สงครามการใช้จ่าย AI: สงครามการลงทุนด้านทุนในระบบคลาวด์จะฉุดรายได้และกำไรลงหรือไม่?

สงครามการใช้จ่าย AI จะไม่เพียงทำให้กำไรของผู้ให้บริการคลาวด์ดีลงอย่างง่ายดาย แต่จะเปลี่ยนคุณภาพของรายได้ของพวกเขาอย่างชัดเจน คุณต้องเน้นที่สามเรื่อง: รายจ่ายลงทุนจะกลายเป็นรายได้คลาวด์หรือไม่, กระแสเงินสดอิสระจะยังคงอยู่ภายใต้แรงกดดันระยะยาวหรือไม่, และโครงสร้างพื้นฐาน AI จะบรรลุอัตราการใช้งานที่สูงพอหรือไม่ สำหรับ Microsoft, Amazon, Alphabet และ Meta การลงทุนด้าน AI เป็นทั้งต้นทุนที่จำเป็นในการปกป้องความเป็นผู้นำของแพลตฟอร์มคลาวด์ และเป็นตัวแปรสำคัญว่าการประเมินมูลค่าในอนาคตจะสามารถขยายตัวต่อไปได้หรือไม่

สรุปประเด็นสำคัญ

• สงครามการใช้จ่ายด้าน AI คือการแข่งขันด้านโครงสร้างพื้นฐานที่ครอบคลุมคอมพิวต์ ศูนย์ข้อมูล พลังงาน และชิป
• แรงกดดันด้านกำไรจะปรากฏในกระแสเงินสดอิสระก่อน จากนั้นจึงแผ่ไปสู่ค่าเสื่อมราคาและอัตรากำไรขั้นต้นของธุรกิจคลาวด์
• Microsoft, Amazon และ Alphabet พึ่งพาการรับรู้รายได้จากคลาวด์มากขึ้น ขณะที่ Meta พึ่งพาประสิทธิภาพของการโฆษณามากกว่า
• Capex ที่สูงไม่ได้เป็นเรื่องลบโดยอัตโนมัติ สิ่งที่สำคัญกว่าคืออัตราการใช้งาน คำสั่งซื้อ RPO และรายได้จาก AI
• หากความต้องการ AI ต่ำกว่าคาด ความเสี่ยงอาจแผ่ไปสู่ชิป อุปกรณ์จัดเก็บข้อมูล เซิร์ฟเวอร์ และโครงสร้างพื้นฐานด้านพลังงาน
• นักลงทุนควรประเมิน Capex, FCF, การเติบโตของคลาวด์ และแนวทางของฝ่ายบริหารเข้าด้วยกัน

สงครามการใช้จ่ายด้าน AI คืออะไร และทำไมผู้ให้บริการคลาวด์จึงต้องลงทุนก่อน?

แก่นแท้ของสงครามการใช้จ่ายด้าน AI ไม่ใช่ “ใครยอมเผาเงินมากที่สุด” แต่เป็นว่าใครจะสามารถรักษาแหล่งพลังการประมวลผล, ภาระงาน AI ขององค์กร และจุดเชื่อมต่อแพลตฟอร์มคลาวด์ในอนาคตได้ก่อน การแข่งขันคลาวด์คอมพิวติ้งแบบดั้งเดิมมุ่งเน้นไปที่พลังการประมวลผล การจัดเก็บข้อมูล ฐานข้อมูล เครือข่าย และระบบนิเวศซอฟต์แวร์ ในยุค AI การแข่งขันได้ขยับขึ้นไปอีกขั้นหนึ่งของห่วงโซ่: ผู้ให้บริการคลาวด์ต้องซื้อ GPU สร้างศูนย์ข้อมูล รักษากำลังการผลิตไฟฟ้า แล้วจึงรอให้ลูกค้าองค์กร นักพัฒนา และแอปพลิเคชัน AI ดูดซับความจุดังกล่าว

นี่คือเหตุผลที่ตลาดจับตาดูการลงทุนด้านสินทรัพย์ถาวร (capex) ของบริษัท hyperscaler อย่างใกล้ชิid การประมาณการของ Bridgewater ที่รายงานโดย Reuters ระบุว่าการลงทุนด้านโครงสร้างพื้นฐาน AI ของ Alphabet, Amazon, Meta และ Microsoft อาจแตะระดับประมาณ 650 พันล้านดอลลาร์สหรัฐในปี 2026 เพิ่มขึ้นจากราว 410 พันล้านดอลลาร์สหรัฐในปี 2025 ซึ่งขนาดระดับนี้ไม่ใช่งบประมาณไอทีธรรมดาอีกต่อไป แต่มีลักษณะคล้ายกับการก่อสร้างโครงสร้างพื้นฐานขนาดอุตสาหกรรม

ผู้ให้บริการคลาวด์พบว่าเป็นเรื่องยากที่จะรอจนกว่าความต้องการจะได้รับการยืนยันอย่างสมบูรณ์ก่อนที่จะลงทุน เนื่องจากโครงสร้างพื้นฐาน AI มีระยะเวลาการก่อสร้างที่ชัดเจน การส่งมอบชิป การก่อสร้างสถานที่ การเชื่อมต่อกับระบบไฟฟ้า ระบบระบายความร้อน และการปรับแต่งเครือข่าย ล้วนใช้เวลานาน หากความต้องการพุ่งสูงขึ้นอย่างกะทันหันแต่อุปทานไม่เพียงพอ ลูกค้าอาจย้ายไปยังคู่แข่ง เมื่อองค์กรย้ายข้อมูล โมเดล สิทธิ์การเข้าถึง และขั้นตอนการทำงานไปยังแพลตฟอร์มคลาวด์ใดแพลตฟอร์มหนึ่งแล้ว ต้นทุนในการเปลี่ยนผู้ให้บริการก็จะเพิ่มขึ้นเช่นกัน

