อุตสาหกรรมปัญญาประดิษฐ์กำลังแสดงสัญญาณเตือนของฟองสบู่แบบคลาสสิก เนื่องจากการใช้จ่ายเพื่อการลงทุนขนาดใหญ่มีมากกว่าการสร้างรายได้จริงอย่างมาก บริษัทเทคโนโลยีคาดว่าจะใช้จ่ายประมาณ 400 พันล้านดอลลาร์สหรัฐในปีนี้สำหรับโครงสร้างพื้นฐาน AI ในขณะที่ผู้บริโภคชาวอเมริกันใช้จ่ายเพียง 12 พันล้านดอลลาร์สหรัฐต่อปีสำหรับบริการ AI ซึ่งสร้างสิ่งที่นักเศรษฐศาสตร์อธิบายว่าเป็นช่องว่างอันตรายระหว่างวิสัยทัศน์และความเป็นจริง
ช่องว่างระหว่างการลงทุน AI กับรายได้ (2024)
- การใช้จ่ายโครงสร้างพื้นฐาน AI : ~400 พันล้านดอลลาร์สหรัฐ
- การใช้จ่ายบริการ AI ของผู้บริโภคสหรัฐ: ~12 พันล้านดอลลาร์สหรัฐ
- อัตราส่วน: ช่องว่างระหว่างการใช้จ่ายกับรายได้ 33:1
การใช้จ่ายทุนขนาดใหญ่โดยไม่แน่ใจในผลตอบแทน
ขนาดของการลงทุน AI ได้ถึงระดับที่ไม่เคยมีมาก่อน บริษัทต่างๆ ร่วมกันให้เงินทุนในสิ่งที่เทียบเท่ากับโครงการ Apollo ใหม่ทุก 10 เดือน โดยมีการใช้จ่ายทุนรวมของ AI คาดว่าจะเกิน 500 พันล้านดอลลาร์สหรัฐในปี 2026 และ 2027 ซึ่งแสดงให้เห็นว่ามีการเทเงินเข้าไปในโครงสร้างพื้นฐาน AI ประมาณ GDP ประจำปีของ Singapore ทุกปี
การใช้จ่ายศูนย์ข้อมูลที่เกี่ยวข้องกับ AI มีความสำคัญมากจนน่าจะคิดเป็นครึ่งหนึ่งของการเติบโตของ GDP ในช่วงครึ่งแรกของปี 2024 การรวมตัวของเงินทุนในภาคส่วนแคบๆ เพียงภาคเดียวนี้กำลังสร้างผลกระทบไปทั่วเศรษฐกิจ อาจทำให้อุตสาหกรรมอื่นๆ ขาดแคลนเงินทุนลงทุนเนื่องจากบริษัทลงทุนเอกชนไล่ตามผลตอบแทนที่สูงขึ้นในกิจการ AI
การคาดการณ์ค่าใช้จ่ายด้านเงินทุนของ AI
- 2026: มากกว่า 500 พันล้านดอลลาร์สหรัฐ
- 2027: มากกว่า 500 พันล้านดอลลาร์สหรัฐ
- การเปรียบเทียบ: เทียบเท่ากับ GDP ประจำปีของ Singapore โดยประมาณ
สัญญาณเตือนสะท้อนฟองสบู่ในประวัติศาสตร์
มีสัญญาณเตือนหลายอย่างที่เกิดขึ้นซึ่งสะท้อนถึงฟองสบู่ทางการเงินในอดีต Thinking Machines สตาร์ทอัพ AI ที่นำโดย Mira Murati อดีตผู้บริหารของ OpenAI เพิ่งระดมทุนได้ 2 พันล้านดอลลาร์สหรัฐในมูลค่า 10 พันล้านดอลลาร์สหรัฐ แม้จะไม่มีผลิตภัณฑ์ที่เปิดตัวและปฏิเสธที่จะอธิบายแผนธุรกิจให้นักลงทุนฟัง การประชุมนำเสนอที่ไร้สาระเช่นนี้ที่บริษัทได้รับเงินทุนขนาดใหญ่โดยไม่มีข้อเสนอคุณค่าที่ชัดเจนเป็นเครื่องหมายของฟองสบู่เก็งกำไร
กลยุทธ์ทางการเงินก็สะท้อนถึงฟองสบู่ในอดีตเช่นกัน บริษัท AI ใช้เทคนิคทางบัญชีเพื่อซ่อนการใช้จ่ายโครงสร้างพื้นฐานและเปลี่ยนต้นทุนไปยังบริษัทวัตถุประสงค์เฉพาะ (SPVs) เพื่อทำให้ฐานะทางการเงินดูแข็งแกร่งกว่าความเป็นจริง
การประเมินมูลค่าสตาร์ทอัพ AI ที่น่าสนใจ
- Thinking Machines : มูลค่า 10 พันล้านดอลลาร์สหรัฐ
- เงินทุนที่ระดมได้: 2 พันล้านดอลลาร์สหรัฐ (รอบ seed ที่ใหญ่ที่สุดในประวัติศาสตร์)
- สถานะผลิตภัณฑ์: ยังไม่มีผลิตภัณฑ์ที่เปิดตัว แผนธุรกิจยังไม่เปิดเผย
