เขียนโดย เเปา อี้หลง
ที่มา: Wall Street Journal
การใช้จ่ายด้าน AI ขององค์กรกำลังเผชิญกับการตรวจสอบอย่างเข้มงวด ปริมาณการใช้โทเค็นเพิ่มขึ้นอย่างต่อเนื่อง แต่คุณค่าทางธุรกิจที่วัดได้กลับหาได้ยาก
เมื่อวันที่ 22 พฤษภาคม แอนดรูว์ แมคโดนัลด์ หัวหน้าเจ้าหน้าที่ปฏิบัติการของ Uber ซึ่งมีมูลค่าตลาดเกิน 200 พันล้านดอลลาร์สหรัฐ ได้แสดงความเห็นในรายการพอดีว่า “ยังไม่มีเส้นเชื่อมระหว่างการเติบโตของการใช้โทเค็นกับการปรับปรุงผลิตภัณฑ์อย่างแท้จริง”
แมكدอนัลด์ชี้ว่า บริษัทกำลังพบความยากลำบากในการอธิบายเหตุผลให้กับค่าใช้จ่ายด้าน AI ที่เพิ่มสูงขึ้นอย่างต่อเนื่อง เขา thậmยยังสร้างคำใหม่ขึ้นมาเพื่ออธิบายปรากฏการณ์การสิ้นเปลืองภายในทีมวิศวกรรมว่า “tokenmaxxing” (การเพิ่ม Token ให้สูงสุด)
เมื่อต้นเดือนพฤษภาคมที่ผ่านมา ไมโครซอฟท์เริ่มลดจำนวนใบอนุญาต Claude Code ภายในองค์กร โดยอ้างว่าบิล Token ไม่สามารถดำเนินการต่อไปได้
เหตุการณ์ทั้งสองอย่างรวมกันทำให้ตลาดต้องหันมาให้ความสำคัญกับตัวแปรที่เคยถูกมองข้าม นั่นคือ เศรษฐศาสตร์ของโทเค็น หรือความคุ้มค่าในการใช้โทเค็นในระดับขนาดธุรกิจ ซึ่งได้รับการยกระดับจากหัวข้อรองๆ มาเป็นเสาหลักสำคัญของประเด็นการลงทุนใน AI ทั้งหมด
ห้าชุดข้อมูล สร้างภาพใหม่
ตั้งแต่เดือนเมษายน ชุดข้อมูลหลายชุดได้ถูกเปิดเผยอย่างต่อเนื่อง ร่วมกันสร้างภาพที่น่ากังวล
ในเดือนเมษายนปีนี้ หัวหน้าเจ้าหน้าที่เทคโนโลยีของ Uber ได้เปิดเผยว่า บริษัทใช้จ่ายงบประมาณ Claude Code ทั้งปีภายในเวลาสี่เดือน
ในจำนวนวิศวกร 5,000 คน อัตราการใช้งานรายเดือนอยู่ระหว่าง 84% ถึง 95% โดยค่าใช้จ่ายรายเดือนต่อคนอยู่ระหว่าง 150 ดอลลาร์ถึง 2,000 ดอลลาร์ และ CTO คนดังกล่าวรายงานว่าใช้โทเค็นมูลค่า 1,200 ดอลลาร์ในการสาธิตภายในระยะเวลาสองชั่วโมง
Macdonald กล่าวว่า当他得知ตัวเลขนี้แล้ว “ถึงกับตะลึงจนพูดไม่ออก”
ในส่วนของไมโครซอฟต์ ตามรายงานจากจดหมายข่าว Notepad ของ Tom Warren ภายใต้ The Verge Claude Code ได้รับความนิยมอย่างรวดเร็วในหมู่วิศวกรภายในไมโครซอฟต์ แต่รูปแบบการคิดค่าใช้จ่ายตาม Token ทำให้การใช้จ่ายในระดับใหญ่ยากที่จะรักษาไว้ได้ ไมโครซอฟต์จึงเริ่มลดการอนุญาตที่เกี่ยวข้อง
