ระเบิดของเซิร์ฟเวอร์และระบบจัดเก็บข้อมูลจะยั่งยืนได้อีกนานแค่ไหน? ใช้ CapEx ของ Microsoft, Amazon และ Meta เพื่อตรวจสอบความต้องการฮาร์ดแวร์ AI

ความคึกคักของเซิร์ฟเวอร์และพื้นที่จัดเก็บข้อมูลยังไม่แสดงสัญญาณที่ชัดเจนว่าจะสิ้นสุดในระยะสั้น แต่กำลังเปลี่ยนจากระยะแรกของ "การรักษากำลังการผลิตและส่วนประกอบ" ไปสู่ระยะกลางที่เน้นไปที่การส่งมอบ อัตราการใช้งาน และผลตอบแทนจากการลงทุน แนวทางการใช้จ่ายเพื่อทุน (CapEx) จาก Microsoft, Amazon และ Meta แสดงให้เห็นว่าศูนย์ข้อมูล AI ยังคงดูดซับ GPU, CPU, HBM, SSD สำหรับองค์กร อุปกรณ์เครือข่าย และทรัพยากรไฟฟ้าในปริมาณมาก สำหรับนักลงทุนแล้ว สิ่งสำคัญไม่ใช่แค่ถามว่าฮาร์ดแวร์ AI จะเติบโตต่อไปได้อีกนานแค่ไหน แต่ต้องดูว่าความต้องการยังคงได้รับการสนับสนุนจากรายได้จริงจากคลาวด์ การใช้งาน AI ในองค์กร และข้อผูกพันระยะยาวของลูกค้าหรือไม่

สรุปประเด็นสำคัญ

• ความต้องการฮาร์ดแวร์ AI ยังคงได้รับการสนับสนุน แต่การเติบโตอาจเปลี่ยนจากการเร่งตัวไปสู่ความแตกต่าง
• CapEx ของ Microsoft, Amazon และ Meta ยังคงยืนยันถึงการขยายศูนย์ข้อมูลที่ดำเนินต่อไป
• CapEx ไม่เท่ากับรายได้จากเซิร์ฟเวอร์ อาคาร พลังงาน และสัญญาเช่าก็มีความสำคัญเช่นกัน
• งบประมาณไอทีขององค์กรกำลังให้ความสำคัญกับการประมวลผล ที่เก็บข้อมูล หน่วยความจำ เครือข่าย และความปลอดภัย
• ในการประเมินจุดสูงสุดของวงจร ให้ติดตามรายได้จากคลาวด์ อัตราการใช้งาน ราคาส่วนประกอบ และกระแสเงินสดอิสระ
• ความรุ่งเรืองของเซิร์ฟเวอร์และที่เก็บข้อมูลอาจคงอยู่จนถึงปี 2027 ก่อนที่จะกลายเป็นการคัดเลือกเชิงโครงสร้างที่มากขึ้น

ความรุ่งเรืองของเซิร์ฟเวอร์และที่เก็บข้อมูลจะยืนยาวนานแค่ไหน?

คลื่นการเติบโตของเซิร์ฟเวอร์และระบบจัดเก็บข้อมูลมีแนวโน้มที่จะดำเนินต่อไปจนถึงปี 2027 แต่อาจไม่ได้เติบโตต่อเนื่องในจังหวะที่ชันเช่นเดียวกับที่เห็นในช่วงปี 2024–2026 มุมมองที่สมจริงกว่าคือ ปี 2026 ยังคงเป็นปีของการก่อสร้างศูนย์ข้อมูล AI การล็อกสถานะส่วนประกอบ (component locking) และการส่งมอบเซิร์ฟเวอร์ระดับไฮเอนด์ ส่วนปี 2027 อาจกลายเป็นขั้นตอนที่กำลังการผลิตเริ่มเข้าสู่ระบบ ปริมาณงานการอนุมาน (inference workloads) ขยายตัว และอัตราการใช้งานถูกทดสอบ หลังจากนั้น ความต้องการมีแนวโน้มที่จะเปลี่ยนจากการขยายตัวอย่างแพร่หลายไปสู่การเติบโตเชิงโครงสร้างมากกว่า

ปี 2026 ยังคงเป็นช่วงของการขยายกำลังการผลิตและการล็อกอุปทาน

โครงสร้างพื้นฐาน AI ไม่ใช่แค่การซื้อเซิร์ฟเวอร์เครื่องเดียว แต่เป็นวงจรวิศวกรรมศูนย์ข้อมูลเต็มรูปแบบ ผู้ให้บริการคลาวด์จำเป็นต้องจัดหา GPU, CPU, HBM, DRAM, NAND, สวิตช์, โมดูลออปติคัล, แหล่งจ่ายไฟ, ระบบหล่อเย็นด้วยของเหลว และพื้นที่ศูนย์ข้อมูลล่วงหน้า ในการประชุมสายผู้ถือหุ้นไตรมาส 3 ปีงบการเงิน 2026 ของ Microsoft บริษัทระบุว่าความต้องการ Azure ยังคงสูงกว่าความสามารถในการให้บริการที่มีอยู่ ในขณะที่ส่วนสำคัญของเงินลงทุน CapEx รายไตรมาสถูกจัดสรรไปยังสินทรัพย์ที่มีอายุสั้น เช่น GPU และ CPU สิ่งนี้บ่งชี้ว่าอุปทานฮาร์ดแวร์ยังไม่สามารถตามความต้องการ AI ของคลาวด์ได้อย่างเต็มที่

