ความเสี่ยงจากการชะลอตัวของ CAPEX ด้าน AI: อะไรจะได้รับผลกระทบมากกว่ากัน NVIDIA, TSMC, ASML หรือ Micron?

หากผู้ให้บริการคลาวด์ชะลอการลงทุน CAPEX ด้าน AI NVIDIA มักเป็นบริษัทที่ได้รับผลกระทบมากที่สุด เนื่องจากอยู่ใกล้กับการจัดซื้อ GPU ของผู้ให้บริการขนาดใหญ่ (hyperscaler) และรายได้จากศูนย์ข้อมูลมากที่สุด รองลงมาคือ Micron เนื่องจากความคาดหวังด้านราคาและกำลังการผลิตของ HBM, DRAM และ NAND ขึ้นอยู่กับความต้องการเซิร์ฟเวอร์ AI เป็นอย่างมาก ส่วน TSMC และ ASML จะได้รับผลกระทบโดยมีความล่าช้ามากกว่า แต่มูลค่าหุ้นของทั้งสองอาจมีปฏิกิริยาก่อนที่ปัจจัยพื้นฐานจะเปลี่ยนแปลงจริง เมื่อเปรียบเทียบบริษัททั้งสี่นี้ คุณไม่ควรมองรวมกันว่าเป็น "หุ้นห่วงโซ่คุณค่า AI" โดยเฉลี่ย แต่จำเป็นต้องประเมินว่าแต่ละบริษัทใกล้ชิดกับคำสั่งซื้อคอมพิวเตอร์คลาวด์ใหม่มากเพียงใด รอบคำสั่งซื้อของแต่ละบริษัทยาวนานเพียงใด และการเติบโตส่วนใดถูกใส่ไว้ในมูลค่าหุ้นไปแล้วมากน้อยเพียงใด

ประเด็นสำคัญ

• การชะลอตัวของ AI CAPEX จะกระทบบริษัทที่อยู่ใกล้คำสั่งซื้อใหม่จากผู้ให้บริการคลาวด์เป็นอันดับแรก
• NVIDIA อ่อนไหวที่สุด เนื่องจากรายได้จากศูนย์ข้อมูลผูกกับการจัดซื้อคลัสเตอร์ AI โดยตรง
• Micron สัมผัสกับวงจรราคาของ HBM และหน่วยความจำ โดยการส่งผลจะล่าช้าเล็กน้อย
• TSMC ขึ้นอยู่กับโหนดกระบวนการผลิตขั้นสูงและ CoWoS โดยมีวงจรพื้นฐานที่ยาวนานกว่า
• ASML ผูกพันกับความเชื่อมั่นในการขยายตัวระยะยาวมากกว่า จึงมีความอ่อนไหวต่อรายได้ในระยะสั้นน้อยกว่า
• ความเสี่ยงควรได้รับการประเมินจากการสัมผัสด้านรายได้ งานสะสมในมือ (backlog) อัตรากำไรขั้นต้น และสมมติฐานการประเมินมูลค่า

การชะลอตัวของ AI CAPEX ส่งผลต่อทั้งสี่บริษัทอย่างไร? เริ่มจากตำแหน่งของพวกเขาในห่วงโซ่คุณค่า

NVIDIA, TSMC, ASML และ Micron ล้วนได้รับผลกระทบจากการชะลอตัวของ CAPEX ด้าน AI แต่ผ่านเส้นทางที่แตกต่างกัน NVIDIA ขาย AI GPU, อุปกรณ์เครือข่าย และแพลตฟอร์มระดับระบบ Micron ขาย HBM, DRAM, NAND และ SSD สำหรับศูนย์ข้อมูล TSMC ให้บริการผลิตโหนดระดับสูงและบรรจุภัณฑ์ขั้นสูง CoWoS ASML จัดหาอุปกรณ์ลิโธกราฟี เช่น เครื่อง EUV และ DUV ยิ่งบริษัทใดอยู่ใกล้กับการจัดซื้อคลัสเตอร์ AI รอบใหม่ของผู้ให้บริการคลาวด์มากเท่าใด ราคาหุ้นและความคาดหวังของบริษัทนั้นก็มักจะตอบสนองเร็วขึ้นเท่านั้น และยิ่งอยู่ใกล้กับการก่อสร้างกำลังการผลิตระยะยาวมากเท่าใด การส่งผ่านของปัจจัยพื้นฐานก็จะยิ่งช้าลงเท่านั้น

การส่งต่อเงินลงทุนด้านโครงสร้างพื้นฐาน AI (AI CAPEX) สามารถแบ่งออกได้เป็นสี่ชั้น ชั้นแรกคือการจัดซื้อ GPU, ASIC, เซิร์ฟเวอร์ และอุปกรณ์เครือข่ายโดยผู้ให้บริการคลาวด์ ชั้นนี้เชื่อมโยงโดยตรงที่สุดกับแผนการก่อสร้างใหม่ของ hyperscaler อย่าง Microsoft, Amazon, Alphabet, Meta และ Oracle ชั้นที่สองคือความต้องการ GPU และเซิร์ฟเวอร์ AI ที่ดึงดูดความต้องการ HBM, DRAM, NAND, SSD และอุปกรณ์จัดเก็บข้อมูลแบบแบนด์วิดท์สูง ชั้นที่สามคือความต้องการตัวเร่งปฏิกิริยา AI ที่ขับเคลื่อนความต้องการโหนดขั้นสูง, การบรรจุขั้นสูง, CoWoS และงานกับดักซิลิคอน (foundry) ชั้นที่สี่คือการที่โรงงานฟาบและผู้ผลิตหน่วยความจำจัดซื้ออุปกรณ์ EUV, DUV, สาระน้ำยาแกะสลัก, การฝังชั้นฟิล์ม และการตรวจสอบ เพื่อการขยายกำลังการผลิตในระยะยาว

