แก่นแท้ของระบบสมาชิกสำหรับ AI คือการเปลี่ยนต้นทุนพลังการคำนวณที่ไม่สามารถควบคุมได้ให้เป็นโครงสร้างรายได้ที่คาดการณ์ได้ ซึ่งนี่จะเป็นคำถามหลักที่ตลาดจะถามบริษัท AI ซ้ำแล้วซ้ำเล่าในอนาคต

ผู้เขียนบทความ แหล่งที่มา: Wu Duidui

ปัญญาประดิษฐ์ในประเทศจีนสุดท้ายก็มาถึงจุดนี้แล้ว: ไม่สามารถพูดถึงผู้ใช้เพียงอย่างเดียวได้ ต้องพูดถึงการสร้างรายได้

ระยะการรับลูกค้าฟรีสิ้นสุดลง แอปพลิเคชัน AI เริ่มเข้าสู่ระยะ “การแบ่งชั้นต้นทุน + การแบ่งชั้นผู้ใช้ + การยืนยันเชิงพาณิชย์”

เมื่อเร็วๆ นี้ หน้าแอปสโตร์ของ DouBao ได้แสดงข้อมูลการสมัครสมาชิกแบบจ่ายเงิน: นอกจากเวอร์ชันพื้นฐานฟรี อาจมีเวอร์ชันมาตรฐาน 68 หยวน/เดือน เวอร์ชันเสริม 200 หยวน/เดือน และเวอร์ชันมืออาชีพ 500 หยวน/เดือน โดยค่าธรรมเนียมรายปีสูงสุดอยู่ที่ 5,088 หยวน

การตอบกลับของ DouBao จะยังคงเป็นบริการฟรีต่อไป ขณะเดียวกัน แผนบริการเพิ่มเติมยังอยู่ในขั้นตอนการทดสอบ และสิทธิประโยชน์ที่เกี่ยวข้องยังไม่ได้แสดงอย่างเป็นทางการในผลิตภัณฑ์ปัจจุบัน

เรื่องนี้สามารถพิจารณาได้จากหลายมุมมอง

เกี่ยวข้องกับต้นทุน โดยเฉพาะต้นทุนของผู้ใช้งานหนัก

จุดที่ยุ่งยากที่สุดของผลิตภัณฑ์เช่น DouBao คือ ยิ่งผู้ใช้ใช้งานมากเท่าใด ต้นทุนของแพลตฟอร์มก็ยิ่งสูงขึ้นเท่านั้น

ค่าใช้จ่ายอาจควบคุมได้หากผู้ใช้ทั่วไปถามคำถามไม่กี่ข้อเป็นครั้งคราว

แต่ถ้าผู้ใช้เริ่มทำสิ่งเหล่านี้:

เขียนบทความยาว สร้าง PPT วิเคราะห์ข้อมูล วิจัยเชิงลึก สร้างภาพ สร้างวิดีโอ พูดคุยแบบเรียลไทม์ด้วยเสียง และให้ Agent ดำเนินงานหลายขั้นตอน

นั่นก็หมายความว่าไม่ได้อยู่ในระดับต้นทุนเดียวกันเลย

ความสามารถหลักของเวอร์ชัน Mac ของ DouBao นอกเหนือจากการแชท ยังรวมถึง “การค้นหา การแก้ไขภาพ การเขียน การแปล การทำ PPT และการวิเคราะห์ข้อมูล” และเน้นที่การสร้างภาพและวิดีโอ การวิจัยเชิงลึก การจัดทำบันทึกการประชุม และการจัดการเอกสารและตารางข้อมูลในรูปแบบงานหนึ่งเดียว เฟเจอร์เหล่านี้โดยพื้นฐานแล้วต้องใช้ token มากกว่าการแชททั่วไป ต้องใช้การประมวลผลเชิงตรรกะมากขึ้น และต้องใช้พลังการประมวลผลแบบมัลติมอดัลมากขึ้น

ดังนั้นการเก็บค่าบริการของ DouBao จึงมีแนวโน้มสูงมากที่ไม่ได้เกิดจาก “การพูดคุยทั่วไปขาดทุนไม่ไหวแล้ว” แต่เนื่องจาก:

ความสามารถที่มีมูลค่าสูงและผู้ใช้ที่ใช้งานหนัก ไม่สามารถจัดหาให้ฟรีแบบไม่จำกัดได้อีกต่อไป

เวอร์ชันฟรียังสามารถคงอยู่ได้ เพื่อทำหน้าที่เป็นจุดเข้าใช้งาน เพิ่มผู้ใช้งานรายวัน และสร้างการรับรู้แบรนด์ แต่ฟีเจอร์ที่ใช้ทรัพยากรมากจริงๆ ควรจัดระดับผ่านสมาชิก ปริมาณการใช้งาน ลำดับความสำคัญ และเวอร์ชันโปร

ความท้าทายในการพาณิชย์ hóa AI คือ “รายได้คงที่ แต่ต้นทุนผันผวน”

มีความขัดแย้งที่เป็นธรรมชาติในระบบสมาชิก:

จำนวนเงินที่ผู้ใช้จ่ายรายเดือนนั้นคงที่ แต่จำนวน token ที่ผู้ใช้ใช้ไปไม่คงที่

สิ่งนี้แตกต่างจาก Netflix, Tencent Video หรือ iQIYI ซึ่งเมื่อแพลตฟอร์มวิดีโอผลิตซีรีส์เสร็จแล้ว ผู้ใช้ดูซ้ำหลายครั้งก็มีต้นทุนเพิ่มเติมค่อนข้างจำกัด แต่ AI นั้นต่างออกไป เพราะทุกการสนทนาเชิงลึก ทุกการสร้างวิดีโอ และทุกการวิเคราะห์บริบทยาว ต้องใช้ทรัพยากรการประมวลผลใหม่ทั้งหมด

รูปแบบซอฟต์แวร์แบบดั้งเดิมและรูปแบบของ Netflix คล้ายกันที่:

พัฒนาหนึ่งครั้ง → คัดลอกได้ไม่จำกัด → ต้นทุนเพิ่มเติมสำหรับการขายเพิ่มหนึ่งหน่วยใกล้เคียงกับศูนย์

แต่บริการโมเดลขนาดใหญ่คล้ายกับ:

การพัฒนาโมเดลหนึ่งครั้ง → ทุกครั้งที่เรียกใช้งานต้องใช้พลังการประมวลผล → ยิ่งผู้ใช้มากขึ้นและใช้งานลึกขึ้น ต้นทุนการอนุมานยิ่งสูงขึ้น

API ของ OpenAI, Azure OpenAI ฯลฯ คิดค่าใช้จ่ายตาม token ซึ่งชี้ให้เห็นว่า: token ขาเข้า, token ขาออก, บริบทยาว, และการแคชข้อมูลขาเข้า มีราคาต่างกัน โดยทั่วไป token ขาออกจะแพงกว่าอย่างชัดเจน

บนหน้าราคาอย่างเป็นทางการของ OpenAI GPT-5.5 สำหรับบริบทสั้น ค่าใช้จ่ายคือ 2.5 ดอลลาร์สหรัฐต่อล้านโทเค็นสำหรับการป้อนข้อมูล และ 15 ดอลลาร์สหรัฐต่อล้านโทเค็นสำหรับการส่งออก โดยค่าใช้จ่ายสำหรับการป้อนข้อมูลที่แคชจะต่ำกว่ามาก

นี่ไม่ใช่โมเดลทางเศรษฐกิจเดียวกับการขาย Office การขาย Photoshop หรือการขายระบบปฏิบัติการ

เครื่องมือ Volcano Engine ของ ByteDance ก็แสดงตรรกะที่คล้ายกัน: ราคาของโมเดล Doubao สำหรับนักพัฒนาถูกคิดตามจำนวนล้านโทเค็น เช่น Doubao-Seed-2.0-pro แสดงราคาเริ่มต้นที่ 3.2 หยวนต่อล้านโทเค็นอินพุต และ 16 หยวนต่อล้านโทเค็นเอาต์พุต

นี่แสดงให้เห็นถึงปัญหาพื้นฐานอย่างหนึ่ง:

ผลิตภัณฑ์ AI ดูเหมือนเป็นการสมัครสมาชิก แต่ระบบพื้นหลังกลับคิดค่าบริการตามการใช้งาน อย่างไรก็ตาม มันก็ไม่ได้เหมือนร้านอาหารอย่างสมบูรณ์

