a16z เผย AI เขียนนิยามนวัตกรรมใหม่หมดในรอบ 75 ปี

หุ้นส่วนของ a16z มองว่า AI กำลังเขียนตรรกะเศรษฐศาสตร์พื้นฐานของนวัตกรรมใหม่ จากข้อจำกัดด้านวิศวกรรมสู่ข้อจำกัดด้านทุน ทีม 20 คนในปัจจุบันสามารถจัดสรรเงิน 1 พันล้านดอลลาร์ได้อย่างมีประสิทธิภาพ การตัดสินนี้ส่งผลโดยตรงต่อมุมมองการแข่งขันระหว่างสตาร์ทอัพกับบริษัทเทคโนโลยียักษ์ใหญ่ ตรรกะการลงทุนแบบ venture capital และขีดจำกัดความสามารถของ AI ทั้งสามคนยอมรับตรง ๆ ว่า เมื่อเผชิญกับการฝึกโมเดลระดับ 1 หมื่นล้านดอลลาร์ ไม่มีใครรู้จริง ๆ ว่าจะเกิดอะไรขึ้น "นี่คือผลิตภัณฑ์ดิจิทัลที่มนุษย์ไม่เคยสร้างมาก่อน"

เมื่อเร็ว ๆ นี้ ในพอดแคสต์ล่าสุดของ a16z หุ้นส่วนทั่วไป (general partner) Martin Casado, Erik Torenberg และหุ้นส่วนคณะกรรมการ (board partner) Steven Sinofsky ได้สนทนาเชิงลึก: ความก้าวหน้าของ AI ในด้านคณิตศาสตร์หมายถึงอะไร? ตรรกะพื้นฐานของนวัตกรรมกำลังถูกเขียนใหม่หรือไม่? ภูมิทัศน์การแข่งขันระหว่างสตาร์ทอัพกับบริษัทเทคโนโลยียักษ์ใหญ่จะเปลี่ยนไปอย่างไร?

ผู้สนทนาทั้งสามเห็นว่า ข้อสันนิษฐานพื้นฐานที่ค้ำจุนอุตสาหกรรมคอมพิวเตอร์ตลอด 75 ปีที่ผ่านมา กำลังถูก AI ตรวจสอบใหม่ทีละข้อ ข้อสำคัญที่สุด—นวัตกรรมเป็นปัญหาทางวิศวกรรม ไม่ใช่ปัญหาเรื่องเงิน—ใช้ไม่ได้แล้ว AI กำลังเขียนตรรกะเศรษฐศาสตร์พื้นฐานของนวัตกรรมใหม่ จากข้อจำกัดด้านวิศวกรรมสู่ข้อจำกัดด้านทุน ทีม 20 คนในปัจจุบันสามารถจัดสรรเงิน 1 พันล้านดอลลาร์ได้อย่างมีประสิทธิภาพ การตัดสินนี้ส่งผลโดยตรงต่อมุมมองการแข่งขันระหว่างสตาร์ทอัพกับบริษัทเทคโนโลยียักษ์ใหญ่ ตรรกะการลงทุนแบบ venture capital และขีดจำกัดความสามารถของ AI

จากลูกคิดสู่ AI: การก้าวกระโดด 75 ปีของระดับนามธรรม

Sinofsky หยิบโบรชัวร์ของ IBM จากปี 1953 ขึ้นมา

บนปกมีวงโคจรอะตอมล้อมรอบศีรษะมนุษย์ ประโยคแรกกล่าวว่า: "มนุษย์ใช้เวลาหลายล้านปีกว่าจะตระหนักถึงประโยชน์ของล้อ"

ในโบรชัวร์นั้น IBM ใช้ทั้งหน้าอธิบายว่า "คอมพิวเตอร์ดิจิทัล" คืออะไร—อินพุต การจัดเก็บ การคำนวณ การควบคุม เอาต์พุต

Sinofsky กล่าวว่า: "นี่คือวิธีที่เราเข้าใจคอมพิวเตอร์มา 75 ปี"

จากลูกคิดสู่ไม้บรรทัดคำนวณ จากเครื่องหาผลต่างสู่คอมพิวเตอร์ส่วนบุคคล จากเครื่องคิดเลขกราฟิกสู่คลาวด์คอมพิวติง—ทุกการก้าวกระโดดทางเทคโนโลยี โดยเนื้อแท้คือ "การยกระดับของชั้นนามธรรม" ปัญหาในระดับล่างถูกห่อหุ้ม มนุษย์แก้ปัญหาใหม่ในระดับที่สูงขึ้น

เมื่อเครื่องคิดเลขกราฟิก TI-85 ปรากฏขึ้น ครูคณิตศาสตร์ตื่นตระหนกกันยกใหญ่: "อาชีพของเราจบแล้ว" Sinofsky กล่าวว่า:

แต่พวกเขาไม่ได้บ่นเรื่องแคลคูลัส เพราะแคลคูลัสเป็นจุดเริ่มต้นสำหรับพวกเขาอยู่แล้ว ปฏิกิริยาของผู้คนต่อการเปลี่ยนแปลงรุนแรงกว่าปฏิกิริยาต่อเส้นฐานมาก

AI แก้โจทย์คณิตศาสตร์ยาก ๆ ทำให้เกิดความตื่นตระหนกเช่นเดียวกับเครื่องคิดเลขกราฟิกในอดีต

AI แก้คณิตศาสตร์: ความก้าวหน้าหรือ "เซียนเกม"?

