AI กำลังชะลอตัว
(wheresyoured.at)- โครงสร้างพื้นฐาน AI เชิงกำเนิดจำเป็นต้องสร้างรายได้จาก AI computeมากกว่า 2 ล้านล้านดอลลาร์ต่อปีภายในปี 2030 เพื่อให้การลงทุนในดาต้าเซ็นเตอร์และภาระผูกพันด้านคอมพิวต์มีความสมเหตุสมผล
- ดาต้าเซ็นเตอร์ที่วางแผนไว้ 190GW หากใช้ต้นทุน 8 หมื่นล้านถึง 1 แสนล้านดอลลาร์ต่อ GW จะมีมูลค่า 9.5 ล้านล้านถึง 15 ล้านล้านดอลลาร์ และเพื่อให้เกิดขึ้นจริง จำเป็นต้องออกหนี้ดาต้าเซ็นเตอร์ปีละ 5 แสนล้านถึง 1 ล้านล้านดอลลาร์
- คาดว่า OpenAI จะใช้เงินหมดอย่างน้อย 8.52 แสนล้านดอลลาร์ภายในสิ้นปี 2030 และ Anthropic ต้องทำเป้ารายได้ 1.74 แสนล้านดอลลาร์ต่อปีในปี 2029 จึงจะรองรับภาระผูกพันด้านคอมพิวต์ได้
- หลังเปลี่ยนมาใช้การคิดค่าบริการตามโทเค็น องค์กรต่าง ๆ เผชิญความยากลำบากในการมองเห็นค่าใช้จ่าย AI และการวัด ROI โดย Uber, T-Mobile และ Brex ตั้งเพดานค่าใช้จ่ายโทเค็นต่อพนักงาน
- ปัจจุบัน 89% ของรายได้สตาร์ตอัป AI กระจุกอยู่ที่ OpenAI และ Anthropic ดังนั้นเพื่อให้ขนาดคอมพิวต์ที่กำลังก่อสร้างมีความสมเหตุสมผล ยังต้องมีอุปสงค์ AI computeเพิ่มเติมอย่างน้อย 2.5 แสนล้านดอลลาร์ต่อปี
AI ไม่มีพื้นที่ให้ชะลอตัว — ต้องมีรายได้มากกว่า 3 ล้านล้านดอลลาร์ภายในสิ้นปี 2030
- หากใช้ข้อมูลของ Sightline Climateตรง ๆ ความจุดาต้าเซ็นเตอร์ที่วางแผนไว้คือ 190GW และเมื่อใช้คำกล่าวของ Jensen Huang ที่ 8 หมื่นล้านถึง 1 แสนล้านดอลลาร์ต่อ GW ต้นทุนจะคำนวณได้เป็น 9.5 ล้านล้านถึง 15 ล้านล้านดอลลาร์
- คำอธิบายของ Bloomberg ที่ว่าการสร้างดาต้าเซ็นเตอร์มีมูลค่า 3 ล้านล้านดอลลาร์ไม่สอดคล้องกับการคำนวณข้างต้น และเงินทุนที่ต้องใช้จำเป็นต้องถูกจัดหามาจากที่ใดที่หนึ่ง
- รายงานของ Financial Times มองว่าธนาคารอาจรับภาระหนี้ดาต้าเซ็นเตอร์ไม่ไหว และวงเงินออกหนี้ปัจจุบันที่ราว 2.5 แสนล้านดอลลาร์ต่อปีต้องเพิ่มเป็น 5 แสนล้านถึง 1 ล้านล้านดอลลาร์ต่อปีจึงจะสร้างจริงได้
- NVIDIA คาดว่าภายในสิ้นปี 2027 จะมีรายได้ 1 ล้านล้านดอลลาร์ และ54% ของรายได้มาจากลูกค้าเพียงสามราย ทำให้รายได้ในอนาคตขึ้นอยู่กับลูกค้าจำนวนน้อยและความสามารถของคู่ค้าในการระดมทุนผ่านหนี้
- การขายหุ้นมูลค่า 8.5 หมื่นล้านดอลลาร์ของ Google และแผนขายหุ้นมูลค่าหลายพันล้านดอลลาร์ของ Meta เชื่อมโยงกับสถานการณ์ที่ hyperscaler ระดมทุนด้วยหนี้ได้ยากขึ้น
ภาระผูกพันด้านคอมพิวต์ของ OpenAI และ Anthropic
- ภาระผูกพันด้านคอมพิวต์และชิปของ Anthropic แตะระดับ 3.3 แสนล้านดอลลาร์กับ Google, Amazon และ Microsoft, 3 หมื่นล้านดอลลาร์กับ CoreWeave และ 1.5 หมื่นล้านดอลลาร์กับ SpaceX
- Anthropic ต้องทำเป้ารายได้ 1.74 แสนล้านดอลลาร์ต่อปีในปี 2029 เพื่อรองรับต้นทุนคอมพิวต์นี้
- Anthropic ระดมทุนได้ 9.5 หมื่นล้านดอลลาร์ในรอบเดือนกุมภาพันธ์ เมษายน และพฤษภาคม แต่เงินก้อนนี้รวมถึงกระแสเงินสดก็ยังไม่พอรองรับต้นทุน จึงต้องระดมทุนเพิ่มอย่างน้อย 2 แสนล้านดอลลาร์ในปีถัดไป
- คาดว่า OpenAI จะใช้เงินหมดอย่างน้อย 8.52 แสนล้านดอลลาร์ภายในสิ้นปี 2030 และได้ทำภาระผูกพันด้านคอมพิวต์มากกว่า 7.7 แสนล้านดอลลาร์กับ Microsoft, Amazon, CoreWeave, Cerebras และ Oracle
- การระดมทุน 1.22 แสนล้านดอลลาร์ของ OpenAI ในเดือนมีนาคมยังไม่เพียงพอสำหรับครอบคลุมต้นทุน และต้องการเงินเพิ่มอย่างน้อย 2.5 แสนล้านดอลลาร์ภายในสิ้นปี
การคำนวณรายได้ดาต้าเซ็นเตอร์และความเสี่ยงของ Oracle
- AI เชิงกำเนิดและ AI compute ต้องสร้างรายได้มากกว่า 2 ล้านล้านดอลลาร์ต่อปีภายในปี 2030 มิฉะนั้นค่าใช้จ่ายลงทุนดาต้าเซ็นเตอร์และการจ่ายตามภาระผูกพันของ Anthropic และ OpenAI จะไม่สามารถตั้งอยู่ได้
- หากใช้ค่า PUE 1.35 กับดาต้าเซ็นเตอร์ 190GW ภาระงาน IT หลักจะอยู่ที่ราว 140GW และตามเกณฑ์คิดค่าบริการ 12.5 ล้านดอลลาร์ต่อ MW จะต้องมีรายได้ 1.75 ล้านล้านดอลลาร์ต่อปี
- ต่อให้สร้างได้เพียงครึ่งหนึ่งของความจุที่วางแผนไว้ ดาต้าเซ็นเตอร์ก็ยังต้องมีรายได้ 8.75 แสนล้านดอลลาร์ต่อปีเพื่อไม่ให้ขาดเงินทุน
- OpenAI และ Anthropic คาดรายได้ในปี 2029 ไว้ที่ 1.84 แสนล้านดอลลาร์และ 1.74 แสนล้านดอลลาร์ตามลำดับ รวมกันได้เพียง 3.58 แสนล้านดอลลาร์
- หาก OpenAI ไม่สามารถหรือไม่ต้องการแบกรับคอมพิวต์ของ Oracle, Oracle อาจเงินหมดได้ โดย Oracle กำลังใช้เงิน 3.4 แสนล้านถึง 7 แสนล้านดอลลาร์กับดาต้าเซ็นเตอร์ 7.1GW สำหรับ OpenAI
ค่าใช้จ่าย AI ปัจจุบันยังไม่เพียงพอ
- แผนใช้จ่าย 300 ล้านดอลลาร์กับ Anthropic ของ Salesforce ในปี 2026 ยังห่างไกลจากขนาดที่ต้องการมาก
- เมื่อรวมอุปสงค์คอมพิวต์ปัจจุบันของบริษัท AI ทั้งหมดทั่วโลกแล้ว ยังไม่ถึง 1 แสนล้านดอลลาร์ และในปี 2030 ต้องการมากกว่านั้น 10 เท่า
