Chris Wood เตือน: ความเสี่ยงจากการลงทุนที่ผิดพลาด (Malinvestment) อาจเป็นชนวนเหตุให้การเทรด AI สิ้นสุดลง

การใช้จ่ายในด้านปัญญาประดิษฐ์ (Artificial Intelligence) ที่พุ่งสูงขึ้นอย่างไม่หยุดยั้ง กำลังเผชิญกับคำเตือนครั้งสำคัญจากหนึ่งในนักยุทธศาสตร์ที่มากประสบการณ์ที่สุดของ Wall Street โดย Chris Wood หัวหน้าฝ่ายกลยุทธ์หุ้นระดับโลกของ Jefferies ชี้ให้เห็นว่า บูมของ AI จะไม่ได้สิ้นสุดลงเพราะความต้องการที่ลดลง แต่จะเกิดจากวิกฤตด้านความสามารถในการทำกำไรที่กำลังคืบคลานเข้ามา

ภัยคุกคามจากการลงทุนที่ผิดพลาด (Malinvestment) มากกว่าปัญหาอุปทานล้นตลาด

ต่างจากวงจรเซมิคอนดักเตอร์แบบดั้งเดิมที่มักจะล่มสลายเนื่องจากสินค้าคงคลังล้นตลาดอย่างกะทันหันหรือภาวะช็อกด้านอุปทาน Wood แย้งว่าการเทรด AI กำลังเผชิญกับความเสี่ยงเชิงโครงสร้างที่ไม่เหมือนใคร นั่นคือ "malinvestment" หรือการลงทุนที่ผิดพลาด เขาเชื่อว่า "จุดจบ" ของยุค AI บูมจะถูกกระตุ้นเมื่อเหล่า hyperscalers และห้องแล็บ AI ชั้นนำตระหนักว่าพวกเขาไม่สามารถสร้างผลตอบแทนที่เพียงพอจากงบลงทุน (capex) มหาศาลที่กำลังดำเนินการอยู่ได้

Wood เน้นย้ำถึงวงจรป้อนกลับ (feedback loop) ที่อาจมีความเปราะบาง โดยบริษัทอย่าง Nvidia ให้การสนับสนุนทางการเงินแก่หน่วยงานอย่าง OpenAI ซึ่งจากนั้นก็นำเงินทุนดังกล่าวไปซื้อชิปของ Nvidia เพิ่มขึ้น แม้วงจรนี้จะช่วยขับเคลื่อนการเติบโตอย่างรวดเร็ว แต่ก็ต้องพึ่งพาข้อสมมติฐานด้านการสร้างรายได้ (monetization) ที่มองโลกในแง่ดีอย่างมาก หากนักลงทุนเริ่มสงสัยในความชัดเจนของรายได้ระยะยาวของ AI stack โมเดลการระดมทุนแบบหมุนเวียนนี้อาจพังทลายลงอย่างรุนแรง

งบลงทุนมหาศาลและการผงาดขึ้นของยักษ์ใหญ่ด้านหน่วยความจำ

ขนาดของการลงทุนในปัจจุบันนั้นไม่เคยปรากฏมาก่อน Wood อธิบายถึงการขยายตัวที่กำลังดำเนินอยู่ว่าเป็น "วงจร capex ที่รุนแรงที่สุด" เท่าที่เขาเคยเห็น ตัวอย่างที่ชัดเจนคือ TSMC ซึ่งได้ปรับเพิ่มคาดการณ์งบลงทุน (capex guidance) สำหรับปี 2026 เป็นประมาณ 5.6 หมื่นล้านดอลลาร์ โดยการคาดการณ์จาก Fubon Research ชี้ว่าอาจสูงถึง 6.5–7 หมื่นล้านดอลลาร์ภายในปี 2027 การพุ่งขึ้นนี้ได้ช่วยกระตุ้นเศรษฐกิจของไต้หวันอย่างมีนัยสำคัญ โดยมีอัตราการเติบโตของ GDP จริงแตะระดับ 14.55% เมื่อเทียบเป็นรายปีในไตรมาสที่ 1 ของปี 2026

