เราควรให้มูลค่า 1.4 ล้านล้านดอลลาร์แก่ Anthropic หรือไม่?
chaincatcherผู้เขียน: หู หย่ง ศาสตราจารย์ คณะวารสารศาสตร์และสื่อสารมวลชน มหาวิทยาลัยปักกิ่ง
บรรณาธิการ: ซู หยาง เทนเซ็นต์ เทค
อุตสาหกรรมปัญญาประดิษฐ์กำลังเข้าสู่ช่วงเวลาสำคัญ
ในเดือนพฤศจิกายน 2026 Anthropic ซึ่งก่อตั้งมาเพียงห้าปี ได้เริ่มการเสนอขายหุ้นต่อสาธารณะครั้งแรก (IPO) โดยพยายามเข้าสู่ตลาดทุนด้วยมูลค่ามากกว่าหนึ่งล้านล้านดอลลาร์
ตามข้อมูลในหนังสือชี้ชวน จำนวนหุ้นสามัญที่ออกและชำระแล้วทั้งหมดของ Anthropic หลัง IPO อยู่ที่ประมาณ 13.07 พันล้านหุ้น คำนวณจากช่วงราคาเสนอขาย 70 ถึง 78 ดอลลาร์ มูลค่าตลาดพื้นฐานจะอยู่ที่ประมาณ 916 พันล้านถึง 1.02 ล้านล้านดอลลาร์ หากรวมหุ้นที่อาจเกิดจากสิทธิซื้อหุ้นของพนักงานประมาณ 4.92 พันล้านหุ้น มูลค่าแบบปรับลดเต็มที่จะอยู่ที่ประมาณ 1.26 ล้านล้านถึง 1.4 ล้านล้านดอลลาร์
บริษัทที่มีผลิตภัณฑ์หลักเป็นโมเดลภาษาขนาดใหญ่สามารถมีมูลค่าตลาดมหาศาลเช่นนี้ได้ในเวลาอันสั้น นับเป็นเรื่องที่หาได้ยากในประวัติศาสตร์อุตสาหกรรมเทคโนโลยี
อย่างไรก็ตาม การเข้าจดทะเบียนของ Anthropic ไม่เพียงแต่สะท้อนการยอมรับของตลาดทุนต่ออนาคตของปัญญาประดิษฐ์ แต่ยังเน้นย้ำปัญหาที่ถูกบดบังด้วยความก้าวหน้าทางเทคโนโลยีและกระแสการระดมทุนมานาน และบัดนี้ต้องถูกตรวจสอบอย่างเปิดเผย: ปัญญาประดิษฐ์สร้างความต้องการในตลาดมหาศาล แต่จะสามารถสร้างกำไรที่สอดคล้องกับมูลค่าได้หรือไม่?
บทความนี้จะสำรวจประเด็นต่อไปนี้:
รายได้ต่อปี 70 พันล้านดอลลาร์ กำไรจากการดำเนินงานที่ปรับปรุงแล้ว 4.1 พันล้านดอลลาร์ และขาดทุนสุทธิ 104 พันล้านดอลลาร์ ปรากฏพร้อมกันในหนังสือชี้ชวน อะไรคือเกณฑ์ในการตัดสินโมเดลธุรกิจ?
การอนุมานแต่ละครั้งของโมเดลใช้ทรัพยากรคอมพิวเตอร์ ผู้ใช้ที่ใช้งานมากที่สุดอาจไม่ได้สร้างรายได้มากที่สุด
บริษัทโมเดลจัดโครงสร้างเงินทุนในลักษณะเดียวกับธุรกิจพลังงาน โทรคมนาคม และโครงสร้างพื้นฐาน ตรรกะการประเมินมูลค่าเปลี่ยนจาก "โมเดลเก่งแค่ไหน" ไปสู่ต้นทุนเงินทุน ระยะเวลาคืนทุน และอัตราผลตอบแทนจากเงินทุน
องค์กรที่ควบคุมความสัมพันธ์กับผู้ใช้ ขั้นตอนการทำงาน และระบบนิเวศ อาจแปลงปัญญาเป็นรายได้ได้ง่ายกว่าบริษัทโมเดล
การตั้งราคาตาม "งานที่สำเร็จ" มีฉันทามติแล้ว แต่ใครจะรับผิดชอบความเสียหายทางเศรษฐกิจจากงานที่ล้มเหลวหรือผิดพลาด ยังไม่มีข้อตกลง
มูลค่าที่ปัญญาประดิษฐ์สร้างขึ้น ไม่เท่ากับรายได้และกำไรของผู้พัฒนาโมเดล
หลังจากหักต้นทุนชิป ไฟฟ้า การวิจัยและพัฒนา และการจัดหาเงินทุนแล้ว "คนขุดทอง" จะเก็บไว้ได้จริงเท่าไร นี่คือสิ่งที่ต้องตรวจสอบในการเข้าจดทะเบียนของ Anthropic
01. 70 พันล้านดอลลาร์ กับ 13 พันล้านดอลลาร์: ปาฏิหาริย์รายได้และข้อกังขาเรื่องกำไร
ในช่วงตื่นทองปัญญาประดิษฐ์ที่ผ่านมา ผู้ชนะที่แน่นอนที่สุดดูเหมือนจะเป็นคนขาย "พลั่ว" NVIDIA จัดหา GPU, TSMC รับผิดชอบการผลิตชิปขั้นสูง, บริษัทคลาวด์สร้างศูนย์ข้อมูล และบริษัทไฟฟ้าและพลังงานจัดหาเงื่อนไขพื้นฐานให้กับโครงสร้างพื้นฐานการประมวลผลที่ขยายตัวขึ้นเรื่อยๆ
ไม่ว่าบริษัทโมเดลขนาดใหญ่รายใดจะชนะในที่สุด ผู้จัดหาโครงสร้างพื้นฐานเหล่านี้ล้วนได้รับประโยชน์จากการขยายตัวของอุตสาหกรรมทั้งหมด
ในทางตรงกันข้าม บริษัทอย่าง OpenAI และ Anthropic ซึ่งพัฒนาโมเดลขนาดใหญ่โดยตรง มีการเติบโตของผู้ใช้และรายได้ที่น่าทึ่ง แต่ต้องเผชิญกับปัญหาทางเศรษฐกิจที่ซับซ้อนกว่า: ต้นทุนการพัฒนาปัญญา ราคาขายปัญญา และเงินทุนที่ต้องใช้เพื่อรักษาความได้เปรียบทางเทคโนโลยี จะสามารถสร้างวงจรธุรกิจที่ยั่งยืนได้หรือไม่?
