นักลงทุน VC ชั้นนำคุย 'AI เปลี่ยนตรรกะการลงทุน': 'กับดักกลางน้ำ' และปรากฏการณ์ฟลายวีล

หุ้นส่วนของ a16z หลายคนมองว่า AI กำลังพลิกโฉมตรรกะการลงทุนแบบเดิม: เงินทุนเปลี่ยนเป็นพลังประมวลผลโดยตรง ฟลายวีลที่ผู้แข็งแกร่งยิ่งแข็งแกร่งขึ้น เมื่อเริ่มหมุนแล้วก็ยากจะย้อนกลับ จาก VC 3,000 แห่ง มีเพียง 20 แห่งที่ทำผลตอบแทน 3 เท่าได้อย่างต่อเนื่อง 'กลุ่มกลางน้ำ' กำลังหายไป รายได้ AI แตะ 1 แสนล้านดอลลาร์ใน 4 ปี ขณะที่ SaaS ใช้เวลา 15 ปี มูลค่าสินทรัพย์ SaaS แบบดั้งเดิมลดลงครึ่งหนึ่ง บริษัทที่ไม่สามารถปรับตัวเป็น AI-native ได้กำลังถูกคัดออก คอขวดที่แท้จริงไม่ได้อยู่ที่อุปสงค์ แต่อยู่ที่อุปทานพลังงานและศูนย์ข้อมูล

AI กำลังผลักดัน 'การกระจายแบบพาวเวอร์ลอว์ (Power Law)' ของการลงทุนในเทคโนโลยีไปสู่ขีดสุด: เป็นครั้งแรกที่เงินทุนสามารถเปลี่ยนเป็นพลังประมวลผลได้โดยตรงและเสริมความได้เปรียบในการแข่งขันของบริษัทให้แข็งแกร่งยิ่งขึ้น ขณะที่สินทรัพย์ SaaS แบบดั้งเดิมที่ไม่สามารถปรับตัวเป็น AI-native ได้ กำลังเผชิญความเสี่ยงร้ายแรงที่จะถูกทิ้งไว้ข้างหลัง

Andreessen Horowitz (a16z) บริษัทเงินร่วมลงทุนชั้นนำของซิลิคอนแวลลีย์ เผยแพร่พอดแคสต์สัมภาษณ์เชิงลึกเมื่อวันที่ 10 กันยายน Jen Kha หุ้นส่วนของ a16z, David George หุ้นส่วนกองทุน Growth และ Aram Verdiyan หุ้นส่วนของ Accolade Partners ซึ่งเป็น LP ระยะยาว ได้ร่วมสนทนาเชิงลึกที่หาได้ยากเกี่ยวกับตรรกะการลงทุนในยุค AI ข้อสรุปหลักของทั้งสามคนสอดคล้องกันอย่างยิ่ง: AI กำลังทำให้ 'ปรากฏการณ์พาวเวอร์ลอว์' พัฒนาจากลักษณะเฉพาะของอุตสาหกรรมเงินร่วมลงทุน กลายเป็นกฎเชิงระบบของตลาดทุนทั้งหมด กรอบการจัดสรรเงินทุน วิธีการสร้างกองทุน และแม้แต่ขอบเขตของประเภทสินทรัพย์ กำลังถูกเขียนใหม่ทั้งหมด

พาวเวอร์ลอว์หมายถึงความสัมพันธ์เชิงฟังก์ชันเฉพาะระหว่างตัวแปรสองตัว: การเปลี่ยนแปลงของตัวแปรหนึ่งเป็นสัดส่วนกับกำลัง (เลขยกกำลัง) ของอีกตัวแปรหนึ่ง ลักษณะสำคัญคือ 'คนจำนวนน้อยมากครอบครองทรัพยากรหรือส่วนแบ่งส่วนใหญ่' ซึ่งก็คือสิ่งที่เรียกกันทั่วไปว่า 'ปรากฏการณ์หางยาว' หรือ 'กฎ 80/20'

