ความแตกต่างระหว่างต้นทุนการฝึกฝน AI กับการอนุมานคืออะไร เหตุใดความต้องการการอนุมานจึงเป็นตัวกำหนดรายได้จากกำลังการคำนวณในระยะยาว

ความแตกต่างที่สำคัญที่สุดระหว่างการเทรน AI และการอินเฟอเรนซ์คือ: การเทรนคือการ “สร้างความสามารถของโมเดล” ในขณะที่การอินเฟอเรนซ์คือการ “ส่งมอบความสามารถของโมเดลอย่างต่อเนื่อง” ต้นทุนการเทรนมักกระจุกตัวอยู่ที่การพัฒนาโมเดล การอัปเดตพารามิเตอร์ และการเทรนหลังการเทรน ส่วนต้นทุนการอินเฟอเรนซ์จะเกิดขึ้นทุกครั้งที่ผู้ใช้ค้นหาข้อมูล แชท ทำงานเขียนโค้ด รับการแนะนำโฆษณา สอบถามฝ่ายบริการลูกค้าองค์กร หรือดำเนินขั้นตอนการทำงานของ AI agent ในการประเมินรายได้จากคอมพิวติ้งของ AI คุณไม่ควรมองเพียงว่าบริษัทซื้อ GPU มาเท่าไร แต่ยังต้องประเมินด้วยว่าโมเดลถูกใช้งานบ่อยเพียงใด ต้นทุนต่อหน่วยลดลงหรือไม่ และผู้ให้บริการคลาวด์สามารถเปลี่ยนความต้องการอินเฟอเรนซ์ให้เป็นรายได้และมาร์จิ้นได้หรือไม่

Key Takeaways

• การฝึกโมเดลเป็นการลงทุนแบบแบ่งเป็นระยะ ส่วนการอนุมาน (inference) เป็นต้นทุนการดำเนินงานที่ผูกกับปริมาณการใช้งาน
• ต้นทุนการฝึกขึ้นอยู่กับคลัสเตอร์ GPU ข้อมูล เครือข่าย พลังงาน และการทดลองที่ล้มเหลว
• ต้นทุนการอนุมานขึ้นอยู่กับจำนวนโทเคน ความยาวของบริบท ความหน่วง (latency) ภาระงานพร้อมกัน (concurrency) และประสิทธิภาพการใช้งานฮาร์ดแวร์
• ราคาการอนุมานที่ถูกลงไม่จำเป็นต้องหมายความว่าค่าใช้จ่ายรวมในการอนุมานจะลดลง
• เอเจนต์ AI, งานมัลติโมดัล และแอปพลิเคชันระดับองค์กรสามารถเพิ่มปริมาณการประมวลผลต่อหนึ่งงาน
• รายได้จากการประมวลผลในระยะยาวในที่สุดต้องได้รับการพิสูจน์จากการใช้งานจริงและการสร้างรายได้

อะไรคือความแตกต่างพื้นฐานระหว่างการฝึกและการอนุมานของ AI?

การฝึกฝน AI ใช้ข้อมูล พลังการประมวลผล และอัลกอริทึมจำนวนมากเพื่อสอนให้โมเดลรู้จำรูปแบบ สร้างเนื้อหา หรือทำงานด้านการให้เหตุผลให้สำเร็จ ส่วนการอนุมาน (inference) ของ AI เกิดขึ้นหลังจากการฝึกฝน ซึ่งเป็นช่วงที่โมเดลสร้างคำตอบ การคาดการณ์ หรือการกระทำจากข้อมูลนำเข้าใหม่ การฝึกฝนใกล้เคียงกับงานวิจัยและพัฒนาและการสร้างศักยภาพมากกว่า ในขณะที่การอนุมานใกล้เคียงกับการดำเนินงานบริการคลาวด์มากกว่า เมื่อวิเคราะห์ต้นทุน คุณควรเปรียบเทียบความถี่ วิธีการเรียกเก็บเงิน คอขวดด้านฮาร์ดแวร์ และการแปลงเป็นรายได้

จากมุมมองของวงจรชีวิตการเรียนรู้ของเครื่อง (machine-learning lifecycle) การฝึกฝนไม่ใช่การกระทำเพียงครั้งเดียว โมเดลระดับแนวหน้ามักผ่านขั้นตอนการฝึกล่วงหน้า (pre-training) การฝึกหลังการฝึก (post-training) การปรับจูนเพิ่มเติม (fine-tuning) การประเมินผล และการนำไปใช้งาน การฝึกล่วงหน้าทำให้โมเดลมีความสามารถทั่วไป การฝึกหลังการฝึกทำให้โมเดลสอดคล้องกับความต้องการของมนุษย์และข้อกำหนดด้านความปลอดภัยได้ดีขึ้น การปรับจูนเพิ่มเติมสำหรับองค์กรช่วยปรับโมเดลให้เข้ากับข้อมูลเฉพาะอุตสาหกรรม ส่วนการอนุมาน (inference) เปลี่ยนความสามารถเหล่านั้นให้กลายเป็นบริการผลิตภัณฑ์ AWS นิยาม AI inference ว่าเป็นการใช้โมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกฝนแล้วเพื่อสร้างการคาดการณ์จากข้อมูลนำเข้าความแตกต่างนั้นแสดงให้เห็นว่าการอนุมาน (inference) ไม่ใช่ “การเรียนรู้ต่อเนื่อง” แต่เป็นการใช้ความสามารถที่ได้เรียนรู้มาแล้ว