หนังสือชี้ชวนของ Anthropic ให้เบาะแสสำคัญในการทำความเข้าใจปัญหานี้
ตามเอกสารที่ยื่นอัปเดตในเดือนพฤศจิกายน 2026 บริษัทมีรายได้ประมาณ 4.585 พันล้านดอลลาร์ในปี 2025 และรายได้เก้าเดือนแรกของปี 2026 สูงถึง 33.242 พันล้านดอลลาร์ โดยไตรมาสที่สามเพียงไตรมาสเดียวมีรายได้ประมาณ 17 พันล้านดอลลาร์ นั่นหมายความว่ารายได้ไตรมาสเดียวสูงกว่าผลรวมของครึ่งปีแรกทั้งหมด หากคำนวณรายได้ไตรมาสที่สามเป็นรายปี อัตราการดำเนินงานรายได้ของ Anthropic ใกล้ถึง 68-70 พันล้านดอลลาร์
อัตราการเติบโตนี้สูงกว่าการพัฒนาของอุตสาหกรรมซอฟต์แวร์แบบดั้งเดิมมาก แสดงให้เห็นว่า generative AI ไม่ใช่เทคโนโลยีทดลองที่ต้องพึ่งพาเงินอุดหนุนเพื่อรักษาฐานผู้ใช้อีกต่อไป แต่กำลังกลายเป็นตลาดเชิงพาณิชย์ที่มีกำลังซื้อจริง
ที่น่าสังเกตคือ รายได้ของ Anthropic ส่วนใหญ่มาจากลูกค้าองค์กรและบริการคิดค่าบริการตามปริมาณการใช้ปัญญา ไม่ใช่แค่ค่าบริการรายเดือนจากผู้บริโภครายบุคคล นี่แสดงให้เห็นว่าจุดเน้นเชิงพาณิชย์ของโมเดลขนาดใหญ่กำลังเปลี่ยนจากการขายสิทธิ์เข้าถึงเครื่องมือแชท ไปสู่การขายความสามารถทางปัญญาที่มีส่วนร่วมในกิจกรรมการผลิต
โมเดลขนาดใหญ่ไม่เพียงแต่ขุดพบทองคำเท่านั้น แต่ยังขุดได้เป็นตันๆ อย่างไรก็ตาม การเติบโตของรายได้อย่างก้าวกระโดดไม่ได้แก้ปัญหากำไรโดยอัตโนมัติ
ในช่วงเก้าเดือนแรกของปี 2026 Anthropic ใช้จ่ายประมาณ 18.8 พันล้านดอลลาร์สำหรับพลังประมวลผลและโครงสร้างพื้นฐาน คิดเป็นประมาณ 57% ของรายได้รวม 33.242 พันล้านดอลลาร์
ในด้านการดำเนินงาน บริษัทยังคงขาดทุน โดยขาดทุนจากการดำเนินงานตาม GAAP (หลักการบัญชีที่รับรองทั่วไป) ในเก้าเดือนแรกอยู่ที่ประมาณ 1.26-1.3 พันล้านดอลลาร์ ขาดทุนสุทธิเก้าเดือนแรกสูงถึง 104 พันล้านดอลลาร์ แต่ส่วนใหญ่มาจากการตีราคาใหม่ของเครื่องมือทางการเงินแปลงสภาพและหนี้สินที่เกี่ยวข้อง ไม่ใช่การสูญเสียเงินสดจากการดำเนินงานประจำวัน ในขณะเดียวกัน บริษัทเปิดเผยว่ากำไรจากการดำเนินงานที่ปรับปรุงแล้วพลิกเป็นบวกที่ประมาณ 4.1 พันล้านดอลลาร์ (อัตรากำไรจากการดำเนินงานที่ปรับปรุงแล้วประมาณ 12%) ประสิทธิภาพของรายได้เมื่อเทียบกับต้นทุนพลังประมวลผลดีขึ้นอย่างมีนัยสำคัญ
ดังนั้น การสรุปว่าโมเดลธุรกิจของ Anthropic ไม่สามารถอยู่รอดได้เพียงเพราะขาดทุนสุทธิจำนวนมหาศาลจึงง่ายเกินไป แต่การสรุปว่าโมเดลขนาดใหญ่แก้ปัญหากำไรได้แล้วเพียงเพราะกำไรจากการดำเนินงานที่ปรับปรุงแล้วเป็นบวกก็ขาดหลักฐานเพียงพอเช่นกัน
ประเด็นสำคัญคือ บริษัทจะสามารถสร้างกระแสเงินสดอิสระ (FCF) ที่เพียงพอในระยะยาวได้หรือไม่ หลังจากแบกรับต้นทุนการวิจัยและพัฒนาอย่างต่อเนื่อง การจัดซื้อพลังประมวลผล การก่อสร้างโครงสร้างพื้นฐาน และต้นทุนการจัดหาเงินทุน
องค์กรจำนวนมากขึ้นเริ่มเน้นย้ำถึงการเพิ่มผลผลิตที่วัดได้จากปัญญาประดิษฐ์ รวมถึงการเร่งขั้นตอนการทำงาน การทำงานอัตโนมัติของงานประจำ การขยายขีดความสามารถในการให้บริการ และการควบคุมต้นทุนที่ดีขึ้น เห็นได้ชัดว่าความต้องการปัญญาประดิษฐ์แข็งแกร่ง อย่างไรก็ตาม วอลล์สตรีทเริ่มหมดความอดทนกับต้นทุนที่ต้องใช้เพื่อตอบสนองความต้องการนี้
