ทำไมการลงทุนที่ผิดพลาด ไม่ใช่ภาวะชิปล้นตลาด อาจเป็นจุดจบของยุค AI บูม

การเติบโตอย่างไม่หยุดยั้งของการลงทุนในปัญญาประดิษฐ์ (AI) ได้กลายเป็นนิยามของยุคตลาดปัจจุบัน แต่คำเตือนครั้งสำคัญได้มาจากหนึ่งในนักยุทธศาสตร์ที่ทั่วทั้งวอลล์สตรีทจับตามองมากที่สุด Chris Wood หัวหน้าฝ่ายกลยุทธ์หุ้นระดับโลกของ Jefferies ชี้ให้เห็นว่า การล่มสลายของการเทรด AI จะไม่ได้มีสาเหตุมาจากความขาดแคลนชิป แต่จะเกิดจากการที่ไม่สามารถเปลี่ยนรายจ่ายฝ่ายทุน (capital expenditures) มหาศาลให้กลายเป็นกำไรที่มีนัยสำคัญได้

ความเสี่ยงจากการลงทุนที่ผิดพลาดที่กำลังคืบคลานเข้ามา

ต่างจากวงจรเซมิคอนดักเตอร์แบบดั้งเดิมที่มักจะสิ้นสุดลงเนื่องจากสินค้าคงคลังล้นตลาดและการเพิ่มขึ้นของอุปทานอย่างกะทันหัน Chris Wood แย้งว่ายุค AI กำลังเผชิญกับความเสี่ยงเชิงโครงสร้างที่ไม่เหมือนใคร นั่นคือ "การลงทุนที่ผิดพลาด" (malinvestment) เขาเตือนว่า "จุดจบ" ของการเทรด AI หรืออย่างน้อยก็คือการชะงักงันของตลาดที่เจ็บปวด มีแนวโน้มที่จะถูกกระตุ้นเมื่อเหล่า hyperscalers และห้องแล็บ AI ชั้นนำไม่สามารถสร้างผลตอบแทนที่เพียงพอจากรายจ่ายฝ่ายทุน (capex) มหาศาลของพวกเขาได้

Wood ชี้ให้เห็นถึงวงจรป้อนกลับ (feedback loop) ที่น่ากังวลภายในระบบนิเวศ เช่น การที่ Nvidia ให้เงินสนับสนุนบริษัทอย่าง OpenAI ซึ่งจากนั้นบริษัทเหล่านั้นก็นำเงินทุนดังกล่าวไปซื้อชิปของ Nvidia เพิ่มขึ้น แม้ว่าการหมุนเวียนของเงินทุนในลักษณะนี้จะช่วยขับเคลื่อนการเติบโตในระยะสั้น แต่ก็เป็นการสร้างรากฐานที่เปราะบาง ซึ่งอาจพังทลายลงอย่างรวดเร็วเมื่อนักลงทุนเริ่มเรียกร้องความชัดเจนเกี่ยวกับกำไรในระยะยาวและวินัยในการใช้เงินทุน

วงจร Capex ที่ทำลายสถิติ

ขนาดของการใช้จ่ายด้าน AI ในปัจจุบันนั้นไม่เคยปรากฏมาก่อน Wood อธิบายว่าการขยายตัวที่กำลังดำเนินอยู่นี้เป็นวงจร capex ที่รุนแรงที่สุดเท่าที่เขาเคยเห็นมา ความกระจุกตัวของการลงทุนนี้เห็นได้ชัดเจนที่สุดในอุตสาหกรรมเซมิคอนดักเตอร์:

• การขยายตัวของ TSMC: โรงงานรับจ้างผลิต (foundry) แห่งนี้ได้ปรับเพิ่มคาดการณ์ capex สำหรับปี 2026 เป็นประมาณ 5.6 หมื่นล้านดอลลาร์ เพิ่มขึ้นจาก 4.1 หมื่นล้านดอลลาร์ในปีที่แล้ว โดยมีการคาดการณ์ว่าในปี 2027 การใช้จ่ายอาจสูงถึงระหว่าง 6.5 หมื่นล้านถึง 7 หมื่นล้านดอลลาร์
• การกระจุกตัวของรายได้: ความต้องการที่เกี่ยวข้องกับ AI คาดว่าจะคิดเป็นประมาณ 31% ของรายได้ทั้งหมดของ TSMC ในปี 2026
• ผลกระทบทางมหภาค: การพุ่งขึ้นนี้ได้กระตุ้นการเติบโตอย่างมหาศาลในไต้หวัน โดย GDP ที่แท้จริงเติบโตถึง 14.55% เมื่อเทียบเป็นรายปีในไตรมาสที่ 1 ของปี 2026

