Dylan Patel ผู้ก่อตั้ง SemiAnalysis: การลงทุนในโครงสร้างพื้นฐาน AI ถูกประเมินต่ำกว่าความเป็นจริงอย่างมาก ผลตอบแทนที่แท้จริงไปไกลกว่าแค่โทเคน

พาเทลเชื่อว่าโดยทั่วไปแล้วตลาดประเมินขนาดที่แท้จริงของการพัฒนาโครงสร้างพื้นฐาน AI ต่ำเกินไป จากการประเมินของเขา รายจ่ายลงทุนที่เกี่ยวข้องของสหรัฐฯ ในปีหน้าอาจเข้าใกล้ระดับ 2 ล้านล้านดอลลาร์ ซึ่งคิดเป็น 5% ถึง 6% ของ GDP สหรัฐฯ ตัวเลขนี้ไม่เพียงแต่รวมถึงศูนย์ข้อมูลและ GPU เท่านั้น แต่ยังรวมถึงการลงทุนในระบบไฟฟ้า ระบบทำความเย็น ชิป อุปกรณ์ก่อสร้าง และห่วงโซ่อุปทานทั้งหมดด้วย

นอกจากนี้ ยังมีความแตกต่างสำคัญอีกประการหนึ่งระหว่างโครงสร้างพื้นฐาน AI กับการก่อสร้างทางรถไฟและทางหลวงแบบดั้งเดิม นั่นคือ พลังการประมวลผลที่สร้างขึ้นในสหรัฐฯ ไม่ได้ให้บริการเฉพาะในสหรัฐฯ เท่านั้น บริการ AI บางอย่างที่ใช้โดยผู้ใช้ในยุโรปและเอเชีย ในความเป็นจริงต้องพึ่งพาศูนย์ข้อมูลในสหรัฐฯ เพื่อการฝึกฝนและการประมวลผลผลลัพธ์ (inference) ดังนั้น รายจ่ายลงทุนของสหรัฐฯ จึงรองรับอุปสงค์ AI ทั่วโลกเป็นหลัก และผลกระทบทางเศรษฐกิจอาจสูงเกินกว่าวัฏจักรโครงสร้างพื้นฐานในอดีตภายในประเทศใดประเทศหนึ่ง

สิ่งนี้หมายความว่า โครงสร้างพื้นฐาน AI ไม่ได้เป็นเพียงกลุ่มเทคโนโลยีที่แยกตัวอยู่โดดเดี่ยวอีกต่อไป แต่กำลังค่อย ๆ กลายเป็นตัวแปรทางเศรษฐศาสตร์มหภาคที่ส่งผลกระทบต่อ GDP ตลาดทุน และนโยบายอุตสาหกรรม

การใช้จ่ายเงินทุนด้าน AI ไม่สามารถรักษาการเติบโตด้วยความเร็วสูงได้ตลอดไป เมื่อฐานการลงทุนขยายตัวใหญ่ขึ้น จึงเป็นเรื่องยากสำหรับบริษัทต่าง ๆ ที่จะรักษาการเติบโตเพิ่มขึ้นเป็นเท่าตัวบนขนาดที่ใหญ่ขึ้นต่อไป ขณะเดียวกัน ข้อจำกัดด้านพลังงาน ที่ดิน ศักยภาพการก่อสร้าง อุปทานชิป และความสามารถในการจัดหาเงินทุน ต่างก็เริ่มปรากฏชัดเจนยิ่งขึ้นเรื่อย ๆ

จอร์แดนระบุว่า สำหรับทั้งผู้ให้บริการคลาวด์รายใหญ่และผู้ให้บริการคลาวด์เกิดใหม่ การเพิ่มสิ่งอำนวยความสะดวกด้านพลังงานระดับกิกะวัตต์นอกเหนือจากแผนเดิมนั้นทำได้ยากขึ้นอย่างมีนัยสำคัญ แม้ว่าผลตอบแทนจากการลงทุนจะแข็งแกร่ง แต่บริษัทต่าง ๆ จำเป็นต้องระดมเงินทุนมหาศาลก่อน จึงจะสามารถดำเนินการก่อสร้างต่อไปได้

