CEO ของ IBM กล่าวว่าคณิตศาสตร์โครงสร้างพื้นฐาน AI ไม่ลงตัว

อัปเดตเมื่อวันที่ 11 ธันวาคม 2025

อัปเดตเดือนธันวาคม 2025: Arvind Krishna CEO ของ IBM เตือนว่าโครงสร้างพื้นฐาน AI ที่วางแผนไว้ 100GW ต้องใช้เงินลงทุน 8 ล้านล้านดอลลาร์ และต้องการกำไรประจำปี 8 แสนล้านดอลลาร์เพื่อให้คุ้มค่า—"ไม่มีทางที่คุณจะได้รับผลตอบแทนจากสิ่งนั้น" Krishna ประมาณการว่ามีโอกาส 0-1% ที่สถาปัตยกรรม LLM ปัจจุบันจะบรรลุ AGI การเสื่อมราคาของอุปกรณ์ที่บังคับให้เปลี่ยนทุก 5 ปีทำให้ความท้าทายทวีคูณ AI สำหรับองค์กรประสบความสำเร็จ แต่โครงสร้างพื้นฐาน AGI เชิงเก็งกำไรกำลังดิ้นรน

Arvind Krishna ประธานเจ้าหน้าที่บริหารของ IBM ได้นำเสนอการประเมินที่น่าขบคิดในพอดแคสต์ Decoder ของ The Verge: การสร้างโครงสร้างพื้นฐาน AI ระดับล้านล้านดอลลาร์ไม่สามารถสร้างผลตอบแทนได้ภายใต้เศรษฐศาสตร์ปัจจุบัน¹ การวิเคราะห์ของ Krishna อาศัยการคำนวณตรงไปตรงมาที่อุตสาหกรรมส่วนใหญ่เลือกที่จะเพิกเฉย

ตัวเลขทำงานดังนี้ ศูนย์ข้อมูล AI ขนาด 1 กิกะวัตต์ต้องใช้ฮาร์ดแวร์คอมพิวเตอร์ประมาณ 80,000 ล้านดอลลาร์² แผนปัจจุบันจากการประกาศทั้งภาครัฐและเอกชนชี้ไปที่กำลังการผลิตที่เน้น AGI ประมาณ 100 กิกะวัตต์³ นั่นรวมเป็นเงินลงทุน 8 ล้านล้านดอลลาร์ เพื่อให้การลงทุนนั้นคุ้มค่า ผู้ดำเนินการต้องการกำไรประจำปีประมาณ 8 แสนล้านดอลลาร์เพียงเพื่อชำระต้นทุนทุน⁴

"ไม่มีทางที่คุณจะได้รับผลตอบแทนจากสิ่งนั้นในมุมมองของผม" Krishna กล่าวอย่างตรงไปตรงมา⁵

ปัญหาการเสื่อมราคาที่ไม่มีใครพูดถึง

Krishna ระบุว่าการเสื่อมราคาเป็นการคำนวณที่นักลงทุนและนักวิเคราะห์ประเมินต่ำที่สุด ตัวเร่ง AI เสื่อมราคาในเวลา 5 ปี ความเร็วของการเปลี่ยนแปลงทางสถาปัตยกรรมหมายความว่าผู้ดำเนินการต้องเปลี่ยนทั้งฝูงบินแทนที่จะขยายอายุการใช้งาน อุปกรณ์ที่ซื้อวันนี้จะล้าสมัยก่อนที่จะคืนทุน

"คุณต้องใช้มันทั้งหมดใน 5 ปี เพราะเมื่อถึงจุดนั้น คุณต้องทิ้งมันไปและเติมใหม่" Krishna อธิบาย⁶ ฮาร์ดแวร์ทุกรุ่นให้การปรับปรุงประสิทธิภาพอย่างมาก การรัน inference บน GPU อายุ 5 ปีหมายถึงจ่ายค่าไฟฟ้ามากกว่ามูลค่าที่คอมพิวเตอร์สร้างได้ วงจรการเสื่อมราคาบังคับให้ลงทุนซ้ำอย่างต่อเนื่องซึ่งทำให้ความต้องการเงินทุนทวีคูณ

