เมื่อการใช้เหตุผลกลายเป็นทรัพยากรที่หายาก ใครจะเป็นผู้คว้าเอาคุณค่าของมันมา?

ผู้เขียน: แฟรงค์ ฟู, IOSG

"ช่องว่าง" ที่เดวิด คาห์นเสนอไว้ในปี 2023 นั้นไม่เคยถูกเติมเต็มในฝั่งการฝึกอบรม แต่ถูกเติมเต็มในฝั่งการอนุมานแล้ว และตลาดเพิ่งเริ่มคำนึงถึงเรื่องนี้ในเรื่องราคาในช่วงไม่กี่สัปดาห์ที่ผ่านมา เมื่อ Nvidia ปรับโครงสร้างการรายงานทางการเงินใหม่โดยใช้ "โทเค็นบริการ" และ Cerebras เปิดตัวสู่สาธารณะด้วยยอดจองซื้อเกินจำนวนถึง 20 เท่า การถกเถียงเรื่องคอขวดก็จบลงแล้ว และคำถามที่แท้จริงก็คือ เมื่อการอนุมานกลายเป็นทรัพยากรที่หายาก มูลค่าจะกระจุกตัวอยู่ที่ใดในระบบประมวลผล?

1. การติดตาม GPU: จากคำถามมูลค่า 200 พันล้านดอลลาร์ สู่คำถามมูลค่า 600 พันล้านดอลลาร์

ในปี 2023 เดวิด คาห์น จาก Sequoia ได้ตั้งคำถามสำคัญที่ส่งผลกระทบต่อโครงสร้างพื้นฐาน AI ทั้งหมด ซึ่งรู้จักกันในชื่อ "คำถาม 200 พันล้านดอลลาร์" ทุกๆ ดอลลาร์ที่ใช้ไปกับ GPU จะต้องใช้เงินอีกประมาณหนึ่งดอลลาร์ในการจัดหาพลังงานให้กับ GPU ในศูนย์ข้อมูล นั่นหมายความว่าค่าใช้จ่ายด้านการลงทุน (CapEx) ของ GPU ในแต่ละปี หมายความว่าชิปเหล่านี้จะต้องสร้างรายได้ประมาณ 200 พันล้านดอลลาร์จึงจะคุ้มทุน แม้จะตั้งสมมติฐานเกี่ยวกับรายได้จาก AI ไว้สูงมาก เขาก็ยังพบช่องว่างมากกว่า 125 พันล้านดอลลาร์ระหว่าง "การลงทุน" กับ "การชำระเงินจริงจากลูกค้าปลายทาง" ข้อกังวลนั้นตรงไปตรงมา: GPU ถูกผลิตเกินความต้องการที่แท้จริง

หนึ่งปีต่อมา ช่องว่างไม่เพียงแต่ไม่แคบลง แต่กลับกว้างขึ้น ในรายงานติดตามผลในปี 2024 คานห์ได้นิยามใหม่ว่าเป็น "คำถาม 600 พันล้านดอลลาร์" เนื่องจากการลงทุน (CapEx) ของผู้ให้บริการไฮเปอร์สเกลพุ่งสูงขึ้น ตรรกะในแง่ลบได้มาบรรจบกันในรูปแบบที่คุ้นเคย นั่นคือ การสร้างมากเกินไปนำไปสู่อุปทานส่วนเกิน และอุปทานส่วนเกินจะทำให้เงินทุนหมดไป

บทความทั้งสองชิ้นถามคำถามเดียวกันโดยพื้นฐานแล้ว คือ ใครจะเป็นผู้เติมเต็มช่องว่างนี้? คำตอบยังไม่ปรากฏให้เห็นในด้าน "การฝึกอบรม" แต่ปรากฏอยู่ในด้านการอนุมาน และตลาดเพิ่งเริ่มนำมาพิจารณาในการกำหนดราคาในช่วงไม่กี่สัปดาห์ที่ผ่านมา

