บทความใหม่จาก a16z: จากฟาร์มขุดคริปโตเคอร์เรนซีไปจนถึงคลาวด์ AI ทำไม "คลาวด์รูปแบบใหม่" จึงใช้เงินมากขึ้นเรื่อยๆ ในขณะที่เติบโตขึ้น?

ชื่อเรื่องเดิม: บทวิจารณ์ประจำสัปดาห์: หัวหน้าเข้าสู่โลกคลาวด์ใหม่ ผู้เขียนเดิม: Moses Sternstein, a16z

"เมฆก้อนใหม่" ลอยอยู่เหนือศีรษะ

ในช่วงต้นศตวรรษที่ 20 บริษัทรถไฟเซาเทิร์นแปซิฟิกครอบครองที่ดินที่ยังไม่ได้พัฒนาจำนวนมหาศาลบนพื้นที่โล่งที่เชื่อมต่อเมืองและชุมชนต่างๆ ทั่วสหรัฐอเมริกา สิทธิในการใช้ที่ดินของทางรถไฟนั้นครอบคลุมไปไกลกว่ารางรถไฟเอง ทำให้มีพื้นที่หลายแห่งตามเส้นทางเปิดกว้างสำหรับการพัฒนา

ดังนั้น บริษัทรถไฟจึงวางเครือข่ายการสื่อสารไปตามแนวรางรถไฟและตั้งชื่อว่า "เครือข่ายโทรศัพท์ภายในของบริษัทรถไฟเซาเทิร์นแปซิฟิก" ในช่วงทศวรรษ 1970 บริษัทเริ่มนำเครือข่ายนี้มาใช้ในเชิงพาณิชย์และเปิดให้ผู้ใช้ในวงกว้างขึ้นใช้งานได้

ต่อมา เหตุการณ์สองอย่างเกิดขึ้นพร้อมกัน คือ ประการแรก การผูกขาดในตลาดโทรศัพท์ทางไกลสิ้นสุดลง และประการที่สอง สายเคเบิลใยแก้วนำแสงกลายเป็นสิ่งที่ใช้งานได้ในเชิงพาณิชย์ เส้นทางการสื่อสารที่มีอยู่เดิมถูกเปลี่ยนเป็นสายใยแก้วนำแสง ซึ่งต่อมาเครือข่ายนี้รู้จักกันในชื่อย่อว่า "สปรินต์" สินทรัพย์ที่เคยให้บริการทางรถไฟจึงกลายเป็นโครงสร้างพื้นฐานหลักสำหรับการปฏิวัติการสื่อสารโทรคมนาคม

บริษัทรถไฟไม่ใช่เพียงกลุ่มเดียวที่กำลังเปลี่ยนเครือข่ายทางกายภาพที่มีอยู่ให้กลายเป็นโครงสร้างพื้นฐานทางเทคโนโลยีเชิงพาณิชย์ขนาดใหญ่

ในทศวรรษ 1980 บริษัทวิลเลียมส์ได้ดัดแปลงท่อส่งก๊าซธรรมชาติที่ไม่ได้ใช้งานให้เป็นช่องสัญญาณใยแก้วนำแสง ก่อตั้งเป็นบริษัทวิลเทล (WilTel) ต่อมาบริษัทถูกขายและเปลี่ยนชื่อเป็นเวิลด์คอม (WorldCom) ในทศวรรษ 1990 สายเคเบิลโคแอกเซียลแบบทิศทางเดียวที่วางไว้สำหรับบริการเคเบิลทีวีได้รับการปรับปรุงครั้งใหญ่และมีค่าใช้จ่ายสูง ซึ่งในที่สุดก็กลายเป็นโครงสร้างพื้นฐานสำหรับคอมแคสต์ (Comcast) และชาร์เตอร์ (Charter) ในการให้บริการอินเทอร์เน็ตบรอดแบนด์แก่ผู้บริโภค

สิ่งนี้จึงนำไปสู่บริษัทอีกประเภทหนึ่ง นั่นคือ บริษัทที่มีโครงสร้างพื้นฐานพร้อมใช้งานอยู่แล้ว ซึ่งกำลังได้รับการปรับปรุงและกำหนดราคาใหม่เพื่อให้ตรงกับความต้องการของเทคโนโลยีที่กำลังเกิดขึ้นใหม่ บริษัทเหล่านี้ก็คือบริษัทอย่าง neocloud นั่นเอง