Hyperscaler ที่สร้างสิ่งอำนวยความสะดวกเหล่านี้เข้าใจคณิตศาสตร์การเสื่อมราคา พวกเขาสร้างอยู่ดี โดยเดิมพันว่าการเติบโตของรายได้ AI จะแซงหน้าต้นทุนโครงสร้างพื้นฐาน Krishna ตั้งคำถามว่าการเดิมพันนั้นจะคุ้มค่าหรือไม่ในระดับที่วางแผนไว้ในปัจจุบัน ช่องว่างระหว่างความต้องการเงินทุนและรายได้ที่เป็นไปได้ยังคงกว้างเกินไป

Krishna แยกตัวจากผู้เชื่อใน AGI

CEO ของ IBM แสดงความสงสัยเกี่ยวกับปัญญาประดิษฐ์ทั่วไป (AGI) ว่าจะบรรลุผลผ่านแนวทางปัจจุบันได้หรือไม่ Krishna ประมาณการว่าความน่าจะเป็นที่สถาปัตยกรรม large language model ที่มีอยู่จะบรรลุ AGI อยู่ที่ระหว่างศูนย์ถึงหนึ่งเปอร์เซ็นต์⁷ AGI "จะต้องใช้เทคโนโลยีมากกว่าเส้นทาง LLM ปัจจุบัน" เขาโต้แย้ง

เมื่อ Nilay Patel พิธีกร Decoder ตั้งข้อสังเกตว่า Sam Altman CEO ของ OpenAI เชื่อว่า OpenAI สามารถสร้างผลตอบแทนจากการลงทุนได้ Krishna ตอบโดยตรง: "นั่นเป็นความเชื่อ นั่นคือสิ่งที่บางคนชอบไล่ตาม ผมเข้าใจจากมุมมองของพวกเขา แต่นั่นแตกต่างจากการเห็นด้วยกับพวกเขา"⁸

ความไม่เห็นด้วยนี้เน้นให้เห็นความแตกแยกพื้นฐานในอุตสาหกรรม AI ฝ่ายหนึ่งเชื่อว่า AGI จะเกิดขึ้นจากการขยายสถาปัตยกรรมปัจจุบัน ซึ่งเป็นเหตุผลสำหรับการลงทุนโครงสร้างพื้นฐานในทุกระดับ อีกฝ่ายหนึ่ง รวมถึง Krishna เชื่อว่าเส้นทางสู่ AGI ต้องการความก้าวหน้าที่เกินกว่าโมเดลขนาดใหญ่และพลังคอมพิวเตอร์มากขึ้น ช่องว่างความเชื่อนั้นขับเคลื่อนการคำนวณการลงทุนที่แตกต่างกันอย่างมาก

โอกาสสำหรับองค์กรยังคงเป็นจริง

ความสงสัยของ Krishna เกี่ยวกับเศรษฐศาสตร์โครงสร้างพื้นฐาน AGI ไม่ได้ขยายไปถึง AI สำหรับองค์กร CEO ของ IBM ยืนยันว่า AI "จะปลดปล่อยผลิตภาพมูลค่าหลายล้านล้านดอลลาร์ในองค์กร"⁹ ความแตกต่างนี้สำคัญ: AI สำหรับองค์กรทำงานในระดับที่ต้นทุนโครงสร้างพื้นฐานสร้างผลตอบแทนที่ชัดเจน