ที่น่าสนใจคือ ในขณะที่เลเยอร์ซอฟต์แวร์และโมเดลกำลังเผชิญกับความเสี่ยง แต่กลุ่ม "picks and shovels" (เครื่องมือสนับสนุน) ของอุตสาหกรรม โดยเฉพาะผู้ผลิตหน่วยความจำ กำลังได้รับประโยชน์เชิงโครงสร้าง Wood อ้างถึง Jevons Paradox ซึ่งระบุว่าประสิทธิภาพที่เพิ่มขึ้นจะนำไปสู่การบริโภครวมที่สูงขึ้นยิ่งกว่าเดิม สิ่งนี้ได้เปลี่ยน DRAM และหน่วยความจำจากส่วนประกอบเสริมให้กลายเป็นเครื่องยนต์หลักของผลิตภาพ AI ผู้เล่นรายใหญ่อย่าง Micron กำลังสร้างความได้เปรียบในระยะยาว โดยมีข้อตกลงเชิงกลยุทธ์ 16 ฉบับที่ครอบคลุมปริมาณ DRAM ถึง 20% และปริมาณ NAND ถึงหนึ่งในสาม

การกลายเป็นสินค้าโภคภัณฑ์ (Commoditization) ของโมเดล AI

อุปสรรคสำคัญสำหรับผู้ให้บริการ AI ในตะวันตกคือการที่ Large Language Models (LLMs) กำลังกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว Wood ตั้งข้อสังเกตว่าต้นทุนของโมเดลที่มีประสิทธิภาพสูงกำลังดิ่งลง โดยเฉพาะอย่างยิ่งจากการผงาดขึ้นของโมเดลจากจีนที่มีประสิทธิภาพสูง

ข้อมูลจาก OpenRouter เผยให้เห็นการเปลี่ยนแปลงครั้งใหญ่: ในช่วงปลายเดือนมิถุนายน โมเดล AI ชั้นนำของจีนได้ประมวลผลไปถึง 21.37 ล้านล้านโทเคน (trillion tokens) ซึ่งเพิ่มขึ้นอย่างมากจาก 4.37 ล้านล้านโทเคนในเดือนเมษายน ปริมาณนี้แซงหน้า 5.76 ล้านล้านโทเคนของโมเดลชั้นนำจากสหรัฐฯ ไปไกล เนื่องจากโมเดลอย่าง GLM-5.2 ของ Z.ai ให้ประสิทธิภาพใกล้เคียงกับผู้ให้บริการระดับพรีเมียมของตะวันตก แต่มีต้นทุนเพียงหนึ่งในสี่ แรงกดดันต่อความคุ้มค่าทางเศรษฐกิจของบริการ AI แบบ "พรีเมียม" จึงเพิ่มสูงขึ้นอย่างต่อเนื่อง

สรุปประเด็นสำคัญ

• ความเสี่ยงหลัก: การเทรด AI มีแนวโน้มที่จะสิ้นสุดลงเนื่องจากการตระหนักถึง "malinvestment" และผลตอบแทนต่อเงินทุนที่ต่ำ มากกว่าที่จะเกิดจากปัญหาอุปทานชิปล้นตลาดแบบดั้งเดิม
• ความยืดหยุ่นของหน่วยความจำ: ในขณะที่ซอฟต์แวร์ AI เผชิญกับการกลายเป็นสินค้าโภคภัณฑ์ ผู้ผลิตหน่วยความจำ (DRAM/NAND) กำลังได้รับอำนาจในการกำหนดราคาเชิงโครงสร้างและความมั่นคงจากสัญญาในระยะยาว
• วงจรป้อนกลับ: นักลงทุนควรเฝ้าระวังความสัมพันธ์แบบหมุนเวียนระหว่างผู้ผลิตชิปที่ให้การสนับสนุนทางการเงินแก่ห้องแล็บ AI เนื่องจากวงจรนี้มีความอ่อนไหวสูงต่อการเปลี่ยนแปลงของความเชื่อมั่นนักลงทุน