- ตามรายงานของ The Information สัดส่วนความกระจุกตัวของรายได้สตาร์ตอัป AI ที่ OpenAI และ Anthropic ครองอยู่สูงถึง 89% ดัง {p:89}
- อัตรารายได้ต่อปีของ AI ที่ Microsoft ระดับ 3.7 หมื่นล้านดอลลาร์ ส่วนใหญ่ประกอบด้วยคอมพิวต์ของ OpenAI และMustafa Suleyman ซีอีโอ Microsoft AI ระบุว่าโมเดลของ Anthropic แพงเกินไปและต้องการลดการใช้งานของ Microsoft ให้เหลือ 0
- ต่อให้ Anthropic และ OpenAI ใช้คอมพิวต์รวมกันปีละ 5 แสนล้านดอลลาร์ ก็ยังต้องมีรายได้จากคอมพิวต์เพิ่มอีกมากกว่า 2.5 แสนล้านดอลลาร์ต่อปีเพื่อให้การสร้างดาต้าเซ็นเตอร์มีความสมเหตุสมผล
การคิดค่าบริการตามโทเค็นและความไม่แน่นอนของ ROI
- ต้นทุนและผลตอบแทนจากการลงทุนของงาน AI เฉพาะอย่างไม่สามารถวัดได้ และองค์กรต่าง ๆ ก็ขยายการนำ AI ไปใช้โดยไม่วัดผลลัพธ์มาโดยตลอด
- Anthropic และ OpenAI ย้ายลูกค้าไปสู่การคิดค่าบริการตามโทเค็นในไตรมาส 1 ปี 2026 และเพียง 2-3 เดือนต่อมา ความไม่แน่นอนของค่าใช้จ่าย AI และ ROI ก็กลายเป็นประเด็นซ้ำ ๆ ในสื่อธุรกิจหลัก
- ในแบบสำรวจของ KPMG ที่Wall Street Journal อ้างถึง การมองเห็นค่าใช้จ่าย AI แบ่งเป็นมองเห็นครบ 26%, บางส่วน 50% และไม่มีหรือรู้หลังถูกเรียกเก็บเงิน 22% ดัง
- บริษัทแห่งหนึ่งไม่มีการควบคุมการใช้จ่าย ทำให้จ่ายค่าโมเดล Anthropic ไป 500 ล้านดอลลาร์ในเดือนเดียว และ Uber ใช้งบโทเค็นรายปีหมดภายในไตรมาสเดียว
- Uber จำกัดค่าใช้จ่าย AI ที่ 1,500 ดอลลาร์ต่อผู้ใช้ต่อเดือน, T-Mobile จำกัดชั่วคราวที่ 2,000 ดอลลาร์ต่อผู้ใช้ต่อเดือน และ Brex จำกัดที่ 500 ดอลลาร์ต่อสัปดาห์สำหรับวิศวกร และ 5 ดอลลาร์ต่อสัปดาห์สำหรับพนักงานที่ไม่ใช่วิศวกร
เอเจนต์เขียนโค้ด, ลูป และปัญหาของผลลัพธ์
- Boris Cherny ผู้รับผิดชอบ Claude Code และ Peter Steinberger ผู้เผยแพร่ OpenClaw ซึ่งอยู่ภายใต้ OpenAI ต่างขอให้ผู้ใช้ช่วยออกแบบลูปสำหรับเอเจนต์
- ลูปคือวิธีที่ทำให้ LLM สามารถทำงานต่อไปได้ตามระยะเวลาที่ต้องการ แม้ผู้ใช้จะไม่ได้ใส่พรอมป์ต์เพิ่ม
- ในการสมัครใช้งานแบบมีเงินอุดหนุน ต้นทุนจากความผิดพลาดของโมเดลถูกกลบไว้ใต้ค่าบริการรายเดือน 20, 100 หรือ 200 ดอลลาร์ แต่เมื่อผู้ใช้ต้องจ่ายต้นทุนจริง ต้นทุนจากความล้มเหลวก็จะปรากฏชัดทันที
- ประเด็นนี้เชื่อมโยงกับงานวิจัยที่ชี้ว่า LLM ยิ่งใช้การให้เหตุผลมาก ภาพหลอนก็ยิ่งเพิ่มขึ้น และแนวทางแบบเอเจนต์ก็ทำให้ LLM วางแผนด้วยตัวเอง
- Notion บล็อกการเข้าถึง Anthropic อยู่หลายชั่วโมงหลังบริการ Anthropic ล่ม และแอปจำนวนมากที่สร้างโดยเครื่องมือ AI สำหรับเขียนโค้ดก็เป็นเพียง slopware ที่ใช้การไม่ได้และไม่ปลอดภัย
อุปมาแมงมุมโลหะยักษ์
- แมงมุมโลหะยักษ์เป็นอุปกรณ์ราคา 1 ล้านดอลลาร์ และทุกครั้งที่ใช้งานจะมีค่าน้ำมัน 4 หมื่นดอลลาร์ แต่สามารถหยิบของหรือทำมื้อเย็นได้
- อุปกรณ์เดียวกันนี้อาจหยิบ Diet Coke จากตู้เย็นได้อย่างแม่นยำ หรืออาจเจาะรูตู้เย็นก็ได้ และผู้ใช้ต้องจ่าย 4 หมื่นดอลลาร์ไม่ว่าผลลัพธ์จะเป็นอย่างไร
- ด้วยเงินอุดหนุน ผู้ใช้ทั่วไปอาจเจอพฤติกรรมทำลายล้างเป็นครั้งคราว แต่ธุรกิจต้องรับต้นทุนจริง ขณะที่ผู้ผลิตขาดทุนปีละหลายพันล้านดอลลาร์จากการฝึกและการบำรุงรักษา
- ฟีเจอร์ใหม่ทำให้ขอบเขตของสิ่งที่อ้างว่าสามารถทำได้กว้างขึ้น แต่ทุกครั้งที่เพิ่มฟีเจอร์ก็ต้องใช้เงินหลายร้อยล้านดอลลาร์ และบางครั้งก็ไม่ชัดเจนด้วยซ้ำว่าได้มีการฝึกใหม่จริงหรือไม่
- แม้จะมีงานวิจัยที่ระบุว่าความสามารถในการทำงานบางความยาวให้สำเร็จ 50% เพิ่มขึ้น แต่แมงมุมในอุปมานี้ก็ยังไม่รู้ว่าจะทำผิดเมื่อไร และยังทำสิ่งที่ผู้ใช้ไม่ได้ขอด้วย
เศรษฐกิจหมุนเวียนของ AI และอุปสงค์ผลิตภัณฑ์จริง
- AI เชิงกำเนิดมีต้นทุนในการให้บริการสูง ห้องแล็บ AI หลัก ๆ ไม่มีเส้นทางไปสู่ความสามารถทำกำไร และต้นทุนกับ ROI ของงานที่อิง LLM ก็ยังวัดไม่ได้
- โปรเจกต์ AI อาจเพิ่มค่าใช้จ่ายในการดำเนินงานได้ตั้งแต่ 10% ถึง 100% และตรงกันข้ามกับคำสัญญาที่ว่าต้นทุนจะลดลงทั้งสำหรับผู้ให้บริการ AI และลูกค้า ต้นทุนกลับเพิ่มขึ้นมาโดยตลอด
- ต้นทุนที่สูงช่วยคงโครงสร้างที่ห้องแล็บ AI ส่งเงินไปยังพาร์ตเนอร์คอมพิวต์ระดับ hyperscaler และเงินก้อนนั้นก็ไหลวนกลับไปเป็นอุปสงค์ของห้องแล็บและ GPU ของ NVIDIA
- หาก OpenAI หรือ Anthropic มุ่งสู่ความสามารถทำกำไรหรือความยั่งยืน อุปสงค์ AI compute จะลดลง และอุปสงค์ต่อ Azure, Google Cloud, Amazon Web Services, CoreWeave, Oracle Cloud Infrastructure รวมถึง GPU ของ NVIDIA ก็จะลดลงตาม
- หากต้องการให้ภาระผูกพันและแนวโน้มปัจจุบันสอดคล้องกัน สแตก AI ทั้งหมดจำเป็นต้องขยายใหญ่ขึ้น 10 เท่า และต้องมีอุปสงค์ AI compute เพิ่มอีก 2.5 แสนล้านดอลลาร์ต่อปี พร้อมบริษัทขนาดระดับ OpenAI หรือ Anthropic อย่างน้อยอีกสองแห่ง
2 ความคิดเห็น
API ไม่เคยมีช่วงไหนที่ไม่ได้คิดค่าบริการตามโทเคนเลย...