หลายคนคิดว่าการเทรนเป็น "ต้นทุนครั้งเดียว" แต่สิ่งนั้นไม่ถูกต้อง โมเดลขนาดใหญ่ต้องการการทำซ้ำหลายรอบ และบริษัทโมเดลยังต้องทำการทำความสะอาดข้อมูล การประเมินความปลอดภัย การเทรนหลังการเทรนเริ่มต้น และการทดลองต่าง ๆ ในหลายเวอร์ชัน การอนุมาน (inference) ก็ไม่ใช่แค่ "การรันโมเดลแบบเบา" อย่างง่าย ๆ Cloudflare ได้อธิบายความแตกต่างระหว่าง การเทรน AI และการอนุมาน ไว้ว่าการเทรนทำให้โมเดลสามารถทำการอนุมานได้อย่างแม่นยำ ในขณะที่การอนุมานคือกระบวนการที่โมเดลสร้างการคาดการณ์หรือข้อสรุปขึ้นจริง สำหรับ AI เชิงสร้างสรรค์ การอนุมานอาจเกี่ยวข้องกับบริบทที่ยาวนาน บทสนทนาหลายรอบ การใช้เครื่องมือ และการตอบสนองแบบเรียลไทม์ ซึ่งสามารถเพิ่มความซับซ้อนได้อย่างรวดเร็ว

ความแตกต่างที่สำคัญอีกประการหนึ่งคือการรับรู้รายได้ การฝึกโมเดลมีแนวโน้มที่จะปรากฏในรูปแบบของรายจ่ายลงทุน การซื้อ GPU การเช่าคลัสเตอร์คลาวด์ และค่าใช้จ่ายวิจัยและพัฒนา ส่วนการอนุมาน (Inference) มีแนวโน้มที่จะปรากฏในรูปแบบของรายได้จาก API รายได้จากการสมัครสมาชิก การให้สิทธิ์การใช้งานแก่องค์กร การใช้งานอินสแตนซ์คลาวด์ และประสิทธิภาพที่ดีขึ้นของระบบโฆษณา หากโมเดลที่ผ่านการฝึกแล้วไม่ได้รับการใช้งานจริงเพียงพอ การลงทุนฝึกโมเดลล่วงหน้าก็ยังคงเป็นเพียง “อุปทานความสามารถ” เท่านั้น การฝึกโมเดลจะสามารถกระจายต้นทุนไปยังงานที่มีการชำระเงินจำนวนมากขึ้นได้ก็ต่อเมื่อความต้องการการอนุมานเติบโตอย่างต่อเนื่องเท่านั้น

สรุป: การฝึกโมเดล (Training) และการอนุมาน (Inference) ไม่ใช่แค่สองขนาดที่แตกต่างกันของต้นทุนชนิดเดียวกัน แต่ทั้งสองคือสองขั้นตอนในห่วงโซ่คุณค่าของ AI การฝึกโมเดลเป็นตัวกำหนดว่าโมเดลจะมีความสามารถเพียงพอที่จะแข่งขันได้หรือไม่ ส่วนการอนุมานเป็นตัวกำหนดว่าความสามารถนั้นจะถูกใช้งานอย่างต่อเนื่องโดยผู้ใช้จริงได้หรือไม่ สำหรับบริษัทต่าง ๆ ต้นทุนการฝึกโมเดลมีลักษณะคล้ายการลงทุนด้านวิจัยและพัฒนา รวมถึงโครงสร้างพื้นฐาน ขณะที่ต้นทุนการอนุมานมีลักษณะคล้ายต้นทุนการดำเนินงานที่เกิดขึ้นต่อเนื่อง สำหรับนักลงทุน คำสั่งซื้อที่เกี่ยวข้องกับการฝึกโมเดลสามารถอธิบายความต้องการฮาร์ดแวร์ในระยะสั้นได้ แต่ปริมาณการใช้งานการอนุมานมีความสำคัญกว่าในการทำความเข้าใจรายได้จากคอมพิวติ้ง (Compute) ในระยะยาว การเติบโตของระบบคลาวด์ และอัตราการใช้งานศูนย์ข้อมูล

ต้นทุนการฝึกโมเดล AI ส่วนใหญ่ไปอยู่ที่ไหน?

ต้นทุนการฝึก AI ส่วนใหญ่ไปลงในทรัพยากรการประมวลผล ข้อมูลสำหรับการฝึก เครือข่ายแบบกระจาย ระบบจัดเก็บข้อมูล พลังงานและระบบระบายความร้อน ทีมวิศวกร และการทดลองซ้ำๆ การฝึกโมเดลระดับแนวหน้าไม่ใช่เรื่องง่ายเพียงแค่เช่า GPU จำนวนไม่กี่ตัว แต่ต้องใช้ตัวเร่งการประมวลผล (accelerators) หลายพันตัวหรือมากกว่านั้นทำงานร่วมกันเป็นระยะเวลานาน ยิ่งโมเดลมีขนาดใหญ่ ใช้ข้อมูลมากขึ้น และทีมทดลองมากเท่าไร ต้นทุนการฝึกก็ยิ่งอาจเปลี่ยนจาก “โครงการที่วางงบประมาณได้” ไปเป็นการแข่งขันด้านเงินทุนที่ดำเนินต่อเนื่องมากขึ้นเท่านั้น