ควรกล่าวอย่างแม่นยำกว่านั้นว่า:

AI เป็นการผสมผสานระหว่างบริษัทซอฟต์แวร์ บริษัทคลาวด์คอมพิวติ้ง และบริษัทอุตสาหกรรมที่ใช้พลังงานสูง

หากผู้ใช้จ่ายเดือนละ 68 หยวน แต่สร้าง PPT วิดีโอ และรายงานยาวอย่างหนักหน่วง ค่าใช้จ่ายอาจกินหมดรายได้ส่วนใหญ่

หากผู้ใช้จ่ายเดือนละ 500 หยวน แต่ใช้หลักๆ สำหรับงานที่มีมูลค่าสูง และการใช้งานอยู่ในขอบเขตที่ควบคุมได้ ก็ถือเป็นธุรกิจที่ดี

ดังนั้น การสมัครสมาชิก AI จึงเป็นการดำเนินการอย่างหนึ่ง:

แปลงต้นทุนพลังงานการขุดที่ไม่สามารถควบคุมได้ เป็นโครงสร้างรายได้ที่สามารถคาดการณ์ได้

เปลี่ยนจากการแข่งขันด้านขนาดผู้ใช้ เป็นการแข่งขันด้าน ARPU

ก่อนหน้านี้ การแข่งขันของแอปพลิเคชัน AI ในประเทศจีน ส่วนใหญ่เป็นการแข่งขันเพื่อชิงผู้ใช้ด้วยการให้บริการฟรี

เหตุใด DouBao จึงสามารถเติบโตได้ใหญ่? นอกจากผลิตภัณฑ์จะมีข้อได้เปรียบแล้ว ยังเนื่องจาก ByteDance มีปริมาณการเข้าถึงสูง ความสามารถด้านผลิตภัณฑ์แข็งแกร่ง และอุปสรรคในการใช้งานฟรีต่ำ DouBao เป็นแอปการสนทนา AI ที่ใช้มากที่สุดในจีน ข้อมูลจาก QuestMobile แสดงว่าผู้ใช้งานรายสัปดาห์อยู่ที่ประมาณ 155 ล้านคน ในขณะที่ DeepSeek มีประมาณ 81.6 ล้านคน; ในเวลาเดียวกัน Alibaba ก็ผลักดันการเติบโตของผู้ใช้ Qwen ผ่านการอุดหนุนจำนวนมหาศาล

แต่โหมดฟรีมีปัญหาหนึ่งประการ:

ยิ่งมีผู้ใช้จำนวนมาก ความกดดันด้านต้นทุนยิ่งเป็นจริง

โดยเฉพาะอย่างยิ่ง ผลิตภัณฑ์ AI ของจีนในขณะนี้ยังมีการแข่งขันด้านราคา DeepSeek ได้ลดต้นทุนโมเดลลงอย่างมาก ในขณะที่อาลี ไบต์แดนซ์ Tencent และ Baidu ต่างก็ไม่ต้องการสูญเสียจุดเข้าถึง จึงทำให้ AI สำหรับผู้บริโภคตกอยู่ในสถานการณ์ที่ลำบากใจ:

ผู้ใช้คิดว่า AI ควรฟรี; แพลตฟอร์มรู้ว่า AI ไม่สามารถให้บริการฟรีแบบไม่จำกัดได้; นักลงทุนต้องการเห็นการเติบโต; ภายในบริษัทต้องการเห็นวงจรธุรกิจ

การเปิดตัวเวอร์ชันจ่ายเงินของ DouBao หมายความว่ามันต้องการทดสอบคำถามหนึ่ง:

ผู้ใช้จีนต้องการจ่ายเงินสำหรับงาน流 AI หรือไม่?

