Fireworks AI ระดมทุน 1.5 พันล้านดอลลาร์ เร่งความเร็วโมเดล

Fireworks AI เพิ่งปิดดีลระดมทุนครั้งใหญ่ด้วยเม็ดเงิน 1.5 พันล้านดอลลาร์ ส่งผลให้มูลค่าบริษัทพุ่งสูงถึง 1.75 หมื่นล้านดอลลาร์ โดยโมเดลธุรกิจของบริษัทไม่ได้มุ่งเน้นไปที่การพัฒนาโมเดล AI ขึ้นมาเอง แต่เป็นการนำโมเดลของบริษัทอื่นๆ มาปรับปรุงให้ทำงานได้เร็วขึ้นและมีต้นทุนถูกลง การระดมทุนรอบนี้จึงเป็นสัญญาณที่ชัดเจนว่า เม็ดเงินในโลก AI กำลังไหลไปสู่จุดไหนในปัจจุบัน ซึ่งไม่ใช่แค่การมองหาโมเดลที่ฉลาดขึ้น แต่เป็นการทำให้โมเดลที่มีอยู่แล้วสามารถนำไปใช้งานจริงในสเกลระดับอุตสาหกรรมได้

คนส่วนใหญ่มักจะประเมินบริษัท AI จากความฉลาดของโมเดล ซึ่งเป็นคำถามแรกที่อาจยังไม่ตรงจุดนัก ในปัจจุบัน Fireworks AI มีรายได้ต่อปีมากกว่า 1 พันล้านดอลลาร์ ซึ่งเติบโตขึ้นถึง 5 เท่าจากปีที่ผ่านมา ระบบของบริษัทมีการประมวลผลโทเค็นหรือชิ้นส่วนข้อความมากกว่า 40 ล้านล้านโทเค็นต่อวัน เพิ่มขึ้นเกือบ 3 เท่าจากปีก่อนหน้า นักลงทุนของบริษัทซึ่งรวมถึง Index Ventures, TCV และ Nvidia ไม่ได้เข้ามาร่วมลงทุนเพราะตัวโมเดลพื้นฐานฉลาดขึ้น แต่พวกเขาลงทุนเพราะมีคนต้องเข้ามาแก้ปัญหาเบื้องหลังที่ไม่งวดเงยแต่จำเป็น นั่นคือการทำให้ AI ใช้งานได้จริงในสเกลใหญ่เมื่อมันเริ่มทำงานแล้ว

จากประสบการณ์ของผู้เขียน สิ่งนี้คือคำถามที่คนส่วนใหญ่มักมองข้าม ทุกคนมักจะถามว่าโมเดลนั้นเก่งแค่ไหน แต่เกือบจะไม่มีใครถามล่วงหน้าเลยว่า มันสามารถให้บริการด้วยความเร็วที่สูงพอและต้นทุนที่ถูกพอ เพื่อให้ผู้ใช้งานที่เสียเงินยังคงใช้งานต่อไปได้หรือไม่ การตอบสนองที่ล่าช้าจะกลายเป็นต้นทุนที่เพิ่มขึ้นตามจำนวนผู้ใช้งานทุกๆ คน การรันโมเดล AI ไม่เหมือนกับการรันเว็บไซต์ทั่วไป หน้าเว็บที่โหลดช้าอาจทำให้ผู้ใช้แค่รู้สึกหงุดหงิดเล็กน้อย แต่โมเดล AI ที่ใช้เวลาตอบสนองช้ากว่าปกติ 3 วินาที จะทำให้สูญเสียผู้ใช้ไปทันที และทุกๆ วินาทีที่หายไปนั้นคือค่าใช้จ่ายสำหรับคอมพิวเตอร์ที่กำลังประมวลผลคำตอบอยู่

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

เมื่อเข้าสู่สเกลจริง ต้นทุนการรันโมเดลหรือที่เรียกว่า Inference ตอนนี้กินงบประมาณฮาร์ดแวร์ AI ของบริษัทต่างๆ ไปมากกว่า 80% แล้ว การสร้างโมเดลขึ้นมาเป็นต้นทุนที่จ่ายครั้งเดียวเป็นส่วนใหญ่ แต่การรันโมเดลให้ผู้ใช้งานหลายล้านคนทุกวันมีค่าใช้จ่ายเกิดขึ้นตลอดเวลา และเป็นบิลค่าใช้จ่ายส่วนที่ไม่เคยลดลงเลย ข้อจำกัดในการรัน AI ในสเกลใหญ่นั้นสะท้อนผ่าน 3 สิ่งที่ไม่สามารถมีพร้อมกันได้ทั้งหมด ได้แก่ ความเร็ว (Speed) ปริมาณคำขอ (Volume) และต้นทุน (Cost)

"Getting the same job done for less money, at the same speed, is a small technical trick with a very large business attached to it."

Dev.to

การทำงานกับ AI ในสเกลใหญ่คือการแลกเปลี่ยนกันระหว่าง 3 ปัจจัยนี้ คือ คุณสามารถรองรับคำขอพร้อมกันได้กี่รายการ แต่ละรายการตอบกลับเร็วแค่ไหน และมีต้นทุนเท่าไร หากผลักดันด้านใดด้านหนึ่งให้ดีขึ้น อีกสองด้านก็จะแย่ลง แชทบอตต้องการความรู้สึกที่รวดเร็วทันใจจึงต้องเน้นความเร็วเป็นหลัก ระบบที่ประมวลผลเอกสารนับล้านชิ้นข้ามคืนอาจจะยอมรับความล่าช้าได้แต่ต้องมีต้นทุนต่อเอกสารที่ถูก ไม่มีระบบใดที่ชนะทั้งสามด้านพร้อมกันได้ และการ trade-off นี้คือผลิตภัณฑ์ที่ Fireworks AI ขายอยู่ในปัจจุบัน นอกจากนี้ AI agents ยิ่งทำให้ปัญหานี้ซับซ้อนขึ้นไปอีก การแชทกับ AI แบบง่ายอาจเรียกใช้โมเดลครั้งเดียว แต่ AI agent ที่ต้องทำภารกิจจริง เช่น การเขียนโค้ดหรือค้นคว้าหัวข้อต่างๆ อาจต้องเรียกใช้โมเดลถึง 50 ถึง 200 ครั้งก่อนจะเสร็จสิ้น แม้ว่าราคาต่อคำขอจะลดลงประมาณ 80% ในช่วงปีที่ผ่านมา แต่เนื่องจาก AI agents สร้างคำขอจำนวนมากขึ้น บิลรวมจึงยังคงไต่ระดับสูงขึ้นเรื่อยๆ

ที่มา: Dev.to