การใช้จ่ายด้าน AI ขององค์กรกำลังชนกำแพงที่ไม่ควรจะเจอ หลังจากหลายปีของนโยบาย “ให้ทุกคนทดลองใช้ได้” บริษัทจำนวนมากขึ้นเรื่อยๆ กำลังค้นพบว่า การสนับสนุนให้พนักงานนับพันคน ใช้เครื่องมือ AI ได้อย่างอิสระนั้น ดูแตกต่างกันมากบนใบแจ้งหนี้เมื่อเทียบกับบนสไลด์กลยุทธ์ บิลค่าใช้จ่ายมาถึงเร็วกว่าผลตอบแทนจากการลงทุน (ROI)
Summary
ประเด็นสำคัญ
- บริษัทต่างๆ กำลังลดการใช้จ่าย AI แบบเปิดกว้างลง หลังจากต้องเจอกับต้นทุนที่สูงเกินคาดจากโมเดลคิดค่าบริการ API แบบคิดตามโทเคน
- ปรากฏการณ์นี้ถูกตั้งชื่อเล่นว่า “Tokenpocalypse” — อ้างอิงถึงวิธีคิดราคาตามโทเคนใน API ของโมเดลภาษาขนาดใหญ่ที่ทำให้ต้นทุนพุ่งสูงเมื่อใช้งานในระดับใหญ่
- หลายบริษัทนำเครื่องมือ AI มาใช้โดยไม่มีกรอบ ROI ทำให้ไม่สามารถอธิบายหรือตัดสินใจได้ว่าการใช้จ่ายนั้นคุ้มค่ากับผลผลิตที่เพิ่มขึ้นหรือไม่
- เครือข่าย GPU แบบกระจายศูนย์อย่าง Akash และ Render กำลังวางตำแหน่งตัวเองเป็นทางเลือกที่ถูกกว่า AWS, Azure และ Google Cloud — แต่ก็อาจเผชิญความเสี่ยงด้านดีมานด์ หากบริษัทต่างๆ เลือกลดการใช้ AI ลงแทน
- คำอธิบายเกี่ยวกับปริมาณงาน AI จาก Microsoft, Google และ Amazon ในผลประกอบการรายไตรมาส จะเป็นสัญญาณที่ชัดเจนที่สุดว่าความต้องการจากภาคองค์กรกำลังชะลอตัวจริงหรือไม่
การใช้จ่าย AI ขององค์กรกำลังเผชิญความท้าทายด้านต้นทุน
การเปลี่ยนจากความมองโลกในแง่ดีต่อ AI ไปสู่ความเข้มงวดด้านงบประมาณ AI เกิดขึ้นเร็วมากจนมีชื่อเรียบร้อยแล้ว สิ่งที่เริ่มต้นจากคำสั่งกว้างๆ ให้โอบรับ AI ในทุกเวิร์กโฟลว์ขององค์กร ได้ปะทะเข้ากับกลไกการคิดราคาจริงของ API AI — และผลลัพธ์ก็กำลังทำให้ทีมการเงินตั้งตัวไม่ทัน
ปรากฏการณ์ Tokenpocalypse
คำว่า Tokenpocalypse สะท้อนจุดเจ็บปวดเฉพาะจุด: API ของโมเดลภาษาขนาดใหญ่ส่วนใหญ่คิดค่าบริการตามจำนวนโทเคน หมายความว่าทุกคำถาม ทุกคำตอบที่สร้างขึ้น ทุกขั้นตอนในเวิร์กโฟลว์อัตโนมัติ ล้วนเพิ่มค่าใช้จ่าย โมเดลนี้ทำงานได้ดีในสเกลเล็ก แต่เมื่อคูณออกไปทั้งองค์กร — ข้ามแผนก ข้ามเครื่องมือ และผ่านไปป์ไลน์อัตโนมัติที่รันตลอดเวลา — มันสร้างใบแจ้งหนี้ที่ไม่มีใครเคยคาดการณ์ไว้
การเปลี่ยนจากความตื่นเต้นไปสู่ระเบียบวินัยด้านต้นทุนเกิดขึ้นอย่างรวดเร็ว องค์กรที่เคยปฏิบัติต่อการเข้าถึง AI ราวกับเป็นสวัสดิการเพิ่มประสิทธิภาพแบบต้นทุนคงที่ ตอนนี้กำลังมองเห็นรายการค่าใช้จ่ายที่ขยายตัวตามการใช้งานในลักษณะที่คล้ายบิลค่าน้ำค่าไฟมากกว่าสมาชิกรายเดือนซอฟต์แวร์
การขาดกรอบ ROI ในการนำเครื่องมือ AI มาใช้
สิ่งที่ทำให้ช็อกด้านต้นทุนรุนแรงขึ้น คือการขาดโครงสร้างพื้นฐานด้านการวัดผลที่แท้จริงเพื่อรองรับมัน หลายบริษัทเปิดให้เข้าถึง AI โดยไม่สร้างกรอบ ROI ที่ชัดเจน ทีมงานได้รับมอบหมายให้ผสาน AI เข้ากับเวิร์กโฟลว์ของตน แต่ผลผลิตที่เพิ่มขึ้นจริงๆ แทบไม่เคยถูกติดตามเทียบกับค่าใช้จ่าย ไม่มีกลไกที่จะตอบคำถามพื้นฐานว่า: มันคุ้มค่าหรือไม่?