ตัวอย่างที่ชัดเจนที่สุดคือ Meta รายงานผลประกอบการไตรมาสที่สามแสดงให้เห็นว่า แม้ปัญญาประดิษฐ์จะช่วยให้รายได้โฆษณาของ Meta เติบโต 26% แต่กระแสเงินสดอิสระรายไตรมาสกลับติดลบ เป็นครั้งแรกในรอบกว่าทศวรรษที่มีกระแสเงินสดไหลออกสุทธิ ในขณะเดียวกัน Meta ยังปรับเพิ่มคาดการณ์รายจ่ายลงทุนเพื่อสนับสนุนแผนการขยายโครงสร้างพื้นฐานปัญญาประดิษฐ์เชิงรุก
ความวิตกกังวลเรื่อง ROI (ผลตอบแทนจากการลงทุน) ของการลงทุนโครงสร้างพื้นฐาน AI ทั่ววอลล์สตรีทถูกขยายใหญ่ขึ้น
ในช่วงสองปีที่ผ่านมา ตลาดให้พรีเมียมอย่างไม่ลืมหูลืมตาเมื่อได้ยินว่า "ความสามารถ AI ดีขึ้น ความผูกพันของผู้ใช้เพิ่มขึ้น" แต่ในปัจจุบัน เมื่อรายจ่ายลงทุนทั่วอุตสาหกรรมเข้าใกล้หลักแสนล้านหรือล้านล้านดอลลาร์ วอลล์สตรีทเริ่มคำนวณเหมือนนักคณิตศาสตร์ประกันภัย: การลงทุนพลังประมวลผลเหล่านี้จะแปลงเป็นกระแสเงินสดอิสระที่เพิ่มขึ้นจริงเมื่อใด?
หากระยะเวลาคืนทุนยาวเกินไป หรือรายได้ที่เพิ่มขึ้นจาก AI ไม่สามารถชดเชยค่าเสื่อมราคาและค่าไฟฟ้าหลายแสนล้านดอลลาร์ต่อปี ตลาดจะลงโทษมูลค่าหุ้น
ตามการคาดการณ์ของ Gartner บริษัทวิจัยตลาด หากองค์กรยังคงใช้จ่ายในอัตราปัจจุบัน ภายในสิ้นปี 2030 การลงทุนโครงสร้างพื้นฐานปัญญาประดิษฐ์มากกว่า 3.5 ล้านล้านดอลลาร์อาจเสี่ยงต่อการด้อยค่าของสินทรัพย์ คาดว่าผู้ให้บริการ AI จะลงทุนเกือบ 1 ล้านล้านดอลลาร์ในโครงสร้างพื้นฐาน AI ในปี 2026 และอีก 6 ล้านล้านดอลลาร์ระหว่างปี 2027 ถึง 2030
Gartner ชี้ว่าในช่วงเวลาดังกล่าว รายได้จาก AI ที่มาจากลูกค้าองค์กรและผู้บริโภคอาจไม่เพียงพอที่จะให้ผลตอบแทนที่ทำกำไรจากการลงทุนเหล่านี้
02. การไม่ประหยัดต่อขนาด
ความไม่สอดคล้องกันอย่างมากระหว่างอุปสงค์ อุปทาน และการเงิน เผยให้เห็นความแตกต่างพื้นฐานระหว่างโมเดลขนาดใหญ่กับอุตสาหกรรมซอฟต์แวร์แบบดั้งเดิม
เป็นเวลาหลายทศวรรษที่ซอฟต์แวร์ในรูปแบบบริการ (SaaS) เป็นโมเดลธุรกิจที่ตลาดทุนชื่นชอบ เพราะหลังจากพัฒนาซอฟต์แวร์เสร็จแล้ว ต้นทุนส่วนเพิ่มในการให้บริการแก่ผู้ใช้เพิ่มเติมค่อนข้างต่ำ เมื่อฐานลูกค้าขยายตัว องค์กรมักจะเพิ่มอัตรากำไรผ่านการประหยัดต่อขนาด อย่างไรก็ตาม โมเดลขนาดใหญ่ไม่ได้เป็นไปตามตรรกะนี้ทั้งหมด
การอนุมานแต่ละครั้งของโมเดล การสร้างโค้ด การวิเคราะห์ข้อความยาว การทำงานของเอเจนต์อัจฉริยะ ล้วนต้องใช้ทรัพยากรคอมพิวเตอร์จริง โดยเฉพาะเมื่อปัญญาประดิษฐ์พัฒนาจากการตอบคำถามไปสู่การทำงานที่ซับซ้อนด้วยตนเอง งานเดียวอาจต้องเรียกใช้โมเดลซ้ำๆ ดึงข้อมูลภายนอก รันโปรแกรม และตรวจสอบผลลัพธ์ ทำให้ต้นทุนสูงขึ้น สำหรับองค์กรที่ให้บริการสมัครสมาชิกรายเดือนแบบคงที่ ผู้ใช้ที่ใช้งานมากที่สุดอาจไม่ใช่ผู้ที่สร้างกำไรสูงสุด แต่กลับเป็นผู้ที่ใช้พลังประมวลผลมากที่สุด
