แรงกดดันด้านค่าเสื่อมราคาของศูนย์ข้อมูล AI มีมากเพียงใด? เหตุใด CAPEX จึงส่งผลกระทบต่ออัตรากำไรของผู้ให้บริการคลาวด์

แรงกดดันจากการตัดจ่ายค่าเสื่อมราคาศูนย์ข้อมูล AI กำลังกลายเป็นตัวแปรสำคัญต่ออัตรากำไรของผู้ให้บริการคลาวด์ CAPEX จะส่งผลกระทบต่อกระแสเงินสดอิสระก่อนเป็นอันดับแรก ขณะที่ค่าเสื่อมราคาจะเข้าสู่งบกำไรขาดทุนในภายหลังและกดดันต้นทุนรายได้ อัตรากำไรขั้นต้นของคลาวด์ และอัตรากำไรจากการดำเนินงาน สำหรับนักลงทุนแล้ว คำถามที่แท้จริงไม่ใช่ว่าบริษัทเทคโนโลยีใช้จ่ายกับศูนย์ข้อมูล AI มากเพียงใด แต่คือว่าสินทรัพย์ GPU เซิร์ฟเวอร์ เครือข่าย และระบบไฟฟ้าจะสามารถคุ้มครองได้ด้วยรายได้จากคลาวด์ การใช้งาน inference สัญญาองค์กร และอัตราการใช้งาน GPU หลังจากเข้าสู่วงจรการตัดจ่ายค่าเสื่อมราคาหรือไม่ หากค่าเสื่อมราคาเติบโตเร็วกว่ารายได้ที่มีคุณภาพ CAPEX ด้าน AI อาจเปลี่ยนจากการลงทุนเพื่อการเติบโตไปเป็นตัวฉุดรั้งอัตรากำไร

Key Takeaways

• AI CAPEX กดดันกระแสเงินสดอิสระก่อน จากนั้นจึงส่งผลกระทบต่ออัตรากำไรผ่านค่าเสื่อมราคา
• ยิ่งวงจรค่าเสื่อมราคาของ GPU และเซิร์ฟเวอร์สั้นลงเท่าใด แรงกดดันต่ออัตรากำไรของผู้ให้บริการคลาวด์ยิ่งมากขึ้นเท่านั้น
• การลดลงของอัตรากำไรขั้นต้นของคลาวด์ไม่จำเป็นต้องเป็นเรื่องไม่ดี หัวใจสำคัญคือรายได้จาก AI เติบโตหรือไม่
• Microsoft, Meta, Amazon และ Alphabet ต่างเผชิญเส้นทางแรงกดดันจากค่าเสื่อมราคาที่แตกต่างกัน
• นักลงทุนควรวิเคราะห์ CAPEX, ค่าเสื่อมราคา, รายได้จากคลาวด์ และอายุการใช้งานของสินทรัพย์ร่วมกัน
• หากราคาบริการ inference ลดลง แรงกดดันจากค่าเสื่อมราคาของศูนย์ข้อมูล AI อาจถูกขยายให้มากขึ้น

แรงกดดันจากค่าเสื่อมราคาของศูนย์ข้อมูล AI มาจากที่ใด?

แรงกดดันจากค่าเสื่อมราคาของศูนย์ข้อมูล AI มาจาก CAPEX ที่ต้องจ่ายล่วงหน้าจำนวนมากและอายุการใช้งานทางเศรษฐกิจของฮาร์ดแวร์ที่สั้นลง GPU เซิร์ฟเวอร์ อุปกรณ์เครือข่าย ระบบหล่อเย็นด้วยของเหลว ระบบจ่ายไฟ และการก่อสร้างศูนย์ข้อมูล ก่อให้เกิดค่าใช้จ่ายด้านทุนก่อน จากนั้นจึงไหลเข้าสู่งบกำไรขาดทุนผ่านค่าเสื่อมราคาในหลายงวดบัญชี CAPEX เป็นตัวกำหนดแรงกดดันด้านกระแสเงินสด ขณะที่ค่าเสื่อมราคาเป็นตัวกำหนดแรงกดดันด้านอัตรากำไร นั่นคือเหตุผลว่าทำไมผู้ให้บริการคลาวด์จึงไม่ควรถูกวิเคราะห์ผ่านกระแสเงินสดอิสระเพียงอย่างเดียว แต่การจัดสรรต้นทุนในอนาคตก็เป็นสิ่งสำคัญเช่นกัน

ความแตกต่างระหว่าง CAPEX และค่าเสื่อมราคาเป็นสิ่งสำคัญ CAPEX คือการจ่ายเงินสดที่บริษัทต้องจ่ายเมื่อซื้อสินทรัพย์ระยะยาว เช่น การสร้างศูนย์ข้อมูล การจัดซื้อ GPU การติดตั้งเครือข่ายความเร็วสูง และการติดตั้งระบบหล่อเย็นแบบใช้ของเหลว ส่วนค่าเสื่อมราคาคือการตัดสินทรัพย์เหล่านั้นเข้าสู่งบกำไรขาดทุนในแต่ละไตรมาสตลอดอายุการบัญชีของสินทรัพย์ สำหรับผู้ให้บริการคลาวด์ ค่าเสื่อมราคามักถูกบันทึกเป็นต้นทุนรายได้ ซึ่งเป็นต้นทุนโดยตรงที่จำเป็นในการให้บริการลูกค้า และส่งผลต่ออัตรากำไรขั้นต้นในที่สุด

