AI ลดความเร็ว จะส่งผลต่อ CapEx และหุ้นเทคโนโลยีอย่างไร?

ชื่อเรื่องต้นฉบับ: The bottleneck isn't the model. It never was.
ผู้เขียนต้นฉบับ: Saket Mehrotra, Beta to Alpha

หมายเหตุบรรณาธิการ: เมื่อเร็ว ๆ นี้ Jacob Coxon ซึ่งเคยทำงานด้านการฝึกอบรมที่ OpenAI และ Anthropic ได้ประกาศลาออกจาก Anthropic และเรียกร้องให้ห้องปฏิบัติการ AI ชั้นนำประสานงานกันเพื่อจำกัดความสามารถในการพัฒนาของโมเดล Anthropic Evan Hubinger หัวหน้าวิทยาศาสตร์การจัดเรียงได้ตอบกลับว่าเขาเห็นด้วยกับการประเมินความเสี่ยงของ Coxon และคาดการณ์ว่าในอีกสิบปีข้างหน้าโอกาสที่ AI จะนำไปสู่การสูญพันธุ์ของมนุษย์จะสูงกว่า 10%

การถกเถียงนี้กำลังผลักดัน "AI ลดความเร็ว" จากประเด็นทางจริยธรรมไปสู่ตลาดทุน: หากห้องปฏิบัติการชั้นนำชะลอการพัฒนาโมเดลจริง ๆ การใช้จ่ายด้านทุน AI ที่เพิ่มขึ้นในช่วงไม่กี่ปีที่ผ่านมาจะถึงจุดเปลี่ยนหรือไม่? หุ้นเทคโนโลยีที่พึ่งพาเรื่องราว AI เพื่อรับมูลค่าเพิ่มจะต้องมีการปรับราคาหรือไม่?

ผู้เขียน Beta to Alpha Saket Mehrotra ในบทความ "The bottleneck isn't the model. It never was." ได้เสนอว่าความกังวลเกี่ยวกับความเสี่ยงของ AI ในห้องปฏิบัติการนั้นไม่เหมือนกับการลดการลงทุนในโครงสร้างพื้นฐาน ตราบใดที่บริษัทต่าง ๆ ยังคงกังวลว่าจะตามหลังในการแข่งขัน ความวิตกกังวลด้านความปลอดภัยอาจยังคงผลักดันการลงทุนด้านพลังงานคอมพิวเตอร์ ในขณะเดียวกัน ข้อจำกัดในอุตสาหกรรมได้เปลี่ยนจาก GPU, HBM และการบรรจุขั้นสูงไปสู่พลังงานและโครงข่ายไฟฟ้า

สิ่งนี้ไม่ได้หมายความว่า AI ลดความเร็วจะไม่มีผลกระทบต่อตลาด กล่าวอีกนัยหนึ่ง ผลกระทบขึ้นอยู่กับว่าการลดความเร็วเกิดขึ้นในระดับใด: หากเพียงแค่ขยายระยะเวลาการทดสอบความปลอดภัยและชะลอการเปิดตัวโมเดล CapEx อาจไม่ลดลง; หากรัฐบาลจำกัดการฝึกกลุ่ม, การจัดหาเซมิคอนดักเตอร์ หรือการใช้พลังงานของศูนย์ข้อมูลโดยตรง เฟรมเวิร์กการลงทุนทั้งหมดอาจเกิดการเปลี่ยนแปลงอย่างรุนแรง

ต่อไปนี้คือการแปลต้นฉบับ:

Jacob Coxon ได้โพสต์ประกาศลาออกบน X โดยเรียกร้องให้ห้องปฏิบัติการ AI ชั้นนำประสานงานเพื่อชะลอการแข่งขันด้านความสามารถ

การลาออกของ Jacob Coxon ได้ทำให้ความเสี่ยงของ AI ชั้นนำกลับมาอยู่ในความสนใจอีกครั้ง

