริงๆ แล้วถามแบบ “อธิบายเหมือนคุยกับเด็กห้าขวบ”
อยากรู้ว่าสำหรับผู้ให้บริการโทเค็นมันเป็นเกมของมาร์จิน ส่วนสำหรับผู้บริโภคมันเป็นเกมของคุณภาพบริการ/ผลิตภัณฑ์หรือเปล่า และถ้าเส้นของคุณภาพกับมาร์จินจะตัดกันในสักวันหนึ่ง มันคือการแข่งขันเพื่อไปให้ถึงจุดนั้นก่อนเงินจะหมดหรือไม่ และถ้าใช่ มีตัวอย่างในประวัติศาสตร์ไหมที่ช่องว่างระหว่างสองอย่างนี้กว้างมาก
LLM ดูแปลกตรงที่แทบไม่มีเพดานว่าผู้บริโภค “คาดหวังให้มันดีขึ้นได้แค่ไหน” และมันไม่เหมือนบริการที่สเกลง่ายในมุมทรัพยากรคำนวณอย่างอีเมล
เป็นคำถามระดับเริ่มต้นมาก แต่ก็สงสัยเหมือนกันว่าทำไมถึงอยาก IPO ก่อนจะมีโมเดลธุรกิจที่ยั่งยืน ข้อดีคืออะไร?
ตามลิงก์ที่แปะไว้ในนี้ ราว 30% ของรายจ่าย Anthropic คือ inference และอีก 70% ที่เหลือคือ R&D เช่นการพัฒนาโมเดลถัดไป
ถ้าสะท้อนเรื่องนี้และบวกกำไรเข้าไป ทำตัวเลขให้ง่ายๆ ก็แปลว่าเพื่อให้มีกำไรควรขายที่ประมาณ 1 ดอลลาร์ต่อ 1 ล้านโทเค็น
ราคาปัจจุบันของ API คือ 25 ดอลลาร์ต่อ 1 ล้านโทเค็น จึงไม่สงสัยเลยว่ามันทำกำไรได้
ตรงกันข้าม ถ้าใช้แพลน Max เดือนละ 200 ดอลลาร์แบบสุดโต่ง อาจใช้ได้ถึง 10,000 ล้านโทเค็นต่อเดือน ซึ่งเท่ากับ 0.02 ดอลลาร์ต่อ 1 ล้านโทเค็น และเป็นการแบกขาดทุนมหาศาล ซึ่งสักวันจะต้องหายไป
แต่ถ้าเป็นการใช้เดือนละ 100 ล้านโทเค็นบนแพลน Anthropic เดือนละ 100 ดอลลาร์ บริษัทก็ยังทำเงินได้อยู่
การจะใช้ถึง 10,000 ล้านโทเค็นต่อเดือนต้องทำงานเป็นเวลานานมากและเก่งมากในการใช้ AI และคนแบบนั้นก็มักใช้ AI มาหลายปีแล้ว และน่าจะใช้งานได้ประโยชน์ตั้งแต่ก่อน Opus ด้วยซ้ำ
ถ้าเสีย Opus ไปก็คงผิดหวัง แต่ผู้ใช้กลุ่มนี้แหละที่มักใช้โมเดลที่อ่อนกว่าก็ได้ดี ดังนั้นอีกไม่กี่ปีข้างหน้าพวกเขาก็น่าจะย้ายไปใช้โมเดลโอเพนซอร์สที่โฮสต์เองภายในองค์กรได้ โดยยังคงต้นทุนระดับ 0.02 ดอลลาร์ต่อ 1 ล้านโทเค็นแบบทุกวันนี้
เพราะงั้นผมไม่ค่อยเชื่อกับบรรยากาศมองโลกในแง่ร้ายของบทความ สถานการณ์จะเปลี่ยนแน่ แต่ไม่ได้หมายถึงจุดจบของการใช้ AI
เห็นด้วยกับอารมณ์ของบทความ แต่สำนวนมันดู เหมือน LLM เขียน มากเกินไป
โดยเฉพาะการจัดวางเป็นส่วนๆ กับประโยคปิดหมัดอย่าง “That is not a rounding error. That is a line item that needs its own budget code.”
