ยักษ์AIเข้าสงครามราคา เริ่มทำTokenถูกลงยื้อลูกค้า พิสูจน์มูลค่าก่อนIPO
สมรภูมิ AI เริ่มขยับเข้าสู่สงครามราคา หลังผู้พัฒนาโมเดลรายใหญ่ทั้ง Google, OpenAI และ Anthropic ทยอยลดค่าบริการหรือส่งสัญญาณปรับราคา เพื่อแย่งชิงผู้ใช้และลูกค้าองค์กร ท่ามกลางแรงกดดันจากบริษัทขนาดใหญ่ที่เริ่มชะลอการใช้จ่ายด้าน AI หลังต้นทุนประมวลผลพุ่งสูง แต่ยังไม่เห็นผลลัพธ์ทางธุรกิจที่เป็นรูปธรรม
ข่าวที่เกี่ยวข้อง
แรงกดดันดังกล่าวมีจุดศูนย์กลางอยู่ที่ “โทเคน” หน่วยข้อความขนาดเล็กที่เป็นพื้นฐานของโมเดลธุรกิจ AI เชิงพาณิชย์ ทุกครั้งที่ผู้ใช้ป้อนคำสั่งให้ ChatGPT, Claude หรือเครื่องมือ AI coding ระบบจะคิดต้นทุนจากจำนวนโทเคนที่ใช้ในการประมวลผลและสร้างคำตอบ
เมื่อองค์กรนำ AI ไปใช้ในงานเขียนโค้ด วิเคราะห์ข้อมูล และสร้างเวิร์กโฟลว์อัตโนมัติมากขึ้น ปริมาณการใช้โทเคนจึงเพิ่มขึ้นอย่างรวดเร็ว ส่งผลให้ต้นทุน AI ที่เคยถูกมองว่าเป็นค่าใช้จ่ายเพื่อเพิ่มผลิตภาพ เริ่มกลายเป็นภาระงบประมาณที่ฝ่ายการเงินต้องตรวจสอบอย่างจริงจังว่าให้ผลตอบแทนคุ้มค่าหรือไม่
กรณีของ Uber สะท้อนปัญหานี้อย่างชัดเจน บริษัทใช้งบประมาณ AI coding สำหรับปี 2569 หมดภายในเวลาเพียง 4 เดือน ท่ามกลางค่าใช้จ่ายต่อวิศวกรสำหรับเครื่องมืออย่าง Claude Code และ Cursor ที่อยู่ในช่วง 500-2,000 ดอลลาร์ต่อเดือน ทำให้ Uber ต้องกำหนดเพดานการใช้งานไว้ที่ 1,500 ดอลลาร์ต่อเดือนต่อเครื่องมือ
ภาวะดังกล่าวทำให้ผู้ให้บริการ AI ต้องหันมาใช้กลยุทธ์ลดราคาเพื่อรักษาฐานลูกค้าและกระตุ้นการใช้งานในภาคธุรกิจ อย่างไรก็ตาม การลดราคานี้ไม่ได้กระทบเพียงรายได้ต่อหน่วยของผู้ให้บริการแชตบอต AI เท่านั้น แต่ยังอาจบีบอัตรากำไร เปลี่ยนภาพการประเมินมูลค่ากิจการก่อนเข้าตลาดหุ้น และส่งแรงกระเพื่อมไปถึงผู้ผลิตชิป ศูนย์ข้อมูล และผู้ให้บริการคลาวด์รุ่นใหม่ทั่วทั้งห่วงโซ่อุตสาหกรรม
บริษัทมองใช้ AI อาจไม่คุ้ม เมื่อต้องลงทุนมาก แต่ผลลัพธ์ทางธุรกิจยังจับต้องไม่ได้
แรงกดดันสำคัญที่ทำให้บริษัท AI ต้องเริ่มหันมาเล่นเกมราคาคือ ลูกค้าองค์กรเริ่มระวังการใช้จ่ายมากขึ้น หลังลงทุนกับ AI ไปมาก แต่ยังไม่เห็นผลตอบแทนที่ชัดเจน
แม้เม็ดเงินที่องค์กรทั่วโลกใช้กับโมเดล AI ยังมีแนวโน้มพุ่งขึ้น โดย Gartner คาดว่าการใช้จ่ายจะเพิ่มจาก 15,500 ล้านดอลลาร์ในปี 2568 เป็น 32,600 ล้านดอลลาร์ในปี 2569 แต่การเติบโตของงบประมาณไม่ได้แปลว่าองค์กรส่วนใหญ่พิสูจน์ความคุ้มค่าของ AI ได้แล้ว