ข้อมูลสำคัญหลายจุดในบทสนทนาน่าตกใจ: จาก VC 3,000 แห่งในสหรัฐฯ มีเพียง 20 แห่งที่ทำผลตอบแทนสุทธิ 3 เท่าได้อย่างต่อเนื่องในช่วง 20 ปีที่ผ่านมา คิดเป็นสัดส่วนไม่ถึง 1%; รายได้ AI แตะ 1 แสนล้านดอลลาร์ใช้เวลาเพียง 4 ปี ขณะที่ SaaS ใช้เวลา 15 ปี; ปัจจุบันบริษัทสหรัฐฯ ใช้จ่ายด้าน AI เฉลี่ยเพียง 12 ดอลลาร์ต่อพนักงานต่อเดือน แต่บริษัท 1% แรกใช้จ่ายสูงถึง 7,000 ดอลลาร์ ซึ่งหมายความว่าการแพร่กระจายของ AI ยังอยู่ในช่วงเริ่มต้นอย่างมาก

'เงินทุนเท่ากับพลังประมวลผล': 'ฟลายวีลขั้นสุด' เปลี่ยนคูเมืองของอุตสาหกรรม

David George กล่าวในบทสัมภาษณ์ถึงหนึ่งในการตัดสินที่พลิกโฉมที่สุดในกระแส AI ครั้งนี้:

"ตอนนี้ คุณสามารถทุ่มเงินให้บริษัทหนึ่ง แล้วมันจะทบต้นขยายความได้เปรียบของบริษัทนั้นโดยตรง นี่เป็นครั้งแรกในอาชีพของผม"

เขาอธิบายว่า ในยุคซอฟต์แวร์แบบดั้งเดิม การทุ่มเงินมากเกินไปให้สตาร์ทอัปกลับเป็นหายนะ จ้างคนเป็นพัน สร้างความวุ่นวายในการประสานงาน เกิดลำดับความสำคัญซ้ำซ้อน บริษัทกลับจะ 'พัง' แต่ยุค AI ต่างออกไป: "คุณสามารถทุ่มเงินไปที่พลังประมวลผล แล้วพลังประมวลผลจะปรับปรุงผลิตภัณฑ์และธุรกิจได้โดยตรง"

นั่นหมายความว่าการประหยัดต่อขนาดในตลาด AI เป็นเรื่องจริงและจะยิ่งแข็งแกร่งขึ้นเรื่อย ๆ บริษัทโมเดลชั้นนำสามแห่ง ได้แก่ SpaceX, OpenAI และ Anthropic มีมูลค่าองค์กรรวมกันสูงถึง 3.5 ถึง 5 ล้านล้านดอลลาร์ Jen Kha ชี้ว่า สิ่งที่น่าตกใจคือ ก่อน SpaceX เข้าตลาดหลักทรัพย์ นักลงทุนสถาบันส่วนใหญ่แทบไม่มีการลงทุนในบริษัทนี้เลย

Aram Verdiyan ให้มุมมองที่กว้างขึ้น:

"AI กำลังโจมตีทุกมุมของ GDP ไม่ว่าจะเป็นการขนส่ง แรงงาน บริการ เงินทุน และการประสานงาน ไม่เคยมีกระบวนทัศน์เทคโนโลยีใดในประวัติศาสตร์ที่กระทบ GDP 30 ล้านล้านดอลลาร์พร้อมกัน"

เขายังเสนอมุมมองที่พลิกโฉมเกี่ยวกับ TAM (ขนาดตลาดที่เข้าถึงได้) ของ AI: อุตสาหกรรมไอทีด้านการแพทย์ใช้จ่ายปีละประมาณ 6 หมื่นล้านถึง 1 แสนล้านดอลลาร์ แต่สิ่งที่ AI โจมตีจริง ๆ คือแรงงานด้านการแพทย์เอง ไม่ว่าจะเป็นการจัดการบิล กระบวนการธุรการ ซึ่งเป็นอุตสาหกรรมระดับล้านล้านดอลลาร์ "TAM ของ AI อาจมากกว่า SaaS แบบดั้งเดิมหรือไอทีการแพทย์ถึง 10 เท่า"