ค่อนข้างน่ารำคาญ และด้วยพรอมป์ต์เดียวกันผมไม่ค่อยเห็น Gemini เขียนแบบนี้
บทความไม่มีชื่อผู้เขียน
Brad Gerstner ยืนยันแล้วว่าโทเค็นไม่ได้ถูกขายแบบขาดทุน
ไม่ว่าสูตรจะจัดสรรระหว่าง API กับการสมัครใช้อย่างไร บริษัทต่างๆ ก็มีกำไรเมื่อดูจากการขายโทเค็นล้วนๆ
ถ้ารวมเงินเดือนและค่าตอบแทนเป็นหุ้นอาจยังขาดทุน แต่ตัวโทเค็นเองตอนนี้ทำกำไรอยู่
ตอนนี้อาจใช่ แต่เส้นทางที่มาถึงตรงนี้ไม่ใช่แบบนั้น
เงินลงทุนที่ต้องกู้คืนมีเป็นล้านล้านดอลลาร์ แต่รายได้มากสุดก็แค่ระดับหลายพันล้านดอลลาร์ ดังนั้นการคำนวณว่าโทเค็นจะทำกำไรได้ในระยะใกล้จึงไม่สมเหตุสมผล
inference ไม่ได้แค่ต้องกำไรในตัวเอง แต่ต้องแบกรับต้นทุนนั้นด้วย
[0] https://epoch.ai/data-insights/openai-compute-spend
การขาดทุนกำลังถูกหมุนโปะไปมาในโครงสร้าง การจัดหาเงินทุนแบบวนลูป ที่ประหลาด และสุดท้ายมีโอกาสสูงจะพังด้วยวิกฤตหนี้
ผมคิดว่าฝั่งนั้นได้รับการอุดหนุนหนักมาก แต่ก็เป็นสิ่งเดียวที่ผมรู้สึกว่ามีคุณค่าจริง
ปัญหาของ “AI” โดยรวมคือ มันอยู่ได้ง่ายแม้ไม่มีมัน
บริษัท AI ก็รู้ ผู้ใช้ก็รู้ แม้แต่ผู้บริหารที่สนับสนุน AI agent มากที่สุดก็รู้
ลองนึกภาพว่าถ้าตอนนี้ลบ AI ออกจากทั้งโลก ผลลัพธ์ก็คืองานก็แค่กลับไปเป็นแบบเดิม
บทความนี้ไม่ได้เน้นจุดนี้พอ มันน่ากลัวตรงที่วันหนึ่งต้องกลับไปให้วิศวกรจริงๆ ตรวจ PR เองอีกครั้งงั้นหรือ?
ยิ่งเทคโนโลยีถูกรวมเข้าลึกขึ้นเท่าไร มันก็ยิ่งไม่จริงเท่านั้น
ช่วงไม่กี่ปีแรกหลังมีมอเตอร์ไฟฟ้าออกมา คุณก็พูดแบบเดียวกันได้ แค่กลับไปใช้ไอน้ำก็พอ
แต่ถ้าตอนนี้พยายามอยู่โดยไม่มีมอเตอร์ไฟฟ้า สังคมคงล่มสลาย
คำถามไม่ใช่ว่าตอนนี้อยู่ได้ไหม แต่คือหลังจากมันถูกรวมเข้าไปเต็มที่แล้วในอีก 5~10 ปี ยังอยู่ได้ไหมต่างหาก
ไม่ใช่เพื่อสร้างรายได้ที่ตรงไปตรงมา แต่เพื่อฝังผลิตภัณฑ์ AI ให้ลึกมากจนคำว่า “งั้นก็เอา AI ออก” ไม่ดูเป็นทางเลือกอีกต่อไป
ต่อให้ต้นทุนการดูแลยังสูงขึ้นเรื่อยๆ จนเกินระดับเงินอุ้มแบบสายการบินจากภาครัฐก็ตาม
มันคือ ชั้นตัวกลางสกัดความมั่งคั่ง แบบใหม่ที่ขายด้วยคำสัญญาเท็จ
อย่างน้อยสำหรับการเขียน JavaScript ผมอยู่ไม่ได้แน่ถ้าไม่มี AI
เหมือนปฏิบัติกับมันเป็นสัตว์เลี้ยงที่ถ้าไม่ใช้งานเป็นครั้งคราวจะตาย
บทความนี้ผิด การสมัครใช้แบบนี้ไม่ได้ไม่มีให้กับองค์กร
บริษัทต่างๆ จ่ายในราคาที่ใกล้กับ API มากกว่านั้นมาก