ความคิดเห็นจาก Hacker News
วันนี้ Apple เปิดตัวฟีเจอร์ AI ที่ปรับโฉมใหม่ และถ้าตามหลายรายงาน Apple เหมือนจะจ่ายให้ Google แค่ราว 1 พันล้านดอลลาร์ต่อปี เพื่อให้มันทำงาน
ในทางปฏิบัติก็แทบเป็นแค่การไลเซนส์ทรัพย์สินทางปัญญา และ Google ก็ดูเหมือนจะโอเคกับการยกสิทธิ์ในการรันและ distill โมเดลของตัวเองในราคาประมาณนั้น
ต่อให้รายได้ฝั่งผู้บริโภคจะเป็นแค่ส่วนหนึ่งของภาพรวมทั้งหมด ก็ยังสงสัยว่าทำไมผู้ใช้ Mac หรือ iPhone ที่ไม่ได้พอใจกับ AI ใหม่ของ Apple ถึงจำเป็นต้องจ่ายเงินให้ ChatGPT
Google เองก็น่าจะใส่เครื่องมือคล้ายกันลงในมือถือ และยังคงให้ฟีเจอร์ AI ในการค้นหาต่อไป ดังนั้นหลังจากที่เทคโนโลยีของ Apple มีอยู่แล้ว ผมไม่เห็นหลักฐานว่าตลาด AI ผู้บริโภคยังมีมูลค่ามากกว่า 1 พันล้านดอลลาร์ต่อปีสำหรับ Anthropic หรือ OpenAI อย่างมากมายตรงไหน
ต่อให้ OpenAI ไปทำดีลลงมือถือ Samsung และ Samsung สิ้นหวังกว่า Apple อยู่ 10 เท่า ก็ยังออกมาราว 1 หมื่นล้านดอลลาร์ต่อปี แต่ถ้าประมาณการรายได้ผู้บริโภคของ OpenAI ในปี 2026 อยู่ที่ 1.4–1.5 หมื่นล้านดอลลาร์ ต่อให้ทำได้จริงก็ดูยากที่จะรักษาไว้ หลังจากมีฟีเจอร์ในตัวที่เป็นประโยชน์สำหรับผู้ใช้ iPhone แล้ว
Ed Zitron อาจใกล้เคียงกับพวกปลุกปั่นเสียงดังสไตล์อังกฤษ แต่โดยรวมแล้วดูเหมือนเขาจะพูดถูก
แม้แต่บน Windows ก็มีปุ่ม Copilot แล้ว แต่คนก็ยังใช้ GPT, Microsoft Edge ก็ไม่ใช่เบราว์เซอร์ที่ได้รับความนิยมที่สุดบน Windows และ Instagram Threads ก็ไม่ได้กระทบ TikTok อย่างมีนัยสำคัญ ทั้งหมดอยู่ในบริบทเดียวกัน
คำถามถูกตั้งผิดด้าน คนเรามีแนวโน้มชัดเจนที่จะใช้สิ่งที่ตัวเองชอบและใช้มันต่อไป
ไม่จำเป็นต้องมีคูเมืองมหาศาลเสมอไป ปัญหาจะเกิดก็ต่อเมื่อผู้ใช้ยังไม่พอใจกับผลิตภัณฑ์ต่อเนื่อง หรือมีคู่แข่งที่ดีกว่ามากอย่างที่คนพูดถึงกัน
ถ้าฟีเจอร์ของ Apple ไม่ได้ให้ข้อได้เปรียบที่มีความหมายมากกว่าการใช้ GPT ตรงๆ ก็คงยากจะหวังปาฏิหาริย์
คำถามที่เหลือคือผมจะยังใช้ Kagi ต่อเพราะเรื่องการค้นหาหรือไม่ หรือ Siri ใหม่จะพาไปได้ครบในทุกสิ่งที่ต้องการโดยรวม ผมน่าจะต้องใส่ใจมากขึ้นว่าตัวเองดูผลการค้นหาจริงบ่อยแค่ไหน เทียบกับแค่ดูสรุปจาก AI
ยังมีบางส่วนที่ผมไม่เห็นในงานเปิดตัวของ Apple ตัวอย่างเช่นเรื่องการเขียนโค้ดพื้นฐาน เขาพูดถึง LLM ของ Xcode, แอป Shortcuts และ Safari Extensions ก็จริง แต่เมื่อกี้ผมเพิ่งให้ Kagi สร้างหน้าเว็บเพื่อแสดงข้อมูลที่ได้จาก Kagi และ Gemini ก็ทำได้เหมือนกัน
Siri จะทำได้ไหมยังไม่รู้ ต้องรอดู และประสบการณ์ใช้งานก็สำคัญ ChatGPT จัดการกระบวนการเขียนโค้ดได้ดีกว่ามากด้วยอินเทอร์เฟซสำหรับเขียนโค้ดที่มีตัวแก้ไขแบบสด ขณะที่ Kagi ยังให้ความรู้สึกเหมือน ChatGPT เมื่อหลายปีก่อน คือพ่นบล็อกโค้ดออกมาทั้งก้อน แล้วทุกครั้งที่แก้ก็เทโค้ดชุดใหม่ออกมา
การไปถึงระดับ Xcode อาจจะมากเกินไป แต่ Siri ก็อาจจะยังไม่พอ จึงอาจยังมีช่องว่างของ การใช้งาน AI ระดับ prosumer ที่ Apple เติมไม่เต็ม
Anthropic ดูเหมือนจะไม่ได้ให้ความสำคัญกับ AI ผู้บริโภคมากนัก และกลุ่มผู้บริโภคก็น่าจะเป็นลูกค้าที่ทำกำไรได้น้อยที่สุด
Apple ดูจะใกล้เคียงกับการขยายการใช้งาน AI ของผู้บริโภคทั่วไปมากกว่า และมันดูคล้ายกับตอนที่ Instagram เพิ่ม Stories เข้าไป แม้จะสกัดการเติบโตของ Snapchat ได้ แต่ก็ยังไม่กล้าฟันธงว่าจะแย่งผู้ใช้ OpenAI ไปได้มาก
ถ้าตอนนี้คุณจ่ายเงินให้ ChatGPT อยู่ ก็มีโอกาสสูงว่าคุณใช้มันกับการเขียนโค้ดเป็นงานอดิเรก โปรเจกต์ต่างๆ หรือการสร้างภาพ และผู้ใช้ที่จ่ายเยอะก็มักจะใช้กับโปรเจกต์เขียนโปรแกรมส่วนตัวแทบจะแน่นอน
คนที่จ่าย ค่าสมาชิกรายเดือนเกิน 100 ดอลลาร์ จะไม่เลิกใช้เพราะเรื่องนี้ และแม้แต่ผู้ใช้เดือนละ 20 ดอลลาร์ ก็ยังยากมากที่จะหลุดออกไปอย่างมีนัยสำคัญ