David George อ้างข้อมูลแรงงานเพิ่มเติม: ในเศรษฐกิจสหรัฐฯ สัดส่วนการใช้จ่ายด้านแรงงานต่อซอฟต์แวร์อยู่ที่ประมาณ 40 ต่อ 1 "นี่ไม่ได้หมายความว่าแรงงานจะหายไป แต่แรงงานจะถูกคิดค้นใหม่ การมองว่า AI เทียบเท่า 'ซอฟต์แวร์รุ่นต่อไป' เป็นการประเมินต่ำเกินไป"

'เขตมรณะตรงกลาง': การปรับโครงสร้างของภูมิทัศน์ VC

คำหนึ่งที่ปรากฏซ้ำ ๆ ในบทสัมภาษณ์คือ "death of the middle" (กับดักกลางน้ำ)

Aram Verdiyan แชร์ข้อมูลสำคัญ: จากบริษัทเงินร่วมลงทุน 3,000 แห่งในสหรัฐฯ มีเพียง 20 แห่งที่ทำผลตอบแทนสุทธิ 3 เท่าได้อย่างต่อเนื่องในช่วง 20 ปีที่ผ่านมา คิดเป็นสัดส่วนไม่ถึง 1% เขาเน้นเป็นพิเศษว่า "ต่อเนื่อง" คือคำสำคัญ ไม่จำเป็นต้องมีกองทุน 7-8 กอง แต่ในรอบ 20 ปี คุณมีกองทุน 3-4 กองที่ทำ TVPI สุทธิ 3 เท่าได้หรือไม่? ทั่วสหรัฐฯ มีเพียง 20 แห่งที่เข้าเกณฑ์นี้

เมื่อเทียบกัน ข้อมูลจาก Cambridge แสดงว่า ผลตอบแทนเฉลี่ยของเงินร่วมลงทุนในช่วง 10 ปีที่ผ่านมามีเพียง 1-2 เท่าของผลตอบแทนสุทธิ ไม่เพียงสู้ private equity ไม่ได้ ยังสู้ตลาดสาธารณะไม่ได้ด้วย แถมยังต้องล็อกเงินไว้นาน 10 ปี

ในบริบทนี้ อุตสาหกรรม VC กำลังแบ่งขั้ว: ด้านหนึ่งคือ 'เล็กแต่เชี่ยวชาญ' อย่างแท้จริง เน้นเฉพาะกลุ่มแนวตั้ง หรือเข้าลงทุนในระยะที่เร็วกว่าสถาบันใหญ่ เพื่อเสริมซึ่งกันและกันกับสถาบันใหญ่ อีกด้านหนึ่งคือสถาบันขนาดใหญ่ที่ครอบคลุมทุกช่วงชีวิต ตั้งแต่ seed จนถึง IPO มีพนักงาน 700 คนและทรัพยากรปฏิบัติการที่แข็งแกร่ง

Jen Kha อธิบายตรรกะฟลายวีลของ a16z อย่างชัดเจน:

"ธุรกิจของเราเป็นฟลายวีล เริ่มจากว่าเราเป็นผู้เชี่ยวชาญในสาขานั้นหรือไม่ และสามารถโน้มน้าวผู้ก่อตั้งได้หรือไม่ หากเราชนะดีลและช่วยให้บริษัทได้ผลลัพธ์ที่ดีขึ้น ก็จะเกิดแบรนด์เอฟเฟกต์ ผู้ก่อตั้งรายใหม่ต้องการอยู่กับผู้ชนะ และผู้ก่อตั้งของผู้ชนะก็จะรับรองผู้ก่อตั้งรายอื่น ๆ นี่คือวิธีที่ฟลายวีลทำงาน"

David George เสริมว่า ความสำเร็จของกองทุน Growth ขึ้นอยู่กับธุรกิจระยะแรกเป็นพื้นฐาน "ผมพูดเสมอว่า ธุรกิจของเราเริ่มจากระยะแรก และจบที่ระยะแรก"