ผู้ให้บริการคลาวด์ยังคงอยู่ในวงจรการลงทุนสูง Alphabet รายงาน ผลประกอบการไตรมาส 1 ปี 2026 แสดงให้เห็นว่า Google Cloud ได้รับการสนับสนุนจากความต้องการผลิตภัณฑ์และโครงสร้างพื้นฐาน AI กำไรขั้นต้นของ Microsoft Cloud ของ Microsoft ได้รับผลกระทบจากการลงทุนด้านโครงสร้างพื้นฐาน AI และการเติบโตของการใช้งานผลิตภัณฑ์ AI ผลประกอบการ ไตรมาส 1 ปี 2026 ของ Amazon ยังคงแสดงให้เห็นว่า AWS เป็นช่องทางสำคัญในการสร้างรายได้จากโครงสร้างพื้นฐาน AI แผนการพัฒนาชิป AI ภายในบ้านของ Meta ที่รายงานโดย Reuters ยังสะท้อนถึงเป้าหมายคู่ขนาน นั่นคือการขยายขีดความสามารถในการประมวลผลไปพร้อมกับการลดต้นทุนโครงสร้างพื้นฐาน

สรุป: เมื่อเปรียบเทียบบริษัททั้งสี่นี้ อย่าถามเพียงว่าบริษัทไหนเป็น “หุ้น AI” แต่ให้ถามว่าการรับรู้รายได้ของบริษัทนั้นใกล้ชิดกับการลงทุนสร้างโครงสร้างพื้นฐานของผู้ให้บริการคลาวด์รายใหม่เพียงใด NVIDIA เป็นตัวที่ตรงที่สุด ดังนั้นปฏิกิริยาของตลาดมักรวดเร็วที่สุด Micron ขึ้นอยู่กับ HBM และอุปสงค์-อุปทานของหน่วยความจำ ดังนั้นการส่งผ่านจึงช้ากว่าเล็กน้อยแต่ความอ่อนไหวต่อราคาอาจสูง TSMC ผูกพันกับการผลิตชิป AI และการบรรจุชิปขั้นสูง ทำให้ปัจจัยพื้นฐานของบริษัทมีลักษณะระยะกลางมากกว่า ASML มีลักษณะคล้ายเครื่องวัดความเชื่อมั่นในการขยายตัวระยะยาวของอุตสาหกรรมสารกึ่งตัวนำมากกว่า ความอ่อนไหวของราคาหุ้นในระยะสั้นและความอ่อนไหวของปัจจัยพื้นฐานในระยะยาวไม่ใช่สิ่งเดียวกัน: อดีตเป็นเรื่องของความคาดหวัง ส่วนหลังขึ้นอยู่กับคำสั่งซื้อ กำลังการผลิต และวัฏจักรราคา

เหตุใด NVIDIA จึงเป็นบริษัทที่อ่อนไหวที่สุด: รายได้จาก GPU AI ผูกพันโดยตรงกับการจัดซื้อจัดจ้างของผู้ให้บริการคลาวด์

NVIDIA เป็นบริษัทที่อ่อนไหวที่สุดต่อภาวะชะลอตัวของการลงทุนด้าน CAPEX ด้าน AI เนื่องจาก GPU สำหรับศูนย์ข้อมูล ผลิตภัณฑ์เครือข่าย AI และผลิตภัณฑ์ระดับระบบของบริษัทถูกนำไปใช้โดยตรงในคลัสเตอร์สำหรับการฝึกและการอนุมาน (training and inference) ของผู้ให้บริการคลาวด์ หากผู้ให้บริการ hyperscaler อย่าง Microsoft, Amazon, Alphabet, Meta และ Oracle ลดการจัดซื้อใหม่หรือเลื่อนการเปิดใช้งานศูนย์ข้อมูล ตลาดจะปรับลดคาดการณ์รายได้จากศูนย์ข้อมูล อัตรากำไรขั้นต้น และมูลค่าหุ้นจากการเติบโตของ NVIDIA เป็นอันดับแรก NVIDIA เป็นทั้งผู้ได้รับประโยชน์โดยตรงรายใหญ่ที่สุดจากวงจรการลงทุนด้าน AI และเป็นตัวชี้วัด (bellwether) ด้านโครงสร้างพื้นฐาน AI ที่ตลาดใช้กันอย่างแพร่หลายที่สุด

คำถามสำคัญสำหรับ NVIDIA ไม่ใช่ว่าความต้องการ AI จะมีอยู่หรือไม่ แต่คืออัตราการเติบโตสูงในปัจจุบันจะสามารถดำเนินต่อไปได้อีกนานเพียงใด ใน ผลประกอบการไตรมาส 1 ปีบัญชี 2027 NVIDIA รายงานรายได้ 81.6 พันล้านดอลลาร์ เพิ่มขึ้น 85% เมื่อเทียบกับปีก่อน โดยมีรายได้จากธุรกิจศูนย์ข้อมูล 75.2 พันล้านดอลลาร์ เพิ่มขึ้น 92% เมื่อเทียบกับปีก่อน เมื่อการเติบโตมีฐานสูงถึงเพียงนี้แล้ว แม้เพียงการเปลี่ยนแปลงของการจัดซื้อจัดจ้างจากผู้ให้บริการคลาวด์จาก "ต้องการอย่างเร่งด่วน" ไปเป็น "ขยายการลงทุนอย่างมีการคัดเลือก" ก็อาจทำให้ตลาดปรับลดตัวคูณมูลค่าหุ้นก่อนที่รายได้จะลดลงอย่างแท้จริง