ศูนย์ข้อมูล AI มีความไวต่อการเสื่อมสภาพของสินทรัพย์มากกว่าโครงสร้างพื้นฐานคลาวด์แบบดั้งเดิม เนื่องจากส่วนผสมของสินทรัพย์มีราคาแพงกว่า มีความหนาแน่นสูงกว่า และถูกอัปเกรดอย่างรวดเร็วกว่า เซิร์ฟเวอร์คลาวด์แบบดั้งเดิมพึ่งพา CPU ที่จัดเก็บข้อมูล และเครือข่ายทั่วไปมากกว่า ขณะที่ศูนย์ข้อมูล AI ต้องการ GPU, HBM, ระบบเชื่อมต่อความเร็วสูง, ระบบหล่อเย็นด้วยของเหลว, แร็คกำลังไฟสูง และระบบไฟฟ้าที่ซับซ้อนมากขึ้น McKinsey ประมาณการว่าการก่อสร้างศูนย์ข้อมูลทั่วโลกอาจต้องใช้เงินลงทุนประมาณ 6.7 ล้านล้านดอลลาร์สหรัฐภายในปี 2030 โดยศูนย์ข้อมูลที่เกี่ยวข้องกับ AI คิดเป็นประมาณ 5.2 ล้านล้านดอลลาร์สหรัฐสิ่งนี้แสดงให้เห็นว่าโครงสร้างพื้นฐาน AI กำลังผลักดันผู้ให้บริการคลาวด์ไปสู่โมเดลการดำเนินงานที่เน้นสินทรัพย์มากขึ้น

สรุป: แรงกดดันจากการตัดจ่ายโอนสินทรัพย์ (Depreciation) ของศูนย์ข้อมูล AI ไม่ใช่แค่ประเด็นทางบัญชีเท่านั้น แต่เป็นผลลัพธ์ที่เกิดจากการทำงานร่วมกันระหว่าง CAPEX ด้าน AI, วงจรชีวิตของฮาร์ดแวร์ รายได้จากคลาวด์ และอัตราการใช้งานพลังการคำนวณ CAPEX จะส่งผลต่อกระแสเงินสดก่อน ส่วนค่าตัดจ่ายโอนจะส่งผลต่องบกำไรขาดทุนในภายหลัง และในที่สุดจะปรากฏในอัตรากำไรขั้นต้นของคลาวด์ อัตรากำไรจากการดำเนินงาน และ EPS เมื่อประเมินแรงกดดันจากการตัดจ่ายโอน นักลงทุนไม่ควรถามเพียงว่าบริษัทใช้จ่ายไปเท่าไร แต่ควรถามด้วยว่าสินทรัพย์เหล่านั้นจะถูกตัดจ่ายโอนเป็นระยะเวลานานเพียงใด เทคโนโลยีอาจล้าสมัยเร็วเพียงใด GPU ถูกใช้งานอย่างต่อเนื่องด้วยงานที่มีมูลค่าสูงหรือไม่ และรายได้จาก AI สามารถครอบคลุมต้นทุนสินทรัพย์ที่เพิ่มขึ้นได้หรือไม่

เหตุใด CAPEX ด้าน AI จึงส่งผลต่ออัตรากำไรขั้นต้นของคลาวด์และอัตรากำไรจากการดำเนินงาน?

CAPEX ของ AI ส่งผลต่ออัตรากำไรของผู้ให้บริการคลาวด์ เนื่องจากค่าเสื่อมราคามักถูกบันทึกเป็นต้นทุนในธุรกิจคลาวด์ ผู้ให้บริการคลาวด์ขายอินสแตนซ์คลาวด์, AI API, บริการฝึกโมเดล, บริการอินเฟอเรนซ์, ฐานข้อมูล และซอฟต์แวร์สำหรับองค์กร แต่ GPU, เซิร์ฟเวอร์, พลังงาน, แบนด์วิดท์, ระบบระบายความร้อน และการดำเนินงานที่สนับสนุนรายได้เหล่านี้ ล้วนก่อให้เกิดต้นทุน ตราบใดที่ต้นทุนโครงสร้างพื้นฐาน AI ใหม่เติบโตเร็วกว่ารายได้จากคลาวด์และพลังอำนาจการตั้งราคาของผลิตภัณฑ์ AI อัตรากำไรขั้นต้นก็จะเผชิญแรงกดดัน

ผลประกอบการของ Microsoft เป็นตัวอย่างที่ชัดเจน Microsoft FY2026 Q3 รายงานว่าอัตรากำไรขั้นต้นของ Microsoft Cloud ลดลงเหลือ 66% สาเหตุหลักมาจากการลงทุนด้านโครงสร้างพื้นฐาน AI ที่ต่อเนื่องและการเติบโตของการใช้งานผลิตภัณฑ์ AI โดยมีการปรับปรุงประสิทธิภาพใน Azure และ Microsoft 365 Commercial cloud ช่วยชดเชยบางส่วน นี่หมายความว่าการใช้งานผลิตภัณฑ์ AI ที่สูงขึ้นไม่ได้แปลเป็นกำไรในระยะสั้นที่สูงขึ้นโดยอัตโนมัติ หากต้นทุนการอนุมาน (inference) ค่าเสื่อมราคา และต้นทุนโครงสร้างพื้นฐานเพิ่มขึ้นก่อน อัตรากำไรก็อาจถูกกดดันก่อน

การเติบโตในการใช้งานผลิตภัณฑ์ AI ยังสามารถขยายต้นทุนในระยะสั้นได้อีกด้วย Copilot, AI Search, AI API สำหรับองค์กร, การสร้างภาพ, ผู้ช่วยเขียนโค้ด และบอทบริการลูกค้า ล้วนใช้พลังการประมวลผลอนุมาน (inference compute) ผู้ใช้และคำขอที่มากขึ้นหมายถึงการใช้ GPU ต้นทุนพลังงาน และค่าเสื่อมราคาศูนย์ข้อมูลที่สูงขึ้น Microsoft Productivity and Business Processes ยังระบุด้วยว่าการลงทุนด้านโครงสร้างพื้นฐาน AI ที่สนับสนุนการเติบโตของจำนวนผู้ใช้และการใช้งาน Microsoft 365 Copilot มีส่วนทำให้ต้นทุนรายได้ (cost of revenue) สูงขึ้น

CAPEX ด้าน AI ส่งผลต่ออัตรากำไรของคลาวด์ผ่านห้าเส้นทางหลัก ได้แก่:

1. ค่าเสื่อมราคาถูกบันทึกเข้าต้นทุนรายได้: GPU เซิร์ฟเวอร์ และอุปกรณ์เครือข่ายยังคงไหลเข้าสู่ต้นทุนรายได้อย่างต่อเนื่องหลังจากที่ถูกนำไปใช้งานแล้ว
2. ค่าไฟฟ้าและค่าระบบระบายความร้อนสูงขึ้น: แร็ก AI ความหนาแน่นสูงต้องการพลังงานไฟฟ้า ระบบระบายความร้อน และศักยภาพในการดำเนินงานมากขึ้น
3. อัตราการใช้งาน GPU อาจไม่เพียงพอ: กำลังการผลิตที่ idle ทำให้ต้นทุนต่อหน่วยของการอนุมาน (inference) หรือการฝึกฝน (training) สูงขึ้น
4. ราคาบริการอนุมาน (inference) อาจลดลง: หากราคาที่เรียกเก็บจากลูกค้าลดลง การจะให้ครอบคลุมค่าเสื่อมราคาได้ก็จะยากขึ้น
5. ผลิตภัณฑ์ AI อาจก่อต้นทุนขึ้นก่อน: ฟีเจอร์ฟรี ผลิตภัณฑ์แบบแพ็กเกจรวม หรือการใช้งาน Copilot ในช่วงต้น อาจเพิ่มต้นทุนการประมวลผลก่อนที่รายได้จะเกิดขึ้นเต็มที่

สรุป: การลงทุนด้านโครงสร้างพื้นฐาน AI (CAPEX) ส่งผลกระทบไม่เพียงแค่กระแสเงินสดอิสระ แต่ยังส่งผลต่ออัตรากำไรของธุรกิจคลาวด์ผ่านค่าเสื่อมราคา ค่าพลังงาน ค่าแบนด์วิดท์ ค่าระบบระบายความร้อน และค่าดำเนินงานอีกด้วย หากผู้ให้บริการคลาวด์สามารถครอบคลุมค่าเสื่อมราคาได้ผ่านการตั้งราคาที่แข็งแกร่งขึ้น การใช้งาน GPU ที่สูงขึ้น สัญญากับลูกค้าองค์กรที่แข็งแกร่งขึ้น และต้นทุนการอนุมาน (inference) ต่อหน่วยที่ลดลง แรงกดดันต่ออัตรากำไรก็สามารถถูกดูดซับได้ หากการใช้งานผลิตภัณฑ์ AI นำมาซึ่งต้นทุนเป็นหลัก ในขณะที่การสร้างรายได้ การตั้งราคาการอนุมาน และการต่ออายุลูกค้ายังตามหลังอยู่ อัตรากำไรขั้นต้นและอัตรากำไรจากการดำเนินงานของคลาวด์จะยังคงเผชิญแรงกดดันต่อไป

เหตุใดอายุการใช้งานของ GPU และเซิร์ฟเวอร์จึงกลายเป็นประเด็นถกเถียงในการประเมินมูลค่าหลักทรัพย์?

อายุการใช้งานของ GPU และเซิร์ฟเวอร์ส่งผลโดยตรงต่อค่าเสื่อมราคาประจำปี ซึ่งจะส่งผลต่ออัตรากำไร กำไรต่อหุ้น (EPS) และตัวคูณการประเมินมูลค่า สำหรับเซิร์ฟเวอร์ AI กลุ่มเดียวกัน การตั้งสมมติฐานอายุการใช้งาน 6 ปีจะทำให้ค่าใช้จ่ายประจำปีต่ำกว่าการตั้งสมมติฐาน 5 ปีหรือน้อยกว่านั้น เนื่องจากการอัปเกรดฮาร์ดแวร์ AI กำลังเร่งตัวขึ้น สมมติฐานเกี่ยวกับอายุการใช้งานจึงกลายเป็นแหล่งความเห็นที่แตกต่างกันที่สำคัญในการประเมินมูลค่าหุ้นเทคโนโลยี

ตัวอย่างง่าย ๆ ช่วยให้เห็นภาพชัดเจน หากผู้ให้บริการคลาวด์มีสินทรัพย์เซิร์ฟเวอร์ AI มูลค่า 10 พันล้านดอลลาร์ การคิดค่าเสื่อมราคาแบบเส้นตรงในรอบ 5 ปี จะหมายถึงค่าเสื่อมราคาต่อปีประมาณ 2 พันล้านดอลลาร์ หากคำนวณในรอบ 6 ปี ค่าเสื่อมราคาต่อปีจะอยู่ที่ประมาณ 1.67 พันล้านดอลลาร์ ความแตกต่างอยู่ที่ประมาณ 330 ล้านดอลลาร์ต่อปี ซึ่งส่งผลโดยตรงต่อรายได้จากการดำเนินงานและกำไรต่อหุ้น (EPS) ยิ่งฐานสินทรัพย์มีขนาดใหญ่ขึ้นเท่าใด สมมติฐานเรื่องค่าเสื่อมราคาก็ยิ่งมีความสำคัญต่องบกำไรขาดทุนมากขึ้นเท่านั้น

การเปลี่ยนแปลงนโยบายการบัญชีของ Amazon เป็นตัวอย่างที่ชัดเจนเป็นพิเศษ เอกสารยื่นแสดงรายการไตรมาสแรกของปี 2025 ของ Amazon เปิดเผยว่า ตั้งแต่วันที่ 1 มกราคม 2025 บริษัทได้ลดระยะเวลาใช้งานโดยประมาณของเซิร์ฟเวอร์และอุปกรณ์เครือข่ายบางรุ่นจากหกปีเหลือห้าปี โดยอ้างถึงการพัฒนาของเทคโนโลยีที่รวดเร็วขึ้น โดยเฉพาะในด้าน AI และการเรียนรู้ของเครื่อง (machine learning) การเปลี่ยนแปลงนี้บ่งชี้ว่า อายุทางเศรษฐกิจทางเทคโนโลยีของฮาร์ดแวร์ AI อาจสั้นกว่าวงจรชีวิตของเซิร์ฟเวอร์ทั่วไปแบบดั้งเดิม

Meta เคลื่อนไหวในทิศทางตรงข้าม ผลประกอบการทั้งปี 2024 ของ Meta เปิดเผยว่าบริษัทได้ดำเนินการทบทวนอายุการใช้งานของเซิร์ฟเวอร์และสินทรัพย์เครือข่ายบางประเภท โดยขยายอายุการใช้งานที่คาดหวังเป็น 5.5 ปี และคาดว่าค่าเสื่อมราคาในปี 2025 จะลดลงประมาณ 2.9 พันล้านดอลลาร์ อายุการใช้งานที่ยาวขึ้นสามารถช่วยปรับปรุงงบกำไรขาดทุนในปัจจุบันได้ แต่นักลงทุนยังคงต้องตัดสินว่าฮาร์ดแวร์นั้นมีอายุการใช้งานทางเศรษฐกิจที่ยาวนานจริงหรือไม่