ในขั้นตอนนี้ องค์กรและผู้ให้บริการคลาวด์มีแนวโน้มที่จะสั่งซื้อล่วงหน้าเนื่องจากปัญหาการขาดแคลน การคาดการณ์ว่าราคาจะสูงขึ้น และรอบการส่งมอบที่ยาวนานขึ้น พฤติกรรมล่าสุดของลูกค้าของ IBM ยืนยันประเด็นนี้: ลูกค้าปรับเปลี่ยนงบประมาณ CapEx รายไตรมาสไปยังการจัดซื้อเซิร์ฟเวอร์ อุปกรณ์จัดเก็บข้อมูล และหน่วยความจำ เพื่อรักษาโครงสร้างพื้นฐานภายใต้เงื่อนไขการจัดหาที่จำกัด สัญญาณนี้ไม่ควรถูกตีความอย่างง่าย ๆ ว่าความต้องการซอฟต์แวร์หายไป แต่หมายความว่าโครงสร้างพื้นฐาน AI กำลังได้รับความสำคัญสูงขึ้นในลำดับความสำคัญของงบประมาณองค์กร

ปี 2027 อาจกลายเป็นขั้นตอนการสร้างรายได้จากความจุ

ปี 2027 มีแนวโน้มที่จะกลายเป็นเส้นแบ่งมากกว่า การลงทุนด้านศูนย์ข้อมูลจำนวนมากในปี 2026 จะไม่แปรเปลี่ยนเป็นรายได้จากเซิร์ฟเวอร์หรือรายได้จากคลาวด์ทันทีในไตรมาสเดียวกัน ที่ดิน การเชื่อมต่อไฟฟ้า การก่อสร้าง ระบบระบายความร้อน การติดตั้งเซิร์ฟเวอร์ และการย้ายลูกค้า ล้วนใช้เวลา ในจดหมายถึงผู้ถือหุ้นปี 2025 ของ Amazon บริษัทเน้นย้ำว่าเงินลงทุน CapEx ราว 200,000 ล้านดอลลาร์มิได้ตั้งอยู่บนการเดาสุ่ม แต่ตั้งอยู่บนความต้องการของ AWS ชิป AI และโอกาสด้านคลาวด์ในระยะยาว Reuters ยังรายงานด้วยว่าการลงทุนส่วนหนึ่งของ Amazon ในปี 2026 คาดว่าจะสร้างรายได้ในปี 2027–2028

แม้ว่าความต้องการฝึกฝนโมเดล AI จะชะลอตัวลง แต่การอนุมาน AI, เอเจนต์สำหรับองค์กร, การสร้างโค้ด, ระบบแนะนำโฆษณา, การสร้างระบบค้นหาใหม่ และแอปพลิเคชันฐานความรู้ขององค์กร ยังคงสามารถเติบโตได้ ความต้องการเซิร์ฟเวอร์จะไม่ตกไปสู่จุดศูนย์ แต่จะเปลี่ยนจากคลัสเตอร์ฝึกฝนขนาดใหญ่ไปสู่สภาพแวดล้อมการอนุมานและการประมวลผลข้อมูลที่กว้างขวางยิ่งขึ้น สำหรับด้านการจัดเก็บข้อมูล สิ่งนี้อาจสร้างวงจรการขยายความจุที่ยั่งยืนมากขึ้น เนื่องจากการอนุมานในระดับองค์กรต้องใช้ข้อมูลธุรกิจ ข้อมูลบริบท บันทึกการทำงาน (logs) ดัชนีเวกเตอร์ และระบบสำรองข้อมูล

สรุป: กระแสบูมของเซิร์ฟเวอร์และอุปกรณ์จัดเก็บข้อมูลมีแนวโน้มที่จะขยายต่อไปถึงปี 2027 แต่ขั้นตอนถัดไปอาจเปลี่ยนจาก "ทุกอย่างพุ่งขึ้นพร้อมกัน" ไปสู่การเติบโตที่มีความเลือกสรรมากขึ้นในหมวดคอมพิวติ้งระดับไฮเอนด์ อุปกรณ์จัดเก็บข้อมูล ระบบเครือข่าย และทรัพยากรพลังงาน หากความจุคลาวด์ใหม่ถูกดูดซับได้อย่างรวดเร็ว การใช้งาน AI inference ยังคงเติบโตต่อเนื่อง และการใช้จ่ายด้านโครงสร้างพื้นฐานข้อมูลขององค์กรยังคงขยายตัว ความต้องการเซิร์ฟเวอร์และอุปกรณ์จัดเก็บข้อมูลก็ควรยังคงได้รับการสนับสนุน หากอุปทานส่วนประกอบคลายตัว การยกเลิกคำสั่งซื้อเพิ่มขึ้น และรายได้จากคลาวด์ไม่สอดคล้องกับ CapEx แรงกดดันของวงจรจะกลายเป็นเรื่องที่เห็นได้ชัดเจนมากขึ้น

Microsoft, Amazon และ Meta กำลังส่งสัญญาณอะไรผ่าน CapEx?

สัญญาณที่ใช้ร่วมกันจาก Microsoft, Amazon และ Meta ก็คือการลงทุนด้านโครงสร้างพื้นฐาน AI ยังคงอยู่ในระดับสูง อย่างไรก็ตาม CapEx มีความหมายที่แตกต่างกันในแต่ละบริษัท การเปิดเผยข้อมูลของ Microsoft เชื่อมโยงโดยตรงกับอุปกรณ์คอมพิวติ้งคลาวด์และกำลังการประมวลผล AI มากกว่า การใช้จ่ายของ Amazon รวมถึง AWS, โลจิสติกส์ และธุรกิจอื่นๆ ส่วนการใช้จ่ายของ Meta มุ่งเน้นไปที่ระบบแนะนำโฆษณา, AI เชิงสร้างสรรค์ และกำลังการผลิตโมเดลภายใน คุณไม่ควรเพียงแค่บวกตัวเลข CapEx ของทั้งสามบริษัทเข้าด้วยกันแล้วถือว่ายอดรวมนั้นคือคำสั่งซื้อเซิร์ฟเวอร์