การเปลี่ยนผ่านจากการฝึกฝน (training) ไปสู่การอนุมาน (inference) ไม่จำเป็นต้องเป็นเรื่องลบสำหรับ NVIDIA เสมอไป คลัสเตอร์สำหรับการฝึกฝนเน้นที่พลังการคำนวณแบบซิงโครไนซ์ขนาดใหญ่ แบนด์วิดท์ของระบบเชื่อมต่อ และความเสถียรของคลัสเตอร์ ส่วนคลัสเตอร์สำหรับการอนุมานจะเน้นที่ต้นทุนต่อโทเคน ความจุหน่วยความจำ ประสิทธิภาพการใช้พลังงาน การจัดตารางงานแบบขนาน และขนาดการปรับใช้เป็นหลัก หากแอปพลิเคชัน AI ระดับองค์กร เอเจนต์ งานหลายโหมด (multimodal) ระบบค้นหา และระบบแนะนำยังคงขยายตัวต่อไป ความต้องการด้านการอนุมานก็อาจยังคงหนุนการจัดซื้อตัวเร่งปฏิกิริยา (accelerator) ได้ คำถามที่แท้จริงคือ Blackwell, Rubin ผลิตภัณฑ์ด้านเครือข่าย โซลูชันระดับระบบ และระบบนิเวศซอฟต์แวร์ จะสามารถกระชับการผูกขาด (lock-in) ของ NVIDIA ให้แน่นแฟ้นยิ่งขึ้นต่อไปได้หรือไม่

ความเสี่ยงของ NVIDIA ส่วนใหญ่มาจากการเปลี่ยนแปลงสามประเภท ประการแรก หากผู้ให้บริการคลาวด์ลดงบประมาณลงทุนรวม (CAPEX) หรือเลื่อนโครงการออกไป กำหนดเวลาการสั่งซื้อ GPU รายใหม่จะได้รับผลกระทบโดยตรง ประการที่สอง หากชิป ASIC ที่ผลิตเอง ชิปสั่งผลิตพิเศษ และโซลูชันเครือข่ายทางเลือก ได้รับส่วนแบ่งตลาดมากขึ้น โอกาสเพิ่มเติมของ GPU สำหรับงานทั่วไปอาจแคบลง ประการที่สาม ข้อจำกัดการส่งออก ข้อจำกัดด้านอุปทาน และการพึ่งพาลูกค้าเพียงไม่กี่ราย อาจส่งผลต่อการรับรู้รายได้ตามช่วงเวลา แผนการที่ Meta จะร่วมงานกับ Broadcom และ TSMC ในการพัฒนาชิป AI ของตัวเอง สะท้อนให้เห็นว่าบริษัท hyperscaler อาจไม่ได้ลดความต้องการด้านพลังการประมวลผลลง แต่อาจเปลี่ยนโครงสร้างผู้ผลิตหรือผู้จำหน่าย

สรุป: NVIDIA เป็นบริษัทที่อ่อนไหวที่สุด เนื่องจากตั้งอยู่แถวหน้าสุดของห่วงโซ่การส่งผ่าน CAPEX ด้าน AI การเปลี่ยนแปลงใด ๆ ในจังหวะการจัดซื้อของผู้ให้บริการคลาวด์สามารถนำไปสู่การปรับมูลค่าหุ้นใหม่ทันทีในด้านรายได้จากศูนย์ข้อมูล ส่วนผสมของผลิตภัณฑ์ อัตรากำไรขั้นต้น และตัวคูณมูลค่าหุ้น อย่างไรก็ตาม การชะลอตัวของ CAPEX ด้าน AI ไม่ได้หมายความว่าปัจจัยพื้นฐานของ NVIDIA จะกลับทิศทางทันทีโดยอัตโนมัติ หากการชะลอตัวเกิดจากการเปลี่ยนผ่านจากการฝึกโมเดล (training) ไปสู่การอนุมาน (inference) การเพิ่มประสิทธิภาพ หรือการปรับโครงสร้างอุปทาน NVIDIA อาจยังคงรักษาความต้องการที่แข็งแกร่งผ่าน GPU ระบบเครือข่าย ระบบ และซอฟต์แวร์ได้ ความเสี่ยงจะมีลักษณะเป็นระบบมากขึ้นหากการชะลอตัวสะท้อนถึงความอ่อนแอที่แท้จริงของความต้องการด้าน AI หรือการเปลี่ยนผ่านไปใช้ชิปที่พัฒนาเองของผู้ให้บริการคลาวด์ในวงกว้าง

ทำไมไมโครน (Micron) จึงมีความอ่อนไหวเช่นกัน: HBM และราคาหน่วยความจำจะถูกปรับราคาใหม่

ไมโครนก็มีความอ่อนไหวต่อภาวะ CAPEX ด้าน AI ที่ชะลอตัวเช่นกัน แต่ผ่านเส้นทางการส่งผ่านที่แตกต่างออกไป บริษัทไม่ได้ขาย GPU โดยตรง แต่ได้รับประโยชน์จากการก่อสร้างเซิร์ฟเวอร์ AI ผ่าน HBM, DRAM, NAND และ SSD สำหรับองค์กร หากผู้ให้บริการคลาวด์ชะลอการขยายคลัสเตอร์ AI ตลาดจะปรับความคาดหวังเกี่ยวกับความต้องการ HBM ราคาหน่วยความจำ กำลังการผลิตที่จองล่วงหน้า และรายได้จากศูนย์ข้อมูลเป็นอันดับแรก ความเสี่ยงหลักของไมโครนไม่ใช่ว่าความต้องการด้าน AI จะหายไป แต่คือวัฏจักรราคาหน่วยความจำอาจได้รับความร้อนสูงเกินไป