นี่คือเหตุผลที่ผู้ให้บริการโมเดลรายใหญ่ต้อง "คัดกรองผู้ใช้" ผ่านการจำกัดความยาวบริบท การจำกัดการเรียกใช้ หรือการคิดค่าบริการแบบแบ่งชั้น
ในสถานการณ์ที่ผู้ใช้หนักอาจเปลี่ยนจาก "สินทรัพย์" เป็น "ภาระ" การประเมินว่าโมเดลธุรกิจของบริษัทโมเดลขนาดใหญ่เติบโตเต็มที่หรือไม่ ไม่สามารถดูแค่จำนวนผู้ใช้ที่จ่ายเงิน การเติบโตของรายได้จากการสมัครสมาชิก หรือความกระตือรือร้นของผู้ใช้ แต่ต้องสังเกตเศรษฐศาสตร์ต่อหน่วยของกลุ่มผู้ใช้ต่างๆ: ผู้ใช้แต่ละรายสร้างรายได้เท่าไร ใช้ทรัพยากรการอนุมานเท่าไร อัตรากำไรเปลี่ยนแปลงอย่างไรเมื่อความเข้มข้นในการใช้งานเพิ่มขึ้น และบริษัทสามารถปรับปรุงความสัมพันธ์นี้ผ่านการตั้งราคาที่เหมาะสมและการเพิ่มประสิทธิภาพทางเทคนิคได้หรือไม่
โมเดลขนาดใหญ่ไม่ได้ถูกกำหนดให้ไม่สามารถสร้างการประหยัดต่อขนาดได้ การบีบอัดโมเดล การเพิ่มประสิทธิภาพการอนุมาน การอัปเกรดชิป เทคโนโลยีแคช และการจัดสรรงานระหว่างโมเดลต่างๆ ล้วนช่วยลดต้นทุนการประมวลผลต่อหน่วยได้อย่างต่อเนื่อง การปรับปรุงประสิทธิภาพการดำเนินงานที่ Anthropic เปิดเผยก็แสดงให้เห็นว่าความก้าวหน้าทางเทคนิคสามารถเปลี่ยนโครงสร้างต้นทุนได้
อย่างไรก็ตาม ปัญญาประดิษฐ์เผชิญกับกลไกการขยายความต้องการที่ไม่เหมือนใคร: เมื่อบริการอัจฉริยะถูกลงและทรงพลังขึ้น ผู้ใช้ไม่เพียงแต่ทำงานเดิมด้วยต้นทุนที่ต่ำลง แต่ยังอาจเริ่มเรียกร้องให้เครื่องจักรรับงานที่เคยเป็นไปไม่ได้มากขึ้น
Jevons paradox ในเศรษฐศาสตร์ให้ข้อมูลอ้างอิงที่ให้ข้อคิด: การเพิ่มประสิทธิภาพการใช้ทรัพยากรไม่ได้ลดการใช้ทรัพยากรทั้งหมดเสมอไป แต่อาจกระตุ้นการเติบโตของความต้องการ สำหรับบริษัทโมเดลขนาดใหญ่ ต้นทุนการอนุมานต่อหน่วยที่ลดลงไม่ได้หมายความว่ารายจ่ายพลังประมวลผลโดยรวมจะลดลง ปัญญาที่ถูกลงอาจนำไปสู่การประยุกต์ใช้ที่กว้างขึ้น และความต้องการพลังประมวลผลที่อาจมากขึ้น
การเปิดเผยในหนังสือชี้ชวนของ Anthropic เกี่ยวกับข้อผูกพันการจัดซื้อพลังประมวลผลในอนาคต เน้นย้ำความขัดแย้งนี้ บริษัทได้ลงนามและเปิดเผยข้อตกลงพลังประมวลผลและโครงสร้างพื้นฐานระยะยาวรวมเกือบ 9 แสนล้านดอลลาร์ ซึ่งส่วนใหญ่คาดว่าจะเกิดขึ้นก่อนปี 2030
ตัวเลขเหล่านี้ไม่ได้หมายความว่า Anthropic ได้จ่ายเงินจำนวนดังกล่าวแล้ว และไม่สามารถมองเป็นหนี้ปัจจุบันได้ง่ายๆ แต่สะท้อนการเปลี่ยนแปลงที่สำคัญ: บริษัทปัญญาประดิษฐ์แนวหน้ากำลังเปลี่ยนจากบริษัทซอฟต์แวร์สินทรัพย์เบาแบบดั้งเดิม ไปสู่บริษัทเทคโนโลยีสินทรัพย์หนักที่พึ่งพาการผลิตชิป ความจุของโครงข่ายไฟฟ้า ศูนย์ข้อมูล และการจัดหาเงินทุนระยะยาวอย่างมาก แม้ว่าบริษัทโมเดลขนาดใหญ่ยังคงเดิมพันกับนวัตกรรมอัลกอริทึมและบุคลากรวิจัย แต่ก็ถูกจำกัดโดยอุปทานของโครงสร้างพื้นฐานทางกายภาพมากขึ้นเรื่อยๆ
หากบริษัทต้องลงทุนหลายแสนล้านดอลลาร์อย่างต่อเนื่องเพื่อรักษาความได้เปรียบทางเทคโนโลยี แม้รายได้จะเติบโตอย่างน่าทึ่ง ก็ไม่สามารถรับประกันได้ว่าอัตราผลตอบแทนจากเงินทุนจะเพียงพอต่อมูลค่าปัจจุบัน