อย่างไรก็ตาม การเติบโตที่ชะลอตัวลงไม่ได้หมายถึงการพังทลายของอุปสงค์ ประเด็นหลักที่อุตสาหกรรมกำลังเผชิญในปัจจุบันยังคงเป็นเรื่องอุปทานไม่เพียงพอ มากกว่าขีดความสามารถในการประมวลผลส่วนเกิน ทั้งกำลังการผลิตชิป ความเร็วในการก่อสร้างศูนย์ข้อมูล และขีดความสามารถในการเชื่อมต่อโครงข่ายไฟฟ้า ต่างยังคงประสบปัญหาในการตอบสนองความต้องการของลูกค้าได้เต็มที่

จุดชนวนความเสี่ยงที่แท้จริงจะเกิดขึ้นเมื่ออุปสงค์ขององค์กรธุรกิจต่อระบบปัญญาประดิษฐ์และงานด้านความรู้ลดลงอย่างมีนัยสำคัญ ตราบใดที่อุปสงค์ยังคงสูงกว่าอุปทาน จึงเป็นไปได้ยากที่อุตสาหกรรมจะเข้าสู่ภาวะถดถอยในทันทีเพียงเพราะการเติบโตของรายจ่ายลงทุนชะลอตัวลง

อีกหนึ่งคุณลักษณะของอุตสาหกรรม AI คือ รายได้มักจะตามหลังรายจ่ายลงทุน ศูนย์ข้อมูลและ GPU มีการหักค่าเสื่อมราคาตลอดระยะเวลาหลายปี ซึ่งหมายความว่าเงินทุนที่ลงทุนในวันนี้จะต้องค่อย ๆ คืนทุนในอีกไม่กี่ปีข้างหน้าผ่านการเรียกใช้งาน API ของโมเดล ซอฟต์แวร์สำหรับองค์กร บริการระบบอัตโนมัติ และผลิตภัณฑ์ใหม่ ๆ

Patel เชื่อว่าการคาดการณ์ของตลาดเกี่ยวกับรายได้ในอนาคตของ AI อาจยังต่ำเกินไป ทั้งนี้เนื่องจากมูลค่าของ AI ขยายครอบคลุมเกินกว่าการเรียกใช้งาน API ค่าธรรมเนียมโทเคน และบริการสมัครสมาชิก โดยรายได้ส่วนใหญ่น่าจะมาจากผลิตภัณฑ์ใหม่ ๆ และประสิทธิภาพที่เกิดขึ้นเมื่อ AI แทรกซึมเข้าสู่อุตสาหกรรมอื่น ๆ

Jordan ได้ยกตัวอย่างโดยระบุว่า หากโมเดลระดับแนวหน้าสามารถจัดการงานที่ต้องใช้ความรู้ได้เป็นจำนวนมาก โมเดลเหล่านั้นก็สามารถเข้าสู่สาขาต่าง ๆ เช่น หุ่นยนต์ การขับขี่อัตโนมัติ การค้นพบยา การดูแลสุขภาพ และวิทยาศาสตร์ชีวภาพ โดยในภาคส่วนเหล่านี้ มูลค่าที่สร้างขึ้นโดย AI จะสะท้อนออกมาในรูปของยา รถยนต์ ชิป และบริการใหม่ ๆ แทนที่จะเป็นการคิดค่าบริการต่อการเรียกใช้โมเดลเพียงอย่างเดียว

