Brian Armstrong CEO ของ Coinbase ให้เหตุผลว่าโครงสร้างพื้นฐานด้านพลังงานและการประมวลผล—not คุณภาพของโมเดล—จะเป็นตัวกำหนดขีดจำกัดสูงสุดของการเติบโตปัญญาประดิษฐ์
Armstrong ให้ข้อสังเกตนี้ในการตอบโพสต์ของนักลงทุน Tommy Shaughnessy ซึ่งอธิบายว่าการคิดค่าบริการ API แบบเหมาจ่ายต่อการใช้งาน กำลังผลักดันให้ค่าใช้จ่ายด้าน AI ขององค์กรเกินกว่าที่รูปแบบการสมัครแบบจ่ายรายเดือนที่บริษัทต่าง ๆ คาดหวังไว้
ความต้องการในเรื่องปัญญาประดิษฐ์แทบจะไร้ขีดจำกัด
แก่นสำคัญของข้อถกเถียงจาก CEO ของ Coinbase คือความต้องการปัญญาประดิษฐ์ที่ AI สร้างขึ้นไม่มีขีดจำกัดในทางปฏิบัติ
อย่างไรก็ตาม เขาคาดว่าตลาดจะถูกแบ่งออกอย่างชัดเจนภายใน 12 ถึง 18 เดือนข้างหน้า โดยคาดว่าราว 80% ของงานประมวลผลจะย้ายไปใช้งานโมเดลที่มีราคาไม่ถึง 1% ของตัวเลือกระดับสูงในปัจจุบัน
อีก 20% ที่เหลือ ซึ่งครอบคลุมกรณีใช้งานที่ต้องการประสิทธิภาพสูงสุด เช่น การวิจัยทางวิทยาศาสตร์หรือเอเจนต์ออร์เคสเตรเตอร์ระดับสูง จะยังคงรันอยู่บนโมเดลแนวหน้าเหล่านี้
Armstrong เปรียบเทียบการแบ่งนี้กับฮาร์ดแวร์สำหรับผู้บริโภค โดยชี้ว่าผู้ซื้อส่วนใหญ่มักจะไม่เลือกอุปกรณ์ MacBook หรือ คอมพิวเตอร์สำหรับเล่นเกม สเปคสูงสุด แม้ว่าราคาจะลดลงเร็วกว่า Moore’s Law ทำนายไว้ก็ตาม
เขายังเสริมว่าการหดตัวของราคานี้จะไม่สามารถแก้ไขปัญหาการขาดแคลนได้ เมื่อค่าใช้จ่ายของโมเดลลดลงและตัวเลือกที่ราคาถูกแพร่หลายในตลาด ปัญหาคอขวดก็จะย้ายอยู่ที่ต้นทาง นั่นคือพลังงานและชิพซิลิคอนที่จำเป็นต้องใช้ในการรันโมเดลในระดับใหญ่
กลยุทธ์การกำหนดเส้นทางของ Coinbase
Coinbase ได้นำหลักตรรกะนี้มาใช้จริงแล้ว Armstrong กล่าวว่าแพลตฟอร์มจะเลือกส่งคำสั่งประมวลผลไปยังโมเดลราคาต่ำกว่าหากเหมาะสม ซึ่งช่วยควบคุมค่าใช้จ่าย AI ให้คงที่ แม้ปริมาณการใช้โทเคนจะเพิ่มขึ้นแบบก้าวกระโดด
การปรับโครงสร้าง Coinbase ที่เน้น AI-native เมื่อต้นปี 2026 ของเขา แสดงถึงการเปลี่ยนผ่านไปสู่เวิร์กโฟลว์ที่ขับเคลื่อนด้วยเอเจนต์และมีประสิทธิภาพมากขึ้น นอกจากนี้จุดยืนของเขาต่อการไม่ออกกฎควบคุม AI มากเกิน จำเพาะเจาะจง ยังสะท้อนถึงความเชื่อมั่นว่าทิศทางของเทคโนโลยีควรเป็นไปอย่างอิสระและไม่ถูกขวางด้วยนโยบาย
แนวทางดังกล่าวนั้นสะท้อนถึงแรงกดดันที่ Shaughnessy กล่าวถึง เขายกตัวอย่าง Uber ที่ใช้เงินงบประมาณด้าน AI ของปี 2026 หมดตั้งแต่เดือน April ซึ่งแสดงให้เห็นว่าค่าใช้จ่าย AI ขององค์กรต่าง ๆ พุ่งสูงเร็วเพียงใด วิกฤตค่าใช้จ่าย AI สำหรับองค์กร อาจเกิดขึ้นได้อย่างรวดเร็ว
Shaughnessy ยังกล่าวอีกว่าระบบ open-source อย่าง DeepSeek V4 มีประสิทธิภาพใกล้เคียงกับระบบ proprietary ชั้นนำ แต่มีต้นทุนเพียงประมาณหนึ่งในสามสิบ ซึ่งกลายเป็นเพดานสำหรับเงินที่ห้องแล็บฟรอนเทียร์สามารถเรียกเก็บได้
พลังงานคือข้อจำกัดหลักที่ผูกมัด
Armstrong สรุปว่าคุณภาพของโมเดลจะเริ่มใกล้เคียงกัน ในขณะที่ตัวเลือกที่ถูกกว่าจะลดช่องว่างด้านประสิทธิภาพลง แต่ข้อจำกัดจริง เขากล่าว ว่าอยู่ที่โครงสร้างพื้นฐานทางกายภาพที่คอยขับเคลื่อนทุกระดับของการใช้งาน AI
เสียงสะท้อนนี้สอดคล้องกับการเคลื่อนไหวของเงินทุนที่เห็นได้ชัดในตลาด ซึ่ง การระดมทุนด้าน AI ในไตรมาสแรกปี 2026 มีมูลค่าทั่วโลกถึง 242 พันล้าน USD แต่ความสามารถของศูนย์ข้อมูลกลับเริ่มชะลอตัวเมื่อเทียบกับอุปสงค์
ประเด็นสำคัญของ Armstrong ไม่ใช่ว่าโมเดลใดจะครองตลาด แต่คือโครงสร้างพื้นฐานด้านพลังงานและการประมวลผลจะตามทันความต้องการ ซึ่งจากการประเมินของเขาแล้วไม่มีขีดจำกัดตามธรรมชาติหรือไม่