Microsoft: การสัมผัสความเสี่ยงสูงต่อสินทรัพย์คอมพิวติ้งที่มีอายุการใช้งานสั้น

Microsoft เป็นหนึ่งในหน้าต่างที่ชัดเจนที่สุดสู่ความต้องการเซิร์ฟเวอร์ AI ใน FY2026 Q3 Microsoft รายงาน การเติบโต 40% ของรายได้จาก Azure และบริการคลาวด์อื่น ๆ และการอภิปรายผลประกอบการของบริษัทชี้ให้เห็นว่าความต้องการของลูกค้ายังคงสูงกว่าความสามารถในการให้บริการที่มีอยู่ ซึ่งบ่งชี้ว่าการใช้จ่ายของ Microsoft ส่วนใหญ่เชื่อมโยงกับสินทรัพย์ด้านการประมวลผลและความจุคลาวด์ ไม่ใช่เพียงที่ดินหรืออาคารศูนย์ข้อมูลเท่านั้น

ที่สำคัญกว่านั้น Microsoft ไม่ได้ขยายธุรกิจอย่างไม่มีแผนในสภาพแวดล้อมที่ความต้องการอ่อนแอ บริษัทได้เปิดเผยว่า อัตรากำไรขั้นต้นของ Microsoft Cloud ลดลงเหลือ 66% สะท้อนถึงผลกระทบจากค่าเสื่อมราคาโครงสร้างพื้นฐาน AI การจัดซื้อ GPU และการขยายขีดความสามารถของระบบคลาวด์ กล่าวอีกนัยหนึ่ง CapEx ของ Microsoft ส่งสัญญาณสองประการพร้อมกัน นั่นคือความต้องการยังคงแข็งแกร่ง แต่นักลงทุนจะให้ความสำคัญกับคำถามที่ว่าการใช้จ่ายด้าน AI สามารถสร้างผลตอบแทนสดสูงเพียงพอหรือไม่มากขึ้นเรื่อยๆ

Amazon: ความต้องการของ AWS และข้อผูกพันของลูกค้าให้การมองเห็นอนาคต

คำแนะนำด้าน CapEx ของ Amazon มีจำนวนมาก แต่ต้องมีการตีความอย่างรอบคอบ Amazon ไม่ใช่บริษัทคลาวด์เพียงอย่างเดียว แต่ยังดำเนินธุรกิจอีคอมเมิร์ซเพื่อการจัดส่งสินค้า โลจิสติกส์ โฆษณา อินเทอร์เน็ตดาวเทียม และธุรกิจอุปกรณ์อีกด้วย อย่างไรก็ตาม AWS ยังคงเป็นตัวแปรที่สำคัญที่สุด ในผลประกอบการไตรมาส 4 Amazon ได้ประกาศแนวทางการใช้จ่ายด้านสินทรัพย์ถาวรประมาณ 200 พันล้านดอลลาร์สหรัฐ โดยมีโอกาสการลงทุนครอบคลุมด้าน AI ชิป หุ่นยนต์ และดาวเทียมวงโคจรต่ำ

ภายในไตรมาสแรกของปี 2026 Amazon รายงานการเติบโตของรายได้ AWS 28% เมื่อเทียบกับปีก่อนหน้า ในขณะที่ธุรกิจชิปของบริษัทมีอัตรารายได้ประจำปีแบบ annualized แซงหน้าระดับ 20 พันล้านดอลลาร์ไปแล้ว ชิปแบบกำหนดเอง เช่น Trainium, Graviton และ Nitro อาจปรับเปลี่ยนโครงสร้างการกำหนดค่าเซิร์ฟเวอร์คลาวด์และการกระจายมูลค่าในห่วงโซ่อุปทาน มูลค่าบางส่วนอาจเปลี่ยนจาก GPU อเนกประสงค์ไปสู่ชิปแบบกำหนดเอง การออกแบบระบบเต็มรูปแบบ เครือข่าย และที่จัดเก็บข้อมูล แต่นั่นไม่จำเป็นต้องลดดีมานด์รวมของศูนย์ข้อมูลลง

Meta: ผู้ดำเนินงานโครงสร้างพื้นฐาน AI ขนาดใหญ่

สัญญาณ CapEx ของ Meta มีความเน้นไปในทิศทางภายในองค์กรมากกว่า ในไตรมาสที่ 1 ปี 2026 Meta ได้ปรับเพิ่มแนวทางค่าใช้จ่ายด้านทุนสำหรับทั้งปีเป็น $125 พันล้าน–$145 พันล้าน โดยอ้างถึงโครงสร้างพื้นฐาน AI ราคาส่วนประกอบ และต้นทุนศูนย์ข้อมูล ซึ่งแตกต่างจาก AWS หรือ Azure การลงทุนด้าน AI ของ Meta ส่วนใหญ่สนับสนุนการแนะนำโฆษณา การกระจายเนื้อหา ผู้ช่วย AI เชิงสร้างสรรค์ การฝึกอบรมโมเดล และความสามารถด้านคลาวด์ที่อาจเกิดขึ้นในอนาคต

คำถามสำคัญสำหรับโมเดลนี้ไม่ใช่คำสั่งซื้อจากลูกค้าคลาวด์ภายนอก แต่เป็นประสิทธิภาพการโฆษณา การมีส่วนร่วมของผู้ใช้ ความสามารถของโมเดล และการใช้งานหน่วยประมวลผลภายใน หาก Meta สามารถเปลี่ยนโครงสร้างพื้นฐาน AI ให้เป็นอัตราการเปลี่ยนผ่านของโฆษณาที่สูงขึ้น ระบบแนะนำที่แข็งแกร่งขึ้น และรายได้จากผลิตภัณฑ์ใหม่ แรงกดดันด้าน CapEx ก็สามารถให้เหตุผลได้ด้วยการเติบโต หากส่วนสนับสนุนรายได้ยังคงไม่ชัดเจน ตลาดจะให้ความสำคัญกับค่าเสื่อมราคาและแรงกดดันด้านกระแสเงินสดอิสระมากขึ้น