ตรงกันข้าม งานศึกษา GenAI Divide ปี 2568 ของ MIT ระบุว่า 95% ของโครงการนำร่องด้าน generative AI ในองค์กรยังไม่สามารถสร้างกำไรที่วัดผลได้ภายใน 6 เดือน ขณะที่ผลสำรวจองค์กรปี 2569 ของ Writer ระบุว่า มีองค์กรเพียง 29% เท่านั้นที่เห็น ROI อย่างมีนัยสำคัญจาก generative AI และมีเพียง 23% ที่เห็นผลตอบแทนชัดเจนจาก AI agents
ตัวเลขนี้เหล่านี้ตอกย้ำช่องว่างขนาดใหญ่ระหว่างภาพฝันของ AI ในฐานะเครื่องจักรเพิ่มผลิตภาพ กับผลลัพธ์ทางธุรกิจที่หลายบริษัทยังจับต้องไม่ได้
แรงกดดันนี้ยิ่งซับซ้อนขึ้นเมื่อองค์กรเริ่มหันมาใช้ agentic AI มากขึ้น ระบบประเภทนี้ไม่ได้เพียงตอบคำถาม แต่สามารถเรียกใช้เครื่องมือ วางแผน ตัดสินใจ และทำงานหลายขั้นตอนด้วยตัวเอง จึงถูกมองว่าเป็นก้าวถัดไปของระบบอัตโนมัติในองค์กร
แต่ความสามารถที่มากขึ้นก็มาพร้อมต้นทุนที่สูงขึ้น งานเพียงหนึ่งชิ้นอาจต้องเรียกโมเดลซ้ำหลายรอบ ตั้งแต่วางแผน ประมวลผล ตรวจสอบ ไปจนถึงสร้างผลลัพธ์สุดท้าย ทำให้ต้นทุนโทเคนพุ่งเร็วกว่า AI แบบเดิมที่ผู้ใช้สั่งงานเป็นครั้งๆ
The FinOps Foundation ระบุว่า ในเดือนเมษายนที่ผ่านมา หลายบริษัทใช้งบโทเคนทั้งปีเกินไปแล้วถึง 3 เท่า จากการใช้งาน agentic AI ขณะที่ผลศึกษาของ Workday พบว่า ทุกๆ 10 ชั่วโมงที่ AI ช่วยประหยัดเวลา พนักงานอาจต้องใช้เวลาเกือบ 4 ชั่วโมงกลับมาตรวจสอบและแก้ไขผลลัพธ์ที่ AI สร้างขึ้น
ตัวเลขเหล่านี้สะท้อนว่า ต้นทุนจริงของ AI ไม่ได้มีเพียงค่าโทเคนหรือค่าประมวลผล แต่ยังรวมถึง “เวลาของคน” ที่ต้องเข้ามาคุมคุณภาพงานด้วย ยิ่ง AI ทำงานแทนคนได้มากขึ้น องค์กรก็ยิ่งต้องจ่ายต้นทุนแฝงมากขึ้น หากผลลัพธ์ยังไม่แม่นยำพอที่จะใช้งานได้ทันที
แรงกดดันเรื่องผลตอบแทนจึงทำให้ผู้บริหารต้องกลับมาชั่งน้ำหนักใหม่ว่า AI ช่วยธุรกิจได้มากแค่ไหน เมื่อเทียบกับต้นทุนทั้งหมดที่ต้องจ่าย ทั้งค่าโครงสร้างพื้นฐาน ค่าโทเคน และเวลาของพนักงานที่ใช้ตรวจสอบผลลัพธ์ หาก AI ยังไม่สามารถเชื่อมโยงกับรายได้ ประสิทธิภาพ หรือประสบการณ์ของผู้ใช้อย่างชัดเจน การอนุมัติงบก้อนใหญ่สำหรับเทคโนโลยีนี้ก็จะอธิบายได้ยากขึ้น
แอนดรูว์ แมคโดนัลด์ ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ Uber กล่าวไว้ว่า หากองค์กรไม่สามารถเชื่อมโยงการใช้ AI เข้ากับฟีเจอร์หรือฟังก์ชันที่เป็นประโยชน์ต่อผู้ใช้อย่างชัดเจน การตัดสินใจจ่ายเงินจำนวนมากให้ AI ก็จะยิ่งไม่สมเหตุสมผล