อายุการใช้งานตามวิธีคิดค่าเสื่อมราคาทางบัญชีและอายุการใช้งานทางเศรษฐกิจของเทคโนโลยีไม่ได้เหมือนกันเสมอไป GPU อาจยังคงรันงานต่าง ๆ ได้ แต่หากชิปรุ่นใหม่มีประสิทธิภาพด้านพลังงาน ความจุหน่วยความจำ และ throughput ในการอนุมาน (inference) ที่ดีกว่าอย่างชัดเจน ความสามารถในการแข่งขันเชิงพาณิชย์ของสินทรัพย์รุ่นเก่าก็จะลดลง ระบบอย่าง NVIDIA GB200 NVL72 เน้นความสามารถในการอนุมานแบบเรียลไทม์ในระดับขนาดใหญ่ ซึ่งกระตุ้นให้ตลาดประเมินอายุการใช้งานทางเศรษฐกิจและความได้เปรียบด้านต้นทุนต่อหน่วยของฮาร์ดแวร์รุ่นก่อนหน้าใหม่อีกครั้ง

สรุป: อายุการใช้งานที่มีประโยชน์ของ GPU และเซิร์ฟเวอร์เป็นตัวแปรสำคัญในการประเมินมูลค่าศูนย์ข้อมูล AI ยิ่งอายุการใช้งานสั้น ค่าเสื่อมราคาต่อปียิ่งสูง และแรงกดดันต่ออัตรากำไรยิ่งมาก ยิ่งอายุการใช้งานยาวนาน งบกำไรขาดทุนในปัจจุบันยิ่งดูดี แต่หากความล้าสมัยทางเทคโนโลยีเกิดขึ้นจริงเร็วกว่านั้น แรงกดดันในการเปลี่ยนทดแทนที่สูงขึ้นหรือการตัดมูลค่าสินทรัพย์อาจปรากฏขึ้นในภายหลัง นักลงทุนไม่ควรมองเพียงกำไรตามบัญชีที่ปรับแล้วเท่านั้น แต่ยังต้องประเมินความสามารถในการแข่งขันจริงของฮาร์ดแวร์ การเปลี่ยนแปลงของต้นทุนการอนุมาน (inference) อัตราการใช้งาน GPU และระยะเวลาคืนทุนของเงินทุนด้วย ยิ่งโครงสร้างพื้นฐาน AI มีขนาดใหญ่มากขึ้นเท่าใด สมมติฐานด้านค่าเสื่อมราคายิ่งส่งผลต่อความน่าเชื่อถือของการประเมินมูลค่ามากขึ้นเท่านั้น

Microsoft, Meta, Amazon และ Alphabet: แรงกดดันด้านค่าเสื่อมราคาต่างกันอย่างไร

แม้ว่า CAPEX ด้าน AI จะเพิ่มขึ้นทั่วทั้งอุตสาหกรรม แต่ Microsoft, Meta, Amazon และ Alphabet ต่างก็เผชิญกับเส้นทางแรงกดดันจากค่าเสื่อมราคาที่แตกต่างกัน แรงกดดันของ Microsoft ปรากฏชัดในอัตรากำไรขั้นต้นของธุรกิจคลาวด์ ประเด็นสำคัญของ Meta คือกระแสเงินสดจากการโฆษณาจะสามารถครอบคลุมค่าเสื่อมราคาโครงสร้างพื้นฐาน AI ได้หรือไม่ จุดโฟกัสของ Amazon คือการเติบโตของ AWS จะสามารถดูดซับต้นทุนสินทรัพย์ได้หรือไม่ ประเด็นสำคัญของ Alphabet คือ Google Cloud, AI Search และประสิทธิภาพการโฆษณาจะสามารถดูดซับการลงทุนด้านโครงสร้างพื้นฐานด้านเทคนิคได้หรือไม่

โปรไฟล์ของ Microsoft มีความต้องการระบบคลาวด์ที่แข็งแกร่ง แต่โครงสร้างพื้นฐาน AI ก็เริ่มส่งผลกระทบต่ออัตรากำไรแล้ว Microsoft FY2026 Q3 รายงานรายได้ Microsoft Cloud ที่ 54.5 พันล้านดอลลาร์ เพิ่มขึ้น 29% เมื่อเทียบกับปีก่อน และภาระผูกพันด้านผลการดำเนินงานที่เหลืออยู่ของธุรกิจเชิงพาณิชย์ (commercial remaining performance obligation) เพิ่มขึ้น 99% มาอยู่ที่ 627 พันล้านดอลลาร์ ซึ่งสะท้อนความต้องการจากภาคองค์กรที่แข็งแกร่ง แต่อัตรากำไรขั้นต้นของ Microsoft Cloud ลดลงเหลือ 66% ในไตรมาสเดียวกัน ซึ่งแสดงให้เห็นว่าการลงทุนด้านโครงสร้างพื้นฐาน AI และการเติบโตของการใช้งานผลิตภัณฑ์ AI เริ่มส่งผลกระทบต่อฝั่งต้นทุนแล้ว

แรงกดดันของ Meta มาจากการขยายโครงสร้างพื้นฐาน AI อย่างมหาศาล ใน Meta Q1 2026 บริษัทได้ปรับเพิ่มแนวประมาณการค่าใช้จ่ายฝังทุนทั้งปีเป็น 125–145 พันล้านดอลลาร์ สะท้อนความจุศูนย์ข้อมูลในอนาคตที่สูงขึ้นและความต้องการโครงสร้างพื้นฐาน AI Reuters รายงานว่า Meta กำลังผลักดันชิป AI ที่พัฒนาขึ้นเองและขยายขีดความสามารถด้านการประมวลผล ซึ่งบ่งชี้ว่าบริษัทต้องการลดการพึ่งพา GPU จากภายนอกและควบคุมต้นทุนโครงสร้างพื้นฐานในระยะยาว สำหรับการประเมินมูลค่า ประเด็นสำคัญคือกระแสเงินสดจากการโฆษณาจะสามารถรองรับภาระค่าเสื่อมราคานี้ได้หรือไม่

