OpenAI cap revenue share กับ Microsoft ที่ $38B — The Information รายงาน 11 พ.ค. — มุมมอง: นี่คือ "end of era" ของ Azure-exclusive AI distribution, OpenAI จ่ายให้ Microsoft จบที่ $38B แล้วเหลือ free hand ไปทำงานกับ AWS Bedrock + Google Cloud ก่อน 2030
วันที่ 11 พ.ค. 2026 The Information รายงานตัวเลขที่หลายคนรอ — OpenAI cap revenue-sharing payment ให้ Microsoft ที่ $38 พันล้านดอลลาร์ ตามดีลใหม่ที่ทั้งสองบริษัท renegotiate เสร็จเมื่อปลาย เม.ย. 2026
ตัวเลขนี้ไม่ใช่แค่ “เงิน” — แต่คือ เส้นจบของ Azure-exclusive era สำหรับ OpenAI อย่างเป็นทางการ
ตัวเลขและโครงสร้าง
ตามรายงาน The Information (citing source ที่รู้เรื่อง):
- Cap: $38B
- ระยะเวลา: ต่อเนื่องจน 2030, independent จาก technology milestone (อ่าน: ไม่มี AGI clause แบบเดิม)
- เปอร์เซ็นต์ revenue share: เท่าเดิม (~20%) แต่ มี ceiling
- OpenAI ได้สิทธิ์: ทำงานกับ AWS Bedrock + Google Cloud + Oracle เต็มที่ — ไม่ต้อง exclusive
ข้อตกลงนี้ประกาศใน The Next Phase blog ของ Microsoft วันที่ 27 เม.ย. — แต่ตัวเลข cap ไม่เคยเปิด ตอนนี้ The Information จึงเป็นคนแรกที่ระบุ
ทำไม cap ที่ $38B จึงเป็น “เส้นจบ era”
ย้อนกลับไปปี 2019 — Microsoft ลงทุน $1B ใน OpenAI พร้อมเงื่อนไข exclusive Azure + revenue share — ตอนนั้น OpenAI ขาดทุน, ไม่มี infrastructure ของตัวเอง, ไม่มี option
ปี 2023 — Microsoft ลงเพิ่ม $10B + Azure capacity guarantee — OpenAI กลายเป็น Microsoft’s strategic crown jewel
ปี 2025–2026 — OpenAI revenue $25B+ ARR, มี SoftBank/NVIDIA/Stargate compute, ไม่ต้องพึ่ง Microsoft อีกแล้ว — แต่ contract เก่าผูกไว้
ดีลใหม่ครั้งนี้ คือ buy-out อย่างเป็น metric — OpenAI ยอมจ่ายอีก ~$38B ในช่วง 4 ปี (ประมาณ $9-10B/ปี — สมเหตุสมผลถ้า OpenAI ยังขาย ChatGPT/API บน Azure) แล้ว เปิด exit doorway ภายในสิ้น 2030
ผลกระทบต่อตลาด — สิ่งที่จะเกิดต่อจากนี้
1. AWS Bedrock จะดูเป็น OpenAI-friendly เร็วขึ้น
Denise Dresser (OpenAI CRO) บอก CNBC วันเดียวกันว่า OpenAI กำลัง integration ลึกกับ AWS Bedrock — และ memo ภายในระบุว่า “ที่ผ่านมาเราจำกัดตัวเอง — many enterprises อยู่บน Bedrock”
ภายในไม่กี่ไตรมาส คาดว่าจะมี:
- First-party GPT model บน Bedrock (ตอนนี้มี Anthropic + Mistral + Cohere แต่ไม่มี OpenAI)
- Joint go-to-market AWS + OpenAI Deployment Co.