ผู้ใช้ส่วนใหญ่ทั่วโลกใช้มือถือราคาถูกที่ CPU อ่อนและ RAM น้อย จึงรันโมเดลที่ใช้งานได้จริงแบบโลคัลไม่ได้
ในดีล Google-Apple ยังไม่ชัดว่า Google ขายสิทธิ์เข้าถึงการประมวลผลบนคลาวด์รวมอยู่ใน 1 พันล้านดอลลาร์นั้นด้วยหรือไม่ หรือแค่แชร์น้ำหนักโมเดลกับทรัพย์สินทางปัญญา
Apple เองก็บอกว่าจะมีการจำกัดปริมาณการใช้งานและมีการอัปเกรดสมาชิกสำหรับการใช้งานที่มากขึ้น เท่ากับว่าเกิดแนวรบที่ต้องแข่งกับแล็บ AI โดยตรงขึ้นมาแล้ว แม้จะมีค่าเริ่มต้น แต่ก็มีคู่แข่งที่ประสบความสำเร็จได้เหมือน Safari กับ Chrome ดังนั้นการแข่งขันนี้ก็เป็นไปได้
Google อาจมีแนวโน้มสูงที่จะให้โมเดลในราคาต่ำกว่ามูลค่าจริง เพื่อไม่ให้คู่แข่งหลักที่มีเงินสดมากมีแรงจูงใจทางเศรษฐกิจพอจะลงสนามแข่งสะสมอาวุธด้านการฝึก foundation model
ผู้ใช้ที่ต้องการความสามารถจริงจังมากกว่าการสรุปและการปรับสำนวน อาจยังเห็นคุณค่าในแพ็กเกจสมัครสมาชิกหรือโมเดลคิดค่าบริการแบบมีโฆษณาสำหรับโมเดลคุณภาพสูงกว่า แม้จะใช้งานเป็นครั้งคราวก็ตาม
Apple ก็อาจให้สิ่งนี้ได้เช่นกัน แต่พอเริ่มเทียบความสามารถแล้ว สำหรับหลายคน Gemini, Claude และ ChatGPT อาจเหมาะกว่า
อีกทั้งก็มีความเสี่ยงจริงที่ Apple จะสัญญาเกินจริงอีกครั้ง และคุณภาพโมเดลที่ปล่อยจริงจะต่ำ จนผลักผู้ใช้ไปหาบริการสมัครสมาชิกมากขึ้น
รวมถึงชีวิตส่วนตัว ความสนใจ แผนการ ธุรกิจ และข้อมูลครอบครัว ดังนั้นถ้าจะย้ายไปแอป AI ตัวอื่นก็ต้องเริ่มใหม่ตั้งแต่ต้น ซึ่งค่อนข้างเจ็บปวด
กลิ่นอย่างหนึ่งที่ช่วยให้รู้ว่าใครเป็นพวกปลุกปั่นมั่ว ๆ คือการพูดด้วยโทนเดือดดาลแบบ “ทำไมทุกคนถึงไม่เข้าใจเรื่องนี้กันนะ?” แต่ตรรกะจริง ๆ กลับไม่ต่อเนื่อง
ถ้าข้อโต้แย้งของ Zitron แข็งแรงอย่างที่เขาพูดจริง ผู้อ่านก็ควรจะอ่านแล้วเข้าใจและเห็นได้เองว่ามันแข็งแรง
ถ้าเริ่มจากสถิติความต้องการ AI แล้วค่อย ๆ คำนวณต่ออย่างระมัดระวังไปยังขั้นถัดไป เช่น รายได้ที่จำเป็นต่อความสามารถทำกำไรของบริษัท AI ก็น่าจะพอตามได้ แต่เขากลับกระโดดข้ามไปมาแล้วก็ย้อนกลับมาอีก
ถ้าสถานการณ์มันชัดเจนจริงในระดับ “ทำไมถึงมองไม่เห็นกัน” คำอธิบายก็ควรชัดเจนด้วย แต่มันไม่เป็นแบบนั้น เหตุผลที่ไม่ชัดก็เพราะสถานการณ์เองไม่ได้ชัดขนาดนั้น
ถ้ามองกว้าง ๆ สารของเขาคืออุตสาหกรรมเทคโนโลยีนั้นเสื่อมทรามทางศีลธรรมอย่างลึกซึ้ง เขาอาจพูดเรื่องนี้โดยไม่ใช้อารมณ์รุนแรงได้ยาก แต่สิ่งที่อ่านออกมาดูใกล้เคียงกับความไม่อยากเชื่อว่า “ทั้งที่มีหลักฐานท่วมท้นว่า Meta เป็นบริษัทที่ทำเรื่องเลวร้ายกับผู้คน ทำไมยังมีคนลงทุนและไปทำงานที่นั่นอยู่” มากกว่าจะเป็นการพูดเกินจริงแบบไร้มูล
ถึงอย่างนั้น สิ่งที่ผมเข้าใจจากเขาคือบริษัท AI ให้คำมั่นว่าจะซื้อกำลังประมวลผลในระดับ X, มีการสร้างดาต้าเซ็นเตอร์เพื่อรองรับอุปสงค์นั้น, ดาต้าเซ็นเตอร์ต้องได้รับเงินระดับ Y, แต่บริษัท AI ไม่มีรายได้มากพอจะจ่าย Y ได้
ส่วนตัวผมไม่ได้แปลกใจนัก การใช้งาน AI จริงที่ผมเห็นก็มีประมาณการสร้างโค้ดหรือสายโทรขายอัตโนมัติ/สายหลอกลวงเท่านั้น ซึ่งดูไม่ใช่ตลาดที่ใหญ่พอจะรองรับเม็ดเงินมหาศาลที่กำลังหมุนอยู่ตอนนี้
ผมเลยสงสัยว่าทำไมถึงมองว่า Ed พลาดหนักขนาดนั้น สำหรับผมมันดูเหมือนกำลังจะมี การปรับฐานครั้งใหญ่ เกิดขึ้นกับ AI โดยรวม
ข้อมูลแบบนั้นไม่ใช่สิ่งที่สมเหตุสมผลจะคาดหวังให้คัดลอกซ้ำในทุกโพสต์บล็อกประจำที่เขียนออกมา
แม้จะพูดแบบประชดอยู่บ้าง แต่ถ้าคุณคลิกจริง ผมอยากรู้คำตอบอย่างจริงใจ
มันเป็นความพยายามที่ค่อนข้างแย่ในการเลียนแบบงานข่าวเชิงเปิดโปงสมัยใหม่ พยายามจะให้ดูเฉียบคมแต่มี substance น้อย
พูดกันมาเยอะแล้ว แต่ Ed Zitron เป็นคนที่เชื่อถือได้ยาก
เท่าที่ผมเห็น เขามักมีอคติและผิดพลาดแม้แต่ในเรื่องเล็ก ๆ ที่เห็นได้ชัดมาก จนยากจะรับเอาการวิเคราะห์ซับซ้อนที่มีทั้งตัวเลขและแนวโน้มของเขามาเชื่อตรง ๆ