ความอ่อนไหวของ Micron มีที่มาจากความตึงตัวของอุปทาน ไม่ใช่แค่ปริมาณการผลิตเป็นหน่วยเท่านั้น ในการประชุมสายรายได้ไตรมาส 3 ปีการเงิน 2026 บริษัทระบุว่ารายได้จากศูนย์ข้อมูลแตะระดับเกิน 25,000 ล้านดอลลาร์ ในขณะที่รายได้จาก SSD สำหรับศูนย์ข้อมูลเกิน 5,000 ล้านดอลลาร์ และเพิ่มขึ้นกว่าเท่าตัวเมื่อเทียบกับไตรมาสก่อน งานนำเสนอไตรมาส 3 ปีการเงิน 2026 ของบริษัทยังแสดงให้เห็นรายได้ที่ทำสถิติใหม่ของหน่วยธุรกิจศูนย์ข้อมูลหลักอีกด้วย ดีมานด์จาก AI ได้ผลักดันให้ HBM, DRAM และ NAND เข้าสู่บรรยากาศของอุปทานตึงตัวพร้อมกันทั้งหมด ดังนั้นราคาและอัตรากำไรขั้นต้นจึงถูกขยายเพิ่มขึ้นตามธรรมชาติในความคาดหวังของตลาด

Micron อาจตอบสนองช้ากว่า NVIDIA เนื่องจากกระบวนการรับรองลูกค้า HBM การวางแผนกำลังการผลิต และข้อตกลงสัญญา มักมีวงจรที่ยาวนานกว่า หากผู้ให้บริการคลาวด์ลดหรือเลื่อนคำสั่งซื้อเซิร์ฟเวอร์ AI คาดการณ์การส่งมอบ GPU มีแนวโน้มที่จะปรับลดก่อน และตามมาด้วย HBM, DRAM และ SSD สำหรับองค์กรในภายหลัง นอกจากนี้การกำหนดราคาหน่วยความจำยังแบ่งระหว่างราคาสัญญาและราคาตลาดสปอต ซึ่งอาจไม่เคลื่อนไหวไปในทิศทางเดียวกันในระยะสั้น แต่ตลาดหุ้นมักไม่รอให้สัญญาทุกฉบับได้รับการปรับราคา โดยทั่วไปนักลงทุนมักปรับลดคาดการณ์เรื่องอัตรากำไรขั้นต้นที่สูงและภาวะอุปสงค์เกินอุปทานล่วงหน้า

ความเสี่ยงอีกประการของ Micron คือวัฏจักรกำลังการผลิต DRAM และ NAND เป็นผลิตภัณฑ์ที่มีลักษณะผันผวนตามวัฏจักรอย่างชัดเจน เมื่ออุปทานตึงตัวจะทำให้ราคาสูงและกำไรสูง แต่ในขณะเดียวกันก็ดึงดูดการลงทุนด้านทุนและกำลังการผลิตใหม่ด้วยเช่นกัน Reuters รายงานว่า แผนการลงทุนในสหรัฐฯ ของ Micron ได้รับการขยายไปสู่ขนาดที่ใหญ่ขึ้น ซึ่งสะท้อนให้เห็นว่าความต้องการหน่วยความจำจาก AI กำลังขับเคลื่อนการลงทุนด้านกำลังการผลิตในระยะยาว หากการจัดซื้อจากผู้ให้บริการคลาวด์ช้าลง คู่แข่งนำกำลังการผลิตใหม่มาใช้ หรือข้อผูกพันด้านปริมาณการสั่งซื้อของลูกค้าอ่อนแอลง สมมติฐานปัจจุบันเรื่องราคาสูงและอัตรากำไรขั้นต้นสูงก็จะถูกท้าทาย

สรุป: ความอ่อนไหวของ Micron ไม่ได้มาจากการได้รับออร์เดอร์ GPU จากผู้ให้บริการคลาวด์โดยตรง แต่มาจากข้อเท็จจริงที่ว่าการลงทุนสร้างเซิร์ฟเวอร์ AI เป็นตัวกำหนดสมดุลอุปสงค์-อุปทานของ HBM และหน่วยความจำสำหรับศูนย์ข้อมูล หากความช้าลงของ CAPEX ด้าน AI เป็นเพียงการปรับตัวด้านระยะเวลาในระยะสั้น Micron อาจได้รับการคุ้มครองจากสัญญา การรับรองจากลูกค้า และกำลังการผลิตที่ถูกจองล่วงหน้า หากความช้าลงนี้ยังคงต่อเนื่อง ตลาดจะปรับลดคาดการณ์อย่างรวดเร็วสำหรับราคา HBM ความแข็งแกร่งของ DRAM/NAND การเติบโตของ SSD สำหรับศูนย์ข้อมูล และอัตรากำไรขั้นต้นที่สูง Micron มักไม่ใช่บริษัทแรกที่ได้รับผลกระทบจากการเปลี่ยนแปลงของออร์เดอร์ แต่สามารถกลายเป็นจุดโฟกัสสำคัญในระลอกที่สองของการปรับมูลค่าและการปรับราคาวงจรการกำหนดราคาใหม่

เหตุใด TSMC และ ASML จึงตอบสนองด้วยความล่าช้ามากกว่า: เพราะพวกเขาขึ้นอยู่กับวงจรกำลังการผลิตระยะยาว

TSMC และ ASML ก็มีความอ่อนไหวต่อการชะลอตัวของ CAPEX ด้าน AI เช่นกัน แต่โดยปกติจะช้ากว่า NVIDIA และ Micron TSMC ได้รับผลกระทบจากความต้องการกระบวนการผลิตขั้นสูง (advanced nodes) บรรจุภัณฑ์ขั้นสูง (advanced packaging) และ CoWoS ที่ใช้ในตัวเร่ง AI ASML ได้รับผลกระทบจากความเชื่อมั่นในระยะยาวด้านการขยายกำลังการผลิตของลูกค้าผู้ผลิตสารกึ่งตัวนำ การชะลอตัวเพียงไตรมาสเดียวของ CAPEX จากผู้ให้บริการคลาวด์อาจไม่กดดันต่อพื้นฐานธุรกิจของพวกเขาทันที แต่ตลาดอาจปรับมูลค่าสมมติฐานการเติบโตระยะยาวให้เร็วขึ้น โดยเฉพาะในส่วนของกระบวนการผลิตขั้นสูง กำลังการผลิตบรรจุภัณฑ์ และคำสั่งซื้ออุปกรณ์

