"AI" บนความท้าทาย เส้นแบ่งรายได้-กำไร เมื่อต้นทุนประมวลผลท่วมค่าบริการ

หลังจาก IPO ประวัติศาสตร์อย่าง Anthropic (ANT) ที่สามารถล้มสถิตการระดมทุนจาก IPO ของ SpaceX ได้สำเร็จ ด้วยมูลค่ากสรระดมทุนที่สูงทะลุ 81,300 ล้านดอลลาร์สหรัฐ ทำให้มีมีมูลค่าบริษัทอยู่ที่ 1.5 ล้านล้านดอลลาร์สหรัฐ โดยการซื้อขายในวันแรกของ ANT ปิดการซื้อขายในตลาดหลักทรัพย์ด้วยราคาหุ้นที่สูงกว่าราคา IPO ซึ่งอยู่ที่ 83 ดอลลาร์สหรัฐ 17% โดยหุ้นเริ่มซื้อขายที่ราคา 111.50 ดอลลาร์ต่อหุ้น แต่ราคาค่อย ๆ ลดช่วงบวกลงตลอดช่วงบ่าย และปิดที่ 97.17 ดอลลาร์สหรัฐ
สรุปข่าว
หลังจาก IPO ประวัติศาสตร์อย่าง Anthropic (ANT) ที่สามารถล้มสถิตการระดมทุนจาก IPO ของ SpaceX ได้สำเร็จ ด้วยมูลค่ากสรระดมทุนที่สูงทะลุ 81,300 ล้านดอลลาร์สหรัฐ ทำให้มีมีมูลค่าบริษัทอยู่ที่ 1.5 ล้านล้านดอลลาร์สหรัฐ โดยการซื้อขายในวันแรกของ ANT ปิดการซื้อขายในตลาดหลักทรัพย์ด้วยราคาหุ้นที่สูงกว่าราคา IPO ซึ่งอยู่ที่ 83 ดอลลาร์สหรัฐ 17% โดยหุ้นเริ่มซื้อขายที่ราคา 111.50 ดอลลาร์ต่อหุ้น แต่ราคาค่อย ๆ ลดช่วงบวกลงตลอดช่วงบ่าย และปิดที่ 97.17 ดอลลาร์สหรัฐ
แล้วบริษัท AI เหล่านี้ สามารถระดมทุนได้มหาศาล แล้วสามารถสร้างรายได้ได้อย่างไร แล้วทำไมผลประกอบการของหลาย ๆ บริษัทยังคงขาดทุนเป็นตัวแดงอยู่ เป็นคำถามที่นักลงทุนที่กำลังจะลงทุนในหุ้นในกลุ่ม AI จำเป็นที่จะต้องพิจารณา เป็นอย่างยิ่ง มาเริ่มกันที่วิธีหลัก ๆ ที่บริษัท AI ใช้สร้างรายได้
วิธีการแรก คือการเก็บค่าสมัครใช้บริการผู้ช่วย AI ลูกค้าจ่ายค่าบริการรายเดือนเพื่อใช้ฟีเจอร์เพิ่มเติม หรือเพื่อได้โควตาการใช้งานที่สูงกว่าแพ็กเกจฟรี ตัวอย่างเช่น Claude Pro มีค่าบริการ 20 ดอลลาร์ต่อเดือนเมื่อเลือกชำระแบบรายเดือน การเก็บค่าบริการแบบเหมาจ่ายช่วยให้ลูกค้าคาดการณ์ค่าใช้จ่ายได้ แต่ไม่ได้หมายความว่าจะใช้งานได้ไม่จำกัด หากใช้ AI หนักมาก อาจต้องสมัครแพ็กเกจที่แพงขึ้นหรือจ่ายเงินเพิ่มสำหรับการใช้งานส่วนเกิน ซึ่งทำให้บริษัท AI มีรายได้เพิ่มขึ้น
วิธีการถัดมา คือการเก็บค่าบริการตามการใช้งาน API อินเทอร์เฟซสำหรับเขียนโปรแกรมประยุกต์ ช่วยให้ธุรกิจเชื่อมต่อซอฟต์แวร์ของตนกับโมเดล AI ได้ ตัวอย่างเช่น ร้านค้าออนไลน์อาจใช้โมเดล AI เพื่อตอบคำถามของผู้ซื้อ โดยร้านค้าจะจ่ายเงินสำหรับงานที่โมเดลประมวลผลอยู่เบื้องหลัง