สงครามนี้ยังไม่น่าจะยุติลงในระยะสั้น เนื่องจาก AI กำลังกลายเป็นธุรกิจที่ขับเคลื่อนด้วยศักยภาพด้านกำลังการผลิตมากขึ้นเรื่อยๆ การฝึกโมเดลต้องใช้คลัสเตอร์ขนาดใหญ่ การอนุมาน (Inference) ต้องการความหน่วงต่ำและต้นทุนต่ำ การนำไปใช้งานระดับองค์กรต้องการความปลอดภัยของข้อมูลและการกำกับดูแล ผู้ให้บริการที่มีกำลังการผลิตมากกว่า ต้นทุนต่อหน่วยต่ำกว่า และเครื่องมือแพลตฟอร์มที่ครบครันกว่า ย่อมมีโอกาสมากกว่าที่จะดึงดูดลูกค้ารายใหญ่เข้าสู่สัญญาระยะยาว

สรุป: สงครามการใช้จ่ายด้าน AI โดยแท้จริงแล้วคือการที่ผู้ให้บริการคลาวด์จ่ายเงินล่วงหน้าเพื่อซื้อสิทธิ์ในการเติบโตในอนาคต ยิ่งค่าใช้จ่ายลงทุน (Capex) สูงเท่าไหร่ แรงกดดันต่อกระแสเงินสดในระยะสั้นก็จะยิ่งชัดเจนมากขึ้นเท่านั้น แต่หากการลงทุนเหล่านี้สามารถกลายเป็นทรัพยากรคอมพิวติ้งที่มีอัตราการใช้งานสูง การย้ายระบบขององค์กรสู่คลาวด์ รายได้จากแพลตฟอร์ม AI และการรักษาลูกค้าไว้กับบริษัท ค่าใช้จ่ายลงทุนที่สูงก็อาจเป็นการลงทุนเพื่อการเติบโตที่ถูกเร่งให้เกิดขึ้นก่อนเวลา มากกว่าการสิ้นเปลืองโดยแท้ คุณไม่ควรตัดสินสงครามนี้เพียงจำนวนเงินที่ใช้จ่ายเท่านั้น แต่คุณต้องมองว่าเงินจำนวนนั้นถูกนำไปลงทุนในสินทรัพย์อะไร และสินทรัพย์เหล่านั้นจะสามารถหนุนการฟื้นตัวของรายได้และกำไรในอีกสามถึงห้าปีข้างหน้าได้หรือไม่

ค่าใช้จ่ายลงทุน (Capex) ของบริษัทเทคโนโลยียักษ์ใหญ่มีมูลค่าเท่าใด และบริษัทใดเผชิญแรงกดดันด้านกำไรมากที่สุด?

บริษัทคลาวด์และแพลตฟอร์มรายใหญ่ทั้งสี่กำลังเพิ่มการลงทุนด้าน AI Capex แต่จุดกดดันของแต่ละบริษัทแตกต่างกัน สำหรับ Microsoft คำถามสำคัญคือ Azure และ Copilot จะสามารถชดเชยการลงทุนด้าน GPU และศูนย์ข้อมูลได้หรือไม่ สำหรับ Amazon จุดเน้นอยู่ที่ว่าการเติบโตอย่างแข็งแกร่งของ AWS จะสามารถฟื้นฟูกระแสเงินสดอิสระได้หรือไม่ Alphabet จำเป็นต้องพิสูจน์ว่า Google Cloud, การค้นหาด้วย AI และ TPU สามารถสร้างวงจรที่สมบูรณ์ได้ ส่วน Meta ต้องพิสูจน์ว่าประสิทธิภาพการโฆษณาและผลิตภัณฑ์ AI ในอนาคตสามารถยืนยันการลงทุนโครงสร้างพื้นฐานขนาดมหาศาลของบริษัทได้

Microsoft FY2026 Q3 เปิดเผยว่าค่าใช้จ่ายด้านทุน (capex) ของไตรมาสนี้อยู่ที่ 31.9 พันล้านดอลลาร์ โดยมีประมาณสองในสามใช้ไปกับสินทรัพย์อายุสั้น เช่น GPU และ CPU ขณะที่กระแสเงินสดอิสระอยู่ที่ 15.8 พันล้านดอลลาร์ จุดแข็งของ Microsoft คือฐานลูกค้าองค์กร, Azure, Microsoft 365 Copilot และ GitHub Copilot แต่ความเสี่ยงก็มาตรงกันเช่นกัน นั่นคือสินทรัพย์ชิปอายุสั้นเข้าสู่การตัดค่าเสื่อมราคาเร็วขึ้น และอาจทำให้อัตรากำไรขั้นต้นของธุรกิจคลาวด์ยังคงอยู่ภายใต้แรงกดดัน

ผลประกอบการไตรมาส 1 ปี 2026 ของ Amazon แสดงให้เห็นว่ายอดขายของ AWS เติบโต 28% เมื่อเทียบกับปีก่อนหน้า สู่ระดับ 37.6 พันล้านดอลลาร์ โดยมีรายได้จากการดำเนินงานของ AWS อยู่ที่ 14.2 พันล้านดอลลาร์ อย่างไรก็ตาม กระแสเงินสดอิสระรวม 12 เดือนย้อนหลังลดลงเหลือ 1.2 พันล้านดอลลาร์ สาเหตุหลักมาจากการจัดซื้อที่ดินและอุปกรณ์ที่สูงขึ้น ซึ่งการเพิ่มขึ้นส่วนใหญ่สะท้อนถึงการลงทุนด้าน AI ปัญหาของ Amazon ไม่ใช่ว่า AWS ขาดความสามารถในการทำกำไร แต่เป็นเรื่องที่โครงสร้างพื้นฐาน AI กำลังดูดซับกระแสเงินสดเร็วเกินไป

Alphabet ไตรมาส 1 ปี 2026 เปิดเผยว่ารายได้ของ Google Cloud เติบโต 63% ในขณะที่งานค้างรับ (backlog) เพิ่มขึ้นเกือบเท่าตัวจนแตะระดับมากกว่า 460 พันล้านดอลลาร์ ซึ่งเส้นทางการสร้างผลตอบแทนของ Alphabet มีความหลากหลายมากขึ้น ทั้ง Google Cloud, ประสบการณ์ AI ในการค้นหา, Gemini, TPU และระบบนิเวศการสมัครสมาชิก ล้วนสามารถสร้างรายได้ได้ทั้งสิ้น แต่ความเสี่ยงที่ AI จะเปลี่ยนรูปแบบธุรกิจโฆษณาการค้นหาก็มีความซับซ้อนมากขึ้นเช่นกัน

