คำเตือนจาก Chris Wood: ทำไมการลงทุนที่ผิดพลาด (Malinvestment) อาจเป็นจุดจบของเทรด AI

กระแสความนิยม AI ทั่วโลกในปัจจุบันกำลังถูกขับเคลื่อนด้วยวงจรการใช้จ่ายด้านทุน (capex) ที่รุนแรงที่สุดเท่าที่เคยมีมา แต่ความเสี่ยงเชิงโครงสร้างที่กำลังคืบคลานเข้ามาอาจกระตุ้นให้เกิดการเปลี่ยนแปลงของตลาดอย่างกะทันหัน Chris Wood หัวหน้าฝ่ายกลยุทธ์หุ้นระดับโลกของ Jefferies เตือนว่าจุดจบของเทรด AI จะไม่ได้มาจากปัญหาการขาดแคลนชิปหรือภาวะสินค้าล้นตลาด แต่จะมาจากวิกฤตความเชื่อมั่นเกี่ยวกับผลตอบแทนจากการลงทุน (ROI)

ภัยคุกคามจากการลงทุนที่ผิดพลาด (Malinvestment) และการระดมทุนแบบหมุนเวียน

ต่างจากวงจรเซมิคอนดักเตอร์แบบดั้งเดิมที่สิ้นสุดลงเนื่องจากสินค้าคงคลังล้นตลาด Wood แย้งว่าเทรด AI กำลังเผชิญกับภัยคุกคามทางจิตวิทยาและเศรษฐกิจที่ไม่เหมือนใคร นั่นคือ "malinvestment" หรือการลงทุนที่ผิดพลาด ความเสี่ยงหลักคือเหล่า hyperscalers และห้องปฏิบัติการ AI อาจไม่สามารถสร้างผลตอบแทนที่เพียงพอจากเงินทุนจำนวนมหาศาลที่พวกเขากำลังนำมาใช้

Wood เน้นย้ำถึงวงจรป้อนกลับ (feedback loop) ที่อาจเปราะบางภายในระบบนิเวศ เขาชี้ให้เห็นถึงโครงสร้างที่บริษัทอย่าง Nvidia อาจเป็นผู้ให้เงินทุนแก่ห้องปฏิบัติการ AI อย่าง OpenAI ซึ่งจากนั้น OpenAI ก็นำเงินทุนนั้นกลับไปซื้อชิปของ Nvidia เพิ่มขึ้น แม้ว่าวงจรหมุนเวียนนี้จะช่วยขับเคลื่อนการเติบโตในระยะสั้น แต่ก็เป็นการสร้าง "บ้านที่สร้างจากไพ่" (house of cards) ซึ่งอาจพังทลายลงได้หากนักลงทุนเริ่มสงสัยในความสามารถในการสร้างรายได้ (monetization) ระยะยาวของ AI stack

Capex มหาศาลและการกระจุกตัวของความมั่งคั่ง

ขนาดของการลงทุนในปัจจุบันนั้นไม่เคยปรากฏมาก่อน TSMC ได้ปรับเพิ่มคาดการณ์ capex สำหรับปี 2026 เป็นประมาณ 5.6 หมื่นล้านดอลลาร์ เพิ่มขึ้นจาก 4.1 หมื่นล้านดอลลาร์ในปีที่แล้ว โดยบางการคาดการณ์ระบุว่าอาจสูงถึง 6.5–7 หมื่นล้านดอลลาร์ภายในปี 2027 การพุ่งขึ้นนี้ได้เปลี่ยนไต้หวันให้กลายเป็นมหาอำนาจทางเศรษฐกิจมหภาค โดยมีอัตราการเติบโตของ GDP จริงแตะระดับ 14.55% เมื่อเทียบเป็นรายปีในไตรมาสที่ 1 ของปี 2026

ความต้องการที่เกี่ยวข้องกับ AI ในขณะนี้มีการกระจุกตัวสูงมากจนคาดการณ์ว่าจะคิดเป็น 31% ของรายได้ TSMC ในปี 2026 ระดับการกระจุกตัวนี้ตอกย้ำว่าเศรษฐกิจโลกกำลังเดิมพันอย่างหนักกับกลุ่มเทคโนโลยีเพียงกลุ่มเดียว (single technological vertical)