สำหรับ TSMC ตัวแปรสำคัญคือ HPC, โหนดการผลิตขั้นสูง และ CoWoS ตัวเร่ง AI จากบริษัทต่าง ๆ เช่น NVIDIA, AMD และ Broadcom ต้องการการผลิตบนโหนดขั้นสูงและการบรรจุชิปขั้นสูงเพื่อรองรับหน่วยความจำแบบแบนด์วิดท์สูงและการเชื่อมต่อระหว่างชิป Reuters รายงานว่า รายได้ไตรมาสที่สองของ TSMC ทำสถิติสูงสุดใหม่ โดยมีปัจจัยหลักมาจากความต้องการจากแอปพลิเคชัน AI Reuters ยังรายงานด้วยว่า การขยายการบรรจุชิปขั้นสูงของ TSMC จะดำเนินต่อไป ซึ่งสะท้อนให้เห็นว่าความต้องการชิป AI กำลังถ่ายทอดไปสู่ภาคการผลิตและการบรรจุชิปอย่างไร

อย่างไรก็ตาม TSMC ไม่ได้สัมผัสกับการจัดซื้อ GPU ของผู้ให้บริการคลาวด์รายไตรมาสโดยตรงในลักษณะเดียวกับ NVIDIA เนื่องจากโดยปกติแล้ว TSMC จะได้รับการคุ้มครองจากสัญญาระยะยาว แผนการผลิต ความหลากหลายของลูกค้า และความเป็นผู้นำด้านเทคโนโลยี การล่าช้าในระยะสั้นของโครงการของผู้ให้บริการคลาวด์อาจไม่ส่งผลให้ปริมาณการเริ่มผลิตเวเฟอร์ของ TSMC เปลี่ยนแปลงทันที ความเสี่ยงที่ใหญ่กว่าคือหากการลงทุนด้าน CAPEX ของ AI ชะลอตัวต่อเนื่องหลายไตรมาส ลูกค้าจะลดการคาดการณ์ความต้องการตัวเร่ง AI และความคาดหวังต่อการขยายตัวของบรรจุภัณฑ์ขั้นสูง (advanced packaging) การเติบโตของรายได้จากกลุ่ม HPC และอัตราการใช้กำลังการผลิตระดับไฮเอนด์จะถูกปรับลดลง

ASML อยู่ต้นน้ำของห่วงโซ่อุปทานมากกว่านั้น บริษัทไม่ได้ขายให้ผู้ให้บริการคลาวด์โดยตรง และไม่ได้ขายชิป AI แต่ขายอุปกรณ์ลิโธกราฟีให้กับผู้ผลิตเวเฟอร์ (Foundry) และผู้ผลิตหน่วยความจำ การชะลอตัวของ CAPEX ด้าน AI จะต้องส่งผลกระทบต่อดีมานด์ชิปก่อน จากนั้นจึงเป็นแผนการขยายตัวของผู้ผลิตเวเฟอร์และผู้ผลิตหน่วยความจำ และเฉพาะหลังจากนั้นค่อยส่งผลถึงคำสั่งซื้ออุปกรณ์ EUV และ DUV ของ ASML ใน ผลประกอบการไตรมาส 1 ปี 2026 ASML รายงานยอดขายสุทธิรวม 8.8 พันล้านยูโร และคาดการณ์ยอดขายสุทธิปี 2026 อยู่ระหว่าง 36 ถึง 40 พันล้านยูโร ซึ่งบ่งชี้ว่าวัฏจักรอุปกรณ์ยังคงได้รับการสนับสนุนจากคำสั่งซื้อค้างรับ (Backlog) และแผนระยะยาว

สรุป: TSMC และ ASML ไม่ได้รับภูมิคุ้มกันจากการชะลอตัวของ AI CAPEX เพียงแต่การส่งผ่านจะช้ากว่านั้น TSMC อยู่ใกล้กับดีมานด์ชิป AI มากกว่า ASML จึงไวต่อ HPC, CoWoS, กระบวนการผลิตขั้นสูง และกำลังการผลิตด้านการบรรจุชิปมากกว่า ส่วน ASML เป็นตัวชี้วัดความเชื่อมั่นในการขยายตัวของอุตสาหกรรมเซมิคอนดักเตอร์ในระยะยาวมากกว่า การเปลี่ยนแปลงงบประมาณของภาคคลาวด์เพียงไตรมาสเดียวอาจไม่ส่งผลต่อรายได้ของบริษัททันที แต่สามารถกระทบยอดคำสั่งซื้อสุทธิและตัวคูณมูลค่าหุ้นได้ หาก AI CAPEX เป็นเพียงประเด็นเรื่องจังหวะเวลารายไตรมาส ปัจจัยพื้นฐานของทั้งสองบริษัทอาจแทบไม่เปลี่ยนแปลง แต่หากผู้ให้บริการคลาวด์ชะลอการใช้จ่ายต่อเนื่องเป็นระยะเวลานาน คำสั่งซื้อล่วงหน้าและความเชื่อมั่นในการลงทุนด้านทุนจะถูกปรับราคาใหม่

การจัดอันดับความไว: ปฏิกิริยาระยะสั้นของหุ้น ความยืดหยุ่นของรายได้ และปัจจัยพื้นฐานระยะยาวแตกต่างกัน