ผลประกอบการ Q1 2026 ของ Meta ปรับเพิ่มแนวโน้มการใช้จ่ายด้านทุนประจำปี 2026 เป็น 125–145 พันล้านดอลลาร์สหรัฐ โดยอ้างถึงราคาชิ้นส่วนที่สูงขึ้นและต้นทุนความจุศูนย์ข้อมูลในอนาคต แม้กำไรในระยะสั้นของ Meta จะยังคงแข็งแกร่ง แต่ผลตอบแทนจาก AI ของบริษัทมีแนวโน้มที่จะปรากฏในด้านประสิทธิภาพการแนะนำโฆษณา เวลาที่ผู้ใช้ใช้งาน และการสร้างรายได้จากผู้ช่วย AI ในอนาคต มากกว่ารายได้จากคลาวด์โดยตรงแบบ AWS หรือ Azure

สรุป: ทั้งสี่บริษัทนี้ไม่ได้ "ใช้จ่ายอย่างก้าวร้าว" ในลักษณะเดียวกัน Microsoft และ Amazon ดูจะเป็นการขยายขีดความสามารถของแพลตฟอร์มคลาวด์เป็นหลัก Alphabet เป็นการผสมผสานระหว่างกลยุทธ์ด้านการค้นหา คลาวด์ และ TPU ที่พัฒนาขึ้นเอง ส่วน Meta เป็นการเดิมพันด้านประสิทธิภาพการโฆษณาและแพลตฟอร์ม AI ในอนาคต ตัวชี้วัดที่ชัดเจนที่สุดเกี่ยวกับแรงกดดันต่อกำไรไม่ใช่กำไรสุทธิ แต่คือกระแสเงินสดอิสระ สัดส่วนของสินทรัพย์ที่มีอายุการใช้งานสั้น อัตรากำไรขั้นต้นของธุรกิจคลาวด์ และว่าฝ่ายบริหารยังคงปรับเพิ่มแนวโน้มการลงทุนในสินทรัพย์ถาวร (Capex) หรือไม่ หากรายได้และคำสั่งซื้อเติบโตเร่งตัวขึ้นพร้อมกัน การลงทุนสูงก็จะเป็นที่ยอมรับของตลาดได้ง่ายขึ้น แต่หากกระแสเงินสดยังคงทรุดโทรมลงในขณะที่การแปลงรายได้ยังไม่ชัดเจน แรงกดดันด้านการประเมินมูลค่าอาจเพิ่มขึ้นได้อย่างรวดเร็ว

การใช้จ่ายด้านทุนด้าน AI จะฉุดรั้งกำไรหรือไม่? โฟกัสที่ค่าเสื่อมราคา อัตรากำไร และกระแสเงินสดอิสระ

Capex ด้าน AI จะส่งผลกระทบต่อคุณภาพของกำไร แต่ผลกระทบนั้นไม่ได้เกิดขึ้นพร้อมกันทั้งหมดในครั้งเดียว การใช้จ่ายเพื่อลงทุนจะลดกระแสเงินสดอิสระก่อนเป็นอย่างแรก จากนั้นจะค่อย ๆ สะท้อนเข้าสู่งบกำไรขาดทุนผ่านค่าเสื่อมราคา ค่าเช่า ค่าพลังงานไฟฟ้า ค่าระบบทำความเย็น และอัตรากำไรขั้นต้นของบริการคลาวด์ หากการเติบโตของรายได้ อัตราการใช้งานกำลังประมวลผล และการปรับปรุงต้นทุนต่อหน่วยแข็งแกร่งพอ แรงกดดันต่อกำไรบางส่วนก็สามารถถูกชดเชยได้ แต่หากรายได้ใช้เวลานานเกินไปกว่าจะเกิดขึ้นจริง ตลาดก็จะปรับมูลค่าธุรกิจนี้ใหม่

การลงทุนด้านสินทรัพย์ถาวร (Capital expenditure) ในตัวมันเองไม่ใช่ค่าใช้จ่าย ศูนย์ข้อมูล เซิร์ฟเวอร์ และชิปมักจะถูกบันทึกลงในงบดุลก่อน แล้วจึงส่งผลกระทบต่อกำไรอย่างค่อยเป็นค่อยไปผ่านค่าเสื่อมราคา ปัญหาคือชิปและเซิร์ฟเวอร์ AI มักมีอายุการใช้งานทางเศรษฐกิจที่สั้นกว่าสินทรัพย์ศูนย์ข้อมูลแบบดั้งเดิม GPU, CPU, HBM และอุปกรณ์เครือข่ายความเร็วสูงมีวงจรการอัปเกรดที่รวดเร็วและมีความเสี่ยงจากการล้าสมัยทางเทคโนโลยีสูง ในขณะที่ที่ดิน อาคารสถานที่ การเชื่อมต่อไฟฟ้า และสินทรัพย์อาคารสามารถรองรับวงจรที่ยาวนานกว่ามาก

แรงกดดันต่อกำไรมักปรากฏขึ้นในห้าระดับชั้น ดังนี้:

• ชั้นที่หนึ่ง: กระแสเงินสดลดลงเนื่องจากค่าใช้จ่ายลงทุนกินกระแสเงินสดจากการดำเนินงานเป็นอันดับแรก
• ชั้นที่สอง: ค่าเสื่อมราคาเพิ่มขึ้นเมื่อชิปที่มีอายุการใช้งานสั้นค่อย ๆ ถูกบันทึกเข้าสู่งบกำไรขาดทุน
• ชั้นที่สาม: อัตรากำไรขั้นต้นของคลาวด์ผันผวนเนื่องจากต้นทุนการฝึกและการอนุมาน (inference) ของ AI ที่สูงขึ้น
• ชั้นที่สี่: ผลตอบแทนแก่ผู้ถือหุ้นลดลงเนื่องจากความสามารถในการรับซื้อหุ้นคืนและจ่ายปันผลอาจถูกจำกัด
• ชั้นที่ห้า: ตัวคูณมูลค่าหลักทรัพย์ปรับตัวลงเมื่อตลาดปรับลดสมมติฐานอัตรากำไรในอนาคต