ปัญญาประดิษฐ์กำลังแสดงรูปแบบอุตสาหกรรมที่ไม่เหมือนใคร: มันสร้างรายได้ด้วยความเร็วของอุตสาหกรรมซอฟต์แวร์ แต่อาจต้องจัดโครงสร้างเงินทุนในลักษณะของอุตสาหกรรมพลังงาน โทรคมนาคม และโครงสร้างพื้นฐานอุตสาหกรรม ในอดีต นักลงทุนสนใจเพียงว่าบริษัทใดมีโมเดลที่ล้ำหน้าที่สุด มีผู้ใช้มากที่สุด และรายได้เติบโตเร็วที่สุด แต่ในอนาคต ต้นทุนเงินทุน ราคาจัดซื้อพลังประมวลผล อัตราการใช้โครงสร้างพื้นฐาน และระยะเวลาคืนทุน อาจเป็นตัวกำหนดความสามารถในการแข่งขันระยะยาวของบริษัทเช่นกัน
03. เส้นทางที่เป็นไปได้ในการทำโมเดลให้เป็นธุรกิจ
เมื่อเทียบกับ Anthropic แล้ว OpenAI มีการวางแผนธุรกิจที่กว้างขวางกว่า โดยพยายามเป็นผู้ช่วยอัจฉริยะทั่วไปสำหรับผู้ใช้รายบุคคล และในขณะเดียวกันก็พยายามเป็นแพลตฟอร์มพื้นฐานสำหรับองค์กรและนักพัฒนาในการใช้ปัญญาประดิษฐ์ อย่างไรก็ตาม OpenAI ก็เผชิญกับความขัดแย้งที่คล้ายคลึงกัน
แม้ว่ารายได้ประจำปี (ARR) และรายได้รายไตรมาสของ OpenAI จะสูงถึงหลายหมื่นล้านดอลลาร์ แต่การเปิดเผยทางการเงินสาธารณะและการคาดการณ์ของอุตสาหกรรมหลายฉบับแสดงให้เห็นว่า เนื่องจากต้นทุนการฝึกโมเดลแนวหน้ารุ่นต่อไปที่สูง ค่าใช้จ่ายการอนุมานที่มหาศาล และข้อตกลงเช่าพลังประมวลผลหลายแสนล้านดอลลาร์ ขาดทุนจากการดำเนินงานสะสมในช่วงไม่กี่ปีที่ผ่านมาและช่องว่างกระแสเงินสดที่คาดการณ์ไว้ในอีกไม่กี่ปีข้างหน้า ยังคงสูงถึงหลายแสนล้านหรือเกินหนึ่งล้านล้านดอลลาร์
ดังนั้น การดึงดูดผู้ใช้จึงไม่ใช่ประเด็นสำคัญ ความท้าทายที่ใหญ่ที่สุดคือการแปลงความต้องการใช้งานที่กว้างขวางให้เป็นรายได้ที่เพียงพอต่อการลงทุนอย่างต่อเนื่อง
Meta แสดงให้เห็นเส้นทางอีกแบบหนึ่ง
ต่างจาก OpenAI และ Anthropic Meta ไม่ได้พึ่งพาการขายโมเดลขนาดใหญ่เป็นรายได้หลัก แต่ผสานปัญญาประดิษฐ์เข้ากับระบบโฆษณา การแนะนำเนื้อหา และแพลตฟอร์มโซเชียลที่มีอยู่ การพัฒนาความสามารถของโมเดลสามารถปรับปรุงการกระจายเนื้อหา การจับคู่โฆษณา และประสิทธิภาพการตลาดอัตโนมัติ ซึ่งช่วยเพิ่มความสามารถในการทำกำไรของธุรกิจที่เติบโตเต็มที่โดยตรง
สำหรับ Meta ปัญญาประดิษฐ์เป็นเทคโนโลยีที่ช่วยเพิ่มประสิทธิภาพของระบบธุรกิจที่มีอยู่เป็นหลัก ไม่ใช่ผลิตภัณฑ์ใหม่ที่จำเป็นต้องคิดค่าบริการแยกต่างหาก โมเดลนี้มีข้อได้เปรียบที่ชัดเจน: สามารถใช้ประโยชน์จากความสัมพันธ์กับลูกค้าที่มีอยู่ ขนาดผู้ใช้ และระบบซื้อขายโฆษณาเพื่อสร้างรายได้ โดยไม่ต้องพึ่งพาผู้บริโภคในการสร้างนิสัยการจ่ายเงินใหม่สำหรับบริการอัจฉริยะทั้งหมด
อย่างไรก็ตาม Meta ก็เผชิญกับปัญหาการลงทุนศูนย์ข้อมูลที่ขยายตัวอย่างต่อเนื่อง รายจ่ายลงทุนมหาศาลสร้างแรงกดดันต่อกระแสเงินสดอิสระ นี่แสดงให้เห็นว่าการมีโมเดลธุรกิจที่เติบโตเต็มที่ไม่ได้ขจัดลักษณะที่ต้องใช้เงินทุนสูงของปัญญาประดิษฐ์ แต่เพียงให้ฐานรายได้ที่มั่นคงกว่าในการแบกรับต้นทุนเหล่านี้