Coxon เชื่อว่า OpenAI และ Anthropic กำลังแข่งขันกันในการพัฒนาอัจฉริยะที่สามารถปรับปรุงตนเองได้ แต่ไม่ได้ดำเนินการตามมาตรการด้านความปลอดภัยที่รับผิดชอบเพียงพอ นี่ไม่ใช่เสียงที่โดดเดี่ยวจากผู้วิจารณ์ภายนอก Evan Hubinger หัวหน้าวิทยาศาสตร์การจัดเรียงของ Anthropic ได้แสดงความเห็นสาธารณะว่าเขาเห็นด้วยกับการประเมินหลักของ Coxon และคาดการณ์ว่าในอีกสิบปีข้างหน้าโอกาสที่ AI จะนำไปสู่การสูญพันธุ์ของมนุษย์จะสูงกว่า 10% คำแถลงที่เกี่ยวข้องได้รับการรายงานโดยสื่อเช่น WIRED

แต่สำหรับนักลงทุน อาจมีคำถามอีกข้อที่ตรงไปตรงมากว่า: เมื่อห้องปฏิบัติการชั้นนำเริ่มพูดคุยเกี่ยวกับการลดความเร็ว การใช้จ่ายด้านทุน AI ของบริษัทเทคโนโลยีจะลดลงตามไปด้วยหรือไม่?

Mehrotra เชื่อว่าอย่างน้อยในช่วงนี้ ไม่สามารถวาดเส้นตรงระหว่างทั้งสองได้ การถกเถียงเกี่ยวกับความปลอดภัยของ AI เกิดขึ้นในระดับของโมเดลและการจัดการห้องปฏิบัติการ ในขณะที่ข้อจำกัดในรอบการใช้จ่ายด้านทุนนี้ได้ค่อย ๆ ลดลงไปยังเซมิคอนดักเตอร์, การบรรจุ, พลังงาน และโครงสร้างพื้นฐานทางกายภาพของศูนย์ข้อมูล

ยิ่งกังวลว่าจะสูญเสียการแข่งขัน ห้องปฏิบัติการยิ่งยากที่จะลดความเร็ว

ตามคำบรรยายของ Coxon ห้องปฏิบัติการชั้นนำไม่ได้ไม่มีความตระหนักถึงความเสี่ยง ปัญหาที่แท้จริงคือ ไม่มีห้องปฏิบัติการใดที่ต้องการเป็นคนแรกที่ชะลอความเร็ว

ตรรกะของการต่อสู้คือ: หากห้องปฏิบัติการหนึ่งเลือกที่จะลดความเร็ว คู่แข่งที่มีความตระหนักด้านความปลอดภัยน้อยกว่าอาจพัฒนาโมเดลที่ทรงพลังมากขึ้นก่อน หากไม่ให้คู่แข่งที่ไม่ระมัดระวังได้เปรียบดีกว่าที่จะลงทุนทรัพยากรต่อไปเพื่อให้แน่ใจว่าตนเองเป็นผู้นำ และพยายามควบคุมเทคโนโลยีในวิธีที่ปลอดภัยกว่า

ในมุมมองของผู้เขียน แนวคิดนี้ยากที่จะเปลี่ยนเป็นการลดการใช้จ่ายด้านทุน แต่กลับอาจเสริมสร้างการแข่งขันด้านอาวุธ ห้องปฏิบัติการยิ่งเชื่อว่าตนกำลังมีส่วนร่วมในการแข่งขันทางเทคโนโลยีที่สำคัญ ยิ่งยากที่จะลดการจัดซื้อ GPU, กลุ่มการฝึกอบรม และการลงทุนในศูนย์ข้อมูล

