ทำไมการลงทุนที่ผิดพลาด (Malinvestment) ไม่ใช่ภาวะชิปล้นตลาด อาจเป็นสาเหตุที่ทำให้ยุคทองของ AI สิ้นสุดลง
กระแสการตื่นทองในด้านปัญญาประดิษฐ์ (AI) ในปัจจุบันถูกขับเคลื่อนด้วยวงจรการใช้จ่ายด้านทุน (capital expenditure) ที่ไม่เคยปรากฏมาก่อน แต่ก็ได้มีคำเตือนสำคัญเกิดขึ้นเกี่ยวกับความยั่งยืนในระยะยาว Chris Wood หัวหน้าฝ่ายกลยุทธ์หุ้นระดับโลกของ Jefferies ชี้ให้เห็นว่า การเก็งกำไรในหุ้นกลุ่ม AI อาจไม่ได้สิ้นสุดลงเพราะความต้องการที่ลดลง แต่จะเกิดจากวิกฤตด้านความสามารถในการทำกำไรแทน
ความเสี่ยงจากการลงทุนที่ผิดพลาด (Malinvestment) และการระดมทุนแบบหมุนเวียน
ต่างจากวงจรเซมิคอนดักเตอร์แบบดั้งเดิมที่มักจะสิ้นสุดลงเนื่องจากสินค้าคงคลังล้นตลาดอย่างกะทันหันหรือภาวะช็อกด้านอุปทาน Wood ระบุว่า "การลงทุนที่ผิดพลาด" (malinvestment) คือความเสี่ยงหลักของการเก็งกำไรในกลุ่ม AI ข้อกังวลหลักคือเหล่า Hyperscalers และห้องปฏิบัติการ AI ชั้นนำอาจไม่สามารถสร้างผลตอบแทนที่คุ้มค่าจากการใช้จ่ายด้านทุน (capex) มหาศาลที่พวกเขากำลังดำเนินการอยู่
Wood ได้เน้นย้ำถึงวงจรป้อนกลับ (feedback loop) ที่อาจมีความเปราะบางภายในระบบนิเวศ นั่นคือข้อตกลงการระดมทุนแบบหมุนเวียน (circular funding) ที่บริษัทอย่าง Nvidia ให้การสนับสนุนทางการเงินแก่ห้องปฏิบัติการ AI อย่าง OpenAI ซึ่งจากนั้น OpenAI ก็นำเงินทุนดังกล่าวไปซื้อชิปของ Nvidia เพิ่มขึ้น แม้ว่าสิ่งนี้จะช่วยขับเคลื่อนการเติบโตในระยะสั้น แต่ก็สร้างความเปราะบาง หากนักลงทุนเริ่มสงสัยในความสามารถในการสร้างรายได้ (monetization) ในระยะยาวจากการลงทุนใน AI เหล่านี้ วงจรป้อนกลับนี้อาจพังทลายลงอย่างรวดเร็ว และส่งผลให้ตลาดต้องหยุดชะงักอย่างเจ็บปวด
การใช้จ่ายด้านทุนมหาศาลและ Jevons Paradox
ขนาดของการลงทุนที่กำลังเกิดขึ้นในขณะนี้ถือเป็นระดับประวัติศาสตร์ TSMC ได้ปรับเพิ่มคาดการณ์ capex สำหรับปี 2026 เป็นประมาณ 5.6 หมื่นล้านดอลลาร์ จากเดิม 4.1 หมื่นล้านดอลลาร์ในปีที่แล้ว โดยมีการคาดการณ์บางส่วนระบุว่าการใช้จ่ายอาจสูงถึง 6.5–7 หมื่นล้านดอลลาร์ภายในปี 2027 การพุ่งขึ้นนี้ได้ช่วยกระตุ้นเศรษฐกิจไต้หวันอย่างมีนัยสำคัญ โดยอัตราการเติบโตของ GDP จริงพุ่งแตะ 14.55% เมื่อเทียบเป็นรายปีในไตรมาสที่ 1 ของปี 2026