มุมมองนี้สะท้อนจุดเปลี่ยนของตลาด AI จากช่วงที่องค์กรเร่งทดลองใช้เพราะเป็น “ของใหม่ที่ต้องมี” ไปสู่ช่วงที่ AI ต้องพิสูจน์ความคุ้มค่าเหมือนรายจ่ายเทคโนโลยีอื่นๆ
AI เปิดศึกลดราคา ชิงลูกค้าก่อนเข้าตลาดทุน
แรงกดดันจากแนวโน้มดังกล่าวกำลังบีบให้บริษัท AI ต้องหันมาปรับกลยุทธ์ราคาอย่างจริงจัง เพื่อดึงดูดลูกค้าใหม่และรักษาฐานผู้ใช้งานเดิม จากเดิมที่อุตสาหกรรมแข่งขันกันด้วยศักยภาพของโมเดลและขนาดของระบบนิเวศ ไปสู่การแข่งขันด้านความคุ้มค่าและผลตอบแทนจากการใช้งานจริง
บริษัท AI รายใหญ่จึงทยอยลดราคาเพื่อรักษาฐานลูกค้าและกระตุ้นปริมาณการใช้งาน โดย Anthropic ปรับลดราคา Claude Opus ลง 67% เมื่อเปิดตัว Opus 4.5 ในเดือนพฤศจิกายน 2568 ขณะที่ OpenAI เปิดบริการ Flex processing ซึ่งคิดค่าบริการถูกลง 50% สำหรับผู้ใช้ที่ยอมรับการประมวลผลแบบยืดหยุ่นมากขึ้น
ทิศทางดังกล่าวสะท้อนว่าอุตสาหกรรม AI กำลังก้าวเข้าสู่การแข่งขันด้านราคาอย่างเข้มข้น และไม่ได้จำกัดอยู่เพียงตลาดองค์กรหรือบริการ API อีกต่อไป แต่เริ่มขยายไปยังตลาดผู้บริโภคทั่วไปด้วย โดยมีผู้เล่นรายใหญ่อย่าง Google และ OpenAI เป็นตัวอย่างสำคัญ
- Google ลดราคา AI Plus บุกตลาดผู้บริโภคสหรัฐฯ
ในวันที่ 8 มิถุนายน ที่ผ่านมา Google ได้ประกาศลดค่าบริการรายเดือนของแผน Google AI Plus ในสหรัฐฯ จาก 7.99 ดอลลาร์ เหลือ 4.99 ดอลลาร์ หรือลดลงเกือบ 40% พร้อมเพิ่มพื้นที่เก็บข้อมูลจาก 200 GB เป็น 400 GB
แผนดังกล่าวเปิดตัวเมื่อเดือนมกราคม 2569 โดยมุ่งเจาะกลุ่มผู้ใช้ทั่วไปและนักศึกษา ผู้สมัครสามารถเข้าถึงเครื่องมืออย่าง Gemini 3 Pro, Deep Research รวมถึงฟีเจอร์สร้างวิดีโอ Omni Flash และสตูดิโอสร้างสรรค์ Google Flow
การลดราคาครั้งนี้สะท้อนว่า Google กำลังนำกลยุทธ์ราคาประหยัด ซึ่งเคยใช้ในตลาดเกิดใหม่อย่างอินเดีย เข้ามาใช้ในตลาดสหรัฐฯ อย่างจริงจัง หลังจากก่อนหน้านี้ Google และ OpenAI ต่างเคยเปิดตัวแผน AI ราคาต่ำกว่า 5 ดอลลาร์ในบางประเทศ เพื่อขยายฐานผู้ใช้และเร่งให้บริการ AI กลายเป็นผลิตภัณฑ์กระแสหลัก
- OpenAI ชั่งลดราคาโทเคน สกัดแรงกดดันจาก Anthropic
ขณะเดียวกัน OpenAI ก็กำลังเผชิญแรงกดดันให้ลดราคาค่าบริการ โดยเฉพาะค่าโทเคน ซึ่งเป็นต้นทุนหลักของลูกค้าองค์กรที่ใช้ AI ในปริมาณมาก การปรับลดราคาจึงอาจกลายเป็นเครื่องมือสำคัญในการดึงดูดลูกค้าและรักษาความสามารถในการแข่งขันกับ Anthropic
