ว่าด้วยดีมานด์ที่ถูกเหนี่ยวนำ การเลิกจ้าง และต้นทุนที่แท้จริงของ AI ที่เรายังไม่รู้จักใช้ให้คุ้มค่า
ถ้าคุณใช้เวลาอยู่บนทวิตเตอร์สายขนส่งมวลชนมาบ้าง คุณน่าจะเคยเห็นมีมนี้
"ขยายอีกแค่เลนเดียวเองเพื่อน"
วิศวกรทางหลวงที่วาดด้วยสีเทียนยืนอยู่ข้างทางด่วน ชี้ไปที่ช่องทางใหม่ที่เขาอยากเพิ่มเพราะรถติดมาก ใบหน้าเขาจริงจัง เขาจะทำให้มันดีขึ้นให้ได้คราวนี้ ขอเพิ่มอีกแค่เลนเดียวเดี๋ยวรถก็ตลาย
แต่มันแทบไม่เคลียร์การจราจรได้นาน
ช่องทางใหม่สร้างการเดินทางใหม่ ความจุใหม่สร้างดีมานด์ใหม่ นักเศรษฐศาสตร์เรียกสิ่งนี้ว่าดีมานด์ที่ถูกเหนี่ยวนำ (induced demand) ทางด่วน Katy Freeway ในเท็กซัสถูกขยายจนกลายเป็นหนึ่งในทางด่วนที่กว้างที่สุดในโลก ทางด่วน 405 ในลอสแอนเจลิสก็ได้งบพันล้านดอลลาร์เพื่อขยายเลน รูปแบบนี้คุ้นตาในหลายทศวรรษของการขยายทางด่วน: ความจุเพิ่ม การใช้งานโตตาม และรถติดกลับมาอีก
วิศวกรในมีมก็ยังคงขอ “อีกแค่เลนเดียว” ต่อไปอยู่ดี
ตอนนี้เราอยู่ในจุดเดียวกันกับดาต้าเซ็นเตอร์ AI
ข้อเสนอขายเรื่องโครงสร้างพื้นฐานที่ “ถูกต้อง”
ทุกไตรมาสจะมีข่าวจากผู้ให้บริการคลาวด์รายใหญ่เสมอ โครงการลงทุนหลักหมื่นล้านอีกชุด แคมปัสอีกแห่ง สถานีไฟฟ้าย่อยอีกหนึ่ง ดีลพลังงานอีกดีล ศึกเรื่องน้ำอีกหนึ่งรอบ มณฑลชนบทอีกแห่งถูกบอกว่านี่คือราคาของความก้าวหน้า
เหตุผลที่ให้มาก็เหมือนเดิมทุกครั้ง
ดีมานด์ AI กำลังระเบิด เราต้องการคอมพิวต์เพิ่ม ถ้าเราไม่สร้าง สหรัฐจะตามจีนไม่ทัน องค์กรต่าง ๆ จะไม่ได้ความจุที่ต้องการ นักพัฒนาจะถูกจำกัด นวัตกรรมจะช้าลง
ขอแค่ดาต้าเซ็นเตอร์อีกแห่ง
ขอแค่แคมปัสขนาดอีกกิกะวัตต์
ขอแค่พื้นที่อีก 2,700 เอเคอร์
ขอแค่อัปเกรดโครงข่ายไฟอีกสักรอบ
แล้วเราจะมีพอ
มันคือวิศวกรคนเดิม แต่เปลี่ยนแบบแปลน
นี่คือการเดิมพันโครงสร้างพื้นฐานระดับคนละรุ่น และส่วนใหญ่ของมันถูกเซ็นไปแล้วด้วยซ้ำ
นี่ไม่ใช่ข้อโต้แย้งว่า AI ไม่ต้องการโครงสร้างพื้นฐานเลย บางส่วนของความจุใหม่จำเป็นจริง
คำถามคือ เราควรผูกมัดสร้างความจุใหม่ต่อไปด้วยความเร็วแบบนี้ไหม ก่อนที่จะบังคับให้ฝั่งผู้ซื้อพิสูจน์ให้ได้ว่าพวกเขาใช้ความจุที่มีอยู่เดิมอย่างฉลาดแล้ว