ต้นทุนการฝึกโมเดลสามารถแบ่งออกได้เป็นสามระดับ ระดับแรกคือทรัพยากรการคำนวณโดยตรง เช่น GPU, TPU, ASIC หรืออินสแตนซ์ฝึกโมเดลบนคลาวด์ ระดับที่สองคือระบบสนับสนุน รวมถึงเครือข่ายความเร็วสูง ที่เก็บข้อมูลแบบกระจาย การกู้คืนจาก checkpoint ท่อประมวลผลข้อมูล ระบบจัดตารางงาน และพลังงานหล่อเย็น ระดับที่สองคือความไม่แน่นอนด้านการวิจัยและพัฒนา รวมถึงการทดลองที่ล้มเหลว การค้นหาไฮเปอร์พารามิเตอร์ การประเมินโมเดล การให้ข้อเสนอแนะจากมนุษย์ และการทดสอบด้านความปลอดภัย การสนทนาของ Meta เรื่อง ความน่าเชื่อถือของฮาร์ดแวร์ AI ขนาดใหญ่ แสดงให้เห็นว่าเมื่อฮาร์ดแวร์ AI ขยายขนาดขึ้น ความน่าเชื่อถือ ความสามารถในการตรวจจับ และการกู้คืน ยิ่งส่งผลกระทบต่อประสิทธิภาพของคลัสเตอร์มากขึ้น ซึ่งหมายความว่าต้นทุนการฝึกโมเดลไม่ได้เกี่ยวข้องกับชิปเพียงอย่างเดียว

การฝึกล่วงหน้า (pre-training) การฝึกหลังการฝึกล่วงหน้า (post-training) และการปรับแต่งแบบองค์กร (enterprise fine-tuning) ยังมีโครงสร้างต้นทุนที่แตกต่างกันด้วย การฝึกล่วงหน้ามักใช้ทรัพยากรการคำนวณดิบมากที่สุด เนื่องจากโมเดลต้องเรียนรู้รูปแบบทั่วไปจากชุดข้อมูลขนาดมหาศาลทั้งข้อความ โค้ด รูปภาพ หรือข้อมูลหลายรูปแบบ (multimodal) การฝึกหลังการฝึกล่วงหน้าอาจใช้ชุดข้อมูลที่เล็กกว่า แต่ต้องเพิ่มการปรับปรุงตามความต้องการ (preference optimization) การเรียนรู้แบบเสริมแรง (reinforcement learning) การทดสอบแบบเรดทีม (red-team testing) และการจัดตำแหน่งด้านความปลอดภัย (safety alignment) ส่วนการปรับแต่งแบบองค์กรไม่ได้มีต้นทุนสูงเสมอไป แต่ต้องการการกำกับดูแลข้อมูล การควบคุมสิทธิ์การเข้าถึง การตรวจสอบด้านการปฏิบัติตามข้อกำหนด และการตรวจสอบความถูกต้องก่อนการปรับใช้ ด้วยเหตุนี้ คุณจึงไม่สามารถตัดสินต้นทุนได้จากราคาเสนอของงานฝึกโมเดลเพียงอย่างเดียว

จำนวนพารามิเตอร์ไม่ใช่ตัวชี้วัดเพียงอย่างเดียวเช่นกัน โมเดลที่มีพารามิเตอร์ 200B ซึ่งใช้สถาปัตยกรรมแบบ mixture-of-experts อาจเปิดใช้งานพารามิเตอร์เพียงบางส่วนในระหว่างการเทรนหรือการอนุมานหนึ่งครั้ง โมเดลสองตัวที่มีจำนวนพารามิเตอร์เท่ากันอาจมีต้นทุนรวมแตกต่างกันอย่างมาก หากใช้จำนวน training-token คุณภาพของข้อมูล ประสิทธิภาพการทำงานแบบขนาน หรือกลยุทธ์การทนต่อความล้มเหลวที่แตกต่างกัน ต้นทุนการเทรนจึงใกล้เคียงกับ "ต้นทุนรวมในการทำ model iteration ที่มีคุณภาพสูงหนึ่งรอบให้เสร็จสมบูรณ์" มากกว่า "ขนาดของโมเดลคูณด้วยราคา GPU"

สรุป: หัวใจของต้นทุนการเทรนไม่ใช่ "ซื้อ GPU มากี่ตัว" แต่อยู่ที่ว่าชิป ระบบเครือข่าย ข้อมูล ที่เก็บข้อมูล พลังงานไฟฟ้า และระบบวิศวกรรม สามารถถูกจัดระเบียบให้เป็นโรงงานเทรนที่มีเสถียรภาพและมีประสิทธิภาพได้หรือไม่ การเทรนโมเดลระดับแนวหน้ามีลักษณะเฉพาะด้าน R&D ที่เข้มข้น การทดลองที่ล้มเหลว การปรับแต่งซ้ำแล้วซ้ำเล่า และความล้มเหลวของคลัสเตอร์ ล้วนสามารถขยายการลงทุนจริงให้มากขึ้นได้ การเทรนสำเร็จสามารถสร้างความสามารถของโมเดลและกำแพงกั้นทางเทคนิค แต่ผลตอบแทนทางการค้ายังคงขึ้นอยู่กับว่าการอินเฟอเรนซ์ในภายหลังจะก่อให้เกิดการใช้งานจริงในวงกว้างหรือไม่ หากไม่มีสิ่งนั้น ต้นทุนการเทรนที่สูงจะคืนทุนได้ยาก

ทำไมต้นทุน AI อินเฟอเรนซ์จึงคำนวณยากกว่าต้นทุนการเทรน?

