วิกฤตต้นทุนที่ขับเคลื่อนด้วย AI ที่ Wall Street ยังไม่เริ่มตีราคา

ในที่สุดทุกยุคบูมของเทคโนโลยีก็จะมาถึงช่วงเวลาอันอึดอัดเดิมเสมอ: เมื่อคำถามไม่ใช่อีกต่อไปว่าใครเติบโตเร็วที่สุด แต่กลายเป็นว่าใครสามารถแบกรับค่าใช้จ่ายในการเติบโตต่อไปได้จริง สำหรับอุตสาหกรรมซอฟต์แวร์ AI ช่วงเวลานั้นอาจมาถึงเร็วกว่าที่นักลงทุนคาดไว้

ตัวเลขที่จุดชนวนการสนทนานี้ไม่ได้เล็กน้อยแต่อย่างใด เฉพาะบริษัทเทคโนโลยีสหรัฐฯ ที่ใหญ่ที่สุด 4 แห่ง (Alphabet, Amazon, Meta และ Microsoft) คาดว่าจะใช้จ่าย 6.5 แสนล้านดอลลาร์กับโครงสร้างพื้นฐาน AI ในปี 2026 ตามรายงานของ Bloomberg ขณะที่นักวิเคราะห์ของ Wall Street จาก Evercore และ Bank of America กำลังคาดการณ์ว่า capex AI ของ hyperscaler รวมกันอาจแตะ 1 ล้านล้านดอลลาร์ในปี 2027 ตามรายงานของ CNBC

นั่นคือระดับสูงสุดของห่วงโซ่ ถัดลงมา บริษัทที่ดำเนินงานบนโครงสร้างพื้นฐานดังกล่าวกำลังเผชิญกับแรงกดดันในรูปแบบที่ต่างออกไปแต่มาจากแหล่งเดียวกัน รายงานของ CloudZero ระบุว่าค่าใช้จ่าย AI รายเดือนเฉลี่ยของบริษัทซอฟต์แวร์องค์กรเพิ่มขึ้น 36% เมื่อเทียบปีต่อปี จาก 62,964 ดอลลาร์เป็น 85,521 ดอลลาร์ ในขณะที่สัดส่วนของบริษัทที่วางแผนจะใช้จ่ายมากกว่า 100,000 ดอลลาร์ต่อเดือนเพิ่มขึ้นมากกว่าสองเท่า จาก 20% เป็น 45%

มีเพียง 51% ขององค์กรเท่านั้นที่สามารถคำนวณผลตอบแทนจากการใช้จ่ายนั้นได้อย่างมั่นใจ เงินทุนกำลังไหลเร็ว แต่ความชัดเจนว่ามันได้ผลหรือไม่ยังตามไม่ทัน

ปัญหาของการจ่ายเงินเพื่อ AI ในระดับขนาดใหญ่

เศรษฐศาสตร์ของซอฟต์แวร์ AI แตกต่างจากเศรษฐศาสตร์ของซอฟต์แวร์แบบดั้งเดิมในแง่มุมสำคัญหนึ่ง: การ inference ไม่ฟรี ทุกครั้งที่ระบบ AI ตอบสนองต่อคำค้นหา ประมวลผลเอกสาร นำทางการสนทนา หรือทำงานให้เสร็จสิ้น มันใช้ compute นั้น การใช้งานนั้นมีต้นทุน และเมื่อการใช้งาน AI ขององค์กรเติบโตขึ้น ค่าใช้จ่ายก็เพิ่มขึ้นตาม

เพิ่มเติมเกี่ยวกับ AI:

• Goldman Sachs มีข้อความตรงไปตรงมาถึงนักลงทุนหุ้น AI
• CEO ของ Microsoft ส่งคำเตือนตรงไปตรงมาเกี่ยวกับ AI และระบบนิเวศเทคโนโลยี
• การแข่งขันโครงสร้างพื้นฐาน AI ครั้งต่อไปไม่เกี่ยวกับชิปเลย

