นักวิเคราะห์ Sequoia Capital เตือนภาวะฟองสบู่ AI อาจเกิดก่อน AGI

นี่ไม่ใช่ปีแรกที่มีนักวิเคราะห์มองว่ากระแส AI มาแรง จนอาจนำไปสู่ภาวะฟองสบู่หรือ AI Bubble ในอนาคต

David Cahn พาร์ทเนอร์บริษัท VC ชื่อดังอย่าง Sequoia Capital ได้วิเคราะห์ถึงการขาดดุลรายได้ในอุตสาหกรรม AI ที่เพิ่มขึ้นมหาศาล โดยหยิบยกบทวิเคราะห์ปีก่อนมา “AI’s $200B Questionมา” มาตั้งคำถามใหม่ในบทความล่าสุด “AI’s $600B Question”

ปลายปี 2023 เขาตั้งข้อสังเกตว่ารายได้ที่แท้จริงของอุตสาหกรรม AI ไม่สอดคล้องกับรายได้ที่คาดการณ์จากการลงทุนมหาศาลในโครงสร้างพื้นฐานต่างๆ สำหรับ AI โดยขาดดุลมากถึง 200,000 ล้านดอลลาร์สหรัฐ โดยวิเคราะห์จาก

• ต้นทุน GPU ทุก 1 ดอลลาร์ จะมีต้นทุนพลังงานอีก 1 ดอลลาร์ (จากการประมวลผลใน Data Center) 
• หากบริษัท NVIDIA ขาย GPU ได้ 50,000 ล้านดอลลาร์ต่อปี (ราว 1.82 ล้านล้านบาท) ต้นทุนพลังงานจะอยู่ที่ราวๆ 100,000 ล้านดอลลาร์ (ราว 3.64 ล้านล้านบาท) 
• บิ๊กเทคฯ และธุรกิจสตาร์ทอัพที่ใช้ GPU นั้นจำเป็นต้องสร้างรายได้สูงราว 200,000 ล้านดอลลาร์ต่อปี (ราว 7 ล้านล้านบาท) จึงจะทำกำไรให้คุ้มค่ากับการลงทุนทั้งหมด (margin 50%) ซึ่งบริษัทส่วนใหญ่ยังไม่สามารถทำได้เพียงพอเมื่อเทียบกับต้นทุนมหาศาล

จนกระทั่งไม่นานมานี้บริษัท Nvidia ก้าวขึ้นมาเป็นบริษัทที่มีมูลค่ามากที่สุดในโลก Cahn จึงปรับการวิเคราะห์ใหม่ โดยประเมินว่า ‘ช่องว่าง’ ระหว่างรายได้ที่คาดการณ์จากการลงทุนกับตัวเลขในความเป็นจริงนั้นเพิ่มขึ้นอย่างมีนัยยะสำคัญ ขาดดุลถึง 600,000 ล้านดอลลาร์ต่อปี (ประมาณ 22 ล้านล้านบาท) ด้วยหลายปัจจัย เช่น 

• ปัญหา GPU ขาดแคลนบรรเทาลง และหาซื้อได้ง่ายขึ้นเมื่อเทียบกับปี 2023
• ผู้ให้บริการคลาวด์ขนาดใหญ่อย่าง Microsoft สะสม GPU มากเกินจำเป็น เพื่อลงทุนในโครงสร้างพื้นฐาน AI ซึ่งดีมานด์นี้มีแนวโน้มจะลดต่ำลงและส่งผลกระทบต่อซัพพลายเชน
• ขณะที่ B100 ชิปใหม่ของ Nvidia ซึ่งใกล้จะวางจำหน่ายอาจเป็นที่ต้องการมากจนเกิดปัญหาขาดแคลน GPU อีกครั้ง เนื่องจากมีประสิทธิภาพเหนือกว่าและราคา
• แม้ว่าจะมีบริษัทจำนวนมากที่พัฒนาผลิตภัณฑ์ AI แต่ OpenAI ยังคงครองส่วนแบ่งหลักในตลาด AI อยู่ที่ราว 3,400 ล้านดอลลาร์ (ราว 123,930 ล้านบาท) สะท้อนถึงปัญหาด้าน AI adoption ที่ยังไม่แพร่หลาย

David Cahn เน้นย้ำว่า AI มีศักยภาพที่จะสร้างการเปลี่ยนแปลงอย่างแน่นอน แต่กระแสการลงทุนที่ไฮป์เกินไปอาจนำไปสู่ข้อผิดพลาดที่คล้ายกับภาวะฟองสบู่ดอทคอมในอดีต ขณะที่ผู้เล่นในอุตสาหกรรมต้องดิ้นรนพัฒนาผลิตภัณฑ์ที่สร้างรายได้ให้คุ้มค่ากับการลงทุน และเส้นทางการพัฒนา AGI ยังอีกยาวไกล

ต้องจ่ายแค่ไหน เพื่อให้ AI เก่งขึ้น

ข้อมูลจากรายงาน Artificial Intelligence Index 2024 แสดงให้เห็นว่าภาพรวมการลงทุนใน AI ของภาคเอกชนลดลง แต่เงินทุนสำหรับ Generative AI นั้นเพิ่มขึ้นเกือบ 8 เท่าจากปี 2022 เป็น 25.2 พันล้านดอลลาร์ โดยมีผู้เล่นหลักอย่าง OpenAI, Anthropic, Hugging Face และ Inflection 

ปี 2023 ค่าใช้จ่ายในการเทรน GPT-4 ของ OpenAI อยู่ที่ประมาณ 78.4 ล้านดอลลาร์ (ราว 2,858 ล้านบาท) ซึ่งเพิ่มขึ้นจากโมเดล PaLM (540B) ของ Google ซึ่งมีค่าใช้จ่าย 12.4 ล้านดอลลาร์ (452 ล้านบาท) ในปี 2022

ส่วนการเทรนโมเดล Google Gemini Ultra มีราคาสูงกว่านั้นถึง 191 ล้านดอลลาร์ ในช่วงต้นปี 2024 โมเดลนี้มีประสิทธิภาพเหนือกว่า GPT-4 ในหลายด้าน โดยเฉพาะอย่างยิ่งด้าน Massive Multitask Language (MMLU) ซึ่งเป็นเกณฑ์มาตรฐานที่สำคัญในการวัดความสามารถของโมเดลภาษาขนาดใหญ่ ตัวอย่างเช่น สามารถประเมินความรู้และความสามารถในการแก้ปัญหาใน 57 สาขาวิชา

จึงไม่น่าแปลกหากเม็ดเงินมหาศาลจะหลั่งไหลเข้ามาในตลาดนี้ แต่น่าจับตามองกันต่อไปว่าการลงทุนเหล่านี้จะนำไปสู่การพัฒนา General AI ที่ทรงพลัง หรือจะนำไปสู่ภาวะฟองสบู่ที่อาจทำให้ธุรกิจเพี่ยงพล้ำไปในท้ายที่สุด

อ้างอิง:  Sequoia Capital, Artificial Intelligence Index 2024