หากคุณมองเพียงความอ่อนไหวของราคาหุ้นในระยะสั้นต่อการชะลอตัวของ CAPEX ด้าน AI จากผู้ให้บริการคลาวด์ NVIDIA มักเป็นหุ้นที่อ่อนไหวที่สุด รองลงมาคือ Micron และ TSMC ส่วน ASML มักมีปฏิกิริยาตอบสนองที่ล่าช้ากว่า แต่หากมองที่ปัจจัยพื้นฐานในระยะยาว ลำดับการจัดอันดับจะขึ้นอยู่กับสาเหตุที่ CAPEX ชะลอตัว ทั้งการเลื่อนโครงการ การแทนที่ GPU ด้วย ASIC ความต้องการ AI ที่อ่อนแอลง และการเปลี่ยนผ่านจาก training ไปสู่ inference ล้วนสามารถเปลี่ยนลำดับผลกระทบได้ การเปรียบเทียบแบบแบ่งเป็นฉากทัศน์ (scenario) จึงมีประโยชน์มากกว่าคำตอบเดียวที่ตายตัว

สถานการณ์แรกคือโครงการล่าช้า ผู้ให้บริการคลาวด์ยังคงต้องการพลังการประมวลผล AI อยู่ แต่กำหนดการก่อสร้างศูนย์ข้อมูล การเชื่อมต่อพลังงาน หรือการเปิดตัวเซิร์ฟเวอร์ถูกเลื่อนออกไป ในกรณีนี้ NVIDIA ผู้ขายเซิร์ฟเวอร์ และผู้จำหน่ายอุปกรณ์เครือข่ายมักเป็นกลุ่มแรกที่ได้รับผลกระทบ Micron ขึ้นอยู่กับว่าพันธกรณีของลูกค้า HBM และราคาหน่วยความจำยังคงมีเสถียรภาพหรือไม่ ส่วน TSMC และ ASML อาจได้รับผลกระทบจากปัจจัยพื้นฐานอย่างจำกัด แม้ว่ามูลค่าหลักทรัพย์ของพวกเขายังคงสามารถแกว่งตามอารมณ์ของห่วงโซ่มูลค่า AI ได้

สถานการณ์ที่สองคือการทดแทนจาก GPU เป็น ASIC ASIC ที่พัฒนาเองโดยผู้ให้บริการคลาวด์อาจลดความต้องการ GPU สำหรับงานทั่วไปบางส่วน แต่ไม่จำเป็นต้องลดความต้องการพลังการประมวลผลโดยรวม Broadcom, Marvell และ TSMC อาจได้รับประโยชน์จากตัวเร่ง AI แบบสั่งทำพิเศษ ในขณะที่ NVIDIA ต้องชดเชยแรงกดดันบางส่วนผ่านผลิตภัณฑ์ด้านเครือข่าย แพลตฟอร์มระดับระบบ ระบบนิเวศซอฟต์แวร์ และผลิตภัณฑ์สำหรับงานอินเฟอเรนซ์ Micron อาจยังคงได้รับประโยชน์จาก HBM และ DRAM ทั้งนี้ขึ้นอยู่กับสเปกหน่วยความจำและความสัมพันธ์กับผู้จัดหาที่ใช้ในการออกแบบ ASIC

สถานการณ์ที่สามคือความต้องการ AI ที่อ่อนแอกว่าคาดการณ์ หากรายได้จากผลิตภัณฑ์ AI สำหรับองค์กร ความต้องการการอนุมาน (inference) ประสิทธิภาพการโฆษณา หรือการสร้างรายได้จากการสมัครสมาชิก ไม่สามารถพิสูจน์ความคุ้มค่าของ CAPEX ขนาดมหาศาลได้ ผู้ให้บริการคลาวด์อาจชะลอการขยายตัวโดยรวม บริษัททั้งสี่จะเผชิญแรงกดดัน NVIDIA จะเผชิญกับการปรับลดคาดการณ์รายได้จากศูนย์ข้อมูลเป็นอันดับแรก จากนั้น Micron จะเผชิญกับการปรับตัวของวงจรราคา การเติบโตของ HPC และ CoWoS ของ TSMC จะถูกปรับลดลง และคำสั่งซื้ออุปกรณ์และสมมติฐานการขยายตัวระยะยาวของ ASML จะถูกบีบอัดลง

อันดับนี้ยังได้รับผลกระทบจากมูลค่าหุ้น (valuation) ด้วยเช่นกัน หุ้นที่มีมูลค่าสูงไม่จำเป็นต้องมีปัจจัยพื้นฐานที่อ่อนแอที่สุด แต่มีความอ่อนไหวต่อการเปลี่ยนแปลงของอัตราการเติบโตมากกว่า ส่วนหุ้นที่มีมูลค่าต่ำก็ไม่จำเป็นต้องปลอดภัยเสมอไป หากกำไรของบริษัทมาจากจุดสูงสุดของวงจร เพราะการตกต่ำของสินค้าในตลาดก็ยังสามารถนำไปสู่การปรับลดประมาณการครั้งใหญ่ได้ เมื่อเปรียบเทียบบริษัททั้งสี่แห่ง คุณควรพิจารณาความยืดหยุ่นของรายได้ ความชัดเจนของคำสั่งซื้อ อัตรากำไรขั้นต้น ความเข้มข้นของลูกค้า และผลตอบแทนจากเงินทุนไปพร้อมกันทั้งหมด มากกว่าที่จะตัดสินความเสี่ยงเพียงจากว่าบริษัทใด “อยู่ใกล้กับ AI มากกว่า”