สรุป: CapEx ของ Microsoft, Amazon และ Meta ทั้งหมดแสดงให้เห็นว่าการก่อสร้างโครงสร้างพื้นฐาน AI ยังไม่จบสิ้น แต่แต่ละบริษัทตรวจสอบรอบการลงทุนนี้จากมุมมองที่แตกต่างกัน Microsoft สะท้อนความต้องการอันแน่นหนาของ GPU, CPU และเซิร์ฟเวอร์คลาวด์ได้ดีที่สุด Amazon สะท้อนความต้องการของลูกค้า AWS ในรอบระยะยาวและการขยายตัวของชิปแบบกำหนดเอง Meta แสดงให้เห็นแพลตฟอร์มโฆษณาที่กำลังกลายเป็นผู้ประกอบการโครงสร้างพื้นฐาน AI ขนาดใหญ่ คำถามที่แท้จริงไม่ใช่ว่า CapEx มีขนาดใหญ่เพียงใด แต่คือการลงทุนเหล่านี้สามารถดูดซับได้ด้วยรายได้จากคลาวด์ ประสิทธิภาพการโฆษณา และการใช้งาน AI หรือไม่

CapEx มหาศาลเปลี่ยนเป็นความต้องการเซิร์ฟเวอร์ ที่เก็บข้อมูล และหน่วยความจำได้อย่างไร?

CapEx มหาศาลจะไหลเข้าสู่ตัวเร่ง AI (AI accelerators), CPU เซิร์ฟเวอร์ และอุปกรณ์เครือข่ายเป็นลำดับแรก ก่อนที่จะค่อย ๆ กระตุ้นความต้องการ SSD สำหรับองค์กร หน่วยความจำ object storage ระบบสำรองข้อมูล พลังงาน และระบบระบายความร้อน ช่วงเวลาแตกต่างกันไปตามประเภท: รายได้จาก GPU และเซิร์ฟเวอร์สามารถรับรู้ได้ค่อนข้างเร็ว ขณะที่ที่ดิน พลังงาน และการก่อสร้างศูนย์ข้อมูลจะเคลื่อนไหวช้ากว่า ความต้องการด้านพื้นที่จัดเก็บข้อมูลอาจถูกปลดปล่อยในภายหลังเมื่อข้อมูลการฝึกฝน บันทึกการอนุมาน (inference logs) และการเชื่อมต่อข้อมูลขององค์กรขยายตัวเพิ่มขึ้น

ห่วงโซ่ฮาร์ดแวร์ศูนย์ข้อมูล AI ที่สมบูรณ์มักประกอบด้วย:

• ตัวเร่ง AI, CPU, HBM, DRAM และ NAND;
• เซิร์ฟเวอร์ความหนาแน่นสูง, แร็ค, อุปกรณ์จ่ายไฟ และระบบระบายความร้อนแบบเหลว;
• สวิตช์, โมดูลออปติคัล, การ์ดเครือข่าย (NIC) และอุปกรณ์เชื่อมต่อ;
• SSD สำหรับองค์กร, การจัดเก็บแบบออบเจ็กต์, ระบบสำรองข้อมูล และระบบจัดเก็บถาวร;
• อาคารศูนย์ข้อมูล, การเชื่อมต่อไฟฟ้า, UPS และสิ่งอำนวยความสะดวกด้านการระบายความร้อน;
• ซอฟต์แวร์การดำเนินงาน, ระบบความปลอดภัย และเครื่องมือจัดการต้นทุนคลาวด์

Gartner คาดการณ์ว่า การใช้จ่ายด้าน IT ทั่วโลกจะแตะ 6.31 ล้านล้านดอลลาร์สหรัฐ โดยคาดว่าการใช้จ่ายระบบศูนย์ข้อมูลจะเกิน 788 พันล้านดอลลาร์สหรัฐ ซึ่งหมายความว่าการเติบโตของ CapEx ตามมูลค่าตลาด (nominal) ครอบคลุมทั้ง "จำนวนเครื่องที่มากขึ้น" และ "ราคาที่สูงขึ้น" รายได้ของผู้ผลิตเซิร์ฟเวอร์ที่เพิ่มขึ้นไม่จำเป็นต้องหมายความว่าปริมาณการส่งมอบกำลังเพิ่มขึ้นในอัตราเดียวกัน เนื่องจากอาจสะท้อนถึงสเปกการตั้งค่าที่สูงขึ้นต่อเครื่อง ความจุหน่วยความจำที่มากขึ้น และราคาขายเฉลี่ยที่สูงขึ้นด้วย

การฝึกโมเดลและการอนุมาน (inference) ยังสร้างความต้องการด้านที่เก็บข้อมูลที่แตกต่างกันด้วย การฝึกโมเดลต้องใช้ชุดข้อมูลขนาดมหาศาล, model checkpoints และที่เก็บข้อมูลที่มีอัตราความเร็วสูง ส่วนการอนุมานพึ่งพาข้อมูลระดับองค์กร, ฐานข้อมูลเวกเตอร์, บริบทของผู้ใช้, log caches และการเก็บรักษาข้อมูลเพื่อการปฏิบัติตามข้อกำหนดมากกว่า มุมมองของ Gartner เกี่ยวกับโครงสร้างพื้นฐาน AI ยังเน้นย้ำถึง AI-optimized IaaS, เซิร์ฟเวอร์ AI และโครงข่ายเครือข่าย AI ในฐานะองค์ประกอบหลักของการใช้จ่ายด้าน AI ในอนาคต