"บริษัทซอฟต์แวร์แบบดั้งเดิมสร้างผลิตภัณฑ์ครั้งเดียวและกระจายด้วยต้นทุนส่วนเพิ่มใกล้เคียงศูนย์ แต่บริษัทซอฟต์แวร์ที่เป็น AI-native สร้างผลิตภัณฑ์ที่ต้องจ่ายค่าผ่านทาง compute ทุกครั้งที่ลูกค้าใช้งาน" Nimrod Ron ซีอีโอของผู้ให้บริการ CX OS อย่าง Callers.ai กล่าวกับ TheStreet ในการให้สัมภาษณ์

ความแตกต่างนั้นเป็นเรื่องที่ละเลยได้ง่ายเมื่อการนำ AI มาใช้ยังอยู่ในช่วงต้นและการใช้งานยังต่ำ แต่มันยากที่จะละเลยอีกต่อไปเมื่อลูกค้าองค์กรกำลังดำเนินการ AI workflows ในระดับที่ข้อมูลของ CloudZero ชี้ให้เห็น

ผลที่ตามมาได้ก่อให้เกิดพฤติกรรมที่มองเห็นได้ทั่วทั้งอุตสาหกรรม มีรายงานว่าผู้ขาย AI บางรายเริ่มปรับราคาสัญญากลางรอบเนื่องจากต้นทุนโครงสร้างพื้นฐานเกินกว่าสมมติฐานในการตั้งราคาเดิม ในขณะที่บางรายประกาศต่อสาธารณะว่าจะรักษาเสถียรภาพด้านราคาแม้ต้นทุนจะเพิ่มขึ้นเช่นกัน ช่องว่างระหว่างการตอบสนองสองแบบนั้นขึ้นอยู่กับโครงสร้างพื้นฐาน ไม่ใช่กลยุทธ์การตั้งราคา

สิ่งที่เกิดขึ้นจริงเมื่อผู้ขาย AI ปรับราคาสัญญา

การตีความที่โผล่ขึ้นมาจากภายในภาคส่วนนี้ชัดเจนมาก "เมื่อผู้ขาย AI ปรับราคาสัญญากลางรอบ โดยปกติแล้วนั่นไม่ใช่การตัดสินใจเชิงพาณิชย์ แต่เป็นการสารภาพด้านโครงสร้างพื้นฐาน" Ron กล่าวกับ TheStreet "นั่นหมายความว่าบริษัทสร้างผลิตภัณฑ์โดยพึ่งพา LLM provider เพียงหนึ่งหรือสองรายอย่างตายตัว และไม่มีวิธีเชิงโครงสร้างในการรองรับการเพิ่มขึ้นของต้นทุนเมื่อการใช้งานขยายตัว ลูกค้าจึงต้องแบกรับผลพวงจากการตัดสินใจด้านสถาปัตยกรรมที่ผู้ขายทำไว้หลายปีก่อน"

สิ่งนี้เปลี่ยนกรอบสิ่งที่นักลงทุนควรมองจริงๆ ผู้ขายที่ปรับราคากลางสัญญาไม่ได้แค่ไล่ล่ากำไร แต่กำลังเปิดเผยว่าโครงสร้างพื้นฐานของตนไม่ได้ถูกออกแบบมาเพื่อรับมือกับเส้นโค้งต้นทุนที่มาพร้อมกับการขยายตัว และลูกค้าที่เผชิญกับบิลใหม่นั้นกำลังจ่ายเงินสำหรับการตัดสินใจเชิงสถาปัตยกรรมนั้นอย่างแท้จริง

ที่เกี่ยวข้อง: CEO ของ Microsoft ส่งคำเตือนตรงไปตรงมาเกี่ยวกับ AI และระบบนิเวศเทคโนโลยี

ทางเลือกอื่น คือการสร้างโครงสร้างพื้นฐานที่กำหนดเส้นทางแบบไดนามิกข้าม LLM provider หลายรายแบบเรียลไทม์แทนที่จะล็อกตัวเองกับ dependency เดียว มีค่าใช้จ่ายสูงกว่าและซับซ้อนกว่าในการสร้างในช่วงแรก แต่มันให้การป้องกันเชิงโครงสร้างต่อการตัดสินใจด้านราคาของ provider รายใดรายหนึ่ง