สถานการณ์ของ Amazon ผูกพันโดยตรงกับกระแสเงินสดและต้นทุนสินทรัพย์มากกว่า Amazon Q1 2026 รายงานกระแสเงินสดจากการดำเนินงานในรอบ 12 เดือนที่ 148.5 พันล้านดอลลาร์ ขณะที่กระแสเงินสดอิสระลดลงเหลือ 1.2 พันล้านดอลลาร์ สาเหตุหลักมาจากการจัดซื้อที่ดินและอุปกรณ์ที่เพิ่มขึ้น โดยการลงทุนด้าน AI เป็นหนึ่งในปัจจัยสำคัญ แรงกดดันจากค่าเสื่อมราคาจะยังคงส่งผลกระทบต่อโครงสร้างต้นทุนของ AWS หลังจากที่สินทรัพย์เหล่านี้ถูกนำไปใช้งาน

Alphabet มีโครงสร้างที่สมดุลมากกว่า Alphabet Q1 2026 รายงานการเติบโตของรายได้ Google Cloud ที่ 63% ถึง 20 พันล้านดอลลาร์ ในขณะที่อัตรากำไรจากการดำเนินงานรวมขยายตัวเป็น 36.1% อย่างไรก็ตาม CAPEX ด้านโครงสร้างพื้นฐานด้านเทคนิคยังคงอยู่ในระดับสูง และค่าเสื่อมราคาในอนาคตจะยังคงเป็นประเด็นที่ตลาดให้ความสนใจเป็นหลัก หาก Google Cloud, AI Search และประสิทธิภาพการโฆษณายังคงเติบโตต่อไป แรงกดดันจากค่าเสื่อมราคาจะถูกดูดซับได้ง่ายขึ้น

สรุป: เมื่อเปรียบเทียบแรงกดดันจากค่าเสื่อมราคาของผู้ให้บริการคลาวด์ ตัวเลข CAPEX แบบสัมบูรณ์เพียงอย่างเดียวไม่เพียงพอ สำหรับ Microsoft จุดโฟกัสคือการใช้งานผลิตภัณฑ์ AI ที่ยังคงกดดันอัตรากำไรขั้นต้นของคลาวด์หรือไม่ สำหรับ Meta จุดโฟกัสคือกระแสเงินสดจากโฆษณาสามารถครอบคลุมค่าเสื่อมราคาโครงสร้างพื้นฐาน AI ได้หรือไม่ สำหรับ Amazon จุดโฟกัสคือการเติบโตของ AWS สามารถฟื้นฟูกระแสเงินสดอิสระและดูดซับต้นทุนสินทรัพย์ได้หรือไม่ สำหรับ Alphabet จุดโฟกัสคือคลาวด์, AI Search และประสิทธิภาพการโฆษณาสามารถดูดซับการใช้จ่ายด้านโครงสร้างพื้นฐานด้านเทคนิคได้หรือไม่ แรงกดดันจากค่าเสื่อมราคาจะกลายเป็นสิ่งที่อันตรายหรือไม่ขึ้นอยู่กับความสามารถในการดูดซับรายได้ ไม่ใช่ตัวเลขการใช้จ่ายเพียงตัวเดียว

แรงกดดันจากค่าเสื่อมราคาจะกลายเป็นความเสี่ยงต่ออัตรากำไรที่แท้จริงเมื่อใด?

แรงกดดันด้านค่าเสื่อมราคาจะกลายเป็นความเสี่ยงต่ออัตรากำไรอย่างแท้จริงก็ต่อเมื่อการเติบโตของรายได้ อัตราการใช้งาน GPU และราคาบริการ inference ไม่สามารถทันกับต้นทุนที่เพิ่มขึ้น ค่าเสื่อมราคาที่สูงขึ้นไม่ได้เป็นสิ่งที่ไม่ดีเสมอไป หากปริมาณงาน AI เติบโตขึ้นจริง ลูกค้าเต็มใจจ่าย และอัตราการใช้งาน GPU สูง ค่าเสื่อมราคาส่วนเพิ่มก็สามารถคลุมได้ด้วยรายได้ ความเสี่ยงจะปรากฏขึ้นเมื่อค่าเสื่อมราคา ค่าไฟฟ้า ค่าระบบระบายความร้อน และต้นทุนการดำเนินงานเพิ่มขึ้นพร้อมกัน ในขณะที่รายได้จากคลาวด์และการตั้งราคาผลิตภัณฑ์ AI ยังไม่แข็งแกร่งพอ

สถานการณ์แรกที่จัดการได้คือเมื่อรายได้เติบโตเร็วกว่าค่าเสื่อมราคา หากรายได้จากคลาวด์ การใช้งาน AI API สัญญาองค์กร ความต้องการ inference และสัญญาเช่า compute ระยะยาวเติบโตอย่างรวดเร็ว สัดส่วนค่าเสื่อมราคาต่อรายได้ก็อาจลดลง แม้ว่าค่าเสื่อมราคาในรูปแบบตัวเลขสัมบูรณ์จะเพิ่มขึ้น แต่ต้นทุนสินทรัพย์ที่รับภาระต่อรายได้แต่ละหนึ่งดอลลาร์ก็สามารถลดลงได้ ในกรณีเช่นนั้น AI CAPEX จะดูคล้ายกับการลงทุนเพื่อการเติบโตมากขึ้น

สถานการณ์ที่เป็นอันตรายประการที่สองคือราคาการอนุมาน (inference) ที่ลดลงร่วมกับ GPU ที่ว่างงาน การแข่งขันด้าน AI สามารถขับเคลื่อนการปรับปรุงประสิทธิภาพของโมเดลและลดราคาการอนุมานให้ต่ำลง หากผู้ให้บริการคลาวด์สร้างความจุ GPU จำนวนมากล่วงหน้าก่อนที่ความต้องการจะเกิดขึ้นจริง แต่ความต้องการของลูกค้ายังไม่เพียงพอ ราคาเช่าจะลดลง หรือบริการอนุมานถูกลดราคา ค่าเสื่อมราคาจะกดดันอัตรากำไรขั้นต้นโดยตรง งานวิจัยล่าสุดเกี่ยวกับ เศรษฐศาสตร์ของการอนุมาน ยังถือว่าอายุของฮาร์ดแวร์ แบนด์วิดท์ของหน่วยความจำ และความต้องการที่สามารถสร้างรายได้ เป็นตัวแปรสำคัญที่ส่งผลต่อความสามารถในการชำระหนี้ของโครงสร้างพื้นฐาน AI อีกด้วย

