วิจัยชี้ ต้นทุน AI ดิ่งลง 13 เท่าใน 1 ปี เผยเหตุผลที่โมเดลฉลาดขึ้นแต่ถูกลง พร้อมโอกาสทลายกำแพงค่าใช้จ่ายของธุรกิจยุคใหม่
จากรายงานวิจัยล่าสุดของ Epoch AI องค์กรวิจัยด้านปัญญาประดิษฐ์ชั้นนำ ชี้ให้เห็นว่า ค่าใช้จ่ายในการทำให้โมเดล AI ทำงานได้ตามมาตรฐานที่กำหนด ลดลงเกือบ 50% ในทุกไตรมาส หรือคิดเป็นอัตราที่ถูกลงกว่าเดิมถึง 13 เท่าในเวลาเพียงหนึ่งปี
การดิ่งลงของราคานี้ไม่ได้เกิดขึ้นแบบค่อยเป็นค่อยไปเหมือนราคาทองนะ แต่มันรวดเร็วจนเปลี่ยนโจทย์ของโลกซอฟต์แวร์ขั้นสูงอย่างสิ้นเชิง จากเดิมที่เทคโนโลยีระดับสูงมีราคาแพงลิบลิ่วจนเข้าถึงได้เฉพาะบริษัทยักษ์ใหญ่ วันนี้มันกำลังกลายเป็นของที่ใคร ๆ ก็จ่ายไหวในชีวิตประจำวัน
เพื่อให้เห็นภาพที่ชัดเจน Epoch AI ไม่ได้วัดจากราคาเฉลี่ยรวม ๆ ของสินค้าในตลาด แต่วัดจาก ต้นทุนในการทำให้โมเดลสอบผ่านเกณฑ์มาตรฐานเดียวกัน โดยใช้ข้อสอบชุดหินอย่าง GPQA Diamond ซึ่งรวมคำถามปรนัยระดับปริญญาเอกสายวิทยาศาสตร์
ในเดือนมกราคม 2025 GPT o3 ของ OpenAI ทำคะแนนสอบได้ 75% โดยมีต้นทุนการประมวลผลอยู่ที่ 0.30 ดอลลาร์ต่อข้อ หรือประมาณ 10 บาท
กลางปี 2026 โมเดล GPT-5.6 Luna สามารถทำคะแนนในระดับ 75% เท่ากันเป๊ะ แต่ใช้ต้นทุนเพียง 0.0004 ดอลลาร์ต่อข้อ ตีเป็นเงินไทยราว ๆ 0.014 บาท หรือเศษเสี้ยวของหนึ่งสตางค์
ตัวเลขนี้สะท้อนว่า การแข่งขันในสมรภูมิปัญญาประดิษฐ์ยุคนี้ไม่ได้วัดกันที่ความเก่งเพียงอย่างเดียวอีกต่อไป แต่คุณภาพของคำตอบต้องมาพร้อมกับประสิทธิภาพในการประหยัดพลังงานและการใช้จำนวนโทเคนที่น้อยลงด้วย
โดยหากนำการลดลงของ ต้นทุน AI ไปเทียบกับเทคโนโลยีที่เปลี่ยนโลกในอดีต จะเห็นความต่างที่น่าตกใจครับ
- แบตเตอรี่ลิเทียม ต้องใช้เวลานานถึง 33 ปี (1991–2024) ต้นทุนจึงลดลงมาราว 100 เท่า
- การถอดรหัสดีเอ็นเอ ต้องใช้เวลานานกว่า 2 ทศวรรษกว่ากราฟต้นทุนจะปรับลดลง
- ระบบประมวลผลคอมพิวเตอร์ ใช้เวลาร่วม 60 ปีนับตั้งแต่ทศวรรษ 1940 ต้นทุนจึงลดลงได้หลายแสนล้านเท่า
เมื่อเทียบอัตราความเร็ว Epoch AI ประมาณการว่า ต้นทุนของสมรรถนะ AI ลดลงเร็วกว่าการถอดรหัสดีเอ็นเอถึง 4 เท่า และเร็วกว่าแบตเตอรี่ลิเทียมถึง 18 เท่า
แล้วทำไมต้นทุน AI ถึงถูกลง ทั้งๆ ที่ราคาฮาร์ดแวร์สวนทาง?
แม้ต้นทุนฮาร์ดแวร์ ศูนย์ข้อมูล และพลังงานจะพุ่งสูงเป็นประวัติการณ์ แต่ต้นทุนการใช้งาน AI กลับถูกลงอย่างมากจากการยกระดับประสิทธิภาพของตัวโมเดล
โดยเฉพาะการนำสถาปัตยกรรม Mixture of Experts หรือ MoE มาใช้เพื่อดึงเฉพาะพารามิเตอร์ส่วนที่เชี่ยวชาญมาประมวลผลแทนการรันทั้งระบบ ควบคู่กับเทคนิคการกลั่นกรองความรู้ และการลดทอนความละเอียดของชุดข้อมูลลงเหลือ 8-bit หรือ 4-bit ซึ่งช่วยตัดทอนการใช้แรมและพลังงานลงมหาศาลโดยที่ความแม่นยำแทบไม่ลดลง
อีกปัจจัยสำคัญคือการปฏิวัติซอฟต์แวร์ฝั่งประมวลผลผ่านระบบจัดการแคชที่มีประสิทธิภาพและเทคนิคคาดเดาคำล่วงหน้า ส่งผลให้ฮาร์ดแวร์เดิมรองรับปริมาณการตอบคำถามได้มากกว่าเดิมหลายเท่าตัว
ประกอบกับการบริหารโทเคนที่ฉลาดขึ้น ทำให้โมเดลตอบคำถามได้ตรงจุดโดยใช้กระบวนการคิดและจำนวนคำที่สั้นลง ต้นทุนค่าใช้จ่ายเฉลี่ยต่อหนึ่งคำตอบจึงลดลงอย่างต่อเนื่องครับ
เมื่อปัญญาประดิษฐ์ถูกลง แล้วเราได้อะไร?
ในมุมมองของผู้ใช้งานทั่วไปและผู้ประกอบการ การที่ต้นทุนโมเดลระดับแนวหน้าถูกลงอย่างก้าวกระโดดนับเป็นข่าวดีมากครับ เพราะมันช่วยทลายกำแพงค่าใช้จ่ายลงอย่างสิ้นเชิง
ซอฟต์แวร์และแอปพลิเคชันที่เราใช้ในชีวิตประจำวันจะมีฟีเจอร์ AI ฝังตัวเข้ามาเป็นมาตรฐานโดยไม่ต้องจ่ายค่าสมาชิกแพงระยับ ธุรกิจขนาดเล็กสามารถสร้างระบบอัตโนมัติหรือแชตบอตอัจฉริยะได้ด้วยงบประมาณหลักร้อย แทนที่จะเป็นหลักแสนเหมือนในอดีต
อย่างไรก็ตาม ราคาที่ถูกลงไม่ได้การันตีความสำเร็จเสมอไป สิ่งที่ผู้ใช้ต้องระวังคือ ความคุ้มค่าในการใช้ เพราะการเลือกใช้ AI สำหรับองค์กรไม่ได้ขึ้นอยู่กับราคาต่อครั้งเพียงอย่างเดียว แต่ยังรวมถึงเรื่องความปลอดภัยของข้อมูล ความถูกต้องแม่นยำ และความเข้ากันได้กับระบบเดิมของบริษัทด้วยเช่นกัน
ที่มา : techspot