อีกวิธีหนึ่งคือ การเก็บค่าบริการตามสัญญาสำหรับองค์กรและแพ็กเกจคิดค่าบริการต่อผู้ใช้งาน บริษัท AI ขายแพ็กเกจสำหรับการใช้งานในสถานที่ทำงาน ซึ่งมักเรียกว่าแพ็กเกจสำหรับองค์กร แพ็กเกจเหล่านี้ช่วยให้บริษัทจัดการการเข้าถึงของพนักงาน การเชื่อมต่อกับเครื่องมือภายในองค์กร และระบบรักษาความปลอดภัยได้
ภาคธุรกิจอาจจ่ายค่าบริการตามจำนวนผู้ใช้ หรือเจรจาค่าบริการตามปริมาณการใช้งานและยอดใช้จ่ายขั้นต่ำ ตัวอย่างเช่น แพ็กเกจ Enterprise ของ Claude คิดค่าบริการตามจำนวนผู้ใช้ร่วมกับค่าการใช้งานที่เรียกเก็บแยกต่างหากตามอัตรา API การเพิ่มจำนวนผู้ใช้ที่ชำระเงินและปริมาณการใช้งานอาจทำให้บริษัท AI มีรายได้จากลูกค้าองค์กรแต่ละรายเพิ่มขึ้น
ตลาดกลางของผู้ให้บริการคลาวด์ ก็เป็นแหล่งสร้างรายได้ โดยตลาดกลางของผู้ให้บริการคลาวด์ช่วยให้ธุรกิจซื้อการใช้งานโมเดล AI ผ่านผู้ให้บริการคลาวด์ที่ใช้อยู่แล้ว ตัวอย่างเช่น Amazon Bedrock มีโมเดลจากผู้พัฒนา AI หลายรายให้เลือก ร้านค้าออนไลน์อาจซื้อสิทธิ์ใช้งานโมเดลผ่าน Amazon แทนการซื้อจากผู้พัฒนา AI โดยตรง จากนั้น Amazon จะรับชำระเงินและส่งส่วนแบ่งให้ผู้พัฒนา AI วิธีนี้ทำให้ผู้พัฒนา AI มีช่องทางสร้างรายได้จากการใช้งานอีกทางหนึ่ง โดยไม่ต้องจัดการการขายเองโดยตรง
และวิธีการสร้างรายได้สุดท้าย คือวิธีการคลาสสิกอย่างโฆษณา ผู้พัฒนา AI บางบริษัทขายโฆษณาด้วย ตัวอย่างเช่น OpenAI กำลังทดสอบ Sponsored Agents ซึ่งเปิดให้ผู้ใช้สนทนากับผู้ช่วยที่ได้รับการสนับสนุนจากธุรกิจ หลังจากคลิกโฆษณา ในทางกลับกัน Anthropic ระบุว่าจะไม่นำโฆษณามาใส่ใน Claude สำหรับบริษัทที่ขายโฆษณา เงินที่ผู้ลงโฆษณาจ่ายจะกลายเป็นแหล่งรายได้อีกทางหนึ่ง นอกเหนือจากค่าบริการที่ผู้ใช้จ่าย
ในเมื่อ AI สามารถสร้างรายได้มหาศาลจากหลากหลายช่องทาง แล้วความสามารถในการทำกำไร ทำไมยังคงเป็นโจทย์ที่ยากสำหรับผู้พัฒนา AI คำตอบคือ รายได้คือเงินที่บริษัทได้รับจากลูกค้า ไม่ใช่เงินที่บริษัทเก็บไว้เป็นกำไร บริษัทจะมีกำไรก็ต่อเมื่อรายได้สูงกว่าค่าใช้จ่าย สำหรับบริษัท AI ค่าใช้จ่ายอาจสูงมาก เพราะทั้งการพัฒนาโมเดลและการตอบคำถามของผู้ใช้ต้องใช้ทรัพยากรประมวลผลราคาแพง