กล่าวโดยสรุป บริษัทคลาวด์ใหม่ส่วนใหญ่เดิมทีทำธุรกิจเกี่ยวกับการขุดคริปโตเคอร์เรนซี ซึ่งใช้พลังงานและทรัพยากรประมวลผลสูง จากนั้นกระแส AI ก็เข้ามา ทำให้ใครก็ตามที่มีสิทธิ์ใช้ไฟฟ้า โครงสร้างพื้นฐาน และประสบการณ์ในการสร้างและจัดการระบบประมวลผลที่มีความเข้มข้นสูง—ในกรณีของ CoreWeave รวมถึง GPU จำนวนมาก—ก็กลายเป็นหนึ่งในภาคส่วนที่ร้อนแรงที่สุดในปัจจุบัน

แน่นอนว่านี่ไม่ใช่การเปรียบเทียบที่ตรงกันอย่างแท้จริง อย่างไรก็ตาม หากเราพิจารณาบริษัทคลาวด์ที่ใหญ่ที่สุดสามแห่งที่จดทะเบียนในตลาดหลักทรัพย์ การเติบโตของรายได้ของพวกเขานั้นน่าทึ่งมาก

เราสามารถประเมินรายได้จากธุรกิจคลาวด์ของผู้ให้บริการคลาวด์ขนาดใหญ่ในระยะเริ่มต้นได้เท่านั้น แต่แนวโน้มโดยรวมนั้นชัดเจนแล้ว นั่นคือ บริษัทคลาวด์ใหม่ๆ กำลังเติบโตอย่างรวดเร็วมาก เร็วกว่าอัตราการเติบโตของผู้ให้บริการคลาวด์รายใหญ่สามรายในระยะเริ่มต้นอย่างเห็นได้ชัด

ควรสังเกตว่าในตลาดซื้อขายพลังการประมวลผลโดยรวม ปัจจุบัน NewCloud เป็นเพียงผู้เล่นรายเล็กเท่านั้น

พวกเขายังต้องใช้เวลาอีกนานกว่าจะก้าวไปถึงระดับเดียวกับผู้ให้บริการคลาวด์รายใหญ่พิเศษ

ผู้ให้บริการคลาวด์ขนาดใหญ่สร้างรายได้มากกว่าบริษัทคลาวด์รายใหม่หลายเท่าตัวในแต่ละไตรมาส ในขณะเดียวกัน CoreWeave สามารถทำรายได้ 2.6 พันล้านดอลลาร์ได้ภายในเวลาประมาณ 25 ไตรมาส ซึ่ง AWS ต้องใช้เวลาถึง 40 ไตรมาสจึงจะทำได้ ย้ำอีกครั้งว่า บริษัทเหล่านี้เติบโตอย่างรวดเร็วอย่างเหลือเชื่อ

ด้วยอัตราการเติบโตที่สูงเช่นนี้ และการได้รับประโยชน์จากกระแสของอุตสาหกรรม AI นักลงทุนจึงควรตื่นเต้นเป็นอย่างมากในทางทฤษฎี ซึ่งในระดับหนึ่งก็เป็นเช่นนั้น แต่ความเป็นจริงนั้นซับซ้อนกว่านั้น

แม้ว่าบริษัทเหล่านี้โดยทั่วไปจะรายงานผลประกอบการที่ดีในรายงานรายได้ล่าสุด แต่ราคาหุ้นของ CoreWeave ก็ยังคงลดลงประมาณ 16% ในช่วงปีที่ผ่านมา มีเพียง Nebius เท่านั้นที่ราคาหุ้นใกล้เคียงกับราคาสูงสุดก่อนหน้านี้

ดังนั้น โดยรวมแล้วเรื่องราวยังคงดีอยู่ แต่เห็นได้ชัดว่ามันดึงดูดใจบริษัทคลาวด์ขนาดใหญ่แห่งใหม่ได้น้อยลง

ตลาดค่อนข้างทรงตัวในช่วงที่ผ่านมา ส่วนหนึ่งเป็นเพราะความคาดหวังด้านการเติบโตหลายอย่างอาจถูกสะท้อนอยู่ในราคาหุ้นแล้ว

