สิ่งที่ DeepSeek สอนเราเกี่ยวกับค่าใช้จ่ายและประสิทธิภาพของ AI

ด้วยโลโก้ปลาวาฬที่น่ารัก การเปิดตัว DeepSeek ล่าสุดอาจไม่ได้มากกว่าแค่การปลอมตัวเป็น ChatGPT อีกต่อไป สิ่งที่ทำให้มันกลายเป็นข่าวและทำให้หุ้นของ конкур่งลดลงคือต้นทุนในการสร้างมัน ซึ่งแทบจะไม่มีอะไรเลย และทำให้คนอเมริกันต้องตั้งคำถามเกี่ยวกับการลงทุนที่ต้องใช้ในการฝึก Large Language Model (LLM) ที่มีประสิทธิภาพสูง

DeepSeek อ้างว่าใช้เงินเพียง 6 ล้านเหรียญสหรัฐในการฝึกโมเดล AI ของตน เมื่อเปรียบเทียบกับเงิน 80-100 ล้านเหรียญสหรัฐที่ OpenAI ใช้ในการฝึก Chat GPT-4 หรือ 1 พันล้านเหรียญสหรัฐที่พวกเขาตั้งไว้สำหรับ GPT-5 DeepSeek ทำให้คนต้องตั้งคำถามเกี่ยวกับการลงทุนในระดับนั้น และทำให้คนใหญ่ๆ เช่น Nvidia (NVDA ) ซึ่งหุ้นของพวกเขาลดลง 600 พันล้านเหรียญสหรัฐในหนึ่งวัน TSMC และ Microsoft (MSFT ) ต้องห่วงใยเกี่ยวกับผลการเงินในระยะยาวของ AI หากเป็นไปได้ที่จะฝึกโมเดล AI ในราคาที่ต่ำกว่าที่เคยคิดไว้มาก่อน สิ่งนี้จะส่งผลกระทบต่อการลงทุนใน AI โดยรวมอย่างไร

แม้ว่าการรบกวนของ DeepSeek จะทำให้เกิดการอภิปรายที่สำคัญ แต่บางจุดก็ดูเหมือนจะถูกมองข้าม อย่างไรก็ตาม สิ่งที่ข่าวนี้ทำให้เกิดขึ้นคือการมุ่งเน้นไปที่ต้นทุนของนวัตกรรมและผลกระทบทางเศรษฐกิจที่อาจเกิดขึ้นของ AI มี 3 ข้อที่สำคัญที่เกิดขึ้นจากข่าวนี้

1. ต้นทุน 6 ล้านเหรียญสหรัฐของ DeepSeek นั้นเป็นเท็จ

บริษัทต่างๆ ต้องเข้าใจต้นทุนการเป็นเจ้าของโครงสร้างพื้นฐาน (TCO) ของตนเอง แม้ว่าต้นทุน 6 ล้านเหรียญสหรัฐของ DeepSeek จะถูกพูดถึงมาก แต่นั่นเป็นเพียงต้นทุนในการฝึกอบรมก่อนเท่านั้น ไม่ใช่ต้นทุนทั้งหมดในการสร้างและฝึก DeepSeek ต้นทุนทั้งหมดในการสร้างและฝึก DeepSeek น่าจะสูงกว่านั้นมาก บริษัทวิเคราะห์อุตสาหกรรม SemiAnalysis เปิดเผยว่าบริษัทที่อยู่เบื้องหลัง DeepSeek ใช้เงิน 1.6 พันล้านเหรียญสหรัฐในการซื้อฮาร์ดแวร์เพื่อสร้าง LLM ของตน ดังนั้นต้นทุนที่แท้จริงจึงน่าจะอยู่ตรงกลางระหว่างทั้งสอง

ไม่ว่าต้นทุนจริงจะเป็นเท่าใด การมาถึงของ DeepSeek ก็ทำให้เกิดการมุ่งเน้นไปที่นวัตกรรมที่มีประสิทธิภาพในการใช้จ่าย ซึ่งอาจเป็นการเปลี่ยนแปลงที่สำคัญ นวัตกรรมมักจะถูกกระตุ้นโดยข้อจำกัด และความสำเร็จของ DeepSeek เน้นย้ำถึงวิธีการที่นวัตกรรมสามารถเกิดขึ้นได้เมื่อทีมวิศวกรปรับใช้ทรัพยากรของตนให้เหมาะสมกับข้อจำกัดในโลกแห่งความเป็นจริง

2. การอนุมานคือสิ่งที่ทำให้ AI มีค่า ไม่ใช่การฝึก

เป็นสิ่งสำคัญที่ต้องจ่ายความสนใจไปที่ต้นทุนในการฝึกโมเดล AI แต่การฝึกอบรมเป็นเพียงส่วนหนึ่งของต้นทุนทั้งหมดในการสร้างและใช้โมเดล AI การอนุมาน — วิธีการที่ AI เปลี่ยนแปลงวิธีการทำงาน วิธีการสื่อสาร และวิธีการใช้ชีวิตของมนุษย์ — คือจุดที่ AI มีค่าจริงๆ