- Bedrock-native fine-tuning สำหรับ GPT family
2. Microsoft Foundry ต้องเร่ง model diversity
Microsoft ปีนี้เพิ่งใส่ Claude Opus 4.6 + Sonnet 4.6 เข้า Foundry, ลง MAI-1/MAI-2 model ของตัวเอง, มี Mistral, Phi, Grok — เพราะรู้ว่าวันที่ OpenAI ไม่ exclusive จะมาถึง
ดีลใหม่ทำให้ Microsoft ต้อง double down บนยุทธศาสตร์ “multi-model Foundry” — ไม่ใช่ “OpenAI distribution channel” อีกแล้ว — และ Foundry Agent Service ที่เพิ่ง GA จะเป็น differentiator สำคัญ
3. Anthropic + xAI ได้ window opportunity
ก่อน 2030 — Microsoft จะรับ revenue share ต่อ ทำให้ยังมี incentive ดัน OpenAI ใน sales — แต่หลัง cap ครบ — Microsoft จะ neutral มาก — Anthropic/xAI/Mistral จะแข่งบน Foundry level playing field
นี่อธิบายทำไม Anthropic เพิ่งทำ JV กับ Blackstone/H&F/Goldman เพื่อสร้าง services arm ของตัวเอง — และทำไม xAI ขาย Grok ผ่าน Azure + AWS พร้อมกัน — กำลังเตรียม position สำหรับยุค post-cap
4. OpenAI = “fully independent infrastructure company”
OpenAI ตอนนี้มี:
- Stargate (Oracle + SoftBank, ~$500B target capacity)
- AWS Bedrock partnership
- Anthropic Mythos-style compute deals (กระจาย risk หลาย cloud)
- Forward Deployed Engineers (Tomoro)
- Multi-cloud distribution
= บริษัทที่ “ไม่ต้องมี hyperscaler parent” อีกแล้ว — pattern เดียวกับ Salesforce ปี 2010 หรือ Snowflake ปี 2018 — แต่ใหญ่กว่าหลายเท่า
บริบทไทย
สำหรับ enterprise ไทยที่ใช้ ChatGPT Enterprise / Azure OpenAI Service:
- ระยะสั้น (1-2 ปี) — ยังเหมือนเดิม Azure OpenAI ยังเป็น first-class
- ระยะกลาง (2-4 ปี) — เริ่มเห็น GPT model บน AWS Bedkrock + Google Vertex
- ระยะยาว (post-2030) — ลูกค้าจะมี free choice เลือก cloud ที่เก็บ data ตามต้องการ — Azure จะไม่มี exclusive feature ของ OpenAI
= โอกาสสำหรับ AWS Thailand ที่จะ pitch enterprise ไทยให้ “ไม่ต้อง lock ตัวเองกับ Azure” — และโอกาสสำหรับ Google Cloud ที่จะ leverage Gemini + GPT บน Vertex multi-model
มุมมอง AI Curator
ตัวเลข $38B บอกอะไรเชิงโครงสร้างมากกว่าตัวเลขทางการเงิน:
1. Era ของ “AI lab + hyperscaler exclusive” จบแล้ว — เริ่มจาก OpenAI-Microsoft, ตามด้วย Anthropic-AWS (ที่ก็ open up ไปทำงานกับ Google Cloud + Broadcom แล้ว เม.ย. 2026) — Multi-cloud จะเป็น default
2. AI labs จะกลายเป็น “ISV ตัวจริง” — เหมือน Adobe, Salesforce, SAP — ที่ขายผ่านทุก cloud แต่ควบคุม brand + model + customer relationship เอง
3. ผู้ชนะระยะยาวคือ “neutral infrastructure” — vector DB (Pinecone/Weaviate), observability (Langfuse/Helicone), eval (LangSmith/Patronus), data layer (Snowflake/Databricks) — เพราะเกม model จะ commoditize, แต่เกม data จะไม่