สำหรับบริษัทที่ต้องใช้เงินทุนสูงอย่าง NewCloud อัตราส่วนราคาต่อยอดขายอาจไม่ใช่ตัวชี้วัดการประเมินมูลค่าที่เหมาะสมที่สุด แต่ก็ยังเป็นวิธีที่เข้าใจง่ายในการอธิบายปัญหา บริษัทขนาดเล็กที่เติบโตเร็วอย่าง Nebius และ Applied Digital มีมูลค่าสูงกว่า CoreWeave ที่มีขนาดใหญ่กว่ามากอย่างเห็นได้ชัด รายได้ของ CoreWeave ยังคงเพิ่มขึ้นเป็นสองเท่า แต่ก็เริ่มตามหลังบริษัทที่ทำผลงานได้ดีที่สุดซึ่งมีอัตราการเติบโต 400% ถึง 450% แล้ว

หากจะมีปัญหาที่แท้จริงใดๆ กับบริษัทคลาวด์แห่งใหม่นี้ ปัญหานั้นไม่ใช่เรื่องการเติบโต แต่เป็นเรื่องผลกำไรในระยะยาว บริษัทคลาวด์แห่งใหม่นี้ต้องการการลงทุนอย่างต่อเนื่องในด้านชิป ไฟฟ้า และโครงสร้างพื้นฐานทางกายภาพเพื่อขยายขนาด และต้นทุนเหล่านี้ก็ไม่ใช่ต้นทุนต่ำ

ตัวอย่างเช่น CoreWeave มีการเติบโตของรายได้ที่น่าประทับใจ แต่ค่าใช้จ่ายด้านการลงทุนนั้นสูงอย่างน่าตกใจ ค่าใช้จ่ายมหาศาลอื่นๆ ได้แก่ ค่าเสื่อมราคาของชิป ซึ่งคิดเป็นสัดส่วนมากกว่าครึ่งหนึ่งของรายได้แล้ว และค่าใช้จ่ายดอกเบี้ยที่เพิ่มขึ้นจากการกู้ยืมเพื่อสร้างโครงสร้างพื้นฐานราคาแพงล่วงหน้า

บทความนี้ไม่ได้มีเจตนาที่จะตัดสินว่า NewCloud จะประสบความสำเร็จในท้ายที่สุดหรือไม่ หรือว่าราคาหุ้นในปัจจุบันนั้นสมเหตุสมผลหรือไม่ นอกเหนือจากความนิยมของหัวข้อนี้แล้ว สิ่งที่บทความนี้ต้องการแสดงให้เห็นอย่างแท้จริงก็คือ NewCloud สะท้อนให้เห็นถึงการต่อสู้ระหว่างฝ่ายมองโลกในแง่ดีและฝ่ายมองโลกในแง่ร้ายในภูมิทัศน์การซื้อขาย AI ทั้งหมดได้อย่างสมบูรณ์แบบ

ในด้านหนึ่ง พวกเขาอยู่ในตลาดเฉพาะกลุ่มที่ใหญ่กว่าที่ใครๆ คาดคิดไว้มาก และยังคงขยายตัวอย่างต่อเนื่อง นั่นคือตลาดพลังการประมวลผล และประสบความสำเร็จในการเติบโตในอัตราที่ไม่เคยมีมาก่อน ในอีกด้านหนึ่ง ต้นทุนในการสร้างองค์กรดังกล่าวก็สูงขึ้นเป็นประวัติการณ์เช่นกัน ซึ่งต้องใช้เงินลงทุนมหาศาลในโครงสร้างพื้นฐานถาวรที่เสื่อมราคาลงเรื่อยๆ

นี่คือการกลับมาของ SaaS ในแนวนอนใช่หรือไม่?