แรงกดดันแหล่งที่สามคือพลังงานและการระบายความร้อน IEA คาดการณ์ว่าการใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นเป็นประมาณ 945 TWh ภายในปี 2030 เพิ่มขึ้นอย่างรวดเร็วจากประมาณ 415 TWh ในปี 2024 แร็ก AI มีความหนาแน่นของพลังงานที่สูงกว่า และการระบายความร้อนแบบเหลว สถานีไฟฟ้าย่อย แหล่งจ่ายไฟสำรอง และสัญญาจ่ายไฟ ล้วนเพิ่มต้นทุน ต้นทุนพลังงานที่สูงขึ้นนอกเหนือจากค่าเสื่อมราคา ทำให้แรงกดดันต่ออัตรากำไรซับซ้อนยิ่งขึ้น

แรงกดดันจากค่าเสื่อมราคามักกลายเป็นความเสี่ยงต่ออัตรากำไรเมื่อสัญญาณทั้งหกปรากฏขึ้น:

1. ค่าเสื่อมราคาที่เพิ่มขึ้นยังคงสูงกว่าอัตราการเติบโตของรายได้จากคลาวด์
2. อัตรากำไรขั้นต้นของคลาวด์ลดลงต่อเนื่องโดยไม่มีการปรับปรุงประสิทธิภาพที่ชัดเจน
3. อัตราการใช้งาน GPU ต่ำ หรือความจุถูกเติมเต็มด้วยคำสั่งซื้อราคาต่ำ
4. ราคาบริการ Inference ลดลงเร็วกว่าต้นทุนต่อหน่วย
5. ต้นทุนไฟฟ้าและระบบระบายความร้อนของศูนย์ข้อมูลยังคงเพิ่มขึ้นต่อเนื่อง
6. ฝ่ายบริหารเพิ่มงบลงทุน CAPEX ต่อเนื่องโดยไม่อธิบายระยะเวลาคืนทุน

สรุป: แรงกดดันจากค่าเสื่อมราคาไม่ได้หมายความว่าจะต้องมีความเสี่ยงต่ออัตรากำไรโดยอัตโนมัติ ตราบใดที่ปริมาณงาน AI ยังเติบโต ลูกค้ายังจ่ายเงิน อัตราการใช้งาน GPU ยังสูง และต้นทุนการอนุมาน (inference) ต่อหน่วยยังลดลง ค่าเสื่อมราคาก็สามารถถูกดูดซับได้ด้วยรายได้ อันตรายที่แท้จริงคือเมื่อค่าเสื่อมราคา ค่าไฟ ค่าระบบหล่อเย็น และค่าดำเนินงานพุ่งสูงขึ้นพร้อมกัน ในขณะที่รายได้จากคลาวด์ ราคาบริการอนุมาน และความต้องการของลูกค้าไม่สามารถตามทัน ณ จุดนั้น CAPEX ด้าน AI จะเปลี่ยนจากการลงทุนเพื่อการเติบโตไปเป็นภาระต่ออัตรากำไร และตลาดจะทบทวนอัตรากำไรระยะยาวของธุรกิจคลาวด์และตัวคูณการประเมินมูลค่า (valuation multiples) ใหม่อีกครั้ง

นักลงทุนทั่วไปจะใช้ตัวชี้วัดค่าเสื่อมราคาในการประเมินมูลค่าผู้ให้บริการคลาวด์ได้อย่างไร?

นักลงทุนทั่วไปสามารถประเมินแรงกดดันด้านค่าเสื่อมราคา AI ได้ผ่านห้ามุมมอง ได้แก่ D&A เทียบกับสัดส่วนรายได้ อัตรากำไรขั้นต้นของคลาวด์ อัตรากำไรจากการดำเนินงาน อายุการใช้งานของสินทรัพย์ และสมมติฐานการประเมินมูลค่า CAPEX ที่สูงไม่จำเป็นต้องเป็นอันตรายเสมอไป และค่าเสื่อมราคาที่สูงไม่ได้หมายความว่าบริษัทกำลังทรุดโทรมลงเสมอ สิ่งที่ควรให้ความสนใจคือค่าเสื่อมราคาที่เพิ่มขึ้น อัตรากำไรขั้นต้นของคลาวด์ที่ลดลง การแปลงรายได้ AI ที่ไม่เพียงพอ และการประเมินมูลค่าที่ยังคงสมมติฐานว่าจะมีอัตรากำไรสูงในระยะยาว

ขั้นตอนแรกคือการสังเกตว่าค่าเสื่อมราคาและค่าตัดจำหน่ายต่อรายได้มีแนวโน้มเพิ่มขึ้นหรือไม่ หาก D&A ในสัดส่วนของรายได้ยังคงเพิ่มขึ้นอย่างต่อเนื่อง ต้นทุนสินทรัพย์จะปรากฏในงบกำไรขาดทุนชัดเจนมากขึ้น ผู้ให้บริการคลาวด์แต่ละรายมีองค์ประกอบธุรกิจที่แตกต่างกัน ดังนั้นนักลงทุนจึงไม่ควรเปรียบเทียบเพียงมูลค่าค่าเสื่อมราคาโดยสัมบูรณ์เท่านั้น แต่ควรพิจารณาขนาดของรายได้ สัดส่วนรายได้จากคลาวด์ และความเข้มข้นของสินทรัพย์ศูนย์ข้อมูลด้วย