ตอนนี้ ดีมานด์ที่กำลังระเบิดนั้น บางส่วนคือผลิตภาพใหม่ที่แท้จริง แต่อีกส่วนคือการใช้ทรัพยากรที่เลี่ยงได้ซึ่งถูกสร้างขึ้นจากดีฟอลต์ที่แย่ การรีทรายไม่ยั้ง การใช้ครีเดนเชียลที่หมดอายุ โมเดลที่แรงเกินความจำเป็น และเวิร์กโหลดที่ไม่มีใครเคยถูกบังคับให้ต้องพิสูจน์ว่าคุ้มต้นทุนหรือไม่
ดีมานด์ที่ถูกเหนี่ยวนำ
ความต้องการใช้คอมพิวต์ไม่ได้มีเส้นอุปสงค์ที่ตายตัว มันจะโค้งไปหาซัพพลายเท่าไหร่ก็ตามที่มีให้
ถ้าให้เดเวลอปเปอร์เข้าถึงโมเดลระดับหน้าด่านในราคาถูก เวิร์กโหลดจำนวนมากก็จะดีฟอลต์ไปใช้โมเดลระดับหน้าด่าน ถ้าให้เอเจนต์งบเยอะ เอเจนต์จำนวนมากก็จะใช้จนครบ ถ้าให้ทีม API key แบบไร้ข้อจำกัด บิลก็จะโตขึ้นเรื่อย ๆ จนกว่าจะมีใครสักคนสังเกตเห็น
ตอนนั้น เวิร์กโหลดก็ถูกปล่อยออกไปใช้งานจริงแล้ว
ผู้ก่อตั้งรายหนึ่งรันโมเดลราคาแพงในทุกขั้นของท่อการประมวลผลซัพพอร์ตลูกค้า เพราะมันเป็นดีฟอลต์ตอนที่วิศวกรเร่งทำฟีเจอร์ให้ทัน ท่อการประมวลผลนั้นทำงานได้ดี บิลเริ่มเจ็บตัว ภายหลังมีคนค้นพบว่า งานจำนวนมากในท่อนั้นจริง ๆ แล้วสามารถรันบนโมเดลที่ถูกกว่ามาก โดยแทบไม่เสียคุณภาพแบบที่วัดได้เลย หรือไม่เสียเลยด้วยซ้ำ
นั่นไม่ใช่เคสหลุดโลก แต่มันคือวิธีการทำงานจริงของทีมที่พัฒนา AI แบบเคลื่อนที่เร็ว ดีฟอลต์มันผิด เปลืองแบบมองไม่เห็น และใบแจ้งหนี้ก็มาช้า
เรื่องแบบเดียวกันนี้เกิดขึ้นทุกที่
ระบบรีทรีฟเวิลฝังข้อมูลซ้ำ ๆ เอเจนต์ซัพพอร์ตลูปรีทรายซ้ำแล้วซ้ำเล่า เอเจนต์โค้ดเผาโมเดลที่แพงที่สุดกับการแก้ไขงานเล็กน้อย คีย์ของคอนแทรกเตอร์ยังใช้ได้หลังสัญญาจบ คีย์ของอดีตพนักงานยังอยู่แม้คนจะออกไปแล้ว คีย์ production ไปโผล่อยู่ในโน้ตบุ๊กของใครสักคน
พวกเขาอาจไม่ได้มีเจตนาร้าย ระบบแค่ไม่มีใครจัดการเท่านั้น
เมื่ออุตสาหกรรม AI บอกว่าดีมานด์กำลังระเบิด บางส่วนของดีมานด์นั้นคือผลิตภาพจริง แต่อีกส่วนคือดีฟอลต์ที่แย่ ครีเดนเชียลค้าง สภาพแวดล้อมไร้งบประมาณ และงานของเครื่องที่ไม่ได้รับการกำกับ