กรณีของ Meta ยังเผยให้เห็นความขัดแย้งที่ลึกซึ้งกว่าในการทำโมเดลขนาดใหญ่ให้เป็นธุรกิจ: มูลค่าทางเศรษฐกิจที่โมเดลสร้างขึ้น อาจไม่ถูกผู้ให้บริการโมเดลได้รับโดยตรง
เมื่อปัญญาประดิษฐ์ถูกฝังอยู่ในผลิตภัณฑ์และบริการต่างๆ มากขึ้น องค์กรที่ควบคุมความสัมพันธ์กับผู้ใช้ สถานการณ์การใช้งาน และช่องทางธุรกิจ อาจสร้างมูลค่าได้ง่ายกว่าองค์กรที่เพียงแค่ให้ความสามารถของโมเดล นี่นำไปสู่คำถามสำคัญ: โมเดลพื้นฐานจะกลายเป็นสินค้าโภคภัณฑ์หรือไม่ ซึ่งสำคัญอย่างยิ่งต่อการทำความเข้าใจแนวโน้มกำไรของบริษัทโมเดลขนาดใหญ่
หากโมเดลที่พัฒนาโดยบริษัทต่างๆ มีประสิทธิภาพ ความน่าเชื่อถือ และประสบการณ์ผู้ใช้ที่คล้ายคลึงกันมากขึ้น ลูกค้าจะให้ความสำคัญกับราคาและต้นทุนบริการมากขึ้น แม้ผู้ให้บริการโมเดลจะก้าวหน้าทางเทคนิคอย่างต่อเนื่อง ก็อาจไม่สามารถรักษากำไรสูงในระยะยาวได้เนื่องจากการแข่งขัน
การแพร่กระจายของความสามารถทางเทคนิคเป็นประโยชน์ต่อผู้บริโภค แต่ไม่จำเป็นต้องเป็นประโยชน์ต่อผู้พัฒนาเทคโนโลยีดั้งเดิม ในประวัติศาสตร์ เทคโนโลยีสำคัญหลายอย่างกลายเป็นโครงสร้างพื้นฐานที่ใช้กันอย่างแพร่หลาย แต่การแพร่หลายของเทคโนโลยีไม่ได้การันตีว่าผู้ประดิษฐ์จะได้รับผลประโยชน์ทางเศรษฐกิจสูงสุด
อย่างไรก็ตาม การกลายเป็นสินค้าโภคภัณฑ์ของโมเดลไม่ได้หมายความว่าบริการปัญญาประดิษฐ์ทั้งหมดจะกลายเป็นสินค้าโภคภัณฑ์
สิ่งที่องค์กรซื้อจริงๆ มักไม่ใช่โมเดลที่ตอบคำถามได้ แต่เป็นระบบอัจฉริยะที่เข้าใจธุรกิจภายใน เข้าถึงข้อมูลเฉพาะ ดำเนินกระบวนการที่ซับซ้อน และตอบสนองข้อกำหนดด้านความปลอดภัยและการปฏิบัติตามกฎระเบียบ เมื่อปัญญาประดิษฐ์เจาะลึกเข้าไปในกระบวนการการเงิน การวิจัยและพัฒนา กฎหมาย และบริการลูกค้าขององค์กร การเปลี่ยนผู้ให้บริการไม่ใช่แค่การเปลี่ยนอินเทอร์เฟซแชทอีกต่อไป แต่อาจเกี่ยวข้องกับการย้ายข้อมูล การรวมระบบ การควบคุมความเสี่ยง และการฝึกอบรมองค์กร
ดังนั้น คูเมืองทางธุรกิจที่แข็งแกร่งกว่าในอนาคตอาจไม่ได้อยู่ที่พารามิเตอร์ของโมเดลเอง แต่อยู่ที่การผสานโมเดลเข้ากับขั้นตอนการทำงานขององค์กร และเครือข่ายนักพัฒนา สภาพแวดล้อมข้อมูล และระบบนิเวศบริการที่เกิดขึ้นจากสิ่งนี้
จากมุมมองนี้ Anthropic และ OpenAI อาจไม่ได้อยู่ที่ตำแหน่งผู้ให้บริการโมเดลพื้นฐานตลอดไป พวกเขากำลังพัฒนาบริการครบวงจรสำหรับผู้บริโภคและองค์กร พยายามสร้างความได้เปรียบที่แตกต่างผ่านประสบการณ์ผลิตภัณฑ์ ขั้นตอนการทำงาน และความสัมพันธ์กับลูกค้า
ไม่ว่า Anthropic จะใช้ Claude Managed Agents เพื่อลดอุปสรรคในการปรับใช้เอเจนต์อัจฉริยะขององค์กร ใช้ Claude Code เจาะลึกกระบวนการพัฒนาซอฟต์แวร์ หรือ OpenAI ผลักดันให้ปัญญาประดิษฐ์ผสานเข้ากับการดำเนินงานประจำวันขององค์กร ทั้งสองบริษัทกำลังสำรวจทิศทางเดียวกัน: เปลี่ยนจากการให้ความสามารถของโมเดลและเครื่องมือสนทนา ไปสู่การให้บริการอัจฉริยะที่ฝังอยู่ในกระบวนการธุรกิจและทำงานอย่างต่อเนื่อง
ในขณะเดียวกัน การพัฒนาของเอเจนต์อัจฉริยะอาจเปลี่ยนตรรกะการตั้งราคาของปัญญาประดิษฐ์ต่อไป โมเดลการสมัครสมาชิกแบบดั้งเดิมขายสิทธิ์การใช้ซอฟต์แวร์ในช่วงเวลาหนึ่ง การคิดค่าบริการตามโทเค็นขายการใช้ทรัพยากรคอมพิวเตอร์ แต่เอเจนต์อัจฉริยะอาจขายความสามารถในการทำงานให้สำเร็จ
หากระบบ AI สามารถตรวจสอบเอกสารทางกฎหมาย ทดสอบซอฟต์แวร์ หรือวิเคราะห์การเงินขององค์กรได้ด้วยตนเอง สิ่งที่ลูกค้าสนใจจริงๆ อาจไม่ใช่จำนวนโทเค็นที่ใช้ แต่เป็นว่างานสำเร็จหรือไม่ ผลลัพธ์น่าเชื่อถือหรือไม่ และประหยัดต้นทุนได้เท่าไร
การคิดค่าบริการตามงาน ปริมาณงาน หรือแม้แต่ผลลัพธ์จริง อาจกลายเป็นองค์ประกอบสำคัญของโมเดลธุรกิจในอนาคต อย่างไรก็ตาม โมเดลนี้จะนำมาซึ่งปัญหาความรับผิดชอบใหม่: เมื่อปัญญาประดิษฐ์ทำงานไม่สำเร็จ หรือความผิดพลาดทำให้เกิดความเสียหายทางเศรษฐกิจ ใครควรรับผิดชอบต้นทุนและความเสี่ยง? ยิ่งบริการอัจฉริยะเข้าใกล้แรงงานจริงมากเท่าไร ก็ยิ่งยากที่จะนำกฎของอุตสาหกรรมซอฟต์แวร์แบบดั้งเดิมมาใช้กับโมเดลธุรกิจของมันได้ทั้งหมด
04. ใครจะเก็บทองคำที่ขุดได้ไว้?
จากมุมมองที่กว้างขึ้น อุตสาหกรรมปัญญาประดิษฐ์กำลังผ่านการปรับโครงสร้างการกระจายมูลค่า
ผู้ได้รับประโยชน์รายแรกที่ชัดเจนคือผู้ผลิตชิป การผลิต และผู้ให้บริการโครงสร้างพื้นฐาน เพราะการขยายตัวของอุตสาหกรรมทั้งหมดแปลงเป็นความต้องการทรัพยากรคอมพิวเตอร์ อย่างไรก็ตาม เมื่อความสามารถของโมเดลแพร่กระจาย กำไรอาจค่อยๆ เปลี่ยนไปสู่องค์กรที่ควบคุมขั้นตอนการทำงานขององค์กร จุดเข้าถึงผู้ใช้ และระบบนิเวศแอปพลิเคชัน
หากพลังประมวลผลยังคงหายากในระยะยาว ผู้ให้บริการโครงสร้างพื้นฐานจะยังมีอำนาจต่อรองที่แข็งแกร่ง หากอุปทานโมเดลเพียงพอ องค์กรแอปพลิเคชันอาจมีพื้นที่ในการกระจายมูลค่ามากขึ้น หากแพลตฟอร์มจำนวนน้อยสามารถรวมโมเดล ข้อมูล การชำระเงิน และขั้นตอนการทำงานเข้าด้วยกัน ก็อาจเกิดเศรษฐกิจแพลตฟอร์มใหม่
ในที่สุด ใครจะได้กำไรมากที่สุด ขึ้นอยู่กับว่าส่วนใดของห่วงโซ่อุตสาหกรรมสามารถสร้างความหายากที่ยั่งยืนได้
ในประวัติศาสตร์ ความได้เปรียบในการแข่งขันระยะยาวของ Microsoft ไม่ได้มาจากรายได้ค่าลิขสิทธิ์ระบบปฏิบัติการ Windows เท่านั้น แต่มาจากระบบนิเวศนักพัฒนา ความเข้ากันได้ของซอฟต์แวร์ และเครือข่ายลูกค้าองค์กรที่เกิดขึ้นรอบระบบปฏิบัติการนั้น Google ไม่ได้สร้างอาณาจักรธุรกิจด้วยการเก็บค่าบริการค้นหาจากผู้ใช้ แต่แปลงจุดเข้าถึงผู้ใช้ที่การค้นหาสร้างขึ้นเป็นรายได้โฆษณา
ปัจจุบัน Anthropic และ OpenAI ก็เผชิญกับทางเลือกสำคัญ: โมเดลพื้นฐานเป็นเพียงผลิตภัณฑ์เทคโนโลยีที่ต้องลงทุนมหาศาลอย่างต่อเนื่องเพื่อรักษาความได้เปรียบ หรือสามารถเป็นรากฐานแพลตฟอร์มที่เชื่อมโยงนักพัฒนา ลูกค้าองค์กร และระบบนิเวศแอปพลิเคชัน
หากพวกเขาสามารถสร้างเครือข่ายนักพัฒนาที่มั่นคง การผสานรวมขั้นตอนการทำงานขององค์กรอย่างลึกซึ้ง และระบบบริการที่ยากจะแทนที่ได้บนโมเดล ก็อาจได้รับความได้เปรียบในการแข่งขันและอำนาจการตั้งราคาที่เหนือกว่าประสิทธิภาพของโมเดลเอง อย่างไรก็ตาม การเปลี่ยนเป็นแพลตฟอร์มนี้จะสร้างกำไรเพียงพอต่อการลงทุนพลังประมวลผลอย่างต่อเนื่องหรือไม่ ยังต้องรอการพิสูจน์จากผลการดำเนินงานระยะยาว
