โดย Maksym Misichenko · Yahoo Finance ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
แม้จะมีความเห็นพ้องต้องกันเกี่ยวกับอัตราการยอมรับที่สูงและการเพิ่มผลิตภาพจากเครื่องมือ AI แต่ผู้ร่วมอภิปรายก็ไม่เห็นด้วยว่าการปรับปรุงต้นทุนจะตามมาหรือไม่ บางคนแย้งว่าข้อจำกัดด้านพลังงานอาจจำกัดการลดลงของต้นทุน token ในขณะที่บางคนเชื่อว่าราคาจะดีขึ้นเมื่อขนาดใหญ่ขึ้น
ความเสี่ยง: ต้นทุน token ที่เหนียวแน่นเนื่องจากข้อจำกัดด้านพลังงาน ซึ่งอาจจำกัด ROI และการบีบอัดส่วนแบ่งกำไร
โอกาส: อัตราการยอมรับที่สูงและการเพิ่มผลิตภาพ โดย 11% ของโค้ดถูกส่งมอบโดยไม่มีการแทรกแซงของมนุษย์เลยที่ Uber
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
มีเหตุการณ์สำคัญสองอย่างที่เกิดขึ้นในสัปดาห์นี้ Microsoft (NASDAQ: MSFT) — บริษัทที่ลงทุนไปประมาณ 13 พันล้านดอลลาร์สหรัฐฯ ใน OpenAI (1) และเขียนโค้ดของตัวเองได้ถึง 30% โดยใช้ AI เชิงสร้างสรรค์ — รายงานว่าได้แจ้งวิศวกร (2) ในแผนกสำคัญให้หยุดใช้เครื่องมือเขียนโค้ด AI เนื่องจากบิลสูงเกินไป และ Uber (NYSE: UBER) ซีอีโอเทคโนโลยีกล่าวว่าบริษัทใช้จ่ายงบประมาณปี 2026 ทั้งหมดสำหรับ Claude Code และ Cursor ภายในสี่เดือน ตามรายงานของ The Information (3)
แน่นอนว่าดูเหมือนบริษัท AI เองจะตระหนักถึงต้นทุนอย่างเต็มที่ Bryan Catanzaro รองประธานฝ่าย Applied Deep Learning Research ของ Nvidia (NASDAQ: NVDA) — บริษัทมูลค่ามากกว่า 5 ล้านล้านดอลลาร์สหรัฐฯ ที่ผลิตชิปที่ขับเคลื่อนอุตสาหกรรม AI ส่วนใหญ่ — บอกกับ Axios (4) ว่า “สำหรับทีมของฉัน ต้นทุนในการคำนวณสูงกว่าต้นทุนของพนักงานมาก”
การที่ AI มาแทนที่แรงงานมนุษย์ยังคงเป็นความเสี่ยงในระยะยาวที่แท้จริง แต่สิ่งที่ต้องรู้คือ บริษัทที่นำ AI ไปใช้จริงกำลังยอมรับอย่างเปิดเผยว่า AI มีราคาแพงเกินไป และนั่นเป็นสัญญาณที่สำคัญ
สิ่งที่ Microsoft ทำจริง ๆ และไม่ได้ทำ
เมื่อปลายปี 2025 Microsoft ได้ให้บุคลากรจำนวนหลายพันคน — วิศวกร ผู้จัดการผลิตภัณฑ์ นักออกแบบ และแม้แต่ผู้ที่ไม่ได้อยู่ในบทบาททางเทคนิค — เข้าถึง Claude Code (5) ตัวแทนเขียนโค้ด AI แบบ command-line ของ Anthropic แนวคิดคือการให้พวกเขาทดลองและเริ่มเขียนโค้ดด้วยมัน มันแพร่กระจายไปอย่างรวดเร็ว เกินกว่าแค่ทีมเทคนิค
จากนั้นบิลก็มาถึง
Microsoft กำลังยกเลิกใบอนุญาต Claude Code (6) ทั่วทั้งกลุ่ม Experiences and Devices — ทีมที่อยู่เบื้องหลัง Windows, Microsoft 365, Outlook, Teams และ Surface — โดยมีวันที่สิ้นสุดคือวันที่ 30 มิถุนายน (7) วันสุดท้ายของปีงบประมาณของ Microsoft บริษัทกำลังย้ายวิศวกรไปยัง GitHub Copilot CLI (8) เครื่องมือภายในที่ราคาถูกกว่า
เพื่อความชัดเจน นี่ไม่ใช่ Microsoft ที่ถอยห่างจาก AI ไม่เลย: โมเดล Claude ยังคงทำงานภายใน Copilot CLI และข้อตกลงที่กว้างขึ้นของ Microsoft กับ Anthropic (9) ยังคงอยู่ รวมถึงการลงทุนของ Microsoft ใน Anthropic มูลค่าสูงสุด 5 พันล้านดอลลาร์สหรัฐฯ และพันธสัญญาของ Anthropic ที่จะซื้อขีดความสามารถในการคำนวณ Azure มูลค่า 30 พันล้านดอลลาร์สหรัฐฯ ข้อตกลงนั้นยังคงอยู่ ตามรายงานของ Fortune (2)
ปัญหาในตอนนี้คือรูปแบบราคา การกำหนดราคาแบบ token คิดค่าบริการต่อผลลัพธ์ และเมื่อวิศวกรใช้ตัวแทน AI สำหรับงานเขียนโค้ดที่ซับซ้อนเป็นเวลาหลายชั่วโมง โทเค็นเหล่านั้นจะสะสมอย่างรวดเร็ว
สถานการณ์ของ Uber ทำให้เรื่องนี้ชัดเจน ในเดือนเมษายน Praveen Neppalli Naga ซีทีโอของ Uber บอกกับ The Information (3) ว่าบริษัทใช้จ่ายงบประมาณ AI การเขียนโค้ดปี 2026 ทั้งหมดภายในสี่เดือน
“ฉันกำลังกลับไปเริ่มต้นใหม่” Naga กล่าว “เพราะงบประมาณที่ฉันคิดว่าจะต้องใช้ถูกใช้ไปหมดแล้ว”
และไม่ใช่เพราะ Uber บริหารจัดการเงินทุนผิดพลาด เช่นเดียวกับ Microsoft Uber ได้นำ Claude Code ไปใช้กับวิศวกรในเดือนธันวาคม 2025 โดยภายในเดือนมีนาคม วิศวกรประมาณ 84% ของ Uber ได้นำ Claude Code ไปใช้และถูกจัดว่าเป็นผู้ใช้ตัวแทนเขียนโค้ด (11)
ตามรายงานของ The Information (3) ประมาณ 70% ของโค้ดที่ commit ที่ Uber มาจาก AI และการอัปเดต backend ที่ใช้งานได้จริง 11% ถูกส่งโดยตัวแทนโดยไม่มีมนุษย์เข้ามาเกี่ยวข้อง วิศวกรแต่ละคนใช้จ่ายระหว่าง 500 ถึง 2,000 ดอลลาร์สหรัฐฯ ต่อเดือน ความเป็นจริงที่น่าสนใจคือเรื่องนี้เกิดขึ้นเพราะเครื่องมือทำงาน วิศวกรพบว่า AI มีประโยชน์อย่างแท้จริงและทำให้เป็นส่วนหนึ่งของเวิร์กโฟลว์ประจำวันของพวกเขา งบประมาณไม่ได้ล่มสลายเพราะวิศวกรกำลังเสียโทเค็น แต่เป็นเพราะพวกเขาใช้เครื่องมืออย่างจริงจัง ซึ่งเป็นสิ่งที่ผู้จัดการหลายคนใน Silicon Valley กำลังเรียกร้องให้พนักงานของตนทำ
Hype พบกับความเป็นจริงสำหรับเศรษฐศาสตร์ AI
ความคิดเห็นของ Catanzaro ที่ Nvidia ไม่ใช่ข้อมูลเพียงจุดเดียว บริษัทเทคโนโลยีขนาดใหญ่ได้ประกาศการใช้จ่ายด้านเงินทุนรวมกัน 740 พันล้านดอลลาร์สหรัฐฯ ในปีนี้ — ซึ่งเพิ่มขึ้น 69% จากปี 2025 ตามรายงานของ Morgan Stanley (12) แต่รายงานของ Yale Budget Lab (13) ระบุว่ายังไม่มีข้อมูลที่แพร่หลายที่แสดงให้เห็นว่า AI จริง ๆ แล้วขับเคลื่อนการเพิ่มขึ้นของผลผลิตในระดับที่กว้างขวาง
การศึกษาของ MIT ในปี 2024 (14) ตรวจสอบเศรษฐศาสตร์ของการทำให้งานที่เกี่ยวข้องกับวิสัยทัศน์เป็นอัตโนมัติ และพบว่า AI สามารถทำได้ในราคาถูกพอที่จะสมเหตุสมผลสำหรับค่าจ้างประมาณ 23% ของงานเหล่านั้น สำหรับส่วนที่เหลืออีก 77% ยังคงถูกกว่าที่จะให้มนุษย์ทำงานนั้น
Keith Lee ศาสตราจารย์ด้าน AI และการเงินที่ Gordon School of Business ของ Swiss Institute of Artificial Intelligence บอกกับ Fortune (4) ว่าสิ่งที่พวกเรากำลังเห็นคือ “ความไม่ตรงกันในระยะสั้น” ที่ขับเคลื่อนโดยต้นทุนด้านฮาร์ดแวร์และพลังงานที่ทำให้ค่าใช้จ่ายในการดำเนินงานสำหรับผู้ให้บริการ AI สูงขึ้น
โครงสร้างพื้นฐานที่จำเป็นในการรัน AI ในระดับที่กว้างขวางคาดว่าจะใช้งบประมาณ 5.2 ล้านล้านดอลลาร์สหรัฐฯ ภายในปี 2030 ตามรายงานของ McKinsey (15) “ไม่ใช่แค่เรื่องที่ AI จะถูกกว่ามนุษย์” Lee กล่าว “แต่มันเกี่ยวกับความถูกและคาดการณ์ได้ทั้งสองอย่างในระดับที่กว้างขวาง”
สิ่งนี้หมายถึงอะไรสำหรับคนงานที่กังวลเกี่ยวกับ AI
ทั้งหมดนี้ไม่ได้หมายความว่าการถูก AI แทนที่นั้นไม่เป็นความจริง การเลิกจ้างในวงการเทคโนโลยีมีมากกว่า 115,000 ตำแหน่งในปี 2026 จนถึงปัจจุบันใน 152 บริษัท ตามรายงานของ Layoffs.fyi (16) ซึ่งกำลังอยู่ในเส้นทางที่จะทำลายสถิติของปีที่แล้วที่ 120,000+ บริษัทกำลังลดจำนวนงานและลงทุนใน AI ในเวลาเดียวกัน แม้ว่า AI จะยังไม่ช่วยประหยัดเงินอย่างชัดเจนก็ตาม
สิ่งที่ Microsoft และ Uber แสดงให้เห็นคือข้อจำกัดที่แท้จริง: เพื่อที่จะแทนที่คนงานมนุษย์ AI จะต้องส่งมอบผลลัพธ์ที่เหมือนเดิมหรือดีกว่าในราคาที่ถูกกว่า ในขณะนี้ สำหรับงานส่วนใหญ่ สมการนั้นยังไม่เป็นจริง
เข้าร่วมกับผู้อ่านกว่า 250,000 คน และรับเรื่องราวที่ดีที่สุดและบทสัมภาษณ์พิเศษจาก Moneywise เป็นรายสัปดาห์ — ข้อมูลเชิงลึกที่คัดสรรและส่งมอบรายสัปดาห์ สมัครเลย
แหล่งที่มาของบทความ
เราอ้างอิงเฉพาะแหล่งที่ได้รับการตรวจสอบแล้วและรายงานจากบุคคลที่สามที่น่าเชื่อถือ สำหรับรายละเอียด โปรดดูที่จริยธรรมและแนวทางของเรา
CNBC (1); Fortune (2), (4), (10); The Information (3); The Verge (5), (7); The Next Web (6); The Street (8); Seeking Alpha (9); MLQ (11); Morgan Stanley (12); Yale University (13); MIT Computer Science and Artificial Intelligence Laboratory (14); McKinsey & Company (15); Layoffs.fyi (16)
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"การกำหนดราคาแบบ token ในปัจจุบันเป็นข้อจำกัดในระยะสั้นต่อการแทนที่ด้วย AI แต่ไม่ใช่ข้อจำกัดที่ยั่งยืน เนื่องจากผู้เล่นรายใหญ่เช่น MSFT มีการปรับปรุงภายในอย่างรวดเร็ว"
บทความนี้ชี้ให้เห็นถึงค่าใช้จ่ายที่พุ่งสูงขึ้นจริงที่ MSFT และ UBER อย่างถูกต้อง โดยที่การใช้งาน Claude ทำให้งบประมาณเกินกำหนดในไม่กี่เดือนและบังคับให้เปลี่ยนไปใช้ Copilot CLI ที่ถูกกว่าภายในวันที่ 30 มิถุนายน อย่างไรก็ตาม สิ่งนี้ลดทอนสัญญาณของการยอมรับของวิศวกร 70-84% และการใช้งานโดย agent 11% ที่ Uber — เป็นหลักฐานว่าเครื่องมือเหล่านี้ส่งมอบผลลัพธ์ที่คุ้มค่ากับการใช้จ่ายแล้ว การลงทุนด้านทุน 740 พันล้านดอลลาร์และการประเมินมูลค่า 5 ล้านล้านดอลลาร์ของ NVDA สะท้อนถึงการเดิมพันว่าต้นทุนต่อ token จะลดลงเร็วกว่าค่าจ้าง ไม่ใช่ว่าการแทนที่จะหยุดชะงัก บริบทที่ขาดหายไป: บริษัทขนาดเล็กที่ไม่มีข้อตกลงระดับ Azure เผชิญกับอุปสรรคที่สูงขึ้น ทำให้คูเมืองของบริษัทเทคโนโลยียักษ์ใหญ่กว้างขึ้น
ข้อจำกัดด้านพลังงานและฮาร์ดแวร์อาจทำให้ต้นทุนการอนุมานยังคงสูงไปจนถึงปี 2028 ตามที่การคาดการณ์โครงสร้างพื้นฐาน 5.2 ล้านล้านดอลลาร์ของ McKinsey บ่งชี้ ทำให้ 'ความไม่สอดคล้องกัน' ในปัจจุบันกลายเป็นภาระหลายปีต่อ ROI แทนที่จะเป็นการแก้ไขอย่างรวดเร็วผ่านเครื่องมือภายใน
"Microsoft และ Uber ชนกำแพงราคา ไม่ใช่กำแพงความสามารถ — และนั่นเป็นสัญญาณที่ดีสำหรับการยอมรับ AI ในระยะยาว หาก (และเฉพาะในกรณีที่) ต้นทุน token หรือรูปแบบการเรียกเก็บเงินลดลงเมื่อโครงสร้างพื้นฐานเติบโตเต็มที่"
บทความนี้ผสมปนเปเรื่องราวสองเรื่องที่แตกต่างกัน: (1) Microsoft เปลี่ยนจาก Claude Code ไปใช้ GitHub Copilot CLI ที่ถูกกว่า — ไม่ได้ละทิ้ง AI แต่เป็นการปรับปรุงการใช้จ่าย และ (2) ปัญหาต้นทุนต่อ token ที่แท้จริงสำหรับเครื่องมือเขียนโค้ดแบบ agentic ปัญหาที่ลึกซึ้งกว่านั้นคือเรากำลังเห็นความไร้ประสิทธิภาพของการกำหนดราคาในระยะเริ่มต้น ไม่ใช่ความไม่สามารถใช้งานได้ตามโครงสร้าง Uber ใช้จ่ายงบประมาณปี 2026 หมดไปในสี่เดือนเพราะการยอมรับประสบความสำเร็จ — วิศวกร 84% ใช้งานทุกวัน นั่นคือปัญหาการกำหนดราคา ไม่ใช่ปัญหาความต้องการ การคาดการณ์โครงสร้างพื้นฐาน 5.2 ล้านล้านดอลลาร์และการเพิ่มขึ้น 69% ของ capex บ่งชี้ว่า Big Tech เชื่อว่าเศรษฐศาสตร์ต่อหน่วยจะดีขึ้น การศึกษาของ MIT (23% ของงานด้านภาพที่คุ้มค่าทางเศรษฐกิจ) เป็นข้อมูลปี 2024 เกี่ยวกับการใช้งานเฉพาะกลุ่มเล็กๆ เครื่องมือเขียนโค้ดแบบ agentic มี ROI สูงกว่า สิ่งที่ขาดหายไป: การอภิปรายเกี่ยวกับรูปแบบการกำหนดราคาจะพัฒนาไปอย่างไร หรือต้นทุน token จะลดลงเมื่อขนาดเพิ่มขึ้น
หาก Claude Code และ Cursor มีราคาแพงเกินไปแล้วที่อัตราการใช้งานปัจจุบัน แม้ว่าจะ 'ทำงานได้ดี' ต้นทุนการประมวลผลพื้นฐานอาจสูงเกินกว่าที่จะสามารถแข่งขันกับค่าจ้างมนุษย์ในวงกว้างได้ — โดยเฉพาะอย่างยิ่งสำหรับงานความรู้ที่ความคาดหวังเงินเดือนสูง บทความนี้สมมติว่าราคาจะดีขึ้น มันอาจจะไม่
"การเปลี่ยนจากเครื่องมือ AI ภายนอกไปสู่สแต็กภายในที่เป็นกรรมสิทธิ์และปรับปรุงให้เหมาะสมเป็นขั้นตอนต่อไปที่จำเป็นเพื่อให้ตระหนักถึงศักยภาพในการเพิ่มกำไรของ generative AI"
กระแส "AI แพงเกินไป" เป็นการตีความผิดพลาดคลาสสิกของการยอมรับโครงสร้างพื้นฐานในระยะเริ่มต้น Microsoft และ Uber ไม่ได้ถอยห่างจาก AI พวกเขากำลังเปลี่ยนจากรูปแบบการกำหนดราคาแบบ 'ทดลอง' — ที่พวกเขาจ่ายในราคาขายปลีกพรีเมียมสำหรับเครื่องมือบุคคลที่สามเช่น Claude — ไปสู่สแต็กภายในที่ปรับปรุงให้เหมาะสมและรวมเข้าด้วยกัน นี่คือการเปลี่ยนแปลงมาตรฐานจากการสร้างสรรค์นวัตกรรมไปสู่ประสิทธิภาพการดำเนินงาน เรื่องจริงไม่ใช่ต้นทุนของ token แต่เป็น 11% ของโค้ดที่ส่งมอบโดยไม่มีการแทรกแซงของมนุษย์เลยที่ Uber นั่นแสดงถึงการเปลี่ยนแปลงครั้งใหญ่ในอำนาจของทุนมนุษย์ ซึ่งท้ายที่สุดจะลดต้นทุนแรงงาน โดยไม่คำนึงถึงค่าใช้จ่ายในการประมวลผลในปัจจุบัน เรากำลังเห็นระยะ 'CapEx' ของวงจรภาวะเงินฝืดสำหรับวิศวกรรมซอฟต์แวร์
หากต้นทุนการอนุมานยังคงสูงเนื่องจากข้อจำกัดด้านพลังงานและฮาร์ดแวร์ 'การเพิ่มผลิตภาพ' อาจไม่เคยเกิดขึ้นจริงในรูปของการขยายส่วนแบ่งกำไร ทำให้บริษัทต่างๆ ติดอยู่ในวงจรการบำรุงรักษา AI agent ที่มีต้นทุนสูงอย่างถาวร
"AI ในวงกว้างจะให้ผลผลิตสุทธิที่เพิ่มขึ้นซึ่งสมเหตุสมผลกับการลงทุนอย่างต่อเนื่อง แม้จะมีแรงกดดันด้านต้นทุนในระยะสั้นก็ตาม"
สัญญาณต้นทุนระยะสั้นที่แข็งแกร่งจากราคาแบบ token และเครื่องมือ AI ขนาดใหญ่ ดังที่ Microsoft ระงับใบอนุญาต Claude Code และ Uber ใช้จ่ายงบประมาณปี 2026 หมดไป แสดงให้เห็น การยอมรับเป็นเรื่องจริง (วิศวกร Uber 84%; โค้ดประมาณ 70% มาจาก AI; การอัปเดต backend 11% ผ่าน agent) แต่หลักฐานที่น่าเชื่อถือจาก Yale/MIT/McKinsey ชี้ให้เห็นถึงช่องว่างระหว่างผลลัพธ์ที่เป็นไปได้กับการเพิ่มผลิตภาพที่แท้จริง โดยมีต้นทุนโครงสร้างพื้นฐานที่คาดว่าจะสูงไปจนถึงปี 2030 อย่างไรก็ตาม กรณีหลักสำหรับแพลตฟอร์มซอฟต์แวร์ที่เชื่อมโยงกับ AI ยังคงอยู่: หากประสิทธิภาพการประมวลผล ราคา และการกำกับดูแลดีขึ้น AI สามารถเพิ่มผลผลิตส่วนเพิ่มต่อวิศวกร สนับสนุน ROI ระยะยาวได้ แม้ท่ามกลางแรงกดดันด้านต้นทุนระยะสั้น
ข้อจำกัดด้านต้นทุนอาจคงอยู่หรือแย่ลงเมื่อโมเดลขยายขนาด ทำให้ค่าใช้จ่ายต่อผลลัพธ์ไม่ยั่งยืนสำหรับหลายทีม หาก ROI ยังคงแคบสำหรับเวิร์กโฟลว์หลัก บริษัทอาจจำกัดการยอมรับหรือกลับไปใช้เครื่องมือที่ถูกกว่าและมีความสามารถน้อยกว่า ซึ่งบ่อนทำลายสมมติฐานด้านผลิตภาพ
"การขาดแคลนฮาร์ดแวร์อาจปิดกั้นวงจรภาวะเงินฝืดที่ Gemini สันนิษฐานว่าจะตามมาหลังจากการรวมเข้าด้วยกัน"
การที่ Gemini ปฏิเสธต้นทุนว่าเป็นเพียงการเปลี่ยนแปลงมาตรฐานจากนวัตกรรมไปสู่ประสิทธิภาพ เพิกเฉยต่อข้อเท็จจริงที่ว่าความต้องการโครงสร้างพื้นฐาน 5.2 ล้านล้านดอลลาร์ของ McKinsey และข้อจำกัดด้านพลังงานอาจทำให้แม้แต่ผู้เล่นที่รวมเข้าด้วยกันอย่าง Uber ติดอยู่ในภาวะขาดทุนสูงอย่างต่อเนื่อง การใช้งานโดยไม่มีมนุษย์ 11% พิสูจน์ว่ามีอำนาจ แต่หากไม่มีการลดลงของ token ที่เร็วกว่าที่คาดการณ์ไว้ การบีบอัดแรงงานจะยังคงจำกัดอยู่เฉพาะในกลุ่ม hyperscalers แทนที่จะเป็นส่วนแบ่งกำไรซอฟต์แวร์ในวงกว้าง
"การปรับปรุงราคาเป็นสิ่งที่สมมติขึ้น ไม่ใช่การรับประกันเชิงกลไก — การขาดแคลนพลังงานอาจทำให้ต้นทุนสูงกว่าการประหยัดแรงงาน ทำให้สมมติฐานด้านผลิตภาพทั้งหมดกลายเป็นเรื่องรอง"
Claude และ ChatGPT ต่างก็สมมติว่าราคาจะดีขึ้น แต่ทั้งคู่ไม่ได้กล่าวถึงว่าทำไมมันถึงควรจะเป็นเช่นนั้น ต้นทุน token ติดตามเศรษฐศาสตร์ฮาร์ดแวร์ + พลังงาน ไม่ใช่ประสิทธิภาพของตลาด หากการประเมินมูลค่า 5 ล้านล้านดอลลาร์ของ NVIDIA สะท้อนถึงขนาดที่ใหญ่แล้ว ภาวะเงินฝืดจะมาจากไหน? ข้อโต้แย้งเรื่องข้อจำกัดด้านพลังงานของ Grok เป็นข้อที่ยากที่สุดที่จะปฏิเสธ — หากการอนุมานยังคงจำกัดด้วยพลังงานไปจนถึงปี 2028 ต้นทุน token อาจยังคงเหนียวแน่นโดยไม่คำนึงถึงอัตราการยอมรับ นั่นคือเพดานที่แท้จริงของ ROI ไม่ใช่อัตราการยอมรับ
"การเปลี่ยนไปใช้ agent AI มีความเสี่ยงที่จะแทนที่แรงงานมนุษย์ต้นทุนต่ำด้วย "ภาษีการประมวลผล" ที่มีต้นทุนสูงและขึ้นอยู่กับพลังงาน ซึ่งจะบีบอัดส่วนแบ่งกำไรซอฟต์แวร์อย่างถาวร"
Claude คุณกำลังเข้าสู่ประเด็นสำคัญ: กระแส "ภาวะเงินฝืด" ขึ้นอยู่กับการสมมติฐานของ Moore's Law ที่อาจไม่สามารถนำมาใช้กับการอนุมานที่จำกัดด้วยพลังงานได้ Gemini คุณกำลังมองข้ามข้อเท็จจริงที่ว่าส่วนแบ่งกำไรซอฟต์แวร์มีประวัติศาสตร์ที่ขับเคลื่อนด้วยต้นทุนส่วนเพิ่มที่ต่ำ หาก agent AI บังคับให้มี "ภาษีการประมวลผล" ที่มีต้นทุนสูงอย่างถาวรสำหรับโค้ดทุกบรรทัด เราไม่ได้กำลังมองหาการบูมผลิตภาพ แต่เรากำลังมองหาการเปลี่ยนแปลงส่วนแบ่งกำไรที่ถูกบีบอัด โดยผู้รับผลประโยชน์หลักคือโครงข่ายไฟฟ้าและ NVDA ไม่ใช่บริษัทซอฟต์แวร์
"การลดลงของต้นทุน token ไม่ได้รับประกัน; ข้อจำกัดด้านพลังงาน/ฮาร์ดแวร์อาจจำกัด ROI และต้นทุนการกำกับดูแล/ความปลอดภัยอาจกัดกินผลประโยชน์"
Claude คุณมองว่าราคาเป็นปัญหาการเพิ่มประสิทธิภาพที่น่าจะดีขึ้นเมื่อขนาดใหญ่ขึ้น แต่คุณลดทอนเพดานที่แข็งแกร่งจากข้อจำกัดด้านพลังงานและฮาร์ดแวร์ หากต้นทุน token ติดตามการใช้พลังงาน การขยายขนาดแบบ Moore อาจหยุดชะงัก การใช้งานโค้ดโดยไม่มีมนุษย์ 11% ของ Uber บ่งชี้ถึงอำนาจ แต่หากไม่มีการกำกับดูแลและการรักษาความปลอดภัยที่รัดกุม ผลประโยชน์เหล่านั้นอาจเสื่อมสลายอย่างรวดเร็วและจำกัด ROI ความเสี่ยงไม่ใช่การยอมรับ — แต่เป็นว่าเศรษฐศาสตร์ต่อหน่วยจะดีขึ้นเพียงพอที่จะสมเหตุสมผลกับการลงทุนหลายปีหรือไม่
แม้จะมีความเห็นพ้องต้องกันเกี่ยวกับอัตราการยอมรับที่สูงและการเพิ่มผลิตภาพจากเครื่องมือ AI แต่ผู้ร่วมอภิปรายก็ไม่เห็นด้วยว่าการปรับปรุงต้นทุนจะตามมาหรือไม่ บางคนแย้งว่าข้อจำกัดด้านพลังงานอาจจำกัดการลดลงของต้นทุน token ในขณะที่บางคนเชื่อว่าราคาจะดีขึ้นเมื่อขนาดใหญ่ขึ้น
อัตราการยอมรับที่สูงและการเพิ่มผลิตภาพ โดย 11% ของโค้ดถูกส่งมอบโดยไม่มีการแทรกแซงของมนุษย์เลยที่ Uber
ต้นทุน token ที่เหนียวแน่นเนื่องจากข้อจำกัดด้านพลังงาน ซึ่งอาจจำกัด ROI และการบีบอัดส่วนแบ่งกำไร