การเพิ่มคอมพิวต์ไม่แก้ปัญหานั้น มันยิ่งเติมเชื้อให้ด้วยซ้ำ แม้แต่บริษัทอย่าง Amazon ยังรายงานว่ากำลังเจอเรื่องแบบนี้เหมือนกัน
นั่นแหละคือดีมานด์ที่ถูกเหนี่ยวนำ นั่นแหละคือทางด่วน
ทัศนคติ “เอาคนออก เอา AI เข้า”
ในขณะที่จำนวนพนักงานลดลง แต่บัดเจ็ตด้าน AI เพิ่มขึ้น ทั้งสองสิ่งมักถูกโยงเข้าหากันอย่างชัดเจน Microsoft พูดตรง ๆ ว่าการปลดคนของเขาไม่ได้เป็นแค่การแทนที่ด้วย AI เพียงอย่างเดียว Sam Altman ก็ยอมรับว่าบางส่วนของการอ้างอิงนั้นคือสิ่งที่เขาเรียกว่า AI washing: เอา AI มาอ้างเพื่อรองรับการปลดคนที่บริษัทตั้งใจจะปลดอยู่แล้วแบบไหนก็ปลดอยู่ดี แบบสำรวจ CEO จำนวนมากระบุว่าพวกเขาต้องวางแผนเปลี่ยนแปลงองค์กรโดยมี AI เป็นตัวแปร
สิ่งที่ข้อมูลชี้ชัดคือการจัดลำดับความสำคัญใหม่ Challenger อธิบายว่าบริษัทเทคกำลังรีสตรักเจอร์ไปรอบ ๆ AI ทำให้งานบางประเภทถูกอัตโนมัติ และโยกงบไปยังความสามารถใหม่ ๆ คนงานแต่ละคนกับ GPU แต่ละตัวไม่จำเป็นต้องจับคู่กันหนึ่งต่อหนึ่งให้เป๊ะ แต่การขยับเงินลงทุนก็ยังเป็นเรื่องจริงอยู่ดี
ซึ่งทำให้คำถามที่อึดอัดใจยิ่งคมขึ้น ไม่ใช่อ่อนลง
ถ้าการแลกเปลี่ยนไม่ใช่ “คนแลกกับผลิตภาพจาก AI” ทั้งหมด และก็ไม่ใช่ “คนแลกกับความว่างเปล่า” เต็มร้อย แล้วฝั่งของเครื่องในบัญชีงบดุลคืออะไรกันแน่ ไม่มีใครให้คำตอบชัด ๆ ได้ เพราะการใช้จ่ายด้าน AI กำลังกลายเป็น “เงินเดือน” ของเครื่อง แต่กลับไม่ได้ถูกบริหารด้วยวินัยแบบเงินเดือนมนุษย์เลยแม้แต่น้อย
คนทำงานมีทั้งผู้จัดการ งบประมาณ สิทธิ์การเข้าถึง บัตร corporate card บัตรผ่านเข้าอาคาร กระบวนการ offboarding การประเมินผลงาน และ trail สำหรับการตรวจสอบย้อนหลัง
คนทำงานที่เป็น “เครื่อง” มักมีแค่ API key
เรากำลังย้ายงบประมาณจาก payroll ของมนุษย์ไปเป็น payroll ของเครื่อง แต่กลับบริหาร payroll ของเครื่องอย่างกับกองรหัสผ่าน ไม่มีเจ้าของ ไม่มีผู้จัดการ ไม่มีวันหมดอายุ ไม่มีนโยบายใช้จ่าย ไม่มีใบเสร็จ ไม่มีตัวเลขต้นทุนต่อผลลัพธ์ที่เป็นประโยชน์ ไม่มีหลักฐานว่างานของเครื่องนั้นคุ้มค่ากับต้นทุนของเครื่องเลย
API key คือ corporate card ใบใหม่ขององค์กร