ต้นทุนการอนุมาน AI คำนวณได้ยากกว่า เนื่องจากทุกคำขออาจแตกต่างกันในแง่ของความยาวอินพุต ความยาวเอาต์พุต ขนาดหน้าต่างบริบท ข้อกำหนดด้านความหน่วง จุดสูงสุดของการทำงานพร้อมกัน และระดับบริการ ต้นทุนการฝึกฝนมักสามารถประมาณได้เป็นโครงการเดียว แต่ต้นทุนการอนุมานต้องประมาณผ่านปริมาณการจราจรอย่างต่อเนื่อง พฤติกรรมผู้ใช้ และขั้นตอนการทำงานของงาน การกำหนดราคา API สะท้อนเพียงบางส่วนของต้นทุนที่ปรากฏเท่านั้น ภายใต้มันคือการใช้หน่วยความจำ ประสิทธิภาพการจัดตาราง ความจุที่ว่างอยู่ และภาระด้านเครือข่าย

การอนุมาน (inference) ของโมเดลภาษาขนาดใหญ่มักถูกแบ่งออกเป็น Prefill และ Decode Prefill ทำหน้าที่ประมวลผลข้อมูลนำเข้าของผู้ใช้และบริบท ซึ่งโดยทั่วไปมีความเข้มข้นของการคำนวณสูงกว่า ส่วน Decode สร้างโทเคนผลลัพธ์ทีละโทเคน และพึ่งพาแบนด์วิดท์หน่วยความจำ, KV cache และการจัดตารางแบบต่อเนื่อง (continuous scheduling) มากกว่า บริบทที่ยาวทำให้ Prefill หนักขึ้นและใช้หน่วยความจำสำหรับ KV cache มากขึ้น คำตอบที่ยาวยืดเวลา Decode ให้นานขึ้นและลดจำนวนคำขอที่ตัวเร่งปฏิกิริยา (accelerator) เดียวกันสามารถให้บริการพร้อมกันได้ คำอธิบายของ OpenAI เกี่ยวกับ tokens ยังเน้นย้ำอีกว่าต้นทุน API แตกต่างกันไปตามโทเคนประเภทต่าง ๆ เช่น อินพุต เอาต์พุต ที่ถูกแคช และอื่น ๆ ซึ่งแสดงให้เห็นว่าต้นทุนการอนุมานนั้นผูกพันอย่างเป็นพื้นฐานกับรูปร่างของงาน

การปรับปรุงประสิทธิภาพการอนุมาน (inference optimization) ยังซับซ้อนกว่าที่ปรากฏในตอนแรก Google Cloud แบ่ง การปรับปรุงประสิทธิภาพการอนุมาน ออกเป็นระดับโมเดล ระดับบริการ และระดับโครงสร้างพื้นฐาน พร้อมเน้นย้ำวิธีการต่าง ๆ เช่น quantization, PagedAttention, runtime ที่ได้รับการปรับปรุง และ batching นอกจากนี้ JetStream ของ Google ยังเน้นย้ำถึง continuous batching, การปรับปรุง KV cache และ quantization ว่าเป็นสิ่งสำคัญสำหรับการอนุมานที่มี throughput สูง ส่วนบทความของ NVIDIA เกี่ยวกับ in-flight batching ยังระบุด้วยว่า workload แบบไดนามิกต้องการการจัดตารางที่ละเอียดยิ่งขึ้น

เอเจนต์ AI ยิ่งเปลี่ยนสมการต้นทุนให้แตกต่างออกไปอีก คำขอถาม-ตอบปกติอาจเรียกใช้โมเดลเพียงครั้งเดียว แต่งานของเอเจนต์อาจรวมถึงการวางแผน การค้นคืนข้อมูล การใช้เครื่องมือ การรันโค้ด การตรวจสอบผลลัพธ์ และการลองใหม่หลายครั้ง งานแบบมัลติโมดัลยังเพิ่มต้นทุนการเข้ารหัสและถอดรหัสรูปภาพ เสียง หรือวิดีโอ กล่าวอีกนัยหนึ่ง ธุรกิจควรมุ่งเน้นที่ “ต้นทุนการอนุมานรวมทั้งหมดในการทำภารกิจทางธุรกิจหนึ่งให้สำเร็จ” ไม่ใช่เพียงราคาของคำตอบเพียงครั้งเดียวเท่านั้น