ดังนั้น ความวิตกกังวลด้านความปลอดภัยและการเติบโตของ CapEx สามารถอยู่ร่วมกันได้ มันอาจสร้างวงจรที่เสริมสร้างตนเอง: ห้องปฏิบัติการกังวลว่า AI จะพัฒนาความสามารถอย่างรวดเร็ว แต่ก็ลงทุนทรัพยากรมากขึ้นเพราะกลัวว่าจะตามหลังคู่แข่ง ทำให้การแข่งขันด้านความสามารถเร่งขึ้น

นี่คือคำอธิบายของผู้เขียนเกี่ยวกับโครงสร้างการต่อสู้ในอุตสาหกรรม และไม่ได้หมายความว่าผลลัพธ์นี้ได้รับการยืนยันจากแผนการใช้จ่ายด้านทุนของบริษัท เพื่อที่จะตัดสินว่าตรรกะนี้มีความถูกต้องหรือไม่ ยังคงต้องสังเกตว่าผู้ให้บริการคลาวด์หลักและห้องปฏิบัติการ AI เริ่มปรับแผนการจัดซื้อและการก่อสร้างจริงหรือไม่

การลดความเร็วของโมเดลไม่ได้หมายความว่ารอบการลงทุนในโครงสร้างพื้นฐานจะสิ้นสุด

การประเมินครั้งที่สองของ Mehrotra คือ ข้อจำกัดหลักของอุตสาหกรรม AI ได้ย้ายไปหลายครั้ง และการย้ายแต่ละครั้งได้เพิ่มความเข้มข้นของทุน

ในตอนแรก ข้อจำกัดในการฝึกอบรมโมเดลคือการจัดหา GPU และโควต้าชิป; จากนั้น ข้อจำกัดได้เปลี่ยนไปที่ HBM หน่วยความจำแบนด์วิดธ์สูง และการบรรจุขั้นสูง; ขณะนี้ การจัดหาพลังงาน การเข้าถึงโครงข่ายไฟฟ้า และการก่อสร้างศูนย์ข้อมูลกำลังกลายเป็นข้อจำกัดที่ยากจะจัดการอย่างรวดเร็ว

ความสามารถในการผลิตชิปและการบรรจุสามารถบรรเทาได้โดยการขยายสายการผลิต แต่ปัญหาพลังงานมักต้องการการสร้างหรือการเริ่มต้นโรงไฟฟ้า การเพิ่มกำลังการผลิตของกังหันก๊าซและหม้อแปลงไฟฟ้า และการปรับปรุงระบบการส่งและการเชื่อมต่อโครงข่าย โครงการประเภทนี้มีขนาดการลงทุนที่ใหญ่กว่าและระยะเวลาการก่อสร้างที่ยาวนาน ไม่สามารถแก้ไขได้ด้วยการอัปเกรดซอฟต์แวร์เพียงครั้งเดียว

ดังนั้น แม้ว่าอัตราการเปิดตัวโมเดลชั้นนำจะลดลง แต่คำสั่งซื้อชิปที่ได้ลงนาม ข้อตกลงการจัดหาพลังงาน และโครงการก่อสร้างศูนย์ข้อมูลก็อาจไม่หยุดทันที ความแตกต่างด้านเวลาอยู่ระหว่างการพัฒนาโมเดลและการก่อสร้างโครงสร้างพื้นฐาน โดยทั่วไปแล้ว CapEx จะไม่เปลี่ยนแปลงไปพร้อมกับความคิดเห็นหรือจังหวะการพัฒนา

ในขณะเดียวกัน การลดความเร็วไม่ได้หมายความว่าความต้องการพลังงานคอมพิวเตอร์จะลดลงตามธรรมชาติ การทดสอบความปลอดภัยที่ยาวนานขึ้น กระบวนการอนุมานที่ซับซ้อนมากขึ้น และการนำโมเดลที่มีอยู่ไปใช้ในสถานการณ์ขององค์กรและผู้บริโภคยังคงอาจใช้ทรัพยากรคอมพิวเตอร์จำนวนมาก