สำหรับสถาบันที่ต้องการเข้าร่วม AI ด้วยการ 'ทำแค่ระยะท้าย' หรือ 'ข้ามระยะแรก' Aram Verdiyan พูดตรง ๆ: "แฟรนไชส์ระยะท้ายที่แข็งแกร่งที่สุด ล้วนมีแฟรนไชส์ระยะแรกที่ใหญ่รองรับ หากคุณเป็นกองทุนระยะท้ายรายใหม่และต้องการเขียนเช็ค 500 ล้านดอลลาร์ มันยากจริง ๆ" David George เห็นด้วย: "ผมเคยอยู่ในโลกนั้นมาแล้ว มันยากมากจริง ๆ"

จะระบุแรงฉุด AI ที่แท้จริงได้อย่างไร? "คำว่า ARR กำลังถูกนิยามใหม่"

เมื่อฟองสบู่ AI กับอุปสงค์ที่แท้จริงอยู่คู่กัน การแยกแยะแรงฉุดที่แท้จริงจึงกลายเป็นหนึ่งในปัญหาที่ยากที่สุด

Aram Verdiyan บรรยายสถานการณ์ทั่วไป: "บริษัทหนึ่งออกจากแอคเซเลอเรเตอร์ แล้วอ้างว่า ARR เพิ่มจากศูนย์เป็น 5 ล้านดอลลาร์ในหนึ่งเดือน แต่ระหว่างนั้นไม่มีรอบต่อสัญญาเลย พวกเขาขายให้กันเอง แล้วเอาเลขรายเดือนคูณ 12 เพื่อแปลงเป็น ARR" เขาพูดอย่างเฉียบขาด: "ในทุกเก้าบริษัทแบบนี้ อาจมีเพียงหนึ่งบริษัทที่มี ARR จริงหลายล้านดอลลาร์ และเป็น Cursor รายต่อไป"

Jen Kha พูดติดตลก: "ฉันชอบเวลาที่มีคนช่วย 'นิยามความหมายของ ARR ใหม่' เหมือนเป็นการประกาศที่มีประโยชน์มาก"

David George ให้กรอบการตัดสินของเขา:

"ตลาดกำลังเรียกร้องผลิตภัณฑ์ของคุณอย่างแข็งขันหรือไม่ นั่นคือคำถามหลักเสมอ การวิเคราะห์ทางการเงินไม่สามารถบอกคำตอบได้ คุณต้องเข้าใจลูกค้าอย่างลึกซึ้งและพูดคุยกับลูกค้า"

เขายกตัวอย่าง Harvey (เครื่องมือ AI ด้านกฎหมาย): ช่วงแรก Harvey ได้สัญญาจากสำนักงานกฎหมายชั้นนำบางแห่ง แต่อัตราการใช้งานจริงค่อนข้างธรรมดา เมื่อเทียบกับบริษัทซอฟต์แวร์ AI อื่น ๆ ข้อมูลการรักษาลูกค้าไม่ได้โดดเด่น แต่หลังจากโมเดล reasoning ถูกนำมาใช้ ทุกอย่างพลิกกลับ ทนายความได้รับคุณค่าจากผลิตภัณฑ์มากขึ้นอย่างมาก อัตราการใช้งานและการมีส่วนร่วมพุ่งสูงขึ้น และที่สำคัญกว่านั้น ลูกค้าเปลี่ยนจากกังวลเรื่องความเสี่ยงภาพหลอน มาเป็นเรียกร้องให้สำนักงานกฎหมายใช้ผลิตภัณฑ์นี้ "นี่คือสัญญาณตลาดที่เรามองหา"

ความยากลำบากของ SaaS แบบดั้งเดิมและ 'กับดัก AI' ของ private equity

เมื่อเทียบกับบริการซอฟต์แวร์แบบดั้งเดิม (SaaS) ความเร็วในการแทรกซึมของ AI และขนาดตลาดที่เข้าถึงได้ (TAM) ระเบิดตัวแบบเอกซ์โพเนนเชียล

"วันนี้ รายได้ในสาขา AI แตะ 1 แสนล้านดอลลาร์แล้ว SaaS ใช้เวลา 15 ปีถึงระดับเดียวกัน แต่ AI ใช้เพียง 4 ปี" Aram Verdiyan ให้ข้อมูลที่ทรงพลังมาก เขาชี้ว่า AI กำลังโจมตีทุกชั้นของ GDP ไม่ว่าจะเป็นการขนส่ง แรงงาน บริการ และการประสานงานด้านเงินทุน "ไม่เคยมีกระบวนทัศน์เทคโนโลยีใดที่กระทบ GDP 30 ล้านล้านดอลลาร์พร้อมกัน"

อย่างไรก็ตาม การเดินหน้าอย่างรวดเร็วของ AI กลับทำให้สินทรัพย์ซอฟต์แวร์ยุคเก่าและกองทุน private equity (PE) ที่ลงทุนหนักในสินทรัพย์เหล่านั้นนั่งไม่ติดที่ ระหว่างปี 2021 ถึง 2022 บริษัทซอฟต์แวร์ดั้งเดิมจำนวนมากถูก PE เข้าซื้อด้วยเลเวอเรจ (LBO) ที่มูลค่าสูงถึง 25-32 เท่าของ EBITDA แต่สินทรัพย์ที่ขาดความสามารถ 'AI-native' เหล่านี้กำลังเผชิญวิกฤตมูลค่าลดลงและสภาพคล่องเหือดแห้ง

Aram Verdiyan พูดตรงประเด็น: "สินทรัพย์ซอฟต์แวร์ที่คุณซื้อก่อนปี 2021 ที่ 25-32 เท่าของ EBITDA วันนี้อาจมีค่าเพียงครึ่งเดียว" เขาอ้างข้อมูล: ระหว่างปี 2021-2022 ดีลซื้อซอฟต์แวร์ด้วยเลเวอเรจมีมูลค่าประมาณ 2 แสนล้านถึง 3 แสนล้านดอลลาร์ พร้อมหนี้สินกว่า 2 แสนล้านดอลลาร์ วันนี้มูลค่าของบริษัทเหล่านั้นหดตัวอย่างรุนแรง อัตราเลเวอเรจพุ่งสูงขึ้น กระแสไถ่ถอนในตลาด private credit คือภาพสะท้อนโดยตรงของตรรกะนี้

ที่รุนแรงกว่านั้นคือการพลิกกลับของตรรกะการเติบโต: Aram Verdiyan ชี้ว่า "ในตลาดสาธารณะ อัตราการเติบโตที่เพิ่มขึ้น 1 จุดเปอร์เซ็นต์ เทียบเท่ากับ EBITDA ที่เพิ่มขึ้น 3 จุดเปอร์เซ็นต์" นั่นหมายความว่าบริษัทที่ไม่สามารถพิสูจน์ว่า AI เร่งการเติบโตได้ จะถูกหักส่วนลดมูลค่าอย่างรุนแรง "บริษัทหลายแห่งที่ private equity ถืออยู่ ไม่มีการเติบโตที่เร็วพอ และไม่มีทีมผู้บริหารที่สามารถพลิกโฉมธุรกิจได้"

Aram พูดอย่างตรงไปตรงมา:

"ลองดูตลาดสาธารณะวันนี้ สินทรัพย์นั้น (SaaS แบบดั้งเดิม) ซื้อขายกันที่ 2 เท่าของอัตราส่วนราคาต่อยอดขาย นี่ไม่ใช่แค่ปัญหาเรื่องมูลค่า แต่ที่ร้ายแรงกว่าคือ บริษัทเหล่านี้อาจหาผู้ซื้อไม่ได้เลย เพราะถ้าคุณมองบริษัทซอฟต์แวร์วันนี้ สิ่งแรกที่คิดคือ: มูลค่าขั้นสุดท้ายของมันคืออะไร? มันต้านทานผลกระทบของ AI ได้หรือไม่?"