สรุป: ต้นทุนการอนุมาน (inference) มีความยุ่งยากในการคำนวณ เนื่องจากได้รับอิทธิพลจากสถาปัตยกรรมโมเดล ความยาวของโทเคน ความหน่วงของบริการ ความผันผวนของภาระงานพร้อมกัน กลยุทธ์แคช และเวิร์กโฟลว์ของงานในเวลาเดียวกัน ต้นทุนการฝึก (training) มีลักษณะคล้ายงบประมาณของโครงการ ในขณะที่ต้นทุนการอนุมานคล้ายกับบัญชีรายวันแบบเรียลไทม์มากกว่า เมื่อประเมินเศรษฐศาสตร์ของแอปพลิเคชัน AI คุณควรพิจารณาราคาต่อหน่วยโทเคน ต้นทุนระดับงาน ความสามารถรองรับช่วงพีค อัตราการใช้งานฮาร์ดแวร์ และความเต็มใจจ่ายของผู้ใช้เข้าด้วยกัน การเปรียบเทียบเพียงราคาตามรายการของ API เพียงอย่างเดียวอาจทำให้ประเมินต้นทุนที่แท้จริงของแอปพลิเคชัน agentic และบริบทยาวต่ำกว่าความเป็นจริงได้ง่าย

ทำไมอุปสงค์ด้านการอนุมานจึงเป็นตัวกำหนดรายได้จากพลังการประมวลผลในระยะยาว?

ความต้องการการอนุมาน (inference) เป็นตัวกำหนดรายได้จากพลังการประมวลผลระยะยาว เนื่องจากคำสั่งซื้อด้านการฝึกฝน (training) มักมีลักษณะกระจุกตัว ในขณะที่การเรียกใช้งานการอนุมานเติบโตต่อเนื่องตามขนาดผู้ใช้ การแทรกซึมของผลิตภัณฑ์ และกระบวนการทำงานขององค์กร ในระยะสั้น การจัดซื้อ GPU และการก่อสร้างศูนย์ข้อมูลสามารถกระตุ้นรายได้ด้านชิปได้ แต่ในระยะยาว มีเพียงการบริโภคการอนุมานอย่างต่อเนื่องในด้านการค้นหา ซอฟต์แวร์สำนักงาน การโฆษณา การเขียนโค้ด การบริการลูกค้า และการใช้งานในอุตสาหกรรมต่าง ๆ เท่านั้นที่จะสามารถสนับสนุนรายได้ของผู้ให้บริการคลาวด์และบริษัทผู้ผลิตชิปได้

ห่วงโซ่รายได้จากคอมพิวต์ทั้งหมดสามารถเข้าใจได้ดังนี้ บริษัทหนึ่งฝึกฝนโมเดล โมเดลถูกฝังเข้าไปในผลิตภัณฑ์ ความถี่ในการใช้งานของผู้ใช้เพิ่มขึ้น แต่ละงานใช้โทเคน การดึงข้อมูล และการเรียกใช้เครื่องมือมากขึ้น แพลตฟอร์มคลาวด์ขยายขีดความสามารถด้านการอนุมาน (inference) ความต้องการเติบโตทั่วทั้งชิป HBM เครือข่าย อุปกรณ์จัดเก็บข้อมูล พลังงาน และศูนย์ข้อมูล การฝึกฝนโมเดลแทน “อุปทานของความสามารถ” ในขณะที่การอนุมานแทน “การบริโภคความสามารถ” หากไม่มีความถี่ในการบริโภค ความสามารถของโมเดลก็จะยากที่จะเปลี่ยนเป็นรายได้ที่ยั่งยืน

รายงานการเงินได้แสดงให้เห็นการส่งผ่านเช่นนี้แล้ว Alphabet เปิดเผยใน ผลประกอบการไตรมาส 1 ปี 2026 ว่ารายได้และมูลค่างานค้างรับ (backlog) ของ Google Cloud ได้รับการสนับสนุนจากความต้องการผลิตภัณฑ์และโครงสร้างพื้นฐาน AI ผลการดำเนินงาน Intelligent Cloud ของ Microsoft ก็แสดงให้เห็นเช่นกันว่าการลงทุนด้านโครงสร้างพื้นฐานที่สนับสนุนความต้องการ AI ของลูกค้าและการเติบโตของการใช้งาน GitHub Copilot ส่งผลให้ต้นทุนระบบคลาวด์เพิ่มขึ้น ผลประกอบการ ไตรมาส 1 ปี 2026 ของ Amazon ยังคงเปิดเผยการเติบโตของกำไรจากการดำเนินงานของ AWS ต่อไป ซึ่งแสดงให้เห็นว่าโครงสร้างพื้นฐานคลาวด์ยังคงเป็นช่องทางสำคัญในการสร้างรายได้จากความต้องการ AI

สิ่งเดียวกันนี้ใช้ได้กับฝั่งชิปเช่นกัน NVIDIA เปิดเผยใน ผลประกอบการไตรมาส 1 ปีบัญชี 2027 ว่ารายได้จากศูนย์ข้อมูลยังคงเติบโตอย่างรวดเร็ว โดยได้รับการสนับสนุนไม่เพียงจากคลัสเตอร์สำหรับการฝึกฝน (training) เท่านั้น แต่ยังรวมถึงการอนุมาน (inference), AI เชิงเอเจนต์ และความต้องการการใช้งานในระดับองค์กรด้วย ในเวลาเดียวกัน MTIA ของ Meta ก็ได้ถูกนำมาใช้สำหรับงานอนุมานด้านการแนะนำและการโฆษณาแล้ว สิ่งนี้ชี้ให้เห็นว่าความต้องการด้านการอนุมานในระยะยาวอาจกระตุ้นให้มีการใช้งานชิปเฉพาะทางมากขึ้น และเปลี่ยนแปลงการกระจายมูลค่าระหว่าง GPU อเนกประสงค์ แพลตฟอร์มคลาวด์ และตัวเร่งปฏิกิริยาที่พัฒนาขึ้นเอง