บริษัทไม่มีวันพูดว่า: "อดีตพนักงานยังเก็บ corporate card ไว้อยู่ ไม่มีใครรู้ว่าถูกเอาไปใช้รูดอะไรบ้าง แล้วเราก็มารู้เรื่องหลายเดือนหลังจากนั้น" นั่นจะถูกมองว่าเป็นความล้มเหลวด้านปฏิบัติการที่ชัดเจนมาก แต่เวอร์ชัน API เกิดขึ้นเป็นประจำ
คีย์ของผู้ให้บริการโมเดลสามารถสร้างค่าใช้จ่ายได้ คีย์คลาวด์สามารถสร้างโครงสร้างพื้นฐานได้ คีย์ Stripe สามารถเคลื่อนเงินได้ คีย์ GitHub สามารถปล่อยโค้ดขึ้นโปรดักชันได้ คีย์ผู้ให้บริการข้อมูลสามารถเข้าถึงชุดข้อมูลที่ต้องเสียเงินได้ คีย์แพลตฟอร์มโฆษณาสามารถเผาเงินแคมเปญได้ คีย์ของเอ็กซ์เชนจ์สามารถเทรดสินทรัพย์ได้
สิ่งเหล่านี้ไม่ใช่แค่ “ความลับ” แต่มันคือ “อำนาจทางเศรษฐกิจ”
API key จำนวนมากยังถูกปฏิบัติราวกับเป็นรหัสผ่าน ทั้งที่ควรถูกปฏิบัติเหมือน corporate card สำหรับเครื่องต่างหาก
ฟรีแลนซ์ ช็อปเดเวลอปเปอร์ เอเจนซีมาร์เก็ตติ้ง ผู้ตรวจสอบบัญชี ทีม fractional พนักงาน และเอเจนต์ทั้งหลายล้วนต้องการเข้าถึงทรัพยากรที่มีขึ้นมีลงตามโปรเจกต์ ทุกวันนี้ บริษัทมักต้องเลือกระหว่างให้สิทธิ์เกินขอบเขต หรือทำให้ทุกอย่างช้า โปรเจกต์จบแล้ว สิทธิ์ยังอยู่ และค่าใช้จ่ายก็ยังเดินหน้าต่อ
นั่นไม่ใช่แค่ปัญหาด้านความปลอดภัย แต่มันคือปัญหาด้านบัญชี ปัญหาด้านธรรมาภิบาล และปัญหาด้านโครงสร้างพื้นฐานด้วย
คนในพื้นที่รู้ดีที่สุด
กระแสต่อต้านดาต้าเซ็นเตอร์จากชุมชนไม่ได้เป็นแค่ NIMBYism (ไม่เอาในบ้านกู) อย่างเดียว ผู้คนรับรู้ได้ถึงความขัดแย้งแบบจับต้องได้ แบบสำรวจของ Gallup พบว่าชาวอเมริกัน 7 ใน 10 จะคัดค้านการก่อสร้างดาต้าเซ็นเตอร์เพื่อ AI ในเมืองของตน
ดาต้าเซ็นเตอร์ใช้ไฟฟ้าปริมาณมหาศาล ขึ้นกับแบบระบบทำความเย็นและทำเลที่ตั้ง มันอาจใช้น้ำและที่ดินเยอะมากด้วย มันสร้างความร้อนจริง สร้างเสียงดัง การต่อสู้เรื่องสายส่งไฟ และแรงกดดันทางการเมืองในท้องที่ ประโยชน์มักถูกมองว่าไกลตัว เป็นของเอกชน หรือเป็นเรื่องสมมุติในอนาคต ขณะที่ต้นทุนอยู่ตรงหน้า
ภาระโครงสร้างพื้นฐานถูกกองไว้ในมณฑลชนบท ส่วนประโยชน์ทางเศรษฐกิจถูกกระจายและมักถูกเก็บเกี่ยวที่อื่น ประโยชน์ถูกสัญญาไว้สำหรับอนาคต ต้นทุนมาถึงตอนนี้