การกลายเป็นสินค้าโภคภัณฑ์ (Commoditisation) ของโมเดล AI

อีกหนึ่งจุดกดดันที่สำคัญคือการที่ Large Language Models (LLMs) กลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว เมื่อโมเดลคุณภาพสูงมีราคาถูกลง อำนาจในการตั้งราคาแบบพรีเมียมของผู้ให้บริการ AI ทางตะวันตกจึงถูกท้าทาย

Wood ตั้งข้อสังเกตว่าโมเดลจากจีนกำลังได้รับความนิยมอย่างมาก บนแพลตฟอร์ม OpenRouter โมเดลชั้นนำของจีนมีการประมวลผลถึง 21.37 ล้านล้านโทเคนในช่วงปลายเดือนมิถุนายน ซึ่งเพิ่มขึ้นอย่างมหาศาลจาก 4.37 ล้านล้านโทเคนในเดือนเมษายน และทำผลงานได้เหนือกว่าโมเดลชั้นนำของสหรัฐฯ ที่ประมวลผลได้ 5.76 ล้านล้านโทเคนอย่างมีนัยสำคัญ การเปลี่ยนแปลงนี้บ่งชี้ว่าเมื่อ "ต้นทุนต่อโทเคน" (cost per token) ลดลง ความคุ้มค่าทางเศรษฐกิจในการรักษาโมเดลที่เป็นกรรมสิทธิ์ (proprietary models) ซึ่งมีราคาแพงจะถูกตรวจสอบอย่างเข้มงวด

การเปลี่ยนจุดสนใจไปยังหน่วยความจำและฮาร์ดแวร์

แม้จะมีคำเตือนเหล่านี้ แต่ Wood ไม่ได้ทำนายว่าจะเกิดการพังทลายในทันที ในทางกลับกัน เขากำลังปรับพอร์ตการลงทุนไปยังกลุ่ม "picks and shovels" (เครื่องมือพื้นฐาน) ของอุตสาหกรรม โดยเฉพาะหน่วยความจำและฮาร์ดแวร์

เขาอ้างถึง Jevons Paradox ซึ่งระบุว่าประสิทธิภาพที่เพิ่มขึ้นจะนำไปสู่การบริโภครวมที่สูงขึ้น เมื่อการประมวลผลมีประสิทธิภาพมากขึ้น ความต้องการหน่วยความจำ DRAM และ NAND ก็จะเพิ่มขึ้น บริษัทอย่าง Micron ได้ทำข้อตกลงเชิงกลยุทธ์ระยะยาวสำหรับปริมาณการผลิตส่วนใหญ่ไว้แล้ว ซึ่งช่วยให้ผู้ผลิตหน่วยความจำมีอำนาจต่อรองและอำนาจในการตั้งราคาอย่างมาก ซึ่งเป็นสิ่งที่ผู้ผลิตชิปแบบดั้งเดิมมักจะขาดไปในช่วงขาลงครั้งก่อนๆ

สรุปประเด็นสำคัญ

  • ความเสี่ยงหลัก: เทรด AI มีความเปราะบางที่สุดต่อความกังวลเรื่อง "malinvestment" หรือการตระหนักว่าการใช้จ่าย capex มหาศาลนั้นไม่ได้สร้างกำไรที่เพียงพอ
  • แรงกดดันจากการกลายเป็นสินค้าโภคภัณฑ์: โมเดล AI ที่พัฒนาอย่างรวดเร็วและมีราคาถูกลง โดยเฉพาะจากจีน กำลังคุกคามโมเดลธุรกิจที่มีอัตรากำไรสูงของบริษัท AI ชั้นนำในตะวันตก
  • การป้องกันความเสี่ยงด้วยหน่วยความจำ: ในขณะที่ผู้ให้บริการซอฟต์แวร์และโมเดลต้องเผชิญกับแรงกดดันด้านอัตรากำไร ผู้ผลิตฮาร์ดแวร์และหน่วยความจำ (เช่น SK Hynix และ Samsung) ยังคงเป็นผู้ได้รับประโยชน์เชิงโครงสร้างจากการขยายตัวของโครงสร้างพื้นฐานนี้