บริษัทที่ลงทุนไปก่อนในเรื่องนี้ตั้งแต่เนิ่นๆ ตอนนี้อยู่ในตำแหน่งที่แตกต่างอย่างสิ้นเชิงจากบริษัทที่ไม่ได้ทำเช่นนั้น และพฤติกรรมการปรับราคาที่เห็นได้ชัดทั่วทั้งอุตสาหกรรมนี้คือหนึ่งในสถานที่แรกๆ ที่ความแตกต่างนั้นปรากฏให้เห็น

ทำไมนักลงทุนจึงควรติดตามแนวโน้มกำไรขั้นต้นมากกว่าการเติบโตของรายได้

นัยด้านการลงทุนของการแบ่งแยกนี้ยังอยู่ในช่วงต้นแต่มองเห็นได้ชัดเจนขึ้นเรื่อยๆ ตลอดช่วงบูมของ AI ส่วนใหญ่ นักลงทุนประเมินบริษัทซอฟต์แวร์จากการเติบโตของรายได้ การรักษารายได้สุทธิ และจำนวนลูกค้าองค์กร เมตริกเหล่านั้นยังคงมีความสำคัญ แต่ไม่ได้เปิดเผยสิ่งที่เกิดขึ้นกับเศรษฐศาสตร์ของธุรกิจเมื่อการใช้งานขยายตัว

"ตลาดประเมินบริษัทซอฟต์แวร์ AI โดยส่วนใหญ่ดูที่การเติบโตของรายได้และการรักษาลูกค้าสุทธิ นั่นคือตัวบ่งชี้ที่ล้าหลัง" Ron เสริม "สิ่งที่นักลงทุนเริ่มถามคือ: แนวโน้มกำไรขั้นต้นของคุณเป็นอย่างไรเมื่อต้นทุน inference เพิ่มขึ้น คำถามนั้นนำไปสู่การออกแบบโครงสร้างพื้นฐานโดยตรง"

เมื่อถึงเวลาที่การเติบโตของรายได้ของบริษัท AI ที่มี static-dependency ชะลอตัวลงเพราะการปรับราคาทำลายการรักษาลูกค้า นักลงทุนที่ดูเฉพาะบรรทัดบนสุดจะตกขบวนไปแล้ว สัญญาณกำไรมาถึงก่อน มันปรากฏในบรรทัดต้นทุนขายสินค้า ในการบีบตัวของกำไรขั้นต้น ในช่องว่างระหว่างการเติบโตของรายได้และการสร้างกระแสเงินสดอิสระ

Morsa&solGetty Images

สิ่งที่การเลือกโครงสร้างพื้นฐานที่แตกต่างกันกำลังผลิตในปี 2026

อุตสาหกรรมซอฟต์แวร์ AI ประกอบด้วยบริษัทที่แตกต่างกันอย่างมาก และระยะต่อไปของการปรับใช้กำลังเริ่มเปิดเผยว่าแต่ละบริษัทเป็นประเภทไหน แรงกดดันด้านต้นทุนได้กระทบระดับ hyperscaler ไปแล้ว: กระแสเงินสดอิสระของ Meta ลดลงจาก 2.6 หมื่นล้านดอลลาร์ในไตรมาสที่ 1 ปี 2025 เหลือเพียง 1.2 พันล้านดอลลาร์ในไตรมาสที่ 1 ปี 2026 ส่วนหนึ่งเป็นเพราะต้นทุนส่วนประกอบ AI ที่สูงขึ้น รวมถึงราคาหน่วยความจำ ตามรายงานของ CNBC

หากบริษัทในระดับและโปรไฟล์กำไรของ Meta ยังรู้สึกได้ถึงผลกระทบนี้ ผลกระทบต่อผู้ขายซอฟต์แวร์ AI-native ขนาดเล็กที่มีเศรษฐศาสตร์ต่อหน่วยบางกว่าและมีอำนาจในการตั้งราคาน้อยกว่าย่อมหนักกว่า การตัดสินใจด้านโครงสร้างพื้นฐานที่แต่ละบริษัททำในปี 2023 และ 2024 จะผลิตงบกำไรขาดทุนที่แตกต่างกันมากในปี 2026 และ 2027