GitHub ประกาศว่าตั้งแต่วันที่ 1 มิถุนายน แผนทั้งหมดของ Copilot จะเปลี่ยนจากแบบสมัครสมาชิกแบบคงที่เป็นแบบคิดค่าบริการตามการใช้งาน
โพสต์อภิปรายอย่างเป็นทางการได้รับคะแนนต่อต้านใกล้เคียง 900 คะแนน เนื่องจากผู้ใช้บางรายคำนวณว่า หนึ่งเซสชันการเขียนโปรแกรมตัวแทนมักใช้เงิน 30 ถึง 40 ดอลลาร์ หมายความว่าแพ็กเกจค่าบริการเดือนละ 10 ดอลลาร์จะหมดไปในครั้งเดียวที่ใช้งาน
แพลตฟอร์มผลิตภาพนักพัฒนา Entelligence.AI ได้รวบรวมข้อมูลจากบริษัท 2,444 แห่งแล้วพบว่า:
- สำหรับค่าใช้จ่าย 1 ดอลลาร์สหรัฐสำหรับ AI Token มีเพียง 18 เซนต์เท่านั้นที่สร้างมูลค่าจริงในการเข้าถึงผู้ใช้
- 44 เซนต์ใช้สำหรับแก้ไขบั๊กที่ AI สร้างขึ้นเอง; 27 เซนต์ไหลไปยังงานที่ต้องทำซ้ำ; 11 เซนต์สูญเปล่าไปกับความยุ่งยากในการตรวจสอบ
ตามดัชนีค่าใช้จ่ายของโทเค็น Silicon Data LLM ของบลูมเบิร์ก ราคาโทเค็นได้เพิ่มขึ้นประมาณ 65% ตั้งแต่ปลายเดือนกุมภาพันธ์ปีนี้ ขณะที่ราคาซอฟต์แวร์ AI ของสหรัฐอเมริกาเพิ่มขึ้นสะสมระหว่าง 20% ถึง 37% ในช่วงปีที่ผ่านมา
การแข่งขันระหว่างผู้ซื้อและผู้ขาย: ข้อเท็จจริงเดียวกัน สองการตีความ
ข้อมูลเดียวกัน ภายใต้กรอบการวิเคราะห์ที่ต่างกัน สามารถนำไปสู่ข้อสรุปที่แตกต่างกันอย่างสิ้นเชิง
ผู้มองในแง่บวกเชื่อว่าความไม่แน่นอนในปัจจุบันเป็นเพียงช่วงเวลาแห่งความเจ็บปวดในการเปลี่ยนผ่านสู่ความสำเร็จ
ตามการวิเคราะห์ของ Jim Schneider จาก Goldman Sachs ในต้นเดือนพฤษภาคม ถึงปี 2030 ปัญญาประดิษฐ์แบบตัวแทนจะผลักดันการใช้งานโทเค็นให้เพิ่มขึ้น 24 เท่า ไปอยู่ที่ประมาณ 120 ล้านล้านล้านโทเค็นต่อเดือน และอัตรากำไรขั้นต้นของผู้ให้บริการคลาวด์ขนาดใหญ่มากและผู้ให้บริการโมเดลจะกลับมาเป็นบวกภายใน 3 ถึง 12 เดือนข้างหน้า
ริช พริโวโรตสกี้ จากโกลด์แมน แซคส์ มองว่า ไตรมาสแรกของปี 2026 อาจเป็นจุดสูงสุดของ “Token Maximization” 作为 KPI โดยอุตสาหกรรมกำลังเปลี่ยนจากความสนใจในปริมาณการใช้งานไปสู่การวัดผลที่มีสุขภาพดีกว่า นั่นคือ “ต้นทุนต่อการกระทำที่มีประสิทธิภาพ”