ด้านล่างนี้คือข้อมูลอัปเดตโดยย่อเกี่ยวกับสถานการณ์ตลาดที่เปลี่ยนแปลงอยู่ตลอดเวลาของ "วิกฤตการณ์ SaaS" หนึ่งในบริษัทที่ได้รับผลกระทบอย่างรุนแรงที่สุดจากการเทขายหุ้นซอฟต์แวร์ครั้งก่อน กลับมีผลประกอบการที่ดีมากในเดือนที่ผ่านมา

ในช่วง 30 วันทำการที่ผ่านมา บริษัทซอฟต์แวร์ประเภทแนวนอน (Horizontal software companies) เป็นกลุ่มที่มีผลการดำเนินงานดีที่สุดในกองทุน IGV Software ETF แม้ว่าราคาหุ้นจะลดลงบ้างนับตั้งแต่เริ่มเก็บข้อมูลก็ตาม

โดยรวมแล้ว พื้นฐานของบริษัทเหล่านี้ยังคงแข็งแกร่ง โดยเฉพาะอย่างยิ่ง Atlassian ไม่ได้ตกต่ำลงจากผลกระทบของ AI อย่างที่ตลาดคาดการณ์ไว้ก่อนหน้านี้

บริษัทซอฟต์แวร์เพิ่มประสิทธิภาพการทำงานแห่งนี้ทำผลกำไรได้เกินกว่าที่คาดการณ์ไว้ โดยรายได้จากบริการคลาวด์เติบโต 31% เมื่อเทียบกับปีที่แล้ว และรายได้จากคำสั่งซื้อที่รอการดำเนินการก็เติบโตเร็วยิ่งกว่านั้น แต่สัญญาณที่สำคัญกว่านั้นก็คือ ปัญญาประดิษฐ์ (AI) กำลังกลายเป็นตัวขับเคลื่อนการเติบโตของธุรกิจ ไม่ใช่สิ่งกีดขวาง Atlassian ระบุว่าผู้ช่วย AI ของตนอย่าง Rovo ได้รับการใช้งานอย่างแพร่หลาย และในขณะเดียวกัน ผู้ใช้ Rovo ก็ใช้จ่ายในอัตราที่สูงกว่าผู้ที่ไม่ใช้ Rovo เกือบสองเท่า

นี่เป็นข่าวดีสำหรับ Atlassian ข่าวดีสำหรับ Rovo และข่าวดีสำหรับ SaaS ในแนวนอน

อย่างไรก็ตาม มูลค่าโดยรวมของซอฟต์แวร์แบบ SaaS ในแนวนอนยังคงต่ำกว่าซอฟต์แวร์ประเภทอื่นเล็กน้อย

โดยทั่วไปแล้ว บริษัท SaaS ในแนวนอน รวมถึง Atlassian มักจะมีอัตราส่วนราคาต่อยอดขายที่คาดการณ์ไว้ต่ำกว่าระดับที่สอดคล้องกับเส้นแนวโน้ม "อัตราการเติบโต - อัตราส่วนมูลค่า" ซึ่งเป็นข้อยกเว้นเพียงไม่กี่ประการ

ย้ำอีกครั้งว่า SaaS ในแนวนอนเพิ่งจะมีผลงานที่ดีเพียงแค่ "เดือนเดียว" เท่านั้น ผลงานเพียงหนึ่งเดือนนั้นยังไม่เพียงพอที่จะโน้มน้าวให้ตลาดเชื่อว่า "วิกฤตการณ์ SaaS" ได้ถูกหลีกเลี่ยงไปแล้ว

แน่นอนว่า หากธุรกิจซอฟต์แวร์ของคุณอยู่ในด้านความปลอดภัยทางไซเบอร์หรือการตรวจสอบระบบ นั่นก็เป็นอีกเรื่องหนึ่ง สำหรับบริษัทเหล่านี้ สิ่งที่เรียกว่า "วันสิ้นโลกของ SaaS" นั้นไม่เคยเกิดขึ้นจริง

ภาคส่วนความปลอดภัยทางไซเบอร์ยังคงมีผลการดำเนินงานที่เหนือกว่าหมวดหมู่อื่นๆ อย่างมีนัยสำคัญในกองทุน ETF ซอฟต์แวร์ IGV ในด้านนี้ ปัญญาประดิษฐ์ (AI) ได้กลายเป็นปัจจัยสนับสนุนที่สำคัญ: ตลาดโดยทั่วไปเชื่อว่า AI ช่วยเพิ่มความตระหนักรู้ถึงความเสี่ยงจากภัยคุกคามทางไซเบอร์ และไม่มีลูกค้าองค์กรรายใดที่จะหันไปใช้ "การเขียนโค้ดแบบสุ่ม" เพื่อสร้างโซลูชันด้านความปลอดภัยของตนเอง