หากคุณติดตามห่วงโซ่อุปทานฮาร์ดแวร์ AI ในตลาดหุ้นสาธารณะ คุณจำเป็นต้องมองไปไกลกว่าบริษัทผู้ผลิตชิป บริษัทผู้ผลิตเซิร์ฟเวอร์ OEM ผู้ขายอุปกรณ์จัดเก็บข้อมูล ผู้จำหน่ายอุปกรณ์เครือข่าย บริษัทโมดูลออปติคอล ผู้ให้บริการด้านพลังงาน บริษัทระบบหล่อเย็นด้วยของเหลว และ REIT ด้านศูนย์ข้อมูล ล้วนมีความสำคัญเช่นกัน Dell เป็นตัวอย่างที่มีประโยชน์: Reuters รายงานว่า Dell คาดว่ารายได้จากเซิร์ฟเวอร์ AI ในปีงบการเงิน FY2027 จะเพิ่มขึ้นเป็นประมาณ 60 พันล้านดอลลาร์สหรัฐ ซึ่งสูงกว่าการคาดการณ์เดิมที่ประมาณ 50 พันล้านดอลลาร์สหรัฐ เมื่อใช้ Biya เพื่อติดตามการเคลื่อนไหวของราคาหุ้นสหรัฐที่เกี่ยวข้อง ควรเปรียบเทียบแนวโน้มการลงทุนด้านทุน (CapEx) การประชุมสายรายได้ คำสั่งซื้อค้างรับ และอัตรากำไรขั้นต้นเข้าด้วยกัน แทนที่จะพึ่งพาเพียงการเติบโตของรายได้ในไตรมาสเดียว

สรุป: AI CapEx มีผลกระทบโดยตรงที่สุดต่อความต้องการเซิร์ฟเวอร์ แต่มันไม่ได้เคลื่อนไหวผ่านช่องทางเดียว ส่วนหน้าคือ GPU, CPU, HBM และเซิร์ฟเวอร์ความหนาแน่นสูง ส่วนชั้นกลางประกอบด้วยเครือข่าย โมดูลออปติคอล และที่เก็บข้อมูลระดับองค์กร ส่วนหลังประกอบด้วยพลังงาน ระบบหล่อเย็นแบบเหลว อาคารศูนย์ข้อมูล และการดำเนินงานระยะยาว เมื่อ AI เปลี่ยนจากการฝึกฝน (training) ไปสู่การอนุมาน (inference) และแอปพลิเคชันระดับองค์กร ความต้องการด้านที่เก็บข้อมูล เครือข่าย และการจัดการข้อมูลอาจเข้าสู่จุดสูงสุดช้ากว่า GPU ทำให้วงจรฮาร์ดแวร์มีแนวโน้มหมุนเวียนแบบแบ่งเป็นชั้นๆ มากกว่าที่จะเริ่มต้นและสิ้นสุดพร้อมกันทั้งหมด

ทำไมงบประมาณไอทีระดับองค์กรจึงเปลี่ยนจากซอฟต์แวร์ไปสู่โครงสร้างพื้นฐาน AI?

งบประมาณไอทีของภาคองค์กรไม่ได้ละทิ้งซอฟต์แวร์ไปทั้งหมด แต่กำลังจัดลำดับความสำคัญของโครงสร้างพื้นฐาน AI ภายใต้งบประมาณที่จำกัด ด้านการประมวลผล ที่เก็บข้อมูล หน่วยความจำ เครือข่าย ความปลอดภัย และการกำกับดูแลข้อมูล ล้วนเป็นข้อกำหนดเบื้องต้นสำหรับการนำ AI ไปใช้ในองค์กร หากทรัพยากรพื้นฐานยังไม่เพียงพอ ใบอนุญาตซอฟต์แวร์ใหม่ การอัปเกรดระบบที่มีลำดับความสำคัญต่ำกว่า และโครงการที่ปรึกษาแบบดั้งเดิม ก็จะยิ่งถูกเลื่อนออกไปได้ง่ายขึ้น ปรากฏการณ์นี้ควรเข้าใจว่าเป็นการจัดลำดับความสำคัญของงบประมาณใหม่ มากกว่าที่จะเป็นภาวะซอฟต์แวร์ตกต่ำอย่างแพร่หลาย

เพื่อให้โครงการ AI สามารถก้าวเข้าสู่ขั้นตอนการใช้งานจริง (production) องค์กรโดยทั่วไปจำเป็นต้องแก้ไขปัญหาสี่ประการก่อน ได้แก่ กำลังการประมวลผลเพียงพอหรือไม่ ข้อมูลใช้งานได้จริงหรือไม่ ความปลอดภัยควบคุมได้หรือไม่ และต้นทุนคาดการณ์ได้หรือไม่ ในงานวิจัยเกี่ยวกับงบประมาณเทคโนโลยีในยุค AI ของ McKinsey ระบุว่า CIO จำเป็นต้องปรับสมดุลระหว่างรายจ่ายเพื่อการดำเนินงาน (run expenditure) ซึ่งทำให้ระบบทำงานต่อเนื่อง กับรายจ่ายเพื่อการเปลี่ยนแปลง (change expenditure) ซึ่งสนับสนุนความสามารถใหม่ ๆ AI ไม่ใช่เพียงโครงการนวัตกรรมครั้งเดียวจบ แต่สามารถเปลี่ยนต้นทุนคลาวด์ ธรรมาภิบาลข้อมูล การเรียกใช้งาน inference และการดำเนินงานด้านความปลอดภัย ให้กลายเป็นรายการงบประมาณในระยะยาวได้

ซอฟต์แวร์จึงกำลังแบ่งแยกมากขึ้น ด้านที่มีแนวโน้มเผชิญแรงกดดัน ได้แก่ การอัปเกรดใหญ่ที่เลื่อนได้ ใบอนุญาตที่ใช้งานน้อยเกินไป เครื่องมือที่มีฟังก์ชันซ้ำซ้อน และผลิตภัณฑ์ทดลองที่มี ROI ไม่ชัดเจน ส่วนด้านที่อาจยังคงเติบโต ได้แก่ แพลตฟอร์มโมเดล AI การกำกับดูแลข้อมูล ความปลอดภัยไซเบอร์ การเพิ่มประสิทธิภาพต้นทุนคลาวด์ เครื่องมือ observability และแอปพลิเคชันที่ผสานรวมอย่างลึกซึ้งกับเวิร์กโฟลว์ธุรกิจหลัก การคาดการณ์ของ Gartner สำหรับ เซิร์ฟเวอร์ที่ปรับให้เหมาะกับ AI ยังแสดงให้เห็นว่าโครงสร้างพื้นฐาน AI ยังคงเป็นลำดับความสำคัญด้านการใช้จ่ายหลักขององค์กรและผู้ให้บริการคลาวด์

