ต้นทุน AI ลดลง แต่ความต้องการคอมพิวต์-ไฟฟ้าอาจเพิ่มขึ้น

มีการวิเคราะห์ระบุว่า แม้โมเดล AI แบบ ‘โอเพนเวท (open-weight)’ จะช่วยลดต้นทุนต่อหน่วยลงได้ แต่ความต้องการคอมพิวต์โดยรวมกลับมีแนวโน้มเพิ่มขึ้น เนื่องจากเมื่อ AI มีราคาถูกลง องค์กรต่างๆ จะนำไปใช้งานในขอบเขตที่กว้างขึ้น ซึ่งจะทำให้การใช้ GPU และไฟฟ้าในศูนย์ข้อมูลเพิ่มขึ้นตามไปด้วย

Odaily รายงานเมื่อวันที่ 4 (เวลาท้องถิ่น) โดยอ้างอิงรายงาน ‘Open-weight Models and Three Scenarios’ ของมอร์แกน สแตนลีย์ ว่าโมเดลแบบโอเพนเวทไม่ได้ทำให้ความต้องการคอมพิวต์ด้าน AI อ่อนตัวลงเสมอไป อย่างไรก็ตาม ต้นฉบับรายงานดังกล่าวไม่สามารถตรวจสอบได้จากช่องทางเว็บไซต์สาธารณะ ทำให้ยังไม่สามารถยืนยันถ้อยคำและตัวเลขโดยละเอียดได้

โมเดลแบบโอเพนเวท คือโมเดล AI ที่เปิดให้นักพัฒนาหรือบริษัทภายนอกดาวน์โหลดค่าน้ำหนัก (weight) ของโมเดลที่ผ่านการฝึกฝนแล้ว ไปติดตั้งหรือปรับแต่งบนโครงสร้างพื้นฐานของตนเองได้ ซึ่งแตกต่างจาก ‘โอเพนซอร์ส’ ในความหมายที่เคร่งครัด ที่ต้องเปิดเผยทั้งข้อมูลฝึกฝน โค้ดทั้งหมด และขั้นตอนการฝึกฝนที่สามารถทำซ้ำได้

เมตา (META) ระบุในเอกสารแนะนำ ลามา (Llama) 3.1 ว่านักพัฒนาสามารถดาวน์โหลดค่าน้ำหนักของโมเดลไปใช้งานได้ทั้งบนเซิร์ฟเวอร์ภายในองค์กร (on-premise) ระบบคลาวด์ และเครื่องคอมพิวเตอร์ท้องถิ่น โดยบริษัทต่างๆ สามารถติดตั้งโมเดลไว้ในระบบของตนเองได้ โดยไม่ต้องส่งข้อมูลทั้งหมดออกไปยังบริการ AI ภายนอก

หัวใจของการวิเคราะห์นี้อยู่ที่ความเป็นไปได้ที่ต้นทุนจะลดลงพร้อมกับความต้องการโดยรวมที่เพิ่มขึ้นในเวลาเดียวกัน แนวคิด ‘ปฏิทรรศน์เจฟอนส์ (Jevons Paradox)’ อธิบายว่า เมื่อประสิทธิภาพดีขึ้นจนต้นทุนต่อหน่วยลดลง ปริมาณการใช้งานอาจเพิ่มขึ้นจนทำให้การบริโภครวมกลับเพิ่มสูงขึ้นแทน

ในแวดวง AI เมื่อต้นทุนการประมวลผล (inference) หรือการสร้างโทเคนลดลง ก็จะสามารถนำเทคโนโลยีไปใช้ในงานที่หลากหลายขึ้น ทั้งการตอบลูกค้า การเขียนโค้ด การวิเคราะห์เอกสาร และระบบเอเจนต์อัตโนมัติ แม้ต้นทุนต่องานแต่ละชิ้นจะลดลง แต่ปริมาณการเรียกใช้งานและปริมาณการประมวลผลโดยรวมกลับมีแนวโน้มขยายตัวขึ้น

ความต้องการเซมิคอนดักเตอร์ก็อยู่ในข้อถกเถียงเดียวกัน เอ็นวิเดีย (NVDA) รายงานรายได้ในไตรมาส 2 ของปีงบประมาณ 2026 อยู่ที่ 4.67 หมื่นล้านดอลลาร์สหรัฐ (ประมาณ 64.7 ล้านล้านวอน) โดยเป็นรายได้จากธุรกิจศูนย์ข้อมูล 4.11 หมื่นล้านดอลลาร์สหรัฐ (ประมาณ 57 ล้านล้านวอน) เพิ่มขึ้น 56% เมื่อเทียบกับปีก่อนหน้า