ตรรกะนี้จะใช้ได้ผลในที่สุดหรือไม่นั้นยังคงต้องรอดูกันต่อไป แต่สำหรับตอนนี้ สถานการณ์ของบริษัทซอฟต์แวร์แบบดั้งเดิมนั้นยังแตกต่างกันไป

นักลงทุนกำลังจับตาดูอย่างใกล้ชิดว่า AI จะเป็นประโยชน์หรือเป็นภัยต่อทุกบริษัท และเป็นเรื่องปกติที่พวกเขาจะปรับเปลี่ยนการตัดสินใจของตนเองทุกครั้งที่มีข้อมูลชุดใหม่เข้ามา

มุ่งสู่ขีดจำกัดประสิทธิภาพของการลงทุนโทเค็น

ภาพรวมตลาดที่เกี่ยวข้องกับการใช้งานโมเดล การบริโภคโทเค็น และการจัดการการใช้จ่ายโทเค็น ยังคงมีการเปลี่ยนแปลงไปในหลากหลายรูปแบบที่น่าสนใจ

ลองพิจารณา Databricks เป็นตัวอย่าง

ในประเด็นคำถามอย่าง "เราควรใช้โมเดลไหนดี?" และ "โมเดลไหนดีที่สุด?" Databricks ไม่ได้ใช้วิธีการแบบผู้ชนะได้ทั้งหมด หรือเพียงแค่ให้งบประมาณแก่วิศวกรแล้วปล่อยให้พวกเขาตัดสินใจว่าจะใช้จ่ายอย่างไร แต่กลับตั้งคำถามใหม่ว่า "จะเป็นอย่างไรถ้าเราพัฒนาโซลูชันที่สามารถมอบหมายงานที่เหมาะสมให้กับโมเดลที่เหมาะสมโดยอัตโนมัติ?"

Databricks ไม่ใช่บริษัทเดียวที่ทำเช่นนี้ แต่บริษัทนี้ได้พัฒนา "เราเตอร์อัจฉริยะ" และค่อนข้างพอใจกับประสิทธิภาพของมัน

กล่าวกันว่าเราเตอร์ของ Databricks สามารถเรียกใช้รุ่นที่มีประสิทธิภาพสูงกว่าและราคาแพงกว่าได้เมื่อจำเป็น และใช้รุ่นที่มีประสิทธิภาพต่ำกว่าและราคาถูกกว่าเมื่อเงื่อนไขเอื้ออำนวย ซึ่งจะช่วย "ลดต้นทุนเฉลี่ยของงานลงได้มากกว่า 30% อย่างต่อเนื่อง"

โดยรวมแล้ว การแสวงหา "ขีดจำกัดประสิทธิภาพ" ของการใช้จ่ายโทเค็นนั้นไม่ใช่เรื่องเลวร้ายแต่อย่างใด หมายความว่าความต้องการยังคงเติบโตอย่างต่อเนื่อง และสถานการณ์การใช้งานไม่เพียงแต่พัฒนาไปสู่ระดับประสิทธิภาพสูงสุดเท่านั้น แต่ยังขยายไปสู่โมเดลที่มีประสิทธิภาพต่ำกว่าด้วย ในมุมมองที่มองโลกในแง่ร้ายในตอนแรกนั้น โมเดลที่ไม่เหมาะสมเหล่านี้ถูกมองว่าจะล้าสมัยอย่างรวดเร็ว

ดังที่เราได้กล่าวไปแล้ว การปรับปรุงประสิทธิภาพจะขยายขอบเขตของความต้องการ ซึ่งเป็นพลวัตแบบที่ตลาดต้องการเห็น คล้ายกับปรากฏการณ์เจวอนส์ (Jevons' paradox)

ดัชนีความแข็งแกร่งของราคาโทเค็นของ Silicon Data แสดงให้เห็นว่าความแข็งแกร่งของราคาโดยรวมกำลังลดลง โดยเฉพาะอย่างยิ่งเมื่อโมเดลแบบเปิดที่มีราคาต่ำกว่าได้รับส่วนแบ่งที่มากขึ้นในตลาดที่กำลังขยายตัว