การกลายเป็นสินค้าโภคภัณฑ์ของโมเดล AI

สิ่งที่เพิ่มแรงกดดันต่ออัตรากำไรคือการที่โมเดลภาษาขนาดใหญ่ (LLMs) กำลังกลายเป็นสินค้าโภคภัณฑ์ (commoditisation) อย่างรวดเร็ว Wood ตั้งข้อสังเกตว่าโมเดลที่มีราคาถูกกว่าและมีประสิทธิภาพสูง โดยเฉพาะจากนักพัฒนาชาวจีน กำลังท้าทายการครอบงำของผู้ให้บริการระดับพรีเมียมจากตะวันตก

ตัวอย่างเช่น GLM-5.2 ของ Z.ai ซึ่งจดทะเบียนในตลาดหลักทรัพย์ฮ่องกง มีรายงานว่ามีประสิทธิภาพใกล้เคียงกับ Anthropic แต่มีต้นทุนต่อโทเคน (token) เพียงหนึ่งในสี่เท่านั้น การเปลี่ยนแปลงนี้สะท้อนให้เห็นในข้อมูลการใช้งาน: ในช่วงปลายเดือนมิถุนายน โมเดลชั้นนำของจีนได้ประมวลผลโทเคนไปถึง 21.37 ล้านล้านโทเคนบน OpenRouter ซึ่งเพิ่มขึ้นอย่างมหาศาลจาก 4.37 ล้านล้านโทเคนในเดือนเมษายน และแซงหน้าโมเดลชั้นนำของสหรัฐฯ ที่ประมวลผลไป 5.76 ล้านล้านโทเคนอย่างมีนัยสำคัญ เมื่อต้นทุนต่อโทเคนลดลง "คูเมือง" (moat) หรือความได้เปรียบทางการแข่งขันของผู้ให้บริการ AI ระดับพรีเมียมก็แคบลง ทำให้การเรียกคืนต้นทุนโครงสร้างพื้นฐานมหาศาลทำได้ยากขึ้น

ผู้ชนะในสมรภูมิ "เครื่องมือพื้นฐาน" (Picks and Shovels)

แม้จะมีความเสี่ยงในระยะยาวเหล่านี้ แต่ Wood ไม่ได้ทำนายว่าจะเกิดการล่มสลายในทันที ในทางกลับกัน เขากำลังปรับพอร์ตการลงทุนไปยังกลุ่ม "picks and shovels" หรือผู้ผลิตเครื่องมือพื้นฐาน โดยเฉพาะผู้ให้บริการหน่วยความจำ (memory) และฮาร์ดแวร์ ซึ่งได้รับประโยชน์จาก Jevons Paradox หลักการทางเศรษฐศาสตร์นี้ระบุว่า เมื่อการประมวลผล (compute) มีประสิทธิภาพมากขึ้นและราคาถูกลง ปริมาณการบริโภคโดยรวมจะกลับเพิ่มสูงขึ้นแทน

ยักษ์ใหญ่ด้านหน่วยความจำอย่าง Micron, SK Hynix และ Samsung กำลังอยู่ในสถานะที่แข็งแกร่ง โดย Micron ได้บรรลุข้อตกลงเชิงกลยุทธ์ที่ครอบคลุมปริมาณ DRAM ถึง 20% และ NAND ถึงหนึ่งในสาม ซึ่งมักมีระยะเวลาสัญญาถึงห้าปี ช่วยสร้างเกราะป้องกันความผันผวนที่คาดว่าจะเกิดขึ้นในชั้นซอฟต์แวร์ (software layer) ของ AI stack

สรุปประเด็นสำคัญ

• ภัยคุกคามหลัก: การเทรด AI มีความเปราะบางต่อความเสี่ยงจาก "การลงทุนที่ผิดพลาด" (malinvestment) ซึ่งการใช้จ่ายมหาศาลของเหล่า hyperscalers ไม่สามารถสร้างผลตอบแทนจากการลงทุน (ROI) ที่เพียงพอได้
• การเปลี่ยนรูปแบบความเสี่ยง: ต่างจากวงจรเซมิคอนดักเตอร์ครั้งก่อนๆ ที่ถูกขับเคลื่อนโดยภาวะอุปทานล้นตลาด จุดจบของวงจร AI มีแนวโน้มที่จะถูกขับเคลื่อนโดยความผิดหวังของนักลงทุนต่อวินัยในการใช้เงินทุน
• ความแข็งแกร่งของฮาร์ดแวร์: ในขณะที่อัตรากำไรของโมเดลซอฟต์แวร์เผชิญกับแรงกดดันจากการกลายเป็นสินค้าโภคภัณฑ์ ผู้ให้บริการหน่วยความจำและฮาร์ดแวร์ยังคงเป็นผู้ได้รับประโยชน์หลักจากการแข่งขันด้าน capex ที่กำลังดำเนินอยู่