การแข่งขันด้านราคาของ OpenAI และ Anthropic อาจเปลี่ยนรูปแบบการใช้งานโทเค็น AI และตลาดการคำนวณคริปโต

หัวข้อ: OpenAI เตรียมพร้อมรับมือสงครามราคากับ Anthropic — ความหมายต่อการ “tokenmaxxing” ของ AI และตลาดการประมวลผลของคริปโต รายงานระบุว่า OpenAI กำลังพิจารณาลดราคาอย่างลึกซึ้งสำหรับนักพัฒนาและองค์กร เพื่อเตรียมรับมือกับการเคลื่อนไหวที่คาดว่าจะเกิดขึ้นจากคู่แข่ง Anthropic ตามรายงานของ Wall Street Journal การเจรจาอยู่ในขั้นตอนที่ยังไม่แน่นอน — ทั้งสองบริษัทได้ยื่นคำขอ IPO โดยเป็นความลับในเดือนนี้ และยังไม่มีบริษัทใดทำกำไร — แต่แรงกดดันชัดเจน ข้อเท็จจริงสำคัญ - Sam Altman เคยกล่าวถึงราคาที่ต่ำลงในงานล่าสุด: “ผมคิดว่าเราจะมีหลายวิธีช่วยให้ผู้คนได้รับคุณค่ามากขึ้นในราคาที่จ่ายน้อยลง” ตามคำอ้างของ WSJ - กำไรดำเนินงานที่ปรับแล้วของ OpenAI ในไตรมาสแรกปี 2026 อยู่ที่ -122% (ขาดทุน $1.22 ต่อทุกเหรียญรายได้) - สัดส่วนการเข้าชมเว็บของ ChatGPT ในปริมาณการใช้งาน AI แบบสร้างเนื้อหาทั่วโลก ลดลงจาก 77.6% ในเดือนพฤษภาคม 2025 เป็น 53.7% ในเดือนเมษายน 2026 (Decrypt) - เป็นครั้งแรกที่บริษัทที่อยู่ในดัชนี Ramp AI มีจำนวนจ่ายค่าบริการให้ Anthropic มากกว่าให้ OpenAI - อัตราการใช้งานรายปีของ Anthropic พุ่งจาก $9 พันล้านปลายปี 2025 เป็น $47 พันล้านในเดือนพฤษภาคม 2026 — เพิ่มขึ้น 422% ในเวลาเพียงห้าเดือน — โดยได้รับแรงหนุนหลักจาก Claude Code ไตรมาสที่สองของปี 2026 เป็นไตรมาสแรกที่ Anthropic มีกำไร - OpenAI ได้ปรับลำดับความสำคัญเครื่องมือเขียนโค้ด (Codex) เป็นการตอบสนอง แต่ยังตามหลังอยู่ เหตุใดราคาจึงสำคัญ: การใช้งานอย่างบ้าคลั่งและการ “tokenmaxxing” บริษัททั่วโลกต่างเร่งนำ AI มาใช้งาน และการใช้งานกำลังพุ่งสูงขึ้นอย่างมาก ตัวอย่างที่ถูกอ้างอิงในการรายงาน: - CTO ของ Uber รายงานว่าใช้เงินงบประมาณด้าน AI ของบริษัทในปี 2026 หมดไปแล้วภายในเดือนเมษายน - พนักงานของ JP Morgan ในบางแผนกใช้จ่ายเงินสำหรับการใช้งาน AI มากกว่าเงินเดือนของตนเองเอง ตามคำกล่าวของหัวหน้าเจ้าหน้าที่ข้อมูลของธนาคาร - CEO ของ Palantir Alex Karp เปรียบเทียบพฤติกรรมนี้กับการติดยาเสพติดที่ AIPCon; นักวิเคราะห์ของ JP Morgan เตือนในบันทึกว่า “ค่าใช้จ่ายด้าน AI ควบคุมไม่ได้” คำศัพท์สแลงในซิลิคอนแวลลีย์ตอนนี้เรียกการใช้งานเกินจำเป็นนี้ว่า “tokenmaxxing” — การใช้ token ของโมเดล (หน่วยข้อมูลที่ AI ประมวลผล) ให้หมดเท่าที่จะทำได้ มักโดยไม่มี ROI ที่ชัดเจน รูปแบบธุรกิจคุ้นเคย: แผนผู้บริโภคแบบค่าคงที่ต่ำ (ราคา $20/เดือนแบบ ChatGPT) เป็นกลยุทธ์เพื่อดึงดูดผู้ใช้งาน; การใช้งานจริงในองค์กรจะย้ายไปสู่การเรียกเก็บเงินตาม API แบบจ่ายตามการใช้งาน ซึ่งใช้ทรัพยากรการประมวลผลมากกว่าและมีต้นทุนสูงกว่าสำหรับผู้ให้บริการ แรงกดดันเชิงโครงสร้างและมุมมองที่แตกต่างกัน - Tommy Shaughnessy จาก Delphi Ventures อ้างว่าค่าธรรมเนียมคงที่ $20 เสมออยู่ต่ำกว่าต้นทุนสำหรับผู้ใช้งานหนัก; ลูกค้าขนาดใหญ่จะย้ายไปใช้ API แบบ tokenized และเปิดเผยกำไร - ผู้วิพากษ์วิจารณ์โต้แย้งว่าแล็บตะวันตกแทบจะผูกขาดตลาดและสามารถเรียกเก็บค่าประมวลผลพรอมต์ในราคาสูง — โมเดลจีนบางตัวเรียกเก็บราคาต่ำกว่ามาก ซึ่งอาจบ่งชี้ถึงช่องว่างสำหรับความยืดหยุ่นด้านราคา - ผู้ใช้งาน X คนหนึ่งระบุว่ากำไรของผู้ให้บริการดู “บ้าคลั่ง” เมื่อเทียบกับต้นทุนฮาร์ดแวร์และพลังงาน; คนอื่นชี้ว่าผู้ให้บริการกำลังอุดหนุนการใช้งานเพื่อแย่งส่วนแบ่งตลาด โมเดลโอเพ่นซอร์สและผู้ให้บริการการประมวลผล: การเปลี่ยนแปลงครั้งใหญ่ โมเดลโอเพ่นซอร์สจากจีน (DeepSeek, GLM, MiMo, Kimi, Minimax) ถูกโฮสต์โดยผู้ให้บริการการประมวลผลที่เติบโตเร็ว และรายงานว่าสามารถแข่งขันกับ Claude Opus ในแบบทดสอบการเขียนโค้ดในราคาประมาณหนึ่งในสิบสามของราคาโมเดลปิด การสรุปของการเปลี่ยนแปลงเชิงโครงสร้างของ Shaughnessy จาก Delphi: แล็บจีนมักเปิดซอร์สมอดูลระดับแนวหน้า และต้นทุนโมเดลนี้เป็นค่าใช้จ่ายหลักสำหรับผู้ให้บริการการประมวลผล — เมื่อโมเดลฟรี ฐานต้นทุนของผู้ให้บริการจะต่ำมาก ผลกระทบ: - หากโมเดลประสิทธิภาพสูงยังคงเป็นโอเพ่นซอร์ส ราคาขั้นต่ำของการให้ปัญญาจะลดลงเรื่อยๆ ทำให้การฟื้นฟูกำไรของแล็บระดับพรีเมียม (OpenAI, Anthropic) เป็นไปทางคณิตศาสตร์อย่างยากลำบาก - แนวคิดจะกลับด้านก็ต่อเมื่อแล็บจีนรายใหญ่เปลี่ยนไปเป็นปิดซอร์ส — ซึ่งจะเป็นบวกสำหรับผู้ให้บริการสหรัฐฯ เหตุใดผู้อ่านคริปโตควรใส่ใจ - การลดต้นทุนการประมวลผล AI และสงครามราคาที่รุนแรงขึ้นมีผลกระทบโดยตรงต่อบริการที่พัฒนาสำหรับคริปโต: oracle บนโซ่, Trading Bot, การทำดัชนีบนโซ่, การสร้างเมตาดาตา NFT และการตรวจสอบสัญญาอัจฉริยะอาจมีต้นทุนในการดำเนินงานถูกลงมาก - เศรษฐศาสตร์กดดันผู้ให้บริการแบบกลางศูนย์ให้นวัตกรรมด้านราคาและโครงสร้างพื้นฐาน สิ่งนี้อาจเร่งการพัฒนาตลาดการประมวลผลแบบกระจายศูนย์และแบบ tokenized — สอดคล้องโดยธรรมชาติกับคริปโต: ตลาดที่ราคาการประมวลผลถูกกำหนดซื้อขายเป็นโทเค็น หรือผู้ตรวจสอบ/ผู้ Stake ส่งมอบวงจร GPU — เพื่อเป็นเกราะป้องกันค่า API ที่เพิ่มขึ้น - ในทางกลับกัน หากแล็บขนาดใหญ่อุดหนุนการใช้งานในระยะยาว จะสามารถกดดันผู้ให้บริการอินเฟอร์เรนซ์รายเล็กและชะลอกระบวนการกระจายศูนย์ — ทำให้โมเดลธุรกิจและโทเคโนมิกส์ของโครงการคำนวณแบบกระจายเป็นจุดออกแบบสำคัญ สรุป การแข่งขันระหว่าง OpenAI กับ Anthropic กำลังกลายเป็นสงครามราคาที่มีผลประโยชน์สูง โดยขับเคลื่อนโดยการรับรองอย่างรวดเร็วจากองค์กรและเศรษฐศาสตร์ของการเรียกเก็บเงินตาม token การใช้งาน โมเดลโอเพ่นซอร์สและการประมวลผลราคาถูกกำลังทำให้การฟื้นฟูกำไรของแล็บขนาดใหญ่ซับซ้อนขึ้น และเปิดโอกาสให้ตลาดการประมวลผลแบบกระจายศูนย์หรือแบบ tokenized — พื้นที่ที่โครงการคริปโตมีตำแหน่งเหมาะสมในการใช้ประโยชน์ หากสามารถกำหนดประสิทธิภาพ ความเชื่อถือได้ และโมเดลราคาได้อย่างแม่นยำ