ตัวอย่างเช่น ผมจำทวีตเมื่อไม่กี่เดือนก่อนที่เขาเยาะเย้ยคนที่พูดถึงเอเจนต์และ การเขียนโค้ดแบบเอเจนต์ ได้ ประมาณว่า “เอเจนต์อะไร? เอเจนต์ไหน? พวกคุณรู้ไหมว่าตัวเองกำลังพูดถึงอะไร?” แล้วในคำตอบก็มีคนหลายร้อยคนมาอธิบายว่าพวกเขาใช้งานเอเจนต์อยู่จริง
เขามีกลุ่มผู้ชมและเป้าหมายด้าน engagement และจุดประสงค์ไม่ใช่การให้ข้อมูล แต่คือการเรียกคลิก
ทิศทางอาจถูกก็ได้ เช่น ในแง่ว่ารายได้ที่ต้องใช้เพื่อให้คุ้มกับการใช้จ่ายนั้นดูสูงเกินจริงมาก แต่ก็เหมือนเขากำลังหยิบตัวเลขมาปนกันเพื่อสร้างสถานการณ์เลวร้ายที่สุดที่ไม่จำเป็นต้องตรงกับความเป็นจริง
พอรวมกับการที่เขาไม่แสดงท่าทีเปิดรับแม้เพียงเล็กน้อยต่อสิ่งใดก็ตามที่เกี่ยวข้องกับ AI ก็ยิ่งทำให้ยากจะรับเขาอย่างจริงจัง
สำนักพิมพ์ชอบงานเขียนยืดยาวแบบหายนะโลกและหม่นหมอง และเพราะอย่างนั้นจึงดูเหมือนว่าเขาสร้างเส้นทางอาชีพจากการเขียน บทความต่อต้าน AI แบบฮิสทีเรีย แต่นั่นไม่ได้แปลว่าเขาพูดถูก
ส่วนที่น่าเชื่อที่สุดของบทความคือ เพียงดูจากตัวเลข ขนาดของการลงทุนที่ต้องใช้ก็ดูไม่ยั่งยืนในเชิงมูลค่าเงินดอลลาร์ล้วน ๆ
ต่อให้ไม่เห็นด้วยกับผู้เขียน ก็ยังพอมองตามตรรกะได้ว่า OpenAI, SpaceX และ Anthropic จำเป็นต้องเข้าตลาดปีนี้เพื่อหลีกเลี่ยงไม่ให้เงินหมด และตอนนี้ก็ไม่มีเงินทุนเอกชนมากพอแล้ว IPO คือรอบระดมทุนสุดท้าย
AI อาจมีประโยชน์มากและเปลี่ยนโลกได้จริง และบริษัทต่าง ๆ อาจเติบโตเร็ว แต่ก็อาจไม่มีเงินพอจะรองรับการเติบโตนั้น
ส่วนที่บอกว่าบริษัท AI ที่ล้มละลายได้ยกเลิกสัญญากับ Oracle ทำให้ผมนึกถึง Oracle ในลักษณะเปรียบเปรยแบบ Nortel คือถ้าลูกค้าก้อนใหญ่หายไปทันที ก็อาจต้องบันทึกด้อยค่าระดับหลายแสนล้านดอลลาร์
ผมสงสัยในตัวผู้มีอำนาจฝั่ง AI อย่างมาก แต่การยืนกรานซ้ำ ๆ ว่าไม่มีอะไรอยู่เลยก็ไม่ซื่อสัตย์
ตอนนี้ Zitron อยู่ในระดับที่แทบจะวิงวอนให้ทุกอย่างพังทลายแล้ว
เขาชี้ความเสี่ยงทางการเงินครั้งใหญ่จากการวิเคราะห์มหภาคได้ถูกต้องก็จริง แต่เพราะมองโลกในแง่ร้ายอย่างต่อเนื่อง เขาจึงพลาดประโยชน์หน้างานของ การเพิ่มผลิตภาพอย่างมหาศาล ที่คนจำนวนมากบน HN สัมผัสได้ทุกวันไปโดยสิ้นเชิง
ตอนนี้ฉันเลือกจะเชื่อว่ายังมีพื้นที่ตรงกลางที่การขยายขีดความสามารถของปัจเจกนี้จะนำไปสู่การค้นพบครั้งใหญ่
ถ้าอย่างนั้นผลิตภาพนั้นไปอยู่ที่ไหนกันแน่ มูลค่าอยู่ตรงไหน สถิติการว่างงานขนาดใหญ่หรือสตาร์ทอัพใหม่หลายล้านแห่งที่ทำเงินมหาศาลอยู่ที่ไหน ฉันไม่รู้จริง ๆ
ในวัฏจักรโฆษณาเกินจริงที่ร้อนแรงเช่นนี้ เสียงวิจารณ์ที่ถ่วงดุลเป็นสิ่งจำเป็น ดังนั้นการมีเสียงคัดค้านจึงมีคุณค่าในตัวเอง แต่ข้อโต้แย้งของเขาไม่แน่นพอแม้จะยอมรับสมมติฐานตั้งต้นก็ตาม
สิ่งที่ฉันติดใจที่สุดในวิธีคำนวณคร่าว ๆ ของเขาคือการปฏิบัติต่ออัตรากำไรรวมของการอนุมานราวกับเป็นสิ่งใหม่ที่เทียบกับมาร์จินของ SaaS ทั่วไปไม่ได้
บางส่วนก็ถูกต้อง ค่าใช้จ่ายในการฝึกโมเดล การสร้างโครงสร้างพื้นฐานที่เกี่ยวข้อง และต้นทุนประกอบเพื่อรักษาความสามารถในการแข่งขันซึ่งเป็นเหมือนม้าหมุน R&D ที่ไม่สิ้นสุดนั้น ทำให้การวิเคราะห์เปลี่ยนไปบ้าง
แต่จะบอกว่าสิ่งนี้แตกต่างจากมาร์จินของ SaaS ทั่วไปในเชิงโครงสร้างก็มากเกินไป โมเดลธุรกิจอาจไม่เหมือน Dropbox แต่ค่อนข้างคล้าย AWS ยุคแรก, CDN และผู้ให้บริการโทรคมนาคม
ฉันพูดเรื่องฝั่งโทรคมนาคมได้เพราะใช้เวลากว่าครึ่งอาชีพในฐานะวิศวกรและผู้ก่อตั้งอยู่กับมัน มันก็เป็นธุรกิจโครงสร้างพื้นฐานที่ใช้เงินลงทุนสูงมากได้เช่นกัน โดยความสามารถในการทำกำไรขึ้นอยู่กับอัตราการใช้งาน การขายเกินขนาด การวางแผนกำลังรองรับช่วงพีก การแบ่งกลุ่ม และการคืนทุนจาก CAPEX
เมื่อมี การแยกงานย่อย อย่างชัดเจนเพื่อประหยัดต้นทุนเกิดขึ้น การคำนวณของเขาก็ดูน่าสงสัยยิ่งขึ้น องค์กรที่ไปไกลก่อนเริ่มตระหนักแล้วว่าไม่จำเป็นต้องใช้โมเดลที่ดีที่สุดและแพงที่สุดกับทุกงาน