Microsoft ได้อธิบายแรงกดดันนี้อย่างชัดเจน ในไตรมาส 3 ปีงบ 2026 อัตรากำไรขั้นต้นของ Microsoft Cloud อยู่ที่ 66% ซึ่งลดลงจากปีก่อนหน้าเนื่องจากการลงทุนด้าน AI อย่างต่อเนื่อง โดยมีผลชดเชยบางส่วนจากการปรับปรุงประสิทธิภาพ Amazon นำเสนอมุมมองอีกด้านหนึ่ง: กำไรจากการดำเนินงานของ AWS ยังคงแข็งแกร่ง แต่กระแสเงินสดอิสระในรอบ 12 เดือนที่ผ่านมาลดลงอย่างรวดเร็ว แสดงให้เห็นว่าการลงทุนด้านทุน (Capex) ด้าน AI ส่งผลกระทบต่อกระแสเงินสดก่อนกำไรจากการดำเนินงาน

Alphabet แสดงรูปแบบที่คล้ายคลึงกัน กระแสเงินสดจากการดำเนินงานที่แข็งแกร่งสามารถสนับสนุนการลงทุนด้านทุนที่สูงขึ้นได้ แต่เมื่อการจัดซื้อที่ดินและอุปกรณ์เพิ่มขึ้นอย่างรวดเร็ว กระแสเงินสดอิสระจะถูกกดดัน คำถามที่แท้จริงสำหรับนักลงทุนไม่ใช่ว่า "บริษัทเหล่านี้มีกำไรหรือไม่?" แต่คือ "การลงทุนด้าน AI เพิ่มขึ้นทุก ๆ หนึ่งดอลลาร์สามารถสร้างผลตอบแทนเงินสดในอนาคตได้เพียงพอหรือไม่?"

ยังมีมุมมองเรื่องต้นทุนการซื้อขายอีกด้วย ธีม AI Capex มักสร้างความผันผวนให้กับหุ้นของ Microsoft, Amazon, Alphabet, Meta และหุ้นกึ่งตัวนำ อุปกรณ์จัดเก็บข้อมูล เซิร์ฟเวอร์ และอุปกรณ์ไฟฟ้าที่เกี่ยวข้อง หากคุณติดตามโอกาสในหุ้นสหรัฐฯ เหล่านี้ คุณจำเป็นต้องมองไปไกลกว่าการเคลื่อนไหวของราคา และทำความเข้าใจต้นทุนการซื้อขายจริง ค่าธรรมเนียมการซื้อขายหุ้นสหรัฐฯ ของ Biya ระบุว่าค่าคอมมิชชั่นการซื้อขายหุ้นสหรัฐฯ เท่ากับ $0 ส่วนค่าธรรมเนียมแพลตฟอร์ม ค่าธรรมเนียมสถาบันภายนอก และต้นทุนอื่น ๆ จะเป็นไปตามศูนย์ค่าธรรมเนียมและหน้าคำสั่งซื้อ ความพร้อมใช้งานของบริการขึ้นอยู่กับที่ตั้งของผู้ใช้ ผลการยืนยันตัวตน กฎของแพลตฟอร์ม รวมถึงกฎหมายและข้อบังคับที่เกี่ยวข้อง การวิเคราะห์ตลาดไม่ถือเป็นคำแนะนำการลงทุนก่อนทำการเทรด คุณควรเข้าใจประเภทคำสั่งซื้อขาย โครงสร้างค่าธรรมเนียม และความเสี่ยงอย่างครบถ้วน

สรุป: การใช้จ่ายด้านทุนเพื่อ AI อาจฉุดรั้งกำไร แต่ผลกระทบต้องแยกวิเคราะห์ ประการแรก ให้ดูว่ากระแสเงินสดอิสระถูกกดดันในระยะยาวหรือไม่ ประการที่สอง ให้ดูว่าค่าเสื่อมราคากัดกร่อนอัตรากำไรขั้นต้นของคลาวด์หรือไม่ ประการที่สาม ให้ดูว่าขีดความสามารถใหม่ถูกดูดซับโดยรายได้จากคลาวด์และรายได้จากผลิตภัณฑ์ AI หรือไม่ Capex ที่สูงในตัวเองไม่ใช่สัญญาณขาย และ Capex ที่ต่ำในตัวเองก็ไม่ใช่สัญญาณซื้อ สิ่งสำคัญคือการใช้จ่ายด้านทุน การเติบโตของรายได้ อัตรากำไร และกระแสเงินสดสามารถสร้างวงจรปิดที่สมบูรณ์ได้หรือไม่

ผลตอบแทนจากการลงทุน AI จะมาจากไหน: รายได้จากคลาวด์, AI สำหรับองค์กร, ประสิทธิภาพการโฆษณา และการผูกขาดแบบแพลตฟอร์ม

ผลตอบแทนจากสงครามการลงทุนด้าน AI มาจากสี่เส้นทางหลักเป็นหลัก ได้แก่ รายได้จากพลังการประมวลผล AI บนคลาวด์ การสมัครสมาชิกซอฟต์แวร์ AI สำหรับองค์กร ประสิทธิภาพด้านการโฆษณาและระบบแนะนำ และการผูกขาดระยะยาวของนักพัฒนาและลูกค้าองค์กร แต่ละบริษัทมีเส้นทางการทำกำไรที่แตกต่างกัน ดังนั้น Microsoft, Amazon, Alphabet และ Meta จึงไม่ควรถูกประเมินด้วยตรรกะการวางมูลค่าแบบเดียวกัน