Jen Kha เตือนถึงภาพลวงตาของ 'private equity แบบ AI':

"แค่เอา Sears ขึ้นเว็บไซต์ ไม่ได้ทำให้มันกลายเป็น Amazon เราเห็นบางบริษัททำสิ่งแรกคือใช้บริการลูกค้าด้วย AI แต่ถ้าคุณไม่สร้างใหม่จากระดับเวิร์กโฟลว์ การสูญเสียลูกค้าจะยิ่งเร็วขึ้น ทุกคะแนน NPS ที่ลดลงสัมพันธ์โดยตรงกับรายได้ที่ลดลง เมื่อรวมกับหนี้สิน ก็จะหมุนวนลง"

สำหรับความพยายามที่จะช่วยธุรกิจเก่าด้วยการนำ AI เข้ามาง่าย ๆ Aram ก็สาดน้ำเย็น: "คุณไม่สามารถส่งหุ้นส่วนฝ่ายปฏิบัติการเข้าไปในบริษัท แล้วพูดว่า 'มาเติม AI ลงไปหน่อย' มันไม่ได้ผล" DG เสริมว่า แม้แต่การแทนที่บริการลูกค้าด้วย AI ง่าย ๆ หากไม่มีการปรับโครงสร้างเวิร์กโฟลว์อย่างลึกซึ้ง การสูญเสียลูกค้าจะทำให้คะแนน Net Promoter Score (NPS) ลดลง และนำไปสู่รายได้ที่หมุนวนลดลง

คอขวดที่แท้จริงของ AI: ไม่ใช่อุปสงค์ แต่เป็นอุปทาน

ช่วงท้ายของการสัมภาษณ์ หัวข้อเปลี่ยนไปยังมุมที่ตลาดประเมินต่ำเกินไป คอขวดที่แท้จริงของ AI อยู่ที่ไหน?

Aram Verdiyan กล่าวอย่างหนักแน่น: "คอขวดของ AI วันนี้ไม่ได้อยู่ที่ด้านอุปสงค์ แต่อยู่ที่ด้านอุปทาน" ห่วงโซ่อุปทานจากซ้ายไปขวาคือ: พลังงาน → โครงข่ายไฟฟ้า → ศูนย์ข้อมูล → ชิป → โมเดลชั้นนำ → แอปพลิเคชัน สหรัฐฯ มีความได้เปรียบอย่างมากในห่วงโซ่ตั้งแต่ชิปไปทางขวา และระบบนิเวศ VC ก็สนับสนุนอย่างแข็งแกร่ง แต่ในระดับพลังงานและโครงสร้างพื้นฐานโครงข่ายไฟฟ้า ปัญหาไม่ใช่ปริมาณการผลิตไฟฟ้าไม่พอ แต่เป็น 'ความเร็วสู่กำลังไฟฟ้า' ใบอนุญาต การส่งผ่าน และกฎระเบียบ ประเทศอื่น ๆ เพิ่มกำลังการผลิตพลังงานหมุนเวียนใหม่ปีละ 10 เท่าของสหรัฐฯ

"นั่นหมายความว่าศูนย์ข้อมูลต้องถูกคิดใหม่ทั้งหมด ความหนาแน่นของศูนย์ข้อมูลเก่าไม่สามารถรองรับสิ่งอำนวยความสะดวก AI ใหม่ได้อีกต่อไป โอกาสตรงนี้ไม่ใช่ระดับ 5 พันล้านหรือ 1 หมื่นล้านดอลลาร์ แต่เป็นระดับแสนล้านดอลลาร์"

David George ระบุสาขาที่มีแนวโน้มสร้างมูลค่ามหาศาลที่สุดใน 10 ปีข้างหน้า: หุ่นยนต์, รถยนต์ไร้คนขับ (จำนวน Waymo บนถนนทั่วสหรัฐฯ ยังไม่ถึง 10,000 คัน), การแพทย์ (คิดเป็น 18% ของ GDP และ AI แทบยังไม่แตะต้อง), พลังงาน, การผลิต และกลาโหม

"ตอนนี้รู้สึกเหมือนเราทำอะไรกับ AI ไปมากแล้ว แต่เมื่อมองย้อนกลับไปในอีก 10 ปี สาขาสำคัญอื่น ๆ เหล่านั้นเพิ่งเริ่มสร้างมูลค่า SpaceX หรือ OpenAI รายต่อไป น่าจะเกิดในสาขาเหล่านี้"