สิ่งนี้ทำให้เกิดปัญหาของ Jevons paradox ทฤษฎีเศรษฐศาสตร์ที่ชี้ว่าเมื่อความก้าวหน้าทางเทคโนโลยีทำให้การใช้ทรัพยากรมีประสิทธิภาพมากขึ้น การบริโภคทรัพยากรโดยรวมอาจเพิ่มขึ้นจริงๆ ในอีกคำหนึ่ง เมื่อต้นทุนในการฝึกอบรมลดลง การอนุมานและการใช้งาน AI อาจเพิ่มขึ้น และการลงทุนโดยรวมจะตามมา

ประสิทธิภาพของ AI อาจนำไปสู่การเพิ่มขึ้นของการลงทุนใน AI ซึ่งจะช่วยให้บริษัทต่างๆ เช่น OpenAI และ Nvidia ได้รับประโยชน์เช่นกัน

3. สิ่งที่ยังคงแท้จริงคือเศรษฐศาสตร์หน่วยเป็นสิ่งสำคัญที่สุด

การทำให้ AI มีประสิทธิภาพไม่ได้เป็นเพียงเรื่องของการลดต้นทุน แต่ยังเป็นเรื่องของการเพิ่มประสิทธิภาพเศรษฐศาสตร์หน่วย The Motley Fool คาดการณ์ว่าปีนี้จะเป็น ปีของการเพิ่มประสิทธิภาพ AI หากพวกเขาพูดถูก บริษัทต่างๆ ควรจ่ายความสนใจไปที่การลดต้นทุนในการฝึก AI ของตนเอง เช่นเดียวกับการลดต้นทุนในการใช้งาน AI

องค์กรที่สร้างหรือใช้ AI ต้องทราบเศรษฐศาสตร์หน่วยของตนเอง ไม่ใช่แค่การเน้นย้ำตัวเลขที่น่าประทับใจ เช่น ต้นทุนการฝึกอบรม 6 ล้านเหรียญสหรัฐของ DeepSeek ประสิทธิภาพที่แท้จริงหมายถึงการกระจายต้นทุนทั้งหมด การติดตามความต้องการที่ขับเคลื่อนด้วย AI และติดตามค่าใช้จ่ายต่อค่าใช้จ่ายอย่างต่อเนื่อง

เศรษฐศาสตร์หน่วยของคลาวด์ (CUE) เกี่ยวข้องกับการวัดและเพิ่มผลกำไรที่ขับเคลื่อนด้วยคลาวด์ CUE เปรียบเทียบราคาของคลาวด์ของคุณกับเมตริกของรายได้และความต้องการ เพื่อแสดงให้เห็นว่าคลาวด์ของคุณมีประสิทธิภาพแค่ไหน และวิธีการเพิ่มประสิทธิภาพนั้น

การเข้าใจ CUE มีประโยชน์มากขึ้นในบริบทของ AI เนื่องจาก AI มักจะมีราคาแพงกว่าบริการคลาวด์แบบดั้งเดิมที่ขายโดย hyperscalers บริษัทที่สร้างแอปพลิเคชัน AI สามารถคำนวณต้นทุนต่อธุรกรรม (เช่น ต้นทุนต่อบิล ต้นทุนการส่งมอบ ต้นทุนการซื้อขาย ฯลฯ) และใช้สิ่งนี้เพื่อประเมินผลตอบแทนจากการลงทุนของบริการและคุณลักษณะเฉพาะที่ขับเคลื่อนด้วย AI เมื่อการลงทุนใน AI เพิ่มขึ้น บริษัทต่างๆ จะถูกบังคับให้ทำเช่นนี้ ไม่มีบริษัทใดสามารถใช้จ่ายเงินไม่จำกัดกับการนวัตกรรมทดลองได้ตลอดไป ในที่สุดมันก็ต้องมีเหตุผลทางธุรกิจ

สู่ประสิทธิภาพที่ดีขึ้น

ไม่ว่าตัวเลข 6 ล้านเหรียญสหรัฐจะมีความหมายอย่างไร DeepSeek อาจทำให้เกิดการเปลี่ยนแปลงที่สำคัญที่ทำให้อุตสาหกรรมเทคโนโลยีตื่นตัวถึงความสำคัญของประสิทธิภาพ มันคงเปิดประตูให้กับการฝึกอบรมที่มีประสิทธิภาพในการใช้จ่าย การอนุมาน และแอปพลิเคชัน AI ที่ปลดปล่อยศักยภาพและผลตอบแทนจากการลงทุนของ AI ที่แท้จริง