แรงกดดันนี้ชัดเจนขึ้นในตลาดองค์กร หลัง Claude Code ของ Anthropic ได้รับความนิยมสูงในกลุ่มวิศวกรซอฟต์แวร์ ทำให้ OpenAI ต้องเร่งป้องกันการสูญเสียส่วนแบ่งตลาดในกลุ่มลูกค้าที่มีการใช้งานหนักและสร้างรายได้สูง
การแข่งขันดังกล่าวยังเกิดขึ้นในช่วงที่มูลค่าบริษัทของ Anthropic ถูกประเมินสูงกว่า OpenAI เป็นครั้งแรก โดย Anthropic มีมูลค่าประเมินล่าสุดอยู่ที่ 9.65 แสนล้านดอลลาร์ ขณะที่ OpenAI อยู่ที่ 8.52 แสนล้านดอลลาร์ ยิ่งตอกย้ำว่าการแข่งขันด้านราคาไม่ได้เป็นเพียงเรื่องของส่วนลด แต่เกี่ยวข้องโดยตรงกับความสามารถในการเติบโตและการประเมินมูลค่าของบริษัท AI ก่อนเข้าสู่ตลาดทุน
อีกด้านหนึ่ง ลูกค้าองค์กรเริ่มควบคุมงบประมาณ AI อย่างเข้มงวดมากขึ้น ตัวอย่างเช่น Uber ที่ใช้ซอฟต์แวร์ AI จนเต็มงบประมาณของปี 2569 ไปแล้ว ทำให้บริษัทเทคโนโลยี AI ต้องหาวิธีลดภาระต้นทุนให้ลูกค้า ไม่ว่าจะผ่านการลดราคาโทเคน การออกแพ็กเกจราคาถูกลง หรือการให้ทางเลือกด้านการประมวลผลที่ยืดหยุ่นกว่าเดิม
ภาพรวมจึงชี้ว่าอุตสาหกรรม AI กำลังเข้าสู่ช่วงเปลี่ยนผ่านสำคัญ จากการแข่งขันด้านประสิทธิภาพของโมเดล ไปสู่การแข่งขันด้านราคาและความคุ้มค่าในการใช้งานจริง หากบริษัท AI ไม่สามารถพิสูจน์ผลตอบแทนให้ลูกค้าได้ชัดเจนพอ การลดราคาอาจไม่ใช่เพียงกลยุทธ์เพื่อขยายตลาด แต่กลายเป็นเงื่อนไขจำเป็นในการรักษาการเติบโตของทั้งอุตสาหกรรม
สงครามราคาอาจทำบีบมาร์จิ้นแชตบอต ทำห่วงโซ่ชิปเปลี่ยนทิศ
การลดราคานี้อาจช่วยกระตุ้นความต้องการใช้ AI ในระยะสั้น และทำให้องค์กรขนาดใหญ่ตัดสินใจใช้งานต่อได้ง่ายขึ้น แต่ราคาที่ถูกลงก็มาพร้อมแรงกดดันต่ออัตรากำไรของผู้ให้บริการโมเดล โดยเฉพาะหากต้นทุนโครงสร้างพื้นฐานยังลดลงไม่ทันกับราคาขายที่ถูกกดลงอย่างรวดเร็ว
แม้ Nvidia จะระบุว่า ชิป Blackwell และรูปแบบข้อมูล NVFP4 สามารถลดต้นทุนต่อหนึ่งล้านโทเคนลงได้ 75% เหลือเพียง 5 เซนต์ แต่การลดต้นทุนในระดับโครงสร้างพื้นฐานอาจยังไม่พอที่จะช่วยให้บริษัท AI รักษามาร์จิ้นไว้ได้ในระดับเดิม หากการแข่งขันด้านราคาทวีความรุนแรงขึ้น
ล่าสุด Anthropic ได้ปรับลดประมาณการอัตรากำไรขั้นต้นลงเหลือ 40% แล้ว เนื่องจากต้นทุน inference หรือการประมวลผลคำตอบบนเซิร์ฟเวอร์ของ Google และ Amazon ยังเป็นภาระสำคัญ สะท้อนว่าแม้บริษัท AI จะขยายฐานลูกค้าองค์กรได้มากขึ้น แต่การให้บริการโมเดลขนาดใหญ่ยังต้องพึ่งพาโครงสร้างพื้นฐานราคาแพงอย่างหลีกเลี่ยงไม่ได้