ไม่ได้จ่ายเงินสำหรับ “การแชท” แต่จ่ายเงินสำหรับ “ช่วยประหยัดเวลาของฉัน ทำสไลด์ PPT เขียนรายงาน ทำการวิจัย จัดการข้อมูล และสร้างวิดีโอ”

ความแตกต่างนี้สำคัญมาก

ผู้ใช้ยากที่จะจ่าย 500 หยวนต่อเดือนสำหรับ “คุณมาคุยกับฉัน”

แต่ถ้ามันสามารถช่วยผู้ประกอบอาชีพด้านเนื้อหา ผู้ขาย ครู นักเรียน ผู้ดำเนินการ และที่ปรึกษาด้านการให้คำปรึกษา ประหยัดเวลาได้ 1–2 ชั่วโมงต่อวัน ราคา 68 หยวน 200 หยวน หรือ 500 หยวน ก็จะมีความยอมรับที่ต่างกันอย่างมาก

สิ่งนี้ยังแสดงให้เห็นว่า: เวอร์ชันฟรีของ AI จะยังคงมีอยู่ แต่เวอร์ชันฟรีจะค่อยๆ มีข้อจำกัดมากขึ้น

ในอนาคต แอปพลิเคชัน AI แบบเนื้อแท้ภายในประเทศมีแนวโน้มสูงที่จะไม่ใช่การคิดค่าบริการแบบเดียว แต่จะเป็นโครงสร้างสี่ชั้น:

ระดับที่หนึ่ง: เวอร์ชันฟรี

ใช้สำหรับดึงผู้ใช้ใหม่ สร้างนิสัยการใช้งาน และรักษาส่วนแบ่งตลาด การสนทนาทั่วไป คำถามพื้นฐาน และการค้นหาแบบเบาๆ จะยังคงให้บริการฟรี

ระดับที่สอง: สมาชิกราคาถูก

สำหรับผู้ใช้ทั่วไปที่ซื้อขายบ่อย เช่น วงเงินสูงขึ้น ความเร็วเร็วขึ้น รอคิวน้อยลง และโมเดลที่ดีกว่า

ระดับที่สาม: รุ่นโปร

ขายให้กับผู้สร้างเนื้อหา ผู้ใช้งานในสายอาชีพ นักเรียน โปรแกรมเมอร์ และนักวิจัย ได้แก่ PPT การวิเคราะห์ข้อมูล การวิจัยเชิงลึก การจัดการเอกสาร โค้ด และบริบทยาว

ระดับที่สี่: บริการสำหรับองค์กร/API/ตัวแทน

คิดค่าบริการตามปริมาณการใช้งาน หรือแพ็กเกจ + คิดค่าใช้จ่ายเพิ่มเติมเมื่อเกิน额度 นี่คือส่วนที่แท้จริงที่สามารถขับเคลื่อนโมเดลธุรกิจได้

ระดับที่ 68, 200 และ 500 ที่ DouBao ประกาศในขณะนี้ 本质上คือการทดสอบการแบ่งชั้นนี้

เวอร์ชันฟรีแก้ปัญหา “ขนาดผู้ใช้”; เวอร์ชันมาตรฐานแก้ปัญหา “ผู้ใช้ที่จ่ายเงินในระดับเบา”; เวอร์ชันเสริมและเวอร์ชันโปรแก้ปัญหา “การคืนทุนจากผู้ใช้หนัก”

ChatGPT, Claude, Gemini, Kimi, Tongyi, Zhipu, DouBao ได้หรือกำลังจะเข้าสู่โครงสร้างที่คล้ายกัน ความแตกต่างอยู่ที่: รุ่นฟรีของใครแข็งแรงที่สุด สิทธิประโยชน์แบบจ่ายเงินของใครรู้สึกชัดเจนที่สุด และใครควบคุมต้นทุนได้ดีที่สุด

ทำไมการสมัครใช้งาน AI ถึงยากกว่า SaaS แบบดั้งเดิม?

การมีผู้ใช้เพิ่มขึ้นหนึ่งราย การมีการสนทนาเพิ่มขึ้นหนึ่งครั้ง การสรุปบทความยาวเพิ่มขึ้นหนึ่งครั้ง และการให้ Agent ดำเนินงานเพิ่มขึ้นหนึ่งครั้ง ล้วนต้องใช้ทรัพยากร GPU สำหรับการประมวลผล การใช้ไฟฟ้า หน่วยความจำกราฟิก แบนด์วิดธ์ การจัดเก็บ และการดูแลรักษาด้านวิศวกรรมเพิ่มขึ้น

ดังนั้น ปัญหาที่สำคัญที่สุดของบริษัทแอปพลิเคชัน AI ไม่ใช่:

มีผู้ใช้ไหม

แต่เป็น:

ผู้ใช้ยิ่งมาก ยิ่งทำกำไร หรือยิ่งสูญเสียเงิน?