นั่นคือสภาวะที่เปราะบางทางการเมือง และในปี 2026 มันก็ไม่ใช่แค่คำทำนายอีกต่อไป
อุตสาหกรรมไม่ควรแปลกใจที่ดาต้าเซ็นเตอร์กลายเป็นประเด็นการเมืองระดับชาติ ถ้าโครงสร้างพื้นฐาน AI จะขอที่ดิน ไฟฟ้า น้ำ และความอดทนจากชุมชน อุตสาหกรรมก็ควรพิสูจน์ให้ได้ว่าคอมพิวต์เหล่านั้นถูกใช้ไปอย่างคุ้มค่า
ตอนนี้ ผู้ซื้อจำนวนมากทำไม่ได้
การเอาคนไปแลกกับงานของเครื่องที่ไม่ได้วัดผลคือการค้าแลกที่ผิด
ลองดึงทุกชั้นมารวมกัน
CFO อ่านธีสิสการลงทุนด้าน AI เห็นดีจึงอนุมัติการสร้าง ตัดคนออกเพื่อเอางบมาลง แล้วบอกบอร์ดว่าตัวเลขมันเวิร์ก คอมพิวต์ถูกจัดสรร เวิร์กโหลดถูกปล่อย ดีฟอลต์นั้นผิด คีย์ไม่ถูกจัดการ โมเดลราคาแพงถูกใช้พร่ำเพรื่อ เอเจนต์รีทรายมากไป ครีเดนเชียลเก่ายังใช้ได้อยู่ บิลโตเร็วกว่าที่คาด
บอร์ดถามว่าทำไม คำตอบที่ได้คือ: ดีมานด์ AI กำลังระเบิด เราต้องการความจุเพิ่ม CFO จึงเซ็นสัญญาชุดถัดไป วงจรเดิมเริ่มใหม่
ระหว่างนั้น พนักงานที่ถูกแทนที่มองเห็นบริษัทใช้เงินอย่างดุดันกับระบบ AI ที่อาจจะให้ผลิตภาพตามที่สัญญาไว้ หรืออาจจะไม่ก็ได้ กรรมการมณฑลต้องรับสายโวยเรื่องไฟฟ้า น้ำ ที่ดิน และเสียงรบกวน ผู้จัดการโครงข่ายไฟพยายามจัดสมการให้ลงตัว ผู้อยู่อาศัยท้องถิ่นถูกบอกว่านี่คืออนาคต
บ่อยครั้ง การแลกเปลี่ยนไม่ได้เป็น “คนแลกกับผลิตภาพ” แต่เป็น “คนแลกกับงานของเครื่องที่ไม่มีการวัดผล” คนแลกกับดีฟอลต์ที่แย่ คนแลกกับความเละเทะ และเมื่อความเละเทะนั้นเริ่มแพง คำตอบของอุตสาหกรรมก็ไม่ใช่วินัย แต่คือ “ดาต้าเซ็นเตอร์อีกแห่ง” ขออีกแค่แห่งเดียวเองเพื่อน
คำตอบที่แท้จริง
คำตอบที่แท้จริงไม่ใช่การสร้างดาต้าเซ็นเตอร์เพิ่มอย่างเดียว
คำตอบที่แท้จริงคือการใช้ดาต้าเซ็นเตอร์ที่เรามีอยู่แล้วให้ฉลาด
นั่นเป็นเรื่องที่อุตสาหกรรมไม่ค่อยอยากพูด เพราะแรงจูงใจไม่ได้สอดคล้องกันอย่างสมบูรณ์ ผู้ให้บริการมักได้เงินเมื่อปริมาณการใช้งานเพิ่ม ฝั่งผู้ซื้อได้ประโยชน์เมื่อ “ผลลัพธ์ที่มีประโยชน์” เพิ่ม เส้นโค้งสองเส้นนี้ไม่เหมือนกัน