บริษัทที่ใช้ AI เพื่อทำให้การบริการลูกค้าเป็นอัตโนมัติ เพิ่มประสิทธิภาพห่วงโซ่อุปทาน หรือเร่งการค้นพบยา สามารถคำนวณผลตอบแทนจากการลงทุนได้อย่างแม่นยำพอสมควร ความต้องการคอมพิวเตอร์ยังคงมีขอบเขต มูลค่าที่สร้างขึ้นไหลโดยตรงไปยังองค์กรที่ใช้เทคโนโลยี เศรษฐศาสตร์ AI สำหรับองค์กรทำงานได้ในระดับมนุษย์

เศรษฐศาสตร์ AGI ทำงานต่างออกไป การสร้างโครงสร้างพื้นฐานเพื่อบรรลุปัญญาประดิษฐ์ทั่วไปต้องใช้เงินลงทุนล่วงหน้าจำนวนมากพร้อมผลตอบแทนที่ไม่แน่นอน ไทม์ไลน์ยาวเกินขอบเขตการลงทุนปกติ พลวัตการแข่งขันกระตุ้นให้สร้างเกินความจำเป็น เนื่องจากผู้เล่นแต่ละรายแข่งกันเพื่อบรรลุความสามารถที่ก้าวหน้าก่อน การวิเคราะห์การลงทุนอย่างมีเหตุผลถูกแทนที่ด้วยการแข่งขันเพื่อความอยู่รอด

ตำแหน่งเชิงกลยุทธ์ของ IBM สะท้อนมุมมองของ Krishna บริษัทมุ่งเน้นที่การใช้งาน AI สำหรับองค์กรมากกว่าการพัฒนาโมเดลแนวหน้า การเข้าซื้อกิจการ Confluent มูลค่า 11,000 ล้านดอลลาร์ที่ประกาศไม่กี่วันหลังจากการปรากฏตัวในพอดแคสต์ของ Krishna ตอกย้ำการมุ่งเน้นนั้น¹⁰ IBM สร้างโครงสร้างพื้นฐานข้อมูลที่องค์กรต้องการเพื่อใช้งาน AI โดยปล่อยให้การแสวงหา AGI เป็นเรื่องของคนอื่นที่ยินดียอมรับโอกาสที่ยาวนานกว่า

จะเป็นอย่างไรถ้า Krishna ถูก?

การสร้างโครงสร้างพื้นฐาน AI ยังคงดำเนินต่อไปโดยไม่คำนึงถึงคำเตือนของ Krishna Microsoft, Google, Amazon และ Meta รวมกันวางแผนลงทุนในศูนย์ข้อมูลหลายร้อยพันล้านดอลลาร์ OpenAI ผ่านความร่วมมือ Stargate ตั้งเป้าการใช้จ่ายโครงสร้างพื้นฐาน 500,000 ล้านดอลลาร์¹¹ เงินทุนยังคงไหลเข้ามา

หากการวิเคราะห์ของ Krishna พิสูจน์ว่าถูกต้อง การคิดบัญชีจะมาถึงภายในวงจรการเสื่อมราคา สิ่งอำนวยความสะดวกที่สร้างในปี 2025 ต้องสร้างผลตอบแทนภายในปี 2030 มิฉะนั้นจะเผชิญกับการตัดจำหน่าย บริษัทที่สร้างเกินจะปรับกำลังการผลิตให้เหมาะสม ตลาดโครงสร้างพื้นฐาน AI จะรวมตัวรอบผู้รอดชีวิตที่มีเศรษฐศาสตร์ยั่งยืน

สถานการณ์นี้ไม่ต้องการให้ AI ล้มเหลว AI สามารถส่งมอบคุณค่ามหาศาลในขณะที่การลงทุนโครงสร้างพื้นฐานระดับ AGI ยังคงพิสูจน์ว่าไม่คุ้มทางเศรษฐกิจ AI สำหรับองค์กรเจริญรุ่งเรืองในขณะที่การแสวงหา AGI กินทุนโดยไม่ได้ผลตอบแทนที่เพียงพอ ความแตกต่างระหว่างเทคโนโลยีที่มีคุณค่าและการลงทุนที่ดียังคงสำคัญ

