อุตสาหกรรมปัญญาประดิษฐ์กำลังเผชิญกับความเป็นจริงทางการเงินที่โหดร้าย บริษัท AI รายใหญ่กำลังขาดทุนหลายพันล้านดอลลาร์สหรัฐฯ ขณะที่ดิ้นรนหาทางสู่ความสามารถในการทำกำไร สถานการณ์ได้กลายเป็นสุดโต่งจนบางบริษัทส่งรายได้ทั้งหมดให้กับคู่แข่งที่เองก็กำลังขาดทุนอยู่
ความขัดแย้งด้านรายได้ระหว่าง Cursor และ Anthropic
หนึ่งในตัวอย่างที่น่าตกใจที่สุดเกี่ยวข้องกับ Cursor แอปพลิเคชันเขียนโค้ด AI ที่ส่งรายได้ 100% ให้ Anthropic เพื่อเข้าถึงโมเดล Claude ความขัดแย้งนี้ลึกกว่านั้น Anthropic ใช้เงินนี้เพื่อพัฒนา Claude Code ซึ่งแข่งขันโดยตรงกับผลิตภัณฑ์ของ Cursor เอง สิ่งนี้สร้างสถานการณ์แปลกประหลาดที่ Cursor ในฐานะลูกค้ารายใหญ่ที่สุดของ Anthropic กำลังให้เงินทุนแก่คู่แข่งของตัวเองขณะที่ดำเนินงานขาดทุน
ชุมชนรู้สึกตกใจเป็นพิเศษกับข้อตกลงนี้ ความสัมพันธ์นี้เน้นย้ำว่าสตาร์ทอัพ AI กลายเป็นพึ่งพาผู้ให้บริการโมเดลรายใหญ่มากเพียงใด แม้ว่าผู้ให้บริการเหล่านั้นจะพัฒนาผลิตภัณฑ์ที่แข่งขันด้วยก็ตาม
ความท้าทายของโมเดลธุรกิจ
- Cursor : ส่งรายได้ 100% ให้กับ Anthropic
- Anthropic : ใช้รายได้จาก Cursor เพื่อสนับสนุน Claude Code ที่เป็นคู่แข่ง
- Notion : ฟีเจอร์ AI กินอัตรากำไร 10%
- ต้นทุนผู้ใช้รายบุคคล: สูงถึง 4 ดอลลาร์สหรัฐสำหรับงานง่ายๆ
ความสูญเสียมหาศาลทั่วทั้งอุตสาหกรรม
การสูญเสียทางการเงินขยายไปไกลกว่าบริษัทเดี่ยวๆ OpenAI ขาดทุน 5 พันล้านดอลลาร์สหรัฐฯ ในปี 2024 และคาดว่าจะขาดทุนกว่า 8 พันล้านดอลลาร์สหรัฐฯ ในปี 2025 Anthropic โพสต์ความสูญเสียที่คล้ายกันที่ 5.3 พันล้านดอลลาร์สหรัฐฯ แม้เมื่อตัดต้นทุนการฝึกออกจากสมการ OpenAI ยังคงขาดทุน 2.2 พันล้านดอลลาร์สหรัฐฯ ซึ่งชี้ให้เห็นว่าเศรษฐศาสตร์พื้นฐานยังคงท้าทายอยู่
Perplexity ใช้จ่าย 164% ของรายได้สำหรับบริการคลาวด์จาก AWS, Anthropic และ OpenAI บริษัทซอฟต์แวร์ Notion เห็นต้นทุน AI กิน 10% ของอัตรากำไรสำหรับฟีเจอร์พื้นฐานที่คู่แข่งก็เสนอเช่นกัน
ขาดทุนของบริษัท AI ชั้นนำ (2024)
- OpenAI : ขาดทุน 5 พันล้านดอลลาร์สหรัฐ คาดว่าจะขาดทุนมากกว่า 8 พันล้านดอลลาร์ในปี 2025
- Anthropic : ขาดทุน 5.3 พันล้านดอลลาร์สหรัฐ
- ต้นทุน inference ของ OpenAI : 50% ของรายได้รวม
- ต้นทุนการฝึกอบรมของ OpenAI : 75% ของรายได้รวม
- การใช้จ่ายของ Perplexity : 164% ของรายได้สำหรับบริการคลาวด์
ปัญหาต้นทุนการอนุมาน
แม้ว่าบางคนจะโต้แย้งว่าการดำเนินงานการอนุมานแสดงอัตรากำไรขั้นต้นเป็นบวก ความเป็นจริงซับซ้อนกว่านั้น OpenAI ใช้จ่าย 50% ของรายได้สำหรับต้นทุนการคำนวณการอนุมานเพียงอย่างเดียว ก่อนที่จะคิดเงินเดือน การวิจัย การพัฒนา และค่าใช้จ่ายในการดำเนินงานอื่นๆ การเพิ่มขึ้นของโมเดลการให้เหตุผลทำให้สิ่งนี้แย่ลง เนื่องจากต้องการทรัพยากรการคำนวณมากกว่ามากในการสร้างผลลัพธ์