ผลประโยชน์ของผู้ซื้อมีความเฉพาะเจาะจงมาก
ผู้ซื้ออยากได้โมเดลที่เล็กที่สุดเท่าที่จะทำงานได้ อยากได้จำนวนคอลที่น้อยที่สุดแต่แก้ปัญหาได้ อยากให้คีย์หมดอายุเมื่อโปรเจกต์จบ อยากให้ครีเดนเชียลใช้ได้แค่จากดีไวซ์ที่ถูกต้อง อยากให้เอเจนต์ถูกตัดเมื่อมันออกนอกนโยบาย อยากให้ข้อยกเว้นได้รับการอนุมัติก็ต่อเมื่อเคสธุรกิจจริง ๆ รองรับ
ไม่มีอย่างใดอย่างหนึ่งในนี้ที่ต้องการดาต้าเซ็นเตอร์ใหม่ มันต้องการแค่การจัดสรรคอมพิวต์ที่เรามีอยู่อย่างฉลาดเท่านั้น
เส้นทางสู่คำตอบที่น่าเบื่อ
กำหนดขนาดเวิร์กโหลดให้เหมาะกับโมเดล แบทช์งานที่สามารถแบทช์ได้ แคชสิ่งที่แคชได้ จำกัดสิ่งที่ควรถูกจำกัด อนุญาตสิ่งที่จำเป็นต้องเกินข้อจำกัด ปฏิเสธสิ่งที่กำลังรันอยู่บนโมเดลที่ผิดตัว credential จากอุปกรณ์ที่ไม่ถูกต้อง โดยผู้ถือตัวตนที่ไม่ถูกต้อง สำหรับงานที่ไม่ถูกต้อง วัดต้นทุนต่อผลลัพธ์ที่มีประโยชน์ กำหนดให้การเข้าถึงหมดอายุอัตโนมัติ หยุดลูปที่ทำงานไม่หยุด เส้นทางงานความเสี่ยงต่ำไปยังโมเดลต้นทุนต่ำ เพิ่มระดับเฉพาะเมื่อคุณภาพจำเป็นต้องใช้ สร้างใบเสร็จ
ตลาดเริ่มสังเกตเห็นแล้ว ช่วงฤดูร้อนปีนี้ CFO และคณะกรรมการเริ่มเข้มงวดกับบิล AI ที่เกินงบประมาณ การกำหนดเส้นทางโมเดลกลายจากงานวิจัยไปเป็นคำศัพท์ในห้องประชุมคณะกรรมการ เมื่อทีมงานมองหาวิธีส่งงานประจำไปให้โมเดลที่ถูกกว่าโดยไม่ลดทอนคุณภาพ ผู้ให้บริการโมเดลเองก็เริ่มออกฟีเจอร์จำกัดการใช้จ่ายระดับแอดมิน เพราะลูกค้าต้องการวิธีควบคุมบิล
ดีแล้ว กระแสนั้นเป็นของจริงและมาช้าไปด้วยซ้ำ ผู้ให้บริการตอนนี้มีทั้งเพดานการใช้จ่ายแบบแข็งที่ทำให้คำเรียกใช้งานล้มเหลวทันทีเมื่อถึงลิมิต การจำกัดรายผู้ใช้ และเส้นทางการอนุมัติ
แต่ลองสังเกตขอบเขตของคลื่นลูกปัจจุบัน การควบคุมเหล่านั้นดูแลการใช้ทรัพยากรภายในผู้ให้บริการเดียว โปรเจ็กต์เดียว หรือแอปพลิเคชันเดียว การกำหนดเส้นทางเลือกโมเดลที่ถูกกว่า เพดานหยุดบิลที่บานปลาย ทั้งสองอย่างไม่ตอบคำถามเรื่องอำนาจที่กว้างกว่านั้น: เครื่องไหนกำลังทำอะไร จากรันไทม์ใด ในนามของใคร เพื่อวัตถุประสงค์อะไร กับทรัพยากรภายนอกใดบ้าง และมีหลักฐานแบบพกพาอะไรหลงเหลืออยู่ภายหลัง การควบคุมต้นทุนไม่ใช่สิ่งเดียวกับอำนาจที่เขียนโปรแกรมได้และตรวจสอบได้