ผู้เขียนจึงเชื่อว่านักลงทุนไม่ควรให้ความสนใจเฉพาะโมเดลที่มีการถกเถียงกันอย่างรุนแรงในโซเชียลมีเดีย แต่ควรมองหาข้อจำกัดใหม่ที่กำลังเกิดขึ้นในอีก 18 เดือนข้างหน้า ตามกรอบนี้ ทรัพยากรที่ขาดแคลนที่ควรให้ความสนใจในขณะนี้ได้เปลี่ยนจาก "ความฉลาดของโมเดล" ไปสู่พลังงานและโครงสร้างพื้นฐานที่เกี่ยวข้อง

หุ้นเทคโนโลยี AI อาจเปลี่ยนจากการเพิ่มขึ้นทั่วไปไปสู่การแยกประเภท

หากการลดความเร็วของโมเดลไม่ได้หมายความว่าการใช้จ่ายด้านทุนจะหยุดลง ผลกระทบต่อหุ้นเทคโนโลยีก็จะไม่เป็นเพียงลบโดยรวม แต่จะสะท้อนให้เห็นถึงการปรับราคาของห่วงโซ่อุตสาหกรรม

ประการแรก บริษัทที่พึ่งพาโมเดลชั้นนำที่เพิ่มขึ้นอย่างต่อเนื่องและการสร้างรายได้อย่างรวดเร็วอาจได้รับผลกระทบมากขึ้น เมื่อการพัฒนาโมเดลชะลอตัว สมมติฐานเกี่ยวกับอัตราการเติบโตของรายได้ จังหวะการค้า และอัตราส่วนการประเมินอาจต้องมีการปรับเปลี่ยน

ประการที่สอง บริษัทที่มีทรัพยากร GPU, อุปกรณ์เครือข่าย, การจัดหาและการจัดจำหน่ายพลังงาน, การทำความเย็น และศูนย์ข้อมูล อาจไม่ได้รับผลกระทบจากคำสั่งซื้อในลักษณะเดียวกัน ตราบใดที่ผู้ให้บริการคลาวด์ยังคงขยายโครงสร้างพื้นฐาน หรือข้อจำกัดด้านพลังงานยังคงย้ายไปยังส่วนพลังงาน การลงทุนที่เกี่ยวข้องอาจยังคงมีแรงเฉื่อยที่แข็งแกร่ง

ประการที่สาม ตลาดต้องแยกแยะระหว่างการฝึกอบรมและการอนุมาน แม้ว่าห้องปฏิบัติการจะประสานงานเพื่อจำกัดการฝึกอบรมขนาดใหญ่ของโมเดลชั้นนำ ความต้องการการอนุมานของโมเดลที่มีอยู่ การนำไปใช้ในองค์กร และการแพร่หลายของแอปพลิเคชัน AI ยังคงอาจผลักดันการใช้พลังงานคอมพิวเตอร์ ในเวลานั้น CapEx อาจเกิดการเปลี่ยนแปลงโครงสร้าง แทนที่จะลดลงอย่างรุนแรง

สิ่งนี้หมายความว่า การลดความเร็วของ AI อาจไม่เปลี่ยนทิศทางการเติบโตของอุตสาหกรรมเทคโนโลยีทั้งหมด แต่จะเปลี่ยนแปลงสถานการณ์ที่สินทรัพย์ต่าง ๆ แบ่งปันตรรกะการประเมินค่า AI เดียวกัน ในอดีต บริษัทโมเดล บริษัทคลาวด์ บริษัทเซมิคอนดักเตอร์ และผู้ให้บริการโครงสร้างพื้นฐานด้านพลังงานสามารถได้รับมูลค่าเพิ่มจากเรื่องราว AI; หากการแข่งขันด้านความสามารถของโมเดลชะลอตัว ตลาดอาจเริ่มแยกแยะความแตกต่างระหว่างความเป็นผู้นำทางเทคโนโลยี ความสามารถในการค้า และการดำเนินการตามคำสั่ง