หากสงครามราคาโทเคนยืดเยื้อ ผู้ให้บริการโมเดลอาจต้องยอมรับมาร์จิ้นที่บางลงเพื่อรักษาฐานลูกค้าองค์กร และป้องกันไม่ให้ลูกค้าหันไปใช้โมเดลคู่แข่งที่มีต้นทุนต่ำกว่า ภาวะนี้อาจทำให้การแข่งขันในอุตสาหกรรม AI เปลี่ยนจากการวัดกันที่ความสามารถของโมเดลเพียงอย่างเดียว ไปสู่การแข่งขันด้านต้นทุนต่อโทเคนอย่างเต็มรูปแบบ
แรงกดดันนี้ยังอาจทำให้ตลาดชิป AI เปลี่ยนทิศทาง จากเดิมที่ Nvidia เป็นศูนย์กลางของโครงสร้างพื้นฐาน AI ผู้ให้บริการโมเดลและกลุ่ม hyperscaler อาจเร่งหันไปใช้ชิปแบบ custom silicon มากขึ้น เพื่อลดต้นทุน inference และควบคุมค่าใช้จ่ายต่อโทเคนให้ได้มากกว่าเดิม
TrendForce คาดว่า ภายในปี 2573 ชิปแบบ custom จะถูกใช้ในเซิร์ฟเวอร์ AI ราว 40% และมีอัตราการเติบโตเร็วกว่าจีพียูประมาณ 3 เท่า ขณะที่ชิปอย่าง Google TPU, AWS Trainium, Microsoft Maia และ Meta MTIA ถูกออกแบบมาเพื่อลดต้นทุนการประมวลผล AI โดยเฉพาะ ทำให้ชิปเหล่านี้อาจกลายเป็นคู่แข่งสำคัญของ Nvidia ในยุคที่ราคาโทเคนถูกกดลงอย่างต่อเนื่อง
กล่าวอีกนัยหนึ่ง สงครามราคา AI ไม่ได้เป็นเพียงการแข่งขันระหว่างผู้ให้บริการโมเดลอย่าง OpenAI และ Anthropic เท่านั้น แต่ยังอาจเป็นจุดเริ่มต้นของการจัดสมดุลใหม่ทั้งห่วงโซ่อุตสาหกรรม ตั้งแต่ราคาค่าบริการ AI ที่องค์กรต้องจ่าย ไปจนถึงอำนาจต่อรองของผู้ผลิตชิป ศูนย์ข้อมูล และผู้ให้บริการคลาวด์ที่อยู่เบื้องหลังโมเดลเหล่านี้
ความเสี่ยงลามถึง IPO ศูนย์ข้อมูล และหนี้ neocloud
นอกจากนี้ หากสงครามราคาโทเคนยืดเยื้อ ผลกระทบจะไม่ได้จำกัดอยู่แค่ผู้ให้บริการโมเดลเท่านั้น แต่ยังอาจย้อนกลับไปกระทบการประเมินมูลค่าของบริษัท AI รายใหญ่ที่กำลังถูกจับตาก่อนเข้าตลาดหุ้นด้วย
OpenAI และ Anthropic ซึ่งถูกมองว่าเป็นบริษัท AI ที่อาจมีมูลค่าระดับมหาศาลก่อน IPO อาจต้องเผชิญคำถามจากนักลงทุนมากขึ้นว่า อัตรากำไรในอนาคตจะสูงพอรองรับมูลค่ากิจการที่ตลาดคาดหวังไว้หรือไม่ โดยเฉพาะในกรณีที่รายได้ยังเติบโตจากปริมาณการใช้งานที่เพิ่มขึ้น แต่รายได้ต่อโทเคนกลับลดลงอย่างต่อเนื่อง
ภายใต้สมการนี้ การเติบโตของรายได้เพียงอย่างเดียวอาจไม่เพียงพอ หากนักลงทุนเริ่มมองว่าธุรกิจ AI ต้องแลกการขยายฐานลูกค้ากับมาร์จิ้นที่บางลงเรื่อยๆ ความกังวลดังกล่าวอาจทำให้การประเมินมูลค่ากิจการก่อน IPO ถูกปรับลดลงจากความคาดหวังเดิม
