การลงทุนในปัญญาประดิษฐ์ได้เติบโตขึ้นอย่างไม่เคยมีมาก่อน โดยนักวิเคราะห์เตือนว่าอาจใหญ่กว่าฟองสบู่ในตลาดที่ผ่านมาอย่างมหาศาล จากการวิจัยของ MacroStrategy Partnership พบว่าฟองสบู่ AI ในปัจจุบันมีขนาดใหญ่กว่าความคลั่งไคล้ dot-com ถึง 17 เท่า และใหญ่กว่าวิกฤต subprime ในปี 2008 ถึง 4 เท่า
การเปรียบเทียบขนาดของฟองสบู่:
- ฟองสบู่ AI : ใหญ่กว่าฟองสบู่ dot-com 17 เท่า
- ฟองสบู่ AI : ใหญ่กว่าวิกฤต subprime ปี 2008 ถึง 4 เท่า
- AI คิดเป็นประมาณ 20-30% ของมูลค่าตลาดหุ้นในปัจจุบัน
 |
|---|
| ฟองสบู่ AI มีขนาดใหญ่กว่าเหตุการณ์ตลาดในอดีตอย่างมาก ดังที่เน้นย้ำในข่าวการเงิน |
การจัดสรรเงินทุนผิดพลาดครั้งใหญ่จากอัตราดอกเบียต่ำ
การวิเคราะห์ใช้ทฤษฎีของนักเศรษฐศาสตร์ Knut Wicksell ที่ว่าเงินทุนจะถูกจัดสรรอย่างมีประสิทธิภาพเมื่อต้นทุนหนี้ของบริษัทอยู่สูงกว่า GDP ที่เป็นตัวเลขสองจุดเปอร์เซ็นต์ เป็นเวลากว่าทศวรรษ นโยบายของ Federal Reserve ได้ผลักดันให้ส่วนต่างของพันธบัตรบริษัทอยู่ในระดับต่ำอย่างผิดธรรมชาติ สร้างสิ่งที่นักวิจัยเรียกว่า Wicksellian deficit ซึ่งเป็นการวัดเงินทุนที่จัดสรรผิดพลาด ไม่เพียงแต่การใช้จ่ายด้าน AI เท่านั้น แต่ยังรวมถึงที่อยู่อาศัย อสังหาริมทรัพย์สำนักงาน NFT และการลงทุนแบบ venture capital
การจัดสรรผิดพลาดนี้ได้สร้างความเสี่ยงเชิงระบบทั่วทั้งเศรษฐกิจ แตกต่างจากฟองสบู่ในอดีตที่ส่วนใหญ่จำกัดอยู่ในภาคส่วนเฉพาะ การลงทุน AI ได้แพร่กระจายไปทั่วศูนย์ข้อมูล โครงสร้างพื้นฐานด้านพลังงาน และบริษัทเทคโนโลยีใหญ่ที่คิดเป็นเกือบ 30% ของมูลค่าตลาด S&P 500
ตัวชี้วัดผลกระทบทางเศรษฐกิจ:
- การใช้จ่ายสำหรับศูนย์ข้อมูล AI คิดเป็น 1/6 ของการเติบโตของ GDP ของสหรัฐอมริกาในปี 2024
- การใช้พลังงานของ AI : สูงกว่าการขุดเหรียญคริปโตเคอร์เรนซี 5 เท่า
- บริษัทเทคโนโลยี "Magnificent Seven" : คิดเป็นประมาณ 28% ของมูลค่าตลาดของ S&P 500
ข้อจำกัดทางเทคนิคส่งสัญญาณปัญหาการขยายขนาด
การวิจัยเน้นหลักฐานที่น่าเป็นห่วงว่าโมเดลภาษาขนาดใหญ่ (LLMs) อาจเข้าถึงขด จำกัดการขยายขนาดแล้ว ต้นทุนการฝึกอบรมได้เพิ่มขึ้นแบบเลขชี้กำลัง ChatGPT-3 ใช้ต้นทุน 50 ล้านดอลลาร์สหรัฐในการพัฒนา ChatGPT-4 ต้องใช้ 500 ล้านดอลลาร์สหรัฐ และ ChatGPT-5 รายงานว่าใช้ 5 พันล้านดอลลาร์สหรัฐ ในขณะที่ให้การปรับปรุงเพียงเล็กน้อยเมื่อเทียบกับรุ่นก่อนหน้า
ข้อมูลประสิทธิภาพในโลกแห่งความจริงแสดงช่องว่างที่สำคัญระหว่างความสามารถของ AI และความเป็นไปได้ทางการค้า การศึกษาที่บริษัทซอฟต์แวร์เผยให้เห็นอัตราการทำงานให้เสร็จสมบูรณ์เพียง 1.5% ถึง 34% โดยมีผลลัพธ์ที่ไม่สม่ำเสมอแม้แต่งานที่เสร็จสมบูรณ์ ในขณะเดียวกัน อัตราการนำ AI มาใช้ในบริษัทขนาดใหญ่เริ่มลดลง บ่งบอกว่าความกระตือรือร้นในช่วงแรกกำลังให้ทางกับข้อจำกัดเชิงปฏิบัติ
การเพิ่มขึ้นของต้นทุนการฝึกอบรม AI:
- ChatGPT-3: 50 ล้านดอลลาร์สหรัฐ
- ChatGPT-4: 500 ล้านดอลลาร์สหรัฐ
- ChatGPT-5: 5 พันล้านดอลลาร์สหรัฐ (เพิ่มขึ้น 10 เท่าสำหรับการปรับปรุงเล็กน้อย)
 |
|---|
| ต้นทุนที่เพิ่มขึ้นและปัญหาประสิทธิภาพในเทคโนโลยี AI สะท้อนถึงความท้าทายในการขยายขีดความสามารถ |