งานง่ายสามารถส่งไปยังโมเดลราคาถูก ใช้แคชได้ งานที่ไม่เร่งด่วนก็ประมวลผลแบบแบตช์ได้ และเก็บโมเดลแนวหน้าสุดไว้เฉพาะบางงานที่ต้องการสติปัญญาระดับแนวหน้าจริง ๆ เท่านั้น สิ่งนี้ขัดแย้งตรง ๆ กับข้ออ้างที่ว่าผู้ให้บริการต้องไล่ตามสติปัญญาระดับแนวหน้าอยู่ตลอดเวลาเพื่อรักษาดีมานด์ การใช้งาน และเส้นโค้งราคาในปัจจุบัน
คุณอาจรู้สึกได้ว่าผลิตภาพดีขึ้น แต่ก็อาจไม่ได้สร้างมูลค่าจริง และฉันคิดว่านั่นแหละคือสิ่งที่ข้อมูลที่แข็งแรงที่สุดกำลังแสดงให้เห็น
https://unessays.substack.com/p/talk-is-cheap
มีงานวิจัยขนาดใหญ่ที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิ หรือมีเมตาสตัดดี้ไหนที่ยืนยันข้ออ้างนั้นบ้างไหม?
แค่ข้อเท็จจริงที่ว่าเขาไม่เคยทบทวนความผิดพลาดที่เห็นได้ชัดในบทวิเคราะห์ของตัวเอง ก็เพียงพอจะบอกทุกอย่างที่ต้องรู้เกี่ยวกับความซื่อสัตย์ทางปัญญาแล้ว
สิ่งที่เขาพูดเรื่องความเสี่ยงทางการเงินมีส่วนจริงอยู่บ้าง แต่ถ้าคุณยอมรับความเป็นไปได้ด้านขาขึ้นไม่ได้ คุณก็ประเมินความเสี่ยงได้ไม่ถูกต้องเช่นกัน
เพราะอย่างนั้นจึงยากที่จะรับเขาอย่างจริงจัง
ในเธรดนี้มีคอมเมนต์ที่ปัดตกอยู่เยอะ แต่มีน้อยมากที่จัดการกับเนื้อหาสาระของบทความจริง ๆ
ประเด็นสำคัญคือ “AI ไม่มีพื้นที่ให้ชะลอตัว — เพื่อคงการดำรงอยู่ไว้ มันต้องมีรายได้มากกว่า 3 ล้านล้านดอลลาร์ภายในสิ้นปี 2030” เป็นความจริงหรือไม่
ถ้าค่าจ้างรวมในปี 2024 อยู่ที่ 11.7 ล้านล้านดอลลาร์ [0] และการจ้างงานนอกภาคเกษตรในปีเดียวกันอยู่ที่ 158,000 [1] การคำนวณหยาบ ๆ ของฉันบอกว่า AI ต้องเข้ามาแทนที่หรือสร้างงานอย่างน้อย 1 ในทุก 20 ตำแหน่งเพื่อให้คุ้มทุน ซึ่งมากกว่าที่ฉันคิดไว้เดิมอีกหนึ่งหลัก
[0] https://fred.stlouisfed.org/series/BA06RC1A027NBEA
[1] https://fred.stlouisfed.org/series/PAYEMS
เงินจำนวนมหาศาลไหลเข้าสู่เศรษฐกิจในปี 2008 และ 2020~2023 และคนรวยก็รวยขึ้นอย่างเหลือเชื่อ ทรัพย์สินนั้นตอนนี้ถูกผูกไว้กับทางรถไฟ/ใยแก้วนำแสงฉบับทศวรรษ 2020 และโดยพื้นฐานแล้วเรากำลังพยายามลบเงินหลายล้านล้านดอลลาร์ออกจากเศรษฐกิจโลกเพื่อรีเซ็ตมัน
ซึ่งก็คงต้องรีเซ็ตจริง ๆ
ก่อนจะใช้เวลา 20 นาทีอ่านบทความนี้ ควรรู้ไว้ว่าผู้เขียนคนนี้โพสต์ความเห็นที่ได้รับความนิยมแต่ผิดมาโดยตลอดนานกว่าสองปีแล้ว ในทำนองว่า AI กำลังล้มเหลว เป็นการเผาเงิน แย่ และจะไม่มีวันใช้งานได้จริง
ตัวอย่างเช่นบทความจากมีนาคม 2024 นี้ https://www.wheresyoured.at/peakai/
อยู่ไปสองปีเขาดูเหมือนคนบ้าชัด ๆ และพลาดตลาดหุ้นขาขึ้นครั้งใหญ่ แต่สุดท้ายเขาก็ถูก แน่นอนว่าหุ้นเทคก็ฟื้นตัวกลับมาอย่างช้า ๆ หลังจากนั้น
การทำนายจังหวะของเรื่องแบบนี้ขึ้นชื่อว่าโคตรยาก และการจับจังหวะผิดเมื่อสองปีก่อนไม่ได้แปลว่าจะไม่มีการปรับฐาน
Ed อาจน่าสนใจนิดหน่อยในฐานะเครื่องวัดอุณหภูมิ แต่ฉันรู้สึกว่ายากจะเอาสิ่งที่เขาเขียนมา seriously
Tim Lee ก็ชี้เหมือนกันว่าเมื่อ Ed โพสต์รายละเอียดของบทวิเคราะห์บางส่วน มันมีจุดแปลก ๆ อยู่พอสมควร: https://x.com/binarybits/status/2034377838883700953
พอป๊อปอัปสมัครรับจดหมายข่าวเด้งขึ้นมา ฉันก็ปิดแท็บทันที
Ed เป็นคนที่น่าสนใจ
การวิเคราะห์ทางการเงินของเขาเกี่ยวกับอุตสาหกรรม AI ฟังดูสมเหตุสมผลในเชิงตรรกะ แต่ฉันมีความรู้ไม่พอจะตัดสินได้ว่ามันถูกต้องจริงหรือไม่
แต่เขาดูจะโกรธ AI โดยรวมมากเกินไป จนเหมือนพลาดจุดที่ชัดเจนว่า LLM กำลังเปลี่ยนแปลงระดับ state of the art อยู่จริง
การเขียนโค้ดดูเหมือนจะเป็นหนึ่งในกรณีการใช้งานหลักของ LLM อย่างที่ Simon Willison เพิ่งชี้ไว้เมื่อไม่นานนี้ และต่อให้มันเป็นกรณีใช้งานจริงเพียงอย่างเดียว มันก็ยังมีประโยชน์มหาศาล
ประโยชน์ใช้สอยกับความสามารถในการทำกำไรเป็นคนละเรื่องกัน และฉันคิดว่า Ed ชี้ประเด็นสำคัญไว้ตรงนั้น บริษัทเหล่านี้จะทำกำไรไม่ได้จนกว่าค่า inference จะถูกลงมาก และแม้ผู้เล่นรายยักษ์บางรายจะยอมจ่ายราคา API token แต่ส่วนใหญ่จะไม่ทำ