Wood มองเรื่องนี้ผ่านมุมมองของ "Jevons Paradox" ซึ่งเป็นแนวคิดที่ว่า เมื่อต้นทุนของทรัพยากร (ในกรณีนี้คือ computing tokens) ลดลงเนื่องจากประสิทธิภาพที่เพิ่มขึ้น ปริมาณการบริโภคทรัพยากรนั้นโดยรวมกลับเพิ่มสูงขึ้น Paradox นี้ส่งผลดีต่อกลุ่มผู้เล่น "picks and shovels" (ผู้ผลิตอุปกรณ์สนับสนุน) โดยเฉพาะผู้ผลิตหน่วยความจำและ DRAM บริษัทอย่าง Micron กำลังเห็นการเปลี่ยนแปลงเชิงโครงสร้างนี้แล้ว โดย Micron ได้ลงนามในข้อตกลงลูกค้าเชิงกลยุทธ์ 16 ฉบับ ซึ่งครอบคลุมปริมาณ DRAM 20% และปริมาณ NAND หนึ่งในสามของบริษัท โดยมักจะเป็นสัญญาที่มีระยะเวลา 5 ปี
การกลายเป็นสินค้าโภคภัณฑ์ของโมเดล AI (Commoditisation)
อีกหนึ่งแรงกดดันที่เพิ่มขึ้นต่อความคุ้มค่าทางเศรษฐกิจของผู้ให้บริการ AI ระดับพรีเมียมในฝั่งตะวันตก คือการที่ Large Language Models (LLMs) กำลังกลายเป็นสินค้าโภคภัณฑ์ (commoditisation) อย่างรวดเร็ว การเติบโตของโมเดลคุณภาพสูงแต่ราคาถูก โดยเฉพาะจากประเทศจีน กำลังท้าทายการครอบงำของบริษัทในสหรัฐฯ
ตัวอย่างเช่น การเปิดตัว GLM-5.2 ของ Z.ai ถูกอธิบายว่ามีประสิทธิภาพใกล้เคียงกับ Anthropic สำหรับการใช้งานในองค์กร แต่มีต้นทุนต่อ token เพียงหนึ่งในสี่เท่านั้น ข้อมูลจาก OpenRouter แสดงให้เห็นถึงการเปลี่ยนแปลงของปริมาณการใช้งานอย่างมีนัยสำคัญ โดยในช่วงปลายเดือนมิถุนายน โมเดล AI ชั้นนำของจีนได้ประมวลผลไปถึง 21.37 ล้านล้าน tokens ซึ่งสูงกว่าโมเดลชั้นนำของสหรัฐฯ ที่ประมวลผลได้ 5.76 ล้านล้าน tokens อย่างมาก การหลั่งไหลเข้ามาของทางเลือกที่มีราคาถูกและมีความสามารถสูงนี้ สร้างแรงกดดันมหาศาลต่ออัตรากำไรของบริษัทที่เป็นผู้นำในการแข่งขันด้าน AI
สรุปประเด็นสำคัญ
- ความเสี่ยงหลัก: การสิ้นสุดของการเก็งกำไรในกลุ่ม AI มีแนวโน้มที่จะถูกกระตุ้นโดยการตระหนักถึง "การลงทุนที่ผิดพลาด" (malinvestment) และผลตอบแทนที่ต่ำจากการใช้จ่ายด้านทุน (capex) มากกว่าภาวะชิปล้นตลาดแบบดั้งเดิม
- การเปลี่ยนแปลงเชิงโครงสร้างในกลุ่มหน่วยความจำ: ผู้ผลิต DRAM และหน่วยความจำในปัจจุบันเป็นกลุ่ม "picks and shovels" ที่ได้รับผลกระทบน้อยที่สุด โดยใช้ประโยชน์จากข้อตกลงเชิงกลยุทธ์ระยะยาวเพื่อรักษาอำนาจในการกำหนดราคา
- ภัยคุกคามจากการกลายเป็นสินค้าโภคภัณฑ์: การเกิดขึ้นอย่างรวดเร็วของโมเดล AI ที่มีประสิทธิภาพสูงแต่ราคาถูก (โดยเฉพาะจากจีน) กำลังทำให้ตลาด LLM กลายเป็นสินค้าโภคภัณฑ์ ซึ่งคุกคามโมเดลที่มีอัตรากำไรสูงของผู้นำด้าน AI ในฝั่งตะวันตก