ทำไมการลงทุนที่ผิดพลาด ไม่ใช่ภาวะชิปล้นตลาด อาจเป็นจุดจบของกระแสการลงทุนใน AI

การเติบโตอย่างก้าวกระโดดของปัญญาประดิษฐ์ (AI) กำลังขับเคลื่อนวงจรการใช้จ่ายด้านทุน (capex) ที่รุนแรงที่สุดในประวัติศาสตร์ แต่ก็ได้มีคำเตือนสำคัญเกิดขึ้นเกี่ยวกับความยั่งยืนของกระแสนี้ Chris Wood หัวหน้าฝ่ายกลยุทธ์หุ้นระดับโลกของ Jefferies ชี้ให้เห็นว่า จุดจบของกระแสการลงทุนใน AI จะไม่ได้ถูกกระตุ้นโดยการขาดแคลนชิป แต่จะเกิดจากวิกฤตความเชื่อมั่นในผลตอบแทนจากการลงทุน

ภัยคุกคามที่กำลังคืบคลานจากการลงทุนที่ผิดพลาด

ต่างจากวงจรเซมิคอนดักเตอร์แบบดั้งเดิมที่สิ้นสุดลงเนื่องจากภาวะอุปทานล้นตลาดอย่างกะทันหันหรือการสะสมสินค้าคงคลัง Wood โต้แย้งว่ายุค AI กำลังเผชิญกับความเสี่ยงเชิงโครงสร้างที่ไม่เหมือนใคร นั่นคือ "การลงทุนที่ผิดพลาด" (malinvestment) อันตรายหลักอยู่ที่ความเป็นไปได้ที่เหล่า hyperscalers และห้องปฏิบัติการ AI ชั้นนำจะไม่สามารถสร้างผลตอบแทนที่เพียงพอจากเงินทุนมหาศาลที่พวกเขากำลังนำมาใช้

Wood เน้นย้ำถึงรูปแบบ "การระดมทุนแบบหมุนเวียน" (circular funding) ที่น่ากังวลภายในระบบนิเวศ ตัวอย่างเช่น Nvidia มีส่วนเกี่ยวข้องในการให้เงินทุนแก่หน่วยงานอย่าง OpenAI ซึ่งในทางกลับกันก็นำเงินทุนนั้นไปซื้อชิปของ Nvidia เพิ่มขึ้น แม้ว่าสิ่งนี้จะสร้างแรงขับเคลื่อนที่ทรงพลังในระยะสั้น แต่ก็เป็นการสร้างวงจรป้อนกลับที่อาจพลิกกลับอย่างรุนแรง หากนักลงทุนเริ่มสงสัยในความสามารถในการสร้างรายได้ในระยะยาวและความชัดเจนของกำไรจาก AI stack

Capex มหาศาลและการกระจุกตัวของความเสี่ยง

ขนาดของการลงทุนที่กำลังเกิดขึ้นในปัจจุบันนั้นไม่เคยปรากฏมาก่อน TSMC โรงงานรับจ้างผลิตชิป (foundry) ชั้นนำของโลก ได้ปรับเพิ่มประมาณการ capex สำหรับปี 2026 เป็นประมาณ 5.6 หมื่นล้านดอลลาร์ เพิ่มขึ้นจาก 4.1 หมื่นล้านดอลลาร์ในปีที่แล้ว การคาดการณ์จาก Fubon Research ชี้ว่าตัวเลขนี้อาจพุ่งสูงขึ้นถึงระหว่าง 6.5 หมื่นล้านดอลลาร์ถึง 7 หมื่นล้านดอลลาร์ภายในปี 2027

การพุ่งขึ้นนี้กำลังเปลี่ยนแปลงเศรษฐกิจในภูมิภาคไปแล้ว ในไต้หวัน ผลกระทบจากความต้องการที่เกี่ยวข้องกับ AI นั้นเห็นได้ชัด โดยการเติบโตของ GDP ที่แท้จริงพุ่งแตะ 14.55% เมื่อเทียบเป็นรายปีในไตรมาสที่ 1 ของปี 2026 นอกจากนี้ คาดว่าความต้องการที่เกี่ยวข้องกับ AI จะคิดเป็นประมาณ 31% ของรายได้ทั้งหมดของ TSMC ในปี 2026 ซึ่งตอกย้ำว่าเศรษฐกิจโลกกำลังกระจุกตัวอยู่ในโครงสร้างพื้นฐานด้าน AI มากเพียงใด