การสนทนาในชุมชนเผยให้เห็นว่าผู้ใช้รายบุคคลสามารถเผาเงินหลายดอลลาร์สหรัฐฯ ในไม่กี่นาทีสำหรับงานง่ายๆ ผู้ใช้ Cursor รายหนึ่งรายงานว่าใช้เงินเกือบ 4 ดอลลาร์สหรัฐฯ ในการสร้างไฟล์ to-do พื้นฐาน เน้นย้ำว่าต้นทุนสามารถพุ่งสูงได้อย่างรวดเร็วสำหรับกรณีการใช้งานประจำวัน
ต้นทุนเทคโนโลยีเทียบกับแบบอย่างทางประวัติศาสตร์
การถกเถียงเกี่ยวกับว่าต้นทุน AI จะลดลงหรือไม่สะท้อนการสนทนาเกี่ยวกับเทคโนโลยีอื่นๆ บางคนชี้ไปที่การลดราคาอย่างมาก โดยสังเกตว่าการรันหนึ่งล้านโทเค็นผ่าน GPT-3 Da-Vinci มีค่าใช้จ่าย 60 ดอลลาร์สหรัฐฯ ในปี 2022 ขณะที่ GPT-5 มีค่าใช้จ่าย 1.25 ดอลลาร์สหรัฐฯ ในปัจจุบัน อย่างไรก็ตาม โมเดลการให้เหตุผลตอนนี้ใช้โทเค็นมากกว่ามากสำหรับคำถามเดียวกัน ซึ่งอาจชดเชยผลกำไรเหล่านี้
การเปรียบเทียบกับการยอมรับเทคโนโลยีในอดีตทำให้เกิดคำถามว่า AI ปฏิบัติตามรูปแบบการลดต้นทุนเดียวกับโทรศัพท์มือถือหรือคอมพิวเตอร์ส่วนบุคคลหรือไม่ ไม่เหมือนซอฟต์แวร์แบบดั้งเดิมที่มีต้นทุนส่วนเพิ่มเกือบศูนย์ บริการ AI ต้องการทรัพยากรการคำนวณอย่างต่อเนื่องสำหรับทุกการโต้ตอบ
วิวัฒนาการของราคา Token
- GPT-3 Da-Vinci (2022): $60 USD ต่อหนึ่งล้าน token
- GPT-5 (2025): $1.25 USD ต่อหนึ่งล้าน token
- การลดราคา: ~98% ในช่วง 3 ปี
- หมายเหตุ: โมเดลการใช้เหตุผลใช้ token มากกว่าต่อการสอบถามหนึ่งครั้งอย่างมีนัยสำคัญ
พลวัตของตลาดและแนวโน้มในอนาคต
สถานการณ์ปัจจุบันสะท้อนการแข่งขันที่รุนแรงมากกว่าความเป็นไปไม่ได้พื้นฐานของการทำกำไร บริษัทต่างๆ เลือกที่จะดำเนินงานขาดทุนเพื่อได้ส่วนแบ่งตลาดและปรับปรุงเทคโนโลยีของตน การฝึกโมเดลใหม่ต้องการการลงทุนหลายพันล้าน แต่บริษัทไม่สามารถหยุดการใช้จ่ายนี้โดยไม่ตกหลังคู่แข่ง
สมาชิกชุมชนบางคนแนะนำว่าอุตสาหกรรมนี้คล้ายกับช่วงแรกๆ ของ Amazon ที่ให้ความสำคัญกับการเติบโตมากกว่ากำไร คนอื่นๆ กังวลว่าต้นทุนสูงเกินไปในเชิงโครงสร้างสำหรับโมเดลธุรกิจที่ยั่งยืน เส้นทางไปข้างหน้าน่าจะต้องการการเพิ่มราคาอย่างมีนัยสำคัญที่ลูกค้าอาจต่อต้าน หรือการปรับปรุงที่ก้าวล้ำในประสิทธิภาพการคำนวณ
อุตสาหกรรม AI ยืนอยู่ที่ทางแยกที่เทคโนโลยีปฏิวัติพบกับเศรษฐศาสตร์ที่ท้าทาย ทำให้นักลงทุนและบริษัทต่างๆ เดิมพันหลายพันล้านกับอนาคตที่ไม่แน่นอนแต่อาจเปลี่ยนแปลงโลกได้
อ้างอิง: Why Everybody Is Losing Money On AI
 |
|---|
| จดหมายข่าวที่มีชื่อเรื่อง " Why Everybody Is Losing Money On AI " เน้นย้ำถึงความท้าทายทางการเงินที่บริษัท AI เผชิญ สะท้อนถึงกลยุทธ์การแข่งขันและพลวัตของตลาด |