ผู้ขายที่ลงทุนในโครงสร้างพื้นฐาน dynamic routing กำลังเข้าสู่ช่วงเวลาที่ปริมาณเพิ่มขึ้นพร้อมโครงสร้างต้นทุนที่ดีขึ้นเมื่อการใช้งานเติบโต ยิ่งประมวลผลการสนทนา ธุรกรรม หรือ inference มากเท่าไหร่ พวกเขายิ่งมีโอกาส arbitrage ข้าม provider มากขึ้นเท่านั้น และต้นทุนต่อหน่วยมีแนวโน้มลดลง ส่วนผู้ขายที่สร้างบน fixed LLM dependencies กำลังเข้าสู่ช่วงเวลาเดียวกันพร้อมโครงสร้างต้นทุนที่อาจเคลื่อนไปในทิศทางตรงกันข้าม: เมื่อการใช้งานเติบโต การสัมผัสกับการตั้งราคาของ provider ก็เพิ่มขึ้นตาม

ภาค conversational AI และ AI agent กำลังเผชิญกับแรงกดดันนี้อย่างเฉียบพลันที่สุดเพราะผลิตภัณฑ์หลักของพวกเขาใช้ inference หนักโดยการออกแบบ ทุกการโต้ตอบของลูกค้าคือเหตุการณ์ compute

บริษัท conversational AI ที่มีผู้ใช้งานหนึ่งล้านคนกำลังประมวลผล inference calls อาจหลายร้อยล้านครั้งต่อเดือน ในปริมาณนั้น ความแตกต่างเพียงไม่กี่เซนต์ต่อหนึ่งพันโทเคนระหว่างสถาปัตยกรรม routing ที่ปรับให้เหมาะสมดีกับ single-provider dependency แปลงเป็นจุดของกำไรขั้นต้นโดยตรง ที่ระดับขนาดใหญ่ จุดเหล่านั้นกำหนดว่าธุรกิจสร้างมูลค่าเพิ่มหรือกัดกร่อนมัน

ตลาดซอฟต์แวร์องค์กรเริ่มตรวจสอบผู้ขาย AI เหมือนที่เคยตรวจสอบบริษัทอุตสาหกรรมในอดีต ความเข้มข้นของเงินทุน โครงสร้างต้นทุน และ operating leverage ตอนนี้มีน้ำหนักพอๆ กับจำนวน logo และการรักษารายได้สุทธิ

สำหรับนักลงทุนที่ประเมินบริษัทซอฟต์แวร์ AI ในปี 2026 คำถามที่มีประโยชน์มีความเฉพาะเจาะจงมากขึ้นเรื่อยๆ: ต้นทุนขายสินค้ากี่เปอร์เซ็นต์ที่ผูกติดกับ third-party LLM inference? สถาปัตยกรรมอนุญาตให้มี dynamic provider routing หรือผลิตภัณฑ์ถูกล็อกกับ fixed model stack? กำไรขั้นต้นมีความเสถียร ขยายตัว หรือหดตัวเมื่อการใช้งานระดับองค์กรขยายตัวในช่วงสี่ไตรมาสที่ผ่านมา?

คำถามเหล่านั้นไม่ปรากฏในรายงานวิจัยหุ้นส่วนใหญ่เกี่ยวกับบริษัทซอฟต์แวร์ AI ในวันนี้ พฤติกรรมการปรับราคาที่กำลังมองเห็นได้ชัดเจนขึ้นทั่วทั้งอุตสาหกรรมชี้ให้เห็นว่าน่าจะต้องปรากฏอยู่ในนั้น

ที่เกี่ยวข้อง: บริษัท AI ที่ก่อให้เกิดข้อโต้แย้งเพิ่งยื่นขอล้มละลายตามมาตรา 7