แรงกดดันยังอาจลามไปถึงกลุ่ม hyperscaler และ neocloud ซึ่งลงทุนอย่างหนักในศูนย์ข้อมูล AI เพื่อรองรับความต้องการประมวลผลที่พุ่งสูงขึ้น Morgan Stanley ระบุว่า อุตสาหกรรมนี้อาจมีการออกพันธบัตรสูงถึง 300,000 ล้านดอลลาร์ เพื่อรองรับรายจ่ายลงทุนด้าน AI มูลค่ารวมราว 3 ล้านล้านดอลลาร์
แต่หากราคาโทเคนลดลงจนทำให้รายได้ของผู้ให้บริการ AI ต่ำกว่าที่คาดไว้ โครงสร้างการเงินของศูนย์ข้อมูลและผู้ให้บริการคลาวด์ที่กู้เงินจำนวนมากมาลงทุนล่วงหน้าอาจเผชิญแรงกดดันมากขึ้น เพราะภาระดอกเบี้ยและการชำระหนี้เป็นต้นทุนคงที่ที่ไม่ได้ลดลงตามรายได้
CoreWeave และ Oracle จึงถูกจับตาเป็นพิเศษในบริบทนี้ CoreWeave มีหนี้สินรวม 29,000 ล้านดอลลาร์ โดยมี 9,700 ล้านดอลลาร์ที่จะครบกำหนดภายใน 12 เดือน และยังมีหุ้นกู้ไม่ด้อยสิทธิที่จ่ายดอกเบี้ย 9.75% ขณะที่ Oracle มีหนี้มากกว่า 130,000 ล้านดอลลาร์ และมีภาระผูกพันจากสัญญาเช่าอีก 248,000 ล้านดอลลาร์
หากรายได้จาก AI ไม่เติบโตได้ตามสมมติฐานที่ใช้รองรับการลงทุน ศูนย์ข้อมูลมูลค่าหลายแสนล้านดอลลาร์อาจต้องเร่งหาลูกค้าและรายได้ให้ทันกับภาระทางการเงินที่สร้างไว้ล่วงหน้า นั่นทำให้สงครามราคา AI ไม่ได้เป็นเพียงเรื่องของค่าบริการที่ถูกลงสำหรับลูกค้าองค์กร แต่ยังเป็นบททดสอบว่าโครงสร้างพื้นฐาน AI ที่ลงทุนไปมหาศาลจะสร้างกระแสเงินสดกลับมาได้เร็วพอหรือไม่
ราคาโทเคนลด แต่ดีมานด์อาจโตเร็วพอพยุงรายได้
อย่างไรก็ตาม อุตสาหกรรม AI ยังมีแรงหนุนสำคัญจากปริมาณการใช้โทเคนที่เพิ่มขึ้นอย่างรวดเร็ว Goldman Sachs Research คาดว่า การบริโภคโทเคนทั่วโลกจะเพิ่มขึ้น 24 เท่าภายในปี 2573 แตะระดับ 120 ควอดริลเลียนโทเคนต่อเดือน ขณะที่ผู้ผลิตชิปกำลังช่วยลดต้นทุนโทเคนลงได้ราว 60%-70% ต่อปี
ภาพนี้ทำให้การลดราคาต่อโทเคนอาจไม่ทำให้รายได้รวมของผู้ให้บริการโมเดลลดลงทันที ตราบใดที่ปริมาณการใช้งานยังขยายตัวเร็วพอที่จะชดเชยราคาขายที่ลดลง
ข้อมูลจาก Ramp สะท้อนสมการนี้ได้ชัดเจน ระหว่างเดือนมกราคม 2568 ถึงเมษายน 2569 การใช้โทเคนของภาคธุรกิจเพิ่มขึ้น 1,001% ขณะที่ค่าใช้จ่ายเพิ่มขึ้น 497% หมายความว่าปริมาณการใช้งานโตเร็วกว่าค่าใช้จ่ายราวสองเท่า หรือพูดในเชิงเศรษฐศาสตร์ได้ว่า ตลาดกำลังเข้าสู่ภาวะที่ราคาต่อหน่วยลดลง แต่ความต้องการใช้เพิ่มขึ้นเร็วมากพอที่จะทำให้รายได้รวมยังเติบโตได้