กลยุทธ์คือทำให้คนคุ้นกับ โทเค็นไม่จำกัด ผ่านการสมัครใช้ส่วนบุคคล แล้วหวังว่าพฤติกรรมนั้นจะย้ายเข้าไปที่ทำงาน
ที่นั่งแบบทีมหรือองค์กรแพงกว่าแบบผู้บริโภค แต่เป็นราคาเหมาจ่ายพร้อมลิมิตการใช้งานที่รีเซ็ตได้
คุณสามารถกำหนดที่นั่งที่เทียบเท่ากับแพลนเดือนละ 20/100/200 ดอลลาร์ให้สมาชิกได้ หรือจะใช้แบบคิดตามการใช้งานทั้งหมดก็ได้
มีหลายวิธีในการซื้อ
ยังมี แพลนคิดตามการใช้งาน ที่เทียบเท่ากับแพลนผู้บริโภคด้วย
บริษัทที่ผมอยู่โดนเรียกเก็บเงินตามการใช้ API
“โดยรวมแล้วรูปแบบก็เหมือนเดิม ไม่ใช่การตั้งราคาเพื่อเศรษฐศาสตร์ แต่เป็นการตั้งราคาเพื่อการยอมรับใช้งาน มัดองค์กรไว้ ทำให้ AI เป็นส่วนที่รับน้ำหนักของงานประจำวันของทุกทีม แล้วค่อยไปกังวลเรื่องบิลทีหลัง”
10,000 ดอลลาร์ต่อเดือนไม่ใช่เงินน้อย แต่ถ้าเงินนั้นช่วยทีมวิศวกร 10~20 คนได้ มันก็เป็น เลเวอเรจ ที่ดีมาก
ผมไม่ได้อ่านต้นฉบับจนจบ แต่ดูออกว่า AI เขียน
บางที OpenRouter อาจใช้เป็นฐานอ้างอิงต้นทุนจริงของผู้ให้บริการ AI ได้
ได้ยินเรื่อยมาว่ามันคุ้มกว่า Claude มาก ถ้าอย่างนั้นก็ดูเหมือน Anthropic จะไม่มีประสิทธิภาพเป็นพิเศษ หรือไม่ก็ทำกำไรจาก inference อยู่
อาจขาดทุนในฝั่งการฝึก แต่ก็น่าจะเป็นต้นทุนของการคงสถานะเป็นแล็บวิจัยแนวหน้า
ถ้าบริษัทใดบริษัทหนึ่งล้มเพราะหนี้หรืออะไรทำนองนั้น องค์กรต่างๆ ก็คงแค่ย้ายเจ้าไม่ใช่หรือ
ถ้าต้องเห็นวลีอย่าง “It’s not X. It’s Y.” หรือการใช้ “load-bearing” เป็นอุปมาอีกครั้ง ผมคงอาเจียนแน่
“ยุคแห่งเงินอุดหนุนไม่ได้จบลงอย่างสง่างาม มันกำลังเผยรอยร้าวออกมาทุกที่”
“คำถามไม่ใช่ว่ามันเคยเป็นดีลที่ดีไหม คำถามคือมันจะยืนได้นานแค่ไหน”
“นักพัฒนาที่รัน coding agent พร้อมกันสามหรือสี่ตัว ไม่ได้ใช้โทเค็นมากกว่าการคุยแชตแค่ 3 หรือ 4 เท่า พวกเขาใช้มากกว่านั้นเป็น หลักหน่วยจำนวนเท่า”
“สิ่งเหล่านี้ไม่ใช่การทดลองอีกต่อไปแล้ว มันคือเวิร์กโฟลว์ที่รับน้ำหนักงานอยู่”
“นั่นไม่ใช่ความคลาดเคลื่อนจากการปัดเศษ มันคือรายการที่ต้องมีรหัสงบประมาณแยกเอง”
อย่างน้อยก็หวังแบบนั้นได้
มีข้อมูลและตรรกะก็ดูพอฟังขึ้น แต่พอถึงกลางเรื่องก็กลายเป็นตัวอย่างตามกระแส อีกตัวอย่างหนึ่ง ตัวอย่างที่สาม แล้วก็ “มันไม่ใช่แค่ X แต่มันคือ Y” โผล่มา
มันน่ารำคาญพอๆ กับการอ่านงานเขียนดีๆ แล้วดันกดลิงก์แหล่งที่มาไปเจอริกโรลล์