ขั้นตอนที่สองคือการสังเกตว่าอัตรากำไรขั้นต้นและอัตรากำไรจากการดำเนินงานของธุรกิจคลาวด์ถูกกดดันพร้อมกันหรือไม่ หากรายได้จากคลาวด์เติบโตอย่างแข็งแกร่งแต่อัตรากำไรขั้นต้นลดลง ค่าครุภัณฑ์จาก AI และต้นทุนการอนุมาน (inference costs) อาจกำลังเพิ่มสูงขึ้น หากอัตรากำไรจากการดำเนินงานยังคงทนอยู่ได้ บริษัทอาจกำลังรับมือกับแรงกดดันผ่านการตั้งราคา การปรับปรุงประสิทธิภาพ หรือธุรกิจอื่นที่มีอัตรากำไรสูง อัตรากำไรขั้นต้นของ Microsoft Cloud อัตรากำไรจากการดำเนินงานของ AWS และอัตรากำไรจากการดำเนินงานของ Google Cloud ล้วนเป็นตัวชี้วัดสำคัญทั้งสิ้น

ขั้นตอนที่สามคือการประเมินว่ามูลค่าหุ้น (valuation) ในปัจจุบันได้สันนิษฐานไว้แล้วหรือไม่ว่าแรงกดดันจากค่าเสื่อมราคานั้นสามารถบริหารจัดการได้ หุ้นเทคโนโลยีที่มีมูลค่าสูงมักสะท้อนว่าการลงทุนด้าน CAPEX ด้าน AI สามารถสร้างผลตอบแทนสูงได้ หากค่าเสื่อมราคาในอนาคตสูงกว่าที่คาดไว้ EPS FCF และตัวคูณมูลค่าหุ้น (valuation multiples) อาจเผชิญแรงกดดัน ในทางกลับกัน หากแรงกดดันจากค่าเสื่อมราคาถูกตั้งราคาไว้ในราคาหุ้นแล้ว และรายได้จาก AI เริ่มเป็นรูปธรรม มูลค่าหุ้นก็อาจฟื้นตัวได้

นักลงทุนสามารถใช้คำถาม 7 ข้อเพื่อตรวจสอบแรงกดดันจากค่าเสื่อมราคาด้าน AI ได้ดังนี้:

1. CAPEX สูงกว่าค่าเฉลี่ยในอดีตอย่างต่อเนื่องหรือไม่?
2. ค่าเสื่อมราคาและค่าตัดจำหน่ายเริ่มเร่งตัวขึ้นหรือไม่?
3. อัตรากำไรขั้นต้นของคลาวด์ถูกฉุดลงโดยโครงสร้างพื้นฐาน AI หรือไม่?
4. สมมติฐานเกี่ยวกับอายุการใช้งานของเซิร์ฟเวอร์และ GPU มีการเปลี่ยนแปลงหรือไม่?
5. รายได้จาก AI สามารถครอบคลุมค่าเสื่อมราคาที่เพิ่มขึ้นได้หรือไม่?
6. ต้นทุนพลังงานและระบบระบายความร้อนกำลังเพิ่มขึ้นพร้อมกันหรือไม่?
7. การประเมินมูลค่าในปัจจุบันคาดการณ์อัตรากำไรระดับสูงในระยะยาวไว้แล้วหรือไม่?

หากคุณติดตามโอกาสในหุ้นสหรัฐฯ ด้านศูนย์ข้อมูล AI ผู้ให้บริการคลาวด์ และห่วงโซ่อุปทานเซมิคอนดักเตอร์ คุณควรใส่ใจไม่เพียงแค่อัตรากำไรและค่าเสื่อมราคา แต่ยังรวมถึงต้นทุนการซื้อขายจริงด้วย ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ อาจรวมถึงไม่เพียงแค่ค่าคอมมิชชันเท่านั้น แต่ยังรวมถึงค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก และค่าธรรมเนียมกิจกรรมการซื้อขายอีกด้วย Biya เรียกเก็บค่าคอมมิชชัน 0 ดอลลาร์สหรัฐฯ สำหรับการซื้อขายหุ้นสหรัฐฯ ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก และค่าธรรมเนียมอื่น ๆ จะเป็นไปตามศูนย์ค่าธรรมเนียมและการแสดงผลของคำสั่งซื้อ ก่อนทำการซื้อขาย คุณสามารถตรวจสอบ ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ และยืนยันว่าบริการที่เกี่ยวข้องใช้ได้กับสถานที่ตั้ง ผลการยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับในท้องถิ่นของคุณหรือไม่

สรุป: นักลงทุนทั่วไปไม่ควรตัดสินแรงกดดันด้านค่าเสื่อมราคาของ AI จาก CAPEX เพียงอย่างเดียว หรือจาก EPS เพียงอย่างเดียว แนวทางที่มีประโยชน์กว่าคือการวิเคราะห์ D&A ในสัดส่วนของรายได้ อัตรากำไรขั้นต้นของธุรกิจคลาวด์ อัตรากำไรจากการดำเนินงาน อายุการใช้งานของสินทรัพย์ และสมมติฐานการประเมินมูลค่าเข้าด้วยกัน เมื่อแรงกดดันด้านค่าเสื่อมราคาอยู่ในระดับที่จัดการได้ CAPEX ด้าน AI อาจเป็นการลงทุนเพื่อการเติบโต แต่เมื่อแรงกดดันด้านค่าเสื่อมราคาหลุดการควบคุม แม้รายได้จะเติบโตอย่างรวดเร็วก็อาจไม่สามารถหนุนการประเมินมูลค่าในระดับสูงได้ ยิ่งวงจรโครงสร้างพื้นฐานของ AI ยาวนานมากขึ้น คุณภาพของอัตรากำไรก็ยิ่งมีความสำคัญมากขึ้น