2. การเสนอขายหุ้น IPO ของ Cerebras และ Inference Squeeze

บริษัท Cerebras เข้าจดทะเบียนในตลาดหลักทรัพย์เมื่อวันพฤหัสบดีที่ผ่านมา การเสนอขายหุ้น IPO ครั้งนี้ได้รับการจองซื้อเกินกว่า 20 เท่า โดยราคาหุ้นเพิ่มขึ้นเกือบสองเท่าจากราคาที่เพิ่มขึ้นในวันพุธ ความต้องการซื้อไม่ได้มาจากความคาดหวังว่าจะเป็น "คู่แข่งตัวฉกาจของ Nvidia" แต่มาจากความเข้าใจที่เรียบง่ายกว่านั้น นั่นคือ ตลาดเริ่มเข้าใจแล้วว่าอุปสรรคที่แท้จริงใน AI คือกระบวนการอนุมาน ไม่ใช่การฝึกฝน

จุดเด่นของ Cerebras คือสถาปัตยกรรมชิปที่ทำให้การประมวลผลแบบอนุมานรวดเร็วอย่างมาก ไม่ใช่เรื่องของการฝึกฝน แต่เป็นเรื่องของการอนุมาน นี่คือสิ่งที่ทำให้ Wall Street ตื่นเต้น ตลาดการประมวลผลแบบอนุมานเป็นตลาดที่เกิดขึ้นซ้ำๆ และขยายตัวตามการใช้งาน ทุกครั้งที่ Claude ตอบคำถาม ทุกครั้งที่เอเจนต์ทำงาน มันจะใช้พลังการประมวลผล การฝึกฝนเกิดขึ้นเพียงครั้งเดียว ในขณะที่การประมวลผลแบบอนุมานไม่เคยหยุด

เจพี มอร์แกนประเมินว่าขนาดของตลาดการประมวลผลแบบอนุมาน (inference) จะใหญ่กว่าตลาดการฝึกฝน (training) ถึง 10 ถึง 50 เท่า เมื่อเครื่องจักรเริ่มทำงานที่ได้รับมอบหมายจากเครื่องจักรอื่น ๆ หรือที่เรียกว่าการขยายตัวแบบตัวแทน (agentic expansion) ความต้องการการประมวลผลแบบอนุมานจะไม่ขยายตัวตามจำนวนผู้ใช้ แต่จะเพิ่มขึ้นตามกำลังการประมวลผลเอง

3. Nvidia พลิกโฉมวงการ: การประมวลผลแบบอนุมานก้าวสู่จุดสนใจหลัก

หาก Cerebras เป็นตัวแทนของการตื่นตัวของตลาด รายงานผลประกอบการรายไตรมาสล่าสุดของ Nvidia ก็เป็นการยืนยันจากผู้นำในห่วงโซ่อุปทาน ในการประชุมรายงานผลประกอบการครั้งล่าสุด Jensen Huang ได้ทำให้ความจริงที่ไม่ได้พูดออกมานั้นชัดเจนขึ้น นั่นคือ ความต้องการ AI กำลังเติบโตอย่างรวดเร็ว เหตุผลนั้นง่ายมาก นั่นคือ AI ที่เป็นตัวแทนได้มาถึงแล้ว AI กระแสหลักได้เปลี่ยนจากการอนุมานแบบครั้งเดียวไปสู่การใช้เหตุผลเชิงตรรกะ และตอนนี้ได้เข้าสู่ขั้นของตัวแทนที่สามารถเรียกใช้เครื่องมือและจัดการงานต่างๆ ได้ด้วยตัวเอง Huang กล่าวว่า "โทเค็นนั้นทำกำไรได้แล้ว" ในยุค AI พลังการประมวลผลเท่ากับรายได้และกำไร

สิ่งนี้จะเปลี่ยนแปลงโฉมหน้าของอุตสาหกรรมทั้งหมด การฝึกฝนโมเดลเป็นค่าใช้จ่ายครั้งเดียวในการสร้างโมเดล ในขณะที่การอนุมานเป็นค่าใช้จ่ายที่เกิดขึ้นซ้ำๆ ในการใช้งาน และปัญหาคอขวดในปัจจุบันอยู่ที่การอนุมาน ไม่ใช่การฝึกฝนโมเดล