การวิจัยทางเศรษฐกิจของโกลด์แมน แซคส์ยังพบว่า จำนวนแพ็กเกจใหม่และแพ็กเกจที่อัปเดตของ Python บน PyPI เพิ่มขึ้นอย่างก้าวกระโดดในต้นปี 2026 ซึ่งไม่เคยเกิดขึ้นเมื่อ ChatGPT เปิดตัวในปี 2022 บ่งชี้ว่ากำลังเกิดการเพิ่มประสิทธิภาพทางผลิตภาพที่แท้จริง
นอกจากนี้ ค่า PER ปัจจุบันของ Mag 7 อยู่ที่ประมาณ 20 เท่าของกำไรในอนาคต ซึ่งต่ำกว่ามากเมื่อเทียบกับระดับสูงสุดของฟองสบู่เทคโนโลยีปี 2000 ที่ 52 เท่า ฟองสบู่ญี่ปุ่นปี 1989 ที่ 67 เท่า และยุค “Beautiful Fifty” ที่ 34 เท่า โดยมาตรฐานการวัดฟองสบู่ในอดีต ปัจจุบันไม่ได้เป็นฟองสบู่
มุมมองขาลงถูกอธิบายอย่างเป็นระบบโดยนักวิเคราะห์เซมิคอนดักเตอร์ของโกลด์แมน แซคส์ จิม คอเวลโล ในรายงานเดือนเมษายน
เขาชี้ให้เห็นว่า ค่าทั้งหมดในห่วงโซ่อุปทาน AI แทบทั้งหมดไหลไปยังบริษัทเซมิคอนดักเตอร์ ซึ่งเป็นปรากฏการณ์ที่ไม่เคยเกิดขึ้นมาก่อนในประวัติศาสตร์และไม่ยั่งยืน บริษัทชิปควรได้รับผลประโยชน์เมื่อลูกค้าได้รับผลประโยชน์ แต่ในวัฏจักรนี้ ความเจริญรุ่งเรืองของพวกมันเกิดขึ้นโดยการใช้ทรัพยากรจากทั้งห่วงโซ่อุปทานด้านบน
กำไรสุทธิของ NVIDIA เพิ่มขึ้นประมาณ 20 เท่าตั้งแต่เปิดตัว ChatGPT; ผู้ให้บริการคลาวด์ขนาดใหญ่ที่สุดทั้งหมดได้ใช้กระแสเงินสดจากการดำเนินงานหมดแล้ว และหันไปกู้ยืมเงิน—ปริมาณการออกหนี้ที่เกี่ยวข้องกับศูนย์ข้อมูลในปี 2025 อยู่ที่ประมาณ 182,000 ล้านดอลลาร์สหรัฐ เพิ่มเป็นสองเท่าเมื่อเทียบกับปี 2024
การวิจัยของ MIT Nanda แสดงให้เห็นว่า 95% ของบริษัทที่ลงทุนใน AI แบบสร้างสรรค์ได้รับผลตอบแทนเป็นศูนย์ การแยกตัวออกนี้อาจยังคงอยู่ได้ชั่วคราว แต่ไม่สามารถคงอยู่ได้นานเท่านั้น
ข้อกังวลเกี่ยวกับโครงสร้างการระดมทุนแบบหมุนเวียน
การอภิปรายนี้ยังรวมถึงมิติที่ซับซ้อนยิ่งขึ้น: วงจรทางการเงินระหว่างผู้ให้บริการคลาวด์ขนาดใหญ่มากกับห้องปฏิบัติการ AI
ตามเอกสารเปิดเผยข้อมูลที่รวบรวมโดย The Information บริษัท OpenAI และ Anthropic คิดเป็นสัดส่วนเกินครึ่งหนึ่งของคำมั่นในการให้บริการคลาวด์ในอนาคตมูลค่าประมาณ 2 ล้านล้านดอลลาร์สหรัฐจาก Microsoft, Oracle, Google และ Amazon โดยเฉพาะอย่างยิ่ง:
- คำสั่งซื้อคลาวด์ของไมโครซอฟต์มูลค่า 627 พันล้านดอลลาร์สหรัฐ โดย 280 พันล้านดอลลาร์สหรัฐเชื่อมโยงกับ OpenAI;
- ในยอดคำสั่งซื้อ 553 พันล้านดอลลาร์สหรัฐของ Oracle 54% (ประมาณ 300 พันล้านดอลลาร์สหรัฐ) มาจากข้อผูกพันของ OpenAI;
- ในจำนวน 467.6 พันล้านดอลลาร์สหรัฐของกูเกิล Anthropic คิดเป็น 43% (ประมาณ 200.0 พันล้านดอลลาร์สหรัฐ);
- การเปิดรับของแอมะซอนยังถึง 51% ของยอดสั่งซื้อค้างชำระ 464 พันล้านดอลลาร์สหรัฐ
โครงสร้างการระดมทุนนี้มีลักษณะเป็นวงจรภายใน ซึ่งไมโครซอฟท์ลงทุน 13,000 ล้านดอลลาร์สหรัฐใน OpenAI โดยหลักจะจ่ายเป็นคะแนน Azure OpenAI ใช้คะแนนเหล่านี้เพื่อซื้อพลังการคำนวณของ Azure ซึ่งไมโครซอฟท์จะบันทึกเป็นรายได้จากคลาวด์ทันที
ผู้ให้บริการคลาวด์ขนาดใหญ่เดียวกัน ทั้งเป็นผู้ลงทุนในห้องปฏิบัติการ AI และเป็นผู้ให้บริการที่เรียกเก็บค่าใช้จ่ายด้านกำลังการประมวลผล
โครงสร้างนี้ยังสะท้อนอยู่ในข้อมูลกำไร โดย Alphabet เปิดเผยกำไรไตรมาสแรกที่สูงเป็นประวัติการณ์ที่ 62.6 พันล้านดอลลาร์สหรัฐ โดยประมาณ 28.7 พันล้านดอลลาร์สหรัฐ หรือเกือบครึ่งหนึ่ง มาจากกำไรจากการเพิ่มมูลค่าทางบัญชีของหุ้นใน Anthropic
ในกำไรไตรมาสแรกมูลค่า 30.3 พันล้านดอลลาร์สหรัฐของ亚马逊 16.8 พันล้านดอลลาร์สหรัฐเป็นกำไรที่ยังไม่ได้รับ realization ก่อนหักภาษีจาก Anthropic ในขณะที่กระแสเงินสดเสรีลดลง 95% เหลือเพียง 1.2 พันล้านดอลลาร์สหรัฐ เนื่องจากค่าใช้จ่ายทุนสำหรับศูนย์ข้อมูลในช่วงเดียวกันอยู่ที่ 44.2 พันล้านดอลลาร์สหรัฐ
ความยั่งยืนของระบบนี้ขึ้นอยู่กับความสามารถของห้องปฏิบัติการ AI ในการรับการระดมทุนภายนอกอย่างต่อเนื่องเพื่อตอบสนองคำมั่นเกี่ยวกับคลาวด์คอมพิวติ้ง ซึ่งขึ้นอยู่กับความเต็มใจของลูกค้าองค์กรที่จะจ่ายค่าใช้จ่ายโทเค็นที่เพิ่มสูงขึ้นอย่างต่อเนื่อง
ตามรายงาน ปัจจุบัน Anthropic มีต้นทุนสูงถึง 3 ดอลลาร์สหรัฐต่อรายได้ 1 ดอลลาร์สหรัฐ เมื่อจังหวะการระดมทุนช้าลง ความน่าเชื่อถือของคาดการณ์รายได้จากคลาวด์จะลดลง และตัวคูณการประเมินมูลค่าของผู้ให้บริการคลาวด์ขนาดใหญ่จะเผชิญกับแรงกดดันในการทบทวนใหม่
สายโซ่นี้ถ่ายทอดแบบสองทิศทาง และจะหักแบบสองทิศทางเช่นกัน