เมื่อไม่มีชั้นของความรับผิดชอบนั้น การใช้งานจึงเติบโตโดยไม่มีการควบคุม ตอนนี้ เมื่อเผชิญกับ ใบแจ้งหนี้ที่ใหญ่เกินคาด องค์กรต่างๆ จึงต้องมานั่งทำการวิเคราะห์ต้นทุน-ผลประโยชน์ย้อนหลัง ทั้งที่ควรทำตั้งแต่แรก
ความซับซ้อนที่เพิ่มขึ้นดันต้นทุนคอมพิวต์ AI สูงขึ้น
ส่วนหนึ่งของแรงผลักดันให้ต้นทุนพุ่งสูงขึ้นไม่ใช่แค่จำนวนคนที่ใช้เพิ่มขึ้น — แต่เป็นลักษณะของงานที่เปลี่ยนไปเองด้วย เมื่อบริษัทต่างๆ ขยับจากการถามคำถามแบบเบาๆ ไปสู่เวิร์กโฟลว์ AI แบบหลายขั้นตอนที่ซับซ้อนขึ้น ซึ่งเกี่ยวข้องกับเอเจนต์และการสร้างผลลัพธ์แบบดึงข้อมูลประกอบ (retrieval-augmented generation) ภาระการประมวลผลต่อหนึ่งงานก็เพิ่มขึ้นอย่างมีนัยสำคัญ พรอมต์ถาม-ตอบง่ายๆ มีต้นทุนเพียงเศษเสี้ยวของไปป์ไลน์หลายเอเจนต์ และองค์กรก็กำลังใช้แบบหลังมากขึ้นเรื่อยๆ
ประเด็นนี้สำคัญเพราะมันหมายความว่าปัญหาต้นทุนไม่ได้หยุดนิ่ง แม้บริษัทจะหยุดขยายการเข้าถึง AI ไปยังพนักงานใหม่ ต้นทุนต่อผู้ใช้ก็ยังสามารถเพิ่มขึ้นได้เมื่อเวิร์กโฟลว์ของพวกเขาซับซ้อนขึ้น เส้นทางของดีมานด์คอมพิวต์ AI ถูกฝังอยู่ในความซับซ้อนของงาน ไม่ใช่แค่จำนวนคน
ผลกระทบต่อเครือข่าย GPU แบบกระจายศูนย์และผู้ให้บริการคลาวด์
การทบทวนต้นทุนใน AI ภาคองค์กรไม่ได้จำกัดอยู่แค่ในงบประมาณไอทีของบริษัท มันแผ่ขยายออกไป — ไปยังผู้ให้บริการคลาวด์ที่จัดหาคอมพิวต์ และมากขึ้นเรื่อยๆ ไปยังทางเลือกแบบกระจายศูนย์ที่พยายามแข่งขันกับพวกเขา
เครือข่ายแบบกระจายศูนย์วางตัวเป็นทางเลือกที่ถูกกว่า
โปรเจกต์ที่สร้าง เครือข่าย GPU แบบกระจายศูนย์ กำลังนำเสนอตัวเองว่าเป็นตัวเลือกที่คุ้มค่ากว่าเมื่อเทียบกับผู้ให้บริการคลาวด์แบบศูนย์กลางอย่าง AWS, Azure และ Google Cloud เหตุผลก็ตรงไปตรงมา: หากตอนนี้องค์กรต่างๆ อ่อนไหวต่อค่าใช้จ่ายด้านคอมพิวต์ AI พวกเขาก็ควรอย่างน้อยลองพิจารณาทางเลือกแบบกระจายศูนย์ ข้อเสนอนี้ยิ่งน่าสนใจขึ้นเมื่อบัดเจ็ต AI ขององค์กรกำลังถูกกดดัน
พฤติกรรมตอบสนองที่เป็นไปได้ต่อค่าบริการที่สูง
แต่มีสถานการณ์ที่ยากกว่าซ่อนอยู่ในความมองโลกในแง่ดีนั้น ต้นทุนคอมพิวต์ AI ที่สูงอาจทำให้บริษัทลดการใช้งาน แทนที่จะมองหาสาธารณูปโภคที่ถูกกว่า หากการตอบสนองต่อบิล AI ก้อนใหญ่คือการลดระดับกิจกรรม AI ลง — ใช้เครื่องมือน้อยลง ผู้ใช้น้อยลง การเข้าถึงถูกจำกัดมากขึ้น — ก็จะไม่มีผู้ให้บริการคอมพิวต์รายใดได้ประโยชน์ ไม่ว่าจะศูนย์กลางหรือกระจายศูนย์ ดีมานด์จะหดตัวลงเฉยๆ
นั่นคือความเสี่ยงเชิงสวนกระแสสำหรับเครือข่าย GPU แบบกระจายศูนย์ ข้อเสนอของพวกเขาตั้งอยู่บนสมมติฐานว่าองค์กรที่อ่อนไหวต่อราคา จะย้ายไปหาคอมพิวต์ที่ถูกกว่า ทางเลือกอีกด้านคือองค์กรลดรอยเท้าคอมพิวต์ของตัวเองลงทั้งหมด ทำให้เหลือดีมานด์ให้แย่งชิงกันน้อยลงตั้งแต่ต้น
ติดตามดีมานด์ AI ภาคองค์กรผ่านผลประกอบการของบริษัทยักษ์ใหญ่เทคโนโลยี
หน้าต่างที่ชัดเจนที่สุดในการมองเห็นสิ่งที่เกิดขึ้นจริงในระดับใหญ่ จะมาจากผลประกอบการรายไตรมาสของ ผู้ให้บริการคลาวด์รายใหญ่ อัตราการเติบโตของปริมาณงาน AI ของ Microsoft, Google และ Amazon เป็นตัวชี้วัดที่น่าเชื่อถือที่สุดว่าดีมานด์จากภาคองค์กรกำลังชะลอตัวจริงหรือไม่ คำอธิบายเชิงคาดการณ์ของพวกเขา — ไม่ใช่พาดหัวข่าวเกี่ยวกับบริษัทรายใดรายหนึ่งที่ตัดงบ AI — จะเป็นตัวกำหนดว่านี่คือการเปลี่ยนแปลงเชิงโครงสร้าง หรือแค่การปรับนโยบายการใช้จ่ายภายในชั่วคราว
หากอัตราการเติบโตของปริมาณงาน AI ที่ทั้งสามบริษัทนี้ยังคงแข็งแกร่ง แสดงว่าองค์กรต่างๆ ยังคงรัน AI ในสเกลใหญ่ ไม่ว่าการเมืองภายในเกี่ยวกับการเข้าถึงเครื่องมือจะเป็นอย่างไร หากตัวเลขเหล่านั้นอ่อนลง ภาพรวมก็จะเปลี่ยนไปอย่างมีนัยสำคัญ
สัญญาณจากตลาดคริปโตผ่านการใช้ GPU บนเชน
สำหรับนักลงทุนที่โฟกัสการเปิดรับของคริปโตต่อเรื่องราวคอมพิวต์ AI ข้อมูลที่เกี่ยวข้องจะอยู่บนเชน อัตราการใช้ GPU บนโปรโตคอลอย่าง Akash และ Render ให้สัญญาณแบบเรียลไทม์ที่ไม่ต้องพึ่งพาแถลงข่าวของบริษัทหรือสายประชุมผลประกอบการรายไตรมาส หากการใช้งานบนเครือข่ายเหล่านั้นทรงตัวหรือเพิ่มขึ้น แม้ในขณะที่งบ AI ขององค์กรตึงตัว ก็จะบ่งชี้ว่าดีมานด์กำลังกระจายตัว — จากบริษัทขนาดใหญ่ไปสู่ฐานผู้ใช้และนักพัฒนาที่กว้างขึ้น
การกระจายตัวของดีมานด์ลักษณะนั้นจะเป็นสัญญาณบวกที่มีนัยสำคัญต่อความยืดหยุ่นของภาคคอมพิวต์แบบกระจายศูนย์ ในทางกลับกัน หากการใช้งานบนเชนลดลงในช่วงที่องค์กรรัดเข็มขัดด้าน AI ก็จะยืนยันว่าเครือข่ายเหล่านี้ผูกติดกับวัฏจักรของภาคองค์กรมากกว่าที่กรอบการนำเสนอแบบกระจายศูนย์ของพวกเขาบ่งบอก
คำถามที่พบบ่อย
“Tokenpocalypse” ในการใช้จ่าย AI ขององค์กรคืออะไร?
Tokenpocalypse หมายถึงวิกฤตที่เกิดจากการคิดราคาตามโทเคนใน API AI ซึ่งนำไปสู่ใบแจ้งหนี้ก้อนใหญ่เกินคาด เมื่อการทดลองใช้ AI ขยายตัวไปทั่วทั้งองค์กรในหมู่พนักงานนับพันคน
ทำไมบริษัทต่างๆ จึงลดงบประมาณสำหรับเครื่องมือ AI?
บริษัทต่างๆ กำลังลดการใช้จ่ายด้าน AI เนื่องจาก ต้นทุนที่สูงและไม่คาดคิด ประกอบกับข้อเท็จจริงที่ว่าหลายแห่งไม่มีกรอบ ROI ที่ชัดเจนเพื่อพิจารณาว่าผลผลิตที่เพิ่มขึ้นนั้นคุ้มค่ากับค่าใช้จ่ายหรือไม่
เครือข่าย GPU แบบกระจายศูนย์วางตำแหน่งตัวเองอย่างไรในตลาดคอมพิวต์ AI?
พวกเขานำเสนอตัวเองว่าเป็นทางเลือกที่ถูกกว่าสำหรับผู้ให้บริการคลาวด์แบบศูนย์กลางอย่าง AWS, Azure และ Google Cloud โดยมุ่งดึงดูดองค์กรที่อ่อนไหวต่อราคา ซึ่งกำลังตรวจสอบการใช้จ่ายด้านโครงสร้างพื้นฐาน AI อย่างละเอียดมากขึ้น
ตัวชี้วัดใดบ่งบอกแนวโน้มดีมานด์จากภาคองค์กรสำหรับปริมาณงาน AI?
อัตราการเติบโตของปริมาณงาน AI ที่ Microsoft, Google และ Amazon รายงานในผลประกอบการรายไตรมาส เป็นตัวชี้วัดโดยตรงที่สุดว่าดีมานด์จากภาคองค์กรสำหรับคอมพิวต์ AI กำลังขยายตัวหรือหดตัว
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”“Tokenpocalypse” ในการใช้จ่าย AI ขององค์กรคืออะไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Tokenpocalypse หมายถึงวิกฤตที่เกิดจากการคิดราคาตามโทเคนใน API AI ซึ่งนำไปสู่ใบแจ้งหนี้ก้อนใหญ่เกินคาด เมื่อการทดลองใช้ AI ขยายตัวไปทั่วทั้งองค์กรในหมู่พนักงานนับพันคน”}},{“@type”:”Question”,”name”:”ทำไมบริษัทต่างๆ จึงลดงบประมาณสำหรับเครื่องมือ AI?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”บริษัทต่างๆ กำลังลดการใช้จ่ายด้าน AI เนื่องจากต้นทุนที่สูงและไม่คาดคิด ประกอบกับข้อเท็จจริงที่ว่าหลายแห่งไม่มีกรอบ ROI ที่ชัดเจนเพื่อพิจารณาว่าผลผลิตที่เพิ่มขึ้นนั้นคุ้มค่ากับค่าใช้จ่ายหรือไม่.”}},{“@type”:”Question”,”name”:”เครือข่าย GPU แบบกระจายศูนย์วางตำแหน่งตัวเองอย่างไรในตลาดคอมพิวต์ AI?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”พวกเขานำเสนอตัวเองว่าเป็นทางเลือกที่ถูกกว่าสำหรับผู้ให้บริการคลาวด์แบบศูนย์กลางอย่าง AWS, Azure และ Google Cloud โดยมุ่งดึงดูดองค์กรที่อ่อนไหวต่อราคา ซึ่งกำลังตรวจสอบการใช้จ่ายด้านโครงสร้างพื้นฐาน AI อย่างละเอียดมากขึ้น.”}},{“@type”:”Question”,”name”:”ตัวชี้วัดใดบ่งบอกแนวโน้มดีมานด์จากภาคองค์กรสำหรับปริมาณงาน AI?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”อัตราการเติบโตของปริมาณงาน AI ที่ Microsoft, Google และ Amazon รายงานในผลประกอบการรายไตรมาส เป็นตัวชี้วัดโดยตรงที่สุดว่าดีมานด์จากภาคองค์กรสำหรับคอมพิวต์ AI กำลังขยายตัวหรือหดตัว.”}}]}
บทความนี้จัดทำขึ้นด้วยความช่วยเหลือจากปัญญาประดิษฐ์และผ่านการตรวจทานโดยทีมบรรณาธิการ