สำหรับนักลงทุนแล้ว การเปลี่ยนแปลงของงบประมาณครั้งนี้สามารถส่งผลกระทบต่อมูลค่าหุ้นในแต่ละกลุ่มอุตสาหกรรม บริษัทซอฟต์แวร์อาจเผชิญแรงกดดันด้านมูลค่าหุ้นหากไม่สามารถแสดงให้เห็นว่าผลิตภัณฑ์ของตนช่วยเพิ่มผลิตภาพ AI ลดต้นทุนคลาวด์ หรือสร้างผลลัพธ์ทางธุรกิจ บริษัทฮาร์ดแวร์ก็มีความเสี่ยงเช่นกัน หากได้รับประโยชน์จากการขึ้นราคาเพียงอย่างเดียวโดยไม่มีการส่งมอบสินค้าจริง Reuters รายงานว่านักลงทุนบางส่วนเริ่มให้ความสำคัญกับความเสี่ยงของ การเติบโตที่ชะลอตัวของการใช้จ่ายของ hyperscaler ซึ่งสะท้อนว่าตลาดกำลังเปลี่ยนจาก “มองแต่ดีมานด์ AI เท่านั้น” ไปสู่ “การมองผลตอบแทนจากการลงทุนควบคู่กันไปด้วย”

สรุป: งบประมาณไอทีขององค์กรกำลังให้ความสำคัญกับโครงสร้างพื้นฐาน AI เป็นอันดับแรก แต่นั่นไม่ได้หมายความว่างบประมาณด้านซอฟต์แวร์จะหายไปตลอดกาล การเปลี่ยนแปลงที่ถูกต้องกว่าคือ โครงสร้างพื้นฐาน ข้อมูล ความปลอดภัย และความจุระบบคลาวด์จะได้รับการจัดสรรงบประมาณก่อน ขณะที่ซอฟต์แวร์แบบดั้งเดิมและโครงการที่มีลำดับความสำคัญต่ำกว่าถูกเลื่อนออกไป เมื่อความสามารถพื้นฐานถูกสร้างขึ้นแล้ว การใช้จ่ายอาจกลับมาที่แอปพลิเคชันซอฟต์แวร์ที่สามารถพิสูจน์ได้ว่าช่วยเพิ่มผลิตภาพ ประหยัดต้นทุน หรือสร้างรายได้ ในการตัดสินว่ากระแสฮาร์ดแวร์จะสามารถดำเนินต่อไปได้หรือไม่ คุณยังต้องติดตามด้วยว่าองค์กรต่าง ๆ ยังคงเต็มใจจ่ายเงินสำหรับแอปพลิเคชัน AI หรือไม่

จะรู้ได้อย่างไรว่ากระแสฮาร์ดแวร์ AI กำลังดำเนินต่อไปหรือกำลังมาถึงจุดสูงสุด?

ไม่ว่ากระแส AI hardware จะยังคงรุ่งเรืองต่อไปหรือไม่ ไม่สามารถตัดสินได้จากการที่ CapEx ถูกขึ้นอีกครั้งเพียงอย่างเดียว กรอบวิเคราะห์ที่มีประสิทธิภาพกว่าคือการผสมผสานด้านอุปสงค์ อุปทาน และผลตอบแทนทางการเงินเข้าด้วยกัน: รายได้จากคลาวด์ยังคงเติบโตเร่งขึ้นหรือไม่ กำลังการผลิตใหม่ถูกใช้งานอย่างรวดเร็วหรือไม่ ราคาส่วนประกอบยังคงแข็งตัวหรือไม่ กระแสเงินสดอิสระสามารถรองรับการใช้จ่ายได้หรือไม่ และแรงกดดันจากค่าเสื่อมราคาเริ่มบั่นทอนความสามารถในการทำกำไรหรือไม่ การมองเพียงตัวชี้วัดเดียวอาจทำให้เข้าใจผิดว่าวงจรการก่อสร้างคืออุปสงค์ถาวร

คุณสามารถจัดกลุ่มสัญญาณที่ต้องติดตามได้เป็นสามหมวดหมู่

ตัวชี้วัดด้านอุปสงค์

• การเติบโตของรายได้จาก Azure, AWS และ Google Cloud;
• ภาระผูกพันตามสัญญาที่เหลืออยู่ สัญญาคลาวด์ระยะยาว และการชำระเงินล่วงหน้าของลูกค้า;
• รายได้จากบริการ AI ปริมาณการเรียกใช้งาน inference และสัดส่วนของโครงการองค์กรที่นำไปใช้งานจริงในระบบการผลิต;
• ความเร็วในการใช้งานความจุศูนย์ข้อมูลที่เปิดตัวใหม่;
• ว่าองค์กรจะยังคงขยายงบประมาณด้าน AI ต่อไปหรือไม่ แทนที่จะทำเพียงโครงการนำร่อง

ตัวชี้วัดด้านอุปทาน

• ราคา GPU, HBM, DRAM, NAND และ SSD สำหรับองค์กร;
• ระยะเวลาการส่งมอบเซิร์ฟเวอร์ โมดูลออปติคัล และสวิตช์;
• การเข้าถึงไฟฟ้าของศูนย์ข้อมูล การอนุมัติ และความคืบหน้าการก่อสร้าง;
• สัญญาณของการสั่งซื้อซ้ำซ้อนหรือการยกเลิกคำสั่งซื้อในห่วงโซ่อุปทาน;
• ว่าการขาดแคลนส่วนประกอบระดับไฮเอนด์จะแพร่กระจายไปสู่เซิร์ฟเวอร์มาตรฐานหรือไม่

