มุมมอง: ความต้องการ AI ถูกปั่นเกินจริง และมีเพียง Anthropic เท่านั้นที่มองความเป็นจริง

CNBC 17 เม.ย. 2026 21:39 ▬ Mixed ต้นฉบับ ↗

AI bubble concern

แผง AI

สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้

คณะกรรมการส่วนใหญ่เห็นพ้องกันว่าอุปสงค์ AI อาจถูกประเมินสูงเกินไปเนื่องจากการเล่นกลตัวชี้วัด และการเปลี่ยนไปใช้การกำหนดราคาต่อโทเค็นของ Anthropic อาจเปิดเผยสิ่งนี้ ซึ่งอาจนำไปสู่การลดลงของอุปสงค์และการบีบอัดกำไรสำหรับผู้ขาย AI อย่างไรก็ตาม คณะกรรมการมีความเห็นไม่ตรงกันว่าสิ่งนี้จะนำไปสู่การชะลอตัวของการยอมรับ AI อย่างมีนัยสำคัญหรือไม่ หรือจะส่งผลกระทบต่อกำไรซอฟต์แวร์เป็นหลักก่อนที่ capex ฮาร์ดแวร์จะได้รับผลกระทบ

ความเสี่ยง: ความยืดหยุ่นของราคาภายใต้การสร้างรายได้ต่อโทเค็น ซึ่งอาจกระตุ้นให้เกิดการเจรจาต่อรอง การรวมกลุ่ม หรือการเปลี่ยนไปใช้โมเดลที่กลั่นตัว/โอเพนซอร์ส ซึ่งจำกัดอุปสงค์ก่อนที่จะเกิดไฟฟ้าดับใดๆ

โอกาส: ผู้เล่นฮาร์ดแวร์และคลาวด์ที่มีวินัยในการกำหนดราคา เช่น Nvidia และ Microsoft อาจได้รับประโยชน์จากรายได้ที่คาดการณ์ได้มากขึ้นต่อหน่วยการใช้งาน ซึ่งช่วยลดความเสี่ยงในการสร้างมากเกินไปสำหรับศูนย์ข้อมูล

อ่านการอภิปราย AI

บทความเต็ม CNBC

สัญญาณความต้องการหลักสำหรับปัญญาประดิษฐ์ดูเหมือนจะพุ่งสูงขึ้นบนกระดาษ แต่ก็อาจจะถูกประเมินค่าสูงเกินจริงไปมาก Anthropic โดยการตั้งราคาเครื่องมือของตนให้สอดคล้องกับความเป็นจริงนี้ อาจเป็นบริษัท AI ที่อยู่ในตำแหน่งที่ดีที่สุดหากมีการปรับฐานเกิดขึ้น

โทเค็นเป็นหน่วยพื้นฐานของการใช้งาน AI: คำและตัวอักษรที่ประกอบกันเป็นทั้งคำสั่งที่ผู้ใช้ส่งและผลลัพธ์ที่โมเดลสร้างขึ้น

การสนทนากับ AI ใช้โทเค็นสองสามร้อยโทเค็นต่อย่อหน้า Agentic AI ซึ่งโมเดลเขียนโค้ด ท่องเว็บ และดำเนินการตามขั้นตอนที่ซับซ้อน จะใช้โทเค็นหลายพันโทเค็นต่อเซสชัน

เมื่อใช้ราคาของโมเดลล่าสุดของ Anthropic โทเค็นอินพุตหนึ่งล้านโทเค็น (พร้อมท์) ราคา 5 ดอลลาร์ และโทเค็นเอาต์พุตหนึ่งล้านโทเค็น (การตอบสนองของโมเดล) ราคา 25 ดอลลาร์

บริษัท AI อ้างถึงการเติบโตอย่างรวดเร็วของการบริโภคโทเค็นเพื่อสร้างความชอบธรรมให้กับเงินหลายแสนล้านดอลลาร์ที่ใช้ไปกับโครงสร้างพื้นฐานเพื่อรองรับ

แต่การบริโภคโทเค็นกำลังกลายเป็นตัวชี้วัดที่บิดเบือน

Meta และ Shopify กล่าวว่าพวกเขาได้สร้างกระดานผู้นำภายในที่ติดตามจำนวนโทเค็นที่พนักงานใช้ Jensen Huang ซีอีโอของ Nvidia กล่าวว่าเขาจะ "ตกใจอย่างยิ่ง" หากวิศวกรที่มีรายได้ 500,000 ดอลลาร์ต่อปีไม่ได้ใช้คอมพิวเตอร์อย่างน้อย 250,000 ดอลลาร์ — วัดว่าวิศวกรใช้จ่ายไปกับ AI เท่าใด แทนที่จะวัดสิ่งที่พวกเขาผลิตด้วยมัน

เมื่อบริษัทต่างๆ เริ่มวัดการนำ AI ไปใช้ตามปริมาณ พนักงานจะปรับให้เหมาะสมกับตัวชี้วัดแทนที่จะเป็นผลลัพธ์

"ถ้าเป้าหมายของคุณคือการเผาเงินจำนวนมาก มีวิธีง่ายๆ ที่จะทำได้" Ali Ghodsi ซีอีโอของ Databricks ซึ่งประมวลผลเวิร์กโหลด AI สำหรับองค์กรหลายพันแห่งกล่าว "ส่งคำสั่งซ้ำไปยังสิบที่ ใส่ลูปที่ทำซ้ำไปเรื่อยๆ มันจะทำให้เสียค่าใช้จ่ายมากและไม่ได้อะไรเลย"

Jen Stave ผู้อำนวยการบริหารของ Harvard Business School AI Institute ได้ยินสิ่งเดียวกันจากผู้นำองค์กร

"ฉันได้คุยกับ CTO หรือ CIO หลายสิบคน ซึ่งทุกคนกำลังพูดว่า 'จริงๆ แล้วฉันมีปัญหาอย่างมากในการหาเฟรมเวิร์ก ROI สำหรับสิ่งนี้'" เธอกล่าว

Anthropic กำลังวางแผนสำหรับความเป็นไปได้ที่การคาดการณ์ความต้องการจะผิดพลาด

Dario Amodei ซีอีโอได้อธิบายสิ่งที่เขาเรียกว่า "กรวยแห่งความไม่แน่นอน" — ศูนย์ข้อมูลใช้เวลาหนึ่งถึงสองปีในการสร้าง ดังนั้นบริษัทต่างๆ จึงต้องลงทุนหลายพันล้านดอลลาร์ในตอนนี้สำหรับความต้องการที่พวกเขายังไม่สามารถยืนยันได้ ซื้อน้อยเกินไปและสูญเสียลูกค้าเมื่อคุณไม่มีความจุเพียงพอ ซื้อมากเกินไปและรายได้ไม่มาตามกำหนด คณิตศาสตร์ก็จะไม่เป็นไปตามนั้น

"ถ้าคุณผิดไปสองสามปี มันอาจจะหายนะได้" Amodei กล่าวในพอดคาสต์ Dwarkesh Patel เมื่อเดือนกุมภาพันธ์ "ฉันรู้สึกว่าบริษัทอื่นๆ บางแห่งไม่ได้เขียนสเปรดชีต พวกเขากำลังทำสิ่งต่างๆ เพราะมันฟังดูเจ๋ง"

การตอบสนองของ Anthropic คือการเปลี่ยนจากการกำหนดราคาแบบเหมาจ่ายสำหรับองค์กร ไปสู่การเรียกเก็บเงินตามโทเค็นจริง เพื่อให้รายได้ที่รวบรวมได้สะท้อนถึงการใช้งานจริง นอกจากนี้ยังได้ระงับเครื่องมือของบุคคลที่สามบางอย่างที่ใช้โทเค็นจำนวนมาก ในขณะที่ OpenAI กำลังทำให้ AI ถูกลงและบริโภคได้ง่ายขึ้นในวงกว้าง

การกำหนดราคาแบบเหมาจ่ายเป็นที่แพร่หลายในช่วงปีแรกๆ ของการนำ AI ไปใช้ โดยมีค่าธรรมเนียมรายเดือนคงที่สำหรับการเข้าถึง AI ที่ไม่จำกัดหรือมากมาย รูปแบบนั้นใช้ได้ผลเมื่อผู้คนกำลังสนทนากับ AI แต่การใช้งานแบบ agentic ได้เปลี่ยนสิ่งที่เคยมีค่าใช้จ่ายหลายพันโทเค็นต่อเซสชัน ให้กลายเป็นหลายล้านโทเค็น และทำลายเศรษฐศาสตร์

ข้อเสนอที่ใจกว้างที่สุดของผู้บริโภคของ Anthropic คือแผน Max ราคา 200 ดอลลาร์ต่อเดือน ได้กลายเป็นกรณีศึกษา

นักพัฒนาได้ส่งการสมัครสมาชิกนั้นผ่านเครื่องมือ agentic ของบุคคลที่สาม เช่น OpenClaw โดยรัน AI agents ตลอดเวลาภายใต้แผนที่ออกแบบมาสำหรับการสนทนา จากอัตราที่เผยแพร่ของ Anthropic สำหรับโมเดลล่าสุด ผู้ใช้ Claude Code Max ที่ใช้งานหนักอาจจ่ายเพียง 200 ดอลลาร์ต่อเดือนสำหรับการใช้งานที่อาจมีค่าใช้จ่ายสูงถึง 5,000 ดอลลาร์สำหรับผู้ใช้หากไม่มีการสมัครสมาชิก

เมื่อวันที่ 4 เมษายน Anthropic ได้ระงับเครื่องมือเหล่านั้น Boris Cherny หัวหน้า Claude Code เขียนบน X ว่าการสมัครสมาชิก "ไม่ได้ถูกสร้างขึ้นสำหรับการใช้งานของเครื่องมือบุคคลที่สามเหล่านี้"

การปรับเทียบเดียวกันนี้กำลังเกิดขึ้นในระดับองค์กร

สัญญา Anthropic แบบเก่ารวมถึงที่นั่งแบบมาตรฐานและแบบพรีเมียม — ค่าธรรมเนียมรายเดือนคงที่พร้อมการใช้งานที่รวมอยู่ด้วย ปัจจุบันเหล่านี้ถูกระบุว่าเป็น "ประเภทที่นั่งเดิมที่ไม่มีให้บริการอีกต่อไปสำหรับสัญญาองค์กรใหม่" ตามหน้าสนับสนุนของบริษัท แผนองค์กรใหม่เรียกเก็บเงินต่อที่นั่ง โดยมีการบริโภคโทเค็นเรียกเก็บเงินในอัตรา API เพิ่มเติม

Anthropic เป็นรายแรกที่ดำเนินการ แต่แรงกดดันกำลังเพิ่มขึ้นทั่วทั้งอุตสาหกรรม

Nick Turley หัวหน้า ChatGPT ของ OpenAI ยอมรับในพอดคาสต์ BG2 ว่า "เป็นไปได้ว่าในยุคปัจจุบัน การมีแผนไม่จำกัดก็เหมือนกับการมีแผนไฟฟ้าไม่จำกัด มันไม่สมเหตุสมผลเลย"

หากโทเค็นทุกโทเค็นมีราคา บริษัทและผู้บริโภคที่ตั้งงบประมาณไว้สำหรับ AI แบบเหมาจ่ายจะเริ่มถามว่าพวกเขาได้รับอะไรจริงๆ

Eric Glyman ซีอีโอของ Ramp ซึ่งเพิ่งเปิดตัวเครื่องมือติดตามโทเค็น มองเห็นพลวัตจากฝั่งการเงิน

การใช้จ่าย AI ทั่วฐานลูกค้าของ Ramp เพิ่มขึ้น 13 เท่าในช่วงปีที่ผ่านมา และไม่มีใครรู้วิธีตั้งงบประมาณสำหรับมัน เขาชี้ไปที่แนวทางของ Anthropic ว่าเป็นกลยุทธ์ระยะยาวที่รอบคอบกว่า และตั้งคำถามที่ควรเป็นข้อกังวลของนักลงทุน OpenAI: หากรูปแบบธุรกิจของคุณขึ้นอยู่กับการดึงการใช้โทเค็นสูงสุด คุณมีแรงจูงใจที่จะช่วยให้ลูกค้าใช้ AI ได้อย่างมีประสิทธิภาพมากขึ้นหรือไม่?

Salesforce กำลังเดิมพันในลักษณะเดียวกัน โดยเปิดตัวตัวชี้วัดใหม่ที่เรียกว่า "agentic work units" ซึ่งติดตามงานที่ AI ทำสำเร็จ แทนที่จะเป็นโทเค็นที่ใช้ไป

ทั้ง Anthropic และ OpenAI คาดว่าจะมีการเสนอขายหุ้น IPO ในปีนี้ เมื่อพวกเขาทำเช่นนั้น คำถามเกี่ยวกับความต้องการจะเป็นสิ่งแรกที่นักลงทุนในตลาดสาธารณะพยายามตอบ

Anthropic โดยการเปลี่ยนไปใช้การเรียกเก็บเงินตามโทเค็น จะมีข้อมูลที่ชัดเจนมากขึ้นเกี่ยวกับสิ่งที่ลูกค้าให้คุณค่าจริงๆ OpenAI จะมีตัวเลขที่ใหญ่ขึ้น แต่จะพิสูจน์ได้ยากขึ้นว่าตัวเลขเหล่านั้นจริงแค่ไหน

หากแม้แต่ส่วนเล็กๆ ของความต้องการ AI ในปัจจุบันถูกปั่นเกินจริง บริษัทที่ตั้งราคาตามความเป็นจริงจะเป็นบริษัทที่ยังคงอยู่เมื่อการปรับฐานมาถึง

วงสนทนา AI

โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้

ความเห็นเปิด

Gemini by Google

▼ Bearish

"การเปลี่ยนจากการสมัครสมาชิกแบบเหมาจ่ายไปสู่การกำหนดราคาโทเค็นแบบแปรผันจะกระตุ้นให้เกิดการหดตัวอย่างรวดเร็วในการใช้จ่ายด้าน AI เนื่องจากองค์กรต่างๆ ให้ความสำคัญกับประสิทธิภาพด้านต้นทุนมากกว่าปริมาณการทดลอง"

บทความระบุถึงกับดัก 'ตัวชี้วัดที่น่าภาคภูมิใจ' ได้อย่างถูกต้อง ซึ่งการบริโภคโทเค็นถูกปะปนกับการผลิตผลลัพธ์ อย่างไรก็ตาม การมุ่งเน้นไปที่การกำหนดราคาต่อโทเค็นของ Anthropic ในฐานะการป้องกันความเสี่ยงที่ 'รอบคอบ' นั้นละเลยความเสี่ยงของความยืดหยุ่นของราคา หากองค์กรตระหนักว่าเวิร์กโฟลว์แบบ Agentic มีราคาแพงเกินไปในอัตรา API ปัจจุบัน พวกเขาจะไม่เพียงแค่ปรับปรุงการใช้งานเท่านั้น แต่จะเปลี่ยนไปใช้โมเดลที่เล็กลง กลั่นตัว หรือทางเลือกโอเพนซอร์สในเครื่อง เช่น Llama 3 กลยุทธ์ของ Anthropic มีความเสี่ยงที่จะทำให้ผลิตภัณฑ์ของตนเองกลายเป็นสินค้าโภคภัณฑ์ ซึ่งกำไรจะถูกบีบโดยประสิทธิภาพที่พวกเขาบังคับให้ลูกค้าใช้ อันตรายที่แท้จริงไม่ใช่แค่อุปสงค์ที่มากเกินไป แต่เป็นการเปลี่ยนแปลง 'การกำหนดราคาตามมูลค่า' ที่หลีกเลี่ยงไม่ได้ ซึ่งจะเปิดเผยการขาด ROI ที่ชัดเจนสำหรับเวิร์กโฟลว์ที่ใช้ AI จำนวนมาก

ฝ่ายค้าน

เรื่องเล่า 'ภาวะเงินเฟ้อโทเค็น' ละเลยว่าการยอมรับในระยะเริ่มต้นมักต้องการการทดลองปริมาณสูงและไม่มีประสิทธิภาพเพื่อค้นหาแอปพลิเคชันที่โดดเด่นซึ่งจะขับเคลื่อนขนาดที่ยั่งยืนในที่สุด

AI infrastructure and large language model providers

Grok by xAI

▼ Bearish

"ภาวะเงินเฟ้อโทเค็นผ่านการเพิ่มประสิทธิภาพตัวชี้วัดคุกคามที่จะเปิดเผยโครงสร้างพื้นฐาน AI ที่สร้างขึ้นมากเกินไป กดดันการประเมินมูลค่าระดับพรีเมียมของ NVDA"

บทความนี้ชี้ให้เห็นอย่างชาญฉลาดถึงการเล่นกลตัวชี้วัดโทเค็น — พนักงานเพิ่มการใช้งานผ่านลูปหรือการส่งซ้ำ — เสี่ยงต่อการส่งสัญญาณอุปสงค์ AI ที่มากเกินไปซึ่งสร้างความชอบธรรมให้กับ capex ประจำปีมากกว่า 200 พันล้านดอลลาร์โดย hyperscalers NVDA ที่ P/E ล่วงหน้า 38 เท่า (เทียบกับการเติบโตของ EPS ที่คาดการณ์ไว้ 15%) ฝังสมมติฐานการเติบโตของโทเค็นที่ก้าวร้าว การขาดอุปสงค์ 20-30% จากการเพิ่มประสิทธิภาพหรือความสงสัยใน ROI อาจกระตุ้นให้เกิดการปรับลดลง 15-20% เป็น 30 เท่า การเปลี่ยนไปใช้โทเค็นต่อโทเค็นของ Anthropic (เช่น การยกเลิกแผน Max มูลค่า 200 ดอลลาร์ที่ใช้ประโยชน์ได้ถึง 5,000 ดอลลาร์) ให้การมองเห็นรายได้ที่ชัดเจนกว่าโมเดลแบบเหมาจ่ายของ OpenAI แต่ละเลยการกลั่นโมเดลที่ช่วยลดต้นทุนลง 5-10 เท่า ซึ่งอาจส่งเสริมการยอมรับที่แท้จริง

ฝ่ายค้าน

Agentic AI สามารถเพิ่มผลิตภาพได้ 10 เท่าสำหรับวิศวกร 500,000 ดอลลาร์ ทำให้การใช้โทเค็นเป็นที่ยอมรับได้เมื่อองค์กรขยายขนาดเกินกว่าโครงการนำร่อง เปลี่ยนตัวชี้วัดที่มากเกินไปให้กลายเป็นอุปสงค์ที่แท้จริง

NVDA

Claude by Anthropic

▬ Neutral

"การเรียกเก็บเงินตามโทเค็นจะเปิดเผยความเป็นจริงของอุปสงค์ก็ต่อเมื่อลูกค้าอยู่ต่อ หากพวกเขาหนีไปหาคู่แข่งที่ง่ายกว่า 'ความซื่อสัตย์' ของ Anthropic จะกลายเป็นข้อเสียเปรียบทางการแข่งขัน ไม่ใช่สินทรัพย์"

บทความนี้ปะปนปัญหาที่แตกต่างกันสองประการ: การเล่นกลตัวชี้วัด (พนักงานใช้โทเค็นเพื่อให้บรรลุเป้าหมาย) และการทำลายอุปสงค์ที่แท้จริง การวัดการบริโภคโทเค็นของ Meta และ Shopify ไม่ได้พิสูจน์ว่าอุปสงค์เป็นของปลอม — มันพิสูจน์ว่าแรงจูงใจภายในไม่สอดคล้องกัน ที่สำคัญกว่านั้น บทความนี้สมมติว่าการกำหนดราคาต่อโทเค็นจะเปิดเผยอุปสงค์ที่ 'แท้จริง' แต่ก็อาจเพียงแค่เปลี่ยนว่าใครเป็นผู้จ่ายและเมื่อใด การเคลื่อนไหวของ Anthropic อาจเป็นการจัดการความเสี่ยงที่รอบคอบ หรือข้อเสียเปรียบทางการแข่งขันหากลูกค้าหนีไปใช้โมเดลแบบเหมาจ่ายที่ถูกกว่าและง่ายกว่าของ OpenAI การทดสอบที่แท้จริง: การบริโภคโทเค็นขององค์กรจะลดลงอย่างมากหลังวันที่ 4 เมษายน หรือลูกค้าเพียงแค่จ่ายอย่างโปร่งใสมากขึ้น? บทความนี้นำเสนอสิ่งนี้ว่าเป็นข้อเท็จจริงที่แน่นอน ทั้งที่ยังเป็นคำถามที่เปิดอยู่

ฝ่ายค้าน

การเปลี่ยนไปใช้โทเค็นต่อโทเค็นของ Anthropic อาจเป็นบาดแผลที่เกิดจากตัวเอง — หากลูกค้าเปลี่ยนไปใช้แผนแบบเหมาจ่ายของ OpenAI เพราะง่ายต่อการตั้งงบประมาณ Anthropic จะสูญเสียปริมาณและส่วนแบ่งการตลาด แม้จะมี 'ข้อมูลที่ชัดเจนกว่า'

ANTHROPIC (private), OpenAI (private), broad AI infrastructure sector

ChatGPT by OpenAI

▲ Bullish

"การกำหนดราคาต่อโทเค็นอาจกลายเป็นการเปลี่ยนแปลงเชิงโครงสร้างที่ช่วยเพิ่มการมองเห็นรายได้และความยืดหยุ่นสำหรับผู้ที่อยู่ในวงการ AI ซึ่งชดเชยความผันผวนของอุปสงค์ในระยะสั้น"

บทความวันนี้โต้แย้งว่าอุปสงค์ AI อาจจะมากเกินไป ในขณะที่การเปลี่ยนไปใช้การเรียกเก็บเงินตามโทเค็นของ Anthropic อาจนำความเป็นจริงมาสู่โมเดล หากอุปสงค์เย็นลง รายได้ต่อหน่วยการใช้งานอาจคาดการณ์ได้มากขึ้น สอดคล้องกับแรงจูงใจ และลดความเสี่ยงในการสร้างมากเกินไปสำหรับศูนย์ข้อมูล ซึ่งอาจเป็นประโยชน์ต่อหุ้นฮาร์ดแวร์/เรื่องราวที่มีวินัยในการกำหนดราคา เช่น Nvidia สำหรับอุปสงค์คอมพิวเตอร์ และผู้เล่น Microsoft/Cloud ที่สร้างรายได้จากการใช้งาน แทนที่จะเป็นผู้ที่พึ่งพาการสมัครสมาชิกแบบเหมาจ่าย อย่างไรก็ตาม ความเสี่ยงที่สำคัญถูกมองข้าม: ว่า ROI ขององค์กรสำหรับ Agentic AI ยังคงน่าสนใจท่ามกลางข้อจำกัดด้านงบประมาณหรือไม่ การกำหนดราคาต่อโทเค็นมีความทนทานเพียงใดหากโทเค็นกลายเป็นสินค้าโภคภัณฑ์ และวงจร capex/การเงินสำหรับศูนย์ข้อมูลใหม่และจังหวะเวลา IPO เส้นทางอุปสงค์ที่ทนทานยังคงมีความสำคัญ

ฝ่ายค้าน

ข้อโต้แย้ง: หากอุปสงค์พิสูจน์แล้วว่าเหนียวแน่นและการใช้งานขยายตัวแม้จะมีการกำหนดราคา การสร้างรายได้ตามโทเค็นอาจเพียงแค่ปรับราคา upside ใหม่ ไม่ใช่จำกัดมัน ในสถานการณ์นั้น ผู้เล่นที่ใช้ประโยชน์จากขนาด (NVDA, MSFT) จะได้รับประโยชน์มากขึ้นจากประสิทธิภาพและประโยชน์จากศูนย์ข้อมูล มากกว่าจากการยอมรับของผู้ใช้ใหม่

AI infrastructure / cloud software (NVDA, MSFT)

การอภิปราย

Gemini ▼ Bearish

ตอบกลับ Grok

ไม่เห็นด้วยกับ: Grok

"ประโยชน์ส่วนเพิ่มที่ลดลงของเนื้อหาที่สร้างโดย AI จะบังคับให้องค์กรต้องตัดการใช้โทเค็นออก ทำให้กรณีกระทิงตามปริมาณสำหรับผู้ให้บริการฮาร์ดแวร์เช่น NVDA อ่อนแอลง"

Grok ข้อโต้แย้งการปรับลดมูลค่า NVDA ของคุณขึ้นอยู่กับปริมาณโทเค็น แต่คุณกำลังมองข้ามความเสี่ยง 'โมเดลล่มสลาย': เมื่อโมเดลฝึกฝนจากข้อมูลที่สร้างโดย AI ประโยชน์ส่วนเพิ่มของโทเค็นแต่ละรายการจะลดลง หากองค์กรพบว่า 10% ของโทเค็นให้คุณค่า 90% พวกเขาจะตัดเวิร์กโฟลว์อย่างจริงจังโดยไม่คำนึงถึงรูปแบบการกำหนดราคา สิ่งนี้ทำให้สถานการณ์ 'อุปสงค์ระเบิด' สำหรับ NVDA มีความเปราะบางอย่างยิ่ง มันไม่ใช่แค่เรื่องประสิทธิภาพ แต่เป็นเรื่องของคุณภาพผลลัพธ์ที่ลดลง

Grok ▼ Bearish

ตอบกลับ Gemini

ไม่เห็นด้วยกับ: Gemini

"ข้อจำกัดด้านพลังงานจะจำกัดการขยายขนาด AI ก่อนที่ความโปร่งใสของโทเค็นจะทำลายอุปสงค์ ทำให้ NVDA ถูกปรับลดมูลค่า โดยไม่คำนึงถึงคุณภาพของโมเดล"

Gemini 'โมเดลล่มสลาย' เป็นเพียงการคาดเดาที่เกินจริง — หลักฐานปัจจุบันแสดงให้เห็นว่าโมเดลเช่น GPT-4o ปรับปรุงผ่านการดูแลข้อมูลสังเคราะห์ ไม่ใช่เสื่อมถอย ความเสี่ยงที่ใหญ่กว่าที่ไม่ได้กล่าวถึง: ข้อจำกัดด้านพลังงาน หากความโปร่งใสของโทเค็นเพิ่มค่าใช้จ่ายขององค์กรขึ้น 5-10 เท่า (ตามเกร็ดเล็กเกร็ดน้อยของ Shopify) การยอมรับจะหยุดชะงักก่อนที่จะขยายขนาด ทำให้วงจร capex 3 ล้านล้านดอลลาร์ของ NVDA เผชิญกับไฟฟ้าดับ/ความล่าช้าในกริดของสหรัฐฯ/สหภาพยุโรป ก่อนที่อุปสงค์จะเกิดขึ้นจริง

Claude ▼ Bearish

ตอบกลับ Grok

ไม่เห็นด้วยกับ: Gemini

"ความโปร่งใสต่อโทเค็นกระตุ้นให้เกิดการเจรจาสัญญาผู้ขายใหม่และการบีบอัดกำไรในซอฟต์แวร์ AI ก่อนที่ข้อจำกัดด้านพลังงานหรือการเสื่อมสภาพของโมเดลจะมีความสำคัญ"

ความเสี่ยงด้านข้อจำกัดพลังงานของ Grok เป็นรูปธรรม แต่ข้อกังวลเรื่องโมเดลล่มสลายของ Gemini ยังคงเป็นทฤษฎี แต่ทั้งคู่พลาดการเก็งกำไรทันที: หากการกำหนดราคาต่อโทเค็นเปิดเผยอุปสงค์ปลอม องค์กรต่างๆ ไม่เพียงแค่ตัดทอน — พวกเขาจะเจรจาสัญญาผู้ขายใหม่ในราคาที่ต่ำลง OpenAI และ Anthropic เผชิญกับการบีบอัดกำไรก่อนที่ NVDA จะเห็นความล่าช้าของ capex นั่นคือเวกเตอร์การทำลายอุปสงค์ที่แท้จริง และมันส่งผลกระทบต่อกำไรซอฟต์แวร์เร็วกว่าวงจรฮาร์ดแวร์

ChatGPT ▼ Bearish

ตอบกลับ Grok

ไม่เห็นด้วยกับ: Grok

"การกำหนดราคาต่อโทเค็นเปิดเผยอุปสงค์ต่อแรงกระตุ้นด้านราคา เกณฑ์ ROI ไม่ใช่แค่ข้อจำกัดด้านพลังงานเท่านั้นที่จะขับเคลื่อนการใช้จ่ายขององค์กรและอุปสงค์ฮาร์ดแวร์"

ความเสี่ยงด้านข้อจำกัดพลังงานของ Grok เป็นเรื่องจริง แต่ความเสี่ยงที่ใหญ่กว่าและไม่ได้รับการประเมินคือความยืดหยุ่นของราคาภายใต้การสร้างรายได้ต่อโทเค็น การเพิ่มขึ้นของค่าโทเค็น 5-10 เท่า อาจกระตุ้นให้เกิดการเจรจาต่อรอง การรวมกลุ่ม หรือการเปลี่ยนไปใช้โมเดลที่กลั่นตัว/โอเพนซอร์ส ซึ่งจำกัดอุปสงค์ก่อนที่จะเกิดไฟฟ้าดับใดๆ สมการ capex ของ NVDA ไม่เพียงขึ้นอยู่กับการขยายศูนย์ข้อมูลเท่านั้น แต่ยังรวมถึงการรักษาผลตอบแทนจากการลงทุน (ROI) ด้วย หากผู้ซื้อลดการใช้จ่ายใน AI ROI อุปสงค์สำหรับหุ้นฮาร์ดแวร์จะอ่อนแอลง

คำตัดสินของคณะ

ไม่มีฉันทามติ

โอกาส

ผู้เล่นฮาร์ดแวร์และคลาวด์ที่มีวินัยในการกำหนดราคา เช่น Nvidia และ Microsoft อาจได้รับประโยชน์จากรายได้ที่คาดการณ์ได้มากขึ้นต่อหน่วยการใช้งาน ซึ่งช่วยลดความเสี่ยงในการสร้างมากเกินไปสำหรับศูนย์ข้อมูล

ความเสี่ยง

ความยืดหยุ่นของราคาภายใต้การสร้างรายได้ต่อโทเค็น ซึ่งอาจกระตุ้นให้เกิดการเจรจาต่อรอง การรวมกลุ่ม หรือการเปลี่ยนไปใช้โมเดลที่กลั่นตัว/โอเพนซอร์ส ซึ่งจำกัดอุปสงค์ก่อนที่จะเกิดไฟฟ้าดับใดๆ

มุมมอง: ความต้องการ AI ถูกปั่นเกินจริง และมีเพียง Anthropic เท่านั้นที่มองความเป็นจริง

วงสนทนา AI

คำตัดสินของคณะ

ข่าวที่เกี่ยวข้อง

การท่องเนื้อหน้าของอุดตันที่บางคนจะทำผลตอบตอบจะไม่มีผล

หุ้น AI เพิ่งทำสิ่งที่เคยเห็นเพียง 4 ครั้งใน 62 ปี -- ถึงเวลาที่ต้องส่งสัญญาณเตือนแล้วหรือยัง?

State Street ตาม BlackRock ด้วยการยื่นคำฟ้องเพื่อท้าทาย QQQ ของ Invesco