พันธมิตร PE ชื่อดังสอนที่สแตนฟอร์ด: เงินทุนในยุค AI ไหลไปที่ใดกันแน่?

Apoorv Agrawal หุ้นส่วนของ Altimeter Capital กล่าวในชั้นเรียนสาธารณะของมหาวิทยาลัยสแตนฟอร์ดว่า อุตสาหกรรม AI ในปัจจุบันมีโครงสร้างกำไรแบบ "พีระมิดหัวกลับ" ซึ่งแตกต่างจากอินเทอร์เน็ตแบบดั้งเดิมอย่างสิ้นเชิง ในรายได้ระบบนิเวศประมาณ 3 แสนล้านดอลลาร์สหรัฐ มากถึง 75% ไหลไปยังชั้นเซมิคอนดักเตอร์ซึ่งมีอัตรากำไรขั้นต้นประมาณ 75% ส่วนชั้นแอปพลิเคชันถูกจำกัดด้วยต้นทุนพลังการประมวลผลส่วนเพิ่มที่สูง ทำให้อัตรากำไรขั้นต้นอยู่เพียง 0% ถึง 30% เพื่อแก้ปัญหาคอขวดรายได้ต่ำที่ผู้ใช้รายเดียวมีรายได้เพียง 10 ดอลลาร์สหรัฐต่อปี (ARPU: รายได้เฉลี่ยต่อผู้ใช้ต่อปี) เขายืนยันว่าแอปพลิเคชัน AI อย่าง ChatGPT จะรุกเข้าสู่ธุรกิจโฆษณา ซึ่งจะเป็นจุดเปลี่ยนสำคัญของอุตสาหกรรมในปีนี้

"พีระมิดหัวกลับ" มูลค่า 3 แสนล้านดอลลาร์: 75% ของรายได้ไหลไปยังเซมิคอนดักเตอร์

เมื่อมองย้อนกลับไปถึงการปฏิวัติอินเทอร์เน็ต การสื่อสารเคลื่อนที่ และการประมวลผลแบบคลาวด์ในช่วง 25 ปีที่ผ่านมา รูปแบบการสร้างรายได้เชิงพาณิชย์มักเป็นรูปพีระมิด โดยโครงสร้างพื้นฐานชั้นล่างมีกำไรค่อนข้างน้อย ส่วนชั้นแอปพลิเคชันด้านบนคว้ากำไรที่งดงามที่สุด อย่างไรก็ตาม ระบบนิเวศ AI ในปัจจุบันกลับมีรูปแบบตรงกันข้ามอย่างสิ้นเชิง

Agrawal กล่าวในชั้นเรียนอย่างตรงไปตรงมาว่า ระบบนิเวศ AI เชิง generative แตกต่างจากระบบนิเวศการประมวลผลแบบคลาวด์ในอดีตอย่างมาก โดยมีลักษณะเป็น "พีระมิดหัวกลับ" สำหรับตรรกะเบื้องหลังปรากฏการณ์นี้ เขาอ้างอิงมุมมองของ Marc Andreessen นักลงทุนชื่อดังแห่งซิลิคอนวัลเลย์มาเปรียบเทียบ:

"ดังที่ Marc Andreessen กล่าวไว้ ซอฟต์แวร์กลืนกินโลก เพราะฉันสามารถพัฒนาซอฟต์แวร์และแจกจ่ายให้คนนับล้านได้ โดยต้นทุนส่วนเพิ่มในการรันซอฟต์แวร์แทบเป็นศูนย์ บริษัทซอฟต์แวร์จึงมีอัตรากำไรขั้นต้นสูงถึง 80% หรือ 90% แต่โมเดลเศรษฐศาสตร์ของปัญญาประดิษฐ์ไม่เป็นเช่นนั้น"

รากเหง้าของความแตกต่างนี้อยู่ที่ต้นทุนพลังการประมวลผล "ผู้ใช้ที่เพิ่มขึ้นของแอปพลิเคชัน AI ไม่ได้ฟรี เพราะคุณต้องใช้ทรัพยากร GPU จำนวนมาก ต้นทุนในการมีผู้ใช้ AI สูงกว่ามาก" Agrawal ชี้ว่า ในรายได้ใหม่ประมาณ 3 แสนล้านดอลลาร์สหรัฐที่อุตสาหกรรม AI สร้างขึ้นในช่วงสองปีที่ผ่านมา "ประมาณ 75% ไหลตรงไปยังอุตสาหกรรมเซมิคอนดักเตอร์ ธุรกิจแอปพลิเคชันแม้จะเติบโตมากกว่าสิบเท่า แต่ก็ยังไม่สร้างผลกระทบมากนัก"

ในสแตกเทคโนโลยีทั้งหมด ชั้นเซมิคอนดักเตอร์เป็นส่วนที่ทำกำไรได้มากที่สุดในปัจจุบัน Agrawal ให้การเปรียบเทียบอัตรากำไรขั้นต้นที่ชวนตะลึง:

ตัวเร่งปฏิกิริยาทำลาย "สภาวะสมดุล": ASIC ที่พัฒนาเองโดยยักษ์ใหญ่และจุดเปลี่ยนของงบลงทุน

สำหรับคำถามว่าโครงสร้าง "พีระมิดหัวกลับ" ที่ Nvidia ครอบงำและชั้นล่างคว้ากำไรส่วนใหญ่จะคงอยู่นานแค่ไหน ตลาดมีความเห็นแตกแยกอย่างมาก Agrawal ให้การคาดการณ์ของตนเอง: "ฉันเดาว่ามันจะคงสถานะปัจจุบันในคลาวด์ได้นานกว่าที่ฉันคาดไว้ ประมาณสิบปี ฉันรู้สึกว่าสถานการณ์นี้อาจยาวนานกว่านั้น เพราะการจะถึงสภาวะสมดุลที่มั่นคงนั้นยากเกินไปจริงๆ"

อย่างไรก็ตาม เขายังชี้ให้เห็นตัวเร่งปฏิกิริยาหลักสองประการที่นักลงทุนควรจับตา ซึ่งอาจทำลายโครงสร้างนี้:

ความก้าวหน้าของยักษ์ใหญ่คลาวด์ในการพัฒนาชิปเอง: หากโครงการ ASIC ของผู้ให้บริการศูนย์ข้อมูลขนาดใหญ่รายใดรายหนึ่งประสบความสำเร็จ ไม่ว่าจะเป็น TPU ของ Google, MTIA ของ Meta หรือโครงการของ Amazon และ Microsoft ก็อาจเป็นจุดเปลี่ยนได้ หากมีความก้าวหน้าแบบก้าวกระโดด นี่จะเป็นการปรับราคาครั้งใหญ่ที่สุดในชั้นนี้

การเปลี่ยนแปลงแนวโน้มงบลงทุนของยักษ์ใหญ่: ตัวเร่งปฏิกิริยาอีกประการคือแนวโน้มงบลงทุน (Capex) ของผู้ให้บริการศูนย์ข้อมูลขนาดใหญ่ หากยักษ์ใหญ่เหล่านี้หยุดให้การคาดการณ์งบลงทุนที่สูงขึ้นอย่างมีนัยสำคัญ อาจหมายความว่าสภาวะสมดุลในปัจจุบันใช้ไม่ได้อีกต่อไป

นอกจากนี้ การเปลี่ยนโครงสร้างความต้องการพลังการประมวลผลก็สมควรได้รับความสนใจอย่างสูง ปัจจุบัน GPU ที่ Nvidia ขายไปประมาณ 60% ใช้สำหรับการฝึก และ 40% ใช้สำหรับการอนุมาน Agrawal เห็นว่า "เมื่อเวลาผ่านไป สัดส่วนงานอนุมานจะค่อยๆ เพิ่มขึ้น" แต่ภาระงานของงานอนุมานไม่เสถียรอย่างมาก ซึ่งไม่เพียงแต่จะทดสอบอัตราการใช้ประโยชน์ของฮาร์ดแวร์ แต่ยังจะปรับโฉมภูมิทัศน์การแข่งขันของชั้นตัวกลาง (ชั้นกลางสำหรับการอนุมาน) อีกด้วย