Nvidia ได้นำข้อสรุปนี้มาปรับใช้ในการรายงานผลประกอบการทางการเงิน โดยเปิดเผยผลประกอบการแยกตามสองแพลตฟอร์ม แทนที่จะเป็นแพลตฟอร์มเดียว ได้แก่ ศูนย์ข้อมูล (Data Center) และการประมวลผลแบบเอดจ์ (Edge Computing) ศูนย์ข้อมูล (ประมาณ 75 พันล้านดอลลาร์ในไตรมาสนี้ เพิ่มขึ้น 92% เมื่อเทียบกับปีก่อน) แบ่งย่อยออกเป็นไฮเปอร์สเกล (ประมาณ 38 พันล้านดอลลาร์ เพิ่มขึ้น 12% เมื่อเทียบกับไตรมาสก่อนหน้า) และ ACIE ซึ่งรวมถึงคลาวด์ AI อุตสาหกรรม และองค์กร (ประมาณ 37 พันล้านดอลลาร์ เพิ่มขึ้น 31% เมื่อเทียบกับไตรมาสก่อนหน้า) ส่วนการประมวลผลแบบเอดจ์ (Edge Computing) มีมูลค่า 6.4 พันล้านดอลลาร์ เพิ่มขึ้น 29% เมื่อเทียบกับปีก่อน ครอบคลุมอุปกรณ์ปลายทางที่ AI อัตโนมัติและ AI ทางกายภาพทำงานอย่างแท้จริง เช่น พีซี เวิร์กสเตชัน สถานีฐาน AI-RAN หุ่นยนต์ และรถยนต์

ปัจจุบัน Edge มีสัดส่วนน้อยกว่า 8% ของรายได้รวม แต่ Nvidia ได้ยกระดับให้เป็น "แพลตฟอร์มที่สอง" ควบคู่ไปกับ Data Center ซึ่งบ่งชี้ว่าการประมวลผลแบบอนุมานกำลังแบ่งออกเป็นสองด้าน ได้แก่ การประมวลผลแบบอนุมานบนคลาวด์ในศูนย์ข้อมูล และการประมวลผลแบบอนุมานที่ปลายทางบน Edge ซึ่ง AI จำเป็นต้องมองเห็น เคลื่อนไหว และดำเนินการในโลกทางกายภาพ แผนงานก็ใช้ตรรกะเดียวกัน: Vera Rubin ซึ่งจะเริ่มจัดส่งในไตรมาสที่สาม สามารถทำการประมวลผลแบบอนุมานได้เร็วกว่า Blackwell ถึง 35 เท่า นอกจากนี้ Huang ยังได้ระบุถึงตลาดเป้าหมายรวม (TAM) ใหม่ที่ 200 พันล้านดอลลาร์สำหรับ CPU Vera ที่ออกแบบมาสำหรับงานประมวลผลแบบเอเจนต์ บริษัทชั้นนำทุกแห่งคาดว่าจะเปลี่ยนไปใช้แพลตฟอร์มนี้อย่างเต็มรูปแบบในวันแรก

ในขณะที่บริษัทที่มีมูลค่าสูงสุดในโลกกำลังปรับโครงสร้างการเปิดเผยข้อมูลทางการเงินใหม่โดยใช้ "โทเค็นบริการ" เป็นหลัก การถกเถียงเรื่องคอขวดก็ได้ยุติลงแล้ว ส่วนที่เหลือของบทความนี้จะกล่าวถึงว่าใครจะเป็นผู้ได้รับมูลค่าเมื่อการอนุมาน (แทนที่จะเป็นการฝึกฝน) กลายเป็นทรัพยากรที่หายาก

ก่อนอื่น ขอชี้แจงขอบเขตของบทความนี้ก่อน บทความนี้กล่าวถึงการอนุมานบนคลาวด์ ซึ่งหมายถึงการเช่า GPU จากศูนย์ข้อมูลเพื่อให้บริการโทเค็น API การอนุมานปลายทางทำงานบนชิปภายในอุปกรณ์เอง (เช่น Nvidia Jetson, RTX, Drive, AI-RAN) โดยไม่ต้องผ่านกระบวนการเช่าและการรวม GPU ที่อยู่เบื้องล่าง โปรดพิจารณาว่านี่เป็นปัจจัยสนับสนุนที่ช่วยขยายเศรษฐกิจการอนุมานโดยรวมและสนับสนุนข้อโต้แย้งเรื่องคอขวด มากกว่าที่จะเป็นตลาดที่ Hyperbolic และ Venice ดำเนินงานอยู่ ซึ่งเป็นตลาดบนคลาวด์ทั้งหมด