จำเป็นต้องชี้แจงแนวคิดที่มักเข้าใจผิดกันตรงนี้: ดัชนีเหล่านี้วัดความเข้มข้นของต้นทุนในการใช้จ่ายโทเค็น ไม่ใช่จำนวนเงินดอลลาร์โดยรวม มันขึ้นอยู่กับทั้งจำนวนโทเค็นที่ใช้ไปและต้นทุนโดยรวมของโทเค็น นั่นหมายความว่าแม้ราคาต่อโทเค็นจะลดลง แต่จำนวนโทเค็นที่ใช้ไปทั้งหมดและจำนวนเงินที่ใช้ไปทั้งหมดอาจยังคงเพิ่มขึ้นต่อไปได้

สิ่งที่สำคัญอย่างแท้จริงคือความต้องการโดยรวมยังคงเติบโตอย่างต่อเนื่อง และการกำหนดราคาและการเลือกโมเดลที่มุ่งไปสู่ประสิทธิภาพสูงสุดจะยิ่งผลักดันการเติบโตนี้ให้ก้าวไปอีก เป็นที่น่าสังเกตเป็นพิเศษว่า "ความต้องการ AI" หรือ "การนำ AI มาใช้" ไม่ใช่แนวคิดเดียวที่เป็นเนื้อเดียวกัน ยังคงมีช่องว่างที่สำคัญระหว่างผู้ใช้งานหนักและผู้ใช้งานอื่นๆ สิ่งนี้แสดงให้เห็นอย่างชัดเจนว่า "การใช้โมเดลที่ดีที่สุดเสมอ" อาจได้ผลสำหรับบางธุรกิจ แต่แน่นอนว่าจะไม่ได้ผลสำหรับทุกคน

ตลาดกำลังพัฒนาทางเลือกใหม่ๆ อย่างรวดเร็ว โดยรวมแล้วนี่เป็นสิ่งที่ดี

จากข้อมูลของ Ramp ซึ่งเป็นแพลตฟอร์มบริหารจัดการการใช้จ่ายทางธุรกิจ พบว่าบริษัททุกแห่งต่างเพิ่มการใช้จ่ายด้าน AI แต่ช่องว่างระหว่างการใช้จ่ายโดยเฉลี่ยกับกลุ่มบริษัท 10% แรก และระหว่างกลุ่มบริษัท 10% แรกกับกลุ่มบริษัท 1% แรกนั้นกว้างมาก

ข้อมูลของ Ramp มักเอนเอียงไปทางบริษัทเทคโนโลยี และจำเป็นต้องคำนึงถึงเรื่องนี้เมื่อตีความข้อมูล อย่างไรก็ตาม ข้อมูลแสดงให้เห็นว่าบริษัท 10% แรกที่มีการใช้จ่ายด้าน AI สูงที่สุด มีการใช้จ่ายด้าน AI ต่อพนักงานมากกว่าบริษัทระดับกลางประมาณ 50 เท่า

การกระจายตัวนี้อาจไม่ใช่เรื่องบังเอิญ บริษัทที่สามารถสร้างมูลค่าเพิ่มจากงบประมาณด้าน AI ได้มากขึ้น มักจะเป็นบริษัทที่ลงทุนมากที่สุด แม้ว่าไม่ใช่ทุกบริษัทจะเป็นเช่นนี้ แต่ก็มีบริษัทจำนวนมากที่ปฏิบัติตามรูปแบบนี้

จากการวิเคราะห์บริษัทจดทะเบียนในตลาดหลักทรัพย์ 107 แห่งโดย Boston Consulting Group พบว่า บริษัทที่อยู่ในกลุ่มที่มีการใช้งานโทเค็นสูงสุดสองกลุ่ม (quintiles) มีการเติบโตของรายได้เร็วกว่าบริษัทอื่นๆ อย่างมีนัยสำคัญ

ประเด็นสำคัญอยู่ที่ว่า ความต้องการและประสิทธิภาพของการใช้โทเค็นนั้นส่งเสริมซึ่งกันและกัน กล่าวคือ ยิ่งบริษัทได้รับมูลค่าเพิ่มขึ้นมากเท่าไร ก็ยิ่งใช้โทเค็นมากขึ้นเท่านั้น