ลูกค้าองค์กรไม่ได้ใช้การสมัคร Claude Pro เดือนละ 20 ดอลลาร์
บริษัทของเราจัดวงเงินใช้งานให้นักพัฒนาประมาณ 1,000 ดอลลาร์ต่อเดือน และเท่าที่ผมเห็นก็ประหยัดกว่าค่า API ได้มากสุดราว 30% เท่านั้น
มันไม่ใช่ระดับอุดหนุนบ้าคลั่ง
ตำแหน่งงานอื่นๆ มักได้แค่เดือนละ 50 ดอลลาร์ และคนพวกนั้นก็ใช้จนเต็มลิมิตตลอด
GitHub Copilot ใช้วิธีนี้กับที่นั่งแบบ business และ enterprise มาตลอด แต่คงจะชนเพดานในไม่ช้า
หลังเดือนมิถุนายน เมื่อมีการจัดระเบียบบัญชีผู้บริโภค Pro และ Pro+ ใหม่ ผมคิดว่ามันจะตามมาเร็วมาก
OpenAI ดูเหมือนกำลังทุ่มโทเค็นเพื่อมัดลูกค้าไว้ ดังนั้นสิ่งที่ผมห่วงที่สุดคือการเปลี่ยนราคาและเงื่อนไขอย่างฉับพลันจากฝั่ง OpenAI หลัง IPO
ส่วน Anthropic ก็เคลื่อนไหวเรื่องนี้อย่างรับผิดชอบแล้ว และ GitHub Copilot ก็ดูเหมือนกำลังพยายามแก้การอุดหนุนเกินจริงในอีกไม่กี่เดือนข้างหน้า
เพราะมันคิดเงินเป็น “คำขอ” ไม่ใช่เป็นโทเค็น
คำขอเดียวที่ราคา 3 เซ็นต์อาจเผาเงินเกิน 20 ดอลลาร์ตามเกณฑ์โทเค็นได้ และวิธีนั้นก็จบลงในเดือนนี้
ผมเองก็เคยใช้ GHCP จัดการงานก้อนใหญ่ๆ อยู่เลยกังวลเหมือนกัน แต่พอลองดูตัวประมาณการบิลใหม่แล้ว มันอยู่ที่ราว 150~200 ดอลลาร์ต่อเดือนตามราคา API
แม้จะยังเป็นการอุดหนุนเทียบกับค่าสมัครเดือนละ 20 ดอลลาร์ แต่ก็ไม่ได้บ้าคลั่ง
ถ้าใช้เครื่องมือ coding แบบ agentic หนักพอสมควรอย่างมีความรับผิดชอบ ก็มีแนวโน้มว่าราคาตาม API จะอยู่แถวๆ 200 ดอลลาร์ ต่อเดือน
ถ้าที่ราคานั้นผู้ให้บริการยังทำกำไรได้ สำหรับบริษัทในโลกตะวันตกที่จ้างนักพัฒนาอยู่ ก็คงไม่ใช่เรื่องยากจะยอมรับเมื่อเทียบกับเวลาที่ประหยัดได้
ความเสี่ยงจริงอยู่ที่พวก vibe coder ที่ทำโปรเจกต์ส่วนตัว
ยุคของการเอาแผนที่มีเงินอุดหนุนมาใช้เกินขอบเขตเพื่อสร้างแอปขนาดใหญ่กำลังจะจบลง
ถ้ามันแทนที่นักพัฒนาได้ ราคาที่สูงกว่า 20 หรือ 100 ดอลลาร์ต่อเดือนก็สมเหตุสมผล
ปัญหาจริงของบริษัท LLM คือพวกเขายังแสดงคุณค่าในพื้นที่นอกเหนือจากการเขียนโค้ดไม่ได้
ถ้าไม่มีสิ่งนั้น มันก็จะถูกลดชั้นเหลือแค่เครื่องมือเขียนโค้ด
นั่นจึงเป็นเหตุผลที่พวกเขารีบกันอยู่ตอนนี้ และแก่นสำคัญคือจะทำ เวิร์กโฟลว์งาน ส่วนไหนให้เป็นอัตโนมัติได้มากขึ้น
งานเอกสารอาจอัตโนมัติได้ทั้งหมดก็ได้
ถ้าพื้นที่อื่นๆ พัฒนาขึ้น พวกเขาก็คงเปลี่ยนโมเดลราคา
อันนั้นก็อาจมีคุณค่าได้