หากการวิเคราะห์ของ Krishna พิสูจน์ว่าผิด ผู้เชื่อใน AGI จะชนะการเดิมพันที่ใหญ่ที่สุดในประวัติศาสตร์เทคโนโลยี AGI ที่ประสบความสำเร็จจะเป็นเหตุผลสำหรับการลงทุนโครงสร้างพื้นฐานใดๆ และให้รางวัลแก่ผู้สร้างยุคแรกด้วยความสามารถที่เปลี่ยนแปลงโลก OpenAI, xAI และองค์กรอื่นๆ ที่มุ่งเน้น AGI ดำเนินการบนทฤษฎีนั้น

ตลาดจะตัดสิน

IBM ครองตำแหน่งที่แตกต่างจากบริษัทที่ Krishna วิพากษ์วิจารณ์โดยนัย Big Blue ขาดทรัพยากรในการแข่งขันในการแข่งโครงสร้างพื้นฐาน AGI และเลือกที่จะไม่พยายาม คำเตือนของ Krishna อาจสะท้อนการวางตำแหน่งเชิงกลยุทธ์มากพอๆ กับความเชื่อมั่นเชิงวิเคราะห์ IBM ได้ประโยชน์หาก AI สำหรับองค์กรได้รับความสนใจและเงินทุนมากกว่าการแสวงหา AGI

การวางตำแหน่งนั้นไม่ได้ทำให้การวิเคราะห์เป็นโมฆะ การคำนวณที่ Krishna นำเสนอต้องการการหักล้าง ไม่ใช่การปัดตก เงินทุน 8 ล้านล้านดอลลาร์ต้องการผลตอบแทนประจำปีหลายร้อยพันล้าน รายได้ AI ปัจจุบัน แม้จะเติบโตอย่างรวดเร็ว แต่ยังขาดอยู่มาก ช่องว่างต้องปิดเพื่อให้การลงทุนคุ้มค่า

ความเต็มใจของ Krishna ที่จะแสดงความสงสัยต่อสาธารณะเป็นการถ่วงดุลที่มีประโยชน์ต่อความกระตือรือร้นที่แพร่หลาย อุตสาหกรรม AI ได้ประโยชน์จากผู้บริหารที่ตั้งคำถามกับสมมติฐานและเรียกร้องการวิเคราะห์ทางการเงินอย่างเข้มงวด ไม่ว่า Krishna จะพิสูจน์ว่าถูกหรือผิด วินัยในการตอบความท้าทายของเขาเสริมสร้างการตัดสินใจลงทุนทั่วทั้งระบบนิเวศ

คำถามระดับล้านล้านดอลลาร์ยังคงเปิดอยู่: โครงสร้างพื้นฐาน AI สามารถสร้างผลตอบแทนในระดับที่วางแผนไว้ในปัจจุบันได้หรือไม่? Krishna บอกว่าไม่ ผู้สร้างไม่เห็นด้วย ห้าปีข้างหน้าจะเปิดเผยว่ามุมมองใดพิสูจน์ว่าถูกต้อง

อ้างอิง

1. Fortune. "IBM CEO warns there's 'no way' hyperscalers like Google and Amazon will be able to turn a profit at the rate of their data center spending." December 3, 2025. https://fortune.com/2025/12/03/ibm-ceo-no-way-hyperscalers-google-amazon-turn-profit-data-center-spending/

2. Tom's Hardware. "IBM CEO warns that ongoing trillion-dollar AI data center buildout is unsustainable." December 4, 2025. https://www.tomshardware.com/tech-industry/ibm-ceo-warns-trillion-dollar-ai-boom-unsustainable-at-current-infrastructure-costs