ผลตอบแทนที่ตรงที่สุดมาจากการประมวลผลบนคลาวด์ด้าน AI Azure, AWS และ Google Cloud สามารถเก็บค่าบริการสำหรับอินสแตนซ์ GPU/ASIC การโฮสต์โมเดล ฐานข้อมูล การวิเคราะห์ข้อมูล การเรียกใช้งาน API และแพลตฟอร์มเอเจนต์ AI เมื่อองค์กรเชื่อมต่อข้อมูล โมเดล ระบบสิทธิ์การเข้าถึง และเวิร์กโฟลว์ภายในเข้ากับแพลตฟอร์มคลาวด์แล้ว ต้นทุนในการเปลี่ยนผู้ให้บริการจะสูงขึ้นอย่างมาก รายได้ของ Microsoft Cloud ยอดขายของ AWS และงานสะสมของ Google Cloud ล้วนเป็นตัวชี้วัดสำคัญในการติดตามการสร้างรายได้จาก AI

สำหรับแพลตฟอร์มโฆษณา ผลตอบแทนจะค่อนข้างโดยนัยกว่า Alphabet และ Meta อาจไม่รายงานการลงทุนด้าน AI เป็นรายการ “รายได้จาก AI” แยกต่างหาก แต่ผลกระทบอาจปรากฏให้เห็นในประสบการณ์การค้นหา อัตราการคลิกโฆษณา อัตราการเปลี่ยนใจซื้อ ประสิทธิภาพของระบบแนะนำ และเวลาที่ผู้ใช้ใช้จ่าย หากระบบแนะนำด้วย AI ของ Meta ช่วยปรับปรุง ROI ของผู้ลงโฆษณา ผู้ลงโฆษณาอาจยินดีจัดสรรงบประมาณเพิ่มเติม หากการค้นหาด้วย AI ของ Alphabet ช่วยเพิ่มความถี่ในการค้นหาและการเปลี่ยนใจซื้อเชิงพาณิชย์ ก็จะช่วยให้การโฆษณาผ่านการค้นหายังคงแข็งแกร่งได้

ชิปที่ผลิตเองเป็นแหล่งผลตอบแทนอีกแหล่งหนึ่ง Amazon มี Trainium และ Inferentia, Google มี TPU, Microsoft มี Maia และ Meta ก็กำลังพัฒนา MTIA เช่นกัน รายงานของ Reuters เกี่ยวกับแผนชิป AI ที่ผลิตเองของ Meta ชี้ให้เห็นว่าแพลตฟอร์มขนาดใหญ่กำลังพยายามลดการพึ่งพา GPU จากภายนอก ชิปที่ผลิตเองไม่สามารถทดแทน Nvidia ได้อย่างสมบูรณ์ แต่สามารถปรับปรุงเศรษฐศาสตร์ต่อหน่วย (unit economics) สำหรับงานอนุมาน (inference) เฉพาะทางและงานภายในองค์กรได้

สำหรับนักลงทุนแล้ว หลักฐานที่ดีที่สุดของผลตอบแทนจาก AI มิใช่เพียงแค่ “ปริมาณการใช้งานที่เติบโตขึ้น” แต่คือผลลัพธ์ที่ตรวจสอบได้จริงในด้านรายได้ อัตรากำไร และกระแสเงินสด ปริมาณการใช้โทเคน ความสามารถของโมเดล และขนาดผู้ใช้ ยังไม่เพียงพอ หากขาดการเปลี่ยนเป็นการจ่ายเงิน การต่อสัญญา สัญญาจริง และการปรับปรุงอัตรากำไร

สรุป: ความสมเหตุสมผลของ Capex ด้าน AI ขึ้นอยู่กับว่าเส้นทางการสร้างผลตอบแทนนั้นชัดเจนหรือไม่ Microsoft และ Google มีความได้เปรียบในการเล่าเรื่องราวรายได้จาก AI ระดับองค์กรและคลาวด์ได้ง่ายกว่า Amazon ต้องพิสูจน์ว่าการเติบโตของ AWS และกระแเงินสดอิสระสามารถดีขึ้นได้พร้อมกัน Meta ต้องพิสูจน์ว่าประสิทธิภาพการโฆษณาและผลิตภัณฑ์ AI ในอนาคตเพียงพอที่จะชดเชยค่าใช้จ่ายโครงสร้างพื้นฐานที่สูงของบริษัท คุณไม่จำเป็นต้องตัดสินใจว่าบริษัทใด "เก่งด้าน AI ที่สุด" แต่คุณต้องตัดสินใจว่าบริษัทใดสามารถเปลี่ยนโครงสร้างพื้นฐาน AI ให้กลายเป็นรายได้และกระแเงินสดที่ยั่งยืนได้

ความเสี่ยงที่ใหญ่ที่สุดคืออะไร: ปัญหา Compute ล้นตลาด การเสื่อมสภาพของเทคโนโลยี คอขวดด้านพลังงาน และแรงกดดันด้านการเงิน

ความเสี่ยงที่ใหญ่ที่สุดในสงครามการใช้จ่ายด้าน AI ไม่ใช่การลดลงของกำไรในระยะสั้น แต่เป็นการลงทุนด้านทุน (capital expenditure) ที่สร้างขึ้นบนสมมติฐานความต้องการที่มองโลกในแง่ดีเกินไป หากความต้องการการอนุมาน (inference) ของ AI ในอนาคต ความเต็มใจจ่ายของภาคธุรกิจ หรือการสร้างรายได้จากโมเดลต่ำกว่าคาด ผู้ให้บริการคลาวด์อาจต้องเผชิญกับอัตราการใช้งานหน่วยประมวลผลที่ไม่เพียงพอ การคิดค่าเสื่อมราคาชิปรุ่นเก่าที่เร็วขึ้น ต้นทุนพลังงานที่สูงขึ้น และการปรับลดมูลค่า (valuation reset)

ยอดการใช้งานที่คำนวณได้และยอดการใช้งานที่สร้างรายได้ได้จริงไม่ใช่สิ่งเดียวกัน ผู้ใช้ฟรีอาจสร้าง token จำนวนมาก แต่นั่นไม่ได้หมายความว่าองค์กรต่าง ๆ จะยินดีจ่ายเงินเพียงพอสำหรับทุกการเรียกใช้งาน ปริมาณการใช้โมเดลสามารถเพิ่มขึ้นได้โดยที่ผู้ให้บริการคลาวด์ไม่สามารถปกป้องอัตรากำไรได้ หากราคาการ inference ยังคงลดลงในขณะที่ต้นทุนชิป พลังงาน และค่าเสื่อมราคายังคงสูง งานด้าน AI อาจเข้าสู่สถานการณ์ที่รายได้เติบโตแต่ความสามารถในการทำกำไรลดลง