สิ่งนี้ต่างจาก SaaS แบบดั้งเดิมอย่างมาก ใน SaaS แบบดั้งเดิม หลังจากระบบถูกสร้างขึ้นแล้ว กำไรขั้นต้นจากการรับลูกค้ารายใหม่มักสูงมาก แต่สำหรับผลิตภัณฑ์ AI หากผู้ใช้ใช้งานอย่างมาก กลับอาจนำไปสู่ต้นทุนการประมวลผลที่สูงขึ้น ปัญหานี้เองคือสิ่งที่ตลาดกังวลเกี่ยวกับผลตอบแทนจากการลงทุนด้าน AI ของบริษัทเทคโนโลยีขนาดใหญ่ บริษัทใหญ่ๆ เช่น Alphabet, Microsoft, Meta, Amazon ได้ลงทุนด้าน AI ในปริมาณมหาศาลในปีนี้ และนักลงทุนเริ่มให้ความสนใจมากขึ้นว่าค่าใช้จ่ายด้าน AI เหล่านี้จะใช้เวลานานแค่ไหนกว่าจะให้ผลตอบแทนที่เพียงพอ

แต่การสมัครรับข้อมูล AI ไม่สามารถเปรียบเทียบได้ง่ายๆ กับร้านอาหาร เพราะร้านอาหารยากที่จะลดต้นทุนของ “ชามก๋วยเตี๋ยว” ลง 80% ทุกปี

แต่ AI สามารถทำได้

เนื่องจากต้นทุนการให้เหตุผลของโมเดลจะถูกกดดันอย่างต่อเนื่องจากสิ่งต่างๆ หลายประการ:

ประการแรก ชิปมีประสิทธิภาพดีขึ้น ประการที่สอง โมเดลมีขนาดเล็กลง การกลั่น การควอนติซ และการจัดเส้นทาง MoE แม่นยำยิ่งขึ้น ประการที่สาม การแคช การประมวลผลเป็นชุด และการใช้ซ้ำบริบทจะลดต้นทุนการคำนวณซ้ำ ประการที่สี่ งานหลายอย่างไม่จำเป็นต้องใช้โมเดลที่ทรงพลังที่สุด สามารถใช้โมเดลขนาดเล็กทำได้ ประการที่ห้า บริษัทจะเปลี่ยนจาก “สะสมโทเค็นอย่างไม่เลือก” เป็น “ใช้โทเค็นน้อยลงต่อผลลัพธ์ทางธุรกิจแต่ละอย่าง”

ดังนั้นต้นทุนขอบของ AI จึงไม่ใช่ศูนย์ แต่มันก็ไม่ใช่ต้นทุนวัตถุดิบที่คงที่

มันคล้ายกับคลาวด์คอมพิวติ้งยุคแรก: เริ่มต้นมีราคาสูง แต่การขยายขนาด ฮาร์ดแวร์ และการปรับปรุงซอฟต์แวร์จะลดต้นทุนอย่างต่อเนื่อง

นี่คือเหตุผลที่ค่าใช้จ่ายในการ “จัดเก็บข้อมูลนำเข้า” ในราคาของ OpenAI ถูกกว่าการนำเข้าทั่วไปมาก การมีกลไกการจัดเก็บข้อมูลแสดงว่าผู้ให้บริการ AI กำลังพยายามเปลี่ยนการคำนวณซ้ำๆ ให้เป็นขั้นตอนที่มีต้นทุนต่ำกว่าและคล้ายกับซอฟต์แวร์

สิ่งนี้ทำให้บริษัท AI ต้องตอบคำถามสามข้อพร้อมกัน:

ประการแรก ผู้ใช้ยินดีจ่ายเงินเท่าใด? นี่คือส่วนรายได้

ประการที่สอง ผู้ใช้จะใช้ token ไปเท่าใดต่อเดือน? นี่คือด้านต้นทุน

ثالثly ต้นทุนของโมเดลจะลดลงเร็วพอที่จะทันอัตราการเติบโตของการใช้งานหรือไม่? นี่คือด้านกำไร