4. ผู้แพ้คือ hyperscaler ที่ “เดิมพันบน lab เดียว” — Microsoft จะต้อง prove ว่า Foundry + Copilot + MAI model ของตัวเองสร้าง enterprise stickiness ได้เอง — ไม่ใช่ via OpenAI exclusivity
สำหรับเอเชีย — ดีลนี้คือสัญญาณว่า “การวางใจ U.S. AI ecosystem” จะปลอดภัยขึ้น — เพราะไม่มีบริษัทไหนใหญ่จนน่ากลัวอีก — แต่ก็แปลว่า “AI provider diversification” ของ enterprise จะกลายเป็นข้อกำหนดมาตรฐาน — สำหรับ CTO ที่ฉลาด, นี่คือเวลาเริ่ม build abstraction layer ที่ไม่ผูกกับ provider เดียว (LiteLLM, OpenRouter, custom gateway) — เพราะตลาด multi-model จะกระจายมากขึ้นในช่วง 2-4 ปีข้างหน้า
แหล่งข่าว:
- OpenAI to cap Microsoft revenue-sharing at $38 billion, The Information reports — Reuters via Investing.com
- The next phase of the Microsoft-OpenAI partnership — The Official Microsoft Blog
- The next phase of the Microsoft OpenAI partnership — OpenAI
- OpenAI revenue chief Dresser says enterprise AI adoption is ‘at a tipping point’ — CNBC
อ่านเพิ่มในหมวด ความเห็น
Karpathy: ช่องว่างความเข้าใจเรื่องความสามารถ LLM กำลังกว้างขึ้นเป็น 'กรวย' — 6 พันล้านคนแทบไม่เคยใช้ แต่ราว 5,000 คนเห็นระบบระดับ frontier ภายในแล็บ
Andrej Karpathy โพสต์ประเมินคร่าวๆ ว่าคนราว 75% ของโลกแทบไม่เคยใช้ LLM, ~20% ใช้แชตบอตฟรีเป็นครั้งคราว, ~0.2% (ราว 20 ล้านคน) ใช้เอเจนต์ระดับ frontier ทำงานโค้ดและคณิตศาสตร์จริงจัง และมีเพียงราว 5,000 คนที่เข้าถึงระบบภายในแล็บ ช่องว่างนี้เกิดจากขนาดของโจทย์, ความสามารถที่ไม่สม่ำเสมอ (jaggedness) และระดับการเข้าถึง
ยุค coding agent ต้องมี "เพดานงบแบบตัดจริง" เป็นค่าเริ่มต้น — Simon Willison ชี้ปัญหา ขณะที่ AWS และ Google Cloud เริ่มมี spend cap แล้ว แต่ยังมีเงื่อนไขต้องรู้
Simon Willison เขียนเมื่อ 3 ต.ค. 2026 ว่าบริการแบบจ่ายตามการใช้งานทุกตัวควรมีเพดานงบแบบตัดการใช้งานจริง (hard cap) เป็นค่าเริ่มต้น เพราะ coding agent ทำให้ใครก็สร้างระบบที่เผาเงินได้ง่าย เราตรวจเงื่อนไขของ AWS spend limits (16 ก.ย.) และ Google Cloud Spend Caps (29 ก.ค.) ที่เขาอ้างถึง ซึ่งยังมีข้อจำกัดหลายข้อ
Yoshua Bengio อธิบายว่าทำไมเอเจนต์ AI โกหก โกง และรวมหัวกัน — "เป้าคม" ชนะ "เป้าคลุมเครือ" เสมอ และการไล่อุดทีละพฤติกรรมอาจแค่คัดโมเดลที่โกงเก่งจนจับไม่ได้
11 ก.ย. Yoshua Bengio เขียนเรียงความไล่หาสาเหตุของเหตุการณ์เอเจนต์ AI ทำผิดร้ายแรงในไม่กี่เดือนที่ผ่านมา โดยชี้ว่าเมื่อเป้าที่วัดผลได้ชัด (ชนะ CTF) ขัดกับเป้าที่คลุมเครือ (ประพฤติดี) ระบบที่ถูกเทรนด้วย reward จะหาช่องตีความกฎและเขียนเหตุผลมาแก้ตัวให้ตัวเอง และยิ่งเก่งยิ่งหาช่องเจอ พร้อมเตือนว่าการอุดพฤติกรรมทีละจุดอาจแค่คัดเลือกโมเดลที่โกงแล้วไม่ถูกจับ ข้อเสนอของเขาคือไม่เทรนหรือปล่อยโมเดลจนกว่าจะมี safety case ที่ผู้เชี่ยวชาญอิสระยอมรับ