ตัวแปรที่แท้จริงในการเปลี่ยนแปลงตรรกะ CapEx คือการกำกับดูแล

Mehrotra เชื่อว่าตัวแปรที่อาจทำให้รอบการใช้จ่ายด้านทุน AI นี้หยุดชะงัก ไม่ใช่การขาดแคลนซัพพลายเชนอีกครั้ง แต่เป็นการที่รัฐบาลตั้งข้อจำกัดที่เข้มงวดจากภายนอกระบบ

การขาดแคลน GPU, HBM, พลังงาน และหม้อแปลงไฟฟ้า ยังสามารถบรรเทาได้ด้วยการเพิ่มการลงทุน พวกเขาอาจทำให้การเปิดตัวศูนย์ข้อมูลล่าช้า แต่ก็จะชี้นำทุนไปยังส่วนที่ขาดแคลนใหม่

การกำกับดูแลนั้นแตกต่างออกไป หากรัฐบาลจำกัดการจัดซื้อชิประดับสูง ขนาดของกลุ่มการฝึกอบรม พลังงานที่จำเป็นสำหรับการฝึกอบรมโมเดล หรือการใช้พลังงานของศูนย์ข้อมูลโดยตรง บริษัทจะยากที่จะทำลายข้อจำกัดเพียงแค่เพิ่มการลงทุน ในสถานการณ์นี้ ความคาดหวัง CapEx ของผู้ให้บริการคลาวด์ คำสั่งซื้อโครงสร้างพื้นฐาน และการประเมินค่าเทคโนโลยีที่เกี่ยวข้องกับ AI อาจเผชิญกับการปรับลดพร้อมกัน

อย่างไรก็ตาม ต้นฉบับมองว่าสถานการณ์นี้เป็นความเสี่ยงที่ต่ำมาก ไม่ใช่สถานการณ์พื้นฐาน การประเมินนี้ยังต้องมีการตรวจสอบอย่างต่อเนื่อง ไม่สามารถเข้าใจได้ว่าความเสี่ยงด้านการกำกับดูแลได้ถูกกำจัดออกไปแล้ว เมื่อความกังวลภายในห้องปฏิบัติการ AI ถูกเปิดเผย ความกดดันทางนโยบายจากภายนอกอาจยังคงเพิ่มขึ้น

ต่อไปนี้ ตลาดต้องสังเกตไม่ใช่แค่คำว่า "AI ลดความเร็ว" ที่เป็นคำทั่วไป แต่เป็นสัญญาณที่เฉพาะเจาะจงสามประการ: ห้องปฏิบัติการชั้นนำจะรวมการลดความเร็วไว้ในแผนการวิจัยอย่างเป็นทางการหรือไม่ ผู้ให้บริการคลาวด์หลักจะลดคำสั่งซื้อศูนย์ข้อมูลหรือไม่ และการกำกับดูแลจะเริ่มสัมผัสกับชิป พลังงาน และการจัดหาพลังงานหรือไม่

การลาออกของ Coxon ยืนยันว่าความกังวลด้านความปลอดภัยของ AI ชั้นนำได้เข้าสู่ภายในห้องปฏิบัติการจากการวิจารณ์ภายนอก แต่จากการที่นักวิจัยแสดงความกังวลไปจนถึงบริษัทเทคโนโลยีที่ลดการใช้จ่ายด้านทุนจริง ๆ ยังมีหลายขั้นตอนที่ต้องผ่าน เช่น ความกดดันในการแข่งขัน การสร้างนิสัย และการขาดแคลนโครงสร้างพื้นฐาน

AI ลดความเร็วอาจไม่สิ้นสุดรอบการใช้จ่ายด้านทุน แต่สามารถสิ้นสุดช่วงเวลาที่สินทรัพย์ AI ทั้งหมดแบ่งปันตรรกะการเพิ่มขึ้นเดียวกันได้。

[ลิงก์ต้นฉบับ]