ถ้าคำตอบคือ:

ผู้ใช้ยินดีจ่าย 200 หยวน แต่มีค่าใช้จ่ายเดือนละ 150 หยวน ดังนั้นธุรกิจนี้จึงไม่ดีนัก

หากคำตอบคือ: ผู้ใช้ยินดีจ่าย 200 หยวน; ต้นทุนเพียง 20 หยวน และสามารถลดลงเหลือ 10 หยวนได้เมื่อโมเดลได้รับการปรับปรุง

การใช้งาน AI จึงกลับมาใกล้เคียงกับธุรกิจซอฟต์แวร์ที่ดีอีกครั้ง

ดังนั้น ตัวชี้วัดหลักที่แท้จริงของโมเดลธุรกิจ AI ไม่ใช่ DAU หรือจำนวนการดาวน์โหลด แต่คือ:

รายได้ต่อผู้ใช้ที่จ่ายเงิน / ต้นทุนการประมวลผลต่อผู้ใช้ที่จ่ายเงิน

นั่นคือแบบจำลองเศรษฐกิจต่อหน่วยในรูปแบบ AI

สิ่งนี้จะส่งผลกลับต่อตลาด AI

เมื่อเชื่อมโยงกับตลาดหุ้น ประเด็นนี้สำคัญมาก

ตลาดตอนนี้กำลังเทรด AI ระยะแรกที่มองคือ:

ความต้องการพลังการคำนวณจะระเบิดขึ้นไหม

ดังนั้น NVIDIA, TSMC, Broadcom, การจัดเก็บข้อมูล, อุปกรณ์ไฟฟ้า และศูนย์ข้อมูลจึงพุ่งขึ้น

ระยะที่สอง ตลาดจะถามว่า:

แอปพลิเคชัน AI มีผู้ใช้หรือไม่

ดังนั้น จำนวนผู้ใช้ของ ChatGPT, DouBao, Kimi, Qwen, Copilot และ Gemini จะได้รับความสนใจ

ขั้นตอนที่สาม ซึ่งเป็นขั้นตอนที่สำคัญที่สุดต่อไป ตลาดจะถามว่า:

ผู้ใช้เหล่านี้สามารถจ่ายเงินได้หรือไม่? หลังจากจ่ายเงินแล้วพวกเขาจะสามารถทำกำไรได้หรือไม่?

การที่ DouBao ประกาศคิดค่าบริการ แท้จริงแล้วคือการเริ่มต้นระยะที่สาม

หากในอนาคตเห็นสัญญาณเหล่านี้ ตลาด AI จะมีสุขภาพดีขึ้น:

อัตราการแปลงเป็นผู้ใช้จ่ายดี; ผู้ใช้ไม่ได้หายไปจำนวนมากเนื่องจากค่าใช้จ่าย; มีผู้ซื้อเวอร์ชันโปรที่มีราคาสูง; ลูกค้าองค์กรเริ่มซื้อแบบปริมาณใหญ่; ต้นทุนการประมวลผลลดลงอย่างต่อเนื่อง; ฟีเจอร์ AI ช่วยเพิ่มความสามารถในการปรับราคาได้จริง

แต่ถ้าเห็นสัญญาณตรงข้าม:

ผู้ใช้ต้องการใช้งานฟรีเท่านั้น; รุ่นจ่ายเงินมีชื่อเสียงไม่ดี; แพลตฟอร์มลดราคาและส่งเสริมการขายอย่างต่อเนื่อง; ผู้ใช้ความถี่สูงทำให้ต้นทุนพุ่งสูง; รายได้จากการใช้งาน AI เติบโตเร็วแต่กำไรขั้นต้นไม่ดี

ตลาดก็จะเริ่มสงสัย:

การใช้งานปัญญาประดิษฐ์ในระดับแอปพลิเคชันเป็นธุรกิจที่ดีไหม?