ความเสี่ยงการแพร่กระจายทางเศรษฐกิจนอกเหนือจากภาคเทคโนโลยี
การเข้าถึงของฟองสบู่ขยายไปไกลเกินกว่า Silicon Valley การใช้จ่ายที่เกี่ยวข้องกับ AI ในปัจจุบันคิดเป็นประมาณหนึ่งในหกของการเติบโตของ GDP สหรัฐในปี 2024 ทำให้เศรษฐกิจในวงกว้างเสี่ยงต่อการแก้ไขอย่างกะทันหัน การก่อสร้างศูนย์ข้อมูลได้กลายเป็นองค์ประกอบหลักของกองทรัสต์การลงทุนอสังหาริมทรัพย์ ในขณะที่การใช้พลังงานสำหรับการฝึกอบรม AI เผาผลาญพลังงานมากกว่าการขุดสกุลเงินดิจิทัลถึง 5 เท่า
การอภิปรายในชุมชนเผยให้เห็นความกังวลอย่างแพร่หลายเกี่ยวกับความเสี่ยงผ่านบัญชีเกษียณและกองทุนดัชนี นักลงทุนจำนวนมากพบว่าตัวเองกำลังเดิมพันกับความสำเร็จของ AI โดยไม่ได้ตั้งใจผ่านพอร์ตการลงทุนที่หลากหลาย เนื่องจากยักษ์ใหญ่ด้านเทคโนโลยีที่ขับเคลื่อนฟองสบู่ครองตลาดดัชนีหลัก
แม้ว่าคุณจะไม่ได้เดิมพันกับ AI แต่กองทุนเกษียณของคุณกำลังทำ
 |
|---|
| การใช้จ่ายด้าน AI กำลังกำหนดรูปแบบภาคส่วนต่างๆ ของเศรษฐกิจมากขึ้นเรื่อยๆ ดังที่แสดงในการนำเสนอภาพเมืองนี้ |
สถานการณ์การล่มสลายที่เป็นไปได้และผลกระทบต่อตลาด
แตกต่างจากวิกฤตการเงินปี 2008 ที่มีศูนย์กลางอยู่ที่เงินกู้ที่อยู่อาศัยซึ่งส่งผลกระทบต่อครอบครัวทั่วไป การล่มสลายของฟองสบู่ AI จะส่งผลกระทบต่อนักลงทุนและคนงานเทคโนโลยีเป็นหลักในตอนแรก อย่างไรก็ตาม ลักษณะที่เชื่อมโยงกันของตลาดสมัยใหม่หมายความว่าผลกระทบจะแพร่กระจายอย่างรวดเร็วผ่านระบบการเงิน
การจัดการเงินทุนแบบวงจรระหว่างผู้เล่นหลัก เช่น Nvidia ให้เงินทุนศูนย์ข้อมูล OpenAI และการประกาศความร่วมมือเชิงกลยุทธ์ล่าสุดของ AMD บ่งบอกว่าฟองสบู่อาจเข้าสู่ช่วงสุดท้าย ข้อตกลงเหล่านี้สะท้อนการสับเปลี่ยนเงินทุนแบบสิ้นหวังที่เห็นในการล่มสลายของฟองสบู่ก่อนหน้า ที่บริษัทเริ่มให้เงินกู้แก่ลูกค้าเพื่อซื้อผลิตภัณฑ์ของตัวเอง
การตรวจสอบความเป็นจริงด้านประสิทธิภาพ:
- การทำงานให้สำเร็จของ AI ในบริษัทซอฟต์แวร์: อัตราความสำเร็จ 1.5% ถึง 34%
- การนำ AI มาใช้ในบริษัทขนาดใหญ่: ปัจจุบันกำลังลดลง
- ส่วนต่างอัตราดอกเบีย้ของพันธบัตรบริษัท: เพิ่งกลับมาอยู่ในระดับบวกหลังจาก Fed ทำ QE มาเป็นทศวรรษ
การเตรียมพร้อมสำหรับความปั่นป่วนทางเศรษฐกิจ
ผู้เชี่ยวชาญด้านการเงินแนะนำว่าการล่มสลายอาจกระตุ้นภาวะถดถอยที่ยาวนานคล้ายกับวิกฤต savings and loan ในช่วงต้นทศวรรษ 1990 ความท้าทายสำหรับผู้กำหนดนโยบายจะเป็นการจัดการผลพวงโดยไม่สร้างเงินเฟ้อที่ยืนยงผ่านการพิมพ์เงินมากเกินไป
สำหรับนักลงทุนรายบุคคล สถานการณ์นำเสนอทางเลือกที่ยากลำบากระหว่างการพลาดกำไรที่เป็นไปได้และความเสี่ยงต่อการสูญเสียอย่างมีนัยสำคัญ ขนาดของฟองสบู่หมายความว่ากลยุทธ์การกระจายความเสี่ยงแบบดั้งเดิมอาจให้การป้องกันที่จำกัด เนื่องจากความเสี่ยงจาก AI ได้กลายเป็นสิ่งที่เกือบหลีกเลี่ยงไม่ได้ในพอร์ตโฟลิโอสมัยใหม่
เวลายังคงไม่แน่นอน แต่การรวมกันของข้อจำกัดการขยายขนาดทางเทคนิค การจัดหาเงินทุนแบบวงจร และการจัดสรรเงินทุนผิดพลาดครั้งใหญ่ บ่งบอกว่าเส้นทางปัจจุบันไม่ยั่งยืน เมื่อการแก้ไขมาถึง อาจเปลี่ยนโฉมไม่เพียงแต่ภาคเทคโนโลยี แต่เศรษฐกิจโลกในวงกว้างเป็นเวลาหลายปี