หากคุณติดตามหุ้นในห่วงโซ่คุณค่าของ AI คุณไม่ควรถามเพียงว่า "CAPEX ของใครมีมูลค่ามากที่สุด" คำถามที่สำคัญกว่านั้นได้แก่ รายได้จากคลาวด์กำลังเติบโตหรือไม่, งานที่รอดำเนินการด้าน AI สามารถแปลงเป็นรายได้ได้หรือไม่, อัตราการใช้งานศูนย์ข้อมูลกำลังดีขึ้นหรือไม่, อัตรากำไรของผลิตภัณฑ์ AI กำลังดีขึ้นหรือไม่ และลูกค้ายินดีจ่ายเงินสำหรับงาน inference ที่มากขึ้นหรือไม่ เมื่อติดตามบริษัทอย่าง NVIDIA, AMD, Alphabet, Microsoft และ Amazon ผ่าน ข้อมูลหุ้นสหรัฐฯ คุณควรประกอบกับการเปิดเผยข้อมูลทางการเงิน การประเมินมูลค่า และระดับความเสี่ยงที่คุณยอมรับได้ด้วย ความต้องการด้าน computing ไม่ควรถูกเทียบเคียงกับโอกาสในราคาหุ้นที่ขึ้นอย่างกลไกเกินไป

สรุป: ความต้องการฝึกโมเดลอธิบายจุดเริ่มต้นของวงจร AI แต่ความต้องการการอนุมาน (inference) คือสิ่งที่กำหนดว่าวงจรนี้จะไปได้ไกลแค่ไหน รายได้ระยะยาวของบริษัทชิป ผู้ให้บริการคลาวด์ และผู้ดำเนินการศูนย์ข้อมูล จะต้องได้รับการพิสูจน์ในที่สุดด้วยปริมาณงานจริง การนำไปใช้ในองค์กร การรักษาผู้ใช้ และการสร้างรายได้ CAPEX เป็นสัญญาณในช่วงต้น ส่วนการใช้งานการอนุมานและรายได้จากคลาวด์เป็นสัญญาณต่อเนื่องที่ตามมา วงจรคอมพิวติ้งระยะยาวจะยั่งยืนมากขึ้นก็ต่อเมื่อโมเดลถูกฝังอยู่ในการค้นหา ซอฟต์แวร์สำนักงาน การโฆษณา ซอฟต์แวร์องค์กร และขั้นตอนการทำงานในอุตสาหกรรมต่างๆ อย่างแพร่หลายเท่านั้น

ถ้าราคาการอนุมานยังคงลดลง ทำไมความต้องการคอมพิวติ้งรวมยังสามารถเติบโตได้?

ราคาการอนุมาน (inference) ที่ลดลงและความต้องการกำลังคำนวณรวมที่เติบโตไม่ได้ขัดแย้งกัน ต้นทุนต่อหน่วยที่ต่ำลงช่วยลดกำแพงการนำ AI มาใช้ ทำให้บริษัทต่าง ๆ สามารถนำ AI ไปใช้ในการค้นหา บริการลูกค้า เครื่องมือสำนักงาน การเขียนโค้ด การโฆษณา และการวิเคราะห์ข้อมูลได้มากขึ้น หากปริมาณการเรียกใช้งาน ความยาวของบริบท และจำนวนขั้นตอนของเอเจนต์เติบโตเร็วกว่าอัตราการลดลงของราคาต่อหน่วย ค่าใช้จ่ายการอนุมานรวมก็ยังคงเพิ่มขึ้นได้ ในทางกลับกัน หากความต้องการไม่เพียงพอ ศูนย์ข้อมูลอาจต้องเผชิญกับกำลังการผลิตที่_idle_หรือว่างเปล่า

สิ่งนี้ทำงานเหมือนกับผลของการขยายตลาด เมื่อการบีบอัดโมเดล การทำ quantization การทำ distillation แคช การจัดคิวแบบ batching และชิปรุ่นใหม่ช่วยลดต้นทุนต่อล้านโทเคน บริษัทแอปพลิเคชันสามารถเพิ่มฟีเจอร์ AI ให้กับสถานการณ์ได้มากขึ้น AI Index 2025 ของ Stanford ระบุว่าต้นทุนในการสอบถามโมเดลที่มีระดับความสามารถเทียบเท่ากันลดลงอย่างมากในช่วงประมาณสองปี ซึ่งยืนยันแนวโน้มการลดลงของต้นทุนต่อหน่วย แต่ต้นทุนที่ต่ำลงไม่ได้หมายความโดยอัตโนมัติว่ารายได้จะลดลง เนื่องจากราคาที่ต่ำลงสามารถสร้างการเรียกใช้งานที่มากขึ้น ผู้ใช้ที่มากขึ้น และงานที่ซับซ้อนมากขึ้น