Goldman Sachs ประมาณการในแบบจำลองการลงทุนโครงสร้างพื้นฐาน AI ว่าค่าใช้จ่ายด้านทุน (Capex) ด้าน AI ต่อปีอาจอยู่ที่ราว 765 พันล้านดอลลาร์ในปี 2026 และอาจเพิ่มขึ้นเป็น 1.6 ล้านล้านดอลลาร์ภายในปี 2031 ตัวแปรที่อ่อนไหวเบื้องหลังการคาดการณ์นี้ ได้แก่ อายุการใช้งานทางเศรษฐกิจของชิป ต้นทุนศูนย์ข้อมูล คอขวดด้านพลังงาน และสมมติฐานด้านดีมานด์ กล่าวอีกนัยหนึ่ง หากสมมติฐานเกี่ยวกับวงจรการเปลี่ยนชิปหรือต้นทุนต่อหน่วยเปลี่ยนแปลง ความต้องการใช้จ่ายด้านทุนในอนาคตก็อาจผันผวนอย่างรุนแรง

พลังงานยังเป็นข้อจำกัดที่แข็งกระด้างอีกด้วย Gartner ประมาณการว่าเซิร์ฟเวอร์ที่ได้รับการปรับแต่งสำหรับ AI จะคิดเป็น 31% ของการใช้ไฟฟ้าในศูนย์ข้อมูลในปี 2026 และการใช้พลังงานของเซิร์ฟเวอร์เหล่านี้อาจเกินกว่าเซิร์ฟเวอร์แบบดั้งเดิมภายในปี 2027 รวมถึง IEA ยังระบุด้วยว่าศูนย์ข้อมูลได้กลายเป็นแหล่งความต้องการไฟฟ้าที่มีความสำคัญเพิ่มขึ้นเรื่อยๆ สำหรับศูนย์ข้อมูล AI นั้น การเชื่อมต่อกับสายส่งไฟฟ้า หม้อแปลง ระบบหล่อเย็นแบบเหลว แหล่งน้ำ และการขออนุญาตในระดับภูมิภาค ล้วนส่งผลต่อความเร็วในการขยายขนาดได้ทั้งสิ้น

ความเสี่ยงยังสามารถแพร่กระจายไปทั่วห่วงโซ่อุปทานได้เช่นกัน หากผู้ให้บริการคลาวด์ลดการลงทุนสินทรัพย์ถาวร (Capex) คำสั่งซื้อ GPU, HBM, SSD, HDD, โมดูลออปติคัล, เซิร์ฟเวอร์, ระบบหล่อเย็นด้วยของเหลว และอุปกรณ์ไฟฟ้า อาจได้รับผลกระทบ ในทางกลับกัน หากผู้ให้บริการคลาวด์ยังคงเพิ่มงบประมาณ ราคาในห่วงโซ่อุปทานอาจยังคงสูง ซึ่งจะยิ่งบีบอัดอัตรากำไรของผู้ให้บริการคลาวด์ให้แคบลงไปอีก

สรุป: สงครามการใช้จ่าย AI เป็นความเสี่ยงแบบลูกโซ่ที่ครอบคลุมผู้ให้บริการคลาวด์ ชิป อุปกรณ์จัดเก็บข้อมูล เซิร์ฟเวอร์ พลังงานไฟฟ้า และตลาดทุน เมื่ออุปสงค์แข็งแกร่ง การลงทุน Capex ที่สูงถือเป็นสัญญาณของการขยายกำลังการผลิต แต่เมื่ออุปสงค์อ่อนแอ การลงทุน Capex ที่สูงจะกลายเป็นต้นทุนจมและแรงกดดันต่อมูลค่าหลักทรัพย์ คุณจำเป็นต้องติดตามคำสั่งซื้อจากลูกค้า อัตราการใช้งาน ราคาชิ้นส่วนประกอบ การจัดหาพลังงานไฟฟ้า และสภาพความพร้อมด้านการเงินอย่างพร้อมกัน แทนที่จะมองไปที่ตัวเลขการลงทุนสินทรัพย์ถาวรของบริษัทใดบริษัทหนึ่งเพียงอย่างเดียว

นักลงทุนจะตัดสินได้อย่างไรว่า AI Capex คุ้มค่าหรือไม่: กรอบตัวชี้วัดเชิงปฏิบัติ

สำหรับนักลงทุนทั่วไป การตัดสินว่า AI Capex คุ้มค่าหรือไม่นั้นต้องมองเกินกว่าตัวเลขการลงทุนที่ปรากฏในพาดหัวข่าว คุณจำเป็นต้องประเมินความเข้มข้นของเงินทุน กระแสเงินสดอิสระ การเติบโตของธุรกิจคลาวด์ สัญญาณรายได้จาก AI งานสะสมในมือ (backlog) แรงกดดันจากค่าเสื่อมราคา และแนวทางการกำกับดูแลในอนาคตของฝ่ายบริหารเข้าด้วยกัน คำถามที่แท้จริงคือ เงินที่ใช้จ่ายไปในวันนี้จะสามารถสร้างเส้นทางการฟื้นตัวของรายได้และกำไรที่ยั่งยืนได้หรือไม่

ขั้นตอนแรกคือการดูกระแสเงินสด ว่ากระแสเงินสดจากการดำเนินงานสามารถครอบคลุมค่าใช้จ่ายด้านทุนได้หรือไม่ เป็นจุดเริ่มต้นในการตัดสินคุณภาพของการขยายโครงสร้างพื้นฐาน หากกระแสเงินสดจากการดำเนินงานแข็งแกร่งแต่ FCF ลดลงในระยะสั้น ตลาดอาจยอมรับได้ หาก FCF ตกต่ำลงเรื่อยๆ และฝ่ายบริหารไม่สามารถอธิบายระยะเวลาคืนทุนได้ แรงกดดันด้านการประเมินมูลค่าจะเพิ่มขึ้น