หากคุณยังคงติดตามแรงกดดันด้านค่าเสื่อมราคาของศูนย์ข้อมูล AI อัตรากำไรของผู้ให้บริการคลาวด์ และการประเมินมูลค่าหุ้นเทคโนโลยี คุณสามารถเน้นไปที่การเปลี่ยนแปลงของผลประกอบการจาก Microsoft, Meta, Amazon, Alphabet, Oracle, NVIDIA, บริษัทพื้นที่จัดเก็บข้อมูล AI และห่วงโซ่อุปทานของศูนย์ข้อมูล: ว่าคำแนะนำด้าน CAPEX ยังคงเพิ่มขึ้นหรือไม่ ว่า D&A เร่งตัวขึ้นหรือไม่ ว่าอัตรากำไรขั้นต้นของคลาวด์ถูกกดดันหรือไม่ และว่ารายได้จาก AI เริ่มครอบคลุมต้นทุนค่าเสื่อมราคาหรือไม่ ในฐานะกระเป๋าเงินสำหรับเทรดสินทรัพย์หลายประเภทระดับโลก Biya รองรับการเทรดหุ้นสหรัฐฯ หุ้นฮ่องกง และคริปโตเคอเรนซี รวมถึงการแลกเปลี่ยน USDT เป็นสกุลเงิน fiat หลัก เช่น USD และ HKD คุณสามารถใช้ ค้นหาข้อมูลหุ้นสหรัฐฯ เพื่อจัดทำรายการติดตามโครงสร้างพื้นฐาน AI และคุณสามารถ ดาวน์โหลดแอป เพื่อติดตามชื่อหุ้นที่เกี่ยวข้องอย่างต่อเนื่อง ความพร้อมใช้งานของบริการขึ้นอยู่กับที่ตั้งของผู้ใช้ ผลการตรวจสอบตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่เกี่ยวข้อง ก่อนทำการซื้อขาย คุณควรทำความเข้าใจกฎการสั่งซื้อ โครงสร้างค่าธรรมเนียม และความเสี่ยงจากความผันผวนของราคาอย่างถี่ถ้วน

คำถามที่พบบ่อย

ทำไมค่าเสื่อมราคาศูนย์ข้อมูล AI จึงส่งผลกระทบต่ออัตรากำไรขั้นต้นของธุรกิจคลาวด์?

ค่าเสื่อมราคาศูนย์ข้อมูล AI ส่งผลกระทบต่ออัตรากำไรขั้นต้นของธุรกิจคลาวด์ เนื่องจากค่าเสื่อมราคาของ GPU เซิร์ฟเวอร์ และอุปกรณ์ศูนย์ข้อมูลมักถูกบันทึกเป็นต้นทุนของธุรกิจคลาวด์ หากรายได้จาก AI เติบโตเร็วกว่าค่าเสื่อมราคา แรงกดดันต่ออัตรากำไรก็สามารถควบคุมได้ แต่หากการดูดซับรายได้ไม่เพียงพอ อัตรากำไรจะถูกกดดัน

ความแตกต่างระหว่างแรงกดดันจาก CAPEX ด้าน AI กับแรงกดดันจากค่าเสื่อมราคาคืออะไร?

CAPEX ด้าน AI เป็นแรงกดดันต่อกระแสเงินสด ขณะที่ค่าเสื่อมราคาเป็นแรงกดดันต่องบกำไรขาดทุน CAPEX เกิดขึ้นเมื่อบริษัทจัดซื้อ GPU เซิร์ฟเวอร์ และอุปกรณ์ศูนย์ข้อมูล จากนั้นค่าเสื่อมราคาจะค่อยๆ เข้าสู่การคำนวณต้นทุน อัตรากำไร และ EPS ตลอดอายุการใช้งานของสินทรัพย์

อายุการใช้งานของ GPU ที่สั้นลงส่งผลต่อกำไรอย่างไร?

อายุการใช้งานจริงของ GPU ที่สั้นลงทำให้ค่าเสื่อมราคาต่อปีสูงขึ้น ซึ่งกดดันกำไรจากการดำเนินงานและกำไรต่อหุ้น (EPS) แม้จะไม่ส่งผลกระทบต่อกระแสเงินสดในปัจจุบัน แต่อาจส่งอิทธิพลต่ออัตรากำไร ตัวคูณมูลค่าหุ้น และมุมมองของตลาดต่อวงจรคืนทุนของการลงทุน AI

ผู้ให้บริการคลาวด์สามารถบรรเทาแรงกดดันจากค่าเสื่อมราคา AI ได้อย่างไร?

ผู้ให้บริการคลาวด์สามารถบรรเทาแรงกดดันจากค่าเสื่อมราคา AI ได้โดยการปรับปรุงอัตราการใช้งาน GPU ให้เกิดประสิทธิภาพสูงสุด เพิ่มประสิทธิภาพต้นทุนการอนุมาน (inference) ทำสัญญาระยะยาว ปรับราคาผลิตภัณฑ์ AI ให้สูงขึ้น และยืดอายุการใช้งานจริงของฮาร์ดแวร์ วิธีการเหล่านี้ต้องอาศัยการสร้างสมดุลระหว่างประสิทธิภาพ ความเสถียรภาพ และความต้องการของลูกค้า

นักลงทุนสามารถสังเกตความเสี่ยงจากค่าเสื่อมราคา AI ในงบการเงินได้อย่างไร?

นักลงทุนควรมุ่งเน้นที่ค่าความเสื่อมและค่าตัดจำหน่าย (D&A) เทียบกับสัดส่วนรายได้ อัตรากำไรขั้นต้นของคลาวด์ อัตรากำไรจากการดำเนินงาน แนวทางการลงทุนในทุนกายภาพ (CAPEX) และการเปลี่ยนแปลงอายุการใช้งานของเซิร์ฟเวอร์ หากค่าความเสื่อมมูลค่าเติบโตเร็วกว่ารายได้จากคลาวด์ แรงกดดันต่ออัตรากำไรอาจเพิ่มขึ้น

แรงกดดันจากการคิดค่าเสื่อมราคา AI ส่งผลกระทบต่อความต้องการของ NVIDIA หรือไม่?

มีผลแน่นอน แต่ผลกระทบไม่ได้เป็นไปทางเดียว แรงกดดันจากค่าเสื่อมราคาที่สูงอาจทำให้ผู้ให้บริการคลาวด์ชะลอการจัดซื้อหรือเปลี่ยนไปใช้ชิปที่พัฒนาเอง แต่หากความต้องการด้านการอนุมาน (inference) แข็งแกร่งและอัตราการใช้งาน GPU อยู่ในระดับสูง ความต้องการจัดซื้อเพิ่มเติมก็อาจดำเนินต่อไปได้ กุญแจสำคัญคือการประเมิน CAPEX ของลูกค้า อัตราการใช้งาน GPU และรายได้จากการอนุมานเข้าด้วยกัน