4. ช่วงเวลาแห่งความกดดันมาถึงแล้ว

Anthropic เปรียบเสมือนนกคานารีในเหมืองถ่านหิน การใช้งานเกินขีดความสามารถที่กำหนดไว้ล่วงหน้าอย่างมาก และมีข้อร้องเรียนมากมายบนอินเทอร์เน็ตเกี่ยวกับปัญหา "การดึงสมองออกจากระบบ" ซึ่งรวมถึงการตอบสนองที่ช้าลง การประมวลผลที่ช้าลง และหน้าต่างบริบทที่ถูกบีบอัด วิธีแก้ปัญหานั้นเกี่ยวข้องกับพลังการประมวลผลโดยตรง: ในเดือนพฤษภาคม 2026 Anthropic ได้เข้าครอบครองศูนย์ข้อมูล Colossus 1 ทั้งหมดจาก SpaceX ซึ่งมี GPU ของ Nvidia มากกว่า 220,000 ตัวและพลังงานมากกว่า 300 เมกะวัตต์ โดยทุ่มเทให้กับการประมวลผลแบบอนุมานโดยเฉพาะ แทนที่จะเป็นการฝึกฝน

ความสามารถนี้ปลดล็อกการเปลี่ยนแปลงโควต้าหลายอย่าง ซึ่งแต่ละครั้งทำหน้าที่เป็นสัญญาณ ในวันที่ 6 พฤษภาคม Anthropic ได้เพิ่มขีดจำกัดห้าชั่วโมงสำหรับ Claude Code เป็นสองเท่า ยกเลิกการจำกัดการใช้งานในช่วงเวลาที่มีการใช้งานสูงสุด และเพิ่มขีดจำกัดอัตรา API สำหรับ Opus อย่างมีนัยสำคัญ ในวันที่ 13 พฤษภาคม ได้เพิ่มขีดจำกัดรายสัปดาห์สำหรับ Claude Code อีก 50% (จนถึงวันที่ 13 กรกฎาคม) จากนั้น ตั้งแต่วันที่ 15 มิถุนายน ก็ได้ทำในสิ่งที่ตรงกันข้ามกับคำว่า "ใจกว้าง" คือ แยกการใช้งานแบบเอเจนต์และแบบโปรแกรม (Agent SDK, โหมด headless claude -p, CI pipeline) ออกจากการสมัครสมาชิกแบบเหมาจ่ายไปเป็นกลุ่มเครดิตที่คิดค่าบริการแยกต่างหาก (ตั้งแต่ 20 ถึง 200 ดอลลาร์ต่อเดือน คิดค่าบริการตามอัตรา API) ขั้นตอนสุดท้ายนี้ได้สรุปข้อโต้แย้งทั้งหมดไว้ในการกระทำเดียว: ความเร็วที่เอเจนต์ใช้การอนุมานนั้นเกินขีดความสามารถในการออกแบบของการสมัครสมาชิกแบบเหมาจ่าย ดังนั้นจึงต้องกำหนดราคาตาม "ต้นทุนที่เกิดขึ้นซ้ำ" ดั้งเดิม

การฝึกอบรมเป็นค่าใช้จ่ายด้านทุนครั้งเดียว ในขณะที่การอนุมานเป็นค่าใช้จ่ายในการดำเนินงานที่เกิดขึ้นซ้ำ ๆ และจะเพิ่มขึ้นเรื่อย ๆ เมื่อมีผู้ใช้ใหม่และตัวแทนใหม่แต่ละคน

5. โครงสร้างนี้: หกชั้น หนึ่งจุดคอขวด

แอปพลิเคชัน AI ทุกตัวล้วนอยู่บนห่วงโซ่อุปทานที่เริ่มต้นจากการผลิตเวเฟอร์ของ TSMC และสิ้นสุดที่จุดเชื่อมต่อ API:

บริษัทส่วนใหญ่เป็นเจ้าของเพียงชั้นเดียวของโครงสร้างพื้นฐานนี้ Nvidia เป็นเจ้าของชิปประมวลผล CoreWeave เป็นเจ้าของฮาร์ดแวร์พื้นฐาน Together AI เป็นเจ้าของส่วนการเพิ่มประสิทธิภาพการประมวลผล และ OpenRouter เป็นเจ้าของส่วนการกำหนดเส้นทาง API ของโมเดล

มีข้อยกเว้นเพียงข้อเดียว

6. Hyperbolic: บริษัทเดียวที่ครอบคลุมสามระดับ

Hyperbolic เปิดตัวตลาดซื้อขาย GPU แบบออนดีมานด์ในเดือนมิถุนายน 2025 ในช่วงไม่กี่เดือนแรก จำนวนนักพัฒนาเพิ่มขึ้นเป็นกว่า 200,000 ราย ครอบคลุมทั้งห้องปฏิบัติการ AI ล้ำสมัย การค้นหา และแพลตฟอร์มผู้บริโภคขนาดใหญ่

สิ่งที่น่าสนใจคือ สถาปัตยกรรมของมัน

Hyperbolic ไม่ได้เป็นเจ้าของ GPU แม้แต่ตัวเดียว การ์ดทุกตัวมาจาก neocloud และศูนย์ข้อมูลต่างๆ รวมถึง CoreWeave, Lambda Labs, Nebius และผู้ให้บริการรายเล็กๆ ที่มีกำลังการผลิตเหลือใช้ ฟังดูเหมือนจุดอ่อน แต่จริงๆ แล้วมันคือจุดแข็งต่างหาก

ด้วยการเป็นตัวกลางระหว่างผู้ผลิตและผู้บริโภค GPU ทำให้ Hyperbolic สามารถเข้าถึงข้อมูลแบบเรียลไทม์ที่ผู้อื่นไม่สามารถเข้าถึงได้ มันรู้ว่าใครกำลังซื้อ GPU รุ่นไหน ในราคาเท่าไหร่ และเมื่อไหร่ มันมองเห็นภาวะสินค้าล้นตลาดก่อนที่จะเป็นที่รู้กันทั่วไป และตรวจจับความต้องการที่พุ่งสูงขึ้นก่อนที่จะส่งผลกระทบต่อตลาด

ในปัจจุบัน หัวใจสำคัญของ Hyperbolic คือการรวมระบบคลาวด์หลายแห่งเข้าด้วยกัน Hyperbolic รวบรวมความจุที่กระจัดกระจายจากคลาวด์และศูนย์ข้อมูลอิสระหลายสิบแห่งเข้าไว้ในกลุ่มเดียวที่เป็นมาตรฐาน ทำให้ผู้พัฒนาสามารถเช่า GPU ที่ถูกที่สุดได้ทุกที่โดยไม่ต้องเจรจากับผู้ให้บริการแต่ละรายหรือจัดการบัญชีจำนวนมาก ยิ่งเชื่อมต่อกับคลาวด์มากเท่าไหร่ สภาพคล่องก็จะยิ่งมากขึ้น และข้อมูลราคาจะยิ่งสมบูรณ์มากขึ้นเท่านั้น นอกจากนี้ ทีมงานกำลังสำรวจวิธีการสร้างแบบจำลองเส้นโค้งราคา GPU ด้วยข้อมูลนี้ และในที่สุดก็ลงทุนเงินทุนของตนเองเพื่อปรับสมดุลอุปสงค์และอุปทาน โดยทำหน้าที่เป็นผู้สร้างตลาดสำหรับพลังการประมวลผลทางกายภาพ แต่เป้าหมายนี้ยังอยู่ในช่วงเริ่มต้น และสิ่งที่กำลังเติบโตอย่างแท้จริงในขณะนี้คือชั้นการรวมระบบ

นี่คือล้อช่วยแรง:

เชื่อมต่อระบบคลาวด์มากขึ้น → แหล่งจ่ายรวมที่มากขึ้น

อุปทานที่มากขึ้น → ตลาดที่ลึกขึ้นและข้อมูลราคาแบบเรียลไทม์

ข้อมูลที่ดีขึ้น → การกำหนดเส้นทางที่ชาญฉลาดขึ้นในปัจจุบัน และรูปแบบการกำหนดราคาในระยะยาว

สภาพคล่องและราคาที่ดีขึ้น → นักพัฒนามากขึ้น → คลาวด์ต้องการเชื่อมต่อมากขึ้น

ไม่มีบริษัทอื่นใดพยายามทำเช่นนี้ Hyperbolic เป็นบริษัทเดียวที่ครอบคลุมทั้งเลเยอร์การเช่า GPU เลเยอร์การใช้งาน และเลเยอร์ API สำหรับโมเดล

7. เวนิสในฐานะกระจกเงา

Venice เป็นตัวอย่างที่ชัดเจนที่สุดของเศรษฐกิจการอนุมานในระดับแอปพลิเคชัน และเป็นตัวอย่างเปรียบเทียบที่น่าสนใจกับจุดยืนของ Hyperbolic Venice เป็นแอปพลิเคชันการอนุมานที่ให้ความสำคัญกับความเป็นส่วนตัวเป็นอันดับแรก ประกอบด้วยชุด API ที่เข้ากันได้กับ OpenAI พร้อมด้วยการสมัครสมาชิกสำหรับผู้บริโภค (ฟรี / โปร / โปร+ / แม็กซ์) โดยจะส่งคำขอไปยังโมเดลประมาณ 75 โมเดล ซึ่งสองในสามเป็นโมเดลโอเพนซอร์สหรือโมเดลที่โฮสต์เอง (Llama, Mistral, Qwen, DeepSeek) ในขณะที่ส่วนที่เหลือเป็นการส่งผ่านแบบไม่ระบุตัวตนของโมเดลล้ำสมัยแบบปิดแหล่งที่มา ประเด็นสำคัญคือ Venice ไม่ได้เป็นเจ้าของพลังการประมวลผลที่มีนัยสำคัญ มันเช่าจากพันธมิตร GPU ที่ไม่เปิดเผยชื่อและผู้ให้บริการการประมวลผลที่เป็นความลับ (NEAR AI Cloud, Phala) และจ่ายเงินให้กับห้องปฏิบัติการล้ำสมัยสำหรับการส่งผ่าน ดังนั้นต้นทุนรายได้ที่แท้จริงของ Venice คือพลังการประมวลผลสำหรับการอนุมาน ไม่ใช่ค่าโฮสติ้ง SaaS

สิ่งที่เวนิสขายอย่างแท้จริงคือความเป็นส่วนตัว "การทำให้เป็นส่วนตัว" ในที่นี้ไม่ได้หมายถึงการเปลี่ยนพลังการประมวลผลสาธารณะให้เป็นทรัพย์สินส่วนตัว แต่หมายถึงการห่อหุ้มการอนุมานที่เป็นสินค้าโภคภัณฑ์ด้วยชั้นของการรับประกัน: ไม่มีการเก็บรักษาข้อมูล ไม่มีการฝึกอบรม การปกปิดตัวตนของผู้ร้องขอ และการทำงานบางส่วนใน TEE ทำให้ผู้ปฏิบัติงานไม่สามารถมองเห็นข้อความต้นฉบับได้ พลังการประมวลผลพื้นฐานเป็นระดับสินค้าโภคภัณฑ์ และส่วนต่างราคามาจากชั้นของการบรรจุความเป็นส่วนตัวนี้ ยิ่งไปกว่านั้น การรับประกันนี้เป็นแบบหลายชั้นและไม่เป็นเนื้อเดียวกัน: สำหรับโมเดลโอเพนซอร์สที่ทำงานบน GPU ภายใต้การควบคุมของเวนิสหรือ TEE มันสามารถบรรลุการประมวลผลที่เป็นความลับเกือบสมบูรณ์แบบได้ แต่สำหรับการส่งผ่านแบบไม่ระบุตัวตนของโมเดลแบบปิดแหล่งที่มา เช่น Claude และ GPT ความเป็นส่วนตัวจะลบตัวตนออกไปเท่านั้น ในขณะที่ห้องปฏิบัติการล้ำสมัยอีกด้านหนึ่งยังคงประมวลผลข้อความแจ้งต้นฉบับของคุณอยู่ ดังนั้น ความเป็นส่วนตัวที่แข็งแกร่งที่สุดจึงครอบคลุมเฉพาะส่วนที่เป็นโอเพนซอร์ส ในขณะที่ส่วนของโมเดลล้ำสมัยนั้น "ไม่ระบุตัวตน" มากกว่า "เป็นความลับอย่างแท้จริง" กำไรขั้นต้นของเวนิส = ราคาค่าสมัครสมาชิก - ต้นทุนการประมวลผลที่จ่ายให้กับผู้รับปลายทาง และส่วนที่เวนิสสามารถเรียกเก็บได้เหนือกว่าราคา API พื้นฐานนั้นขึ้นอยู่กับค่าธรรมเนียมความเป็นส่วนตัวนี้เกือบทั้งหมด ซึ่งเป็นเหตุผลว่าทำไมเวนิสจึงดำเนินงานด้วยอัตรากำไรที่ต่ำมากและถูกจำกัดด้วยการกำหนดราคาแบบส่งต่อที่ทันสมัย