อุตสาหกรรมการออกแบบชิปถือเป็นตัวอย่างที่ชัดเจน ในช่วงไม่กี่ทศวรรษที่ผ่านมา จำนวนบุคลากรด้านการวิจัยและพัฒนาการออกแบบชิปของสหรัฐฯ ไม่ได้เพิ่มขึ้นอย่างมีนัยสำคัญ แต่มูลค่าที่สร้างขึ้นโดยอุตสาหกรรมกลับขยายตัวอย่างต่อเนื่อง ส่วนหนึ่งเป็นเพราะเครื่องมือทางวิศวกรรมช่วยเพิ่มผลิตภาพของนักพัฒนา ซึ่ง AI สามารถขยายการเพิ่มผลิตภาพนี้ไปยังอุตสาหกรรมอื่น ๆ เพิ่มเติม ช่วยให้องค์กรบรรลุงานวิจัยและพัฒนา การออกแบบ และการผลิตได้มากขึ้นด้วยจำนวนบุคลากรที่ใกล้เคียงเดิม

นี่ยังเป็นตรรกะหลักเบื้องหลังการลงทุนในโครงสร้างพื้นฐาน AI ด้วยเช่นกัน โดยนักลงทุนไม่ได้เดิมพันกับรายได้ของแชตบอตในปัจจุบัน แต่เดิมพันกับมูลค่าส่วนเพิ่มที่จะเกิดขึ้นเมื่อปัญญาประดิษฐ์แพร่กระจายไปทั่วทั้งระบบเศรษฐกิจ

ในขณะที่ห้องปฏิบัติการ AI ชั้นนำและผู้ให้บริการคลาวด์รายใหญ่ยังคงขยายความต้องการด้านพลังการประมวลผลอย่างต่อเนื่อง ผู้ให้บริการคลาวด์รายใหม่ได้กลายเป็นผู้สนับสนุนหลักในการขยายโครงสร้างพื้นฐาน AI

รายงาน ClusterMax ของเซมิแอนาลิซิสประเมินความน่าเชื่อถือ ความปลอดภัย ระบบเครือข่าย พื้นที่จัดเก็บข้อมูล ประสิทธิภาพ และความสามารถในการดำเนินงานของ GPU คลาวด์เป็นหลัก โดยคอร์วีฟและเนเบียสได้รับการจัดให้อยู่ในกลุ่มผู้ให้บริการระดับแนวหน้า ขณะที่ความสามารถด้านการบริการของออราเคิลและกูเกิล คลาวด์ ก็ได้รับการยอมรับเช่นกัน

อย่างไรก็ตาม คุณภาพทางเทคนิคและมูลค่าหุ้นไม่ได้เป็นสิ่งเดียวกัน แม้ว่าออราเคิลจะโดดเด่นในด้านบริการคลัสเตอร์ แต่ก็เผชิญความเสี่ยงต่าง ๆ รวมถึงความล่าช้าของศูนย์ข้อมูล การขอใบอนุญาตโครงการ ภาระหนี้สิน และการดำเนินโครงการ ขณะเดียวกัน ผู้ให้บริการคลาวด์รายใหม่บางรายมุ่งเน้นไปที่การระดมทุนและการขยายธุรกิจเป็นหลัก โดยลงทุนในด้านความปลอดภัยพื้นฐานและคุณภาพการบริการน้อยเกินไป

สิ่งนี้สะท้อนให้เห็นว่าตลาดยังคงเป็นตลาดของผู้ขาย เนื่องจากลูกค้ามีความต้องการ GPU อย่างเร่งด่วน ผู้ให้บริการจึงสามารถคว้าคำสั่งซื้อและเงินทุนได้อย่างรวดเร็ว ซึ่งส่งผลให้แรงกดดันในการปรับปรุงประสบการณ์การบริการของพวกเขาลดลง

บทบาทของเอ็นวิเดียในระบบนิเวศคลาวด์ที่กำลังเติบโตนั้น เป็นมากกว่าแค่การเป็นซัพพลายเออร์ชิปเพียงอย่างเดียว