สรุป: ไม่มีการจัดอันดับตายตัวที่ใช้ได้กับทุกสถานการณ์การชะลอตัวของ AI CAPEX ในปฏิกิริยาของตลาดระยะสั้น NVIDIA มักเป็นหุ้นที่อ่อนไหวที่สุด Micron และ TSMC อยู่ในระดับกลาง ส่วน ASML มีปฏิกิริยาที่ล่าช้ากว่า แต่ถ้าปัญหาคือการทดแทนจาก GPU ไปเป็น ASIC TSMC อาจได้รับความสนใจมากกว่า Micron หากความต้องการ AI ต่ำกว่าคาดโดยรวม สมมติฐานการเติบโตระยะยาวของ Micron, TSMC และ ASML ก็จะถูกปรับมูลค่าใหม่เช่นกัน กุญแจสำคัญไม่ใช่การตัดสินว่าบริษัทใดอันตรายกว่ากันเสมอไป แต่คือการระบุสาเหตุของการชะลอตัวและเชื่อมโยงเข้ากับรายได้ ราคา คำสั่งซื้อ และมูลค่าหลักทรัพย์

นักลงทุนควรติดตามความเสี่ยงจากการชะลอตัวของ AI CAPEX อย่างไร?

เพื่อติดตามความเสี่ยงจากการชะลอตัวของ CAPEX ด้าน AI คุณไม่สามารถพึ่งพาเพียง CAPEX รวมของผู้ให้บริการคลาวด์หรือราคาหุ้นของ NVIDIA เพียงอย่างเดียว คุณจำเป็นต้องเฝ้าดูแนวทาง CAPEX ของผู้ให้บริการคลาวด์ รายได้จากผลิตภัณฑ์ AI คำสั่งซื้อศูนย์ข้อมูล รายได้ศูนย์ข้อมูลของ NVIDIA การตั้งราคา HBM และหน่วยความจำของ Micron กลุ่มธุรกิจ HPC และ CoWoS ของ TSMC ยอดสั่งซื้อสุทธิของ ASML และสมมติฐานด้านการประเมินมูลค่าของทั้งสี่บริษัท ความเสี่ยงจะกลายเป็นเชิงระบบมากขึ้นก็ต่อเมื่อตัวชี้วัดหลายตัวอ่อนแรงลงพร้อมกันเท่านั้น

อย่าตีความการชะลอตัวของ CAPEX ด้าน AI ว่าเป็นสัญญาณให้ "ขายหุ้น AI ทิ้งทั้งหมด" หากการชะลอตัวเกิดจากการเพิ่มประสิทธิภาพและต้นทุนการคำนวณต่อหน่วยที่ลดลง มันอาจเป็นเพียงการปรับฐานมูลค่าหลักทรัพย์เท่านั้น หากเกิดจากอุปสงค์ที่แท้จริงอ่อนแอ นั่นคือความเสี่ยงด้านปัจจัยพื้นฐาน หากเกิดจากการเปลี่ยนผู้จำหน่าย คุณต้องระบุทั้งผู้ได้ประโยชน์และผู้เสียประโยชน์ หากเกิดจากการเปลี่ยนจากการฝึกฝนโมเดล (training) ไปสู่การอนุมาน (inference) คุณต้องประเมิน GPU, ASIC, หน่วยความจำ, ระบบเครือข่าย และโครงสร้างบริการคลาวด์ใหม่ทั้งหมด

หากคุณติดตามหุ้นในห่วงโซ่คุณค่า AI เช่น NVIDIA, TSMC, ASML และ Micron คุณควรพิจารณาต้นทุนการซื้อขายจริง ความเสี่ยงด้านอัตราแลกเปลี่ยน สภาพคล่อง และประเภทคำสั่งซื้อขาย นอกเหนือจากงบการเงินและความอ่อนไหวต่อ CAPEX Biya รองรับการซื้อขายหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัล ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ ระบุว่าค่าคอมมิชชันหุ้นสหรัฐฯ เท่ากับ 0 USD ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมภายนอก และค่าใช้จ่ายอื่น ๆ เป็นไปตามตารางค่าธรรมเนียมและการแสดงผลในหน้าคำสั่งซื้อขาย การให้บริการขึ้นอยู่กับที่ตั้งของผู้ใช้ ผลการตรวจสอบยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่เกี่ยวข้อง

สรุป: ความเสี่ยงจากการชะลอตัวของ CAPEX ด้าน AI ควรถูกติดตามผ่านการใช้ตัวชี้วัดหลายอย่างประกอบกัน ไม่ใช่เพียงพาดหัวข่าวเดียว NVIDIA ควรได้รับการประเมินผ่านรายได้จากศูนย์ข้อมูลและจังหวะการรับคำสั่งซื้อ; Micron ผ่าน HBM และราคาหน่วยความจำ; TSMC ผ่าน HPC, โหนดการผลิตขั้นสูง และ CoWoS; ASML ผ่านยอดสั่งซื้อสุทธิและความเชื่อมั่นในการขยายตัวของลูกค้า ความเสี่ยงจะกลายเป็นเรื่องที่ส่งผลต่อทั้งระบบก็ต่อเมื่อ CAPEX ของผู้ให้บริการคลาวด์ คำสั่งซื้อของซัพพลายเออร์ วงจรราคา อัตรากำไรขั้นต้น และสมมติฐานด้านมูลค่าหุ้น อ่อนแอลงพร้อมกันทั้งหมด หากประเด็นเป็นเพียงเรื่องจังหวะการก่อสร้างหรือสัดส่วนของซัพพลายเออร์ หุ้นทั้งสี่ตัวนี้สามารถมีผลการดำเนินงานแตกต่างกันอย่างมากได้