การนำไปใช้ในธุรกิจจริงยังคงมีจำกัด
แม้จะมีการโฆษณาชวนเชื่อ การนำ AI ไปใช้ในธุรกิจจริงแสดงผลลัพธ์ที่หลากหลาย รายงานล่าสุดจาก MIT พบว่า 95% ขององค์กรที่ลงทุนใน AI ได้รับผลตอบแทนเป็นศูนย์จากการลงทุนของพวกเขา ในขณะที่ผู้ใช้รายบุคคลรายงานการเพิ่มผลผลิตจากเครื่องมือเช่น ChatGPT การนำไปใช้ในระดับองค์กรยังคงดิ้นรนที่จะส่งมอบคุณค่าที่วัดได้
ความไม่เชื่อมต่อชัดเจนขึ้นเมื่อตรวจสอบรูปแบบการใช้งาน พนักงานหลายคนใช้การสมัครสมาชิก AI ส่วนตัวสำหรับงานแทนที่จะใช้โซลูชันองค์กรอย่างเป็นทางการ ซึ่งบ่งชี้ว่าผลิตภัณฑ์ AI ที่มุ่งเน้นธุรกิจในปัจจุบันอาจไม่ตอบสนองความต้องการจริงอย่างมีประสิทธิภาพ
ผลการนำ AI มาใช้ในองค์กร
- องค์กรที่มี ROI เป็นศูนย์: 95%
- องค์กรที่มีการสมัครสมาชิก LLM อย่างเป็นทางการ: 40%
- พนักงานที่ใช้เครื่องมือ AI ส่วนตัวในการทำงาน: >90%
ผลกระทบทางเศรษฐกิจมองเห็นได้แล้ว
การเฟื่องฟูการลงทุน AI กำลังสร้างผลกระทบดาวมรณะของเงินทุน คล้ายกับสิ่งที่เกิดขึ้นในช่วงฟองสบู่โทรคมนาคมในทศวรรษ 1990 เงินจำนวนมหาศาลที่ไหลเข้าสู่โครงสร้างพื้นฐาน AI กำลังเพิ่มต้นทุนเงินทุนสำหรับอุตสาหกรรมอื่นๆ โดยเฉพาะการผลิต ทำให้บริษัทที่พยายามได้รับประโยชน์จากการริเริ่มการย้ายฐานการผลิตกลับประเทศหาเงินทุนที่ราคาไม่แพงได้ยากขึ้น
การกระจุกตัวทางภูมิศาสตร์ของการใช้จ่าย AI ก็สร้างปัญหาในท้องถิ่นเช่นกัน Virginia เหนือซึ่งเป็นศูนย์กลางศูนย์ข้อมูลหลักกำลังเห็นชุมชนชนบทถูกล้อมรอบด้วยสิ่งอำนวยความสะดวกขนาดใหญ่และเสียงดังที่พวกเขาไม่เคยตกลงที่จะเป็นเจ้าภาพ ปรากฏการณ์ NIMBY (Not In My Backyard) นี้น่าจะผลักดันการพัฒนาศูนย์ข้อมูลในอนาคตไปยังต่างประเทศที่มีพลังงานราคาถูกกว่าและข้อจำกัดด้านกฎระเบียบน้อยกว่า
เส้นทางข้างหน้า
ประวัติศาสตร์บ่งชี้ว่าเทคโนโลยีที่เปลี่ยนแปลงมักจะตามรูปแบบของการโฆษณาชวนเชื่อเริ่มแรก การล่มสลาย และการนำไปใช้อย่างแพร่หลายในที่สุด การเฟื่องฟูรถไฟในศตวรรษที่ 19 และการสร้างอินเทอร์เน็ตในทศวรรษ 1990 ต่างก็ประสบกับรอบเช่นนี้ คำถามสำคัญคือ AI จะตามรูปแบบนี้หรือแสดงถึงการคำนวณผิดพลาดที่มีพื้นฐานมากขึ้นเกี่ยวกับศักยภาพระยะใกล้ของเทคโนโลยี
หากคุณสามารถเข้าใจความแตกต่างทางเศรษฐกิจระหว่าง Singapore และ Somalia คุณจะเข้าใจช่องว่างทางเศรษฐกิจระหว่างวิสัยทัศน์และความเป็นจริงใน AI-Land
ในขณะที่เครื่องมือ AI ให้คุณค่าอยู่แล้วในกรณีการใช้งานเฉพาะเช่นการช่วยเหลือการเขียนโค้ดและการสร้างเนื้อหา ระดับการลงทุนปัจจุบันดูเหมือนจะเดิมพันกับความสามารถที่เปลี่ยนแปลงมากกว่าที่อาจใช้เวลาหลายปีหรือหลายทศวรรษกว่าจะเป็นจริง เดือนที่จะมาถึงน่าจะเป็นตัวกำหนดว่าสิ่งนี้แสดงถึงฟองสบู่ชั่วคราวหรือช่วงเวลาที่ยาวนานกว่าของความมั่นใจที่ไร้เหตุผลในภาค AI
อ้างอิง: This Is How the AI Bubble Will Pop