SemiAnalysis ประเมินว่า ขนาดของการค้ำประกันและการสนับสนุนนอกงบการเงินที่เอ็นวิเดียจัดหาให้อาจสูงถึง 5.88 แสนล้านดอลลาร์ ซึ่งครอบคลุมการก่อสร้าง ระบบจัดเก็บข้อมูล ห่วงโซ่อุปทาน และการสร้างศูนย์ข้อมูลนอกเหนือจากการจัดซื้อ GPU โดยวัตถุประสงค์ของเอ็นวิเดียคือเพื่อลดการพึ่งพาผู้ให้บริการไฮเปอร์สเกลเลอร์เพียงไม่กี่รายในด้านหนึ่ง และช่วยให้ลูกค้าจำนวนมากขึ้นสามารถเข้าถึงกำลังการคำนวณและเงินทุนในอีกด้านหนึ่ง

ตราบใดที่อุปสงค์ปลายทางยังคงแข็งแกร่ง กลไกการค้ำประกัน การจัดหาเงินทุน และการให้เช่า GPU นี้จะสามารถสร้างวงจรเชิงบวกได้ ขณะเดียวกัน ความพึ่งพาอาศัยกันตลอดห่วงโซ่อุตสาหกรรมก็กำลังเพิ่มสูงขึ้น และเมื่อใดที่อุปสงค์ AI ชะลอตัวลง ความเสี่ยงก็อาจแพร่กระจายอย่างรวดเร็วผ่านสัญญาระยะยาว หนี้สิน และงบการเงิน

ดังนั้น "หลักประกันรองรับ" ของเอ็นวิเดียจึงไม่เพียงทำหน้าที่เป็นตัวขับเคลื่อนการขยายตัวของอุตสาหกรรมเท่านั้น แต่ยังแสดงให้เห็นว่าโครงสร้างพื้นฐาน AI ได้ก่อตัวเป็นเครือข่ายทางการเงินที่ซับซ้อนอีกด้วย

พาเทลมีมุมมองเป็นบวกอย่างมากต่อแนวโน้มระยะยาวของแอนโทรปิก แต่เขายังเชื่อว่าการบรรลุมูลค่าประเมินที่สูงเป็นพิเศษนั้น จำเป็นต้องให้บริษัทขยายธุรกิจเกินกว่าการเรียกใช้งานโมเดลไปสู่พื้นที่อื่น ๆ เพิ่มเติม

ข้อได้เปรียบของแอนโทรปิกไม่ได้อยู่เพียงแค่ความสามารถของโมเดลเท่านั้น แต่ยังอยู่ที่อัตรากำไรขั้นต้นที่สูงกว่า ต้นทุนการจัดหาลูกค้าที่ต่ำกว่า และความผูกพันของลูกค้าที่แข็งแกร่ง หากห้องปฏิบัติการ AI สามารถนำโมเดลไปประยุกต์ใช้กับซอฟต์แวร์ เภสัชกรรม การดูแลสุขภาพ และบริการสำหรับองค์กร อัตรากำไรของพวกเขาก็อาจสูงกว่าธุรกิจ SaaS แบบดั้งเดิม

ขณะเดียวกัน กูเกิลกำลังเผชิญกับแรงกดดันอีกรูปแบบหนึ่ง ในอดีต กูเกิลครองข้อได้เปรียบด้านพลังการคำนวณอย่างมีนัยสำคัญ แต่ในปัจจุบัน TPU และโครงสร้างพื้นฐานถูกนำไปใช้เพื่อขายแก่ภายนอกและสนับสนุนแอนโทรปิกมากขึ้น ส่งผลให้สัดส่วนพลังการคำนวณของดีปมายด์ลดลง

กูเกิลกำลังพยายามสร้างรายได้ในทุกกลุ่มธุรกิจ ตั้งแต่ชิป แพลตฟอร์มคลาวด์ ไปจนถึงบริการโมเดล แต่ Gemini ยังคงต้องค้นหาข้อได้เปรียบด้านผลิตภัณฑ์ที่ชัดเจนเพียงพอ มิฉะนั้น ข้อได้เปรียบด้านพลังการคำนวณ โมเดล และบุคลากรอาจถูกกัดกร่อนลงอย่างต่อเนื่องโดยโอเพนเอไอ แอนโทรปิก และเมตา

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด