เกรย์สเกลคาดอุปสงค์โทเคน AI พุ่ง 24 เท่าภายในปี 2030

เกรย์สเกลคาดว่าการใช้โทเคน AI จะเพิ่มขึ้น 24 เท่าภายในปี 2030 โดยต้นทุนที่ลดลงจะช่วยขยายการนำไปใช้ และเอเจนต์ AI อาจใช้โทเคนมากกว่าการโต้ตอบกับแชตบอตทั่วไป 5–50 เท่า ซึ่งจะหนุนความต้องการพลังประมวลผลสำหรับอินเฟอเรนซ์ ขณะที่ข้อจำกัดด้านศูนย์ข้อมูล ไฟฟ้า และ GPU อาจจำกัดการขยายตัวของ AI และอาจทำให้ราคาของโครงสร้างพื้นฐานคอมพิวติ้งที่ขาดแคลนสูงขึ้น Zach Pandl หัวหน้าฝ่ายวิจัยของเกรย์สเกล กล่าวว่า การใช้โทเคน AI อาจเพิ่มขึ้น 24 เท่าภายในปี 2030 เพราะโมเดลราคาถูกลงและเอเจนต์อัตโนมัติขยายการใช้งาน โครงสร้างพื้นฐานทางกายภาพที่จำเป็นต่อการรันระบบเหล่านี้ยังมีข้อจำกัด เกรย์สเกลระบุว่า อุปสงค์พลังประมวลผลที่เพิ่มขึ้นอาจแซงหน้าประสิทธิภาพที่เพิ่มขึ้น ทำให้แรงกดดันต่อศูนย์ข้อมูล ไฟฟ้า และ GPU ที่มีอยู่เพิ่มขึ้น เกรย์สเกลโพสต์บน X เมื่อวันที่ 10 ตุลาคม 2026 ว่า การใช้ AI กำลังเพิ่มขึ้น และการใช้โทเคนคาดว่าจะเพิ่มขึ้น 24 เท่าภายในปี 2030 เอเจนต์ “dots” ของ OpenAI และโมเดลราคาถูกลงรุ่นใหม่อาจเร่งความต้องการคอมพิวต์เพิ่มขึ้น แต่โครงสร้างพื้นฐานทางกายภาพที่รองรับคอมพิวต์ยังเป็นคอขวด โมเดล AI ราคาถูกลงอาจขยายการใช้งาน ต้นทุนที่ลดลงทำให้ AI เข้าถึงได้ง่ายขึ้นสำหรับแอปพลิเคชันและเวิร์กโฟลว์อัตโนมัติ โมเดล Sonnet รุ่นล่าสุดของแอนโทรปิกมีต้นทุนต่องานต่ำลงถึง 30% ตามข้อมูลบริษัท ขณะที่การแข่งขันจากโมเดลโอเพนเวตราคาถูกกำลังกดราคาโทเคน โทเคนเป็นหน่วยวัดข้อความที่โมเดล AI ประมวลผลและสร้างขึ้น โดยนักพัฒนาจ่ายตามปริมาณการใช้ เมื่อราคาลดลง ธุรกิจอาจพบการใช้งาน AI ในกรณีที่เคยมีต้นทุนสูงเกินไป รายงานวิจัยของเกรย์สเกลชื่อ Investing for the Compute Bottleneck ศึกษาว่าปัญญาประดิษฐ์ที่ถูกลงจะช่วยขยายการนำไปใช้อย่างไร เอเจนต์ AI อาจทวีความต้องการพลังประมวลผล “dots” ของ OpenAI ที่เพิ่งเปิดตัวเป็นเอเจนต์ที่ทำงานตลอดเวลาเพื่อบรรลุเป้าหมายของผู้ใช้ ต่างจากแชตบอตที่ตอบคำถามทีละคำถาม เอเจนต์สามารถทำหลายขั้นตอนภายในเวิร์กโฟลว์เดียว ตัวอย่างเช่น การเตรียมประชุมกับลูกค้าอาจต้องทบทวนบันทึก วิเคราะห์การเปลี่ยนแปลงของพอร์ตโฟลิโอ และร่างวาระประชุม เกรย์สเกลระบุว่า งานเหล่านี้อาจใช้โทเคนมากกว่าการโต้ตอบกับแชตบอต 5–50 เท่า ขึ้นอยู่กับความซับซ้อน ดังนั้นเอเจนต์อาจผลักดันการเติบโตอย่างมีนัยสำคัญของอินเฟอเรนซ์ ซึ่งเป็นคอมพิวติ้งที่ต้องใช้ในการรันโมเดล AI โกลด์แมน แซกส์ ประเมินว่าการใช้โทเคนอาจเพิ่มขึ้น 24 เท่าภายในปี 2030 ส่วนใหญ่เป็นผลจากการนำเอเจนต์ไปใช้ โครงสร้างพื้นฐานทางกายภาพยังเป็นคอขวดของคอมพิวต์ แม้โมเดล AI จะมีประสิทธิภาพมากขึ้น แต่ความต้องการคอมพิวติ้งโดยรวมยังเพิ่มขึ้นได้ หากการใช้งานเติบโตเร็วกว่า การจัดหาโครงสร้างพื้นฐานที่จำเป็นต้องใช้เวลา ความพร้อมของไฟฟ้า ศูนย์ข้อมูล และ GPU ยังคงจำเป็นต่อการรองรับปริมาณงานที่ขยายตัว อุปทานที่มีจำกัดอาจจำกัดความเร็วในการขยายกำลังคอมพิวต์ตามการนำ AI ไปใช้ เกรย์สเกลยังอ้างถึง CoreWeave ซึ่งเพิ่งรายงานว่าลงนามสัญญาใหม่ในราคาคอมพิวต์ที่สูงขึ้น ตัวอย่างนี้ตอกย้ำแรงกดดันด้านราคาที่ต่อเนื่อง แม้ต้นทุนงาน AI จะลดลง บทวิเคราะห์ของ Pandl ชี้ว่าโมเดลที่ถูกลงและเอเจนต์ที่ความสามารถสูงขึ้นอาจเพิ่มการใช้งานมากพอที่จะชดเชยประสิทธิภาพที่เพิ่มขึ้น ภายใต้สถานการณ์นี้ อุปสงค์อาจเป็นประโยชน์ต่อเจ้าของโครงสร้างพื้นฐานคอมพิวติ้งทางกายภาพที่มีจำกัด