ถ้าบริษัท AI ต้องมีรายได้ระดับหลายหมื่นล้านดอลลาร์เพื่อความอยู่รอด จะมีรายได้นั้นสัก 0.5%, 5% หรือ 50% มาจากการเปลี่ยน state of the art ก็ไม่เกี่ยวเลยแม้แต่น้อย
ประเด็นสำคัญไม่ใช่ว่ามันพลิกวงการไหม แต่คือบริษัทเหล่านี้จะไม่มีรายได้มาจ่ายบิล และถ้าพวกเขาจ่ายไม่ได้ บริษัทอื่นอีกมากก็จ่ายไม่ได้เช่นกัน
เพราะงั้นไม่ว่าจะมีการเปลี่ยนแปลงใหญ่หรือไม่ มันก็ยังเป็น ปราสาทไพ่ ที่รอวันพังอยู่ดี สิ่งที่จะเปลี่ยนภาพนี้ได้ไม่ใช่ “การเปลี่ยนแปลง” ที่มากขึ้น แต่ต้องเป็นชุดความสามารถที่ทำให้ฐานผู้ใช้ปัจจุบันโตขึ้นหลายเท่าหรือขึ้นราคาได้หลายเท่า
ในบางแง่มุมก็รู้สึกสดใหม่ทีเดียว หลายคนมักวิจารณ์ AI ในแง่นั้นแง่นี้ แต่สุดท้ายก็ต้องใส่คำแก้ต่างว่า “ถึงอย่างนั้นจริง ๆ แล้วฉันก็ชอบ AI มากและใช้ทุกวัน”
น่าจะเป็นการหลีกเลี่ยงสถานการณ์ที่พวกสายสร้างของใช้งานจริงจะกรูกันมาในคอมเมนต์เพื่อส่งมอบ nuance แบบสุขุม หรือพูดแบบปัจจุบันคือโดนพวกนักรบคีย์บอร์ดหัวร้อนที่มีปมในใจถล่มใส่ และการต้องฝ่าความทั้งสองฝ่ายแบบนี้ก็ชวนเหนื่อย
แต่จะใช้คำวิจารณ์แบบนั้นกับ Zitron ได้ยาก ไม่ว่าเขาจะพูดอะไร เขาก็ไม่กลัวที่จะดูเหมือนกำลังเลือกข้าง
ทั้งสามอย่างนี้เป็นจุดยืนที่แยกจากกันโดยสิ้นเชิง คุณอาจคิดว่า AI มีประโยชน์มากแต่ไม่ชอบมันเพราะมันอาจลดสถานะทางสังคมของคุณลงก็ได้ หรืออาจชอบเทคโนโลยีนี้แต่คิดว่า Sam Altman ไม่ซื่อสัตย์ก็ได้
แต่ผู้วิจารณ์สายต่อต้าน AI จำนวนมากกลับดูเหมือนรู้สึกว่าต้องยกทั้งสามข้ออ้างมาพร้อมกันอย่างประหลาด
ที่ตลกกว่านั้นคือ ถ้ามันไร้ประโยชน์จริง ก็ไม่จำเป็นต้องใส่ใจเลย ตลาดจะค้นพบเองในที่สุดว่ามันไร้ประโยชน์ ทุกอย่างจะกลับสู่ภาวะปกติ และคนที่คุณไม่ชอบก็จะเสียเงิน
แน่นอน ฉันไม่คิดว่าพวกเขาเชื่อจริง ๆ ว่ามันไร้ประโยชน์ ฉันคิดว่าใกล้เคียงกว่าคือพวกเขากังวลว่ามันจะส่งผลต่อศักดิ์ศรีของตัวเองอย่างไร และเฝ้าหวังอย่างแรงกล้าว่าวันหนึ่งทุกคนจะ “ตาสว่าง” และเชื่อร่วมกันว่า LLM เป็นแค่ นกแก้วเชิงสถิติ ที่ไม่มีประโยชน์ใช้สอยเท่านั้น แต่ผู้คนกำลังใช้มันทุกวันและเห็นมันพัฒนาขึ้นแบบเรียลไทม์
ข้อโต้แย้งของเขาคือ หากบริษัทเหล่านี้จะทำกำไรได้ ก็ต้องเกิดเรื่องใหญ่ระดับที่ไม่เคยมีมาก่อนก่อนปี 2022 โดยรวมฉันก็เห็นด้วย แต่ฉันคิดว่าเรื่องแบบนั้นเกิดขึ้นต่อเนื่องมาหลายปีแล้ว ดังนั้นมันก็น่าจะเกิดขึ้นต่อไป
ไม่มีเหตุผลอะไรเลยนอกจากบรรยากาศความรู้สึกที่จะเชื่อว่า inference แพง เมื่อดูจากข้อมูลและสัญชาตญาณแล้ว margin สูง
วิธีคิดแบบนี้ยิ่งทำให้ฉันเชื่อว่าผู้คนจำนวนมากพูดว่า “AI ไม่ทำกำไรและแพงเกินไป” เสมือนเป็นการระบายอารมณ์เพื่อตอบสนองต่อความก้าวหน้าครั้งใหญ่ ทั้งที่จริง ๆ แล้วพวกเขาไม่ได้รู้อะไรมากนัก
Zitron เป็นผู้ประกอบการที่ทำธุรกิจด้าน การสร้างคอนเทนต์ ไม่ใช่การทำนายให้แม่น
ไม่สำคัญหรอกว่าคนแบบเขาจะบอกว่าจุดจบมาถึงแล้วกี่ครั้ง ขอแค่ถูกสักครั้งเดียวก็พอ
แต่ ณ ตอนนี้ ในเรื่องเศรษฐศาสตร์เขาก็ถูกอยู่ไม่น้อย ยังไม่มีหนทางที่จะทำให้การลงทุนมหาศาลนี้คืนทุนได้
ในมุมมองของฉัน AI จะเปลี่ยนโลกอย่างรุนแรงแน่นอน
มันอาจทำให้แย่ลง ดีขึ้น หรือเป็นทั้งสองอย่างปนกันก็ได้ แต่ฉันไม่สงสัยในตัวมันเอง
การก้าวกระโดดที่เรียกว่า LLM เพิ่งเริ่มมาแค่ราว 5~6 ปีเท่านั้น เพื่อเทียบให้เห็นภาพ คลื่นวิทยุถูกค้นพบในปี 1886 และ Marconi นำมาใช้สื่อสารในปี 1895 ส่วนโทรศัพท์กับวิทยุก็อยู่ร่วมกันมาหลายสิบปี แต่โทรศัพท์มือถือและเทคโนโลยีไร้สายเพิ่งเติบโตอย่างจริงจังในปี 1995
เหตุผลที่ใช้เวลานานไม่ใช่เพราะฟิสิกส์ของคลื่นวิทยุต้องใช้เวลาจนสุกงอม แต่เพราะทุกอย่างอื่นที่จำเป็นต่อการทำกำไรจากมันต่างหากที่ต้องใช้เวลา
สำหรับฉัน LLM ใกล้เคียงกับ บล็อกตั้งต้น มากกว่าจะเป็น AI