AI ต้องการวินัยแบบเต็มรูปแบบ ไม่ใช่แค่ครึ่งด้านต้นทุน ไม่ใช่เพราะ AI เลวร้าย แต่เพราะ AI กำลังกลายเป็นแรงงาน และแรงงานต้องการการจัดการ
เลเยอร์ที่ AI agents กำลังขาดไป
นี่คือเลเยอร์ที่เราคิดว่า AI กำลังขาดไป และมันถูกออกแบบให้แคบกว่า FinOps stack ทั้งก้อนโดยตั้งใจ
อำนาจทางเศรษฐกิจควรถูกกำกับก่อนการรันงาน: ใครและอะไรสามารถใช้จ่าย จากอุปกรณ์และรันไทม์ใด สำหรับเวิร์กโหลดประเภทใด ภายใต้ขีดจำกัดแบบไหน ทั้งหมดนี้ต้องลงท้ายด้วยใบเสร็จที่คนจริงสามารถตรวจสอบได้
การสร้างดาต้าเซ็นเตอร์บางส่วนเป็นสิ่งจำเป็น AI เป็นของจริง และของจริงต้องการโครงสร้างพื้นฐาน แต่ดีมานด์ที่ไม่ถูกจัดการทำให้การสร้างที่จำเป็นต้องใหญ่กว่า เร็วกว่า และยากต่อการให้เหตุผลมากกว่าที่ควร เส้นทางที่ถูกต้องไม่ใช่แดชบอร์ดที่สวยกว่าหลังจากบิลมาถึง ทางออกคือเลเยอร์ควบคุมที่ระดับ credential ก่อนที่การใช้จ่ายจะเกิดขึ้น
ขับไปในทิศทางที่ถูกต้อง
ขอเพิ่มอีกสักดาต้าเซ็นเตอร์น่า
เรารับรองว่าคราวนี้จะเวิร์ก คอมพิวต์กำลังจะออนไลน์แล้ว อัตราความสูญเปล่ากำลังจะลดลง มาร์จิ้นกำลังจะปรากฏ เวิร์กโหลดกำลังจะมีประสิทธิภาพ ชุมชนท้องถิ่นกำลังจะยอมรับ โครงข่ายไฟกำลังจะรองรับได้ สัญญาเช่ามูลค่าล้านล้านดอลลาร์กำลังจะดูเหมือนตัวเลขที่อนุรักษ์นิยม คณะกรรมการกำลังจะเห็นผลผลิตที่เพิ่มขึ้น
แค่อีกสักครั้งเดียว
บางทีความจุส่วนนั้นอาจจำเป็นจริงๆ แต่ก่อนที่อุตสาหกรรมจะขอที่ดินเพิ่ม น้ำเพิ่ม ไฟเพิ่ม และความอดทนเพิ่มจากชุมชน ฝั่งผู้ซื้อควรจะตอบคำถามที่ง่ายกว่านั้นได้ก่อน
เราใช้คอมพิวต์ที่เรามีอยู่แล้วได้ดีหรือยัง ไม่ใช่แค่ในสไลด์หรือในบันทึกนโยบาย
แต่ในใบเสร็จ ว่าใช้โมเดลไหน เวิร์กโหลดไหนจำเป็นต้องใช้ คีย์ไหนเป็นผู้อนุมัติ นั่นคือศึกโครงสร้างพื้นฐาน AI ขั้นต่อไป ไม่ใช่คอมพิวต์หรือไม่คอมพิวต์ แต่เป็นคอมพิวต์ที่ถูกกำกับดูแลกับความสูญเปล่า
สร้างให้น้อยลงแบบไม่มืดบอด ใช้สิ่งที่เรามีให้คุ้มค่า