เมื่อเร็ว ๆ นี้ มีคนให้ Claude ลองแก้สมมติฐานรีมันน์ ทำให้เกิดการถกเถียงอย่างกว้างขวางในวงการคณิตศาสตร์

Casado สาดน้ำเย็นใส่ทันที

ถ้ารวมเงินเดือนของนักวิจัยหลังปริญญาเอกที่ศึกษาปัญหาเหล่านี้ทุกปีเข้าด้วยกัน จำนวนเงินทั้งหมดไม่มากนัก นี่หมายความว่าตลาดไม่เคยให้ความสำคัญกับการแก้ปัญหาเหล่านี้จริง ๆ ดังนั้นผมไม่แน่ใจว่า การแก้โจทย์เหล่านี้พิสูจน์ได้ว่า AI ผ่านด่านที่มีมูลค่าทางเศรษฐกิจมหาศาลหรือไม่

เขาเปรียบเทียบความสามารถทางคณิตศาสตร์ของ AI กับแชมป์สตาร์คราฟต์: "นี่คือผู้เล่นสตาร์คราฟต์ที่เก่งที่สุดในประวัติศาสตร์—เก่งมาก แต่ผมยากที่จะเชื่อมโยงมันกับมูลค่าทางเศรษฐกิจจริงโดยตรง"

Sinofsky ให้มุมมองอีกแบบ เขาเห็นว่า ความก้าวหน้าในวงการคณิตศาสตร์อาจกำลัง "สร้างเครื่องมือนามธรรมใหม่"

เหมือนการพิสูจน์ทฤษฎีบทสี่สี—ไม่ใช่การเขียนบทพิสูจน์ทางคณิตศาสตร์ที่สวยงาม แต่ใช้คอมพิวเตอร์ไล่ตรวจทุกกรณีจำกัด ใช้พลังคำนวณแลกกับคำตอบ

เมื่อคุณมีชั้นนามธรรมใหม่ ทุกคนก็ไม่ต้องเริ่มจากศูนย์อีกต่อไป สามารถสร้างเครื่องมือบนชั้นนี้ได้โดยตรง

การเปลี่ยนกระบวนทัศน์ครั้งใหญ่ที่สุด: จากคอขวดวิศวกรรมสู่คอขวดทุน

ข้อมูลเชิงลึกที่สำคัญที่สุดของการสนทนานี้ มาจากการทดลองทางความคิดของ Casado

20 ปีที่แล้ว ถ้าคุณให้เงิน 1 พันล้านดอลลาร์แก่สตาร์ทอัพ 10 คน พวกเขาใช้ไม่หมด ซื้อเซิร์ฟเวอร์ เงินก็หมด

10 ปีที่แล้ว ให้ 1 พันล้านดอลลาร์ คุณจ้างวิศวกร เขียนโค้ด แต่ตำนาน man-month เป็นเรื่องจริง—คนมากขึ้นกลับช้าลง

ตอนนี้ ให้เงิน 1 พันล้านดอลลาร์แก่คน 20 คน พวกเขาใช้ได้อย่างมีประสิทธิภาพจริง ๆ

ข้อสรุปของเขาคือ:

เราได้เปลี่ยนอุตสาหกรรมนี้จากปัญหาคอขวดวิศวกรรม เป็นปัญหาคอขวดทุน นี่คือความแตกต่างพื้นฐาน เราไม่เคยอยู่ในสถานะนี้มาก่อน

Sinofsky เสริมว่า นี่ไม่ใช่ครั้งแรกที่มีคอขวดทุน—ช่วง 30 ถึง 40 ปีแรกของอุตสาหกรรมคอมพิวเตอร์ ก็เป็นยุคที่ถูกจำกัดด้วยทุนเช่นกัน "ถ้าคุณอยากทำอะไรกับคอมพิวเตอร์ ขั้นแรกคือต้องหาเครื่องให้ได้ก่อน"

จากนั้นเป็นยุคคอขวดวิศวกรรม และตอนนี้กลับมาสู่คอขวดทุนอีกครั้ง

ทำไมสตาร์ทอัพยังไม่ถูกยักษ์ใหญ่บดขยี้?