มันอาจเทียบได้กับคลื่นวิทยุหรือทรานซิสเตอร์
เราเห็นอยู่แล้วว่าเป็นไปได้ที่จะนำ LLM มาเชื่อมกันเป็นเอเจนต์ ตอนนี้ราคาคือข้อจำกัดที่เข้มงวดต่อการเขียนโค้ดและเอเจนต์
ถ้าต้องการแค่ Claude Code หรือ Codex ก็ยังพอไหว แต่มีการผสม LLM อีกมากที่คนส่วนใหญ่ไม่กล้าทดลอง ตัวอย่างเช่น การขับเคลื่อนบทสนทนา NPC และกลไกของโลกในเกมด้วย LLM ยังทำไม่ได้จริงเพราะต้นทุน
ถ้าราคาฮาร์ดแวร์สำหรับ inference ลดลง และอัลกอริทึม inference ดีขึ้นต่อเนื่อง ฉันมั่นใจพร้อมกับรู้สึกหวาดกลัวว่าเราจะได้เห็นสิ่งที่ทุกวันนี้ยังจินตนาการได้ยาก
ต้นทุนไม่ใช่ปัญหา คำตอบและสถานการณ์ที่สอดคล้องกับบริบทมีจำนวนจำกัด จึงไม่จำเป็นต้องให้ LLM สร้างข้อความแบบเรียลไทม์ภายในเกม
แทนที่จะทำแบบนั้น เราสามารถใช้ LLM สร้างคลังข้อความขนาดมหาศาลของ “อะตอม” อย่างข้อความบทสนทนา ชิ้นส่วน และเบาะแส แล้วนำมาต่อเข้าด้วยกันแบบกำหนดแน่นอนตามอินพุตของผู้เล่นได้ และยังตรวจทานล่วงหน้าและทดสอบหลากหลายรูปแบบก่อนนำไปใช้จริงได้ด้วย
สำหรับผู้เล่นที่โต้ตอบภายในเกม ระบบแบบนี้ในขอบเขตของปฏิสัมพันธ์ที่ออกแบบไว้ จะแทบแยกไม่ออกในเชิงหน้าที่จากข้อความที่ถูกสร้างขึ้น
ข้อดีก็มีมาก ผู้เล่นอาจเห็นรอยต่อได้หากหลุดบทบาทแล้วจงใจลองแหย่ระบบ แต่ก็จะไม่ถูกนำไปใช้ผิดทางแบบ LLM
ช่างเป็นข้อสังเกตที่เฉียบคมเสียจริงที่สงสัยว่าสิ่งหนึ่งอาจทำให้ดีขึ้น แย่ลง หรือทั้งสองอย่างได้
คำพูดว่า “เรายังอยู่ช่วงต้นเกินไป” ก็แปลกเหมือนกัน มีโฆษณาใน Super Bowl ไปแล้วหลายตัว บริษัทที่แทบครองข่าวเทคโนโลยีก็ทำให้นักข่าวคอยทวนคำพูดไร้สาระของ CEO แบบคำต่อคำ และแม้จะพูดว่ามูลค่าบริษัทเกิน 1 ล้านล้านดอลลาร์ คนที่มีอำนาจจะโต้แย้งด้านการเงินก็ดูเหมือนจะมีแต่พยักหน้าเห็นด้วย
มีการสร้างดาต้าเซ็นเตอร์ขนาดหลายร้อยเอเคอร์ มีการทำสัญญาดาต้าเซ็นเตอร์ที่คงไม่มีวันเกิดขึ้นจริง และเรียกร้องเงินระดับหลายพันล้านดอลลาร์ทุกเดือน
มันกลืนกินซิลิคอนจนผู้คนมองเห็นกับตาว่าราคาฮาร์ดแวร์ขึ้นเป็นสองเท่า สามเท่า หรือมากกว่านั้น
ที่ทำงานหลายแห่งบังคับให้พนักงานใช้ AI ก่อนจะถอยกลับเมื่อเงินอุดหนุนหมดและต้นทุนจริงปรากฏจนไม่สนุกอีกต่อไป
แต่ถึงอย่างนั้นก็ยังบอกว่าต้องให้เวลาอีกมากขึ้น ต้องมีคนจับตาดูมากขึ้น ต้องมีคนเห็นมากขึ้น ผมนึกไม่ออกเลยว่าในประวัติศาสตร์ของคลื่นวิทยุเคยมีอะไรแบบนี้ที่ไหน
การจำลองสถานการณ์นั้นน่าเบื่อ
เหตุผลที่ Ed มองว่า “AI กำลังชะลอตัวลง” คือเพดานการใช้จ่ายของบริษัท โดยเฉพาะเพดาน 1,500 ดอลลาร์ต่อเดือนต่อเครื่องมือต่อวิศวกรของ Uber
ผมตีความหลักฐานเดียวกันนี้ในทางตรงกันข้ามอย่างสิ้นเชิง เมื่อ 1 ปีก่อน แค่ความคิดว่าบริษัทจะจ่าย 1,500 ดอลลาร์ต่อเดือนต่อพนักงานสำหรับเครื่องมือ AI ก็ฟังดูเหลือเชื่ออยู่แล้ว และก็อดคิดไม่ได้ว่าต้องใช้ AI ทำอะไรถึงแพงขนาดนั้น
แต่เมื่อโค้ดดิ้งเอเจนต์และเอเจนต์ที่ใช้งานได้กว้างขึ้นเรื่อย ๆ ปรากฏขึ้น ความต้องการจากพนักงานก็สูงมากจนบริษัทต้องตั้งข้อจำกัด
ตลาดรวมที่เป็นไปได้ทั้งหมดของบริษัท AI เหล่านี้กระโดดขึ้นไปเป็น 1,500 ดอลลาร์ต่อเดือนต่อแรงงานความรู้หนึ่งคน แล้ว แบบนี้จะเรียกว่าชะลอตัวได้อย่างไร
แต่ถ้าจะให้ผลตอบแทนการลงทุนคุ้ม ก็ต้องใช้เงินระดับนั้นหรือมากกว่านั้นทั่วโลก ซึ่งในระยะยาวไม่มีทางที่งบแบบนั้นจะผ่าน
บริษัทชอบลดต้นทุน และทันทีที่พวกเขาตัดสินว่ามีทางอื่นที่ให้คุณค่าเท่าเดิมหรือดีกว่า เหมือนกับที่พวกเขาลดคนได้ตามใจ งบแบบนั้นก็จะหายไปอย่างรวดเร็ว
หรือมันอาจหายไปง่าย ๆ เพราะแรงกดดันจากผู้ถือหุ้นที่ต้องการมูลค่าระยะสั้น
หมายความว่าแค่ใช้ Claude Code กับ Cursor ก็แตะ 3,000 ดอลลาร์ต่อเดือนได้ง่าย ๆ แล้ว และถ้ามี Codex เป็นอีกตัวเลือกหนึ่งก็อาจขึ้นไปถึง 4,500 ดอลลาร์
และอย่างที่คุณเขียนไว้ในบล็อก มันเป็น soft cap ที่สามารถขอเกินได้หากให้เหตุผลได้