สิ่งนี้จะส่งผลกระทบต่อซัพพลายเชนด้านบนต่อไป เพราะหากแอปพลิเคชันไม่สามารถสร้างรายได้ ผู้ให้บริการคลาวด์และผู้พัฒนาโมเดลจะถูกถามว่า: ทำไมคุณยังคงเพิ่มการลงทุนด้านทุนถาวรต่อไป?

บริษัท AI ต่างกัน มีแบบจำลองทางเศรษฐกิจที่แตกต่างกันอย่างสิ้นเชิง

ยังมีอีกปัญหาหนึ่งคือ ไม่สามารถมองบริษัท AI ทั้งหมดเป็นกลุ่มเดียวกันได้

1. NVIDIA, TSMC, การจัดเก็บข้อมูล, อุปกรณ์ไฟฟ้า

เหล่านี้คือผู้ขายจอบ ยิ่งผู้อื่นใช้ AI มากเท่าไร พวกมันก็ยิ่งทำกำไรได้มากเท่านั้น

พวกเขาไม่ต้องรับภาระค่าใช้จ่ายของโทเค็นจากผู้ใช้ปลายทาง แต่กลับใช้เงินทุนที่เพิ่มขึ้นจากความขยายตัวของการประมวลผลและการฝึกอบรม AI

2. ผู้ให้บริการคลาวด์: Microsoft, Google, Amazon

พวกมันอยู่ระหว่างกลาง

ในทางหนึ่ง AI ช่วยขับเคลื่อนรายได้จากคลาวด์ให้เติบโต ในทางตรงกันข้าม พวกมันต้องรับภาระค่าใช้จ่ายทุนใหญ่ ค่าเสื่อมราคา ค่าไฟฟ้า และค่าใช้จ่ายศูนย์ข้อมูล Reuters Breakingviews ชี้ให้เห็นว่าค่าใช้จ่ายด้าน AI ของบริษัทขนาดใหญ่กำลังขยายตัวอย่างมาก แต่ตลาดยิ่งกังวลว่าการลงทุนเหล่านี้จะสร้างผลตอบแทนที่ชัดเจนได้หรือไม่

ดังนั้นปัญหาของผู้ให้บริการคลาวด์คือ:

รายได้จากคลาวด์ AI จะเพียงพอที่จะครอบคลุมต้นทุนศูนย์ข้อมูล GPU การเสื่อมค่า และค่าไฟฟ้าหรือไม่?

3. บริษัทแอปพลิเคชัน AI: Copilot, ChatGPT, Agent ต่างๆ

ยิ่งผู้ใช้ใช้งานมากเท่าไร ต้นทุนก็ยิ่งสูงขึ้น หากเป็นระบบสมัครสมาชิกแบบคงที่ เช่น เก็บค่าธรรมเนียมคงที่ต่อเดือน แต่ผู้ใช้ใช้งานอย่างหนักหน่วง กำไรขั้นต้นจะถูกกินจนหมด

ดังนั้น สถานการณ์ที่สมบูรณ์แบบที่สุดของการใช้งาน AI ไม่ใช่ “ผู้ใช้พูดคุยแบบไม่สิ้นสุด” แต่คือ:

ผู้ใช้ยินดีจ่ายค่าบริการสูง แต่การใช้โทเค็นจริงสามารถควบคุมได้

ตัวอย่างเช่น บริษัทยินดีจ่ายเดือนละ 30, 50 หรือ 100 ดอลลาร์สหรัฐสำหรับผู้ช่วยขาย AI, ผู้ช่วยเขียนโค้ด AI หรือผู้ช่วยกฎหมาย AI แต่ต้นทุนการประมวลผลที่แท้จริงอยู่ที่เพียงไม่กี่ดอลลาร์สหรัฐ นั่นคือธุรกิจที่ดี

4. บริษัทซอฟต์แวร์แบบดั้งเดิมบวกกับ AI

ตัวอย่างเช่น บริษัทอย่าง Microsoft, Adobe, Salesforce หากสามารถเพิ่มฟังก์ชัน AI เข้าไปในซอฟต์แวร์เดิม เพื่อเพิ่ม ARPU โดยไม่ให้ค่าใช้จ่ายบานปลาย พวกเขาก็สามารถเปลี่ยน AI ให้เป็นเครื่องมือในการขึ้นราคา