อย่างไรก็ตาม รายได้จากคอมพิวติ้งในระยะยาวอาจต่ำกว่าคาดก็ได้ ประการแรก ความสามารถของโมเดลที่ดีขึ้นไม่ได้สร้างความเต็มใจจ่ายที่เพียงพอเสมอไป ประการที่สอง การแข่งขันด้านราคาโทเคนอาจเคลื่อนไหวเร็วกว่าการเติบโตของปริมาณการเรียกใช้งาน ประการที่สาม งานบางประเภทอาจย้ายไปใช้โมเดลขนาดเล็ก อุปกรณ์ขอบ (edge devices) หรือ ASIC ที่พัฒนาเอง ประการที่สี่ การขยายศูนย์ข้อมูลอย่างรวดเร็วอาจเพิ่มค่าเสื่อมราคาและกดดันกระแสเงินสดอิสระ กล่าวอีกนัยหนึ่ง ความต้องการการอนุมาน (inference) เป็นตัวกำหนดรายได้ในระยะยาว แต่ไม่ได้รับประกันว่าผู้เข้าร่วมทุกรายจะได้รับระดับกำไรเท่ากัน

จากมุมมองการลงทุนและการเทรด คุณจำเป็นต้องแยกต้นทุนการวิจัยออกจากต้นทุนการเทรดเมื่อประเมินธีม AI compute การวิเคราะห์ของคุณอาจมุ่งเน้นไปที่รายได้จาก AI inference, อัตรากำไรขั้นต้นของคลาวด์ และผลตอบแทนจากทุน แต่การเทรดจริงยังคงเกี่ยวข้องกับค่าคอมมิชชัน ค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมภายนอก และความเสี่ยงในการดำเนินคำสั่งซื้อขาย Biya รองรับการเทรดหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัล โครงสร้าง ค่าธรรมเนียมการเทรดหุ้นสหรัฐฯ ระบุว่า ค่าคอมมิชชันหุ้นสหรัฐฯ เป็น 0 USD ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมภายนอก และค่าใช้จ่ายอื่น ๆ อยู่ภายใต้ตารางค่าธรรมเนียมและการแสดงผลในหน้าคำสั่งซื้อขาย ความพร้อมใช้งานของบริการขึ้นอยู่กับสถานที่ตั้งของผู้ใช้ ผลการตรวจสอบยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่เกี่ยวข้อง_Markdown ต้นฉบับไม่มีเนื้อหาให้แปล_

สรุป: ราคาการอนุมาน (inference) ที่ลดลงไม่ใช่สิ่งที่ตรงข้ามกับการเติบโตของรายได้จาก AI compute แต่เป็นเงื่อนไขหนึ่งสำหรับการขยายตัวของตลาด คำถามสำคัญคือ การเติบโตของปริมาณการใช้งานจะสามารถแซงการลดลงของราคาได้หรือไม่ ลูกค้าองค์กรจะยังคงจ่ายเงินต่อไปหรือไม่ และผู้ให้บริการคลาวด์จะสามารถเปลี่ยนขนาด (scale) ให้กลายเป็นอัตราการใช้งานและอัตรากำไรได้หรือไม่ สำหรับนักลงทุน การส่งมอบ GPU, CAPEX และการก่อสร้างศูนย์ข้อมูล เป็นเพียงสัญญาณชั้นแรกเท่านั้น ปริมาณงานแบบมีค่าใช้จ่าย รายได้ต่อสถานประกอบการ กระแสเงินสด และต้นทุนการซื้อขาย ถือเป็นตัวชี้วัดที่สำคัญกว่าในการประเมินคุณภาพของวงจร AI

ความแตกต่างระหว่างต้นทุนการฝึกฝน AI และต้นทุนการอนุมาน (inference) ในที่สุดจะส่งผลต่อการเลือกมูลค่าห่วงโซ่ (value-chain) และการตัดสินใจซื้อขาย ความต้องการด้านการฝึกฝนมองเห็นได้ชัดเจนกว่าผ่าน GPU ระดับสูง HBM เซิร์ฟเวอร์ และ CAPEX ของศูนย์ข้อมูล ส่วนความต้องการด้านการอนุมานต้องใช้เวลาสังเกตในระยะยาว เช่น รายได้จากคลาวด์ การนำไปใช้ในองค์กร ปริมาณการใช้ API การแพร่กระจายของเอเจนต์ AI และแนวโน้มของอัตรากำไร หากคุณต้องการติดตามบริษัทต่าง ๆ ตลอดห่วงโซ่การประมวลผล AI ควรรวมข้อมูลจากรายงานการเงิน มูลค่าหลักทรัพย์ แนวโน้มคำสั่งซื้อ การลงทุนด้านทุน และโครงสร้างธุรกิจ เข้าด้วยกัน แทนที่จะพึ่งพาเพียงพาดหัวข่าวในตลาด ผู้ใช้ที่ตรงตามเงื่อนไขการให้บริการที่เกี่ยวข้องสามารถใช้ลงทะเบียนบัญชีเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับเครื่องมือซื้อขายสินทรัพย์หลายประเภทการซื้อขายในตลาดสาธารณะเกี่ยวข้องกับความผันผวนของราคา การเปลี่ยนแปลงของอัตราแลกเปลี่ยน สภาพคล่อง และความแตกต่างของกฎระเบียบ ธีมในห่วงโซ่คุณค่า AI ไม่มีหัวข้อใดที่ให้ผลตอบแทนที่การันตีได้ และนักลงทุนควรพิจารณาโครงสร้างค่าธรรมเนียม ประเภทคำสั่งซื้อขาย และระดับการยอมรับความเสี่ยงของตนเองก่อนทำการซื้อขาย

คำถามที่พบบ่อย

ค่าใช้จ่ายในการอนุมาน AI เพิ่มขึ้นเป็นเชิงเส้นตรงตามจำนวนพารามิเตอร์ของโมเดลหรือไม่?