นี่ไม่ใช่ปี 1999 แต่ปัญหานี้มีอยู่จริง
สถานการณ์ปัจจุบันไม่ได้เป็นการตั้งค่าฟองสบู่แบบดั้งเดิม
จากหลายเท่าของการประเมินมูลค่า ผู้เล่นรายใหญ่ด้านเทคโนโลยีทั้งเจ็ดรายในปัจจุบันมีอัตรา PER ล่วงหน้าประมาณ 20 เท่า ซึ่งต่ำกว่ามากเมื่อเทียบกับระดับสูงสุดของฟองสบู่เทคโนโลยีปี 2000 ที่ 52 เท่า ตลาดญี่ปุ่นปี 1989 ที่ 67 เท่า หรือยุค “Fabulous Fifty” ที่ 34 เท่า
เทคโนโลยี AI เป็นของจริง สำหรับกลุ่มผู้ใช้ที่ใช้งานหนัก ข้อมูลการเพิ่มประสิทธิภาพในการผลิตก็สามารถตรวจสอบได้ รายได้ต่อปีของ OpenAI อยู่ที่ประมาณ 20 พันล้านดอลลาร์สหรัฐ และของ Anthropic อยู่ที่ประมาณ 4.3 พันล้านดอลลาร์สหรัฐ ห้องปฏิบัติการทั้งสองแห่งจะไม่หายไปอย่างนั้น
ตอนนี้ ต้นทุนของโทเค็น (การใช้พลังการประมวลผล) ได้กลายเป็นปัจจัยสำคัญที่กำหนดความสำเร็จหรือล้มเหลวของ AI ขณะที่เมื่อหกเดือนก่อน ผู้คนแทบไม่พูดถึงหัวข้อนี้เลย
ในเวลานั้น ทุกคนสนใจเพียงว่า “เทคโนโลยีใช้งานได้ไหม” ตอนนี้คำตอบชัดเจนแล้ว: ในสายตาของงานเฉพาะบางประเภทและกลุ่มคนเฉพาะบางกลุ่ม เทคโนโลยีนั้นใช้งานได้จริง
แต่คำถามใหม่เกิดขึ้น: เงินที่บริษัทปลายทางประหยัดได้จากการใช้ AI สามารถถ่ายทอดกลับขึ้นไปได้ทันเวลาหรือไม่ เพื่อเอาชนะช่วงเวลาการประเมินมูลค่าที่ตลาดทุนมอบให้กับห้องปฏิบัติการ AI และผู้ให้บริการคลาวด์รายใหญ่?
ผู้ที่มองโลกในแง่ดีเกี่ยวกับ AI เชื่อว่า หากเทคโนโลยียังคงพัฒนาต่อไป ผลตอบแทนจากการลงทุน (ROI) ของบริษัทจะกลับมาเป็นบวกภายใน 1 ถึง 1.5 ปี
ผู้มองในแง่ลบเชื่อว่า จะมีผู้บริหารเพิ่มขึ้นอีกหลายคนที่จะร้องเรียนอย่างเปิดเผยเกี่ยวกับผลตอบแทนจากการลงทุนใน AI ที่ต่ำเกินไป และเริ่มตัดงบประมาณ
ทั้งสองความเป็นไปได้นี้อาจเกิดขึ้นพร้อมกัน และยังไม่มีผู้ชนะชัดเจน สิ่งเดียวที่แน่นอนคือ คำพูดหลอกลวงในอดีตที่ว่า “只要 Token 消耗量在涨，就说明 AI 转型成功” ได้ล่มสลายไปแล้ว
การใช้โทเค็นจำนวนมากไม่ได้หมายความว่ามีมูลค่าทางธุรกิจ ฟองสบู่ทั้งสองนี้สุดท้ายก็ต้องถูกระเบิดออก ใบแจ้งหนี้ของ AI ได้ถึงกำหนดแล้ว แต่สุดท้ายแล้วใครจะเป็นคนจ่ายเงินนี้? ยังเป็นเรื่องที่ยังไม่แน่นอน