ขั้นตอนที่สองคือการดูว่าธุรกิจคลาวด์สามารถดูดซับกำลังการผลิตใหม่ได้หรือไม่ ว่ารายได้ของ Azure, AWS และ Google Cloud เติบโตเร็วขึ้นหรือไม่ และว่า RPO, backlog สัญญาระยะยาว และการย้ายผู้ใช้งานเติบโตขึ้นพร้อมกันหรือไม่ เป็นสัญญาณสำคัญในการตัดสินว่าโครงสร้างพื้นฐาน AI กำลังถูกดูดซับโดยตลาดหรือไม่ หาก Capex เพิ่มขึ้นในขณะที่การเติบโตของคลาวด์ช้าลง อาจบ่งชี้ถึงความไม่สอดคล้องกันระหว่างการลงทุนกับความต้องการ

ขั้นตอนที่สามคือการสังเกตภาษาของฝ่ายบริหาร เมื่อการประชุมโทรศัพท์ประกาศผลประกอบการใช้คำศัพท์ต่าง ๆ ซ้ำ ๆ เช่น "กำลังการผลิตจำกัด" "อุปสงค์เกินอุปทาน" "การสร้างรายได้จาก AI" "แรงกดดันต่ออัตรากำไรขั้นต้น" และ "ราคาชิ้นส่วน" ฝ่ายบริหารมักกำลังอธิบายสมดุลระหว่างกำลังการผลิต อุปสงค์ และอัตรากำไร ส่วนประกอบที่ตลาดไม่ชอบมากที่สุดคือแนวโน้มการลงทุนจำนวนมาก (Capex) ที่เพิ่มขึ้นต่อเนื่องควบคู่กับภาษาที่คลุมเครือเกี่ยวกับผลตอบแทนที่มากขึ้นเรื่อย ๆ

รายงานของ Reuters เกี่ยวกับ Morgan Stanley ระบุว่านักลงทุนด้าน AI อาจเปลี่ยนความสนใจจากผู้ผลิตชิปไปสู่ผู้ให้บริการ hyperscaler และให้ความสำคัญกับวินัยในการใช้จ่ายเงินลงทุนมากขึ้น การเปลี่ยนแปลงนี้มีความสำคัญ เนื่องจากตลาดไม่ได้ให้รางวัลแก่บริษัทเพียงแค่ "การซื้อกำลังการประมวลผล" อีกต่อไป แต่ตลาดกำลังตั้งคำถามว่าใครสามารถเปลี่ยนกำลังการประมวลผลให้เป็นกำไรได้

หากคุณติดตามหุ้นที่เกี่ยวข้องกับโครงสร้างพื้นฐาน AI คุณสามารถใช้ Biya เพื่อติดตามโอกาสในตลาดสหรัฐฯ และฮ่องกงในด้านคลาวด์คอมพิวติ้ง เซมิคอนดักเตอร์ อุปกรณ์จัดเก็บข้อมูล อุปกรณ์ไฟฟ้า และด้านที่เกี่ยวข้องอื่น ๆ พร้อมทั้งใช้ ค้นหาข้อมูลหุ้นสหรัฐฯ เพื่อตรวจสอบข้อมูลพื้นฐานของบริษัท การตัดสินใจซื้อขายควรยังคงอ้างอิงจากข้อมูลสาธารณะ ระดับความเสี่ยงที่คุณรับได้ และกฎระเบียบที่บังคับใช้ในท้องถิ่น ข้อมูลผลประกอบการเพียงจุดเดียวไม่ควรถูกมองว่าเป็นสัญญาณซื้อหรือขาย

สรุป: AI Capex ในตัวมันเองไม่ใช่ทั้งสัญญาณซื้อและสัญญาณขาย คุณจำเป็นต้องตัดสินว่าการลงทุนด้านทุนนั้นก่อตัวเป็นวงจรปิดกับรายได้ อัตรากำไร และกระแสเงินสดหรือไม่ หากการเติบโตของคลาวด์ คำสั่งซื้อของลูกค้า และการสร้างรายได้จาก AI แข็งแกร่งขึ้นพร้อมกัน Capex ที่สูงสามารถมองได้ว่าเป็นการลงทุนเพื่อการเติบโตที่ถูกเร่งให้เกิดขึ้นก่อนเวลา หาก FCF อัตรากำไร และถ้อยคำของฝ่ายบริหารยังคงทรุดโทรมลงต่อเนื่อง ความเสี่ยงจากการปรับลดมูลค่าหลักทรัพย์ก็สมควรได้รับความสนใจ ในที่สุด คำถามไม่ใช่ว่า "ใครใช้จ่ายมากที่สุด" แต่เป็นใครที่สามารถได้รับผลตอบแทนจาก AI ที่มั่นคงที่สุดในต้นทุนที่ควบคุมได้มากที่สุด

สงครามการใช้จ่าย AI ทำให้การวิเคราะห์ผลประกอบการของบริษัทเทคโนโลยีสหรัฐฯ มีความซับซ้อนมากขึ้น คุณไม่สามารถดูเพียงรายได้และกำไรต่อหุ้น (EPS) เท่านั้น คุณจำเป็นต้องประเมิน Capex, FCF, การเติบโตของธุรกิจคลาวด์, สัญญาณรายได้จาก AI, ห่วงโซ่อุปทานเซมิคอนดักเตอร์ และแนวโน้มกำไรจากฝ่ายบริหารโดยพิจารณาเข้าด้วยกัน สำหรับนักลงทุนที่ติดตาม Microsoft, Amazon, Alphabet, Meta, ชิป AI, HBM, เซิร์ฟเวอร์ และห่วงโซ่อุปทานศูนย์ข้อมูล การยืนยันโครงสร้างค่าธรรมเนียม ประเภทคำสั่งซื้อ และความเสี่ยงของตลาดก่อนทำการซื้อขายก็เป็นสิ่งสำคัญเช่นกัน หากบริการพร้อมใช้งานในภูมิภาคของคุณและคุณตรงตามข้อกำหนดที่เกี่ยวข้อง คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับบริการซื้อขายสินทรัพย์หลากหลายประเภทของ Biya ผ่าน การลงทะเบียนบัญชี Biya รองรับการซื้อขายหุ้นสหรัฐฯ หุ้นฮ่องกง และสินทรัพย์ดิจิทัลค่าธรรมเนียม ความพร้อมให้บริการ และกฎเกณฑ์ของบัญชี อยู่ภายใต้การแสดงผลของแพลตฟอร์มและกฎหมายและข้อบังคับที่บังคับใช้ ความผันผวนของตลาดอาจมีนัยสำคัญ และการวิเคราะห์อุตสาหกรรมใด ๆ ไม่ถือเป็นคำแนะนำในการลงทุน