Anthropic เป็นหนึ่งในบริษัทที่ได้แรงหนุนจากอุปสงค์ลักษณะนี้ โดยข้อมูลของ Sacra ระบุว่า รายได้แบบ annualized ของบริษัทในไตรมาสแรกปี 2569 เพิ่มขึ้นเป็น 45,000 ล้านดอลลาร์ จากราว 9,000 ล้านดอลลาร์ ณ สิ้นปี 2568 สะท้อนว่าการใช้งานโมเดล AI ในภาคธุรกิจยังขยายตัวอย่างรวดเร็ว แม้ตลาดเริ่มเผชิญแรงกดดันด้านราคา
อย่างไรก็ตาม การเติบโตของรายได้ไม่ได้ทำให้ความเสี่ยงด้านมาร์จิ้นหายไป เพราะต้นทุน inference หรือการประมวลผลคำตอบยังอยู่ในระดับสูง โดยเฉพาะเมื่อผู้ให้บริการโมเดลต้องพึ่งพาโครงสร้างพื้นฐานของ hyperscaler อย่าง Google และ Amazon ในการให้บริการลูกค้าจำนวนมาก
ด้วยเหตุนี้ สมการของบริษัท AI ในระยะต่อไปจึงไม่ได้อยู่แค่การเพิ่มจำนวนผู้ใช้หรือปริมาณโทเคนให้มากที่สุด แต่อยู่ที่ว่าจะลดต้นทุนต่อโทเคนได้เร็วพอหรือไม่ เพื่อให้รายได้ที่โตขึ้นไม่ถูกกลืนไปกับต้นทุนการประมวลผลที่ยังสูงอยู่
สองทางแยกของอุตสาหกรรม AI
จากแนวโน้มทั้งหหมด อนาคตของสงครามราคาโทเคนอาจเดินไปได้สองทาง ทางแรกคือ ราคาที่ถูกลงช่วยกระตุ้นการใช้งาน AI ได้มากพอ จนปริมาณโทเคนที่เพิ่มขึ้นสามารถชดเชยราคาต่อหน่วยที่ลดลงได้
หากเป็นเช่นนั้น อุตสาหกรรม AI ยังอาจขยายตัวต่อไป รายจ่ายลงทุนด้านศูนย์ข้อมูลและชิปยังมีแนวโน้มเพิ่มขึ้น เพียงแต่ผู้ชนะในห่วงโซ่อุปทานอาจเปลี่ยนไป จากผู้ผลิตจีพียูราคาแพง ไปสู่ผู้ผลิตชิปเฉพาะทางที่ช่วยลดต้นทุนต่อโทเคนได้มากกว่า
แต่อีกทางหนึ่งคือ องค์กรจำนวนมากอาจเริ่มลดงบ AI หลังพบว่าผลตอบแทนยังไม่ชัดเจนพอ หากอุปสงค์ชะลอตัวในช่วงเดียวกับที่ราคาโทเคนลดลง อุตสาหกรรม AI จะเผชิญแรงกดดันสองด้านพร้อมกัน ทั้งรายได้ต่อหน่วยที่ลดลง และปริมาณการใช้งานที่ไม่เติบโตตามคาด
ภายใต้ฉากทัศน์นี้ มาร์จิ้นของผู้ให้บริการแชตบอต AI จะถูกบีบหนักขึ้น ขณะที่โครงการศูนย์ข้อมูล AI มูลค่า 700,000 ล้านดอลลาร์ต้องเร่งหาทางสร้างรายได้ให้ทันกับเงินลงทุนที่ลงไปแล้ว ส่วนกองหนี้ขนาดใหญ่ที่ตั้งอยู่บนสมมติฐานว่าความต้องการ AI จะเติบโตต่อเนื่อง ก็อาจกลายเป็นความเสี่ยงใหม่ของตลาดการเงิน
ท้ายที่สุด สงครามราคาโทเคนอาจกลายเป็นบททดสอบสำคัญที่สุดของอุตสาหกรรม AI ในระยะต่อไป เพราะจะเป็นตัวชี้วัดว่า AI คือธุรกิจที่ยิ่งราคาถูกลง ยิ่งถูกใช้งานมากขึ้นจนเติบโตแบบทวีคูณ หรือเป็นตลาดที่ขยายตัวบนความคาดหวังมากกว่าผลตอบแทนจริง และใครในห่วงโซ่อุตสาหกรรมนี้จะสามารถเปลี่ยนปริมาณการใช้งานมหาศาลให้กลายเป็นกำไรที่ยั่งยืนได้