เจนเซ่น หวง (Jensen Huang) ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหารของเอ็นวิเดีย กล่าวระหว่างการแถลงผลประกอบการว่า “ประสิทธิภาพด้านการอนุมาน (inference) จำเป็นต้องเพิ่มขึ้นในระดับหลักหน่วย (orders of magnitude)” ซึ่งสะท้อนว่า เมื่อการใช้งาน AI ขยับจากการฝึกฝนโมเดล (training) ไปสู่การอนุมาน (inference) มากขึ้น อาจสร้างแรงกดดันต่อ GPU และโครงสร้างพื้นฐานศูนย์ข้อมูลอย่างต่อเนื่อง

การจ่ายไฟฟ้าเป็นอีกหนึ่งเงื่อนไขสำคัญ ทบวงพลังงานระหว่างประเทศ (IEA) คาดการณ์ในรายงานปี 2025 ว่าการใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นกว่าเท่าตัว แตะราว 945 เทราวัตต์-ชั่วโมง (TWh) ภายในปี 2030 ส่วนรายงานอัปเดตปี 2026 ระบุว่าการใช้ไฟฟ้าของศูนย์ข้อมูลเพิ่มขึ้น 17% ในปี 2025 และศูนย์ข้อมูลที่เน้น AI มีอัตราการใช้ไฟฟ้าเพิ่มขึ้นเร็วกว่านั้นอีก

แม้การใช้ไฟฟ้าต่อภารกิจ AI แต่ละงานจะลดลง แต่จำนวนผู้ใช้งานที่เพิ่มขึ้นและการใช้งานที่ต้องใช้พลังงานสูงอย่างเอเจนต์ AI อาจหักล้างผลของการประหยัดพลังงานดังกล่าวได้ นอกจากนี้ยังมีการวิเคราะห์ว่าความต้องการโครงสร้างพื้นฐาน AI อาจสร้างแรงกดดันด้านราคาต่อสินค้าเทคโนโลยีและค่าไฟฟ้าให้สูงขึ้น

ความเชื่อมโยงโดยตรงกับสินทรัพย์ดิจิทัลยังไม่ชัดเจนนัก อย่างไรก็ตาม ในบางพื้นที่ ศูนย์ข้อมูล AI และแหล่งขุดบิตคอยน์ (BTC) อาจต้องแข่งขันกันแย่งชิงทรัพยากรด้านไฟฟ้า ที่ตั้ง และระบบระบายความร้อน ซึ่งอาจส่งผลกระทบทางอ้อมได้

มุมมองในอุตสาหกรรมยังคงแตกต่างกัน ฝ่ายหนึ่งเห็นว่าโมเดลแบบโอเพนเวทจะช่วยลดอุปสรรคในการนำ AI ไปใช้งาน และอาจผลักดันความต้องการ GPU หน่วยความจำ และโครงสร้างพื้นฐานไฟฟ้าให้เพิ่มขึ้น ขณะที่อีกฝ่ายมองว่าการแข่งขันด้านราคาอาจกดดันอัตรากำไรของผู้ให้บริการ AI แบบปิด และความสามารถในการทำกำไรของผู้ให้บริการคลาวด์บางรายด้วยเช่นกัน

ดัชนี AI ประจำปี 2026 ของสถาบัน Stanford HAI ระบุว่า ช่องว่างด้านประสิทธิภาพระหว่างโมเดล AI ของสหรัฐฯ และจีน สลับตำแหน่งกันหลายครั้งตั้งแต่ปี 2025 เป็นต้นมา และ ณ เดือนมีนาคม 2026 โมเดลระดับแนวหน้าของแอนโทรปิก (Anthropic) นำหน้าอยู่ 2.7% ผลลัพธ์สุดท้ายของการลดต้นทุนจะขึ้นอยู่กับปริมาณการใช้งาน AI ใหม่ที่เกิดขึ้น และขนาดของอุปทานเซมิคอนดักเตอร์และไฟฟ้าที่จะรองรับได้ มากกว่าราคาของตัวโมเดลเอง