การกลายเป็นสินค้าโภคภัณฑ์ของโมเดล AI

จุดกดดันรองคือการที่ Large Language Models (LLMs) กำลังกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว เมื่อประสิทธิภาพดีขึ้นและต้นทุนลดลง ความได้เปรียบในระดับ "พรีเมียม" ของผู้ให้บริการ AI ฝั่งตะวันตกก็กำลังถูกท้าทาย Wood ชี้ให้เห็นถึงการเติบโตของโมเดลจากจีน เช่น GLM-5.2 ของ Z.ai ซึ่งมีรายงานว่าให้ประสิทธิภาพเทียบเท่ากับโมเดลชั้นนำของตะวันตก แต่มีต้นทุนเพียงหนึ่งในสี่เท่านั้น

ข้อมูลสนับสนุนการเปลี่ยนแปลงนี้ โดยบนแพลตฟอร์ม OpenRouter โมเดล AI ชั้นนำของจีนได้ประมวลผลไปถึง 21.37 ล้านล้านโทเคนในช่วงปลายเดือนมิถุนายน ซึ่งเป็นการก้าวกระโดดครั้งใหญ่จาก 4.37 ล้านล้านโทเคนในเดือนเมษายน ปริมาณนี้สูงกว่า 5.76 ล้านล้านโทเคนซึ่งประมวลผลโดยโมเดลชั้นนำของสหรัฐฯ อย่างมีนัยสำคัญ ซึ่งส่งสัญญาณถึงสภาพแวดล้อมที่มีการแข่งขันสูงและอ่อนไหวต่อราคา

การเปลี่ยนจุดสนใจไปที่ "เครื่องมือพื้นฐาน" (Picks and Shovels)

แม้จะมีคำเตือนเหล่านี้ แต่ Wood ไม่ได้ทำนายว่าจะเกิดการล่มสลายในทันที ในทางกลับกัน เขาแนะนำให้มีการปรับเปลี่ยนกลยุทธ์ไปยัง "เครื่องมือพื้นฐาน" (picks and shovels) ของอุตสาหกรรม โดยเฉพาะผู้ผลิต DRAM และหน่วยความจำ (memory) เนื่องจาก Jevons Paradox เมื่อการประมวลผลมีประสิทธิภาพมากขึ้นและราคาถูกลง การบริโภคโดยรวมกลับเพิ่มสูงขึ้น ซึ่งเป็นประโยชน์ต่อผู้ให้บริการฮาร์ดแวร์

ผู้เล่นรายใหญ่อย่าง Micron กำลังสร้างความมั่นคงในตำแหน่งทางการตลาดผ่านการเปลี่ยนแปลงเชิงโครงสร้าง เช่น การลงนามในข้อตกลงเชิงกลยุทธ์ระยะเวลาห้าปี ซึ่งครอบคลุมปริมาณ DRAM และ NAND ส่วนใหญ่ สิ่งนี้ช่วยให้ผู้ผลิตหน่วยความจำมีอำนาจในการกำหนดราคาและความมั่นคงมากขึ้น แม้ว่าเลเยอร์ซอฟต์แวร์ AI ในวงกว้างจะยังคงดิ้นรนเพื่อพิสูจน์ความสามารถในการทำกำไรก็ตาม

สรุปประเด็นสำคัญ

• ความเสี่ยงที่แท้จริง: กระแสการลงทุนใน AI มีแนวโน้มที่จะสิ้นสุดลงเนื่องจาก "การลงทุนที่ผิดพลาด" (malinvestment)—ความล้มเหลวของเหล่า hyperscalers ในการสร้างผลตอบแทนที่เพียงพอจาก capex มหาศาล—มากกว่าที่จะเป็นภาวะชิปล้นตลาดแบบดั้งเดิม
• การกลายเป็นสินค้าโภคภัณฑ์ของโมเดล: การเติบโตอย่างรวดเร็วของโมเดล AI จากจีนที่มีต้นทุนต่ำแต่ประสิทธิภาพสูง กำลังสร้างแรงกดดันอย่างมหาศาลต่อโครงสร้างทางเศรษฐกิจของผู้ให้บริการ AI ระดับพรีเมียมจากตะวันตก
• ความยืดหยุ่นของฮาร์ดแวร์: ผู้ผลิตหน่วยความจำและ DRAM (เช่น SK Hynix และ Samsung) ยังคงเป็นผู้ได้รับประโยชน์ที่มีความยืดหยุ่นมากที่สุด เนื่องจากความสามารถในการทำสัญญาการขายระยะยาวและมีอำนาจในการกำหนดราคา