โทเคนเอไอ 1 ใน 3 เป็นโอเพ่นเวท ดันดีมานด์ประมวลผลอาจพุ่งขึ้น

โมเดลปัญญาประดิษฐ์ (AI) แบบ ‘โอเพ่นเวท’ ที่มีต้นทุนต่ำ กำลังขยายขอบเขตการใช้งาน AI ในภาคธุรกิจให้กว้างขึ้น นักวิเคราะห์มองว่า AI ที่ราคาถูกลงไม่ได้เข้ามาแทนที่โมเดลปิดประสิทธิภาพสูงโดยตรง แต่อาจดันให้ปริมาณการใช้งานโดยรวมและดีมานด์การประมวลผลเพิ่มขึ้นแทน

มอร์แกน สแตนลีย์ (Morgan Stanley) เปิดเผยในบทสนทนา ‘Thoughts on the Market’ เมื่อวันที่ 7 กรกฎาคม (เวลาท้องถิ่น) ว่าบริษัทต่างๆ เริ่มแบ่งใช้โมเดลปิดประสิทธิภาพสูงกับโมเดลโอเพ่นต้นทุนต่ำตามลักษณะงาน สตีเฟน เบิร์ด (Stephen Byrd) หัวหน้าฝ่ายวิจัยธีมระดับโลกและความยั่งยืนของมอร์แกน สแตนลีย์ กล่าวว่า “ทั้งโมเดลฟรอนเทียร์และโมเดลโอเพ่นซอร์สต่างมีบทบาทของตัวเอง” คำกล่าวนี้สะท้อนว่างานที่เรียบง่ายหรือทำซ้ำๆ อาจใช้โมเดลราคาถูกได้ ขณะที่งานเขียนโค้ดหรืองานองค์กรที่ซับซ้อนซึ่งต้นทุนแก้ไขข้อผิดพลาดสูง ยังจำเป็นต้องพึ่งโมเดลประสิทธิภาพสูงอยู่ดี

เหตุผลที่ดีมานด์ AI อาจไม่ลดลงแม้ต้นทุนถูกลง ถูกอธิบายด้วยแนวคิด ‘ข้อขัดแย้งเจวอนส์’ (Jevons Paradox) ซึ่งระบุว่าเมื่อประสิทธิภาพทางเทคโนโลยีสูงขึ้นจนต้นทุนต่อหน่วยลดลง การบริโภคโดยรวมกลับเพิ่มขึ้นได้ เบิร์ดมองว่าเมื่อประสิทธิภาพโมเดลดีขึ้นพร้อมกับต้นทุนโทเคนและการประมวลผลที่ลดลงไปพร้อมกัน ดีมานด์การประมวลผล AI มีแนวโน้มสูงกว่าซัพพลายที่มีอยู่

การแข่งขันด้านโมเดลโอเพ่นเวทขยายตัวจากจีนไปทั่วอุตสาหกรรม AI โลก Moonshot AI แนะนำ Kimi K3 บนคลังเก็บ GitHub อย่างเป็นทางการ ระบุว่าเป็นโมเดลเอเจนต์แบบมัลติโมดัลที่ใช้โอเพ่นเวท มีพารามิเตอร์รวม 2.8 ล้านล้านตัว พารามิเตอร์ที่ทำงานจริง 1.04 แสนล้านตัว และหน้าต่างบริบทถึง 1 ล้านโทเคน พร้อมเปิดเผยน้ำหนักโมเดลทั้งหมด นอกจากนี้ Qwen ของอาลีบาบา(BABA) Llama ของเมตา(META) และตระกูล gpt-oss ของโอเพนเอไอ (OpenAI) ก็เข้าร่วมการแข่งขันนี้ด้วย

OpenRouter เปิดเผยผลวิเคราะห์การใช้งานปี 2025 ว่าโมเดลโอเพ่นเวทมีสัดส่วนแตะราว 1 ใน 3 ของปริมาณการใช้โทเคนทั้งหมดในช่วงปลายปีดังกล่าว อย่างไรก็ตาม มอร์แกน สแตนลีย์ มองว่าในแง่ค่าใช้จ่ายของภาคธุรกิจ โมเดลปิดระดับสูงยังคงครองสัดส่วนใหญ่อยู่ ไม่ใช่ทุกงานที่จะย้ายไปใช้โมเดลราคาถูก แต่แนวโน้มคือการแบ่งใช้โมเดลตามความยากและความเสี่ยงของงานที่กำลังขยายตัวมากขึ้น

ต้นทุนการใช้งาน AI ที่ลดลงอาจทำให้ดีมานด์การประมวลผลและพลังงานโดยรวมเพิ่มขึ้น เจนเซน หวง (Jensen Huang) ซีอีโอเอ็นวิเดีย(NVDA) เคยกล่าวในบทสนทนากับมอร์แกน สแตนลีย์เมื่อเดือนมีนาคม (เวลาท้องถิ่น) ว่า AI เชิงเอเจนต์ (agentic AI) อาจใช้โทเคนมากกว่าพร็อมต์แบบ generative ทั่วไปหลายเท่า ตรรกะนี้ชี้ว่าเมื่อองค์กรเรียกใช้ AI มากขึ้น ดีมานด์ต่อ GPU หน่วยความจำ พลังงาน และศูนย์ข้อมูลก็อาจเพิ่มตามไปด้วย

การประเมินโมเดลโอเพ่นเวทยังมีความเห็นแตกต่างกัน จดหมายเปิดผนึก ‘Open Weights and American AI Leadership’ ที่ไมโครซอฟท์(MSFT) เผยแพร่ มีบริษัทและองค์กรร่วมลงนามมากกว่า 270 แห่ง นับถึงวันที่ 3 (เวลาท้องถิ่น) จดหมายฉบับนี้ระบุว่าโมเดลโอเพ่นเวทช่วยเพิ่มการเข้าถึงให้สตาร์ทอัพ มหาวิทยาลัย และหน่วยงานรัฐ พร้อมกระตุ้นการแข่งขัน ขณะเดียวกันก็ยอมรับความเสี่ยงด้านความปลอดภัยว่าน้ำหนักโมเดลที่เปิดเผยไปแล้วยากจะเรียกคืน และติดตามโมเดลที่ถูกดัดแปลงได้ยาก

จุดเชื่อมโยงกับตลาดคริปโตอยู่ที่โครงสร้างพื้นฐานด้านพลังงานเป็นหลัก ในบทสนทนาของมอร์แกน สแตนลีย์ มีการหยิบยกประเด็นใบอนุญาตศูนย์ข้อมูลและการเข้าถึงพลังงานว่าเป็นคอขวดของโครงสร้างพื้นฐาน AI เบิร์ดกล่าวว่าผู้ประกอบการขุดบิตคอยน์(BTC) ที่ถือสิทธิ์เข้าถึงโครงข่ายไฟฟ้าอยู่แล้ว กำลังจับตาดีมานด์ในส่วนนี้ ศูนย์ข้อมูล AI และโรงขุดคริปโตอาจมีโอกาสใช้ทรัพยากรไฟฟ้า พื้นที่ และระบบระบายความร้อนร่วมกันได้ แต่ยังไม่มีข้อมูลที่เชื่อมโยงประเด็นนี้ไปสู่ราคาเหรียญใดเหรียญหนึ่งหรือผลประกอบการของบริษัทขุดโดยตรง