การออกแบบโทเค็นได้รวบรวมความต้องการในการประมวลผลส่วนนี้ไว้แล้ว Venice ดำเนินการบนโทเค็นสองประเภท ได้แก่ VVV (สำหรับการวางเดิมพันและการเข้าถึงแพลตฟอร์ม) และ DIEM ซึ่งเป็นเครดิตสำหรับการประมวลผล โดยแต่ละ DIEM เทียบเท่ากับพลังการประมวลผลประมาณ 1 ดอลลาร์ต่อวัน การสมัครสมาชิกแบบชำระเงินจะกระตุ้นการซื้อคืน VVV (Pro / Pro+ / Max ประมาณ 2 / 5 / 10 ดอลลาร์) โดยอัตโนมัติ โดยการปล่อย VVV จะลดลงตามตารางเวลาที่กำหนด: จาก 6 ล้าน → 5 ล้าน → 4 ล้าน VVV ต่อเดือน และปรับลดลงเหลือ 3 ล้านในวันที่ 1 กรกฎาคม การซื้อคืนนั้นเกิดขึ้นจริง แต่ขึ้นอยู่กับดุลยพินิจและยังมีจำนวนน้อย: ประมาณ 103,000 ดอลลาร์ถูกทำลายไปในเดือนเมษายนและพฤษภาคม และเดือนมิถุนายนกำลังค่อยๆ เพิ่มขึ้นไปสู่ประมาณ 110,000 ดอลลาร์ ซึ่งต่ำกว่าเป้าหมายรายเดือนที่ 200,000 ดอลลาร์มาก

พื้นฐานทางธุรกิจดีกว่าข่าวพาดหัว ตัวเลข "รายได้ประจำปี 70 ล้านดอลลาร์" ที่เผยแพร่สู่สาธารณะนั้นเกือบจะแน่นอนว่าเป็นผลมาจากการเข้าใจผิดว่าการต่ออายุสมาชิกเป็นการได้ลูกค้าใหม่สุทธิ ช่วงรายได้ประจำปีที่สมเหตุสมผลควรอยู่ใกล้เคียงกับ 6 ล้านถึง 15 ล้านดอลลาร์ ต่ำกว่านั้น ธุรกิจเติบโตอย่างแท้จริง: มีที่อยู่กระเป๋าเงินดิจิทัลที่ไม่ซ้ำกันประมาณ 136,000 แห่ง มีการเข้าชมเว็บไซต์ประมาณ 9.9 ล้านครั้งต่อเดือน (ประมาณ 330,000 ครั้งต่อวัน) และมีการสมัครสมาชิก Pro ใหม่ประมาณ 1,400 รายต่อวัน นี่คือธุรกิจที่แท้จริง แต่เป็นธุรกิจที่มีกำไรต่ำ ซึ่งเศรษฐกิจถูกจำกัดด้วยกำลังการประมวลผลที่ซื้อมา