การสร้างคำตอบ หรือตอบสนองความต้องการด้านต่าง ๆ ด้วย AI ต้องใช้กำลังประมวลผลจำนวนมาก ทุกครั้งที่คุณส่งคำสั่งหรือคำถาม โมเดลจะคำนวณหลายขั้นตอนเพื่อสร้างคำตอบทีละส่วน ต้นทุนการประมวลผลจะเพิ่มขึ้นตามปริมาณการใช้งาน ทำให้การเก็บค่าสมัครสมาชิกแบบเหมาจ่ายรายเดือนเป็นเรื่องท้าทายสำหรับบริษัท AI ผู้ใช้ที่สั่งให้ AI ทำงานเขียนโค้ดตลอดช่วงบ่ายอาจมีต้นทุนในการให้บริการสูงกว่าผู้ใช้ที่ถามเพียงไม่กี่คำถามมาก แม้ว่าทั้งคู่จะจ่ายค่าสมัครสมาชิกในราคาเดียวกันก็ตาม
และถึงแม้ว่าชิปและโมเดลที่มีประสิทธิภาพมากขึ้นอาจทำให้การใช้ AI มีต้นทุนต่ำลง และกระตุ้นให้ผู้คนใช้ AI มากขึ้น หากปริมาณการใช้งานที่เพิ่มขึ้นมีมากกว่าผลประหยัดจากประสิทธิภาพที่ดีขึ้น ความต้องการกำลังประมวลผลโดยรวมก็จะสูงขึ้น เช่น หากต้นทุนต่อหนึ่งงานลดลงครึ่งหนึ่ง แต่ลูกค้าทำงานเพิ่มขึ้นเป็น 4 เท่า ต้นทุนการประมวลผลรวมก็จะเพิ่มขึ้นเป็น 2 เท่า
ที่สำคัญคือการให้บริการโมเดลที่มีอยู่ในปัจจุบันเป็นเพียงส่วนหนึ่งของค่าใช้จ่ายที่บริษัท AI ต้องบริหารจัดการ ท่ามกลางการแข่งขันที่สูง บริษัท AI พยายามปรับปรุงโมเดลหลักของตนอย่างต่อเนื่อง โดยฝึกโมเดลด้วยชุดข้อมูลและตัวอย่างที่มีขนาดใหญ่ขึ้น อย่างไรก็ตาม การฝึกโมเดลต้องใช้กำลังประมวลผลจำนวนมากและบุคลากรที่มีทักษะ ก่อนที่โมเดลจะพร้อมเปิดให้ลูกค้าใช้งาน
บริษัท AI มักทำสัญญาระยะยาวเพื่อให้ได้กำลังประมวลผลที่จำเป็นต่อการฝึกและให้บริการโมเดล การจองกำลังประมวลผลล่วงหน้าช่วยให้บริษัทเตรียมพร้อมรองรับการเติบโต แต่โดยทั่วไปสัญญาเหล่านี้กำหนดให้ต้องจ่ายเงินขั้นต่ำ ซึ่งยังคงต้องชำระแม้บริษัทกำลังขาดทุน
นั่นหมายความว่า โมเดลหนึ่งอาจสร้างรายได้มากกว่าต้นทุนที่ใช้ตอบคำขอ หรือตอบสนองความต้องการของลูกค้า แต่บริษัทยังมีค่าใช้จ่ายอื่น ๆ เช่น งานวิจัย บุคลากร การโฆษณา และการดำเนินงานทางธุรกิจ ดังนั้น การที่รายได้จากโมเดลครอบคลุมต้นทุนการให้บริการโมเดลไม่ได้รับประกันว่าบริษัทโดยรวมจะมีกำไร หากต้นทุนทั้งหมดเพิ่มขึ้นเร็วกว่ารายได้ กำไรก็อาจลดลงได้ แม้จะมีลูกค้าสมัครใช้บริการเพิ่มขึ้นก็ตาม
ยกตัวอย่างของ ANT ซึ่งเป็นผู้พัฒนา Claude มีรายได้ 33,240 ล้านดอลลาร์สหรัฐในช่วง 9 เดือนแรกของปี 2026 ซึ่งประมาณ 79% ของรายได้มาจากค่าบริการตามการใช้งานที่นักพัฒนาและภาคธุรกิจจ่าย ส่วนอีก 21% มาจากค่าสมัครสมาชิก อย่างไรก็ตาม Anthropic รายงานผลขาดทุนจากการดำเนินงาน 1,260 ล้านดอลลาร์ ซึ่งส่วนใหญ่เกิดจากต้นทุนการประมวลผลที่สูง