ข้อสันนิษฐานสุดท้ายของการสร้างรายได้จาก AI: "เราต้องรุกเข้าสู่ธุรกิจโฆษณา"

ในด้านแอปพลิเคชัน AI ระดับผู้บริโภคที่นำโดย ChatGPT กำลังเผชิญความขัดแย้งระหว่างผู้ใช้จำนวนมหาศาลกับการสร้างรายได้ที่ไม่มีประสิทธิภาพ Agrawal แบ่งปันข้อมูลสำคัญชุดหนึ่ง: ChatGPT มีผู้ใช้ประมาณ 1 พันล้านคน (เทียบเท่าขนาดของ Facebook ในช่วงแรก) แต่ "ประมาณ 95% ของผู้ใช้เป็นผู้ใช้ฟรี"

เมื่อเทียบกับรายได้เฉลี่ยต่อผู้ใช้ต่อปี (ARPU) ของยักษ์ใหญ่อินเทอร์เน็ตในปัจจุบัน ช่องว่างของแอปพลิเคชัน AI นั้นชัดเจน:

[Alphabet] $100 / ปี (ผู้ใช้ประมาณ 4 พันล้านคน) 

[Meta]  $70 / ปี (ผู้ใช้ประมาณ 3.5 พันล้านคน)

[ChatGPT]    $10 / ปี (ผู้ใช้ประมาณ 1 พันล้านคน)

หลังจากตัดความเป็นไปได้ที่โมเดลสมัครสมาชิกแบบงานความรู้ล้วนๆ จะรองรับมูลค่าบริษัทระดับล้านล้านดอลลาร์ได้ Agrawal ก็ให้การคาดการณ์สุดท้ายเกี่ยวกับโมเดลการค้า AI: "คำถามที่สองคือ เราจะยกระดับรายได้ 10 ดอลลาร์ต่อผู้ใช้ต่อปีให้เป็น 100 ดอลลาร์ได้อย่างไร ฉันไม่แน่ใจว่าการพึ่งพาโฆษณาและการสมัครสมาชิกเพียงอย่างเดียวจะทำได้หรือไม่ คำตอบคือ เราต้องรุกเข้าสู่ธุรกิจโฆษณา"

เขาเห็นว่าโมเดล AI ขนาดใหญ่มีข้อได้เปรียบโดยธรรมชาติในการลงโฆษณา:

ราคาที่ดีกว่า: โมเดลขนาดใหญ่สามารถเข้าใจเจตนาที่แท้จริงของผู้ใช้ได้แม่นยำกว่า

การวิเคราะห์การระบุแหล่งที่มาที่ยอดเยี่ยม: สามารถติดตามเส้นทางการแปลงได้อย่างแม่นยำ

ความน่าเชื่อถือที่สูงกว่า: การสนทนาโต้ตอบสร้างความไว้วางใจจากผู้ใช้อย่างแข็งแกร่ง

แม้ตลาดจะมองในแง่ร้ายหรือกังขาต่อ "การแทรกโฆษณาในบทสนทนา AI ส่วนบุคคล" แต่ Agrawal เปรียบเทียบกับข้อโต้แย้งเมื่อสิบปีก่อนที่ตลาดมองลบต่อโฆษณาบนมือถือของ Facebook "ผมคิดว่านี่จะเป็นข่าวสำคัญอีกเรื่องหนึ่งของปีนี้ มันจะเป็นเรื่องใหญ่แน่นอน... ผมมองในแง่ดีว่าเราจะหาคำตอบได้ และนี่จะเป็นความก้าวหน้าครั้งสำคัญของรูปแบบเศรษฐกิจปัจจุบัน"