AI สำหรับพวกเขาไม่ใช่การเริ่มต้นธุรกิจใหม่ แต่เป็นช่องทางการแจกจ่ายซอฟต์แวร์เดิม + แพ็กเกจเพิ่มมูลค่าด้วย AI

ดังนั้น ความแตกต่างในการประเมินมูลค่าที่ใหญ่ที่สุดของ AI อยู่ที่นี่

ไม่จำเป็นต้องถกเถียงว่า AI มีประโยชน์หรือไม่ มีอนาคตหรือไม่ AI คืออนาคตแน่นอน

คำถามที่ลึกซึ้งยิ่งขึ้นคือ: AI แท้จริงแล้วเป็นซอฟต์แวร์ที่มีอัตรากำไรขั้นต้นสูง หรือเป็นธุรกิจที่ต้องใช้ทุนหนัก?

ผู้มองในแง่ดีเชื่อว่า:

ต้นทุนของ AI จะลดลงอย่างรวดเร็ว การใช้งานจะระเบิดขึ้น ARPU จะเพิ่มขึ้น และในที่สุดมันก็ยังคงเป็นธุรกิจซอฟต์แวร์ที่มีอัตรากำไรสูง

ผู้มองในแง่ลบเชื่อว่า:

ปัญญาประดิษฐ์จะกลายเป็นการแข่งขันอาวุธ ทุกคนต้องซื้อ GPU สร้างศูนย์ข้อมูล และจ่ายค่าไฟฟ้า แต่ผู้ใช้อาจไม่ยินดีจ่ายราคาสูงพอสำหรับแต่ละโทเค็น สุดท้ายกำไรจะถูกกินไปด้วยต้นทุนโครงสร้างพื้นฐาน

ฉันคิดว่าความจริงอยู่ตรงกลาง:

โมเดลพื้นฐานและโครงสร้างพื้นฐานบนคลาวด์จะยิ่งมีลักษณะเหมือนอุตสาหกรรมที่ต้องใช้ทุนสูง; เฉพาะแอปพลิเคชัน AI ที่มีการกระจายตัว มีบริบทใช้งาน และมีอำนาจในการกำหนดราคาเท่านั้นที่จะมีโอกาสกลับมาเป็นธุรกิจซอฟต์แวร์อีกครั้ง

นี่ยังอธิบายว่าทำไมราคาของ AI อาจแตกต่างกัน

ระยะที่หนึ่ง ตลาดซื้อ:

ใครเกี่ยวข้องกับ AI ใครจะขึ้น

ในขั้นที่สอง ตลาดจะถามว่า:

ใครสามารถเปลี่ยน AI ให้เป็นรายได้?

ขั้นที่สาม ตลาดจะยังคงถามว่า:

ใครสามารถแปลงรายได้จาก AI เป็นกำไรและกระแสเงินสดเสรีได้

AI ไม่เหมือนซอฟต์แวร์แบบดั้งเดิมที่ “ขายเพิ่มอีกหนึ่งหน่วยแทบไม่มีต้นทุน” เพราะทุกครั้งที่ให้บริการจะต้องใช้พลังการคำนวณ จึงมีลักษณะต้นทุนแบบร้านอาหาร คลาวด์คอมพิวติ้ง และบริษัทอุตสาหกรรมโดยธรรมชาติ

แต่ AI ไม่ได้เป็นเชิงเส้นเหมือนร้านอาหาร เพราะการปรับปรุงโมเดล การแคช ความก้าวหน้าของชิป การประมวลผลแบบแบทช์ และการส่งต่อแบบโมเดลเล็ก ทำให้ต้นทุนต่อหน่วยลดลงอย่างต่อเนื่อง

ดังนั้น สิ่งที่ควรพิจารณาในโมเดลธุรกิจของ AI จริงๆ ไม่ใช่ “มีรายได้หรือไม่” แต่คือ:

แต่ละดอลลาร์สหรัฐของรายได้จาก AI ต้องใช้ต้นทุน GPU ไฟฟ้า และโทเค็นเท่าใด

นี่คือคำถามหลักที่ตลาดจะถามบริษัท AI ซ้ำแล้วซ้ำเล่าในอนาคต

อนาคตของ AI จะมีกำไรสุทธิเท่าใด