ตัวชี้วัดทางการเงิน

• CapEx เป็นสัดส่วนของรายได้;
• กระแสเงินสดอิสระและกระแสเงินสดจากการดำเนินงาน;
• การเติบโตของค่าเสื่อมราคา;
• อัตรากำไรขั้นต้นของธุรกิจคลาวด์;
• ผลตอบแทนจากเงินลงทุน (ROIC);
• ว่าผู้บริหารจะเริ่มเน้นการควบคุมต้นทุน สัญญาเช่าทางการเงิน หรือการเพิ่มประสิทธิภาพกำลังการผลิตหรือไม่

ค่าธรรมเนียมการซื้อขายยังมีความสำคัญอยู่กลางการวิเคราะห์นี้ เมื่อคุณติดตามหุ้นของ Microsoft, Amazon, Meta หรือหุ้นในห่วงโซ่อุปทานฮาร์ดแวร์ AI ความผันผวนของราคาเป็นเพียงมิติเดียวเท่านั้น ค่าใช้จ่ายในการทำธุรกรรมจริงก็สามารถส่งผลกระทบต่อการบริหารสถานะและการปรับสมดุลพอร์ตได้เช่นกัน ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ มักรวมถึงมากกว่าค่าคอมมิชชัน โดยอาจรวมถึงค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมหน่วยงานภายนอก ค่าธรรมเนียมกิจกรรมการซื้อขาย และค่าใช้จ่ายอื่น ๆ Biya ไม่เก็บค่าคอมมิชชันสำหรับการซื้อขายหุ้นสหรัฐฯ ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมหน่วยงานภายนอก และค่าใช้จ่ายอื่น ๆ ขึ้นอยู่กับค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯและหน้าคำสั่งซื้อขาย ความพร้อมใช้งานของบริการขึ้นอยู่กับที่ตั้งของผู้ใช้ ผลการยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่เกี่ยวข้อง

สรุป: การที่วัฏจักรฮาร์ดแวร์ AI จะดำเนินต่อไปได้หรือไม่ในที่สุดขึ้นอยู่กับว่า CapEx จะกลายเป็นรายได้จริงและอัตราการใช้งานที่สูงหรือไม่ ตราบใดที่ความต้องการจากคลาวด์ยังคงสูงกว่ากำลังการผลิต โครงการ AI ขององค์กรยังคงก้าวเข้าสู่ขั้นตอนการใช้งานจริง และสัญญาระยะยาวยังคงเพิ่มขึ้นเรื่อยๆ ความต้องการเซิร์ฟเวอร์และอุปกรณ์จัดเก็บข้อมูลก็ยังคงได้รับการสนับสนุน หากราคาอุปกรณ์ประกอบลดลง การยกเลิกเพิ่มขึ้น แรงกดดันด้านกระแสเงินสดอิสระขยายตัว และรายได้จากคลาวด์ไม่สามารถทันกับการใช้จ่ายได้ ตลาดจะประเมินจังหวะการขยายตัวของโครงสร้างพื้นฐาน AI ใหม่ แนวทางที่มีวินัยมากขึ้นคือการติดตามดู CapEx รายได้จากคลาวด์ ราคาอุปกรณ์ประกอบ และกระแสเงินสดไปพร้อมกัน แทนที่จะไล่ตามเฉพาะกลุ่มฮาร์ดแวร์ใดกลุ่มหนึ่งเท่านั้น

หากคุณติดตามหุ้น AI server, enterprise storage, memory, cloud computing และหุ้นเทคโนโลยีมูลค่าตลาดมหาศาลในระยะยาว ขั้นตอนที่สำคัญที่สุดคือการสร้างกรอบการติดตามที่ทำซ้ำได้: ขั้นแรก ตรวจสอบว่าแนวโน้ม CapEx ของ Microsoft, Amazon และ Meta ยังคงเพิ่มขึ้นต่อเนื่องหรือไม่; จากนั้นพิจารณาว่า Azure, AWS และธุรกิจโฆษณาของ Meta สามารถดูดซับการลงทุนเหล่านั้นได้หรือไม่; สุดท้าย เปรียบเทียบการเปลี่ยนแปลงด้านราคาและคำสั่งซื้อทั่วทั้งห่วงโซ่อุปทานของ server, storage, memory และ network คุณสามารถใช้ ข้อมูลหุ้นสหรัฐฯ เพื่อติดตามราคา มูลค่าหลักทรัพย์ และผลการดำเนินงานในตลาดของบริษัทที่เกี่ยวข้อง และใช้ Biya เพื่อติดตามการเคลื่อนไหวของสินทรัพย์หลายประเภทครอบคลุมหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัลสำหรับหุ้นกลุ่มร้อนแรง ไม่แนะนำให้ตัดสินใจซื้อขายโดยพิจารณาจากการเคลื่อนไหวของราคาเพียงวันเดียวเท่านั้น แต่ควรพิจารณาจากข้อมูลการเปิดเผยต่อสาธารณะ โครงสร้างต้นทุน ประเภทคำสั่งซื้อขาย และระดับความเสี่ยงที่แต่ละบุคคลยอมรับได้ด้วย การวิเคราะห์ข้างต้นมีวัตถุประสงค์เพื่อให้ข้อมูลตลาดสาธารณะ การวิเคราะห์อุตสาหกรรม และการให้ความรู้เกี่ยวกับโครงสร้างค่าธรรมเนียมเท่านั้น มิได้มีวัตถุประสงค์เพื่อเป็นคำแนะนำในการลงทุนแต่อย่างใด

คำถามที่พบบ่อย

ความต้องการ AI Server ช่วยเพิ่มรายได้ Enterprise Storage โดยอัตโนมัติหรือไม่?