ความเสี่ยงที่ NVIDIA, TSMC, ASML และ Micron กำลังเผชิญนั้นไม่เหมือนกัน นักลงทุนจำเป็นต้องแยกแยะด้วยตำแหน่งในห่วงโซ่คุณค่า การสัมผัสด้านรายได้ วัฏจักรคำสั่งซื้อ และสมมติฐานด้านการประเมินมูลค่า แทนที่จะตัดสินทั้งหมดภายใต้ป้ายกำกับเดียวว่า "หุ้น AI" คุณสามารถใช้ ข้อมูลหุ้นสหรัฐฯ เพื่อติดตามข้อมูลตลาดและข้อมูลพื้นฐานของบริษัท จากนั้นนำมาประกอบกับรายงานการเงิน คำสั่งซื้อ โครงสร้างลูกค้า และการเปลี่ยนแปลงด้านการลงทุนเพื่อประเมินความเสี่ยง ผู้ใช้ที่ตรงตามเงื่อนไขการให้บริการที่เกี่ยวข้องสามารถใช้ ลงทะเบียนบัญชี เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับเครื่องมือซื้อขายสินทรัพย์หลายประเภท การลงทุนในตลาดสาธารณะมีความเสี่ยงด้านความผันผวนของราคา สภาพคล่อง ค่าเงิน และนโยบายธีมห่วงโซ่คุณค่า AI ไม่มีหัวข้อใดถือเป็นคำแนะนำการลงทุน และนักลงทุนควรตรวจสอบโครงสร้างค่าธรรมเนียม ประเภทคำสั่งซื้อขาย และระดับความเสี่ยงที่ตนเองยอมรับได้ก่อนทำการซื้อขาย

คำถามที่พบบ่อย

ทำไม NVIDIA จึงเป็นบริษัทที่อ่อนไหวที่สุดเมื่อ CAPEX ด้าน AI ชะลอตัว?

NVIDIA อ่อนไหวที่สุดเนื่องจากรายได้จาก GPU ศูนย์ข้อมูลและเครือข่าย AI ของบริษัทผูกกับการจัดซื้อคลัสเตอร์สำหรับการฝึกและการอนุมานของผู้ให้บริการคลาวด์โดยตรง หากการชะลอตัวเป็นเพียงการเลื่อนโครงการ ผลกระทบหลักจะอยู่ที่จังหวะการสั่งซื้อและมูลค่าหุ้น แต่หากสะท้อนถึงความอ่อนแอของอุปสงค์จริง ความคาดหวังการเติบโตของรายได้ศูนย์ข้อมูลจะเผชิญแรงกดดันที่มากขึ้น

TSMC จะได้รับผลกระทบมากกว่า Micron หรือไม่หาก CAPEX ด้าน AI ชะลอตัว?

ขึ้นอยู่กับประเภทของความช้าลง หากปัญหาคือการแทนที่ GPU ด้วย ASIC หรือการเปลี่ยนแปลงในความต้องการบรรจุภัณฑ์ขั้นสูง TSMC อาจได้รับความสนใจมากขึ้น หากการจัดส่งเซิร์ฟเวอร์ AI ถูกตัดลงและราคาหน่วยความจำลดลง Micron จะได้รับผลกระทบมากกว่า เส้นทางการส่งผ่านของแต่ละบริษัทแตกต่างกัน ดังนั้นการเปรียบเทียบจากการเคลื่อนไหวของหุ้นในระยะสั้นเพียงอย่างเดียวยังไม่เพียงพอ

ทำไม ASML จึงตอบสนองต่อความช้าลงของ AI CAPEX ด้วยความล่าช้ามากกว่า?

ASML ตอบสนองด้วยความล่าช้ามากกว่าเนื่องจากไม่ได้ขายฮาร์ดแวร์การคำนวณโดยตรงให้กับผู้ให้บริการคลาวด์ แต่ขายอุปกรณ์ภาพถ่ายหิน (lithography) ให้กับผู้ผลิตแบบกึ่งตัวนำและผู้ผลิตหน่วยความจำ CAPEX ด้าน AI จะต้องส่งผลกระทบต่อความต้องการชิป แผนการขยายโรงงานผลิต และการใช้จ่ายด้านทุนของลูกค้าก่อน จึงจะถึงคำสั่งซื้อและความคาดหวังการเติบโตในระยะยาวของ ASML

ตัวชี้วัดใดสำคัญที่สุดสำหรับ Micron ในช่วงที่ AI CAPEX ช้าลง?

สำหรับ Micron ตัวชี้วัดสำคัญคือคำสั่งซื้อ HBM ราคา DRAM/NAND รายได้จาก SSD สำหรับศูนย์ข้อมูล และการเปลี่ยนแปลงของสินค้าคงคลัง หากคำมั่นสัญญาของลูกค้ายังคงมั่นคงและราคาสัญญาแข็งแกร่ง ผลกระทบในระยะสั้นอาจจำกัด หากราคาอ่อนแอหรือการขยายกำลังการผลิตเร็วกว่าความต้องการ แรงกดดันต่ออัตรากำไรขั้นต้นอาจเพิ่มขึ้น

นักลงทุนทั่วไปจะเปรียบเทียบความเสี่ยงของ NVIDIA, TSMC, ASML และ Micron ได้อย่างไร?

นักลงทุนสามารถเปรียบเทียบได้จากตำแหน่งในห่วงโซ่คุณค่า การสัมผัสกับรายได้ วงจรคำสั่งซื้อ สมมติฐานการประเมินมูลค่า และความเสี่ยงจากการถูกแทนที่ NVIDIA ควรประเมินจากรายได้ศูนย์ข้อมูล Micron จากราคาหน่วยความจำ TSMC จาก HPC และ CoWoS และ ASML จากคำสั่งซื้อสุทธิ พร้อมทั้งพิจารณาระดับความเสี่ยงที่ตนเองยอมรับได้ด้วย