นี่คือเหตุผลสำคัญที่ทำให้ Hyperbolic อยู่ในตำแหน่งที่สูงกว่า Venice หนึ่งระดับ หากเปรียบเทียบ Venice กับสถานีบริการน้ำมัน Hyperbolic ก็เปรียบเสมือนโรงกลั่นน้ำมัน Venice ซื้อพลังการประมวลผลจากแหล่งทรัพยากรที่จำกัดซึ่งทุกคนต่างพึ่งพา Hyperbolic รวบรวมและทำให้แหล่งทรัพยากรที่กระจัดกระจายนั้นเป็นมาตรฐาน แล้วขายให้กับ Venice และผู้เล่นรายอื่นๆ ที่คล้ายกัน เมื่อความต้องการการประมวลผลเพิ่มขึ้น มูลค่าก็จะเพิ่มขึ้นไม่เพียงแต่ในแอปพลิเคชันที่ใช้พลังการประมวลผลเท่านั้น แต่ยังรวมถึงเลเยอร์ที่รวบรวม จัดเส้นทางพลังการประมวลผล และเก็บค่าใช้จ่ายที่แอปพลิเคชันเหล่านั้นจ่ายด้วย

8. เหตุใดเรื่องนี้จึงสำคัญในตอนนี้

Nvidia ได้ปรับโครงสร้างทางการเงินใหม่โดยใช้ "โทเค็นบริการ" เป็นหลัก การเสนอขายหุ้น IPO ของ Cerebras พิสูจน์ให้เห็นว่าตลาดเข้าใจแล้วว่าการประมวลผลแบบอนุมานเป็นคอขวด การที่ Anthropic พยายามอย่างหนักเพื่อเพิ่มกำลังการผลิตแสดงให้เห็นว่านี่เป็นปัญหาที่แท้จริง AI แบบ Agentic และ Physical จะเพิ่มความต้องการขึ้นหลายเท่าตัว ครอบคลุมทั้งระบบคลาวด์และระบบ Edge

ยิ่งไปกว่านั้น มันยังช่วยปิดช่องว่างของ "คำถาม 600 พันล้านดอลลาร์" จากอีกด้านหนึ่งด้วย ตรรกะเชิงลบของ Cahn ที่ว่าการสร้างมากเกินไปจะนำไปสู่ภาวะสินค้าล้นตลาดนั้น มีแนวโน้มที่จะได้รับการพิสูจน์ แต่ภาวะสินค้าล้นตลาดนั้นเป็นสถานการณ์ที่เหมาะสมที่สุดสำหรับผู้รวบรวมทรัพยากรที่มีสินทรัพย์น้อย: เมื่อราคา GPU ลดลงและอุปทานกระจายไปทั่วคลาวด์หลายสิบแห่ง ผู้เล่นที่ไม่เป็นเจ้าของฮาร์ดแวร์ใดๆ และส่งต่อภาระงานทั้งหมดไปยังการ์ดที่ถูกที่สุดที่มีอยู่จะได้รับส่วนต่างราคา ในขณะที่ผู้ประกอบการที่ถือครอง GPU ที่มีมูลค่าลดลงจะแบกรับความสูญเสีย Hyperbolic กำลังเดิมพันกับภาวะสินค้าล้นตลาดมากกว่าที่จะขายชอร์ต

บริษัทที่จะประสบความสำเร็จในท้ายที่สุดจะไม่ใช่บริษัทที่มี GPU มากที่สุด แต่จะเป็นบริษัทที่สามารถบอกคุณได้ว่า GPU รุ่นใดมีจำหน่ายที่ไหนและราคาเท่าใด โดยจัดสรรงานทุกอย่างไปยังสถานที่ที่สามารถทำงานได้ด้วยต้นทุนที่ต่ำที่สุด

Hyperbolic กำลังสร้างบริษัทแบบนั้น บริษัทนี้ไม่ได้เป็นเจ้าของ GPU ดำเนินงานด้วยซอฟต์แวร์ล้วนๆ ครอบคลุมสามชั้น แต่กำลังกลายเป็นเลเยอร์การรวมข้อมูลขั้นสูงสุดสำหรับพลังการประมวลผลแบบอนุมาน