ไม่ได้เป็นไปโดยอัตโนมัติ แต่มักสร้างผลกระทบแบบส่งต่อที่ล่าช้า การฝึกฝน AI ขับเคลื่อนการจัดเก็บข้อมูลประสิทธิภาพสูงและการอ่านเขียนข้อมูลขนาดใหญ่เป็นอันดับแรก ในขณะที่การทำ Inference เพิ่มความต้องการด้านข้อมูลองค์กร บันทึกข้อมูล (logs) ดัชนีเวกเตอร์ และการสำรองข้อมูล ว่ารายได้จากการจัดเก็บข้อมูลจะเพิ่มขึ้นพร้อมกันหรือไม่นั้นขึ้นอยู่กับขนาดข้อมูลของลูกค้า สถาปัตยกรรมการปรับใช้ ราคา SSD และช่วงเวลาการจัดซื้อของผู้ให้บริการคลาวด์

การขึ้นราคาของ HBM และ NAND ส่งผลต่อฮาร์ดแวร์ AI แตกต่างกันอย่างไร?

HBM มีผลกระทบโดยตรงต่อประสิทธิภาพของ AI accelerator การกำหนดค่าเซิร์ฟเวอร์ และต้นทุนต่อเครื่องเซิร์ฟเวอร์มากกว่า ในขณะที่ NAND ส่วนใหญ่ส่งผลต่อ SSD สำหรับองค์กร การจัดเก็บข้อมูล และต้นทุนการเก็บถาวร ราคา HBM ที่สูงขึ้นสามารถดันราคาเซิร์ฟเวอร์ AI ระดับไฮเอนด์ให้สูงขึ้นได้ ในขณะที่ราคา NAND ที่เพิ่มขึ้นอาจกดดันงบประมาณการขยายระบบจัดเก็บข้อมูล โดยผลกระทบจริงขึ้นอยู่กับราคาตามสัญญาและส่วนผสมของผลิตภัณฑ์

ชิป AI แบบกำหนดเองของผู้ให้บริการคลาวด์จะลดความต้องการเซิร์ฟเวอร์จากผู้ผลิตหรือไม่?

ชิป AI แบบกำหนดเองสามารถเปลี่ยนแปลงการกำหนดค่าเซิร์ฟเวอร์และส่วนแบ่งของผู้ผลิตได้ แต่ไม่จำเป็นต้องลดความต้องการเซิร์ฟเวอร์โดยรวม ชิป Trainium, Graviton และชิปที่คล้ายกันของ Amazon อาจช่วยลดต้นทุนการประมวลผลต่อหน่วย ในขณะเดียวกันก็สร้างความต้องการเซิร์ฟเวอร์ ระบบเครือข่าย และระบบจัดเก็บข้อมูลแบบกำหนดเอง ผลกระทบที่สำคัญกว่าคือการกระจายมูลค่าใหม่ในระบบและส่วนประกอบต่าง ๆ อย่างไร

นักลงทุนรายย่อยจะระบุความเสี่ยงจากการสั่งซื้อซ้ำซ้อนในห่วงโซ่อุปทานฮาร์ดแวร์ AI ได้อย่างไร?

นักลงทุนรายย่อยควรตรวจสอบความต้องการแบบ end-cloud คำสั่งซื้อของซัพพลายเออร์ สินค้าคงคลัง เงินชำระล่วงหน้า เงื่อนไขการยกเลิก และระยะเวลาการส่งมอบเปรียบเทียบกัน Backlog เพียงอย่างเดียวอาจทำให้เข้าใจผิดได้ เนื่องจากในช่วงที่ขาดแคลน ลูกค้าอาจถูกจูงใจให้สั่งซื้อล่วงหน้าหรือสั่งซื้อจากหลายซัพพลายเออร์พร้อมกัน หากรายได้จากคลาวด์ชะลอตัวลงในขณะที่สินค้าคงคลังเพิ่มขึ้น ความเสี่ยงจากการสั่งซื้อซ้ำซ้อนจะเพิ่มสูงขึ้น

ข้อจำกัดด้านพลังงานของศูนย์ข้อมูลจะยืดหรือย่นวงจรของเซิร์ฟเวอร์ AI?

ข้อจำกัดด้านพลังงานของศูนย์ข้อมูลสามารถทำให้การติดตั้งเซิร์ฟเวอร์และการรับรู้รายได้ล่าช้าในระยะสั้น ขณะเดียวกันก็ยืดระยะเวลาการก่อสร้างและทำให้การจัดหาอุปกรณ์ยังคงตึงตัวในระยะยาว หากโครงการต่าง ๆ สามารถรับประกันด้านพลังงานและการอนุมัติได้ การส่งมอบฮาร์ดแวร์อาจเพียงแค่เลื่อนกำหนดออกไป หากปัญหาด้านการเข้าถึงพลังงานหรือต้นทุนการดำเนินงานยังคงอยู่ คำสั่งซื้อบางรายการอาจถูกเลื่อนออกไป ลดลง หรือยกเลิก

เหตุใดการเติบโตของ CapEx ด้านฮาร์ดแวร์ AI จึงสามารถลดกระแสเงินสดอิสระ (Free Cash Flow) ของบริษัทเทคโนโลยีได้?

การลงทุนด้านสินทรัพย์ถาวร (CapEx) ของฮาร์ดแวร์ AI ใช้เงินสดจำนวนมากก่อนที่รายได้จะเกิดขึ้นจริงอย่างเต็มที่ เนื่องจากศูนย์ข้อมูล ชิป เซิร์ฟเวอร์ และโครงสร้างพื้นฐานด้านพลังงานต้องได้รับการสนับสนุนเงินทุนล่วงหน้า นอกจากนี้ค่าเสื่อมราคา ค่าพลังงาน และต้นทุนการดำเนินงานก็จะเพิ่มขึ้นในภายหลังด้วย เพื่อประเมินว่าแรงกดดันนี้สามารถจัดการได้หรือไม่ นักลงทุนควรเปรียบเทียบกระแสเงินสดจากการดำเนินงาน การเติบโตของรายได้จากคลาวด์ อัตราการใช้งาน และผลตอบแทนระยะยาว แทนที่จะมุ่งเน้นเพียงกระแสเงินสดอิสระของไตรมาสเดียวเท่านั้น