ตามเอกสารกำกับดูแลที่ Anthropic ยื่นเมื่อเร็วๆ นี้ นี่คือขนาดที่การเสนอขายหุ้นต่อสาธารณะครั้งแรก (IPO) ที่กำลังจะมาถึงของบริษัทอาจทำได้ในกรณีที่ดีที่สุด: มูลค่า 1.4 ล้านล้านดอลลาร์ (หลังปรับลด) และระดมทุน 9 หมื่นล้านดอลลาร์
IPO ที่ทะเยอทะยานนี้โดยพื้นฐานแล้วเป็นการลงประชามติของนักลงทุนต่ออุตสาหกรรมปัญญาประดิษฐ์ มันให้โอกาสนักลงทุนในวงกว้างขึ้นในการเลือกว่าจะสนับสนุนให้บริษัทเผาเงินต่อไป หรือหลีกเลี่ยงบริษัทที่คาดว่าจะเป็นตัวชี้วัดสำคัญของอุตสาหกรรมปัญญาประดิษฐ์ และปฏิเสธการให้มูลค่าสูงเป็นประวัติการณ์ที่ 1.4 ล้านล้านดอลลาร์
ไม่ว่าอย่างไร การยื่น IPO ของ Anthropic เผยให้เห็นปัญหาใหญ่ที่ไม่อาจมองข้าม: เพื่อรักษาการเติบโตของรายได้ บริษัทต้องแบกรับต้นทุนพลังประมวลผลที่เพิ่มขึ้นอย่างต่อเนื่อง นี่ทำให้การโน้มน้าวนักลงทุนยากขึ้นอย่างเห็นได้ชัด หากบริษัทดาวรุ่งด้านปัญญาประดิษฐ์ที่เป็นที่นิยมอย่างมากมีผลงานย่ำแย่หลังเข้าจดทะเบียน ตลาดจะรับได้หรือไม่? ต้องใช้เวลาในการพิสูจน์
มีปัญหาหนึ่งที่มักถูกมองข้าม: มูลค่าทางเศรษฐกิจที่ปัญญาประดิษฐ์สร้างขึ้น ไม่จำเป็นต้องแปลงเป็นรายได้และกำไรของผู้พัฒนาโมเดล
องค์กรใช้ปัญญาประดิษฐ์เพื่อเพิ่มผลผลิต ต้นทุนที่ประหยัดได้อาจอยู่ในมือของผู้ใช้ ผู้บริโภคอาจได้รับความสะดวกจากบริการอัจฉริยะฟรีหรือต้นทุนต่ำ ซึ่งอาจแสดงเป็นส่วนเกินของผู้บริโภค ไม่ใช่รายได้ของผู้ให้บริการโมเดล แม้ปัญญาประดิษฐ์จะเพิ่มผลผลิตของสังคมทั้งหมดอย่างมีนัยสำคัญในที่สุด ผู้พัฒนาโมเดลก็อาจไม่ได้รับผลตอบแทนทางเศรษฐกิจตามมูลค่าที่สร้างขึ้น
ไม่มีความสัมพันธ์ที่แน่นอนระหว่างมูลค่าทางสังคมของเทคโนโลยีกับผลตอบแทนทางการเงินของผู้พัฒนา
AI ขุดพบทองคำจริงๆ แต่หลังจากชำระต้นทุนทั้งหมดสำหรับชิป ไฟฟ้า ศูนย์ข้อมูล การวิจัยและพัฒนา และการจัดหาเงินทุนแล้ว "คนขุดทอง" เหล่านั้นจะเก็บไว้ได้จริงเท่าไร? นี่คือคำถามหลักที่โมเดลธุรกิจของโมเดลขนาดใหญ่ยังไม่ได้ตอบ
การเข้าจดทะเบียนของ Anthropic ไม่ใช่จุดสิ้นสุดของคำถามนี้ แต่เป็นการนำเข้าสู่ขั้นตอนที่เข้มงวดยิ่งขึ้น ก่อนหน้านี้ ตลาดสามารถจินตนาการถึงอนาคตจากความก้าวหน้าทางเทคนิค การเติบโตของผู้ใช้ และมูลค่าการระดมทุน หลังเข้าจดทะเบียน บริษัทต้องพิสูจน์มูลค่าทางธุรกิจอย่างต่อเนื่องผ่านรายได้ กำไร กระแสเงินสด และผลตอบแทนจากเงินทุน
โมเดลฉลาดขึ้นหรือไม่ แม้จะสำคัญ แต่สิ่งที่สำคัญกว่าคือ องค์กรสามารถผลิต กระจาย และขายปัญญาในวิธีที่ยั่งยืนทางเศรษฐกิจได้หรือไม่
เนื้อหานี้จัดทำขึ้นโดยมีวัตถุประสงค์เพื่อแจ้งข้อมูลและให้ความรู้เท่านั้น และไม่ถือว่าเป็นคำแนะนำด้านการลงทุนที่เกี่ยวข้องกับ BTCC แต่อย่างใด BTCC ใช้ความพยายามอย่างเต็มที่ แต่ไม่สามารถรับประกันความจริงแท้ ความถูกต้อง หรือความเป็นต้นฉบับของเนื้อหาข้างต้นได้