3. Tom's Hardware. "IBM CEO warns that ongoing trillion-dollar AI data center buildout is unsustainable."

4. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

5. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

6. TechRadar. "IBM CEO warns trillion-dollar AI data center expansions risk catastrophic losses if hardware refresh cycles stay relentlessly fast." December 2025. https://www.techradar.com/pro/there-is-no-way-ibm-ceo-says-current-ai-data-center-trends-are-unsustainable-and-he-would-know

7. CXO Digital Pulse. "IBM's Arvind Krishna Warns of Unsustainable Economics Behind AGI-Scale Data Center Race." December 2025. https://www.cxodigitalpulse.com/ibms-arvind-krishna-warns-of-unsustainable-economics-behind-agi-scale-data-center-race/

8. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

9. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

10. IBM. "IBM to Acquire Confluent to Create Smart Data Platform for Enterprise Generative AI." IBM Newsroom, December 8, 2025. https://newsroom.ibm.com/2025-12-08-ibm-to-acquire-confluent-to-create-smart-data-platform-for-enterprise-generative-ai

11. OpenAI Stargate Partnership announcements, 2025.

• Alt 2: ibm-ceo-8-trillion-ai-infrastructure-returns

ประเด็นสำคัญ

สำหรับนักวางแผนกลยุทธ์: - ศูนย์ข้อมูล AI 1GW ต้องใช้ฮาร์ดแวร์คอมพิวเตอร์ ~80,000 ล้านดอลลาร์; กำลังการผลิต AGI ที่วางแผนไว้ 100GW = เงินลงทุน 8 ล้านล้านดอลลาร์ - ต้องการกำไรประจำปี 8 แสนล้านดอลลาร์เพียงเพื่อชำระต้นทุนทุนจากการลงทุนโครงสร้างพื้นฐาน 8 ล้านล้านดอลลาร์ - Krishna ประมาณการว่ามีความน่าจะเป็น 0-1% ที่สถาปัตยกรรม LLM ปัจจุบันจะบรรลุ AGI

สำหรับทีมการเงิน: - ตัวเร่ง AI เสื่อมราคาใน 5 ปี; การเปลี่ยนแปลงทางสถาปัตยกรรมบังคับให้เปลี่ยนทั้งฝูงบิน - การรัน inference บน GPU อายุ 5 ปีมีค่าใช้จ่ายไฟฟ้ามากกว่ามูลค่าที่คอมพิวเตอร์สร้างได้ - ช่องว่างระหว่างความต้องการเงินทุนและรายได้ที่เป็นไปได้ยังคงกว้างเกินไปตามที่ Krishna กล่าว

สำหรับทีม AI องค์กร: - Krishna แยกแยะการแสวงหา AGI จาก AI สำหรับองค์กร: ความต้องการคอมพิวเตอร์มีขอบเขต, ROI คำนวณได้ - การเข้าซื้อกิจการ Confluent มูลค่า 11,000 ล้านดอลลาร์ของ IBM ตอกย้ำการมุ่งเน้นที่โครงสร้างพื้นฐานข้อมูลองค์กรมากกว่าโมเดลแนวหน้า - เศรษฐศาสตร์ AI สำหรับองค์กรทำงานได้ในระดับมนุษย์; เศรษฐศาสตร์ AGI ต้องใช้เงินลงทุนล่วงหน้าจำนวนมากพร้อมผลตอบแทนที่ไม่แน่นอน

สำหรับนักลงทุน: - หาก Krishna พิสูจน์ว่าถูกต้อง การคิดบัญชีจะมาถึงภายในวงจรการเสื่อมราคา 5 ปี (สิ่งอำนวยความสะดวกที่สร้างในปี 2025 ต้องคืนทุนภายในปี 2030) - ความร่วมมือ Stargate ของ OpenAI ตั้งเป้าโครงสร้างพื้นฐาน 500,000 ล้านดอลลาร์; Microsoft/Google/Amazon วางแผนอีกหลายร้อยพันล้าน - IBM วางตำแหน่งสำหรับการใช้งาน AI องค์กรมากกว่าการพัฒนาโมเดลแนวหน้า