ตามสามัญสำนึก Microsoft, Google, Meta มีทุน ข้อมูล และช่องทางการกระจายสินค้า ควรจะบดขยี้ทุกอย่าง

แต่ความจริงคือ Cursor, Anthropic, OpenAI กำลังเติบโตด้วย "ความเร็วสูงมาก"

Casado ให้เหตุผลสองข้อ

ข้อแรก AI แก้ปัญหาการจัดจำหน่าย

ในอดีต คุณไม่รู้ว่างบการตลาดใช้ไปที่ไหนแล้วได้ผลหรือไม่ ตอนนี้ ความต้องการพลังคำนวณและ GPU ไม่มีขีดจำกัด คุณสามารถตัดสินใจได้โดยตรงว่าจะลงทุนเท่าไรเพื่อขับเคลื่อนการเติบโต

ข้อสอง สตาร์ทอัพในปัจจุบันสามารถระดมทุนได้มากพอที่จะยืนอยู่บนจุดเริ่มต้นเดียวกับยักษ์ใหญ่จริง ๆ

แล้วยักษ์ใหญ่ล่ะ? Sinofsky พูดตรง ๆ:

Microsoft กังวลว่า Amazon และ Google กำลังทำอะไรมากกว่า ไม่สนใจสตาร์ทอัพใด ๆ เลย สตาร์ทอัพจะไม่โจมตียักษ์ใหญ่โดยตรง และยักษ์ใหญ่ก็จะไม่สังเกตเห็นสตาร์ทอัพ

เขายังเปิดเผยรายละเอียดหนึ่ง: มีบริษัทใหญ่ที่จัดลำดับความสำคัญของพลังคำนวณให้ลูกค้าองค์กรก่อน ทำให้ทีมผลิตภัณฑ์ภายในตกอยู่ในภาวะ "ขาดแคลน AI" "ในขณะที่คู่แข่งของพวกเขา ไม่มีรายใดขาดแคลนเลย"

Sinofsky ยกประสบการณ์ส่วนตัวที่ Microsoft เป็นตัวอย่าง เขาเคยนำ Surface เครื่องแรกไปพบผู้บริหารระดับสูงของ Intel ฝ่ายนั้นได้ยินว่าข้างในใช้ชิป ARM ท่าทีก็เย็นชาทันที

พวกเขาคิดว่านั่นคือชิปสำหรับเครื่องพิมพ์ พวกเขาทำแค่กฎของมัวร์ เหมือน Google ทำแค่ไฮเปอร์สเกล—ถ้า AI หันไปทาง edge นั่นไม่ใช่เรื่องของพวกเขา

Sinofsky สรุปว่า:

แก่นแท้ของการพลิกโฉม คือค่าคงที่ทางวัฒนธรรมของบริษัทใหญ่ scorecard ระบบการขาย โครงสร้างค่าตอบแทน ภาระทางประวัติศาสตร์ คำมั่นสัญญากับลูกค้า—สิ่งเหล่านี้เปลี่ยนไม่ได้ นี่คือกฎธรรมชาติ

ทุ่ม 2 หมื่นล้านดอลลาร์ ไม่มีใครรู้ว่าจะได้อะไรออกมา

ช่วงท้ายของการสนทนา ทั้งสามคนแตะถึงความไม่รู้ที่ลึกซึ้งกว่า

Casado ยอมรับว่า เขาเคยทำผิดพลาด:

ผมคิดว่าการปรับปรุงตนเองแบบเรียกซ้ำและการทะยานขึ้นอย่างรวดเร็วจะไม่เกิดขึ้น ซึ่งก็ถูกต้อง แต่ผมไม่คิดว่า เราจะสามารถทุ่มเงินเข้าไปได้ไม่จำกัด และกฎการสเกลยังคงเป็นจริงตลอด

คุณเอาเงิน 2 หมื่นล้านดอลลาร์ ทุ่มลงในโมเดลหนึ่ง เราสองคนมองมัน ทดสอบแบบสุ่ม—ผมไม่คิดว่าเราจะเข้าใจว่ามันหมายถึงอะไร พลังคำนวณมากมาย ข้อมูลมากมาย ผมไม่รู้ว่ามันทำอะไรได้บ้าง

Sinofsky เห็นด้วย และเปรียบเทียบสิ่งนี้กับการเติบโตแบบทวีคูณ: "ไม่มีใครสร้างแบบจำลองการเติบโตแบบทวีคูณได้"

เขายังยกสถานการณ์เฉพาะ: การแจกแจงการรวมตัวของโปรตีน ในอดีตเป็น "ปัญหาที่ไม่มีที่สิ้นสุด" ตอนนี้กลายเป็น "ปัญหาด้านทุน" ได้

เราสามารถเปลี่ยนปัญหาที่เคยเป็นอนันต์ ให้เป็นจำกัดได้ด้วยทุน นี่เป็นสิ่งที่แปลกมาก

Casado กล่าวว่า นี่คือเหตุผลที่ตอนนี้เขาไม่พยายามทำนายขีดจำกัดความสามารถของ AI อีกต่อไป:

ผมตัดสินใจแล้วว่า ผมไม่สามารถทำนายได้ว่า สิ่งที่สร้างขึ้นด้วยเงิน 2 หมื่นล้านดอลลาร์ จะมีขีดจำกัดความสามารถอยู่ที่ไหน