ข่าว AI และเทคโนโลยี

บริษัทสหรัฐฯ เปลี่ยนกลยุทธ์จาก "Tokenmaxxing" สู่ "Thrift-maxxing" ผสมผสานโมเดลจีนราคาถูกกับ OpenAI และ Anthropic คุกคามมูลค่า IPO ของแล็บ AI

บริษัทเทคโนโลยีในสหรัฐฯ กำลังปรับเปลี่ยนกลยุทธ์การใช้ AI จากเดิมที่เน้นโมเดลราคาแพง มาเป็นการผสมผสานโมเดลภาษาขนาดใหญ่ (LLM) ราคาถูกจากจีนเข้ากับบริการจาก OpenAI และ Anthropic ซึ่งอาจส่งผลกระทบต่อการประเมินมูลค่าบริษัทเหล่านี้ในการเสนอขายหุ้นต่อประชาชนทั่วไป (IPO)

บริษัทสหรัฐฯ เปลี่ยนกลยุทธ์จาก "Tokenmaxxing" สู่ "Thrift-maxxing" ผสมผสานโมเดลจีนราคาถูกกับ OpenAI และ Anthropic คุกคามมูลค่า IPO ของแล็บ AI

ฟังบทความ

รายงานจาก Wall Street Journal ชี้ให้เห็นถึงการเปลี่ยนแปลงที่สำคัญในกลยุทธ์การใช้เทคโนโลยี AI ของบริษัทในสหรัฐอเมริกา จากเดิมที่เคยให้ความสำคัญกับการใช้โมเดล AI ที่มีประสิทธิภาพสูงสุด (Tokenmaxxing) บริษัทเหล่านี้ได้หันมาให้ความสนใจกับการบริหารต้นทุนอย่างมีประสิทธิภาพมากขึ้น (Thrift-maxxing) โดยการผสมผสานการใช้งานโมเดล AI ที่มีราคาถูกกว่าจากประเทศจีน เข้ากับการใช้บริการจากผู้ให้บริการชั้นนำอย่าง OpenAI และ Anthropic

การเปลี่ยนแปลงนี้เกิดขึ้นท่ามกลางความกังวลเกี่ยวกับต้นทุนที่สูงในการใช้งานโมเดล AI ขนาดใหญ่ ซึ่งส่งผลกระทบต่อผลกำไรของบริษัทต่างๆ การนำโมเดล AI จากจีนที่มีราคาเข้าถึงได้ง่ายกว่ามาใช้ร่วมด้วย ทำให้บริษัทสามารถลดค่าใช้จ่ายในการประมวลผล AI ลงได้อย่างมาก โดยยังคงรักษาประสิทธิภาพการทำงานในระดับที่ยอมรับได้สำหรับหลายๆ แอปพลิเคชัน

อย่างไรก็ตาม การปรับเปลี่ยนกลยุทธ์นี้อาจส่งผลกระทบโดยตรงต่อแผนการเสนอขายหุ้นต่อประชาชนทั่วไป (IPO) ของบริษัทผู้พัฒนาโมเดล AI รายใหญ่อย่าง OpenAI และ Anthropic เนื่องจากมูลค่าของบริษัทเหล่านี้ส่วนหนึ่งมาจากการคาดการณ์การเติบโตและการใช้งานโมเดลของพวกเขาในวงกว้าง หากบริษัทต่างๆ หันไปใช้โมเดลทางเลือกที่ถูกกว่า ความต้องการใช้บริการจากผู้ให้บริการหลักอาจลดลง ซึ่งจะส่งผลต่อการประเมินมูลค่าบริษัทในการระดมทุนผ่านตลาดหลักทรัพย์

สถานการณ์นี้ยังสะท้อนให้เห็นถึงการแข่งขันที่ทวีความรุนแรงขึ้นในอุตสาหกรรม AI โดยเฉพาะอย่างยิ่งการเติบโตของเทคโนโลยี AI จากประเทศจีน ที่เริ่มมีบทบาทสำคัญมากขึ้นในตลาดโลก การที่บริษัทสหรัฐฯ เลือกใช้โมเดลจากจีนแสดงให้เห็นถึงความสามารถในการแข่งขันด้านราคาและประสิทธิภาพของเทคโนโลยี AI จากภูมิภาคอื่น ซึ่งอาจเป็นปัจจัยสำคัญที่ต้องจับตามองในอนาคตของอุตสาหกรรม AI