คำถามที่พบบ่อย

สงครามการลงทุนด้าน AI ส่งผลต่อกำไรของผู้ให้บริการคลาวด์อย่างไร?

สงครามการลงทุนด้าน AI ส่งผลต่อกำไรของผู้ให้บริการคลาวด์เป็นหลักผ่านกระแสเงินสดอิสระ ค่าเสื่อมราคา และอัตรากำไรขั้นต้นของคลาวด์ เงินลงทุนด้านทุนจะผลาญกระแสเงินสดก่อน จากนั้นจึงเข้าสู่งบกำไรขาดทุนผ่านการตัดค่าเสื่อมราคาของ GPU เซิร์ฟเวอร์ และศูนย์ข้อมูล หากรายได้จากคลาวด์ การสมัครสมาชิก AI และอัตราการใช้งานกำลังประมวลผลเติบโตเร็วเพียงพอ แรงกดดันต่อกำไรบางส่วนก็สามารถถูกชดเชยได้

นักลงทุนทั่วไปจะประเมินได้อย่างไรว่าการลงทุนด้านทุนของ AI มีมากเกินไปหรือไม่?

นักลงทุนทั่วไปสามารถพิจารณาดัชนี Capex / Revenue, อัตรากำไรจากกระแสเงินสดอิสระ, อัตราการเติบโตของรายได้คลาวด์, RPO, backlog และอัตรากำไรขั้นต้นของธุรกิจคลาวด์โดยรวมกัน หากค่าใช้จ่ายลงทุนยังคงเพิ่มขึ้นขณะที่การเติบโตของธุรกิจคลาวด์ช้าลง คำสั่งซื้อไม่เพียงพอ และกระแสเงินสดอิสระแย่ลง การลงทุนด้าน AI อาจเกินความสามารถในการสร้างรายได้ในระยะสั้น

Microsoft, Amazon, Alphabet และ Meta แตกต่างกันอย่างไรในตรรกะการลงทุนด้าน AI?

Microsoft เน้นไปที่ Azure และ Copilot สำหรับองค์กรเป็นหลัก Amazon เน้นไปที่กำลังประมวลผลของ AWS และชิปที่พัฒนาเอง Alphabet เน้นไปที่ Google Cloud, AI search และ TPU Meta เน้นไปที่ประสิทธิภาพการแนะนำโฆษณาและแพลตฟอร์ม AI ในอนาคต ทั้งสี่บริษัทต่างลงทุนใน AI แต่เส้นทางการสร้างผลตอบแทนและแรงกดดันด้านกำไรแตกต่างกัน

การก่อสร้างศูนย์ข้อมูล AI ส่งผลกระทบต่อห่วงโซ่อุปทานเซมิคอนดักเตอร์ใดบ้าง?

การก่อสร้างศูนย์ข้อมูล AI ส่งผลกระทบต่อ GPU, HBM, เซิร์ฟเวอร์, SSD, HDD, โมดูลออปติคัล, สวิตช์, ระบบหล่อเย็นด้วยของเหลว, อุปกรณ์ไฟฟ้า และผู้ให้บริการศูนย์ข้อมูล ระดับของประโยชน์ที่ได้รับขึ้นอยู่กับความยั่งยืนของคำสั่งซื้อ วงจรการตั้งราคา ความเข้มข้นของลูกค้า และแนวโน้ม Capex ของผู้ให้บริการคลาวด์ ไม่ใช่เพียงธีมของตลาดเพียงด้านเดียว

ชิป AI ที่พัฒนาเองสามารถลดแรงกดดันด้าน Capex ของผู้ให้บริการคลาวด์ได้หรือไม่?

ชิป AI ที่พัฒนาเองอาจช่วยลดต้นทุนสำหรับงานอนุมาน (inference) เฉพาะด้านและงานภายในองค์กร แต่ไม่สามารถทดแทน GPU ภายนอกได้อย่างสมบูรณ์ หรือขจัดแรงกดดันด้านศูนย์ข้อมูล ไฟฟ้า ระบบหล่อเย็น และค่าเสื่อมราคาได้ ประสิทธิภาพของชิปเหล่านี้ขึ้นอยู่กับขนาดการใช้งาน ระบบนิเวศซอฟต์แวร์ ประสิทธิภาพของชิป และต้นทุนต่อหน่วยของการประมวลผลอนุมาน

การใช้จ่ายด้าน AI ที่ชะลอตัวลงจะฉุดค่าหุ้นเทคโนโลยีให้ต่ำลงหรือไม่?

การใช้จ่ายด้าน AI ที่ชะลอตัวลงไม่จำเป็นต้องฉุดค่าหุ้นเทคโนโลยีให้ต่ำลงเสมอไป หากการชะลอตัวเกิดจากการเพิ่มประสิทธิภาพและกระแสเงินสดที่ดีขึ้น ตลาดอาจตีความในเชิงบวก แต่หากเกิดจากดีมานด์ที่อ่อนแอ คำสั่งซื้อที่ลดลง หรือแรงกดดันด้านราคา ก็อาจกดดันการประเมินมูลค่าของผู้ให้บริการคลาวด์และห่วงโซ่อุปทาน AI การตัดสินใจลงทุนควรอ้างอิงจากการเปิดเผยข้อมูลทางการเงินและระดับความเสี่ยงที่ยอมรับได้ของแต่ละบุคคล