ไม่ใช่ ค่าใช้จ่ายในการอนุมาน AI ไม่ได้เพิ่มขึ้นอย่างเป็นเชิงเส้นตรงอย่างเคร่งครัดตามจำนวนพารามิเตอร์ ขนาดของโมเดลเป็นเพียงปัจจัยเดียวเท่านั้น ค่าใช้จ่ายในการอนุมานจริงยังขึ้นอยู่กับพารามิเตอร์ที่ถูกเปิดใช้งาน ความยาวของบริบท จำนวนโทเค็นที่ส่งออก ความแม่นยำของการควอนไทเซชัน KV cache ขนาดของการจัดคิวแบบชุด (batching) และประเภทของฮาร์ดแวร์ โมเดลแบบ mixture-of-experts อาจมีจำนวนพารามิเตอร์ทั้งหมดมาก แต่มีเพียงบางส่วนของโมเดลเท่านั้นที่ถูกเปิดใช้งานสำหรับแต่ละคำขอ

AI API หรือคลัสเตอร์ GPU ที่สร้างเองแบบใดถูกกว่าสำหรับการอนุมานระดับองค์กร?

ขึ้นอยู่กับขนาดการใช้งาน ความเสถียรของความต้องการ และความสามารถในการดำเนินงาน ปริมาณงานที่มีความถี่ต่ำ ไม่แน่นอน หรืออยู่ในช่วงเริ่มต้น มักเหมาะสมกับ API มากกว่า ส่วนองค์กรที่มีความต้องการระยะยาวที่มั่นคง อัตราการใช้งานสูง ทีมวิศวกรรมที่เข้มแข็ง และความสามารถด้านการปฏิบัติตามข้อกำหนด อาจสามารถลดต้นทุนการอนุมานต่อหน่วยได้ด้วยโครงสร้างพื้นฐานเฉพาะหรือที่สร้างขึ้นเอง

เหตุใดบริบทที่ยาวขึ้นจึงเพิ่มต้นทุนการอนุมานของโมเดลภาษาขนาดใหญ่?

บริบทที่ยาวขึ้นทำให้ต้นทุนการอนุมานเพิ่มขึ้น เพราะเพิ่มจำนวน input tokens และใช้หน่วยความจำ KV cache มากขึ้น โมเดลจำเป็นต้องคำนวณ attention จากประวัติที่ยาวขึ้น ซึ่งทำให้เวลา Prefill การใช้หน่วยความจำ และแรงกดดันในการถ่ายโอนข้อมูลเพิ่มขึ้น ในบทสนทนาแบบหลายรอบ การเก็บรักษาประวัติต่อเนื่องยังสามารถเพิ่มต้นทุนของคำขอในภายหลังได้อีกด้วย

ชิปสำหรับ AI Inference โดยเฉพาะจะมาแทนที่ GPU ในศูนย์ข้อมูลได้หรือไม่?

ในระยะสั้น แนวโน้มมีแนวที่จะเกิดการแบ่งงานกันทำมากกว่าที่จะเข้ามาแทนที่ GPU ได้อย่างสมบูรณ์ ชิปเฉพาะทางเหมาะสมอย่างยิ่งกับงาน inference ภายในองค์กรที่มีเสถียรภาพ ขนาดใหญ่ และได้รับการปรับแต่งอย่างสูง เช่น ระบบการแนะนำและระบบโฆษณา ในขณะที่ GPU ยังคงให้ความยืดหยุ่นในด้านการฝึกโมเดลระดับแนวหน้า การทดลองกับหลายโมเดล และการทำ inference แบบทั่วไป สมดุลสุดท้ายจะขึ้นอยู่กับประสิทธิภาพ ต้นทุน ระบบนิเวศซอฟต์แวร์ และความสามารถในการจัดหา

นักลงทุนจะบอกได้อย่างไรว่าดีมานด์ AI Inference กำลังกลายเป็นรายได้จริงหรือไม่?

นักลงทุนควรมองปริมาณการใช้งาน รายได้ อัตราการใช้งาน และอัตรากำไรขั้นต้นอย่างเข้าด้วยกัน ตัวชี้วัดสำคัญ ได้แก่ การเติบโตของรายได้จากคลาวด์ ลูกค้าที่จ่ายเงินสำหรับ AI ปริมาณโทเคนหรืองาน การแปลงงานที่สั่งจองล่วงหน้า (backlog) เป็นรายได้ ต้นทุนศูนย์ข้อมูล และผลตอบแทนจากทุน การมองเพียง CAPEX หรือการซื้อ GPU เพียงอย่างเดียวอาจทำให้ความกระตือรือร้นในระยะสั้นดูสูงเกินจริง จึงควรพิจารณางบการเงินของบริษัทและความเสี่ยงด้านการประเมินมูลค่าด้วยเช่นกัน