กระบวนการนี้เกี่ยวข้องกับการแลกเปลี่ยนระหว่างปัจจัยนำเข้าและผลตอบแทนซ้ำแล้วซ้ำเล่า และการวิจัยและพัฒนา (R&D) มักมีต้นทุนเริ่มต้นอยู่เสมอ อย่างไรก็ตาม สำหรับบริษัทส่วนใหญ่ การ "สะสมโทเค็น" อย่างไม่เลือกหน้าไม่ใช่กลยุทธ์ที่มีประสิทธิภาพ

ดังนั้น จึงเป็นเรื่องดีอย่างชัดเจนที่บริษัทต่างๆ จะไม่จำเป็นต้องใช้แนวปฏิบัตินี้อีกต่อไปในอนาคต

การแข่งขันแย่งชิงบุคลากรผู้มีความสามารถในห้องปฏิบัติการล้ำสมัย

เมื่อเร็วๆ นี้ New Media ได้ต้อนรับสมาชิกทีมที่ยอดเยี่ยมสองคนเข้าสู่ OpenAI ดังนั้นเราจะขอปิดท้ายด้วยแผนภูมิที่น่าสนใจบางส่วนเพื่อแสดงให้เห็นถึงสถานการณ์การสรรหาบุคลากรที่มีความสามารถในห้องปฏิบัติการ AI ที่ล้ำสมัยแห่งนี้

ดาริโอ อาโมเดอี เพิ่งแสดงความกังวลว่าพนักงานกำลังให้ความสำคัญกับเงินมากกว่าพันธกิจ ข้อมูลจาก Levels.fyi ชี้ให้เห็นว่าความกังวลนี้อาจไม่ใช่เรื่องไร้เหตุผล

หากเราตีความข้อมูลตามตัวอักษร บริษัท Anthropic จ่ายเงินเดือนให้วิศวกรของตนสูงมาก สูงกว่าวิศวกรที่มีคุณสมบัติใกล้เคียงกันในบริษัทอย่าง Google และ Tesla อย่างเห็นได้ชัด

ดูเหมือนว่าการเข้าร่วมทีมด้านเทคนิคจะเป็นเรื่องที่ดีจริงๆ

นอกจากนี้ ยังมีข้อมูลอีกชุดหนึ่งที่น่าสนใจมากเช่นกัน

จากข้อมูลของ Live Data Technologies ซึ่งรวบรวมและนำเสนอโดย Truist Securities พบว่า แหล่งที่มาของบุคลากรที่มีความสามารถของห้องปฏิบัติการต่างๆ นั้น มีทั้งส่วนที่ทับซ้อนกันอย่างมากและส่วนที่แตกต่างกันอย่างเห็นได้ชัด:

ทั้งสองบริษัทได้ดึงดูดบุคลากรที่มีความสามารถจำนวนมากจากบริษัทเทคโนโลยีขนาดใหญ่ แต่มีเพียง OpenAI เท่านั้นที่ดึงดูดบุคลากรจาก Nvidia และ Tesla ซึ่งการดึงดูดบุคลากรทั้งสองครั้งนั้นเกิดขึ้นในปี 2026

Databricks, Snowflake (เมื่อเร็วๆ นี้), Palantir และ DeepMind ล้วนเป็นแหล่งรวมบุคลากรที่มีความสามารถสำหรับทั้งสองบริษัท

ทั้งสองห้องปฏิบัติการยังได้ว่าจ้างพนักงานจำนวนมากจาก Salesforce และ Stripe อีกด้วย

แต่ดูเหมือนว่าความทับซ้อนระหว่างทั้งสองจะสิ้นสุดลงเพียงแค่นั้น Anthropic จ้างบุคลากรที่มีความสามารถจากบริษัท SaaS จำนวนมาก ในขณะที่ OpenAI แทบไม่มีเลย ในทางกลับกัน OpenAI จ้างบุคลากรจำนวนมากจากบริษัทอินเทอร์เน็ตสำหรับผู้บริโภค ตลาดแพลตฟอร์ม และบริษัทเทคโนโลยีโฆษณา ในขณะที่ Anthropic จ้างบุคลากรในด้านเหล่านี้ค่อนข้างน้อย ยกเว้น Airbnb, Netflix และ Uber

ส่วนความหมายของความแตกต่างเหล่านี้ ผมขอปล่อยให้คุณตีความเอง