ค่าใช้จ่ายในการดำเนินงานของ ANT ในช่วง 9 เดือนรวม 34,500 ล้านดอลลาร์ ทำให้บริษัทขาดทุนจากการดำเนินงาน แต่กลับมีกำไรจากการดำเนินงานที่ปรับปรุงแล้ว 4,080 ล้านดอลลาร์ หลังไม่นับรวมค่าใช้จ่าย 3,260 ล้านดอลลาร์ที่เป็นค่าตอบแทนในรูปหุ้นหรือสิทธิซื้อหุ้น และอีก 2,090 ล้านดอลลาร์ ที่เกี่ยวข้องกับการสมทบเงินบริจาคเพื่อการกุศลของพนักงานด้วยหุ้นของบริษัท
ขณะเดียวกัน ANT รายงานผลขาดทุนสุทธิ 104,040 ล้านดอลลาร์ ประมาณ 94,320 ล้านดอลลาร์มาจากข้อตกลงจัดหาเงินทุนก่อนหน้า ซึ่งส่วนใหญ่เป็นเงินกู้ที่สามารถแปลงเป็นหุ้นได้ เมื่อมูลค่าบริษัทสูงขึ้น มูลค่าผลตอบแทนที่นักลงทุนเหล่านั้นมีสิทธิได้รับก็เพิ่มขึ้นตามไปด้วย ซึ่งมาตรฐานบัญชีจัดให้การเพิ่มขึ้นของผลตอบแทนดังกล่าวเป็นค่าใช้จ่าย แม้ในช่วงเวลานั้นจะไม่มีการจ่ายเงินสดออกไปก็ตาม
ขณะที่ต้นทุนด้านการประมวลผล บริษัทบันทึกค่าใช้จ่ายด้านการประมวลผลและโครงสร้างพื้นฐานไว้ที่ 18,810 ล้านดอลลาร์ หรือมากกว่าครึ่งหนึ่งของรายได้ ค่าใช้จ่ายนี้ครอบคลุมทั้งการพัฒนาโมเดลและการให้บริการโมเดลแก่ลูกค้า และรวมอยู่ในค่าใช้จ่ายในการดำเนินงานแล้ว
ส่วนภาระผูกพันในอนาคต ANT มีภาระผูกพันในการชำระเงินในอนาคตราว 900,900 ล้านดอลลาร์ ซึ่งเกือบทั้งหมดเป็นค่าใช้จ่ายด้านการประมวลผลและโครงสร้างพื้นฐาน ประมาณ 70,700 ล้านดอลลาร์จะครบกำหนดชำระในช่วง 12 เดือนซึ่งสิ้นสุดวันที่ 30 กันยายน 2027 ตัวเลขเหล่านี้เป็นภาระผูกพันในอนาคต ไม่ใช่ค่าใช้จ่ายที่จะนำไปรวมกับผลขาดทุนในช่วง 9 เดือน
โจทย์ใหญ่ที่ท้าทายผู้พัฒนา AI หลังจากนี้คือ จะสามารถบริหารต้นทุนการประมวลผลมหาศาลนี้ได้อย่างไร ท่ามกลางการแข่งขันที่สูง การปรับขึ้นค่าบริการรายเดือน หรือปรับรูปแบบการคิดค่าบริการไม่สามารถที่จะทำได้ง่าย ๆ และความต้องการใช้ AI ที่เพิ่มขึ้น มาพร้อมกับซับซ้อนของเทคโนโลยีที่มากขึ้น การพัฒนาขีดความสามารถที่มากขึ้นก็ยิ่งสะท้อนกลับไปที่ต้นทุนการประมวลผลเช่นเดิม
รายได้มหาศาล อาจจะกำลังสะท้อนค่าใช้จ่าที่มหาศาลตามไปด้วยสำหรับผู้พัฒนา AI คำถามสุดท้ายที่เกิดขึ้นกลายเป็นว่า "ราคาที่ต้องจ่าย" ของผู้ใช้บริการ AI "ถูกเกินไป" หรือต้นทุนในการพัฒนาเทคโนโลยีนั้น "สูงเกินไป" กันแน่
ที่มาข้อมูล : Anthropic, Yahoo Finance
ที่มารูปภาพ : TNN
Content สายการเงินตัวจริง รอบด้าน ด้วยประสบการณ์แนะนำการลงทุนบล.ชั้นนำ รู้ลึกด้วย Certificate วางแผนการเงิน และวิเคราะห์การลงทุน
